[테크월드=양대규 기자] 기계 제조업과 같이 고정자산 비중이 높은(Asset-Heavy) 전통적인 산업의 경우 아직 공정 자체가 디지털 방식으로 현대화되지 않은 경우가 많다. 생산 공정이 측정되지 않거나, 공정의 효과를 모니터할 데이터가 없거나, 운영상의 결함을 찾아 개선할 능력이 없는 것이다. 이에 제조업체들은 운영 효율을 개선하고 미래의 유지보수 요구사항을 예측하며, 현명하고 신속한 비즈니스 의사결정을 내릴 수 있는 정보를 얻기 위해 생산 현장에 사물 인터넷(IoT)을 도입하기 시작했다.
새로운 산업 사물 인터넷(Industrial Internet of Things, IIoT) 시대에 발맞춰 전문화된 머신 센서, 로컬 기반의 컴퓨팅, 스토리지 플랫폼, 네트워킹 인프라, 생산 프로세스의 모든 단계에서 데이터를 수집하는 머신러닝 알고리즘이 개발되고 있다. IIoT 기술은 M2M(Machine-to-Machine) 커뮤니케이션이나 빅데이터 분석과 결합해 보다 높은 수준의 기계 효율성, 예방 조치, 생산성, 성능을 실현하고 있다. IIoT와 관련된 데이터 폭증과 더불어 새로운 과제에 직면한 제조업체들은 엣지에서 로컬 데이터를 수집한 후 클라우드로 이동시키는 스토리지 전략에 눈을 돌리고 있다.
이 방대한 양의 데이터를 꼼꼼히 살펴보고 추려내는 일은 빅데이터 분석을 통해 이뤄진다. 분석을 돕는 인공지능(AI) 알고리즘은 데이터에서 패턴과 예외사항을 찾아내 운영자에게 알리는 동시에 상당한 시간과 비용을 절감할 수 있는 프로세스 개선의 기회도 찾는다. 시스템 또는 기계 고장, 전력 손실, 예상치 못한 작동중단 등으로 회사가 위험한 상황에 처할 수 있는 산업에서 IIoT 기술로 이런 문제들을 해결할 수 있다.
디바이스가 소비자에게 편의성과 자동화를 제공하는 IoT와 달리, IIoT는 제조 분야에서 연결된 기계와 디바이스를 일컫는다. 하루가 다르게 데이터가 폭증하고 있는 IIoT는 IoT 가운데 가장 빠르게 성장하고 있으며, 그 규모 또한 가장 크다. IIoT에 기반한 제조는 2017년 제조 분야 전체 지출의 큰 부분을 차지하며, 2021년에는 약 1240억 달러의 총지출을 달성할 것으로 예상된다.
이런 기계와 디바이스들은 대량의 센서 데이터를 스트리밍하고 네트워크 연결의 경우 값비싼 리소스이기 때문에, IIoT 기술을 지원하기 위해서는 로컬과 클라우드를 결합한 스토리지 전략이 필요하다.
IIoT 스토리지의 조건
포괄적인 IIoT 시스템에는 두 가지 활용사례가 존재한다. 첫 번째는 개발 상황에 맞춰 대응하는 것이다. 두 번째는 과거 데이터를 검토·분석해 프로세스를 개선할 수 있는 영역을 찾고 인공지능(AI) 에이전트를 학습시켜 시스템을 모니터하는 것이다. 이런 활용사례에는 서로 다른 컴퓨팅과 스토리지 솔루션가 요구된다. 실시간 변화에 대응하는 능력을 갖추려면 엣지 스토리지와 같이 데이터에 즉시 액세스해 로컬로 이용할 수 있어야 하며, 모델 실험 또는 프로세스 실험에 사용되는 데이터가 회사의 정책에 따라 프라이빗 또는 퍼블릭 클라우드에 상주할 수 있어야 한다.
IIoT 환경의 엣지 컴퓨팅
엣지 스토리지는 공장이나 작업 현장에서 사용하는 휴대용 디바이스가 네트워크의 가용성 또는 지연 시간에 영향을 받지 않고 로컬로 데이터를 저장할 수 있도록 한다. 상시 접속이 가능한 네트워크 연결은 요금이 비싼 것은 물론이고 IIoT 센서와 관련된 전력 소비 측면에서도 비용이 많이 든다. 기능적인 면이나 운영 비용 면에서 이런 부담을 줄이는 것이 필요하다. 또한, 엣지 스토리지는 보안과 개인정보 보호 측면에서도 부가적인 가치를 제공한다.
IIoT 환경에서 로컬로 데이터를 생성하는 방법은 두 가지가 있다. 첫 번째 경우, 컴퓨팅와 스토리지 요소들은 센서 자체 내에, 대개의 경우 기계의 일부로서 상주한다. 이때 컴퓨팅 요소는 로컬 데이터 분석을 수행하고 스토리지 요소는 데이터를 기계 자체에 로컬로 저장한다. 일례로, 테스트 기록을 로컬로 저장하고 모델 실험 시에만 클라우드 스토리지를 요구하는 PCB 육안 검사 장치를 들 수 있다.
시리얼 넘버 리더기나 Go/No-Go 또는 Pass/Fail 아웃풋을 생성하는 센서처럼 많은 데이터를 생성하지 않는 머신 센서의 경우에는 특정 센서에 전용 스토리지 장치 또는 컴퓨팅 장치를 배치할 필요가 없다. 이 경우에 필요한 전략은 운영은 생산 현장에서 이뤄지지만 기업의 엣지단에 위치한 로컬 유선 또는 무선 네트워크 즉, ‘게이트웨이(Gateway)’를 통해 데이터를 전송하는 것이다.
따라서, IIoT 스토리지 전략은 자체의 로컬 스토리지가 내장된 머신 센서와 기계에 탑재되고 엣지 게이트웨이에 로컬로 연결된 하위 레벨 센서를 결합하는 것을 포함한다. 하위 레벨 센서는 일반적으로 다음과 같은 기능을 수행한다.
▲ 외부와 연결한다.
▲ 산업 공정 또는 생산 자산에 근접한 데이터를 수집, 취합, 필터링한다.
▲ 로컬 분석을 수행해 실시간으로 변칙을 탐지하거나 운영자에게 알림을 발송해 조치를 취하도록 한다.
▲ 서로 다른 형식의 데이터를 백엔드(Backend) 지원 프로토콜로 변환한다.
미래의 커넥티트 팩토리(Connected Factory) 트렌드
이상적인 스토리지 전략은 모든 데이터를 클라우드에 집중하는 대신, 데이터를 각 기계에 로컬로 저장하는 방식과 공장 전체에서 로컬 데이터를 취합해 이를 외부에 노출하지 않은 채 클라우드에 장기적으로 저장할 수 있도록 동일한 형식으로 변환하는 엣지 게이트웨이를 결합해 사용하는 것이다.
이동식이나 내장형 플래시 기반 스토리지 장치는 머신과 클라우드 데이터 스토리지에 두루 사용된다. 로컬 머신 스토리지의 경우, 플래시 메모리는 네트워크의 엣지에 위치하며 단기 캐시로 사용되는 경우가 많다. 단기라는 개념은 상대적이지만, 데이터는 가치를 갖는 한 계속해서 머신 스토리지에 머무른다. 데이터가 오래되거나 관련성이 낮아지면 클라우드 스토리지로 이동하거나 폐기해 새로운 데이터를 위한 공간을 확보할 수 있다. 엣지에서 데이터가 끊임없이 순환하기 때문에 플래시 메모리 장치의 내구성에 대한 기준이 매우 높으므로 고객들은 산업용 스토리지 디바이스를 배치할 필요가 있다.
IIoT와 관련된 데이터의 폭증은 디지털 트랜스포메이션의 과정에 놓인 제조업체들에게 새로운 과제를 안겨주며, 이는 빅데이터 스토리지와 관련된다는 점에서 특히 중요하다. 작업 현장에서 커넥티드 머신과 중요한 시스템이나 디바이스들의 니즈를 실시간으로 지원하기 위해서는 데이터를 엣지에서 수집한 후 클라우드로 이동하는 하이브리드 스토리지 전략이 필요하다.
글: 지브 파즈(Ziv Paz), 웨스턴디지털 임베디드·통합 솔루션 제품 마케팅 담당 이사
자료제공: 웨스턴디지털
그래도 삭제하시겠습니까?