스마트 팩토리 통합형 교육 키트는 사용자가 직접 하드웨어를 제작하고, 소프트웨어를 개발하여 스마트 팩토리의 개념과 동작 원리를 이해할 수 있도록 설계되었다. 이 키트는 하드웨어, 소프트웨어(GUI), 시나리오 기능으로 구성되며, 센서 데이터를 기반으로 실시간 제어가 가능하도록 통신 규약을 정의했다. 즉, 하드웨어에서 센서데이터를 소프트웨어로 전송하고, 소프트웨어에서 하드웨어로 제어 명령을 전송하도록 하였다. 

그림 1. 스마트 팩토리 통합형 교육 키트의 하드웨어

이 키트는 [그림 1]과 같이 와인 공장을 모델로 하여 두 개의 생산 라인과 각 라인은 세개의 공정으로 구성된다. 생산 과정에서 제품이 컨베이어에 적재되면 적외선 센서가 이를 감지하여 컨베이어를 정지시키고, 비전 센서가 제품의 이미지를 촬영한다. 이를 통해 제품에 적힌 숫자를 인식하여 제품 번호를 저장하며 제품 단면적을 기준으로 외형 불량여부를 판정한다. 외형이 불량으로 판정된 제품은 1번 서보모터를 통해 불량품으로 분류되며, 정상 제품은 2번 서보모터를 이용해 두 개의 라인으로 번갈아 배분된다. 이후 각 라인에서는 공정이 진행된다. 

라인의 첫번째 공정은 로봇팔 공정이다. 적외선 센서가 제품을 감지하면 컨베이어가 멈추고 로봇팔이 동작하며, 로봇팔에 부착된 압력 센서가 정상적으로 값을 인식하면 공정이 정상 진행된 것으로 판단한다. 반대로 압력 센서 값이 인식되지 않으면 공정이 정상적으로 이루어지지 않은 것으로 간주하고, 서보모터를 통해 불량품으로 분류한다. 이후 제품은 공정 1과 공정 2를 거치며 각 공정을 지날 때마다 데이터가 생성되고 저장되며, 이후 분석에 사용된다. 

이 키트에서는 총 3가지 방법으로 불량품을 판정한다. 첫번째는 비전 센서를 통한 외형 검사이고, 두번째는 압력 센서를 통해 로봇팔 공정 진행 여부를 확인한다. 마지막으로는 외형과 공정이 모두 정상이었더라도 기계 학습을 기반으로 품질 예측 결과가 불량으로 판정되면 해당 제품을 불량품으로 분류한다. 이러한 방식으로 불량품을 판정하며, 데이터는 실시간으로 저장되어 추후 분석에 사용한다.

그림 2. 파이썬 GUI를 활용한 모니터링 시스템

이 키트의 소프트웨어에는 [그림 2]와 같이 GUI를 활용한 실시간 모니터링 기능이 있다. 하드웨어에서 전송하는 적외선 센서 데이터를 기반으로 공장 내 제품의 위치를 실시간으로 확인할 수 있다. 이를 통해 사용자는 생산 공정을 한눈에 파악할 수 있다. 

마지막으로 이 키트에는 활용 시나리오 기능이 포함되어 있다. 

그림 3. 로봇팔 이상 시나리오

첫번째는 ‘로봇팔 이상 시나리오’로, 공장에서 로봇팔의 압력 센서가 두 번 연속 데이터를 인식하지 못할 경우, 시스템이 자동으로 해당 라인을 정지시키는 방식이다. 이를 통해 라인이 고장 났을 때 즉각적으로 대응할 수 있으며 수리 후 버튼을 눌러 공정을 재개할 수 있다. 이 시뮬레이션을 통해 사용자는 실제 공장에서 발생할 수 있는 기기 이상 상황에 대한 대응 및 해결을 학습할 수 있다.

그림 4. 공정 최적화 시나리오

두번째 시나리오는 ‘공정 최적화 시나리오’로, 공정 및 품질검사 데이터를 활용해 기계학습 기반 불량 판정 모델을 개발하는 시나리오이다. 이 시나리오에서 데이터 전처리, 모델 개발, 성능 평가 및 최적 모델 선정을 학습할 수 있다. 또한 Random Forest 알고리즘을 활용해 주요 품질 변수의 중요도를 분석할 수 있다. 

이렇게 하드웨어, 소프트웨어, 시나리오 기능이 포함된 스마트 팩토리 통합형 교육 키트를 통해 사용자는 스마트 팩토리의 핵심 기술을 효과적으로 학습하고, 실제 공정 환경을 실습하며 데이터 분석과 기계 학습을 활용한 공정 최적화 능력을 배양할 수 있다.