20

PLC → SCADA → IoT: 데이터 수집 아키텍처

Day 1: 예지보전 개론 & 센서 데이터 이해

학습 목표

제조 현장의 데이터 수집 계층 구조를 이해한다 PLC, SCADA, IoT Gateway의 역할을 구분할 수 있다 데이터 흐름 경로를 설명할 수 있다

제조 데이터 수집 4계층

[데이터 수집 아키텍처]

Layer 4: Cloud / AI Platform
         ├── 예지보전 모델 (ML/DL)
         ├── 대시보드 (Grafana)
         └── 데이터 레이크 (S3/Azure Blob)
              ↑ MQTT / REST API
Layer 3: IoT Gateway / Edge
         ├── 데이터 전처리 (필터링, 집계)
         ├── 엣지 추론 (경량 모델)
         └── 프로토콜 변환
              ↑ OPC-UA / Modbus
Layer 2: SCADA / MES
         ├── 실시간 모니터링
         ├── 알람 관리
         └── 이력 데이터 저장
              ↑ Ethernet/IP
Layer 1: PLC + 센서
         ├── 센서 신호 수집 (4~20mA, 0~10V)
         ├── 제어 로직 실행
         └── 디지털 I/O

각 계층 역할

계층장비주기데이터량역할
L1PLC + 센서1~100ms수 KB/s실시간 제어
L2SCADA/HMI1~10s수 MB/h감시/기록
L3IoT Gateway1~60s수 GB/일전처리/전송
L4Cloud/AI분~시간수 TB분석/예측

프로토콜 비교

프로토콜계층특징
Modbus RTUL1↔L2시리얼, 간단, 레거시
OPC-UAL2↔L3산업 표준, 보안 내장
MQTTL3↔L4경량, IoT 표준, Pub/Sub
REST APIL3↔L4HTTP 기반, 범용

예지보전 데이터 흐름 예시

진동 센서 (25.6kHz)
     ↓ 아날로그 신호
PLC (1ms 주기 수집)
     ↓ 1초 평균값
SCADA (1초 기록)
     ↓ OPC-UA
IoT Gateway (10초 집계)
     ↓ MQTT
Cloud (AI 모델 추론)
     ↓
대시보드 + 알림

핵심: 원본 데이터(25.6kHz)를 그대로 클라우드에 보내면 비용 폭탄. 단계별 집계(Aggregation)로 데이터량을 99% 줄인다.

AI로 학습하기 — 꿀팁
🧪PLC→SCADA→IoT 계층별 AI 개입 지점AI 학습 팁

데이터 수집 계층 구조를 단순 이해에 그치지 않고, AI 모델이 어느 계층에서 동작하는 것이 최적인지 판단할 수 있어야 합니다.

제조 현장의 데이터 수집 아키텍처 PLC→SCADA→IoT Gateway→클라우드 각 계층에서 AI 예지보전 모델을 배포할 때의 트레이드오프를 분석해주세요. 각 계층별로: (1) AI 모델 배포 가능성(연산 자원, 실시간성, 통신 지연), (2) 이 계층에 AI를 배포했을 때의 장점과 한계, (3) 실제 포스코·현대자동차·삼성전자 수준의 제조사에서 채택하는 배포 패턴. 특히 OT 네트워크 보안 요구사항(에어갭, 단방향 통신)이 AI 배포에 미치는 제약도 포함해주세요.
이 팁이 도움이 됐나요?