마이크로컴퓨터

공장장은 기계가 돌아가는 줄은 안다. 얼마나, 어떤 부하로, 한 교대 근무에서 왜 부품이 30% 적게 나오는지는 — 여전히 알 수 없다.

생산에 대한 IT적 접근

산업 자동화에는 두 극단이 있다. 한쪽에는 대형 벤더의 비싼 솔루션: 생산 관리 시스템, 디지털 트윈, 수백만 달러 규모의 통합이 있다. 다른 한쪽에는 수기 데이터 수집이 있어 정보가 간헐적으로 기록되고 사라진다. 관찰 가능성 경험을 가진 IT 전문가로서 우리는, 서버와 애플리케이션 모니터링에 쓰이는 원칙을 생산 설비에 그대로 적용하기로 했다. 메트릭은 센서에서 수집되어 클라우드로 전달되고 대시보드에서 시각화된다. 정상 범위를 벗어나면 알림이 도착한다. 로그는 분석을 위해 보관된다. 생산은 IT 인프라와 같은 텔레메트리 원천이다. 문제는 이 데이터를 어떻게 수집할지, 그리고 그것으로 무엇을 할지이다.

사각지대

공장을 떠올려 보자. 기계 50대, 3교대, 200명. 설비의 일부는 컨트롤러와 디스플레이를 갖춘 최신식이다. 일부는 전자장치가 없는 기계식으로, 30에서 50년 된 모델이다. 가동 데이터는 조각으로 모인다: 누군가 뭔가를 적고, 누군가 기억하고, 누군가 말로 전한다. 월말에 보고서가 나온다. 숫자는 있는데 아무것도 설명하지 못한다. 왜 한 공정만 꾸준히 뒤처지는가. 왜 이 기계에서 부품이 더 자주 파손되는가. 생산량은 같은데 전력 소비는 왜 오르는가. 중요한 것은 — 비교할 방법이 없다는 것이다. 이 공정은 1년 전에 어떻게 돌아갔는가. 지난 분기에 비슷한 주문은 어떻게 소화했는가. 지난 고장 직전의 수치는 어땠는가. 축적된 데이터가 없으면 이 질문들은 답 없이 남는다.

우리의 해결 방식

생산에도 IT에서 통하는 원칙을 그대로 적용한다: 관찰, 로깅, 메트릭, 알림. 데이터 원천이 바뀐다 — 이제는 기계, 센서, 컨트롤러이다. 네트워크. 모든 설비를 연결해야 한다. 가능한 곳에는 — 약전 배선을 포설한다. 케이블이 닿지 않는 곳에는 — 4G 모뎀이 달린 노드를 설치한다. 각 노드는 자율적으로 동작한다: 연결이 끊기면 데이터는 로컬에 쌓이고 연결이 복구되면 전송된다. 하드웨어. 공장 전체에 센서를 연결한 마이크로컴퓨터를 배치한다. 구성은 과제에 따라 달라진다: 마이크로컴퓨터 한 대가 여러 기계를 담당할 수도 있고, 한 기계에 여러 데이터 수집 지점을 둘 수도 있다. 클라우드. 모든 데이터는 모니터링, 알림, 분석이 돌아가는 하나의 시스템으로 흘러든다. 연산은 클라우드에서 이뤄지고 자원은 필요에 따라 임대한다.

공장의 설비

컨트롤러를 갖춘 최신 기계에는 통합이 Modbus나 Ethernet으로 이루어진다. 데이터는 이미 기계 안에 있다 — 그것을 꺼내 한 곳에 모으면 된다. 전자장치가 없는 낡은 기계에는 외부 센서를 설치하고 기계 구조는 건드리지 않는다. Modbus 방식 전력계는 배전반의 DIN 레일에 설치되어 소비 전력을 실시간으로 보여 준다: 운전 모드, 부하, 이상. 3상 모델은 각 상별로 완전한 그림을 보여 준다. 하우징에 부착한 MEMS 가속도계는 진동을 추적한다 — 거기서 기구 동작의 변화가 드러난다. 주요 지점의 온도 센서는 정상에서 벗어난 편차를 기록한다. 선반과 밀링기에서는 스핀들 회전 센서가 운전 상태를 보여 준다. 유압이나 공압이 있는 기계에는 — 압력 센서. 오일과 절삭유 레벨 센서는 정비 필요를 알려 준다. 사이클 카운터는 작업 횟수를 기록한다.

노후 설비

별도의 이야기 — 전자장치가 없는 기계. 공장 건설 이래로 돌아가고 있는 30에서 50년 된 선반일 수도 있고, 디지털 컨트롤러 없이 전통적 구성으로 조립된 최신 모델일 수도 있다. 이런 기계는 믿을 만하고 교체할 이유도 없으며, 기록을 동반한 일일 관찰에 쉽게 응하지 않는다 — 컨트롤러가 있는 새 기계라면 그것이 간단하다. 이런 설비에는 진동 센서, 오일 레벨 센서, 전원 측 전력계를 설치할 수 있다 — 이는 예시이며 전부는 아니다. 설치 후에는 다음이 보인다: 기계가 돌아가는지 서 있는지, 부하를 받는지 공회전인지, 진동이 정상 범위인지 편차가 생겼는지, 오일이 얼마나 남았는지. 계획 점검 사이에도 설비 상태를 추적할 수 있게 된다.

문제는 이 기계가 정비 없이 얼마나 더 돌아갈지이다. 센서가 있으면 그것을 예측할 수 있다.

공기 질과 환기

일부 현장에서 공기 관리는 안전 문제이다. 도장 공장, 목재 가공장, 수리 작업장에서는 부유 먼지나 증기가 치명적일 수 있다. Modbus 또는 RS485 인터페이스를 갖춘 공기 질 센서는 PM2.5와 PM10의 입자 농도, CO2 수치, 휘발성 유기 화합물(VOC)을 측정한다. 이 데이터는 같은 모니터링 시스템으로 들어온다. 알림을 구성할 수 있다: 먼지 농도가 기준을 넘으면 시스템이 담당자에게 통지한다. 환기와 연동시킬 수도 있다: CO2가 올라가면 급기 용량이 자동으로 증가한다. 유사한 센서가 환기 시스템 자체에도 설치된다: 배기가 돌고 있는지, 공기가 흐르는지 정체됐는지, 각 단계의 풍량은 얼마인지. 이것이 설비의 상태를 실시간으로 보여 주며, 공장의 공기가 답답해지기 훨씬 전에 문제를 감지하게 한다.

안전과 관리

설비 데이터를 수집하는 같은 인프라가 안전 업무에도 쓰인다. 이해해 두면 좋은 점: 이는 이벤트 모델이다. 모든 사건이 기록된다 — 해치가 열림, 문이 닫힘, 재실 센서가 동작. 지금 당장 쓸 일이 없는 정보라도 사건 분석이나 분석 업무에 필요해질 수 있다. 무의미해 보이는 데이터를 붙들어 두라.

모든 사건이 하나의 시스템으로 들어온다. 하나의 대시보드가 설비 상태와 보안 사건을 함께 보여 준다.

클라우드와 분석

기업 전역에 흩어진 여러 마이크로컴퓨터로 구성된 전체 시스템은 하나의 센터에서 관리된다. 클라우드일 수도 있고 현장의 로컬 서버일 수도 있다. 시작할 때는 클라우드가 더 간단하다: 서버 하드웨어를 구매하거나 유지할 필요가 없다. 데이터는 여러 서버에 복제되어 저장된다 — 한쪽에 문제가 생겨도 정보는 남는다. 대부분의 모니터링 업무에는 이것으로 충분하다. 로컬 서버는 데이터가 민감하고 기업 경계 밖으로 나가지 않아야 할 때, 또는 인터넷 의존성 없이 실시간 응답이 필요할 때 의미가 있다. 데이터 수집과 시각화에는 오픈 소스 도구를 사용한다: 메트릭에 Prometheus, 대시보드에 Grafana, 로그에 Loki. 알림은 메신저나 이메일로 도착한다.

데이터는 원인을 보여 준다. 다음 단계는 행동 계획이다.

시스템에서는 각 기계의 실제 가동 시간, 정지와 그 길이, 에너지 소비의 이상, 교대와 공정의 효율성, 지표의 추세가 보인다. 이를 통해 고장 전에 정비를 계획할 수 있다: 진동이 오르기 시작하면 일정 시간 뒤에 개입이 필요하다.

데이터와 사람

기술 지표가 교대 정보와 특정 작업자 정보와 맞물리면 별도의 분석 층이 생긴다. 어떤 기계가 어떤 교대에서 돌아갔는지, 누가 맡았는지, 어떤 지표에 도달했는지 보인다. 이는 구조적 문제를 드러낸다: 야간 교대에서 자재 공급 로지스틱스 쪽에 문제가 있을 수도 있다. 아니면 한 기계가 셋업에 시간이 더 걸리는 것일 수도 있다. 아니면 특정 부품 유형이 일관되게 더 느리게 생산되는 것일 수도 있다.

우리의 일하는 방식

우리는 과제의 이해에서 시작한다: 어떤 관찰 가능성이 필요한지, 현장에 무엇이 이미 있는지, 어떤 데이터를 모으고 싶은지. 약전 인프라가 있으면 — 좋고, 전개가 빨라진다. 없으면 — 4G 모뎀으로 작업하거나 네트워크 포설을 업체에 맡긴다. 다음은 — 설계: 어떤 센서를, 어디에 두고, 어떻게 하나의 시스템으로 엮을지. 그다음 전개: 장비 설치, 소프트웨어 설정, 기존 프로세스와의 통합. 가동 후에는 — 교육: 대시보드와 알림을 다루는 법을 보여 준다. 그리고 지원: 상태를 감시하고, 펌웨어를 업데이트하고, 필요한 만큼 시스템을 확장한다. 한 공정 또는 몇 대의 기계에서 시작해 어떻게 돌아가는지 보고 이후로 확장할 수 있다.

이 서비스가 맞는 분

이런 모니터링은 데이터와 함께 일할 준비가 된 분을 위한 도구이다. 먼저 정보를 쌓아야 한다. 그다음 — 여러 기준으로 맞춰 보려 시도한다: 시간, 교대, 제품 유형, 공정별로. 추세를 찾는다. 그다음 — 로그 점검과 현장 인원과의 대화를 함께 활용해 설명과 해법을 찾는다. 기업에서 프로세스 개선을 담당하는 분께 유용하다. 사건의 전체 그림이 필요한 안전 담당자에게. 생산 전체에 대한 집계 분석이 필요한 경영진에게. 설비가 실제로 어떻게 돌아가는지 이해하고 싶은 공정 엔지니어에게. 데이터만으로는 아무것도 결정되지 않는다. 흩어진 많은 양의 정보가 기준에 따라 묶이고 분석에 쓸 수 있게 되었을 때 — 추측은 옆으로 두고 사실에 근거해 결정할 가능성이 생긴다.

다음

쇼츠 크리에이터

Blender, Python 및 3D 그래픽을 사용하여 짧은 동영상을 만드는 온라인 도구. 소셜 네트워크를 위한 콘텐츠 제작 자동화.

→