[헬로티]

제조업 주변 환경이 변하고 있다. 기존 제조업은 생산성이 떨어지고 경쟁력이 저하되고 있기 때문에 ICT 기반의 제조 혁신이 필요하다. 우리나라 제조 경쟁력이 떨어지고 있는 이유를 보면, 다품종 소량생산으로 제품 소비 시장이 변화했고 중국 제조업 급성장 및 보호 무역주의 강화로 제조 산업 경쟁력이 저하됐으며, 무엇보다도 CPS, 3D 프린팅, IoT, 가상현실, 지능형 로봇 등 제조기술이 많이 발전했는데 아직 우리는 제조업에 적용되고 있지 않은 상황이다. 

이러한 위기의식 속에 ICT 기술을 제조 산업에 적용하려는 시도가 많이 이루어지고 있으며, 그것을 하기 위한 하나의 기술로써 CPS가 등장했다. ETRI 전인걸 박사가 최근 열린 '스마트제조기술 컨퍼런스'에서 스마트팩토리 구축을 위한 CPS 기반 가상-實제조설비 연동형 시뮬레이션 기술과 관련된 내용이 눈길을 끈다. 그 내용을 자세히 살핀다.

▲ ETRI 전인걸 박사

CPS와 스마트팩토리

제조기술에 소프트웨어가 등장한 지는 오래됐다. 제조 시스템 관련 기술은 50~60년대 CAD/CAM 기술을 시작으로, 2000년의 u-매뉴팩처링 기술을 거쳐 최근에는 스마트팩토리로 진화 중이다. 스마트팩토리는 CPS와 IoT를 기반으로 하는 지능적이고 유연한 생산체계라고 정의할 수 있다.

스마트팩토리 개념은 공장뿐 아니라 공급자, 소비자, 여러 가지 기술, 자원 등 다양한 요소들로 이루어져 있다. 공장이 여러 공장으로 이루어져 있기 때문에 네트워크화된 공장, 분산생산 환경이 되어 있다.

또한, 공장에는 센서, 3D 프린팅, 로봇 등 여러 기술적 요인들이 들어있다. 그중 중요한 것 중 하나인 어드밴티드 매뉴팩처링 시스템은 우리가 미래 지향적인 생산을 어떻게 할 것인가에 대해 얘기하고 있다. 그 핵심 기술이 CPS이다.

스마트팩토리는 맞춤 생산을 위한 지능적이고 유연한 생산체계를 구축하는 것이다. 기존에는 대량생산을 위해서 일괄 배치공정을 운용했다. 또한, 중앙·집중제어를 통해 값싸고 좋은 품질을 만드는 게 가장 중요했다. 기술 또한 효율화와 자동화에 집중됐다. 그러다보니 미래 지향적인 소비자 성향에 맞추지 못했다. 자율분산제어를 통해 하나의 공정에서 여러 개의 제품을 생산하려다보니 효율화와 자동화 기술로는 맞춤 생산이 불가능했다. 스마트팩토리는 맞춤 생산을 위한 지능화, 개인화에 초점을 맞추어서 기술개발을 하고 있다.

CPS와 스마트팩토리를 예로 들면, CPS는 스마트팩토리에만 적용되는 기술이 아니고 우리가 알고 있는 물리적 세계라고 하는 현실 세계를 사이버 세계, 즉 컴퓨터로 제어하기 위한 기술이라고 할 수 있다. CPS는 스마트팩토리뿐 아니라 스마트그리드, 스마트모빌리티, 스마트헬스 등 다양한 형태의 도메인에 적용할 수 있는 기술이다.

우리가 알고 있는 제조 현장, 즉 공장 단위에서는 데이터를 수집하고 모으는 게 가장 중요해졌다. 그래서 IoT라는 기술을 통해서 제조 현장의 데이터를 모으는 기술이 많이 개발되고 있다. 공장 정보화 시스템 또한 IoS(Internet of Services)를 통해서 빅데이터를 분석하고 소비자 성향을 분석한다. 

그런데 기존 공장은 제조 현장과 공장 정보화 시스템이 연계되어 운용되지 않았다. 그래서 좀 더 지능적으로 연결시키고자 하는 기술이 바로 CPS이다. CPS 기술을 공장에 적용한 것을 CPPS (Cyber-Physical Production System)이라고 얘기한다. 스마트한 부품을 받아들여 CPPS를 통해서 스마트한 제품을 생산하는 것, 이것이 바로 스마트팩토리이다.

CPS란

CPS는 가상(Cyber) 시스템과 사람, 공정, 설비와 같은 물리적(Physical) 시스템을 네트워크로 통합하여 안전하고 신뢰성 있게 분산제어 하는 지능형 시스템 구축 기술이다. 기존에는 지능형 제어라기보다는 단순하게 피드백을 받아서 제어하는 피드백 제어였다. 

CPS의 가장 큰 3가지 기술적 요소는 Control, Computation, Communi-cation이다. Communication은 밑에서 발생하는 데이터를 수집하는 기술이고, Computation은 수집된 데이터를 바탕으로 어떤 계산을 통해서 공장을 제어하거나 사용자에게 의사결정을 지원하기 위한 정보를 제공하는 기술이다. 마지막으로 Control은 그 정보로 다시 공장을 제어하기 위한 기술이다.

CPS의 등장 배경을 보면, 처음 물리시스템이라고 하는 공장에 대해 기계공학, 물리학, 화학 관련자들이 개발하고 연구했다. 그런데 사이버시스템이라고 하는 컴퓨터 시스템이 등장하면서 데이터 처리 및 분석이 가능해졌다. 그다음에 데이터를 가지고 연동하기 위한 통신기술이 나왔다. 

물리시스템과 사이버시스템, 이 2가지 기술이 각자 영역에서 발전해 왔는데, 스마트팩토리를 하려다보니 2가지를 같이 운용해야 하는 일이 생겼다. 다른 분야이고 전공이 서로 다르다보니 융합이 어려웠다. 그래서 CPS라고 하는 새로운 형태의 학문이 만들어졌다.

역사적 흐름으로 살펴보면, 1700년대 산업혁명이 일어나면서부터 물리시스템이 발전하기 시작했고, 내연기관, 컨베어벨트 등이 등장하면서 기계공학적인 물리시스템으로 발전했다. 그리고 1950년대 이후 컴퓨터 시스템이 발전하면서 인터넷 혁명이 일어났고 사이버시스템 시대가 열렸다. 최근 2000년대 들어서면서부터는 이 2가지를 합쳐 어떤 도메인에 적용해보자는 시도가 이루어졌다. 그래서 나온 게 CPS 기술이다.

▲ 그림1. CPS 기술 맵

가상-實제조설비 연동 기술

CPS는 다양한 기술로 이루어진 복합적인 분야이다. 여기서는 공정 모델링과 시물레이션 기술 중심으로 다루어 보겠다. 

공장은 입력, 즉 여러 가지 제품, 반제품, 그리고 원료를 통해서 물건을 만들어 내는 곳이다. 물건은 잘 만들면 된다. 잘 만들기 위해서는 품질 향상, 원가 절감, 납기 단축, 생산성 향상 등을 잘 관리해주면 저렴하고 좋은 품질의 물건을 만들 수 있다.

공장에는 4가지 요소, 즉 원소재(Material), 작업자(Man), 기계/설비(Machine), 공정/노하우(Method)의 4M을 잘 다루어야 한다고 얘기한다. 이 4가지를 잘 관리하고 다루어서 공장의 이익을 극대화하는 게 공장의 목표가 되겠다. 

공장은 생산 형태에 따라 도메인도 여러 가지이다. 도메인마다 생산 방식도 주문생산, 부품생산, 예측생산에 따라 다르고, 생산 방법도 프로젝트 생산, 개별 생산, 대량 생산이 있다. 그래서 스마트팩토리에 적용되는 기술은 동일할 수 없고 여러 가지 유형의 형태에 따라 기술이 조금씩 다르게 적용된다고 볼 수 있다.

공장은 입력, 즉 여러 가지 제품, 반제품, 그리고 원료를 통해서 물건을 만들어 내는 곳이다. 물건은 잘 만들면 된다. 잘 만들기 위해서는 품질 향상, 원가 절감, 납기 단축, 생산성 향상 등을 잘 관리해주면 저렴하고 좋은 품질의 물건을 만들 수 있고 공장 이익을 극대화하 수 있다.

최근 컴퓨터 기술이 많이 발전했다. 예전에는 컴퓨터의 속도가 느렸지만, 요즘은 빨라져 공장을 정밀하게 모사할 수 있는 시뮬레이션이 가능해졌다. 그래서 제조 자원 간 연동을 통해 시간과 비용 효율적으로 고객 맞춤형 다품종 제품 생산이 가능한 제조설비 연동형 모델링/시뮬레이션 기술이 개발되고 있다.

가상-實제조설비 연동형 시뮬레이션 기술이란 기존 공장을 통계적 데이터, 또는 경험을 바탕으로 생산 계획을 수립해서 만들던 것을 향후에는 實공장 데이터를 반영한 제조 최적 관리 및 운영할 수 있도록 제어 시스템을 개발하겠다는 의미이다. 그래서 ETRI에서는 실제 공장 데이터를 그대로 가져올 수 있도록 만들었고, 그 공장을 똑같이 모사해서 시뮬레이션을 한 다음에 공장을 제어할 수 있는 기술을 개발했다.

독일의 전자, 통신, 기계 협회에 의해 운영되는 인더스트리 4.0 플랫폼은 향후 20년을 바라본 과학적·기술적 중기 목표를 5개 분야로 정의한 기술로드맵을 발표했는데, 그중 가상-實제조설비 연동 기술을 2015년부터 시급하게 연구되어야 할 분야로 선정했다.

물론 기존 공정에서도 모델링 시뮬레이션을 했다. 대부분 통계적 확률적 정보를 바탕으로 공장 레이아웃 또는 설계, 프로세스 시뮬레이션, 엔지니어링 생산관리 등을 수행했다. 그러나 작업자의 단순한 입력을 받아서 실행했고 입력 또한 MES 등에 저장된 데이터를 계산하여 결과를 표시했기 때문에 결과가 정확하지 못했다. 

따라서 이런 경험적인 데이터나 저장된 데이터가 아닌 실제 설비에서 나오는 데이터 또는 환경 데이터를 받아서 시뮬레이션을 수행한다면 공정 대기시간 및 불량률을 최소화할 수 있고 돌발 상황 발생 시에도 실시간으로 대응할 수 있다. 뿐만 아니라 예측 결과에 따른 선행적 공장제어 및 관리가 가능해진다.

공정-설비 동시 모델링 기술

기존에는 4M이라는 것을 개별적으로 모델링해서 시뮬레이션 했다. 개별적으로 모델링하다보니 서로 연계가 되지 않았고, 시스템의 경우는 확률 통계 모델을 주로 이용했기 때문에 정확한 공정 데이터를 반영하지 못했다. 또한, 시스템마다 다른 영역은 생각지 않고 개발해오다보니 여러 가지 통합적인 문제가 발생했다. 그것을 해결하기 위한 기술이 공정-설비 동시 모델링 기술이다. 

공정-설비 동시 모델링은 시뮬레이션을 수행할 때 공장을 시뮬레이션에 포함시켰다. 공장의 4M을 예로 들면, 4M 중에 가장 어려운 게 작업자(Man)인 것 같다. 사람마다 다른데 작업자를 어떻게 모델링하느냐. 공장에는 다양한 형태의 작업자들이 있을 수 있다. 

작업자마다 능력이 다르고, 신체도 다르기 때문에, 어떤 수식으로든 표현해야 한다. 그리고 기본적인 통계적 데이터를 바탕으로 이 수식에 반영해서 특정한 작업자에 대한 모델을 만들어 낸다. 그러다보니 작업자에 대한 정확한 특성을 반영하지 못했다. 

ETRI에서는 작업자에 대한 정확한 모델을 만들기 위해서 다음과 같은 형태의 모델을 만들었다. 인공지능을 바탕으로 하는 수식이 다양한 형태의 알고리즘을 만들어내면 작업자를 정확히 모사할 수 있다. 요즘엔 여러 가지 센서기술이나 디바이스가 발달하면서 작업자에 대한 정보나 공장에 대한 정보를 얻기가 너무나 쉬워지고 단순해졌다. 한마디로 각각 작업자 모사가 가능해졌다. 그리고 이러한 모델링은 시뮬레이션을 통해서 공장의 효율성을 높일 수 있게 됐다.

정리 : 임근난 기자 (fa@hellot.net)