센서 및 액추에이터와 같은 단순한 필드장치는 이더넷을 필드버스 인터페이스로 통합하는 것에 대해서 오랫동안 거부를 해왔다. 왜냐하면 이더넷을 산업용으로 사용하는데 있어서 경험이 없고 신뢰성에 대한 믿음이 없으며, 기기 통합의 관점에서 자세히 들여다보면, 제한 요인은 이더넷 인터페이스 자체의 크기, 전력 및 비용이 문제가 되었다. 지난 몇 년 동안 통신기술은 많은 발전을 이루었고, 그간 막연히 품었던 의구심을 해결하기 위해 이더넷 환경을 크게 변화시켰다. 이 백서는 ‘복잡도가 낮은 이더넷’의 개념에 대해 정의를 하고 이 개념을 사용, 센서 및 액추에이터와 같은 에지(Edge) 장치에 신뢰할 수 있는 EtherNet/IP 통신을 제공하는 방법을 설명 하고자 한다. 또한, 브라운필드(Brownfield) 설치가 EtherNet/IP를 에지(Edge)로 가져오는 이점을 활용할 수 있는 미래의 방향을 확인해 줄 것이다. 배경 이 백서는 주로 산업용 이더넷 노드의 하드웨어 비용과 복잡성을 줄이기 위한 새로운 접근 방식에 관한 것이다. 지원해야 하는 프로토콜과 모드 측면에서 소프트웨어의 복잡성 감소를 구체적으로 다루지는 않지만, 이 또한 중요한 연구 분야의 하나이다. 이러
지금까지 동사에서는 기계·공장 전체의 가동률 향상을 목표로 가동 상황의 시각화, 예방 보전에 도움이 되는 소프트웨어를 개발해 왔다. 종래 첫 제품의 양산 시작에는 실제 기기의 가공 프로그램 작성과 시뮬레이션, 그리고 테스트 가공을 할 필요가 있어 양산가공에 이르기까지의 가동률 저하를 피할 수 없었다. 그래서 디지털 공간상에 실제 기기와 동일한 조건을 충실하게 재현하는 디지털 트윈 기술을 개발, 이들 작업을 디지털 공간에서 실시하는 ‘디지털 세팅’으로 생산성 향상을 지향했다. 또한, 공장 내에 있는 기계의 가동 상황 시각화와 가동 실적을 분석함으로써 생산 프로세스의 개선과 생산성 향상에 도움이 되게 했다. 디지털 세팅 1. 디지털 세팅의 개요 유저의 공장에 있는 기계를 사무실의 퍼스널컴퓨터 안에 재현해 가상 공간상에서 프로그램 작성, 간섭 확인, 가공 조건의 조정을 한다. 이것을 동사에서는 디지털 세팅이라고 부른다(그림 1). 2. 도입 효과 디지털 세팅을 함으로써 종래보다 기계의 가동률을 향상시킬 수 있다. 지금까지의 작업 방식에서는 공장 안에서 기계 1대에 작업자 1명이 붙어 워크의 실제 가공뿐만 아니라, 프로그램 작성과 테스트 가공을 하고 있었다. 앞으로
동력이나 운동을 전달하는 기계요소의 상징인 기어는 자동차나 항공기, 공작기계를 비롯해 폭넓은 업계에서 이용되며, 소형화와 고경도화, 고정도화, 복잡화, 저진동화, 저코스트화, 변종변량화 등 여러 가지 시장 요구에 대응하는 것이 항상 요구된다. 오늘날 급속하게 진화하는 자동차의 하이브리드화나 EV(전동)화에 의해 엔진이 모터로 대체됨으로써 감속기구에서 발생하는 기어의 소음이나 진동이 종래보다 주목받게 됐다. 저소음, 저진동 등의 정숙성에 대한 요구를 만족시키기 위해 기어에는 지금까지 이상의 고정도화가 요구되고 있다. 로봇 산업에서도 노동자 부족이나 신형 코로나바이러스 감염증 확대를 배경으로 현장의 인력절감화·자동화가 추진되어 협동로봇 등의 관절부에 이용되는 감속기는 수요 증가 경향이 계속되고 있다. 감속기의 소형경량화와 저진동화를 위해 기어는 소형 및 소모듈화가 추진되어 고정도 가공의 필요성은 더욱 높아지고 있다. 기어를 고정도로 안정되게 고능률 가공하는 기계가 요구되는 가운데, 스위스 아폴터사(Affolter Group SA)는 시계용 기어의 생산으로 오랜 기간 축적한 가공 기술을 토대로 CNC 호빙머신을 개발해 왔다. 특히 최근에는 자동차 업계의 고속 정밀
시바우라기계(주)에서는 세계 최대급의 초대형 플라노밀러 MPA-70265 그림 1 (a)를 비롯해 여러 가지 대형 기계를 제작하고 있다. 초대형 기계는 수주 생산이므로 그 활용법을 기계 납입 후에 고민하거나 검토하거나 하는 것이 아니라, 일반적인 공작기계(문형 머시닝센터 MPF-2614FS 그림 1 (b))와는 거래할 때의 사고부터 다르다. 그러면 초대형 공작기계는 무엇이 다른가 하면 기본적으로 특정 업종의 워크, 경우에 따라서는 1종류의 워크 특정 부위를 가공하기 위해 제조되는 전용기이다. 그 대상이 되는 워크는 어떠한 특징을 가지고 있다. 기본적으로 다음의 어느 한 개 또는 여러 개에 해당된다. ①크다 ②무겁다 ③(보통 기계로는) 가공이 어렵다 또는 효율이 나쁘다. 그렇기 때문에 초대형 공작기계는 그러한 모든 문제를 해결해 고도 활용하는 것을 전제로 제작된다. 그렇지 않으면 제작에 1년 5개월～2년, 유저와의 협의를 기초로 기본 구상에서부터 기간을 생각하면 3～4년 이상, 실제 기계의 가동까지라면 5년은 시간이 걸리는 기계를 제작하는 것은 엄두도 낼 수 없다. 보통의 생산 기술자라면 공정을 생각하고 제조하는 기계의 유무를 검토해 없다면 외주를 낸다. 더구
일본에서는 해마다 국지적인 호우가 발생한다. 기억에 생생한 것으로는 2018년 7월 호우와 2020년 7월 호우 등을 들 수 있다. 이러한 국지적 호우가 한번 발생하면 그 지역에 막대한 인적․경제적 피해를 초래하기도 한다. 이러한 장마철에 발생하는 호우의 강수 지역은 선 모양으로 되어 있는 경우가 많아 선상 강수대라고 한다(그림 1). 기상청에 따르면 ‘잇따라 발생하는 발달한 비구름(적란운)이 줄을 이룬 조직화된 적란운군에 의해 수 시간에 걸쳐 거의 같은 장소를 통과 또는 정체함으로써 만들어지는 선 모양으로 뻗은 길이 50～300km 정도, 폭 20～50km 정도의 강한 강수를 동반하는 강수 지역’을 선상 강수대라고 한다. 기상청은 기상 레이더 관측 등으로 선상 강수대를 검지해 웹상으로 선상 강수대의 발생 장소를 공표하는 시스템을 2021년부터 운용하고 있다. 이러한 현황을 파악하는 나우캐스트는 선상 강수대로 인한 위험 지역을 명시해 대피 환기에 매우 효과적이다. 한편, 대피 행동의 리드타임을 보다 길게 확보하기 위해서는 선상 강수대에 동반하는 호우의 예측 정확도를 더욱 향상시킬 필요가 있다. 선상 강수대의 예측 정확도를 향상시키기 위해서는 대기 하층의 수증
대기 중의 에어로졸은 태양광을 직접 산란하고 흡수함으로써 기후에 중요한 역할을 하고 있다. 에어로졸은 구름의 핵으로 기능하며 구름 입자의 특성을 변경해 간접적인 영향을 초래하고 에어로졸의 침착과 강우를 변화시켜 기후의 영향을 예측할 때의 불확실성에 큰 영향을 미친다. 인간의 건강 면에서도 호흡기 계통이나 눈 및 코 점막의 염증 등에 영향을 미치거나, PM2.5와 같은 인위적인 기원의 에어로졸에 의한 꽃가루 알레르기 촉진에 영향을 미치거나 한다는 보고도 있다. 이러한 영향의 정도는 에어로졸의 조성이나 입자지름에 크게 의존한다. 대기 에어로졸은 발생원이 국소적이며 공간․시간적으로 매우 변동이 크다. 더구나 에어로졸의 조성이나 입자지름도 발생원에 의존한다. 그렇기 때문에 대기 에어로졸의 영향을 정확하게 평가하기 위해서는 대기 에어로졸의 조성이나 미세 물리 특성(농도, 입자지름, 형상, 상태 등)에 관한 정보가 필요하다. 라이다는 대기 에어로졸의 연직 분포를 높은 시간․고도 분해능으로 계측할 수 있으며, 여러 지점에서 라이다를 통한 연속적으로 계측함으로써 공간적․시간적인 에어로졸의 확산을 입체적으로 파악할 수 있다. 인위적인 기원의 에어로졸이나 황사, 삼림 화재 에
공정의 효율을 이끌어내기 위한 기본적인 방법 중 하나는 ‘끊김 없는 공정’이다. 문제 발생 후 해결을 위한 공정 중단은 생산성을 저하시키고, 시간 연장 등의 비효율을 가져오기 때문이다. 그렇다면 문제가 생기기 전, 미리 이상 징후를 탐지할 수 있는 예지보전은 무엇보다 중요하다. 마크베이스의 AIoT Suite 적용 사례로 본 프레스 장비 모터의 이상 감지를 돕는 방안에 대해 소개한다. 예지보전은 데이터를 수집해서 데이터 내부에 포함된 이상징후를 감지하고, 탐지된 결과를 분석 후 조치하는 과정이다. 때문에 유지보전은 공정의 효율을 높이기 위한 필수사항이다. 최근 OT 단의 컴퓨팅 파워가 좋아지면서 실시간으로 쏟아지는 데이터를 안정적으로 수집하고 저장해 전처리 과정을 거쳐 현장이 원하는 데이터의 형태로 만드는 것이 무엇보다 중요해지고 있다. 예지보전의 과정에는 수집/저장, 전처리/학습, 실시간 데이터 흐름, 패턴, 사용자 유지보수 등의 어려움이 있다. 예지보전을 예측하기 위해선 학습을 위한 장기간 데이터 모두의 수집이 필요하다. 데이터 수집 후, 대용량 수집 데이터에 대한 학습 데이터 추출이 필요한데, 데이터 전처리 시간 및 비용이 기하급수로 증가해 큰 어려움을
산업AI 기반 예지보전 솔루션은 핵심 산업 설비의 건전성과 고장 진단 및 예측하여 산업 사고 예방, 다운타임 및 불필요한 관리비용 최소화, 설비 운용 최적화 등 현장의 고질적인 문제를 해결하고 디지털 트랜스포메이션을 견인한다. 산업AI 예지보전 솔루션으로 완성하는 스마트제조 환경은 어떤 모습인지 솔루션 사례를 들어 살펴본다. 산업AI가 필요한 이유 국내 산업이 직면한 도전 과제와 산업AI 기반 예지보전 솔루션의 필요성에 대해서 알아보겠다. 먼저, 국내 제조 산업에 산업AI가 왜 필요한지부터 간단하게 짚고 넘어가 보자. 첫째, 지속적인 품질 개선이 필요하기 때문이다. 한국데이터산업진흥원이 발표한 2020년도 자료에 따르면, 제조 산업에서 품질 이슈로 인해 낭비되는 비용이 매출 대비 10%에서 많게는 15%에 이른다. 이 비용을 2~3%만 줄여도 상당히 많은 낭비 요소를 없앨 수 있다. 둘째, 인력의 노후화에 따른 지식의 증발 때문이다. 현재 우리나라 제조 산업의 근로자 평균 연령은 42.5세로, 이 수치는 10년 전보다 3.3세~3.5세 높다. 선진국과 비교해서도 매우 빠른 속도로 증가하고 있어 산업 현장에서 큰 문제로 대두될 우려가 있다. 근로자들이 노후화가
예지보전의 첫 걸음은 데이터를 통해 의사결정할 수 있는 시스템을 마련하는 데부터 시작된다. 그리고 예지보전 목표를 향해서 구축 단계 및 프로세스 정립을 해나가는 것이 반드시 필요하다. 하지만 최종 목표를 향해가는 여정의 단계는 결코 쉽지만 않다. 예지보전을 목표로 중소·중견기업의 단계별 추진 방안과 설비 데이터를 활용한 통합 모니터링 및 분석 플랫폼 도입 사례를 소개한다. 예지보전의 첫 걸음은 데이터를 통해 의사결정할 수 있는 시스템을 마련하는 것이 가장 중요한 포인트이다. 그 단계를 보면, 먼저 제조 현장에는 설비나 로봇, 센서에서 다양한 데이터가 발생한다. 이러한 하위 레벨의 데이터들은 ERP, MES, CMMS, SCM 등 제조 인프라 시스템과 연동하여 모니터링 및 분석을 통해 생산과 품질에 영향을 미치는 문제점을 파악할 수 있다. 그리고 이렇게 도출된 데이터들은 생산, 품질뿐만 아니라 설비, 에너지에 대한 부분까지 정확한 의사결정을 돕는다. 최근엔 데이터 기반의 스마트공장들이 구축되면서, 근무환경 개선 및 불필요한 업무를 제거해 생산성과 업무 효율성이 증가하고 있다. 또한, 관리자가 문제 원인을 파악하고 구체적인 개선 계획을 수립해 데이터를 통한 관리
최근 디지털 트윈(Digital Twin)이 디지털 전환(DX)의 핵심 키워드로 부상하고 있다. 디지털 트윈이란 ‘현실 세계에서 수집한 다양한 정보를 가상 사계에서 분석하고 최적의 방안을 도출해 이를 기반으로 현실 세계를 최적화하는 지능화 융합 기술’을 의미한다. 디지털 트윈 및 디지털 전환 분야는 매우 광범위하다. 이 솔루션은 전체 제조공정 중 제품 생산 공정, 물류(부품 공급, 배포,….) 분야에 적용 가능하다. 본 내용을 통해 디지털 트윈 기술의 적용 방안 및 이에 연계되어 활용될 수 있는 기술에 대해 살펴본다. 기존까지는 공장을 새로 짓거나 특정 라인을 수정할 경우 사전 검토를 위해 물류 시뮬레이션을 활용하고 있다. 하지만 물류 시뮬레이션 분야는 대부분 숙련자 또는 전문가의 의존도가 높은 가정 분석(What-if) 방식을 사용하고, 생산 계획 단계에서 사전 분석 및 검증용으로 주로 사용된다. 그리고 시뮬레이션에 현장 데이터를 반영하는데 대용량 데이터 처리와 시뮬레이션 가속 성능 등의 한계로 다양한 제약 조건이 발생할 수 있다. 이는 디지털 트윈을 구현하기 위해 생산 운영 단계까지 연계하는 과정에 중요한 요소이며 본 내용을 통해 실제 활용
최근 IoT·AI 기술이 발전·보급됨에 따라 절삭가공 중인 공구 상태를 실시간으로 감시해 이상 검지나 공구의 수명 예측․판정을 할 수 있는 기술에 대한 관심이 높아지고 있다. 한편 아직도 많은 절삭가공 현장에서는 다음과 같은 문제가 코스트 개선의 장벽이 되고 있다. 예를 들어 ‘기술자의 노하우에 의존한 공구 수명 판정’이나 ‘가공 수나 가공 거리와 같은 일률적인 공구 수명 설정’이다. 전자는 소리나 절삭칩 형상 등 기술자의 경험에 의존하는 정성적인 기준으로 수명을 판정하고 있기 때문에 기술 전승의 문제나 인력절감화·자동화의 폐해가 되고 있다. 후자는 공구마다 수명 편차가 있기 때문에 공구 수명에 달하지 않아도 교체하는 경우가 많아 공구 코스트 절감의 폐해가 되고 있다. 이와 같은 배경에서 ‘절삭가공 중인 공구 상태의 가시화’나 ‘경험․노하우의 디지털화’ 등에 대한 요구가 많아지고 있다. 이 글에서는 이러한 요구에 대응하기 위해 절삭가공 중인 공구 상태 실시간 감시의 기반 기술로서 밀링 가공 중에 취득한 가속도 데이터를 AI(기계학습)에 의해 해석하고, 공구 상태를 추정하는 방법에 대해 소개한다. 공구 상태 추정의 흐름 우선 이 글에서 소개하는 공구 상태 추정
디지털 가전이나 차재 디바이스 등의 전자부품 시장은 앞으로 더욱 확대될 것으로 예상되고 있으며, 요구되는 기술도 더욱 다양화될 것으로 생각된다. 이와 같이 다양화되는 기술로서 회로나 소자 등의 박막에 패턴을 형성하는 패터닝 기술도 소형화․고밀도화가 요구되고 있다. 기존 기술로는 포토리소그래피에 의한 패터닝이 일반적이지만 박막 등을 사용한 센서 등에서는 소형화․고밀도화에 대응하기 곤란하며, 더구나 레지스트의 도포에서 에칭까지 많은 공정이 필요하고 환경에 대한 부담도 높다. 그래서 최근 레이저에 의한 패터닝이 주목받고 있다. 레이저 패터닝 기술은 포토리소그래피와 비교해 작업 공정을 집약할 수 있기 때문에 공수를 절감할 수 있고 드라이 프로세스가 되기 때문에 환경에 대한 부담도 억제할 수 있다. 그러나 현재의 레이저 패터닝 장치는 2차원 형상에만 대응할 수 있어 자유곡면 등의 3차원 형상에 대한 정밀 패터닝은 곤란하다. 그래서 일본전산머신툴에서는 3차원 형상 레이저 패터닝에 대한 높은 요구에 대응하기 위해 이미 장치화․판매하고 있는 단펄스 레이저를 채용한 미세 레이저 가공기 ‘ABLASER’의 기술을 활용해 레이저 패터닝 과제를 해결하는 동시에, 정밀 3차원 레이
앞 편에서 필자는 스마트 팩토리의 가장 중요한 특징 중 하나로 ‘유연성’을 꼽았다. 그리고 하나의 공정 라인에서 다양한 제품을 생산하는 ‘혼류생산’을 예로 들어 유연한 자동화 공정의 장점을 설명했다. 혼류생산의 핵심은 생산하는 제품이 바뀔 때마다 버튼 한 번만 누르면 전 공정이 자동으로 재구성될 수 있어야 하는 것이다. 하지만 수많은 하드웨어 기계장치가 복합된 생산라인에서 이런 기능을 구현하는 것은 쉬운 일은 아니다. 현재 유연한 생산 공정을 위해 도입한 수많은 로봇 시스템 또한 제품이 바뀔 때마다 오프라인으로 프로그램하여 경로를 수정할 수는 있지만 실시간으로 들어오는 제품에 따라 알아서 경로를 수정하지 못한다는 한계점이 있다. 이러한 한계를 극복하기 위해서 ‘로봇 비전’ 기술이 꼭 필요하다. 로봇 비전이란 ‘비전(vision)’은 ‘눈, 시력, 시각’을 뜻하는 용어로, ‘로봇 비전’이란 ‘로봇의 눈’을 의미한다. 보통 로봇을 사용하기 위해서는 로봇의 움직임을 엔지니어가 일일이 미리 가르쳐 주어야 하는데, 이를 티칭(teaching) 작업이라고 한다. 하지만 로봇이 사람처럼 시각센서(카메라 또는 레이저)를 통해 환경이나 사물을 인식할 수 있게 되면, 작업 공
이더넷은 산업 프로세스 및 애플리케이션을 포함한 모든 수준의 엔터프라이즈에서 인기가 높아지고 있다. 기업 네트워크에서 흔히 볼 수 있는 스타 토폴로지보다 이더넷 링 토폴로지(Ethernet ring topologies)가 선호되는 다양한 산업용 애플리케이션이 있다. 링 네트워크는 고유한 단일 지점 내 결함성을 제공한다. 내장된 스위치 기술이 포함된 링 노드(Ring nodes)는 인프라 스위치의 필요성을 줄이고 네트워크 케이블을 단순화한다. 장치 레벨 링(DLR) 프로토콜은 링 기반 네트워크의 장애를 감지, 관리 및 복구하는 수단을 제공한다. DLR의 구현은 지원하는 네트워크 인프라에 특정 요구사항을 부과한다. DLR은 DLR 지원 네트워크에서 DLR 프로토콜을 지원하지 않는 장치의 사용을 본질적으로 배제하지 않는다. 레거시 장치 및 기타 고려 사항이 DLR 네트워크에서 이러한 장치의 사용을 자주 지시할 것으로 예상된다. 그러나 DLR 네트워크에서 이러한 장치를 사용하면 DLR 작동 및 성능에 상당한 영향을 미칠 수 있다. 이 글은 DLR에 대한 개요를 제공하고 DLR 프로토콜을 지원하지 않는 DLR 장치 및 기타장치로 구성된 DLR 네트워크를 구현하기 위한
고령화 사회, 인력 부족이 여러 곳에서 지적되고 있다. 전문적인 분석은 아니지만, 일본의 인구 동태 통계를 보면 고령자 비율은 증가하고 노동 생산 인구는 줄어들고 있음을 알 수 있다. 이러한 상황에서 생산성을 높이는 수단으로 로보틱스에 대한 기대가 높아지고 있다. 필자 등도 다양한 영역에서 로보틱스 사업을 추진하고 있다. 예를 들어 병원 내에서 약제 등을 배송하는 로봇 ‘HOSPI’, 사람의 이동을 지원하는 로보틱 모빌리티 ‘PiiMo’ 등 이동형 로봇을 사회에 구현해 왔다. 또한, 이동 로봇의 활약을 늘리기 위한 기초연구로서 이동 로봇에 탑재된 로봇암을 통해 밀집지에 존재하는 사람과 접촉하면서 이동하는 인파 속을 주행하기 위한 연구를 해왔다. 그러나 코로나19의 영향으로 자동화·효율화라는 시점뿐만 아니라 ‘비접촉’이라는 면에서도 로봇이 수행해야 할 역할이 증가하고 있다. 결과적으로 일본에서는 그다지 추진되지 않았던 서비스 로봇 등 인간 공존 로봇의 활용이 급격히 진행되어, 예를 들면 음식점에서 활용하는 배식 로봇은 일반화됐다. 이 글은 코로나19의 영향으로 사람이 활동하는 공간에서 사용되는 로봇의 위치가 어떻게 변화했는지에 대해 사례와 함께 설명하는 것이
상호명(명칭) : ㈜첨단 | 등록번호 : 서울,아54000 | 등록일자 : 2021년 11월 1일 | 제호 : 오토메이션월드 | 발행인 : 이종춘 | 편집인 : 임근난 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2021년 00월00일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 |
사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c)오토메이션월드 all right reserved
UPDATE: 2024년 12월 02일 16시 07분
/pdf.png)
/smartmap_2_01.png)
/smartmap_2_04.png)
/smartmap_2_big_04.jpg)
/smartmap_2_05.png)
/smartmap_2_big_05.jpg)
/smartmap_2_08.png)
/smartmap_2_big_09.jpg)
/smartmap_2_09_2.png)
/smartmap_2_big_10_2.jpg)
/smartmap_2_11_2.png)
/smartmap_2_big_12_2.jpg)
/smartmap_2_02.png)
/smartmap_2_03.png)
/smartmap_2_06.png)
/smartmap_2_big_07.jpg)
/smartmap_2_07.png)
/smartmap_2_big_08.jpg)
/smartmap_2_12.png)
/smartmap_2_big_13.jpg)
/smartmap_2_13.png)
/smartmap_2_big_14.jpg)
/smartmap_2_14.png)
/smartmap_2_big_15.jpg)
/smartmap_2_15.png)
/smartmap_2_big_16.jpg)
/smartmap_2_16.png)
/smartmap_2_big_17.jpg)
/smartmap_2_17_2.png)
/smartmap_2_big_18_2.jpg)
/smartmap_2_18_2.png)
/smartmap_2_big_19_2.jpg)
/smartmap_2_19._2.png)
/smartmap_2_big_20_2.jpg)
/smartmap_2_20.png)
/smartmap_2_big_21.jpg)
/smartmap_2_21.png)
/smartmap_2_22.png)
/smartmap_2_23.png)
/smartmap_2_24.png)
/smartmap_2_25.png)
/smartmap_2_26.png)
/smartmap_2_27.jpg)