업데이트: 2021년 1월 21일
이 심층 기사에서 다룰 제조업 클라우드 컴퓨팅 내용:
제조업체와 OEM이 점점 더 데이터에 기반해 의사결정을 내림에 따라 클라우드 컴퓨팅의 제조업 내 입지가 깊어지고 있습니다. 데이터 수집 자체가 공장 현장에서 예외가 아닌 기대가 되었습니다. IoT 연결 산업 기계, 오퍼레이터 인터페이스, 공급업체 데이터, 수요 예측 등 수많은 데이터 스트림 사이에서, 많은 기업이 활용 방법을 모르는 데이터보다 더 많은 데이터에 파묻혀 있습니다. 심지어 베스트 프랙티스 기업도 의사결정에 데이터를 약 50%만 활용하며, 후발 주자는 30%에 그칩니다.
수집된 데이터 활용의 주요 제약은 그렇게 방대한 데이터에서 의미를 분석하고 도출하는 데 막대한 컴퓨팅 파워가 필요하다는 점입니다. 많은 기업이 데이터 수집 장치를 설치한 후 사내 데이터 사이언티스트와 사내 머신으로 분석 여정을 시작했지만, 금세 압도당했습니다. 데이터 저장, 백업, 오프사이트 백업, 데이터 보안, 머신러닝 기법으로 깊고 정확한 통찰을 도출할 하드웨어까지—이 모든 것이 시간과 비용 면에서 빠르게 누적됩니다.
바로 거기서 클라우드가 빛을 발합니다. 클라우드는 사내 스토리지 비용의 일부로 사실상 무제한 데이터 저장을 제공합니다. (이제 쇠퇴하고 있는) 대중적 믿음과 달리, 평판 좋은 클라우드 공급자에 맡긴 데이터는 사내 서버보다 더 안전합니다. 이는 대부분의 기업에서 부가적이거나 부차적인 일이 아니라, 클라우드 공급자의 전체 비즈니스 모델의 주요 요소이기 때문입니다. 클라우드 플랫폼은 대부분의 기업이 사내에서 달성할 수 있는 것보다 더 정교한 저장소와 더 깊은 보호 장치를 갖는 경향이 있습니다. 클라우드 공급자는 일정 수준의 보안 유지를 약속하고, 진화하는 알려진 보안 위험을 지속적으로 파악하며, 많은 경우 데이터 유출 가능성에 대비해 기업을 보험에 가입시킬 수 있습니다. 물리적 안전 측면에서도 클라우드 공급자는 더 높은 이중화(화재, 홍수, 기타 자연·인재 대비 타 시설 오프사이트 복사본 유지)를 유지하는 경향이 있어 데이터 손실 위험이 현저히 낮습니다.
컴퓨팅 파워 측면에서, 클라우드를 통한 하드웨어 리소스 공유는 사내 머신보다 달러당 기하급수적으로 더 많은 컴퓨팅 파워를 제공합니다. 제조업체는 인터넷을 통해 타사와 리소스를 공유하며 엄청나게 비싼 하드웨어에 접근할 수 있습니다. 이는 느린 하드웨어로 인한 의사결정 지체 없이 방대한 데이터에 대해 심층 분석과 복잡한 머신러닝 기법 사용을 가능케 합니다. 클라우드 컴퓨팅은 일반적으로 사내 장비 구매(및 유지보수) 비용의 몇 푼 수준으로, 현저히 높은 가동 시간과 사용 편의성을 제공합니다.
이러한 모든 이점(나중 섹션에서 더 깊이 다룸)에도 불구하고, 여전히 하나의 중요한 질문이 남아 있습니다: 클라우드란 무엇인가? 많은 이가 막연한 개념만 있을 뿐 명확히 정의된 것을 본 적이 없어 이 질문은 여전히 맴돕니다. 제조업 맥락에서 클라우드가 정확히 무엇을 의미하는지 정의해보겠습니다.
클라우드 컴퓨팅은 해당 리소스를 적극적으로 관리하지 않고도 온디맨드로 컴퓨터 리소스에 접근하는 방식입니다. 접근은 보통 인터넷을 통해 이루어집니다. 클라우드 컴퓨팅으로 이용 가능한 리소스 유형에는 컴퓨팅 파워와 데이터 저장이 있습니다. 잘 관리되고 최신 상태인 거의 무제한의 하드디스크, GPU, CPU를 모두 갖춘 것과 같으며, 이 모든 것을 추가 IT 직원 채용, 장비 구매, 비즈니스 확장 시 인프라 변경 없이 거의 어디서나 저렴한 비용으로, 로컬 머신보다 더 나은 보안과 가동 시간으로 이용할 수 있습니다.
간단히 말해, 클라우드 컴퓨팅은 합리적 비용으로 최상급 컴퓨터 리소스에 접근하는 것입니다. 이 비즈니스 모델은 클라우드 공급자가 더 많은 사람에게 효과적으로 서비스할수록 하이테크 제품의 ROI가 증가하므로 성립합니다. 기본적으로 모두에게 이득입니다.
클라우드 컴퓨팅은 에지 컴퓨팅과 잘 어우러집니다. 클라우드 컴퓨팅은 고주파 데이터를 수집해 장기 저장할 수 있는데, 이는 온프레미스에서 현실적으로 불가능한 양입니다. 그런 다음 이 데이터를 에지 컴퓨팅 시나리오에서는 너무 리소스 집약적이어서 불가능한 깊은 분석을 가능케 합니다. 두 기술의 결합은 데이터 주도 실시간 의사결정과 장기적 전략 분석 및 의사결정을 모두 가능하게 합니다.
에지 컴퓨팅을 이해하려면 IoT 솔루션을 일반적으로 세 구성 요소로 생각하는 게 도움이 됩니다:
클라우드 컴퓨팅에서는 통찰과 행동 구성 요소를 제조 시설 내부가 아닌, 보통 인터넷을 통해(때로는 위성 등 다른 전송 방식) 다른 위치의 고성능 하드웨어로 이동시킵니다. 즉, 데이터를 저장이나 분석을 위해 외부 보낸다가 나중에 그로부터 도출된 통찰에 기반해 행동할 수 있습니다.
클라우드 컴퓨팅 플랫폼은 클라우드 컴퓨팅 서비스를 제공하는 솔루션입니다. 가장 잘 알려진 클라우드 플랫폼 중 하나는 아마존 웹 서비스(AWS)입니다.
클라우드 컴퓨팅 플랫폼은 온사이트 장비로는 너무 집약적이거나 시간이 많이 걸리거나(일부 시나리오에서는) 민감한 워크로드를 처리합니다. 에지 컴퓨팅 시나리오에서 고주파 기계 데이터는 에지 컴퓨팅 장치가 분석해 즉각적인 조치가 가능한 실시간 통찰을 도출할 수 있습니다(예: 보안 위험 감지 시 기계 정지). 반면 클라우드 컴퓨팅은 에지 시스템에 부담이 될 전체 데이터 스트림을 처리해 저장과 더 깊은 통찰을 가능케 하고, 이는 다시 제조 시스템으로 전달되어 에지 장치에서 생성되는 응답을 주도하기도 합니다.
MachineMetrics는 AWS 산업 소프트웨어 컴피턴시 파트너로서, 산업 애플리케이션을 위한 가장 안전하고 고성능이며 탄력적이고 효율적인 클라우드 인프라를 보장합니다.
많은 이들이 클라우드를 통한 저렴한 데이터 저장 솔루션을 알고 있습니다. 하지만 제조업체와 OEM 모두에게 클라우드 플랫폼이 가져다주는 유연성, 단일 진실 공급원(Single Source of Truth), 맞춤화, 고급 분석 이점은 모를 수 있습니다.
OEM부터 살펴보겠습니다. 공장 현장의 가혹한 환경을 견딜 최적화된 장비나 IIoT 하드웨어를 만드는 여정은 데이터 수집에서 시작됩니다. 이 경우 데이터 수집은 기계가 특정 환경에서 어떻게 수행되는지에 초점을 맞춥니다. 산업용 클라우드는 기업이 판매한 모든 IoT 지원 장비의 기계 데이터를 공간 부족 없이 수집하는 플랫폼을 제공합니다.
클라우드는 이러한 빅데이터 세트를 집계하고 이를 분석할 고급 알고리즘을 개발하는 플랫폼 역할을 합니다. OEM은 이 통찰을 원격 서비스 계획 개발이나, 최종 사용자가 장비 활용을 최적화하도록 돕는 Data-as-a-Service 패키지에 활용할 수 있습니다. 여기서도 비용이 다시 등장합니다.
절대 공간 부족 없는 클라우드 솔루션 비용은 개별 온프레미스 스토리지 시설 운영 비용보다 훨씬 적습니다. 고성능 온프레미스 스토리지 시스템 구매는 10만 달러가 들 수 있으며, 여기엔 시스템 유지보수 반복 비용은 포함되지 않습니다. 반면 클라우드 구독 플랜은 그보다 훨씬 저렴하고 업그레이드 및 추가 개선에 따른 간접비가 없습니다.
제조업을 위해 구축된 클라우드 플랫폼은 두 세계의 장점을 모든 OEM에게 제공합니다. 무한한 스토리지 공간과 데이터 집계, 원격 기계 모니터링, 기업이 필요로 하는 모든 IIoT 컴퓨팅 요건을 위한 고성능 플랫폼이 그것입니다.
제조업체 관점에서 클라우드는 생산 이력 추적, 운영 원격 가시성 확보, 기계 고장 사전 탐지를 위한 고급 알고리즘 구축을 위한 무제한 데이터 저장을 제공합니다.
위 이점 외에도 제조업체는 다음과 같은 이점을 경험합니다:
제조 활동은 고객 수요에 따라 변동합니다. 이러한 변동은 최적의 데이터 수집, 분석, 운영을 보장하기 위해 유연한 스토리지와 컴퓨팅 시스템을 필요로 합니다. 클라우드 플랫폼은 쇼룸에 생산 용량을 추가할 때 이 리소스 유연성을 제공합니다. 또한 디지털화하려는 여러 시설의 중앙 집중식 스토리지 위치를 제공합니다.
디지털화는 다운타임과 데이터 도난으로 이어질 수 있는 사이버 보안 위협을 동반합니다. 잘 구축된 클라우드 플랫폼은 엔터프라이즈급 보안 관리 시스템을 통합해 데이터를 보호하고 보안 위협을 줄입니다.
데이터 수집 및 관리 시스템은 거의 무결하지만 완전히 무결하지는 않습니다. 따라서 데이터 손실을 초래하는 오류나 사고 발생 시 백업 및 복구 솔루션이 마련되어야 합니다. 적절한 클라우드 플랫폼이라면 기계 데이터가 완전한 데이터 손실로부터 안전하게 백업되고 보호됩니다.
클라우드 컴퓨팅의 한 특징은 패키지의 일부로 제공되는 업그레이드와 새 기능입니다. 여기에는 모든 기술 업그레이드마다 추가 비용 없이 새로운 애플리케이션, 보안 인증서, 통신 프로토콜이 추가됩니다.
많은 클라우드 서비스 공급자가 말하지 않는 것 중 하나는 새 기술 사용에 따른 학습 곡선입니다. 산업용 클라우드의 이점을 빠르게 누리려면 고객 지원이 필요할 수 있습니다. 필요한 기술뿐만 아니라 클라우드 컴퓨팅 전략을 성공적으로 구현하도록 도울 수 있는 공급자를 찾으세요.
제조업에서 클라우드 컴퓨팅과 에지 컴퓨팅의 차이에 대한 별도 기사가 있으니 여기선 간단히만 다루겠습니다.
클라우드와 에지는 두 가지 구별되는 기술이지만, 서로 상충되는 강점 때문에 종종 함께 쓰입니다. 관계의 핵심에서, 에지 컴퓨팅은 시간 민감한 데이터를 처리하고 조치하는 반면, 클라우드 컴퓨팅은 적시에 조치할 필요가 없는 데이터를 중앙 위치에 집계합니다.
완전한 IIoT 인프라에서 제조업체는 실시간 데이터 수집, 예지 분석, 자율 의사결정을 위해 에지를, 집계 데이터 분석, 벤치마킹, 트렌드 분석을 위해 클라우드를 사용할 수 있습니다.
이러한 이점과 단점은 계속됩니다:
산업용 IoT의 목적은 방대한 기계 데이터에 고급 분석을 적용해 비계획 가동 중단을 줄이고, 전체 기계 유지보수 비용을 낮추며, 머신러닝 능력을 활용해 지속적 개선 이니셔티브를 주도하는 것임을 우리는 알고 있습니다. 클라우드는 이러한 대규모 데이터 수집, 전송, 분석을 가능케 하는 데 결정적 역할을 했습니다.
에지 컴퓨팅과 분석이 기계와 데이터 처리 간 물리적 거리를 줄여 데이터 주도 의사결정을 새로운 속도와 실시간 정확도 수준으로 끌어올리는 동안, 클라우드 컴퓨팅은 여전히 장기 저장과 깊은 분석을 위한 확고한 입지를 지킵니다. 여러 소스에서 데이터를 수집하는 기업에 클라우드는 다음을 돕습니다:
이 모든 현실을 클라우드 컴퓨팅이 다루게 함으로써 제조업체는 비용을 절감하고 효율성을 높일 수 있습니다. 클라우드 컴퓨팅은 대규모 생산이 누리던 가치를 소량 생산에도 동일하게 제공합니다. 이 모든 것을 컴퓨팅 장치의 사내 유지보수나 관리 없이 이용할 수 있습니다.
통찰 도출이 필요할 때, 클라우드는 제조업체가 찾아야 할 솔루션입니다. AI와 머신러닝 알고리즘을 적용해 시각화, 진단, 예측하는 목표는 저렴하고 확장 가능한 컴퓨팅 리소스를 이용하면 더 쉽게 달성할 수 있습니다. 예지 통찰은 팀이 데이터와 함께 진화하는 장기 전략을 수립하고, 데이터가 다른 솔루션을 가리키기 시작하면 빠르게 선회할 수 있게 합니다. 방대한 이력 데이터 라이브러리의 장기 저장은 예상치 못한 분석 기회가 생겼을 때 팀이 중요한 데이터 소스를 놓치지 않게 보장합니다.
산업 제조는 클라우드 컴퓨팅의 잠재력, 특히 에지 컴퓨팅과 결합했을 때 덕분에 혁명의 문턱에 있습니다. 새로운 세대의 스마트 IoT 에지 장치와 함께 클라우드 컴퓨팅 애플리케이션은 향후 수십 년간 제조를 완전히 변화시켜 비용을 통제하면서 더 나은 효율성과 생산성을 이끌어낼 것입니다.
산업기술
클래식한 하드웨어 기반 설정과 비교할 때, 클라우드 컴퓨팅 아키텍처는 훨씬 더 많은 유연성, 설계 선택권, 비용 절감 기회를 제공합니다. 그러나 이러한 이점은 대가를 치르는데, 클라우드 플랫폼은 일반적인 온프레미스 물리적 인프라보다 이해하기 더 복잡하고 더 많은 움직이는 부품을 가지고 있기 때문입니다. 이 글은 클라우드 컴퓨팅 아키텍처 입문서로, 클라우드 환경 내에서 작동하는 구성 요소들을 다룹니다. 계속 읽어보시면 서로 다른 시스템들이 어떻게 협력하여 기능적인 클라우드를 만들고 최종 사용자에게 온디맨드 IT 리소스(서버, 앱, 데
퍼블릭 클라우드에서 데이터를 보관하고 사용하는 가파른 비용이 점점 더 많은 기업들에게 딜브레이커가 되고 있습니다. 조직들은 더 비용 효율적인 대안을 찾고 있으며, 이것이 바로 퍼블릭 클라우드에 현재 있는 데이터를 끌어내어 온사이트 또는 베어메탈로 재호스팅하는 데이터 본국 송환(리패트리에이션) 사례가 점점 더 많아지는 이유입니다. 이 글은 데이터 리패트리에이션 입문서로, 퍼블릭 클라우드를 떠나 온프레미스 베어메탈 스토리지를 선호하는 것의 긍정적, 부정적 효과를 다룹니다. 데이터 리패트리에이션의 주요 동인을 알아보고 클라우드 기반 데이
