MOXA

 

 

코로나 대유행이 지속되는 가운데 산업 분야의 선도 기업들은 근래에 가장 핵심적인 변화 중 하나인 산업 디지털 혁신(Industrial Digital Transformation, Industrial DX)에 집중하고 있다. 그러나 이러한 대세에 합류하기 전에 산업 디지털 혁신의 구성요소인 OT 데이터(Operational Data)를 기반으로 실제 산업 디지털 혁신에서 수반되는 것이 무엇인지 이해하는 것이 중요하다.

 

예를 들어, 유독성 폐기물을 처리해 유기물 비료를 만드는 공장을 생각해 보자. 생산 공정에서 약간의 온도 변화만 발생하더라도 활성제의 중화 작용에 영향을 미쳐 생산 규모를 저하시킬 수 있다. 과거에는 현장의 직원들이 점검과 후속 조정 작업을 수행해야 했다. 그러나 이러한 방법은 갑작스러운 변화에 즉각적으로 대응하는 데 효과적이지 않은 것으로 입증된 지 오래다.

 

최적의 중화 과정이 유지되도록 조정 작업을 수행하기 위해서는 실제 상황이 발생하기 전, 6시간 이내의 온도 변화를 정확하게 예측하는 것이 중요하다. 또한, 정확한 예측을 위해서 장비의 운영 데이터와 컨트롤러 데이터, 현장의 온도 데이터, 일기예보 데이터 등 다양한 데이터가 필요하다. 이러한 유형의 OT 데이터는 산업 디지털 혁신의 기본 구성요소이다.

 

효과적인 비즈니스 인텔리전스를 실현하기 위해서는 OT 데이터를 수집하는 것뿐만 아니라 이를 분석하여 관련 전략을 수립할 수 있어야 한다. 따라서 산업 디지털 혁신은 기존 OT 데이터의 가치를 발견하고, 해석하는 과정으로 볼 수 있다. 하지만 이를 실행하는 것은 쉬운 일이 아니다.

 

Moxa는 30년 이상 OT 데이터 연결 분야의 경험을 통해 OT 데이터의 ‘가치’가 증가(가령, 데이터에서 더 많은 결과를 산출)하면, 연결 작업도 더욱 어려워진다는 것을 알게 되었다. 결과적으로 데이터를 수집 및 처리하고, 레이블을 지정한 다음, 적시에 데이터를 전송하는 OT 데이터 연결 기술의 본래의 역할은 이제 보다 정밀한 단계로 분할되어야 한다. 유입되는 데이터 규모에 대응하기 위해 전송방식 및 전송속도 측면에서도 상당한 진전이 이뤄지고 있다.

 

OT 데이터 연결은 이제 도메인 지식과 최신 기술의 기능을 통합하는 하이브리드 전문 분야가 되었다. ‘OT 데이터 연결’의 이러한 발전은 산업 디지털 혁신의 성공을 위한 핵심 요소를 담고 있다. 다음은 몇 가지 주목할 만한 변화이다.

 

현 상태에 대한 단순 모니터링에서 미래를 위한 최적화 기능으로 전환

 

과거에는 OT 데이터를 수집하는 목적이 단순히 기존 운영체제를 모니터링하고 제어하는 것이었다. OT 데이터는 공장 장치들의 현 상태를 지속적으로 추적함으로써 장비가 안정적으로 동작하는지 확인하는데 사용되었다. 또한, 원유 생산 목표를 준수하기 위해 송유관의 유량을 제어하는데 사용되기도 한다. 즉, ‘현재’의 상태를 유지하는데 중점을 두었다.

 

그러나 산업 디지털 혁신은 보다 미래 지향적이다. OT 데이터 확보의 목표는 더 이상 현 상태를 모니터링하고, 제어하기 위한 것이 아니며, 데이터를 통합하여 미래를 분석하는 것이 주요 목표가 되었다. OT 데이터를 이용하여 운영 효율성에 영향을 미치는 주요 요소들을 찾아 최적화할 뿐만 아니라 새로운 비즈니스 기회를 창출함으로써, 초기에 이를 적용한 업체들은 새로운 비즈니스 모델을 만들 수 있었다.

 

선도적인 전력 시스템 통합업체의 사례를 살펴보자. 이 회사는 수소 에너지 배터리에 사용된 메탄올 사용량 데이터를 수집하여 모든 고객의 미래 에너지 사용량을 예측하는데 적용했다. 그런 다음, 각 고객을 위한 새로운 맞춤형 요금제를 개발했다. 원래의 사용량 기반 요금제는 MaaS(Machine-as-a-Service) 월간 요금제로 업그레이드되었으며, 양 당사자 간 모두 윈윈할 수 있는 거래 모델이 생성된 것이다.

 

단순 숫자를 실제 값으로 전환

 

OT 데이터를 추가 분석에 사용하게 되면, IT와 OT 간의 경계가 상당히 모호해진다. 과거에는 데이터를 안정적으로 전송하는 것이 유일한 요구사항이었다. 하지만 오늘날에는 데이터의 품질도 보장해야 한다. 이는 산업 디지털 혁신의 가장 큰 장애물 중 하나이기도 하다.

 

산업용 장비의 수명은 일반적으로 매우 길기 때문에 불완전하거나 인식할 수 없는 포맷의 OT 데이터가 많이 축적된다. 그러나 데이터를 사용하기 전, 추가로 데이터를 정리하고, 변환하는 것은 IT 전문가의 몫이다. 여기에서 가장 좋은 시나리오는 데이터 스크러빙으로 인해 비용과 시간이 좀 더 소요되더라도 데이터를 사용할 수 있는 경우이다.

 

반면, 최악의 시나리오는 데이터를 이해할 수도 없고, 모두 쓸모없게 되는 경우이다. 예를 들어, 출력 데이터에 어떠한 라벨도 없이 숫자 ‘5’가 표시되어 있다면, 이를 판독하는 것은 불가능할 것이다. 추가 조사가 이뤄지지 않으면, 이 숫자가 실제로 장비의 속도를 나타내는 것인지 절대 알 수 없을 것이다. 이러한 잘못된 의사소통은 종종 IT 시스템에서 인식하지 못하는 다른 포맷이 사용되었기 때문이다.

 

이 같은 현상은 매우 보편적이며, 한 가지 해결책은 OT 데이터 연결 장치에 내장된 프로그램을 통해 이러한 데이터를 필요한 포맷으로 변환하는 사전 프로세싱을 수행하는 것이다. 데이터 사전 프로세싱은 데이터 컨텍스트를 제공하여 인식이 가능하도록 만드는 것이다. OT 데이터를 사용 가능한 OT 데이터, 즉 ‘분석적으로 유용한’ 데이터로 변환하는 프로세스는 OT 데이터 혁명이 시작되는 중요한 단계이다.

 

복잡하고 다양한 요구사항-각기 다른 데이터 소스 및 유형

 

일반적으로 기존 제어 시스템은 일상적인 운영조건이 유지될 수 있도록 이미 수많은 OT 데이터에 의존하고 있다. 예를 들면, 물탱크 게이트의 위치와 일일 원유 생산량 등과 같은 간단한 데이터를 통해 운영 상태에 대한 기본 정보를 확인한다. 생산 방식이나 프로세스와 같은 복잡한 데이터도 생성된다.

 

그러나 산업 디지털 혁신을 위해서는 더 많은 것이 필요하다. 재생 에너지 산업을 살펴보자. 태양광 패널에 그늘이 지거나 오염이 발생한 경우, 이를 신속하게 제거하기 위해서는 더 많은 데이터가 필요하다. 발전량을 모니터링하는 것 외에도 온도 및 습도 등의 환경 정보가 필요하다. 이러한 데이터는 감시용 드론으로 제공되는 실시간 정보와 AI 플랫폼 기반의 분석 기능이 추가됨으로써 오염된 태양광 패널의 정확한 위치를 확인할 수 있도록 해준다. 이 정보를 바탕으로 실시간으로 정확한 유지보수 일정을 수립할 수 있다. 따라서 다양한 소스의 방대한 OT 데이터는 기존의 자본지출(CAPEX)을 줄이고, 생산 효율성을 크게 향상시킬 수 있다.

 

선형 제어에서 실시간 순환형 피드백으로 변화

 

전통적으로 자동화 시스템은 실시간 제어가 매우 중요하다. OT 데이터는 선형 제어 프로세스에서 특정 시간대의 지표로 사용되는 경우가 많다. 이러한 데이터의 용도는 특정 프로세스가 끝나면 종료된다.

 

그러나 산업 디지털 혁신은 ‘OT 데이터 수집/분석/피드백’ 루프를 중심으로 다른 유형의 실시간 제어를 필요로 한다. IT는 새로운 빅데이터 처리 기술과 보다 빠른 네트워크 및 안정적인 산업용 컴퓨팅 성능을 통해 OT 데이터를 중단 없이 분석하고, 분석한 데이터에 대한 피드백을 운영 장비에 즉각적으로 제공할 수 있게 되었다. 이처럼 데이터 수신, 분석 및 피드백 루프를 통해 기업들은 실시간으로 조정 작업을 수행할 수 있다.

 

KPMG에서 서비스를 제공하는 중소 제조업체들의 사례를 살펴보자. 이들은 제품 불량으로 인한 인력 및 자재 낭비를 줄이기 위해 진동, 온도, 속도, 전류 등과 같은 더 많은 OT 데이터를 수집 및 업로드하고, AI 플랫폼을 통해 분석하고 있다. 이러한 분석을 통해 특정 장비의 공구 전류 주파수가 너무 높으면, 공구가 마모되었음을 확인할 수 있다. 결과적으로 마모된 공구를 미리 교체함으로써 고품질의 높은 생산량을 달성할 수 있다.

 

계속 증가하는 데이터 규모

 

인더스트리 4.0(Industry 4.0) 시대의 대규모 자동화 시스템(예, 정유 공장의 분산형 제어 시스템)은 초당 대규모의 OT 데이터를 처리할 수 있다. 그러나 이러한 데이터는 장비가 가동되는 중에만 사용된다. 작업이 완료되면, 데이터 분석도 끝이 난다. 따라서 OT 데이터는 현 상태를 해석하는 용도로만 사용되어 왔다.

 

그러나 산업 디지털 혁신은 한 단계 더 나아간다. 보다 많은 양의 데이터를 기반으로 시뮬레이션 및 분석을 수행하여 실시간으로 운영 효율성을 신속하게 개선하고, 운영상의 위험요소들을 제어할 수 있다. 예를 들어, 코로나 대유행이 지속되면서 대만의 철도 회사는 객실의 밀집도가 높아지는 것을 방지하기 위해 열차에 압력 센서를 설치하여 객차의 하중을 측정했다. 열차가 역에 진입하기 전에 각 객차의 온보드 CCTV의 정보와 함께 센서의 데이터가 관제 센터로 전송된다. 이를 통해 관제 센터는 각 객차의 혼잡도를 정확하게 파악하고, 플랫폼에서 대기 중인 승객들에게 이 정보를 제공하거나 관리자에게 통지하여 인파가 몰리는 것을 방지할 수 있다.

 

기업 및 국가 안보와 동일시되는 데이터 보안

 

사이버 정보보호는 일반적으로 OT 데이터 측면에서는 주요 관심사가 아니었지만, 산업 디지털 혁신에서는 매우 중요한 이슈이다. OT 데이터의 대부분은 주요 인프라(예, 상수도 시설 및 발전소의 장비 모니터링)나 주요 제조시설(예, 정유 및 반도체 공장)의 중요한 운영 정보를 담고 있다. 이러한 정보는 악의적으로 변경될 경우 측정할 수 없는 엄청난 손실을 초래할 수 있다.

 

2021년 2월, 일부 해커들이 구 버전의 윈도우 운영체제와 열악한 네트워크 보안을 악용하여 미국의 공공 정수처리장의 SCADA 시스템에 성공적으로 침입했다. 이들의 계획은 인체에 해를 끼칠 수 있는 수준으로 물의 수산화나트륨 함량을 높이는 것이었다. 다행히 현장 운영자가 즉시 이상징후를 발견하고, 위협이 실행되는 것을 방지할 수 있었다. 사이버 공격 위협이 증가함에 따라 더 많은 산업이 이러한 공격에 희생되어 심각한 결과를 초래하지 않도록 사이버 보안을 가장 우선적으로 고려해야 한다.

 

산업 디지털 혁신은 불명확하고, 간과하기 쉬운 OT 데이터에 새로운 가치를 부여하고 있다. 이러한 혁신은 전문기술과 운영 및 보안, 심지어 사고방식에 이르기까지 IT/OT 간의 통합을 통해 촉진되고 있다.