데이터 문제를 해결하는 IIoT 시스템 구현의 효과적 방법

<그림1> 대량의 데이터는 수동 분석하기에는 너무 복잡하다.

산업 자동화의 세계는 데이터 교환이라는 새로운 자동화 트렌드의 시작점에 서 있다. ‘디지털 트랜스포메이션’, ‘산업용 IoT’, ‘스 마트 팩토리’로도 불리는 인더스트리 4.0은 생산 시설이 자율적 으로 정보를 교환하는 기능을 포괄한다. 데이터의 자동 교환과 분석은 제조업체가 운영을 개선하고 새로운 가치를 창출하며 시의 적절한 문제를 해결할 수 있는 무한한 기회를 제공한다.

제조업체는 머신러닝 알고리즘을 활용하여 장비 고장을 예측하고 생산성을 향상시킬 수 있다. 기계를 원격으로 모니터링하여 리소스를 더 효율적으로 활용할 수 있다. 이러한 정보를 생산 현장 외부에서 공유하여 공급망 활동의 조정을 개선하고 디지털 트윈을 설계하여 기계 효율성과 변경의 영향을 더 잘 분석할 수 있다.

최근 몇 년 동안 몇몇 자동화 지원 기업들은 공장에 IIoT 솔루 션을 구현하는 생산 시설을 지원하는데 더 집중하는 방향으로 전략을 변경했다. 이러한 기업 중 한 곳에서 발표한 사례 연구에 따르면, 생산 시설에 IIoT 솔루션을 구현한 결과 3년 동안 기계 가동 중단 시간이 매년 5%씩 감소했다. 따라서 총 15%의 다운타임이 감소한 것으로 집계됐다.

예측 유지보수의 목적은 물리적 자산과 제조 프로세스의 작동 상태의 정확성을 파악하는 것이다. 일반적으로 기계 결함 감지는 숙련된 엔지니어의 손에 달려 있다. 경험을 통해 생산 시스템의 중단 상황을 방지하기 위해 적절한 조치를 취할 수 있다. 그러나 생산 시스템의 구조와 동작이 점점 더 복잡해지면서 기계 데이터의 양이 클립보드와 엑셀 시트의 양을 넘어서고 있다. 따라서 엔지니어가 기계 고장에 적시에 정확하게 대응하지 못할 가능성이 크게 높아졌다.

이러한 이유로 제조 기업들은 빅데이터를 효율적으로 관리하고 예후 예측 작업을 지능적으로 수행할 수 있는 솔루션을 찾고 있다. 그러나 이러한 고급 기술을 배포하는 데는 다른 문제도 수반된다. 일반적으로 논의되는 주요 이슈는 복잡한 예측 모델의 정의와 데이터 보안이다. 이 기사에서는 데이터 수집, 전송 및 변환과 관련된 다양한 과제와 Carlo Gavazzi(카를로 가바찌)의 NRG 디지털 솔리드 스테이트 릴레이(disital solid state relays)와 같은 지능형 IIoT 장치를 도입하여 이러한 문제를 완화할 수 있는 방법을 소개한다.

<그림2> 산업용 디바이스에서 데이터 수집

데이터 수집
 

더 나은 의사 결정은 데이터 수집에서 시작된다. IIoT 프로젝트를 시작할 때 가장 먼저 떠오르는 질문은 “어떤 데이터를 수집해야 할까?”이다. 이 질문에 대한 명확한 답은 없지만, 가능한 한 많은 프로세스 변수, 상태 및 결함을 캡처하는 것이 좋은 출발점이다. 제조업체는 다양한 IoT 디바이스로부터 원시 데이터의 이력을 보관해야 한다. 빅데이터 분석을 위한 충분한 데이터를 수집하고 머신러닝 모델을 통해 특정 프로세스를 상세하게 표현하려면 매우 빠른 샘플링 속도로 데이터를 전송해야 한다. 자동화 산업에서 데이터를 생성하는 세 가지 주요 요소는 센서, 액추에이터, PLC이다.

• 센서: 센서는 신호에서 물리적 상태 또는 동작을 변경하는 장치 이다. 신호는 추가 조치를 위해 PLC로 전송된다. 센서는 제조 과정에서 엄청난 양의 데이터를 생성한다. 센서의 데이터는 분석및 데이터 기반 모델링에 유용하다. 다양한 센서를 구현하는 것은 PLC에서 데이터를 처리하는데 필요한 광범위한 배선과 입력 카드 수로 인해 비용이 많이 들고 까다로운 프로세스이다.

• 액추에이터: 액추에이터는 PLC로부터 신호를 수신하여 물리적 동작으로 변환한다. 액추에이터는 예측 모델링을 위한 방대한 양의 귀중한 데이터를 제공할 수 있다. 문제는 이러한 정보를 추출할 수 있는 액추에이터를 찾는 것이다.

• PLC: PLC는 입력된 센서 데이터를 처리하고 액추에이터를 제어 하는 기계의 메인 컨트롤러이다. PLC는 자동화 알고리즘이 저장 되고 센서의 입력에 따라 결정을 내리는 프로그래밍 가능한 장치이다. PLC는 기계 모델링에 필수적인 제어 알고리즘 파라미터에 관한 중요한 정보를 생성한다.

데이터 전송
 

통신은 모든 IIoT 애플리케이션의 중추이다. 센서와 디바이스에서 생성된 데이터는 스토리지 및 분석 시스템으로 전송되어 플랜 트의 정보를 시각화하고 최적화하는데 도움이 되어야 한다. IIoT 의 가장 큰 과제 중 하나는 동일한 환경 내에서 수많은 통신 인터 페이스를 지원해야 하는 상호 운용성이다.

<그림3> 산업 자동화의 상호 운용성

적절한 네트워킹 솔루션은 적절한 데이터 수집과 분석을 위해 매우 중요하다. 엄청난 양의 데이터로 인해 다음과 같은 산업용 데이터 전송에 대한 새로운 요구 사항이 생겼다.

• 실시간: 느린 데이터 전송 속도는 문제에 대한 적시 대응에 영향을 미칠 수 있으므로 지연 시간이 짧은 데이터 전송이 필요하다.
• 데이터 배포: 서로 다른 데이터를 서로 다른 소스로 전송해야 한다.
• 서비스 품질: 전송 메커니즘은 특정 수준의 성능을 보장하기 위해 애플리케이션, 사용자 또는 데이터 흐름에 따라 서로 다른 우선순위를 제공할 수 있어야 한다.

필드 레벨 프로토콜은 산업 자동화에 따른 요구 사항을 충족하기 위해 발전해 왔다. 역사적으로 산업용 통신은 직렬 인터페이 스를 기반으로 개발되어 왔으며, 그 중 대부분은 오늘날에도 여전히 레거시 시스템에서 볼 수 있는 Modbus RTU, CAN BUS 및 PROFIBUS와 같은 인터페이스이다. 대용량 데이터와 빠른 통신 속도로 인한 새로운 요구 사항을 충족하기 위해 공장에서는 이제 현장 수준의 데이터 전송을 위해 산업용 이더넷 프로토콜에 의존하고 있다. 이더넷 기반 프로토콜은 필드버스 통신에 비해 다음과 같은 상당한 이점을 제공한다.

• 확장성: 다양한 노드 수를 갖춘 유연한 네트워크 토폴로지를 통한 확장성

• 엔지니어링 효율성 극대화: 낮은 시스템 통합 비용으로 엔지니어링 효율성 극대화

• 시운전 시간 최소화: 시스템에서 간편한 디바이스 구성을 통해 시운전 시간 최소화

시중에는 다양한 산업용 이더넷 프로토콜이 존재하며, 이는 서로 다른 IoT 디바이스 간의 상호 운용성 문제를 야기한다. 향후 하나의 일반 프로토콜로 통합될 수 있을까? 서로 다른 프로토콜이 서로 다른 사용 사례를 다루기 때문에 그럴 가능성은 거의 없다.

<그림4> 다양한 이더넷 프로토콜로 제공되는 IIoT 디바이스

HMS 연구에 따르면 산업 자동화 분야에서 가장 큰 시장 점유율을 차지하고 있는 4가지 프로토콜은 PROFINET, EtherNet/IP, EtherCAT 및 Modbus TCP이다. 모두 최대 100Mbps의 데이터 전송 속도를 제공한다.

PROFINET: PROFINET은 제조업체 독립적인 개방형 프로토콜로, Siemens를 비롯한 주요 산업 장비 제조업체에서 널리 지원하고 있다. 이 표준은 PI에서 유지 관리 및 지원한다. PROFINET은 다양한 통신 채널을 사용하여 PLC와 데이터를 교환한다. 표준 TCP/IP 채널은 매개 변수화, 구성 및 비주기적 읽기/쓰기 작업에 사용된다. 실시간 채널은 표준 주기적 데이터 전송 및 알람에 사용된다. PROFINET은 광범위한 진단 시스템을 통해 빠른 문제 해결 기능을 제공한다.

EtherNet/IP: EtherNet/IP는 원래 로크웰에서 개발한 산업용 이더넷 프로토 콜이다. TCP/IP를 기반으로 하는 애플리케이션 레이어 프로토 콜이다. EtherNet/IP는 표준 이더넷 물리, 데이터 링크, 네트워크 및 전송 레이어를 사용하며, TCP/IP를 통해 CIP(Common Industrial Protocol)를 사용한다. EtherNet/IP는 TCP 연결을 통한 CIP 연결을 통해 한 애플리케이션 노드에서 다른 애플리케이션 노드로 통신을 설정하며, 하나의 TCP 연결을 통해 여러 개의 CIP 연결을 설정할 수 있다. EtherNet/IP는 노드 수에 제한이 없으므로 생산 현장의 여러 엔드포인트를 하나의 네트워크에 연결할 수 있다.
EtherCAT 프로토콜은 처음에 Beckhoff에 의해 개발되었으 며, 현재 이 표준은 EtherCAT 기술 그룹(ETG)으로 넘어갔다. EtherCAT은 ‘즉시 처리’로 알려진 기능을 활용하는 매우 유연한 이더넷 네트워크이다. EtherCAT 메시지는 해당 노드에서 처리되기 전에 링의 다음 노드로 전달되어 네트워크에 매우 빠른 속도를 제공한다. 실시간 결과에 따르면 EtherCAT은 현존하는 산업용 실시간 이더넷 시스템 중 가장 결정론적인 응답을 제공하는 것으로 나타났다.

Modbus TCP: 모드버스(Modbus) TCP는 공급업체 중립적인 통신 프로토콜인 모드버스 제품군의 변형으로, 이더넷과 TCP/IP를 사용하여 호환 되는 장치 간에 모드버스 메시지를 전송한다. 모드버스 TCP는 프로세스 데이터 교환을 위한 개방적이고 액세스 가능한 네트워크를 제공한다. TCP/IP 소켓을 지원하는 모든 장치에 간단하게 구현할 수 있다. 개방성, 단순성, 저비용 개발 및 이를 지원하는데 필요한 최소한의 하드웨어로 인해 모드버스 TCP가 인기를 얻고 있다. 모드버스 TCP는 인증이 필요하지 않으므로 애플리케이션에서 상호 운용성 문제가 발생할 수 있다.

<그림5> IIoT backbone

물리적 세계(디바이스)와 클라우드 사이의 주변을 의미하는 엣지 레벨에는 IoT 게이트웨이가 있다. IoT 디바이스는 디바이스, 목적, 환경에 따라 앞서 언급한 다양한 통신 프로토콜을 사용한 다. IoT 게이트웨이는 이러한 디바이스와 상위 시스템(클라우드 인프라) 간의 연결 및 통신을 가능하게 한다. 공장에 수백 개의 IoT 디바이스가 있는 경우, 모든 디바이스가한 번에 동일한 리소스와 통신하는 것은 효율적이지 않다. IoT 게이트웨이는 분산된 방식으로 데이터를 수집, 처리 및 저장하여 지연 시간을 줄이고 대역폭 및 전력 사용량과 같은 네트워크 리소스를 절약할 수 있다. 또한 엣지 컴퓨팅으로 알려진 필터링, 데이터 조작, 데이터 처리 등의 고급 기능을 수행할 수 있다. 따라서 전송, 프로세스 및스토리지 요구 사항이 줄어든다.

<그림6> 데이터 기반 모델링에 사용하려면 데이터를 마이닝해야 한다.

데이터 변환
 

저장된 데이터는 공장 효율성 향상 및 예측 유지보수에 사용하기 위해 데이터를 마이닝하지 않는 한 제조 공장에 아무런 소용이 없다. 제조 산업은 엄청난 양의 데이터를 생산한다. 대부분의 기업은 시시각각 더 커지는 지저분한 데이터의 바다에 휩싸여 있다. 수집된 데이터는 대부분 비정형 데이터이므로 예측 분석 및 모델링에 활용하기 전에 매핑, 정리 및 통합해야 한다. 데이터 정리는 불완 전하거나 부정확한 데이터를 식별한 다음, 데이터 품질을 개선하기 위해 이러한 데이터를 수정하거나 삭제하는 프로세스이다.

데이터 품질은 정보 품질을 결정하며, 이는 결국 의사 결정 과정에 영향을 미친다. 따라서 정확하고 효과적인 의사결정을 위해 서는 데이터 품질을 개선하기 위한 효율적인 빅데이터 정리 방법을 개발하는 것이 중요하다. 데이터 매핑과 정리 작업은 너무 큰 작업이 되어 분석을 위한 소중한 시간을 거의 확보할 수 없게 됐다. 실시간 애플리케이션의 경우, 데이터 통합에 시간이 소요되면 실시간 문제를 적시에 해결 하지 못할 수 있다. 의사 결정은 올바른 프로세스에 해당한다.

• 데이터 통합: 여러 센서가 서로 다른 방식으로 유사한 데이터 포인 트를 정의할 수 있다. 이질적인 데이터를 매핑하여 두 소스 간의 차이를 연결해야 한 소스에서 데이터를 수집할 때 정확하고 사용 가능한 데이터를 얻을 수 있다. 또한 여러 소스는 데이터를 표현하기 위해 여러 형식과 언어를 사용한다. IIoT에 필요한 방대한 양의 데이터로 인해 매핑 프로세스는 점점 더 어려워지고 있다.

• 시공간적 의존성: 모든 데이터 수집 장치는 특정 지리적 위치에 배치되며 모든 데이터에는 타임스탬프가 있다. 더 나은 예측 데이터 모델링을 위해 다양한 프로세스 변수 간의 시공간적 상관 관계를 분석할 수 있도록 이러한 종속성을 식별해야 한다.

• 노이즈 감소: 산업 환경에서 얻은 데이터는 주로 데이터 수집 과정 중 간섭이나 센서의 고장으로 인해 오류가 발생하고 노이즈가 발생하는 경우가 많다. 정확한 데이터 분석을 위해서는 노이 즈를 걸러내야 한다.

데이터가 통합되면 데이터 과학자는 기계 성능을 개선하고 다운타임을 줄이기 위한 예측 모델을 제공할 수 있다. 이러한 모델을 디지털 트윈으로 사용하여 공장 현장에 대한 변경의 영향을 예측하고 기계 구성 요소 고장을 예측하여 기계 가동 중단 시간을 줄일 수 있다.

<그림7> 성능 분석을 위한 예측 모델링 및 디지털 트윈 설계를 위한 데이터 활용

자동화된 가열 공정의 예측 모델링
 

플라스틱 가공, 포장 기계, 반도체 제조, 유리 강화 및 건조 공정과 같은 일부 산업 자동화 애플리케이션에서 기계의 중요한 부분은 자동화된 가열 공정이다. 이러한 제조 공장은 1년 365일 24시간 가동될 수 있다. 장비가 고장 나면 가동 중단으로 인한 생산량 감소, 원자재 낭비, 최종 제품 품질 저하로 이어진다. 

역사적으로 이러한 산업에서는 일반적으로 시스템에서 전류가 감지되지 않으면 가열 공정에 결함이 있음을 나타내는 변류기 (CT)를 사용하여 가열 공정을 모니터링해 왔다. CT를 사용하는 것은 문제 해결 프로세스에 도움이 되기는 하지만 사후 대응적인 유지보수 형태이기 때문에 여전히 많은 비용이 드는 가동 중단 시간을 의미한다. 지난 몇 년 동안 기계 제조업체들은 데이터 기반 의사 결정을 통해 고객에게 부가가치를 제공하기 위해 기계에 예측 모델링과 IoT 시스템을 통합하는 방법을 모색해 왔다.

데이터 기반 접근 방식을 사용하는 예측 유지보수 솔루션은 머신 러닝 알고리즘을 사용하여 수많은 다양한 센서에서 다양한 파라미터의 복잡한 패턴을 인식하고 이러한 패턴을 기반으로 장비의 현재 상태를 평가한다.

<그림8> 다양한 머신 파라미터의 시각화

이러한 솔루션을 구현하려면 데이터 기반 모델링에 필요한 프로세스 변수를 빠른 속도로 제공할 수 있는 IoT 디바이스가 필요 하다. 다양한 프로세스 변수를 모니터링하기 위해 다양한 센서를 구현하는 것은 귀중한 패널 공간, 배선 시간, 다양한 데이터 형식의 데이터 조작 프로세스를 고려할 때 비용이 많이 드는 접근 방식이다. 또한 다양한 센서 간에 공통된 통신 프로토콜을 찾는 것도 쉽지 않다. 따라서 제조업체는 상호 운용성 문제도 해결해야 한다. 이 질문에 대한 답은 바로 Carlo Gavazzi의 디지털 솔리드 스테이트 릴레이 NRG 시스템이다.

솔리드 스테이트 릴레이 NRG 시스템
 

Carlo Gavazzi(카를로 가바찌)는 현재 자동화 업계에서 일어나고 있는 디지털 전환을 위한 솔리드 스테이트 릴레이 솔루션으로 NRG를소개했다. NRG는 스위칭 기능에 여러 파라미터의 감지 및모니터링 기능과 고장 식별 기능을 통합한 IoT 장치 시스템이다. NRG에는 데이터 전송과 각 솔리드 스테이트 릴레이의 출력 제어에 모두 사용할 수 있는 통신 인터페이스도 포함되어 있다. 

<그림9> NRG 컨트롤러와 NRG 솔리드 스테이트 릴레이를 포함한 NRG 시스템

• NRG 컨트롤러: 상위 레벨 컨트롤러와의 통신 인터페이스

• NRG 솔리드 스테이트 릴레이: 부하를 제어하고 데이터를 제공하며 오류를 식별한다. 최대 32개의 NRG 솔리드 스테이트 릴레이를 1개의 NRG 컨트롤 러와 연결할 수 있다.

• NRG 내부 버스 케이블: 버스 체인의 솔리드 스테이트 릴레이를 데이지 체인으로 연결한다.

확장 가능한 솔루션을 위해 모든 토폴로지에서 여러 버스 체인을 구성할 수 있다. NRG 버스 체인의각 솔리드 스테이트 릴레이는 전류, 전압, 주파수, 전력, 에너지 및 작동 시간을 포함한 다양한 파라미터를 제공할 수 있다. 프로세스 파라미터는 모두 통신 프로토콜을 통해 주기적으로 사용할 수 있으므로 최대 125Hz의 빠른 속도로 데이터를 수집할 수 있다.

필드 레벨 센서 및 액추에이터인 각 NRG 솔리드 스테이트 릴레이는 가열 공정에서 공정 파라미터를 수집하여 상위 레벨 컨트 롤러(PLC)에 정보를 전달한다. 작동 신호는 동일한 통신 플랫폼을 통해 각 솔리드 스테이트 릴레이로 전달된다. 그런 다음 PLC는 데이터를 모델링 및 분석에 활용할 수 있도록 기계의 상위 통신 백본에서 데이터를 추진하는 데 사용된다.

<그림10> 산업용 기계에 NRG 시스템 통합하기

NRG가 데이터 문제를 해결하는 5가지 방법
 

IIoT 시스템에서 사용하도록 특별히 설계된 NRG는 기계에서 IIoT 시스템을 구현하는 것과 관련된 몇 가지 문제를 완화한다.

1. 감지 및 액추에이터 기능을 하나의 디바이스에 통합한 올인원 솔루션으로, 감지 데이터와 액추에이터 간의 데이터 인덱싱이 용이하여 실시간 프로세스 개입을 지원한다.

2. 하나의 장치에서 다양한 가열 공정 변수를 사용할 수 있으므로 데이터 이질성을 최소화하고 데이터 통합 시 최소한의 계산 비용 으로 매개 변수 간의 복잡한 시공간적 종속성을 분석할 수 있다.

3. 다양한 이더넷 프로토콜로 제공되는 NRG는 상호 운용성 문제를 일으키지 않고 모든 IIoT 시스템에 원활하게 통합할 수 있다. Modbus RTU 가 포함된 버전은 모니터링 기능이 추가된 레거시 시스템을 업그레이드하는 데 사용할 수 있다.

4. 주기적으로 빠른 속도로 프로세스 변수를 사용할 수 있으므로 가열 프로세스와 관련된 과거 데이터를 더 빠르게 수집하여 더나은 예측 모델링을 수행할 수 있다.

5. 통신 인터페이스를 통해 감지 및 작동을 포함한 모든 기능을 사용할 수 있으며, 각 NRG 솔리드 스테이트 릴레이에 원격으로 액세스하여 응답 시간을 단축하고 리소스를 더 효율적으로 사용할 수 있다.

자료제공: Carlo Gavazzi(www.gavazziautomation.com)