석유 및 가스 산업은 지속적인 결과를 내는 자본 집약적인 공정을 포함합니다. 원유와 같은 원자재는 석유 제품으로 대규모로 가공되므로 공정 관리가 중요합니다. 원자재는 공정 출력에서 현저한 영향을 미칠 수 있는 화학적 성질과 물리적 성질의 변동성이 큰 경우가 많습니다. 엔지니어는 과학적인 원리와 경험을 활용하여 원하는 결과를 얻을 수 있는 공정 설정을 결정하는 경향이 있지만 그러한 방법으로는 예측이 어려울 수 있습니다. 통계적 공정 관리(SPC) 차트는 불안정하게 변화하는 공정을 보여주는 데 매우 유용합니다. SPC를 사용한 공정 변화 경고의 단점은 의심 제품이 그 사이에 생산된다는 것입니다.

제조업체는 원자재 검증에 대한 책임의 많은 부분을 공급업체에 넘깁니다. 자재를 받기 전에 고객에게 인증서가 전달되는 것이 일반적이며, 보통은 자재를 사용하기 며칠 전이나 몇 주 전에 전달됩니다. 완화 조치를 위해 공정 실행 전에 공정 변화를 예측하는 데 공급업체의 정보를 사용할 수 있다면 어떨까요? 이 게시물에서는 공정 모델의 운영 배포를 활용하여 이러한 목적의 사전 통계적 공정 차트를 만드는 방법을 설명합니다. 자본 집약적인 장비, 지속적인 유통, 상당한 변동이 있는 수입 원자재 등을 포함하는 공정을 운용하는 다른 산업도 많습니다. 식품, 영양제, 화학 약품의 제조는 예측 SPC를 활용하여 이점을 누릴 수 있는 산업 예시의 일부입니다.

모델링 기술은 최근 Minitab에 추가된 개발로 인해 매우 유용하고 사용하기 쉬워졌습니다. 수많은 조직이 개발과 개선을 위해 공정 모델을 사용합니다. 공정 모델은 공급업체의 측정치와 기술자가 관리하는 공정 입력을 바탕으로 만들어지며, 주요 산출물(결과)과의 관계를 파악합니다. 엔지니어는 결과를 합리적으로 예측하는 데 적합하도록 필요한 적절한 수의 입력과 모델 유형을 찾습니다. 모델은 예측을 위해 ModelOps에 배포되며 새로운 데이터의 흐름에 연결됩니다. SPC 차트는 모델 예측을 통해 만들어지며 안정성을 모니터링합니다. 적합하지 않은 추세가 확인되면 모델을 검토하여 그러한 추세를 완화하기 위해 조정할 수 있는 공정 변수를 찾습니다. 이 모든 작업은 공정 실행 전에 이루어지므로 품질 위험을 최소화하는 데 매우 효과적입니다.

예시는 16개의 연속형 변수를 포함하며, 그 중 하나는 원자재 배송 전에 공급업체가 보낸 인증서에 제공된 측정치입니다. 처리에 사용되는 단위와 두 가지 주요 설정을 포함하는 이산형 변수가 있습니다. 적합도가 높은(r-제곱 67% 이하) 다중 선형 회귀 모델은 단계적 회귀 분석을 활용하여 478행의 기존 처리 데이터로 만들어집니다. (표A)

표 A

반응 최적화 도구 그림(그림 1)은 가장 중요한 예측 변수의 활용을 나타냅니다. 공급업체 인증 조치와 초기 압력은 사소한 변화가 핵심 대응에 현저한 차이를 만들어내기 때문에 가파른 선형 관계를 가지고 있습니다. 냉각 온도는 반응이 더 적으며 단위의 변화는 주요 반응에 그룹화된 영향을 미칩니다.

그림 1

회귀 모델은 기존 데이터에 대해 주요 반응 결과를 효과적으로 예측합니다. 엔지니어는 클릭 한 번으로 Minitab Statistical Software에서 ModelOps에 모델을 손쉽게 배포할 수 있습니다(그림 2).

그림 2

주요 결과를 예측할 수 있도록 새로운 데이터가 수집됩니다. 이 데이터는 공급업체 인증의 측정치, 설정을 위한 정적 입력 값, 알려진 변동이 있는 공정 변수에 대해 생성된 분포 데이터를 포함합니다. 처리 온도는 분포 생성 변수의 예시입니다. 엔지니어는 관리 설정에 따라 공정 시점의 실제 온도가 다르다는 것을 알고 있습니다. 변수에 대한 매개변수는 공정 측정 지점이나 장비 제조업체의 기술 사양으로 생성됩니다. 변수는 현실적인 공정 시나리오를 얻기 위해 선택된 분포에서 계산됩니다. 이는 근본적으로 Monte Carlo 시뮬레이션에서 사용되는 것과 같은 기술입니다.

Minitab Connect는 간편하게 한 시간마다 데이터를 검색하고 Model Ops로 전송하여 결과를 예측합니다. 개별 관리도와 이동 범위 관리도는 추세를 모니터링하는 데 활용됩니다. 기존 매개변수를 통계적 관리 한계를 계산하는 데 사용하는 것이 매우 중요합니다. 시뮬레이션 데이터를 사용하여 한계를 계산하는 것은 적합하지 않습니다. 그림 3의 예측 SPC 차트는 마지막 3개 관측치 까지는 예상되는 안정적인 공정을 보여줍니다. 마지막 관측치 3개는 기존의 관리 하한보다 낮으므로 불안정한 추세가 이어질 경우 품질 문제가 발생할 수 있습니다.

그림 3

엔지니어링 팀은 공정 모델을 검토하고 초기 압력이 90에서 120으로 쉽게 증가한다고 판단합니다. 모델 최적화 도구는 관리 설정을 변경하면 공급업체 인증 측정치가 변화하여 결과의 하한이 완화될 가능성이 있다는 것을 보여줍니다. 초기 압력 설정의 제안된 변경이 소스 데이터 테이블에서 완료되며 Connect에서 데이터 가져오기와 차트 작성이 다시 시작됩니다. 결과 차트(그림 4)는 초기 압력 변경을 통해 공급업체 측정치 변경으로 인한 부정적인 효과가 완화되었다는 정보를 보여줍니다.

그림 4

SPC 개념은 불안정성을 초래하는 추세 변화에 대한 시기적절한 대응을 포함합니다. 불안정한 공정에는 품질 위험이 수반되며 이로 인해 부적합 또는 품질 저하가 발생할 수 있습니다. 실제 결과가 생성되기 전에 적합하지 않은 추세를 완화할 수 있으므로 공정 실행 전에 데이터에 대한 공정 관리도를 만드는 기능은 매우 중요합니다. 석유 및 가스 산업에서는 생산된 제품의 양과 잠재적인 수익으로 인해 수백만 달러의 이익을 얻을 수 있습니다. Minitab 솔루션은 품질 관리에서 필수적인 부분인 예측 SPC 생성 및 모니터링 과정을 쉽게 만들었습니다.

자세히 알아보고 싶으신가요?