1. 서론
4차 산업혁명에 관한 관심이 높아짐에 따라 주물공장에서도 스마트공장 도입에 대한 바람이 불고 있다. 스마트공장은 Table 1에서 보는 바와 같이 실적집계 자동화만 구현하는 기초 단계부터 IoT (Internet of things)/IoS (Internet of services) 기반의 CPS (Cyber physical system)화를 이루는 고도화 단계까지를 포함하는 상당히 포괄적인 개념이다 [1]. 스마트공장을 구축하기 위해서는 각 업체별 상황에 맞춘 단계별 순차 적용이 요구된다. 이때, 단순한 기계적 자동화를 넘어서 상위 레벨의 스마트화 단계에 돌입하기 위해 작업 현장에서 발생하는 공정데이터를 수집하는 일, 즉 빅데이터 구축이 필수적이다. 빅데이터 구축 수준은 주물공장별 상황에 따라, 공정데이터를 수기로 관리하는 경우, 일부 데이터는 디지털화하여 작업자가 확인할 수 있는 형태로 디스플레이 작업까지만 완료한 경우, 공정데이터를 데이터베이스화하여 관리하는 경우, 네트워크를 통해 실시간으로 공정데이터를 관리하는 경우 등으로 나뉘며 공장별로 스마트화 도입 레벨이 다를 것이다.
Table 1. Classification of reference models for smart factory construction [1].
유효한 생산데이터를 디지털화하고, 작업자들이 실시간으로 해당 공정데이터를 확인할 수 있다면 작업에 필요한 정보를 추출하는 데 도움이 될 수 있겠지만, 실시간으로 생성되는 대용량 데이터의 관리가 어렵고, 불필요한 데이터 취득에 따른 추가 비용이 발생하는 등의 단점이 존재한다. 특히 각 공정데이터를 실시간으로 취득하는데 필요한 센서 비용도 고가이고, 기존 생산설비의 장비 연식을 고려하여 시스템을 구축하기가 쉽지 않아 중소기업 입장에서는 스마트공장 적용을 위한 진입장벽이 높은 것이 사실이다. 이러한 상황에서 상대적으로 비용 측면에서 저렴하면서도 주조 산업 현장 엔지니어도 쉽게 시도해볼 만한 IoT (사물인터넷) 기반 디바이스 활용 기술은 경쟁력을 가질 수 있다.
IoT 기반 디바이스에 활용 가능한 보드 중에 대표적인 것이 아두이노이다. 아두이노는 오픈소스를 기반으로 한 단일보드 마이크로 컨트롤러로 완성된 보드와 관련 개발 도구 및 환경을 말한다 [2, 3]. 아두이노를 활용해 유, 무선으로 인터넷 접속이 가능하며, 입출력 핀을 통해 센서 및 릴레이 등의 값을 읽거나 제어할 수 있다. 아두이노 자체는 상당히 가벼운 기판 형태이지만, 입력값을 처리하고 제어를 위한 명령제어가 가능하여 PC나 스마트폰을 통해서도 연결된 각종 기기의 제어가 가능하다. 이때 센서는 가동 범위 및 신뢰성에 따라 저가에서부터 고가의 센서까지 다양하게 존재하므로, 조건에 따라 아두이노 기반 디바이스의 산업용으로의 활용에 대해 검토를 해볼 수 있다. 다만, 아두이노 자체가 고온·고압 등의 거친 환경에서의 고신뢰성을 보장하는 것을 목적으로 나온 제품이 아니기 때문에, 이를 실제 산업에 적용하기 위해서는 작업환경에 대한 고려가 필요하나, 비용 측면에서 유리하고 개발이 간편하므로 적정 수준의 데이터를 확보하기 위한 기술로써 활용을 고려해볼 수 있다.
본 연구에서는 아두이노를 활용한 디바이스를 제작하여 현장에 적용하여 빅데이터를 취득하는 기술의 현장 적용 가능성을 검토해보았다. 아두이노 기반 특성을 고려하여 데이터 취득에 대한 환경을 검토하고, 제작 디바이스 활용이 가능한 빅데이터 수집 항목을 설정하였다. 데이터 신뢰성과 비용 사이에서 검토하여 적절한 센서를 선정하였으며, 현장 상황에 맞게 센서를 설치하여 디바이스 작동 및 빅데이터 수집을 확인하였다.
2. 방법
2.1. 빅데이터 수집 항목 설정
본 연구에서 제작한 아두이노 기반 디바이스의 현장 적용가능성을 검토하기 위해 경기도에 위치한 원심주조 전문업체인 Y社의 설비를 활용하였다. Y社는 펌프, 터빈, 및 밸브류의 부품을 원심주조로 제작하는 기업이다. 원심주조는 공정은 Fig. 1에서 보는 바와 같이, 크게 『용해→금형예열 및 도형제 도포→금형 회전 및 용탕 주입→제품 가공 및 최종품 생산』 단계로 이루어진다. 먼저, 빅데이터로 취득할 공정데이터 종류를 선정하기 위해 원심주조의 공정별 취득 데이터에 대해 검토하고 기업 관리자와의 검토를 통해 우선순위를 선정한 결과, 작업 현장의 위치별 온도 및 습도, 용탕 온도, 금형의 회전속도 (RPM)의 4가지 공정데이터를 취득하는 것으로 결정했다.
Fig. 1. Centrifugal casting process.
용탕 품질은 용해되는 소재의 화학적 특성이나 용해조건 외에 작업환경 인자에도 영향을 받는 것으로 알려져 있다[4, 5]. 특히, 작업 현장의 온도는 공기 중 포화 수분량과 관계가 있으며 작업 현장의 습도는 용탕 내 잔류가스양에 영향을 미칠 수 있어 용탕의 품질에 영향을 미치는 요인이다. 따라서 용해 중 혹은 금형 내 용탕 주입 전 용탕 이송 시에 용탕 특성에 영향을 줄 수 있을 것으로 판단되는 작업 현장의 온도 및 습도를 데이터 취득 인자로 설정하였다.
Y社에서는 다양한 소재를 용해하는데, 특히 주철이나 주강용해 시에는 용해 온도가 1,600ºC에 달한다. 1,000ºC 이상의 고온의 용탕 온도를 측정하기 위해 현재는 1회 사용이 가능한 침전식 열전대를 사용하여 용탕 온도를 측정하고 있어 비용 부담이 발생하고 있으며, 작업자가 용해로 근처에서 열전대를 용탕에 직접 침전하여 온도를 측정하는 방식이기 때문에 작업 시 안전에 유의해야 하는 상황이었다. 또한, 침전식으로 용탕 온도를 관리하다 보니 용탕 온도 변화를 실시간으로 추적하기는 어려워 용탕 온도 관리를 위한 전력 소모 측면에서 불필요한 비용이 발생하고 있었다. 따라서, 작업자의 안전을 확보하면서 비용 측면에서 유리하고 최종 제품의 품질과 직접적인 연관이 있는 용탕 온도 데이터를 취득 인자로 설정하였다.
원심주조 시 금형을 회전시키는 단계는 회전속도 상승 구간, 회전속도 유지구간, 회전속도 하강 구간으로 나누어 볼 수 있다. 이때, 금형의 목표 회전속도, 회전속도 상승 및 하강 시 속도의 변화 등에 따라 최종품의 품질이 영향을 받는다 [6]. 따라서, 금형의 회전속도는 원심주조 시 가장 중요한 공정데이터 중 하나로 실시간 모니터링이 요구된다. 현재 해당 기업에서는 금형의 회전속도 제어부에 금형 회전속도가 표시되어 작업자가 조업 시 실시간으로 확인할 수 있는 시스템이 갖추어져 있었다. 그러나 금형의 회전속도가 판넬메타에 표시만 되는 상태로 작업자가 작업완료 후 수기로 공정데이터를 관리하는 상황이었다. 따라서, 해당 데이터를 클라우드 기반으로 실시간 전송하여 빅데이터화 하기 위해 데이터 취득 인자로 설정하였다.
2.2. IoT 디바이스 제작
2.2.1. 보드 선정
IoT 디바이스 제작을 위해서는 먼저 활용할 아두이노 보드의 선정 작업이 필요하다. 아두이노에는 Fig. 2와 같이 여러가지 형태의 보드가 존재한다 [7]. 보드 별로 메인칩 종류, 동작 전원 종류, 디지털 혹은 아날로그 입출력 핀 제공 여부 및 개수, 무선통신 기능 유무 등이 다르므로 아두이노 활용 목적에 따라 적합한 보드를 선정하여 사용하여야 한다. 본 연구에서는 조업 시 측정한 공정데이터를 현장 작업자에게 디지털 기반으로 표시해주고, 와이파이 (WIFI) 무선연결을 통해 실시간 전송하여 클라우드에 빅데이터를 저장하는 것이 목표이다. 이때, 데이터수집 항목으로 선정한 4가지의 데이터별로 작업 현장에서 설치 위치가 상이하므로, 하나의 보드당 하나의 공정데이터를 처리하는 디바이스가 필요하다. 따라서 무선통신이 가능하고, 공정 데이터 취득 및 전송을 위한 입출력 핀의 개수가 5개 이하로 요구되고, 기존 작업 현장에 방해가 되지 않는 소형 디바이스 제작이 가능한 보드가 필요하다.
Fig. 2. Various types of Arduino boards [7].
본 연구에서는 이러한 요구사항을 충족하는 보드로 NodeMCU를 선정하여 디바이스 제작에 활용하였다. NodeMCU는 와이파이 기능이 구현된 MCU 보드로써, 작은 크기가 특징이며 사물인터넷에 활용이 가능한 아두이노 호환 보드이다. 비용이 저렴하여 디바이스 제작을 통한 산업적 활용 가능성이 확인되면 현장 보급 시 단가 측면에서 매우 유리할 것으로 예상된다. NodeMCU 보드가 제공하는 단자 정보는 Fig. 3과 같으며, 아날로그 입출력 핀과 디지털 입출력 핀을 제공하며, 작동 전압은 3.3V이다.
Fig. 3. NodeMCU board.
2.2.2. 센서 선정
앞서 2.2.1절에서, 선정한 빅데이터 수집 항목에 대해 아두이노 기반 제작 디바이스에 연결한 센서의 종류를 선정하였다 (Fig. 4). 센서의 경우, 측정범위, 정확도, 작동 안정성 등의 기능이 제품별로 상이하며 가격은 기능에 비례한다. 따라서, 현장별로 측정환경을 고려하여 요구되는 스펙을 명확히 한 후 비용을 고려한 적절한 센서의 선택이 필요하다.
Fig. 4. Types of sensors for each process data acquisition: (a) environmental temperature and humidity sensor, (b) temperature sensor for molten metal and (c) panel meter for mold RPM.
현장 온도 및 습도의 경우, 아두이노 교육용으로 보급된 저가의 센서에서부터 방수 및 방진 기능이 들어간 산업용 센서까지 다양한 센서가 존재한다. 본 연구에서 협업한 기업에서는 작업 현장 온도 및 습도 센서의 설치 환경이 방수나 방진이 요구되는 가혹한 환경이라기보다는 작업환경의 모니터링이 필요한 상황으로 고정밀 센서보다 비용 측면에서 유리한 적절한 센서의 선택이 진행되었다. 그 결과, AM2305 온·습도 센서를 선정하였으며, 해당 센서는 온도 측정범위가 -40~80ºC, 습도 측정범위가 0~99.9% RH, 오차율이 ±2% RH이다 [8].
용탕 온도를 측정하기 위한 센서를 선정하기에 앞서 해당 기업의 용해 환경을 점검하였다. 1,000ºC 이상의 용탕에 대해 온도를 실시간으로 측정하기 위해, 침전식이 아닌 비접촉식 온도 센서로 범위를 한정하였다. 센서 선정 시 최대 용해온도 범위를 확인하고, 현장에서 필요한 측정온도의 분해능(resolution) 및 데이터 측정 주기 (sampling rate)를 고려하였고, 최종적으로 IS210 MB18 센서를 선택하였다. 이 센서는 적외선 기반의 비접촉식 온도 측정 센서로 측정범위는 650~1,800ºC이고, repeatability 0.1%, uncertainty 0.5%, 데이터 측정 최소주기 50ms를 제공하는 센서로 본 연구에서 요구되는 스펙을 만족하는 센서이다 [9]. 특히, 측정된 데이터의 4-20mA의 아날로그신호 출력이 가능해서 제작 디바이스에 입력으로 활용하기에 용이하다.
금형 회전속도와 관련하여 해당 기업에서는 기보유한 센서를 이용하여 금형의 회전속도를 제어부 판넬메타에 표시하고 있었다. 다만, 해당 판넬메타는 입력 신호로 들어오는 회전속도를 표시만 해줄 수 있는 기능으로 한정되어 있었기 때문에 본 연구에서 제작한 디바이스를 연결하여 해당 신호를 출력해줄 수 있는 판넬메타로의 교체가 필요했다. 현재 현장의 판넬메타에서 사용하는 0~5V 입력 신호 단자를 포함하면서 출력 단자가 구성된 모델을 검토하여 교체할 판넬메타는 “MT4W-DV-40”으로 선정하였다 [10].
2.2.3. 회로 구성
현장 온도 및 습도 측정용 센서는 센서 라이브러리를 활용하면 별도의 신호 변환 없이 온도 및 습도 값이 출력되므로 AM2305 센서와 NodeMCU를 연결하여 회로 구성을 하고, 오픈소스 기반의 Arduino IDE를 활용하여 코드를 작성하였다. 측정된 현장 온도 및 습도 데이터는 현장 모니터링 시스템과 연동시켰기 때문에 제작 디바이스에서는 수치를 표시할 필요가 없어 별도의 판넬메타는 연결하지 않으며, 작업 현장에서는 분당 1개의 측정데이터를 요구하여 이를 반영하여 코드를 작성하였다. Fig. 5는 회로 구성이 완료된 현장 온도 및 습도 측정용 디바이스이다.
Fig. 5. (a) IoT device configuration and (b) circuit diagram for data acquisition of environmental temperature and humidity.
본 연구에서 선정한 비접촉식 열화상 온도 센서는 4-20mA 루프전류 형식의 신호 출력을 제공한다. 또한, 해당 온도 센서는 측정된 용탕 온도를 별도로 표시해주는 구성없이 PC에 연결하여 온도를 확인하는 방식이다. 따라서 측정된 온도를 실시간으로 클라우드로 전송하면서 작업자에게 즉각적으로 보여줄 수 있는 표시장치가 필요하여 입·출력 단자를 가지고 있는 판넬메타 (모델: MT4W-DV-40)를 연결하여 용탕 온도를 표시하면서 동시에 클라우드로 전송할 수 있도록 디바이스를 구성하였다. 용탕 온도 측정을 위한 제작 디바이스 설치 환경은 Fig. 6(a)와 같으며, 회로 작업이 완료된 디바이스는 Fig. 6(b)에 나타내었다. 이때, 비접촉식 열화상 온도 센서에서 출력하는 루프전류 (4-20mA)는 선형 출력을 제공하므로 [9], 해당 아날로그 출력에 해당하는 실제 측정온도는 식 (1)로 계산된다.
Fig. 6. (a) Installation environment and (b) IoT device configuration for data acquisition of molten metal temperature.
실제 용탕 온도 = (출력신호 - 4)/(20 - 4) × (최대 용탕 온도 설정값 - 최소 용탕 온도 설정값) + 최소 용탕 온도 설정값 (1)
본 연구에서는 용탕 온도의 최댓값과 최솟값을 각각 1,800ºC와 1,000ºC로 설정하여 아두이노 코드를 작성하였다. 초기 설정을 위해 침전식 열전대를 통해 측정한 값과의 비교를 통해 비접촉식 열화상 온도 센서의 방사율을 설정하여 비접촉식 열화상 온도 센서에서 출력하는 용탕 온도 값의 신뢰성을 확보하였다. 제작 디바이스의 회로 구성 후에는 비접촉식 열화상 온도 센서에서 출력하는 용탕 온도와 센서에서 출력하는 4-20mA 루프전류를 통해 제작 디바이스에서 출력하는 용탕 온도 값을 확인하여 회로의 정상 작동을 확인하였다.
해당 기업에서는 원심주조기가 매일 생산에 활용되고 있었기 때문에, 금형 회전속도 항목에 대한 제작 디바이스 테스트용으로의 활용에 어려움이 있었다. 작업 현장에서 금형 회전속도는 0~5V의 전압 신호로 입력되고 있으므로 가변저항을 활용하여 원심주조 금형이 회전하고 있는 상황을 실험실에서 모사하는 방식으로 제작 디바이스를 테스트하였다. 가변저항이란 전자회로에서 저항값의 변화를 줄 수 있는 소자이다. 가변저항 내 저항은 균일한 단면을 가지며, 따라서 저항의 단위 길이 당 전압 강하는 동일한 크기를 가진다. 이때, Fig. 7(a)에서처럼 저항의 두 끝점 내에 슬라이딩 단자를 연결하고, 저항의 종단 단자와 슬라이딩 단자 사이의 전압을 측정하면 해당 회로의 저항까지의 거리에 비례하는 전압이 도출된다. 따라서 슬라이딩 단자를 조작함으로써 출력 단자에 원하는 전압을 얻을 수 있다. 본 연구에서 활용한 가변저항은 쉽게 구할 수 있는 Fig. 7(b)와 같은 형태의 회전형 가변저항이다. 슬라이더를 GND 방향으로 돌리면 전압 신호는 0V에 해당하며, 최대로 회전시켰을 경우 5V가 출력된다. 해당 가변저항의 슬라이더를 움직임으로써 A0 핀에 인가되는 전압 레벨을 변경시킬 수 있으며, 이 전압 신호는 0-1023의 값으로 변환된다. 가변저항의 아날로그신호를 입력받기 위해 ADS1115를 사용하여 회로를 구성하였다. 가변저항값의 변화에 따라 출력되는 전압값은 금형 회전속도에 비례하도록 코드를 구성하여 판넬메타에 금형 회전속도가 표시되도록 하여 현장의 원심주조 상황을 모사하였다. 판넬메타의 출력 단자에서는 해당 금형 회전속도가 루프전류 4-20mA로 변환되어 출력된다. 이는 앞서 비접촉식 열화상 온도 센서를 활용한 디바이스와 동일한 방식이며, 실제 측정된 금형 회전속도의 경우 아래의 식 (2)로 계산된다.
Fig. 7. (a) Structure of potentiometer and (b) potentiometer used in this study.
실제 금형 회전속도 = (출력신호 - 4)/(20 - 4) × (최대 금형 회전속도 설정값 -최소 금형 회전속도 설정값) + 최소 금형 회전속도 설정값 (2)
이때, 금형의 최대 회전속도 설정값은 2,500rpm, 금형의 최소 회전속도 설정값은 0rpm으로 설정하여 아두이노 코드를 구성하였다. 실험실에서 가변저항값의 변화에 따라, 즉 입력 전압 신호 변화에 따른 금형 회전속도 출력의 정상작동을 확인하였다. 이후에 제작한 디바이스를 실제 작업환경에서 테스트한 결과 금형 회전속도의 정상 출력 및 실시간 전송을 확인하였으며, 제작한 디바이스의 형태는 Fig. 8에 도시하였다.
Fig. 8. (a) IoT device configuration and (b) circuit diagram for data acquisition of mold RPM.
2.3. 현장 적용
실험실에서 제작한 아두이노 기반 디바이스는 브레드보드와 점퍼 케이블 등을 활용하여 회로가 구성되므로 실제 산업 현장에 적용하기 위해서는 PCB 기판 제작이 요구된다. 본 연구에서는 오픈소스 기반의 Fritzing 프로그램을 이용하여 PCB 기판 제작을 위한 회로 최적화 작업을 수행하였다. Fritzing 프로그램은 사용자가 구성한 아두이노 회로를 PCB 기판으로 변환 시 최적의 회로 작업을 제안하는 GUI 기반 툴 (tool)로, 초보자도 손쉽게 활용이 가능한 장점이 있다. 기판 최적화 작업 시, 주변 장비 및 작업자 동선에 미치는 영향을 최소화하기 위해 NodeMCU가 장착될 크기를 고려하여 기판의 크기는 소형으로 제작하였다.
이후 ‘PCB 기판-NodeMCU-센서부’를 연결하여 완성한 디바이스 회로는 외부에 노출되는 형태이므로 각 센서의 설치 환경을 고려하여 케이스의 제작이 필수적이다. 현장 온도 및 습도의 경우, 용해 작업 주변 및 작업 현장 입구에 각각 설치하였다. 해당 위치에서는 회로 유지를 위한 분진 차단 케이스가 필요한 상황으로 판단되어 플라스틱 소재의 케이스를 활용하여 커버를 제작한 후 디바이스 회로를 삽입하고 온도와 습도 센서를 위치시켜 디바이스를 완성하였다.
용탕 온도의 경우 비접촉식 열화상 온도 센서가 용탕의 상단부에 위치해야 하므로 용해로 주변에 별도의 지지대를 제작하여 온도 센서를 부착하였다. 이때, 용해 시 분진 및 흄(fume)이 다량 발생하므로 비접촉식 온도 센서의 렌즈부를 오염으로부터 보호하기 위해 센서 앞단에 에어자켓 (air jacket)을 설치하여 사용 시 오염을 최소화할 수 있도록 하였다 (Fig. 6(a)). 또한, 지지대 제작 시 회전이 가능하도록 제작하여 온도 측정이 필요하지 않을때는 센서를 주변부로 이동시킬 수 있도록 하여 추가적인 오염을 방지할 수 있도록 하였다. 용탕 온도 측정을 위해서 ‘PCB 기판-NodeMCU기반 회로-판넬메타-센서 데이터 입출력부’가 연결된 회로를 구성하였으며, 용해로 근처에서 사용되는 환경이므로 분진과 수분으로부터 보호하기 위해 방수케이스를 활용하여 외관 작업을 완료하였다. 또한, 해당 디바이스는 작업자 활용 시 이동이 가능하도록 핸드캐리형으로 제작하여 사용범위를 확장할 수 있도록 하였다.
금형 회전속도를 조작하는 제어부는 원심주조 금형 주변에 고정된 형태로 분진 및 수분이 다량 발생하는 환경이다. 따라서, 금형 회전속도 입출력 제작 디바이스를 해당 환경에 설치하기 위해서 방수·방진이 가능한 케이스를 선택하여 외관작업을 마무리하였다. 해당 기업의 원심주조기 2대에 금형회전속도 공정데이터 전송을 위한 디바이스를 설치하였다.
각 센서에서 수집된 공정데이터는 제작 디바이스를 통해 클라우드로 전송되었으며, 센서별로 측정되는 데이터는 클라우드에서 실시간 확인이 가능하다 (Fig. 9(a)). 이때, Fig. 9(b)와 같이 클라우드 플랫폼을 활용하여 실시간 데이터 수집현황에 대해 표시해주는 모니터링 장치를 현장에 설치하여 작업자나 관리자가 실시간으로 작업 현황을 알 수 있도록 하였다.
Fig. 9. (a) Example of real-time display of process data in cloud, (b) installation of on-site display panel and (c) example of gathered data for environmental temperature and humidity.
현장 적용 완료 이후, 작업자와 관리자와의 논의를 통해 데이터 송수신 제작 디바이스 적용 전후에 따른 변화 및 의견 수렴을 실시하였다. 제품 생산 시 소재에 따라 계절과 품질이 연동되는 경험적 데이터를 가지고 있었는데, 본 연구를 통해 Fig. 9(c)와 같이 현장의 온도 및 습도 데이터의 체계적 수집이 가능해져 추후 품질 데이터와의 연계분석을 실시할 예정이라고 한다. 용탕 온도의 경우, 기존 침전식 열전대를 활용하던 용탕 온도 측정에 비해 비접촉식 센서 적용에 따라 작업 안전도가 상승하였으며, 온도 실시간 모니터링이 가능해져 주변 작업자들도 용해 작업 상황에 대해 파악이 가능하여 현장 작업자들의 안전도 측면 만족도가 높이 상승하였다. 또한, 용해 작업 시간에 따른 용탕 온도관리가 체계적으로 진행되어 품질 관리 측면에서도 이점이 있다고 응답하였다. 금형 회전속도의 경우 기존에는 작업자의 경험과 노하우에 의존하여 금형 회전속도의 승강-유지-승하 조작이 결정되고, 관련 공정데이터가 수기로 관리되고 있었는데, 실시간 데이터 축적이 가능해져 체계적인 작업이 가능해졌다고 응답했다. 관리자에 따르면 해당 기업에서는 공정데이터에 대해서는 수기로 관리가 되고 있지만, 매일 생산되는 제품의 품질 데이터는 디지털화하여 관리하고 있다고 하였다. 이번 연구를 통해 현장의 공정데이터도 디지털 데이터로 얻게 되어 앞으로 빅데이터가 축적되면 품질 데이터와의 연계가 가능할 것으로 기대했다. 작업데이터와 품질 데이터를 지속적으로 수집하면 공정 관리 지능화를 위한 진정한 빅데이터가 구축될 것으로 보이고 이를 통해 다음 단계의 스마트화를 생각해 볼 수 있을 것으로 기대된다.
3. 결론
아두이노 기반의 디바이스를 제작하여 실제 산업 현장에 적용하고 활용 가능성에 대해 살펴보았다. 본 연구에서는 원심주조 업체에서 주요 공정 관리 인자인 현장 온도 및 습도, 용탕 온도 및 금형 회전속도에 대한 공정데이터를 취득 인자로 설정하여 요소별 센서를 선정하고 회로를 설계하고 IoT 디바이스를 제작하여 현장 설치 및 실증을 실시하였다. 이때 NodeMCU 보드를 활용하여 공정데이터의 무선 전송이 가능하도록 구성하였으며, 클라우드에 데이터가 실시간으로 전송되어 제작 IoT 디바이스가 정상 작동하는 것을 확인하였다. 아두이노 기반의 제작 디바이스는 비용이 저렴하여 단가 측면에서 매우 유리하다. 따라서, 공정데이터의 빅데이터화를 추진하고 싶으나 비용 부담으로 시작하지 못하는 다수의 주물공장에서 시도해볼 만한 기술이라고 판단된다. 특히, 아두이노 기반의 디바이스가 고신뢰성을 보장하기보다는 적절한 신뢰도를 확보하면서도 비용 측면에서 이점이 있으므로, 현장별 상황을 고려하여 도입 여부를 검토해볼 수 있을 것으로 생각된다. 또한, 아두이노 관련 코딩은 오픈소스 기반의 프로그램을 활용하여 온라인에 다수 공개된 정보를 참고하여 주조 엔지니어도 전문가 수준의 전기회로 등의 지식 없이 접근해 볼 수 있는 방법이라는 측면에서 활용성이 높다고 생각된다. 실제 현장 적용 이후, 작업자 및 관리자와의 적용 후기에서 언급한 바와 같이 작업자의 만족도가 상승하였으며, 다음 단계의 스마트화를 위한 초석이 마련되었다는 점에서는 의견을 같이했다.
주조산업은 뿌리산업 중에서도 특히 분진 및 오염의 발생이 많은 업종 중 하나로, 제작 디바이스의 활용에 많은 어려움이 예상되었다. 그럼에도 불구하고, 제작된 디바이스가 현장에서 잘 작동되는 것을 확인함으로써 이와 유사한 거친 환경의 여타 뿌리기술 분야에도 활용이 충분히 가능할 것으로 판단된다. 특히, 본 연구에서 활용한 4-20mA 송수신 데이터를 활용하는 디바이스 모듈은 해당 신호를 출력하는 센서에 폭넓게 활용할 수 있으므로 적용 산업을 막론하고 센서 종류에 따라 확장할 수 있다. 또한, 아두이노에서는 다양한 입출력 신호의 송수신이 가능하므로 확장성이 크다고 할 수 있다.
작업 현장에서 공정데이터 취득을 통해 빅데이터가 구축되고, 품질 데이터에 대한 데이터베이스가 연계된다면 공정데이터와 품질 간의 상관관계 분석을 통해 체계적인 품질관리가 가능할 것으로 예상된다. 이를 위해 먼저 각 산업별 상황과 공정데이터 성격을 검토하여 아두이노 기반의 빅데이터 관리를 통해 공장 스마트화를 위한 초석을 다져보는 것은 어떨까.
감사의 글
본 연구는 한국생산기술연구원에서 추진하는 연구개발적립금사업의 지원을 받아 수행되었습니다.
참고문헌
- https://www.smart-factory.kr/smartFactoryIntro
- Weibao, G., Xiaojin, L., Yiqun, L., Yuping, Z., and Yue, C., Sensors and Actuators Reports, 3 (2021) 100045. https://doi.org/10.1016/j.snr.2021.100045
- Hari, K. K., Nandeesh, K. K., Sunny, D. V., Sudha, E. M., Suseela, V., Computer Science Review, 40 (2021) 100364. https://doi.org/10.1016/j.cosrev.2021.100364
- Gabor, G., Gyorgy, F., Monika, T., and Tamas, M., International Journal of Metalcasting, 15 (2021) 141. https://doi.org/10.1007/s40962-020-00428-z
- Narayanswamy, C., and Natrajan, K., Journal of Chemical and pharmaceutical Science, 2 (2016) 63.
- Mahmoud, A. E.-S., International Journal of Applied Engineering Research, 9(21) (2014) 11575.
- https://www.arduino.cc/en/Main/Products
- https://www.aosong.com/en/products-29.html
- LUMASENSE Technology, IS210 operation manual.
- Autonics, MT4Y/MT4W series manual.