[Tech Report] 산업 자동화의 차세대 진화: 자기 인식 모션 제어

[아나로그디바이스=제프 드앤젤리스(Jeff DeAngelis)] 산업 자동화의 차세대 진화는 기계가 독립적으로 성능 파라미터를 조정하여 공장 작업자로부터 할당 받은 작업을 완료하거나, 생산성을 향상시키는 인공 지능(AI) 관찰자 알고리즘의 입력을 바탕으로 스스로를 재구성해 동작을 최적화할 것을 요구한다.

자기 인식 기계(Self-Aware Machine)의 가치는 생산성을 극대화하고 장비의 가동 수명을 연장하며 유지보수 비용을 줄이는 능력에 있다.

자기 인식 모션 제어를 향한 여정

자기 인식(self-awareness)이란 시스템이 가진 능력과 수행해야 할 목표에 대한 이해를 바탕으로 스스로에 대한 지식을 가지고 있는 시스템으로 정의할 수 있다. 실제로 자기 인식 모션 제어 시스템은 센서 입력과 요청되는 시스템 파라미터를 해석하고, 자신의 작동 동작을 요청된 시스템 수행과 비교하는 기능을 제공하는 다중 제어 루프의 구현을 필요로 한다.

이러한 목표를 달성하고 자기 인식 모션 제어 시스템을 구현하려면 시스템 동작을 모니터링하고, 드라이브 시스템의 작업 환경에 따라 수행을 동적으로 조정하는 적응형 모션 제어 에이전트를 만들어야 한다.

이 글은 자율 에이전트를 사용하여 지속적으로 변화하는 작업 환경 조건을 감지 및 모니터링하여 자기 인식 모션 제어 시스템을 달성하는 방법을 제공하는 데 초점을 맞추고 있다. 이러한 조건은 현장 수준의 드라이브에서 모션 파라미터를 가져오는 일련의 중첩된 폐쇄 루프 실시간 수행 모델로부터 도출된다.

드라이브 시스템의 전기적 및 기계적 모델이 도출되면 이 모델을 사용하여 자동화 피라미드의 감독, 계획 또는 관리 수준에서 요청된 원하는 시스템 수행을 비교하고 조정한다.

새롭게 원하는 시스템 수행은 자동화 피라미드의 감독 역할 이상의 모든 수준에서 요청되면 일련의 새로운 제어 파라미터가 모션 제어 시스템의 적응형 제어 부분에 전달된다. 그러고 나서, 시스템은 새로운 수행 요청에 맞춰 수행을 조정하여 반응한다.

자기 인식 모션 제어 시스템 구현의 두 가지 주요 이점은 실시간으로 모션 제어 시스템의 수행을 자동으로 스스로 조절하고 극대화할 수 있다는 것이다. 이 새로운 기능은 자동화 피라미드의 감독, 계획 및 관리 수준에서 생산성을 향상하여 자기 인식 모션 제어 시스템을 조정할 수 있는 기회를 제공한다. 또한 AI 지원 소프트웨어 알고리즘을 사용하여 시스템 수행을 조정함으로써 공장 전체에서 더 나은 결과를 얻을 수 있다.

이제, 자기 인식 모션 제어 시스템을 구현하는 데 필요한 네 가지 기본 요소를 보다 잘 이해할 수 있도록 자기 인식 모션 제어 컨셉 맵을 살펴보기로 한다.

자기 인식 모션 제어 컨셉 맵

이러한 단계의 자기 인식 모션 제어를 구현하려면 제어 시스템 맵의 개발이 필요하다.

요소 I: 목표 또는 작업: 시스템이 달성해야 할 명확한 목표 또는 작업을 지정해야 한다. 이 사례의 경우, 목표 또는 작업은 “맥주를 흘리지 않는 가장 좋은 방법으로 맥주잔을 A 지점에서 B 지점으로 옮긴다"는 것을 의미한다.

요소 II: 원하는 시스템 동작: 목표가 확정되면 다음 단계의 자기 인식 동작 제어 맵이 원하는 모션 동작을 시작한다. 맥주잔 사례에서 이것은 "선형 동작을 사용하여 맥주 잔을 옮기면서 기계 시스템의 필요한 제어 안전 한계 범위 내에서 맥주잔의 다양한 무게와 크기를 보상하기 위해 자동으로 동작을 조정한다"가 될 것이다.

목표와 원하는 시스템 동작이 정해지면 적응형 제어 엔진은 고유의 작업 환경 내에서 동작하면서 모션 제어 드라이브와 통합된 기계 시스템을 자동 조정하여 최대 동작 수행을 달성함으로써 핵심 드라이브 시스템 운동학과 동반된 기계 시스템 간의 융합을 동적으로 수행하게 된다.

요소 III: 핵심 드라이브 시스템: 자기 인식 모션 제어 시스템의 핵심은 운동학이다. 과제는 모터 및 드라이브 시스템의 수행 능력을 관찰, 학습 및 모니터링하는 것이다. 드라이브 시스템의 작동 모델을 생성하려면 모션 파라미터와 시스템의 물리적 제한에 대한 기본적인 이해를 얻기 위해 지능형 관찰자를 구현해야 할 필요가 있다. 이는 전용 위치 센서가 있는 FOC(Field-Oriented Controller) 또는 센서리스 FOC 방법을 통해 모터가 동작 환경에서 어떻게 스트레스를 받고 반응하는지 학습하여 인지하게 된다.

모터의 토크 자속 전류 루프, 속도 루프 및 위치 루프의 제어 파라미터 값을 모니터링하고 자동 조정함으로써 드라이브 시스템 반응을 최적화할 수 있다. 이러한 정보의 데이터그램이 수집되고 지능형 관찰자에게 제공되면, 모션 제어 파라미터를 계산하고 기본 모션 제어 알고리즘이 최적의 모션 파라미터 세트로 수렴하도록 최적화 알고리즘이 구현된다.이제 드라이브 시스템의 모션을 모델링하고 최적화하기 위한 간접 모션 모델이 생성되었으므로 적응형 제어 엔진을 도입하여 다음 단계의 자기 인식 모션 제어 솔루션을 구현할 수 있다.

요소 IV: 적응형 제어: 시스템의 운동학 및 FOC 자동 조정 기능을 기반으로, 이제 자기 인식 모션 제어를 구현하는 다음 단계인 적응형 제어 엔진에 집중할 수 있다. 이 다음 단계의 지능형 모션은 원하는 시스템 동작을 적응형 제어 엔진에 전달하는 데 중점을 둔다. 이 시스템 동작은 생산 직원, 공장 감독자가 제공하거나 지능형 센서 네트워크를 통해 공장 데이터를 수집하는 AI 생산성 알고리즘에서 생성된다.

원하는 동작이 적응형 제어 엔진으로 전달되면, 자기 인식 모션 제어 시스템은 원하는 시스템 동작과 일치하도록 드라이브 시스템의 동작 파라미터를 동적으로 재구성하기 시작한다. 이러한 원하는 동작의 몇 가지 예로서 공장 처리량을 증가시키거나 안전 모드로 작동하여 모터의 가동 수명을 연장하는 요청 등을 들 수 있다.

모션 제어 시스템이 이러한 새로운 단계의 요청된 수행을 달성하기 위해 모션 제어 파라미터를 자동으로 조정함에 따라 적응형 제어 시스템은 폐쇄 루프 시스템을 지속적으로 모니터링하면서 원하는 수행 수준을 유지한다. 이 상태는 드라이브 시스템이 기계 시스템의 마모로 인해 달라지거나 모터의 작업 환경에 변화가 발생하는 경우에도 유지된다. 이제 시스템은 궁극적인 단계의 자기 인식 모션 제어를 완성했다.

이러한 컨셉을 보여주는 가장 좋은 방법은 실제 사례를 이용해 확인하는 것이다. 이 사례는 모든 맥주 애호가들이 바라듯이, 거품이 떠 있는 맥주잔을 바텐더로부터 긴 바를 지나는 동안 한 방울도 흘리지 않으면서 전달되도록 하는 것이다. 이 사례가 자기 인식 모션 제어 시스템 구현과 어떻게 관련되는지 알아보자.

여기서 작업의 목표는 바텐더(A 지점)로부터 긴 바에 앉아 있는 고객(B 지점)에게 맥주를 한 방울도 흘리지 않고 가능한 가장 빠른 시간에 배달하는 것이다. 이 경우 플랜트 시스템은 무게 감지기가 내장된 컵 홀더이며, 컵 홀더는 다양한 크기의 맥주잔의 무게를 감지하고 선형 모터를 사용하여 맥주잔을 긴 바를 통해 전달한다.

이제 이 사례에 대해 생각해 보면, 자기 인식 모션 제어 시스템은 가능한 가장 빠른 시간에 고객에게 맥주를 전달하는 데 유용하게 이용될 될 뿐 아니라, 동시에 고객이 완전히 비었거나 부분적으로 빈 맥주잔을 컵 홀더에 다시 놓으면 자기 인식 제어 시스템은 속도와 수행을 자동으로 조정하여 리필하거나 치우기 위해 맥주잔을 바텐더에게 다시 가져간다. 이 시스템은 또한 바텐더가 고객에게 배달할 다른 종류의 음료와 다른 크기의 잔을 사용하는 경우 수행 목표를 조정하는 데에도 유용하다.

지금은 SF소설처럼 들릴 수도 있지만 자기 인식 모션 제어 기술 개발은 점점 더 정교화되면서 본격적인 등장을 준비하고 있다. 전체 공장이 자기 인식 모터와 지능형 센서를 사용하는 장비에 기반하여 운영되는 광경을 상상해 보자. 이 혁신적인 공장은 잠재적인 장비 고장을 자기 교정하고, 생산 공정을 자동으로 조정하여 생산성을 극대화하며, 공장 전체에서 장비의 가동 수명을 연장하는 첨단 능력을 갖추게 될 것이다.