사출성형 공정 모니터링 (공정 한계, MES, 스마트팩토리)

불량이 나고 나서야 원인을 찾는 일, 현장에서 꽤 자주 겪었습니다. 사출성형 공정은 수천 가지 변수가 얽혀 있어서, 어느 한 곳에서 이상이 생겨도 제품이 나올 때까지 모르는 경우가 생깁니다. 직접 겪어보니 공정 모니터링은 단순히 숫자를 들여다보는 일이 아니라, 문제가 생기기 전에 미리 잡아내는 구조를 만드는 일이었습니다.

공정 한계를 제대로 설정한다는 것의 의미

공정 모니터링을 처음 본격적으로 들여다봤을 때, 가장 먼저 부딪힌 개념이 '불량 한계(defect limits)'였습니다. 여기서 불량 한계란 불량이 발생하기 직전의 상한·하한값을 의미합니다. 쉽게 말해 "여기까지 벗어나면 불량"이라는 경계선인데, 문제는 이 경계만 설정해 놓는다고 공정이 안정적으로 관리되지는 않는다는 점입니다.

제 경험상 불량 한계는 말 그대로 최후의 방어선일 뿐입니다. 이 선 안에 들어왔다고 해서 제품이 무조건 양품이라는 보장은 없습니다. 정작 중요한 건 공정의 정상 변동 범위, 즉 기계가 안정적으로 가동될 때 나타나는 자연스러운 변동폭을 먼저 파악하고, 그 범위가 불량 한계 안에 안전하게 들어오도록 관리하는 것입니다.

이를 위해서는 공정 개발 단계부터 접근해야 합니다. 사출기를 완전히 가동 중단(shutdown)한 뒤 8시간씩 3회 운전하면서 15분 간격으로 공정 산출물을 기록하고, 최소 두 가지 이상의 수지 원료 롯트(lot)를 번갈아 사용해보는 과정이 필요합니다. 여기서 롯트란 동일 조건에서 한 번에 생산된 원재료 묶음을 뜻하며, 원료 자체의 편차가 공정에 미치는 영향을 확인하는 데 반드시 필요한 절차입니다.

제가 직접 현장에서 관찰했을 때, 이 데이터를 확보하지 않은 상태에서 한계값을 넓게 잡아두면 공정 창(process window)은 넓어지는 것처럼 보이지만 실제로는 이상 샷을 거르는 능력이 떨어집니다. 얻는 것보다 잃는 것이 많아지는 상황이 반복됐습니다.

공정 한계 설정의 진짜 목적은 조정 여지를 넓히는 게 아니라, 입증된 공정이 그대로 재현되고 있는지를 확인하는 것입니다. 이 점을 현장에서 몸으로 배우는 데 생각보다 시간이 걸렸습니다.

• 불량 한계(defect limits): 불량 발생 직전의 상·하한값. 최후의 방어선으로만 활용해야 합니다.
• 정상 변동 범위: 8시간×3회 가동 데이터를 기반으로 산출하며, 불량 한계 내에 안전하게 포함되어야 합니다.
• 수지 원료 롯트 교체 검증: 최소 2가지 롯트를 번갈아 사용해 원료 편차가 공정에 미치는 영향을 확인합니다.
• 공정 재현성 확인: 한계값 설정 이후에도 매 가동마다 동일하게 재현되는지 지속 점검이 필요합니다.

요약: 불량 한계는 출발점이 아니라 최후의 선이며, 공정의 정상 변동 범위를 먼저 데이터로 확보하는 것이 효과적인 공정 한계 설정의 핵심입니다.

MES와 스마트팩토리가 현장을 바꾼 방식

예전에는 성형기 모니터링, 온조기 온도 경보, 취출 로봇 이상 신호가 각각 따로 울렸습니다. 어디서 문제가 생겼는지 확인하려면 각 기기를 하나씩 들여다봐야 했고, 그 사이에 불량품은 이미 컨베이어를 따라 흘러나가 있었습니다. 솔직히 이건 예상 밖의 허점이었습니다. 정보가 분산되어 있다는 것 자체가 그렇게 큰 문제인지 처음엔 실감하지 못했습니다.

MES(Manufacturing Execution System)란 생산 현장의 모든 기기와 공정 정보를 실시간으로 수집·통합·관리하는 제조 실행 시스템을 의미합니다. 지금 제가 있는 현장에서는 성형기의 사출시간, 계량시간, 사출압력, 실린더 온도, 쿠션량을 실시간으로 수집하고 있습니다. 쿠션량이란 사출 완료 후 스크루 앞에 남아 있는 수지의 양으로, 이 값이 흔들리면 충전량이 불안정하다는 신호입니다. 이 값이 기준을 벗어나면 즉시 경보가 발생합니다.

온조기, 원재료 건조 호퍼, 취출 로봇까지 MES와 연동되어 있어서 주변 기기 이상도 같은 화면에서 확인할 수 있습니다. 불량 카운터, 생산 카운터, 가동률, 불량률, 진행률이 작업대 모니터에 실시간으로 표시되므로, 관리자가 굳이 현장을 직접 돌지 않아도 현황을 파악할 수 있게 되었습니다. 제가 직접 써봤는데, 이 구조가 갖춰지고 나서 이상 발생 후 대응 시간이 눈에 띄게 줄었습니다.

또한 품목별 공정 조건이 MES에 저장되어 있어, 다음 생산 시 기존 데이터와 일치하지 않으면 자동으로 경보가 발생합니다. 금형 이력 관리, 설비 이력 관리, 조건표 관리가 함께 이루어지기 때문에 문제 원인을 추적하는 데 걸리는 시간도 크게 단축됐습니다.

한편, 공정 모니터링의 신뢰성을 높이기 위해서는 사출기 자체 제어장치 외에 별도 제조사의 하드웨어를 사용하는 것이 권장됩니다(출처: 플라스틱코리아). 사출기 내부 시스템만으로는 캐비티 피크 압력, 압축 속도(pack rate), 냉각 속도 같은 금형 내부 정보를 독립적으로 검증하기 어렵기 때문입니다. 여기서 캐비티 피크 압력이란 금형 캐비티 안에서 수지가 최고 압력에 도달했을 때의 값으로, 이 값을 직접 측정하면 사출기 외부 신호만으로는 알기 어려운 충전 품질을 직접 확인할 수 있습니다.

그리고 공정 모니터링 시스템이 안전장치(failsafe) 기능을 갖추고 있는지도 반드시 확인해야 합니다. 대부분의 모니터링 시스템은 거부신호(reject signal)만 감지하도록 설계되어 있는데, 소프트웨어 오류로 시스템이 멈추면 경보 없이 공정이 계속 돌아가는 상황이 생깁니다. 제 경험상 이건 생각보다 자주 발생하는 문제입니다. 양품신호(good part signal)를 동시에 요구하면서 거부신호에도 반응하는 이중 구조가 진정한 안전장치 기능입니다(출처: Kistler, 금형 내 캐비티 압력 모니터링).

앞으로 AI가 이 영역에 들어오면 어떻게 바뀔지 기대가 됩니다. 지금도 사람의 눈으로 하는 최종 검사에는 한계가 있기 때문에, AI 비전 검사 시스템이 빠른 시일 내에 도입되면 불량률을 한 단계 더 낮출 수 있을 것으로 보입니다.

요약: MES를 통해 사출기·주변 기기 정보를 한곳에 통합하고, 안전장치 기능을 갖춘 이중 모니터링 구조를 갖추는 것이 스마트팩토리 공정 관리의 핵심입니다.

 

자주 묻는 질문

Q. 공정 모니터링 한계값은 어떻게 설정하나요?

A. 사출기를 완전히 가동 중단한 뒤 8시간씩 3회 운전하면서 15분 간격으로 공정 데이터를 기록하는 것이 출발점입니다. 이때 최소 두 가지 수지 원료 롯트를 번갈아 사용해 원료 편차까지 반영한 정상 변동 범위를 산출하고, 이 범위가 불량 한계 안에 안전하게 들어오는지 확인하면 됩니다. 제 경험상 이 데이터 없이 한계값을 감으로 잡으면 나중에 반드시 문제가 생깁니다.

 

Q. MES 없이도 공정 모니터링이 가능한가요?

A. 사출기 자체 제어장치만으로도 사출시간, 사출압력, 실린더 온도 같은 기본 공정 값은 모니터링할 수 있습니다. 하지만 온조기, 건조 호퍼, 취출 로봇 등 주변 기기 이상을 함께 통합해서 보려면 MES가 거의 필수입니다. 정보가 분산되면 문제 원인을 추적하는 데 시간이 훨씬 오래 걸린다는 것을 직접 겪어봤습니다.

 

Q. 캐비티 압력 모니터링이 꼭 필요한가요?

A. 사출기 외부 신호만으로는 금형 안에서 실제 수지가 어떻게 충전되는지 알기 어렵습니다. 캐비티 피크 압력을 직접 측정하면 충전 품질을 훨씬 정확하게 판단할 수 있고, 사출기와 별도 제조사의 하드웨어를 사용하면 독립적인 검증도 가능합니다. 고정밀 제품이나 불량률 관리가 까다로운 품목일수록 도입 효과가 큽니다.

 

Q. 모니터링 시스템이 오류를 일으키면 어떻게 되나요?

A. 거부신호(reject signal)만 감지하는 구조라면 시스템이 멈췄을 때 경보 없이 공정이 계속 돌아갑니다. 이 상황을 방지하려면 양품신호도 함께 요구하는 이중 구조, 즉 안전장치(failsafe) 기능을 갖춘 시스템이 필요합니다. 제가 함께 작업한 대부분의 타사 모니터링 시스템은 시스템 사양에 양품신호 기능을 별도로 설정해야 이 이중 구조가 활성화됐습니다.

 

Q. 사출성형 공정에 AI 비전 검사를 도입하면 뭐가 달라지나요?

A. 사람의 눈으로 하는 최종 검사는 피로도와 집중력의 영향을 받기 때문에 일관성을 유지하기 어렵습니다. AI 비전 검사는 동일한 기준으로 매 샷마다 표면 불량, 치수 이상을 자동으로 판별할 수 있습니다. MES와 연동하면 불량 발생 시점의 공정 조건까지 함께 기록되므로 원인 분석이 훨씬 빠르고 정확해질 것으로 보입니다.

 

결론

공정 모니터링의 출발은 결국 데이터를 제대로 쌓는 것입니다. 불량 한계를 설정하기 전에 정상 변동 범위를 먼저 확보하고, 그 데이터를 기반으로 한계값을 잡아야 의미 있는 모니터링이 됩니다. 제 경험상 이 순서를 건너뛰면 나중에 반드시 다시 처음부터 돌아오게 됩니다.

MES를 통해 사출기와 주변 기기 정보를 한곳에 통합하고, 안전장치 기능까지 갖춘 모니터링 체계를 구축하는 것이 현재 스마트팩토리의 방향입니다. 여기에 AI 비전 검사까지 더해지면 사람의 눈에 의존하는 마지막 검사 단계의 한계도 극복할 수 있을 것으로 기대합니다. 아직 갈 길이 멀지만, 방향은 분명해 보입니다.

참고: https://www.plastickorea.co.kr/news/articleView.html?idxno=19727&page=2&total=197