KR102545221B1 - 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 aas 구축 운영 방법 - Google Patents
자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 aas 구축 운영 방법 Download PDFInfo
- Publication number
- KR102545221B1 KR102545221B1 KR1020220190680A KR20220190680A KR102545221B1 KR 102545221 B1 KR102545221 B1 KR 102545221B1 KR 1020220190680 A KR1020220190680 A KR 1020220190680A KR 20220190680 A KR20220190680 A KR 20220190680A KR 102545221 B1 KR102545221 B1 KR 102545221B1
- Authority
- KR
- South Korea
- Prior art keywords
- aas
- data
- cloud
- asset
- edge gateway
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 104
- 238000013480 data collection Methods 0.000 title claims abstract description 74
- 238000010276 construction Methods 0.000 title claims abstract description 32
- 238000004519 manufacturing process Methods 0.000 claims abstract description 86
- 230000008569 process Effects 0.000 claims abstract description 68
- 238000007726 management method Methods 0.000 claims abstract description 48
- 238000013507 mapping Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims abstract description 14
- 238000013499 data model Methods 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 6
- 230000006855 networking Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 2
- 238000012800 visualization Methods 0.000 claims 1
- 238000013500 data storage Methods 0.000 abstract description 12
- 238000003860 storage Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 229920001895 acrylonitrile-acrylic-styrene Polymers 0.000 description 2
- 238000001479 atomic absorption spectroscopy Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에 관한 것으로서, 보다 구체적으로는 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법으로서, 데이터 수집 플랫폼에서 실행되는 것으로, (1) 스마트 제조 공장을 구성하는 각 자산(asset)을 AAS로 구축하기 위해 적용하고자 하는 대상 공정과 설비들에 대한 특성이 분석 수집되는 공정/장비 분석 단계; (2) 상기 단계 (1)에서의 분석 정보를 바탕으로 제조 현장에서 수집 가능한 OPC UA 데이터 태그 리스트가 생성되고 종류별로 분류되는 필드 데이터 분류 단계; (3) 상기 단계 (2)에서의 제조 현장에서 수집 가능한 OPC UA 데이터 태그 리스트가 생성되고 종류별로 분류되는 과정을 통해 확정된 데이터 수집 범위와 개별 데이터 리스트를 기초로 AAS를 작성하는 AAS 데이터 모델 구현 단계; (4) 상기 단계 (3)의 AAS 작성 이후, 작성된 AAS를 플랫폼 설정에 필요한 설정정보로 변환하는 과정의 AAS 파싱을 수행하는 AAS 데이터 변환 및 익스포트(export) 단계; (5) 상기 단계 (4)의 AAS 데이터 변환 이후, 변환된 AAS를 클라우드와 엣지 게이트웨이에 각각 전달되고, 제조 현장으로부터 수집된 OPC UA 데이터 태그를 변환된 AAS와 매핑하는 과정으로 설정되는 필드 데이터 태그 맵핑 단계; 및 (6) 상기 단계 (1) 내지 단계 (5)의 과정으로 작성된 AAS와 설정 정보를 클라우드와 엣지 게이트웨이에 적용하고, 스마트 제조 공장의 자산(Asset)으로 작성된 필드 장비로부터 데이터를 자동으로 수집할 수 있도록 하는 클라우드/EDGE 적용 데이터 수집 단계를 포함하는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에 따르면, 스마트 제조 공장을 구성하는 각 자산(asset)에 대한 특성이 분석 수집되는 공정/장비 분석 단계와, 분석 정보를 바탕으로 제조 현장에서 수집 가능한 OPC UA 데이터 태그 리스트가 생성되고 종류별로 분류되는 필드 데이터 분류 단계와, AAS를 작성하는 AAS 데이터 모델 구현 단계와, 작성된 AAS를 플랫폼 설정에 필요한 설정정보로 변환하는 과정의 AAS 파싱을 수행하는 AAS 데이터 변환 및 익스포트(export) 단계와, 변환된 AAS를 클라우드와 엣지 게이트웨이에 각각 전달되고, 제조 현장으로부터 수집된 OPC UA 데이터 태그를 변환된 AAS와 매핑하는 과정으로 설정되는 필드 데이터 태그 맵핑 단계와, 작성된 AAS와 설정 정보를 클라우드와 엣지 게이트웨이에 적용하고, 스마트 제조 공장의 자산(Asset)으로 작성된 필드 장비로부터 데이터를 자동으로 수집할 수 있도록 하는 클라우드/EDGE 적용 데이터 수집 단계를 포함하여 구성함으로써, 스마트 제조 공장의 자산(Asset)을 분석하여 AAS 모델링을 통해 자산관리 쉘(AAS)로 신규 작성하여 AAS 기반 데이터 수집/저장 체계에 적용하여 활용할 수 있도록 할 수 있다.
또한, 본 발명의 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에 따르면, 스마트 제조 공장의 자산(Asset)을 분석하여 AAS 모델링을 통해 자산관리 쉘(AAS)로 신규 작성하여 AAS 기반 데이터 수집/저장 체계에 적용하여 활용할 수 있도록 함으로써, 스마트 제조 공장의 자산 특성에 맞는 AAS 기반 데이터 수집/저장 솔루션을 제공하고, 스마트 제조 공장의 시스템 확장 시에도 구축된 자산관리 쉘(AAS)의 전체 구조를 변경하지 않고도 효율적으로 확장하여 사용할 수 있도록 할 수 있다.
본 발명에서 제안하고 있는 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에 따르면, 스마트 제조 공장을 구성하는 각 자산(asset)에 대한 특성이 분석 수집되는 공정/장비 분석 단계와, 분석 정보를 바탕으로 제조 현장에서 수집 가능한 OPC UA 데이터 태그 리스트가 생성되고 종류별로 분류되는 필드 데이터 분류 단계와, AAS를 작성하는 AAS 데이터 모델 구현 단계와, 작성된 AAS를 플랫폼 설정에 필요한 설정정보로 변환하는 과정의 AAS 파싱을 수행하는 AAS 데이터 변환 및 익스포트(export) 단계와, 변환된 AAS를 클라우드와 엣지 게이트웨이에 각각 전달되고, 제조 현장으로부터 수집된 OPC UA 데이터 태그를 변환된 AAS와 매핑하는 과정으로 설정되는 필드 데이터 태그 맵핑 단계와, 작성된 AAS와 설정 정보를 클라우드와 엣지 게이트웨이에 적용하고, 스마트 제조 공장의 자산(Asset)으로 작성된 필드 장비로부터 데이터를 자동으로 수집할 수 있도록 하는 클라우드/EDGE 적용 데이터 수집 단계를 포함하여 구성함으로써, 스마트 제조 공장의 자산(Asset)을 분석하여 AAS 모델링을 통해 자산관리 쉘(AAS)로 신규 작성하여 AAS 기반 데이터 수집/저장 체계에 적용하여 활용할 수 있도록 할 수 있다.
또한, 본 발명의 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에 따르면, 스마트 제조 공장의 자산(Asset)을 분석하여 AAS 모델링을 통해 자산관리 쉘(AAS)로 신규 작성하여 AAS 기반 데이터 수집/저장 체계에 적용하여 활용할 수 있도록 함으로써, 스마트 제조 공장의 자산 특성에 맞는 AAS 기반 데이터 수집/저장 솔루션을 제공하고, 스마트 제조 공장의 시스템 확장 시에도 구축된 자산관리 쉘(AAS)의 전체 구조를 변경하지 않고도 효율적으로 확장하여 사용할 수 있도록 할 수 있다.
Description
본 발명은 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에 관한 것으로서, 보다 구체적으로는 스마트 제조 공장의 자산(Asset)을 분석하여 AAS 모델링을 통해 자산관리 쉘(AAS)로 신규 작성하여 AAS 기반 데이터 수집/저장 체계에 적용하여 활용할 수 있도록 하는 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 발명의 일실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
스마트 공장(Smart Factory)은 제조 과정에 정보통신기술(ICT, Information and Communications Technologies)을 적용하여 시스템을 최적화하는 개념이다. 그 중 산업용 사물인터넷(IIoT, Industrial Internet of Things)은 공정 운영 개선에 중심적인 역할을 하게 될 기술로 주목받고 있으며, 산업용 사물인터넷 기술의 적용을 통해 기존의 제조 기계 및 장비들을 초연결 네트워크로 연결할 수 있으며, 최적화된 제조 생산 체계를 구축할 수 있다.
스마트 공장의 제조 분야는 제품과 생산, 그리고 생산된 제품들로 인해 발생되는 비즈니스 등 복잡다단한 라이프 사이클과 생태계를 가진다. 이러한 복잡한 생태계를 디지털 공간으로 들여오기 위해서는 제품, 생산설비, 생산 공정, 공장, 기업, 기업 간 비즈니스와 같은 요소들뿐만 아니라 제품의 설계, 제조, 사용 및 유지관리, 그리고 폐기에 이르기까지 라이프사이클 전 과정에 걸친 다양한 데이터들을 모두 정보 공간에서 표현할 수 있어야 한다.
자산관리 쉘(Asset Administration Shell)은 이렇게 광범위한 제조 전 영역에서 물리적인 자산(Asset)의 모든 정보를 정보 세계에 모델링하기 위한 메타 데이터로 Industry 4.0의 근간을 이루는 핵심 개념이자 기술이다. 복잡한 라이프사이클과 다양한 제조 데이터의 요소들을 표현하기 위해서, AAS는 비정형 데이터를 유연하게 다룰 수 있어야 하며, 생태계를 이루는 모든 부문들이 쉽게 접근할 수 있도록 개방성을 가져야 한다. 또한 시장에 현존하는 기존의 기술들과 공존할 수 있어야 하면서도 이들을 효율적으로 다루고 상호 연결할 수 있어야 한다. 또한, 단순히 데이터만 표현하는 것이 아니라 스스로에 대한 데이터 구조와 제공 가능한 기능들에 대한 정보도 제공하여야 하며, AAS 간의 관계 설정을 통해 더 큰 단위의 자산(Asset)을 표현하는 것도 가능하여야 한다.
이와 같이, 자산관리 쉘(Asset Administration Shell)은 스마트 제조의 디지털 트윈(digital twin)을 위한 비정형 데이터 모델 기술로서, 정보 세계에 구현된 자산들의 정보 및 기능을 관리하기 위해 고안된 일종의 프로파일이다. 이러한 자산관리 쉘(AAS)은 자산의 모든 정보에 대해 제어된 액세스 및 안전한 통신 인터페이스를 제공하여 자산의 통합 기능을 제공할 수 있다. 자산관리 쉘(AAS)은 표준에 정의된 기술이긴 하나 자산관리 쉘의 활용 방법은 정의되어 있지 않다.
종래 AAS가 적용된 스마트 제조 시스템에서는 데이터 수집을 위한 필드 장비와의 통신 설정과 데이터 매핑 및 데이터베이스 저장을 위한 설정이 모두 개별적으로 이루어졌기 때문에 시스템의 유지 및 보수가 매우 번거롭고 불편하다는 문제점이 있었다. 대한민국 등록특허공보 제10-2280440호(2021.07.21.)가 선행기술 문헌으로 개시되어 있다.
전술한 배경 기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지 기술이라 할 수는 없다.
본 발명은 기존에 제안된 방법들의 상기와 같은 문제점들을 해결하기 위해 제안된 것으로서, 스마트 제조 공장을 구성하는 각 자산(asset)에 대한 특성이 분석 수집되는 공정/장비 분석 단계와, 분석 정보를 바탕으로 제조 현장에서 수집 가능한 OPC UA 데이터 태그 리스트가 생성되고 종류별로 분류되는 필드 데이터 분류 단계와, AAS를 작성하는 AAS 데이터 모델 구현 단계와, 작성된 AAS를 플랫폼 설정에 필요한 설정정보로 변환하는 과정의 AAS 파싱을 수행하는 AAS 데이터 변환 및 익스포트(export) 단계와, 변환된 AAS를 클라우드와 엣지 게이트웨이에 각각 전달되고, 제조 현장으로부터 수집된 OPC UA 데이터 태그를 변환된 AAS와 매핑하는 과정으로 설정되는 필드 데이터 태그 맵핑 단계와, 작성된 AAS와 설정 정보를 클라우드와 엣지 게이트웨이에 적용하고, 스마트 제조 공장의 자산(Asset)으로 작성된 필드 장비로부터 데이터를 자동으로 수집할 수 있도록 하는 클라우드/EDGE 적용 데이터 수집 단계를 포함하여 구성함으로써, 스마트 제조 공장의 자산(Asset)을 분석하여 AAS 모델링을 통해 자산관리 쉘(AAS)로 신규 작성하여 AAS 기반 데이터 수집/저장 체계에 적용하여 활용할 수 있도록 하는, 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법을 제공하는 것을 그 목적으로 한다.
또한, 본 발명은, 스마트 제조 공장의 자산(Asset)을 분석하여 AAS 모델링을 통해 자산관리 쉘(AAS)로 신규 작성하여 AAS 기반 데이터 수집/저장 체계에 적용하여 활용할 수 있도록 함으로써, 스마트 제조 공장의 자산 특성에 맞는 AAS 기반 데이터 수집/저장 솔루션을 제공하고, 스마트 제조 공장의 시스템 확장 시에도 구축된 자산관리 쉘(AAS)의 전체 구조를 변경하지 않고도 효율적으로 확장하여 사용할 수 있도록 하는, 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법을 제공하는 것을 또 다른 목적으로 한다.
다만, 본 발명이 이루고자 하는 기술적 과제는 상기한 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상기한 목적을 달성하기 위한 본 발명의 특징에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법은,
자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법으로서, 데이터 수집 플랫폼에서 실행되는 것으로,
(1) 스마트 제조 공장을 구성하는 각 자산(asset)을 AAS로 구축하기 위해 적용하고자 하는 대상 공정과 설비들에 대한 특성이 분석 수집되는 공정/장비 분석 단계;
(2) 상기 단계 (1)에서의 분석 정보를 바탕으로 제조 현장에서 수집 가능한 OPC UA 데이터 태그 리스트가 생성되고 종류별로 분류되는 필드 데이터 분류 단계;
(3) 상기 단계 (2)에서의 제조 현장에서 수집 가능한 OPC UA 데이터 태그 리스트가 생성되고 종류별로 분류되는 과정을 통해 확정된 데이터 수집 범위와 개별 데이터 리스트를 기초로 AAS를 작성하는 AAS 데이터 모델 구현 단계;
(4) 상기 단계 (3)의 AAS 작성 이후, 작성된 AAS를 플랫폼 설정에 필요한 설정정보로 변환하는 과정의 AAS 파싱을 수행하는 AAS 데이터 변환 및 익스포트(export) 단계;
(5) 상기 단계 (4)의 AAS 데이터 변환 이후, 변환된 AAS를 클라우드와 엣지 게이트웨이에 각각 전달되고, 제조 현장으로부터 수집된 OPC UA 데이터 태그를 변환된 AAS와 매핑하는 과정으로 설정되는 필드 데이터 태그 맵핑 단계; 및
(6) 상기 단계 (1) 내지 단계 (5)의 과정으로 작성된 AAS와 설정 정보를 클라우드와 엣지 게이트웨이에 적용하고, 스마트 제조 공장의 자산(Asset)으로 작성된 필드 장비로부터 데이터를 자동으로 수집할 수 있도록 하는 클라우드/EDGE 적용 데이터 수집 단계를 포함하는 것을 그 구성상의 특징으로 한다.
바람직하게는, 상기 단계 (1)에서는,
시스템 확장 시에도 AAS의 전체 구조를 변경하지 않도록 공정을 분석하여 개별 요소로 분해하는 작업이 수행되고, 개별 설비들로부터 수집 가능한 데이터의 종류도 분석될 수 있다.
바람직하게는, 상기 단계 (2)에서는,
별도의 독립된 AAS로 작성할 데이터들과, 서브모델로 정의할 데이터들을 구분하고, 데이터들 사이의 포함관계나 연관관계를 결정하는 데이터 분류 과정을 수행할 수 있다.
바람직하게는, 상기 단계 (3)에서는,
AASX 파일 생성, 자산(asset) 생성, AAS 생성, 서브 모델 생성, 컬렉션 생성, 프로퍼티 생성, 개념 설명(Concept Description) 생성의 과정으로 AAS를 작성할 수 있다.
더욱 바람직하게는, 상기 단계 (3)에서의 서브 모델 생성은,
General Information 서브 모델, Equipment Device Information 서브 모델, Manufacturing Information 서브 모델, Account 서브 모델의 기준에 맞춰 공정데이터와 매칭되는 과정으로 이루어질 수 있다.
바람직하게는, 상기 단계(4)에서는,
작성된 AAS를 바탕으로 클라우드와 엣지 게이트웨이 각각의 설정에 필요한 설정 정보를 생성할 수 있다.
바람직하게는, 상기 단계 (5)에서,
필드 데이터 태그 매핑 과정은 엑셀 프로그램이나 텍스트 파일 편집을 통해 수행될 수 있다.
바람직하게는, 상기 단계 (6)에서는,
스마트 제조 공장의 필드 장비로부터 엣지 게이트웨이가 데이터를 자동으로 수집하고, 수집된 데이터는 OPC UA 통신으로 클라우드에 실시간 저장할 수 있다.
본 발명에서 제안하고 있는 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에 따르면, 스마트 제조 공장을 구성하는 각 자산(asset)에 대한 특성이 분석 수집되는 공정/장비 분석 단계와, 분석 정보를 바탕으로 제조 현장에서 수집 가능한 OPC UA 데이터 태그 리스트가 생성되고 종류별로 분류되는 필드 데이터 분류 단계와, AAS를 작성하는 AAS 데이터 모델 구현 단계와, 작성된 AAS를 플랫폼 설정에 필요한 설정정보로 변환하는 과정의 AAS 파싱을 수행하는 AAS 데이터 변환 및 익스포트(export) 단계와, 변환된 AAS를 클라우드와 엣지 게이트웨이에 각각 전달되고, 제조 현장으로부터 수집된 OPC UA 데이터 태그를 변환된 AAS와 매핑하는 과정으로 설정되는 필드 데이터 태그 맵핑 단계와, 작성된 AAS와 설정 정보를 클라우드와 엣지 게이트웨이에 적용하고, 스마트 제조 공장의 자산(Asset)으로 작성된 필드 장비로부터 데이터를 자동으로 수집할 수 있도록 하는 클라우드/EDGE 적용 데이터 수집 단계를 포함하여 구성함으로써, 스마트 제조 공장의 자산(Asset)을 분석하여 AAS 모델링을 통해 자산관리 쉘(AAS)로 신규 작성하여 AAS 기반 데이터 수집/저장 체계에 적용하여 활용할 수 있도록 할 수 있다.
또한, 본 발명의 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에 따르면, 스마트 제조 공장의 자산(Asset)을 분석하여 AAS 모델링을 통해 자산관리 쉘(AAS)로 신규 작성하여 AAS 기반 데이터 수집/저장 체계에 적용하여 활용할 수 있도록 함으로써, 스마트 제조 공장의 자산 특성에 맞는 AAS 기반 데이터 수집/저장 솔루션을 제공하고, 스마트 제조 공장의 시스템 확장 시에도 구축된 자산관리 쉘(AAS)의 전체 구조를 변경하지 않고도 효율적으로 확장하여 사용할 수 있도록 할 수 있다.
더불어, 본 발명의 다양하면서도 유익한 장점과 효과는 상술한 내용에 한정되지 않으며, 본 발명의 구체적인 실시 형태를 설명하는 과정에서 보다 쉽게 이해될 수 있을 것이다.
도 1은 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법을 위한 시스템 구성도.
도 2는 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에서 사용되는 자산의 구성을 일례로 도시한 도면.
도 3은 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에서 설비를 하나의 자산으로 보는 일례의 구성을 도시한 도면.
도 4는 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에서 공정을 하나의 자산으로 보는 일례의 구성을 도시한 도면.
도 5는 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법을 흐름을 도시한 도면.
도 2는 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에서 사용되는 자산의 구성을 일례로 도시한 도면.
도 3은 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에서 설비를 하나의 자산으로 보는 일례의 구성을 도시한 도면.
도 4는 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에서 공정을 하나의 자산으로 보는 일례의 구성을 도시한 도면.
도 5는 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법을 흐름을 도시한 도면.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하의 실시예는 본 발명의 이해를 돕기 위한 상세한 설명이며, 본 발명의 권리 범위를 제한하는 것이 아니다. 따라서 본 발명과 동일한 기능을 수행하는 동일 범위의 발명 역시 본 발명의 권리 범위에 속할 것이다.
또한, 본 발명의 각 실시예에 포함된 각 구성, 과정, 공정 또는 방법 등은 기술적으로 상호간 모순되지 않는 범위 내에서 공유될 수 있다.
도 1은 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법을 위한 시스템 구성도이고, 도 2는 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에서 사용되는 자산의 구성을 일례로 도시한 도면이며, 도 3은 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에서 설비를 하나의 자산으로 보는 일례의 구성을 도시한 도면이고, 도 4는 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에서 공정을 하나의 자산으로 보는 일례의 구성을 도시한 도면이다. 도 1에 도시된 바와 같이, 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법을 위한 시스템은, 복수의 필드 장비(110), 엣지 게이트웨이(120), 클라우드(130), 및 데이터 수집 플랫폼(140)을 포함하여 구성될 수 있다.
필드 장비(110)는, 스마트 제조 공장의 설비의 구성이다. 이러한 필드 장비(110)는 컨트롤러의 입력/출력 인터페이스에서 플랜트 항목으로의 물리적 연결을 통해 프로세스의 조건, 상태 및 값에 필요한 정보 또는 작업을 제공할 수 있다. 예를 들면, 센서 및 액추에이터, 커플링 장치, 로컬 오버라이드/표시 장치, 스위치 및 표시등, 조작자 패널, 로컬 모니터링 및 제어 장치, 룸 장치/설정 노브로 구성될 수 있다.
엣지 게이트웨이(120)는, 스마트 제조 공장 내부에 설치되는 필드 장비(110)들로부터 데이터를 수집하여 클라우드(130)에 전달하는 구성이다.
클라우드(130)는, 엣지 게이트웨이(120)와 OPC UA(Open Platform Communications Unified Architecture) 통신으로 연동하며, 엣지 게이트웨이(120)에서 수집되는 필드 장비(110)의 수집된 데이터를 저장한다.
데이터 수집 플랫폼(140)은, 스마트 제조 공장의 제조 현장으로부터 데이터를 수집/저장하여 다양한 목적으로 데이터를 활용할 수 있도록 개발된 데이터 수집 체계의 구성이다. 이러한 데이터 수집 플랫폼(140)은 다양한 제조 현장으로부터 수집된 데이터가 일정한 체계로 수집/저장/관리될 수 있도록 하기 위하여, Industry 4.0 디지털 트윈의 핵심 기술인 자원관리 쉘을 활용하여 제조현장 및 장비를 모델링하고, 모든 데이터 관리가 이를 기준으로 동작되도록 설계되었다.
도 2는 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에서 사용되는 자산의 구성을 일례로 나타내고 있다. 도 2에 도시된 바와 같이, 자산(Asset)은 공장안의 설비를 자산으로 볼 수 있고, 공정을 자산으로 볼 수도 있으며, 공장을 하나의 자산으로 볼 수도 있다. 여기서, 공장을 하나의 자산으로 볼 경우, 밸류 체인 AAS화로 구현될 수 있다.
도 3은 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에서 설비를 하나의 자산으로 보는 일례의 구성을 나타내고 있으며, 도 4는 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법에서 공정을 하나의 자산으로 보는 일례의 구성을 나타내고 있다.
도 5는 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법을 흐름을 도시한 도면이다. 도 5에 도시된 바와 같이, 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법은, 공정/장비 분석 단계(S110), 필드 데이터 분류 단계(S120), AAS 데이터 모델 구현 단계(S130), AAS 데이터 변환 및 익스포트(export) 단계(S140), 필드 데이터 태그(TAG) 매핑 단계(S150), 및 클라우드/EDGE 적용 데이터 수집 단계(S160)를 포함하여 구현될 수 있다. 이하에서는 첨부된 도면을 참조하여 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법의 구체적인 동작에 대해 상세히 설명하기로 한다.
본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법은, 데이터를 수집하기 위한 필드 장비(110)가 OPC UA 통신만 지원하는 경우, Asset Administration Shell을 신규 작성하여 AAS 기반 데이터 수집/저장 체계에서 활용할 수 있는 방법을 제안되고 있으며, AAS 기반의 데이터 수집 플랫폼(140)에서 핵심적인 역할을 수행하는 AAS(Asset Administration Shell)는 독일의 Industry 4.0 전략의 핵심 개념으로, AAS를 제작하기 위한 공식적인 오픈 소스 소프트웨어 툴인 AASX Package Explorer를 사용하여 AAS를 신규 작성할 수 있다.
단계 S110에서는, 스마트 제조 공장을 구성하는 각 자산(asset)을 AAS로 구축하기 위해 적용하고자 하는 대상 공정과 설비들에 대한 특성이 분석 수집된다. 이러한 단계 S110에서는 시스템 확장 시에도 AAS의 전체 구조를 변경하지 않도록 공정을 분석하여 개별 요소로 분해하는 작업이 수행되고, 개별 설비들로부터 수집 가능한 데이터의 종류도 분석될 수 있다.
또한, 단계 S110의 공정/장비 분석 단계는 스마트 제조 공장에서 자산(asset)을 추가하는 향후 시스템 확장 시에도 AAS의 전체 구조를 변경하지 않도록 공정을 분석하여 개별 요소로 분해하는 작업을 하고, 개별 설비들로부터 수집 가능한 데이터의 종류도 확보하여 함께 분석하고 있다. 또한, 제조 현장으로부터의 요구사항을 검토하여 전반적인 적용범위와 방향도 설정하고 있다.
단계 S120에서는, 단계 S110에서의 분석 정보를 바탕으로 제조 현장에서 수집 가능한 OPC UA 데이터 태그 리스트가 생성되고 종류별로 분류된다. 이러한 단계 S120에서는 별도의 독립된 AAS로 작성할 데이터들과, 서브모델로 정의할 데이터들을 구분하고, 데이터들 사이의 포함관계나 연관관계를 결정하는 데이터 분류 과정을 수행할 수 있다.
또한, 단계 S120에서의 필드 데이터 분류 단계는 공정 및 제조설비에 대한 분석 정보를 바탕으로 제조 현장에서 수집 가능한 OPC UA 데이터 태그 리스트를 생성하고 종류별로 분류하되, 데이터 분류란 별도의 독립된 AAS로 작성할 데이터들과, 서브모델로 정의할 데이터들을 구분하고, 데이터들 사이의 포함관계나 연관관계를 결정하는 것을 의미한다. 이러한 과정에서는 단순히 수집 가능한 데이터를 정리하는 것에서 그치지 않고, 제조 현장의 요구사항을 만족시키기 위해 필요한 추가적인 데이터와 해당 공정이나 제조설비에 공통적으로 포함되어야 하는 일반적인 데이터로 추가되고 있다.
단계 S130에서는, 단계 S120에서의 제조 현장에서 수집 가능한 OPC UA 데이터 태그 리스트가 생성되고 종류별로 분류되는 과정을 통해 확정된 데이터 수집 범위와 개별 데이터 리스트를 기초로 AAS를 작성한다. 이러한 단계 S130에서는 AASX 파일 생성, 자산(asset) 생성, AAS 생성, 서브 모델 생성, 컬렉션 생성, 프로퍼티 생성, 개념 설명(Concept Description) 생성의 과정으로 AAS를 작성할 수 있다. 여기서, 단계 S130에서의 서브 모델 생성은 General Information 서브 모델, Equipment Device Information 서브 모델, Manufacturing Information 서브 모델, Account 서브 모델의 기준에 맞춰 공정데이터와 매칭되는 과정으로 이루어질 수 있다.
또한, 단계 S130에서의 AAS 데이터 모델 구현 단계의 과정에서, 클라우드 데이터 솔루션(Cloud Data Solution) AAS를 생성한다. 데이터 수집 플랫폼(140)에서 사용하는 AAS에는 반드시 Cloud Data Solution 이라는 이름의 AAS를 정의하여야 한다. 이 AAS는 데이터 수집 플랫폼을 구성하는 클라우드 플랫폼과 엣지 게이트웨이 플랫폼의 기본 설정 및 통신 접속정보 등을 포함할 수 있다. 이러한 클라우드 데이터 솔루션 AAS는 클라우드 플랫폼 관련 설정을 위한 클라우드 솔루션 서브모델과 엣지 게이트웨이 관련 설정을 위한 엣지 게이트웨이 솔루션(Edge GW Solution) 서브모델로 구성된다. 데이터 수집 플랫폼에서는 가능한 모든 설정과 정보들이 모두 AAS로 표현되고, AAS로부터 변환/활용되는 것을 목표로 한다. 이에 AAS를 활용하는 데이터 수집 플랫폼 자체도 별도의 AAS로 정의하여 사용할 수 있다.
또한, 클라우드 솔루션 서브모델은 데이터 수집 플랫폼(140)의 클라우드(130) 관련 설정 및 정보를 표현하고, 클라우드 공인 아이피, 엣지 게이트웨이 샘플링 주기를 설정할 수 있다.
또한, 엣지 게이트웨이 솔루션(Edge GW Solution) 서브모델은 데이터 수집 플랫폼(140)을 구성하는 엣지 게이트웨이 관련 설정 및 정보를 표현하고, 엣지 게이트웨이 솔루션 서브모델은 하나 이상의 엣지 게이트 컬렉션들로 구성되며, 엣지 게이트 컬렉션에는 해당 엣지 게이트웨이에 관련된 각종 정보와 설정이 포함될 수 있다. 또한, 엣지 게이트웨이 컬렉션은 해당 엣지 게이트웨이가 데이터를 수집하는 필드 장비 정보를 포함할 수 있다. 또한, General Networking Information 컬렉션에 포함된 Protocol Interface 프로퍼티는 엣지 게이트웨이(120)가 해당 필드 장비(110)에 OPC UA 통신 접속을 하기 위해 필요한 접속 문자열을 포함하고, General Networking Information 컬렉션에 포함된 Sampling Interval 프로퍼티는 엣지 게이트웨이(120)와 통신 연결된 해당 필드 장비(110)의 샘플링 주기를 밀리초 단위로 설정할 수 있다.
단계 S140에서는, 단계 S130의 AAS 작성 이후, 작성된 AAS를 플랫폼 설정에 필요한 설정정보로 변환하는 과정의 AAS 파싱을 수행한다. 이러한 단계 S140에서는 작성된 AAS를 바탕으로 클라우드(130)와 엣지 게이트웨이(120) 각각의 설정에 필요한 설정 정보를 생성할 수 있다. 여기서, 단계 S140에서의 AAS 데이터 변환 및 익스포트(export) 단계는 AAS의 작성이 완료되었을 때, 작성된 AAS를 데이터 플랫폼에 적용하기 위한 과정이 필요함에 따라 작성된 AAS는 클라우드(130)에서 플랫폼 설정에 필요한 설정정보로 변환되고, 이 과정의 AAS 파싱에서는 작성된 AAS를 바탕으로 클라우드(130)와 엣지 게이트웨이(120) 각각의 설정에 필요한 설정 정보를 생성해주게 된다.
단계 S150에서는, 단계 S140의 AAS 데이터 변환 이후, 변환된 AAS를 클라우드와 엣지 게이트웨이에 각각 전달되고, 제조 현장으로부터 수집된 OPC UA 데이터 태그를 변환된 AAS와 매핑하는 과정으로 설정된다. 이러한 단계 S150에서, 필드 데이터 태그 매핑 과정은 엑셀 프로그램이나 텍스트 파일 편집을 통해 수행될 수 있다. 여기서, 매핑을 위한 설정파일은 단계 S140에서의 AAS 데이터 변환/Export 과정에서 자동으로 생성될 수 있다.
또한, 단계 S150에서의 필드 데이터 태그 맵핑 단계는 변환된 AAS는 클라우드(130)와 엣지 게이트웨이(120)에 각각 전달되어 설정되며, 이때 제조 현장으로부터 수집된 OPC UA 데이터 태그를 AAS와 매핑하는 과정이 필요하게 되며, 이러한 매핑 과정은 제조 현장의 환경에 따라 달라지므로 매핑 작업은 현장 작업자의 수작업에 의해 이루어질 수 있다.
단계 S160에서는, 단계 S110 내지 단계 S150의 과정으로 작성된 AAS와 설정 정보를 클라우드(130)와 엣지 게이트웨이(120)에 적용하고, 스마트 제조 공장의 자산(Asset)으로 작성된 필드 장비(110)로부터 데이터를 자동으로 수집할 수 있도록 한다. 이러한 단계 S160에서는 스마트 제조 공장의 필드 장비(110)로부터 엣지 게이트웨이(120)가 데이터를 자동으로 수집하고, 수집된 데이터는 OPC UA 통신으로 클라우드(130)에 실시간 저장할 수 있다.
단계 S160에서의 클라우드/EDGE 적용 데이터 수집 단계는 수집된 데이터의 시각화를 위한 기본 대시보드 기능, 그리고 데이터 분석/활용을 위한 외부 모듈과의 인터페이스 등을 수행할 수 있다. 여기서, 대시보드(dashboard)는 하나의 화면에 다양한 이벤트를 모니터링하고 공간 정보 및 데이터를 여러 뷰의 형태로 시각화하여 보여줄 수 있도록 기능한다.
상술한 바와 같이, 본 발명의 일실시예에 따른 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법은, 스마트 제조 공장을 구성하는 각 자산(asset)에 대한 특성이 분석 수집되는 공정/장비 분석 단계와, 분석 정보를 바탕으로 제조 현장에서 수집 가능한 OPC UA 데이터 태그 리스트가 생성되고 종류별로 분류되는 필드 데이터 분류 단계와, AAS를 작성하는 AAS 데이터 모델 구현 단계와, 작성된 AAS를 플랫폼 설정에 필요한 설정정보로 변환하는 과정의 AAS 파싱을 수행하는 AAS 데이터 변환 및 익스포트(export) 단계와, 변환된 AAS를 클라우드와 엣지 게이트웨이에 각각 전달되고, 제조 현장으로부터 수집된 OPC UA 데이터 태그를 변환된 AAS와 매핑하는 과정으로 설정되는 필드 데이터 태그 맵핑 단계와, 작성된 AAS와 설정 정보를 클라우드와 엣지 게이트웨이에 적용하고, 스마트 제조 공장의 자산(Asset)으로 작성된 필드 장비로부터 데이터를 자동으로 수집할 수 있도록 하는 클라우드/EDGE 적용 데이터 수집 단계를 포함하여 구성함으로써, 스마트 제조 공장의 자산(Asset)을 분석하여 AAS 모델링을 통해 자산관리 쉘(AAS)로 신규 작성하여 AAS 기반 데이터 수집/저장 체계에 적용하여 활용할 수 있도록 할 수 있으며, 또한, 스마트 제조 공장의 자산(Asset)을 분석하여 AAS 모델링을 통해 자산관리 쉘(AAS)로 신규 작성하여 AAS 기반 데이터 수집/저장 체계에 적용하여 활용할 수 있도록 함으로써, 스마트 제조 공장의 자산 특성에 맞는 AAS 기반 데이터 수집/저장 솔루션을 제공하고, 스마트 제조 공장의 시스템 확장 시에도 구축된 자산관리 쉘(AAS)의 전체 구조를 변경하지 않고도 효율적으로 확장하여 사용할 수 있도록 할 수 있게 된다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
110: 필드 장비
120: 엣지 게이트웨이
130: 클라우드
140: 데이터 수집 플랫폼
S110: 공정/장비 분석 단계
S120: 필드 데이터 분류 단계
S130: AAS 데이터 모델 구현 단계
S140: AAS 데이터 변환 및 익스포트(export) 단계
S150: 필드 데이터 태그(TAG) 매핑 단계
S160: 클라우드/EDGE 적용 데이터 수집 단계
120: 엣지 게이트웨이
130: 클라우드
140: 데이터 수집 플랫폼
S110: 공정/장비 분석 단계
S120: 필드 데이터 분류 단계
S130: AAS 데이터 모델 구현 단계
S140: AAS 데이터 변환 및 익스포트(export) 단계
S150: 필드 데이터 태그(TAG) 매핑 단계
S160: 클라우드/EDGE 적용 데이터 수집 단계
Claims (8)
- 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법으로서, 데이터 수집 플랫폼(140)에서 실행되는 것으로,
(1) 스마트 제조 공장을 구성하는 각 자산(asset)을 AAS로 구축하기 위해 적용하고자 하는 대상 공정과 설비들에 대한 특성이 분석 수집되는 공정/장비 분석 단계;
(2) 상기 단계 (1)에서의 분석 정보를 바탕으로 제조 현장에서 수집 가능한 OPC UA 데이터 태그 리스트가 생성되고 종류별로 분류되는 필드 데이터 분류 단계;
(3) 상기 단계 (2)에서의 제조 현장에서 수집 가능한 OPC UA 데이터 태그 리스트가 생성되고 종류별로 분류되는 과정을 통해 확정된 데이터 수집 범위와 개별 데이터 리스트를 기초로 AAS를 작성하는 AAS 데이터 모델 구현 단계;
(4) 상기 단계 (3)의 AAS 작성 이후, 작성된 AAS를 플랫폼 설정에 필요한 설정정보로 변환하는 과정의 AAS 파싱을 수행하는 AAS 데이터 변환 및 익스포트(export) 단계;
(5) 상기 단계 (4)의 AAS 데이터 변환 이후, 변환된 AAS를 클라우드와 엣지 게이트웨이에 각각 전달되고, 제조 현장으로부터 수집된 OPC UA 데이터 태그를 변환된 AAS와 매핑하는 과정으로 설정되는 필드 데이터 태그 맵핑 단계; 및
(6) 상기 단계 (1) 내지 단계 (5)의 과정으로 작성된 AAS와 설정 정보를 클라우드(130)와 엣지 게이트웨이(120)에 적용하고, 스마트 제조 공장의 자산(Asset)으로 작성된 필드 장비(110)로부터 데이터를 자동으로 수집할 수 있도록 하는 클라우드/EDGE 적용 데이터 수집 단계를 포함하되,
상기 단계 (1)에서는,
시스템 확장 시에도 AAS의 전체 구조를 변경하지 않도록 공정을 분석하여 개별 요소로 분해하는 작업이 수행되고, 개별 설비들로부터 수집 가능한 데이터의 종류도 분석하며, 제조 현장으로부터의 요구사항을 검토하여 전반적인 적용범위와 방향도 설정되고,
상기 단계 (2)에서는,
별도의 독립된 AAS로 작성할 데이터들과, 서브모델로 정의할 데이터들을 구분하고, 데이터들 사이의 포함관계나 연관관계를 결정하는 데이터 분류 과정을 수행하며, 단순히 수집 가능한 데이터를 정리하는 것에서 그치지 않고, 제조 현장의 요구사항을 만족시키기 위해 필요한 추가적인 데이터와 해당 공정이나 제조설비에 공통적으로 포함되어야 하는 일반적인 데이터를 추가하며,
상기 단계 (3)에서는,
AASX 파일 생성, 자산(asset) 생성, AAS 생성, 서브 모델 생성, 컬렉션 생성, 프로퍼티 생성, 개념 설명(Concept Description) 생성의 과정으로 AAS를 작성하고,
상기 단계 (3)에서의 서브 모델 생성은,
General Information 서브 모델, Equipment Device Information 서브 모델, Manufacturing Information 서브 모델, Account 서브 모델의 기준에 맞춰 공정데이터와 매칭되는 과정으로 이루어지고,
상기 단계 (3)에서는,
클라우드 데이터 솔루션(Cloud Data Solution) AAS를 더 생성하되, 클라우드 데이터 솔루션 AAS는 클라우드 플랫폼 관련 설정을 위한 클라우드 솔루션 서브모델과 엣지 게이트웨이 관련 설정을 위한 엣지 게이트웨이 솔루션(Edge GW Solution) 서브모델로 구성하며, 클라우드 솔루션 서브모델은 데이터 수집 플랫폼(140)의 클라우드(130) 관련 설정 및 정보를 표현하고, 클라우드 공인 아이피, 엣지 게이트웨이 샘플링 주기를 설정할 수 있으며, 엣지 게이트웨이 솔루션(Edge GW Solution) 서브모델은 데이터 수집 플랫폼(140)을 구성하는 엣지 게이트웨이 관련 설정 및 정보를 표현하고, 엣지 게이트웨이 솔루션 서브모델은 하나 이상의 엣지 게이트 컬렉션들로 구성되며, 엣지 게이트 컬렉션에는 해당 엣지 게이트웨이에 관련된 각종 정보와 설정이 포함되고, 엣지 게이트웨이 컬렉션은 해당 엣지 게이트웨이가 데이터를 수집하는 필드 장비 정보를 포함하며, General Networking Information 컬렉션에 포함된 Protocol Interface 프로퍼티는 엣지 게이트웨이(120)가 해당 필드 장비(110)에 OPC UA 통신 접속을 하기 위해 필요한 접속 문자열을 포함하고, General Networking Information 컬렉션에 포함된 Sampling Interval 프로퍼티는 엣지 게이트웨이(120)와 통신 연결된 해당 필드 장비(110)의 샘플링 주기를 밀리초 단위로 설정할 수 있도록 기능하며,
상기 단계(4)에서는,
작성된 AAS를 바탕으로 클라우드(130)와 엣지 게이트웨이(120) 각각의 설정에 필요한 설정 정보를 생성하고,
상기 단계 (5)에서,
필드 데이터 태그 매핑 과정은 엑셀 프로그램이나 텍스트 파일 편집을 통해 수행되며,
상기 단계 (6)에서는,
스마트 제조 공장의 필드 장비(110)로부터 엣지 게이트웨이(120)가 데이터를 자동으로 수집하고, 수집된 데이터는 OPC UA 통신으로 클라우드(130)에 실시간 저장하되, 수집된 데이터의 시각화를 위한 기본 대시보드 기능, 데이터 분석/활용을 위한 외부 모듈과의 인터페이스를 수행할 수 있으며, 대시보드(dashboard)는 하나의 화면에 다양한 이벤트를 모니터링하고 공간 정보 및 데이터를 여러 뷰의 형태로 시각화하여 보여줄 수 있도록 기능하는 것을 특징으로 하는, 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 AAS 구축 운영 방법.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220190680A KR102545221B1 (ko) | 2022-12-30 | 2022-12-30 | 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 aas 구축 운영 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220190680A KR102545221B1 (ko) | 2022-12-30 | 2022-12-30 | 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 aas 구축 운영 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102545221B1 true KR102545221B1 (ko) | 2023-06-20 |
Family
ID=86994848
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220190680A KR102545221B1 (ko) | 2022-12-30 | 2022-12-30 | 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 aas 구축 운영 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102545221B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102280440B1 (ko) * | 2020-01-15 | 2021-07-21 | 한양대학교 에리카산학협력단 | 스마트 제조 시스템의 자산관리쉘 생성 방법 |
| KR20220035822A (ko) * | 2020-09-14 | 2022-03-22 | 한국전자통신연구원 | 공장 제조 인프라와 연계하여 복수의 공장 연결이 가능한 엣지 커넥터 장치 및 그 관리 방법 |
| KR20220092000A (ko) * | 2020-12-24 | 2022-07-01 | 네스트필드(주) | 스마트 제조 시스템에서 자산관리쉘을 이용한 데이터 수집 방법 |
| KR20220094536A (ko) * | 2020-12-29 | 2022-07-06 | 한국전자기술연구원 | 스마트공장 자산의 OPC UA 표준 정보모델 기반 Aggregation Server 생성 방법 |
-
2022
- 2022-12-30 KR KR1020220190680A patent/KR102545221B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102280440B1 (ko) * | 2020-01-15 | 2021-07-21 | 한양대학교 에리카산학협력단 | 스마트 제조 시스템의 자산관리쉘 생성 방법 |
| KR20220035822A (ko) * | 2020-09-14 | 2022-03-22 | 한국전자통신연구원 | 공장 제조 인프라와 연계하여 복수의 공장 연결이 가능한 엣지 커넥터 장치 및 그 관리 방법 |
| KR20220092000A (ko) * | 2020-12-24 | 2022-07-01 | 네스트필드(주) | 스마트 제조 시스템에서 자산관리쉘을 이용한 데이터 수집 방법 |
| KR20220094536A (ko) * | 2020-12-29 | 2022-07-06 | 한국전자기술연구원 | 스마트공장 자산의 OPC UA 표준 정보모델 기반 Aggregation Server 생성 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Weber et al. | M2DDM–a maturity model for data-driven manufacturing | |
| Wang et al. | Big data in cyber-physical systems, digital manufacturing and industry 4.0 | |
| Karnouskos et al. | A SOA-based architecture for empowering future collaborative cloud-based industrial automation | |
| EP3335083B1 (en) | Rich contextualization of automation data | |
| EP3788771A1 (en) | Systems and methods for modeling and simulating an iot system | |
| CN104144204A (zh) | 针对工业模拟使用基于云的数据 | |
| Cemernek et al. | Big data as a promoter of industry 4.0: Lessons of the semiconductor industry | |
| Arantes et al. | General architecture for data analysis in industry 4.0 using SysML and model based system engineering | |
| Borangiu et al. | Digital transformation of manufacturing. Industry of the future with cyber-physical production systems | |
| TWI676148B (zh) | 整合ｉｃｔ服務供裝與虛實資源監控之系統 | |
| Pushpa et al. | Using fog computing/edge computing to leverage Digital Twin | |
| Oliveira et al. | Industry focused in data collection: How industry 4.0 is handled by big data | |
| TWI651667B (zh) | 一種虛實網路資源拓樸之介面系統 | |
| Klar et al. | Assessing the maturity of digital twinning solutions for ports | |
| Shilenge et al. | Optimization of Operational and Information Technology Integration Towards Industry 4.0 | |
| Wanasinghe et al. | Industry 4.0 based process data analytics platform | |
| KR102545221B1 (ko) | 자산관리 쉘 기반의 데이터 수집 플랫폼을 이용한 aas 구축 운영 방법 | |
| Scholze et al. | Reliable self-learning production systems based on context aware services | |
| Torres et al. | Cyber-physical production systems supported by intelligent devices (SmartBoxes) for industrial processes digitalization | |
| Leitão et al. | A lightweight dynamic monitoring of operational indicators for a rapid strategical awareness | |
| Leal et al. | An architecture for power substations communication networks based on SDN and virtualization paradigms | |
| Sharma et al. | Two-tier analyzed content filtering based data management architecture in industry 4.0 | |
| Pacevicius et al. | Supporting the Application of Dynamic Risk Analysis to Real-World Situations using Systems Engineering: A focus on the Norwegian Power Grid Management | |
| Binder et al. | Using a model-based engineering approach for developing Industrial Internet of Things applications | |
| Long et al. | Enterprise service remote assistance guidance system based on digital twin drive |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |