수집 및 처리해야 하는 데이터의 양이 증가하면 그에 맞는 활용 방안을 적용해야 합니다. 기존의 시스템에서 처리하기 어려운 빅데이터를 활용하기 위해서는 기존의 시스템과는 다른 접근법이 필요합니다. 제조 공정에서도 취득하는 데이터의 수가 많아짐에 따라 AI를 도입해 처리 속도와 판단 능력을 올리는 것이 중요합니다.
빅데이터의 의미와 과제
처리하는 데이터가 증가하면 데이터 양을 고려해 설계하지 않은 일반 시스템으로는 처리 도중에 정지하거나 허용할 수 없을 정도로 처리에 긴 시간이 걸릴 수 있습니다. 이러한 현상을 초래하는 부하가 큰 데이터를 ‘빅데이터’라고 합니다. 빅데이터는 처리량이 적은 일반 시스템과는 다른 접근법으로 데이터를 처리해야 합니다.
스마트 팩토리에도 IoT가 본격적으로 도입됨에 따라 기존 빅데이터 처리 문제 외에도 새로운 문제가 생기고 있습니다. 실시간 감시의 경우 실시간 응답이 요구됩니다. 날짜, 시간 정보를 IoT 시스템 전체 프로세스 중 어디에서 부여 하느냐에 따라 날짜 및 시간의 신뢰성이 달라집니다. IoT 시스템은 데이터의 전달 순서가 데이터의 발생 순서와 어긋나는 경우가 있어 AI로 학습시키는 경우 이 점을 고려해야 합니다.
IoT 빅데이터 처리는 작업자가 아니라 AI를 활용
IoT 빅데이터는 데이터 과학자가 대상이나 기간을 한정해 분석할 수 있습니다. 하지만 일반적인 구성의 시스템에서도 누락되는 것이 빅데이터 처리입니다. IoT화한 모든 관리 대상을 순차적으로 작업자가 확인하는 것은 비현실적이며 IoT 빅데이터 처리르 AI를 통해 수행하지 않고 모니터링 및 판단 업무를 작업자가 하면 자동화 사이클을 구성할 수 없습니다.
빅데이터를 AI로 판단해 피드백 한다
디지털 데이터 기반의 스마트 팩토리 구축을 위해 IoT나 태블릿 PC 등을 이용한 작업 기록 입력 시스템을 구축해 현장 상황을 ‘가시화’ 한 후 발생하는 문제는 빅데이터에서 처리합니다. 데이터 양은 향후 늘어날 수는 있어도 줄어드는 것은 생각하기 어렵습니다. IoT에 AI를 결합하는 것으로 현장에서의 피드백을 자동화 하고 예외 대응만 작업자가 실시하도록 시스템을 구성해야 합니다. 이렇게 함으로써 작업자는 AI로 감지되는 이상 징후를 해결하거나 중요한 문제에 집중할 수 있습니다.