PLC → SCADA → IoT: 데이터 수집 아키텍처
Day 1: 예지보전 개론 & 센서 데이터 이해
PLC → SCADA → IoT: 데이터 수집 아키텍처
설비 예지보전 > Day 1: 예지보전 개론 & 센서 데이터 이해
- 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/O각 계층 역할
| 계층 | 장비 | 주기 | 데이터량 | 역할 |
|---|---|---|---|---|
| L1 | PLC + 센서 | 1~100ms | 수 KB/s (설비 1대) | 실시간 제어 |
| L2 | SCADA/HMI | 1~10s | 수 MB/h (설비 1대) | 감시/기록 |
| L3 | IoT Gateway | 10~60s | 수 MB/일 (설비 1대) | 전처리/전송 |
| L4 | Cloud/AI | 분~시간 | 수 TB (전 사업장 누적) | 분석/예측 |
위로 갈수록 설비 한 대당 데이터는 줄어든다. 게이트웨이가 10~60초 단위로 집계해 올리므로 L3 는 L2 의 초 단위 기록보다 한두 자릿수 적다. L4 만 커 보이는 것은 설비 하나의 데이터가 늘어서가 아니라 전 사업장·전 기간이 쌓이기 때문이다. 단위를 섞어 읽지 않도록 기준을 명시했다.
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
진동은 다른 신호와 경로가 다르다. 두 갈래로 나누어 본다.
[빠른 신호] 진동 원신호 (25.6 kHz)
↓ 아날로그 (안티에일리어싱 필터 통과)
전용 진동 DAQ / 진동 분석기 — 25.6 kHz 그대로 수집
↓ 엣지에서 RMS · 첨도 · FFT 피처를 1초에 한 벌 산출
IoT Gateway (10초 집계)
↓ MQTT
Cloud (AI 모델 추론) → 대시보드 + 알림
[느린 신호] 온도 · 전류 · 유량 (1~100 Hz)
↓ 4~20 mA / 0~10 V
PLC (1~100 ms 주기 수집)
↓ 1초 대표값
SCADA (1초 기록)
↓ OPC-UA
IoT Gateway → Cloud진동을 PLC 로 받지 않는 이유는 나이퀴스트다. 표본율은 신호에 담긴 최고 주파수의 2배를 넘어야 한다. 25.6 kHz 로 표본화한 진동에는 12.8 kHz 까지의 성분이 들어 있는데, 이것을 PLC 가 1 ms 주기(1 kHz)로 다시 받으면 관측 상한이 500 Hz 로 내려간다. 그 위의 성분은 사라지는 것이 아니라 낮은 주파수 자리로 접혀 들어온다(에일리어싱). 베어링 초기 결함처럼 수 kHz 대역에 먼저 나타나는 신호가 이 단계에서 없어지거나, 있지도 않은 저주파 피크로 둔갑한다. 그래서 진동은 전용 DAQ 가 원신호를 받고 상위 계층으로는 피처만 올린다.
집계는 평균이 아니라 RMS 로 한다. 진동은 0 을 중심으로 오르내리는 교류 신호라 1초 평균을 내면 부호가 상쇄되어 0 에 가까워진다. 크기를 남기려면 제곱평균제곱근(RMS)을 쓴다. ISO 10816 의 mm/s 판정값도 속도 RMS 기준이다.
핵심: 원신호(25.6 kHz)를 그대로 클라우드에 보내면 비용을 감당할 수 없다. 1초에 RMS 한 값으로 줄이면 25,600:1 이므로, 줄이는 것 자체가 문제가 아니라 무엇을 줄이기 전에 계산해 두느냐가 설계의 핵심이다. FFT 는 원신호가 있는 자리에서 돌린다.
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.