OT와 IT를 융합하여 생산 설비의 효율을 향상하다

Siemens

프로세스 데이터에 기반한 예측은 비용이 집약된 테스트 시설을 양적으로 구성하는 것보다 효율적으로 품질을 보장하는 방법이었다.
Amberg의 SIEMENS 공장에서는 연간 1,600만개의 SIMATIC(SIEMENS AUTOMATION 제품군)을 생산하고 있다. 이곳에서는 최근에 프로세스 데이터를 활용해서 X-ray 검사장비로 이어지는 병목 현상을 개선할 수 있었고, 약 50만 유로(6억 정도)의 투자 비용을 절감할 수 있었다.

생산기술의 적용 과정에서 센서, 제어기, 카메라, 컨택터 등의 입력기기를 통해 엄청난 양의 데이터가 생성된다. 그중 대부분은 PLC(Programmable Logic Controller)의 시퀀스 제어를 위해 쓰이지만, 실제로는 조건 명령어를 실행하는 용도보다 더 많은 잠재력이 숨어 있다.

SIMATIC 제품의 PCB(Printed Circuit Board)는 완벽한 품질을 위해서, 제조 중에 X-ray 검사기를 통해 납땜 품질 등의 요소를 확인하기 위한 절차를 거치게 된다. 그러나 X-ray 검사 프로세스는 다른 장비들의 생산 속도보다 긴 시간을 요구하기 때문에 전체 프로세스에 병목 현상을 만들어 낼 수 있다. Amberg 공장은 이러한 검사 장비로 인한 병목 현상을 없애고 생산성을 확보하기 위해, 생산과정의 불량을 예측할 수 있는 알고리즘을 개발하기로 했다.

그들이 착안한 점은 납땜 공정의 OT 환경에서 매우 큰 규모의 데이터 세트(data set)가 만들어지며, 이것을 분석을 위한 빅데이터로 활용하는 것이 도움될 것이라는 아이디어였다. 그리고 40가지의 데이터 세트가 이러한 품질 예측을 위해 정의됐다.

알고리즘, 인공지능이 되다.

첫 번째 단계는 데이터를 수집하고 인공지능을 학습시키는 것이다. Amberg 공장에서 데이터는 SIEMENS의 TIA 포트폴리오를 통해서 산업용 클라우드 시스템 마인드스피어로 수집된다. 그곳에서 인공지능 알고리즘은 로컬 PC보다 월등한 램과 CPU 파워를 활용해서 학습된다. 알고리즘이 학습되고 나서 엣지 애플리케이션으로 옮겨지고, PCB 공정에서 데이터 수집과 전처리 그리고 공정 품질 예측에 활용된다.

인공지능 알고리즘이 예측한다.

이 프로젝트의 마지막 단계는 Siemens의 산업용 엣지 관리 시스템(SIEMENS Industrial Edge System)에 업로드하는 것이다. 이 단계에서 인공지능 알고리즘은 엣지 애플리케이션 형태로 로컬 엣지 디바이스에 배치된다. 이로써 더는 마인드스피어 클라우드로 데이터를 올리지 않아도 생산 데이터를 분석할 수 있게끔 됐다. 민감하고 중요한 생산 데이터는 생산 라인 내부에 머물게 되었으며, 품질 예측 시스템은 실시간 레벨로 동작하게 됐다.

예측 시스템을 적용한 결과는 다음과 같다. X-ray 검사가 필요한지 아닌지에 대한 피드백을 PCB 보드에 적용하여 생산관리시스템(MES; SIMATIC IT)에 전달하면, 해당 PCB 보드를 X-ray 검사기에 투입할지 말지를 결정해서 병목 현상을 회피할 수 있게 됐다. 이러한 폐 루프 분석 방식을 이용해서 실시간으로 생산 데이터를 분석하고, 인공지능을 프로세스 최적화에 적용할 수 있었다.

자료 제공: Siemens(new.siemens.com)