자동화 시대가 시작되었을 때, 제조업체는 모든 프로세스 단계에서 로봇 공학을 사용하고자 했습니다. 이로 인해 생산성과 생산량이 향상되었지만, 생산 공정의 결과는 일정하지 않았습니다. 엔지니어는 자동화로 무결점을 내지 못하는 이유에 대해 고민했지만, 생산 관리자는 통계 데이터를 계산 리소스로 직접 코딩하여 일정, 재고, 유지 보수 및 에너지 비용을 관리하고 계획했습니다.
IIoT(산업용 사물 인터넷)는 Industry 4.0을 도입하면서 네트워크 디지털 정보, 네트워크 정보 처리 및 네트워크 제어를 통해 운영을 최적화할 수 있는 솔루션을 제공했습니다. IIoT의 "사물"은 일반적으로 장비에 내장되거나 다양한 프로세스 흐름 지점에 추가되는 센서입니다. 이는 Industry 4.0과 관련하여 최적화된 운영을 지원하는 네 가지 기본 요소 중 하나입니다.
센서로 인식 향상
규모에 맞게 구현된 센서는 실행 가능한 새 통찰력을 사용하여 많은 운영 영역을 개선할 수 있도록 계산 성능에 정보를 제공합니다. 다음과 같은 중요한 역할을 담당합니다.
유연성 및 응답성 향상: 센서 정보는 JIT(Just-in-Time) 프로세스 사용을 최적화하는 데 필요한 즉각적인 인식을 구축하는 동시에 직원이 모든 운영 지점에서 변경 사항과 요구 사항을 숙지하도록 합니다.
장비 가동 중지 시간 단축: 센서를 통해 장비를 자체 모니터링하여 유지 보수 요구 사항을 예측하고 자가 보정을 통해 설치, 구성 및 유지 보수 비용을 절감할 수 있습니다.
수익률 증가: 센서는 품질 보증을 돕기 위해 제조 작업이 끝날 때 외에도 프로세스 흐름 전반에 걸쳐 제품을 "검사"하여 품질 관리를 수행할 수 있습니다. 또한 다양한 프로세스에 필요한 만큼의 재료만 사용할 수 있으므로 낭비를 최소화할 수 있습니다.
규정 준수 입증: 센서 데이터는 다양한 표준뿐만 아니라 GMP(우수 제조 관리 기준)과 관련된 여러 규정 준수를 입증하는 데 사용될 수 있는 감사 가능한 추적을 생성합니다.
새로운 프로세스 및 비용 구조 개발: 과거 센서 데이터를 분석하면 프로세스를 더욱 최적화할 수 있는 방법을 이해할 수 있습니다. 또한 프로세스 및 재료 수준에서 비용에 대한 통찰력을 제공하여 보다 효율적인 프로세스를 개발하거나 다른 곳에서 단위당 비용을 조정할 수 있습니다.
센서 유형
위에 설명된 이점이 구현된 여러 센서 유형이 있습니다. 제조 산업에서 가장 일반적인 센서는 다음과 같습니다.
- • 유량 센서는 파이프를 통해 프로세스 챔버로 공급되는 유체의 유량을 측정합니다(예: 리플로우 솔더링 기계).
- • 힘 센서 또는 로드 셀은 로봇 암으로 안전한 그립을 보장하고 재료 용기를 다시 채워야 할 시기를 측정하는 것과 같은 용도로 하나 이상의 축에 가해지는 힘을 측정합니다.
- • 습도 센서는 청정실이나 재고 보관실과 같이 습도 조절이 필요한 곳에 사용됩니다.
- • 이미지 센서는 산업용 카메라 시스템의 일부로 검사, 프로세스 제어, 워크플로 관리, 로봇 안내 시스템 및 추적 애플리케이션에 사용됩니다.
- • 레벨 센서는 탱크, 용기 및 그릇의 자재 수량을 실시간으로 측정합니다.
- • 위치 센서(각도 및 선형)는 이동 거리를 감지하며 부품의 배치, 검사, 포장 및 정렬을 돕기 위해 로봇 공학 및 컨베이어에 사용됩니다.
- • 근접 센서는 로봇이 처리할 물체의 근접성 또는 안전상의 이유로 작업자와 장비의 근접성을 측정합니다.
- • 온도 센서(IR 센서 포함)는 중요한 프로세스 온도 및 기계 상태를 감지하는 데 사용됩니다.
가속도계, 입자 계수기, 전류 또는 전력계, 진동 센서 및 초음파 마이크와 같은 추가 센서를 사용하여 장비 상태를 모니터링하거나 예측할 수 있습니다. 따라서 스마트 공장은 밀리초 간격으로 데이터를 생성하는 인식 향상 장치로 채워져 있습니다.
스마트 센서를 통해 분산된 인텔리전스
센서 기반의 최적화 작업에서 지속적으로 데이터를 생성하려면 프로세스 제어 매개 변수와 안전에 중요한 측정값이 실시간 또는 거의 실시간으로 처리되고 나머지는 더 긴 시간 창에서 분석되도록 정보의 차별화 및 우선 순위가 지정되어야 합니다. 또한 산업용 이더넷 또는 5G 네트워크를 통해 단일 프로세스 스테이션에서 몇 밀리초마다 10~30개의 데이터 요소를 생성할 수 있는 데이터 센터로 모든 데이터를 이동하는 것이 대부분 불가능합니다.
스마트 센서는 내장된 컴퓨팅 리소스, 머신 러닝(ML) 알고리즘 및 인공 지능(AI)으로 이를 해결합니다. 따라서 즉각적인 조치가 필요한 정보는 센서 노드에서 빠르게 처리할 수 있으며, 업스트림 또는 다운스트림 조건과 결합하여 심층 분석을 통해 이점을 얻는 데이터를 데이터 센터 또는 하이브리드 클라우드에서 처리할 수 있습니다. 또한 내장형 AI는 센서 자체의 성능을 인식하여 데이터의 손상 인스턴스를 줄이고 센서 오류가 발생하기 전에 손상을 경고할 수 있습니다.
피드백 루프 구현
고급 센서와 센서 모듈이 내장된 컴퓨팅 리소스와 결합하면 원시 데이터를 지능적인 실시간 의사 결정 및 작업으로 변환할 수 있습니다. 이를 통해 앞에서 언급한 제조 불일치에 대한 프로세스 변동에 대한 통찰력을 무기화하여 프로세스를 훨씬 더 효과적으로 제어할 수 있습니다.
제조 과정의 초기 변화에 영향을 미치기 위해 다운스트림 프로세스 및 장비 정보를 업스트림에 피드백하면 수익율을 크게 향상할 수 있습니다(그림 1).
그림 1: 임계 치수(CD)의 변동을 줄이기 위해 업스트림 리소그래피와 다운스트림 에칭 프로세스 간의 자동화된 피드백 루프 가능성을 나타내는 블록 다이어그램입니다.
그림 1에 표시된 피드백 루프는 거의 모든 제조 프로세스에 적용할 수 있습니다. 예를 들어, 인쇄 회로 기판(PCB)을 채울 때 일반적으로 제조업체는 리플로우 솔더링 프로세스 전후에 산업용 카메라를 자동화된 광학 검사 시스템(AOI)에 배치합니다. 리플로우 전 AOI는 솔더 페이스트 증착 및 장치 배치 오류를 감지하며, 리플로우 오븐 후 AOI는 수정이 성공했는지 확인합니다.
이러한 피드백 루프는 자동화되면 온도 및 습도와 같은 제조 조건 또는 재료, 공정 가스 또는 압력의 미세한 변화로 인한 프로세스 조건의 미세한 변화로 인한 불확실성을 없앱니다. 그 결과 생산량의 일관성이 보장될 뿐만 아니라 프로세스 최적화를 개선하고 생산 방식의 변경 사항을 개선하여 빠르게 조정할 수 있습니다.
Quality 4.0을 향한 기대
품질 검사 및 품질 관리(QC)는 항상 제조의 일부였지만, 기업들은 센서와 AI로 지원되는 스마트 제조를 통한 무결점을 기대하지 않았습니다. 1960년대 중반에 소개된 품질 관리 용어이지만, 스마트 센서가 만든 디지털 인식 덕분에 이 개념은 부분적으로 무결점 이니셔티브로 다시 태어나고 있습니다.
또한 Quality 4.0은 피드백 루프 시스템을 즉시 제조 현장에서 재고 및 현장 관리, 심지어 파트너 제조 사이트로 확장하여 결함을 제거하기 위한 득점 카드 기반의 초기 시도를 취하고 프로세스 수명 주기 전체에 걸쳐 자재 및 제품을 추적합니다.
무결점은 희망 목표이지만 Quality 4.0을 통해 더욱 달성할 수 있을 것으로 보입니다. 이 프레임워크는 Industry 4.0의 스마트 센서 기반을 기반으로 합니다.
지금 가장 가까운 Arrow 담당자에게 문의하여 센서를 사용하여 운영을 최적화할 수 있는 방법을 문의하십시오.
