자동화 기계 어플리케이션을 구현하기 위한 고성능 관성 센싱 솔루션

2017-06-16
자동화 기계 어플리케이션을 구현하기 위한 고성능 관성 센싱 솔루션

산업용 기계가 자동화됨에 따라 제조, 농업, 물류, 에너지, 자동차, 무인항공기 등 분야에 관계 없이 자원의 효율성, 장비의 정확성 그리고 안전이라는 측면에서 상당한 효과가 기대되고 있다. 이러한 효과를 얻기 위해서는 적절한 센싱 기술을 파악하여 장치의 상태에 대한 맥락적인 지식을 향상시키는 것이 필수적이다. 장치의 위치 역시 중요한 입력값이라고 가정할 때, 정밀 관성 센서는 본질적으로 위치를 한치의 오차도 없이 정밀하게 파악하거나 정확한 위치를 유지할 수 있어야 한다. 위치와 맥락적인 센서 정보를 결합하는 것은 이동성이 주 요인이 되는 어플리케이션에서 특히나 중요하다. 복잡하거나 극한 환경에서 작동하는 가운데 위치를 정확히 파악하는 능력은 대부분의 경우 핵심적인 요건으로 여겨진다. 이러한 이동 사물인터넷(Internet of Moving Things, IoMT)이 높은 효율성을 확보하기 위해서는 많은 문제점들을 해결해야 하는데, 이 때 고성능 관성 센서가 도움을 줄 수 있다.

글. 밥 스캐널(Bob Scannell), 아나로그디바이스 사업개발팀장
 
센서가 기계 자동화를 촉진시키다
기계가 단순한 수동 측정을 하는 것에서 제어 기능을 내장하고, 더 나아가 완전히 자동화되어 작동되도록 진화하면서 센서는 이러한 진화를 가능하게 하는 역할을 맡고 있다. 오프라인 분석을 지원하는 단순 측정이나 프로세스 제어 같은 용도에 관계 없이, 기존에는 여러 센서들의 작동이 서로 절연된 상태에서 효율적으로 이루어졌다. 실시간으로 센서의 기능을 사용하고자 하는 욕구와 다양해지는 센싱 유형은 물론, 효율적인 처리가 가능해지면서 센서 융합은 여러 어플리케이션과 환경 상태에서 정보의 맥락을 최적으로 파악할 수 있도록 상당한 발전을 이루게 되었다. 또한, 여러 플랫폼간의 상호작용과 과거의 시스템 상태에 대한 지식이 필요한 복잡한 시스템에서 연결성의 증가는 [표 1]에서 볼 수 있듯이 센서 시스템이 점차 지능적으로 변화하는데 도움을 주고 있다.

[표 1] 센서의 통합 및 연결성 수준
센서 기본적인 단일 센싱 소자
복합
센서
여러 센싱 유형을 파악해서 어플리케이션의 필요를 충족
결합
센서
하나의 센서로 다른 센서를 보정하거나, 상태를 기반으로 하는 센서 간 핸드오프 사용
스마트
센서
국지적인 내장형 프로세싱, 실시간 분석 및 판단 지원
연결
센서
플랫폼에 관계 없이 통신 연결로 정보 공유 지원
지능형
센서
시간이 지남에 따라 적응 및 학습에 정보 사용(예. 클라우드, 데이터베이스 구축)
 
이처럼 사용이 쉬운 지능형 센서 시스템은 정체된 산업에 혁신을 가져옴으로써 단순한 농업을 스마트 농업으로, 인프라를 스마트 인프라로, 도시를 스마트 도시로 변화시켜 나가고 있다. 이러한 환경에 센서를 설치하여 맥락 정보를 수집하게 되면 데이터베이스 관리와 통신의 측면에서 복잡한 문제들이 새롭게 생겨난다. 이를 해결하기 위해서는 [그림 1]과 같이 센서 간, 플랫폼 전반, 시간 전반에서 복잡한 융합이 필요하게 된다(예. 시간에 따른 인프라 환경의 클라우드 기반 분석, 작년 수확량, 교통 조건과 패턴).


[그림 1] 위치 인식 방식의 산업 스마트 센싱을 위한 통합

 
이동성이 중요한 경우, 그 다음으로 필요한 것은 이러한 맥락 센서데이터(contextual sensor data)의 위치를 추적하는 것이다. 사실, 사물인터넷을 사용하는 장치 중 위치가 고정되어 있다고 생각할 수 있는 것은 거의 없다. 공장, 현장 및 병원의 장비들은 이동성이 있을 때 더욱 유용하게 사용할 수 있으며, 위치가 고정된 장비의 광학 센서라도 한정된 장소에서 이동성을 가질 수 있어 방향 조정과 위치 파악이 필요하다. [표 2]에서 볼 수 있듯이, 이러한 이동 사물인터넷은 맥락 및 위치 데이터를 융합하며, 데이터의 유용성과 효율성의 장점을 근본적으로 증진시킨다. 일례로 수확량 개선 확률을 분석한다고 할 때, 씨앗 하나하나가 심어진 곳의 온도와 습도, 그리고 정확한 위치를 아는 것과 마구잡이로 씨앗이 심어진 곳의 온도와 토양 상태만을 아는 것 사이의 차이점을 생각하면 될 것이다.
 
[표 2] 정확한 위치 데이터와 맥락 데이터의 결합으로 이동 사물인터넷 구현하기
 
IoT 맥락 센서   위치 센서    
온도 + 관성 = IoMT
광학 GPS
화학 자력계
기체 기압계
진동 거리 측정
기타 기타
 
 
스마트 기계 장치 내에 내장된 관성 센서
대부분의 스마트 기계 장치 내에 내장된 관성 센서는 [그림 2]와 같이 크게 ‘안정화와 위치 지정’ 또는 ‘방향 조정과 안내’의 두 가지 기능을 가진다(별도의 중요한 사용 목적은 진동 분석과 환경 모니터링으로 이들 기능은 별도로 이루어진다). GPS는 그 편재성 때문에 대부분의 시스템에서 방향 조정에 널리 사용되지만, 신호가 차단될 가능성이 있기 때문에 마냥 신뢰하기는 어렵다. GPS 신호가 차단되는 동안 관성 센싱 기능을 사용하는 것이 효과적일 수 있으나, 이는 그 동안 관성이 정확한 데이터를 제공할 수 있을 정도로 충분한 품질을 갖추었다고 가정할 때에만 유효하다. 안정화나 서보 루프(servo loop)의 경우, 피드백 매커니즘에서 관성 센서에 의존하여 안테나, 기중기 플랫폼, 건축 장비의 날, 농기구, 무인항공기의 카메라 같은 장치의 각도를 안정적으로 유지할 수 있다. 이러한 모든 경우, 관성 장치는 단순히 유용한 기능(예. 휴대전화의 동작 제어)을 제공할 뿐 아니라 혹독한 환경에서도 필수적인 정확성이나 안전 매커니즘을 제공하는 것을 목표로 한다([표 3] 참조).

[그림 2] 관성 측정 장치는 기존의 센서들로는 한계가 존재하는 어플리케이션에서
안정화와 위치 지정이라는 필수적인 역할을 한다.
 
[표 3] 환경적 제약이 있는 산업용 어플리케이션을 위한 관성 센서에는 까다로운 조건들이 요구된다.
주요 난점
GSP 신호가 차단된 상태에서 센티미터 수준의 정확성 제공
진동, 극단적인 온도, 바람 등이 존재할 때에도 정확성 유지
어떠한 조건에서도 안정적이고 안전한 운전
 
 

센서 품질이 중요하다
세간에는 센서 융합 알고리즘을 사용하면 본질적으로 그다지 중요하지 않은 센서 기술이 상당한 성능을 보이도록 할 수 있다는 루머가 존재한다. 온도 센서로 다른 센서의 온도 드리프트를 보정하거나 가속도계로 자이로스코프의 중력 효과를 보정하는 등 센서 융합은 보정 목적으로 사용될 수 있다. 그러나 이러한 경우에도 사실상 센서 융합으로는 정해진 센서를 주변 환경에 맞춰 보정하는 것만이 가능하다. 센서를 융합했다고 한들, 보정지점 사이의 성능을 유지하는 기존의 기능 자체를 향상시킬 수 없으며, 그 기능을 도울 수 있을 뿐이다. 저품질의 센서는 일반적으로 드리프트가 빠르게 발생하므로, 광범위하고 값비싼 보정지점이 없다면 정확성 또한 빠르게 떨어지게 된다.
하지만, 아무리 성능이 뛰어난 센서라도 장치의 성능을 최대한 이끌어 내기 위해서는 어느 정도의 보정이 필요하다. 이를 위한 비용 대비 가장 효율적인 방법은 센서에 대한 복잡한 정보를 파악하고 모션 다이내믹스(motion dynamics)를 이해하는 것([그림 3] 참조)뿐 아니라, 상대적으로 접하기 어려운 테스트 장비에 대한 접근성과도 크게 연관되어 있다. 이러한 이유로 보정 및 보상 단계가 센서 제조업체 단에서 이루어져야 한다는 인식이 점차 확산되고 있다.
기본적인 센싱 결과를 어플리케이션 수준에서 유용한 정보로 변환하는 데 중요한 두 번째 단계는 상태에 따른 센서 간 핸드오프(작동 전환)이다. 이를 구현하기 위해서는 센서의 기능뿐 아니라 어플리케이션의 역학도 폭넓게 이해하고 있어야 하며, 이러한 이해가 있어야 어떤 시점에서 어떤 센서를 사용할 수 있을지를 선택할 때 최선의 결정을 내릴 수 있다.


[
그림 3] 관성 센서로부터 어플리케이션 수준의 중요한 정보를 추출하려면 정교한 보정과 고차원의 처리가 필요하다.
 
[그림 4]는 산업용 어플리케이션에서 센서 융합 개념의 예시를 나타낸 것이다. 정밀성 기반의 산업용 어플리케이션을 구현하기 위해 센서는 GPS 신호가 차단될 가능성이 높고, 까다로운 자기장과 기타 장애가 있는 환경에서도 작동할 수 있도록 신중하게 선택되었다. 이러한 이유로 인프라 유무에 크게 좌우되지 않는 특징을 가지는 관성 센서가 가장 선호되며, 특정한 환경에 고유한 문제를 해결하고 장기적인 관성 드리프트를 보정하는 데 도움이 되는 다른 센싱 기능이 추가된다. 모든 상황에서 정밀 추적이 가능하도록 센서를 선택하는 것이 가장 좋지만, 이는 현실적으로 불가능하다. 따라서 계획 단계에서 약간의 불확실성은 남게 마련이다. 그렇기 때문에 센서를 보정하고 어플리케이션 상태에 따라 정교하게 센서간 드리프트를 관리하는 알고리즘이 존재한다.


[그림 4] 센서 융합 알고리즘이 가능하려면 정밀 센서가 필수적이며, 센서는
특정 어플리케이션 환경을 지원할 수 있도록 적절히 선택되어야 한다.
 
궁극적으로 최종 어플리케이션은 요구되는 정확성의 수준을 결정하며, 선택된 센서의 품질에 따라 이러한 정확성을 달성할 수 있을지가 결정된다.
 
[표 4] 복잡하고 임무 수행에 필수적인 요건이 요구되는 산업용 어플리케이션에는 고정밀 센서가 필요하다.
 
관성
센서의
품질
특징 센서 융합의 역할 센서 융합 이후의
정확도
적합한 용도
높은 정밀성 모든 조건에서 극히 낮은 잡음 성능과 안정적인 작동 주로 사용되는 기본 센서로 예측이 어려운 극한 조건에서 사용 가능하다 ~0.1° 복잡한 움직임, 긴 사용 수명, 임무 수행에 필수적
낮은 정밀성 낮거나 중간 수준의 잡음, 낮은 안정성, 진동 및 온도 충격 시 드리프트 알 수 없음 사용 빈도가 낮은 백업 센서로 사용에 제한이 따르거나 조건에 따라 사용 여부가 결정된다. 3°~5° 단순한 움직임, 짧은 사용 수명, 오차가 허용될 수 있는 경우 사용

[표 4]는 두 가지 시나리오를 비교함으로써, 설계 과정뿐 아니라 장치 정밀성 면에서도 센서 선택이 중요함을 보여 준다. 정밀성이 낮은 센서는 사실상 어플리케이션에서 오차가 허용되는 한정된 경우에만 적합할 수 있다. 다시 말해, 이는 안전이나 생명이 좌우되는 경우가 아니라면 상대적으로 정밀성이 떨어지는 센서로도 충분하다는 뜻이다. 일반적으로 사용되는 센서의 대부분은 저잡음이며 평범한 조건에서 무리 없이 작동하지만, 진동 같은 움직임에 노출되는 기계 장치에는 적합하지 않다. 낮은 성능의 관성 측정 장치에서 이러한 움직임은 요구되는 단순한 선형 가속이나 기울기 측정과 떼어 생각할 수 없다. 1° 이상의 정확성으로 산업 환경에서 작동하려면 진동이나 온도 변화로 인한 오차 드리프트를 제거할 수 있도록 특별히 설계된 센서를 선택해야 한다. 이처럼 정밀도가 높은 센서는 보다 다양한 어플리케이션 상태에 더 오랜 시간에 걸쳐 대응할 수 있다.
 
고성능 관성 센서
성능을 염두에 두고 설계를 진행한다고 해서 비용이나 크기, 전력 효율성을 반드시 제외해야 하는 것은 아니다. 그러나 비용 절감을 우선적인 목표로 두고 MEMS 구조를 설계하면 보통 성능을 희생시키게 되며, 간혹 그 정도가 상당히 심할 수 있다. 실리콘 매스와 플라스틱 패키지를 적게 사용하는 것과 같이 비용 절감을 위한 단순한 결정이 MEMS 성능을 크게 저하시킬 수도 있다. [그림 5]에서 보는 것과 같은 미세 전자 기계 장치에서 정확하고 안정적인 정보를 추출하려면 실리콘의 면적과 두께에 좌우되는 신호 대 잡음비(SNR)가 높아야 한다. 부품 패키지서부터 시스템 수준에 사용되는 케이스 선택에 이르는 과정에서 실리콘에 가해지는 스트레스를 최소화하는 것도 필요하다. 센서를 정의하는 시점에서부터 최종 사용시의 성능 요건을 염두에 두고 실리콘, 통합, 패키징, 테스트, 보정 측면을 최적화해야 복잡한 환경에서 내재한 성능을 유지하면서도 비용을 최소화할 수 있다.

[그림 5] 정밀한 움직임을 파악하기 위해 사용되는 미세 전자 기계 구조
 
[표 5]는 중간 수준의 산업용 장치와 휴대전화 등에 내장되는 소비자용 센서의 성능을 비교한 것이다(더 높은 수준의 산업용 장치와 비교할 수도 있으나, 이때의 성능은 [표 5]에서보다 훨씬 높다). 낮은 성능의 소비자용 센서 대부분은 산업용 어플리케이션에서 오차를 가장 많이 발생시키는 원인이 될 수 있는 선형 가속 효과나 진동 조정, ARW(angular random walk) 등의 파라미터 사양을 제공하지 않는다.
여기에서 사용한 산업용 센서는 상대적으로 빠르거나 극한 움직임(2000°/sec, 40 g)을 예상하고 설계한 것으로, 광대역 센서의 출력 역시 신호 식별 성능을 최적화하는 데 필수적이다. 장치가 작동 중일 때의 오프셋 드리프트(작동 안정성)를 최소화하려면 성능을 보정해줄 수 있는 여러 보조 센서에 대한 의존을 줄여야 하며, 어플리케이션에서 백엔드 시스템의 필터링 보정에 필요한 시간을 기다릴 여유가 없을 경우, 시동 드리프트(반복성)를 최소화하는 것이 매우 중요하다. 저잡음 가속도계는 자이로스코프와 함께 사용해서 중력가속도(g)와 관련해 발생되는 드리프트를 구별하고 보정하도록 돕는다.
자이로스코프는 실제로 중력가속도(g)와 관련된 장치 오프셋의 움직임(진동, 충격, 가속도, 중력)을 직접 제거하도록 설계되어 있어서, 선형 중력가속도 측면에서 상당한 이점을 제공한다. 또한, 보정을 통해 온도 드리프트와 배열이 보정된다. 배열을 보정하지 않으면 일반적으로 다축 MEMS 장치는 단일 실리콘 구조에 통합되어 있다 하더라도 오차 할당의 주요 원인인 지점으로부터 어긋나게 배열될 수 있다.
 
[표 5] 산업용 MEMS 장치는 오차를 유발하는 모든 잠재 원인에 대한 사양을 제공하며,
보통 일반적인 장치보다 정밀성이 훨씬 더 뛰어나다.
 
파라미터 산업 분야에서의 
일반적인 사양
단위 일반적인 상황에
사용되는 장치와의
성능 비교
자이로스코프      
동적 범위 최대 2000 °/sec -
잡음 밀도 0.004 °/sec/√Hz rms 2x
ARW 0.2 °/√Hr 2x
작동 안정성 5 °/hr 3x
바이어스 반복성 0.2 °/sec 100x
−3dB 대역폭 465 Hz 2x
       
가속도계      
동적 범위 최대 40 g 3x
잡음 밀도 25 micro-g/√Hz rms 10x
ARW 0.03 m/s/√Hr 10x
작동 안정성 10 micro-g 10x
바이어스 반복성 25 mg 100x
−3dB 대역폭 500 Hz 2x
       
축성 배열 0.05 deg 20x
선형 가속 효과 0.01 °/sec/g 10x
진동 조정 0.004 °/sec/g2 10x
감도 온도 보정 25 ppm/°C 10x
바이어스 온도 보정 0.007 °/s/°C 10x
 
최근에는 센서 분류 시 잡음이 상대적으로 덜 고려되고 있지만, 선형 중력가속도 효과와 배열 불량 등 실리콘 설계 방법이나 부품별 보정을 통한 성능 향상에 많은 비용이 소요되는 파라미터는 단순하거나 비교적 정적인 동작 결정을 넘어서는 모든 어플리케이션에 잡음을 더하는 요인이 된다. [표 6]은 실제 산업용 MEMS IMU와 소비자용 IMU를 비교해서 사용 사례를 보인 것이다. 두 제품 모두 잡음 성능은 상대적으로 뛰어나다. 그러나 소비자용 장치는 진동이나 배열을 위해 설계되지 않았으며, 이에 대한 보정도 되지 않는다. 예시에서는 명시된 조건을 기준으로 하는 장치 사양과 그로 인한 오차 할당 충격을 보여준다. 전체 예상 오차는 명시된 세 가지 오차 원인을 합의 제곱근으로 구한 값이며, 소비자용 장치에서는 선형 중력가속도와 교차축(배열 불량)이 오차의 주요 원인인 반면, 산업용 장치에서는 이들의 균형이 눈에 띈다. 궁극적으로, 기복이 심한 소비자용 제품의 기타 오차원을 고려하지 않더라도 이 둘을 비교했을 때 최소 20배의 성능 차이를 확인할 수 있다.
 
[표 6] 움직임이 발생할 때 선형 중력가속도(g)와 배열이 오차의 주요 원인이 된다. 산업용
장치는 전반적인 오차를 낮추기 위해 모든 사양 간에 균형을 맞추어야 한다.

지터 = 잡음의 RSS + 진동 + 교차축 감도
예로 든 IMU의 주요 특성 산업용 소비자용
성능 사양 충격 사양 충격
잡음 밀도(°/sec/√Hz) 0.004 0.036 0.0100 0.089
선형 중력가속도(°/sec/g) 0.01 0.020 0.100 0.200
교차축 감도(%) 0.09% 0.090 2.00% 2.000
예상 오차(°/sec)   0.099   2.012*
 조건: 50Hz 대역, 2g-rms 진동, 100°/s 벗어난 축회전
*최고 수치: 기타 드리프트 요소는 고려하지 않는다.
 
시스템 균형
복잡한 움직임이 있는 어플리케이션의 대부분은 완전한 IMU(3축 선형 가속 및 각속도 움직임을 지원) 장치가 있어야 적절한 수준으로 위치를 파악할 수 있다. IMU의 기능은 칩 수준의 형태(소비자용)와 모듈 수준의 통합 방식(산업용) 두 가지로 사용될 수 있다([그림 6]의 산업용 IMU 예시 참조). 논리적으로는 소비자용 칩 수준의 IMU가 시스템 통합 측면에서 더욱 뛰어난 것으로 보이지만, 최종 목표가 복잡한 산업 환경에서 움직임을 정확하게 포착하는 것일 경우 그 반대다. 산업용 IMU는 별도의 설치 과정 없이 높은 성능을 구현할 수 있다. 또한 그러한 뛰어난 성능이 어플리케이션의 수명이 지속되는 내내 시스템 보정 요건을 최소화한 상태에서 유지된다. 소비자용 IMU는 완전히 통합되고 완벽한 것처럼 보일 수 있지만, 실제로 산업용 IMU와 비슷한 성능을 내려면(보통은 가능하지도 않지만) 시간, 통합, 비용 면에서 상당한 노력이 필요하며, 만일 그렇다 하더라도 산업용 IMU와 동일한 신뢰도와 성능을 구현할 가능성은 거의 없다.
 


[그림 6] ADIS16460는 자유도 6°의 관성 측정 장치로 복잡하고 변동적인 환경에서도
뛰어난 정밀성을 제공하도록 설계되었다.
 
소비자용 MEMS   산업용 MEMS
적당한 성능
테스트/보정/수율손실 등으로 인한
   추가 비용 발생

복잡한 패키징, 진동, 온도 절연으로
   인한 추가 비용 발생

소프트웨어로 임시 조치 가능
플라스틱 패키징으로 인한 수명 주기 변화
부품 노후화
적당한 안정성 … 작동 오차
뛰어난 성능
내구성이 뛰어나며 항시 대기 상태
안정성: 성능 및 공급/사용가능성
신뢰도: 완전한 항공전자기기 인증
    (DO178/254을 받는 수준도 가능)


전반적인 시스템 규모/무게/전력/비용이 떨어짐
 
 [그림 7] 소비자용 센서의 부품 비용이 낮은 것은 시스템 수준에서 필요한 기능에 들어가는 비용을 제거하여
결과적으로 안정성과 성능을 낮추었기 때문이다.

 
위치 인식이 가능한 산업용 스마트 센서는 기계가 자동화된 상태에서 놀랄 만큼의 효율성을 제공한다. 시스템 수준의 정확성과 안정성은 주로 핵심 센서의 품질에 좌우되며, 그를 둘러싼 시스템과 소프트웨어에 크게 영향을 받지 않는다. 그럼에도 전반적인 하드웨어 통합 수준, 내장 소프트웨어, 고품질 센서 주변의 연결성이 바탕이 되어야 지능형 센싱 솔루션을 구현할 수 있다. 이를 구현할 수 있어야 정보의 품질과 유용성을 크게 향상시키면서도 마찬가지로 중요한 안전과 신뢰도를 희생하지 않을 수 있다.
 
저자에 대하여
밥 스캐널(Bob Scannell)은 ADI에서 MEMS 관성 센서 제품 부문의 사업개발팀장으로 재직중이다. ADI에서 20년 이상 근무하며 센서에서 DSP, 무선 등 다양한 기술 마케팅 및 사업개발팀을 거쳤으며, ADI에 입사하기 전에는 로크웰 인터네셔널의 설계 및 마케팅팀에서 근무했다. 캘리포니아대학교 로스앤젤레스캠퍼스(UCLA)에서 전기공학 이학 학사 학위를, 서던캘리포니아대학교에서 컴퓨터공학 이학 석사 학위를 수여했다.
태그 :
ADIS16460,어플리케이션,센서,솔루션,자동화,ADI,아나로그디바이스,관성