안전재고를 고정 수량이 아닌 서비스 목표로 설계하기
안전재고를 모든 품목에 똑같이 열 개씩 두는 방식은 간단하지만 품절과 과잉재고를 동시에 만들 수 있습니다. 필요한 완충은 수요 변동, 공급 리드타임, 품절 비용, 원하는 서비스 수준에 따라 달라집니다. 안전재고는 고정 숫자가 아니라 목표의 결과입니다.
NOTES
현장에서 배운 것들
모델을 만들고, 웹과 앱을 짓고, 업무를 자동화하며 확인한 것을 기록합니다. 통한 방법만이 아니라 통하지 않았던 시도까지 남깁니다.
TOTAL 288
배송 경로 최적화에 휴게시간과 고객 시간대를 함께 넣는 법
배송 경로를 거리만으로 최적화하면 짧지만 실행할 수 없는 일정이 나옵니다. 고객의 수령 가능 시간과 기사 휴게시간, 적재·하차 시간이 동시에 들어가야 합니다. 실제 경로는 지도 위의 선이 아니라 시간과 사람의 제약을 가진 일정입니다.
스킬 매트릭스로 작업자를 배치할 때 공정 가능 여부만 보면 안 된다
스킬 매트릭스에서 '가능'으로 표시된 작업자라면 누구를 배치해도 된다고 생각하기 쉽습니다. 그러나 같은 작업을 수행할 수 있어도 숙련도, 피로, 교대 간 휴식, 대체 인력의 여유가 다릅니다. 실제 배치는 가능 여부보다 운영 지속성을 함께 고려해야 합니다.
생산 병목은 가장 느린 설비가 아니다: 흐름으로 찾는 법
가동시간이 가장 긴 설비나 처리속도가 가장 느린 설비가 항상 생산 병목은 아닙니다. 병목은 공정 전체의 산출을 제한하는 지점이며, 품목과 교대 시간에 따라 달라질 수 있습니다. 설비별 숫자보다 물량의 흐름을 보아야 합니다.
비전 검사 정확도가 갑자기 떨어질 때 조명부터 살펴야 하는 이유
비전 검사 모델을 다시 학습했는데도 불량 판정이 흔들린다면 카메라 앞 환경을 먼저 보아야 합니다. 같은 제품도 조명 각도, 색온도, 반사, 렌즈 오염에 따라 전혀 다른 영상으로 들어옵니다. 현장 품질은 모델과 촬영 조건의 공동 결과입니다.
예지보전 경보는 정확도보다 조치 가능 시간이 중요하다
예지보전 모델의 정확도가 높아도 정비팀이 조치를 취할 시간이 없다면 경보는 비용을 줄이지 못합니다. '언제 고장날까'보다 '그 전에 부품과 작업자를 준비할 수 있나'가 현장에서는 더 중요한 질문일 수 있습니다.
설비 데이터의 시간은 하나가 아니다: OPC UA 타임스탬프와 품질
센서 값 하나에도 '현장에서 측정한 시각'과 '서버가 받은 시각'이 다를 수 있습니다. 두 시각을 섞으면 고장 원인 분석에서 사건의 순서가 바뀝니다. OPC UA 데이터를 수집할 때 값만 보지 말고 시간과 품질 상태를 함께 보아야 하는 이유입니다.
현장 엣지 AI 모델을 안전하게 배포하고 되돌리는 법
공장 PC나 엣지 장치에 배포한 AI 모델은 클라우드 서비스보다 되돌리기 어렵습니다. 네트워크가 끊기고 장치 사양이 다르며, 모델 교체가 설비 운전에 영향을 줄 수 있습니다. 그래서 배포 파일뿐 아니라 대상 장치와 복귀 경로를 함께 설계해야 합니다.
문서 AI에 개인정보를 넣기 전 비식별화 순서
문서 AI를 도입할 때 개인정보를 '모델이 알아서 가려 주겠지'라고 기대하면 입력 단계의 위험을 놓칩니다. 비식별화는 모델 응답 뒤가 아니라 문서 수집, OCR, 저장, 외부 전송 사이 어디에서 할지 먼저 정해야 합니다.