RTO의 실시간 정보수집을 위한 Edge-IoT 시스템 구현 - IoT Data 수집을 위한 아키텍쳐 구현 - (Implementing an Edge-IoT System for Real-Time Information Gathering of RTOs - Implementing Architecture for IoT Data Collection -)

서지정보

· 발행기관 : 사단법인 한국안전문화학회
· 수록지 정보 : 안전문화연구 / 34호 / 33 ~ 50페이지
· 저자명 : 장치영, 윤달환, 장명기, 정재완, 김지헌, 김민우, 박훈민, 임태영

초록

본 연구에서는 축열식 연소산화장치 (Regenerative Thermal Oxidzer, RTO)의 원격 유지보수를 위하여 실시간 상태정보를 수집하고 판정하기 위한 IoT 아키텍처(Architecture)를 제시하고 가시화 방법을 구현한다. Edge-IoT 아키텍처시스템은 RTO 운영 모니터링을 제어하는 PLC(Programmable Logic Control)와 인터페이스 (Interface)하여 원격 서버로 실시간 데이터를 전송하며, IoT를 통하여 수신된 채널 데이터는 데이터베이스(Database)를 구축하고 RTO 장치의 특성을 가시화하기 위해 분석된다. RTO에 대한 실시간 모니터링 및 고장 판단, 유지보수를 위한 IoT 아키텍처 구현은 모니터링을 제어하는 PLC 제어반에 IoT 회로를 구축한다. 원거리에서의 유지보수가 원활하기 위해 호환성과 정보보안을 고려한다. 수신된 데이터는 채널별로 Segmentation 되고, Segmentation 데이터의 이상 탐지를 위하여 가시화 알고리즘으로 분석된다. 이때 가시화된 데이터들은 임계치(Threshold Value)에 따라 정상, 미흡, 경고 등으로 판정된다. 기존의 IoT 시스템에서 사용하는 공통 소프트웨어 스택은 데이터 처리가 에지(Edge)와 클라우드(Cloud) 간에 이동될 수 있도록 하는 컴퓨팅, 휴대성 및 관리 용이성을 위해 필요하다. 다수 RTO 장치의 모니터링 PLC에서 에지 노드가 특정 클라우드 백엔드와 상호 작용할 경우, 에지와 클라우드 간의 네트워크 대역폭은 대규모 데이터 전송의 병목 현상이 나타난다. 또한 에지와 클라우드 사이에서 데이터가 전송되는 많은 노드의 클러스터 된 시스템에서는 단일 에지 노드의 오작동으로 인해 데이터가 영원히 손실될 수 있다. 특히 노드 장애 또는 간헐적인 장거리 네트워크 연결 문제의 경우, 에지에서 시스템 상태를 로컬로 보존하기 위해 로컬 내결함성을 구현할 필요가 있다. 이러한 문제를 해결하기 위해 본 논문에서는 최첨단 클라우드기술을 채택하고 에지 컴퓨팅에도 배포하여 IoT 애플리케이션을 위한 새로운 내결함성 아키텍처인 CEFIoT를 제안한다. CEFIoT 아키텍처는 (i) Application Isolation, (ii) Data Transport, (iii) Multi-Cluster Management 계층의 세 가지 계층으로 구성된다. 이 계층화된 설계를 기반으로 아키텍처는 소스코드 수정없이 에지 또는 클라우드에 컴퓨팅 배치를 허용한다. RTO 설비별 실시간 상태 데이터와 함께, 개별 장치 및 부품에 대한 이력들에 대한 정보 관리가 필요하며, 시계열 데이터 학습을 통한 예지보전을 위해서는 이상 상황에 따른 설비의 데이터가 필수적이다. 그러나 각각의 이상상황을 재현하기가 어려울 수가 있기때문에 정상상태의 데이터를 통한 설비의 모델링을 통해서 이상 상황을 가상으로 재현할 필요가 있다.

영어초록

In this study, an IoT architecture is implemented to collect and determine real-time status information for remote maintenance of heat storage thermal oxidizer. IoT architecture systems interface with PLC (Programmable Logic Control), which controls RTO operation monitoring, and transmit real-time data to remote servers, and channel data received through IoT is analyzed to build a database and visualize the characteristics of RTO devices. IoT architecture implementation for real-time monitoring, failure determination, and maintenance of heat storage combustion oxidation facilities interface IoT circuitry to the PLC control panel that controls monitoring. Compatibility and information security are considered to facilitate maintenance at a distance. The received data is segmented for each channel and analyzed with a visualization algorithm to detect abnormality in segmentation data. At this time, the visualized data are judged as normal, insufficient, or warning according to the threshold value. The common software stack used in existing IoT systems is necessary for computing, portability, and ease of management that allows data processing to be moved between the edge and the cloud. When an edge node interacts with a specific cloud backend in the monitoring PLC of multiple RTO devices, the network bandwidth between the edge and the cloud presents a bottleneck of large-scale data transfer. In addition, in a clustered system of many nodes where data is transferred between the edge and the cloud, data can be lost forever due to a malfunction of a single edge node. Especially in the case of node failure or intermittent long-distance network connection problems, it is necessary to implement local fault tolerance to preserve system state locally at the edge. To address this problem, this paper proposes CEFIoT, a new fault-tolerant architecture for IoT applications by adopting state-of-the-art cloud technology and also deploying it to edge computing. The CEFIoT architecture consists of three layers: (i) Application Isolation, (ii) Data Transport, and (iii) Multi-Cluster Management layer. Based on this tiered design, the architecture allows computing deployments on edges or clouds without source code modifications. In addition to real-time status data for each RTO facility, information management on the histories of individual devices and parts is required, and facility data according to abnormal situations are essential for preservation through time series data learning. However, since it can be difficult to reproduce each abnormal situation, it is necessary to virtually reproduce the abnormal situation through facility modeling through normal state data.

참고자료

· 없음