"업계에서는 오랫동안 디지털화를 실천해 왔으며 최근의 변화로 인해 이러한 애플리케이션이 더욱 강력하고, 민첩하고, 휴대 가능하고, 지능적이며, 자율적으로 이루어졌습니다. CPI의 변화는 점진적입니다. 산업 플랜트 운영과 관련된 고유한 책임으로 인해 점진적입니다." 미국 Yokogawa Electric Corporation의 화학 시장 책임자인 Sergio Fernandes는 말합니다. 즉, CPI 회사는 사용자의 노트북에서 실행되는 소프트웨어에서 이제 사실상 어디에서나 액세스할 수 있는 고성능 애플리케이션과 도구로의 전환에 부분적으로 힘입어 디지털 기술을 대규모로 성공적으로 배포했습니다.
"클라우드 컴퓨팅은 CAPEX 예산을 줄일 뿐만 아니라 최종 사용자의 위치에 관계없이 정상 상태이든 동적이든 프로세스 모델의 가용성을 촉진합니다."라고 Fernandes는 설명합니다. 그러나 그는 단순히 디지털 플랜트 모델(아무리 발전했더라도)이 영속성 측면에서 완전히 정확할 것이라고 가정하는 것은 반대합니다. "산업 프로세스는 살아있는 개체와 같습니다. 시간이 지남에 따라 변합니다. 디지털 트윈과 같은 수학적 표현은 일부 메커니즘을 통해 조정되고 업데이트되어야 합니다. 그 외에도 결국 폐기됩니다. 자산에는 주의가 필요합니다. 지속 가능성을 유지하려면 예산이 필요합니다." 그는 덧붙였다. 앞으로 점점 더 자율적인 운영이 등장함에 따라 보안과 지속 가능성에 대한 긴급한 요구는 디지털 자산과 함께 인적 자원을 배치할 때 현명한 균형을 찾아야 함을 의미합니다. Fernandes는 "위험한 현장 작업, 반복적인 작업, 일상적인 활동, 위험 지역에서 데이터를 수집하고 검사하기 위한 현장에서의 불필요한 이동은 현재 및 향후 기술을 통해 지능적으로 처리될 수 있습니다."라고 덧붙였습니다. 최첨단 디지털 기술을 핵심 요소로 고려하면 더 많은 인간 혁신에 영감을 줄 수 있는 아키텍처가 가능해질 수 있다고 덧붙였습니다. "이는 운영의 지속적인 개선, 다음 혼란에 대한 예측, 전체 가치 사슬의 최적화를 의미합니다." 자산에 주의가 필요합니다. 지속가능성을 유지하려면 예산이 필요하다"고 덧붙였다.
단순히 프로세스나 자산을 모방하는 소프트웨어 모델을 개발하는 것만으로는 디지털화를 실제로 활용하기에 충분하지 않다고 ABB Industrial Automation의 최고 디지털 책임자인 Rajesh Ramachandran이 반복해서 말했습니다.. . "현재 추세는 디지털 공장을 위한 산업용 AI 트윈입니다. 그는 특정 프로세스 시나리오에 대한 일련의 결과를 예측하고 최적화하는 방법을 살펴보며 이를 통해 다양한 세부 조정이-가능합니다. 매개변수." Ramachandran은 순수 AI는 산업 환경에서 '있는 그대로' 적용될 수 없으며, 최종 제품의 품질 사양이나 원자재 불순물의 존재 등 CPI 운영의 복잡성을 포착하려면 해당 도메인 전문 지식이 필수적이라고 강조합니다. ABB Ability Genix 소프트웨어 플랫폼을 통해 구축된 인지 모델로 정점을 이룹니다. "Genix는 유지 관리, 계측 및 실험실과 같은 다양한 시스템의 데이터를 기반으로 하는 인지 모델을 구축합니다. 이는 보다 정확한 최적화 예측을 돕는다는 것을 의미합니다." Ramachandran이 추가되었습니다. 그는 평균적으로 공장이 생산 데이터의 약 27%만 사용하는 반면 엔지니어는 최대 80%의 시간을 데이터 집계에 소비한다는 업계 연구를 인용하면서 고급 소프트웨어 플랫폼이 이러한 불균형을 완화하는 데 도움이 될 것이라고 예측했습니다.{11}} 그는 다음과 같이 말합니다. "우리는 생산성과 운영상의 이점을 극대화하는 동시에 데이터를 단순화하는 동시에 미사용 데이터의 가치를 활용하고 대규모로 산업용 AI를 적용해야 하는 영역을 근본적으로 해결하고 있습니다. 통합."
지능형 플랫폼
최근 몇 년간 더 많은 기업이 산업용 AI 및 머신러닝(ML) 사용 사례를 채택함에 따라 산업용 소프트웨어 플랫폼이 더욱 강력해졌다는 것은 의심의 여지가 없습니다. "CPI에서는 이러한 유형의 기술이 자산 모니터링부터 성화탑을 검사할 수 있는 AI{1}}기반 드론에 이르기까지 모든 곳에 통합되고 있습니다."라고 Emerson(미주리주 세인트루이스)의 분석 및 기계 학습 제품 관리자인 Michael Tworzydlo는 설명합니다. 그러나 Tworzydlo는 기본 엔지니어링 원칙의 중요성을 인식하지 못한 채 이러한 솔루션의 가치를 지나치게 과장하는- 것에 대해 경고합니다. "화학 엔지니어로서 분석의 기본은 열교환기의 작동 방식과 같은 원리 기반 분석으로 시작하는 것이 가장 좋습니다. -그러면 조직은 AI 또는 ML을 사용하여 데이터{8} 기반 접근 방식으로 발전하여 보다 복잡한 프로세스나 공장 전반의 문제를 처리할 수 있습니다." 그는 덧붙인다.
Aspen Technology, Inc.의 화학 산업 이사인 Paige Morse는 "AI는 CPI에 강력한 기능을 제공하지만 일부 기업은 AI를 제조 문제에 효과적으로 적용하는 데 어려움을 겪고 있습니다."라고 설명합니다.
이에 대응하여 AspenTech은 AI를 소프트웨어 플랫폼에 내장하기 시작했습니다. 이를 통해 더욱 다양한 사용자가 접근할 수 있습니다. Morse는 제1-원칙 엔지니어링과 AI 및 도메인 전문 지식을 결합하면 사용자가 CPI에서 해결해야 하는 복잡한 문제에 대한 솔루션을 더 잘 찾는 데 도움이 될 수 있다고 말합니다. AspenTech의 하이브리드 모델링 접근 방식은 프로세스를 최적화하는 데 도움이 될 뿐만 아니라 엔지니어가 맞춤형 소프트 센서를 만들고, 새로운 장치를 설계하고, 자산-전체 프로세스를 통합합니다. "엔지니어는 이제 ML을 사용하여 심층적인 프로세스나 AI 전문 지식 없이도 도메인 전문 지식, 엔지니어링 원칙 및 설계 제약 조건을 추가하여 시뮬레이션 또는 플랜트 데이터를 활용하는 풍부한 모델을 더 빠르게 구축할 수 있습니다." 모스는 말했다. 많은 CPI 회사가 정당한 기술 격차에 직면해 있습니다.
인력 격차를 극복하는 것 외에도 지속 가능성 이니셔티브는 CPI 회사가 점점 더 노력을 집중하고 있는 또 다른 영역입니다. Morse는 "비용 절감으로 인해 디지털화 노력이 많이 이루어졌지만 기업에서는 점점 더 생산 단위의 폐기물과 배출물, 효율성 및 신뢰성 향상에 초점을 맞추고 있습니다."라고 말합니다. 그녀는 "프로세스 시뮬레이션은 분자 재활용, 새로운 플라스틱 설계 등 순환 경제의 기술적 과제를 해결하기 위한 신제품 개발에 도움이 되며 AI의 도움으로 이 활동이 훨씬 더 빨라진다"고 덧붙였습니다.
이러한 예측 기능은 디지털 트윈과 분산 배포를 통해 ML 및 AI 제어 시스템을 배포하는 에머슨의 Plantweb Optics Analytics 플랫폼 기능인 예측 배출 모니터링 시스템(PEMS)을 통한 대기 오염 감소와 같은 특정 지속 가능성 목표를 달성하는 데 점점 더 중요해지고 있습니다. "Plantweb Optics Analytics의 일부로 우리는 PEMS를 배포하여 모델과 ML을 사용하여 배출량을 모니터링하고 추정하여 생산을 동적으로 최적화할 수 있습니다. PEMS를 사용하면 캡처된 프로세스 변수를 기반으로 모델을 구축하고 이를 사용하여 배출량을 추정하고 궁극적으로 줄일 수 있습니다." Tworzydlo가 말했다.
지속 가능성 전략에 대한 소프트웨어의 약속은 배출 감소 이상의 것입니다. "폐기물을 재사용하거나 재활용하는 지속 가능한 제품 및 기술의 부상은 새로운 문제와 새로운 기회를 제시하는 공정 시뮬레이션 산업의 성장 영역입니다. 최근 성장 영역에는 대마 파생물(예: CBD)의 공정 시뮬레이션과 재생 가능 에너지원의 배출을 줄이기 위한 향상된 제어가 포함됩니다. 화학 산업의 보다 확고한 성장 영역에는 바이오 연료, 메탄 회수, CO2 회수 및 용매 선택이 포함됩니다." Chemstations Inc.(텍사스주 휴스턴)의 기술 지원 관리자인 David Hill은 말합니다.
Hill은 CPI의 보조 도구를 사용하여 제품 제휴를 구축함으로써 프로세스 시뮬레이터의 전망이 더욱 향상될 수 있다고 믿습니다. 프로세스 시뮬레이터를 사용하지 않는 엔지니어는 프로세스 시뮬레이터에 연결하여 개선할 수 있는 도구를 갖고 있는 경우가 많습니다. 안전, 프로세스 제어 및 에너지 부문에서는 업계{2}}특정 도구를 프로세스 시뮬레이터의 첫 번째 원리와 결합할 수 있는 많은 기회가 있습니다." Hill은 설명합니다. Hill은 이러한 변화의 동인에는 온실 가스 감소, 에너지 효율성, 열역학 모델 기반 최적화, 개선된 안전성 및 엄격한 시뮬레이션을 사용한 고급 프로세스 제어 기회가 포함될 것이라고 믿습니다.
확장된 현실
AI 및 ML 외에도 증강 현실(AR) 및 가상 현실(VR) 소프트웨어 플랫폼도 산업 공장에서 증가하고 있으며{0}}이러한 유형의 기술은 더 이상 '럭셔리' 항목으로 간주되지 않으며, 팬데믹 기간 동안 원격 작업에 대한 수요가 증가함에 따라 그 어느 때보다 유용합니다. 전염병으로 인해 공장에 있는 사람이 줄어들면서 공장은 새로운 기술을 수용하고 있습니다. ar는 디지털 정보를 현실 세계에 오버레이할 수 있어 작업자가 보다 정확하고 쉽게 작업을 수행할 수 있도록 더 잘 준비하는 데 도움이 됩니다."라고 Emerson의 Tworzydlo는 말했습니다. 산업용 소프트웨어에서 AI, ML 및 AR의 미래에 관해서는 사용 사례가 확실히 계속 확장될 것입니다. "아직 개발되지 않은 잠재력이 엄청납니다. 결국 우리는 자율 운영을 위한 특정 프로세스를 목표로 삼기 시작할 것입니다.
Aveva Group plc(영국 캠브리지)는 AR 및 VR 개념을 확장 현실(XR) 플랫폼에 번들로 제공했으며 특히 관련된 응용 프로그램 중 하나는 인력 교육입니다. "XR 몰입형 교육 시스템을 사용하면 기업은 은퇴한 숙련된 작업자를 교체할 때 공장 안전과 성능에 매우 중요한 운영 지식을 포착하고 유지할 수 있습니다. 이 행동 교육은 일선 작업자뿐만 아니라 엔지니어, 기술자 및 응급 구조대원에게도 적용할 수 있습니다." Aveva의 최고 클라우드 책임자이자 최고 제품 책임자인 Ravi Gopinath가 설명합니다.
일례로 Aveva와 Shell(네덜란드 헤이그)이 개발한 운영자 교육 프로그램은 안전 역량을 향상시키기 위한 행동 교육에 중점을 두고 있습니다. Gopinath는 "이러한 행동 접근 방식을 통해 운영자는 공장에서 우발적이거나 일시적인 상황에 직면했을 때 어떻게 수행하는지에 대해 교육하고 평가할 수 있습니다."라고 말합니다. 또 다른 프로젝트에서 Aveva와 Adnoc(아부다비;)은 120개 이상의 대시보드와 200,000개 이상의 데이터 포인트를 거대한 대화형 화면에 통합하는{2}}실시간 데이터 시각화 센터입니다.
훈련은 XR 잠재력의 일부일 뿐입니다. 현장 직원을 지원하기 위해 AR 태블릿- 기반 애플리케이션이 사용되었습니다. AR을 사용하여 태블릿의 VR 모델을 실시간 정보 및 안내 프로세스와 연결하면 작업 실행이 향상되어 비용이 많이 드는 고장을 방지하고 가동 중지 시간을 줄일 수 있습니다. Aveva는 XR 소프트웨어가 설계 단계에서 사용되는 기존 3D 플랜트 모델을 몰입형 환경으로 자동으로 가져옴으로써 시설 설계 및 주요 프로젝트 엔지니어링을 획기적으로 향상시킬 수 있다고 믿습니다. VR로 전환하면 장비를 구입하기 전에도 인체공학적 디자인을 검토하고 개선할 수 있습니다. 가상 공장은 전적으로 클라우드에 존재할 수 있으므로 서로 다른 곳에 위치한 엔지니어 간의 협업이 가능합니다.
사무실이나 다른 대륙에도 있습니다.
소프트웨어 플랫폼의 데이터 캡처 및 분석 기능이 발전함에 따라 강력한 분석 도구는 특정 프로세스 요구 사항을 충족하기 위해 자체 기능을 구축할 수 있는 화학 엔지니어를 위한 셀프 서비스, 확장 가능한 의사 결정{1}}도구가 되었습니다. TrendMiner NV의 마케팅 부사장인 Edwin van Dijk는 이렇게 민주화된 도구를 사용하여 엔지니어가 배치 품질 등 다양한 소스의 데이터를 활용-하여 프로세스 품질을 향상시킬 수 있다고 말합니다.. - 다양한 소스의 데이터-예를 들어 배치 품질과 같은 실험실 정보를 유지 관리 데이터가 있는 프로세스 데이터에 연결할 수 있습니다. ). "분석 민주화의 목표는 제어실에서 이사회실에 이르기까지 모든 운영자가 실행 가능한 통찰력을 제공하여 데이터에 기반한 의사 결정을 내릴 수 있도록 하는 것입니다. 사용자가 지문, 모니터 및 상황별 보기를 기반으로 자체 대시보드를 만들 수 있도록 함으로써 이는 기존 대시보드 도구를 뛰어넘는 것입니다." 반 다이크는 덧붙인다. 패턴 인식을 통해 엔지니어는 운영 성능을 조사하고 프로세스 모니터링을 위해 올바른 운영 동작을 사용할 수 있습니다. 또한 제품 품질 사양과 같이 물리적 센서가 측정할 수 없는 것을 모니터링하기 위해 자체 "소프트" 센서를 만들 수 있습니다.
TrendMiner가 보고한 데이터 분석 성공 사례 중 하나는 밸브 출력 변화와 실제 프로세스 반응 사이의 지연을 초래하는 "고착" 밸브를 경험한 화학 공장과 관련이 있습니다. 공장에서는 밸브가 고착되기 시작한 시점을 정확하게 식별하기를 원했기 때문에 밸브의 예상 동작과의 편차를 모니터링한 다음 "정상" 밸브 동작 기간과 "불량" 밸브 동작 기간을 구별하는 매개변수를 찾아야 했습니다. 이러한 매개변수는 -비정상적인-행동에 대한 경고로 변환되어 직원에게 상황을 알릴 뿐만 아니라 가능한 시정 조치도 제안합니다. "셀프{5}}서비스 분석 솔루션을 사용하면 프로세스 전문가가 내장된 AI 및 ML 기능을 사용하여 고속 추세 분석을 통해 생산 문제를 검색하고 검증할 수 있습니다.-
선택할 수 있는 다양한 소프트웨어 도구와 모바일 앱이 있음에도 불구하고 일부 사용자는 여전히 비즈니스 요구 사항을 충족하기 위해 고도로 맞춤화된 솔루션이 필요합니다. 여기에서-자체 프로그래밍이 유용할 수 있습니다. JourneyApps(콜로나주 덴버)는 사용자가 자신의 코드를 작성하는 데 사용할 수 있는 높은 생산성의 애플리케이션 개발 플랫폼을 제공합니다.-코딩되지 않은 애플리케이션 빌더보다 더 정교한 애플리케이션을 제공합니다. simple.JourneyApps CEO인 Conrad Hofmeyr는 "이는 고급 비즈니스 로직, 엔지니어링 계산 및 고도로 맞춤화된 통합을 소프트웨어 개발과 관련된 전통적인 오버헤드 없이 며칠 만에 구현할 수 있음을 의미합니다."라고 설명합니다. 그는 대부분의 화학 엔지니어가 Microsoft Excel 매크로 또는 Matlab과 같은 도구를 통해 기본적인 코딩 또는 스크립팅 경험을 갖고 있으므로 JourneyApps를 사용하여 중요한 비즈니스 기능을 자동화하고 간소화하는 복잡한 애플리케이션을 구축하는 데 필요한 프로그래밍 기술을 빠르게 습득할 수 있다고 지적합니다.
예를 들어, Hofmeyr는 표준 운영 절차(SOP) 전용 애플리케이션을 구축하여 수동 스프레드시트-기반 SOP에서 전체 감사 추적 기능을 갖춘 중앙에서 제어되는-애플리케이션으로 이동할 수 있는 CPI 회사의 예를 인용합니다. 그는 "JourneyApps가 제공하는 사용자 정의 기능은 개별 글로벌 애플리케이션을 현지 요구 사항과 시스템 통합에 맞게 맞춤화할 수 있다는 것을 의미합니다."라고 덧붙입니다. 또 다른 예로, 한 유전 화학 제조업체는 사용자가 오프라인 사이트에 있는 동안 일일 현장 보고 프로세스에 사용되는 주요 계산을 실행하고 보고서 문서를 생성하는 자체 애플리케이션을 개발했습니다.
최종 사용을 앞두고
고급 소프트웨어 및 모델링 도구를 사용하면 자동차 부품부터 제약까지 다양한 산업 분야에서 더욱 안전하고 효율적인 최종 제품을 만들 수 있습니다. 한 가지 예는 재료 특성 모델링을 위한 BASF SE(독일 루트비히스하펜) Ultrasim 컴퓨터 지원 엔지니어링(CAE) 도구입니다. 이 도구는 최근 초기 처리부터 전체 처리 체인에 걸쳐 다양한 열가소성 엘라스토머 재료를 모델링하도록 업데이트되었습니다. 최종-사용 제품. 짧아진 개발 주기와 촉박한 일정으로 인해 엔지니어는 처음부터 올바른 제품 성능을 확보해야 하는 부담이 커지고 있습니다. 예측 정확도는 큰 장점입니다."라고 북미 BASF의 시뮬레이션 엔지니어링 CAE 팀 리더인 Marios Lambi는 말합니다. Ultrasim은 탄성 재료로 만든 자동차 부품에 특히 중요한 것으로 입증된 구성요소의 초기 및 순환 하중을 시뮬레이션할 수 있습니다. "크리프 하중부터 충돌 시뮬레이션, 열 하중 및 진동 동작에 이르기까지 프로세스에 따른 재료를 설명하는 처리 시뮬레이션과 함께{8}} 빠른 형상 변경을 허용하는 수치 최적화 도구뿐만 아니라 Ultrasim은 더 나은 부품 설계를 위한 기반을 마련합니다."라고 BASF Europe의 동적 구조 분석 팀 리더인 Andreas Wüst는 강조합니다.
"재료 특성화 프로세스는 실제 부품의 거동을 정확하게 예측하는 데 필수적인 필수 데이터를 생성합니다. 이 목적을 위해 개발된 이론적인 재료 모델은 테스트 정보를 사용하여 보정되므로 거동이 현실과 동떨어진 임의의 상황이 아니라 실제 제조 조건을 나타내는지 확인합니다." "충돌 테스트를 거친 자동차 시트와 같은 복잡한 어셈블리의 예가 많이 있으며 이러한 테스트는 Ultrasim의 예측 정확도를 활용하여 검증 테스트를 통과하는 부품을 만듭니다. 이는 개발 주기를 극적으로 단축하고 설계 변경을 제거하지는 않더라도 최소화합니다."라고 그는 덧붙였습니다.
바이오의약품 성분 및 기타 고가치 제품에 대한 R&D 및 품질 분석 실험실의{0}}고정밀 프로세스를 위해 소프트웨어 도구는 조직의 비즈니스 연속성 계획(BCP) 촉진을 비롯한 다양한 목적으로 사용될 수 있습니다. Thermo Fisher Scientific의 Enterprise Chromeleon Data Systems Organization 크로마토그래피 소프트웨어 제품 마케팅 관리자인 Barbara van Cann은 "효율적인 소프트웨어는 실험실 검사 중 위험 수를 완화하거나 줄이고, 이벤트 테스트를 단순화하며, 자동화된 절차를 사용하여 이벤트 후 시스템을 복원하거나 이벤트 중에 계속 실행되도록 할 수 있습니다. 이 모든 것이 BCP를 단순화합니다."라고 말했습니다. 또한 실험실에서는 크로마토그래피 데이터 시스템(CDS), 실험실 정보 관리 시스템(LIMS) 및 실험실 실행 시스템(LES)이 포함된 통합 소프트웨어를 선택하여 BCP를 더욱 단순화할 수 있습니다. van Cann은 "LIMS와 CDS 소프트웨어 모두 개별 부품에 대해서도 기기 인증, 교정 및 유지 관리를 모니터링하는 도구를 제공해야 합니다."라고 설명합니다. CDS 소프트웨어는 또한 사용자가 분석적 불규칙성을 처리하는 데 도움을 주어야 하며, 네트워크 중단 시 사람의 개입 없이 작업을 계속할 수 있도록 보장하는 네트워크 오류 방지 기능이 내장되어 있어야 합니다.- 사이버 보안 공격으로 인한 중단을 방지하기 위해 Van Cann은 연구실에서 이메일로 인한 잠재적인 사이버 위협을 방지하기 위해 본사 시스템과 별도의 도메인에서 CDS 및 기타 소프트웨어를 실행할 것을 권장합니다.{8}} 마지막으로 자동화된 소프트웨어 플랫폼과 마찬가지로 인적 요소도 고려해야 합니다. "사용자가 할 수 있는 것과 할 수 없는 것, 액세스할 수 있는 것과 없는 것을 제어함으로써 인적 오류를 최소화할 수 있습니다. 또한 가능한 한 많은 작업을 자동화할 수 있는 도구를 사용할 수 있어야 합니다. 사용자 상호 작용이 적으면 오류도 줄어듭니다." 그녀는 덧붙였다.