https://live.lge.co.kr/2304-techconference-3/

[LG TECH CONFERENCE 2023]
4차 산업혁명의 핵심 ‘스마트팩토리’, 디지털 제조 여정 살펴보기

선정 기업/공장 포스코(POSCO) 포항 공장

 주요 내용

USE CASE #1. 스마트 고로
  - 경험/직관에서 Human + AI 협업에 의한 조업 (Digitalization & Smartization)
    . IoT: 스마트 센서 기반 정형화된 데이터 생산 (비정형 데이터의 정형화)
    . Big Data: 유용한 데이터 탐색
    . AI: 자동 제어 시스템 개발, 노열 Autonomous Operation 등
  - (효과) 생산량 1.04% 증대 및 원가 0.015% 절감: 연간 약50억원 효과

USE CASE #2. Smart Safety Ball
  - 밀폐된 공간의 유해 가스 존재 여부 사전 감지
  - 작업/정비 전 해당 공간에 던져 위험 여부 확인
  - 작업자 휴대폰 알람, 관리자 문자 통한 위험 경고

USE CASE #3. 3D CAD/VCS/VTS
  - 물리적 공장과 동기화된 가상공장 구축 및 활용
  - Layout 설계 및 설비 개선
  - Off-Line 제어 로직 개발/사전 시험 (Virtual Commissioning System)
  - 신규 설비에 대한 운전 Skill 교육 (Virtual Training System)

USE CASE #4. 스마트 드론
  - 광범위 공간정보 측량 및 인프라구조물 진단
  - 드론 활용 측량: 제철소 환경 특화 사양 도출 및 최적 비행 설계
  - 영상처리 자동화를 통한 재고분석시스템 개발
  - 대형 고소설비 원격진단 (고로, 스택, 송전탑)
  - 광범위 인프라구조물 진단 (해안선, 풍수해/지진 점검)

USE CASE #5. 스마트 CGL
  - CGL(용융아연도금공장) 도금량 자동 제어 기술
  - AI 기반 모델 개발 및 학습을 통한 정밀 도금 제어
  - (효과) 도금량 편차 60% 감소 및 아영ㄴ 15% 절감 (공장단 10~20억원 절감)

선정 기업/공장 LS Electric 청주 공장

 주요 내용

USE CASE #1. IoT-based Mixed Model Production
   - 모양/크기/정격 등 다양한 타입의 6만여 제품 생산
   - 실시간 양방향 통신 기반의 RPMS 시스템을 활용한 원격제어

USE CASE #2. Autonomous Mobile Robot(AMR)
   - 자율주행 모바일 로봇(AMR) 적용된 자재 자동 공급 시스템
   - 조립라인 설비와 양방향 통신으로 연계된 중앙관제 시스템을 통해 자동으로 생성된 Misson을 AMR에 할당하여 각 공정에 부품이 적기에 자동 공급되도록 함
   - 주행 경로상에 장애물이 나타나면 스스로 주행경로 변경 주행 가능, 목적지까지 최적 경로를 찾아가는 지능형 주행 로봇
   (구축 효과) 자재 운반의 무인화, 자재 공급 정합성 확보, 선입선출, 자재 분배 시간 감소, 실시간 정보 통합 기반 물류 작업 환경 변화 대응

USE CASE #3. Advanced Deep Learning Vision Inspection
   - 딥러닝 기반 비전 검사 시스템
   - 제품 이미지를 학습한 알고리즘은 기존 규칙 기반 검사의 한계를 넘어 정형/비정형 결함 검출 가능
   - 수집된 데이터는 클라우드 환경을 통해서 수집되고 엔지니어를 통해 분석됨
    (구축 효과) 고객 크레임률 18ppm에서 10ppm으로 감소, 검사성능은 불량률 1%이하로 우수한 성능

USE CASE #4. Machine Learning Based Vibration Inspection
   - Machine Learning 기술을 적용한 소음 검사 시스템
   - IoT 센서 기반 수집 데이터를 통해 빅데이터 분석 및 머신러닝 판정시스템 활용
   - 클라우드를 통해 전달되는 진동 데이터 기반 지속적인 판정 모델 업데이트 수행
    (구축 효과) 80% 향상된 검사 정확도

USE CASE #5. Machine to Machine Parameter Control by Data Analysis
   - Gap 조정공정은 부품과 부품 사이의 최적 간극을 계산하여 자동으로 용접을 하는 공정
   - 실시간 과전류 시험 결과값의 트렌드 분석하여 Gap 용접 공정으로 결과를 피드백하는 RFB System 개발
   - Gap 용접 공정의 PLC는 해당 값을 피드백 받아 자동으로 최적의 파라미터로 변경하여 생산에 반영
    (구축 효과)  불량률 0.55% 수준으로 개선

글로벌 등대공장 선정 현황(2021년 기준)

글로벌 등대공장 세부 현황

등대공장의 핵심성과지표 개선효과

출처: 스마트생산 열린혁신랩 운영 및 연구사업 (STEPI 과학기술정책연구원)

선정 기업/공장  LG전자 창원 공장

주요 내용 

1. LG스마트파크
- LG스마트파크1 (7만8000평): 냉장고, 오븐, 식기세척기, 정수기
- LG스마트파크2 (12만7000평): 에어컨, 세탁기, 컴프레서, 모터

2. 스마트 공장 선정 선정 이유
  1) 공장물류 자동화
    - 5G물류로봇(AGV): 지상형, 컨베이어형, 중량물형 등 총 50개 로봇
    - AGV는 공장 바닥에 부착된 QR코드를 인식하여 주행
    - 공중을 활용한 입체 물류 시스템
  2) 디지털 트윈
    - 현장보다 10분 먼저 시뮬레이션하여 작업 공정 이상 사전 대비
    - (효과) 제품 불량 원인 분석시간 50%, 현장 불량률 30% 감소
  3) 예지보전
    - 빅데이터, 인공지능 기반 설비 고장 사전 예방
  4) AI 플랫폼 검사
    - 로봇팔에 카메라 설치, 3D 비전 알고리즘 개발하여 자동 계측 수행
  5) 지능형 생산 자동화
    - 가동 중 생산 라인, 부품 이동, 재고 상황, 설비 이상 유무, 제품 생산 실적 가시화
    - 데이터 기반 딥러닝 로봇 용접 수행
    - 최대 58종 모델 혼류 생산 지원
   

구축 효과

1. 생산성 20% 향상
2. 라인 개발 및 구축 기간 30% 단축
3. 에너지저장장치(ESS), 건물에너지관리솔루션 통한 ESG 대응
4. 에너지 효율 30%개선

Operation Technology

논문 발췌

- 김인아, "스마트팩토리 구축을 위한 Digital Transformation 시스템 연구", 한양대학교 공학대학원 전기공학, 2021

2.2. IoT 및 산업용 IIoT

2.2.2. 기능 및 구현
사물인터넷은 세 가지의 주요 기술로 구현된다. 첫 번째로 센싱 기술이다. 센싱 기술은 사물과 주위 환경에서 데이터를 추출할 수 있는 기술이다. 예를 들자면, 온도 및 습도, 열, 진동, 가스, 초음파, 위치, 영상, 레이더 등 사물과 주변 환경에서 반응하여 데이터를 추출할 수 있는 것들이 센싱 기술이 접목될 수 있는 분야이다.

두 번째로 유무선 통신과 네트워크 인프라 기술이다. 이는 인간과 사물 및 서비스를 연결하는 유무선 네트워크 기술이다. 사물 간 정보를 교환할 수 있도록 연결 및 소통의 역할을 한다. 네트워크 장치로는 WiFi, LTE, 블루투스, 이더넷, PLC 등 인간과 사물 및 서비스를 연결하는 모든 유무선 통신 및 네트워크 기술을 의미한다.

세 번째로는 서비스 인터페이스 기술이다. 서비스 인터페이스 기술은 소통을 통해 교환된 정보를 바탕으로 해석하고 새로운 가치를 제공하는 기술이라고 볼 수 있다. 사물인터넷의 요소인 인간, 사물 및 서비스의 특정 부분의 기능을 수행하는 응용 서비스와 연동된다. 각 서비스를 제공하기 위하 저장, 처리, 변환의 인터페이스 역할을 수행하게 된다.

2.5 빅데이터 분석

2.5.2. 기능 및 구현
빅데이터 분석을 구현하기 위해서는 크게 2가지 단계로 나눠진다. 첫 번째로 생산데이터 확보이다. 생산현장에서 사용되는 데이터는 4M 데이터로, Man, Machine, Material, Method로 정의된다.

Man은 작업자로 볼 수 있으며 작업자에 의해 발생되는 데이터는 원자재, 설비의 가공조건, 측정값, 정비내역, 일상점검 등이 있다.

Machine은 설비 정보로 자동 수집 방법과 반자동 수집 방법이 존재하는데 생산설비의 제어기기가 외부 시스템과 연결된 경우에 가능하며 TCP/IP, OPC 등 실시간 통신 프로토콜 프로그램을 통하여 생산설비의 운전상태 정보 수집이 가능하다. 이와 반대로 생산현장의 설비가 직접 통신할 수 없는 형태일 경우, 반재동 수집방법을 사용할 수 있는데 디지털/아날로그 신호 정보의 인터페이스, 직렬데이터의 입/출력 포트 및 병렬데이터의 입/출력 포트에 의한 방법이 있다. 예를 들어 CNC 가공 설비는 주로 PLC에서 제공하는 논리프로그램을 그 접점 출력에 연결하고 다시 정보수집시스템과 통신을 하면 접점의 출력 신호가 설비의 상태정보가 된다.

Material 및 Method의 경우, 이러한 작업자나 설비로부터 얻을 수 있는 정보가 아니므로 제공되지 않는 정보를 수집하기 위해서는 센서를 통한 데이터 수집을 선택해야 한다. 제조현장에 추가적인 센서를 설치해서 외부 환경이나 설비에 관련된 설비 가동 시 발생하는 온도, 전압, 진동, 열, 습도 등을 측정하여 설비 및 환경 정보를 습득할 수 있다. 다양한 센싱 데이터를 통해 기존의 작업자 및 설비로부터 알 수 없는 정보를 추출하여 빅데이터에 활용하기에 용이하다.

3.1 인터페이스

3.1.1. 설비 인터페이스
설비 인터페이스는 생산공장에 존재하는 수 많은 설비의 데이터를 DAS(현장 설비 데이터 수집) 시스템으로 통합 인터페이스 하여, 데이터 수집 및 DataBase로 저장, 원격 모니터링, 데이터분석, 빅데이터, 머신러닝, AI 분석, CPS 등 상위 시스템에서 디지털 정보로 활용하기 위해 필수로 선행되는 작업이다. 설비 인터페이스의 시작은 생산현장에 Ethernet 기반의 유/무선 Network 망을 구축하여 설비의 정보를 Digital 형태로 제공할 수 있는 인터페이스 대상과 연결하는 것이다.

설비 인터페이스의 대상은 생산현장에서 대표적인 제어장비로 사용되고 있는 설비인 PLC(Programmable Logic Controller)와 Embedded 기반의 검사 설비가 주를 이룬다. PLC는 제조사별로 Siemens, Mitsubishi, Rockwell Automation등 글로벌 기업과 국내기업인 LS산전, CIMON에서 개발 및 제조되어 생산현장에서 상요되고 있으며 IIoT 기반 통신 Protocol을 제공하고 있다. Embedded 기반의 설비는 OPC DA(UA) 또는 Modbus TCP 와 같은 범용 Protocol을 옵션으로 제공하여 인터페이스 할 수 있지만, 그렇지 않은 경우 Protocol 문서를 제공받아 상위 시스템(PC 또는 IoT Device)에서 전용 Protocol을 개발하여 인터페이스 할 수 있다.

그 외 HMI, 계측장비, 바코드 리더기 등에서도 Modbus RTU 및 .csv 파일출력 형태로 인터페이스를 제공하고 있으며 센서류는 대부분 PLC를 통해 연결되어 있지만, 별도 연결이 필요한 경우 PLC나 I/O Converter를 추가 설치하여 인터페이스 할 수 있다.

스마트팩토리 시스템의 인터페이스는 IoT 기반 즉, Ethernet 통신으로 연결된다. PLC는 통신모듈 증설이 가능하며 이에 따른 베이스증설 및 추가공사가 필요할 수 있다. 구형이나 소형 설비 등 Ethernet 통신 Port가 존재하지 않은 경우 통신 컨버터(Serial to Ethernet 등)를 사용하여 Ethernet 통신 포트를 개방한다.

3.1.2. 시스템 인터페이스
설비와 인터페이스를 완료한 DAS 시스템은 상위 시스템으로 데이터를 전송하기 위해 인터페이스 연동이 필요하다. 대표적인 상위시스템은 SCADA(Supervisory Control And Data Acquisition : 원격모니터링 및 제어 시스템), MES(Manufacturing Execution System : 제조 통합 실행 시스템) 등이 있으며 OPC UA (Open Platform Communication Unified Architecture)으로 연결 된다. OPC UA 프로토콜은 기존 프로토콜의 단점을 보완하여 개발된 IEC 62541 산업용 표준 프로토콜으로 보안, 데이터 손실에 최적화되어 스마트 팩토리 시스템 융합을 위한 표준 인터페이스 수단으로 활용되고 있다.

3.2 데이터 수집

3.2.1. 데이터 선정
인터페이스를 통해 설비의 데이터를 취합 할 수 있다. 설비는 무수히 많은 데이터를 보유하고 있는데 이 중, 사용하는 데이터는 전체가 아닌 일부이다. 사용하지 않는 데이터까지 수집하게 되면 그에 따른 개발기간도 길어질 뿐만 아니라 개발비용, 인프라 구축비용, 유지보수의 비용이 높아지는데 직접적으로 영향을 준다. 그러므로 반드시 양질의 데이터만 수집하여 관리 할 수 있도록 데이터 선정 작업이 필요하다. 데이터 선정 시에는 생산, 품질, 보전 관점 등 다방면에서 고려된 데이터를 선정할 필요가 있다.

생산관점: 총 생산수량, 생산계획량, 생산속도, 생산시간, 생산품목, 원재료현황, 생산시작/종료...
품질관점: 제조온도(상한,하한), 현장습도, 이물검사결과, 농도, 두께, 절연저항...
보전관점: 가동상태, 불가동알람, 불가동이력, 불가동원인, 공정현황...

https://blog.naver.com/ace2love/222504612248

https://blog.naver.com/top_r-n-d/222025280363