Brownfield Process System은 기존의 운영 중인 공장을 의미하는 용어로, 새로운 시설을 새롭게 건설하는 “Greenfield” 프로젝트와는 대조적인 개념입니다. Brownfield는 기존의 설비나 시스템이 이미 존재하는 상황을 나타내며, 주로 오래된 시설이나 기술을 업그레이드하거나 현대화하는 작업을 포함합니다.
산업 4.0과 관련하여 Brownfield Process System은 기존의 운영 중인 공장이나 프로세스 시스템에서 디지털 트윈과 같은 새로운 기술을 도입하는 것을 의미합니다. 이러한 기존 시스템은 새롭게 구축된 공장보다 더 복잡한 구조와 제약이 있을 수 있으며, 현대적인 기술을 적용하기 위해서는 레트로핏(retrofit) 또는 개선 작업이 필요합니다.
주어진 내용을 참고하면, Brownfield Process System에서 디지털 트윈을 구축하는 작업은 특히 도전적입니다. 이는 이미 가동 중인 공정 설비를 대상으로 하기 때문에, 기존의 장비와 시스템에 맞춰 디지털 트윈을 개발해야 하며, 이 과정에서 시간과 비용이 많이 소요됩니다. 이 논문에서는 **Piping and Instrumentation Diagram (P&ID)**와 같은 기존의 공학 문서에서 데이터를 추출하여 디지털 트윈을 생성하는 반자동화 방법론을 제안하고 있습니다. 이 방법론은 Brownfield 공장에서 디지털 트윈을 개발하는 데 필요한 도전 과제를 해결하고, 기존 시스템의 성능을 향상시키기 위한 도구 체인을 제시합니다.
요약하자면, Brownfield Process System은 이미 존재하고 운영 중인 프로세스 공장으로, 이 시스템에 디지털 트윈과 같은 최신 기술을 적용하여 현대화하거나 성능을 향상시키는 작업을 의미합니다.
관련문서: A Methodology for Generating a Digital Twin for Process Industry: A Case Study of a Fiber Processing Pilot Plant 다운로드
초록
디지털 트윈은 현재 산업 4.0에서 중요한 트렌드 중 하나로, 많은 기업이 디지털화 수준을 높이고 그 결과로 생산성과 신뢰성을 향상시키기 위해 이를 활용하고 있다. 하지만 디지털 트윈의 개발은 어렵고, 비용이 많이 들며, 시간이 소요된다.
이 논문은 텍스트 및 이미지 처리 기술을 사용하여 엔지니어링 문서에서 프로세스 데이터를 추출함으로써 공정 플랜트를 위한 디지털 트윈을 생성하는 반자동화 방법론을 제안한다. 추출된 정보는 시뮬레이션 소프트웨어에서 모델을 생성하는 출발점으로 사용되는 중간 그래프 모델을 구축하는 데 활용된다.
그래프 기반 모델을 시뮬레이션 소프트웨어 환경으로 변환하기 위해서는 시뮬레이터별 매핑 규칙이 필요하다. 이 논문에서는 파이핑 및 계장도(P&ID)를 주요 정보원으로 사용하여 정상 상태 시뮬레이션 모델을 기반으로 디지털 트윈을 생성하는 접근 방식을 설명한다.
정상 상태 모델링 패러다임은 브라운필드 플랜트로도 알려진 운영 중인 공정 플랜트의 개보수와 관련된 사용 사례에 특히 적합하다. 수작업, 반자동화, 완전 자동화 단계를 포함하는 방법론과 도구 체인을 제안하며, 이를 입증하기 위해 파일럿 규모의 브라운필드 섬유 가공 플랜트를 사례 연구로 사용해 실험실 규모의 연구에서는 발생하지 않을 수 있는 문제를 식별하고 해결하였다.
논문은 브라운필드 공정 시스템을 위한 디지털 트윈의 자동화된 개발에 대한 해결되지 않은 문제들과 향후 연구 주제에 대한 평가로 마무리된다.
키워드 디지털 트윈, 프로세스 산업, 모델링, 정상 상태 시뮬레이션, 이미지 인식, 텍스트 인식, 유향 그래프, 파이핑 및 계장도, 플로우시트 생성. Digital twin, process industry, modeling, steady state simulation, image recognition, text recognition, directed graph, piping and instrumentation diagram, flowsheet population.
V. 결과 및 논의
A. P&ID 변환기 (B1)와 Component_Selector (B2)
이 사례 연구의 P&ID는 AutoCAD 파일 형식이었으며, AutoCAD 파일을 PDF 파일로 인쇄하여 더 개방된 형식으로 변환했다. Component_Selector 프로그램은 오픈 소스 도구인 Tesseract 5.0을 사용하여 PDF 파일에서 텍스트 필드를 인식하고 추출했다.
결과는 완벽하지 않았으며, 모든 텍스트 스니펫이 인식되지 않았고, 일부 다이어그램 요소는 문자로 해석되기도 했다. 하지만, 이 결과는 우리의 목적에 충분했다. 인간 전문가가 Component_Selector를 사용하여 추출된 사각형 내부의 구성 요소 이름을 클릭하여, 정상 상태 시뮬레이션 모델에 포함하고자 하는 프로세스 구성 요소를 선택한다.
선택된 구성 요소는 빨간 사각형으로 표시된다. 잘못 선택된 경우 사용자는 선택을 제거할 수도 있다. 필요한 모든 프로세스 구성 요소를 선택한 후, 사용자는 선택된 구성 요소 쌍을 연결하여 파이프라인을 생성한다. 쌍을 선택할 때 사용자는 파이프라인의 소스 구성 요소의 추출된 텍스트 필드를 먼저 클릭한 다음, 파이프라인의 대상 구성 요소의 추출된 텍스트 필드를 클릭한다.
소스 구성 요소는 녹색 사각형(빨간 사각형 내부)으로, 대상 구성 요소는 파란색 사각형(빨간 사각형 내부)으로 표시된다. 색상이 있는 사각형 외에도 소스에서 대상까지의 파이프라인 연결이 파란 선으로 표시된다.
그림 14는 하나의 쌍이 생성된 후 선택된 두 구성 요소가 어떻게 보이는지를 보여준다. 사례 연구의 P&ID에는 태그 이름이 없는 구성 요소도 포함되어 있어 Component_Selector 프로그램이 텍스트 필드를 인식하고 추출할 수 없었다. 이 경우 사용자는 자체 이름을 가진 텍스트 필드를 생성하여 프로세스 구성 요소를 만들 수 있다.
B. 정상 상태 시뮬레이션 모델을 위한 구성 요소 및 파이프라인 목록 생성 (B3)
Component_Selector를 사용하여 선택된 프로세스 구성 요소는 “items.txt” 텍스트 파일에 작성되었으며, 여기에는 선택된 구성 요소의 ID가 포함되어 있다. 또한, DEXPI_XML_Generator가 P&ID에서 심볼을 인식하고 해당 DEXPI 요소에 매핑할 수 없는 경우에 대비하여, 텍스트 파일에는 구성 요소 유형에 대한 인간 전문가의 수동 설명도 포함되어 있다. 마찬가지로, 선택된 파이프라인은 “pairs.txt” 텍스트 파일에 작성되었으며, 여기에는 소스 구성 요소의 ID와 대상 구성 요소의 ID가 포함되어 있다. 이러한 파일의 예는 표 1과 표 2에 제시되어 있으며, 이후 단계 B4, 즉 그래프 처리에서 입력 파일로 사용되었다.
C. DEXPI XML 생성기 (C1)
DEXPI_XML_Generator를 사용하여 대부분의 프로세스 구성 요소 심볼, 파이프라인 연결 및 속성을 인식하고 해당 DEXPI 요소에 매핑할 수 있었다. 사례 연구의 세 가지 P&ID에 대한 요소 인식 비율은 88%에서 94% 사이였다. 인식 결과의 예는 그림 15에서 볼 수 있다. 인식이 어려운 경우에 대한 간단한 요약은 아래에 나와 있다. 텍스트 콘텐츠와 관련해서는, 상자 형태 내부에 위치한 장비의 라벨이 신뢰할 수 있게 인식되었다. 반면에 밸브의 라벨은 일관된 형태가 없었기 때문에 일부는 인식되지 않았지만 대부분은 찾아낼 수 있었다.
일부 복잡한 장비 심볼도 인식하기 어려웠다. 예를 들어, 사례 연구의 P&ID에는 다른 심볼이 포함된 큰 장비 심볼이 포함되어 있었다(그림 16 (a)). 호스(그림 16 (b))와 파이프라인 화살표(그림 16 (a))는 지원되는 90도 회전 및 수평 뒤집기 외에도 회전할 수 있었으며, 이러한 경우 인식되지 않았다. 인식되지 않은 회전을 위한 새로운 인식 패턴을 만들거나 임의의 회전을 가진 심볼을 인식하는 지원이 구현되어야 한다.
사례 연구의 기밀성을 보호하기 위해 이 논문의 그림은 펌프 정보, 특수 파이프 연결 및 밸브 및 파이프 치수와 같은 기밀 정보를 제거하도록 신중하게 수정되었다. 일반적으로 단일 다이어그램은 모든 라인 교차를 나타내기 위해 동일한 스타일을 사용한다. DEXPI_XML_Generator는 라인 교차 지점에 작은 호와 같은 기호, 겹치는 선 또는 공백을 지원하도록 설정할 수 있다.
사례 연구의 P&ID에서는 대부분 작은 공백이 사용되었지만, 일부 위치에서는 일관성이 없어 일부 라인 교차를 제대로 처리할 수 없었다. 일부 경우에는 공백이 없거나(그림 16 (c)) 공백 크기가 평소보다 훨씬 큰 경우(그림 16 (d))도 있었다. 마지막으로, DEXPI 파일(그림 17의 예)이 생성되어 단계 C2에서 사용되었다. P&ID의 복잡성에 따라 DEXPI 파일에는 수백만 줄이 포함될 수 있다.
D. 그래프 처리 (B4, C2)
그림 17은 XML 마크업 언어로 작성된 DEXPI 파일(C1)을 보여주며, 이는 Graph_Generator(C2)의 입력 파일로 사용되었다. Graph_Generator는 이 파일에서 프로세스 구성 요소에 대한 일반 정보를 추출했으며, 여기에는 엔지니어링 문서에서 구성 요소의 유형, 위치 및 회전뿐만 아니라 서로 다른 구성 요소 간의 연결도 포함되었다. 표 3과 표 4는 Graph_Generator를 사용하여 사례 연구의 DEXPI 파일에서 추출된 원시 데이터의 예를 보여준다.
Graph_Generator(B4)는 또 다른 병렬 그래프 모델을 구성하는 데도 사용되었다. 이 경우 Component_Selector(B3)에서 생성된 프로세스 구성 요소 및 파이프라인 목록이 입력 파일로 사용되었다. 이 그래프 모델은 정상 상태 시뮬레이션 모델을 위한 모든 필수 노드 및 에지 데이터를 제공했기 때문에 기본 모델로 사용되었으며, C2 그래프 모델은 필요한 속성을 제공했다.
E. 시뮬레이션 소프트웨어에 대한 매핑 규칙 (D1)
매핑 규칙은 선택된 P&ID의 프로세스 구성 요소(예: 탱크, 열교환기, 스크린)에서 파생된 각 그래프 노드가 선택된 시뮬레이션 소프트웨어에서 어떻게 표현될지를 정의한다. 이 연구에서는 Balas 정상 상태 시뮬레이션 소프트웨어에서 이를 표현하도록 매핑 규칙을 설정하였다.
이 규칙은 원래의 P&ID와 시뮬레이터 사이의 인터프리터처럼 작동하며, Balas 단위 작업 심볼의 이름을 지정하고 인입 및 인출이 심볼의 어떤 포트에 연결되는지를 정의한다. Balas에 특화된 매핑 규칙의 예는 부록 B의 표 7에 나와 있으며, 이 규칙은 단계 D2에서 입력으로 사용되었다.
F. 흐름도 인구 생성을 위한 필수 입력 (D2)
단계 D1에서 형성된 매핑 규칙을 바탕으로, B4와 C2 단계의 두 그래프 모델을 통합하여 생성된 최종 그래프 모델(D2)은 시뮬레이션 소프트웨어의 흐름도 생성을 위한 필수 입력 데이터를 제공하도록 조정되었다. 단위 작업 심볼의 포트 번호를 할당하고, 그래프 모델을 Balas 시뮬레이션 소프트웨어와 호환되도록 만들기 위해 매니폴드나 밸브와 같은 추가 연결 요소를 설정할 필요가 있었다.
이 단계의 출력은 Balas 정상 상태 시뮬레이션 모델을 위한 필수 노드 목록(표 5)과 에지에 할당된 포트 번호(표 6)를 포함한다. 그림 18은 생성된 모델의 시각화를 보여준다(표 5 및 표 6에 나와 있다).
G. FLOWSHEET_POPULATOR (D3)
Flowsheet_Populator는 파서 기술을 기반으로 하기 때문에 오류 상황에서도 복구할 수 있는 강력한 도구로 보인다. 이 도구는 사례 연구 개발 중에 테스트되었으며 성능 문제는 보고되지 않았다.
H. 정상 상태 시뮬레이션 모델 흐름도 생성 (D4)
그림 19는 사례 연구를 위한 정상 상태 시뮬레이션 모델 흐름도의 일부를 보여준다. 상단의 흐름도는 Flowsheet_Populator로 생성된 원본 흐름도를, 하단의 흐름도는 일부 수동 조정 후의 흐름도를 보여준다.
I. 디지털 흐름도에서 디지털 모델을 거쳐 디지털 트윈으로 (D5—D8)
이 논문은 제시된 방법론의 전체 과정을 다루지 않는다. 이 논문은 단계 D4에서 시뮬레이션 모델의 흐름도가 생성된 후에 끝난다. 흐름도의 수동 초기화 및 매개변수 설정(D5)은 모델러가 수행하는 일반적인 수동 작업이므로 여기에서는 보고되지 않았다. 또한, 다양한 시나리오에서 시뮬레이션 모델을 실행하는 것(D6)은 이 연구의 초점이 아니었으므로 여기서 다루지 않았다. 방법론의 마지막 단계인 물리적 프로세스를 디지털 모델에 연결하는 작업은 사례 연구의 프로세스 자동화 시스템에 연결할 권한이 제한되어 있었기 때문에 보고되지 않았다.
J. 연구의 한계와 대안
이 논문에서 제시된 연구 결과는 한계 내에서 고려해야 한다. 이 섹션에서는 가장 중요한 제약 사항, 대안 및 솔루션을 더 자세히 다룬다.
- P&ID에서 구성 요소 선택은 수동으로 이루어진다: Component_Selector 도구는 간단한 사용자 인터페이스(UI)를 가지고 있으며, 많은 기능이 필요에 따라 빠르게 개발되었다. 따라서 이를 사용하려면 전문가가 필요하며, 수동 작업이 많이 요구된다. 도구의 UI가 처음부터 개발되었다면 덜 숙련된 사용자도 접근할 수 있었을 것이다. 현재 “대량 편집” 기능이 하나만 제공되며, 이는 이름을 기반으로 여러 프로세스 구성 요소를 자동으로 선택할 수 있는 기능이다. 이 “대량 편집” 기능을 확장하고 일반화하여 수동 작업을 가능한 한 줄일 수 있도록 해야 한다.
- 매핑 규칙은 시뮬레이터에 따라 다르며 사례에 민감하다: 매핑 규칙은 식별된 시뮬레이터에만 유효하다. 각 프로세스 시뮬레이터는 고유한 단위 작업 심볼 라이브러리를 가지고 있다. P&ID에서 새로운 프로세스 구성 요소가 발견되어 매핑 규칙 라이브러리에 나타나지 않으면, B4 단계에서 소프트웨어는 시뮬레이션 소프트웨어에 적합한 구성 요소를 찾고 포트를 할당할 수 없다. 이 제약을 극복하기 위해, 인식되지 않은 구성 요소에 대한 일반 규칙이 고려되어야 한다. 이러한 구성 요소는 인간 전문가가 수동으로 조정할 수 있는 일반적인 시뮬레이션 심볼로 설명될 수 있다.
- 객체 인식은 특정 상황에서 비효율적일 수 있다: 섹션 V.C에서 설명한 것처럼, 객체 인식은 복잡한 심볼, 임의의 회전 또는 소스 데이터의 불일치 및 오류로 인해 실패할 수 있다. 객체 인식과 소스 데이터의 품질을 향상하면 올바르게 인식된 심볼의 수를 늘릴 수 있다. 한편으로, 누락된 정보는 DEXPI 파일을 수동으로 수정하거나 DEXPI 파일의 Drawing 요소에 저장된 인식되지 않은 심볼의 그래픽 및 텍스트 정보를 활용하여 처리할 수 있다.
- 도구는 도메인별로 특화되어 있다: 이 연구는 제지 산업에서 이루어졌으며, 대부분의 도구는 해당 분야에서 접근 가능한 구성 요소를 사용하여 구축되었다. 그러나 주요 방법론은 일반적이며, 프로세스 산업의 다른 분야에도 적용할 수 있다. 새로운 구성 요소를 추가하여 개발된 도구와 소프트웨어의 라이브러리를 업그레이드하면 새로운 도메인에 쉽게 적용할 수 있다.
- DEXPI_XML_Generator는 벡터화된 P&ID에 대해 작동한다: DEXPI_XML_Generator의 경우 벡터화된 PDF 외에도 래스터 이미지와 DWG를 소스 형식으로 지원하는 것이 현재 개발 중이다. DWG는 먼저 벡터화된 PDF로 내보내면 사용할 수 있지만, 소스 형식으로 DWG를 직접 사용하면 블록 구조 및 레이어와 같은 추가 정보를 인식하는 데 도움이 될 것이다. 래스터 이미지 지원을 통해 벡터화된 PDF 외에도 스캔한 문서를 변환할 수 있다.
VI. 결론 및 향후 과제
이 논문은 파이핑 및 계장도(P&ID)와 같은 엔지니어링 문서에서 필요한 프로세스 정보를 반자동으로 추출하여 정상 상태 시뮬레이션 모델을 생성하고 제지 프로세스 시스템의 디지털 트윈을 만드는 접근 방식을 설명한다.
이 논문에서는 디지털 트윈의 반자동 생성을 위한 다양한 도구와 소프트웨어를 개발하는 데 기여한 일반화된 방법론을 제안했다. 이들은 모델 기반 디지털 트윈을 생성하기 위한 보다 자동화된 솔루션을 위한 길을 열기 위해 개발되었다. 이 연구의 가치는 긴 소프트웨어 체인을 포함한 복잡한 워크플로가 구현되고 입증된 데 있다.
체인의 많은 소프트웨어 도구는 기본적이고 임시로 개발되었으며 간단한 사용자 인터페이스를 가지고 있어 디지털 트윈으로의 전환을 점진적으로 용이하게 할 수 있다. 제지기 사례 연구에서 단계별 결과를 보고함으로써 제안된 방법론의 효과가 입증되었다. 결과는 자동화된 솔루션의 초기 투자가 디지털 트윈의 더 빠르고, 비용 효율적이며, 인간 의존도를 줄일 수 있음을 보여주었다.
현재 연구는 도메인 제한 및 불확실성과 잘못된 입력에 대한 견고성 등과 같은 한계가 있으며, 섹션 V.K에 나열되어 있다. 또한 향후 확장을 위한 계획도 마련되어 있다. 향후에는 여러 입력 형식과 산업 요구에 적합한 시뮬레이션 소프트웨어가 조사될 수 있다.
시스템의 도메인은 다양한 사용 사례를 통해 확장되어야 하며, 결과는 실제 산업 응용 프로그램에서 입증되어야 한다. 또한, 디지털 모델을 디지털 트윈으로 변환하기 위해 공장의 DCS와 자동으로 연결할 수 있을 것이다. 또한, 프로세스의 최신 측정값을 기반으로 정상 상태 모델 매개변수를 실시간으로 업데이트하는 것도 가능할 것이다.