머신러닝 예지보전기술 기반의 PLC 모듈 적용에 관한 연구

Abstract

21세기에 들어서며 스마트팩토리의 성장성은 날로 발전되어 오고 있으 며 스마트 팩토리의 가장 기초 단계인 자동화 분야의 세계시장은 2027년 까지 연평균 8.8% 성장률을 기록하며 규모는 3,684억달러까지 상승할 것 으로 예측된다. 제조공정 운영에 있어서 HVAC 설비가 사용하는 전력량은 전체 전력 사 용량의 50%에 해당되며 그 중 Blower의 전력 사용량은 40%를 차지하고 있다. 이에 HVAC 설비의 전력사용을 줄이기 위해 많은 연구들이 진행되 고 있으나 기존의 연구에서는 기계적인 구조를 변경하여 에너지를 저감하 는 등의 연구들이 대부분이다. 딥러닝 등을 이용한 예지보전기술이 일부 적용되고 있으나 딥러닝 기술은 관련 서버와 전문가 등의 소요로 많은 비 용이 발생된다. 더구나 딥러닝 기반의 예지보전기술에 대한 연구는 미미한 실정이다. 또한 여러 회사들에서 개발된 AI를 적용한 제품들이 출시되어 현장적용 을 검토하고 있지만, 모두 빅데이터를 활용한 Data 분석에 기반한 제품이 대부분이다. 이는 H/W의 많은 투자가 필요하여 보편적으로 사용하는 데 어려움이 있다. 따라서 본 연구에서는 자동화 공정의 주요 설비인 HVAC에서 가장 많은 전력을 사용하는 Blower를 제어하는 PLC 모듈에 지도학습 기반의 머신러 닝을 적용하여 사전 예지보전을 통해 설비운영의 안정성을 도모하고 전력 사용의 효율성을 확보하고자 한다. 더구나 본 연구에서 활용한 Logix AI 는 AI의 가장 기초단계인 지도학습 기반의 머신러닝을 사용하여 적은 비 용으로 현장에 바로 적용이 가능하다. 본 연구에서 제시한 PLC 모듈 사용의 효율성을 검증하기 위해, Logix AI를 적용한 단상 AC 220V 0.2kW의 Blower Test용 Demo 장비를 구 축하여, 1회 10일 기준으로 5회 반복 실험을 통해 시뮬레이션 실험을 진 행하였다. 이상신호 발생빈도를 Excel의 RAND 함수를 사용하여 발생시 키고 이를 통해 AI 기반의 예지보전시스템의 성능을 검증하였다. 5회 시 뮬레이션 실험의 결과로, 하루 평균 0.752kWh만큼 전력저감 효과가 발생 되었다. 이를 현장에서 주로 사용되는 100kWh의 Blower에 적용한다고 가정할 경우, 하루 평균 375kWh를 저감할 수 있을 것으로 예측할 수 있 다. 또한 1개월 단위로 환산 시, 약 11,250kWh를 절약하게 되고 이는 금 액으로 산출 시 1,125,000원의 전기요금 절약 효과가 있을 것으로 판단된 다. 더구나 제조공정의 라인 수와 PLC 모듈 사용개수가 늘어날수록 본 연 구의 적용 효과성은 더욱 증대되리라 예상된다. 본 연구의 결과로 볼 때, AI 기반의 예지보전시스템의 적용 시, 산업에 너지 절감에 기여할 수 있으며 자동화 제조공정의 운영비용도 절감할 수 있을 것으로 기대된다.|In the 21st century, the growth of smart factories has been continually advancing. The global market for automation, which is the most basic stage of smart factories, is expected to grow at an annual rate of 8.8% and to reach $368.4 billion by 2027. In the operations of manufacturing process, the power consumption of HVAC equipment accounts for 50% of the total electricity usage, with blowers alone consuming 40% of this power. Consequently, many studies have been conducted to reduce the power consumption of HVAC equipment, but most existing researches have focused on reducing the energy through mechanical structural changes. Although predictive maintenance technologies using deep learning have been partially applied, the deep learning technology incurs considerable costs due to the needs for related servers and specialists. Moreover, researches on deep learning-based predictive maintenance technologies are scant. Furthermore, products developed by various companies that apply AI, have been released and are being reviewed for an on-site application. But the most are based on data analysis using big data, which requires significant hardware investments and poses challenges for widespread use. Therefore, this study aims to apply machine learning based on supervised learning to the PLC module that controls the blower, which consumes the most power in HVAC, a key facility in the automation process. This approach seeks to enhance the stability of equipment operation and the efficiency of power usage through predictive maintenance. The Logix AI used in this study employs a machine learning technology based on supervised learning, which is the most basic level of AI, enabling its immediate and cost-effective application in the field. To verify the efficiency of the proposed PLC module, a demo equipment with Logix AI was set up for testing a single-phase AC 220V 0.2kW blower. A series of simulation experiments were conducted over five replications with each spanning 10 days. Abnormal signal frequencies were generated using Excel's RAND function to validate the performance of the AI-based predictive maintenance system. The results of the five simulation experiments showed an average daily power reduction of 0.752 kWh. Extrapolating this to a 100 kWh blower commonly used in the field, it is predicted that an average of 375 kWh could be saved per day. Monthly, this amounts to approximately 11,250 kWh, equating to a saving of 1,125,000 won in electricity costs. Additionally, the effectiveness of this research is expected to more increase as the number of manufacturing lines and PLC modules used increases. Based on the results of this study, the application of an AI-based predictive maintenance system can contribute to industrial energy savings and reduce operating costs in automated manufacturing processes.