2020.06.05

"10일에서 2시간으로 테스트 시간 단축" 오웬즈 코닝의 예측 애널리틱스 사례

Thor Olavsrud | CIO
제조업체인 오웬즈 코닝(Owens Corning)에서 데이터 과학자들은 순수 과학 학계와 협력해 과학 연구와 예측 애널리틱스를 융합하는 흔치 않은 기회를 가졌다. 

오웬즈 코닝의 글로벌 정보서비스 및 애널리틱스 전문가 센터(analytics center of excellence, CoE)의 책임자인 멀래비카 멜코트는 “우리가 심층적인 과학 기술 문제를 다룰 경우는 거의 없다. 마케팅, 고객 공급망, 제조와 같은 문제를 다룬다. 혁신 센터 내에서 순수 과학이 접목된 프로젝트를 이행한 최초의 사례였다”라고 말했다.
 
ⓒ Owens Corning
이 이니셔티브는 포춘 500대 기업인 오웬즈 코닝이 풍력 터빈 날개의 제작에 쓰이는 소재를 개발하고 테스팅하는 과정을 간소화할 필요에서 비롯됐다. 이를 위해서는 IT, 애널리틱스 CoE, 혁신 집단 사이의 긴밀한 협업이 필요했다. 수석 과학 자문인 에릭 칼리어가 지휘하는 하나의 팀이 만들어진 배경이다.

오웬즈 코닝은 고객의 요구에 대응하기 위해 유리 성분 최적화, 견고하고 긴 날개를 위한 높은 계수, 오랜 수명을 위한 우월한 피로 성능을 통해 복합 재료의 물성을 끊임 없이 개선해야 했다.

칼리어는 “혁신 조직 내에 신소재 개발에 치중하는 전문 집단이 있다. 신소재 개발 작업은 여러 수준으로 구성된다”라고 말했다. 

예측 애널리틱스 
개발 단계 중 하나는 날개를 생산하기 위해 주형에 주입되는 유리 섬유 직물의 개발이다. 두 번째는 날개의 강성을 확보하는 유리 섬유 성분에 대한 연구다. 이는 에너지를 효율적으로 전달하는 데 필수적이다. 

칼리어는 “세 번째 수준은 이 연구의 핵심이다. 유리 섬유를 화학 처리해 레진과 서로 결합시키는 것이다”라고 말했다. 

이 과정은 복잡하고 길고 값비싸다. 새 바인더(접합제)를 개발하는 데에는 몇 개월이나 몇 년이 걸릴 수 있다. 이는 유리 섬유를 레진이나 플라스틱과 접합시켜 유리 섬유 강화 복합 재료를 생성한다.

칼리어는 “강성이 매우 중요하다. 그래서 유리 섬유를 사용하는 것이다. 또한 해당 소재가 특정 기간 동안 기능할 수 있도록 보장해야 한다. 날개는 25년의 수명을 갖도록 설계된다. 이에 맞게 재료의 수명을 보장해야 한다”라고 설명했다. 

그리고 그것이 바로 난관의 핵심이었다. 피로 성능을 평가하고 예측하는 데에는 최소한 몇 주가 걸린다. 이에 의해 소재가 수십 년 동안 지속될 것인지 판정한다. 칼리어의 팀은 복합 재료의 반복성 있고 예측 가능하고 선별적인 테스트를 해야 했다. 이에 의해 제품 성분과 결과적인 제품 성능 사이의 관계를 증명할 수 있다. 

오웬즈 코닝은 여기에 예측 애널리틱스를 도입했으며, 그 결과 어떤 신소재든 테스트에 걸리는 시간이 10일에서 약 2 시간으로 단축했다. 이에 의해 제품 개발 속도가 빨라지고 반복 성능 테스팅의 비용이 절감되었다.  

이 프로젝트에 의해 오웬즈 코닝은 CIO 100 어워드’를 수상했다. 

과학과 데이터의 조합  
오웬즈 코닝의 데이터 과학자인 기디언 밴 덴 브로이크는 칼리어의 팀과 협력하면서 경험적 접근법을 데이터 주도 예측 모델로 보완했다. 

멜코트는 “그는 칼리어의 팀과 협력하며 우리가 소재를 바라보는 방식을 데이터 측면에서 이해하려고 시도했고, 데이터와 데이터 과학을 이용해 통찰을 얻는 속도를 높이고, 통찰을 다음 작업에 활용하면서 전반적 분석에 속도를 더하려고 노력했다”라고 말했다. 

벤 덴 브로이크와 데이터 과학 팀은 북미 및 유럽에 걸쳐 칼리어 같은 중합체 화학자, 재료 테스팅 과학자, 복합 재료 응용 엔지니어로 구성된 팀과 협력했다. 이들은 예측하고 싶은 제품 특성에 대한 데이터를 수집했고, 이 특성이 최종 재료의 성능에 어떻게 연관되는지를 이해하기 위한 모델을 구축했다. 

이들은 기업 데이터 및 애널리틱스 플랫폼을 활용하며 세계의 기술 팀과의 협업을 가속했다. 플랫폼은 부서들에 걸쳐, 그리고 세계적으로, 협업을 보다 효과적으로 만들었다. 또한 글로벌 기업 스토리지 솔루션을 만들어 제반 테스트 및 제반 제품 개발자 작업에 걸쳐 결과의 분석을 지원했다.  

문제가 없었던 것은 아니었다. 밴 덴 브로이크와 그의 팀이 제작한 최초의 예측 모델은 설명 불가능한(복잡한) 블랙-박스 모델이었다. 

칼리어는 “초기 모델에 확신이 없었다. 그래서 확신을 가질 수 있는 모델을 도출하기 위한 논의를 시작했다”면서 “내가 담당한 어려운 일은 혁신 조직 내의 동료들에게 우리의 테스트 방식이 최고라고 설득하는 것이었다. 고객과 대면하는 동료들은 산업 표준에 따라 소재를 테스팅 한다. 이들에게 우리가 시간을 절약할 수 있는 무언가를 가지고 있음을 설득하기가 상당히 어렵다”라고 말했다. 

모델이 어떻게 작용하는지를 설명할 수 있어야만 그러한 신뢰를 얻을 수 있다. 

애널리틱스 쪽의 어려움은 문제를 진정으로 이해한 후 신뢰를 쌓을 수 있을 정도로 충분한 분야 전문 지식을 구축하는 것이었다. 

멜코트는 “데이터 과학을 효과적으로 적용하려면 분야 전문 지식의 장벽을 넘어야 했다. 기디언이 성과를 도출하기에 충분한 이해를 갖춘 데이터 과학자로서 신뢰를 확립하자 팀들이 실제로 정교함을 더하면서 신뢰와 유용성이 제고되었다”라고 말했다. 

이 도약은 획기적이었다고 멜코트는 말했다. 애널리틱스 CoE와 혁신 팀은 이제 다른 프로젝트에도 참여하면서 혁신 집단 내에서 심층적인 데이터 중심 디지털 변혁을 달성하고 있다. 

멜코트는 “순수 데이터 과학을 바탕으로 데이터를 이해하고, 또한 현업 파트너의 도움으로 데이터를 해석하며, 양질의 결과를 매우 신속히 얻을 수 있었다”라고 말했다. 

멜코트는 특정 주제 전문가와 견실한 협력을 발전시키는 것은 애널리틱스의 성공에 중요한 요소라고 생각한다. 그러자면 공통의 언어와 커뮤니케이션을 확립해야 한다. 그는 또한 팀을 소규모로 유지하고 명확한 범위에 집중하도록 권고한다. 다만 도움이 필요할 때에는 다른 사람과 교류할 능력이 있어야 한다. 

또한 그는 애널리틱스 및 기술 리더가 복잡한 문제에 관여하는 것을 꺼려서는 안 된다고 강조했다. 

멜코트는 “복잡한 문제에 관여하는 것을 두려워하면 안 된다. 기술 전문성과 애널리틱스 전문성을 제공하면 된다. 문제와의 접점은 쉽게 찾을 수 있다. 그리고 우호적으로 협력한다면 가능하지 않다고 생각했던 것을 달성할 수 있을 것이다”라고 말했다. ciokr@idg.co.kr



2020.06.05

"10일에서 2시간으로 테스트 시간 단축" 오웬즈 코닝의 예측 애널리틱스 사례

Thor Olavsrud | CIO
제조업체인 오웬즈 코닝(Owens Corning)에서 데이터 과학자들은 순수 과학 학계와 협력해 과학 연구와 예측 애널리틱스를 융합하는 흔치 않은 기회를 가졌다. 

오웬즈 코닝의 글로벌 정보서비스 및 애널리틱스 전문가 센터(analytics center of excellence, CoE)의 책임자인 멀래비카 멜코트는 “우리가 심층적인 과학 기술 문제를 다룰 경우는 거의 없다. 마케팅, 고객 공급망, 제조와 같은 문제를 다룬다. 혁신 센터 내에서 순수 과학이 접목된 프로젝트를 이행한 최초의 사례였다”라고 말했다.
 
ⓒ Owens Corning
이 이니셔티브는 포춘 500대 기업인 오웬즈 코닝이 풍력 터빈 날개의 제작에 쓰이는 소재를 개발하고 테스팅하는 과정을 간소화할 필요에서 비롯됐다. 이를 위해서는 IT, 애널리틱스 CoE, 혁신 집단 사이의 긴밀한 협업이 필요했다. 수석 과학 자문인 에릭 칼리어가 지휘하는 하나의 팀이 만들어진 배경이다.

오웬즈 코닝은 고객의 요구에 대응하기 위해 유리 성분 최적화, 견고하고 긴 날개를 위한 높은 계수, 오랜 수명을 위한 우월한 피로 성능을 통해 복합 재료의 물성을 끊임 없이 개선해야 했다.

칼리어는 “혁신 조직 내에 신소재 개발에 치중하는 전문 집단이 있다. 신소재 개발 작업은 여러 수준으로 구성된다”라고 말했다. 

예측 애널리틱스 
개발 단계 중 하나는 날개를 생산하기 위해 주형에 주입되는 유리 섬유 직물의 개발이다. 두 번째는 날개의 강성을 확보하는 유리 섬유 성분에 대한 연구다. 이는 에너지를 효율적으로 전달하는 데 필수적이다. 

칼리어는 “세 번째 수준은 이 연구의 핵심이다. 유리 섬유를 화학 처리해 레진과 서로 결합시키는 것이다”라고 말했다. 

이 과정은 복잡하고 길고 값비싸다. 새 바인더(접합제)를 개발하는 데에는 몇 개월이나 몇 년이 걸릴 수 있다. 이는 유리 섬유를 레진이나 플라스틱과 접합시켜 유리 섬유 강화 복합 재료를 생성한다.

칼리어는 “강성이 매우 중요하다. 그래서 유리 섬유를 사용하는 것이다. 또한 해당 소재가 특정 기간 동안 기능할 수 있도록 보장해야 한다. 날개는 25년의 수명을 갖도록 설계된다. 이에 맞게 재료의 수명을 보장해야 한다”라고 설명했다. 

그리고 그것이 바로 난관의 핵심이었다. 피로 성능을 평가하고 예측하는 데에는 최소한 몇 주가 걸린다. 이에 의해 소재가 수십 년 동안 지속될 것인지 판정한다. 칼리어의 팀은 복합 재료의 반복성 있고 예측 가능하고 선별적인 테스트를 해야 했다. 이에 의해 제품 성분과 결과적인 제품 성능 사이의 관계를 증명할 수 있다. 

오웬즈 코닝은 여기에 예측 애널리틱스를 도입했으며, 그 결과 어떤 신소재든 테스트에 걸리는 시간이 10일에서 약 2 시간으로 단축했다. 이에 의해 제품 개발 속도가 빨라지고 반복 성능 테스팅의 비용이 절감되었다.  

이 프로젝트에 의해 오웬즈 코닝은 CIO 100 어워드’를 수상했다. 

과학과 데이터의 조합  
오웬즈 코닝의 데이터 과학자인 기디언 밴 덴 브로이크는 칼리어의 팀과 협력하면서 경험적 접근법을 데이터 주도 예측 모델로 보완했다. 

멜코트는 “그는 칼리어의 팀과 협력하며 우리가 소재를 바라보는 방식을 데이터 측면에서 이해하려고 시도했고, 데이터와 데이터 과학을 이용해 통찰을 얻는 속도를 높이고, 통찰을 다음 작업에 활용하면서 전반적 분석에 속도를 더하려고 노력했다”라고 말했다. 

벤 덴 브로이크와 데이터 과학 팀은 북미 및 유럽에 걸쳐 칼리어 같은 중합체 화학자, 재료 테스팅 과학자, 복합 재료 응용 엔지니어로 구성된 팀과 협력했다. 이들은 예측하고 싶은 제품 특성에 대한 데이터를 수집했고, 이 특성이 최종 재료의 성능에 어떻게 연관되는지를 이해하기 위한 모델을 구축했다. 

이들은 기업 데이터 및 애널리틱스 플랫폼을 활용하며 세계의 기술 팀과의 협업을 가속했다. 플랫폼은 부서들에 걸쳐, 그리고 세계적으로, 협업을 보다 효과적으로 만들었다. 또한 글로벌 기업 스토리지 솔루션을 만들어 제반 테스트 및 제반 제품 개발자 작업에 걸쳐 결과의 분석을 지원했다.  

문제가 없었던 것은 아니었다. 밴 덴 브로이크와 그의 팀이 제작한 최초의 예측 모델은 설명 불가능한(복잡한) 블랙-박스 모델이었다. 

칼리어는 “초기 모델에 확신이 없었다. 그래서 확신을 가질 수 있는 모델을 도출하기 위한 논의를 시작했다”면서 “내가 담당한 어려운 일은 혁신 조직 내의 동료들에게 우리의 테스트 방식이 최고라고 설득하는 것이었다. 고객과 대면하는 동료들은 산업 표준에 따라 소재를 테스팅 한다. 이들에게 우리가 시간을 절약할 수 있는 무언가를 가지고 있음을 설득하기가 상당히 어렵다”라고 말했다. 

모델이 어떻게 작용하는지를 설명할 수 있어야만 그러한 신뢰를 얻을 수 있다. 

애널리틱스 쪽의 어려움은 문제를 진정으로 이해한 후 신뢰를 쌓을 수 있을 정도로 충분한 분야 전문 지식을 구축하는 것이었다. 

멜코트는 “데이터 과학을 효과적으로 적용하려면 분야 전문 지식의 장벽을 넘어야 했다. 기디언이 성과를 도출하기에 충분한 이해를 갖춘 데이터 과학자로서 신뢰를 확립하자 팀들이 실제로 정교함을 더하면서 신뢰와 유용성이 제고되었다”라고 말했다. 

이 도약은 획기적이었다고 멜코트는 말했다. 애널리틱스 CoE와 혁신 팀은 이제 다른 프로젝트에도 참여하면서 혁신 집단 내에서 심층적인 데이터 중심 디지털 변혁을 달성하고 있다. 

멜코트는 “순수 데이터 과학을 바탕으로 데이터를 이해하고, 또한 현업 파트너의 도움으로 데이터를 해석하며, 양질의 결과를 매우 신속히 얻을 수 있었다”라고 말했다. 

멜코트는 특정 주제 전문가와 견실한 협력을 발전시키는 것은 애널리틱스의 성공에 중요한 요소라고 생각한다. 그러자면 공통의 언어와 커뮤니케이션을 확립해야 한다. 그는 또한 팀을 소규모로 유지하고 명확한 범위에 집중하도록 권고한다. 다만 도움이 필요할 때에는 다른 사람과 교류할 능력이 있어야 한다. 

또한 그는 애널리틱스 및 기술 리더가 복잡한 문제에 관여하는 것을 꺼려서는 안 된다고 강조했다. 

멜코트는 “복잡한 문제에 관여하는 것을 두려워하면 안 된다. 기술 전문성과 애널리틱스 전문성을 제공하면 된다. 문제와의 접점은 쉽게 찾을 수 있다. 그리고 우호적으로 협력한다면 가능하지 않다고 생각했던 것을 달성할 수 있을 것이다”라고 말했다. ciokr@idg.co.kr

X