사진? 사진기로 만든 그림이 사진인데?  위 이미지는 1826년 프랑스인 조셉 니셉포르 니엡스라는 사람에 의해 촬영된 세계 최초의 사진입니다. 헬리오그래피(Heliography)라는 기법을 사용하였고 촬영하는 데는 6~8시간 이상이 걸렸다고 합니다. 1835년에는 영국인 윌리엄 헨리 폭스 톨벗이라는 사람이 감광처리된 종이를 이용한 인화의 개념을 적용한 종이인화법(talbotype)을 개발하였는데, 복제 가능 사진의 시대를 열었다는 점에서 현대 사진의 시초로 취급됩니다. 촬영에는 역시 상당한 시간을 필요로 했으며 1840년대 초반이 되어서야 노출시간을 수십초로 줄일수 있었다고 합니다.  다음 사진은 유명한 음악가 쇼팽이 살아생전에 촬영한 사진인데, 왼쪽이 1846년 또는 1847년, 오른쪽이 1849년에 찍힌 사진으로 알려져 있습니다. 2~3년 사이에 얼마나 많은 기술발전이 있었는지를 한눈에 확인해 볼 수 있습니다.  이후 사진은 많은 발전을 거듭하여 오늘날에 이르게 되었습니다. 그런데 사진에 대해 과학적 용어를 사용하여 정의하면 조금 난해해집니다.  사진이란 감광표면위에 떨어진 빛에 의해 생성된 이미지이다. (A photograph (also known as a photo) is an image created by light falling on a photosensitive surface - wikipedia)  또한 빛이란 사물을 보이게하거나 조명을 제공하는 것(something that makes things visible or affords illumination - dictionary.com)으로 표현되지만, 물리학적으로는 아인쉬타인이 "나의 여생동안 빛이 무엇인지 되집어보며 살것이다"라고 할 정도로 훨씬 복잡한 정의를 가지고 있습니다. 빛을 파장을 기준으로 할 때 다음과 같이 정의되며 우리가 일반적으로 말하는 빛은 아주 일부구간인 Visual Light(가시광선)를 이르는 말로서 사람의 눈으로 확인할 수 있는 영역입니다. 

머신비전(Machine Vision)의 정의 및 역사

머신비전(Machine Vision)은 학문적으로 "인간이 가지고 있는 시각적 인지기능과 판단 기능을 하드웨어(기계)와 소프트웨어 시스템이 대신 처리하는 기술"로 정의됩니다. 좀 더 기술적으로 표현하면 카메라 등으로 필요한 영상을 취득하고, 취득된 영상을 컴퓨터가 사람을 대신하여 해석/판단하고, 필요한 조치를 수행하는 것과 관련된 일련의 기술이라고 할 수 있습니다. 

1. 

머신비전 적용을 위해서는 먼저 사진이 촬영되어야 하는데, 머신비전에서 사진이란 특정한 파장대의 빛 또는 빛에 반사된 사물을 해당 파장대에 반응하는 감광도구를 통해 생성한 영상(이미지)" 이라고 정의할 수 있습니다. 통상 머신비전에서는 '빛'이라는 용어 대신 '광원(Light Source)'이라는 용어를 사용하고, '사진'이라는 용어보다는 '영상(image)'이라는 용어를 사용합니다.  영상은 통상 카메라를 통해서 취득되는 데 감광도구로는 필름과 같은 통상적인 감광물질들 뿐 아니라, 특정 파장대에 반응하는 광센서도 있습니다. 광센서를 1렬 또는 다열로 배치하여 이미지를 취득하는 카메라를 디지털 카메라라고 하며, 촬영하고자 하는 광원의 파장대에 따라 'X-Ray 카메라', '적외선 카메라', '자외선카메라' 등으로 불리기도 합니다.   초기 영상취득 기술은 의학분야가 주도하게 되는데, 1895년에는 X-RAY 사진도 찍게 되었고 인체/생체 사진을 찍기 위한 CT/MRI/PET 등 각종 기술발전이 이루어져 현재에 이르고 있습니다.  최초의 X-RAY 촬영자 렌트겐과 그가 촬영한 아내의 손 주로 x-ray등의 방사선을 광원으로 활용하여 인체/생체 사진을 찍었기 때문에 우리나라에서는 관련된 의료분야를 방사선과라고 불렀습니다. 오늘날에는 영상의 촬영 뿐 아니라 해석과 관련된 좀더 광범위한기술이 적용되고 있어서 영상의학과로 이름을 바꾸게 됩니다. 의학 분야의 영상취득 및 취득영상 분석과 관련된 일련의 기술을 총괄하여 Medical Vision이라고 부르기도 합니다.

2. 

사진기에 의해 사진 촬영이 가능해 지면서 복제된 사진을 만드는 것이 가능해지자, 시급성을 요구하는 영상을 다른 장소에 빠르게 전달하고자 하는 욕구가 발생하였습니다.  사진전송하면 떠오르는 첫번째 기계가 팩시밀리입니다. 팩시밀리는 전화보다 30여년이나 빠른 1843년에 원형이 개발되었으며, 이미지를 전기 신호로 변환해 전송하여 인쇄하는 전자식 팩시밀리는 1906년 독일의 아서 코른(Arthur Korn)에 의해 개발되었습니다. 최초의 디지털 방식 이미지 전송은 1920년대 초반 대서양 해저케이블을 통해 이루어졌습니다. 매우 복잡한 과정을 거쳐 이루어 졌는데, 이미지 명암을 5단계로 구분하여 전송하였습니다. 이후 이미지의 명암을 15단계로 나누어 전송하게 되어 이미지 개선이 이루어졌습니다 왼쪽이 5단계, 오른쪽이 15단계로 명암을 구분하여 전송한 영상입니다. 위의 사진들은 컴퓨터를 이용하여 영상을 처리한 것은 아니라서 머신비전 관점에서는 큰 의미가 없지만, 이미지를 디지털화 해서 전송했다는 측면에서는 의미있는 과정이라고 할 수 있습니다.  사진의 전송은 1964년 Xerox에 의해 상업성이 있는 팩시밀리가 시장에 공급되면서 손쉬워졌는데, 오늘날 팩시밀리의 원리와 같습니다. 발신자 팩스가 스케너로 한줄씩 읽어 명암을 Code화하여 전송하고, 수신 팩시밀리에서 모든 라인을 수신하여 복호화하여 원래 이미지로 재조립하는 구조입니다. 

3. 

머신비전 관점에서 의미있는 영상의 분석/처리는 본격적인 컴퓨터 사용과 함께 시작되었기 때문에 머신비전은 컴퓨터 비전으로 불리기도 합니다. 이미지를 컴퓨터로 분석하는 것을 이미지프로세싱(Image Processing)이라고 하며, 초기의 이미지 프로세싱은 1960년대 NASA에 의해 주도됩니다. 우주계획에 참여한 제트추진연구소에서는 달 착륙선에서 달 영상 촬영과 관련하여 카메라 특성 등에 의한 왜곡을 보정하는 프로젝트에 참여했는데, 아래 사진은 1964년 7월 31일, Ranger7에 의해 달 착륙 17분전에 촬영된 달 영상입니다. 사신에 보이는 마커들은 Reseau라 불리며 영상의 기하보정을 위한 것입니다.  이 프로젝트의 결과물 및 이 프로젝트에 영감을 받아 이미지 프로세싱 기술이 다양한 기술 분야로 확산되는데, 1970년대에 개발된 CT (Computerized Tomography)가 대표적입니다.

4. 

이미지 프로세싱 기술이 어느정도 발전되자 다양한 분야에서 이 기술을 사용하게 되는 데, 이 최첨단 기술이 가장 먼저 사용된 곳은 어쩌면 당연하게도 군사분야였습니다. 소나나 레이다 같은 음파영역의 센서를 사용하는 Application의 고도화는 물론이고, 미사일 추적시스템 고도화, Night Vision 등 군사 무기체계전반에 걸쳐 엄청난 영향을 끼치게 됩니다. 오늘날 군사분야에 적용되는 비전기술은 Military Vision이라고 부르기도 합니다. 

5. 

우주, 군사, 의료 분야에서 선도된 머신비전 기술이 산업계에 적용되어 탄생한 것이 자동광학검사기(Automated Optical Inspection Machine, AOI)입니다.  AOI란 산업의 발달과 제품의 소형화로 더 이상 사람의 눈으로는 지속적인 검사가 어려운 미세한제품에 대해 광학 기술을 이용하여 영상을 취득하여 자동으로 양불판정이 가능하도록 하는 소프트웨어 개발 및 관련 장비 제조분야를 말합니다. AOI의 가장 기본적인 기술은 카메라를 통해 양질의 영상을 얻어내는 것과, 얻어진 영상을 불량품의 검출과 같은 사업적 요구에 맞도록 해석하고 해석결과에 따른 처리지시를 내리는 영상처리 기술입니다. 다양한 검사대상 물체별 Application 및 이미지프로세싱 알고리즘 소프트웨어 모음을 Image Processing Library 라 하고 AOI에서는 인간의 뇌에 해당하는 역할을 수행합니다. 일단 Image Processing Library가 구축되면, 이미지를 얻기 위해 카메라를 이동시키거나 검사대상 피사체를 이동시키고, 조명을 조절하고, 영상처리의 결과에 따라 피사체를 분류/이동시키는 작업을 수행합니다. 이를 위해서는 다양한 제조공정에 대한 생산 기술적 이해를 바탕으로 한 기구/전장 설계와 제어기술이 수반되어야 합니다. (이 부분은 일반적인 공장자동화(FA) 설비의 개념과 유사합니다) AOI 산업은 반도체의 발전과 더불어 발전하여, Wafer 검사, PCB검사, LCD 관련 부품(글라스, 편광필림, 칼라필터, TAB/COF 같은 구동드라이버 IC등)의 검사에는 필수적으로 적용되고 있으며, 최근에는 의료, 의류, 유리, 렌즈 등 다양한 산업에서 AOI기술에 대한 수요가 증가하는 추세입니다.

Wavepoint Digital

당사는 머신비전 기술을 적용한 자동광학검사기(Automated Optical Inspection Machine, AOI) 및 자동광학측정기 (Automated Optical Measurement Machine)를 개발 납품하고 있습니다. 해당 제품들은 당사 고객사들의 산업경쟁력 확보를 위한 핵심기술로서 일반에 공개할 수 없음을 양해해 주시고 광학검사기가 필요한 경우 연락주시기 바랍니다.

1세대 - ICT 기반의 시설자동화 모델

사료 급이, 음수관리, 축사청소 등의 자동화를 통한 노동력 절감이 주요 목표

2세대 – 4차 산업혁명 모델

1단계 대비 향상된 IoT Sensor를 추가하여 더 많은 정보를 Big Data로 구축하고 인공지능을 이용하여 축사 운영의 효율성을 극대화 시키는 것이 목적

3세대 – 로봇기술 활용 모델

ICT나 인공지능으로는 할 수 없는 인간의 노동을 로봇이 대신하는 모델

4세대 정밀축산 (Precision Livestock Farming)

2세대 스마트 축산 모델의 확장개념에서 동물복지와 고품질 축산물 생산을 위해 가축의 스트레스까지 측정하여 컨트롤할 수 있는 센서기술을 적용하게 되는 데 스마트팩토리 플랫폼을 이용합니다. 닭의 먹이 섭취 소리를 이용한 건강상태 체크 사례

글로벌 축산의 과제 - Best Practice 구축

스마트 축산을 여러 단계를 구분하고 있기는 하지만 아직도 스마트 축산의 국제적 Best Practice는 존재하지 않고 있습니다. 우리회사는 상기 모든 단계에서 공통으로 사용될 수 있는 스마트팩토리의 핵심기술인 가상물리시스템을 통해 스마트 축산의 Best Practice를 구현하고자 합니다.

가상물리시스템을 통한 스마트축사 기본개념

1단계: 물리적 축사를 비롯한 시설 및 급이기를 비롯한 설비, 사육되는 가축을 모델링합니다. 싸이버축사 시스템에서는 물리적 축사의 시설과 설비에 부착된 환경센서 및 가축에 부착된 생체센서등으로부터 IoT 데이터(Signal)를 취합하여 Big Data를 구축하고 AI를 이용하여 관리합니다. 최종적으로는 Big Data를 이용하여 가축생육 모델을 구축하고 싸이버축사 시스템의 AI가 물리적 축사의 각종 시스템을 조작하여 생육을 최적화하거나 문제를 해결합니다.

스마트축사 시스템의 사용자 Interface

가상물리 시스템을 이용한 스마트축사의 최종단계에서는 사람의 개입없이 AI가 자동으로 축사를 운영할 수 있으므로 사용자가 시스템을 통해 축사를 모니터링하는 것도 최소화 될 수 있지만, 관리자나 농장주에게 적절한 정보를 제공하는 것은 매우 중요합니다. 특히 스마트 축사를 위한 충분한 시설이 갖춰지지 않았거나, 진행단계에 있는 축사인 경우에는 온전히 스마트축사 시스템 스스로 농장을 운영하는 것이 어렵기 때문에 관리자나 농장주에게 적절한 형태의 정보를 제공해 주어야 합니다.

1. PC, 태블릿, 스마트 폰 등에서 2D/3D 형태로 축사의 시설, 가축의 행태 등을 볼 수 있습니다. 시각화라는 관점으로 볼 때 CCTV가 실사를 보여주고 좀더 생생한 정보라고 생각할 수 있지만 CCTV 정보는 축사를 특정 시각에서 보여지는 모습을 정제 없이 날것으로 기록한 연속된 이미지정보이며 CPS 기반의 시각화는 포괄적으로 정재된 (Front-End Processing) 주요핵심 정보를 체계적으로 기록하고 사용자가 알야야 하는 주요 정보를 집중적으로 전달하기 위한 인포테인먼트 구현의 기반기술로 볼 수 있습니다.
2. 사용자에게 전달되는 정보는 Text뿐 아니라 그래픽을 통한 시각화가 동반될 때 더욱 직관적일 수 있습니다. 설비관련 알람, 오류 등을 사용자에게 전달하며, 정보가 전달될 때에는 해당 설비의 위치와 상태등을 직관적 화면을 통해 보여주며, 사용자가 취해야 하는 다음 조치와 관련된 화면으로 연결되거나 설정에 따라서는 스마트축사 시스템에서 자동으로 관련사업체로 주문이나 요청을 전달할 수도 있습니다. 가축의 생체정보를 어떻게 직관적으로 전달하는지에 대한 모바일 화면의 예시입니다. IoT 정보를 활용하여 가축의 상태를 위치와 함께 색상변경 등을 통해 직관적으로 표현할 수 있으며 설비와 마찬가지로 수의사등 관련자들과 시스템을 공유 또는 연결하여 발생된 문제를 자동/수동으로 해결할 수 있습니다.

스마트 축사에서 발생하는 ICT 구동기, 제어기 및 센서 정보를 실시간 시계열(Timeline) 데이터 구조로 블랙박스에 저장하여, 스마트 축사 운영과정에 발생하는 운영사고 및 장비오류 와 같은 주요 이벤트를 디지털 재현이 가능하여 기록된 데이터의 사용성을 극대화할 수 있습니다

가상물리스템 기반의 스마트축사 시스템이 가져올 변화

농장주는 사료급이, 발정관찰, 축사청소 등 일상에서 해방되어 수의, 정비, 경영에 집중할 수 있게 되므로 1인당 사육가능 가축 또는 관리가능 축사가 증가합니다. 고령농가의 축사운영이 쉬워지고, 도시의 사무실에서도 대부분의 축사 운영이 가능하여 영농경험 없는 귀농가나, 젊은 층의 축산산업 진출을 촉진할 수 있으므로 영농 후계 양성 환경 조성됩니다. 축산농가의 경쟁력 향상을 위한 체계화된 데이터를 공유하고 활용하기 위한 인프라 구축이 가능해 집니다.

...

Physical Machine

중소기업 진흥공단에 설치된 스마트팩토리 시범라인 설비 (PLC로 구동)

당사는 스마트팩토리의 첫 공정인 아크릴판 절단공정을 대상으로 가상물리시스템(CPS)을 구현하였습니다. 실제 Operation은 다음과 같이 원판을 절단하고 절단된 반면을 다음 공정에 투입하여 제품 생산에 필요한 크기로 절단하는 공정으로 이루어집니다. https://www.youtube.com/watch?v=W9MLrReOWcM

Cyber Machine

Machine의 설계 도면 등을 이용하여 Cyber Machine을 구축합니다. 당사는 Cyber Machine 생성과 운영을 위해 Unity를 표준 개발도구로 사용하고 있습니다.

가상물리 시스템을 통한 시뮬레이션 및 모니터링

실제 장비의 Sensor 및 Actuator 정보를 수집하고, 생산되는 제품의 물류를 표현하고, 가상물리시스템에서 설비를 제어할 수 있으며, 축적된 데이터를 활용하여 파라미터 설정에 따른 시뮬레이션을 시행합니다. https://www.youtube.com/watch?v=30N537Fo4_A[ ... Physical Machine과 Cyber Machine의 유사도는 프로젝트의 목적에 따라 달라지지만, 3D로 구축된 가상설비(Cyber Machine)는 실제 설비에서는 작업자가 접근하기 어렵거나 불가능한 경우에도 손쉽게 접근하여 설비상태를 관찰할 수 있습니다.

Physical Machine

한국기술교육대학교 제2 캠퍼스에 설치된 조립라인 설비 (PLC로 구동)

Cyber Machine

실제 장비를 모델링하여 Cyber Machine을 구축

가상물리 시스템을 통한 모니터링

실제 장비의 Sensor 및 Actuator 정보를 수집하고, 생산되는 제품의 물류를 표현하고, 가상물리시스템에서 설비를 제어함 ... Physical Machine과 Cyber Machine의 유사도는 프로젝트의 목적에 따라 달라지지만, 3D로 구축된 가상설비(Cyber Machine)는 실제 설비에서는 작업자가 접근하기 어렵거나 불가능한 경우에도 손쉽게 접근하여 설비상태를 관찰할 수 있습니다. 설비의 이상현상이 있을 경우에는 이상부위를 하이라이트하며, 설정에 따라 자동으로 조치를 취하거나 사용자 조치를 대기함 PC를 통한 모니터링 타블릿 등 모바일 기기를 통한 모니터링 3.2미터 X 23미터 대형 미디어를  통한 모니터링 대형 미디어를 통한 디스플레이 기술은 PC나 모바일을 통한 모니터링 UI를 구축하는 것과는 또다른 통합모니터링 센터 구축 등에서는 필수적인 기술입니다.

Event

‘제11회 삼성국제기능경기대회’ 에서 한국기술교육대학교 제2 캠퍼스(천안)에 있는 설비를 제1 캠퍼스 행사장(병천)에서 모니터링하는 것을 시연 http://www.ccdailynews.com/news/articleView.html?idxno=963019

Background - 도시농업/실내농장의 발전배경

도시화/산업화로 인한 재배 환경 파괴로 도시와 전통농업 간 원거리 물류 유통으로 인한 신선도 저하 및 물류 COST 상승 온난화로 인한 잦은 이상기후 발생 및 병충해 발생 소득증가에 따른 식품안전성에 대한 인식 제고 e-커머스 확대 및 경기침체로 유발된 도시 유휴공간 활용 방안 모색 상기의 이유로 실내농장(Indoor Farming)의 확장은 세계적 추세임

식물공장과 자동화

전통적인 농업에서는 기후 및 기상의 영향을 크게 받는 반면, 실내농장은 식물공장(Plant Factory)으로 불리기도 하는데 밀폐된 환경에서 식물을 재배하기 위한 설비관리가 필수적이기 때문입니다. 농업을 식물공장의 관점에서 바라보게 되면 경비절감과 효율성 제고를 위한 자동화는 필수적인 요소입니다

1단계 농업 자동화 시스템: 환경제어 시스템

당사가 수행한 프로젝트 중 LED 인공광을 이용해 수경재배로 운영되는 실내농장 사례입니다. LED를 광원으로 사용하는 수경재배 시설로서 재배 환경을 측정하기 위한 온/습도 센서와 CO2 센서, 미세먼지 센서, PH 센서 등이 설치되었으며, 항온항습기, 환풍기, 순환식 양액관리 시스템이 적용된 실내농장입니다 실내농장 운영을 위한 기본 시스템 구성은 다음과 같습니다. 당사는 이 시설에 대해 가상물리시스템(Cyber Physical System, CPS)을 적용하여 모든 센서정보를 실제 농업설비를 가상화한 가상농장 (Cyber Farm, Virtual Farm)을 통해 가시화 합니다. 가상물리시스템(CPS)은 설정된 조건에 따라 자동으로 항온항습기, 환풍기, 양액기를 관리하고 있으며, 각각의 정보들은 PC 및 모바일 기기의 다양한 UI를 통해서도 모니터링할 수 있으며, 어떤 화면에서도 사용자는 자유로이 시설을 통제할 수 있습니다. <PC 화면> <스마트폰 화면>

2단계 농업자동화 시스템: 생육모델 기반의 스마트팜 (진행중,2020)

1단계 스마트팜에서는 각종 환경센서를 모니터링하고 단순한 로직에 의해 재배환경을 조절하지만, 2단계 스마트팜에서는 작물별 생육모델을 기반으로 파종 후 수확할 때까지 완전무인으로 작물을 재배할 수 있습니다. <생육모델 기반의 복합제어 스마트팜 모델> 생육모델을 구축하기 위해서는 식물공장의 환경정보 뿐 아니라 대상작물의 성장 데이터를 취득하여 융합시켜야 합니다. 당사는 반도체 검사를 위한 초정밀 광학검사기를 공급하고 있으며, 이미지처리 프로세스와 알고리즘을 보유하고 있습니다. 당사는 이 머신비전 기술을 성장데이터 취득을 위하여 사용하고 있습니다.

Vision

확장성이 보장되는 유연한 가상물리시스템 기반의 스마트 팩토리 솔루션

적용개념

실제 설비 (Physical Machine)과 동일 또는 유사한 모델을 Cyber 공간에 구축합니다. 사용자는 Physical Machine의 Sensor, Actuator 등으로 부터 발생된 신호를 현장 또는 원격지에서 PC, 타블릿, 모바일 기기의 Cyber Machine을 통해 실시간으로 모니터링 할 수 있습니다. 사용자가 모니터링을 통해 직관적 판단으로 Physical Machine을 통제할 수 있도록, 설비 및 업무의 특성은 물론이고 모니터링 도구의 응답성을 고려하여 통제의 대상을 설정할 수 있습니다. MES 등 기간계 운영시스템의 필요에 따라 Physical 신호를 해석, 가공하여 제공할 수 있는 M2M 미들웨어의 기능을 제공합니다. MES 등 기간계 시스템의 설정 또는 CPS 내부에서 사용자가 별도로 설정한 Logic에 따라 Physical Machine을 자동으로 통제할 수 있는 기능을 제공합니다. 이 기능의 구현범위는 Physical Machine 내에 설치된 제어 프로그램의 한계 속에서 진행되나, CPS내에 Virtual Sensor 개념의 Interface를 생성하여 기 구현된 설비의 기능을 제어프로그램의 변경 없이도 향상시킬 수 있습니다. 기업의 규모와 및  필요에  따라 AI 기반의 통제 프로젝트를 진행할 수 있도록 클라우드 기반의 Big Data 플랫폼을 제공합니다. 사용자 직관에 의한 통제와 초지능(AI)에 의한 통제의 분쟁을 해결할 수 있는 통제장치를 제공합니다.

CPS 시스템이 구조적 어려움

초창기 ERP등 기간계 시스템 (또는 엔터프라이즈 IT 시스템)의 핵심은 기능성(Functionality)의 구현이었으나, 점차 시스템의 영역이 다양해지고 대형화 되면서 통합의 문제로 인한 취약성이 드러나게 되었고, 해결책으로서 미들웨어가 제시되었습니다. 미들웨어가 문제발견, 통합, 신뢰성 확보 등의 문제를 해결해 줌으로써 프로그램 개발자는 프로그램의 기능성에 집중할 수 있었으며, 물리적 세계와 사이버 세계의 경계에서 운영되는 CPS 환경에서는 IIoT (또는 M2M 테트워크) 환경에서 데이터를 취득, 해석하고 이벤트를 처리하는 미들웨어의 역할이 더욱 중요하게 대두되었습니다. 기존의 엔터프라이즈 미들웨어는 비지니즈 영역에서 데이터 처리를 위한 매우 우수한 솔루션이나, 데이터 센터라고 하는 안정적이며 관리되는 환경에서 운영되는 것을 전제로 만들어져서, CPS가 운영되는 산업(생산)환경에서의 이슈를 해결하는 데에는 한계가 있을 수 밖에 없습니다. 특히 공장설계 때부터 CPS를 고려한 설비로 구축되는 대형 사업장에서는 기존 방식의 미들웨어 방식으로도 CPS를 구현할 수 있으나, 달리 중소기업 또는 기존 설비에 Retrofit Project 형태로 각종 Component를 추가하여 CPS를 구현하는 환경에서는 네트워크를 신뢰할 수 없는 경우가 많고, 대기 시간이 길 수도 있어서 이를 최소화해야 하는 과제를 가지고 있습니다. 따라서 CPS 프로젝트에 사용되는 미들웨어는 기존의 엔터프라이즈 미들웨어처럼 작동해야 하지만, 기존의 아키텍처로 구축할 수는 없습니다.

CPS Architecture by Wavepoint Digital

CPS Framework Overview CPS Framework Component Diagram

당사 기술의 경쟁력

전통적인 미들웨어는 [장치검색] → [액세스] → [데이터 취득] → [해석] → [이벤트처리] → [활용]이라는 데이터 처리 프로세스를 따르고 있습니다. 특히 [액세스] → [데이터 취득] 과정의 속도는 최근 급속히 발전하는 다양한 형태의 Industrial Network에 의해 해결될 수 있으나, 전통적 미들웨어의 데이터 처리 프로세스로 인한 지연의 문제점은 해결되지 못하고 있기 때문에 , 글로벌 CPS 제품의 가시화 도구의 경우에도 전통적 미들웨어 방식을 따르고 있어 최초의 Signal이 전송되어 User Interface를 통해 사용자가 인식할 수 있기까지는 상당한 지연이 발생하고 있습니다. 당사는 전통적 미들웨어의 데이터 처리프로세로 인한 지연의 문제점을 해소하기 위하여 [데이터 취득] → [해석] → [이벤트처리] 과정을 단순화, 생략, Bypass, 우회, 통합할 수 있는 기능을 내재한 미들웨어를 개발하여 취득된 데이터를 비즈니스 목적에 따라 다른 반응시간 내에 [활용] 되도록 하고 있습니다. 다수의 시스템들을 통합하는 역할을 하는 복합시시스템(System of System)인 가상물리시스템(CPS)에서는 MES Interface와 같이 Signal vs. Noise [해석]이 더 중요할 수도 있고, Big Data 저장 등과 같이 속도에 기인하여 증가하는 Data량을 줄이는 [생략]이 더 중요해서 속도에 비교적 덜 민감한 [활용] 영역이 있을 수 있고, 설비내부의 PLC Logic의 한계를 넘어선 전체영역 수준에서 Logic 또는 Artificial Intelligence를 적용하여 설비의 Interlock을 관리하거나 사용자의 직관에 의해 설비를 컨트롤하기 위한 목적의 모니터링 또는 가시화(Visualization) 영역과 같이 속도에 더 민감한 [활용] 영역이 있을 수 있습니다. 당사의 가상물리시스템은 이러한 문제에 대하여 철저한 모듈화를 통해 비즈니스별 요구(설정)에 따라, 부분적/순차적으로 적용하여 속도에 대한 컨트롤이 가능합니다. CPS의 Critical한 문제 중 하나는 모니터링을 위한 시각화(Visualization)인데, 모니터링 클라이언트 (태블릿, 모바일, P/C, 터미널 등의 Display 장치)의 숫자가 증가하는 경우, 전통적 방식의 미들웨어는 방대한 Physical Data를 Queueing방식으로 Client에 순차적으로 송출하므로 미들웨어는 H/W (Server 및 Network 장비)의 한계 내에서 모니터링 클라이언트의 숫자를 제한할 수밖에 없습니다. 당사는 다수의 모니터링 Client가 동시에 Physical World의 신호를 수신할 수 있도록 함으로써 전통적 미들웨어의 문제점을 해결하였습니다. 또한 현존하는 대부분의 상용 CPS가 가지는 문제점 중의 하나는 수용 가능한 Physical World의 Device (Sensor, Actuator 및 터미널 등)의 숫자는 미들웨어 서버 및 네트워크 장비의 성능에 지나치게 제한을 받는다는 점 이외에도, Device의 숫자가 증가하면 모니터링 클라이언트에서 시각화(Visualization)하는 데에 더 많은 시간이 필요해 대상 객체를 표현하는 데 필요한 시간의 증가로 신호 표현이 지연되거나, 심한 경우 프레임 손실이 발생되는 경우가 많습니다. 대부분의 CPS는 Visualization Quality를 하락시키는 방법을 통해 프레임 손실이 발생하지 않도록 하고 있습니다. 당사는 다수의 Device가 운영되는 환경이라고 하더라도 변화가 발생한 Object만 독립적으로 재시각화하는 Edge Computing 기법과 사용자가 인지 가능한 Signal의 수준에 맞춰 시각화하는 Level Of Detail (LOD) 기법을 통해 이러한 한계를 극복하고 있습니다.

1. 가상물리시스템 (Cyber Physical System, CPS)의 정의

미국의 NSF(국립과학재단)은 CPS에 대해 물리적 자원과 컴퓨터 자원간의 강한 결합과 조화라는 다소 추상적인 용어를 사용하여 정의했습니다.  The term 'cyber-physical systems' refers to the tight conjoining of and coordination between computational and physical resources. - National Science Foundation NSF 11-516, 2011 NSF의 정의 이전 단계에서는 CPS를 컴퓨터와 물리적인 프로세스간의 통합으로서, 물리적인 프로세스들이 컴퓨터에 영향을 미치거나 또는 그 반대로 컴퓨터가 프로세스에 영향을 미치는 피드백 루프를 통해서 내장된 컴퓨터와 네트워크들이 물리적인 프로세스를 모니터링하고 통제하는 것으로 정의하고 있었습니다. Mr. Edward A. Lee, 2008, Object Oriented Real-Time Distributed Computing NSF의 정의 이후 CPS의 정의는 좀 더 구체화되어 다음과 같이 정의됩니다. 1) “주변 물리적인 세상과 연결을 갖는 협력적인 연산 장치(컴퓨터)로 구성된 시스템으로 물리적인 세상과 동일한 정보를 가진 사이버 시스템 및 그 연결”을 의미하며, 2) 동시에 인터넷을 통하여 다른 시스템과도 서로 연동하고, 데이터 접근 및 처리 서비스를 제공하고 제공받는 시스템으로 확장이 가능하고, 3) 물리적인 요소와 가상 요소 간 상호작용은 가장 중요한 요소이며 우리는 그 사이의 상호작용을 반드시 이해해야 한다. Wang. et al., 2015 좀 더 기술적 요소를 포함하여 다음과 같이 정의되기도 합니다. “CPS는 IoT, 빅데이터 등의 기술을 활용하여 사이버 세상과 물리적인 세상을 연계하고, 동기화하는 요소이다. IoT나 빅데이터 등이 기술적 요소라고 한다면 CPS는 이러한 요소들을 활용하여 물리적인 세상을 사이버 세상에 반영하고, 사이버세상의 기술을 활용하여 실제의 물리적인 세상을 통제하고 제어하는 시스템이다” - 강형묵 외, 정보화 정책 제 25권, 2018

2. CPS의 개발방향

물리적 자원과 컴퓨터 자원간의 강한 결합과 조화라는 기본원칙을 통해 구현된 CPS는 산업별 특성에 따라 전체 시스템을 구성하는 Component일 수도 있고, 독립 Application일 수도 있습니다. Component로서의 CPS는 미래 시스템을 만드는 데 필요한 교차과학적인 기본과학 및 공학원리와 방법론의 개발에 관한 거시적인 것으로서 Siemens, ABB, 삼성, LG 등 대형 IT 업체가 수행하고 있습니다. 독립 Application으로서의 CPS는 특정 산업의 효율성 제고와 문제해결을 위해 필요하나 기존 시스템으로는 구현하기 어려운 또는 불가능한 기능을 Sensing/ Acuating, Communication, Computing 등 이미 존재하는 CPS Component들을 조합하여 구현하는 소프트웨어를 말하며, 당사와 같은 Application 전문회사에서 수행하고 있습니다. Cyber World와 Physical World의 연결이라는 CPS의 핵심 원칙을 준수하며 개발된 CPS Application의 방법, 도구, 구성요소 및 아키텍처는 특정한 산업군에 제한되지 않고 광범위한 응용분야에서 신속하게 진행할 수 있는 특징을 가집니다.

3. 독립 Application으로서의 CPS 전망

NSF는 미래의 CPS는 적용범위(Adaptability), 자율성(Autonomy), 효율성, 기능성, 신뢰성, 안전 및 사용성에 있어서 오늘날의 수준을 훨씬 더 넘어설 것이라고 전망하고 있습니다. NSF는 CPS가 그 효용성을 최대로 발휘하여 세상을 변화시킬 수 있는 기술 Domain과 산업군을 다음과 같이 정의합니다.

• 자동 충돌방지 등의 빠른 반응성 (Quicker Response)
• 로봇수술이나 초정밀제조 (nanotolerance manufacturing)를 위한 정밀성 (Precision)
• 위험 또는 접근취약 환경에서의 구조, 소방활동, 탐사를 위한 자동화 시스템 (Autonomous System)
• 자동화된 대규모 분산제어 (자동화된 교통제어)
• 고효율 시스템 (zero-net energy buildings)
• 인간역량 강화 (Augmented human capabilities)
• 유비쿼터스 핼스케어와 같은 향상된 사회복지망의 구축

4. 사이버물리 생산시스템 (Cyber Physical Production System, CPPS)

CPS는 스마트공장에도 적용이 가능하며, CPS를 제조 생산 분야에 적용한 사이버물리 생산시스템 (CPPS)로 개념을 확장하고 있으며, CPS 기술을 활용하여 제조 생산 분야를 고도화하고자 하는 개념으로 정의되고 있습니다. Monostri, 2014 독일인공지능연구소에서 정의한 CPPS의 개념은 다음과 같습니다. 우리나라 중소벤처기업부 산하 스마트 제조혁신 추진단은 DFKI 스마트공장 모델에 인공지능, 빅데이터, 디지털 트윈 등이 포함된 보다 실전적 모델로 확장하여 정의한 모델을 제시하고 있습니다. 스마트제조혁신 추진단의 정의에 따르면, CPPS는 현장의 필드버스나 PLC, 센서 등에서 데이터를 수집하고, 그 상위로 MES, ERP, SCM등의 기업운영 어플리테이션의 데이터로 변환하여 전달하는 수직적인 데이터의 통합을 통해 제조와 비즈니스 영역을 연결할 수 있는 역할을 차지합니다. 즉, CPPS는 제품 개발부터 출시, AS, 단종, 재활용의 단계에 이르는 Life Cycle 상에 존재하는 제품의 기획, 수요조사, 설계 및 제품 시뮬레이션 등 PLM 전 과정에서 작동되고 있는 시스템뿐 아니라 협력 기업의 제조 및 비즈니스 활동에서 발생하는 데이터를 수평적으로 수집 통합해서 CPPS 내부로 전달합니다. 따라서 CPPS는 공장내외의 모든 정보를 수집하고 저장하여 하나의 빅데이터를 구성하는 데 기여할 수 있다고 봅니다.

키네틱 디스플레이(Kinetic Display)란 시각적 효과의 옵아트와 역동성을 본질로 하는 키네틱 아트를 적절히 섞어 놓은 것으로서 주로 LED, LCD 등의 평판 디스플레이를 활용하고 있으며, 최근에는 보다 다양한 소재를 이용하여 구현하고 있습니다. 

키네틱 디스플레이의 대표적인 사례로는 대형 빌딩 외부에 설치하여 광고효과를 극대화한 프로젝트가 있습니다. 어마어마한 예산이 들기는 하지만 효과는 확실합니다.