사물인터넷(IoT)과 인더스트리 4.0이 처음 언급된 이후 머신비전, 인공지능(AI), 머신러닝(ML), 딥러닝(DL), 무선센서 등의 기술 발전으로 자동화에서 자율화로 나아가는 길이 지속적으로 발전하고 있다. 다만 최근까지 유선 산업 이더넷 형태로 연결했는데 설치비용이 많이 들고 제조 현장에서 사용하기에 유연성이 부족했다. 와이파이나 4G와 같은 무선 솔루션으로 그러한 유연성을 해결하지만 고속도와 대역폭을 제공하지 못해, 4G LTE는 시간 지연이 발생하고 있다.

P5G와 AI 카메라를 포함한 첨단 신기술 지원으로 보다 다양한 기능을 제조 현장 가까이에서 활용할 수 있는 방법에 대해 살펴본다. 

P5G의 저지연성은 시장의 판도를 바꿀 수 있는 요인이며, 높은 대역폭은 제조 운영에 대한 통찰력을 실시간으로 포착할 수 있게 한다. 

그러나, 무인 운반 차량(AGVs)에서 군집 지능(swarm intelligence)을 갖춘 자율 이동 로봇(AMR)으로의 기술 전환은 아직 시작에 불과하다. 

5G 커넥티드 AI 지원 기기가 자신의 환경을 센싱하고 상호 연동해 분산형 의사결정을 내릴 수 있는 몇 가지 활용 사례를 다루며, 마지막으로 근 미래와 중장기적인 기술의 미래를 전망해 본다.

IoT 개발 4단계

연결성, 스토리지, 컴퓨팅 능력이 IoT를 가능하게 하는 기반인데, 기존 공장을 스마트 팩토리로 변환하는 과정에서 극복해야 할 어려움이 있다.

첫 번째 허들은 설치된 다양한 기계들이 PLC, PC, MCU 같은 컨트롤러와 모드버스, 디바이스 넷, CAN 버스, 심지어 독점 프로토콜 같은 다양한 프로토콜을 사용할 수 있어야 하지만 대부분의 오래된 기계들은 심지어 통신 조차도 하기 힘들다. 

두 번째 허들은 기계 제작업체들이 독점적인 소스 코드를 개발하여, 엔지니어가 특정 공장의 요구사항에 맞게 작업을 최대화하기 위해 변경하거나 업그레이드하려면 어려움이 따른다. 

마지막으로, 일부 공장 관리자들은 시스템 통합자들이 현재 설치된 기계 설비에 응용 프로그램들을 추가, 삭제, 수정하는 것을 꺼려하는 경우가 종종 있다.

ADLINK는 통신할 수 없는 기존 머신을 효과적으로 연결하기 위한 솔루션을 개발했다. 예를 들어 ADLINK의 데이터 추출 시리즈는 비연결 장치에서 데이터를 원격으로 제어하고 검색하고 출력이 없는 장치에서 네트워크로 필수 데이터를 변환할 수 있다. 

초기 단계의 IoT 구축은 본질적으로 간단한 데이터를 수집하기 위한 임베디드 콘트롤러이어서 컴퓨팅 성능이 제한적이었다. 센서나 다른 디바이스에서 수집된 데이터는 중앙 집중식 데이터 저장 장치에 저장해 빅 데이터 아키텍처를 기반으로 처리하여 분석했다. 분석으로 얻은 통찰력은 현장 데이터를 시각화하여 패턴과 모든 상관관계를 이해하는데 사용되었다. 생산 기계나 설비 오퍼레이터들은 이렇게 얻은 통찰력 중 많은 부분을 기계 가동 시간을 극대화하기 위한 예측 유지보수에 활용하여 생산성을 높이고 비용을 절감했다.

두 번째 단계에서는 Industrial IoT(IIoT) 네트워크 환경에서 다른 Edge 장치와 결과를 공유할 수 있는 연결성과 에지 디바이스로 인해 공장이 더욱 활성화되었다. 이 혼합된 기술에 인공지능(AI)을 추가함으로써 최근에 IIoT를 제조 현장에 실현할 수 있게 되었다. 발생한 문제에 대한 사실만을 단지 알리는 것에서 벗어나 자동으로 조치를 취할 수 있게 되었다.

세 번째 단계는 군집 지능(swarm intelligence)의 도입으로, 간단한 에지 장치들은 이산적으로 상호 작용할 수 있다. 군집 지능은 개미와 벌 같은 곤충 집단에서 발견되는 개념으로 개체들 간의 집단적인 상호작용이다. 

이와 같이 제조 환경에서도 역동적인 진화에 적응하기 위해, 수 많은 생산 장비들이 스스로 조직되고, 조정된 방식으로 빠르게 움직인다. 비록 군집은 능력과 크기 면에서 제한적이지만, 인지적 AI와 ML 기술 사용 기반 위에서 낮은 수준의 자율성은 가능하다.

네 번째 단계로 IoT 기술이 본격적으로 보급되기 위해서는 지연 시간을 줄여 실시간 의사 결정이 가능하고 보다 자율적이어야 한다. P5G는 데이터 네트워크 엣지에 더 많은 정보를 전달하고 지연 시간을 단축하는 특성을 가지고 있다. 동시에, 사물 인공지능(AIoT) 기술로 IoT 생태계에서 의사 결정을 하는데 사람이 하는 역할을 점차 줄여나갈 것이다.

근 미래의 연결 기술

현재 IoT 구현 수준은 대부분 위에서 언급한 2단계에 와있다. 산업용 유선 이더넷과 와이파이, 4G를 결합하여 사용하고 있으며, 최근에는 4G LTE 기술을 현장 기기 연결의 중추로 사용하고 있다. 그러나 이 무선 기술은 속도와 대역폭 면에서 한계가 있다. 더 중요한 것은 데이터가 두 지점 사이를 이동하는 데 걸리는 시간인 지연 시간이 문제가 되고 있다.

초고속 4G LTE를 생각해 보자. 지연 시간은 200ms로 일반적인 의사 결정 전달에는 충분하지만, 현장의 사고 방지를 위해 장비를 정지시키는 안전과 관련된 중요한 의사결정 정보를 실시간으로 전달하기에는 충분하지 않다.

5G의 약속

P5G의 데이터 보안에 대한 우려와 지연 시간 해결의 일관성에 대한 의문이 남아있는 가운데 엔터프라이즈급 와이드 P5G 출시가 가속화되고 있다. 4G의 지연 시간이 200ms인데 비해, P5G는 1ms이다. P5G의 빠른 속도 그리고 대역폭과 함께 지능형 AI/ML 기술로 제조 현장에서 발생되는 이벤트에 일일이 대응하지 않아도 거의 실시간으로 정보를 파악하고 통찰력을 얻을 수 있다.

이 기술은 로봇, 카메라, 무인 운반 차량 및 모든 에지 AI 애플리케이션에 적용할 수 있는데 정보를 공유하기 위해 안정적이고 안전한 실시간 네트워킹이 필요하다. 

이러한 기술이 어떻게 결합되었는지 자율 이동 로봇(AMR)과 머신 비전의 사례에서 알아볼 수 있다.

AGVs(무인운반차량)에서  AMRs(자율이동로봇)으로

현재 AGVs에서 군집지능이 갖추어진 AMRs로의 전환은 시작에 불과하지만 이것은 무엇을 의미하나? 

AGVs는 맵핑한 트랙을 따라가야 하는데 고비용 인프라와 안전 조치가 추가적으로 필요하다. 반면에 AMRs 군집은 사람의 감시 없이 업무를 수행할 수 있다. AMRs는 자신들의 환경을 센싱하고 서로 협력하며 분산적으로 의사결정을 내린다.

군집 자율화를 가능하게 하는 기술은 AIoT와 2세대 로봇 운영시스템(ROS 2)이다. 로봇 소프트웨어 개발 오픈 소스 프레임워크는 분산데이터서비스(DDS)를 통합해 데이터 스트림처럼 데이터를 일괄적으로 공유할 수 있는 통일된 데이터 교환 환경을 제공한다. 이 시스템으로 많은 로봇들이 협업을 하며 신뢰할 수 있는 허용오차를 실시간으로 통신하게 된다.

대만의 전자기업 폭스콘이 ADLINK(Foxconn ADLINK Robot)와 합작해 ARMs을 개발하고 있다. 이번 제휴를 통해 ADLINK는 내비게이션 플랫폼인 Eclipse Cyclone DDS 소프트웨어를 제공한다. AMRs는 이 소프트 웨어를 사용하여 엣지 장치 간에 데이터를 실시간으로 공유한다. 데이터를 클라우드로 보내는 데 따르는 비용과 지연 시간을 해결하게 되었다.

AMRs를 사용하는 일반적인 시나리오는 생산 중인 반제품을 다음 공정으로 운반하는 것이다. 만약 전체적으로 운반해야 할 목적지가 다양할 경우, 한 AMR은 운반할 배치의 절반을 생산 셀 A 지점에, 다른 AMR은 30%를 생산 셀 B지점으로, 또 다른 ARM은 생산 셀 C에 나머지 20%를 운반할 수 있다. AMRs들이 서로 협업으로 작동하고 AI 가능 카메라를 이용해 현장 데이터를 시각화하므로 전체 운반량 중 몇 퍼센트가 어디로 가야 하는지 우선순위를 정할 줄 안다. ARMs 무리들은 자동으로 이동 동선을 설계하고 결정할 수 있는 지능이 있다. 

이 모든 기술을 결합해야 비로소 스마트 팩토리라 할 수 있고 작업자의 안전과 효율 및 생산성이 향상된다.

SOP(Standard Operating Procedure) 준수 모니터링

AI 머신 비전을 활용하는 또 다른 시나리오는 표준 운영 절차(SOP) 준수 모니터링이다. SOP는 제품 품질과 싸이클 타임을 최적화하고 위험으로부터 근로자를 보호하기 위해 개발되었다. 그러나, 사람의 실수로 문제점이 나타나고 있다.

과거에는 매뉴얼로 모니터링하여 SOP 규정 준수 여부를 확인하였다. 매뉴얼 모니터링은 공장 관리자마다 편차가 있으며 일반적으로 제한된 기간에 만 가능하다. 생산라인 전체에서 모든 오퍼레이터들의 모든 설비 조작 단계를 추적하기도 어렵고 현장 데이터는 불완전하며 통합 후 분석을 하는 데 시간이 걸린다. 문제가 되는 업무 절차를 수정하고 대응하는데 시간이 지연되면 품질 문제 및 생산성 저하 심지어 현장의 안전 사고로 이어질 수 있다.

대만 LCD 패널 제조사 AUO는 AI 스마트 카메라와 행동분석 딥러닝 알고리즘을 활용해 이 같은 문제들을 해결하고 있다. 이 솔루션은 ADLINK의 NEON AI 스마트 카메라를 기반으로 이루어 졌는데 인텔 모비디우스나 엔비디아 젯슨 AI 비전 처리 코어를 광범위한 이미지 센서와 통합한다. 엣지 비전 분석(EVA) 소프트웨어 개발 키트(SDK)가 Intel OpenVINO AI 및 NVIDIA TensorRT는 물론 현장에 있는 애플리케이션 플러그인을 지원하여 AI 비전 프로젝트 개발 시간을 최소화한다. 

EVA는 엔지니어가 AI 비전 분석을 검색하기 위해 최소한으로 프로그래밍하는 노코드 또는 로우 코드 소프트웨어 플랫폼이다. AI의 혜택을 받고 싶지만 검증된 지식과 기술이 갖춰져 있지 않은 경우, 제조업체 사내 시스템 통합 업체나 AI 프로젝트 오너가 AI 비전 애플리케이션에 대한 개념 증명(PoC)을 신속하게 진행하려면 EVA가 편리하다.

이러한 기술을 통해 일관되고 지속적으로 최적화된 SOP 모니터링과 평가를 할 수 있다. 실시간 AI 비전 분석으로 잘못된 절차에 즉시 대응할 수 있어 재작업 비용과 자재 손실도 삭감하며 깜박 잘못된 절차로 설비를 조작할 때 발생 가능한 위험을 방지할 수 있다. 포괄적인 모니터링으로 사이클 타임 개선하기 위해 추가 교육이 필요한 오퍼레이터를 식별하는 데도 도움이 된다.

스마트 제조의 미래

대량 맞춤 생산에 대응 가능한 제조 환경 스마트 제조에 큰 관심을 가지고 있다. 공장의 스마트화는 기존의 제조개념을 완전히 바뀌어야 한다. 스마트 제조는 디지털 혁신으로 생산라인이나 레이아웃, 인력배치 등을 변경하지 않고도 다양한 제품을 생산할 수 있도록 하는 것이다. 

AMRs(자율 이동 로봇)이 생산에 필요한 부품과 도구를 피킹하여 작업 공정으로 운반하며, 거기서 자율 로봇이 제품을 완성하면 물류 채널을 통해 직접 픽업해 고객에게 발송한다. 

작업 방식도 바뀔 것으로 보인다. 근로자는 위험 장소에 진입하지 않고 증강현실(AR)과 디지털 트윈을 활용해 사무실에서 실시간으로 가동 상황을 모니터링할 수 있게 된다.

P5G 기반 IoT 연결이 스마트 제조의 중추라면 AI는 시스템 전반을 통제하고 의사결정 기능을 하는 두뇌에 해당한다. AI와 IoT의 결합으로 AIoT를 이루어 자율 교정과 자율 유지관리까지 가능한 지능형 연결 시스템 구축으로 스마트 공장은 운영된다. 

출처 : manufacturingtomorrow​