Session 7️⃣
Data Collection Methods for Analyzing Manufacturing Process Fault Control Performance
세션 7. 제조공정 고장제어 성능 분석을 위한 데이터 수집 방법
한국전기연구원 홍지태 책임
실제 제조 현장에서는 하루에 수만, 수십만 개의 공정 데이터가 쏟아져 나오고 있습니다. 제조 데이터를 분석하고 활용하는 것이 중요하다고는 하지만 과연 이 수많은 데이터를 모두 수집하고 관리하는 것이 가능할까요?
So, how should data be collected in manufacturing processes?
Ji-Tae Hong, a senior researcher at the Korea Electrotechnology Research Institute, introduced an efficient method for data collection and management. He discussed the implementation of an edge computing system that can be applied directly to manufacturing processes. This system allows for real-time data collection, processing, and analysis, all while reducing the burden on centralized servers and ensuring timely insights into production.
그러면 제조공정에서는 데이터를 어떻게 수집하는 것이 좋을까요?
한국 전기연구원의 홍지태 책임님은 데이터를 효율적으로 수집 및 관리할 수 있는 방법과 이를 실제 공정 과정에 적용할 수 있는 엣지 컴퓨팅 시스템에 대해 소개하였습니다.
엣지 컴퓨팅(Edge Computing)은 데이터를 중앙 서버(클라우드)로 보내지 않고, 데이터를 생성하는 디바이스나 근처의 로컬 서버에서 실시간으로 처리하는 기술을 의미합니다.
⚙️ 엣지 컴퓨팅 시스템의 작동 방식
1) 데이터 수집 제조 기계, 센서, 카메라 등에서 데이터 생성
2) 로컬(엣지)에서 데이터 처리 AI가 실시간으로 데이터를 분석하여 정상/비정상 판단 중요한 이벤트(예: 기계 고장, 불량 감지)만 저장
3) 필요한 데이터만 클라우드로 전송 전체 데이터를 전송하는 대신, 특정 이벤트 관련 데이터만 저장 데이터 전송 비용 절감 + 신속한 의사결정 가능
📌 결과적으로, 공장 내에서 실시간으로 데이터를 분석하고, 핵심 데이터만 저장함으로써 제조 공정의 효율성을 극대화할 수 있습니다.
Practical Application Cases 🔧
실제 적용 사례
💡 Edge Computing System: Foaming Process Line Owning Company
💡 엣지 컴퓨팅 시스템 : 발포 공정라인 소유업체
In manufacturing, AI is typically used for anomaly detection or defect identification, which are not continuous events. Collecting and storing all data can lead to issues such as network overload and database capacity constraints.
To address this, Senior Researcher Ji-Tae Hong proposed a BlackBox-style data collection method. This approach focuses on capturing and storing data only around specific events, such as system failures or motor breakdowns. By gathering data just before and after these critical events, the system avoids unnecessary data overload. This method was integrated into an edge computing system, ensuring efficient data management while maintaining the ability to analyze essential moments in the manufacturing process.
제조업에서 AI는 보통 이상을 탐지하거나 불량을 검출하기 위해서 활용되고, 이는 매 순간 일어나는 이벤트가 아닙니다. 따라서 모든 데이터를 수집 및 보관하고 활용하는 것은 네트워크 과부하, 데이터베이스 용량 등 다양한 문제를 일으킬 수 있습니다.
그래서 홍지태 책임님은 시스템의 고장이나 모터의 고장 등 특정 이벤트가 발생할 시, 그 시점 전후의 일정 데이터만 수집 및 저장할 수 있는 일종의 BlackBox 형식의 데이터 수집 방법을 제안하고 이를 적용한 엣지 컴퓨팅 시스템을 개발하였습니다.
Black Box 형식의 엣지 컴퓨팅 시스템은 제조업에서 발생하는 모든 데이터를 저장하는 것이 아니라, 특정 이벤트(이상 감지, 기계 고장 등) 전후의 데이터를 선별적으로 수집하고 분석하는 방식입니다. 쉽게 말해, 자동차의 블랙박스처럼 "중요한 순간"의 데이터만 기록하는 시스템입니다.
Black Box 엣지 컴퓨팅의 핵심 기능
✅ Selective Data Recording (선별적 데이터 저장) 불량, 오작동, 경고 발생 시 해당 구간의 데이터만 저장
✅ Event-Triggered Data Collection (이벤트 기반 데이터 수집) 실시간으로 센서 데이터를 모니터링하고 이상 감지 시 데이터 기록
✅ Edge Processing & AI Integration (엣지 AI 분석) 클라우드 전송 전에 엣지 컴퓨팅에서 1차 데이터 분석 수행 불필요한 데이터는 삭제하고, 의미 있는 데이터만 저장
✅ Fast Response & Reduced Downtime (빠른 대응 & 가동 중단 최소화) 문제 발생 즉시 데이터를 분석하여 신속한 유지보수 가능
