Requirement Analysis and Conceptual Design for a Cybrid Virtual Plant System

<응용논문> pISSN 1226-0606 eISSN 2288-6036

Cybrid 가상플랜트 시스템 요구사항 분석과 개념적 설계

이재현

^1†

²

1

²

Requirement Analysis and Conceptual Design for a Cybrid Virtual Plant System

Jae Hyun Lee

^1†

²

1

2

Received 28 August 2015; received in revised form 8 October 2015; accepted 8 October 2015

ABSTRACT

Cybrid virtual plant concept is defined as a cyber plant mimicking a physical plant by using plant engineering data and sensor data coming from sensors attached to facilities of the physi- cal plant. Cybrid virtual plant is a new concept for plant industry so that plant managers and operators’ requirements need to be captured for systematic application of the concept to the plant industry. The paper proposed an architecture of the cybrid virtual plant, and provided requirement analysis results for a specific plant company. A database, named smart-cube reposi- tory, for the proposed cybrid virtual plant is also proposed and its conceptual data structure is described.

Key Words: Cybrid virtual plant, sensor-based virtual plant, plant requirements

1. 서 론

한국 플랜트학회 EPC 기술위원회의 자료

^[1]

플랜트의 라이프사이클에서는 다양하고 정보들

이 생성되고, 이들은 상호간 복잡한 관계들을 갖 는다. 플랜트 설계 단계에서 계통흐름도, 배관 및 계측도면(P&ID), 공정패키지 사양서, 설명서, 기 술사항 계약서, 플랜트 상세 설계문서 등이 방대 한 양의 설계 문서들이 만들어진다. 플랜트의 조 달 프로세스에서는 플랜트 기자재로 주로 주문생 산제품이 사용되므로 공급망 관리 관련정보들 외 에도 협력업체의 설계 사양서와 기술검토서 등이 만들어지고, 설계 정보에 변경이 생길 경우 관련 된 모든 기자재 제작 변경이 이루어져야 한다. 시 공 프로세스에서는 물리적 플랜트를 건설한 후 시 험운전을 하게 되고, 이 때 플랜트가 요구 사양을 모두 만족하는지 확인하게 된다. 플랜트 설계 정

†Corresponding Author, jaehyun.lee@daegu.ac.kr

©2015 Society of CAD/CAM Engineers

보는 설계 단계에서뿐만 아니라 플랜트 운전과 유 지보수 단계에서도 필요로 한다. 플랜트를 운영하 다 보면 설비나 구조물에 대한 유지보수를 수행하 게 되는데, 플랜트 설계 사양을 만족하도록 유지 보수를 해야 하기 때문이다.

플랜트 운전과 유지보수의 비용과 생산효과 최 적화를 위해서는 플랜트 시뮬레이션을 시도해야 한다

^[2]

^[3]

본 논문에서는 Cybrid 개념을 플랜트 유지보수 활동에 적용시키는 Cybrid 가상플랜트 접근방법 을 제안한다. Cybrid 개념은 물리적 시스템을 모 방한 가상 시스템을 만들어 여러 가지 시뮬레이션 을 해볼 수 있는 것이다. Cybrid 개념을 플랜트에 적용하면 물리적 플랜트를 모방한 가상플랜트를 만들고, 물리적 플랜트 설비와 공정의 센서 데이 터를 가상플랜트와 연결하여 플랜트 운영자는 가 상플랜트를 통해 물리적 플랜트 상황을 모니터링 할 수 있게 된다. 또한, 물리적 플랜트에 설치된 여 러 센서 데이터의 분석을 통해 공정 운전 시뮬레 이션 및 공정 및 설비의 이상상태를 사전에 예측 할 수 있는 기능을 부여한다.

본 논문의 구성은 다음과 같다. 2장에서는 센서 기반 가상플랜트와 관련된 기술동향과 관련 연구 들을 분석한다. 3장은 Cybrid 가상플랜트 접근방 법의 주요 기능들을 설명한다. 4장에서는 Cybrid 가상플랜트 접근방법이 국내 플랜트 업체에 적용 이 가능한 방법인지 알아보기 위하여 국내 한 정 유업체의 경영진과 플랜트 현장 실무진의 요구사 항을 조사한 결과를 논의한다. 5장에서는 Cybrid 가상플랜트를 구현하기 위해 필요한 플랜트 통합

데이터베이스와 지식베이스의 아키텍쳐를 설계한 결과를 소개하고 기대효과를 설명한다. 마지막으 로 6장에서는 결론과 향후 연구방향을 제시한다.

2. 기존 연구

플랜트 운영단계에서 플랜트 공정 운전과 플랜 트 설비 유지보수 활동들은 서로 영향을 주고 받 는다. 상호 간에 어떤 영향을 주고받는지 이해하 기 위하여 기본적인 플랜트 유지보수 활동을 소개 한다. 그리고, 기존의 플랜트 설비 최적화 접근방 법들과 플랜트 O&M(Operation and Maintenance) 최적화를 위한 IT 기술들을 살펴보고, 플랜트 운 전과 유지보수 활동들을 종합적으로 고려한 시스 템적 접근방법의 필요성을 설명한다.

2.1 플랜트 유지보수 활동 소개

플랜트 설비 정비활동은 크게 시간기준의 정비 활동과 상태기준의 정비활동으로 구분할 수 있 다

^[4]

상태기준의 정비활동

^[5]

계(펌프, 압축기 등)들이 상태기준의 정비활동 대 상이 된다.

2.2 플랜트 O&M 최적화를 위한 IT 동향 플랜트의 구성요소들인 설비, 공정, 구조물들 간 의 상태를 종합적으로 고려하기 위해서는 각 구성 요소들의 상태를 확인할 수 있는 센서들이 필요하 고, 센서에서 측정한 데이터들을 네트워크를 통해 실시간으로 수집이 가능해야 한다. 또한, 수집된 센서데이터들을 분석하여 이상상태를 예측할 수 있는 데이터 분석 능력과 이를 가시적으로 작업 자/사용자에게 알릴 수 있는 데이터 가시화 능력 이 요구된다.

최근 제조업을 중심으로 공장 내에 여러 센서들 을 설치하여 에너지 효율을 높이고, 다품종 대량 생산을 목적으로 하는 스마트 공장

^[6]

^[7]

^[8]

플랜트 영역에 CPS 개념을 접목 시킨다면, 플랜 트의 센서데이터를 활용하는 데이터 분석 능력과 큰 규모 플랜트의 상태를 작업자/사용자에게 직관 적으로 전달할 수 있는 데이터 가시화 능력을 모 두 중요시하는 Cybrid 개념이 더욱 효과적이다.

Cybrid

^[9]

Cybrid 개념을 플랜트에 접목시킨다면 물리적 플 랜트와는 별도로 가상의 플랜트를 만든 후, 물리 적 플랜트가 운영되는 모습을 담은 센서데이터를 가상플랜트에 반영한다. 이렇게 만들어진 가상플 랜트는 물리적 플랜트에서 수행하기 힘들었던 여 러 시뮬레이션들을 수행하는데 활용될 수 있다.

2.3 센서 데이터 기반 설비유지보수 접근방법 플랜트 설비 유지보수 활동의 비용과 효과의 최적화 관점에서 보면 고장이 발생한 후의 유지 보수활동보다는 고장이 발생하기 이전에 적절한 예방정비활동으로 최대의 유지보수 효과를 내야 한다. 플랜트 주요설비의 고장을 사전에 감지하 기 위해서는 설비에 부착된 센서 데이터를 활용

한다. 설비의 센서데이터를 바탕으로 예방유지보 수 계획을 생성하는 방법들

^[3]

하지만, 설비의 고장 가능성을 예측하는 것은 단 순히 해당 설비의 센서 데이터만으로는 어려움이 있다. 보통 중요 설비들은 플랜트 상황에 맞게 맞 춤제작 되는 경우가 많아 표준적인 고장예측 모델 을 만들기 어렵다. 또한, 중요 설비들은 공정 상에 서로 연결되어서 다른 설비들의 상태에 따른 영향 을 주고 받으며, 공정운전 조건이 바뀜에 따라 수 명이 일정하지 않다. 센서데이터의 이상패턴을 바 탕으로 설비의 이상 징후를 판단하기 위해서는, 설 비뿐만 아니라 그 설비에 연결된 다른 설비들과 배관, 구조물, 그리고 공정의 운전조건 변화 등을 종합적으로 고려해야 한다. 기존에 여러 센서데이 터들을 종합적으로 고려하여 설비의 고장을 예측 하기 위한 연구

^[3]

3. Cybrid 가상플랜트 접근방법과 아키텍쳐

Cybrid 개념을 플랜트에 적용시킨 것을 Cybrid 가상플랜트라 정의한다. 플랜트는 공정 운전 및 설 비의 유지보수를 위해 여러 센서들을 플랜트에 설 치하고 데이터를 수집하고 있다. 수집된 센서 데 이터들을 분석하여 공정의 문제나 설비의 이상상 태를 사전에 예측할 수 있다면 플랜트 규모에 따 라 경제적 효과가 매우 커진다. Cybrid 가상플랜 트는 공정의 문제나 설비의 이상상태를 예측함에 있어서 한 두 개의 센서 데이터가 아니라 공정과 설비의 연결 관계에 포함된 모든 센서 데이터들을 분석하여 공정 문제와 설비 이상상태를 사전에 예 측하는 것을 목표로 한다. 또한, Cybrid 가상플랜 트는 공정 문제와 설비 이상상태를 가상플랜트에 시각화 함으로써 플랜트 관리자가 직관적으로 유 지보수 업무를 수행할 수 있도록 도와주는 것을 목표로 한다.

Fig. 1은 Cybrid 가상플랜트가 현재의 플랜트에 적용됨으로써 어떤 기능들이 보강될 수 있는지 보 여주고 있다. 대표적인 추가 기능들은 1) Handover DB 구축 자동화, 2) 플랜트 통합 데이터베이스, 3)

공정 및 설비 유지보수 종합적 최적화, 4) 플랜트 상태 가시화 기능들이다. 앞서 설명한 Cybrid 가

상플랜트의 주요 목표들은 3) 공정 및 설비 유지 보수 최적화와 4) 플랜트 상태 가시화 기능에 해 Fig. 1 As-Is v.s. To-Be processes of the Cybrid virtual plant operation and management

Fig. 2 A system module architecture of the Cybrid virtual plant

당한다. 이 기능들이 실현되기 위해서는 센서데이 터를 종합적으로 분석할 수 있는 데이터베이스와 플랜트를 가시화 하기 위한 플랜트 설계 데이터가 필요하다. 따라서, 1) Handover DB 구축 자동화와 2) 플랜트 통합 데이터베이스는 Cybrid 가상플랜 트가 실현되기 위한 필수조건이라 할 수 있다.

상용 플랜트 정보시스템은 크게 플랜트 설계 및 건설에서 사용되는 PLM(Plant Lifecycle Management) 시스템과 플랜트 운영단계에서 사 용되는 CMMS(Computerized Maintenance Manage- ment System)으로 구분할 수 있다. 상용 PLM 시 스템으로는 Intergraph

^[10]

^[11]

^[12]

^[13]

^[14]

^[15]

Cybrid 가상플랜트 시스템은 기존 PLM과 CMMS 상용 시스템 간의 데이터 공유 문제를 Handover DB 구축 자동화로 해결하려는 목표와 공정/기기/

구조물 등 플랜트에 설치된 여러 센서들을 종합적 으로 분석하여 플랜트 유지보수 활동을 개선하는 것을 목표로 하고 있다.

본 연구에서 제안하는 Cybrid 가상플랜트 아키 텍쳐는 Fig. 2와 같다. 기본적으로 플랜트에 구축 되어 있는 설계, 운전 및 유지보수 정보시스템을 활용할 수 있는 인터페이스와 플랜트에 설치되어 있는 센서들로부터 센서데이터를 수집할 수 있는 인터페이스가 필수적이다. 수집된 센서데이터와 플랜트 데이터를 저장할 수 있는 데이터베이스 층 이 있어야 하고, 그 위에 종합적 데이터 분석을 할 수 있는 스마트큐브와 지식저장소를 포함한 가상 플랜트 플랫폼 층이 있어야 한다. 가상플랜트 플 랫폼을 바탕으로 공정 최적화와 기기 및 구조물 유지보수 최적화와 같은 여러 어플리케이션들이 얹어질 수 있다. 또한, 플랜트 관리자에게 플랜트 의 상태를 시각적으로 보여주고 컨트롤 기능을 제

공하는 플랜트 가시화 층이 있어야 한다. 플랜트 데이터베이스와 가상플랜트 플랫폼 층에 대해서 는 5장에서 상세히 설명한다.

4. 플랜트 요구사항 수집과 분석

센서기반 가상플랜트 개발 접근방법을 한 국내 정유회사의 경영진과 실무진들에게 소개하고 플 랜트 현장 실무 활용 가능성과 요구사항들을 조사 해 보았다. 요구사항들은 크게 7가지로 정리할 수 있었으며, 센서기반 가상플랜트 아키텍쳐 구성요 소에 따라 Table 1과 같이 정리할 수 있었다.

파이프 구조 건전성 모니터링: 플랜트에는 여러 가지 다양한 파이프들이 존재하는데, 설비의 구조 및 배치와 공정의 특성에 따라 파이프의 모양이 설계된다. 다양한 사이즈로 만들어질 뿐만 아니라 구조적으로 구부러진 형태를 갖게 되는데, 파이프 를 통해 흘러가는 유체의 특성과 사용 시간에 따 라 파이프의 부식 또는 연결부위가 느슨해지는 문 제가 생기기도 한다. 파이프의 구조건전성 문제는 대부분의 문제점들이 파이프 내부에서 발생하기 때문에 외부에서 구조적 문제가 진행되는 상황을 파악하기 어렵다는데 있다. 피파괴 검사장치를 이 용해 파이프의 부식을 파악하는 방법이 있으나, 이 는 사용자가 구조적 문제를 인식한 후에 취하는 접근방법이다. 따라서, 지속적으로 문제가 생길 수 있는 부분의 진동이나 온도, 압력 등을 감시하고 파이프의 구조적 문제를 Fig. 3과 같이 가시화하 여 작업자에게 제공한다면 심각한 위험이 발생하 기 전에 유지보수가 가능할 것이다.

플랜트 도면과 3D 모델 연동: 플랜트 가시화 도 구가 설비를 3D 형태로 제공하고 설비의 각 센서 데이터와 설비 유지보수 상태 정보를 제공한다고 하더라도, 기존에 사용 중이었던 PFD(process flow

Table 1 A requirement analysis for plant managers and operators

아키텍쳐 요소요구사항

플랜트 가시화  특정 파이프에 대한 구조건전성 모니터링 필요

 플랜트 운영자 교육을 위한 플랜트 도면과 3D 모델 연동 데이터 분석 기반

어플리케이션  운전 전후 상황을 고려한 설비고장 조기경보 시스템 필요

 시스템 또는 부품 수준의 설비 유지보수 예측 기능 필요 플랜트 통합

데이터베이스  EPC 데이터의 유지보수 단계 활용을 위한 Handover DB 구축 자동화 필요

 플랜트 유지보수 정보시스템과 현장 데이터의 통합 필요

센서 데이터  공정, 설비, 구조물 센서데이터를 종합적 분석할 수 있는 통합 DB 필요

diagram) 또는 P&ID(Piping and Instrumentation Diagram)과 같은 플랜트 2D 도면을 완전히 대체 하기는 어려울 것이다. 기존의 엔지니어에게 친숙 한 플랜트 도면과 새로운 기능을 갖춘 플랜트 3D 가시화 모델이 연결되어야 엔지니어가 필요한 정 보를 손쉽게 찾을 수 있다. Fig. 4는 플랜트 2D와 3D 설비모델과 현장 설비 데이터가 함께 표시되 는 가상의 화면을 설명한다. 2D 또는 3D 화면에 서 관심 있는 센서를 선택하면 그 데이터가 표시 되며, 다른 화면에서도 동일한 센서가 강조표시 되 도록 한다. 최근 플랜트 PLM 솔루션들은 대부분 이와 같이 플랜트 도면과 3D 모델이 연결되는 기 능을 제공한다. 이상적으로는 플랜트 설계 단계에 서 제작된 3D 모델과 2D 도면을 활용하면 되지 만, 기존의 플랜트 업체들 중 3D 모델이 없는 경 우가 대부분이라 별도의 3D 모델을 만들어야 하

는 어려움이 있다. 또한, 설계 단계에서 제작된 3D 모델은 설계 관련 상세 정보를 담은 CAD 모델이 기 때문에 O&M 단계에서 필요로 하는 3D 모델 보다 지나치게 많은 정보를 담고 있어서 파일 크 기가 문제가 된다. 만약 3D CAD 모델이 확보 되 어 있다면, 3D CAD 모델을 가시화 3D 모델로 변 환하여 파일 크기를 줄이는 방법이 있다.

종합적 데이터분석을 통한 설비상태 진단기능:

플랜트 시설의 주요 설비들 중 모터나 컴프레서와 같은 회전기기는 진동 센서를 통해 설비 이상상태 를 조기에 발견하는 시스템을 운영하고 있다. 하 지만, 현장에서는 그 시스템의 효과가 부족하다고 느끼고 있다. 좀 더 정밀하게 설비의 이상상태를 진단할 수 있는 시스템이 필요하며, 방법적으로는 진동 센서뿐만 아니라 설비 운전 전후의 상황을 파악할 수 있는 온도, 압력, 유량, 레벨 센서 데이 터 등을 종합적으로 분석하여 설비의 이상상태를 조기 진단할 수 있는 방법 개발이 필요하다. 본 설 비상태 진단 기능은 다음에 설명할 시스템/부품 단 위의 설비상태 진단기능과 동일한 요구사항을 도 출하게 된다.

시스템/부품 단위의 설비상태 진단기능: 플랜트 의 설비들은 일반적으로 플랜트 설치 및 운영 상 황에 맞추어서 주문 제작된다. 플랜트 설비 판매 업체는 설비의 상세 구조는 기술 노출의 우려가 있기 때문에 필요한 경우가 아니라면 플랜트 운영 자에게 제공하지 않는다. 하지만, 플랜트 설비 유 지보수 과정에서는 설비 전체의 상태보다는 교환 가능한 부품들의 상태를 감시하고 싶어한다. 또한 Fig. 3 A virtual plant usage example for structure

monitoring

Fig. 4 (a) A 3D vitual plant screen example, (b) a 2D plant drawing screen example, (c) a physical plant equipment

특정 공정의 효율을 감시하기 위해 관련 설비들의 상태를 종합적으로 감시하고 싶어한다. 설비의 부 품단위 또는 시스템단위의 설비 상태 진단기능은 단순히 하나의 설비 센서만으로는 파악할 수 없 고, 설비들에 부착된 여러 센서들을 종합적으로 분석하는 능력을 필요로 한다.

Handover DB 구축 자동화 기능: 일반적으로 플 랜트 시공 후 플랜트 소유주에게 플랜트 설계 및 시공정보가 인수인계 될 때 Handover DB도 함께 전달된다. Handover DB에는 플랜트 설계 및 설치 한 설비 정보 등 플랜트 운영 시스템에 필요한 정 보들이 저장되어있다. 일반적으로 Handover DB 를 구축하는데 규모에 따라서 6개월에서 2년 정도 소요된다. DB 구축에 오랜 시간이 걸리는 이유는 플랜트 시공 중에 설계와 다르게 만들어지는 경우 수작업으로 입력해야 하고, 설계 단계에서 고려하 지 못한 플랜트 운영에 필요한 정보들을 전문가 지식에 의존하여 수작업으로 입력해야 하기 때문이다.

유지보수 데이터 통합관리 기능: 플랜트 유지보 수 정보시스템의 주요 기능 중 하나는 통합된 데 이터베이스를 통해 데이터의 정확도를 보장할 수 있다는 것이다. 플랜트 유지보수 과정에서 올바른 판단을 하기 위해서는 무엇보다 정확한 데이터가 필요하다. 하지만, 플랜트 현장에서 발생하는 모 든 데이터들을 자동으로 입력 받을 수는 없고 현 장 작업자의 입력을 필요로 하게 된다. 이 때 통합 데이터베이스에 데이터를 입력하는 일 자체가 현 장 근로자들에게 짐이 되어서는 안 된다. 작업자 가 데이터 입력 작업을 번거롭게 느끼게 되면, 현 장의 상황이 반영이 안되어 데이터베이스의 품질 이 떨어지게 된다. 실제로 실무진 대상의 요구사 항 분석과정에서 이러한 내용이 파악되었는데, 플 랜트에 설비 고장이력관리 시스템이 운영되고 있 으나 현장 데이터가 반영되지 않아서 신뢰성이 떨 어지는 문제가 있었다.

센서 네트워크를 통한 융합적 센서 데이터 분석 기능: 일반적으로 설비의 노후화는 설비의 운전시 간과 험한 운전조건에 영향을 받는다. 또한, 설비 들이 서로 연결되어 있는 경우 일부 설비 또는 부 품의 문제가 전체 설비의 문제로 확대되기도 한 다. 따라서 특정 설비의 상태를 예측하기 위해서 는 그 설비와 연관된 다른 설비들뿐만 아니라, 설 비들이 운전된 운전조건에 대한 이력도 함께 분석 해야 한다. 이처럼 다양한 센서 데이터들을 종합

적으로 분석하는 것을 융합적 센서 데이터 분석이 라 한다.

융합적 센서 데이터 분석을 위해서는 플랜트의 설비, 공정, 구조물 센서들이 네트워크를 통해 센 서 데이터를 실시간으로 전송할 수 있어야 하고, 전송된 데이터를 종합적으로 분석할 수 있는 가상 플랜트 플랫폼 데이터 아키텍쳐를 필요로 한다. 이 아키텍쳐에 대해서는 다음 장에서 상세히 설명한다.

5. 플랜트 데이터 아키텍쳐와 스마트큐브 리포지터리 설계

플랜트 실무진들의 요구사항들과 센서기반 가 상플랜트의 요구 기능들을 만족시키기 위해서는 플랜트 데이터들을 관리할 수 있는 데이터 관리 시스템이 필수적이다. 본 논문에서는 센서기반 가 상플랜트를 위한 데이터 관리 시스템을 스마트큐 브 리포지터리라 이름을 정하였고, 이 데이터 관 리 시스템은 크게 1) 데이터베이스, 2) 데이터 분 석 도구, 3) 지식저장소로 구성된다. 본 장에서는 먼저 데이터베이스 설계를 위한 플랜트 데이터 아 키텍쳐를 설명하고, 이 후에 데이터 분석을 위한 스마트큐브와 지식저장소 설계를 설명한다.

5.1 플랜트 데이터 아키텍쳐

플랜트 데이터를 종합적으로 관리하기 위한 데 이터베이스를 설계하기 위해서는 우선 플랜트 데 이터의 종류와 데이터들의 대표적인 특성을 먼저 이해해야 한다.

플랜트는 그 규모만큼이나 다양한 종류의 데이 터들이 존재하지만, 스마트큐브 리포지터리에서 플랜트 O&M을 위해 중점적으로 관리해야 하는 데이터 종류로 공정, 기기, 구조물, 그리고 플랜트 운영관련 데이터로 구분하였다. 이들 데이터 종류 들은 플랜트의 수명주기 단계(설계, 설치(시공), 운 전, 유지보수)에 따라 새롭게 추가 되거나 기존의 것이 수정보완 된다. Fig. 5는 스마트큐브 리포지 터리에서 관리해야 하는 대표적인 플랜트 데이터 들을 데이터 종류들과 플랜트 수명주기 단계에 따 라 정리한 것이다.

Fig. 5에서 설계와 설치(시공) 단계의 플랜트 데 이터들은 지속적으로 갱신되어 최종적으로 시공 이 완료되면 최종 설계 및 설치(시공) 데이터가 확 정된다. 확정된 설계 및 설치(시공) 데이터 최종본

은 Handover DB를 통해 플랜트 통합 데이터베이 스에 전달되어 플랜트 운전과 유지보수 단계에서 활용된다.

Fig. 5에서 운전단계의 공정, 기기, 구조물 데이 터 타입들을 보면 크게 센서데이터, 센서데이터를 활용 의미에 맞게 처리한 척도(Index), 그리고 여 러 척도들을 종합하여 상태를 진단한 상태진단결 과 데이터들이 포함된다. 운전 단계에서 수집되는 센서 데이터들이 다음에 설명할 스마트큐브와 지 식저장소의 데이터분석과 지식추론에 의해 각각 상태측정척도와 상태진단결과 데이터로 변환되어 플랜트 통합 데이터베이스에 저장된다.

5.2 스마트큐브와 지식저장소

데이터 큐브(cube)는 OLAP(OnLine Analytical Processing)

^[16]

플랜트 운전과 유지보수 데이터는 시간, 종류, 지식화 수준 측면에 따라 데이터 분석이 필요하 다. 이처럼 다양한 측면에 따라 플랜트 데이터를 큐브로 구성하고 데이터를 분석하는 기법을 스마 트큐브라 정의하였다. Fig. 6은 플랜트 운전과 유 지보수의 데이터들이 각각의 분석측면에 따라 어 떻게 정리될 수 있는지 보여주고 있다. Fig. 7은 스 마트큐브 데이터를 큐브 형태로 표현한 것이다.

공정, 기기, 구조물 등에 설치된 센서 데이터들 은 초 단위로 데이터가 수집되고, 이로부터 분, 시, 일, 월 단위로 종합한 데이터 분석이 필요하 다. 시간 측면에서 데이터를 분석하는 것은 수집 된 센서데이터 크기가 방대하기 때문에 꼭 필요하 다. 초 단위로 수집된 센서데이터의 양이 방대하 기 때문에 보통 6개월 이상 모든 센서데이터를 보 관하기 어려움이 있다. 반드시 필요한 데이터를 추 출하여 별도로 저장해야 하는데, 공정이나 기기의 이상상태가 발생한 센서데이터의 경우 장기간 보 관이 필요하다.

스마트큐브를 특정 시기에 따라 잘라보면(slice) 특정 시기에 운전된 플랜트의 운전조건과 공정, 기 기, 구조물의 상태, 그리고 플랜트 운전 결과를 파 Fig. 5 Plant data categories according to plant lifecycle phases and data objects

악할 수 있다. 이 때 공정, 기기, 구조물은 플랜트 설계도에 따라 서로 연결되어 있으며, 어디에 고 장이나 문제가 발생하였다면 그 파급효과를 파악

하는데 스마트큐브를 효과적으로 활용할 수 있다.

스마트큐브의 지식화 수준 측면은 센서데이터 로부터 공정, 기기, 구조물들의 이상상태를 추론 하는 과정에서 발생하는 데이터 순서를 의미한 다. 센서데이터로부터 공정, 기기, 구조물 이상상 태 추론을 위해 전처리 한 데이터를 측정척도(Index) 수준 데이터라 하고, 공정, 기기, 구조물의 이상상 태를 진단하기 위한 특정 데이터 패턴을 상태정보 수준 데이터라 한다. 그리고, 마지막으로 공정, 기 기, 구조물의 이상상태를 판단한 결과 수준의 데 이터를 의사결정결과 데이터라 한다.

지식저장소는 스마트큐브 데이터로부터 공정, 기기, 구조물의 이상상태를 판단하는 지식들을 저 장하기 위한 지식베이스이다. 이상상태를 판단하 는데 활용되는 데이터 패턴, 규칙들(Rules), 수학 적 함수들이 지식베이스에 저장된다.

Fig. 6 A plant operation and management data classification

Fig. 7 A plant data cube structure

Data objects

Data level 플랜트 운영 공정 기기 유지보수

의사결정결과 공정운전조건변경

(t

0

관련기기상태점검 (t

6

기기유지보수일정조정 (t

9

유지보수계획수정 (t

₁₀

상태정보 - 공정위험예상(t

5

8

9

자재데이터(t

9

측정척도(Index) - 센서온도증가(t

4

7

센서데이터 - 공정온도센서값

(t

₁

₂

₃

기기진동센서값

(t

₁

₂

₃

₄

₅

₆

i

5.3 스마트큐브 리포지터리 활용 가능성 스마트큐브 리포지터리를 구축한다는 것은 다 양한 플랜트 데이터들이 통합 데이터베이스에 저 장될 수 있다는 뜻이다. 스마트큐브 리포지터리는 Handover DB와 O&M 단계의 여러 플랜트 응용 도구들(공정 최적화, 설비 유지보수 최적화 등)에 활용이 가능할 것이다. 스마트큐브 리포지터리는 상용 플랜트 설계도구에서 개발된 플랜트 설계 정 보와 벤더업체들의 기자재 제작데이터, 기존의 다 른 플랜트들의 운영 지식들을 통합된 형태로 저장 할 것이다. 또한, 스마트큐브 리포지터리에 저장 되는 센서데이터들은 데이터분석 도구를 이용하 여 공정 및 기기의 문제점이나 이상상태를 예측할 수 있을 것이다. 공정, 기기, 구조물들 간에 물리 적 연결관계가 스마트큐브 리포지터리에 저장되 어 있기 때문에 플랜트의 구조적 정보와 센서데이 터 분석을 종합하면 공정이나 설비의 이상상태 예 측 정확도를 높일 수 있을 것이다. Fig. 8은 서로 물리적으로 연결된 공정과 기기가 있을 때, 스마 트큐브 리포지터리 덕분에 공정의 운전조건 변화 에 따라 기기의 이상상태가 예측되어 유지보수 일 정을 업데이트하게 되는 일련의 과정을 가상의 시 나리오로 표현한 것이다.

6. 결 론

본 논문에서는 Cybrid 개념을 플랜트 유지보수 활동에 적용시키는 시도로 Cybrid 가상플랜트 접 근방법을 소개하였다. Cybrid의 핵심 개념은 물리 적 시스템을 모방한 가상 시스템을 만들어 여러 가지 시뮬레이션을 해볼 수 있는 것이다. 이를 플 랜트 유지보수 활동에 적용하기 위해 물리적 플랜 트를 모방한 가상플랜트를 만들고, 물리적 플랜트 설비와 공정의 센서 데이터를 가상플랜트와 연결 하여 플랜트 운영자는 가상플랜트를 통해 물리적 플랜트 상황을 모니터링 할 수 있게 한다. 또한, 센 서 데이터 분석을 통해 공정 운전 시뮬레이션 및 공정 및 설비의 이상상태를 사전에 예측할 수 있 는 기능을 부여한다.

Cybrid 가상플랜트 접근방법이 플랜트 현장에서 어떤 의미가 있는지 알아보기 위하여 국내 정유회 사 경영진과 실무진들의 요구사항들을 별도로 조 사하였다. 해당 플랜트의 경우 이미 플랜트 운전 을 목적으로 다양한 센서데이터들을 확보하고 있

었다. 하지만, 센서데이터들을 현장에 적극적으로 활용하고 있지는 못했다. 그 이유는 데이터를 분 석 능력의 부족일 수도 있고, 플랜트 데이터들이 종합적으로 정리되어 있지 않기 때문일 수도 있다.

스마트큐브 리포지터리는 Cybrid 스마트 가상플 랜트의 핵심이 되는 데이터베이스와 지식베이스 의 모음을 뜻한다. 스마트큐브 리포지터리를 구성 하는 구성요소들과 플랜트 관련 데이터들의 아키 텍쳐 설계를 소개하였다. 이들의 활용 가능성을 통 해 스마트큐브 리포지터리는 Cybrid 스마트 가상 플랜트 접근방법을 플랜트 현장에 적용시키기 위 한 필수 요소임을 알 수 있었다.

향후 연구로써는 스마트큐브 리포지터리의 구 현과 스마트큐브 리포지터리와 Cybrid 스마트 가 상플랜트의 여러 어플리케이션들간의 인터페이스 를 개발한다. 그리고, Cybrid 스마트 가상플랜트를 플랜트 현업에 적용하였을 때 얼만큼의 효과를 보 일 수 있는지 검증할 수 있는 방법을 개발해야 한다.

감사의 글

이 논문은 2015년도 산업통상자원부의 산업핵 심기술개발사업(과제번호 10048341)의 지원을 받 아 수행된 연구 결과입니다.

References

1. EPC Technial Committee in Korea Institue of Plant Egineering & Construction, 2010, Char- acteristics of Overseas Plant Projects, Plant Jour- nal, 6(2), pp.12-17.

2. Lee, H., Hwang, I. and Lee, H., 2015, A Study on the Reliability Verification of Availability Simulation for Complex Plant, Transactions of the Society of CAD/CAM Engineers, 20(1), pp.36-43.

3. Garcia, A., Bentes, C., de Melo, R., Zadrozny, B. and Penna, T.P., 2011, Sensor Data Analysis for Equipment Monitoring, Knowledge and Infor- mation Systems, 28(2), pp.333-364.

4. Shin, J.H. and Jun, H.B., 2015, On Condition Based Maintenance Policy, Journal of Compu- tational Design and Engineering, 2(2), pp. 119- 127.

5. Peng, Y., Dong, M. and Zuo, M., 2010, Current Status of Machine Prognostics in Condition- based Maintenance: A Review, The International Journal of Advanced Manufacturing Technology,

50(1-4), pp.297-313.

6. Lee, S., Jeon, T., Hwang, H.-S. and Kim, C.-S., Design and Implementation of Wireless Sensor Based-Monitoring System for Smart Factory, 2007 in: O. Gervasi and M. Gavrilova (Eds.) Computational Science and Its Applications – ICCSA 2007, Springer Berlin Heidelberg, pp.584- 592.

7. Deloitte, Industry 4.0-Challenges and Solutions for the Digital Transformation and Use of Expo- nential Technologies, Available: http://www2.

deloitte.com/content/dam/Deloitte/ch/Documents/

manufacturing/ch-en-manufacturing-industry-4- 0-24102014.pdf [Accessed: 02 October 2015].

8. NIST, NIST Foundations for Innovation in Cyber-Physical Systems Workshop, Available:

http://events.energetics.com/NIST-CPSWorkshop/

index.html [Accessed: 02 October 2015].

9. Bunn, C.L., Wallace, D.C. and Eisenstadt, J.M., 1974, Cytoplasmic Inheritance of Chloramphen- icol Resistance in Mouse Tissue Culture Cells, Proceedings of the National Academy of Sci- ences, 71(5), pp.1681-1685.

10. Intergraph, SmartPlant

^®

http://www.intergraph.com/products/ppm/smart- plant/ [Accessed: 02 October 2015].

11. AVAEVA, Solutions for the Plant Industries, Available: http://www.aveva.com/en/Products_and_

Services/AVEVA_for_Plant.aspx [Accessed: 02 October 2015].

12. Siemens, Explorer Teamcenter and Discover Your solution, Available: http://www.plm.auto- mation. siemens.com/en_us/products/teamcenter/

index.shtml [Accessed: 02 October 2015].

13. SAP, Enterprise Asset Management, Available:

https://help.sap.com/saphelp_hba/helpdata/en/07/

5af680cb654f37b32db655fe66d939/content.htm [Accessed: 02 October 2015].

14. ORACLE, Oracle Enterprise Asset Management, Available: http://www.oracle.com/us/products/

applications/060286.html [Accessed: 02 October 2015].

15. IBM, Maximo Asset Management, Available:

http://www-03.ibm.com/software/products/en/

maximoassetmanagement [Accessed: 02 October 2015].

16. Chaudhuri, S. and Dayal, U., 1997, An Overview of Data Warehousing and OLAP Technology, SIGMOD Rec. (ACM), 26(1), pp.65-74.

Jae Hyun Lee

M.S. and Ph.D. degrees in industrial engineering from the Korea Advanced Institute of Science and Technology (KAIST), Daejeon, in 2001 and 2008, respectively. He has been an Associate Researcher since 2008 in the Systems Integration Division, Engineering Laboratory, National Institute of Standards and Technology (NIST), Gaithersburg, MD. He has developed product information models for sustainable product design and manufacturing. He is currently an assistant professor in the de- partment of Industrial Engineering, Daegu University, South Korea. His research interests are ontology application to product development, plant operation and maintenance optimization, and product lifecycle management.

Hyowon Suh

B.S. degree in mechanical engineer- ing from the Yonsei University, Seoul, South Korea. He received the M.S. degree in mechanical engineer- ing, from the KAIST, South Korea, and Ph.D. degree in Industrial Engineering from WVU, in 1991.

His past work experiences include researcher in Daewoo Heavy Industries, Co. Ltd., South Korea, Research Assistant in concurrent Eng. Res. Cent. CERC, USA and Chief researcher in KITECH, South Korea. He is currently an Professor in the Department of Industrial and Systems Engineering, KAIST, South Korea. His research interests include Product Lifecycle Management, Ontology and Engineering Appli- cations, Workflow and Businees Process Mangement and New product development. Prof. Suh is a member of ASME.