전통적인 SCADA 대신 Data CAMP를 도입해야 하는 4가지 이유
2023-11-09
![carrer](http://ahha.ai/wp-content/uploads/2023/07/carrer-scaled.jpg)
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
Mastering Real-Time Anomaly Detection with LISA: Your Gateway to Industrial Excellence
As the global manufacturing industry accelerates its transition towards smart factories, there is a growing interest in automated inspection, real-time anomaly detection, and predictive maintenance through machine vision. This interest is particularly pronounced in...
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...
Why Data CAMP Is the Ultimate Choice for Digital Twins
The idea of a digital twin is to address real-world problems by rendering the physical world visible within a digital environment. Three key technologies are essential for creating a digital twin: Virtualization: This involves modeling the physical world in a virtual...
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....
AI Researcher
Summary 경력(2~10년) 채용 형태 : 정규직 마감일 : 상시 채용 근무지 : 경기도 성남시 분당구 성남대로 43번길 10 (하나EZ타워) 712호 AI 팀을 소개합니다 AI팀은 AI연구소 소속으로, 자사의 Smart Factory Solution 중 AI모델과 서버를 개발하는 역할을 맡고 있습니다. 산업현장에서의 다양한 형태의 데이터를 기반으로, 오류를 검출하고 분류하는 AI 서비스를 모듈화하여 제공하는 업무를 진행합니다. 모델의 성능을 개선하기 위한 리서치 업무도...
산업 현장에 온디바이스 AI를 도입해야 하는 이유
이전 아티클에서 온디바이스 AI의 개념과 장점에 대해 알아보세요. 최근 LLM 서비스들의 속도가 무척 느려졌는데, 실감하고 계신가요? 생성형 AI 열풍으로 더 다양한 기능, 더 높은 성능을 구현하기 위해 모델의 크기가 급증한 탓인데요. 실제로 2012년 AlexNet 이후 AI 모델의 크기는 매년 10배씩 성장했습니다. 그런데 그에 따라 속도가 느려졌다는 건, 하드웨어가 이를 따라잡지 못하고 있다는 뜻이죠. 수십억 개의 파라미터로 구성된 대형언어모델 같은 AI가 세상을...
온디바이스 AI의 도전 과제 – 딥러닝 모델 ‘경량화’
이전 아티클에서 온디바이스 AI의 개념과 장점에 대해 알아보세요. 클라우드 기반의 대형언어모델(LLM)은 비교적 작은 모델도 파라미터가 최소 50억 개가 넘고, 용량도 수십 GB 수준입니다. 계속 커지는 추세이고요. 하지만 클라우드가 아닌 엣지 기기에서 AI가 제대로, 빠르게 작동하려면 AI 모델이 반드시 작아야 합니다. 그래서 최근 온디바이스 AI를 위한 ‘모델 경량화' 기술이 활발히 연구되고 있죠. 경량화는 크게 두 가지 방향이 있는데요. 하나는...
2024 급부상 트렌드 – 온디바이스 AI란?
2024년 1월, 삼성전자가 세계 최초로 AI 스마트폰을 내놓으며 화제가 되었습니다. 사실 음성비서를 비롯한 AI 기능을 활용한 지는 꽤 됐지만, 이번에 출시된 AI 폰은 기존에 비해 성능도 훨씬 좋았지만, 특히 "인터넷에 연결되지 않아도 AI를 사용할 수 있다"는 것이 다른 점이었죠. 이를 ‘온디바이스(On-Device) AI’라고 부릅니다. 제조 현장의 여러 문제를 AI로 해결하고 있는 아하랩스 팀 또한 현장에서 온디바이스 AI에 대한 수요가 급증하고 있음을 체감하고...
외부 데이터와 연결되는 검색증강생성(RAG) – 보안 문제는?
빠르게 발전하는 AI 기술과 더불어 RAG는 다양한 AI 시스템의 핵심 요소로 자리 잡을 것입니다. 하지만 반드시 해결해야 할 큰 문제가 있는데요, 바로 보안입니다. https://ahha.ai/2024/07/24/rag/ RAG가 다루는 최신 데이터는 기업 내부의 민감한 정보를 포함할 수 있습니다. 따라서 소스 데이터 암호화뿐만 아니라 벡터 저장소, 임베딩 모델, LLM 등의 시스템 구성 요소가 외부에 노출되지 않도록 방지하는 강력한 보안이 필요합니다. RAG가 특히 퍼블릭...