프로세스 데이터에 기반한 예측은 비용 집약적인 테스트 시설을 양적으로 구성하는 것보다 품질을 보장하는 훨씬 효율적인 방법이었다. 

Amberg의 SIEMENS 공장은 연간 1600만 개의 SIMATIC (SIEMENS AUTOMATION 제품군)을 생산하고 있다. 약 75%의 공정이 자동화되어 있는 SIEMENS의 디지털 생산 시스템을 대표하는 공장 중 하나이기도 하다. 이곳에서는 최근에 적극적인 프로세스 데이터의 활용으로 X- ray 검사장비로 이어지는 병목현상을 개선할 수 있었고, 약 50만 유로(약 6억)의 투자 비용을 절감할 수 있었다.

엄청난 양의 데이터가 생산 기술의 적용 과정에서 센서, 제어기, 카메라, 컨택터 등의 입력기기를 통해 생성된다. 거의 대부분은 PLC(Programmable Logic Controller)의 시퀀스 제어를 위해 사용되지만, 실제로는 조건 명령어를 실행하는 용도보다 더 많은 잠재력이 이 데이터들에 숨어 있다.

고객들은 SIMATIC(Siemens Automatic) 제품에 100% 품질을 요구하며, SIMATIC 제품의 PCB(Printed Circuit Board)는 제조 중에 X-레이 검사기를 통해 납땜 품질 등의 요소를 확인하기 위한 절차를 거치게 된다. 그러나 X-레이 검사 프로세스는 다른 장비들의 생산 속도에 비해 긴 시간을 요구하기 때문에 전체 프로세스에 병목현상을 만들어낼 수 있다. Amberg 공장은 이러한 검사장비로 인한 병목현상을 없애고 생산성을 확보하기 위해 생산과정에서의 불량을 예측할 수 있는 알고리즘을 개발하기로 했다.

그들이 착안한 점은 납땜 공정의 OT 환경에서 매우 큰 규모의 데이터셋이 만들어지며, 이것을 분석을 위한 Big Data로 활용하는 것이 도움이 될 것이라는 아이디어였다. 그리고 40가지의 데이터셋이 이러한 품질 예측을 위해 정의되었다.

알고리즘, 인공지능이 되다

첫 번째 단계는, 데이터를 수집하고 인공지능을 학습시키는 것이었다. Amberg 공장에서 데이터는 SIEMENS의 TIA 포트폴리오를 통해서 산업용 클라우드 시스템 마인드스피어로 수집된다. 그 곳에서 인공지능 알고리즘은 로컬 PC보다 월등한 램과 CPU 파워를 활용해서 학습된다. 알고리즘이 학습되면, 그 모델은 엣지 어플리케이션으로 옮겨지게 되고, PCB 공정에서의 데이터 수집과 전처리, 그리고 공정 품질 예측에 활용되는 것이다.

인공지능 알고리즘이 예측해

이 프로젝트의 마지막 단계는 Siemens의 산업용 엣지 관리 시스템(SIEMENS Industrial Edge System)에 업로드하는 것이었다. 이 단계에서 인공지능 알고리즘은 엣지 어플리케이션 형태로 로컬 엣지 디바이스에 배치되어 더 이상 마인드스피어 클라우드로 데이터를 올리지 않아도 생산 데이터의 분석이 가능 하게끔 되었다. 민감하고 중요한 생산 데이터는 생산라인 내부에 머물게 되었으며, 품질 예측 시스템은 실시간 레벨로 동작하게 되었다. 예측 시스템 적용의 결과로 : X-레이 검사가 필요한지 아닌 지에 대한 피드백을 PCB 보드에 적용하여 생산관리시스템(MES ; SIMATIC IT)에 전달하면, 해당 PC B 보드를 X-레이 검사기에 투입할지 말지 결정해서 병목현상을 회피할 수 있게 된 것이다. 우리는 이러한 폐루프 분석 방식을 이용해서 실시간으로 생산 데이터를 분석하고, 인공지능을 프로세스 최적화에 적용할 수 있었다.
 
Amberg 공장에서는 머신러닝 워크플로우에 대해 데이터 수집부터 전처리, 그리고 AI 학습을 최적화하는 작업이 진행 중이다. 이러한 개선 작업들은 마인드스피어 클라우드 시스템의 학습을 기초로 한 알고리즘의 학습과 더불어 전 세계의 생산라인에 적용될 수 있을 것이다. 이는 결국 장비의 개발 방식을 바꾸게 될 것이며, 생산 장비의 효율성 또한 새로운 프로그램의 작성 혹은 편집 없이 자동적으로 향상될 수 있게 됨을 의미한다. 

OT가 IT를 만날 때

Amberg 공장에서 OT와 IT를 융합하기 위한 SIEMENS의 도전 과제로 엣지컴퓨팅, 클라우드 컴퓨팅, 그리고 인공지능 같은 신기술들이 매우 많은 실제 적용 사례로 검증되고 있다.
 
당신의 공장에는 얼마나 큰 잠재력이 잠들어 있나? 가장 큰 도전은 프로세스를 이해하고, 그 과정에서의 모든 가능한 데이터의 투명성을 확보하고 마침내 데이터의 잠재된 가치를 알아내는 것이다. 이 사례에서 SIEMENS는 X-레이 검사 프로세스를 약 30% 절감함으로서 공정의 개선을 시작했고, 알고리즘의 끊임없는 개선으로 테스트 공정이 더 이상 필요하지 않는 이상적인 상황을 만들어 내기 위해 지금도 노력하고 있다. 게다가 SIEMENS는 약 6억의 장비 투자 절감 효과를 이 프로젝트에서 우선 달성할 수 있었다.

지멘스의 Amberg 공장에서는 여러 가지 IT 신기술들을 실제 SIMATIC 제품 생산라인에 도입하여 생산 효율성을 높이는 프로젝트를 진행하는 동시에, 고객사에 적용할 수 있는 자사 솔루션을 공식 출시 전에 테스트하는 테스트 베드를 운영하고 있기도 하다.

혁신을 위한 순풍

SIMATIC S7-1200 : 특수 플랜트 제조업체인 Hedrich 진공은 풍력 터빈용 로터 블레이드를 주조한다. 그 회사는 품질을 향상시키기 위해 지멘스의 제어와 자동화 기술에 의존한다.

혁신 리더들은 성공을 위해 영감과 가치 있는 아이디어가 필요하다는 것을 안다. Hedrich 그룹은 처음으로 풍력 터빈용 로터 블레이드를 완전히 진공 주조할 수 있는 공정을 개발하여 품질을 크게 향상시켜왔다. SIMATIC S7-1200이 핵심 역할을 한다.
전기 용도의 진공 플랜트 제조 기술 선도업체인 이 회사는 독일 Ehringshausen에 본사를 두고 90% 이상의 제품을 수출하고 있으며, 거의 모든 대륙에서 활동하고 있다. 비할 데 없는 전문가들이 개별 고객 요구사항을 충족하기 위해 끊임없이 새로운 과제를 제기한다. 몇 년 전, 풍력 발전 시장의 성장 잠재력이 명백해졌고, 그들은 주물 로터 블레이드를 위한 혁신적이고 완전한 자동 진공 주입 과정을 개발했다.
Hedrich의 Peter Rektorschek 디지털 솔루션 대표는 “전 과정이 진공 상태에서 진행되기 때문에 기존 방식에서 발생할 수 있는 공기와 가스 유입을 완전히 막을 수 있다”고 말했다. “이를 통해 최종 제품의 구조적 강도가 높아지고, 틈을 제거하기 위해 비용이 많이 드는 마무리 작업이 필요 없게 된다.” 그들의 성공은 자명하다. Sascha Kandler 마케팅 이사는 “4년 만에 공장 설립이 빠르게 진행돼 매출의 20%에 육박하고 있다”고 말했다

진공 상태에서 전체 자동화
첫째, 액체 또는 자유유동물질의 운반 및 저장에 사용되는 중간 벌크(IB) 용기에서 유입되는 원료(레진 및 경화제)는 헤더 컨트롤러로써 사용된 Simatic ET200SP 자동화 기반으로 혼합 공장의 진공 상태에서 컨디셔닝, 가스 제거 및 제습된다. 그런 다음 조건부 재료는 최대 500m 길이의 링 라인으로 펌핑되며, 여기에는 여러 개의 로터 블레이드 하프 셸에 대해 최대 8개의 모듈식 주입 스테이션이 포함된다. 이른바 인퓨큐브(Infucube)는 각각 Simatic S7-1200으로 자동화되어 있으며, S7-1200은 헤드 컨트롤러에 연결되어 TCP/IP를 통해 통신한다.
“CPU 1214C를 사용하는 Simatic S7-1200 덕분에 각 인퓨큐브는 독립적으로 작동한다.”고 Rektorschek는 설명한다. “적절한 센서를 장착한 밸브와 소재버퍼로써 진공상태의 소프트백을 저울에 올려놓고 최대 10kg을 지탱하도록 설정했다. 반껍질이 채워질 때까지 그 속에서 재료를 끌어낸다.” 센서와 저울은 모두 컨트롤러에 연결되어 있다. 첫 번째 충전이 완료될 때까지 밸브를 교체하여 재료를 요청한 후 주 컨트롤러에서 확실한 잔량을 다시 요청하는 것이 과제다. 주 컨트롤러는 금형이 더 이상 재료를 받아들일 수 없는 순간 공정을 중단한다. 같은 방식으로 연결된 저울 덕분에 소프트백 무게도 알아본다. 그리고 운영자는 다음 인퓨큐브를 시작한다. Rektorschek는 “로터 블레이드의 반쪽 껍질이 채워지면 굳는 데 약 24시간이 걸리며, 그 후에는 두 번째 반쪽 껍질에 모양을 내거나 접합할 수 있다”고 말한다.

프로젝트 엔지니어링 시간 최대 70% 단축
시스템의 첫 번째 변형에서, 주입 스테이션은 아직 자체 컨트롤러와 함께 작동하지 않았다. 분산 I/O를 사용하는 혼합 공장의 헤드 컨트롤러만 있었다. “무엇보다도, 단점은 실행 중인 헤드 컨트롤러와 연계하여 주입소의 기능만 확인할 수 있다는 것이었습니다. 이제 모니터링 용량을 훨씬 더 잘 분배할 수 있게 되었다.”라고 Rek-torscheck가 말했다. 또한 프로젝트 엔지니어링 과정에서 연결된 주입소의 수를 알고 고려해야 했다. “오늘날 우리는 메인 컨트롤러와 보조 컨트롤러를 위한 단일 프로그램 버전으로 작업하며, 각 공장의 매개변수만 조정하면 프로젝트 엔지니어링 시간이 최대 70% 단축된다. 이를 통해 고객은 시스템에 인퓨큐브를 쉽게 추가하거나, 프로세스 중에 결함이 있는 스테이션을 교체하여 다운타임을 줄이고 가용성을 높일 수 있다. 그런 다음, 그들은 새로운 인퓨큐브에 있는 그들의 중앙 제어기와 Simatic KTP400 기본 패널을 사용하여 그들을 매개변수화 한다. 이것은 운영자에게 모든 관련 상태 정보와 프로세스 데이터를 보여준다. 또한 예를 들어, 폐기물을 줄이기 위해 공정이 끝날 때 소프트백을 얼마나 가득 채워야 하는지를 입력할 수도 있다.

플랜트 및 컨트롤러에 적용되는 표준
Hedrich는 회사 모든 영역의 더 큰 공장에 Simatic S7-1500을 사용한다. Rektorschek는 인퓨큐브를 제어하기 위해 Simatic S7-1200을 선택한 충분한 이유가 있었다. “두 컨트롤러 제품군 모두 TIA Portal을 사용하여 프로그래밍할 수 있으며, 필요한 경우 거의 모든 프로그램 모듈을 컨트롤러 간에 교환할 수 있다.”고 설명한다. “이 덕분에 두 컨트롤러 플랫폼에서 재사용할 수 있는 표준을 만들 수 있었다. 온보드 주변장치도 포함한다면, Simatic S7-1200은 분산형 ‘덤’ 솔루션보다 훨씬 더 비용 효율적이다.”
지멘스는 여러 해 동안 전문가들에게 소중한 파트너였다. Kandler는 “컨트롤러의 70%가 Siemens로부터 공급되고 있고, 특히 고객들의 수용도가 매우 높기 때문에, 마찬가지로 우리의 거의 모든 제어 캐비닛도 지멘스와 함께하고 있다”고 말했다. 기술 이외에도, 그와 Rektorschek는 특히 TIA 포털의 롤아웃 이후, 지원과 가격 대비 성능 비율에 대한 장점도 확신하고 있다. “원격 정비를 통한 제어기의 손쉬운 접근성도 우리에게 중요한 포인트다. IoT 운영체제(OS)인 MindSphere에 쉽게 연결할 수도 있다.