스마트 팩토리에 인공지능과 기계학습은 필수! - 남궁영환 AWS 데이터 사이언티스트 / 김진일 차장, 한화토탈 :: AWS Summit Seoul 2021

K O R E A | M A Y 1 1 - 1 2 , 2 0 2 1

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved.
스마트 팩토리에
인공지능과 기계학습은 필수!
남궁영환
데이터 사이언티스트
AWS
김진일
차장
한화토탈

AWS for Industrial
SMART FACTORY 를 위해 무엇이 필요한가?
(현재 상황의 이해, 적용 가능한 기술, 참조 아키텍처, 세부 AI/ML 알고리즘들)
사례 발표: 한화 토탈의 석유 화학 산업 관련 데이터 분석 여정
맺음말
Agenda

AWS는 사전 구축된 서비스와 솔루션, 가장 광범위한 파트너 생태계를 바탕으로
인더스트리 영역의 수많은 고객 분들이 AWS 상에서
산업용 워크로드의 혁신, 자동화, 규모 확장을 더욱 쉽게 하실 수 있도록
더 많은 투자와 노력을 기울이고 있습니다.

산업 분야의 비즈니스 혁신을 위한 고려 사항
시장 출시 시기를
앞당길 수 있음
인프라 비용 절감
협업 효율성 향상
더 낮은 비용
(에너지, 기계설비, 인건비)
기계 설비, 자산의 생산성
향상
생산 다운타임 최소화
품질 추적 관리 자동화
추적 정확도 향상
상품 결함율을 낮춤
근로자의 생산성 향상
안전 모니터링
산업재해 최소화
예측 정확도 향상
재고 비용 절감
생산 가동률 향상
UX 향상
신규 매출 기회 창출
상품 및 서비스 품질 향상
엔지니어링 및
설계
생산 및 자산
최적화
품질 관리
작업자의
안전 및 생산성
공급망 관리
스마트 제조 및
설비

SMART FACTORY 도입 및 전환 시 진입 장벽

스마트 공장 관련 제조업 현장의 현 상황
품질 제어
높은비율의수작업및
머신비전솔루션기반품질제어및관리
문제점
사후반응형또는사전계획된일정기반의
유지보수수행및인사이트도출
문제점 문제점
물리적공간과프로세스에대한
수작업기반의모니터링
유지보수 및 엔지니어링 웨어하우스 및 공급망

스마트 공장을 위한 AWS AI/ML 기술 활용
자동화 기반 품질 제어
접근 방법 접근 방법 접근 방법
실시간 현장 상태 모니터링 웨어하우스 및공급망관리자동화
Amazon
Lookout for
Vision
Professional Services
ML Assisted Manufacturing
Quality Prediction
Professional
Services
Computer Vision & ML
at Edge on AWS
Amazon
Lookout for
Equipment
Amazon
Monitron
Amazon
Virtual Andon
Amazon
SageMaker
AWS
Panorama
Amazon
Forecast
Amazon
Textract

AWS 기반 산업용 데이터 플랫폼
Operational Data Historians MES PLM ERP MRO Logistics
SCADA
Engineering &
Design
Production & Asset
Optimization
Quality
Management
Worker Safety &
Productivity
Supply Chain
Management
Smart Products &
Machines
Factory Edge
Storage Gateway
온프레미스 클라우드
Snowball Edge
컴퓨팅 및 스토리지 전송
IoT Greengrass
IoT 엣지 서비스
AWS Wavelength
모바일 엣지 클라우드
Act
Cloud
분석
• 시각화
• 대시보드
• 경보/알람
API
&
개발
도구
API Gateway
Rest 및
HTTP API
Appsync
GraphQL
Elasticsearch
Service
운영분석
Kinesis
Data Analytics
실시간분석
EMR
Hadoop
& Spark
Athena
대화형분석
AWS IoT
Analytics
• 기계학습 도구
• 수요 예측
• 예지 정비/ 이상 탐지
Amazon
SageMaker
Amazon
Forecast
Amazon
Lookout for
Equipment
Amazon
Lookout for
Vision
Amazon
Monitron
AI/ML
Data Platform
Amazon
Timestream
시계열
Amazon RDS
MySQL, PostgreSQL, MariaDB,
Oracle, SQL Server
Amazon
Aurora
IoT SiteWise
자산 모델
Amazon S3
객체 스토리지
DynamoDB
키 값, 문서
Amazon
QLDB
Neptune
그래프
Amazon
Redshift
데이터 웨어하우징
• IndustrialData Lake
• 시계열 데이터
• 관계형 데이터베이스
• 모델 자산화
• Connectors
Edge
Industrial IoT
IoT Core
IoT Message Broker
Transfer for SFTP
안전한 데이터 액세스
DataSync
자동 데이터 동기화
Kinesis Data Streams
데이터 스트림 수집
Glue
ETL 및 Data Catalog
• Connectivity
• Data ingestion
• Event processing
• OTA
• Security
• DisconnectedMode
• Local Decisions

SMART FACTORY 참조 아키텍처
AWS IoT
Greengrass
AWS Iot SiteWise
커넥터
Lambda 함수
AWS IoT Greengrass
커넥터
공장
MES AWS Storage Gateway
로컬 스토리지
AWS
Snowball Edge
AWS DataSync 에이전트
히스토리언
프로토콜 변환
OPC-UA
OPC-UA/모드버스
ML 추론
AWS 클라우드
프라이빗 서브넷
가용 영역 1 가용 영역 2
Auto
Scaling
그룹
Amazon RDS(기본)
Amazon EC2
Amazon EC2
Amazon RDS(슬레이브)
VPC
Amazon Kinesis
AWS IoT Core
AI/ML
on AWS
Amazon QuickSight
Amazon Athena
AWS IoT SiteWise AWS Lambda Amazon SNS AWS Glue
(ETL 작업)
Amazon API Gateway
AWS AppSync
AWS Lambda
PLC/DCS
S3 버킷
Amazon
Cognito
Amazon
CloudFront
웹 앱
Amazon
Route 53
OPC-DA
이더넷/IP
AWS Database
Migration Service
비즈니스 애플리케이션(ERP/CRM/QMS)
데이터 레이크
AWS Glue
(ETL 작업)
Amazon S3
(원시 데이터)
Amazon S3
(처리된 데이터)
Amazon Redshift
(구조화된 데이터)
Amazon
Neptune
카메라
Amazon Managed
Streaming for Kafka
연결된 작업자
MQTT
산업 장비/머신
AWS
Wavelength

AI/ML on SMART FACTORY 참조 아키텍처
AWS IoT
Greengrass
AWS Iot SiteWise
커넥터
Lambda 함수
AWS IoT Greengrass
커넥터
공장
MES AWS Storage Gateway
로컬 스토리지
AWS
Snowball Edge
AWS DataSync 에이전트
히스토리언
프로토콜 변환
OPC-UA
OPC-UA/모드버스
ML 추론
AWS 클라우드
프라이빗 서브넷
가용 영역 1 가용 영역 2
Auto
Scaling
그룹
Amazon RDS(기본)
Amazon EC2
Amazon EC2
Amazon RDS(슬레이브)
VPC
Amazon Kinesis
AWS IoT Core
AI/ML
on AWS
Amazon QuickSight
Amazon Athena
AWS IoT SiteWise AWS Lambda Amazon SNS AWS Glue
(ETL 작업)
Amazon API Gateway
AWS AppSync
AWS Lambda
PLC/DCS
S3 버킷
Amazon
Cognito
Amazon
CloudFront
웹 앱
Amazon
Route 53
OPC-DA
이더넷/IP
AWS Database
Migration Service
비즈니스 애플리케이션(ERP/CRM/QMS)
데이터 레이크
AWS Glue
(ETL 작업)
Amazon S3
(원시 데이터)
Amazon S3
(처리된 데이터)
Amazon Redshift
(구조화된 데이터)
Amazon
Neptune
카메라
Amazon Managed
Streaming for Kafka
연결된 작업자
MQTT
산업 장비/머신
AWS
Wavelength
AI/ML
on AWS
Amazon
Lookout for
Equipment
Amazon
Monitron
Amazon
Lookout for
Vision
AWS
Panorama
Amazon
SageMaker
MLOps
AWS
CodePipeline
Code
Commit
Source
Code
Build
Build
AWS
CloudFormation
Deploy Repository
ML Modeling
EDA & Feature Engineering
Training Models
Evaluating ML models
AI/ML Services for Smart Factory/Manufacturing
Amazon
ECR

스마트 공장/제조 관련 AI/ML 알고리즘들
문제를 잘 정의하고
이를 해결할 수 있는
적절한 알고리즘과
기술을 찾아서
적용하는 것이 관건
생산 데이터, 설비 데이터 분석
수집한데이터의숨겨진특성파악
다양한데이터변환분석기법및
유사도측정기법의활용이중요
새로운관찰값에대한이상여부탐지를 위한기술
중요 인자 분석
수많은데이터속에서중요인자발굴을 통해
분석복잡도를낮추고
설명력(Explanability)및비용효율성향상
시계열 데이터 분석
데이터의연속성과제품,설비의 속성을
종합적으로고려하여분석하는것이중요
수많은종류의시계열알고리즘이존재
데이터 분석시 주의 사항
‘데이터분석의함정’에빠지지말것
(허위상관관계,교란변수,Berkson’sbias등)
상호연관분석외에인과관계 분석도중요
(GrangerCausality,CausalBayesianNetwork등)

고객사례 :
Data Analytics in the Petrochemical Industry

Data Analytics Architecture in
the Petroleum Chemical Industry
김진일
차장
한화토탈

Table of Contents
클라우드 선택 및 도입 배경
한화토탈 데이터 & 분석 플랫폼 아키텍처
Use Case

1848 The world’s first modern oil well is drilled in Baku, Azerbaijan.
1850 The first petroleum refinery, consisting of one-barrel still,
is built in Pittsburgh, Pennsylvania US, by Samuel Kier.
A timeline of chemical manufacturing - ICIS

Challenge with Digitalization
100년이 넘는 산업
100개가 넘는 내부 시스템
Greater Complexities
장치산업 특성 상,
신규 기술 적용에 매우 보수적
Safety & Stable First
Systems
공정
영업
경영지원
설비
Advanced Process Control
Real-time Optimizer
Aspen Plus Simulator
Too Many Options Kinetics Thermodynamics
시황에 의해 결정되는 수익성,
변화에 대한 필요성에 둔감
Lack of Innovation
산업 특성에 맞는 Agile한 Digitalization 필요

…Various Technologies are being Adopted by
Major Producers and Suppliers
Data and Analytics as
Core Capability
Operations
Productions
Big data & advancedanalytics
Mobiledevices
Locationdetection
technologies
IoT platforms,
predictivemaintenance
Cloudcomputing
비즈니스 전반에서
활용
• Operational analytics
• Field data management
• Field commutation and
surveillance
• Operations automation &
collaboration
• Integrated field planning and
delivery
• Asset optimization
technology

데이터 & 분석 플랫폼으로써 요구사항..
한화토탈 데이터
• Operational Information System 공정 및 품질 데이터
• 설비 모니터링 (진동, 정비 이력 등)
• Market Intelligence, 영업 정보 등
• 안전환경, 정비이력, 수출입 자료 등 각종 비정형 데이터
플랫폼 요건
01. 정형, 비정형 데이터 처리 및 분석 성능
(>1억 value ↔ 수만건 계측값)
머신러닝을 통해 공정 운전 최적화, 설비
예지보전, 공장 안전·안정 가동
예측, 원인분석 등 결과값 및 현황 모니터링을
위한 대시보드 구현
현업 및 내·외부 전문가 협업 공간
02.
03.
04.

Broadest & Most Complete Set of Machine
Learning Capabilities

Data Aquisition Load Preprocessing Analysis
데이터분석 플랫폼 아키텍처
HTC-IDC AWS-VPN
S3 Glue Athena EC2 SageMaker
S3
Kinesis
Stream/Firehose
Lambda SageMaekr
Hosting
Postegre
SQL
QuickSight
CloudWatch
Optional
Data
Analytics
Environment
1
Real-time
Predictions
Environment
2

Hanwha-Total Use Case

한화토탈 사례 - Optimization of Heat Recovery Steam Generator
Gas Turbine
Generator
NH3
High pressure
steam
Low pressure
steam
NOx, NH3
Scheme
Catalytic reaction
1
Steam generation
2
Exhaust
3
Heat Recovery Steam Generator
대기환경보전법 강화에 따른 미반응 암모니아
최적 관리 필요
NOx 배출 기준: < 40 ppm
암모니아 배출 기준: < 20 ppm
최적 암모니아 주입으로 High pressure steam
생산량 최대화
최적 암모니아 주입량 예측 모델 구현
실시간·현장 적용위한 대시보드 구현
01.
02.

S3, Glue, Athena 조합으로 데이터 가용성 확장 및 SageMaker를 활용한 모델 최적화
AWS 서비스 Key Processes
Key Benefits
Data Aquisition
Athena
Glue
S3
Data Analytics (Modeling)
SageMaker
PyAthena
Built-in
Algorithms
• 공정 데이터에 적합한 데이터레이크 구축
• 데이터 가용성 확장 (표준 SQL)
→ 즉각적 데이터 조회 및 분석에 사용
* Athena 연계 및 성능 우수
• 신속한 모델 개발 및 배포
-SageMaker Built-in algorithm (container)
-Training job, model 관리
-Hyperparameter 최적화
-Endpoint 지원

AWS 서비스 Key Processes
Key Benefits
Real-time Data Aquisition
Lambda
Kinesis
Inference & Monitoring
• 실시간 데이터를 안정성 높게 수집/load
• Lambda-serverless 환경의 개발 편의성
• S3 + SageMaker + PostreSQL 조합
• QuickSight 활용 시:
-S3, Athena 등 다양한 DB 지원
-SPICE* 활용으로 처리속도 증가
-Publish 및 Email 기능 → 신속한 배포
Kinesis, Lambda, SageMaker hosting service를 사용하여 모델을 현장에 적용, 실시간 예측/모니터링 수행
Athena
Glue
S3
* Super-fast, Parallel, In-memory Calculation Engine

Lessons Learned…
서비스 범위가 넓어
목적에 맞게 유연한 대응
가능
각종 서비스의 성능 및
호환성이 우수하여
분석영역에 집중 가능
클라우드는 처음이지만…
2개월 만에 현업에 적용
Container, Serverless 기능
등의 활용성 및 편의성이
높음
S3, Athena, PostgreSQL Glue, Athena, Lambda QuickSight Lambda, SageMaker,
CloudWatch
Agile Focus Simplify State-of-the-art

플랫폼 기반 다양한 프로젝트를 완료 및 수행 중
HTC Data & Analytics Platform
S3 Glue Athena Lambda
DocDB
Kinesis
CloudWatch
EC2
QuickSight
RDS SageMaker Textract
설비 진단 자동화
&
Predictive
Maintenance
공정 최적화
&
안전·안정 가동
Market
Intelligence
Database
… and more Applications
데이터 관리 및 분석 플랫폼 위에 각종 과제/application를 수행 중

맺음말

Innovation
Flywheel
Bias for Action
Think Big
Execution
Working backword
Day 1
Insist on the
Highest standard
Two-Way Door
Accelerate
CHANGE
Transformation

여러분의 소중한 피드백을 기다립니다.
강연 종료 후, 강연 평가에 참여해 주세요!

감사합니다

스마트 팩토리에 인공지능과 기계학습은 필수! - 남궁영환 AWS 데이터 사이언티스트 / 김진일 차장, 한화토탈 :: AWS Summit Seoul 2021

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to 스마트 팩토리에 인공지능과 기계학습은 필수! - 남궁영환 AWS 데이터 사이언티스트 / 김진일 차장, 한화토탈 :: AWS Summit Seoul 2021

Similar to 스마트 팩토리에 인공지능과 기계학습은 필수! - 남궁영환 AWS 데이터 사이언티스트 / 김진일 차장, 한화토탈 :: AWS Summit Seoul 2021 (20)

More from Amazon Web Services Korea

More from Amazon Web Services Korea (20)

스마트 팩토리에 인공지능과 기계학습은 필수! - 남궁영환 AWS 데이터 사이언티스트 / 김진일 차장, 한화토탈 :: AWS Summit Seoul 2021