도도하다) 38. FDC란 (자동화 공장)

======================================================
안녕하세요, 도리도리입니다.

프로젝트를 따라 움직이는 직군이다 보니 프로젝트 사이클에 따라서 업무량이 많아 지기는 시기가 있습니다. 

이번 역시 프로젝트를 시작 하게 되어 요즘은 많이 바쁜 상태 입니다.
(언제는 이런 말 안했냐 라고 하실 수 있는데, 업무 외 시간이 얼마나 되냐가 중요하지 않을까 생각 합니다. 결국 글을 자주 올리지 못하는 핑계 입니다. ㅎㅎ) 

특히나 기존에 하는 것들 외 가을 쯤에 회사에서 해야 하는 시험들이 있어서, 이런 부분들도 있어서 더더욱 글을 준비하기가 쉽지 않기는 하네요.

그래도 프로젝트를 하는 사람은 프로젝트를 해야 머리 회전이 빨라지는것 아니겠습니까?

아무것도 못하고 있는것보다 바쁘게 할일을 찾아 갈 수 있으면 마음은 편하지는 것 같습니다. ㅎ

항상 많은 분들의 도움으로 프로젝트를 잘 마무리 할 수 있었는데, 이번 역시 주변 분들과 함께 열심히 진행 하면 연말 쯤 되면 웃으면서 크리스마스를 보낼 수 있지 않을까 생각 하며 하나하나 풀어 나가려고 합니다. 

요즘 드는 생각은 시간만 보내면 경력이 그냥 올라가는 시기는 지난 것 같습니다.

잼잼이 분들 중에도 앞으로 업무를 해야 할 많은 시간이 있으신 분들이 있을 텐데 시간의 힘은 항상 배신하지 않는다고 생각 하며 많은 프로젝트들을 진행 하면서 남기는 것들이 하나씩이라도 있다고 하면 그 모든 것들은 본인들의 자산이 될 것이라고 확실히 말씀 드릴 수 있습니다. 

잼잼이 분들 모두모두 화이팅 하십시오.

※ 이쪽 계통에서 업무를 수행 하다 보면 제 C# 유튜브 강의가 프로그램을 입문하시는 분들에게 도움이 된다는 이야기를 자주 접하게 되는데 이번에 진행 하고 있는 자동화 공장이라는 강의들이 이쪽 업무를 시작 하려고 하시는 분들에게 실제 환경을 볼 수는 없어도 업무 적인 환경을 상상하는데 도움이 되었으면 합니다.
======================================================

 

Youtube)

38. FDC란 (자동화 공장).pdf

0.40MB

 

 

7. 자동화 공장이란?: https://youtu.be/JzAYl48w8aU
25. MES란 (자동화 공장): https://youtu.be/Y4w--9C3p08
27. ERP란 (자동화 공장): https://youtu.be/bkExsGH_CVI
28. PLC란 (자동화 공장): https://youtu.be/FuRquFqcWiw
32. OPC란 (자동화 공장): https://youtu.be/P0lhnw5anQU
33. MCS란 (자동화 공장): https://youtu.be/vxssgEQl-v4
35. EMS란 (자동화 공장): https://youtu.be/qo0GrGdxy74
36. HMI, POP, OI란 (자동화 공장): https://youtu.be/CSRBCmwu3RI
37. QMS란 (자동화 공장): https://youtu.be/Jqi29S0mLPM

38. FDC란 (자동화 공장)

자동화 공장에서 사용되는 시스템들에 대한 심화 강의 9번째 입니다.

오늘도 전문가가 되기 위해 달려보시죠!!!

----------------------------------------------------------------------------------------------------------------------------------

 ※ FDC(Fault Detection and Classification)

  > 제조 설비의 센서 데이터를 실시간으로 수집하여, 설비의 이상 징후(Fault)를 감지하고 그 원인을 분류(Classification)하는 “설비 감시 시스템”

  > QMS가 이미 만들어진 제품/자재/원료의 결과를 검사하는 “사후 점검 시스템” 이라고 하면 FDC는 제품을 만드는 기계를 실시간으로 감시 하는 “실시간 감시 시스템”

 1. FDC를 도입해야 하는 이유

  > 수율 방어 및 사고 예방(Save Money): 설비 고장으로 수억 원어치 제품을 버리거나(Scrap), 라인이 며칠씩 멈추는 천문학적 손실을 선제적으로 차단

  > 엔지니어 공수 절감(Save Time): 설비가 멈췄을 때 원인을 찾기 위해 로그 데이터를 뒤지는 시간을 줄임

  > AI Ready 데이터 자산화(at the feature): 향후 도입할 AI가 학습할 수 있도록, 기계가 고장 나기 직전의 미세한 징후들을 정밀하게 기록해 둔 '과거의 오답 노트'를 확보

 2. FDC의 4대 기능(1/2)

  > 수집(Data Collection): 설비 동작 정보(온도, 압력 등)를 초/밀리초 단위로 유실 없이 취합(AI 데이터의 원천)

  > 감지(Fault Detection): 엔지니어가 설정한 선을 넘거나 과거와 다른 이상 패턴이 보이면 즉시 경고를 발생

  > 제어(Interlock): 치명적 이상인 경우, 인간의 판단을 기다리지 않고 장비를 강제로 멈춤

  > 분류(Classification): 단순히 "문제 있음"이 아니라 "3번 히터 불량", "가스 밸브 압력 저하" 등 구체적 원인을 찾아 줌(엔지니어의 분석 시간을 단축하는 핵심 기능)

 3. FDC의 핵심 구성 요소

  > 데이터 수집기(EDA/DCP): 설비 인터페이스와 직접 연결되어 엄청난 속도로 데이터를 수집 하는 역할

  > FDC 연산 처리: 수집기가 가져온 실시간 시계열 데이터를 초당 수천 번씩 계산하고, 미리 설정된 관리 기준과 비교·판단 기능

  > 모델링 툴(Client UI): 현장 엔지니어들이 설비별로 감시할 센서 항목과 상/하한선(Control Limit)을 설정하고 모니터링하는 화면

  > 시계열 데이터베이스(TSDB): 거대한 용량의 Trace Data를 깨짐 없이 압축 저장(AI 활용을 위한 Raw Data)

 4. FDC의 미래 방향성

  > 단순한 설비 감시 시스템을 넘어, 제조 AI 시대로 가기 위한 FDC의 진화

  > 룰 기반(Rule-based)에서 AI/ML로의 진화: 과거에는 사람이 경험치로 상/하한선(룰)을 수동 세팅했으나, 이제는 AI가 수만 개의 센서 간 상관관계를 분석하여 인간이 보지 못하는 미세한 이상 패턴을 스스로 감지

  > 예지 보전(Predictive Maintenance)의 실현: "지금 이상이 생겼다"를 알려주는 단계를 넘어, 과거 데이터를 기반으로 "앞으로 3일 뒤에 특정 부품이 고장 날 확률 90%"를 미리 예측하여 정비하는 단계

 ※ FDC와 QMS의 차이점

구분	FDC (설비 이상 감지)	QMS (품질 관리 시스템)
감시 대상	설비 (Equipment) 및 공정 파라미터	제품 (Product) 및 자재 (Material)
관리의 초점	기계가 정상적으로 작동하고 있는가?	만들어진 제품이 규격(Spec)을 만족하는가?
데이터의 성격	초 단위 시계열 데이터 (Trace Data) (온도 곡선, 압력 그래프 등 연속성)	이산형 이벤트 데이터 (Discrete Data) (합불 판정, 특정 치수 값 등 단발성)
발견 시점	실시간 (Real-time), 공정 진행 중	사후 (Post-process), 공정 종료 후 검사 시
액션 (조치)	설비 인터락(가동 중단), 유지보수 호출	부적합 Lot 격리(Hold), CAPA(시정 조치) 발행
시스템 레벨	Level 1~2 (설비단과 매우 가깝게 붙어있음)	Level 2~3 (전사 단위의 데이터 집계)

 ※ 마무리

   > Garbage In, Garbage Out(제조 AI의 성패): 아무리 비싸고 훌륭한 AI 솔루션을 도입해도, FDC가 수집하는 “초 단위 설비 데이터”가 부실하면 예측은 원천적으로 불가능함.

   > 결국 AI 시대의 공장 경쟁력은 FDC 시스템의 데이터 수집 능력이 결정

※ 작업자의 실수를 막는 “풀 프루프(Fool Proof)”가 조립 라인의 물리적 안전장치라면, FDC의 Interlock은 설비 내부 데이터를 감시하는 소프트웨어적 풀 프루프 메커니즘

※ EDA(Equipment Data Acquisition, 설비 데이터 수집): 기존 통신 방식(SECS/GEM)의 한계를 넘어 초고속·대용량으로 센서 데이터를 수집하기 위해 만든 인터페이스 표준(Interface A)

※ DCP(Data Collection Plan, 데이터 수집 계획): 설비에 장착된 수많은 센서 중 "어떤 데이터를, 어떤 조건에서, 몇 밀리초(ms) 주기로 수집할 것인가"를 정의해 놓은 수집 규칙(시나리오)

※ TSDB(Time Series Database, 시계열 데이터베이스): 시간이 흐름에 따라 순차적으로 쌓이는 시계열(Time Series) 데이터를 저장하는 데 최적화된 특수 데이터베이스(ex) InfluxDB, TimescaleDB)

----------------------------------------------------------------------------------------------------------------------------------

강의)