산업장치의 예측 유지보수를 위한 기계 학습 가능 Asset Administration Shell 모델 개발

Abstract

최근 산업 자동화 장치 운용의 증가에 따라 스마트한 유지보수의 필요성이 증가하고 있다. Industry 4.0과 스마트 팩토리의 효율성 향상이 중요해지면서 미래 지향적 개념인 예측 유지보수 방법이 발전하고 있다. 효율적인 예측 유지보수를 위해 가상 세계에서 시뮬레이션을 통해 실제 장치의 문제를 미리 예측하고 예방할 수 있는 디지털 트윈의 방식을 활용하여 실시간으로 장치의 상태를 모니터링 한다. 디지털 트윈 모델은 이기종 시스템 간의 상호 운용성이 보장되어 있어야 하는데, 상호운용성을 보장할 수 있는 모델로는 자산관리쉘(AAS:Asset Administration Shell)이 있다. 그러나, 아직 예측 유지보수를 위한 AAS의 구현 사례가 존재하지 않으며, 기존의 AAS는 프로세스나 시간 관리 중심의 정보를 관리하였기 때문에 유지보수에 필요한 정보 부족하다는 어려움이 존재한다.

따라서, 본 논문에서는 예측 유지보수를 위한 AAS 기반 디지털 트윈 모델을 기계 학습 알고리즘을 사용하여 구현한다. 또한, 구현한 AAS를 바탕으로 유지보수에 들어가는 비용을 산출하는 최적화된 과정을 설명한다. 제안된 방법은 오픈 소스 데이터를 사용하여 데이터베이스에 저장하여 실시간으로 AAS에 데이터를 전송할 수 있게 하고, 유지보수에 필요한 정보별 서브 모델을 구성하고 eCl@ss 표준 코드를 부여하여 AAS를 구축한다. 사례에서는 유지보수 방법별 비용을 비교하고, 생성한 AAS 안에 서브모델 구성 요소들을 사용하여 유지보수 작업에 사용되는 비용을 도출하여 제안된 방법을 구현한다.