IT/OT 융합은 단지 유행하는 용어입니까?

그렇다면 "IT/OT 융합"은 또 다른 변칙적인 유행어일까요?

라고 주장할 수 있습니다. 누군가 새로운 아이디어를 포착할 때마다 그것을 기억에 남게 만들고 "슬라이스 빵 이후 최고의 새로운 것"처럼 들리도록 하려는 시도가 있습니다. 따라서 누군가는 변화를 불러일으키고 마케팅에 사용할 수 있는 눈에 띄는 문구를 생각해 낼 것입니다.

그러나 문제는 IT와 OT의 이러한 "수렴"이 실제로 데이터를 사용 가능하게 만드는 다음 확장에 불과하다는 것입니다.

IT/OT 융합이란 무엇입니까?

얼마 전 우리는 제조 자동화의 시작을 보았습니다. 자동화 장비는 인간이 달성할 수 없는 속도 또는 전력 수준에서 수행해야 하는 특정 기능을 수행하도록 설계되었습니다. 그러나 자동화 장비에 장애가 발생하면 제어 엔지니어가 시스템에 들어가 무엇이 잘못되었는지 확인해야 했습니다. 이를 위해서는 오류의 단서를 찾기 위해 PLC 시스템의 레지스터에 들어가야 했습니다. 이것이 운영 기술(OT) 데이터 사용의 시작이었습니다. .

장애 지점까지 이어지는 일부 데이터가 있는 것은 사전에 무슨 일이 일어났는지 확인하기 위한 진단에 유용했습니다. 결과적으로 PLC 시스템은 히스토리언을 사용하여 센서, 히터 및 자동화 액추에이터에서 대량의 OT 데이터를 사용하여 더 긴 데이터 스트림을 유지하기 시작했습니다.

역사가의 OT 데이터를 모니터링함으로써 SCADA 기능은 운영자에게 장비 작동 방식에 대한 통찰력을 제공할 수 있습니다. 장애가 임박했을 때 SCADA 기능을 통해 운영자(또는 감독자)는 장애가 발생하기 전에 조치를 취할 수 있습니다. 이를 위해서는 SCADA 시스템이 히스토리언의 데이터에 액세스할 수 있어야 했으며 MODBUS 또는 PROFIBUS와 같은 독점 통신을 사용하여 HMI(인간-기계 인터페이스)를 통해 운영자가 해당 데이터를 사용할 수 있도록 했습니다. 그러나 모니터링은 장비의 성능에만 국한되어 OT 데이터의 사용을 더욱 확대했습니다.

이러한 데이터 스트림(게이지, 운영자 화면 등)을 관찰하고 데이터 드리프트에 대해 더 많이 이해함으로써 SCADA 시스템을 통해 장비 고장이 임박했을 때뿐만 아니라 데이터가 테스트 및 검사에서 제품 품질의 실패를 분석하는 데 사용됩니다. 이 작업은 나중에 프로세스에서 여러 단계를 거쳐야 할 수 있습니다.

이로 인해 IT 데이터와 연결된 OT 데이터가 필요했습니다. 그 결과 PLC 및 SCADA에서 MES와 같은 정보 기술(IT) 시스템에 이르는 복잡한 인터페이스가 생성되어 제품 고장의 관계형 데이터를 제품을 만드는 장비의 작동 데이터와 연결할 수 있게 되었습니다. 일부는 ERP에도 직접 시도했지만(지금도 시도 중임) ERP 시스템은 해당 데이터를 제조 과정에서 다른 이벤트와 관련하여 충분히 빠르고 자세하게 처리하고 표시할 수 있는 장비를 갖추고 있지 않습니다.

MES에 대한 인터페이스의 문제는 고도로 맞춤화되고 비용이 많이 들며 때로는 프로젝트 구현 비용의 40-50%가 추가된다는 것입니다. 데이터 액세스 개선의 다음 단계는 MES 및 기타 관계형 데이터베이스에서 PLC 데이터에 보다 쉽게 ​​액세스할 수 있도록 하는 것입니다. 이러한 액세스 필요성이 컴퓨팅 및 컴퓨터 메모리 비용이 더 저렴해지고 네트워크 통신이 더욱 안정적으로 연결되면(5G 네트워크 진입) PLC 센서와 액추에이터를 IT 네트워크(IIoT라고 함)에 직접 연결하는 것이 합리적입니다. 데이터를 필요로 하는 모든 사람이 사용할 수 있도록 합니다.

이 모든 배경은 IT 시스템에서 OT 데이터를 더 쉽게 사용할 수 있도록 하는 것이 단순히 더 긴 프로세스의 다음 단계임을 강조하기 위한 것입니다. 우리를 인더스트리 4.0으로 이끈 기술 발전에 대해 설명합니다.

IT/OT 융합을 어떻게 사용할 수 있습니까?

IT 시스템에 대한 OT 데이터의 인터페이스는 이제 새로운 문제에 직면했습니다.

히스토리언의 센서를 모니터링하는 PLC/SCADA 시스템은 몇 초 안에 대용량 데이터 스트림(최대 메가바이트 크기)을 생성할 수 있습니다. 그러나 이벤트의 특성화를 다시 IT 시스템으로 이해하는 관점에서 볼 때 이러한 데이터 스트림은 심지어 작은 시간 프레임에서도 MES와 같은 IT 시스템의 관계형 데이터베이스가 처리하기에는 너무 많습니다. 많은 구현에서 단일 데이터 요소를 캡처하고 IT 수준에서 OT 이벤트의 일부 표현을 시도하기 위해 센서 데이터(데이터 스트림에서 가져온) 인스턴스를 기록하려고 했습니다. 그러나 많은 사람들이 OT 데이터의 인스턴스를 제조 중 제품의 품질 이벤트에 연결하는 것이 일반적으로 프로세스 품질을 모니터링하는 데 그다지 효과적이지 않다는 것을 발견했습니다.

이제 OT 시스템에서 데이터 스트림을 집계하는 방법을 결정해야 합니다. 생산 이벤트의 중요한 특성을 유지하는 방식으로. OEE의 보고는 이러한 집계 시도 중 하나입니다. 모든 형태의 데이터 집계를 사용할 때 품질 이벤트의 중요한 세부 정보가 약간 손실될 수 있음을 인식하는 것이 중요합니다. 이것이 OEE가 분석 수준 개체가 아닌 모니터링 수준 데이터 개체로 사용되는 이유입니다. 그러나 OEE 변화의 실시간 값을 모니터링함으로써 IT 시스템은 변화의 속도와 규모를 인식하고 문제를 경고하는 경보를 생성할 수 있습니다.

실제 문제를 분석하려면 OEE 값을 생성하는 데 사용된 원래 데이터 스트림으로 돌아가야 합니다. 최소한 OEE 값이 실시간으로 제공되면 제조 및 제어 엔지니어는 OT 데이터 스트림의 더 많은 데이터에 의해 이벤트가 묻히기 전에 분석을 위해 히스토리언에게 돌아갈 수 있도록 충분히 일찍 문제에 대한 가시성을 확보합니다.

문제는 데이터를 어떻게 집계합니까?

답은 언제나 그렇듯이... 상황에 따라 다릅니다!

데이터를 집계하는 방법은 집계하는 데이터와 프로세스 내에서 모니터링하려는 대상에 따라 다릅니다. 또한 데이터 집계 모델의 변경 사항을 해석할 수 있는지 여부에 따라 달라집니다.

이 섹션에서는 그러한 집계 방법 중 하나를 살펴보고 이 데이터 세트의 변경 사항을 해석하는 몇 가지 방법을 제시합니다.

"자연 분포 곡선" 또는 히스토그램은 센서와 같은 장치의 데이터에 대한 가장 일반적인 그래픽 표현 중 하나입니다. 곡선의 기본 전제는 만약 프로세스에는 정상적인 무작위 변동만 있고 데이터 인스턴스의 분포는 자연 분포 곡선과 유사한 패턴으로 떨어질 것입니다.

그림 1은 오븐 센서의 판독값 분포가 히스토그램으로 표시될 때 정상적인 변동으로 어떻게 보일지 보여줍니다.

그림 1:평균, 중앙값 및 모드를 보여주는 오븐 온도 분포 곡선. 작성자 제공

곡선의 주요 특징은 평균(평균), 중앙값(데이터 스트림의 중간 값) 및 최빈값(가장 많이 발생하는 값)이 모두 거의 같다라는 것입니다. . 이것은 프로세스에 문제가 발생하는지 확인하기 위한 참조로 사용할 수 있습니다. 공정이 관리 상태에 있다는 표시가 있는 한 +/-3 시그마 값을 결정하고 이를 상한 및 하한 관리 한계 및 제품 사양 한계와 비교하는 데 가치가 있습니다.

예시 시나리오

경화 오븐을 통과하는 생산 장치의 프로세스를 모니터링하기 위해 MES 시스템은 장치가 오븐에 들어가고 나오는 시간을 기록합니다. 이 시간 동안 PLC 시스템(스마트 센서 사용)은 감지 장치의 로컬 히스토리언 데이터베이스에 저장될 온도 센서 데이터의 일정한 스트림을 생성합니다. 생산 장치가 오븐에서 나오면 MES는 정의된 기간 동안 온도 데이터 집계를 위해 장치에 요청합니다. 장치 수준에서 사용 가능한 컴퓨팅 성능이 제한적일지라도 장치는 일반적으로 센서 데이터의 단일 인스턴스를 제공하는 대신 수백(또는 수천) 데이터 포인트를 가져와 집계된 데이터 세트를 MES에 다시 제공할 수 있습니다. , 또는 전체 데이터 스트림을 처리하려고 합니다.

다음은 이 생산 단위에 대해 집계된 데이터 값 집합입니다.

• 평균:90.0
• 중앙값:90.0에 매우 가깝습니다.
• 모드:약 90.0도
• +/- 3 시그마 분포:87.0, 93.0(UCL 및 LCL로 확인 예정)

평균, 중앙값 및 모드 간의 차이를 빠르게 분석함으로써 MES는 수용 가능한 공정 제어 모니터링과 이미 오븐을 통과한 이전 생산 단위의 추세 변화를 찾을 수 있습니다. +/- 3 시그마 값이 허용 가능한 한계를 벗어나면 MES가 자동으로 생산 단위를 의심스러운 것으로 표시합니다. 마찬가지로 평균, 중앙값 또는 모드가 서로 또는 이전 제품과 크게 다른 경우에도 마찬가지입니다.

그림 2는 이러한 동일한 값이 제어되지 않는 프로세스를 나타내는 방법의 예를 보여줍니다. 그러나 이 경우 +/- 3 시그마 값이 한계 내에 있을 수 있습니다.

그림 2:치우친 과정에서 평균, 중앙값 및 모드의 차이점 예시. 저자 제공

이제 기술적으로 분포가 표시된 대로 왜곡되면 데이터 세트의 왜곡된 특성으로 인해 +/- 3 시그마 값이 유효한 것으로 간주되지 않을 수 있습니다. 그러나 장치에 의한 즉각적인 분석은 제어 한계가 위반되었는지 여부를 결정하는 데 계속 사용할 수 있습니다.

요점:이것이 스마트 센서가 제공하는 데이터 세트의 종류라면 오븐이 아닙니다 제조 엔지니어링에 표시됩니다. 무작위 분산으로만 작동하므로 조사해야 합니다.

평균, 중앙값 및 최빈값의 다른 차이점(예:평균과 중앙값은 같지만 최빈값은 다름)은 여러 프로세스 영향이 작용함을 시사하는 이봉 분포와 같은 조건을 나타낼 수도 있습니다. 다시 한 번, 제조 엔지니어링은 프로세스를 살펴봐야 합니다.

위의 데이터 세트가 MES 수준의 생산 장치에 직접 연결되면 테스트 및 검사 결과와 함께 이 데이터를 사용하여 오븐 온도의 변화와 생산 장치의 고장 사이에 연관성이 있는지 여부를 나타낼 수 있습니다.

제품이 프로세스 문제의 결과로 실패했는지 여부와 상관없이 생산 실행 중 데이터 값 드리프트를 보는 것은 조사해야 하는 근본적인 프로세스 관리 문제를 나타낼 수도 있습니다.

요약

데이터 집계의 이전 예는 특정 시나리오만 반영하지만 이유에 대한 보기를 제공하기 위한 것입니다. OT와 IT 데이터의 융합을 위해 잠재적 가치 이 수렴의 . 각 생산 시나리오에서 올바른 데이터 집계 방법을 평가해야 하며 스마트 장치 프로그래밍을 통해 이 기능을 사용할 수 있어야 합니다. 또는 대안으로 에지 컴퓨팅 시스템이 스마트 장치에 대해 설명된 기능을 대체하도록 프로그래밍될 수 있습니다.

결론은 업계가 변화하는 기술을 설명하는 유행어로 "IT/OT 융합"을 많이 사용하지만 데이터 처리에 합법적인 변화가 있다는 것입니다. 버즈 용어 뒤에 기술이 제공합니다. 융합 기술을 활용하고 융합을 통해 제공된 데이터를 적절하게 집계하고 해석하는 방법을 배우는 기업은 품질 및 시설 관리 프로그램의 효율성에서 실질적인 이점을 얻을 수 있습니다. 오늘날과 같이 경쟁이 치열한 글로벌 환경에서는 어떤 이점이든 활용하는 것이 수익에 좋습니다.

그래서 대답은 아니오입니다. IT/OT 융합은 단순이 아닙니다. 유행어. 데이터 수집 및 관리 기술의 발전에 있어 제조 회사에 큰 혜택을 줄 수 있는 귀중한 도구입니다. IT 수준의 시스템이 처리할 수 있도록 OT 수준에서 데이터를 집계하는 방법을 배우는 것은 컨버전스의 중요한 부분입니다.