[논문]제조설비 상태 진단 알고리즘 기반의 공장 모니터링 시스템에 대한 연구

송은주; 송교진; 고동범; 박정민

doi:10.7236/jiibc.2020.20.2.261

제조설비 상태 진단 알고리즘 기반의 공장 모니터링 시스템에 대한 연구
A Study on Factory Monitoring System based on Manufacturing Facility Condition Diagnosis Algorithm 원문보기

The journal of the institute of internet, broadcasting and communication : JIIBC, v.20 no.2, 2020년, pp.261 - 269

송은주 (한국산업기술대학교 컴퓨터공학화) , 송교진 (한국산업기술대학교 컴퓨터공학화) , 고동범 (한국산업기술대학교 스마트팩토리융합학과) , 박정민 (한국산업기술대학교 컴퓨터공학화)

초록
AI-Helper

본 논문은 스마트 팩토리의 효율적인 오류 탐지를 위한 설비 시뮬레이션 시스템을 소개한다. 공장 설비들의 관계를 분석하여 설비오류 탐지시 오류를 자율적으로 추론하고 해결할 수 있는 설비 시뮬레이션 시스템은 높은 생산성을 가진 스마트 팩토리를 구성하는 데 중요한 기술 중 하나이다. 이러한 자율 제어 시스템 구현을 위해서는 공장 설비의 데이터를 통해 설비의 상태를 파악하고 설비 간 관계를 분석할 수 있어야 한다. 따라서 본 논문은 정의된 설비 상태를 이용하여 공정 시나리오를 기반으로 오류 발생시 공정 오류의 원인이 되는 설비를 쉽게 탐지할 수 있는 프로그램을 설계하고 개발한다. 시뮬레이션을 통해 공정 Map과 설비 상태 기반의 오류 추론 과정이 일반적인 오류 추론 과정보다 효율적임을 보였다. 본 시뮬레이션 프로그램을 통해 설비 오류 발생에 따른 추론 및 해결 과정을 직관적으로 볼 수 있도록 한다.

Abstract ▼ AI-Helper

This paper introduces a facility simulation system for efficient error detection of smart factories. The facility simulation system, which can infer and solve errors autonomously when analyzing the relationship between plant facilities, is one of the important technologies for constructing a smart factory with high productivity. In order to implement this autonomic control system, it is necessary to be able to identify the status of facilities and analyze the relationship between facilities through the data of factory facilities. Therefore, in this paper, we design and develop a simulation program that can detect the equipment that causes the process error when an error occurs based on the process scenario using the defined equipment status. The simulation shows that the error inference process based on the process map and facility status is more efficient than the general error inference process. This simulation program provides an intuitive view of the reasoning and resolution of facility failures.

주제어

표/그림 (11)

그림 그림 1. 시스템 프로세스 Fig. 1. System Process
그림 그림 2. 전체 시스템 구조 Fig. 2. System Architecture
그림 그림 3. 시뮬레이션 프로그램의 전체 설비 모니터링 과정 Fig. 3. Entire plant monitoring process of the simulation program
그림 그림 4. 설비 시뮬레이션 프로그램의 UI Fig. 4. Program UI of simulation program
그림 그림 5. 부품들의 이동 경로 Fig. 5. Path of components
그림 그림 6. 정상 시나리오의 시뮬레이터 프로그램 Fig. 6. Simulator program in normal scenario
그림 그림 7. 설비 7의 내부 오류가 나타난 직후의 상황 Fig. 7. Situation after internal error of facility 7.
그림 그림 8. 설비 7과 관련된 설비들이 외부 오류를 나타낸 모습 Fig. 8. External failure in facilities related to facility 7
그림 그림 9. 설비 7의 오류가 해결되고 정상 가동되는 모습 Fig. 9. Normal operation after fault in facility 7 has been cleared
그림 그림 10. 부품 생산 시간 Fig. 10. Time of component production
그림 그림 11. 공정 맵과 전체 탐색을 이용한 오류 탐지 시간 비교 Fig. 11. Error detection time comparison using

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

또한 스마트 팩토리로부터 수집된 데이터들은 MES, ERP와 같은 생산, 경영 분야의 시스템과 연동되어 효율적인 판단을 가능하게 하고, 공장은 최적의 생산체제 하에서 운영 될 수 있다.^[5] 본 논문에서는 전기모터 공장 환경에서 부품들을 옮기는 시뮬레이션을 진행하여 공장 상황을 모니터링하고 오류를 자율적으로 해결할 수 있는 프로그램을 제안한다.
이러한 단점을 해결하기 위해서는 기존연구에서 제안한 제조설비의 자율제어를 위한 4가지 상태를 기반으로 오류 진단프로세스 및 알고리즘 정의가 필요하다. 따라서 본 논문에서는 제조 공장에서 설비들의 상태와 공정 과정 분석을 바탕으로 도출된 상태 진단 알고리즘을 활용하여 설비들의 상태를 모니터링하여 오류가 발생했을 때 오류지점을 빠르게 찾아낼 수 있는 오류 진단 프로세스를 정의한다. 그리고 실제 전기 모터 생산 테스트 베드에 해당프로세스를 적용한 공장 시뮬레이션 프로그램을 구현하고 테스트를 진행하여 정의된 프로세스와 알고리즘이 오류 지점 파악의 효율성을 검증한다.
본 논문에서는 효과적인 의사결정을 할 수 있는 스마트 팩토리를 구축하기 위해 공장 설비들의 관계를 정의 하여 Mapping하고 동작을 1) Ready, 2) Working, 3)Finish, 4) Failure 상태로 분류했다. 또한 설비들의 상황을 파악하고 오류가 발생하면 자율적으로 해결할 수 있는 방법에 대해 제안하였다. 제안 사항을 통해 제조설비 모니터링 시뮬레이터를 개발하고 시뮬레이션을 진행하면서 특정 설비에 오류가 발생하면 오류가 난 설비를 쉽게 추론할 수 있었다.
또한 설비에 오류가 생겼을 때 오류가 난 설비를 확인하고 그 오류의 원인까지 파악하여 스스로 오류를 해결할 수 있도록 자율적이고 효율적인 의사결정을 할 수 있는 알고리즘이 필요하다. 본 논문에서는 실제 공장 환경과 가상의 시뮬레이션 환경을 통합 공장 맵을 통해 진행할 수 있는 프로그램을 제안한다. 이를 통해 실제 공장환경에서 발생하는 오류들을 미리 확인하고 해결할 수 있는 전략 수립 및 실행에 기여한다.
본 장에서는 효과적인 자율제어가 가능한 스마트 팩토리와 이에 필요한 개념 및 기술인 디지털 트윈, 자율제어 시스템에 대해 알아본다.
. 스마트 팩토리의 목표는 각 공장에서 수집된 많은 양의 데이터를 분석하고, 상황에 따라 설비 스스로 의사결정을 할 수 있는 데이터 기반의 공장 운영체계를 갖추는 것이다. 구축된 데이터기반 운영체계는 원인을 알 수 없었던 갑작스러운 장애나 품질 불량과 같이 생산 현장에서 발생되는 오류의 인과관계를 쉽게 알아낼 있으며 자체적인 해결을 가능하게 한다^[4].

가설 설정

시나리오가 정상적으로 진행되던 상황에서 설비 7에오류가 발생하는 상황을 가정한다. 설비 7에 오류가 발생하면 프로그램은 설비 7의 상태를 Internal Failure로 변경한다.
이상이 발생한 시나리오는 설비들의 동작이 정상적으로 수행되다가 설비 7에 오류가 나서 부품들이 제대로 이동할 수 없기 때문에 원인을 파악하여 오류가 해결되는 상황을 가정한 시나리오이다. 그림 6은 정상적으로 모터캡이 설비 1에서 2로 이동하고 있는 모습을 보여 준다.

제안 방법

본 장에서는 제조 설비에서 생성되는 데이터들을 분석하고 상태 진단이 가능한 설비 시뮬레이션 프로그램을 구현하고 1) 공장 모니터링 실시, 2) 오류가 없는 정상 시나리오, 3) 설비에 오류가 발생한 이상 시나리오의 3단계로 데모 및 실험을 진행한다. 실험 수행을 위해 전기 모터 공장의 개별적인 설비 상태를 추상화할 수 있는 제조설비의 4가지 상태를 정의한다.
Failure 상태로 변경돼 작동을 멈춘 설비들의 상태를 확인하고 다른 설비들의 External Failure 상태의 원인이 되는 Internal Failure 상태의 설비를 확인하고 오류원인을 분석한다.
Simulation Executing Module은 Machine AnalysingModule의 작업 수행 결과인 설비 데이터와 통합 공장Map를 통해 시뮬레이션을 진행하며 설비의 동작에 맞춰 설비 상태를 Ready, Working, Finish, Failure의 4단계로 변경한다. 동작하는 설비들의 상태와 단계를 바탕으로 오류를 감지하고 오류가 발생한다면 이를 해결하기위한 전략을 수행한다.
공장 시뮬레이션 단계에서는 설비 레이아웃 분석을 통해 얻은 설비 정보들과 통합 공장 Map을 이용하여 시뮬레이션을 진행한다. 시뮬레이션 도중 변화하는 설비들의 상태를 통합 공장 Map에 갱신하여 시뮬레이터 결과를 도출한다.
따라서 본 논문에서는 제조 공장에서 설비들의 상태와 공정 과정 분석을 바탕으로 도출된 상태 진단 알고리즘을 활용하여 설비들의 상태를 모니터링하여 오류가 발생했을 때 오류지점을 빠르게 찾아낼 수 있는 오류 진단 프로세스를 정의한다. 그리고 실제 전기 모터 생산 테스트 베드에 해당프로세스를 적용한 공장 시뮬레이션 프로그램을 구현하고 테스트를 진행하여 정의된 프로세스와 알고리즘이 오류 지점 파악의 효율성을 검증한다.
실험 수행을 위해 전기 모터 공장의 개별적인 설비 상태를 추상화할 수 있는 제조설비의 4가지 상태를 정의한다. 또한 공장의 레이아웃 및 부품 별 공장 이동 경로를 추출함으로써 전체 공장의 흐름과 시나리오를 분석하고 분석한 결과를 토대로 모니터링을 수행한다. 모니터링 중 설비에 오류가 발생하면 오류가 발생한 설비를 추론하고 오류의 원인을 파악하여 자율적으로 오류의 원인을 해결할 수 있게 한다.
설비 레이아웃 분석 단계에서는 공장의 레이아웃과 공장에 필요한 부품, 공장별 이동경로 등을 포함한 설비 정보분석을 진행한다. 또한 설비 정보를 바탕으로 설비 간의 관계를 파악하여 오류 탐지 및 원인 분석에서 사용되는 통합 공장 Map을 작성한다.
먼저 정의한 제조 설비의 1) Ready, 2) Working, 3)Finish, 4) Failure의 4가지 상태와 공장 모니터링 알고리즘을 도입한 설비 시뮬레이션 프로그램을 이용하여 설비 모니터링을 실시한다. 모니터링 시 전기모터 공장의 설비들과 부품이 움직이는 이동 경로를 추출하고 이를 토대로 설비 데이터들을 분석하며 설비 오류를 진단한다.
이전 연구에서는 컴포넌트 기반의 자율제어 시스템을 제안하고 1)Ready, 2)Working 3)Finish, 4) Failure의 4가지 상태를 정의하여 원활한 자율제어 모니터링이 가능할 수 있게 하였다. 본 논문에서는 위 4가지 상태를 기반으로 자율제어 프로세스 및 알고리즘을 이용하여 모니터링 단계를 효율적으로 수행하며 오류발생 시 오류 지점을 빠르게 찾아낼 수 있는 시뮬레이션 프로그램을 설계하고 구현한다.
본 절에서는 제조 설비를 분석하여 이를 관리하기 위한 설비 상태와 통합 공장 Map을 정의하고, 시뮬레이션도중 발생하는 오류 이벤트 감시, 진단 및 해결전략 수립을 위한 과정을 1)설비 레이아웃 분석, 2)공장 시뮬레이션, 3)오류 탐지 및 분석, 4)해결 전략 실행의 4단계 프로세스로 설명한다. 그림 1은 이러한 4단계의 프로세스를 나타낸다.
분석한 오류 원인을 바탕으로 해당 오류를 처리하기위한 적절한 해결전략을 확인하고 이를 수행한다.
설비 시뮬레이션을 진행하여 부품이 공급되는 단계들부터 조립되어 완성되는 단계까지의 시간을 측정한다. 부품이 완성되는 데 걸리는 시간은 부품들이 조립되는 시간과 마킹 설비에 도달되는 시간에 따라 큰 차이를 나타내게 된다.
정상 시나리오에서는 설비들이 정의했던 상태 중Ready, Working, Finish의 3가지 상태를 반복하며 부품들을 조립한다. 오류가 없는 정상적인 시나리오이므로 Failure 상태는 나타나지 않는다.
정의된 설비들 간의 관계를 바탕으로 통합 공장Map을 구성한다.
그림 11은 통합 공장맵을 이용한 오류 해결방법과 모든 설비의 오류 상태를 확인하는 방법의 각 설비별 오류 발생 시 오류 해결 시간을 나타낸다. 총 9개의 설비에서 각각 100번의 오류를 발생시키고 이를 두 가지의 방법으로 오류를 해결하였을 때 걸린 시간의 평균을 나타낸다.
통합 공장맵의 오류 해결 방법의 성능을 평가하기 위해 모든 설비의 오류 상태를 직접 확인하는 방법(Bruteforce)과 오류 해결 시간을 비교 측정한다.
특히 통신 기술이 발달하면서 기존보다 고성능의 센서와 인공 지능 기반의 시스템, 사물 인터넷(Internet ofThings, IOT)과 같은 기술들이 결합된 ‘Industry 4.0’이 등장하게 되었고, 기존의 ‘소품종 대량생산’의 제조업 패러다임을 다양한 종류의 상품을 유연하게 생산하는 ‘다품종 소량생산’으로 변화하였다.

성능/효과

3) 계획, 4) 실행 단계는 2) 분석 단계에서 추론한 오류 원인을 토대로 오류 해결전략을 수립하고 이를 수행한다^[11]. 이전 연구에서는 컴포넌트 기반의 자율제어 시스템을 제안하고 1)Ready, 2)Working 3)Finish, 4) Failure의 4가지 상태를 정의하여 원활한 자율제어 모니터링이 가능할 수 있게 하였다. 본 논문에서는 위 4가지 상태를 기반으로 자율제어 프로세스 및 알고리즘을 이용하여 모니터링 단계를 효율적으로 수행하며 오류발생 시 오류 지점을 빠르게 찾아낼 수 있는 시뮬레이션 프로그램을 설계하고 구현한다.
또한 설비들의 상황을 파악하고 오류가 발생하면 자율적으로 해결할 수 있는 방법에 대해 제안하였다. 제안 사항을 통해 제조설비 모니터링 시뮬레이터를 개발하고 시뮬레이션을 진행하면서 특정 설비에 오류가 발생하면 오류가 난 설비를 쉽게 추론할 수 있었다. 그리고 오류 원인을 분석하고 자율적인 의사결정으로 오류를 해결할 수 있었다.

후속연구

시뮬레이션 도중 변화하는 설비들의 상태를 통합 공장 Map에 갱신하여 시뮬레이터 결과를 도출한다. 도출된 시뮬레이터 결과는 추후 오류를 탐지하고 그 원인을 파악하는데 사용된다.
본 논문에서는 설비 관계 분석을 위해 전기 모터 공장의 레이아웃을 본 딴 가상의 설비를 사용했기 때문에 실제 공장 설비와 데이터를 통한 검증이 필요하다. 따라서 차후 실제 스마트 팩토리에서 사용하는 설비들의 관계를 분석하여 공장 Map을 작성하고 실제 설비에서 발생되는 데이터들을 활용하여 오류를 자율적으로 찾는 방안에 대해 연구할 예정이다.
본 논문에서는 설비 관계 분석을 위해 전기 모터 공장의 레이아웃을 본 딴 가상의 설비를 사용했기 때문에 실제 공장 설비와 데이터를 통한 검증이 필요하다. 따라서 차후 실제 스마트 팩토리에서 사용하는 설비들의 관계를 분석하여 공장 Map을 작성하고 실제 설비에서 발생되는 데이터들을 활용하여 오류를 자율적으로 찾는 방안에 대해 연구할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	디지털 트윈이란 무엇인가?	디지털 트윈은 발전된 센서와 IOT 기술을 활용하여 실제 세계를 모델링하여 가상 환경에 구현하는 기술이다.
	디지털 트윈 기술의 장점은 무엇인가?	디지털 트윈 기술은 제조업 분야에서 제조 공장 내 설비정보들을 바탕으로 가상 환경에서 공장 시뮬레이션을 진행하여 효율적인 공장 관리를 가능하게 한다. 실제 공장환경은 여러 제조 설비들 간의 상호 작용을 바탕으로 가동되기 때문에 이를 가상 환경에서 시뮬레이션하기 위해서는 다양한 상황에 대처하고 판단할 수 있는 자율제어시스템이 필요하다.
	본 논문에서 자율 제어 시스템 구현을 위해 만든 프로그램은 무엇인가?	이러한 자율 제어 시스템 구현을 위해서는 공장 설비의 데이터를 통해 설비의 상태를 파악하고 설비 간 관계를 분석할 수 있어야 한다. 따라서 본 논문은 정의된 설비 상태를 이용하여 공정 시나리오를 기반으로 오류 발생시 공정 오류의 원인이 되는 설비를 쉽게 탐지할 수 있는 프로그램을 설계하고 개발한다. 시뮬레이션을 통해 공정 Map과 설비 상태 기반의 오류 추론 과정이 일반적인 오류 추론 과정보다 효율적임을 보였다.

참고문헌 (11)

H.Y. Park, "Trend of Smart Factory and Manufacturing Technology", Journal of Korean Communication Society, Vol. 33, No. 1, pp. 24-29, 2015.
S.B Lee and J.K Park. "A Study on the Effects of Management Strategy, Collaboration Process and SCM Integration on Corporate Performance in Small and Midsize Parts Manufacturers", IJournal of the Korea Academia-Industrial cooperation Society, Vol. 20, No. 7, pp.448-466, 2019. DOI: https://doi.org/10.5762/KAIS.2019.20.7.448
Osterrieder, P., Budde, L., & Friedli, T. "The smart factory as a key construct of industry 4.0: A systematic literature review", International Journal of Production Economics, In Press, 2019. DOI: https://doi.org/10.1016/j.ijpe.2019.08.011
Longo, F., Nicoletti, L., & Padovano, "A. Smart operators in industry 4.0: A human-centered approach to enhance operators' capabilities and competencies within the new smart factory context". Computers & industrial engineering, Vol 113, pp. 144-159, 2017. DOI: https://doi.org/10.1016/j.cie.2017.09.016

상세보기
Liu, W., Kong, C., Niu, Q., Jiang, J., & Zhou, X.. "A method of NC machine tools intelligent monitoring system in smart factories". Robotics and Computer-Integrated Manufacturing, Vol 61, 2020. DOI: https://doi.org/10.1016/j.rcim.2019.101842

상세보기
Zhong, R. Y., Xu, X., Klotz, E., & Newman, S. T. "Intelligent manufacturing in the context of industry 4.0: a review". Engineering, Vol. 3(5), pp. 616-630. 2017. DOI: https://doi.org/10.1016/J.ENG.2017.05.015

상세보기
Lee, J., Bagheri, B., & Kao, H. A, "A cyber-physical systems architecture for industry 4.0-based manufacturing systems". Manufacturing letters, Vol 3, pp. 18-23. 2015. DOI: https://doi.org/10.1016/j.mfglet.2014.12.001

상세보기
N.C Do and Y.H Lee, "Development of Manufacturing Facility-Centered Digital Twin Architecture : Case of Building Process-BOM", Korean Journal of Computational Design and Engineering, Vol. 24, No. 1, pp. 92-102. 2019. DOI: https://doi.org/10.7315/CDE.2019.092

상세보기
K.S Kim, B.M. Lim, S.S Choe, S.Y. Ji and K.H Ryu. "Design and Implementation of Web-based Virtual Twin Model for Synchronization between Physical and Cyber Space in Manufacture Industry", The Journal of Korean Institute of Information Technology, Vol. 14, No. 2, pp.115-124, 2016. DOI: https://doi.org/10.14801/jkiit.2016.14.2.115

상세보기
Gronau, N. "Determining the appropriate degree of autonomy in cyber-physical production systems". CIRP Journal of Manufacturing Science and Technology. Vol 26, pp. 70-80, 2019. DOI: https://doi.org/10.1016/j.cirpj.2019.05.001

상세보기
Fakhir, M. I., & Kazmi, S. A. R. "Formal specification and verification of self-adaptive concurrent systems", IEEE Access, Vol. 6, pp. 34790-34803, 2018. DOI: https://doi.org/10.1109/ACCESS.2018.2849821

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증