최근 전 세계적으로 제조 혁신의 바람이 거세며, 그 중심에 있는 것이 바로 스마트 팩토리이다. IoT 그리고 IIoT는 어느덧 우리 삶 속으로 점점 침투해 들어오고 있다. 빅데이터, 인공지능, 클라우드 등 4차 산업혁명의 여러 기술과 결합하면서 스마트홈, 스마트 빌딩, 스마트팩토리, 스마트 시티 등 다양한 분야에서 영향력을 강화해 나가고 있다. 이에 점점 더 많은 기술과 솔루션이 등장하고 있음은 물론이고, 특히 시계열 데이터베이스의 결합을 통해 새로운 시장을 창출해 나가려 하고 있다.
스마트 팩토리는 ICT(Information and Communication Technology)와 기존의 제조업 기술인 생산, 제조 기술이 융합하여 사물인터넷, 빅데이터, 클라우드 컴퓨팅, 지능형 로봇, CPS(Cyber-Physical System) 등의 기술을 통해서 공장 내의 장비, 장치 부품들이 서로 연결되고 상호 소통되는 생산 체계이다.
스마트 팩토리는 단순한 공장 자동화(factory automation)와는 다르다. 공장 자동화는 단위 공정별로 자동화 및 최적화가 되어 있으며, 공정간 연계가 되어 있지 않다. 공장 내 모든 공정과 시설에서 데이터를 연결하는 것이 주요한 차이점이다. 또한, 센서 데이터와 ERP, MES 등의 생산, 경영 데이터를 융합하여 경영상의 판단이 공장의 생산 장비까지 바로 반영할 수 있다.
스마트 팩토리를 이용하면, 공장 운영에 최적화된 에너지 및 재료를 사용하게 되므로 자원이 절약되고, 설비 고장에 대한 예지 보전을 통한 사전 점검으로 설비 가동률 향상되며, 생산량 및 경영 계획에 자동으로 연동되는 공장 운영이 가능하지만, 현대의 공장에 설치된 수많은 장비와 센서에서 생성하는 대량의 데이터의 처리가 문제가 된다. 스마트팩토리에서 발생하는 태그 데이터를 저장하기 위한 데이터 저장소(Store) 관점에서 최근 동향과 관련 기술에 대해서 알아본다.
스마트 팩토리의 데이터 흐름
구현기술
1) Connectivity
제조 설비에 온도, 압력, 진동 등 다양한 센서를 부착하고 이를 IoT 기술을 적용하여 실시간으로 데이터를 수집한다. 기존 제조 설비에는 다양한 센서, actuators 그리고 PLC 장비들이 있고 이러한 장비들에서 발생하는 데이터의 통신 프로토콜 또한 Wifi, Zigbee, BLE 등 다양하다. 최근에는 이러한 통신방식에 대해서 OPC UA와 같은 표준화를 진행하고 있다.
2) OT(Operation Technology)
제조 설비 현장에서 작업 담당자들이 설비에서 발생하는 데이터를 일차적으로 수집하여 모니터링하는 것을 말한다. Historian 또는 RTDB(Real Time Database)를 활용하여 데이터를 실시간으로 수집, 저장하고 실시간으로 상황을 모니터링하고 정상 범위를 벗어나는 경우에 담당자에게 알람을 제공하여 조치할 수 있도록 한다.
3) IT(Information Technology)
IT 부서에서 MES, PLM, ERP 등의 업무용 시스템으로 각종 데이터를 저장하고 빅데이터 분석을 수행한다. 단위 설비가 아닌 설비 전체, 공장 전체 더 나아가 회사 전체의 데이터를 수집하고 분석하기 때문에 수집되는 데이터양이 방대하며 Oracle Exadata 또는 Hadoop과 같은 대용량 처리 기술이 필요하다. 또한 R, SAS 등 전문 분석 툴을 활용하여 상관 분석, 다차원 분석 등을 진행한다. 머신러닝을 통한 고급 분석을 진행한다.
새로운 솔루션 필요
1) 초고속 데이터 수집, 저장
수집 대상 데이터의 속도와 양이 증가함에 따라 초당 100만 태그 이상 초고속으로 데이터를 수집하고 저장할 수 있는 데이터 저장소가 필요하다.
또한 시스템 자원 효율과 스토리지의 절약을 위해서 데이터를 압축 저장할 수 있는 솔루션이 필요하다.
2) 확장성
2) 확장성대부분의 시스템은 도입 전에 업무에 맞게 CPU, MEMORY, Storage에 대해서 미리 계산하여 하드웨어를 선정한다. 하지만 업무 환경의 변화에 따라 초기 예측과 어긋나서 보다 많은 하드웨어 자원이 필요한 상황이 발생하기도 한다. 특히 스마트팩토리에서는 설비 증설에 따른 센서 개수의 증가나 Scan rate 변경에 따른 데이터 증가량이 매우 크기 때문에 미리 준비하기보다는 필요에 따라 확장할 수 있어야 한다. 즉 멀티노드 클러스터 구성이 가능하여야 변화에 유연하게 대처할 수 있다.
3) 무정지(High Availability) 서비스
대부분의 제조 현장에서 운영중인 생산 설비는 365일 24시간 항상 가동되고 있고 여기서 발생하는 태그 데이터도 24시간 수집,저장이 되어야 한다.이를 위해서는 서버 장애에 대한 대처가 필요하며 HA 구성이 필요하다.
스마트 팩토리를 위한 Time Series DBMS, Machbase
마크베이스는 초고속 시계열 DBMS로 초당 570 만 건 태그 데이터를 저장하면서 실시간으로 압축저장하고 있다. 또한 실시간으로 인덱스를 생성하여 데이터 입력과 동시에 조회가 가능하다.
Enterprise 버전의 경우 멀티노드 클러스터 구성되어 있으며, 분산 저장과 분산 조회가 가능하며, 데이터가 증가하는 경우 노드를 추가하여 대응이 가능한 scale-out 구성이 가능하다.
또한 Active — Standby 구성으로 복제본(replica)를 가지고 있어 HA 뿐만 아니라 장애에 대한 회피(Fail-Over)도 가능하다. 또한 전통적인 RDBMS의 인터페이스를 제공하므로 기존 DB 엔지니어가 별도의 학습이 없이도 쉽게 적용할 수 있는 장점이 있다.
스마트 팩토리란 공장 내 설비와 기계에 센서를 설치하여 데이터를 실시간으로 수집 및 분석하여 공장 내의 모든 상황을 한눈에 모니터링하고, 이를 분석하여 목적한 바에 따라 스스로 제어하는 공장을 말한다.
최근에 들어 센서의 개수와 데이터량이 증가함에 따라 데이터를 수집, 저장하는데 있어서 빠르게 처리하고 확장가능한 솔루션이 필요해지고 있다.
아울러 모든 데이터를 수집해서 IT 영역의 기존 시스템과 연계해서 분석을 함으로써 기존에는 발견하지 못했던 새로운 비지니스 가치를 발굴하고자 하는 시도들이 진행되고 있고 마크베이스 데이터베이스는 스마트팩토리의 설비에서 발생하는 태그 데이터를 저장하고 조회하는데 적합한 데이터 저장소(Store)이다.
스마트 팩토리 등에 탑재된 센서들이 빠르게 증가하면서 여기에서 나오는 데이터 규모도 커졌는데, 기존 RDBMS 관계형 데이터베이스로는 효과적으로 커버하기 힘들다 보니 최근 많은 기업들이 시계열 DB로 바꾸는 흐름이 나타나고 있다. IoT 센서 데이터를 저장하는 플랫폼으로서 시계열 DB의 존재감은 점점 커질 것이다.
아래 예시를 보면 더 자세히 알 수 있다.