|
Industrie 4.0, 스마트 공장을 향한 여정의 제안(Ⅲ) 글 김홍열 부장 / 이플랜코리아
kim.anton@eplan.co.kr
Industrie 4.0 어떻게 실현할 것인가 시스템적인 관점에서 Industire 4.0은 스마트 장치와 연계된 유연하고 에너지 저 소비를 지향하는 최적화된 생산 시스템, 그리고 가상의 시뮬레이션과 연계되어 시행착오가 최소화된 생산 시스템이라고 정의할 수 있다.이러한 생산 시스템은 M2M을 통한 자율성 확보, 그리고 증강 현실 등과 같은 현장 지원기술을 통해 스마트 공장의 구성요소를 갖추게 된다. 또한, 이러한 시스템은 단지 생산현장에서의 얘기일 뿐 아니라 이러한 생산 시스템의 기획, 그리고 여러 분야의 엔지니어링과 프로세스적으로 밀접하게 결합하게 된다. 즉, 가상의 환경에서 시뮬레이션을 지원할 수 있는 완벽한 디지털 공장은 이러한 프로세스 및 엔지니어링 데이터의 결합을 통해 구축이 될 수 있다. 이러한 디지털 공장의 역할은 엔지니어링 과정 중에 발생하는 시행착오를 최소화 해줄 수 있을 뿐 아니라 시뮬레이션 결과가 실제 시스템운영에 활용될 수 있는 환경을 지원함으로써 시스템 운영의 최적화를 지원하게 된다.
물론, 이러한 형태의 이상적인 디지털 공장과 스마트 공장의 구현은 어느 한 순간, 어느 하나의 솔루션을 통해 구축할 수는 없다. 특히, 디지털 공장의 개념은 이미 1990년대 중반부터 Toyota 등의 선구적인 회사에서 도입이 시작되어 근 20여년이 지났지만, 특정 기업들을 제외하고 아직까지는 보편적으로 생산 현장에 반영되었다고 말하기 어려운 현실이다. PLM의 경우, 마치 PLM 솔루션만 도입하면 모든 것이 이루어질 것처럼 어느 한 순간 붐이 일어났으나 현재 수 많은 생산 현장에서 운영 중인 PLM이 그 이름에 걸맞게 제품 수명 주기에 걸친 활용이 이루어지고 있는지는 고민해야 될 대목이다. 특히, 디지털 공장의 실현과 스마트 공장의 지원이라는 측면에서 기획 및 엔지니어링 업무의 중요성은 아무리 강조해도 부족하지 않다. [그림1]에서와 같이 실제 발생비용이라는 측면에서 제품 생명주기 상의 기획 및 설계 단계에서의 비용은 그렇게 크지 않지만, 그 이후에 발생하는 비용의 결정이라는 측면에서 기획 및 설계 단계의 영향력은 다른 단계에서의 영향력을 압도한다고 할 수 있다.
［그림 1］디지털 공장과 스마트 공장
［그림 2］제품 수명 주기에 걸친 비용 결정 비중과 실제 발생비용 비중
 ［그림 3］공장 자동화 비용 분석
또한, [그림2]에서와 같이 공장과 같은 생산 시스템의 자동화를 구축하는 경우에는 시운전을 포함한 기획 및 엔지니어링이 차지하는 실제 비용이 다른 분야에 비해 압도적으로 높게 나타난다. 기획 및 엔지니어링 업무를 훌륭한 엔지니어 몇몇이 알아서 수행하는 업무로 방치하는 것은 마치 과거에 천수답에 의존한 농사처럼 굉장한 위험 부담을 갖는 일임을 알 수 있다. 즉, 훌륭한 엔지니어를 확보하는 것도 물론 중요하지만, 이러한 엔지니어들의 역량이 잘 발현되고, 또한 결합되게 하여 궁극적으로 디지털 공장을 구축하고, 또 스마트 공장을 지원할 수 있게 하려면 프로세스의 역할 그리고, 이러한 프로세스를 뒷받침하는 시스템의 역할이 더욱 중요하게 된다. 이러한 관점에서 엔지니어링 프로세스와 시스템의 역할을 [그림4]에 정의하였으며 구체적인 내용은 다음과 같다.
첫째, 기획 단계의 복잡성을 관리하면서 동시에 다음 단계인 설계 단계와 엔지니어링 데이터 단위의 연속성을 확보할 수 있는 기술이 필요하다.
기획은 항상 실질적인 구현을 염두해서 이뤄져야 하지만, 이러한 구현이 전기 기술, 기계 기술, 그리고 생산 기술 등의 여러 가지 기술 분야가 복합적으로 결합되어 있기 때문에 그 복잡성으로 인해 설계단계와의 연속성이 확보된 기획을 수행하기는 쉬운 일이 아니다. 따라서 이러한 역할을 위해서는 모든 기술 분야가 융합된 최종 형태인 기능을 중심으로 기획을 수행하여(Functional Engineering) 복잡성을 감소시키고, 동시에 기획결과는 각 엔지니어링 분야의 설정 및 구성(Configuration)정보로 활용되어 관련 엔지니어링 정보를 이면에서 자동 생성할 수 있는 기술인 CTO(Configuration To Order)가 적절한 대안이 될 수 있다. 일종의 자동화기술인 CTO 대신, 수작업으로나마 기획결과를 엔지니어링 데이터로 매칭시키는 역할을 할 수 있는 방법론이 있다면 이것 역시 대안이 될 수 있을 것이다. 자동이든 수동이든 이렇게 생성된 엔지니어링 데이터가 다음 단계에 해당하는 설계단계로 디지털화 되어 전달될 수 있는 통합된 프로세스가 있어야 함은 물론이다.
둘째, 설계단계의 효율성 향상이 필요하다.
현재 설계단계의 효율성을 가장 저해하는 두 가지 요소는 설계업무 중 사람의 수작업에 의존하여 반복적으로 유사한 설계데이터를 생성하는 것과 설계 자체업무가 아닌, 설계 전후단과의 연계 자체를 위해 설계자에 의해 수행되는 업무라고 할 수 있다. 예를 들어, 여전히 설계자는 일반적인 CAD 환경에서 이미 설계도면에 반영된 정보를 다시 취합하여 BOM(Bill Of Material)을 일일이 다시 구성하고 있으며, 또한, 구현설계를 위해 기존에 수행했던 개념설계의 정보를 일일이 확인하여 도면에 반영하는 것이 일반적인 현실이다. 이렇게 전적으로 설계자에 의존하는 업무는 설계자의 실수, 혹은 관련 업무 수행자와의 소통 부족으로 인해 결국 설계변경으로 이어지게 되고, 이러한 설계변경으로 인해 발생하는 설계업무의 효율성 저하는 그야말로 막대하다고 할 수 있다. 또한, 설계 효율성을 저해하는 세 번째 요소로 기존에 수행했던 프로젝트 혹은, 회사 내 표준에 해당하는 설계 데이터의 재사용이 전적으로 설계자의 역량에 의존하는 현실을 들 수 있다. 이러한 비효율적인 설계 환경의 개선을 위해서 엔지니어링 프로세스의 디지털 화와 통합이 필수적으로 필요하다. 즉, 설계자가 일일이 개입하지 않아도 ‘툴 대 툴’ 혹은 ‘시스템 대 시스템’으로 엔지니어링 데이터가 원활하게 전달될 수 있으면, 툴 혹은 시스템이 인식할 수 있는 정보인 디지털 기반의 정보화가 가능하다면(통상적인 CAD에서의 그래픽 정보와 비교해보자. 그래픽 정보는 사람의 인식에는 도움을 줄지언정 툴, 혹은 시스템 간의 전달정보로는 선, 혹은 원만 남게 된다) 설계자의 개입 여지는 상당부분 줄어들게 된다. 또한, 앞서 언급한 기획 단계에서의 산출물이 이미 기존 프로젝트, 혹은 회사 내 표준이 반영되어 전달되는 형태라면 설계 데이터의 재사용에 있어서도 충분히 효과를 발휘할 수 있을 것이다.
셋째, 시뮬레이션을 기반으로 한 가상 환경 상에서의 검증은 실제 시제품 제작, 또는 시운전 단계에서의 실수 및 비효율성을 최소화해 준다.
설계 후 이러한 검증 없이 바로 시제품 제작, 또는 시운전에 착수한 경우 운이 좋아 별 문제 없이 완료되면 좋겠지만, 대부분의 경우 이런 저런 문제발생으로 인해 60% 이상의 확률로 납기가 지연되고, 설계가 변경되는 확률이 40% 이상이라는 조사결과가 있다. 결국, 이러한 시행착오를 최소화하기 위해서는 시뮬레이션 기법을 도입한 가상 환경에서의 검증이 대안이 될 수 있으며, 특히 제작 관점에서의 정교한 검증을 위해서는 3D 기반의 검증기법이 도입되는 것이 바람직하다.
［그림 4］스마트 공장을 위한 엔지니어링 프로세스와 시스템의 역할
［그림 5］스마트 공장을 위한 엔지니어링 프로세스의 구성
넷째, 생산 시스템의 자가 진단 및 자가 조치 기능을 지원해야 한다.
이것은 디지털 공장이 스마트 공장으로 진화하기 위한 결정적인 요소라고 할 수 있는데, 빅 데이터(Big Data)를 활용할 수 있는 충분히 스마트한 시스템을 만드는 것이 필요하다. 이러한 시스템에는 이미 알려진 대로 환경인식 등을 위한 데이터도 필요하지만, 엔지니어링 데이터의 역할도 매우 중요하게 된다. 즉, 엔지니어링 데이터를 통해 시스템을 스마트하게 만드는 투명한 기준을 제공할 수 있으며, 환경 데이터를 통해 이러한 기준에 부합하는 지 여부에 따라 스마트하고 자율적인 의사결정을 지원할 수 있게 된다. 예를 들어 “생산 시스템이 자가진단을 가능하게 하려면 어떤 항목에 대해 현장 측정 정보를 수집해야 할 것인가?” 또한, “현장 측정정보의 어떤 조건을 이상의 징후로 여길 것인가?” 이러한 물음에 답할 수 있는 데이터는 위험성 평가를 수행하고, 관련된 결과를 반영한 엔지니어링 데이터뿐일 것이다. 결국 엔지니어링 프로세스의 역할은 [그림5]의 예시와 같은 구성을 통해 요구사양 관리에서부터 구매 및 생산, 그리고 운영 및 서비스에 이르기까지 종단간의 통합을 목적으로 하며, 이러한 통합을 위해서는 프로세스 상에서 운영되는 엔지니어링 데이터의 연속성이 보장되어야 한다. 또한 각 단계에서 다음 단계로 전달되는 데이터가 디지털화되고 직관적으로 정의되어야 하는데 명확하지 않은 데이터(예를 들어 설계 사양서, 제작 사양서 등)는 사람의 판독은 가능할 수 있으나 툴 간, 혹은 시스템 간의 연속성 확보를 이룰 수 없기 때문이다.
[그림5]와 같은 프로세스 구축을 위해서는 다양한 시스템적인 구성요소를 필요로 하게 된다. 물론 이러한 시스템적인 구성요소는 프로세스와 결합되어야 하며, 그 사이에는 [그림6]과 같이 엔지니어링 플랫폼과 PLM 이 있다. 즉, V-프로세스의 좌측면에 해당하는 단계에서의 업무에 대해 엔지니어링 데이터의 연속성을 보장하기 위한 가장 보편적인 방식이 공통 엔지니어링 플랫폼 상에 서 업무를 수행하는 것이고, 이러한 공통 플랫폼은 다양한 툴들에 기초 엔지니어링에서부터 상세 엔지니어링에 이르기까지의 업무를 데이터 교환을 통해 원활히 수행할 수 있는 환경을 제공하고, 동시에 표준화된 라이브러리, 그리고 표준화된 데이터베이스를 이용하여 운영될 수 있는 환경이어야 한다. 관리적인 업무의 수행과 V-프로세스의 우측면에 해당하는 업무로 엔지니어링 데이터의 연속성을 보장하기 위해서 플랫폼은 다양한 인터페이스를 통해 PLM과의 연계가 이루어져야 하며, 이러한 PLM을 통해 예를 들어 AutomationML 등과 같은 기술을 기반으로 구매 및 생산 준비에서부터 운영 및 서비스까지 업무를 지원할 수 있게 된다. 특히, 운영 및 서비스를 위해서는 시뮬레이션을 통한 가상 환경 검증, 그리고 이러한 데이터를 생산 시스템과 연계하기 위해 별도의 시뮬레이션 플랫폼과의 연계도 필수적이다.
［그림 6］스마트 공장을 위한 엔지니어링 시스템의 구성
［그림 7］생산 시스템 지원을 위한 엔지니어링 데이터의 역할
엔지니어링 데이터는 생산 시스템의 관점에서 구체적으로 [그림7]과 같은 역할을 수행해야 한다.
첫째, 다양한 엔지니어링 데이터의 통합관리를 지원해야 한다.
현재 생산현장을 방문해 보면 수많은 장비 관련 엔지니어링 데이터가 CAD 파일, Excel 파일, PDF 파일 등으로 산재해 있는 것을 볼 수 있는데, 이러한 상황은 생산 관련 업무에서 관련 설계데이터의 활용을 제한하는 문제점이 있다. 이렇게 산재되어 있는 엔지니어링 데이터를 구조화하고, 통합할 수 있다면 두 번째로 생산 관련 업무에서의 다양한 응용을 지원할 수 있다. 즉, 기존에 부하에 대한 Excel 정보와 수배전반에 대한 CAD 파일이 개별적으로 존재하던 상황에서 이러한 정보가 엔지니어링 데이터로 손쉽게 통합될 수 있다면, 현장에서의 수배전반 부하 현황 등에 대한 정보를 자동으로 생성할 수 있고, 매번 수작업에 의존하여 관련 정보를 업데이트하던 비효율성과 부정확성을 개선할 수 있다. 두 번째 역할이 오프라인 상에서 이루어지는 역할이라면, 세 번째 역할은 생산 시스템과 직접 온라인으로 연결되어 제공할 수 있는 서비스의 지원이다. 예를 들어 엔지니어링 데이터와 시뮬레이션의 연계, 그리고 시스템의 이상적인 동작 특성이라고 할 수 있는 이러한 시뮬레이션 결과와 현장 측정값의 비교를 통한 예측 정비의 수행은 기존에 현장 인원의 판단이나 경험에 의존한 정비 활동을 획기적으로 개선할 수 있을 것이다. 마지막으로 전사 차원의 데이터 관리를 지원할 수 있어야 한다. 예를 들어 전 세계에 공장을 운영하고 있는 글로벌 제조사의 경우 최적의 유지 보수용 자재확보 및 유지가 생산성 측면에서 중요한 요소가 되는데, 이러한 전사 데이터 관리에 부합할 수 있는 데이터베이스 수준의 엔지니어링 데이터 제공이 향후 지속적으로 요구될 것이다.(다음호에 이어짐)
<Energy News>
|
|
장바구니
주문내역
: 
