오늘날 제조에 사용되는 센서는 매 분마다 수십 개의 물체를 감지하며, 이것만으로도 상당한 양의 데이터입니다. 그런데 로봇 관절에 내장된 모션 관련 센서 세트는 매 초마다 수천개의 데이터 포인트를 수집합니다. 로봇의 관절이 4개 혹은 그 이상이라면 발생되는 데이터 양이 엄청날 것입니다.
로봇에 더 많은 센서를 통합하여 가동 시간을 늘리고 유지보수 일정을 최적화하며 새로운 비즈니스 모델을 구현할 수 있습니다.
어느날 아침 갑자기 차에 시동이 걸리지 않는다면 매우 당황스러울 것입니다. 이런 일이 발생하지 않게 하려면 권장되는 일정한 주기로 서비스를 받아야 합니다. 하지만 이것도 그다지 바람직하지만은 않습니다. 자주 서비스를 받으려면 추가적인 시간과 비용이 들기 때문입니다.
그렇다면 너무 잦은 유지보수와 너무 뜸한 유지보수 사이에 균형점을 어떻게 찾아야 할까요? 센서를 사용해서 유지보수 일정을 어떻게 최적화할 수 있을까요?
기계의 유지보수: 자동차도 로봇도 마찬가지
산업 현장에서도 마찬가지입니다. 자동화 장비와 로봇은 정상적으로 작동해야만 작업을 수행할 수 있습니다. 그러기 위해서는 주기적으로 유지보수를 해야 합니다. 그런데 유지보수를 하기 위해서 이러한 기계 장비를 꺼야 한다면 생산 활동을 할 수 있는 시간을 그만큼 빼앗길 것입니다. 또한 생산 공정에 투입된 사용 시간을 감안해서 여전히 잘 작동하는 부품을 교체하는 경우도 있습니다. 사용자가 기계에 대해서 더 잘 파악할 수 있다면 이로 인해 발생하는 상당한 비용을 피할 수 있을 것입니다.
공장은 어떻게 유지되고 가동될까요?
오늘날 대부분의 공장에서는 자동화 기계와 로봇이 사용되고 있으며, 전기가 중단되지 않으면 이런 기계들이 계속해서 가동될 것으로 생각하기 쉽습니다. 하지만 모든 것이 유지되고 가동되기 위해서는 기사들과 엔지니어들의 노력이 필요합니다.
자동차와 마찬가지로 대부분의 제조 장비도 일정한 주기로 일종의 서비스를 받아야 합니다. 통계적 서비스 예측에 따라, 기계를 몇 시간 가동할 때마다 기름을 치고, 부품을 교체하고, 주요 부품을 검사해야 합니다. 어떤 때는 이런 검사를 빨리 간단하게 할 수도 있고, 또 어떤 때는 몇 시간씩 걸릴 수도 있고, (간혹) 나중에 갑자기 고장이 나는 상황을 피하기 위해서 고가의 부품을 교체해야 할 수도 있습니다.
기계 가동 유형에 따라서 이러한 서비스 일정은 각기 다를 수 있습니다. 같은 로봇 팔이라 하더라도 주로 1톤 무게의 주물 금속 부품을 들어올리는 로봇 팔이, 이 무게의 절반을 옮기거나 훨씬 천천히 움직이는 작업을 하는 로봇 팔에 비해서 마모가 더 심할 것입니다.
그러므로 유지보수 부서에서는 예방적 유지보수 활동에 있어서 최적의 균형점을 찾아, 되도록 최소한의 비용으로 장비 가동을 극대화해야 합니다. 동시에 기계가 가동 중에 고장을 일으키지 않을 정도의 서비스 주기를 찾아야 합니다. 만약에 가동 중에 고장이 발생한다면 예정에 없던 유지보수 작업으로 생산 시간 손실이 발생합니다.
유지보수 일정을 어떻게 향상시킬까요?
대부분의 공장에서는 지속적 개선 계획(CIP)을 시행합니다. 담당 부서에서 고장 및 유지보수 보고서를 검토하고 이러한 문제가 재발되지 않도록 하기 위한 방안을 논의합니다. 그리고 여기에 대한 해결책을 찾으면 이것을 문서화하고 시행합니다. 그 문제가 다시 발생되면 문서화된 해결책을 그대로 시행하거나 수정해서 적용합니다.
이러한 프로그램들이 매우 효과적이어서, 문제에서 발생되는 비용보다 발견된 오류를 바로잡는 비용이 더 커지기 시작했습니다.
이러한 문제 인식에 필요한 데이터 수집도 쉬워지고 있습니다. “인더스트리 4.0”이 도입되면서 공장의 장비들이 점차 네트워크로 연결되고 있으며, 따라서 더 많은 데이터를 가지고 분석할 수 있습니다. 기계에서 불량품 생산이 증가하기 시작하거나, 혹은 공정 완료에 걸리는 시간이 천천히 증가하는 경우 빠르게 알아차릴 수 있습니다. 이런 변화는 기계에 유지보수가 필요하다는 신호입니다.
중요한 역할을 하는 사람의 직관
주위를 보면 가끔 자신이 사용하는 기계와 한 몸이 된 것 같은 사람들을 만날 수 있습니다. 이런 사람들은 자동차, 전동 공구, 사무용 기기의 소리가 조금만 이상해져도 알아차리고 기계가 곧 고장 날 것 같다고 말합니다. 그리고 정말로 며칠안에 고장이 납니다.
이런 직관은 감각기관, 과거로부터의 경험, 기타 요인들에 대한 이해로부터 나오는 것입니다. 이를 통해서 시스템의 작은 변화까지 감지하고 고장의 원인을 찾아낼 수 있습니다.
마찬가지로 로봇은 자신의 상태에 대해서 파악할 수 있는 다양한 신호를 제공합니다. 기계 동작 소리가 변하거나 이상 진동이 보일 경우 모터나 기어박스, 베어링 교체 시기가 되었다는 신호일 수 있습니다. 예를 들어서 전력 소모가 조금씩 지속적으로 증가하면 기계적 저항이 증가하는 것입니다. 이것은 베어링이 거의 고장 나기 직전이라 전기 시스템이 평소보다 더 많은 전류를 소모하기 때문입니다.
센서의 사용
오늘날 제조에는 다양한 센서들이 사용됩니다. 센서가 없다면 온도나 압력 등을 정확하게 유지하지 못할 것입니다. 센서가 없다면 물체들이 정확한 시간에 정확한 위치에 있는지 감지할 수 없습니다. 광학 및 자기 센서를 사용하여 컨베이어 벨트를 따라서 이동하는 물체들을 감지할 수 있습니다. 무인운반차(AGV)는 점점 더 많은 레이더 및 레이저 센싱을 사용해서 공장 안에서 이동하고 예상치 못한 장애물을 피할 수 있습니다.
하지만 핵심적인 용도는 여전히 제조 공정을 제어하고 모니터링하는 것입니다. “인더스트리 4.0”을 도입한 공장에서는 수집된 데이터를 사용해서 사후에 결함 분석을 할 수도 있습니다.
미래에 센서는 어떻게 사용될까요?
정확도가 높은 센서들이 점점 일반화되고 있으며, 어떤 경우에는 가격이 단 몇 센트로 떨어지고 있습니다. 반도체 회사들은 실리콘의 고유한 특성을 활용해서 온도를 1도의 1/10에 이르는 정확도로 측정할 수 있는 극소형 센서들을 출시하고 있습니다. 또한 마이크로 가공 같은 기술 진보로 머리카락보다도 미세한 움직이는 부품이 포함된 칩을 대량 생산할 수 있게 되었습니다. MEMS 센서라고 하는 이러한 디바이스는 마이크로폰에 사용됩니다.
홀 효과 같이 잘 알려진 물리적 현상을 활용해서 자기장을 전기 신호로 바꿀 수 있습니다. 이러한 센서는 도체를 통해서 흐르는 전류량을 측정할 수 있습니다. 거대 자기 저항과 같은 기법으로는 양자 역학 효과를 사용해서 자기장을 측정할 수 있습니다. 거대 자기 저항(GMR)으로 구현된 센서를 사용해서 모터 회전 속도나 기계적 샤프트 각도를 측정할 수 있습니다.
또 어떤 경우에는 단일 디바이스에 여러 센서를 통합할 수 있습니다. 온도 센서의 경우가 그렇습니다. 온도 측정 디바이스는 매우 단순하므로 다른 센서의 아날로그 전자장치들과 손쉽게 통합할 수 있습니다.
이처럼 가격대가 저렴하지만 품질은 우수한 다양한 유형의 센서를 사용할 수 있게 되면서, 로봇에 스스로 상태를 모니터링할 수 있는 다양한 센서를 통합하지 않을 이유가 없습니다. 예를 들어서 로봇 관절에 온도, 진동, 소음, 위치 및 모션, 가속도, 힘 센서를 통합할 수 있습니다. 로봇이나 다른 기계를 의도한 대로 작동하기 위해서 이러한 센서들이 필요하므로, 이미 많은 센서가 사용되고 있습니다. 이러한 모든 센서를 종합적으로 모니터링하여 사람의 직관과 마찬가지로 어떠한 잠재적인 결함 징후를 미리 포착할 수 있습니다. 평균 온도가 상승하는데, 동시에 이상 동작과 전력 소모가 증가하는 것은 베어링이나 기어박스의 임박한 고장을 예고하는 것일 수 있습니다.
대량의 데이터를 처리하는 방법
센서 기반 상태 모니터링과 예방적 유지보수를 위해서는 다음의 두 가지 과제가 제기됩니다:
두 번째 과제는 센서의 수가 증가하면서 발생하는 문제로, 기계의 동작 알고리즘에 필요하지 않은 센서들이 가끔 결함을 일으키고 잘못된 경고를 발생시킬 가능성이 존재한다는 것입니다.
지속적인 센싱 기능을 사용하려면 즉시 데이터를 검토해서 잠재적인 결함을 잡아낼 수 있어야 합니다. 인피니언의 XMC4000 시리즈 같은 마이크로컨트롤러를 사용해서 데이터를 수집하고, 사전 처리 후 검토할 수 있습니다. 센서들에 연결하기 위한 모든 필요한 데이터 인터페이스를 갖춘 이러한 초소형 마이크로컨트롤러를 로봇 관절에 통합할 수 있습니다. 그러면 융합된 센서 정보를 온칩으로 평가하거나 또는 인더스트리 4.0 데이터 네트워크를 통해서 중앙의 컴퓨터로 전달할 수 있습니다. XMC4000 제품군은 네트워킹 표준으로 EtherCAT을 지원합니다.
잘못된 결함 경고의 위험성 관련해서는, 품질이 우수하고 주어진 맥락 안에서 측정된 데이터를 평가할 수 있는 센서를 사용하는 것이 중요합니다. 대부분의 인피니언 센서는 가장 까다로운 자동차 품질 요건을 충족하며 도로에 운행되고 있는 수백만 대 이상의 자동차로 장기적인 안정성을 성공적으로 입증하고 있습니다.
인공 지능(AI)이 새로운 통찰을 제공할까요?
AI의 본질은 패턴 인식이며, 사람의 직감을 모방할 수 있습니다. 먼저 AI에게 잘 관리된 로봇이 정상적으로 작동할 때 예상되는 융합된 센서 출력을 학습시킵니다.
그러면 AI가 온도, 하중, 전력 소모, 모션 같은 것들을 지속적으로 추적해서 이 중의 어떤 파라미터든 예정된 범위를 벗어나기 시작하면 이를 알려줄 수 있습니다. 그러면 유지보수 부서에서 출동해서 로봇이 과도하게 마모되지 않았는지 살펴볼 수 있습니다.
맺음말
제조 설비는 건설 및 유지보수에 막대한 재정적 투자가 필요합니다. 유지보수 부서에서는 이러한 설비의 가동을 극대화하기 위해서 많은 노력을 기울입니다. 많은 경우에 기존 설비를 인더스트리 4.0 솔루션으로 업그레이드하기 위한 비용이 타당한지 판단하기가 어려울 수 있습니다. 하지만 극소형 센서 기술과 강력한 초소형 마이크로컨트롤러 솔루션을 사용한다면 미래의 로봇과 제조 설비는 가치 있는 유용한 통찰을 얻을 수 있습니다.
AI 디바이스의 성능과 집적도가 높아짐에 따라서 로봇과 제조 장비가 스스로 마모 정도를 판단할 수 있게 될 것입니다. 그러면 가동 시간을 극대화하여 더 효율적인 공장을 달성할 수 있고, 그 결과 사업 이윤과 수익성을 높일 수 있습니다. 이것이 모두 극소형 실리콘 센서와 컴퓨팅 솔루션 덕분입니다.
로봇과 여러 기계들로 가능한 새로운 사업 모델
로봇 시스템에 상태 모니터링과 예방적 유지보수 솔루션을 도입하면 새로운 첨단 사업 모델이 가능해질 것입니다. 특히 단순 생산이나 조립 공정으로 업무량이 몰리는 상황이 발생할 경우에, 특정 용도에 맞춰 손쉽게 프로그램하고 적응시킬 수 있는 협동 로봇에 대한 관심이 높아지고 있습니다. 현재로서는 이런 상황이 발생할 경우 생산 부서가 임시 고용 인원을 투입해서 인력을 확충합니다.
미래에는 임시로 (협동)로봇을 임대해 작업을 진행할 수 있습니다. 사후에 이러한 로봇을 얼마나 사용했는지 파악하고 요금 청구서에 사용한 만큼만 반영할 수 있게 된다면 편리할 것입니다. 또 로봇이 임대 기간 동안 계속해서 과부하로 가동되어서 노후화가 심화되었는지 알 수 있다면 좋을 것입니다. 센서와 강력한 데이터 프로세싱을 사용하면 이러한 추가 기능이 가능해 집니다. 인더스트리 4.0과 (협동)로봇이 이러한 것들을 가능하게 할 것입니다.
마지막 업데이트: 2018년 7월
