dataPARC 산업용 데이터 플랫폼
자주 묻는 질문
dataPARC는 제조 및 공정 산업을 위한 단일 통합 플랫폼에서 포괄적인 산업 데이터 관리, 히스토리안, 시각화 및 분석 기능을 제공합니다. 이 포괄적인 FAQ는 기능, 기존 시스템과의 통합, OSIsoft PI와 같은 레거시 플랫폼에서의 마이그레이션, 배포 옵션 및 구현에 관한 가장 일반적인 질문들을 다룹니다. 이 답변들은 dataPARC가 데이터 수집부터 분석 및 보고에 이르기까지 귀사의 운영을 어떻게 혁신할 수 있는지 이해하는 데 필요한 기술적 및 실무적 명확성을 제공합니다.
플랫폼 개요 및 기능
dataPARC는 산업 공정 데이터를 수집, 시각화, 분석 및 보고하는 데 사용됩니다. 각 팀은 운영 전반에 걸쳐 문제 해결, 성능 모니터링, 보고, 규정 준수 및 분석을 위해 이 시스템을 활용합니다.
dataPARC는 제조업체가 공정 데이터를 수집, 시각화 및 분석할 수 있도록 설계된 일련의 산업용 소프트웨어 제품군을 제공합니다.
dataPARC Historian: 현대적인 제조 환경을 위해 구축된 고성능 시계열 히스토리안입니다. 대규모로 공정 데이터를 저장 및 검색하며, 분석, 보고 및 AI 지원 데이터 인프라의 기반 역할을 합니다.
PARCview: 시계열 데이터를 위한 강력한 시각화 및 분석 플랫폼으로, 엔지니어와 운영 담당자가 공정 히스토리 데이터에서 직접 디스플레이를 구축하고, 데이터 추세를 분석하며, 보고서를 생성하고, 고급 분석을 수행할 수 있도록 지원합니다.
모델링 (PARCmodel): 과거 공정 데이터를 활용하여 소프트 센서 및 예측 모델을 구축하기 위한 고급 분석 도구입니다. 이를 통해 제조업체는 별도의 계측 장비 없이도 공정에 대한 더 심층적인 통찰력을 얻을 수 있습니다.
PARCview Nexus: PARCview의 웹 기반 버전으로, 사용자는 어떤 기기에서든, 어디서든 자신의 디스플레이, 추세 및 공정 데이터에 액세스할 수 있습니다.
dataPARC는 두 가지 주요 제품을 통해 완벽한 산업용 데이터 플랫폼을 구성합니다. 이 두 제품에는 dataPARC 히스토리언과 시계열 데이터를 위한 고급 시각화 및 분석 플랫폼인 PARCview가 포함됩니다. 단일 분야에만 특화된 도구나 여러 분석 제품을 일일이 선택해야 하는 경우와 달리, dataPARC Tools는 별도의 모듈이나 제품 없이도 추세 분석, 대시보드 및 보고 기능을 제공합니다.
네, 최종 사용자는 dataPARC의 직관적인 인터페이스를 활용해 자신만의 대시보드를 개발할 수 있습니다. 이 플랫폼은 운영 및 엔지니어링 팀이 프로그래밍 기술이나 IT 부서의 도움 없이도 화면을 생성하고 수정할 수 있도록 설계되었습니다. 운영자, 엔지니어, 관리자를 위한 교육이 제공되며, 모든 교육 자료는 고객이 내부적으로 재사용할 수 있도록 제공됩니다.
산업 운영 분야의 AI 도입 성과는 이를 뒷받침하는 데이터의 질에 따라 좌우됩니다. 많은 제조업체에게 있어 AI 도입의 가장 큰 장벽은 기술 자체가 아니라, 유용하게 활용할 수 있을 만큼 정제되고 접근성이 뛰어나며 체계적으로 정리된 공정 데이터를 확보하는 데 있습니다.
dataPARC는 이러한 문제를 근본적으로 해결합니다. 히스토리안, SCADA, DCS, 제어 시스템 등 OT 시스템 전반에 걸친 현장 데이터 소스와 직접 연결함으로써, dataPARC는 공정 데이터를 IT 및 데이터 과학 팀이 활용할 수 있는 단일하고 접근성이 뛰어난 계층으로 통합합니다. 이를 통해 운영 기술(OT)과 AI 애플리케이션에 필요한 현대적인 데이터 인프라 간의 격차를 해소합니다.
구체적으로, dataPARC는 다음과 같은 방식으로 AI 이니셔티브를 지원합니다:
- AI 모델에 필요한 해상도와 정확도로 공정 데이터를 수집하고 저장하는, 신뢰할 수 있고 고품질의 데이터 히스토리언을 제공합니다.
- REST API, SQL 및 SDK 통합을 통해 기업 시스템, 클라우드 플랫폼 및 타사 분석 도구가 OT 데이터에 접근할 수 있도록 하여 IT/OT 융합을 실현합니다.
- PARCview와 Nexus를 통해 실시간 가시성을 제공함으로써, 운영자 수준에서 AI 모델이 도출한 통찰력을 바탕으로 즉각적인 조치를 취할 수 있도록 합니다.
귀사의 팀이 AI를 막 탐색하기 시작한 단계이든, 이를 지원하기 위해 데이터 인프라를 적극적으로 구축하고 있는 단계이든, dataPARC는 이러한 이니셔티브를 실현할 수 있도록 하는 프로세스 데이터 기반을 제공합니다.
데이터 수집 및 통합
dataPARC는 OPC UA 및 OPC DA를 비롯한 표준 산업용 인터페이스, 네이티브 히스토리안 커넥터, SQL 데이터베이스, 플랫 파일 및 CSV, REST API 등을 통해 연결됩니다. 이 솔루션은 특정 공급업체에 구애받지 않으며, 다양한 제어 환경이 혼합된 환경에서도 원활하게 작동합니다.
dataPARC는 OPC(OPC UA 및 OPC DA), 데이터베이스 연결을 위한 ODBC, 웹 서비스 통합을 위한 REST API, 주요 히스토리안과의 네이티브 연결, 그리고 CSV를 포함한 플랫 파일 가져오기 기능을 지원합니다. 이러한 유연성 덕분에 dataPARC는 사실상 모든 산업용 데이터 소스와 통합할 수 있습니다.
네. dataPARC는 ODBC, REST API, 데이터베이스 연결과 같은 표준 인터페이스를 통해 기업 시스템과 연동됩니다. 이를 통해 생산 현황을 위한 ERP 시스템, 유지보수 데이터를 위한 CMMS 플랫폼, 그리고 공정 데이터와 함께 실험실 결과를 관리하는 LIMS 시스템과의 통합이 가능합니다.
네. dataPARC는 OSIsoft PI, Aspen IP.21, Honeywell PHD, GE Proficy와 같은 기존 히스토리안에서 과거 데이터를 백필할 수 있습니다. 이를 통해 마이그레이션 시 과거 기록을 통합하거나, 기존 시스템과 함께 dataPARC를 도입할 때 데이터의 연속성을 유지할 수 있습니다.
dataPARC는 1초 미만의 수집 속도로 실시간 데이터 액세스를 제공합니다. 이 플랫폼은 밀리초에서 분 단위에 이르기까지 사용자의 공정 동역학에 맞춰 데이터를 수집 및 저장할 수 있어, 중요한 공정 이벤트를 절대 놓치지 않도록 보장하는 동시에 지능형 압축 기술을 통해 저장 공간을 효율적으로 관리합니다.
네. dataPARC에는 작업자 입력, 실험실 결과, 품질 점검 및 검사 결과를 수동으로 입력하는 기능이 포함되어 있습니다. 모든 입력 내역에는 타임스탬프가 기록되며 감사 추적이 가능하므로, 수동 데이터와 자동화 데이터가 공존해야 하는 품질 및 규정 준수 워크플로우에 유용합니다.
역사학자: 통합과 이주
네. dataPARC는 OSIsoft PI, Aspen IP.21, Honeywell PHD, GE Proficy와 같은 기존 히스토리안에서 데이터를 가져올 수 있으므로, 팀은 모든 시스템을 한꺼번에 교체하지 않고도 시각화 및 분석 기능을 현대화할 수 있습니다.
네. dataPARC는 $1 완전히 $1 수 있으며, 단계적 마이그레이션 과정에서 PI와 병행하여 도입할 수도 있습니다. 많은 고객사가 먼저 PI Vision과 ProcessBook을 대체한 다음, 나중에 히스토리언을 마이그레이션하는 방식으로 시작합니다.
dataPARC는 PI에 직접 연결되어 이력 데이터 및 실시간 데이터는 물론 Asset Framework 콘텐츠에도 접근할 수 있습니다. 조직은 PI를 히스토리안으로 유지하면서 dataPARC를 시각화 및 분석에 활용하거나, 시간이 지남에 따라 히스토리안 기능을 dataPARC로 점진적으로 이전할 수 있습니다. dataPARC는 여러 PI 서버에서 동시에 데이터를 읽어와 전사적인 가시성을 제공합니다.
마이그레이션은 단계적으로 진행하거나 일괄적으로 수행할 수 있습니다. 대부분의 고객은 $1 dataPARC의 시각화 솔루션으로 $1 동시에 PI를 히스토리안으로 계속 사용하는 방식으로 시작합니다. 이는 ProcessBook의 지원이 종료되었기 때문입니다. 당사는 고객이 PI 디스플레이를 PARCview 디스플레이로 이전할 수 있도록 지원하는 PI 마이그레이션 유틸리티를 보유하고 있어, 작업을 중복해서 수행할 필요가 없습니다. 시스템 사용에 익숙해지면 데이터 수집을 dataPARC의 히스토리안으로 마이그레이션하고, PI의 과거 데이터를 소급 적용합니다. 이러한 접근 방식은 업무 중단을 최소화하면서 신속하게 가치를 입증할 수 있습니다.
분석 및 계산
네. dataPARC에는 기존 측정값을 기반으로 가상 태그를 생성할 수 있는 계산 엔진이 포함되어 있습니다. 이러한 계산된 태그는 수학적 연산, 통계 함수 및 논리 평가를 수행할 수 있으며, 추세 분석 및 분석을 위해 원시 데이터와 함께 표시됩니다.
네. dataPARC의 Run Browser는 PI 이벤트 프레임 및 Seeq 캡슐과 유사한 기능을 제공하여, 배치, 생산 런 또는 공정 조건과 같은 시간 기반 이벤트를 정의하고, 검색하며, 분석할 수 있게 해줍니다. 이를 통해 배치 간 비교 및 상황별 분석을 손쉽게 수행할 수 있습니다.
dataPARC는 실시간 및 과거 추세 분석, 사용자 정의 가능한 대시보드 및 그래픽, SPC 및 통계 차트, 경보 및 이벤트 시각화, 엑셀 기반 보고 기능 등 고급 시각화 기능을 기본으로 제공합니다. 별도의 모듈이 필요하지 않습니다.
데이터 내보내기 및 분석 도구와의 연동
네. dataPARC는 임시 데이터 내보내기 및 자동 보고서 생성을 위해 Excel과의 원활한 연동 기능을 제공합니다. 사용자는 dataPARC 데이터를 Excel로 직접 불러와 맞춤형 분석을 수행하거나, 자동으로 생성되는 보고서를 예약할 수 있습니다. PI DataLink에 익숙한 분이라면, dataPARC의 Excel 애드인 기능이 이와 유사하다는 것을 알 수 있을 것입니다.
네. dataPARC는 REST API, SQL 인터페이스 및 ODBC 연결을 통해 데이터에 접근할 수 있도록 지원하며, 이를 통해 $1 Tableau, Python, R 및 기타 분석 플랫폼과의 연동이 가능합니다. 이를 통해 데이터 과학자와 분석가는 자신이 선호하는 도구에서 dataPARC의 히스토리안 데이터를 활용할 수 있습니다.
배포 및 인프라
dataPARC는 온프레미스, 고객 소유의 프라이빗 클라우드(Azure 또는 AWS), 또는 하이브리드 아키텍처 등 고객이 직접 호스팅하는 방식으로 운영됩니다. dataPARC는 고객 데이터를 호스팅하지 않으므로, 고객은 자신의 정보를 완전히 통제할 수 있습니다.
네. dataPARC는 고가용성을 위한 중복 서버 구성을 지원합니다. 저장 및 전달(Store-and-forward) 기능을 통해 네트워크 장애 시에도 데이터 손실이 발생하지 않도록 보장하며, 중복 아키텍처는 미션 크리티컬 환경에서 하드웨어 장애로부터 시스템을 보호합니다.
고객은 자체 서버와 네트워크를 준비합니다. dataPARC는 사양을 제공하며, 고객의 IT 팀이나 현지 시스템 통합 업체와 협력하여 태그 수 및 성능 요구 사항에 맞는 적절한 규모와 구성을 보장합니다.
네. PARCview Nexus는 브라우저를 통해 대시보드와 추세 정보를 확인할 수 있게 해주며, 별도의 애플리케이션이나 라이선스 없이도 데스크톱, 태블릿, 모바일 기기에서 모두 사용할 수 있습니다.
라이선스 및 구현
dataPARC는 일반적으로 사용자 수가 아닌 태그 수를 기준으로 라이선스가 부여됩니다. 즉, 사용자 수와 대시보드 및 보고서 수에 제한이 없으며, 사용자당 또는 고객당 요금이 부과되지 않습니다. 저희는 가장 효율적으로 운영되는 공장일수록, 더 나은 의사결정을 내리는 데 필요한 도구를 누가 사용해야 할지 제한해서는 안 된다고 생각합니다.
dataPARC는 다양한 규모의 고객사에 맞춰 확장할 수 있습니다. 1,000개 수준의 태그를 갖춘 소규모 시스템부터 수백만 개의 태그를 보유한 대규모 시스템에 이르기까지, dataPARC는 고객의 요구 사항을 충족시켜 드립니다.
일단 작업을 시작하면 프로젝트는 매우 빠르게 진행될 수 있습니다. 기존 히스토리언 시스템이 이미 구축되어 있는 경우, 첫 주 내에 초기 사용자들이 시스템을 이용할 수 있게 할 수 있습니다. 신규 히스토리언 시스템을 구축하는 경우에도 데이터 수집 및 저장은 첫 1~2주 내에 시작될 수 있습니다. 구체적인 일정은 하드웨어 준비 상태, 네트워크 접속 여부, 태그 수, 그리고 프로젝트 범위에 따라 달라집니다.
아닙니다. 대부분의 구현 작업은 원격으로 진행됩니다. 고객의 요청이 있을 경우에만 현장 지원이 제공됩니다.
왜 dataPARC를 선택해야 할까요?
일반적인 이유로는 $1 및 유지 관리 비용의 상승, ProcessBook이나 기타 시스템의 지원 종료, 보고 업무에서 엑셀에 대한 과도한 의존, 수동 및 자동화된 데이터의 통합 어려움, 그리고 분석 및 AI 프로젝트를 위한 데이터에 대한 개방형 접근의 필요성 등이 있습니다.
일반적으로 다음 단계로는 데모, 태그 수 집계 및 범위 검증, 그리고 상업적 제안서 제출 등이 포함됩니다.