전통적인 SCADA 대신 Data CAMP를 도입해야 하는 4가지 이유

2023-11-09

전통적인 스카다 소프트웨어의 4가지 한계점

스카다(SCADA) 소프트웨어란?

 

스마트팩토리에서 사용되는 스카다(SCADA, Supervisory Control and Data Acquisition) 시스템은 제조업체가 생산 라인의 성능을 모니터링하며 문제에 신속하게 대응하고 생산 프로세스를 효율적으로 운영하기 위한 핵심 요소입니다. 센서, 컨트롤러, PLC(Programmable Logic Controller) 및 다른 장비로부터 수집된 실시간 데이터를 모니터링합니다. 또, 장애 발생 시 운영자에게 경고를 보내며, 운영자는 원격 위치에서 공장의 프로세스를 모니터링하고 제어할 수 있습니다.

하지만 전통적인 스카다 시스템은 몇몇 이유로 혁신이 정체되면서 지금은 여러 단점도 존재합니다. 

 

1. 제한적인 확장성

 

스카다 소프트웨어는 원래 물리적 제어 패널을 대체하는 자동화 기계(PLC)를 모니터링하고 제어하기 위해 설계되었습니다. 현장에 있는 수많은 장비를 한 곳에서 제어하는 것이 목표죠. 가동 또는 정지 제어, 설정값 입력, 데이터 모니터링 등의 기능을 간략한 그래픽으로 구현합니다.

그런데 공장 별, 라인 별로 사용 중인 장비가 모두 제각각이고 기업별로 스카다 소프트웨어를 활용하려는 목적이 다르기 때문에 스카다 소프트웨어는 매번 다르게 개발됩니다. 다시 말해 스카다 소프트웨어는 특정 공장, 특정 시점의 형태로 국한된다는 뜻입니다.

이 때문에 스카다 소프트웨어는 최신 기술과 표준에 맞게 업데이트하기 어렵고, 확장성이 떨어질 수 있습니다. 새로운 하드웨어 또는 소프트웨어와 통합하려고 할 때 호환성 및 상호운용성 문제가 발생할 수도 있죠.

머신 비전 등 기술이 발달하면서 데이터의 종류가 다양해지고 있는데, 전통적인 스카다 소프트웨어에서는 최신 데이터를 수집하고 분석하는 것이 어렵습니다. 소프트웨어를 조작하려면 숙련된 개발자나 데이터분석가가 있어야 합니다. 이로 인해 추가 비용과 시간이 소요될 수 있다는 단점이 있습니다.

 

2. 한정적인 데이터 분석 기능

 

제조기업들은 스마트팩토리를 넘어 디지털 트윈으로 전환을 앞두고 있습니다. 이를 위해서는 우선 전체 공장의 설비들이 생산해내는 모든 데이터를 차곡차곡 수집해야 합니다. 이렇게 수집한 데이터를 서로 연결(관계형 데이터베이스 구축)해야 하죠. 그리고 최신 산업용 AI 기술을 활용해 데이터를 분석하고 실시간 시뮬레이션을 수행해서 비즈니스에 필요한 인사이트를 얻는 것이 중요합니다.

그러나 전통적인 스카다 소프트웨어에서는 이를 구현하기가 어렵습니다. 앞서도 언급했듯이 스카다 소프트웨어는 대부분 개별 현장의 장비를 중심으로 개발됩니다. 그 중에서도 PLC 모니터링과 제어를 주로 하죠.

만약 다른 장비들에서 생산되는 데이터를 추가로 수집하고 관계형 데이터베이스를 구축하고 싶다면, 소프트웨어를 거의 새로 개발해야 합니다. 왜냐하면 각기 다른 장비들은 각기 다른 통신 프로토콜을 쓰기 때문에 이를 모두 수집하려면 각각의 소프트웨어가 필요하기 때문입니다. 또, 장비별로 제각각 다른 데이터 형식을 변환하고 통일한 뒤, 관계형으로 연결하는 것도 마찬가지입니다. 생산 현장에서 나오는 다양한 데이터 형식을 모두 고려해서 변환하는 모듈이 필요하죠.

즉, 한번 구축한 스카다 소프트웨어에 이런 기능을 추가로 구현하고자 하면 막대한 추가 시간과 비용이 들어갈 수 있습니다.

 

3. 어려운 설치 과정

 

전통적인 스카다 소프트웨어는 윈도 기반 소프트웨어로 개발되어 DVD 형태로 공급되거나 설치 후 PC로 납품되는 경우가 많습니다. 스카다 소프트웨어를 개발한 업체가 직접 고객사를 방문해 설치를 수행해 주는 경우도 많죠. 이 과정만 수 시간~수 일이 걸릴 수 있습니다. 게다가 한 컴퓨터가 아니라 여러 컴퓨터에서 모니터링과 제어를 하고자 하면, 여러 클라이언트 컴퓨터에 반복적으로 설치 작업을 해야 합니다. 새 소프트웨어를 구현하는 데 시간과 비용을 배로 증가시키는 원인입니다.

 

4. 접근성의 제약

 

전통적인 스카다 소프트웨어는 접근성이 제약됩니다. 예를 들어, 공장과 떨어진 사무실에서 모니터링하기가 불가능할 수 있습니다. 원격 데스크톱을 설치해서 쓰는 방법 밖에 없는데, 여러 명의 사용자가 동시 접속해서 모니터링하거나 제어할 수 없습니다.

무엇보다 원격 데스크톱은 보안에 매우 취약합니다. 접속자에 따라 모니터링이나 제어 권한을 별도로 부여할 수 없어서, 실수로 공정을 중단시키는 일이 발생할 수도 있습니다. 누가 어떤 조작을 했는지 추적하는 것도 어려울 수 있습니다.

아하랩스가 제조 전 공정의 데이터를 한번에 수집하는 방법을 알아보세요

지금 바로 Data CAMP를 도입해야 하는 5가지 이유

Data CAMP란?

 

Data CAMP는 제조 현장 내 다양한 설비와 센서에서 만들어지는 각종 데이터를 수집·분석·모니터링·예측할 수 있는 아하랩스의 통합 솔루션입니다.

 

1. 제한 없는 데이터 수집과 전처리

 

Data CAMP는 산업 현장 장비에서 사용하는 대부분의 통신 프로토콜을 제공합니다. 이를 통해 검사 이미지, 검사 결과, CCTV 영상, 음향 데이터, 진동 데이터, PLC 데이터 등 모든 형태의 데이터를 한 번에 수집할 수 있습니다. 또한, 데이터 전처리 기능도 갖추고 있습니다. 각종 데이터의 형식을 사용자가 원하는 다양한 포맷으로 자동 변환한 뒤 전달해 줍니다.

요컨대, Data CAMP는 장비 중심이 아니라 데이터 중심으로 개발된 솔루션입니다. 따라서 설비나 공정이 추가되어도 제한 없이 데이터를 수집하고 연결할 수 있습니다.

 

2. 다양한 분석 기능

 

Data CAMP는 이렇게 수집한 데이터를 통계적 공정 관리(SPC) 분석 기법으로 처리해 제품과 설비의 이상 발생을 감지합니다. 데이터의 경향성을 파악해 비정상인 부분을 찾아내고, 발생 위치와 트렌드를 표시합니다. 공정의 효율성을 분석하고 현재 설비의 품질 수준도 측정할 수 있습니다.

한 예로, 기존 데이터를 학습한 머신러닝 인공지능 모델로 현재 촬영되고 있는 광학이미지의 품질을 분석(Image Quality Analysis)할 수 있습니다. 제조 현장을 관제하는 카메라의 각도가 틀어져서 촬영이 제대로 이뤄지지 않거나, 노후 조명 문제로 이미지의 포커스와 밝기 등이 변했을 경우 현장 엔지니어가 필요한 조치를 취할 수 있도록 알람을 전송합니다. 이러한 분석 기능을 사용자 친화적인 구조로 매우 손쉽게 사용할 수 있습니다.

또한 아하랩스의 산업용AI 솔루션인 LISA와 연계하면, 전통적인 스카다 소프트웨어로는 할 수 없는 공정 분석을 수행할 수 있습니다. 데이터 수집을 넘어서서 공정 자체에 대한 다양한 통찰력을 얻을 수 있는 것이죠. 가령 특히 문제가 자주 생기는 공정을 쉽게 찾아낸다거나, 불량으로 직결되는 특정 검사 수치 기준을 찾아낼 수 있습니다(에러 상관도). 반대로 상관도가 낮은 부분을 찾아 검사 횟수를 줄이는 방식으로 공정을 최적화할 수도 있습니다.

 

3. 누구나 손쉽게 노코드(no-code) 셋업

 

특히 이 모든 것을 복잡한 코딩이나 추가 소프트웨어 개발 없이 UI만을 이용해 설정할 수 있습니다. 설치 초기 공정 세팅부터 데이터 변환 포맷이나 이상 감지 조건까지 모든 걸 손쉽게 설정할 수 있죠. *로우코드/노코드로 작동할 수 있다는 것인데요. 제조 공정에는 전문가지만 개발 지식이 없는 경우라도 Data CAMP를 활용해 손쉽게 데이터 수집과 분석을 시도해볼 수 있습니다. 제조 현장의 디지털 전환을 빠르게 실현해 보세요.

  • 로우코드(low-code)/노코드(no-code) : 로우코드는 사용자가 소프트웨어를 쉽게 개발할 수 있도록 설계된 개발 플랫폼을 지칭하는 용어입니다. 데이터 관리, 백엔드에 대한 약간의 개발 지식만 있으면 ‘드래그 앤 드롭’만으로 기능을 설정해서 애플리케이션을 만들 수 있습니다. 노코드는 제공되는 탬플릿을 활용해 애플리케이션을 개발할 수 있는 플랫폼으로, 개발에 대한 지식이 전혀 없어도 활용할 수 있다는 장점이 있습니다.

 

4. 뛰어난 접근성

 

Data CAMP는 웹 기반 기술을 사용합니다. 시간과 장소의 제약 없이 생산 현장의 모든 데이터를 한 눈에 확인하고 대응할 수 있죠. 웹 기반이기 때문에 여러 컴퓨터에 반복 설치할 필요도 없습니다. 간단한 클라이언트 컴퓨터 등록만으로 언제 어디서나 데이터에 접근할 수 있습니다.

Data CAMP는 2024년 SaaS(서비스형 소프트웨어)로 업그레이드를 앞두고 있습니다. 지금까지 많은 제조 기업들이 데이터 보안을 고려해 외부 클라우드 서비스 도입에 신중한 모습을 보였는데요. 업그레이드 될 Data CAMP를 활용하면 데이터 원본은 보호하면서 클라우드의 확장성을 경험하는 것이 가능해집니다.

한 가지 예로, 업그레이드 될 Data CAMP에서는 데이터를 일부만 선택해 클라우드로 전송하는 것이 가능합니다. 원본 데이터는 내부 스토리지에 저장하고, 외부로 공유 가능하거나 한번 재가공한 데이터만 선별해 전송하는 것이죠. 가령, 지금까지는 공장 내 정보가 클라우드에 연계되어 있지 않아 공장에서 일어나는 특정 알람을 다른 사무실이나 스마트폰으로 받아보는 게 거의 불가능했습니다. 하지만 Data CAMP에서는 데이터를 전처리한 결과 감지된 이상 알람 정보만을 클라우드로 전송하여 푸시 알람을 받는 방법도 고려해볼 수 있습니다.

최근 화두로 떠오른 디지털 트윈은 디지털 환경에서 물리적인 현장을 모두 ‘가시화’해서 현실의 문제를 해결한다는 것이 핵심입니다. 제조 현장에서 디지털 트윈을 구현하려면 가장 먼저 현장 내 모든 데이터를 수집하고 유기적으로 연결할 수 있는 환경을 구축해야 합니다. 그리고나면, 산업용AI를 활용해 데이터를 분석해서 고장을 미리 예측하거나(예지보전) 공정을 효율화 하는 등 고도화된 스마트 제조를 실현할 수 있습니다. 이 과정을 Data CAMP를 통해 손쉽게 시작할 수 있습니다.

다양한 분야의 전문가로 이뤄진 아하랩스 팀과 상의해 보세요!

Chloe Woo | Content Strategist

Related Stories

산업용AI 솔루션 LISA로 완벽한 실시간 이상 탐지를 경험해 보세요

산업용AI 솔루션 LISA로 완벽한 실시간 이상 탐지를 경험해 보세요

전세계 제조 업계의 스마트팩토리 전환이 가속화되면서 머신 비전을 이용한 검사 자동화, 실시간 이상 탐지, 예지보전에 대한 관심이 뜨겁습니다. 특히 반도체나 이차전지 등 혁신 제조산업 현장에서는 하루에도 수천 수만 개의 부품·제품들이 생산되는데, 사람이 불량을 일일이 찾아낸다는 것이 불가능에 가까워졌죠. 또한, 이제 고객들은 미묘한 결함도 용납하지 않기 때문에 이 요구를 충족시키려면 신속하고 정확하게 불량을 짚어내는 AI 검사 자동화가 필수입니다. 아하랩스의 LISA(Look...

Data CAMP를 활용해 디지털 트윈의 첫걸음을 내디뎌 보세요

Data CAMP를 활용해 디지털 트윈의 첫걸음을 내디뎌 보세요

디지털 트윈 = 데이터를 가시화하여 현실의 문제를 해결한다   최근 화두로 떠오른 디지털 트윈은 디지털 환경에서 물리적인 현장을 모두 ‘가시화’해서 현실의 문제를 해결한다는 것이 핵심입니다. 디지털 트윈을 구현하는 데에는 핵심 기술 3가지가 필요한데요. 각각 물리 세계를 가상 세계에 모델링하는 가상화, 현실의 변화하는 각종 데이터를 실시간으로 반영하는 동기화, 그리고 모델링과 실시간 데이터를 활용해 해결하고자 하는 문제에 대한 최적의 답을 도출해내는 시뮬레이션입니다....

12월 첫째주 업데이트 소식

12월 첫째주 업데이트 소식

✓ 사용자 언어 설정 추가 ✓ 라벨링 페이지의 이미지 리스트 필터보기 개선 ✓ 프로젝트 소유자에게만 수정/삭제 메뉴가 노출되도록 변경 ✓ 단축키 리스트 오류 수정 ✓ 학습 시 표기되는 예상 종료 시간의 정확도 개선 ✓ 연결 불가 노드를 연결했을 때 표시되는 오류 메시지가 더 잘 보이도록 개선   고객 여러분의 불편을 더욱 세심히 살피는 DAISY가 되겠습니다....

아하랩스, ‘플러그 앤 플레이 2024 실리콘밸리 서밋’ 참가

아하랩스, ‘플러그 앤 플레이 2024 실리콘밸리 서밋’ 참가

아하랩스는 현지 시각 11월 19~21일 3일 동안 열린 ‘플러그 앤 플레이(Plug and Play) 2024 실리콘밸리 서밋’에 참가하여 글로벌 무대에서 아하랩스의 솔루션을 선보였습니다! PNP는 실리콘밸리에 본사를 둔 세계 최대 엑셀러레이터로서 페이팔, 드롭박스, 렌딩클럽 등 35개의 유니콘 기업을 비롯해 1,600개 이상의 스타트업을 육성한 글로벌 액셀러레이터입니다. PNP가 매년 2회 실리콘밸리 본사에서 주최하는 이 행사는 전 세계 투자자, 기업,...

육안 검사부터 AI 자율제조까지 – Data CAMP가 함께한 이차전지 제조사의 DX 여정을 소개합니다

육안 검사부터 AI 자율제조까지 – Data CAMP가 함께한 이차전지 제조사의 DX 여정을 소개합니다

전기자동차 시장이 급격히 커지면서 최근엔 이차전지 제조업이 첨단 산업으로 여겨지지만, 사실 한국 충전식(리튬 이온) 배터리의 역사는 1990년대부터 시작합니다. 그리고 이렇게 역사가 빛나는 제조 현장에는 옛 것과 새로운 것이 공존하기 마련이죠. 잘 돌아가던 공장인 만큼 모든 걸 한 번에 바꾸기 어려우니까요. 예를 들어, 전기차용 배터리 생산 초기에는 생산품을 샘플링 한 뒤 작업자가 직접 육안으로 불량을 검사했습니다. 기존의 소형 배터리 검사와 동일한 방식으로요....

[AIOps] AI 도입 성공 여부 가르는 모델 드리프트란?

[AIOps] AI 도입 성공 여부 가르는 모델 드리프트란?

2023년 기준 국내 기업의 41%가 AI 기술을 이미 도입했거나 도입 중입니다. 제조업 분야도 다르지 않아서, 다양한 공정에서 AI 모델이 핵심적인 역할을 수행하고 있죠. 특히 제품 개발과 공정 효율화 제고를 목적으로 AI 기술을 활발히 적용하고 있습니다. 그런데 실제 현장을 들여다보면, AI를 도입하고 운영하는 데 어려움이 많습니다. 제조업 대부분이 AI를 도입할 때 “외부와의 협업을 통해 개발”(51.3%)하거나 “외부에 개발을 의뢰”(22.6%)하는데,...