세션 2: 제조업의 Digital Transformation과 AWS의 주요 기술

© 2020, Amazon Web Services, Inc. or its Affiliates.
클라우드 기반의 제조업 혁신 트랜드
제조업 사업 개발 담당 – 석진호
2020년 7월

2
Product: Smarter Product Sales: Digital Channel* Purchasing: Flexible Solutions
• 85% of B2B customers already prefer
self-service digital channel for repeat
purchases
• Omnichannel: integration of various
sales channels
Smarter Product
Available on Demand
More Customization
* Source: McKinsey
40
19
14
Response
Time
Price
Product
Understanding
B2B Customers’ Pain Points(%)
Digital Solutions
Flexible Pricing Model
• Offering solutions after purchase is
key
• Flexible pricing model, such as pay-
per-use is prevalent
제조업의 Digital Transformation은 최종 고객의 요구사항
변화로 부터 시작 되고 있음

국내/외 수많은 제조사들이 Digital Transformation을 실행
하기 위해 AWS와 협력 중

4
AWS는 Digital Transformation 플랫폼
CORE SERVICES
Integrated Networking
Rules Engine
Device Shadows
Device SDKs
Device Gateway
Registry
Local Compute
Custom Model
Training & Hosting
Conversational Chatbots
Virtual Desktops
App Streaming
Schema Conversion
Image & Scene Recog
nition
Sharing & Collaboratio
n
Exabyte-Scale
Data Migration
Text to Speech
Corporate Email Application Migration
Database Migration
Regions
Availability Zones
Points of Presence
Data Warehousing
Business Intelligence
Elasticsearch
Hadoop/Spark
Data Pipelines
Streaming Data
Collection
ETL
Streaming Data
Analysis
Interactive SQL
Queries
Queuing & Notifications
Workflow
Email
Transcoding
Deep Learning
(Apache MXNet, Tensor
Flow, & others)
Server MigrationCommunications
MARKETPLACE
Business Apps Business Intelligence DevOps Tools Security Networking StorageDatabases
API Gateway
Single Integrated Cons
ole
Identity
Sync
Mobile Analytics
Mobile App Testing
Targeted Push Notific
ations
One-click App Dep
loyment
DevOps Resource
Management
Application Lifecycle
Management
Containers
Triggers
Resource Templates
Build & Test
Analyze & Debug
Identity Managem
ent
Key Management
& Storage
Monitoring
& Logs
Configuration C
ompliance
Web Application Fire
wall
Assessment
& Reporting
Resource & Usag
e Auditing
Access Control
Account Group
ing
DDOS
Protection
TECHNICAL & BUSINESS SUPPORT
Support
Professional
Services
Optimization Guid
ance
Partner
Ecosystem
Training & Certificati
on
Solutions Managemen
t
Account Managemen
t
Security & Billing Rep
orts
Personalized
Dashboard
Monitoring
Manage Res
ources
Data Integration
Integrated Identity
& Access
Integrated Resource & Dep
loyment Management
Integrated Devices
& Edge Systems
Resource Templat
es
Configuration
Tracking
Server Manag
ement
Service Catalo
gue
Search
MIGRATIONHYBRID ARCHITECTUREENTERPRISE APPSMACHINE LEARNINGIoTMOBILE SERVICESDEV OPSANALYTICS
APP SERVICES
INFRASTRUCTUR
E
SECURITY & COMPLIANCE MANAGEMENT TOOLS
Compute
VMs, Auto-scaling, Load
Balancing, Containers, Vi
rtual Private Servers, Bat
ch Computing, Cloud Fun
ctions, Elastic GPUs, Edg
e Computing
Storage
Object, Blocks,File, Archivals
, Import/Export, Exabyte-scal
e data transfer
CDN
Databases
Relational, NoSQL, Cac
hing, Migration, Postgre
SQL compatible
Networking
VPC, DX, DNS
Facial Recognition & A
nalysis
Facial Search
Patching
Contact Center

© 2020, Amazon Web Services, Inc. or its Affiliates. All rights reserved. Amazon Confidential and Trademark
Data Platform
Connected
&
Autonomous
Cloud-based
Infrastructure
Collaboration
& Visibility
Tools
IoT & AI/ML
Services
Smart
Engineering
Increased
efficiency in R&D
Smart
System
IT modernization
Smart
Factory
Fully connected
plant operations
Smart
Product
Connected homes,
cars, and devices
AWS를 활용하여 4가지 영역에서 제조업 혁신 진행 중

Smart Product
Connected homes,
cars, and devices
지원 가능 영역:
① 제품 및 장소의 IoT Connectivity
② IoT 데이터를 활용한 고객 제품 사용
방식 및 행동 패턴 분석
③ 대규모 데이터 셋 스토리지
④ AI/ML 기반 데이터 모델링
⑤ GTM 시간 단축을 위한 확장형 인프라
AWS IOTAMAZON S3 COMPUTE AWS IOT ANALYTICS AMAZON
SAGEMAKER

제품 Connectivity를 통해 소비자에 대한 통찰력 확보 중요
Source: 1 McKinsey 2 Gartner
 already

About BMW
BMW Group is the leading
manufacturers of premium cars and
provider of mobility services with
brands such as Rolls Royce, BMW, and
Mini. It operates over 30 production
and assembly plants in 14 countries. In
addition to using AWS for its new
connected-car application, BMW is
also building its next-generation
Unified Configurator Platform on
AWS-
Industry: Automotive
Headquarters: Munich, Germany
Website: www.bmw.com
Challenges Solution Benefits
• 과거의 H/W 중심 접근으로는
차별화 어려움
• 고객이 S/W와 Digital Service를
구매요소로 인식하면서 개인화,
고객과의 Engagement 등을
중요시하기 시작함
• Sensor 기반 실시간 Map Update
서비스 기획  대규모 Data 처리 및
시간별 Data Fluctuation 극복 필요
• 자동차 Sensor Data를 클라우드로
이전하고 Learning Map을 구축하여
Route Guidance, 속도제한 표지,
지형 정보 등도 인식할 수 있도록
Map 정보를 업데이트
• S3, DynamoDB, Amazon RDS,
Elastic Beanstalk, SQS 등 다양한
AWS의 서비스를 활용
• 6개월만에 CARASSO (car-as-a-
sensor) 플랫폼 개발
• ’18년까지 수십만대의 차량에서
올라오는 80억 KM 분량의 정보
처리 예상
• AWS 통해 Data Fluctuation에
대응할 수 있는 Scalability 확보

AWS IoT를 활용하여 IoCare 플랫폼 구축
 고객 맞춤형 케어 솔루션을 제공
• 국내 IoT 솔루션을 활용하여 벤더가
관리/운영하기 떄문에 제품에
기능을 추가하는 등의 수정사항이
있을 때 적용까지 상당한 시간 소요
• 해외 시장 판매시 성능 지연에 대한
우려 제기
• 증가하는 제품 수요에 맞춰
안정적인 서비스를 제공하고, 글로벌
차원의 대응이 가능한 글로벌
인프라가 필요
• AWS의 완전 관리형 서비스(Fully
Managed Service) 활용으로 외부
엔지니어의 도움 없이 자체적인
운영이 가능
• AWS 서비스를 활용해 IoT
디바이스로부터 데이터를 수집, 저장,
제어하며, 수집된 데이터를 처리하는
등 다양한 비즈니스 수행이 가능한
통합적인 플랫폼 구축
- AWS IoT, AWS Kinesis, AWS
DynamoDB, AWS Lambda 활용
• 동남아/중국/일본 등 해외 확대
요청에 따른 글로벌 서비스 확장
대응 가능
• 솔루션 개발 리더십 확보로 인해
유연한 플랫폼 운영 및 내재화
• 인프라, 외주 비용 절감을 통해 비용
효율화 추진
About Coway
Coway is a Korea-based company that
builds consumer electronics for air,
water, and sleep. Coway was the first
in the industry to provide proactive
services through its rental system in
1998; it has since been ranked first for
market share and brand awareness.
Coway launched IoCare, a life-care
solution, by introducing Internet of
Things (IoT) technology to water
purifiers and air cleaners—the first
home-appliance company to do so.
Industry: Consumer Electrics
Headquarters: Seoul, Korea
Website: www.coway.com/
IoT 제품
IoCare
APP
스마트 스피커
코웨이 IoT 플랫폼
i.Trust
코웨이 데이터분석
플랫폼
Co-Spark
코웨이 ERP
3rd IoT 플랫폼
ㄱ솔루션 기반
IoT 플랫폼
AWS 기반 IoT
플랫폼
Migration 프로젝트(5개월 소요)

About Samsung Heavy Industries
Samsung Heavy Industries Co., Ltd.
(SHI) has received orders for and
delivered over 1,000 ships (as of 2017)
from the world’s leading shipping
companies. SHI is introducing industry
4.0-related high-tech Information and
Communication Technologies (ICT)
into processes, from shipbuilding to
post-vessel-delivery operations, to
reduce costs through “vessel
digitalization” and to transform itself
into a higher-value-added business.
Industry: Naval Engineering
Headquarters: Seongnam, Korea
Website: www.samsungshi.com/
• 향후 스마트십 운항 기술 적용
확대에 따라 증가할 트래픽량에
대응이 가능한 인프라 필요
• 스마트십의 핵심 성능 확보와
동시에 사이버 위협에 대응할 수
있는 정보보호 관리 체계 필요
• 다양한 스마트십 솔루션의 신규
기술 개발에 대한 높은 효율성과
운영 전환이 즉시 가능한 인프라
환경 확보
• 선박 내 스마트십 시스템 (S. FLEET)
적용
• 최적 운항 계획 수립, 연료 소모량
및 모션 안전성 감시, 자동화된 보고
기능을 제공
• GPS, 고해상도 카메라, 운항 관련
각종 센서를 통해 주변 다양한
정보를 수집하고 분석함
• 인공위성망을 사용하여 선박 관련
데이터를 통합 관리하고 육상에서
선단운영/생애주기 원격서비스 제공
• ‘S.FLEET’를 개발하는 과정에서 AWS
클라우드 활용으로 인프라에 대한
걱정을 덜고 핵심기능 개발에만
집중 가능
• 온프레미스 솔루션과 비교해 개발
기간을 약 3개월 단축
• 연구자들의 아이디어를 자유롭게
구현하고 검증할 수 있는 환경
• 미국 선급협회인 ABS로부터
스마트십 솔루션에 대한 사이버
보안 기술 인증을 세계 최초로 획득
AWS 인프라 활용한 스마트십 시스템 구축
 선박 운영 최적화 및 선단 관리 효율화
선사들이 운영하는 선단의 규모에 따라
유연하고 비용이 저렴한 IT 리소스에 대한
빠른 액세스를 제공한다는 장점과
‘S.FLEET’의 신규 서비스 확대에 있어 초기
자본 지출 없이 신속하게 프로비저닝할 수
있다는 점이 AWS를 선택하게 된
이유입니다.”
김재우
책임연구원, 삼성중공업 조선해양연구소
Sumerian 기반 3D 디지털 트윈 기술실시간 원격 지원 플랫폼

Smart
Engineering
Increased efficiency
in R&D
① 제품 설계와 병렬 시뮬레이션이 가능한
HPC 환경 지원
② 클라우드 앱 스트리밍으로 협업 강화
③ 시뮬레이션 데이터 시각화/대시보드화
④ 기계학습 기반 스마트 검색 환경
AMAZON
APPSTREAM
AMAZON
QUICKSIGHT
AMAZON S3 COMPUTE AMAZON
KENDRA

제조사 제품 설계자들은 온프렘 대비 클라우드 환경 선호
Source: 1 National Instruments case study 2 Novartis case study 3, 4 IDC

About Honda
Honda Motor Company is one the
world's largest manufacturer of
automobiles, motorcycles, and power
equipment. Honda manufactures
products at 12 plants around the
world. Honda has been using AWS
since 2012.
Headquarters: Tokyo, Japan
Website: www.honda.com/
• 다양한 제품 설계 Simulation을 위한
resource들이 지역별 On-Premise
R&D 센터에 분산되어 있는 상황
• R&D에 AWS Public Cloud를
접목하기로 결정
• 충돌, 재료, 유체, 열역학, 공기 역학,
전자기 및 전자 기장 등 다양한 제품
설계 시 Simulation에 활용
• 인당 한 번에 16,000 Core 활용 가능
• 전체 Simulation 시간 1/3 이상 단축
• 70% 이상의 cost 절감
Infra Tech Div., Honda Motor

About LS Electric
LS Electric is part of the LS group and
manufactures electrical equipment &
automation systems. LS Group and its
subsidiaries have approximately $25.2
billion in revenue and operates around
25 countries.
Industry: Electric Equipment
Headquarters: Anyang, Korea
Website: www.lselectric.co.kr/
• 엔지니어링 및 CAE 플랫폼 활용
위한 고성능 멀티코어 컴퓨터 필요
• LS 산전 전반적 디지털
트랜스포메이션 변화에 맞춰 LS
산전 R&D 부서의 개발기간 단축을
위한 디지털 기법 가속화 추진
• Rescale on AWS를 활용해 IaaS
형태의 HPC 클라우드와 CAE
클라우드를 플랫폼으로 구축하여
시뮬레이션 서비스 마련
• 전문 해석영역 고도화 및 시스템
단위 해석 확대 가능
• Workstation (2-16Core) 수준 대비
HPC 클라우드 (128-512Core 이상)
적용으로 해석속도 4-11배 증가
• 무제한 HPC 클라우드 및 CAE
소프트웨어의 사용한 만큼 비용
지급으로 운영 비용 24% 수준 절감
• CAE 클라우드 사용량 관리 툴을
통해 향후 비용 예측 및 자원 운영
효율화 가능

Amazon Appstream 2.0 솔루션으로 고성능
EPC 3D 디자인 앱 스트리밍 성공
About Samsung Engineering
Samsung Engineering is a globally
recognized name in the engineering,
procurement, and construction (EPC)
market. It focuses on upstream and
downstream hydrocarbon facilities,
power plants, water and waste
treatment plants, and industrial
production facilities.
Industry: Engineering &
Construction
Website:
www.samsungengineering.com
• Hexagon PPM (Process, Power,
and Marine)의 2D & 3D 디자인
소프트웨어를 본사와 해외 건설
현장에서 시간과 장소에
상관없이 서로 접속하여 협업
가능 必
• Hexagon PPM 설치 및 운영을
위해 기존에는 지역별 로컬 서버
인프라 구축이 필요하였고, DC
하드웨어 및 라이선스 비용 발생
• 설치 기간에 본사 직원 출장
필요
• Amazon Appstream 2.0
활용하여 Hexagon
디자인 툴을 해당 사례
및 네트워크 상태에
최적화된 가상 머신에서
실행하여 전 세계 사용자
대상으로 서비스 제공
• On premises 인프라 대비 20% 비용 절감,
라이선스 비용 불필요
• Deployment 소요기간 2개월에서 7일 이내로 단축
(기존 물리적 인프라 구축시, 견적 비딩+구매+설치
완료하는 기간 2개월 이상 소요)
• 본사 직원 출장 불필요, 각 사용자가 같은 버전의
app에 접속함으로써 Appstream 2.0을 통해
중앙에서 관리하고 각 사용자 컴퓨터에서 설치 및
업데이트 관리 중단 가능

About Hankook Tire
Hankook Tire is a global tire company
dedicated to manufacturing high-tech
tires for all kinds of automotive.
Hankook Tire has number 1 market
share in Korea and is also part of the
top 10 tire manufacturers globally.
Industry: Manufacturing
Website: www.hankooktire.com
• 타이어 컴파운드는 복잡한 개발
과정으로 인해 평소 6개월-3년의
개발 기간 소요
• 다양한 경우의 수를 실제 테스트를
통해 검증해야 함
• 원료 조합 비율, 온도, 도구,
배합순서, 압력 등 다양한 변수에
따라 물성이 달라짐
• AWS을 활용하여 AI 기반 컴파운드
물성 예측 모델 (VCD: Virtual
Compound Design) 개발
• 축적된 데이터 기반 AI 분석을 통해
컨파운드의 특성을 예측하여 최적의
조합을 제작 가능케 함
• AI로 인해 실차 테스트 없는
컴파운드 개발 환경 구현이
가능해져 단시간, 고효율 컴파운드
생산 가능
• 기존의 장시간을 요구하던 개발
기간 50% 이상 감축 가능
• 기술 기반 혁신을 통한 미래
경쟁력을 강화하여 글로벌 기업으로
도약 발판 마련

Smart Factory
Fully connected
plant operations
① 공장 장비 예측 정비
② 작업자 안전 모니터링
③ 컴퓨터 비전 기반 품질 향상
④ 자동화 통한 원격 작업 및 운영
⑤ 플랫폼 통합으로 글로벌 가시성 확보
AWS IOTAMAZON S3 COMPUTE AWS IOT ANALYTICS AMAZON
SAGEMAKER

최종 고객의 Mass Customization 니즈  스마트 팩토리
2020년의 스마트 팩토리를 정의하는 5가지 요소:
① Connected
- 공장과 기계의 IoT 센서 데이터를 수집하여 예측정비를 위한 분석 시행 가능
- 파트너, 벤더, 타 부서와 협업하고 서로의 진행여부가 확인 가능한 투명한 플랫폼 존재
② Optimized
- 정확한 생산 용량에 대한 수요 예측 가능
-생산 효율화 및 기계 가동시간 효율화
-생산 프로세스 자동화와 인력 효율화를 통한 비용 절감
③ Transparent
- 빠르고 정확한 의사결정을 위한 실시간 데이터 공급
- 과거 데이터 와 실시간 소비자 수요를 분석에 동시 반영
④ Proactive
- 장애 발생/수리필요 시점 전에 기계적 결함을 사전에 발견
- 인벤토리 보충 자동화 프로세스 + 불량 품질의 이슈 조기 발견
- 실시간 현장 작업자 안전 모니터링
⑤ Agile
- 수많은 데이터 포인트 생성과 분석 시행을 감당할 유연한 IT 인프라 및 환경
- 기계 configuration 및 데이터 알고리즘 변경 시, 신속하게 반영Source: Deloitte

Smart Factory 구축 시 챌린지에 대한 AWS 오퍼링
Challenge with Solution Challenge Solution
공장간 상이한 장비와
장비 프로토콜 때문에
로컬단에 데이터 고립
여러 공장과
기계의 데이터
사일로로 인한
가시성 부족
생산성 및 품질
향상 희망
정확한 기계 예측
정비 및 가동
시간 개선 필요
네트워크 지연
속도 단축 필요
생산 관련 데이터를
타 지역에서도
활용할수 있게 IoT
Core 사용
데이터 레이크
활용하여 비용효율적
single source of
truth 플랫폼 구축
인공지능 및
머신러닝 기반
운영효율화
예측 유지 보수를
위한 인공지능 및
머신러닝 기능 제공
엣지 컴퓨팅을
위한 IoT
Greengrass
오퍼링

About Volkswagen
Based in Wolfsburg, Germany,
Volkswagen AG is one of the world's
leading carmakers and the largest car
manufacturer in Europe. The Group
operates 120 production facilities in 20
European countries and in eleven
countries in America, Asia, and Africa.
More than 610,000 employees around
the globe produce almost 42,000
vehicles every working day, are
involved in vehicle-related services or
work in other business areas.
Headquarters: Wolfsburg, Germany
Website: www.vw.com/
• AWS와 협력하여 2025년까지
2018년 比 생산효율 30% 증가 효과
기대하는 5-year plan 수립
• 12개의 브랜드와 66만 명의 직원을
관리하는 VW은 연 11M대의
자동차를 생산하는데,
지역별/공장별/직원별 workflow
프로세스 가시성 부재
• 공장별 장비 데이터 synchronization
및 표준 관리법 필요
• 자동차 press room에서 활용할 고도
정밀 기기 및 기술 요구
• Cloud Partner Interaction Model
수립 (REF 페이지 참고)
• Digital Production Platform 개발
(아래 이미지 참고)
- VW 공장 직원들과 상의하여 내부
pain point를 이해하고, 모든
인력과 장비 간 데이터 및 정보
공유가 가능하도록 최첨단 IoT
플랫폼 (Digital Production
Platform) 구축
- IoT SiteWise, IoT Analytics 등
AWS microservice 기반 아키텍처
활용
• 122개의 공장, 1.5K개의 협력사,
10M개의 장비, 3만 곳의 협력사
시설을 플랫폼상 연계하여 글로벌
가시성 확보
• 시간과 장소의 구애 없이 신속한
데이터 공유 가능
• OEE (operational equipment
effectiveness) 측정 가능 --> 장애
발생 시, 정확한 위치 및 원인 파악
가능
AWS와 협력하여 생산효율 30% 증가 기대
 IoT로 공장 122개 + 장비 천만개 연계
DPP
IC
• Combines data of all machines, plans and systems
• Cloud-based platform essential to scale up new applications rapidly across the world
• Based on the DPP, the IC will be an open industry platform and ecosystem
• Global supply chain with over 1,500 suppliers and partners to be integrated
Digital Production Platform (DPP)
Industrial Cloud (IC)

About Airbus
Industry: Aerospace Manufacturing
Headquarters: Toulouse, France
Website: www.airbus.com/
• 고객의 수요 변화: 항공기 생산 
항공기 관리 솔루션 제공으로
사업영역 확장
• 생산효율화를 통한 수율 제고 목표
• 기존 생산과정에서는 500~600개
생산 가능
 800개 생산 목표
• 매일 2개 이상의 항공기 생산
• Digital Transformation 결정 
“Skywise”
• 2년 전 AWS로 이전
• 30개 AWS 제품 및 다수의 server-
less 사용 중
• 항공기 관련 모든 정보 및 데이터를
수집/처리하는 데이터 플랫폼을
구축하여 전 가치사슬에 대한
Insight 제공 (Design, Build,
Operation)
• 항공기 생산 최적화 성공 (ie. IoT를
활용하여 0.2mm의 정확도를
요구하는 탄소섬유 날개 드릴 정밀
작업 수행)
• 신규 시스템(Service Bulletins) /
항공기 수리 효율성 확인, root
cause 확인 및 수정을 위한
리드타임 최소화  몇달에서 몇
시간 단위로 소요시간 단축
• 항공기 성능 모니터링 개선
• 신뢰성 및 안정성 개선

22
1 호주 최대의 LNG Refinery 및 Operation 업체
WOODSIDE
Energy/Chemical/Utility – Woodside18

23
• “Better that human
awareness” (직접 방문하는 것
보다 더 현실적인) 수준의
디지털 IoT 대시보드 구축
• IoT 대시보드와 챗봇 통해
장비 history 및 상태를
점검하여 이슈 발생 가능
기기는 미리 센싱하여 수리
• 직원당 발생할 공장 방문 비용
약 $30K 및 비행 시간 약
30시간 절약, 환경적
sustainability 관점에서도 장점
Result
AWS IoT 서비스 활용하여 200K개 센서 연계
 기계 상태 확인하는 IoT 시스템으로 무인공장 운영

24
Challenge
• Complex 기기들로 어우러진 ecosystem에 대한 이해도를 높이고
advanced surveillance robotics를 통해 모든 시각에서 장비
점검이 가능하길 희망
• 무인 LNG 시설에서 IoT 시스템상 기계 이슈가 발견되면
(예를 들어 파이프 valve가 헐거워진 경우) autonomous
로봇이 자동으로 센싱하여 이슈 해결하는 mechanism 기대
Action
• 카메라 부착한 surveillance robotics 구매 및 개발 완료, 공장
내 구간별 site trial 실시 (문제 발견 시, 로봇의 root cause
조사 진행 가능여부 확인 완료)
• Ground mobility 로봇에 고비용 Lidar 센서를 탑재하여
주기적/자동적 공장 점검, 이슈 초기 발견 성공률 증가
ML 기반 surveillance robotics 사람 역할 수행
 무인공장 內 이슈 발생 시, automated 해결책 마련
1 호주 최대의 LNG Refinery 및 Operation 업체
Insight
Digital
augmentation
Advanced analytics
Collaboration
Decision support
Digital twin
AR/VR
Action
Device mesh – Bot to bot + Human to bot
Automation and robotics
Future worker – mobilized and augmented
Learning and optimizing assets
System integration and automation of workflows
Sense
Industrial IoT
Smart sensors
Surveillance robots
+ drones

25
• “Better that human
awareness” (직접 방문하는 것
보다 더 현실적인) 수준의
디지털 IoT 대시보드 및
surveillance robotics 활용
• 직원당 발생할 공장 방문 비용
약 $30K 및 비행 시간 약
30시간 절약
• Automatable 과제는 로봇이
수행하여, 인력 효율화 도전
가능  사람만이 작업 가능한
영역에 더욱 더 집중 가능
Result
ML 기반 surveillance robotics 사람 역할 수행
 무인공장 內 이슈 발생 시, automated 해결책 마련

About GS Caltex
Since its establishment in 1967 as the
first private oil company in Korea, GS
Caltex has always been at the heart of
the energy industry. Powered by the
state-of-the-art technology and the
success of our core businesses
including petroleum, petrochemical,
base oil and lubricants, GS Caltex
currently exports more than 70% of
our products to 63 countries. GS
Caltex has a daily production capacity
of 800,000 BPSD.
Industry: Energy
Website:
www.gs.co.kr/branch/gs-caltex
• 공장내 수천 대의 제어 장치의 운영
효율성을 측정하고 트러블 원인
분석, 이상 감지 및 최적화 작업을
위한 머신러닝 컴퓨팅 자원 부족
• 주유소 방문 고객의 차량, 주유소
내부/주변에서의 행동 패턴,
단골고객이 주변 경쟁 주유소를
방문한 횟수 등을 분석하여 타겟
마케팅 전략을 수립하고자 함
• 제품 시장 감지/리스크
매니지먼트/정확한 가격 예측을
위한 forecasting 기술력 필요
• AWS를 선택한 이유:
- 다양한 가격 정책 보유
- 서울 리전에서 서비스 배포 가능
- 다양한 애널리틱스 툴을 보유하는
동시에 높은 보안 수준 보장
• 공장 분석 결과를 현업에서 쉽게
활용할 수 있도록 DB 인터페이스를
통해 업무 포털로 담당자들과 공유
• 주유소에 내부 영상 장비를
설치하여 고객의 차량 및 활동 분석
• 시장/가격 예측 위해 아마존
Forecast 서비스 활용
• 데이터만 체계적으로 준비되면
코딩하는 data scientist가 없이도
분석이 가능한게 큰 장점
• 주유소 영상을 통해 얻은 데이터를
분석하여 타겟 마케팅 및 색다른
고객 니즈 충족 방안은 연구 중
• 제품 시장 가격에 대한 방향성
예측의 근거가 될 수 있는 로직 필요
 아마존 Forecast 활용하여 판매
중인 석유화확제품의 시장 가격
예측 범위를 $40에서 $20로 줄이고
가격 변동에 영향력 있었던 변수도
상세 파악 가능
Cloud 도입하여 수십 년 축적한 데이터 활용
 공정 운영 최적화/시장 예측 정확도 향상
주유소 CCTV 영상을 통한 차량
인식 및 분석 예시
경쟁 주유소 파악 주유소 coverage

© 2020, Amazon Web Services, Inc. or its Affiliates. All rights reserved. Amazon Confidential and Trademark© 2019, Amazon Web Services, Inc. or its Affiliates. All rights reserved. Amazon Confidential and Trademark
Thank you!

이세현 / IoT Specialist SA
June, 2020
AWS Smart Factory
Smart Factory의 AWS 주요 기술

Table of contents
• Smart Factory 개요
• AWS Smart Factory 활용 사례
• Smart Factory 과제별 AWS 아키텍쳐
• AWS Smart Factory

Smart Factory 개요
Smart Factory의 주요 과제 및 구축 단계

Smart Factory 과제들
• PDM (Predictive Maintenance, 예지 정비): 공장에서 수집 및 축적된
데이터를 분석하여, 고장 발생을 예측하고 관리함
• FDC (Fault Detection and Classification, 이상 감지 및 분류):
설비/장비를 실시간 모니터링 하여 설비/장비의 이상유무를 감지하고
분류함
• R2R (Run-to-Run process control for production): 운영 중인
장비(equipment)의 recipe를 tuning하여 공정의 능력을 향상
• SPC (Statistical Process Control): 통계 분석 기법을 활용해 우리가
원하는 품질 규격과 생산량 대로 제품을 생산할 수 있도록 공정을 관리함
• 기타: Robot, AR/VR

Smart Factory = 정보화 + 지능화
1. 정보화
• 장비/설비의 데이터를 수집하고 저장하여 현재 상태를 정확히
모니터링
2. 지능화:
• 장비/설비로부터 수집된 빅데이터를 축적 및 관리
• 축적된 데이터를 분석 및 인공지능(머신 러닝/딥 러닝) 개발
결국 데이터를 얼마나 정확히 수집/저장하고, 모니터링하고,
분석할 수 있는지 여부가 Smart factory로 갈 수 있는 중요한 요소임.

기타 데이터 소비자 Application
Big Data Analysis /
Data preprocessing
PLC
HMI
MES
Data
Warehouse
Data Mart
Business Application
Machine Learning
OPC UA
Server
OPC UA Client
OPC UA Client
ETL
Equipment
일반적인 공장 데이터 분석 아키텍쳐
Custom
dashboard

OPC Unified Architecture (OPC UA) is a machine to machine communication protocol for
industrial automation developed by the OPC Foundation
Queue
Data Change Filter is
‘Value or TimeStamp’
Sampling interval
Publishing interval
Publish
CF) OPC UA (Unified Architecture)
100 ms
Data Change Filter is
‘Value’Value
Timestamp Subscribe
Server
Client
PLC

데이터 수집 저장 시각화 및 분석 AI 개발
PLC
Modbus-TCP
SECS/GEM
OPC UA
Other industrial protocols
Oracle, MS SQL, MySQL,
PostgreSQL, MariaDB,
MongoDB 등으로
Data Mart,
Data Warehouse 구축
상용 Business Intelligence 솔루션
또는
직접 Web/Mobile Application 개발을
통한 시각화
R, Python, Hadoop echo-system
ELK 등을 통한 데이터 분석
상용 데이터 분석 platform을 활용한
분석
TensorFlow
MXNet
PyTorch
데이터 수집 -> 저장 -> 분석 및 시각화 -> AI 개발의 pipeline 구축을 진행하면서, 과제를 수행할
수 있음
• PDM(Predictive Maintenance)
• FDC(Fault Detection and Classification)
• SPC(Statistical Process Control)
• R2R (Run-to-Run process control for production)
일반적인 Smart Factory 구축 단계 (On-premises)

Kinesis Data
Firehose
S3
Region A
AWS Cloud
Region B
북미(North America) 공장
유럽(Europe)
Greengrass
Factory
Dashboard
Kinesis Data Firehose
Factory
Factory
Manager
Factory
Operator
Data Scientist
AWS IoT Core
AWS IoT Core
Amazon Redshift
AWS Glue
Amazon QuickSight Data Analyst
Amazon SageMaker
DynamoDB AWS AppSync AWS Amplify
AWS Smart Factory
Greengrass
DashboardDynamoDB AWS AppSync AWS Amplify
Factory
Manager
Factory
Operator

AWS Smart Factory 활용 사례
Smart Factory에서의 역할별 요구 사항을 해결하기 위한 사례

고객 요구 사항 (예시)
(1) 공장 운영 책임자(Manager) – KPI (Takt time, output, operating rate) 현황을
실시간으로 조회
전 세계 공장의 데이터를 한 곳에 모아 world wide monitoring 및 control center를
구축하고 싶다.
(2) 운영자(Operator) – 내가 운영하는 공정과 관련된 설비의 상태를 편하게 보고
확인하고 싶다. 기존 HMI가 있지만, 설비에 장애가 발생되었을 쉽게 파악하고 조치
방법을 찾을 수 있는 조금 더 개선된 UI가 있으면 좋겠다.
(3) 장비 개발자(Equipment developers) – 내가 개발한 장비의 성능과 가동률을
높이기 위해서, 운영 중인 장비의 Data Analysis를 할 수 있는 환경(Environment)이
있으면 좋겠다.

Data Mart @ AWS Smart Factory
Region A
AWS Cloud
Dashboard
Factory
Manager
Factory
Operator
AWS IoT Core DynamoDB
Mobile
Greengrass
Factory
Aurora CommercialCommunity
Amazon
DynamoDB
Amazon RDS Amazon
DocumentDB
Front-end &
Back-end
Server
AWS: Purpose-built databases
Data Collection Data Mart
AWS AppSync AWS Amplify

공장 관리자(Manager)와 운용자(Operator )를 위한 모니터링

Data Warehouse/ Data lake @ AWS Smart Factory
Kinesis Data
Firehose
S3
Region A
AWS Cloud
Region B
유럽(Europe) 공장
Greengrass
Factory
Kinesis Data
Firehose
Factory
Data Scientist
Greengrass
AWS IoT Core
AWS IoT Core
Amazon Redshift
AWS Glue
Amazon
SageMaker
Developer
Data Collection Data Warehouse
Business
Intelligence
Data Lake ETL Analytics

장비 개발자(Equipment developers)를 위한 데이터 분석

Smart Factory 과제별 아키텍쳐
Smart Factory의 주요 과제들을 해결하기 위한 주요 AWS 서비스와 아키텍쳐

AWS IoT Greengrass
AWS IoT Greengrass
• AWS를 엣지 디바이스까지 원활하게 확장
• 지속적으로 클라우드를 사용하여 데이터를 관리,
분석하고 오랫동안 저장하는 동시에 디바이스에서
생성되는 데이터를 로컬로 작업 가능
• AWS IoT Greengrass를 사용하면 인터넷에 연결되어
있지 않더라도 커넥티드 디바이스에서 AWS
Lambda 함수, 도커 컨테이너 실행 가능
• 기계 학습 모델을 기반으로 예측을 실행하며,
디바이스 데이터를 동기화 상태로 유지하고, 다른
디바이스와 안전하게 통신할 수 있음.

AWS IoT Core
AWS IoT Core
• 커넥티드 디바이스가 쉽고 안전하게 클라우드
애플리케이션 및 다른 디바이스와 상호 작용할 수 있게
해주는 관리형 클라우드 서비스
• 사용자가 정의한 비즈니스 규칙에 따라 즉시 디바이스
데이터를 필터링 및 변환하고 이를 기반으로 운영
• AWS IoT Core에서는 AWS Lambda, Amazon Kinesis,
Amazon S3, Amazon DynamoDB, Amazon
CloudWatch 및 Amazon Elasticsearch Service와 같은
AWS 서비스와 연계하여 손쉽게 더 강력한 IoT
애플리케이션을 만들 수 있음

AWS CloudFactory
Smart Factory – IoT Architecture
AWS IoT CoreIoT Greengrass
Core Device
Lambda
function
Model
Equipment
PLC
IoT thing factory
PLC

Amazon Kinesis Data Firehose
Amazon Kinesis Data Firehose
• 스트리밍 데이터를 데이터 레이크, 데이터 스토어
및 분석 도구에 쉽고 안정적으로 로드
• 스트리밍 데이터를 캡처하고 변환한 후 Amazon
S3, Amazon Redshift, Amazon Elasticsearch
Service 및 Splunk로 로드하여 이미 사용하고 있
는 기존 비즈니스 인텔리전스 도구 및 대시보드를
통해 분석 가능
• Amazon Kinesis Firehose는 완전 관리형
서비스로서 데이터 처리량에 대응하여 자동으로
확장되며 지속적인 관리가 필요 없음

Amazon Simple Storage Service
Amazon S3
• Amazon Simple Storage Service(Amazon S3)는
업계 최고의 확장성과 데이터 가용성 및 보안과
성능을 제공하는 객체 스토리지 서비스
• Amazon S3는 사용하기 쉬운 관리 기능을
제공하므로 특정 비즈니스, 조직 및 규정 준수 요구
사항에 따라 데이터를 조직화하고 세부적인
액세스 제어를 구성할 수 있음
• Amazon S3는 99.999999999%의 내구성을
제공하도록 설계되었으며, 전 세계 기업의 수백만
애플리케이션을 위한 데이터를 저장

AWS Glue
AWS Glue
• 고객이 분석을 위해 손쉽게 데이터를 준비하고 로드
할 수 있게 지원하는 완전관리형 ETL(추출, 변환 및
로드) 서비스
• AWS Glue가 AWS에 저장된 데이터를 가리키도록
하기만 하면, AWS Glue에서 데이터를 검색하고
관련 메타데이터(예: 테이블 정의, 스키마)를 AWS
Glue 데이터 카탈로그에 저장
• 카탈로그에 저장되면, 데이터는 즉시 검색하고
쿼리하고 ETL에서 사용할 수 있는 상태가 됨

Amazon SageMaker
Amazon SageMaker
• Amazon SageMaker는 모든 개발자 및
데이터 과학자가 기계 학습(ML) 모델을
빠르게 구축, 훈련 및 배포할 수 있도록 하는
완전 관리형 서비스
• SageMaker는 기계 학습에 사용되는 모든 구성
요소를 단일 도구 세트로 제공하여 이 문제를
해결하므로 훨씬 적은 노력과 저렴한 비용으로
모델을 더욱 빠르게 생산할 수 있음

PDM & R2R 과제를 위한 아키텍쳐
Kinesis
Data Firehose
S3
Region A
AWS Cloud
Greengrass
Factory
Data Scientist
AWS IoT Core
AWS Glue Amazon SageMaker
ML model deploy
ML inference
@ edge
PDM (Predictive Maintenance)
ML TrainingETLData Lake
Data Collection
ML Inference Result Collection
R2R
(Run-to-Run process
control for
production)

Amazon RedShift
Amazon RedShift
• 가장 널리 사용되고 가장 빠른 속도의 클라우드
데이터 웨어하우스
• 데이터 웨어하우스, 운영 데이터베이스와 데이터
레이크에 있는 페타바이트 규모의 정형 데이터 및
반정형 데이터를 SQL을 통해 쿼리
• Apache Parquet 같은 개방형 포맷을 이용하여
손쉽게 쿼리 결과를 S3 데이터 레이크에 다시
저장할 수 있도록 지원
• Amazon EMR, Amazon Athena, Amazon
SageMaker 등의 분석 서비스를 이용해 더욱
자세한 분석을 할 수 있음

Amazon QuickSight
Amazon QuickSight
• 조직 내 모든 구성원에게 통찰력을 손쉽게 제공할
수 있게 지원하는 빠른 클라우드 기반 비즈니스 인
텔리전스 서비스
• 완전관리형 서비스인 QuickSight를 사용하면 ML
Insights가 포함된 대화형 대시보드를 손쉽게 생성
및 게시할 수 있습니다. 그러면 대시보드를 어떤 디
바이스에서든 액세스할 수 있는 것은 물론, 애플리
케이션, 포털, 웹 사이트에 임베딩할 수도 있음

SPC (Statistical Process Control)를 위한 아키텍쳐
Kinesis Data
Firehose
S3
Region A
AWS Cloud
Region B
Greengrass
Factory
Kinesis Data
Firehose
Factory
Data Scientist
Greengrass
AWS IoT Core
AWS IoT Core
Amazon Redshift
AWS Glue
Amazon
SageMaker
Developer
Data Collection Data Warehouse
Business
Intelligence
Data Lake ETL Analytics

AWS AppSync
AWS AppSync
• 하나 이상의 데이터 원본에서 데이터를 안전하게
액세스, 조작 및 결합하기 위한 유연한 API를
생성할 수 있도록 하여 애플리케이션 개발을
간소화하고 GraphQL을 사용하여 애플리케이션이
필요한 데이터를 정확하게 가져올 수 있도록 하는
관리형 서비스
• AppSync를 사용하면 NoSQL 데이터 스토어,
관계형 데이터베이스, HTTP API, AWS Lambda를
활용한 사용자 지정 데이터 원본 등의 다양한
데이터 원본에서 실시간 업데이트가 필요한
애플리케이션 같은 확장 가능한 애플리케이션을
구축할 수 있음

AWS Amplify
AWS Amplify
• AWS Amplify는 안전하고 확장 가능한 모바일 및 웹
애플리케이션을 구축하기 위한 개발 플랫폼
• Amplify는 React Native 및 React, Ionic, Angular,
Javascript, Vue 웹 애플리케이션을 포함하여
Android 및 iOS 모바일 애플리케이션을
기본적으로 구축하고 운영하는 엔드 투 엔드
솔루션을 제공

FDC (Fault Detection and Classification) 과제를 위한 아키텍쳐
Region A
AWS Cloud
Region B
Dashboard
Factory
Manager
Factory
Operator
Factory
Manager
Factory
Operator
AWS IoT Core DynamoDB AWS AppSync AWS Amplify
Mobile
Greengrass
Factory
Factory
Greengrass
DashboardAWS IoT Core DynamoDB AWS AppSync AWS Amplify
Mobile

AWS Smart Factory
Smart Factory를 위한 탄력적인 자원 활용과 통합된 활용

• Smart Factory 구축에 필요한 다양한 포트폴리오를 보유
• 하나의 플랫폼에서 다양한 기술을 활용하여 탄력적인 자원 활용과 통합 운용을 진행 가능
AWS Smart Factory
Database Migration Service | Snowball | Snowmobile | Kinesis Data Firehose | Kinesis Data Streams | Data Pipeline | Direct Connect
Data Movement
30+ solutions
Redshift
Data warehousing
EMR
Hadoop + Spark
Athena
Interactive analytics
Kinesis Analytics
Real-time
Elasticsearch service
Operational AnalyticsRDS
MySQL, PostgreSQL, MariaDB,
Oracle, SQL Server
Aurora
MySQL, PostgreSQL
DynamoDB
Key value, Document
ElastiCache
Redis, Memcached
Neptune
Graph
Timestream
Time Series
QLDB
Ledger Database
AnalyticsDatabases
Managed
Blockchain
Blockchain
Templates
Blockchain
730+ Database
solutions
600+ Analytics
solutions
25+ Blockchain
solutions
RDS on VMWare
S3/Glacier Glue
ETL & Data Catalog
Lake Formation
Data Lakes
Data Lake
20+ Data lake
solutions
AWS Marketplace
QuickSight SageMaker
Business Intelligence & Machine Learning
Comprehend Rekognition Lex Transcribe DeepLens 250+ solutions

Q&A
이세현 / IoT Specialist SA

더 나은 세미나를 위해
여러분의 의견을
남겨주세요!
▶ 질문에 대한 답변 드립니다.
▶ 발표자료/녹화영상은 추후 별도로
전달 드릴 예정입니다.

세션 2: 제조업의 Digital Transformation과 AWS의 주요 기술

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

Similaire à 세션 2: 제조업의 Digital Transformation과 AWS의 주요 기술

Similaire à 세션 2: 제조업의 Digital Transformation과 AWS의 주요 기술 (20)

Plus de Amazon Web Services Korea

Plus de Amazon Web Services Korea (20)

세션 2: 제조업의 Digital Transformation과 AWS의 주요 기술