소식

Oct 06, 2023

RTLS가 자동화를 위한 다음 단계가 될까요?

공장과 산업환경에는 많은 변화가 일어나고 있습니다.

공장과 산업 환경에는 너무나 많은 변화가 일어나고 있기 때문에 최신 유행어와 용어를 따라가는 것이 어려울 수 있습니다. 지난 6년 동안 IoT(사물 인터넷) 장치가 폭발적으로 증가한 이후 스마트 팩토리 혁명은 많은 기업 관리자들의 상상력을 사로잡았지만 많은 기업 관리자들은 어디서부터 시작해야 할지 모릅니다. 저는 RTLS(Real-Time Location)를 살펴보실 것을 제안합니다. 시스템).

실시간 위치 시스템은 오랫동안 어떤 형태로든 존재해 왔습니다. 창고 및 물류 관리 시스템에서 발전한 RTLS는 공장, 운송장, 창고, 병원 또는 군사 기지 등 시스템 내 모든 개체의 정확한 위치를 추적하는 것을 목표로 삼았습니다. 이는 일반적으로 태그와 센서 시스템을 통해 달성되며, 결과 데이터는 현장이나 클라우드의 중앙 집중식 소프트웨어 시스템에 의해 처리됩니다.

특정 시간에 시스템의 제품, 도구, 차량, 원자재 및 인력이 어디에 있는지 알면 모든 프로세스를 훨씬 더 효과적으로 감독하는 동시에 작업 자동화, AI 예측 및 개선된 안전 조치의 문을 열 수 있습니다.

여기서 상황이 더욱 복잡해집니다. RTLS 시스템에는 다양한 유형의 기술이 사용되고 있으며 일부 기술은 다른 기술보다 특정 산업 환경에 더 적합합니다. 또한 다양한 시스템의 품질에는 매우 다양하며 이는 시스템의 정확성과 신뢰성 모두에 영향을 미칩니다.

RTLS 기술의 몇 가지 예는 다음과 같습니다.

RFID – 아마도 가장 잘 알려진 추적 기술일 것입니다. 일반적으로 상품 및 제품에 부착되고 수동 스캔이 필요한 "수동" 태그로 구성됩니다. 이러한 태그에서 제공하는 데이터는 제한되어 있으며 위치 데이터를 제공하지 않습니다. 그러나 RFID는 간단한 재고 관리에 유용할 수 있으며 새로운 "액티브" RFID 태그는 더 자세한 정보가 포함된 신호를 방출할 수 있지만 여전히 다른 RTLS 시스템의 정확성과 신뢰성이 부족합니다.

BLE(블루투스 저에너지) – 이것은 주로 휴대폰, iPad 및 컴퓨터에서 사용되기 때문에 잘 알려진 또 다른 기술입니다. 이는 설정이 쉽고 많은 일반적인 휴대용 장치를 통합할 수 있는 능력으로 인해 현재 많은 산업 환경에서 널리 사용되고 있습니다. Bluetooth 장치의 대략적인 위치 데이터를 추적함으로써 BLE RTLS는 게이트 키핑 목적으로 사용될 수 있으며, 사람들이 제한 구역에 들어갈 때 경고를 보내거나 직원 수를 계산할 수 있습니다. 다른 RTLS 기술의 정확성이 부족하므로 차량의 정밀 주차, 자동 도구 보정 및 도구 관리, 물체나 사람 간의 기타 정밀한 상호 작용을 포함한 일부 작업에는 유용하지 않습니다. Bluetooth는 또한 다른 무선 신호의 간섭을 받기 쉬우므로 업무상 중요한 배포에서는 유용성이 떨어집니다.

산업 환경의 UWB 센서

UWB(초광대역) – 이것은 많은 산업 환경에서 점점 더 인기 있는 선택입니다. UWB는 무선 신호의 신뢰성이 매우 높고 몇 cm 이내까지 추적할 수 있다는 점에서 독특한 기술입니다. 다양한 UWB 제품의 정확도에는 차이가 있지만 대부분의 UWB는 가장 복잡한 환경에서 정밀한 추적을 수행할 수 있습니다. 많은 공장은 기계, 차량, Wi-Fi 신호로 가득 차 있지만 UWB는 이와 상관없이 잘 작동하는 경향이 있습니다. 이 기술은 휴대폰 기술에서 더욱 보편화되고 있습니다.

UWB의 마지막 이점 중 하나는 3D로 물체를 추적하는 기능으로 높이에 민감한 작업을 자동화하여 추적할 수 있다는 것입니다.

RTK GPS – 이 기술은 휴대폰에서 사용하는 것과 동일한 GPS 기술을 변형한 것입니다. 이제 GPS는 안정적이고 상대적으로 저렴하지만 실내 환경에서 물체를 추적하는 데는 여전히 적합하지 않으며 실외에서는 여전히 몇 미터 이내의 물체만 추적합니다. RTK GPS는 이 문제를 해결하고 일반적으로 지상에 있는 별도의 기지국 수신기에서 전송되는 추가 데이터로 GPS 신호 데이터를 수정하여 센티미터 수준의 GPS를 생성합니다. 이 추가 데이터는 GPS 데이터 부정확성을 유발하는 일반적인 오류를 설명합니다. 그 결과 넓은 야외 공간에서도 자산을 정확하게 추적할 수 있습니다.