PE 시트 생산 최적화를 위한 빅데이터” 

PE 시트 생산 최적화의 빅데이터가 식물 생존에 중요한 요소가 된 이유

우리는 더 이상 압출기 작업자의 직관에만 의존하여 폴리에틸렌 시트를 생산할 여유가 없습니다. 2026년에는PE 시트 생산 최적화를 위한 빅데이터더 이상 프레젠테이션에서 유행하는 용어가 아니며 원자재 가격이 상승할 때 마진을 유지하는 유일한 방법이 되었습니다. 우리의 경험에 따르면 압력 및 온도 센서의 원격 측정 수집을 무시하는 공장에서는 감지할 수 없는 매개변수 변동으로 인해 매년 최대 18%의 원자재가 손실됩니다. 이는 이론적인 손실이 아닙니다. 이는 관리자가 공급품의 품질에 대해 논쟁하는 동안 폐기되거나 재활용된 실제 톤의 과립입니다.

전통적인 "설정하고 잊어버리는" 접근 방식은 더 이상 작동하지 않습니다. 고밀도 폴리에틸렌(HDPE)과 저밀도 폴리에틸렌(LDPE)은 원료 습도나 나사 마모의 사소한 변동에도 예측할 수 없는 반응을 보입니다. 이전에는 결함이 있는 배치가 이미 창고에 있을 때 발생하는 문제에 대해 배웠습니다. 오늘날 데이터 분석 시스템을 사용하면 시트 두께 편차가 GOST 또는 ISO 허용 오차를 초과하기 45분 전에 예측할 수 있습니다. 여전히 디지털 대시보드가 ​​아닌 다이얼 게이지를 보고 생산 결정을 내리고 있다면 비즈니스에 큰 위험이 따릅니다.

데이터 수집 아키텍처: 센서부터 클라우드 스토리지까지

시스템 구현은 값비싼 소프트웨어를 구입하는 것이 아니라 기존 장비에 대한 감사로 시작됩니다. 일반적인 PE 시트 압출 라인에서 우리는 15~40개의 핵심 정보 수집 지점을 식별합니다. 단순히 테라바이트 규모의 로그를 수집하는 것은 쓸모가 없다는 점을 이해하는 것이 중요합니다. 알고리즘이 엔진 진동을 용융 점도 변화와 연관시킬 수 있도록 데이터를 구성해야 합니다. 실제로 가장 어려운 단계는 기존 Siemens 및 Schneider Electric 컨트롤러를 최신 IoT 게이트웨이와 통합하는 것이었습니다. 많은 엔지니어들은 전송 채널만 막히게 하는 작업장의 온도와 같은 사소한 매개변수를 포함하여 모든 것을 디지털화하려고 시도하는 실수를 범합니다.

우리가 실시간으로 모니터링하는 주요 매개변수에는 필터 스크린 앞의 용융 압력, 압출기 배럴 구역 전체의 온도 및 연신 속도가 포함됩니다. 원자재 데이터에 특히 주의를 기울입니다. 동일한 공급업체라도 많은 양의 과립이라도 용융 흐름 지수(MFI)가 다를 수 있습니다. 큰 가방을 교체할 때 시스템은 자동으로 온도 프로필을 조정해야 합니다. 우리는 서로 다른 장비 간의 데이터 교환을 통합하기 위해 OPC UA 프로토콜을 구현했습니다. 이를 통해 라인 전환 시 가동 중단 시간을 3시간에서 45분으로 줄일 수 있었습니다.

데이터 저장에는 안정적인 인프라가 필요합니다. 우리는 하이브리드 모델을 사용합니다. 프로세스 제어를 위한 중요한 데이터는 기계의 엣지 장치에서 바로 처리되고(대기 시간은 10ms 미만), 기록 아카이브는 심층 분석을 위해 안전한 클라우드로 이동됩니다. 데이터의 양이 기하급수적으로 증가하고 있다는 점을 기억하는 것이 중요합니다. 한 줄은 하루에 약 2GB의 정보를 생성합니다. 올바른 보관 및 압축 전략이 없으면 디스크 공간 문제가 발생하고 검색 속도가 느려집니다. 지난 3개월 동안의 세부 데이터를 저장한 다음 시간별 값으로 집계하는 것이 좋습니다.

데이터 아키텍처 구축 시 일반적인 실수

• 샘플링 속도를 무시합니다.분당 한 번씩 온도 판독값을 기록하는 것은 압출에 비해 너무 빈번하지 않습니다. 점도 변화 과정이 더 빠르게 발생합니다. 중요한 가열 영역의 경우 1~2초 이하의 간격을 권장합니다.
• 로그에 컨텍스트가 부족합니다.원자재 배치 번호나 작업자 변경을 참조하지 않은 데이터는 회고적 분석에 쓸모가 없습니다. 시스템은 생산 주문에 대한 메타 정보로 각 데이터 조각에 자동으로 태그를 지정해야 합니다.
• 작업장 네트워크 과부하.주파수 변환기가 작동 중인 금속 작업장에서 Wi-Fi를 통해 수십 개의 센서를 연결하면 패킷 손실이 발생합니다. 중요한 구성요소에는 유선 필드버스(Profinet, EtherCAT)를 사용하십시오.

정보 수집을 설정한 후 다음 단계는 잡음으로부터 신호를 제거하는 것입니다. 산업 환경은 전자기 간섭으로 가득 차 있습니다. 칼만 필터링 알고리즘은 실제 압력 스파이크를 무작위 이상값과 분리하는 데 도움이 됩니다. 이 단계를 건너뛰면 허위 경보 시스템이 15분마다 작동하고 운영자는 알림을 끄면 됩니다. 시스템에 대한 직원의 신뢰는 서버 성능만큼 중요한 자산입니다.

실행 중인 분석: 폐기물 감소 및 에너지 절약

빅데이터를 활용하는 주요 목표는 아름다운 그래프가 아니라 1㎡당 비용을 구체적으로 줄이는 것입니다. 화학 산업용으로 10mm 두께의 HDPE 시트를 생산하는 경우를 생각해 보겠습니다. 이전에는 두께 불량 비율이 4.2%였다. 스크류 속도와 헤드 압력 사이의 상관관계를 분석한 예측 모델을 구현한 후 1분기에 이 수치를 1.1%로 줄일 수 있었습니다. 한 라인에서만 연간 120톤 이상의 원자재를 절감했습니다. 이는 다음과 같은 사실의 직접적인 결과입니다.PE 시트 생산 최적화를 위한 빅데이터사람이 알아차릴 수 없는 숨겨진 의존성을 식별하는 것이 가능해졌습니다.

압출기의 에너지 소비는 원자재 다음으로 두 번째로 큰 비용 항목입니다. 전통적으로 작업자는 덜 녹는 것을 두려워하여 가열 영역의 온도를 예비로 유지합니다. 과거 데이터 분석에 따르면 60%의 경우 마지막 구역의 온도가 기술적 필요 없이 필요한 온도를 15~20°C 초과한 것으로 나타났습니다. 자동화된 동적 제어 시스템은 에너지 소비를 8.5% 감소시켰습니다. 10개 라인으로 구성된 공장의 경우 월별 절감액은 수십만 루블입니다. 알고리즘은 실린더의 열 관성을 고려하고 모드에 들어가기 전에 가열 요소의 전력을 미리 줄여 과열을 방지합니다.

모터의 진동과 전류를 분석하여 장비의 예측적 유지보수가 가능합니다. 우리는 패턴을 발견했습니다. 메인 드라이브 베어링이 고장나기 72시간 전에 진동 스펙트럼이 특정 방식으로 변경되었습니다. 이제 시스템은 이 서명이 감지되면 유지 관리 및 수리 부서에 대한 요청을 자동으로 생성합니다. 이를 통해 계획된 예방 수리에서 상태 기반 수리로 전환하는 것이 가능해졌습니다. 우리는 작년에 세 번의 주요 긴급 가동 중단을 피했습니다. 각각의 가동 중지 시간과 실린더 용융물 손상으로 인해 회사는 수백만 루블의 손실을 입을 수 있었습니다.

표에 있는 숫자는 즉각적인 기적이 아니라 특정 원자재에 대한 모델을 힘들게 조정한 결과라는 점을 이해하는 것이 중요합니다. LDPE에 작동하는 것이 LLDPE에서는 실패할 수 있습니다. 우리는 신경망을 훈련하기 위해 참조 데이터("최적 표준")를 수집하는 데 처음 2개월을 보냈습니다. 이 단계가 없으면 모든 시스템 권장 사항이 잘못됩니다. 첫 주에 즉각적인 ROI를 기대하지 마십시오. 알고리즘에 프로세스의 물리학을 이해하는 방법을 배울 시간을 주십시오.

품질 관리: 실험실 테스트부터 온라인 모니터링까지

완제품에 대한 실험실 관리에는 한 가지 치명적인 결함이 있습니다. 이는 사실 이후입니다. 인장 또는 충격 테스트 결과가 수신될 때쯤에는 해당 배치가 이미 생산된 것입니다. 빅데이터는 압출 공정 중 시트의 물리적 특성을 직접 예측할 수 있게 함으로써 이러한 패러다임을 변화시킵니다. 우리는 공정 매개변수(용융 온도, 교정기 냉각 속도, 결정화 속도)를 최종 기계적 특성과 연관시키는 회귀 모델을 개발했습니다. 탄성 계수 예측의 정확도는 94%에 달하므로 실험실을 기다리지 않고도 라인에서 의심스러운 롤 부분을 거부할 수 있습니다.

혼합물의 균질성을 모니터링하는 것은 특별한 역할을 합니다. 2차 원료(재과립)를 사용하는 경우 이질성 위험이 몇 배로 증가합니다. 라인에 통합된 컴퓨터 비전 시스템은 시트 표면에 미세 함유물과 젤이 있는지 분석합니다. 카메라의 데이터는 믹서의 작동 매개변수와 비교됩니다. 시스템에서 결함 수가 증가하면 입력 원자재의 품질 저하 또는 필터 메쉬 교체 필요성을 자동으로 알립니다. 이는 외관상 고객 요구 사항을 충족하지 못하는 제품의 출시를 방지합니다.

핵 후방 산란 또는 적외선 분광학의 원리를 기반으로 하는 차세대 두께 측정기는 시트 폭 전체에 걸쳐 실시간으로 완전한 두께 프로파일을 제공합니다. 이전에는 작업자가 3점 측정을 기반으로 다이 조 간격을 수동으로 조정했습니다. 이제 턱 서보는 0.5초마다 컨트롤러로부터 명령을 받아 프로파일을 이상적인 상태로 조정합니다. 이는 두께가 고르지 않아 완제품이 거부되는 열성형 시트를 사용하는 고객에게 매우 중요합니다. +/- 5%의 공차 충족은 예외가 아닌 표준이 됩니다.

그러나 이 방법에는 한계가 있습니다. 광학 센서는 먼지와 응결에 민감합니다. 실제로 당사에서는 카메라 렌즈에 묻은 오일 미스트 때문에 표면 결함에 대한 잘못된 데이터가 시스템에서 생성되는 경우가 있었습니다. 우리는 광학 장치를 자동으로 제거하고 보호하는 시스템을 개발해야 했습니다. 한 가지 유형의 센서 판독값에 맹목적으로 의존하지 마십시오. 신뢰성을 보장하려면 데이터 교차 검증(예: 두께 게이지 판독값과 선형 계량기 중량 비교)이 필요합니다.

ERP 통합 및 공급망 관리

생산 데이터는 프로세스 제어 시스템의 고립된 "섬"에 남아 있어서는 안 됩니다. ERP(전사적 자원 관리) 시스템과 통합되면 그 가치가 기하급수적으로 증가합니다. 실제 원자재 소비량과 주기 시간이 실시간으로 ERP에 입력되면 구매 부서는 과립 요구 사항에 대한 정확한 예측을 받습니다. 이를 통해 재고를 최적화하고 운전 자본을 줄일 수 있습니다. 이제 시스템은 표준 소비가 아닌 실제 소비를 고려하여 현재 주문을 완료하는 데 몇 킬로그램의 PE가 필요한지 정확히 알고 있으므로 원자재의 안전 재고를 20% 줄였습니다.

물류 및 배송의 경우 이는 투명성을 의미합니다. 고객은 자신의 주문 상태를 "생산 중"뿐만 아니라 준비 상태 비율 및 라인을 떠날 것으로 예상되는 시간에 대한 표시와 함께 볼 수 있습니다. 또한 모든 생산 매개변수(온도 차트, 원자재 데이터, 온라인 제어 결과)가 포함된 디지털 배치 여권이 자동으로 생성되어 배송 문서에 첨부됩니다. 이는 추적성이 중요한 석유 및 가스 또는 식품 산업의 까다로운 고객을 위한 강력한 판매 포인트입니다. 단순히 시트를 판매하는 것이 아니라 데이터를 바탕으로 품질을 보장합니다.

재무 부서도 데이터 정확성의 이점을 누리고 있습니다. 생산 단위당 비용은 월 평균 요율이 아니라 실제로 각 특정 배치에 대해 계산됩니다. 이는 특정 유형의 제품이나 특정 교대 근무 시 숨겨진 손실을 드러냅니다. 우리는 이전에 일반 통계에 의해 가려졌던 에너지 소비 증가로 인해 기존 3번 라인의 얇은 시트(2mm 미만) 생산이 수익성이 없다는 것을 발견했습니다. 이러한 통찰력을 통해 제품 매트릭스 업그레이드 또는 변경에 대해 정보에 입각한 결정을 내릴 수 있습니다.

이러한 심층적인 통합을 통해 데이터 보안이 가장 중요해집니다. 제조 데이터는 영업비밀입니다. 우리는 네트워크 분할과 엄격한 액세스 정책을 사용합니다. 운영자는 자신의 매개변수만 볼 수 있고, 기술자는 레시피 설정을 볼 수 있으며, 관리자는 재무 지표 요약을 볼 수 있습니다. 혼합 레시피나 압출 매개변수에 대한 데이터가 유출되면 경쟁업체에 이점을 줄 수 있습니다. 접근 권한에 대한 정기적인 감사와 데이터 전송 채널의 암호화는 선택 사항이 아닌 필수 요구 사항입니다.

디지털 시대, 믿을 수 있는 장비의 역할

디지털 트랜스포메이션은 생산 장비 자체의 물리적 신뢰성 없이는 불가능합니다. 가장 진보된 알고리즘이라도 기본 장비가 안정적인 프로세스를 제공하지 않거나 부식 및 마모되기 쉬운 경우에는 무력합니다. 등의 전문 제조업체가 있는 곳입니다.무석개성전력석유화공설비유한회사. 이 회사는 현대 자동화 라인의 기반이 되는 첨단 열 교환 및 석유화학 장비의 개발 및 생산을 전문으로 합니다.

폴리머 제조 및 관련 산업에서는 높은 압력과 온도의 열악한 환경에서 작동할 수 있는 부품이 매우 중요합니다. 티타늄 쉘 앤 튜브 열 교환기, 316 스테인레스 스틸 및 C46400 합금 골판지 튜브 번들, 공기 냉각기 및 폐열 보일러를 포함한 Wuxi Kaisheng의 제품은 바로 그러한 신뢰성을 제공합니다. PED 및 ASME 표준 인증은 장비가 엄격한 국제 안전 요구 사항을 충족함을 보장합니다. N06625 니켈 합금 또는 C70600 구리-니켈 합금과 같은 내식성이 높은 재료를 사용하면 데이터 스트림을 손상시키거나 원격 측정 수집을 중단시킬 수 있는 예기치 않은 종료의 위험을 최소화합니다.

고품질 하드웨어와 고급 데이터 수집 시스템의 통합은 시너지 효과를 창출합니다. Wuxi Kaisheng의 열교환기 및 보조 장비의 안정적인 작동은 공정 매개변수의 일관성을 보장하여 결과적으로 빅데이터 예측 모델의 정확성을 높입니다. 암실과 완전 자율 라인을 구축하려는 기업의 경우 검증된 장비 파트너를 선택하는 것이 전략적 결정이 됩니다. 신뢰할 수 있는 엔지니어링 기반과 지능형 분석의 결합을 통해서만 글로벌 시장에서 최대의 효율성과 경쟁력을 달성할 수 있습니다.

자주 묻는 질문

소규모 공장에 빅데이터 시스템을 구현하는 데 비용이 얼마나 드나요?

비용은 매우 다양하며 기존 장비의 자동화 정도에 따라 달라집니다. 기본 수준(컨트롤러, 클라우드 대시보드의 데이터 수집)의 경우 장비 및 구성을 포함하여 투자 범위는 15,000~30,000달러일 수 있습니다. 예측 분석과 ERP 통합을 갖춘 본격적인 시스템에는 $80,000의 예산이 필요합니다. 그러나 우리 부문의 투자 회수 기간(ROI)은 원자재 및 에너지 절약으로 인해 일반적으로 12~18개월을 초과하지 않습니다. 확장하기 전에 효과를 평가하기 위해 한 라인에서 파일럿 프로젝트로 시작할 수 있습니다.

빅데이터를 처리하려면 오래된 압출기를 교체해야 합니까?

아니요. 하드웨어 교체는 필수 사항이 아닙니다. 대부분의 최신 압출기(2005년 이후 제조)에는 표준 프로토콜(Modbus, OPC)을 통해 데이터를 출력할 수 있는 컨트롤러가 있습니다. 컨트롤러가 매우 오래된 경우 외부 센서와 IoT 게이트웨이로 개조할 수 있습니다. 가장 중요한 것은 측정된 매개변수가 있다는 것입니다. 종종 제어 시스템을 업그레이드하고 센서를 추가하면 새 라인을 구입하는 것보다 비용이 5~10배 저렴하면서도 품질 관리에 있어서는 비슷한 효과를 제공합니다.

사이버 공격으로부터 산업 데이터의 보안을 어떻게 보장할 수 있나요?

보안은 계층화된 방어 원칙을 기반으로 합니다. 첫째, ICS 네트워크는 기업 네트워크 및 인터넷(DMZ)으로부터 물리적 또는 논리적으로 격리되어야 합니다. 둘째, 모든 원격 연결은 이중 인증이 적용된 보안 VPN 채널을 통해 이루어져야 합니다. 셋째, 컨트롤러와 게이트웨이에 대한 정기적인 소프트웨어 업데이트입니다. 또한 제3자를 통해 매년 보안 감사를 실시하는 것이 좋습니다. 이러한 조치를 무시하면 2024년 업계에서 발생한 랜섬웨어 생산 중단이 발생할 수 있습니다.

인공지능이 기술자를 완전히 대체할 수 있을까?

아니요, 가까운 미래에는 그럴 가능성이 없습니다. AI는 데이터 세트를 처리하고 패턴을 찾는 데는 탁월하지만 엔지니어링 직관과 책임감이 부족합니다. 알고리즘은 최적의 모드를 제안할 수 있지만, 특히 비표준 상황(원자재 브랜드 변경, 장비 고장)에서는 최종 결정을 사람이 내려야 합니다. 기술자의 역할이 변화하고 있습니다. 정기적으로 판독하는 대신 그는 복잡한 시스템의 운영자이자 AI 권장 사항을 해석하는 분석가가 됩니다. 공정의 물리학에 대한 경험과 이해는 여전히 필수입니다.

구현의 장벽과 이를 극복하는 방법

분명한 이점에도 불구하고 많은 기업이 디지털화를 미루고 있습니다. 가장 큰 장벽은 가격이 아니라 직원들의 저항이다. 운영자와 현장 감독은 모니터링 시스템을 전체 통제 도구이자 역량에 대한 위협으로 인식하는 경우가 많습니다. "왜 센서가 필요한가요? 이미 차 소리가 들리는데?" - 전형적인 반응. 성공의 열쇠는 생산문화를 바꾸는 데 있다. 이 시스템은 처벌하기 위한 것이 아니라 도움을 주기 위해 만들어졌다는 점을 직원에게 설명할 필요가 있습니다. 시스템은 일상적인 작업을 완화하고 사고를 예방하며 작업을 보다 안전하게 만듭니다. 실제로 AI 추천 사용에 대한 보너스 시스템을 도입함으로써 3개월 만에 불신의 얼음을 깨는 데 도움이 되었습니다.

또 다른 문제는 자격을 갖춘 인력이 부족하다는 점이다. 폴리머 압출 기술과 데이터 과학의 기초를 모두 이해하는 전문가를 찾는 것은 매우 어렵습니다. 시장은 이러한 "하이브리드" 엔지니어에 대한 극심한 갈망을 경험하고 있습니다. 해결책은 내부 교육에서 볼 수 있습니다. 프로그래머에게 고분자 물리학을 설명하는 것보다 실무 기술자에게 데이터 작업의 기본을 가르치는 것이 훨씬 더 효과적입니다. 우리는 직원들이 분석 대시보드를 읽고 IT 부서의 작업을 구성하는 방법을 배울 수 있는 내부 교육 과정을 만들었습니다.

"더티 데이터" 문제도 여전히 관련성이 있습니다. 센서가 검증되지 않고 원자재에 대한 정보가 오류와 함께 수동으로 입력되면 가장 발전된 분석 모델이라도 쓰레기가 생성됩니다(GIGO 원칙 - 쓰레기 입력, 쓰레기 출력). 엄격한 데이터 입력 규율과 측정 장비의 정기적인 교정이 필요합니다. 입력 자동화(가방의 바코드 스캐너, 저울에서 직접 판독)는 인적 요소를 최소화합니다. 양질의 데이터 기반이 없으면 디지털 혁신의 체계가 무너질 것입니다.

PE 시트 생산의 미래: 자율 라인

2026~2028년의 지평선을 살펴보면 보조 시스템에서 완전 자율 라인으로의 전환이 보입니다. 압출을 위한 '소등 제조' 개념이 현실화되고 있습니다. 라인은 디지털 레시피를 로드하여 새로운 주문을 위해 독립적으로 재구성하고, 벙커의 최소 수준에 도달하면 공급업체로부터 원자재를 주문하고, 고장이 예상되면 고객 서비스에 전화할 수 있습니다. 그 사람은 감독자의 역할만 수행하며 예외적인 경우에만 프로세스에 개입합니다. 이를 위해서는 신뢰성과 사이버 보안에 대한 새로운 표준이 필요합니다.

디지털 트윈 기술의 개발을 통해 실제 생산을 중단하거나 값비싼 원자재에 손상을 줄 위험 없이 새로운 레시피와 운영 모드를 가상으로 테스트할 수 있습니다. 엔지니어는 라인의 디지털 복사본에서 새로운 등급의 복합재를 "실행"하고, 첫 번째 킬로그램을 실제 압출기에 로드하기 전에 위험을 평가하고 매개변수를 최적화할 수 있습니다. 이를 통해 신제품 출시 시간이 몇 주에서 며칠로 단축됩니다. 오늘 장비의 정확한 디지털 모델에 투자하는 것이 내일의 경쟁 우위가 될 것입니다.

환경적인 측면도 강화될 예정이다. 빅데이터를 사용하면 각 제품 배치의 탄소 배출량을 정확하게 계산할 수 있으며, 이는 EU로 수출하고 대규모 국제 기업과 협력하는 데 필수 요구 사항이 될 것입니다. 데이터 기반 가치 사슬 투명성은 글로벌 시장에서 신뢰의 통화가 될 것입니다. 자원 효율성과 낮은 폐기물 수준을 문서화할 수 있는 제조업체는 프리미엄 시장 부문에 접근할 수 있습니다.

결론: 행동할 시간

폴리에틸렌 시트 산업은 돌이킬 수 없는 변화의 문턱에 서 있습니다. 데이터의 언어를 마스터하고 그로부터 의미를 추출하는 방법을 배우는 사람은 저렴한 비용과 우수한 품질이라는 결정적인 이점을 얻게 될 것입니다. 다른 사람들은 가격과 유연성 측면에서 경쟁할 수 없는 레거시 자산이 남게 될 위험이 있습니다. 구현PE 시트 생산 최적화를 위한 빅데이터일회성 프로젝트가 아니라 지속적인 개선의 길입니다. 작게 시작하세요. 한 줄을 디지털화하고 숨겨진 문제 하나를 찾아서 해결하세요. 성공은 이전에 인간의 관심을 끌지 못했던 세부 사항에서 탄생합니다.

우리는 경험을 공유하고 생산 과정에서 효과적인 분석 시스템을 구축하도록 도울 준비가 되어 있습니다. 경쟁자가 귀하의 틈새 시장을 차지할 때까지 기다리지 마십시오.오늘 저희에게 연락하세요현재 인프라 감사에 대해 논의하고 디지털화 로드맵을 개발합니다. 데이터는 새로운 석유라는 점을 기억하십시오. 그러나 이를 처리하는 방법을 아는 경우에만 가능합니다.

압출 자동화 솔루션에 대한 자세한 내용을 보려면 다음 사이트를 방문하세요.폴리머 산업을 위한 산업용 솔루션. 여기에서 당사 장비의 자세한 사례와 기술 사양을 확인할 수 있습니다.