단 하나의 데이터 바이트도 놓치지 않고 스탬핑 프레스(stamping presses), 용접 셀(welding cells), 그리고 MES를 연결하며 얻은 교훈입니다.

산업용 장비의 라이브 센서 데이터를 현대적인 앱 아키텍처(app architecture)로 공급하는 과업을 맡아본 적이 있다면, 작업 현장이 결코 클라우드 네이티브(cloud-native)의 낙원이 아니라는 사실을 즉시 깨달았을 것입니다. 특히 자동차 부품 제조 분야는 우리가 가장 힘들고도 많은 것을 시사하는 스트레스 테스트를 받는 곳입니다. 생각해 보십시오. 금속이 풍부하여 무선 신호에 혼란을 주고, 기계는 다운타임(downtime)을 허용하지 않은 채 24시간 내내 작동하며, 단 하나의 이벤트 누락(예: WIP 스캔, 작업자의 배지 태그, 또는 기계 결함)만으로도 전체 추적성 체인(traceability chain)이 끊어질 수 있고, 이는 너무 늦게 발견되곤 합니다.

공장 데이터 계층(factory data layer)을 설계할 때 진정으로 중요한 것은 다음과 같습니다.

노이즈가 많은 중간 계층을 위한 MQTT

MQTT가 산업용 IoT의 기본값인 데에는 이유가 있습니다. 가볍고 불안정한 연결에 강하며, 그 발행-구독(pub-sub) 아키텍처는 현장에서 이벤트를 쏟아내는 수많은 독립적인 단위들(사이클을 완료하는 스탬퍼, 랙을 포착하는 RFID 리더기, 작업자 배지를 기록하는 BLE 비콘 등)과 자연스럽게 일치하기 때문입니다. 팀들이 자주 실수하는 부분은 QoS(Quality of Service) 설정입니다. 패킷 누락을 불행한 반올림 오차 정도로 간주할 수 있는 진동 측정과 같은 고주파 데이터에는 QoS 0이 충분히 적절하지만, 추적 작업(tracing operations) — 즉, 불완전해서는 안 되는 계보 기록의 일부인 모든 것 — 에는 QoS 1 또는 2가 필요합니다.

강력한 브로커 지속성(broker persistence)을 통해 이 모든 것을 백업하고 있는지 확인하십시오.

WIP 상태 하나를 놓치면 전체 로트(lot)의 이력을 망가뜨릴 수 있습니다.

구조화된 기계 데이터를 위한 OPC UA

MQTT가 배관 역할을 한다면, OPC UA는 일반적으로 PLC, CNC 및 SCADA 시스템과 직접 상호작용하는 장치들이 사용하는 언어입니다. 뒤섞인 바이트 스트림 (byte stream) 대신 구조화된 정보 모델 (information model)을 얻을 수 있는데, 이는 동일한 생산 라인에서 서로 다른 제조사의 기계들을 하나로 엮을 때 매우 중요합니다. 물론 OPC UA에도 그 나름의 복잡함이 있습니다. OPC UA 서버와 주소 공간 (address spaces)을 설정하는 데는 시간과 노력이 필요하며, 단순한 데이터 스트림의 경우에는 과할 수도 있습니다. 실용적인 접근 방식은 기계 수준의 통신에는 OPC UA를 사용하고, 그 이후에는 MQTT나 메시지 큐 (message queue)를 통해 데이터를 정규화 (normalizing)하는 것입니다.

엣지 프로세싱 (Edge Processing)은 선택 사항이 아닙니다

대다수의 공장 바닥 아키텍처는 클라우드 데이터 레이크 (data lake)로의 지속적이고 즉각적인 연결을 가정하기 때문에 실패하곤 합니다. 이러한 환상은 금속 장벽, 용접 간섭, 그리고 보안을 위해 구현된 분절된 네트워크로 가득 찬 시설에서는 빠르게 사라집니다. 중복된 RFID 스캔의 단순 디바운싱 (debouncing)부터 센서 측정값에 대한 임계값 알림에 이르기까지, 추론 (inference)과 필터링을 엣지 (edge)로 밀어내는 것은 네트워크 노이즈를 최소화하면서 필요한 대역폭을 획기적으로 줄일 수 있습니다. 결정적으로, 이는 인터넷 연결이 불안정해지더라도 공장 바닥이 계속 작동할 수 있도록 보장합니다.

텔레메트리 (Telemetry)가 아닌 계보 (Genealogy)를 위해 설계하십시오

일반적인 데이터 배경에서 제조 IoT 분야로 들어온 경우라면 이 점을 이해하는 것이 매우 중요합니다. 텔레메트리 (telemetry)와 계보 (genealogy)는 완전히 다른 개념입니다. 텔레메트리는 어느 정도의 샘플링과 간헐적인 데이터 손실을 감수할 수 있습니다. 하지만 제품의 로트 (lot)부터 특정 교대 근무 및 기계에 이르기까지 제품의 이력을 상세히 기록하는 계보는 트랜잭션 저널 엔트리 (transactional journal entry)처럼 취급되어야 합니다. 이는 전체 텔레메트리 스트림이 최종 일관성 (eventual consistency)을 목표로 설계되었더라도, 일반적으로 이러한 이벤트들을 신뢰할 수 있는 데이터 저장소에 동기적으로 기록할 것을 요구합니다.

만약 이러한 종류의 파이프라인을 처음으로 구축하고 있다면, Compentra AI에서 RFID/BLE/UWB 수집 (ingestion), MQTT/OPC UA 연결성 (connectivity), 그리고 MES/SCADA 시스템 통합 (integrations)이 특히 자동차 산업 분야 내에서 어떻게 상호 운용되는지를 개괄적으로 설명하는 유용한 개요를 제공합니다. 모든 것을 머릿속으로 직접 구상하기보다 참조 아키텍처 (reference architecture)를 활용하고 싶다면 확인해 보시기 바랍니다.

핵심 요약 (The True Takeaway)

이러한 기저 기술 중 그 어느 것도 본질적으로 마법 같은 것은 없습니다. 제대로 구축하기 위한 비결은 운영 순서를 정하는 데 있습니다. 즉, 전송 전의 에지 필터링 (edge filtering), 머신 인터페이스에서의 풍부한 시맨틱 모델 (semantic models), 중요한 추적 기록을 위한 내구성이 있는 저장소 (durable storage), 그리고 약간의 충실도 (fidelity) 손실을 감수할 수 있는 최종 일관성 (eventually consistent) 처리 순으로 구성하는 것입니다. 이 순서를 망가뜨리면, 화면상으로는 실시간 정보를 제공하는 것처럼 보이지만 정작 긴박한 상황이 닥쳤을 때 “이 부품은 어떤 로트 (lot)에서 왔는가?”라는 구체적인 질문에 답하지 못하는 시스템을 만들게 될 수 있습니다.