데이터 분석 기반 비즈니스 과제 발굴을 리드하고 해결방안을 제시하는 전문가 서비스

Highlights

Quality analysis and calibration automation in industrial setting

고객사의 전체 Value Chain을 대상으로 과제를 발굴하며 고객사 밀착 지원으로 선제적으로 분석 과제를 제시합니다

회사의 모든 Value Chain을 대상으로 과제 Pool을 발굴하며, Business 중요도, 가시적 성과 가능성 등을 고려하여 우선 추진 과제 순위를 선정하고 실행합니다. 고객사의 현업 Business에 깊숙이 참여하여 Biz. Question 및 해결방안 도출을 주도적으로 제시하고 리딩합니다.

전담 인력 배치 및 전사 지원 조직과의 밀착 협업을 통해 빈틈없는 서비스를 제공합니다

주제 발굴, 실행, 커뮤니케이션 등을 밀착 지원하는 전담 인력을 배치하고, 고객사 전사 지원 조직과 Business 요건 간 Coordination 측면에서 적극적으로 협업합니다.

Start Small, Finish Big을 지향 합니다

선정된 주제를 대상으로 필요시 Quick Feasibility/PoC를 통해 Value-up 가능성을 우선 검증한 후 본사업 및 현장적용을 진행하므로 높은 사업 성공률을 기대할 수 있습니다.

Features

Data 분석 CoE 서비스는 SK AX가 다년간의 기술 및 솔루션 개발, 사업 수행 등 노력을 통해 확보한 Industry Knowledge, Data 분석 노하우, DT Consultancy 및 DT 기술을 총망라한 Data 분석 기반 DT 컨설팅 서비스로, 제조, 금융, 유통, 통신, 에너지/화학, 바이오 등 전 산업의 전체 Value Chain을 대상으로 서비스를 제공합니다.

Data 분석 CoE 서비스는 기존의 이론 중심의 컨설팅에서 벗어나 현업과의 밀착 협업을 통해 확보한 Business Needs에 대한 깊은 이해에 기반한 과제 발굴과 발굴된 과제에 대한 Sample Data 분석을 통해 실제 Business 적용 및 효과에 대한 Feasibility를 확보하고 사업의 적용 범위를 넓혀갈 수 있는 매우 효과적이고 실질적인 데이터 분석 전문가 서비스 입니다.

Data 분석 CoE 서비스는 고객사의 비즈니스 요건 기획/전략 수립부터 대행하는 새로운 방식의 데이터 분석 기반 컨설팅 서비스입니다. 높은 수준의 Data 분석 역량과 비즈니스 Insight를 보유한 Data Scientist를 전담 지원하고 고객사 현업과 밀착 협업하여 고객사의 실질적인 Pain Point를 정확히 짚어내고 적합한 해결책을 제시합니다.

반복적인 분석 주제 발굴 및 Feasibility 테스트를 통해 본사업 이전에 사업의 타당성 확보를 가능하게 하여 DT 혁신의 범위를 단위 업무에서 전사 Value Chain으로 단계적이고 안전하게 확장 적용할 수 있게 지원합니다.

Experiences

STORY

성남시의 데이터 기반 의사결정을 통한 ESG 실현

친환경차 인프라 구축을 위해 데이터 중심의 컨설팅을 진행했습니다.

Use Cases

품목 일자별 온라인 주문 수요 예측을 통한 발주 자동화 시스템 구축 (전자 제품 M사)

M사에서는 내, 외부 현황을 고려한 가전 시장의 마켓 변화를 인지할 수 있도록 M/S 등에 대한 객관적인 데이터를 제공하고, 자사 제품의 수요를 정확하게 예측하고자 하는 니즈가 있었습니다. 이를 위해 M사가 생산하고 있는 가전제품에 대해 On/Off Line 판매 실적이나 SNS상에 가전제품의 버즈 데이터를 SK㈜ C&C의 데이터 중개 사업을 통해 제공 받았고, M사 내부 데이터와 결합하여 의미 있는 데이터를 만들어 낼 수 있었습니다. SK㈜ C&C는 데이터 사업을 딜리버리하는 사업 조직과 데이터 및 분석 모델 전문가를 보유하고 있으며, 업무 니즈에 맞춰서 컨설팅 등의 연계 사업을 진행하고 있습니다. 해당 프로젝트를 통해 데이터 중개 서비스 외에도 다양한 데이터 분석 플랫폼을 활용하여, 분석 모델 기반의 비즈니스 인사이트를 추가로 제공할 예정입니다.

마케팅 및 제품 썸네일 컨텐츠 제작 자동화

유통 H사에서는 선구적인 생성형 AI 기술 기반 제품 마케팅을 새로운 차원으로 혁신할 수 있었습니다. 단 몇 번의 클릭 및 입력 만으로 고객의 관심을 사로잡을 수 있는 매력적인 썸네일 이미지를 자동으로 생성할 수 있었고, 이 결과물은 자사 마케팅 캠페인에 즉시 활용함으로써 업무 효율을 크게 높일 수 있었습니다. 생성형 AI를 통해 마케팅 컨텐츠 제작에 소요되는 시간과 비용을 크게 절약할 수 있었고, 반복적이고 소모적인 작업에서 해방되어, 현업에서는 창의적인 아이디어 개발에 더 많은 시간을 할애할 수 있게 되었습니다. 생성된 고품질의 광고 썸네일은 캠페인에 바로 적용할 수 있는 수준의 컨텐츠로서, 온라인 상에서 더욱 강력한 인상을 줄 수 있었고, 이를 통해 마케팅 전략을 강화, 비즈니스 성장을 가속화할 수 있게 되었습니다.

SK 멤버사 생성형 AI 기반 사내용 챗봇 서비스 “MY 챗” 구축 확산

당사 포함 SK Inc, SK 쉴더스, SK 네트웍스, SKC 등 SK 그룹사에서는 그룹 자경단 가이드에 만족하는 기업형 Chat GPT 서비스를 구축, 확산 중에 있습니다. 사내 망에서 Azure OpenAI의 ChatGPT 등 생성형 AI 서비스 사용에 난항을 겪는 기업들을 대상으로 비용, 보안 등 이슈를 최소화할 수 있는 아키텍처 기반 서비스 적용을 지원하고 있으며, 긍정적인 구성원 사용자 피드백으로 도입 범위를 확대 적용 중입니다. 기업용 생성형 AI 기반 챗봇 서비스를 통해 단순 채팅은 물론 업무에 적용할 만한 검색/연산/번역 등 포함된 복합적인 질문에 대한 신속 정확한 답변 생성, 표/차트/이미지 등 다양한 형태의 결과물 생성, 문서/이미지 등 업로드 파일에 대한 검색/요약/분석 등 다양한 형태로 활용될 수 있습니다. 이는 비단 SK 그룹사에만 국한되지 않고, 금융, 제조, 유통, 헬스케어 등 다양한 산업군의 고객 대상 적용 진행 중이며, 기본 챗봇 도입을 시작으로 그 범위가 지속 확대되고 있는 실정입니다.

석유화학 I사 New Tech Sensing AI 개발 (G.AI를 활용한 기술 분류 체계 자동화)

글로벌 에너지 기업 I사는 급변하는 기술환경에 대응하기 위해 신기술을 빠르게 탐색하고 발굴하는 과정이 필요했습니다. 특히 AI를 활용해 신기술 동향을 파악하고 기술 분류 체계를 정립하고자 했습니다. 본 과제에서는 생성형 AI를 기반으로 기술 논문과 특허 데이터를 학습하고 기술 분류 체계를 생성하는 New Tech Sensing AI를 개발했습니다. GPT 모델을 사용하여 논문과 특허 텍스트에서 주요 기술과 관련된 특성을 추출할 수 있도록 임베딩한 뒤, 클러스팅을 통해 계층적 기술 분류 체계를 생성했습니다. 또한 GPT를 사용하여 기술과 관련 없는 노이즈 키워드를 제거하고, 분류된 기술 클러스터의 라벨을 자동 생성하였습니다. 최종적으로 AI기반의 기술 분류 체계 및 기술 유망성 평가 자동화 작업을 완료했고, I사가 주목하는 다양한 기술 분야에 New Tech Sensing AI를 적용하여 범용성을 검증했습니다. 석유화학 I사는 이 과제를 통해 생성형 AI를 기반으로 신기술을 정의하고 기술 분류 체계를 자동화하게 되었습니다.

성남시 친환경 충전 인프라 수요 예측 및 최적 입지 선정 사례

성남시는 저탄소 경제 실현을 위한 친환경차 보급을 추진하고 있지만 충전소 인프라 부족 및 수요-공급의 불일치 문제로 많은 어려움을 겪고 있었습니다. 이러한 어려움을 해결하기 위해 지자체가 보유하고 있는 데이터 뿐만 아니라 T사가 보유한 Mobility 데이터와 가명정보 결합을 통해 성남시 시민 및 유동 차향들의 친환경 차량 분포와 요일별 시간대별 즐겨 찾는 장소, 체류 시간 등의 Insight를 획득할 수 있었습니다. 또한 글로벌 컨설팅 회사에서 제안한 Goal-Cost Matrix 방법론을 착안하여 전기차 전환 잠재 수요를 예측하고, 현재와 미래 이용자를 위해 전기차 설치가 필요한 60여 곳과 수소차 충전소 후보 입지를 3곳 선별 및 제안하였습니다. 이를 통해 성남시는 데이터 기반 체감형 국민 서비스 제공으로 과학적 행정 위상을 제고하였고, 해당 분석 서비스는 개인정보보호위원회의 가명정보 결합 선도사례로 선정 및 가명정보 활용우수 사례 대항(과학기술정보통신부 장관상)을 수상하였습니다.

D사 제약공정 레시피 최적화 사례

기존 D사에서 약품 제조 시, 담당자의 경험적 판단이 매우 중요하였고 기상 변화 등의 외부 기상 상황을 업무에 반영하지 못해 품질 및 작업 시간에 대한 이슈가 있었습니다. 그래서 본 과제에서는 계절성 및 수율 분포를 고려한 학습데이터를 활용하였고, 공정 운영 환경을 고려하여 6개 공정 단계별로 변화하는 외기 온/습도에 적합한 레시피 추천을 하는 모델을 개발하였습니다. 그리고, 제조 공정의 특수성에 따라 의약품 제조 시 전-후 공정의 높은 연관성 및 특성을 공유하여 이전 단계의 온/습도 설정 값을 다음 단계의 입력 값으로 포함하였습니다. D사는 Data CoE 데이터 분석 서비스를 통해 99.67%의 공정 수율 예측 정확도를 갖는 모델을 개발하였으며 수율 최적화 성능도 기존 수율 대비 1.69% 향상된 성능을 보여주었습니다. 또한, 공정 운영자가 쉽게 사용할 수 있는 화면을 구축하여 단시간에 최적화 레시피 추천을 받을 수 있으며 공정 단계별 최적화 결과를 제공 받을 수 있게 되었습니다.

폐플라스틱(rPP)물성 예측을 통한 최적의 PP Compound 제조 Recipe 추천 (석유화학 G사)

폐플라스틱은 다양한 종류의 재활용 자제와 새로운 원료로부터 생산됩니다. 예를 들어, PET 병, 폴리프로필렌(PP) 용기, 폴리에틸렌(PE) 포장재 등이 있습니다. 이러한 각 폐플라스틱 원료는 제조 과정, 사용 후 처리 방법, 용도, 원산지 등에 따라 물성이 다를 수 있습니다. 폐플라스틱 Feed 물성 변동은 이러한 다양한 원료에서 나오는 물성적 특성의 변화를 의미하며, 이는 화학 공정 또는 Compound(화합물) 제품 제조에 영향을 미칠 수 있습니다. 예를 들어, 같은 유형의 폐플라스틱이라도 녹는 점, 인장 강도, 두께, 색상, 화학적 안정성 등이 서로 다를 수 있으며, 이러한 물성 변동은 최종 제품의 품질과 성능에 영향을 미칠 수 있습니다. 물성 변동을 관리하고 예측하는 것은 폐플라스틱을 재활용하여 화학 제품을 개발하거나 생산하는 과정에서 중요한 과제 중 하나입니다. SK(주) C&C는 Data CoE와 같은 서비스와 모델링을 통해 물성 변동에 대한 대응 및 최적화를 할 수 있으며, 이를 통해 더 효율적으로 폐플라스틱을 재활용하고 화학 공정을 개선할 수 있습니다.

주유소 별 판매량 및 사입 물량 예측을 통한 조달/판매 물류 모니터링 (석유화학 E사)

전국 각지에 주유소 지점을 보유한 E사는 지점 별 연료 재고를 더 효율적으로 관리하기 위해 데이터 기반의 물류 모니터링 시스템을 구축했습니다. E사는 ERP, WMS 등 보유하고 있던 엔터프라이즈 시스템에 공급망 및 물류 데이터를 결합하고 물류 과정에서 IoT 센서를 통해 실시간 데이터를 수집할 수 있는 환경을 구축했습니다. 그 결과 최적의 공급망을 구성하는 것은 물론 실시간으로 발생하는 리스크에 즉각 대응할 수 있는 시스템을 구축하는데 성공했습니다. E사는 주유소 지점 별 판매량 데이터를 분석하여 각 지점 별 수요를 예측하였고 물류 모니터링 시스템을 활용하여 각 지점까지 정유제품을 조달했습니다. E사는 원가, 기후 및 환경 등 정량적 데이터는 물론 법, 제도 및 규제 등 정성적 데이터, 그리고 센서를 통해 실시간 수집되는 물류 현황 데이터까지 종합 분석하여 최적의 물류 프로세스를 구축하였고 법률 변화, 원가 변동, 공급 차질 등 리스크에 적기 대응하는 역량과 물류 전 과정의 비용을 크게 절감하는 효과를 얻었습니다.

데이터분석을 활용한 PO가격 예측 모델 개발 (화학M사)

Propylene Oxide (PO)는 다양한 산업 분야에서 핵심 화학물질로 사용되며, 이에 따라 수요와 공급 패턴이 형성됩니다. 주요 수요 부문은 폴리우레탄 생산, 계면활성제 및 화장품 제조, 산업용 화학물질 생산 등이며, 이러한 수요는 해당 산업 분야의 상황에 따라 변동할 수 있습니다. 또한, PO의 공급은 생산 시설 여유 용량, 원유 및 원료 가격, 기술적 제한, 환경 규제 등 다양한 요인에 의해 영향을 받으며, 이러한 요소들은 공급량과 가격에 영향을 미칩니다. SK(주) C&C는 PO 시장에서의 수요 및 공급에 영향을 미치는 다양한 변수들을 데이터화하고, 이러한 변수들 간의 상관관계를 분석하여 PO 가격 예측 모델을 개발하였습니다. 이 모델을 활용하여 수익성을 최대화하고, 생산량을 효율적으로 관리함으로써 경기 변동에 대비하고 환경 규제를 준수하는 데 도움이 되었습니다. 이를 통해 SK(주) C&C는 석유화학회사가 PO 시장을 예측하는데 도움을 주어 경쟁 우위를 유지하고 비즈니스 전략을 최적화하는데 큰 기여를 하였습니다.

가격(판매가/원가),판매량 데이터분석 기반 최적 가격 추천 (석유화학 E사)

정유업계 E사는 변동폭이 큰 원자재 가격과 국내 수요에 대응하여 가장 적합한 판매가 산출을 위한 Smart Pricing 솔루션을 도입했습니다. 원유는 산업 필수재이자 일상 생활의 소비재와 운송 수단에서 필수적으로 사용되어 가격 책정에 약간의 오류만 발생해도 사회 전반에 영향을 끼치기에 더욱 더 정밀한 가격 정책이 필요했습니다. E사는 계절 별 수요패턴과 실제 판매 데이터와 같은 정량적 데이터는 물론 경쟁사 동향이나 원유가에 영향을 주는 이벤트 등 정성적 데이터까지 분석하여 실시간 수요를 예측하고 적합한 판매가를 산정했습니다. 객관적 데이터를 바탕으로 한 Smart Pricing 솔루션을 바탕으로 E사는 데이터 기반의 업무 혁신을 이루어 최적의 판매가를 산출할 수 있게 되었고 높은 품질과 합리적인 가격 경쟁력을 토대로 정유업계 내 입지를 굳혀 나가고 있습니다.

진동, 온도, 압력 Data 실시간 분석 기반 설비 자동 보정 시스템 (석유화학 I사)

I사는 산업 안전 수준을 제고하고 예기치 못한 설비 에러에 의한 손실액을 줄이기 위해 무선 통신 기반의 진동감지 솔루션을 도입했습니다. 진동감지 솔루션은 설비의 오작동을 판단하여 안전 사고 및 자산 손실을 예방하는 역할이나, 구축 단계에서 설비와 제어실 간 케이블 연결, 설비 별 진단 장비 부착 등 초기 인프라 구축 비용이 막대했습니다. I사는 각 장비에 무선 통신 장비를 부착한 Cloud 기반의 진동감지 솔루션을 도입하여 케이블 공사 등 인프라 구축 비용을 줄였습니다. 개별 장비 별로 진동감지 디바이스를 설치하고 전문가의 인사이트를 참고한 데이터 분석 체계를 구축한 I사는 문제 발생 시 공장 전체의 가동은 유지한 채 문제 공정만 개별 유지보수하여 재정 손실을 최소화할 수 있게 되었습니다. I사는 무선 통신 기반의 진동감지 솔루션을 통해 인프라 공사 비용 절감, 유지 보수 인력 자원 효율화, 설비 Downtime 최소화 등의 효과를 얻어 약 45%의 예산을 절감했으며 IoT, 무선통신, Cloud, 데이터가 결합한 Smart Factory를 성공적으로 정착시켜 디지털 경쟁력을 확보했습니다.

과거 정상 상태 학습 기반 설비 이상 감지 시스템 (석유화학 I사)

I사는 PdM 설비 확장 비용 부담을 줄이고 장비의 장애를 조기 진단하기 위해 지능형 PdM을 구축했습니다. 단순히 설비 데이터의 유사성을 기반으로 장애를 진단하던 기존 PdM과 달리 지능형 PdM은 임계치, 데이터 통계, 예측 및 실측 잔차를 학습 및 분석하여 설비 오류를 진단하기 때문에 기존 대비 정밀한 오류 예측 성능을 보였습니다. 클라우드 기반 Edge 형태로 구축된 지능형 PdM 시스템은 각 장비 별로 유지보수가 가능하여 설비 확장 및 기능 업그레이드에 유리한 구조를 확보하였으며 전문 엔지니어의 노하우를 Blueprint화하여 각 장비의 장애 데이터 분석에 필요한 전문성을 내재했습니다. I사는 지능형 PdM 구축을 통해 성능과 경제성을 동시에 충족하는 스마트 팩토리를 운용할 수 있게 되었으며, 기존 전문가의 노하우와 인사이트를 적극 활용하여 비즈니스에 최적화된 형태의 장애진단 시스템을 확보하게 되었습니다.

생산 경로 불량 원인 인자 자동분석 시스템 (배터리 O사)

O사는 배터리 품질 경쟁력을 확보하기 위해 제조 공정 전반에 최신 디지털 기술을 적극 도입했습니다. 불안정한 배터리는 출력 및 충전 효율 저하, 폭발 등 위험성이 커, 고객사 확보를 위한 품질 제고가 필수적입니다. 그러나 겹겹이 쌓인 양극재와 음극재, 분리막의 오류를 일목요연하게 판단하기는 어려웠습니다. O사는 품질 고도화 시스템은 클라우드 기반의 공정 자동화 및 데이터 분석 기술은 물론 Deep Learning 기반의 X-Ray 이미지 판단 기술을 적용하여 단순히 제품 외관만이 아닌 제품 내부 단면의 오류를 파악할 수 있습니다. 이를 통해 육안으로 확인하기 힘든 불량도 쉽게 판단할 수 있어 O사의 배터리 품질 고도화에 크게 기여했습니다. O사는 데이터 분석을 통해 제품 수율을 크게 제고할 수 있었고 높아진 제품 수율을 기반으로 세계 주요 배터리 제조사로 도약하는데 성공했습니다.

공정운전조건 최적화를 위한 Simulater 개발 (석유화학I사, Hi-Tech C사)

폴리우레탄(PU)의 원료인 폴리프로필렌 글리콜(PPG)과 화장품, 의약품, 식품의 원료인 프로필렌 글리콜(PG) 등의 기초 원료로 사용되는 PO(프로필렌옥사이드)는 다양한 산업 분야에서 사용되는 중요한 화학 원료 중 하나로, 이를 추출하는 데는 주로 두 가지 주요한 방법이 있습니다. 하나는 PO/SM 병산공정으로 PO와 SM(스티렌모노머) 두 가지 제품을 동시에 생산하는 방식입니다. 또다른 하나는 중국에서 주로 사용되는 PO-CL(염소공법)으로 염소를 사용하여 PO를 생산하는 과정에서 환경 오염 문제를 발생시킬 수 있습니다. 반면 PO/SM 병산공정은 환경 친화적인 측면에서 염소를 사용하지 않아 환경 오염 문제를 최소화하면서 PO를 생산할 수 있다는 장점입니다. 그러나 이 공정에서도 단점이 있는데, 부산물로 생성되는 SM의 수요가 크게 변동할 수 있어 경제적 리스크가 있을 수 있습니다. 이러한 경제적 리스크를 관리하기 위해 SK㈜ C&C에서는 공정 데이터를 축적 및 분석하여 시뮬레이터를 활용하여 최적의 수익을 낼 수 있는 운전 조건을 추출하고 실적용하여 PO의 안정적인 공급을 보장하며 환경 친화적인 공정을 구현하는데 기여하고 있습니다.

공정데이터 실시간 관리를 위한 Human Machine Interface 구축 (Hi-Tech H사)

국내 대형 반도체 기업 H사는 국내외에서 다양한 생산 시설을 운영하고 있었습니다. 이러한 다양한 생산 시설 체계적으로 정립되지 않은 업무 프로세스로 인해 변경 사항을 관리하기 어려웠고, 데이터의 일관성 부족으로 인해 유사한 문제에 대한 사례 연구를 진행하는 데 어려움이 있었습니다. 그러나 SK(주) C&C는 HMI 프레임워크를 기반으로 한 설비 제어 표준화 시스템을 구축함으로써 이러한 문제를 극복하였습니다. 이 시스템은 데이터 수집과 분석을 통해 생산 프로세스를 최적화할 수 있는 플랫폼을 제공하였습니다. 이러한 표준화 과정은 설비 제어 및 모니터링의 효율 향상뿐만 아니라, 생산 시설 간의 업무 협업을 한 단계 더 발전시킬 수 있었습니다. 일관된 공정 관리는 안전한 운영을 보장하고 사고 및 장애를 예방하며, 비상 상황에 대응하기 위한 견고한 기반을 마련했습니다. 또한 설비 관리와 유지 보수를 용이하게 하며, 장비 상태를 실시간으로 모니터링하여 예방 조치를 수행할 수 있는 기능을 제공하였습니다. 더불어 이미 표준화된 시스템과 업무 체계를 활용함으로써 유지 비용을 절감하고, 신규 장비를 추가할 때 발생하는 비용을 줄일 수 있었습니다.

품목 일자별 온라인 주문 수요 예측을 통한 발주 자동화 시스템 구축 (전자 제품 M사)

마케팅 및 제품 썸네일 컨텐츠 제작 자동화