스마트 팩토리에서 센서 융합 활용

03/28/2024

센서 퓨전이란 무엇인가요?

'센서 퓨전'이란 단일 센서에서 얻을 수 있는 것보다 더 유용한 정보를 추출하기 위해 여러 센서에서 수집한 데이터를 융합(결합)하는 처리 기술을 말합니다.
센서 퓨전 사용의 친숙한 예로는 자동차 백미러 모니터가 있습니다. 이 경우 센서는 차량 후방에 장착된 카메라와 밀리미터파 레이더 감지기입니다. 카메라는 후방 이미지를 캡처하고 밀리미터파 레이더 감지기는 차량 후방 거리를 측정합니다. 카메라가 촬영한 영상 데이터와 밀리미터파 레이더 감지기의 거리 데이터가 결합되어 차량 내부 모니터로 출력되므로 안전하고 정확한 주차가 가능합니다.
그렇다면 센서 퓨전은 스마트 팩토리에서 어떻게 활용될까요? 아래에서는 센서 퓨전이 스마트 팩토리에 필수적인 이유를 설명하고 몇 가지 활용 사례를 소개합니다.

스마트 팩토리에서 센서 융합은 어떨까요?

센서 융합의 물결은 이제 산업용 사물 인터넷(IIoT) 기술을 도입한 스마트 공장에까지 영향을 미치고 있습니다. 오늘날 IIoT를 도입한 스마트 공장에는 이미지를 캡처하는 카메라와 온도, 습도, 각도, 가속도, 전류 및 전압과 같은 속성을 측정하는 센서가 넘쳐나고 있습니다. 센서에서 수집한 데이터는 모니터로 출력됩니다. 모니터에 표시된 값을 통해 상황을 판단한 후 조치를 취합니다. 하지만 이러한 방식은 표시되는 값에 대한 지식이 필요하며 조치로 전환하는 데 시간이 걸립니다.

센서 퓨전은 여러 센서에서 출력되는 데이터를 결합하여 그 결과를 사람이 이해하기 쉬운 정보로 출력하는 기술입니다. 이를 통해 장비와 기기의 상태를 빠르고 정확하게 파악할 수 있습니다.
또한 데이터를 지속적으로 수집하고 축적함으로써 결과 데이터를 취합하고 분석할 수 있습니다. 이는 장비의 가동률 모니터링, 임박한 고장 경고, 임박한 결함 경고, 운영 환경 개선 추적 등의 영역에서 상당한 이점을 제공합니다.

스마트 팩토리에서의 센서 융합 활용 사례

여기에서는 IIoT 도입이 상당히 진전된 스마트 팩토리에서 센서 융합을 구현한 몇 가지 사례를 소개합니다.

테이크타임 최적화를 통한 생산성 향상*

생산 효율성을 높이려면 다양한 유형의 가공에 대응하는 작업과 프로세스의 최적화가 필요합니다. 이를 위해서는 처리할 '작업'에 해당하는 다양한 로봇과 자동화 기계의 작동 상태를 모니터링하고, 물성 및 구성이 다른 재료와 부품으로 구성된 '작업'을 모니터링하고, 작업자의 작업 상태를 모니터링하고, 제품의 흐름과 적절한 레이아웃을 모니터링해야 합니다.
이를 위해 예를 들어 로봇 팔 끝에 카메라를 장착하고 팔에 가속도계를 설치할 수 있습니다. 카메라는 작업의 위치와 방향을 보여주는 데이터를 수집하고, 이를 가속도계의 작동 속도 데이터와 대조합니다. 이를 통해 로봇 팔을 가능한 최소한의 시간 내에 작업 지점으로 정확하게 안내하고 최적의 소요 시간을 계산할 수 있습니다.

* 소요 시간: 제품 조립에 필요한 시간

장비 장애를 조기에 감지합니다: 예측적 유지보수 구현

예지보전을 구현하려면 진동, 소리, 온도 등의 센서를 사용하여 장비에서 발생하는 진동, 소리, 열 등에 대한 데이터를 지속적으로 수집한 다음 이 데이터를 비교 및 시계열 분석에 사용하는 것이 필수적입니다.
예를 들어 모터의 센서 융합을 이용한 예측 유지보수에서는 진동 센서뿐만 아니라 온도, 전류, 전압 센서의 데이터도 결합하여 분석할 수 있습니다. 이를 통해 단일 센서만으로는 파악할 수 없었던 진동, 회전, 속도 등과 관련된 이상 징후를 조기에 감지할 수 있습니다. 이를 통해 장비의 서비스 수명을 보다 정확하게 예측하고 적절한 유지보수 계획을 수립할 수 있습니다.

숙련된 운영자의 기술 전문성 계승: 품질 유지

이미지 센서, 치수 측정 장치, 화상 처리 시스템 등의 검사 장비를 사용하여 로봇이나 자동화 기계로 가공한 작업물의 치수, 구성, 표면 마감 등의 품질을 평가할 수 있습니다. 또한 다양한 검사 데이터 항목에 설정된 임계값과의 비교를 통해 품질 판단을 내릴 수 있습니다. 하지만 점점 더 정밀해지는 센서가 출력하는 데이터를 바탕으로 품질을 판단하기 위해서는 숙련된 기술 지식과 경험이 필요합니다.
센서 퓨전을 사용하면 센서와 테스트 장치에서 얻은 데이터를 결합하여 검사를 구현할 수 있습니다. 예를 들어, 이미지 센서를 구성 검사에 사용하고 이미지 처리 시스템을 표면 마감 검사에 사용하여 품질을 통합적으로 판단할 수 있습니다. 이를 통해 자동화된 검사 시스템을 구현할 수 있을 뿐만 아니라 미숙한 작업자가 결함이 있는 제품을 간과하는 것을 방지할 수 있습니다.

작업자의 생체 신호 데이터와 공간 환경 데이터를 융합하여 작업 환경 유지 및 개선

스마트 팩토리의 경우 생산 효율성 향상과 함께 작업 환경을 개선하는 것이 핵심 목표입니다. 이를 위해서는 작업자가 작업하는 장소의 온도와 습도는 물론 공기 중의 가스(산소, 일산화탄소, 이산화탄소 등 사용 중인 가스)와 미세먼지(제조 제품 공정에서 발생하는 입자, 먼지 등)의 농도를 모니터링하고 체온, 심박수 등을 모니터링하여 작업자의 신체 상태 이상을 감지하는 것이 필요합니다.
이 경우 센서 융합을 통해 CO2 센서, 온도 센서 등의 데이터와 작업자의 체온, 심박수 등의 생체 신호 데이터를 융합하여 모니터링함으로써 작업 환경을 정량적이고 정밀하게 추적할 수 있습니다. 이렇게 얻은 정보는 공조, 환기, 먼지 저감 관련 조치 등 작업 환경 개선을 제안하는 데 활용할 수 있습니다.

센서 융합의 유형

센서 융합은 센서에서 수집한 데이터를 결합하여 사람이 이해하기 쉬운 정보를 출력하는 기술입니다. 데이터 융합을 달성하는 데 사용되는 방법에 따라 세 가지 유형으로 분류할 수 있습니다. 여기에서는 각 방법의 장단점에 대해 설명합니다.

중앙 집중식 모델

이 모델은 여러 센서에서 수집한 데이터를 중앙 처리 장치(CPU)로 직접 전송하는 방식을 사용합니다.

장점: 데이터가 CPU로 직접 전송되고 CPU에서 데이터 융합이 이루어지기 때문에 매우 정밀한 분석 결과를 얻을 수 있습니다.

단점: 모든 센서에서 전송되는 대량의 데이터를 처리하려면 고성능 CPU가 필수입니다. 처리 속도가 따라가지 못하면 응답성이 떨어집니다. 이러한 이유로 중앙 집중식 모델은 일반적으로 즉각적인 판단이 필요한 분야에서는 사용되지 않습니다.

분산 모델

이 모델은 여러 센서에서 수집한 데이터를 각 센서에서 먼저 처리한 다음 CPU로 전송하는 방식을 사용합니다.

장점: 센서에서 데이터를 처리한 후 융합을 위해 CPU로 데이터를 전송하기 때문에 CPU의 부하를 줄일 수 있습니다.

단점: 각 센서의 데이터가 먼저 로컬에서 처리되기 때문에 분석에 유용한 자료가 될 수 있는 일부 데이터가 CPU로 전송되지 않을 수 있습니다. 즉, 분석 결과가 중앙 집중식 모델을 사용하여 얻은 결과보다 정확도가 떨어지므로 고정밀 분석이 필요한 분야에서는 분산 모델을 사용하지 않습니다.

하이브리드 모델

이 모델은 데이터를 CPU로 직접 전송하는 센서와 데이터를 먼저 처리한 다음 CPU로 전송하는 센서를 조합하여 사용합니다.

장점: 센서 간에 데이터를 융합하고 그 결과를 CPU로 전송하여 최적의 솔루션을 출력하기 때문에 중앙 집중식 모델과 분산식 모델의 장점인 응답성과 안정성을 결합한 모델입니다.

단점: 시스템 구성이 더 복잡하고 데이터 전송 및 계산과 관련된 처리 비용이 더 높습니다.

결론

센서 융합을 구현하려면 여러 센서에서 지속적이고 안정적인 데이터 수집이 필요합니다. IIoT를 활용하는 스마트 팩토리에는 센서 융합을 위한 인프라 역할을 하는 장비와 기술이 이미 구축되어 있습니다.
이러한 스마트 팩토리에 센서 융합 기술을 도입하면 생산성을 더욱 향상시키는 동시에 장비 유지보수, 품질 보증, 작업 환경 개선과 같은 측면을 개선하여 더욱 스마트한 공장을 구현할 수 있습니다.
무선 센서와 AI 추론을 수행하는 센서가 포함된 엣지 AI와 같은 새로운 감지 기술처럼 널리 채택될 것으로 예상되는 개발 기술은 센서 융합 기술과 결합하여 스마트 팩토리에 새로운 혁신을 가져올 것으로 확신합니다.