BLOG
블로그 콘텐츠의 내용 및 의견은 AWS SUMMIT 2021의 세션을 리뷰한 내용입니다.
데이터 기반의 스마트 팩토리 구현을 목적으로 할 때 가장 중요한 것은 바로 데이터입니다. 기업은 수집한 데이터를 통해 생산 이력이나 공정 분석을 통한 품질 분석, 실시간 모니터링, 안전한 데이터 보안을 원하며 이를 통해 혁신을 가속화 할 수 있습니다.
스마트 팩토리 구현의 3단계 및 AWS 시스템은 크게 아래와 같이 3가지로 구분해 볼 수 있습니다.
- 흩어진 데이터 수집 – Snowball, Datasync, S3
- 수집한 데이터 분석 – Redshift, EMR, Glue, Athena
- 설비 데이터 수집 – Greengrass, IoT SiteWise
1.흩어진 데이터를 모으자!
제조과정에서 발생하는 모든 데이터를 분석 및 모니터링하여 데이터 기반의 Smart Factory를 만들 수 있습니다. 이러한 Data기반의 스마트팩토리를 통해서 생산이력 공정 등을 분석하고, 생산 현황의 실시간 모니터링이 가능하며 권한에 맞는 데이터 접근 및 안전한 데이터 저장과 실시간 데이터 분석을 통한 혁신 가속화를 얻을 수 있습니다. 이러한 데이터 전송을 위한 AWS 도구로는 AWS Snowball Edge, AWS DataSync, AWS Database Migration Service 가 있습니다.또한, 모든 데이터를 분석하고 모니터링하기 위해서 Data Lake를 통해 다양한 서비스들과 연계하여 사용할 수 있습니다.
2.모은 데이터를 분석하자!
수집한 DataLake를 지원하는 다양한 AWS의 분석 서비스가 존재합니다. 이중에서 Amazon Athena와 AWS Glue, Amazone QuickSight 서비스에 대하여 설명하겠습니다.
- Amazon Athena
S3에 저장된 데이터를 서버로 옮기지 않고 직접 SQL로 쿼리가 가능하며, AWS Glue 데이터 카탈로그와 즉시 통합이 가능한 장점을 가지고 있습니다.
- AWS Glue
데이터 ETL(추출,변환,로드) 작업을 지원하며 분석을 위해 손쉽게 데이터를 준비하고 로드할 수 있게 지원하는 완전 관리형 ETL 서비스입니다. DataLake 데이터의 카탈로그를 관리하며 메타 데이터를 Glue 데이터 카탈로그에 저장하게 됩니다.
- Amazone QuickSight
클라우드용으로 구축된 최초의 BI 서비스이며, 데이터 미리보기, 계산된 필드 만들기, 사용자 지정SQL 쿼리 푸시 다운 등이 가능합니다.
3.설비의 데이터를 얻어보자!
설비 센서의 데이터를 모아서 분석하기 위한 AWS의 다양한 IoT 서비스들이 있습니다. AWS IoT 서비스는 엣지에서 장치를 작동하게 만드는 IoT 디바이스 SW이며 클라우드에서 장치를 연결하고 관리하는 연결 및 제어 서비스로, IoT 데이터를 이해하고 비즈니스를 이해하기 위한 애널리스틱 서비스가 있습니다.
- AWS IoT Greengrass는 ML을 로컬에서 추론 가능하며, 데이터 상태 싱크가 가능합니다. 즉, 로컬 디바이스 생성 데이터를 로컬에서 작업하고 클라우드로 데이터 저장/관리/분석이 가능합니다.
- AWS IoT Core는 디바이스를 AWS로 안전하게 연결하며, 연결된 디바이스로부터 받은 메시지를 처리하고 라우팅합니다.
- AWS IoT SiteWise: 산업데이터를 실시간으로 보고하고 분석하며 제조업에서 사용하는 ERP, MES의 데이터베이스를 AWS S3의 데이터에 모을 수 있습니다.
고객 사례 – OCI “생산실적보고 체계 자동화”
- 고객사 현황: OCI의 주 사업분야는 크게 3가지로 1)기초화학, 2)석유화학, 3)에너지 솔루션 분야이며 석유화학에 집중하는 회사입니다.
- 사업의 개요: 공장 건립이 오래되어, 운영이나 IT시스템의 수작업 비중이 높으며 데이터가 분산된 상황이었습니다. 위 상황 개선을 위해 가장 내용이 방대하고 시간이 많이 걸리는 생산월보(생산실적, 원재료 사용실적, 수율 등 공장현황)를 자동화 하기로 결정하였습니다.
- 사업 내용: ERP Data와 시험 성적(LIMS), 생산 계획 데이터를 중간 집계용 Maria DB에 매 시간마다 저장하였으며 DMS(Data Migration Service)서버를 통해 Data lake에 저장하였습니다. 또한, 글루를 통해 데이터를 추출, 변환, 불러오기를 하고 Quick Site를 통해 최종 사용자에게 전달하는 방식으로 설계하였습니다. 다만 무작정 legacy 데이터를 클라우드에 저장할 경우에는 성능과 비용 때문에 추천하지 않습니다.
- 사업 효과: 위 사업을 통해 더 많은 시간을 분석과 개선에 할애할 수 있도록 개선하고 Data 집계, 계산, 도표 및 차트 작성 절차가 단순화할 수 있었습니다.
- 사업 활용: 위 사업을 통해 수집된 데이터를 통해 파생 프로젝트를 수행할 예정입니다.
OCI 구성도
Cloud DT(Data Transformation)에 대한 고객의 니즈가 가장 많은 산업은 제조업 분야이며, 제조 기업에서는 기존 legacy 환경에서 축적된 제조 공정 데이터를 어떻게 활용해야 할지 모르는 상황으로, 여전히 제조 기반의 많은 고객들이 Data의 관리가 제대로 이루어지지 (데이터의 관리 주체, 데이터의 위치) 않고 있습니다. 따라서 생산 시설 및 Data 처리 절차가 옛 방식을 고수하고, 인력 위주로 진행되고 있는 비즈니스에 1) Data의 효율적인 관리 2) Data의 가공 및 처리 3) 현업의 적용이라는 측면에서 AWS 의 데이터 서비스들은 의미가 있을 것으로 판단됩니다.
또한, 이를 통해 얻을 수 있는 효과는 다음과 같습니다.
1) Data가공에 들어가는 시간 단축
2) 시스템 도입비용 축소로 인한 비용 절감
3) 즉각적인 사업개요 및 현황 확인의 신속성
스마트 팩토리의 범주가 넓어 각 제조 기업별로 데이터 활용에 대한 어려움이 있으며, 이러한 고객의 어려움을 메가존클라우드에서 AWS 컨설팅을 통해 고객의 데이터 활용 가치를 높이는 전략을 함께 만들어 갈 수 있습니다. 제조 기업의 센서 데이터 IoT는 메가존클라우드의 MegaToi를 기초로 Greengrass의 로컬 컴퓨팅, 데이터 관리, 동기화 및 ML 추론 기능으로 공정 데이터를 통한 예측 정비 등의 다양한 데이터 분석을 AWS 서비스를 통하여 구현할 수 있습니다.
*해당 블로그는 메가존클라우드 임직원이 AWS SUMMIT 2021 “만들자! 데이터 기반의 스마트 팩토리” 세션을 보고 작성한 글로 발표 자료 및 자세한 내용은 위의 URL에서 확인하실 수 있습니다.