IoT가 전 세계적으로 주목받고 있는 가운데 산업용 IoT에 대한 연구도 활발해지고 있다. 산업용 IoT와 스마트공장을 위한 측정·제어 시스템은 하나의 컨트롤러에서 HMI, 비전, 모션, 각종 IO 등과 통합하며 개발 시간과 개발 비용을 줄인다. IoT 시대 제어 계측 시스템은 어떻게 개발될지에 관해 한국NI 권순묵 대리가 스마트공장 국제 컨퍼런스에서 발표한 내용을 정리했다.

▲ 한국NI 권숙묵 대리

최근 IoT(Internet of Things)라는 분야가 큰 이슈가 되고 있다. 하지만 여전히 많은 사람이 IoT라는 광범위한 개념을 이해하기 어려운 것이 사실이다. IoT란 무엇인가?

예를 들어 공연에 참석한 사람들이 공연의 실시간 현황을 스마트폰으로 촬영해 유튜브 등에 업로드를 한다고 하면 이 또한 큰 그림에선 IoT의 맥락이라고 볼 수 있다. 또 애플 워치나 갤럭시 기어를 비롯한 모바일 헬스케어 관련 디바이스 역시 큰 범주에선 IoT의 한 흐름이라고 볼 수 있다.

산업 쪽으로 보면 미국의 한 보험회사의 사례를 통해 IoT를 설명할 수 있다. 이 보험회사는 운전자의 주행습관이나 패턴을 기록하고 실시간 분석해서 그 운전자에게 추후에 보험료를 할인해주는 새로운 서비스를 시행했다. 이런 서비스가 제공되기 위해선 운전자가 과속, 급출발, 급제동, 급발진 등을 얼마나 자주 하는지, 실제 주행하는 루트 중 사고 잦은 곳을 얼마나 주행하는지 등에 대한 데이터를 측정해서 서버로 전달, 분석용 애플리케이션을 통해 분석한 뒤 보험상품에 적용해야 한다. 이 보험상품 또한 IoT가 활용 가능한 지금 시대에 출시될 수 있는 서비스로 볼 수 있다.

IoT 가능하게 하는 두 가지 법칙

IoT를 가능하게 하는 두 가지 법칙 에는 무어의 법칙과 멧칼프의 법칙이 있다. 먼저 무어의 법칙은 마이크로칩의 밀도가 18개월마다 2배로 늘어난다는 것으로 반도체칩과 같은 제품들은 산업의 고도화 및 집적화에 따라 크기는 작아지고 개발비용은 줄면서도 프로세서 기능을 갖춤과 동시에 무선 AP, Access Point의 역할도 할 수 있게 됐다. 이는 소형 디바이스에까지 인터넷이 추가될 수 있는 환경을 제공, IoT가 가능하게 만들어줬다.

다음으로 멧칼프의 법칙은 네트워크 가입자가 증가하면 비용은 직선적으로 증가하지만, 실제 네트워크가 증가하면서 생기는 가치는 가입자 수의 제곱에 비례하게 증가한다는 것이다. 즉 10개의 네트워크 가입자가 11개로 늘어났을 때 비용은 10% 증가하지만, 네트워크의 가치는 11의 제곱, 121로 21% 증가하게 된다. 여기서 네트워크 가입자는 사람이 될 수도 있고 디바이스가 될 수도 있다.

이 두 가지 법칙은 IoT가 어떻게 가능한지, 왜 IoT를 해야만 하는지를 뒷받침해주는 이론이다.

현장에서 사용되는 스마트 툴

스마트공장에는 이미 실제 산업 현장에서 사용할 수 있는 몇 가지 스마트한 툴이나 머신들의 프로토타입이 있다. Mobile Mainpulator라 불리는 이것을 크게 나눠보면  Smart Glasses, Smart Tools, Machine Control 등이 있다.

Smart Glasses는 이를 착용한 작업자에 의해 RFID와 같은 센서데이터 또는 이미지를 수집할 수 있다. Smart Tools는 일정한 토크 신호, PWM 신호 등을 결과물로 내보낼 수 있는 형태였으며 조금 더 큰 전류나 토크 신호가 필요한 경우에는 큰 규모의 임베디드 플랫폼들을 사용해서 제어나 계측을 수행할 수 있다.

이 같은 장비를 도입하고 있는 에어버스사의 경우 항공체 하나에 40만개 이상의 볼트와 너트를 일일이 조여서 제작하는데 고도의 신뢰성을 필요로 하는 항공체의 특성상 볼트와 너트가 미세하게 덜 조여지는 등의 문제가 발생할 경우 큰 타격을 입을 수밖에 없다. 이에 Smart Glasses와 Smart Tools를 이용, 볼트와 너트를 일정한 힘으로 동일하게 조이기 위해 노력하고 있다.

여기서 Smart Glasses와 Smart Tools 등과 디바이스들은 정보를 수집해 상위의 PC 또는 서버에 데이터를 모아주는 시스템의 토대가 될 수 있다. 이 과정에서 디바이스는 무선, 산업용 AP타입 역할을 수행하게 된다.

이 같은 특성을 지닌 이동형 머니퓰레이터(Mobile manipulator)를 만들기 위해서는 기존 생산설비, 공장자동화, 머신이 활용되는 환경에서 주로 사용되는 키워드와 요구사항에 대해 알아야만 한다. 현장에서는 모션 제어나 안전 시스템, 머신비전 검사기, 이송장치, 장비 상태 확인 등에 대한 목소리가 높았다. 또한, 이런 요구사항들을 하나의 HMI 시스템에서 현장작업자가 제어하고 상태를 확인할 수 있는 기능 역시 요구되고 있다.

빅데이터와 상태 모니터링

빅데이터 처리는 상태 모니터링과 관련이 깊다. 기계 장비들은 가동시간이 지날수록 성능이 저하되고 특정 시점이 지나서는 문제가 발생할 수 있는 여지가 있기 때문에 상태 모니터링을 주기적으로 해야 한다. 예측보전이나 예지보전이라는 용어도 쓰기도 하는데 모두 비슷한 목적의 컨디션 모니터링이라고 보면 된다.

기본적으로 컨디션 모니터링을 할 때 핸드헬드형의 모니터링을 위한 계측 장비를 준비하는 경우가 많다. 핸드헬드형의 계측기를 가지고 정비하는 경우 대체로 한 달에 한 번이나 분기에 한 번 등 특정 사이클을 주기로 여러 군데에 설치되어 있는 장비들을 일괄 정비하는 경우가 많다. 하지만 이 경우 특정 사이클 사이에 발생하는 문제에 대해선 빠르게 대응하지 못하는 상황이 발생할 수 있다.

한 발전소에서 화재가 발생했던 한 가지 사례를 살펴보자. 이 발전소에서는 과열되는 부분에 대한 주기적인 점검이 이뤄지고 있었지만 주기와 주기 사이에 이러한 발생한 문제를 탐지하지 못해 화재가 발생했다. 이로 인해 발전소는 화재로 인한 해당 설비 파손 비용은 물론이고 해당 발전설비들을 가동하지 못하는 시간 동안 지속적인 금액 손실을 입었다.
이 사건을 계기로 실시간으로 상태를 예측하고 대응할 수 있는 컨디션 모니터링 개발이 이뤄지기 시작했다. 이른바 지능형 컨디셔닝 모니터링이다.

이 방식은 온라인을 통해 언제나 모니터링할 수 있고 분석할 수 있는 솔루션이다. 이 솔루션에는 센서들이 있고 이러한 센서들은 데이터 수직보드를 통해 데이터를 한곳에 모은다. 이렇게 모인 데이터는 중간 라우터를 거쳐 메인 서버에 연결돼 전체 통합 시스템으로 이동하게 된다.

하지만 이 시스템에도 문제가 있다. 예를 들어 터빈 테스트를 하는 경우 하루에 들어오는 데이터만 10TB에 달하며 제트 엔진을 측정하게 되면 20~ 40TB 정도의 빅데이터가 쏟아져 들어오게 된다. 따라서 빅데이터 중 어떤 데이터를 필터링하는지에 대한 고민이 선행될 필요가 있다.

정리 : 유영민 기자