스마트 제조혁신을 위한 보호필름 공정 제조데이터의 활용모델 설계 The Design of Application Model using Manufacturing Data in Protection Film Process for Smart Manufacturing Innovation원문보기
세계 제조업은 장기적인 경기침체, 노동 원가 및 원자재 가격 상승으로 성장 한계에 봉착하게 되었으며, 이에 대한 해결방안으로 ICT와 센서 기술을 바탕으로 제조업의 4차 산업혁명을 진행하고 있다. 이러한 흐름에 따라 화학 산업에서의 스마트공장보급 확산과 스마트제조 기술 향상을 위해, 본 논문은 스마트 제조혁신을 위한 보호필름 공정 제조데이터 활용모델의 설계를 제안한다. 보호필름 공정 중에서 원료 배합 및 교반, 압출, 그리고 검수 공정에 대해서 온도, 압력, 습도, 그리고 동영상 및 열화상의 제조 데이터를 획득한다. 또한 획득된 제조 데이터는 대용량 스토리지에 저장되며, AI 서비스에 의한 시계열 및 이미지 분석과 시각화가 진행된다.
세계 제조업은 장기적인 경기침체, 노동 원가 및 원자재 가격 상승으로 성장 한계에 봉착하게 되었으며, 이에 대한 해결방안으로 ICT와 센서 기술을 바탕으로 제조업의 4차 산업혁명을 진행하고 있다. 이러한 흐름에 따라 화학 산업에서의 스마트공장보급 확산과 스마트제조 기술 향상을 위해, 본 논문은 스마트 제조혁신을 위한 보호필름 공정 제조데이터 활용모델의 설계를 제안한다. 보호필름 공정 중에서 원료 배합 및 교반, 압출, 그리고 검수 공정에 대해서 온도, 압력, 습도, 그리고 동영상 및 열화상의 제조 데이터를 획득한다. 또한 획득된 제조 데이터는 대용량 스토리지에 저장되며, AI 서비스에 의한 시계열 및 이미지 분석과 시각화가 진행된다.
The global manufacturing industry has reached the limit to growth due to a long-term recession, the rise of labor cost and raw material. As a solution to these difficulties, we promote the 4th Industry Revolution based on ICT and sensor technology. Following this trend, this paper proposes the desig...
The global manufacturing industry has reached the limit to growth due to a long-term recession, the rise of labor cost and raw material. As a solution to these difficulties, we promote the 4th Industry Revolution based on ICT and sensor technology. Following this trend, this paper proposes the design of a model using manufacturing data in the protection film process for smart manufacturing innovation. In the protective film process, the manufacturing data of temperature, pressure, humidity, and motion and thermal image are acquired by various sensors for the raw material blending, stirring, extrusion, and inspection processes. While the acquired manufacturing data is stored in mass storage, A.I. platform provides time-series image analysis and its visualization.
The global manufacturing industry has reached the limit to growth due to a long-term recession, the rise of labor cost and raw material. As a solution to these difficulties, we promote the 4th Industry Revolution based on ICT and sensor technology. Following this trend, this paper proposes the design of a model using manufacturing data in the protection film process for smart manufacturing innovation. In the protective film process, the manufacturing data of temperature, pressure, humidity, and motion and thermal image are acquired by various sensors for the raw material blending, stirring, extrusion, and inspection processes. While the acquired manufacturing data is stored in mass storage, A.I. platform provides time-series image analysis and its visualization.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
Information Technology 측면에서 보호필름 공정 제조데이터를 수집 및 저장할 수 있도록 대용량 스토리지 인프라를 설계 및 차후에 개발하고자 한다. 오픈 소스 Ceph[7]를 이용한 중소기업을 위한 저가의 대용량 분산 스토리지의 목표로 설계를 수행하며, 대용량 분산 스토리지의 논리적 기능 설계([그림 13] 참조)와 물리적 인프라 설계([그림 14] 참조)를 한다.
다음으로, 보호필름 공정에서 생성된 제조데이터에 대해 수집, 저장, 검색 및 분석이 가능하도록 원시 데이터를 저장할 수 있는 대용량 스토리지를 개발 및 구축한다. 마지막으로, Operation Technology 측면에서 제조데이터의 빅데이터 분석을 위한 AI 서비스 모델 및 제조데이터의 시각화를 진행 및 통합하고자 한다.
보호필름 공정의 제조데이터 활용 모델은 다양한 제조 공정에 적용될 수 있는 Top-Down 방식의 일반화된 시스템 설계의 복잡성과 어려움으로 다양한 Case Study를 통한 Bottom-Up 방식을 통해서 향후에 제조공정의 일반화된 시스템 설계를 하고자 한다.
본 논문은 스마트 제조혁신을 위한 보호필름 공정 제조데이터 활용모델의 설계를 제안하였으며, 보호필름 공정 중에서 원료 배합 및 교반, 압출, 그리고 검수 공정에 대해서 온도, 압력, 습도, 그리고 동영상 및 열화상의 제조 데이터를 획득하고자 한다. 또한 획득된 제조 데이터는 대용량 스토리지에 저장되며, AI 서비스에 의한 시계열 및 이미지 분석과 시각화를 개념 설계하였다.
이를 위해서는 보호필름 제조데이터 모델을 설계하고, 구형장비의 실시간 데이터연동 및 처리를 위한 IIoT 어댑터 및 Edge Computing 기술의 지원이 필요하며. 제조데이터의 저장을 위한 대용량 스토리지 인프라 및 시계열 및 영상 분석을 위한 AI서비스를 설계 및 향후에 개발하고자 한다. 마지막으로, 수집된 제조데이터를 분석한 결과를 시각화하여 보여주는 통합 관리솔루션으로 AI 서비스를 설계하였으며, 향후에는 설계를 바탕으로 보호필름 공정을 위한 통합 시스템을 구현하고, 현장 공정에 적용할 예정이다.
화학 산업에서의 스마트공장 보급 확산과 스마트제조 기술향상을 위해, 본 논문은 스마트 제조혁신을 위한 보호필름 공정제조데이터 활용모델의 설계를 제안하고자 한다. II 장에서는 스마트제조 국내외 동향과 관련 기술들을 살펴보고, III 장에서는 스마트 제조혁신을 위한 보호필름 공정의 제조데이터 활용모델을 제시한다.
제안 방법
x OS 및 LwM2M 포팅을 수행하며, 다음의 [그림 7]은 IIoT 어댑터 및 Edge Computing의 개요도를 나타낸 것이다. IIoT 어댑터 설계가 이루어진 후, 실시간 데이터 처리를 위한 Edge Computing을 설계 및 구현할 계획이다.
보호필름 공정 제조데이터 활용모델의 구성도는 다음의 [그림 5]와 같으며, 먼저, Information Technology 측면에서 보호필름 공정을 대상으로 온도 및 습도, 그리고 열화상 등의 제조데이터를 다양한 센서들을 이용하여 수집하고, 전송 모듈을 통하여 스토리지에 전송하게 된다. 다음으로, 보호필름 공정에서 생성된 제조데이터에 대해 수집, 저장, 검색 및 분석이 가능하도록 원시 데이터를 저장할 수 있는 대용량 스토리지를 개발 및 구축한다. 마지막으로, Operation Technology 측면에서 제조데이터의 빅데이터 분석을 위한 AI 서비스 모델 및 제조데이터의 시각화를 진행 및 통합하고자 한다.
먼저, 보호필름 산업 플랫폼 및 공정 분석을 수행한다. 다음으로, 보호필름 제조 공정의 주요 데이터 발생 지점을 파악하고 분석한다. 적용 지점 및 주요 데이터 기반으로 데이터 모델을 설계한다.
대용량 분산 스토리지는 소프트웨어 정의 스토리지(SDS: Software Defined Storage)인 오픈 소스 Ceph을 활용하여 개발한다. Ceph는 인텔 프로세서 기반 범용 하드웨어를 사용해 대규모 소프트웨어 정의 스토리지를 구현하기 위해 시작된 오픈 소스 프로젝트이다.
대용량 분산 스토리지에 저장된 제조데이터와 AI 서비스를 통해 분석된 결과를 연계할 수 있는 통합 관리 솔루션을 개발한다. 분석 데이터를 시각화하고, MES(ManufacturingExecution System) 연계할 수 있도록 한다.
본 논문은 스마트 제조혁신을 위한 보호필름 공정 제조데이터 활용모델의 설계를 제안하였으며, 보호필름 공정 중에서 원료 배합 및 교반, 압출, 그리고 검수 공정에 대해서 온도, 압력, 습도, 그리고 동영상 및 열화상의 제조 데이터를 획득하고자 한다. 또한 획득된 제조 데이터는 대용량 스토리지에 저장되며, AI 서비스에 의한 시계열 및 이미지 분석과 시각화를 개념 설계하였다.
먼저, 보호필름 산업 플랫폼 및 공정 분석을 수행한다. 다음으로, 보호필름 제조 공정의 주요 데이터 발생 지점을 파악하고 분석한다.
Information Technology 측면에서 보호필름 공정 제조데이터를 수집 및 저장할 수 있도록 대용량 스토리지 인프라를 설계 및 차후에 개발하고자 한다. 오픈 소스 Ceph[7]를 이용한 중소기업을 위한 저가의 대용량 분산 스토리지의 목표로 설계를 수행하며, 대용량 분산 스토리지의 논리적 기능 설계([그림 13] 참조)와 물리적 인프라 설계([그림 14] 참조)를 한다.
적용 지점 및 주요 데이터 기반으로 데이터 모델을 설계한다. 이를 바탕으로, 스마트제조 적용 방안 및 KPI 연계방안을 도출한다.
다음으로, 보호필름 제조 공정의 주요 데이터 발생 지점을 파악하고 분석한다. 적용 지점 및 주요 데이터 기반으로 데이터 모델을 설계한다. 이를 바탕으로, 스마트제조 적용 방안 및 KPI 연계방안을 도출한다.
제조공정에 다양한 센서들을 이용하여 제조데이터를 수집하고, 전송 모듈을 통하여 스토리지에 전달하기 위해 IIoT 어댑터를 설계하고자 한다. 어댑터 개발을 위해, ARM Cortex-M MCU 기반 Serial Communication Adapter 회로 설계 및 제작, Analog Digital Converter(ADC) Adapter 회로 설계 및 제작, Digital Input Adapter 회로 설계 및 제작, ARM mbed 5.
04를 설치하여 LXD[9] 가상화 컨테이너를 지원할 수 있도록 한다. 첫 번째 LXD 컨테이너에는 Ceph을 설치하여 분산 클라우드 스토리지 인프라 SW를 구축하고, 두 번째 LXD 컨테이너에는 MXNet을 설치하여 MXNet 클러스터 인프라 SW를 구축한다. 각 Ceph 노드에는 HW 노드의 3개의 하드디스크를 패스스루(passthrough) 기술을 통해 연계할 수있도록 하고, 각 하드디스크마다 OSD(Object Storage Daemon)을 생성한다.
성능/효과
MXNet의 Gluon 라이브러리는 교육 속도를 그대로 유지하면서 손쉽게 딥러닝 모델의 프로토타입을 구축, 교육 및 배포할 수 있는 상위수준의 인터페이스를 제공한다. 둘째, 뛰어난 성능이다. 딥러닝 워크로드는 선형에 가까운 확장성으로 여러 GPU로 분산될 수있다.
즉, 매우 규모가 큰 프로젝트도 상대적으로 짧은 시간 내에 처리할 수 있다. 셋째, IoT 및 Edge Computing 용도로 사용 가능하다. 넷째, 유연성 및 선택권이다.
후속연구
제조데이터의 저장을 위한 대용량 스토리지 인프라 및 시계열 및 영상 분석을 위한 AI서비스를 설계 및 향후에 개발하고자 한다. 마지막으로, 수집된 제조데이터를 분석한 결과를 시각화하여 보여주는 통합 관리솔루션으로 AI 서비스를 설계하였으며, 향후에는 설계를 바탕으로 보호필름 공정을 위한 통합 시스템을 구현하고, 현장 공정에 적용할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
보호필름 생산 공정에 따라 제조 데이터 모델을 설계하기 위한 생산 공정은 어떠한가?
먼저, 보호필름 산업 플랫폼 및 공정 분석을 수행한다. 다음으로, 보호필름 제조 공정의 주요 데이터 발생 지점을 파악하고 분석한다. 적용 지점 및 주요 데이터 기반으로 데이터 모델을 설계한다. 이를 바탕으로, 스마트제조 적용 방안 및 KPI 연계방안을 도출한다.
화학 산업은 어떠한 산업인가?
화학 산업은 국가 기간산업으로 농업, 자동차, 건설 등 많은 최종 제품 시장의 중간재를 만드는 기반산업이다. 따라서 화학산업의 변화는 많은 다른 산업에 파급효과를 일으킬 가능성이 큰 분야이다.
산업기술인력 부족현상을 해결하기 위해 시급한 것은 무엇인가?
이에, 산업기술인력 부족현상 해결을 위한 인력 수급 방안과함께 스마트공장 보급 확산이 시급하다. 화학 산업의 스마트공장 보급 확산 필요성은 ‘전자부품, 컴퓨터, 영상, 음향 제조업’(24.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.