Automation Today Issue 84 | Feature Story

데이터 활용이 가능한 스마트 머신으로 숨겨진 가치 실현

A female operator wearing safety glasses looking at a OptixPanel display in front of an assembly machine.

모든 제조기업들은 그 어느 때보다 효율적이고 역동적으로 변화를 수용해야 하는 문제를 안고 있습니다. 이러한 문제를 해결하기 위해 아시아 태평양 지역 제조기업의 약 93%가 스마트 제조 기술을 사용하고 있거나 고려하고 있습니다. 데이터가 이러한 요구사항을 충족하는 데 핵심적이라는 사실에는 이의가 없습니다. 하지만 미래는 끊임없이 변화하기 때문에 경쟁력을 유지하려면 단순히 데이터를 수집하는 것 뿐만 아니라, 성과를 도출할 수 있도록 방대한 양의 가용 데이터를 실행 가능한 인사이트로 전환할 수 있어야 합니다. 제조기업이 공장에서 숨겨진 가치를 발굴하고 운영 전반에 새로운 수준의 인텔리전스를 제공하려면 생성된 데이터를 체계적으로 구조화 및 문맥화하여 공유할 수 있는 시스템이 필요합니다.

고객의 성공은 데이터를 염두에 두고 설계하는 장비제조업체(OEM)에서 시작됩니다.

고객들은 더 많은 데이터가 필요하다는 사실을 알고는 있지만, 현재 필요한 데이터와 미래의 성공을 위해 필요한 데이터를 정확히 정의하는 데 어려움을 겪고 있습니다. 게다가 장비제조업체와 최종 사용자 간의 역할은 지속적으로 변화합니다. 최종 사용자는 장비제조업체가 장비와 관련된 교육, 자문, 다른 프로세스와의 통합 같은 분야에서 보다 적극적으로 관여하며 장비의 장기적 성공에 필수적인 역할을 해줄 것을 기대합니다. 이로 인해 장비제조업체는 더 많은 데이터를 제공하는 것은 물론 다른 시스템에서 쉽게 액세스할 수 있는 새로운 유형의 장비를 개발해야만 하게 되었습니다. 이 부분에서 데이터 지원 스마트 머신이 도움을 줄 수 있습니다.

스마트 머신이 데이터를 지원하려면 어떻게 해야할까요?

데이터 지원 기술을 사용해 기계를 설계하면 운영 데이터를 더 효과적으로 활용할 수 있습니다. 이러한 기계는 기존 스마트 머신을 뛰어넘어 정보를 구조화 및 문맥화하고 외부로 전송할 수 있도록 함으로써, 고객이 전체 생산 라인, 시설 및 장비에 대한 새로운 인사이트를 얻을 수 있도록 합니다.

이를 통해 장비제조업체와 최종 사용자는 필요한 데이터를 정의하고 이를 장비 수준을 넘어 확장할 수 있도록 하여, 디지털 트랜스포메이션을 추진하는 과정에서 불분명한 데이터 요구 사항과 높은 초기 투자 비용으로 인해 양측이 합의점을 찾지 못하는 교착 상태를 해소할 수 있게 합니다.

AI-generated image of partially open black cardboard box with blue 3D pie charts and an orange bar chart with light shining from the bottom.

데이터 기반 접근 방식을 활용하면 제조기업은 변화하는 데이터 요구 사항에 신속하게 대응하고, 향후 보다 빠르고 효율적이며 비용이 적게 드는 방법으로 수요를 충족할 기반을 마련할 수 있습니다.

데이터 기반 스마트 머신의 3가지 주요 구성 요소

데이터 기반 솔루션은 새로운 구성 요소를 도입하고 설계를 재검토하며 고유한 요구에 맞게 애플리케이션을 조정 또는 수정할 수 있는 유연성을 제공합니다. 무엇보다 중요한 것은 나중에 변경할 수 없는 결정을 내릴 필요가 없다는 것입니다. 데이터를 구조화해 전송하고 거의 모든 외부 애플리케이션과 호환 및 공유할 수 있는 기능을 제공하는 데이터 기반 스마트 머신은 다음을 통해 가치를 실현할 수 있도록 합니다.

데이터 구조화 및 문맥화
데이터 흐름 분리 및 최적화
시각화, 데이터 분석, 원격 액세스 및 엣지 IoT 같은 기능 결합

1. 데이터 구조화 및 문맥화

첫째, 장비제조업체는 장비 수준에서 데이터를 활용해 추가 가치 창출하는 방법뿐만 아니라 최종 사용자의 디지털 환경으로 데이터를 전송할 수 있도록 데이터를 준비하는 방법도 평가해야 합니다. 장비에서 생성되는 데이터는 보통 용량이 크고 단순한 데이터 포인트 목록인 경우가 많아 각 데이터 포인트가 무엇을 의미하는지 파악하기 어렵습니다.

데이터를 모델로 구조화하면 개별 데이터 포인트를 그룹화하여 상호 관계를 정의할 수 있습니다. 여기에, 모델의 여러 부분 간의 관계를 정의하는 데 도움이 되는 데이터가 추가되어 주요 프로세스 전반에서 발생하는 상황에 대한 문맥을 제공합니다. 데이터를 정보로 전환하는 것은 구조화와 문맥화에 대한 이러한 접근 방식에서 시작됩니다.

2. 내보내고 가져오는 : 데이터 흐름 분리 및 최적화

둘째, 데이터를 어떻게 활용할지에 대한 의도가 존재해야 합니다. 먼저, (SCADA나 히스토리언 같은 외부 최종 사용자 애플리케이션에서 가져오는) 데이터를 안정적으로 끌어오는지 또는 (제어 수준에서 이벤트 기반 애플리케이션으로 적시에 보내지는) 데이터가 보다 상호작용적인 형태여야 하는지를 파악합니다. 그런 다음 IT 친화적 프로토콜을 통해 구조화 및 문맥화된 데이터를 제공할 수 있는 현대적인 플랫폼을 갖추는 것이 중요합니다. 데이터가 잘 설계되고 이해하기 쉬운 형식으로 정리되어 있으면, 의미 있는 데이터만 제공되기 때문에 특정 최종 사용자 애플리케이션에 필요한 데이터를 식별하는 과정이 수월해집니다. 이러한 최적화를 제공하는 솔루션은 전송되는 데이터를 크게 줄여 시간을 절약하고 생산성을 높여줍니다.

3. 현대적인 기계 수준 솔루션

마지막으로, 시각화, 데이터 분석, 원격 액세스 및 엣지 IoT를 결합한 현대적인 시스템 수준 솔루션의 필요성을 인지하는 것이 중요합니다. 데이터 이동 역량은 차별화된 솔루션을 필요로 합니다. 많은 고객이 어떤 정보가 필요한지 정확히 알지 못하는 경우가 있기 때문에, 이러한 데이터 기반 접근 방식을 도입하면, IT 부서는 추후 데이터를 유연하게 사용할 수 있도록 장비를 준비할 수 있습니다.

중요한 것은 효율성입니다. 데이터를 지원하는 스마트 머신의 가치를 발현하면 효율성과 생산성이 즉시 향상됩니다. 올바른 방식으로 정보를 구조화하고 생성 방식에 현대적인 접근 방식을 취하면, 상시 모든 데이터를 가져와 문맥화를 시도하는 대신 가치있는 데이터만 전달할 수 있습니다.

실제 적용 사례: 성능 시각화

기존에는 문맥화되지 않은 데이터를 로컬 SCADA 시스템으로 전송하여 기계 성능에 대한 가시성을 확보했지만, 그 이상은 기대하기 어려웠습니다. 데이터 보고에 차이가 있기 때문에 장비와 생산 라인 성능을 명확하게 파악할 수 없는 경우가 종종 발생했습니다.

데이터 기반 스마트 머신은 성능 데이터를 정보 모델로 구조화하고, 최신 플랫폼은 기계 수준에서 더 큰 인사이트를 제공합니다. 동일한 정보 모델을 통해 생산 라인 수준 이상에서 장비 성능을 일관되게 파악할 수 있습니다. 장비제조업체는 이러한 정보를 통해 성능을 모니터링하고 지원을 제공하며 전체 장비에 대한 강력한 인사이트를 확보할 수 있습니다. 모든 인사이트는 단일 정보 소스에서 얻어집니다.

DCC 오토메이션(DCC Automation)은 데이터 기반 접근 방식을 조기에 도입했습니다. DCC의 로봇 솔루션 담당 이사인 호리아 사울린(Horia Saulean)은 “[최종 사용자] 고객들은 인력 부족으로 어려움을 겪고 있기 때문에, 제한된 환경에서 가장 높은 OEE를 달성할 수 있도록 정보에 입각한 결정을 내릴 필요가 있었다”고 말합니다.

그는 “장비에 데이터 기반 솔루션을 구현하여 기계의 예측적 유지 보수는 물론 전력 사용량에 대한 정보를 제공할 수 있게 되었고, 이는 고객이 자원 사용 정보에 기반해 결정을 내리는 데 도움을 주었다”고 설명합니다.

혁신적인 효율성

데이터 기반 스마트 머신은 데이터를 활용하는 혁신적인 접근 방식을 제공하므로 장비제조업체와 최종 사용자가 새로운 차원의 운영 효율성과 비즈니스 가치를 실현할 수 있도록 합니다. 데이터 가용성과 소비를 분리함으로써, 정보 구조화 방식을 고려해 데이터 이동은 줄이고 효율성은 높일 수 있습니다.

또한, 최종 사용자는 장비 데이터를 외부로 전송할 수 있는 기능과 시각화를 결합해 최대한의 가치를 제공하는 최신 플랫폼을 갖추어야 합니다.

제조 환경이 계속 진화함에 따라, 경쟁력을 유지하고 혁신을 추진하기 위해 데이터 기반 스마트 머신을 도입하는 것은 점점 더 중요해질 것입니다.