기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

MES에 가장 적합한 목적별 기술 결정

MES를 마이크로서비스로 분해하고 비즈니스 성과에 미치는 영향을 기반으로 개발의 우선순위를 지정한 후 다음 작업은 특정 마이크로서비스의 기술 스택과 시스템 전체를 결정하는 것입니다. 일반적으로 MES와 그 마이크로서비스는 애플리케이션 또는 컴퓨팅 계층과 지속성 또는 데이터베이스 계층을 포함하는 2계층 애플리케이션입니다. 사용자 인터페이스는 일반적으로 모든 마이크로서비스 간에 공유되는 서비스입니다. UI의 서로 다른 구성 요소는 각 마이크로서비스마다 고유하거나 각 마이크로서비스에 고유한 마이크로 UI 구성 요소가 있을 수 있습니다. 다음 다이어그램과 같이 이러한 마이크로서비스에는 다른 기술 스택이 필요할 수 있는 다양한 컴퓨팅 및 데이터 스토리지 요구 사항이 있습니다. 예를 들어 관계형 데이터베이스를 사용한 장기 실행 컴퓨팅은 일부 마이크로서비스에 가장 적합할 수 있지만 이벤트 기반 온디맨드 컴퓨팅 및 NoSQL 데이터베이스는 다른 마이크로서비스에 더 적합할 수 있습니다. AWS 는 각 기술 계층에 대해 광범위한 옵션을 제공하므로 마이크로서비스의 목적에 따라 최상의 서비스를 선택할 수 있습니다.

다음 섹션에서는 컴퓨팅 및 데이터베이스에 사용할 수 있는 옵션을 설명하고 마이크로서비스의 기능 요구 사항에 따라 적절한 기술을 선택하는 방법을 설명합니다.

컴퓨팅

전통적으로 기업은 항상 인스턴스(장기 실행 컴퓨팅)를 사용하여 컴퓨팅 작업을 수행했습니다. 인스턴스를 사용하면 애플리케이션에 대한 모든 리소스를 상자에 가져올 수 있습니다. 클라우드 컴퓨팅을 사용하면 두 가지 이상의 컴퓨팅 방법이 있습니다. 기존의 장기 실행 컴퓨팅 외에도 컨테이너와 같이 더 작은 단위의 컴퓨팅을 사용할 수 있습니다.이 경우 더 작은 마이크로서비스를 구축하여 빠르고 이동성이 뛰어나거나 서버와 클러스터가 모두에서 관리되는 이벤트 기반 서버리스 컴퓨팅을 구축할 수 있습니다 AWS.

장기 실행 컴퓨팅

MES 내의 일부 컴퓨팅 집약적이고 오래 실행되는 마이크로서비스에는 고성능 또는 영구 컴퓨팅 리소스가 필요합니다. 예를 들어, PLM에서 수신한 대규모 설계 파일을 처리하거나, 기계 학습 모델의 품질 검사 이미지와 비디오를 처리하거나, 모든 마이크로서비스의 데이터를 결합하여 데이터 분석을 수행하거나, 과거 데이터를 기반으로 패턴을 예측하기 위해 기계 학습을 사용하는 것입니다. 마이크로서비스에 지연 시간이 짧은 애플리케이션 및 자동 확장성, 광범위한 OS 지원, 하드웨어 지원과 같은 기능을 위한 장기 실행 컴퓨팅 파워가 필요한 경우 Amazon Elastic Compute Cloud(Amazon EC2)는 클라우드에서 안전하고 크기 조정 가능한 컴퓨팅 용량을 제공하는 서비스입니다. Amazon EC2는 레거시 애플리케이션에서 상속되고 즉시 현대화되지 않고 클라우드로 마이그레이션되는 아키텍처 구성 요소에도 사용할 수 있습니다.

컨테이너

프로덕션 일정, 프로덕션 실행, 품질 관리 등과 같은 MES 내 대부분의 마이크로서비스에는 고성능 컴퓨팅이 필요하지 않습니다. 이러한 서비스는 이벤트 기반이 아니지만 일관되게 실행됩니다. 이러한 경우 컨테이너는 이동성, 격리 및 확장성 이점으로 인해 특히 일관된 런타임 환경과 효율적인 리소스 사용률이 필요한 경우 마이크로서비스 기반 아키텍처 내에서 리소스를 계산하는 데 가장 널리 사용되는 옵션 중 하나입니다.

컨테이너가 마이크로서비스의 컴퓨팅 요구 사항을 충족할 수 있는 경우 Amazon Elastic Kubernetes Service(Amazon EKS) 또는 Amazon Elastic Container Service(Amazon ECS) AWS와 같은의 컨테이너 오케스트레이션 서비스를 사용할 수 있습니다. 이러한 서비스를 사용하면 기본 인프라를 더 쉽게 관리하여 안전한 마이크로서비스를 구축하고, 올바른 컴퓨팅 옵션을 선택하고, 높은 안정성으로를 AWS 통합할 수 있습니다.

이벤트 기반 및 서버리스 컴퓨팅

마이크로서비스 기반 아키텍처에는 ERP 및 PLM에서 데이터를 처리하고 유지 관리 관리자 또는 감독자가 기술자를 현장으로 파견하도록 알림을 생성하는 등 이벤트를 기반으로 시작되는 작업이 포함됩니다.는 온디맨드로 애플리케이션 작업을 실행하는 이벤트 기반 서버리스 컴퓨팅 서비스이므로 이러한 경우에 AWS Lambda 적합합니다. Lambda는 런타임 및 서버를 관리하거나 관리할 필요가 없습니다. Lambda 함수를 생성하려면 NodeJS, Go, Java 또는 Python과 같이 지원하는 언어 중 하나로 코드를 작성할 수 있습니다. 지원되는 언어에 대한 자세한 내용은 Lambda 설명서의 Lambda 런타임을 참조하세요.

데이터베이스 수

기존의 모놀리식 MES는 대부분 관계형 데이터베이스를 사용했습니다. 관계형 데이터베이스는 대부분의 사용 사례에 적합하지만 몇 가지에만 가장 적합합니다. 마이크로서비스 기반 MES를 사용하면 각 마이크로서비스에 가장 적합한 목적별 데이터베이스를 선택할 수 있습니다.는 관계형, 시계열, 키-값, 문서, 인 메모리, 그래프, 원장 데이터베이스, 현재 15개 이상의 목적별 데이터베이스 엔진을 포함하여 8개의 데이터베이스 패밀리를 AWS 제공합니다. 다음은 MES별 마이크로서비스에 적합한 데이터베이스의 예입니다.

관계형 데이터베이스

일부 MES 마이크로서비스는 데이터 무결성, 원자성, 일관성, 격리 및 내구성(ACID) 규정 준수, 트랜잭션 데이터에 대한 복잡한 관계를 유지해야 합니다. 예를 들어 제품, BOMs, 공급업체 등과 작업 주문의 복잡한 관계를 저장하려면 마이크로서비스가 필요할 수 있습니다. 관계형 데이터베이스는 이러한 서비스에 가장 적합합니다. Amazon Relational Database Service(RDS)는 이러한 모든 요구 사항을 충족할 수 있습니다. 클라우드에서 데이터베이스를 설정, 운영 및 확장하는 데 도움이 되는 관리형 서비스 모음입니다. 인기 있는 데이터베이스 엔진 8개(Amazon Aurora PostgreSQL 호환 버전, Amazon Aurora MySQL 호환 버전, Amazon RDS for PostgreSQL, Amazon RDS for MySQL, Amazon RDS for MariaDB, Amazon RDS for SQL Server, Amazon RDS for Oracle, Amazon RDS for Db2) 중에서 선택할 수 있습니다.

키 값, NoSQL 데이터베이스

일부 MES 마이크로서비스는 시스템 또는 디바이스의 비정형 데이터와 상호 작용합니다. 예를 들어 바닥에서 수행되는 다양한 품질 테스트의 테스트 결과는 다양한 형식일 수 있으며 통과/실패 값, 숫자 값 또는 텍스트와 같은 다양한 유형의 데이터를 포함할 수 있습니다. 일부 에는 재료 분석에서 콘텐츠 또는 구성 테스트를 지원하는 파라미터가 있을 수도 있습니다. 이러한 경우 관계형 데이터베이스의 엄격한 구조가 최선의 옵션이 아닐 수 있습니다. NoSQL 데이터베이스가 더 적합할 수 있습니다. Amazon DynamoDB는 모든 규모에서 고성능 애플리케이션을 실행하도록 설계된 완전 관리형 서버리스 키 값 NoSQL 데이터베이스입니다.

시계열 데이터베이스

기계와 센서는 제조 시 대량의 데이터를 생성하여 프로세스 파라미터, 온도, 압력 등과 같이 시간이 지남에 따라 변하는 값을 측정합니다. 이러한 시계열 데이터의 경우 각 데이터 포인트는 타임스탬프, 하나 이상의 속성 및 시간이 지남에 따라 변경되는 값으로 구성됩니다. 기업은이 데이터를 사용하여 자산 또는 프로세스의 성능과 상태에 대한 인사이트를 도출하고, 이상을 감지하고, 최적화 기회를 식별할 수 있습니다. 기업은이 데이터를 비용 효율적으로 실시간으로 수집하고 효율적으로 저장해야 하므로 데이터를 구성하고 분석할 수 있습니다. 기존의 모놀리식 MES는 시계열 데이터를 효과적으로 사용하지 않습니다. 시계열 데이터 수집 및 스토리지는 주로 히스토리언 및 기타 하위 수준 OT 시스템의 함수였습니다. 마이크로서비스와 클라우드는 시계열 데이터를 사용하고 다른 컨텍스트화된 데이터와 결합하여 귀중한 인사이트를 얻고 프로세스를 개선할 수 있는 기회를 제공합니다. Amazon Timestream은 빠르고 확장 가능하며 서버리스 시계열 데이터베이스 서비스로, 관계형 데이터베이스 비용의 1/10에 불과한 비용으로 하루에 최대 1,000배 더 빠르게 수조 개의 이벤트를 더 쉽게 저장하고 분석할 수 있습니다. 시계열 데이터로 작동하는 또 다른 관리형 서비스는 입니다AWS IoT SiteWise. 이는 산업 기업이 여러 산업 시설에서 수천 개의 센서 데이터 스트림을 수집, 저장, 구성 및 시각화할 수 있는 관리형 서비스입니다. 에는 시설의 현장에 있는 게이트웨이 디바이스에서 실행되고 히스토리언 또는 특수 산업 서버에서 데이터를 지속적으로 수집하여 클라우드로 전송하는 소프트웨어가 AWS IoT SiteWise 포함되어 있습니다.

클라우드 스토리지

MES는 엔지니어링 드로잉, 기계 사양, 작업 지침, 제품 및 작업 현장 이미지, 훈련 비디오, 오디오 파일, 데이터베이스 백업 파일, 계층적 폴더 및 파일 구조의 데이터 등 많은 비정형 데이터 형식을 처리합니다. 전통적으로 기업은 이러한 유형의 데이터를 MES 애플리케이션 계층에 저장했습니다. 클라우드 스토리지 솔루션은 업계 최고의 확장성, 데이터 가용성, 보안 및 성능을 제공합니다. 클라우드 스토리지의 중요한 이점은 사실상 무제한 확장성, 데이터의 복원력 및 가용성 향상, 스토리지 비용 절감입니다. 또한 기업은 클라우드 스토리지 서비스를 사용하여 산업 데이터 레이크, 분석 및 기계 학습 애플리케이션을 구동하여 MES 데이터를 더 잘 사용할 수 있습니다.는 Amazon Simple Storage Service(Amazon S3), Amazon Elastic Block Store(Amazon EBS), Amazon Elastic File System(Amazon EFS) 및 Amazon FSx와 같은 스토리지 서비스를 AWS 제공합니다. 마이크로서비스에 적합한 스토리지 옵션을 선택하는 것은 지연 시간 및 속도, 운영 체제, 확장성, 비용, 사용량 및 데이터 유형에 대한 요구 사항에 따라 달라집니다. 아키텍처 관점에서 동일한 마이크로서비스에 대해 여러 옵션을 선택할 수도 있습니다.

사용자 인터페이스

MES 사용자 그룹은 다양할 수 있습니다. 여기에는 수령 및 창고 직원, 자재 핸들러, 기계 운영자, 유지 관리 직원, 프로덕션 스케줄러 및 프로덕션 관리자가 포함될 수 있습니다. 이러한 사용자와 해당 작업은 MES의 사용자 인터페이스(UI) 설계에 영향을 미칩니다. 예를 들어 사무실의 책상에서 작업하는 직원의 UI는 작업 현장에서 휴대용 디바이스를 사용하는 자재 핸들러의 UI와 다릅니다. 이러한 다양한 UI 요구 사항에 따라 기본 기술의 선택도 결정됩니다. 마이크로서비스 기반 MES 아키텍처에서 UIs는 자주 업그레이드되며 개발, 전송, 테스트 및 모니터링, 사용자 참여와 같은 자체 수명 주기 단계를 거칩니다.는 UI 수명 주기 단계의 문제를 지원하는 프런트엔드 웹 및 모바일 UI 모두에 대한 광범위한 서비스를 AWS 제공합니다. UI 수명 주기에 사용되는 두 가지 주요 AWS 서비스는 다음과 같습니다.