Averna / 인텔리전트 테스트 자동화가 미래이다.
성공적인 제품 테스트는 품질 면에서 매우 중요하며 여러 요인들이 관련돼 있다. 가장 중요한 세 가지는 테스트 자동화 및 데이터 관리와 디지털 변환이다.
기사에서는 이 세 가지 문제를 다룬다. 요소들은 회사의 수익에 큰 영향을 미치므로 조심스럽게 따져봐야 한다. 각각의 요소가 어떻게 품질 개선 및 ROI(Return on Investment)에 관한 의사결정에 영향을 미치고 있는지. 그리고 Intelligent Test Automation 내에서 요소들이 어떻게 시너지를 낼 수 있는지에 대해 검토해 본다.
1. 시험 자동화는 ‘품질 + 속도’와 같다.
기업이 수동 테스트 프로세스에서 자동화된 테스트 프로세스로 전환하기로 결정한 경우, 일반적으로 결정을 내리는 세 가지 비즈니스 목표가 있다.
- 비용 절감
- 향상된 프로세스 일관성
- 데이터 수집 증가 및 촉진
비즈니스 리더가 자동화를 결정할 때, 종종 자동화는 가치 있는 투자가 될 것이라는 ROI 계산으로부터의 결과다. 리더는 구현을 결정하기 전에 장기적인 비용이 자동화로 인해 낮아진다는 것을 확신해야 하기 때문에 중요하다.
수동 인건비를 없앰으로써 절감 효과를 얻을 수 있지만 운영상의 오류 감소와 데이터 수집 및 일관된 프로세스 개선 등의 요인으로 인한 경우도 있다.
자동화된 테스트는 대량-저가 제품 또는 소량-고가 제품 등 모든 제품 유형에 사용된다. 사용되는 테스트 장비의 유형은 두 유형 중 어느 것이 테스트 되는지에 따라 달라진다. 대량-저가 제품의 경우 테스트 시간이 중요한 경우가 많다. 테스트 장비를 선택할 때 제품 테스트에서 초를 절약하는 것이 중요하다. 보다 복잡하고 부가 가치가 있는 제품을 사용하면, 많은 심층적인 테스트를 수행하는 것이 가장 중요하므로 테스트 장비는 보다 정교하고 비용이 많이 드는 경향이 있다.
미션 크리티컬 제품(Mission-critical products : 인명 보호 또는 잠재적으로 결과가 비참한 곳에서의 결함 있는 기능을 방지하기 위해 사용되는 제품)은 여러 번 테스트해 올바른 작동을 보장해야 한다. 이는 특히 항공우주, 의료, 공공시설 및 방위산업과 같이 대규모의 파괴적인 결과를 초래할 수 있는 제품 고장에 해당한다. 예를 들어, 항공기 부품과 같은 미션 크리티컬 제품을 생산하는 회사는 제품의 수명이나 사망 상황을 피하기 위해 자동화된 테스트의 얼리 어답터(early adopters)가 돼야 했다.
자동 테스트에 대한 입력(값)
새로운 제품이 도입되면 테스트해야 할 사항과 시기 또한, 필요 여부를 결정하기 어려울 수 있다. 이러한 이유로 회사는 R&D 및 신뢰성 그룹과 긴밀히 협력해 신제품 도입(NPI) 팀에 의존한다.
R&D 그룹은 DVT(Design Verification Test) 결과, 특성 테스트와 프로토타입 테스트를 비롯한 여러 소스의 테스트 데이터를 제공한다.
데이터 또는 소프트웨어를 수집하는 데 사용된 소프트웨어와 도구 및 테스트 프로세스는 제조를 위한 중요한 입력이 되고 ‘재사용할 수 있는 것은 무엇인지?’와 ‘어떤 장비, 테스트 절차, 테스트 소프트웨어, 한계 및 구성 설정을 사용하는 것이 가장 좋은지?’에 대한 대답이 된다.
한편 Reliability 그룹은 HASS(Highly Accelerated Stress Screen)를 포함해 화면 생성에 도움을 주는 HALT(Highly Accelerated Life Testing)의 통찰력을 제공한다. 제조 화면은 ‘유아 사망률’과 같은 중대한 문제를 감지하는 데 사용할 수 있다.
신뢰성 엔지니어는 제조 팀과 협력해 테스트 프로세스를 간소화하고 구성설정 및 사양 한계를 결정한다. 예를 들어, R&D에서 수행한 일부 테스트 작업은 제조환경에서 불필요하고 낭비되는 것으로 간주되고 제품에 대해 마모를 유발할 수 있다. NPI 팀에서 일하는 엔지니어는 수행할 테스트 절차와 수행 시기 및 수행할 때 사용할 설정을 결정하는 데 도움을 준다.
테스트 대상에 관한 결정이 내려지면, 팀은 테스트 수행에 대해 자동화 또는 수동 여부를 결정한다. 자동 테스트의 경우 기성품 테스터로 수행할 수 있는 작업과 사용자 지정 테스트 시스템을 구축해야 하는 작업을 결정해야 한다.
제조의 자동 테스트 장비 카테고리
제조에 사용되는 자동 시험 장비(ATE, Automatic Test Equipment)에는 두 가지 유형이 있다.
- ICT(In-circuit Testers) 또는 바운더리 스캔 테스터(boundary scan testers)와 같은 기성 ATE. 대규모 설계 작업 없이 벤더로부터 구입할 수 있다.
- 특정 제품을 위해 특별히 제작된 맞춤형 설계 ATE
이 중 사용자 정의 ATE의 예는 다음과 같다.
- AOI(Automated Optical Inspection) 그리고 AXI(Automated X-Ray Inspection)
- 서브 어셈블리 또는 최종 어셈블리의 ATP(Acceptance Test Procedure)에 사용되는 기능 테스터
- 기초 문제를 파악하고 고치는 데 사용되는 HASS 시스템과 같은 스크린 ATE
- 제품의 약 2%에서만 사용되는 SVT(Sample Verification Testers)
- 프로세스의 어느 시점에서든 불량제품의 문제를 해결하는 데 사용되는 진단 ATE
두 가지 ATE 유형을 기반으로 일반 제조 계획을 만들 수 있다. 이는 자동화된 테스트가 나머지 제조 프로세스에 어떻게 적용되는지를 이해하는 데 도움이 될 수 있다.
결정을 내리는 것은 쉽지 않다. 어려움은 회사가 구축한 제품 유형에 따라 달라진다. 의사 결정과 관련된 많은 세부 사항은 고객과 제품을 기준으로 한다.
2. 통합 테스트 데이터 및 스마트 분석
테스트 데이터는 글로벌 공급 망 전반에 걸쳐 품질과 프로세스의 지속적인 개선을 위해 매우 중요하다. 제조 및 테스트 프로세스에 대한 중요한 통찰력을 제공하고, 시스템 상태와 실시간 기계 모니터에 대한 정보를 제공한다.
또한 첫 번
째 패스 수율, 처리량, 최고 결함 및 Takt 시간과 같은 요소를 포함할 수 있는 KPI를 도출하는 데 도움이 된다. 제조업체는 양방향 통신과 결합된 유형의 전문기술을 통해 Industry 4.0을 향한 길을 성공적으로 찾을 수 있다.
생산관리 문제 해결
통합 생산관리 시스템(MES, Manufacturing Execution System)은 일반적으로 재고 관리 및 수율과 같은 요인을 다룬다. 정보를 신속하게 수집할 수 있다.
- 스테이션에서 통과 또는 실패 이벤트(첫 pass 수율 및 roll-through 수율 계산 가능)
- 문제 해결과 작업 및 재검사 시간
- 시험 시간
- 공정에서 다른 일련번호의 위치 및 조립에서 운송까지 걸리는 시간
지속적인 수확량 개선
일주일에서 다음 주일로의 1차 통과 수율 하락과 같은 수율 문제가 발생하면 운영 요원은 무슨 일이 일어났는지 신속하게 파악해야 한다. 모든 자동화된 테스터가 엔터프라이즈 시스템에 연결돼 있으면 다음 질문에 신속하게 대답할 수 있다.
1.어느 스테이션에서 가장 큰 생산량 감소가 있었는지? 예를 들어, 대부분의 불량이 HASS, 최종 ATP 또는 SVT에서 발생하는지? 이를 알면 문제의 근본 원인을 격리하는 데 도움이 된다. 모든 테스터의 측정 데이터와 결과가 엔터프라이즈 시스템으로 들어가면 대답을 찾는 것이 더 쉬워진다.
2.문제 있는 스테이션이 확인되면 어떤 테스트 또는 측정이 제일 안 되는지? 스테이션에 대해 일련의 여러 측정을 실행하고 사양 한계와 비교한다. 측정 데이터가 모두 엔터프라이즈 소프트웨어 시스템에 있는 경우 어떤 측정값이 가장 자주 에러가 나는지 신속하게 판단할 수 있다. 이 정보는 근본 원인 분석 면에서 중요하다.
3.Cpk 값과 같이 스테이션에 SPC 문제가 있는지? 주 단위로 떨어지는가? 예를 들어 문제가 있는 측정값을 알게 되면 지난 몇 주 동안의 Cpk 값을 엔터프라이즈 시스템에서 볼 수 있는지? 그렇다면 부품이 고장 나기 전에 Cpk를 낮추는 패턴이 나타날 수 있다. 주요 테이크아웃은 다음과 같다. ‘무엇을 패턴에서 배웠고 언제 시작됐는지?’
4.위에 수집된 정보가 주어지면, 문제는 하위 어셈블리 또는 최 상위 어셈블리와 관련돼 있는지? 대개 다른 테스터의 측정결과와 문제 해결 및 재작업의 결과를 비교해 추론할 수 있다. 하위 어셈블리에서 문제가 발생하면, 어떻게 제조됐는지에 대해 질문할 수 있다.
위의 단계가 설명했듯이 모든 테스터의 측정 데이터에 대한 통합과 분석을 위해 엔터프라이즈 소프트웨어 솔루션에 입력하면, 많은 수율 문제의 해결 시간을 단축할 수 있다.
가속 고장 분석(Accelerating Failure Analysis)
이전 부분에서는 통합 테스트 결과 분석을 통해 수율 문제를 해결할 수 있는 방법에 대해 설명했다. 마찬가지로, 고장 분석으로 알려진 유사한 접근 방식을 사용해 고장의 근본 원인을 보다 신속하게 파악할 수 있다.
고장 분석은 제조 및 현장에서의 고장을 조사하는 과정이다.
- 주어진 고장이 발생한 원인
- 미래의 고장을 예방하기 위한 시정 조치
고장 분석은 제조과정에서 부품이 고장 나면 시작된다. 그런 다음 기술자가 문제를 해결하고 장치를 작동시키도록 지정한다. 일반적인 문제 및 수정사항을 추적하면 장애 분석의 중요한 이점이 된다.
현장에서 부품이 고장 나거나 반환되면, 회사 기술자는 유사한 문제 해결 패턴을 따라 오류를 이해하고 종종 자동화된 테스터를 사용해 어떤 측정이 실패했는지 확인한다. 기술자는 일반적으로 일련번호 기록을 조회해 제조 당시의 부품 측정치와 해당 시점의 문제 해결 또는 재작업을 확인한다.
반환 작업을 하는 엔지니어는 고장 부분을 범주로 분류하고 각 고장 범주에 대해 수정 및 예방 조치(CAPA, Corrective And Preventative Actions)를 작성한다.
이러한 CAPA결과는 R&D, 신뢰성 및 제조와 공유돼 설계 또는 생산 프로세스를 개선한다. 엔터프라이즈 소프트웨어 도구를 사용해 통합 테스트 데이터를 분석함으로써, 오류의 원인을 신속하고 일관성 있게 파악하고 비용 효율적으로 제거할 수 있다.
3. 디지털 변환의 전통적인 제조방식에 대한 영향
제조사가 직면한 가장 큰 과제 중 하나는 기술 변화가 일어나는 속도다.
Industry 4.0, IoT, IT와 OT의 합병과 같은 요소를 포함하는 현재 시장에서의 디지털 전환은, 수십 년 동안 사용되던 산업 프로세스가 이제는 훨씬 더 빠른 속도로 제조 환경을 변화시키고 있음을 의미한다. 제조업체는 신속하게 적응하거나 그렇지 못하면 뒤쳐질 수 있다.
제 4차 산업 혁명 (산업 4.0)
Industry 4.0은 전통적 제조 및 산업 관행이 현재 기술 시장과 병합되는 것을 의미하는 용어다. IoT(Internet of Things), 디지털 쌍둥이(Digital Twins), 정보 기술(IT) 및 운영기술(OT)의 컨버전스와 같은 여러 요소가 포함돼 있다.
가장 좋은 예는 소위 스마트 팩토리(Smart Factory)의 부상이다. 전통적인 자동화에서 연결된 작업과 생산의 연속적인 데이터 스트림을 사용해, 새로운 요구를 용이하게 하는 완전 연결된 시스템으로 전환하는 것을 말한다. 제조업체의 경우 Smart Factory는 더 똑똑하고 연결성이 뛰어난 제품을 제공할 뿐만 아니라 전례 없는 경쟁을 약속하는 이중 칼이다. 이점은 매우 중요하다.
기술 변화로 인해 보다 유연하고 적응력이 뛰어난 생산 시스템으로의 전환이 촉진됐다. 하지만 제조업체는 전환 때문에 종종 큰 비용을 필요로 한다. 그렇다면 제조업자들은 시장에서 위치를 유지하거나 향상시키기 위해 무엇을 해야 하는가? 먼저 업계의 변화를 분명하게 이해할 필요가 있다.
새로운 시장 현실
중요한 변화 중 하나는 IoT의 등장이며, 광범위하게 스마트한 연결 제품이 현재 시장을 넓히는 것을 의미한다.
여기에는 기계 또는 디지털 기계 및 컴퓨팅 장치에서부터 사람과 동물까지 포함된다. 주요 규정은 모두 어떻게든 상호 연결된다는 것이다(칫솔질 습관에 관한 데이터를 스마트 폰으로 보내거나, 심장 연결 모니터를 사용해 다른 상호 연결된 모바일 장치에 생명을 구하는 데이터를 전송하는 Bluetooth 기능이 있는 전동 칫솔을 생각해 보면 된다).
이와 같은 제품들은 제조업체가 인식해야 할 새로운 기회와 새로운 경쟁적 도전 과제다.
IT와 OT를 결합하는 문제는 무시할 수 없는 큰 변화다. IT와 OT는 하드웨어 및 소프트웨어 인프라와 관련 있다. IT는 비즈니스 운영 및 정보 시스템을 관리 및 추적 그리고 지원하는 데 주력하지만, OT는 제품 설계와 제조 및 수리에 주력한다는게 둘의 차이다. I
T와 OT를 함께 사용하면 생산 중단 시간 최소화, 모바일 기술 사용 촉진, 낭비 감소와 같은 산업 4.0의 특정 제조 과제를 해결할 수 있다. 그러나 이 두 부서를 일반적인 제조공장에서 함께 사용하는 것은 쉬운 일이 아니며 특정 유형의 전문 지식이 필요하다.
디지털 트윈은 기본적으로 설계를 효율적으로 확인하기 위해 고급 테스트 및 시뮬레이션을 수행할 수 있는 물리적 시스템의 디지털 모델이다. 이러한 유형의 기술은 금융 비용을 절감하고 설계에 필요한 시간과 노력을 줄일 수 있다. 하지만 이것은 제조업체가 적시에 기술을 활용할 경우에만 큰 이점이 될 수 있는 발전이다.
탁월한 테스트가 핵심이다.
이 기술혁명의 핵심은 정교하고 연결된 제품이 함께 잘 작동해야 한다는 것이다. 대상 테스트가 핵심인 셈이다. ATE의 광범위한 지식을 포함해 새로운 시장 현실을 탐색하는 데 필요한 수준의 테스트 전문성을 갖춘 회사와 파트너가 될 필요성을 인식해야 한다.
결론
테스트 자동화의 지능과 지능형 테스트 자동화가 미래다. 보다 일관된 프로세스를 제공하면서 비용을 낮추는 자동화된 테스트, 일관된 품질 및 프로세스 개선에 핵심적인 테스트 데이터, 끊임없는 디지털 전환은 전통적인 제조와 현재의 기술시장 사이의 경계를 계속 흐리게 한다.
새로운 시장 현실에서 제조업체는 경쟁에 적응하기 위해 신속하게 대응해야 한다.
출시시간과 같은 비즈니스 목표를 달성함으로써 가치를 창출하는 자동화 분야에 큰 ROI가 있다. 그러나 점점 더 경쟁이 치열해지는 산업 4.0에서 미래의 성공을 보장하기 위해서는 디지털 전환으로 배치돼야 한다.
자료 제공 : Averna(www.averna.com)
