Wiznet makers

이 프로젝트는 베트남 껀터대학교(Can Tho University) 자동화공학부 연구진이 개발한 3상 전동기 작동 소음 기반 실시간 이상탐지 시스템입니다. 진동 센서나 전류 센서 없이 마이크 하나로 전동기의 결상(phase loss), 위상 변화(phase shift), 베어링 파손 같은 이상 상태를 탐지하며, 서버나 PC 없이 듀얼코어 ESP32 두 개 위에서 오토인코더(AE) 추론까지 전부 수행합니다.

IAES International Journal of Artificial Intelligence(IJ-AI, Vol.13 No.4, 2024.12, DOI: 10.11591/ijai.v13.i4.pp3814-3826)에 게재된 오픈액세스(CC BY-SA) 논문으로, 핵심 목적은 다음과 같습니다.

• 대부분의 이상탐지 연구가 알고리즘 검증에서 멈추는 것과 달리, MCU 위에 실제 설치·양자화·실시간 구동까지 완결
• 정상 데이터만으로 학습하는 비지도(unsupervised) 방식으로 현장 적용성 확보 — 고장 데이터는 현장에서 구하기 어렵기 때문
• 탐지 결과를 W5500 + Modbus TCP로 Siemens S7-1200 PLC/SCADA에 직접 전달하여 산업 시스템 통합까지 검증

실시간 테스트 결과 이상 소음 시퀀스를 99.9% 이상 정확도(Recall 100%)로 탐지했으며, HMI 화면에서 임계값을 원격 조정하는 것까지 시연되었습니다.

📌 오토인코더(AE) 기반 이상탐지란?

오토인코더는 입력을 압축(인코딩)했다가 다시 복원(디코딩)하도록 학습되는 신경망입니다. 정상 데이터만으로 학습시키면 정상 입력은 잘 복원하지만, 학습 때 본 적 없는 이상 입력은 복원 오차(MSE)가 커집니다. 이 오차가 임계값을 넘으면 "이상"으로 판정하는 방식입니다.

이 논문의 구현에서 눈여겨볼 세 가지 포인트가 있습니다.

• 소리 → 이미지 변환: 1초 단위 소음(16kHz, I2S 수집)을 FFT + Mel 필터로 64×64 그레이스케일 스펙트로그램 이미지로 변환합니다. 변환은 PC가 아니라 MCU 위에서 직접 수행되어 실시간성을 보장합니다.
• 모델 경량화: 64×64 이미지를 통째로 넣는 대신 64입력 AE로 한 행(row)씩 인코딩하고 64회 반복 후 MSE를 평균합니다. 모델 크기가 극적으로 줄어 TensorFlow Lite int8 양자화 후 ESP32에 탑재 가능해집니다.
• 임계값 자동 결정: 사람이 임의로 정하지 않고, 정상 데이터 MSE의 감마 분포를 MLE(최대우도추정)로 피팅해 발생 확률 0.01% 미만 지점을 임계값으로 삼습니다(양자화 후 임계값 = 99). 양자화 후에도 정확도 저하는 0.4%p 미만이었습니다.

📌 특징

마이크 하나로 하는 비침습 진단 전류·진동 센서 배선 없이 전동기 곁에 두는 것만으로 결상, 위상 변화, 베어링 파손 소음을 구분해 냅니다. 논문 실측 기준 이상 탐지 Recall 100%, 정확도 99.95~99.96%입니다.

듀얼 ESP32 + FreeRTOS 파이프라인 MCU1은 녹음과 스펙트로그램 생성, MCU2는 AE 추론과 Modbus TCP를 담당합니다. 각 MCU의 두 코어에 FreeRTOS 태스크를 분산해 매초 끊김 없이 판정을 출력합니다. 태스크별 실측 시간까지 공개되어 있습니다: 녹음 1000ms(MCU1/Core0), 스펙트로그램 생성 86ms(MCU1/Core1), UART 전송 157ms, 수신 155ms, MSE 판정 56ms(MCU2/Core1).

산업 표준 연동 W5500을 통해 LAN에 접속, Modbus TCP 서버로 동작하며 S7-1200 PLC(클라이언트)와 통신합니다. 레지스터 맵도 공개되어 있습니다 — 4001: MSE 값, 4003: MSE 갱신 허용, 4004: 이상 임계값 설정. HMI에서 실시간 MSE 트렌드 확인과 임계값 원격 조정이 가능합니다.

재현 가능한 공개 수준 AE 구조와 수식, 양자화 절차, 감마 임계값 산출법, MSE 계산 의사코드(Algorithm 1), 태스크 타이밍, 레지스터 맵까지 논문에 전부 공개되어 있고 CC BY-SA 라이선스라 재사용이 자유롭습니다.

📌 시스템 아키텍처

전체 데이터 흐름은 다음과 같습니다.

1. INMP441 I2S 마이크가 전동기 작동 소음을 16kHz로 샘플링합니다 (실험에서는 실측 녹음을 블루투스 스피커로 재생해 소음원을 시뮬레이션).
2. MCU1(ESP32 #1): Core0가 1초 분량 오디오를 버퍼링하고, Core1이 이를 64×64 스펙트로그램 이미지로 변환해 UART로 MCU2에 전송합니다. 학습용 정상 데이터는 SD 카드에 저장됩니다.
3. MCU2(ESP32 #2): Core1이 양자화된 AE로 입력-복원 MSE를 계산해 임계값(99)과 비교, 정상/이상을 판정합니다. 결과는 LED 2개로도 표시됩니다.
4. MCU2의 Core0가 Modbus TCP 엔진을 구동하고, W5500 이더넷 모듈을 통해 LAN에 접속합니다.
5. S7-1200 PLC가 Modbus TCP 클라이언트(FC 0x03 읽기 / 0x10 쓰기)로 MSE 값을 매초 폴링하여 HMI 화면에 상태(정상=파란색/이상=빨간색/유휴=회색)와 최근 50개 MSE 트렌드를 표시합니다.

49초 시나리오 테스트(정상 10초 + 이상 3초 교대: 결상·위상 변화·베어링 파손)에서 모든 이상 이벤트가 HMI에 정확히 표시되었습니다.

📌 WIZnet 칩의 역할 및 활용

논문은 선행 하드웨어 플랫폼(동일 연구진의 멀티 MCU TinyML 보드) 대비 이번 연구의 하드웨어 차별점을 명시합니다: "The difference in this research is that the W5500 Ethernet module is utilized to support the LAN connection."

• WIZnet 적용 지점: MCU2(판정 담당 ESP32)와 공장 LAN 사이의 유선 네트워크 인터페이스. AD 박스 내부 사진(논문 Figure 10b) 기준 W5500 모듈이 RJ-45와 함께 실장되어 있습니다.
• 적용 칩: WIZnet W5500
• 역할: 엣지에서 계산된 AI 판정 결과(MSE 값)를 Modbus TCP 서버로 노출, S7-1200 PLC/SCADA가 표준 산업 프로토콜로 읽어가도록 하는 백홀
• 프로토콜 관점: Modbus TCP (오픈소스 Modbus 라이브러리, GNU GPL) over 하드웨어 TCP/IP
• 기술적 장점: MCU2는 이미 매초 AE 추론(56ms)과 스펙트로그램 수신(155ms)을 처리하고 있습니다. W5500의 하드웨어 TCP/IP 스택이 네트워크 처리를 오프로드하므로 추론 태스크와 통신 태스크가 서로의 실시간성을 침해하지 않습니다. 또한 공장 환경에서 Wi-Fi 대비 결정적(deterministic)인 유선 연결은 PLC 폴링 주기의 안정성을 보장합니다.

📌 시장 및 활용 가치

1. 예지보전(Predictive Maintenance) 시장 전동기는 산업 설비의 핵심 부하이며, 베어링 파손·결상은 대표적 고장 모드입니다. 기존 진동 기반 상태 모니터링 장비 대비, 마이크 + ESP32 + W5500 구성은 센서 설치 공사 없이 부착 가능한 초저가 대안을 제시합니다.
2. "AI 판정 결과를 PLC 레지스터로"라는 통합 패턴 많은 엣지 AI 데모가 클라우드 대시보드에서 끝나는 반면, 이 시스템은 판정 결과를 Modbus 레지스터로 노출합니다. 기존 SCADA/HMI/PLC 래더 로직이 아무 수정 없이 소비할 수 있는 형태 — 산업 현장 도입 장벽을 실질적으로 낮추는 설계입니다.
3. WIZnet 관점의 차별성 W5500이 단순 센서 텔레메트리가 아니라 TinyML 추론 노드의 산업 프로토콜 게이트웨이로 쓰인 사례입니다. "엣지 AI + W5500 + Modbus TCP + PLC"라는 조합은 W5500의 적용 범위를 AIoT 예지보전 영역으로 확장해 보여줍니다. 방법론 자체도 범용적입니다 — 저자들은 전압, 전류, 진동, 열화상 등 다른 시계열 신호에도 동일 구조를 적용할 수 있다고 밝힙니다.

📌 외부 지표

저널 및 라이선스 IAES IJ-AI는 Scopus 등재 오픈액세스 저널이며, 본 논문은 CC BY-SA 라이선스로 공개되어 있습니다.

연구 그룹의 연속성 교신저자 Van-Khanh Nguyen 박사(도쿄해양대 공학박사)는 껀터대학교 PLC Technology & Industrial IoT Lab 책임자로, 본 논문은 동일 그룹의 선행 연구 두 편 위에 구축되었습니다 — 멀티 MCU TinyML 하드웨어 플랫폼(IJECE 2023, ref.[22])과 3상 유도전동기 비침습 고장 진단(JTES 2022, ref.[23]). 일회성 데모가 아닌 체계적 연구 라인의 결과물입니다.

산업 장비 실연동 시뮬레이터가 아닌 실물 Siemens S7-1200 PLC + SIMATIC HMI와의 연동이 사진과 함께 문서화되어 있습니다(논문 Figure 10, 13).

정직한 한계 공개 검증은 실제 가동 중인 전동기가 아니라 실측 녹음을 스피커로 재생한 환경에서 수행되었습니다. 저자들도 실환경 주변 소음 간섭 가능성, 신규 대상 적용 시 재수집→재학습→재배포의 번거로움을 한계로 명시하고, 온디바이스 학습(ODT)을 향후 과제로 제시합니다. 프로젝트 펌웨어 저장소는 별도 공개되어 있지 않습니다.

📌 요약

이 프로젝트는 3상 전동기의 작동 소음을 MCU 위에서 스펙트로그램으로 변환하고, 정상 데이터만으로 학습된 양자화 오토인코더로 이상을 판정하며, 그 결과를 W5500 기반 Modbus TCP로 Siemens PLC에 전달하는 완결형 엣지 AI 예지보전 시스템입니다. 실시간 테스트에서 99.9% 이상의 탐지 정확도를 기록했고, 감마 분포 기반 임계값 자동 산출과 FreeRTOS 태스크 파이프라이닝 등 재현 가능한 설계 디테일이 전부 공개되어 있습니다. WIZnet 관점에서는 W5500이 TinyML 추론 노드와 산업 제어 시스템(PLC/SCADA)을 잇는 유선 백홀로 동작한 사례로, AIoT 예지보전이라는 응용 영역을 보여주는 의미 있는 UCC입니다.

📌 주요 질문 및 명확한 답변

Q1. 이 시스템은 무엇을 하나요? 전동기 작동 소음을 마이크로 수집해, ESP32 두 개 위에서 오토인코더 추론으로 결상·위상 변화·베어링 파손 같은 이상을 매초 판정하고, 결과를 Modbus TCP로 PLC/SCADA에 전달합니다. PC나 클라우드 서버 없이 동작합니다.

Q2. WIZnet W5500은 어떤 역할을 하나요? 판정 담당 ESP32(MCU2)를 공장 LAN에 유선 연결하는 이더넷 인터페이스입니다. 논문이 선행 플랫폼 대비 차별점으로 W5500 추가를 명시하며, 이 위에서 Modbus TCP 서버가 동작해 S7-1200 PLC가 MSE 값을 읽고 임계값을 쓸 수 있습니다.

Q3. 이 연구의 신규성은 무엇인가요? 알고리즘 검증에서 멈추지 않고 양자화 → MCU 탑재 → FreeRTOS 실시간 구동 → 산업 프로토콜 연동까지 완결한 점입니다. 특히 정상 데이터 MSE의 감마 분포로 임계값을 자동 산출하는 방식과, 64입력 AE의 행 단위 인코딩으로 모델을 MCU 크기로 줄인 기법이 실용적입니다.

Q4. 실제 현장에 바로 쓸 수 있나요? 구조적으로는 가능하지만 두 가지 전제가 있습니다. 신규 전동기에 적용하려면 해당 장비의 정상 소음을 수집해 AE를 재학습해야 하고(데이터 수집 모드 내장), 실환경 주변 소음의 영향은 추가 검증이 필요합니다. 저자들은 이를 명시하며 온디바이스 학습을 향후 과제로 제시합니다.

📌 참고 링크

https://ijai.iaescore.com/index.php/IJAI/article/view/23070 (논문 원문, DOI: 10.11591/ijai.v13.i4.pp3814-3826)

https://doi.org/10.11591/ijece.v13i5.pp5727-5736 (선행 연구: 멀티 MCU TinyML 하드웨어 플랫폼)

https://docs.wiznet.io/Product/iEthernet/W5500/overview (W5500 데이터시트)

https://www.tensorflow.org/lite/performance/post_training_quantization (TFLite 양자화)

서류

• 논문 PDF (CC BY-SA, 오픈액세스)