1.서 론

2000년 이후 기업들은 설비의 자동화 및 정보화를 활 발히 진행해 오면서 공정 내에서 발생하는 데이터의 수 집 및 활용의 중요성을 알게 되었다. 그로 인해 Computer Integrated Manufacturing(CIM) 및 Manufacturing Information System(MIS)와 같은 Information and Communication Technology(ICT)를 이용한 공정 관리 및 개선활동의 도입 은 실패비용을 줄이고 효과적인 사고예방을 가능하게 하 는 중요요소로 자리잡아가고 있다.

대다수의 도금공정은 장시간 동안 연속적인 전기·화 학적 처리과정을 거치기 때문에 항상 화재위험에 노출되 어있다. 특히, 중·소기업의 경우 비용적인 측면에서 화 재방지를 위해 상용화 된 시스템의 구입이나 솔루션 업 체의 컨설팅을 받기는 현실적으로 어려우며 24시간 근로 자를 배치하는 것 역시 쉽지 않다.

인천 남동공단은 본 연구의 사례기업인 J사와 같은 중· 소기업이 다수 위치하며 화재 또한 빈번하게 발생한다. <Table 1>은 J사의 소재지인 인천광역시 남동공단의 2014년 국가화재정보센터 화재통계자료이다[8]. 이에 따르면 관리 소홀 및 실수로 발생한 화재인 실화가 118건 중 111건으 로 약 94.1% 차지하며 화재로 인한 피해액 또한 499,937 만 원 중 370,110만 원으로 약 74.1%로 높은 퍼센트를 차 지함을 알 수 있다.

본 연구의 대상인 도금공정의 경우 발화점이 낮은 용액 들을 주로 사용하기 때문에 급격한 온도 변화 시 화재발 생 위험이 매우 높다. 더욱이 도금에 사용하는 용액을 재 고로 보유하고 있어 화재 발생 시 규모가 크고 피해금액 역시 높다. 따라서, 본 연구는 도금공정에서 화재발생 위험 을 감소시킬 수 있는 화재예방 시스템을 제안하고자 한다.

Raspberry Pi는 영국 라즈베리파이 재단이 기초 컴퓨터 과학 교육을 증진시키기 위해 만든 싱글보드 컴퓨터이다. 크기는 약 85.60×53.98(mm)이고 무게는 약 45g이다. Raspberry Pi는 단일 칩 시스템을 사용하고 700Mhz Single- Core processor와 VGA Core, 512MB의 메모리를 장착하 고 있다. 외부 기억 장치로는 Micro SD card를 사용하며 HDMI 포트를 이용한 VGA 출력과 4개의 USB 포트가 장 착되어 있어 사용의 편의성과 범용성이 높은 장치이다. Ethernet Chipset을 이용한 네트워크를 사용할 수 있으며 가격 또한 저렴하다. 작은 크기와 저렴한 가격, 그리고 General purpose input output(GPIO)를 이용한 하드웨어 제 어가 가능한 점 등을 고려해 보면 중·소 제조공장 내에 서 제어 보조기기로서의 역할을 수행하기 적합하다[6]. 또 한 Debian 계열의 리눅스(Linux) 운영체제인 Raspbian을 사용하기 때문에 필요한 패키지의 설치 및 유지보수가 간편하다는 장점이 있다[9].

Android는 리눅스(Linux) 2.6 Kernel을 기반으로 강력한 운영체제와 라이브러리 및 사용자 인터페이스 등을 제공 한다. Android는 완전 개방형 플랫폼으로써 기반 기술인 소스코드를 완전히 공개해 개발자들의 소프트웨어의 확 장 및 재사용의 자유성을 보장한다. Open-Source이므로 별도의 사용료를 지불하지 않고 사용할 수 있다[7].

최근 IOT(Internet On Things)와 관련한 많은 연구와 저 서들이 출간되고 있다[18, 19]. 그 중 아날로그신호를 Raspberry Pi를 통해 계측하고 PC Server 및 Local monitor와 의 연결을 통해 Home automation이나 Management System 을 구축하는 연구들이 다수 발표되고 있다.

과거 IOT 개념이 생기기 전의 연구 중 하나인 Park et al. [17]은 Zigbee와 RFID를 이용해 시스템의 저비용의 통합관 리시스템을 개발하는 연구를 진행했으나 웹베이스가 아 니므로 한계가 있었다. Kim et al.[13]은 센서 네트워크 기반 의 카메라 모듈을 이용한 실시간 공정관리가 가능한 시스 템을 개발하였다. Lee et al.[16]은 조선산업 환경에서 MES (Manufacturing Execution System)개념을 기반으로 생산정 보를 수집하여 실시간 공정관리가 가능한 시스템을 개발 했다. 또한 Lee et al.[15]는 Relay회로에서 발생하는 신호 를 감지할 수 있는 단말기를 통해 공정데이터를 Server로 전송하는 연구를 진행했다. 이와 같은 연구들은 PC에 서 버와 UI를 구현하여 PC가 아닌 환경에서 공정의 현 상태 를 알기 어렵다. IOT 개념이 생긴 후의 연구들 중 하나인, Goradiya and Pandya[4]는 ARM(Advanced RISC Machines) Architecture를 기반으로 Arduino에서 측정되는 온도를 Serial 통신을 이용해 Raspberry Pi에서 수신하는 연구를 진행했 는데 이는 Serial 통신구축에 그쳤다. Jain et al.[10]은 Raspberry Pi를 통해 Home-Automation 구현과 Serial 통신이 아닌 E-mail로 관련정보를 수신할 수 있는 플랫폼에 관한 연구를 진행했다. Dhaval et al.[3]은 PC와 Raspberry Pi를 이용한 프로젝터(Projector) 제어를 연구하면서 Raspberry Pi와 PC를 무선통신으로 이루어진 시스템으로 구축했다. Lagu and Deshmukh[14]는 공정에 Raspberry Pi를 이용해 정수처리시설의 자동화에 관한 연구를 진행하면서 Raspberry Pi를 공정에서 활용하는 시스템을 제안했다. Jose- Luis et al.[11]은 Raspberry Pi에서 스마트센서의 데이터를 TCP/IP 통신으로 PC에 전달하고 PC가 로봇에 신호를 전 달하는 3단계로 이루어진 네트워크 시스템을 제안했다. 또한 Kim et al.[12]와 Choi et al.[2]는 공정상에서 네트워 크 시스템을 이용한 온도 측정 시스템을 연구하였다. 한편 수집된 온도 데이터를 활용한 상태기반보전활동(Condition- Based Maintenance)에 관련한 연구는 Gray and Watson[5] 의 연구가 있다. 이 연구는 풍력발전기의 터빈(Turbine)의 상태를 실시간으로 감시하여 실패를 줄이고자 하는 연구 인데, 본 연구에서는 온도 수집 이후의 활동은 다루지 않 고, 온도를 수집하여 이상 온도 시 알림을 제공하는데 목 적이 있다. 위의 연구들과는 달리 웹베이스가 아닌 CDMA (Code Division Multiple Access)방식을 이용한 원격 모니 터링 시스템에 관한 연구가 Bae et al.[1]에 의해 진행되었 는데 이 역시 스마트폰이 아닌 PC로 데이터를 전송함으 로써 실시간으로 상태를 모니터링 하기엔 역부족이다. 또 한, Raspberry Pi-PC Server-스마트폰으로 이루어진 네트 워크 시스템을 이용해 도금공정에서의 온도관리가 가능 한 위험관리 솔루션에 대한 사례는 존재하지 않는다.

따라서, 본 연구에서는 Raspberry Pi의 GPIO를 이용해 온도를 계측 및 모니터링하고 위험온도수준을 초과할 경 우 Android OS 스마트폰으로 Push-alarm을 전송하는 시 스템을 개발하고자 한다. 제안된 시스템은 다수의 Raspberry Pi에서 전송되는 데이터를 처리하기 위한 Multi-thread Based Async Socket Server를 개발하여 실제 현장의 병 렬 공정 상황에서 실시간으로 과열 경고 수신을 가능케 하고 화재 발생으로 인한 실패비용을 줄이고자 한다.

2.J사의 현황 및 문제점

본 장에서는 사례기업인 J사에서 위험 및 공정관리에 사용중인 도구와 화재위험에 노출될 수 밖에 없는 회사 현황 및 문제점에 대해 설명한다.

2.1.J사의 현황

본 절에서는 J사가 과열 등의 위험상황을 인지하기 위 해 사용중인 경고시스템과 화재상황과 직결되는 요소인 온도를 관리하는 방법에 대해 다루고자 한다. J사의 실제 현장에서 활용중인 위험 및 공정관리 도구는 계기반과 사이렌 및 Check-sheet이다. 계기반은 현재 도금조의 온 도를 디스플레이 상에 표시하는 역할을 한다. 계기반은 각 도금조별로 존재하고 모든 도금조의 온도를 볼 수 있 는 주 계기반이 존재한다. 사이렌은 계기반에 표시된 온 도가 위험온도를 초과할 시 소리 신호와 함께 점멸등으 로 작동한다. Check-sheet은 도금조를 구성하고 있는 기 계장치와 온도를 점검한다. 이러한 도구와 장치들을 통 해 위험 및 공정관리를 진행하고 있지만, 화재예방을 실 시간으로 감시하기엔 역부족이다.

2.2.문제점

2.2.1.계기반과 Check-sheet의 한계

계기반은 사이렌과 온도를 표시하는 장치로 구성되어 있다. 위험온도를 초과할 시 사이렌을 이용해 작업자들 에게 위험상태를 인지시킬 수 있다. 그러나 현장내의 냉 각기와 컨베이어벨트의 소음으로 인해 사이렌 소리를 인 지하지 못하는 일이 빈번하게 발생하기 때문에 실효성이 없는 실정이다.

Check-sheet은 공정관리상태를 인지하기 용이하며 항 목누락을 방지할 수 있다는 장점이 있다. 하지만 J사에서 사용 중인 Check-Sheet는 화재의 중요 관리요소인 온도 에 대한 기록란이 존재하지 않고 계기반에 표시되는 온 도를 기반으로 정상공정인지 판단하고 기록하는 방식이 기 때문에 위험에 쉽게 노출될 수 있다. 또한 공정데이터 를 활용할 수 있는 방법이 없기 때문에 화재예방 및 품 질개선의 여지가 존재하지 않는다.

2.2.2.야간 감시 불가

도금공정의 특성상 장시간에 걸쳐 연속적인 전기·화 학적 처리과정을 거친다. 이는 야간 시간대에도 연속적 인 작업이 이루어 질 수 있음을 의미하는데, 비용적인 측 면에서 영세제조업체가 야간 감시에 별도의 인력을 배치 하는 것은 불가능하다.

따라서 관리자가 실시간으로 화재발생여부를 인지할 수 있고 비용적인 측면을 고려한 시스템이 필요한 시점이다.

3.시스템 구성

본 장에서는 앞서 소개한 하드웨어와 소프트웨어를 이용해 화재여부를 신속히 인지할 수 있는 시스템의 개 념도와 단계별 방법에 대해 설명하고자 한다.

3.1.시스템의 개념도

본 절에서는 실시간 원격 모니터링 시스템의 개념도와 정보의 흐름을 다루고자 한다. 아래 <Figure 1>은 실시간 원격 모니터링 시스템의 개념도를 단계별로 나타낸다.

도금공정 중 실시간으로 온도를 계측하여 서버로 전 송한다. 서버에서는 수신된 데이터를 기반으로 위험온도 에 대한 판별을 시행한다. 이 때, 온도가 위험온도를 초 과할 시 현장근무자 및 관리자에게 경고를 전달하고 정 상온도이면 계속하여 진행한다.

3.2.단계별 방법

본 절에서는 <Figure 1>을 기반으로 하여 실시간 원격 모니터링 시스템의 각 단계별 세부구성에 대해 논하고자 한다. Factory 단계에서 화재예방에 필요한 온도 데이터 를 측정하고 서버에 전송한다. 센서-Raspberry Pi간 통신 은 직렬 통신으로 이루어지며 Raspberry Pi는 서버에 TCP/ IP 통신을 이용해 데이터를 전송한다. 데이터를 수신한 서버는 전달받은 데이터가 위험온도인지 판단하여 위험 온도이면 GCM 서비스를 통해 사용자의 스마트폰으로 Push-alarm을 전송한다.

3.2.1.Factory 단계

아래 <Figure 2>는 Raspberry Pi와 MCP3204 그리고 Pt100Ω 저항센서를 연결한 회로도 이다. 온도계측에 사용 하는 Pt100Ω 측온저항센서는 외피가 PTFE(불소수지)로 이루어져있어 온도 변화폭이 넓은 도금공정에 사용하기 적합하다. <Figure 2>의 회로도를 따르면 MCP3204의 여 유채널이 4개이기 때문에 한 개의 회로에서 4개의 도금조 를 감시할 수 있다. 센서를 통해 측정된 데이터는 아날로 그 형태로 출력되며 Raspberry Pi에는 별도의 AD Converter 가 존재하지 않기 때문에 MCP3204를 이용해 Digital로 변 환하는 과정이 필요하다.

변환 시 시스템의 주변환경 및 회로상태에 따라 측정수 치에 오차가 발생할 수 있다. 따라서 오차를 보정해야 하는 데, 이에 필요한 수식은 <Figure 3>에 보여지는 MCP3204 의 Digital Output Code를 구하는 수식을 변형시켜 얻을 수 있다. 이 수식과 저항센서의 온도대별 이론적 저항수치 를 비교하여 오차를 보정하는 온도보정상수를 결정한다.

<변수>

R₁ : 저항센서로부터 측정된 저항수치

V_IN : Input Voltage

Temp : 측정된 온도수치

R_α : 저항보정상수

T _α : 온도보정상수

<수식>

식 (1)은 측정된 저항수치를 계산하기 위한 수식이며 이 수식의 결과값은 온도를 계산하기 위해 쓰인다. 상수 100 은 저항센서의 자체 저항수치이며 상수 3.3은 Raspberry Pi GPIO의 출력 전압수치, V_IN 은 A/D Converter를 거쳐 들어 오는 전압수치이다. R_α는 저항보정상수로써 저항 측정 시 회 로상태나 주변환경 등에 따라 측정수치의 변화가 심하게 일어난다. 따라서 <Table 2>에 표기된 특정온도대의 이론적 저항수치를 참고하여 저항보정상수를 결정할 필요가 있다.

식 (2)는 온도수치를 계산하기 위한 수식이다. Pt100Ω 측온저항센서는 IEC751 규격을 따르는데, 이 규격은 저항 소자의 온도가 0°C일 때 저항수치가 100Ω이고 저항소자 의 온도가 100°C일 때 저항수치는 139Ω으로 나타난다. 이 를 따르면 온도가 1°C 상승할 때 저항은 약 0.39Ω 상승하 는 것을 알 수 있다. R₁은 식 (1)의 결과 값이며 상수 0.39 는 온도 1°C당 저항의 상승폭, 상수 100은 저항센서의 자 체저항수치이다. T _α는 온도보정상수로써 온도를 측정하 는 저항센서의 리드선 길이 및 센서의 사용연한 등 센서 상 태에 따라 측정수치의 변화가 심하게 일어난다. 따라서 <Table 2>를 참고하여 온도보정상수를 결정할 필요가 있다.

이를 따라서 저항 보정상수 및 온도보정상수를 Raspberry Pi 내부에 Python으로 개발된 프로그램에 저장한다. 이 과정을 통해 측정오차를 최소화시켜 데이터의 신뢰성을 증가시킬 수 있다.

3.2.2.Server 단계

Raspberry Pi와 Server간의 통신 프로토콜은 TCP/IP 통신 을 사용한다. <Figure 4>는 Multi-thread based Async socket server의 개념도이다. 실제 현장의 도금조의 수는 다수이기 때 문에 동시다발적인 데이터 처리를 위해 Multi-thread Server 가 필요하며 통신의 동기화가 불필요 하므로 Async Socket Server를 이용한다. 데이터 수신 후 서버는 조건문을 통해 위험온도를 판별하고 위험온도를 초과할 시 GCM을 통해 User 단계로 Push-alarm을 전송한다.

3.2.3.User 단계

Server 단계에서 데이터에 대한 판별 후 User 단계로 Pushalarm을 전송할 때 GCM(Google Cloud message)를 사용 한다. GCM은 Google에서 제공하는 서비스인데, 이는 Servertarget device간에 메시지를 간단히 주고받을 수 있는 서 비스이다. 서비스 사용과 구축에는 <Figure 5>와 같은 간 단한 절차가 필요하다.

Push-alarm의 전송을 위해선 GCM 서버에 등록하는 과 정이 필요하다. 먼저 Target device에서 GCM 서버로 Target device 등록을 요청한다. GCM 서버는 요청을 받은 후 Target device의 등록ID(Registration ID) 정보를 반납하고 Target device는 등록ID를 수신함과 동시에 Server에 등록 ID 정보를 전송한다. Server는 Raspberry Pi에서 전송 받은 데이터가 위험온도를 초과할 시 등록ID 정보에 해당하는 Target device로 Push-alarm을 보낼 것을 GCM 서버에 요 청한다. GCM 서버는 Server의 요청을 받으면 등록ID 정보 를 검사 후 Target device로 Push-alarm을 전송한다.

4.구성 결과

본 장에서는 앞서 설명한 시스템 구성의 결과를 Hardware part와 Software part, 그리고 보정상수 적용의 유효 성을 보이고자 한다. Hardware part는 <Figure 2>의 회로 도를 기반으로 구성되었으며 Software part는 Raspberry Pi 프로그램의 실행화면과 Push-alarm의 수신화면을 보인 다. 마지막으로 보정상수적용의 유효성을 확인하기 위해 기존 온도계와 비교실험을 진행하고 경제성을 분석한다.

4.1.Hardware Part

앞서 설계한 <Figure 2>를 기반으로 한 회로의 안정성을 높이기 위해 Interface board를 제작하였다. Interface board 는 저항센서와 연결할 수 있고 Raspberry Pi의 GPIO에 직접 장착되어 저항센서에 의해 측정된 데이터를 전송한다. <Figure 6>은 Raspberry Pi-저항센서-Interface board를 연 결한 그림이다.

4.2.Software Part

<Figure 7>은 Raspberry Pi에서 실행되는 프로그램이다. 저항센서로부터 계측된 저항값을 계산하고 저항보정상수 와 온도보정상수를 적용시켜 최종적으로 Server에 전송하 는 Client 역할을 한다.

<Figure 8>은 GCM 서버로부터 Push-alarm을 정상적 으로 수신한 Android Application User interface(UI)이다. 수신 시 팝업 알림과 동시에 상단 알림 바에 메시지가 표시된다. 어떤 도금조의 온도가 위험온도를 초과했는지 실시간으로 인지할 수 있게 한다.

4.3.보정상수적용의 유효성 확인 실험

<Figure 3>을 통해 산출된 보정상수를 적용시킨 온도 측정시스템과 기존 온도계 간의 측정수치 비교실험을 진 행한다. 이는 제안한 시스템의 온도측정정밀도를 입증하 기 위해 필요하다. 사례기업인 J사에서 현재 도금공정 온 도측정에 사용중인 A사의 T제품과 제안된 시스템 간의 측정온도수치를 비교한다. 실험방법은 3개의 온도구간을 설정 후 약 5초의 간격으로 데이터를 기록한다. 제안한 시스템과 T제품에서 측정된 온도의 평균을 비교하여 그 차이를 산출하여 판단한다. 산출 수식은 다음과 같다.

<변수>

Avg_T : 제품T 측정치의 평균

Avg_PS : 제안시스템 측정치의 평균

<수식>

GAP % = Avg _ T − Avg _ PS Avg − T × 100

편의상 30°C~39°C를 구간 (1), 40°C~49°C를 구간 (2), 50°C~59°C를 구간 (3)으로 칭한다. <Table 3>은 각 구간 의 측정된 온도 데이터이다.

구간 (1)의 각각의 평균값은 37.4와 37.3로 산출되었으 며 평균의 차이는 0.1이며 약 0.26%의 차이가 발생했다. 구간 (2)의 각각의 평균값은 43.7과 43.8로 산출되었으며 평균의 차이는 0.1이며 약 0.22%의 차이가 발생했다. 구 간 (3)의 각각의 평균값은 54.8과 54.8로 산출되었으며 평균의 차이는 0이며 0%의 차이가 발생했다. 이 결과로 미루어 볼 때, 제안한 시스템의 측정오차는 약 ±0.1°C 수 준이며 액체를 주로 사용하는 도금공정에 사용하기 적합 할 것으로 판단된다.

4.4.제안된 시스템과 기존제품간의 경제성 분석

제안된 시스템의 경제성을 분석하기 위해 시스템을 구성하고 있는 요소들의 비용과 기존 제품 T의 비용을 비교하여 진행했다. 제안된 시스템을 구성하는 요소들의 총 비용과 기존 제품 T의 비용을 비교해 보면 제안된 시 스템을 사용하는 것이 약 16.9%의 비용절감 효과를 가져 오는 것을 알 수 있다.

5.결 론

본 연구는 도금공정 상황에서 발생할 수 있는 화재위 험을 예방하고 중·소기업의 상황에 적합한 낮은 비용의 실시간 원격 모니터링 시스템을 제안하였다.

제안된 시스템은 도금공정에서 연속적으로 발생하는 공정데이터를 활용하여 위험온도 초과 시 관리자나 근 무자에게 실시간으로 경고를 할 수 있다. 기존에 사용하 던 경보 시스템은 사고현장에 근로자가 배치되어 있지 않거나 경보 사이렌의 소리를 청취하지 못할 시 신속하 게 대응하기 어렵다는 치명적인 단점이 존재하였다. 하 지만 제안된 시스템은 일반적으로 상시 지니고 다니는 스마트폰에 경고를 전달함으로써 신속한 사고인지와 즉 각적인 조치를 가능하게 하였다. 또한 비용적인 측면에 서도 제안된 시스템이 우수하므로 공정관리 측면에서 효율적이다. 도금공정 실시간 원격 모니터링 시스템의 개발은 개념적으로 유사한 모든 업종에 적용할 수 있을 것으로 보이며 낮은 도입비용으로 인한 중·소기업의 정 보화를 도모할 수 있다. 또한 수집된 온도 데이터를 기반 으로 상태기반보전(Condition-Based Maintenance) 활동을 할 수 있는 초석이 될 것으로 예상된다.

향후 연구로, 가동시간 및 작업시간과 같은 공정데이 터를 적극적으로 활용하여 낮은 도입비용과 간편한 활 용이 가능한 통합 위험관리 솔루션으로 발전시킬 계획 이다.