산업용 사물인터넷 구현을 향상시키는 방법

산업용 사물인터넷(Industrial Internet of Things, IIoT)이 단순한 유행을 넘어 비즈니스의 우선순위로 자리를 잡아가면서, 어떻게 이것이 가치 있는 방식으로 활용될 수 있을지 궁금해하는 기업들이 늘어나고 있습니다. 기업들은 최신 기술이 어떻게 운영에서 IIoT를 최대한 활용할 수 있도록 지원하는지 알고 싶어합니다.

 IDC가 수행한 글로벌 IoT 의사결정 설문조사에 따르면, 오늘날 조직들의 IIoT 구현 프로젝트는 파일럿 또는 개념 증명(proof-of-concept) 수준에서 확장 가능한 IIoT 구현으로 진보하고 있는 것으로 나타났습니다. 설문 응답자의 약 3분의 1(31%)은 이미 IIoT 솔루션을 사용하고 있었으며, 43%는 향후 12개월 내에 솔루션을 구현할 계획이라고 대답했습니다.

이러한 맥락에서, IIoT 구현의 성공 확률을 향상시키는데 도움을 주는 몇 가지 핵심 전략을 소개합니다.

분석 속에 숨겨진 해답

산업 제조 시스템에 포함되는 IIoT 장치 수가 빠른 속도로 늘어나고 있습니다. 이러한 증가세와 맞물려, 산업체들이 비즈니스 성과를 내기 위해 관리 및 활용해야 하는 데이터 양 또한 엄청나게 증가하고 있습니다.

확장 가능하고 유연한 분석은 정보를 문맥화하여, 장치는 물론 공장과 기업 전체에 다양한 가치를 제공합니다.

데이터를 소스에서 실시간으로 분석하거나 장기적인 검토를 위해 클라우드에 저장하는 것이 가장 타당한 방식으로 알려져 있습니다. 가능하면 소스에서, 원시 데이터를 문맥화된 데이터로 처리하는 것이 모범 사례로 자리를 잡아 가고 있습니다.

예를 들어, 유지보수에 대한 로컬 분석은 장치 레벨 데이터를 사용하여 핵심 장치와 장비의 상태에 대한 실시간 경보를 생성할 수 있습니다. 이는 시간이 절대적으로 중요한 공정 가까이에서 보다 신속하게 의사결정을 내리고 필요한 조치를 취할 수 있도록 해줍니다.

컨트롤러나 공장 현장 서버 등의 엣지 장비에 구현된 장비 레벨 또는 공장 레벨의 분석 기능은 장비, 공정 및 공장을 최적화하는데 사용될 수 있습니다. 이러한 분석은 또한 예측적 유지보수 전략을 구현하는데도 사용될 수 있습니다.

엔터프라이즈 레벨 분석은 공장 현장의 정보를 비즈니스 인텔리전스와 통합합니다. 이는 여러 현장 전반에서 규제 준수 노력이나 운영 생산성을 향상시키는데 도움을 줍니다.

총체적이어야만 하는 보안

IDC 설문조사에서 응답자들이 꼽은 최고의 IIoT 도전과제는 보안(26%)이었습니다.

이는 놀라운 일이 아닙니다. 보안을 위해 설계되지 않은 구형 장비, 더 쉽게 액세스할 수 있지만 악의적인 또는 의도하지 않은 보안 위협에 노출될 수 있는 정보 등, 보안은 기업들에게 상당히 부담스러운 도전과제가 될 수 있습니다.

이러한 도전과제에 맞서려면, 산업 보안에 총체적인 접근방식을 취할 필요가 있습니다. 이를 통해 업계 최고의 모범 관행에 조직을 부합시킴으로써 지적 재산과 다른 자산들을 보호할 수 있습니다.

보안에 대한 총체적인 접근방식은 무료 보안 평가 툴을 사용해 보안 평가를 실시하여 위험 영역과 잠재적인 위협을 파악하는 데서부터 시작됩니다. 평가를 완료한 후에는 조직의 보안 상태가 어떤지 그리고 운영을 허용 가능한 위험 수준으로 끌어올리려면 어떤 완화 기법이 필요한지를 알아야 합니다.

이 시점에서 산업 보안 프로그램에 심층 방어(defense-in-depth, DiD) 보안 접근방식을 도입해야 합니다. DiD 보안은 단일 보호지점은 공격에 쉽게 무너질 수 있다는 기본 원칙을 따릅니다. 이 방식은 물리적, 전자적, 절차적 보호를 사용하여 기업 전반에 걸쳐 다수의 보호 계층을 생성합니다.

일례로, 장치 간 잠재적으로 악의적인 트래픽을 탐지 및 차단하고 이에 대응할 수 있도록 셀/영역 존 레벨에서 산업용 방화벽이 구현되어야 합니다. 그러나, 이는 다차원적인 보안 프로그램의 일부분일 뿐입니다. 오늘날의 기업들은 보안 IoT 시스템을 구현하는데 파트너와 업계 모범 사례들로 구성된 생태계인 참조 아키텍처를 사용합니다.

마지막으로 신뢰할 수 있는 공급업체와 협력해야 합니다. 공급업체가 어떤 보안 정책과 관행을 사용하는지 확인하고, 공급업체가 보안 목표 충족을 위한 자사의 역량에 해가 아니라 득이 될 수 있는지를 잘 살펴보아야 합니다.

 타이어 생산업체들에게 시장 전망은 아주 밝습니다. 그러나 전례 없는 도전과제에 직면하고 있기도 합니다.

 세계의 타이어 수요는 2019년까지 해마다 약 4%씩 성장할 것으로 예상됩니다. 동시에, 전세계적으로 경쟁이 더 치열해지고 있습니다. 그리고 내연기관 자동차, 하이브리드 및 순수 전기차 등 진화하는 자동차 산업 환경에 부응하기 위해 더 다양한 모델을 생산해야 하는 부담이 존재합니다.

타이어 생산업체들은 이러한 시장 환경에 어떻게 효과적으로 대처할 수 있을까요?

 로크웰 오토메이션의 전략 계정팀 리더인 도미니크 슈네이더(Dominque Scheider)는 “생산성과 민첩성을 향상시키기 위해, 선두 제조업체들은 공장 현장에 보다 스마트한 기술을 도입하고 있습니다. 그러나 제조 현장에는 여러 다른 디지털 자산들이 존재하기 때문에 많은 기업들은 정보가 활성화된 일관성 있는 생산 환경을 조성하는데 어려움을 겪고 있습니다.

 진정한 디지털 트랜스포메이션은 지능형 자산으로부터 관련 데이터를 수집하는데서 끝나지 않습니다. 수집된 데이터를 조직의 모든 레벨에서 직원들이 보다 스마트하게 업무를 수행하고 생산성을 향상시킬 수 있도록 지원해주는 정보로 전환할 필요가 있습니다.

기존의 클라우드 기반 플랫폼 그 이상으로의 확장

 최근 공장 현장에는 스마트 자산들이 부쩍 늘었습니다. 더불어, 데이터를 유용한 인텔리전스로 전환하도록 설계된 클라우드 기반 분석 플랫폼들도 늘어났습니다.

 기존 클라우드 기반 플랫폼들은 다수의 소스에서 생성되는 데이터를 종합할 수 있습니다. 그러나 그러한 데이터로부터 제조 및 비즈니스 통찰을 확보하려면 시간이 많이 걸리며, 데이터 아키텍트, 비즈니스 인텔리전스 엔지니어는 물론 내부적인 데이터 관리 전문지식이 필요할 수 있습니다.

 게다가, 모든 애플리케이션에서 데이터를 클라우드로 전송했다가 다시 불러온다는 것은 실용적이지 않습니다. 기존의 클라우드 기반 접근방식은 공장 프로세스에 즉각적으로 영향을 주거나 직원들이 일상적인 업무를 수행하는데 아무 지장이 없을 정도로 신속하게 문맥화된 정보를 제공할 수가 없습니다.

분산된 인텔리전스에 대한 비용 효율적이고 실질적인 접근방법

 확장 가능한 분석 플랫폼은 실행 가능한 인텔리전스를 엣지, 온프레미스, 클라우드 등 조직의 모든 레벨로 배포하는데 비용 효율적이고 실질적인 방법이 될 수 있습니다.

 이러한 접근방식은 타이어 제조의 많은 영역에 즉각적인 영향을 줄 수 있습니다. 또한, 혼합, 가류와 같은 복잡한 애플리케이션에서 그 중요성이 커지고 있습니다. 머신 러닝은 제품 품질, 제조 민첩성 및 에너지 효율성에 큰 영향을 줄 수 있습니다.

 그러나 이는 솔루션의 일부일 뿐입니다. 확장 가능한 플랫폼은 엣지 그 이상으로 확장되어 다수의 소스에서 생성된 데이터를 자동 조율하는 엔진과 툴을 지원하며, 사용자들이 공통점을 발견하고 운영 및 비즈니스 통찰을 보다 신속하게 확보할 수 있도록 해줍니다.

 결론은? 확장 가능한 접근방식은 타이어 생산업체들이 현장의 엔지니어링 및 유지보수에서 기업의 최고 레벨까지, 그리고 장치에서 클라우드까지, 조직의 모든 레벨이 제조 공정의 최적화에 보다 깊이 있게 참여할 수 있도록 해줍니다. 

 확장 가능한 분석과 타이어 생산업체용 솔루션에 대해 보다 자세히 알아보십시오