빅데이터 분석과 IIoT 도입을 고려하고 있다면, 실제 적용 사례를 살펴보아라. 이는 매우 유용한 정보를 안겨 줄 것이다.
오늘날 IIoT 적용 사례에 대해 찾아보고 있지만, 다수의 기업들이 탐낼 만한 싱글 적용 사례는 없다. 대신, 에너지, 신뢰, 품질, 생산 등 다양한 산업 영역의 전통적인 드라이버에 꽤 고르게 퍼져 있는 것을 알 수 있다.

적용 사례를 현재와 일년 뒤를 비교해 보았을 때 몇 가지 흥미로운 사실이 있다. 첫 번째로, 원격 모니터링은 변함없는 핵심요소라는 것이다. 두 번째로, 에너지 효율성은 쉽게 딸 수 있는 과일 같아 보이며 내년보다는 올 해 추진될 가능성이 높아 보이는 것이다. 마지막으로 비즈니스 변화의 시작은 장기적 적용 사례로 보여지며 올해보다는 내년에 더 추진 될 가능성이 높다.

많은 산업 기업들이 이전에 간과했던 일부 사용 사례를 활용하기 위해 IIoT 기술을 찾고 있다고 하지만, 데이터에서 보여지듯 대부분의 기업들은 이미 기존의 것들로 IIoT를 대신하고 있다. 이로 인해 많은 사례에서 품질, 제조 그리고 신뢰의 문제를 일으켰고, 수 년간 조직들을 안일한 생각에 전염시켰다.
이런 특별한 적용 사례를 포함한 예를 들면
- 완제품과 기능 테스트 때 야기된 품질 관련 문제 - 엔지니어링과 제조가 너무 빡빡 하거나 느슨하여, 불량품을 생산하거나 고객들로부터 좋은 제품 유지가 어렵게 만드는 것 - 부품 공급, 제조 과정, 환경 조건 그리고 고객 사용 시나리오 등 당장 명확하지 않은 관계와 시스템 문제 때문에 예상치 못 한 다운타임이 발생함

이와 같은 이전의 적용 사례들은 판매자산을 처리할 수 있는 능력과 추가 연결 서비스 가치 제공과 같은 이후의 변화에 영향을 주었다.

운이 좋게도, 이러한 적용 사례의 진행 때문에, 산업 기업들은 새로운 데이터 소스와 함께 시간을 가지고 시작할 수 있게 되었다. 아래의 그래프에 나타나듯이, 대부분의 기업들은 MES와 PLC 데이터 수집을 통해 원만하게 시작을 잘 할 수 있었다. 그리고 이 과정이 성숙해짐에 따라 스마트 디바이스로부터 데이터를 추가 할 수 있게 되었다.

놀랍게도, 대부분의 회사가 관습적이지 않은 데이터 소스로부터 데이터를 폭넓게 수집하고 있지 않지만, 이미 제3의 기업들은 데이터의 흐름에 비관습적, 비계층적으로 접근하고 있다. 비록 기업들이 정보 시스템 계층의 기존 컨트롤을 제거하거나 대체하지 않았지만, 많은 기업들이 최소한 제한된 기능일지라도 클라우드 아키텍처에 게이트웨이를 도입하기 시작하였고, 더 상위 레벨의 기업 어플리게이션과 분석 페키지에 IIoT 데이터를 전송하기 시작하였다.

이 정보의 흐름이 게이트웨이와 클라우드를 통해 게이트웨이의 사이드 “thing”에서 기존 자동화 장비나 또는 센서와 연결의 부차적 시스템을 통해 직접적으로 연결이 가능한 지는 두고 봐야 할 일이다. 이 두 가지 모두 산업 기업의 실험으로 가까운 미래에 지속되는 것에는 찬반 양론이 존재한다.

한 가지 혼란스러운 것은 센서-게이트웨이-클라우드로 솔루션으로부터 들어오는 데이터는 측정 데이터 핵심인데, 이는 컨트롤 시스템 안에서 이미 수집되어졌지만, 컨트롤 시스템의 상황정보가 상당히 부족하다는 것이다. 그러나 반면에, 이런 새로운 센서 기반 솔루션은 센서로부터 들어오는 새로운 데이터의 가치를 전달하고, 기존의 자동화 솔루션 보다 더 빠르고 쉽게 가시화하고, 긍정적인 단기 ROI를 제공하는데 초점이 맞추어져 있다는 것이다.

새로운 데이터 소스와 시스템이 온라인으로부터 옴으로써, 데이터 소유와 공유는 매우 중요한 문제가 되었다.
여기에 대해 가장 중요한 질문은 “누가 이 새로운 기계 데이터를 소유하고 있는가? 디바이스 제조사들인가? 사용자인가?”이다. 흥미로운 것은 시장은 이에 대해 극명하게 의견이 나뉘고 있지만, 당분간은 이에 대해 판결이나 확답이 필요 없다는 것이다. 하지만, 몇 가지 요점들은 명확해지고 있다.

1. 고객들이 데이터를 소유하고 있지 않다면, 그들은 가공되지 않은 데이터에 굳이 돈을 지불하지 않을 것이다. 대신, 그들은 데이터 공유를 통해서만 가능한 가치 있는 서비스에 돈을 지불할 것이다. 2. 기계 사용에 관해서는 두 가지 예가 있다. 만약 컴프레스 에어처럼 기계를 사용함에 있어 차별화된 경쟁력이 없다면 이는 별다른 문제가 되지 않을 것이다. 하지만, 만약 CNC 기계나 오일 산업 서비스 장비 같이 차별화된 경쟁력을 야기하는 것이라면, 이를 사용하는 이가 데이터의 소유권을 더 주장 할 수 있을 것이다.

이 번 조사를 하면서 분석 전문가에 관한 가장 놀라웠던 결과는, 시장의 40%에 가까운 곳에서 이미 필요한 분석전문가를 보유하고 있다고 믿는 것이었다.



하지만, 위의 도표에서 보여 지듯, IIoT 사용 사례, 새로운 데이터 소스, 그리고 변화하는 시스템 아키텍처에 관해서 대다수의 산업 기업은 실질적으로 적절한 분석전문가를 보유 하고 있지 않는 것 같다.

사실, 위의 질문에서도 볼 수 있지만, 대다수의 산업 기업은 그저 구조화된 데이터 설정에 대한 서술 분석을 하고 있었지, 빅데이터를 활용한 예지, 보전 분석은 아니었다.

부족한 이해를 좀 더 명확하게 하기 위해서, 산업 기업은 적절한 기술과 프로세스 및 훈련에 투자를 해야 하고, 이 둘 중에서 적절한 기술의 투자에 비중을 좀 더 줘야 한다. 식스시그마와 린을 지속적 성장 계획의 구조 속에 만들고 적절한 금융 모델링, 프로세스 최적화 그리고 통계전문가 없이 다양한 분석을 줄였던 것처럼, 하둡이나 머신 러닝 같은 빅데이터 툴을 데이터 과학자들이 아닌 현장 전문가들이 접근할 수 있도록 설치되어야 한다.

앞서 언급되었던 LNS 리서치의 eBook “Smart Connected Operations: IoT의 비즈니스 가치 획득”에서 우리는 IIoT 플랫폼 기술에서 전통적인 계층 모델을 평평하게 해야 한다고 강조하였다. 이 조사를 통해 처음으로 변화 발생의 방대한 증거를 보았고, 여기에는 몇 가지 핵심적인 변화가 포함되어 있다.
컨트롤 시스템 계층의 변화는 분산 컨트롤러와 집중화 컨트롤러의 하나로부터 스마트 연결 자산이 가능한 실제 분산 컨트롤로 움직인다.
MES의 변화는 스마트 연결 운영을 위해 통합되고 최적화 플랫폼이 된다. 단순히 실행과 이행을 위한 미들웨어 단계를 통합하고 분석하는 것이 아니다.
기업 어플리케이션의 변화는 운영의 맵핑을 하는 것에 가까워 졌지, 회계 모델, 운영데이터를 사용한 유연성 있는 작업 그리고 거래 데이터의 구조화를 위한 것이 아니다.
어플리케이션들과 분석들을 융합하여 새로운 것을 만들어 내는 것은 빅데이터를 어디에서나 가능하게 만들었고, end-to-end 가치 사슬 프로세스를 지원할 수 있게 한다.






원본: How Manufacturing System Architecture Is Being Transformed by LNS Research
번역: 김수진 선임연구원
편집: 김수진 선임연구원