Home / 미분류 / 엔지니어링 데이터 활용이 바꿀 미래 제조 경쟁력
3D SYSTEMS eBook 다운로드 하기

엔지니어링 데이터 활용이 바꿀 미래 제조 경쟁력

스마트 제조와 기존 자동화 기반 제조기술은 예측적 판단의 주체가 사람인지 시스템인지에 따라 달라진다. 스마트 제조는 기존과 달리 사람이 아닌 시스템이 예측적 판단을 스스로, 빠르게, 그리고 정확하게 수행한다. 현시점에서는 제조 공정 제어 구조에서 하위 레벨을 형성하는 현장 센서까지를 모두 포괄한 CPS라고 정의할 수 있다. 동등하게 네트워크 기반으로 서로 연결될 수 있기에 ERP, 센서까지도 CPS라 볼 수 있다. 데이터의 선별 활용이 아닌 최대한의 활용을 통해 이러한 예측적 판단을 지원하는 것이 핵심이기 때문이다.

시스템이 예측하는 스마트 제조

스마트 제조의 핵심인 예측적 판단은 추론 과정을 통해 이뤄진다. 추론은 경험적 추론과 논리적 추론으로 구분된다. 경험적 추론은 경험에 의한 합리적인 예측을 말한다. 동일한 종류의 데이터간 상관관계에 따라 추론하는 것이다. 제조 관점에서는 과거부터 현재까지 현장에서 쌓인 데이터에 의한 예측이라 할 수 있다. 논리적 추론은 논리적인 이론이나 모델에 의해 합리적으로 예측하는 것이다. 원인과 결과에 해당하는 데이터의 인과 관계에 따라 추론한다. 제조에서는 엔지니어링 데이터를 기반으로 한 예측이 논리적 추론에 해당한다.

이러한 예측적 판단은 대규모 화학, 식음료, 반도체 등의 양산 산업 (Process 혹은 Batch 공정)에서 지속적으로 공정을 최적화할 것으로 기대된다. 또한 자동차, 전자, 통신과 같은 이산 산업(Discrete 공정)에서 고객 맞춤형 제품의 대량 생산, 조선 및 수배전반 등 수주 기반의 산업의 투명하고 효율적인 기업 활동을 가능하게 할 것으로 예상한다. 전문가들은 “상관 관계 예측에 있어 최근에 화두가 되고 있는 것이 빅데이터 분야”라며 “시스템에 의한 예측적 판단의 정확성과 신속성을 위해서는 경험적인 추론과 논리적인 추론의 결합, 혹은 연계가 불가피 할 것”이라 예상한다.

스마트 제조에서 엔지니어링의 역할
스마트 제조에서 엔지니어링의 역할

엔지니어링 데이터에 요구되는 조건

문제는 논리적 추론을 위한 엔지니어링 데이터가 극히 제한적이라는 데에 있다. 대부분의 엔지니어링 데이터는 사람의 인식에 초점이 맞추어져 있다. 그렇다 보니 시스템 인식에 한계가 많아 데이터 처리의 신속성이 부족할 수 밖에 없다. 데이터 활용 범위도 제한되고 추론에 적용되는 데이터 품질도 보장이 어려운 상황이다.

일각에서는 엔지니어링 데이터를 신속하고 광범위한 목적으로 품질까지 보장하기 위한 몇 가지 요구 조건이 필요하다고 말한다. ▲시운전 이전에 가상의 환경에서 시뮬레이션을 통해 사전 검증을 할 수 있는 ‘Virtual commissioning’ 지원 ▲엔지니어링 데이터와 현장의 시스템을 연결시키는 ‘Virtual real world connectivity’ 기능 ▲제품의 라이프 사이클에 전반에 걸친 엔지니어링 데이터의 연속적인 활용을 위한 ‘Continuity across value chain’ 특성 등이다.

스마트 제조를 위한 움직임

독일은 엔지니어링 데이터에 요구되는 사항을 적용해 몇 가지 프로젝트를 진행 중이다. 독일이 지향하는 ‘디지털화되고 단절되지 않은 엔지니어링’을 비전으로 스마트 제조를 구현하기 위함이다. 대표적인 프로젝트인SmartFactoryKL는 Plug&Production을 지원하는 모듈 조립을 통해 운영되는 제조 공정을 목표로 한다. 퍼스널 컴퓨터의 Plug&Play와 유사한 개념으로, 제조 공정의 일부 변경이나 교체를 신속하게 지원한다.

모듈 재구성을 통해 손쉽게 제조 공정을 변경시킬 수 있다는 혁신적인 목표 뒤에는 발전 및 개발이 필요한 기술 요소가 있다. 우선 모듈의 상호 운영성을 위한 표준화이다. 기능 기반의 제어 구조가 아니라 동적으로 기능의 재구성이 가능한 서비스 기반의 제어 구조도 필요하다. 또한, 단일 모듈이 아닌 변경된 시스템 레벨에서 시운전과 운영 중 이상 해결 (Trouble shooting)을 신속히 수행할 수 있는 방법도 요구된다.

이중 표준화와 이상 해결의 신속한 수행은 엔지니어링 데이터와 밀접한 관련이 있다. 문서화라는 방식으로 표준이 제정된다면, 표준을 활용한 엔지니어링 과정에서 수많은 해석의 여지가 생긴다. 때문에 eCl@ss와 같은 표준화 단체는 “디지털화된 방식을 통해 해석없이 엔지니어링 플랫폼에서 직접적으로 표준을 적용하는 방식이 필요하다”고 주장한다.

점점 EPLAN과 같이 Data Portal을 통해 디지털화 된 표준 데이터를 제공할 수 있는 엔지니어링 플랫폼의 적용이 필수적일 수밖에 없는 것이다. EPLAN 환경에서 작성된 데이터는 제조 현장 모듈과 연결성을 가진다. SmartFactoryKL에서는 모듈의 상호 운영 네트워크 표준으로 받아 들이고 있는 OPC- UA(IEC-62541)를 지원한다. EPLAN 환경에서는 SCADA와 같은 별도의 시스템 없이도 시스템 관점의 시운전과 운영 중 이상 해결을 수행할 수 있다.

프로젝트로 상황별 솔루션 찾아

대량 생산을 목표로 하는 MAYA는 엔지니어링에 포커스를 맞춘 프로젝트다. 기존 제조 공정의 재활용이라는 가시적인 목표를 갖고 있다. 단계적으로 수행되던 엔지니어링 활동이 서로 다른 엔지니어링 플랫폼 간의 데이터 연속성을 기반으로 동시 수행 환경으로 변경될 수 있기 때문이다.

MAYA 프로젝트를 진행하기 위해서도 표준화가 우선돼야한다. 상호 운영을 위한 표준화 뿐 아니라 엔지니어링 플랫폼 간의 데이터 연속성을 위한 표준화다.  다양한 엔지니어링 분야가 협업하여 최종적인 엔지니어링을 완성하는 실정에서 엔지니어링 플랫폼 간의 데이터 연속성 단절로 인한 데이터의 전달은 결국 엔지니어 개인의 몫이 될 수 밖에 없다. 엔지니어링 자동화도 중요한 요소다. 동일 데이터를 다른 분야 엔지니어링끼리 교환해야 할 경우엔 동시 작업이 불가능했다. 대체로 기계 설계 후 전기 설계가 뒤따르는 방식이었다. 하지만 기계 설계에 반영될 데이터가 자동으로 엔지니어링 산출물로 생성된다면, 동시 엔지니어링에 근접할 수 있다.

디지털 시뮬레이션을 통한 가상 검증 환경도 중점적으로 다루는 기술이다. 대량 생산 조건에서 새로운 제조 공정을 설치하고 시운전을 통해 엔지니어링을 보완하는 것은 어려운 일이기 때문이다.

반면, SEAP 4.0은 소규모 수준 기반 제조 산업에 적합한 특성을 가지는 프로젝트다. 디지털을 기반으로 다양한 엔지니어링 및 제조 활동을 지원해 산업 경쟁력을 향상시키는 것이 목표다. SEAP 4.0은 부품 선정 데이터부터 엔지니어링, 가공, 제조까지 단절없는 디지털 데이터 활용을 지향한다. 이를 위해 eCl@ss, AutomationML(IEC 62714) 등과 같은 표준이 논의되고 있다.

소규모 수준 기반 제조 산업의 특성상 부품의 변동성이 크고, 엔지니어링의 변동성 역시 크다. 그렇다 보니 해석 없이 엔지니어링 플랫폼에서 직접 활용할 수 있는 방식과 3D 디지털 목업 기술 활용이 필요하다. 예를 들어, EPLAN의 Data Portal  서비스는 웹기반으로 표준 카테고리, 제조사 카테고리 별로 관련 부품 데이터를 배포하는 방식을 제공한다. 가공 다변성에 대응하기 위해 엔지니어링 데이터를 직접적으로 가동 장비에 연결해 자동으로 가공을 진행할 수 있다. 디지털 작업 지시기(Digital working instructor)를 통해 현장 전문가 의존성을 탈피하고, 적절한 수준에서 업무 분담이 가능하도록 돕는다.

02

독일이 진행 중인 프로젝트에서 보듯, 스마트 제조를 위해서는 엔지니어링 데이터 표준화가 기반돼야 한다. 표준화 되지 않은 데이터가 연속성을 가지고 제조 현장과 연결되거나 라이프 사이클에 걸쳐 재활용 되는 건 불가능하다. 궁극적으로 엔지니어링 플랫폼은 데이터 기반의 운영과, 데이터 기반의 제조, 그리고 검증된 설계를 기반으로 최적의 Commissioning을 지원함으로써 스마트 제조를 실현하는 원동력이 될 것이다.

이와 같이 엔지니어링 데이터가 제조 현장에 활용되기 위해서는 데이터 수준에서의 인터페이스 제공으로 기능이 확대돼야 한다. 또한, 메카트로닉스 엔지니어링도 재조명이 필요하다. 라이프 사이클 상에서의 데이터 연속성, 그리고 엔지니어링 플랫폼 사이에서의 데이터 연속성이라는 측면에서 메카트로닉스의 중요성은 다시 강조되고 있다. AutomationML(IEC 62714)의 적용과 같은 노력이 이를 보여준다고 할 수 있다.

스마트 제조 시대에 엔지니어링의 필요성은 더더욱 증가할 것이고, 경쟁력의 핵심이 될 것이다. 또한, 엔지니어링 데이터를 어떻게 활용하느냐가 결국 미래 제조업의 경쟁력으로 나타날 시기가 멀지 않았다.

 

About 조아라 기자

인사이트를 넓힐 수 있는 기사를 선보이도록 노력하겠습니다.