제조AI 용어 사전 EP.7 — 엣지 컴퓨팅, 현장에서 바로 계산하는 법

현장에서 센서가 이상 신호를 보냈다고 치자. 이 데이터를 클라우드로 보내고, 분석하고, 다시 명령을 내려보내는 데 1초가 걸린다면 괜찮을까? 라인 속도가 빠른 공정에서는 1초도 길다. 엣지 컴퓨팅은 이 질문에서 출발한다. 계산을 굳이 먼 클라우드까지 보내지 않고, 데이터가 생기는 현장 가까이에서 바로 처리하는 방식이다.

 

엣지 컴퓨팅이란 — 클라우드와 뭐가 다른가

엣지는 '가장자리'라는 뜻이다. 네트워크의 가장자리, 즉 센서·PLC·로봇 바로 옆에 있는 게이트웨이나 산업용 PC에서 데이터를 처리하는 것이 엣지 컴퓨팅이다. 모든 데이터를 클라우드로 올리는 것이 아니라, 현장에서 1차 판단(필터링·이상 감지·간단한 추론)을 끝내고, 필요한 요약만 클라우드로 보낸다.

 

계산 위치를 보면, 클라우드는 원격 데이터센터에서 계산하고 엣지는 현장 게이트웨이·산업용 PC에서 계산한다. 지연시간은 클라우드가 네트워크 왕복만큼 발생하지만, 엣지는 현장에서 즉시 처리한다. 잘 맞는 일은 클라우드가 대규모 학습·장기 통계에 맞고, 엣지는 실시간 판단·라인 제어 연계에 맞다. 약점은 클라우드가 지연·회선 의존이고, 엣지는 현장 장비 관리 부담이다.

 

둘 중 하나를 고르는 문제가 아니다. 학습은 클라우드에서, 판단은 엣지에서 — 이렇게 나누는 것이 현장에서 가장 흔한 조합이다.

 

현장에서 엣지가 필요한 세 가지 순간

첫째, 속도가 돈이 될 때다. 예지정비(지난 글 #126)에서 진동 스펙트럼이 임계값을 넘었다면, 그 판단은 현장에서 즉시 나와야 한다. 둘째, 회선이 불안정할 때다. 전송이 끊기는 것은 예외가 아니라 정상이라는 전제로 설계해야 한다 — 지난 현장 데이터 파이프라인 글(#148·#153)에서도 다뤘던 이야기다. 셋째, 데이터를 다 올릴 수 없을 때다. 고속 카메라 한 대가 뿜는 영상 데이터를 전부 클라우드로 올리는 것은 비용도, 대역폭도 감당하기 어렵다. 현장에서 불량 후보 프레임만 골라내는 것이 현실적이다.

 

그래서 뭘 하면 되나 — 작은 것부터

7년차 현장 엔지니어로서 권하고 싶은 시작은 거창하지 않다. 첫째, '현장 판단이 필요한 신호' 하나를 고른다. 둘째, 그 신호의 임계값 판단을 엣지 장비 하나로 옮긴다. 셋째, OPC UA(#136)나 MQTT(#151) 같은 기존 통신 규약 위에 얹어, 판단 결과만 상위 시스템으로 보낸다. 이렇게 하면 클라우드를 바꾸지 않고도 현장 대응 속도가 먼저 좋아진다.

 

엣지 컴퓨팅은 클라우드를 대체하는 기술이 아니라, 현장과 클라우드 사이의 역할을 나누는 설계다. 어디까지 현장에서 판단할 것인가 — 이 경계를 정하는 것이 결국 스마트팩토리 설계의 실력이다.