IIoT에 엣지 컴퓨팅이 중요한 이유

OptimalPlus의 Michael Schuldenfrei

1950년대 인쇄 회로 기판(PCB)의 발명은 자동화의 세계를 변화시켰습니다. PCB 이전에는 전자 회로 기판을 독점적으로 수작업으로 조립했는데, 이는 전 세계 생산을 크게 제한하는 힘든 과정이었습니다.

오늘은 OptimalPlus의 기업 기술 펠로우인 Michael Schuldenfrei가 말합니다. , 업계는 제조 공정에 계측을 도입하고 에지 컴퓨팅을 사용함으로써 또 다른 혁명적인 도약을 경험하고 있습니다.

제조 공정의 계측에는 센서에서 감지한 환경 조건에 따라 제조 조건을 미묘하게 변경할 수 있는 수많은 센서와 마이크로컨트롤러가 포함됩니다. 이러한 센서는 많은 양의 데이터를 생성하지만 마이크로컨트롤러는 생성된 데이터에 직접 응답할 수 없습니다.

제조 계측에 사용되는 센서와 마이크로컨트롤러는 모두 기본적으로 네트워크로 연결된 소형 컴퓨터입니다. 센서는 데이터를 분석할 중앙 위치로 데이터를 보냅니다. 이 작고 자율적인 컴퓨터는 사람이 실시간으로 모니터링하지 않으며 사물 인터넷(IoT)의 일부입니다. 보다 구체적으로 말하면 제조 맥락에서 산업용 IoT(IIoT) 장치입니다.

제조 계측을 위한 IIoT 사용 사례

IIoT 장치는 인간이 매번 안정적이고 정확하게 수행하기 어려운(불가능하지는 않더라도) 작업을 수행하기 위해 다양한 상황에서 사용됩니다. 예를 들어 용접 검사를 고려하십시오. 용접은 많은 전자 제품 생산 라인의 필수적인 부분이며 최종 제품의 기능과 내구성에 매우 중요합니다.

불행히도 제조업체는 점점 더 엄격한 제약 조건과 함께 점점 더 작아지는 구성 요소에 용접을 수행해야 합니다. 구성 요소를 보호하기 위해 용접은 가능한 한 가장 낮은 열과 가장 작은 전하로 수행되어야 합니다.

이 프로세스를 개선하는 데 도움이 될 수 있는 IIoT 장치에는 현재 환경 조건에서 용접을 수행하는 데 필요한 최소 암페어를 결정하는 데 도움이 되는 열, 전압 및 압력 센서가 있습니다. IIoT 카메라는 기계 학습 기반의 시각적 용접 검사 시스템을 제공하여 육안으로 볼 수 없을 정도로 너무 작은 경우에도 용접이 만족스러운지 확인할 수 있습니다. 이것은 초보자를 위한 것입니다.

제조 계측을 사용하면 전자 제조뿐 아니라 모든 제조를 보다 정확하게 만들 수 있으며, 생산 오류를 줄이고 관련 인력을 줄일 수 있습니다. 불행히도 이 계측은 특히 현대 제조 공급망의 복잡성을 고려할 때 쉽지 않습니다.

제조 계기 기능 만들기

정보 기술(IT) 팀은 수십 년 동안 계측을 사용해 왔습니다. 센서를 소프트웨어에 구축하는 것은 하드웨어에 구축하는 것만큼 비용이 많이 들지 않습니다. 결과적으로 모든 종류의 운영 체제, 응용 프로그램 및 IT 장비는 절대적으로 센서로 가득 차 있습니다. 이 때문에 IT 팀은 최신 마이크로컴퓨터가 등장하기 전부터 생산하는 데이터의 양으로 어려움을 겪고 있습니다.

너무 많은 데이터, 너무 적은 시간

현실 세계에서 계측된 인프라는 한 사람이 처리할 수 있는 것보다 훨씬 더 많은 정보를 생성합니다. 인간으로 구성된 대규모 팀도 소규모 IT 인프라에서 방출되는 모든 데이터를 조사할 것으로 예상할 수 없습니다. IT 계측에서 생성된 데이터를 이해하기 쉽게 만드는 데 전념하는 IT 분야 내에는 전체 분야가 존재합니다. 기술과 기술은 단순한 필터에서 정교한 인공 지능(AI) 및 기계 학습(ML) 기술에 이르기까지 다양합니다.

최근까지는 대부분의 IT 팀에 충분했습니다. 정보가 수집되어 중앙 위치로 전송되고 숫자가 정리되며 중요한 데이터만 시스템 관리자에게 전달됩니다. 몇 초 또는 몇 분이 걸리더라도 괜찮습니다. 짧은 IT 중단은 일반적으로 허용되었습니다.

그러나 전 세계의 조직이 점점 더 IT에 의존하게 되면서 계측에 대한 조치를 취하는 데 걸리는 허용 가능한 시간이 크게 감소했습니다. 오늘날 많은 조직에서 수용 가능한 반응 시간은 인간이 달성할 수 있는 것보다 훨씬 낮습니다. 따라서 가장 선진화된 조직의 최신 IT 시스템은 강력한 AI 및 ML 제품군을 사용하여 인간 관리자가 문제가 있음을 인식하기도 전에 IT 인프라가 센서 데이터에 의해 보고된 변경 사항에 대응하도록 합니다.

현대 제조업체는 상상할 수 있듯이 인간보다 빠르게 반응할 수 있는 제조 계측 솔루션을 찾습니다. 센서를 읽고 문제가 발생했음을 사람에게 알려주는 것은 도움이 되지만 실시간으로 센서 데이터에 응답하는 것만큼 도움이 되지는 않습니다.

IT 계측 대 제조 계측

둘의 차이점은 IT 계측이 비교적 쉽다는 것입니다. 하나는 이미 완전히 디지털화된 장치에서 IT 인프라 및 애플리케이션에 대한 데이터를 수집합니다. 제조 계측은 더 까다롭습니다. 제조 계측에 사용되는 IIoT 장치는 물리적 세계에 대한 데이터를 수집합니다. 이것은 아날로그 데이터를 수집하여 디지털로 변환하는 것을 의미하며 이는 완전히 다른 볼 게임입니다. 물리적 센서는 보정해야 하며 시간이 지남에 따라 마모됩니다. 또한 물리적 센서는 일반적으로 클러스터에 배포되어 쿼럼 감지가 가능합니다.

쿼럼 감지는 보정 드리프트 또는 센서 오작동을 보상하기 위해 여러 개의 독립적인 센서를 사용합니다. 클러스터의 한 센서가 파트너와 다른 데이터를 보고하는 경우 무시 및/또는 재교정 플래그가 지정될 수 있습니다. 이를 통해 오작동하는 센서를 재보정하거나 교체할 수 있을 때까지 정상으로 알려진 센서로 제조를 계속할 수 있습니다.

아날로그 감지의 복잡성은 센서 데이터에 대한 실시간 응답에 대한 긴급한 요구 사항과 결합되어 제조 계측에 대한 실제 과제를 제시합니다.

클라우드 컴퓨팅으로 모든 것을 해결할 수는 없나요?

IT 팀은 다양하고 어려운 계산 요구 사항을 처리해야 했습니다. IT 공급업체가 개발한 솔루션의 한 예는 클라우드 컴퓨팅입니다.

클라우드 컴퓨팅 및 BDCA

클라우드 컴퓨팅을 통해 조직은 버튼 하나만으로 겉보기에 무한해 보이는 IT 인프라에 액세스할 수 있습니다. 클라우드 컴퓨팅 이면의 이유는 많고 복잡하지만 아마도 가장 중요한 이유는 클라우드 컴퓨팅을 통해 IT 팀이 기본 IT 인프라를 관리하거나 유지 관리할 필요 없이 IT 워크로드를 운영할 수 있다는 것입니다. 클라우드 공급자가 그 부분을 처리합니다.

클라우드 컴퓨팅은 BDCA(Bulk Data Computational Analysis) 워크로드에 매우 유용한 것으로 입증되었습니다. AI, ML, 빅 데이터 등을 포함하여 다양한 유형의 BDCA 워크로드가 있습니다. 많은 양의 데이터가 수집되고 이후에 분석되어야 하는 모든 것이 BDCA 워크로드입니다. 지난 몇 년 동안 클라우드 컴퓨팅은 대부분의 새로운 BDCA 프로젝트의 대상이었습니다.

클라우드 컴퓨팅이 BDCA 워크로드에 사용되는 이유 중 하나는 클라우드 버스팅의 개념입니다. 대규모 데이터 세트를 분석하는 데 사용되는 계산 워크로드와 같은 클라우드 워크로드는 필요한 만큼만 필요한 규모로 회전할 수 있습니다. 이는 대부분의 BDCA 작업 부하가 정해진 일정에 따라 분석을 생성하기만 하면 되기 때문에 BDCA 작업 부하에 잘 맞습니다. 월말 보고서는 여기에서 인기 있는 사용 사례입니다.

불행히도 규모의 경제는 전통적인 퍼블릭 클라우드가 중앙에 위치한다는 것을 의미합니다. 이를 통해 퍼블릭 클라우드 공급업체는 비용이 가장 낮은 데이터 센터를 배치하고 실제로 정말 큰 데이터 센터를 구축할 수 있습니다. 일정에 따라 실행되는 배치 작업 스타일의 BDCA 워크로드에는 유용하지만 실시간 응답이 필요한 워크로드에는 그다지 도움이 되지 않습니다.

이를 해결하기 위해 엣지 컴퓨팅이 개발되었습니다.

에지 컴퓨팅

에지 컴퓨팅은 클라우드 컴퓨팅으로 생각할 수 있지만 다른 사람의 데이터 센터에 있습니다. 기존 퍼블릭 클라우드 컴퓨팅이 제공할 수 없는 저지연 응답성을 요구하는 워크로드가 IT 팀에 있었기 때문에 에지 컴퓨팅이 발전했습니다. IT 팀은 이러한 인프라를 완벽하게 구축할 수 있었지만 스스로 처리해야 하는 부담과 번거로움을 원하지 않았습니다.

새로운 데이터 수요 충족

마음의 회의 후에 이러한 고객의 요구를 충족하기 위해 공용 클라우드 공급자는 관련 조직의 데이터 센터에 서버를 설치하기로 결정했습니다. 이를 통해 해당 조직의 IT 팀은 퍼블릭 클라우드 제공업체가 자체적으로 생성한 지역과 동일하게 보이지만 나머지 워크로드와 동일한 LAN(Local Area Network)에 위치한 지역에서 워크로드를 실행할 수 있습니다. .

이러한 "에지 컴퓨팅" 서버를 사용하면 IoT 센서 데이터가 인터넷을 통해 공용 클라우드 데이터 센터로 이동하고 처리된 다음 결과가 인터넷을 통해 다시 이동해야 하는 경우보다 훨씬 빠르게 처리 및 조치할 수 있습니다. . 에지 컴퓨팅은 무인 자동차를 비롯한 여러 새로운 기술을 가능하게 합니다.

사용 사례:무인 자동차를 위한 실시간 데이터

무인 자동차는 데이터를 기다리는 것이 선택 사항이 아닌 기술의 좋은 예입니다. 클라우드 컴퓨팅은 주어진 지역의 모든 자동차에 대한 센서 정보를 수집하고, 데이터를 처리하고, 해당 자동차에 지정된 반경 내에 모든 사람과 모든 것이 있는 위치의 지도를 전송하여 무인 자동차를 도울 수 있습니다. 이를 통해 이 자동차는 말 그대로 모퉁이를 볼 수 있어 더욱 안전합니다.

그러나 빛의 속도로도 자동차에서 퍼블릭 클라우드로 정보를 전송하고 다시 전송하는 데는 최대 1/4초가 소요될 수 있습니다. 사람은 자동차와 관련된 경우 1/4초 만에 사망할 수 있습니다. 따라서 자동차가 까다로운 도시 환경을 탐색하려고 하는 몇 블록 내에 관련 서버를 배치하여 처리를 자동차에 더 가깝게 이동하면 불가능했던 기술을 구현할 수 있습니다.

같은 방식으로 제조는 에지 컴퓨팅을 사용하여 필요한 계측을 가능하게 할 수 있습니다. 그러나 일반적으로 그렇듯이 제조에는 고유한 우여곡절이 있기 때문에 에지 컴퓨팅을 프로세스에서 더욱 중요하게 만들 뿐만 아니라 극복해야 할 다양한 과제를 제시합니다.

제조에서 에지 컴퓨팅을 사용하는 이유는 무엇입니까?

제조 회사에 대한 에지 컴퓨팅의 관련성에 대한 일반적인 주장은 실시간 응답의 필요성을 중심으로 이루어집니다. 빠르게 움직이는 생산 라인에서 제조 결함을 0에 가깝게 유지하려고 할 때 센서 클러스터를 사용할 수 있으면 도움이 됩니다. 센서 클러스터는 개별 센서에 결함이 있는 경우 쿼럼을 감지한 다음 재보정할 수 있습니다. 그러나 생산 라인을 방해하지 않도록 재교정을 매우 신속하게 수행해야 합니다.

인터넷을 통해 센서 데이터를 전송하는 데 100 또는 250밀리초가 걸리면 라인에 있는 제품이 손실되거나 장비가 손상될 수 있습니다. 그러나 데이터가 로컬에서 처리될 수 있고 약 5밀리초가 소요되면 제조업체는 실시간으로 센서를 재보정하거나 환경 조건에 따라 제조 장비 설정을 변경할 수 있습니다.

센서 과부하

쉽게 논의되지 않는 에지 컴퓨팅의 유용성의 또 다른 이유는 제조 계측과 관련된 관리할 수 없을 정도로 많은 수의 센서가 있을 수 있기 때문입니다. 이는 네트워크 용량을 압도할 뿐만 아니라 전체가 필요하지 않은 방대한 데이터 컬렉션을 생성할 수 있습니다. 따라서 전송해야 할 데이터만 전달하기 전에 데이터를 살펴보는 것이 유용합니다.

데이터 볼륨이 압도적이거나 어떤 형태의 필터링이 필요한 경우가 일반적입니다. 여기서 센서는 보정 또는 노후화 문제를 극복하기 위해 쿼럼에서 사용됩니다. 여기에서 쿼럼에 참여하는 다른 주변 센서가 판독값과 일치하지 않으면 개별 센서가 거부될 수 있습니다. 완전히 장비된 공장에는 궁극적으로 수만 개의 센서 쿼럼으로 구성된 수백만 개의 개별 센서가 포함될 수 있습니다.

제조를 위한 다른 에지 컴퓨팅 구성에는 로컬에서만 사용되는 일부 센서가 있습니다. 실시간 응답에 사용되거나 예를 들어 보안 솔루션의 일부로 로컬에서만 관련이 있기 때문일 수 있습니다.

제조 계약

에지 컴퓨팅은 점점 더 일반화되고 있는 계약 제조업체(CM) 시나리오에서도 유용합니다. CM은 작업을 위탁하는 OEM(Original Equipment Manufacturer)과 독립적인 IT 솔루션을 보유하고 있습니다. 그러나 많은 OEM은 전체 공급망을 계측하는 데 있어 이점을 보고 있습니다. 심지어 계약을 맺은 일부라도 마찬가지입니다.

이 경우 OEM은 에지 컴퓨팅을 사용하여 네트워크의 일부를 CM의 네트워크로 밀어낼 수 있습니다. OEM의 IT 팀은 OEM의 사설 클라우드에 다시 연결되는 CM의 네트워크에 서버를 배치할 수 있습니다. IIoT 센서와 결합된 이러한 에지 컴퓨팅 서버를 통해 CM은 CM의 자체 네트워크에 영향을 미치거나 CM의 네트워크 설계를 근본적으로 변경할 필요 없이 OEM의 계측 및 공급망 통합 목표를 충족할 수 있습니다.

에지 컴퓨팅은 개별 구성 요소가 OEM의 시설에서 제조되는지 또는 CM의 설비에서 제조되는지 여부에 관계없이 일관된 인터페이스와 통합 애플리케이션 세트를 사용하여 OEM이 전체 공급망 및 제조 작업을 볼 수 있는 기능을 제공합니다. 모든 사람이 동일한 도구 모음을 사용하기 때문에 이러한 일관성으로 인해 CM을 더 쉽게 교육하고 지원할 수 있습니다.

요약

10년 넘게 사용된 클라우드 컴퓨팅은 종종 모든 IT 문제에 대한 솔루션으로 마케팅됩니다. 그렇지 않다. 클라우드 컴퓨팅은 많은 문제를 해결하지만 빛의 속도로 인해 거대한 중앙 집중식 서버 팜은 그 어느 때보다 유용할 것입니다.

에지 컴퓨팅은 인터넷을 통해 전송할 수 없는 대량의 데이터를 로컬에서 처리하여 노이즈에서 신호를 추출하고 지연이 문제가 되는 장소와 시간에 로컬에서 특정 항목을 처리하는 기능을 제공하는 두 가지 주요 목적을 제공합니다. 이 두 가지 모두 계측에 점점 더 의존하는 제조 회사에 유용합니다.

제조업은 빛이 A에서 B로 그리고 그 반대로 되기를 기다릴 수 없습니다. 라인에 너무 많고 오류에 대한 시간이 없습니다. 엣지 컴퓨팅은 클라우드가 해결할 수 없는 문제를 해결하므로 진화하거나 뒤처질 때입니다.

이 블로그의 저자는 OptimalPlus의 기업 기술 연구원인 Michael Schuldenfrei입니다.