Rasberry Pi를 이용한 분산 메시징 기반 빅 데이터 수집 시스템 구현
Implement of Big Data Collecting System Based on Distributed Messaging(BDCS-DM) Using the Rasberry Pi
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
최근 스마트팩토리가 이슈화되면서 기존 MES, SCADA, PLC 등의 시스템을 사용하고 있는 공장에서 PLC 데이터를 수집 및 분석하여 CPS를 구축하고자 하는 움직임이 활발하다. 그러나 현장에서는 기존 시스템을 분석하고 빅데이터 수집 및 저장을 위한 환경 구축 비용과 시간이 많이 투자된다는 이유로 기존 공장을 스마트팩토리화하는데 많은 어려움을 격고 있다. 이에 본 논문에서는 기존 시스템의 Modbus를 통해 전송되는 PLC 데이터를 읽어서 빅데이터 서버로 송신하기 위한 Rasberry Pi 보드를 추가설치함으로써 PLC 데이터 수집이 가능하도록 하기 위한 분산 메시징 기반 빅 데이터 수집 시스템(Big Data Collecting System based on Distributed Messaging:BDCS-DM)을 설계 및 구현하였다. 시뮬레이션을 통하여 Raspberry Pi를 설치함으로써 데이터 수집 성능 향상됨을 확인할 수 있었고, 추가 가능한 적정한 Raspberry Pi의 개수는 3대이며, 1ms 주기의 PLC 데이터 수집 성능을 보장하기 위해서는 Ethernet 환경에서 10ms당 10개 의 Point를 묶어서 전송하는 것이 효과적이라는 것을 알 수 있었다. 구현한 시스템은 스마트팩토리뿐만 아니라 빅데이터를 사용하는 모든 분야에서 응용 가능할 것으로 판단된다.
Abstract
Recently, as the Smart Factories become an issue, there is an active movement to construct CPS by collecting and analyzing PLC data at factories that already use pre-built systems such as MES, SCADA, and PLC. However, in order to read the PLC data from the pre-built MES middleware and transfer it to Hadoop, the pre-built MES middleware developer must input the labor, and it takes a lot of investment and time to collect various data from the PLC and store it in the big data storage. Due to these problems, SMEs have a lot of difficulties in making pre-built factories into smart factories. In this paper, we have designed and implemented Big Data Collecting System based on Distributed Messaging(BDCS-DM) that can read the PLC data transmitted through Modbus of pre-built MES system at low cost using Rasberry Pi board. Through simulation, we confirmed that data collection performance is improved by installing a Rasberry Pi board, and have come to the conclusion that three Rasberry Pi board can be added. Also, in order to guarantee the performance for PLC data collection per 1ms cycle, we could see that effective to transmit 10 points per 10ms cycle in the Ethernet environment. Implemented system is expected to be possible to apply on not only the smart factory but also any fields using Big Data and further researches will be made for possible application on other fields.
참고문헌 (17)
- 정광섭, "4차 산업혁명 시대의 IoT 서비스 참여 주체에 대한 적합한 인증수단 선택을 위한 평가기준", 한국산업경영시스템학회지, 40(3), pp.116~122 (2017), 한국산업경영시스템학회
- The based system of the fourth industrial revolution, CPS, Software Policy Research Institute, "MONTHLY SOFTWARE ORIENTED SOCIETY", 18~23 (2016)
- J. Lee, "Cyber physical systems for predictive production systems", Production Engineering, 11(2), pp.155~165 (2017)
- H. J. Shin, "Study on CPS implementation for smart manufacturing", Proceedings of the 2016 Asia Workshop on IT Convergence (2017)
- M. S. D. Brito, "Application of the fog computing paradigm to smart factories and cyber-physical systems", Transactions on Emerging Telecommunications Technologies, pp.1~14 (2017)
- H. J. Shin, "SVM-based dynamic reconfiguration CPS for manufacturing system in industry 4.0", Wireless Communications and Mobile Computing, 2018, pp.13~ (2018)
- 김영근, "하둡 프레임워크 기반 분산시스템 내의 작은 파일들을 효율적으로 처리하기 위한 방법의 설계", 한국전자통신학회 논문지, 10(10), pp.1115~1122 (2015), 한국전자통신학회
- H. Li, "An approach to improve flexible manufacturing systems with machine learning algorithms", IECON 2016 – 42nd Annual Conference of the IEEE Industrial Electronics Society, pp.54~59 (2016)
- 장지은, "Survey on Industrial Wireless Network Technologies for Smart Factory", Journal of Platform Technology, 4(1), pp.3~10 (2016), 아이씨티플랫폼학회
- 박종범, "반도체 공정에서 인 메모리 데이터 그리드를 이용한 고속의 빅데이터 처리 시스템 구현", 한국ITS학회 논문지, 15(5), pp.125~133 (2016), 한국ITS학회[DOI]
- H. J. Shin, "Development of smart work-based production management system to improve work efficiency of workers in smart factory", Far East Journal of Electronics and Communication, 18(1), pp.101~111 (2018)
- "MTConnect Institute" (2017)[URL]
- "OPC Foundation" (2017)[URL]
- "The Modbus Organization" (2017)[URL]
- "Apache Kafka" (2017)[URL]
- "Apache Hadoop" (2017)[URL]
- "Apache ZooKeeper" (2017)[URL]