35page

부터 현재까지 현장에서 쌓인 데이터에 의한 예측이라 할 수 있다. 논 리적 추론은 논리적인 이론이나 모델에 의해 합리적으로 예측하는 것 이다. 원인과 결과에 해당하는 데이터의 인과 관계에 따라 추론한다. 제조에서는 엔지니어링 데이터를 기반으로 한 예측이 논리적 추론에 해당한다. 이러한 예측적 판단은 대규모 화학, 식음료, 반도체 등의 양산 산업 (Process 혹은 Batch 공정)에서 지속적으로 공정을 최적화할 것으로 기대된다. 또한 자동차, 전자, 통신과 같은 이산 산업(Discrete 공정)에 서 고객 맞춤형 제품의 대량 생산, 조선 및 수배전반 등 수주 기반의 산 업의 투명하고 효율적인 기업 활동을 가능하게 할 것으로 예상한다. 전문가들은 “상관 관계 예측에 있어 최근에 화두가 되고 있는 것이 빅 데이터 분야”라며 “시스템에 의한 예측적 판단의 정확성과 신속성을 위해서는 경험적인 추론과 논리적인 추론의 결합, 혹은 연계가 불가피 할 것”이라 예상한다. 엔지니어링 데이터에 요구되는 조건 문제는 논리적 추론을 위한 엔지니어링 데이터가 극히 제한적이라는 데에 있다. 대부분의 엔지니어링 데이터는 사람의 인식에 초점이 맞추 어져 있다. 그렇다 보니 시스템 인식에 한계가 많아 데이터 처리의 신 속성이 부족할 수 밖에 없다. 데이터 활용 범위도 제한되고 추론에 적 용되는 데이터 품질도 보장이 어려운 상황이다. 일각에서는 엔지니어링 데이터를 신속하고 광범위한 목적으로 품질 까지 보장하기 위한 몇 가지 요구 조건이 필요하다고 말한다. ▲시운 전 이전에 가상의 환경에서 시뮬레이션을 통해 사전 검증을 할 수 있 는 ‘Virtual commissioning’ 지원 ▲엔지니어링 데이터와 현장의 시 스템을 연결시키는 ‘Virtual real world connectivity’ 기능 ▲제품의 라이프 사이클에 전반에 걸친 엔지니어링 데이터의 연속적인 활용을 위한 ‘Continuity across value chain’ 특성 등이다. 스마트 제조를 위한 움직임 독일은 엔지니어링 데이터에 요구되는 사항을 적용해 몇 가지 프로젝 트를 진행 중이다. 독일이 지향하는 ‘디지털화되고 단절되지 않은 엔 지니어링’을 비전으로 스마트 제조를 구현하기 위함이다. 대표적인 프로젝트인 SmartFactory KL 는 Plug&Production을 지원 하는 모듈 조립을 통해 운영되는 제조 공정을 목표로 한다. 퍼스널 컴 퓨터의 Plug&Play와 유사한 개념으로, 제조 공정의 일부 변경이나 교 할더 륌헬드 최종 우수3p아웃라인 95x275.indd 2 2018. 11. 23. 오전 11:47