20분
PLC → SCADA → IoT: 데이터 수집 아키텍처
Day 1: 예지보전 개론 & 센서 데이터 이해
PLC → SCADA → IoT: 데이터 수집 아키텍처
예지보전 — 설비 고장 예측 시스템 > 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
| 계층 | 장비 | 주기 | 데이터량 | 역할 |
|---|---|---|---|---|
| L1 | PLC + 센서 | 1~100ms | 수 KB/s | 실시간 제어 |
| L2 | SCADA/HMI | 1~10s | 수 MB/h | 감시/기록 |
| L3 | IoT Gateway | 1~60s | 수 GB/일 | 전처리/전송 |
| L4 | Cloud/AI | 분~시간 | 수 TB | 분석/예측 |
프로토콜 비교
| 프로토콜 | 계층 | 특징 |
|---|---|---|
| Modbus RTU | L1↔L2 | 시리얼, 간단, 레거시 |
| OPC-UA | L2↔L3 | 산업 표준, 보안 내장 |
| MQTT | L3↔L4 | 경량, IoT 표준, Pub/Sub |
| REST API | L3↔L4 | HTTP 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?