스마트한 데이터 사용으로 심도 있는 분석과 신속한 인사이트 제공
디지털 트랜스포메이션. 스마트 매뉴팩처링. 산업용 사물인터넷(IoT). 커넥티드 엔터프라이즈. 4차 산업혁명.
무엇이라고 하든 데이터가 그것을 주도합니다. 디지털화는 식음료 생산 업체의 성공을 위한 기본 요소입니다. 처음부터 일을 제대로 한다면 수백만 달러의 운영 비용 절감 효과를 얻을 수 있으며, 그렇지 않다면, 비효율성 및 시간 낭비로 인해 동일한 금액이 손실되는 큰 차이가 발생할 수 있습니다.
1990년대 후반에 "빅 데이터"라는 용어가 등장했습니다. 그 이후로 우리는 더 많은 데이터를 수집했고, 데이터를 가공해서 의미 있는 결과를 추출하도록 과학자들을 훈련시켰으며, 사업적 가치를 창출하는 힘든 작업을 자동화하려고 노력했습니다.
빅 데이터는 일부 분석 및 소비재 분야에 적합하지만 생산 현장의 산업 애플리케이션에는 적합하지 않습니다. 대신 생산자는 에너지 소비량, OEE, 배치(batch) 효율성 및 품질과 같이 KPI에 대해 실행 가능한 정보를 얻기 위해 구조화된 데이터를 요구하고 있습니다.
그렇다면 가치와 생산성을 실현하기 위해 매우 중요한 생산 현장 데이터를 어떻게 변환하고 적용할까요? 처음부터 데이터에 대한 스마트한 접근 방식을 취하는 도구를 활용함으로써 데이터를 구성하고 맥락화해서 빠른 통찰력으로 이어지는 간소화된 데이터 흐름을 만드십시오.
스마트 객체는 데이터를 컨트롤러에서 간편하게 수집하고 IoT 시스템으로 전송해서 사용할 수 있도록 구성하는 간소화된 새로운 방법으로 부상했습니다. 표준화된 프레임워크는 개발자를 위해 사전 설정된 상황에 데이터 세트를 완전히 노출시킴으로써 프로그래밍 시간을 크게 단축합니다.
스마트 데이터 애니메이션: 태그 기반 아키텍처의 상이한 데이터가 개체 기반 에코시스템과 어떻게 단순화되고 컨텍스트가 되는지 알아보십시오.
즉, IoT와 자동화 시스템은 서로 다른 규칙을 가지고 있으며 스마트 객체는 이들이 서로 대화할 수 있는 공용어를 만듭니다. 그 중심에서 스마트 객체는 데이터에 자동 검색, 표준화, 동기화 및 무결성을 제공합니다.
기존 환경에서 자동화 시스템은 게이트웨이를 통해 IoT 플랫폼과 인터페이스합니다. 일반적으로 이러한 게이트웨이는 데이터를 준비하기 위한 구성과 작업을 필요로 합니다. 그리고 일반적으로 이 시점에 맥락화 상황이 중요하게 되는데, 특히 이종 시스템이 관련된 경우가 해당됩니다. IoT 시스템은 자동화 구조를 "인식"하지 않기 때문에 모든 애플리케이션에 대해 새로운 모델을 구축해야 할 수 있으며, IoT 시스템이 자동화 컨트롤러에 대량의 데이터를 전송하기 때문에 추가적인 비효율성이 발생합니다. 예를 들어, IoT 시스템은 X 작업이 곧 발생할 것이고, X 작업이 진행 중이며, X 작업이 완료되었다는 것과 같은 정보의 조각만 받게 됩니다. 그 다음에, 세 가지 데이터 포인트를 조작해서 하나의 연관된 연속 작업으로 연결해야 합니다.
스마트 객체로 구축된 시스템에서 데이터는 프로그래머가 거의 또는 전혀 개입하지 않고도 IoT 시스템 및 애플리케이션에 의해 자동으로 구성, 모델링 및 소비될 수 있습니다. 이제 PLC 태그는 속도, 상태 등에 대한 일관된 정의를 가질 수 있으며 라인 번호, 장비 이름 및 위치와 같은 상황과 함께 정보 데이터베이스로 전달됩니다. 궁극적으로 이러한 요소는 향상된 통찰력, 개선된 분석, 프로세스 및 잠재적 위험에 대한 심층적인 이해를 제공하는 IoT 솔루션의 개발에 중요합니다. 상기의 사례에서 X 작업에 대한 3개의 데이터 포인트는 더 큰 맥락에서 하나의 연속된 작업으로 자동 인식됩니다.
그렇다면 이 모든 것이 왜 중요할까요? IoT 세계에서 근무하는 개발자에게 물어보십시오. 미묘하고 일관성 없는 데이터에는 좌절감, 문제 해결 및 생산성 손실 등을 초래하는 함정이 숨어 있습니다. Forbes.com에 따르면 인사이트를 발견하기 위해 시간을 보내기 보다는 데이터를 준비하기 위해 80%의 시간을 보낸다고 합니다.
식음료 공장 애니메이션: Smart Objects를 통해 ThingWorx 또는 기타 IIoT 플랫폼에서 시간 스탬프 데이터를 보다 쉽게 액세스하고 해석할 수 있는 방법을 확인하십시오.
5대의 기계가 가동 중인 간단한 음료 생산 라인을 생각해 보십시오("음료 공장" 애니메이션 참조). 관련 데이터가 1 백만 개 이상일 수 있습니다. 대부분의 회사는 이러한 모든 정보를 관리할 수 있는 자원을 거의 보유하고 있지 않으며 여기에 시간을 보낼 수도 없습니다. 스마트 객체는 데이터 준비를 간소화합니다. 즉, 하나의 모델이 다수의 애플리케이션에 데이터를 공급됩니다. 한 고객은 개발자가 1개월 이상 걸릴 작업을 스마트 객체가 단 6시간만에 해결한 것으로 추정했습니다. 이것은 96% 개선입니다.
또한, 이러한 직접적인 방식을 통해 데이터 무결성과 시결정성이 개선되는 결과를 얻었습니다. 다양한 단계에서 동일한 제품을 전례 없는 정확성과 무결성과 비교해 보면 큰 차이를 발견할 수 있습니다. 또한, OEE, 에너지 또는 질량 흐름과 같은 데이터에 속성을 할당하는 기능을 통해 자동으로 집계되고 분류되는 정보를 얻을 수 있습니다. 여기서부터 인간과 기계의 의사 결정 및 최적화 모두에 대해 의미 있는 방식으로 데이터가 보고됩니다.
결국 스마트 객체는 데이터를 변경하지 않습니다. 그러나 이를 캡처, 보기 및 표시하는 방법과 시간이 지남에 따라 결과적으로 운영을 최적화하는 방법을 크게 간소화합니다. 스마트 객체가 귀하의 정보 전략에 어떻게 부합될 수 있는지 알아보십시오.
Published 2020년 10월 14일 (수)
추천
