- 센서의 성능 지표
- 단순히 “이 센서가 좋다”는 것을 넘어, “우리가 설계하는 시스템에 적합한가?”를 결정하는 잣대
- 센서의 8대 성능 지표 (Performance Metrics)
- 감도 (Sensitivity), 정확도 (Accuracy), 정밀도 / 반복성 (Precision / Repeatability), 선형성 (Linearity), 분해능 (Resolution),
측정 범위 / 동작 범위 (Range / Span), 응답 시간 (Response Time), 히스테리시스 (Hysteresis / 이력 현상)
1. 감도 (Sensitivity)
- 정의 및 설명
- 입력 물리량의 변화 대비 출력 전기 신호 변화의 비율(기울기) 🡲 변화에 대한 반응의 크기
- 입력 물리량(온도, 압력, 가속도 등)이 단위 크기만큼 변했을 때, 출력되는 전기적 신호(전압, 전류, 디지털 값)가 얼마나 변하는가를 나타내는 척도
- 입력-출력 그래프에서의 기울기(Slope)와 같음
-
\[Sensitivity = \frac{\Delta Output (출력의 변화량)}{\Delta Input (입력의 변화량)}\]
- 감도가 높을수록 아주 미세한 변화도 크게 잡아낼 수 있음
- 비유하자면 작은 속삭임(입력)을 얼마나 큰 목소리(출력)로 들려주는가의 차이
- 감도의 단위와 해석 (실무 예시)
- 감도는 사용하는 센서의 종류에 따라 다양한 단위로 표현됨 🡲 사양서(Datasheet)를 볼 때 가장 먼저 확인해야 할 부분
- 예시
- 가속도 센서:
100 mV / g
- 중력 가속도(\(1g\))가 변할 때마다 전압이 \(100mV\)씩 변한다는 의미
- 온도 센서:
10 $\mu$A / °C
- 온도가 \(1°C\) 오를 때마다 전류가 \(10\mu A\)씩 증가한다는 의미
- 이미지 센서(카메라):
V / lux·sec
- 감도가 높을 때의 장단점
| 구분 |
장점 |
단점 (주의사항) |
| 미세한 신호를 포착할 수 있어 정밀 측정에 유리함 |
노이즈에 취약함 🡲 작은 전기적 잡음도 큰 신호 변화로 오인될 수 있음 |
| 신호가 안정적이며 큰 물리량 변화에도 출력이 포화(Saturation)되지 않음 |
미세한 변화를 감지하지 못해 데이터가 뭉개질 수 있음 |
- 감도와 관련된 주요 현상
- 선형 감도 (Linear Sensitivity)
- 대부분의 이상적인 센서는 전 구간에서 기울기(감도)가 일정함
- 이 경우 데이터를 처리하는 MCU가 단순히 곱셈 연산만 하면 되므로 매우 편리함
- 비선형 감도 (Non-linear Sensitivity)
- 입력값이 커질수록 감도가 낮아지거나 높아지는 경우
- 예시
- 어떤 가스 센서는 가스 농도가 낮을 때는 민감하다가, 농도가 아주 높아지면 반응이 둔해지는 경우,
- 소프트웨어적으로 로그 계산이나 보정 테이블을 사용해야 함
- 스마트폰의 마이크 감도를 최대로 높이면 어떻게 될까?
- 아주 작은 속삭임도 들리겠지만, 옆 사람의 숨소리나 주변의 기계 소음까지 모두 크게 녹음되어 버릴 수 있음
🡲 고감도 센서 설계 시 노이즈 필터링이 필수인 이유
2. 정확도 (Accuracy)
- 정의 및 설명
- 센서의 측정값이 실제 참값(True Value) 또는 기준값과 얼마나 일치하는지를 나타내는 척도
- 일반적으로 센서 사양서에서는 참값에 대한 오차(Error)의 크기로 표현 🡲 값이 작을수록 정확도가 높다고 말함
- 보통 오차 범위(±%)로 표시하며, 시스템의 신뢰도를 결정
-
\[Accuracy = \frac{|Measured Value - True Value|}{Full Scale} \times 100 (\%)\]
- 정확도의 표시 방식과 해석 (실무 예시)
- 정확도는 단순히 수치 하나로 표현되지 않고, 상황에 따라 여러 방식으로 기재됨
- 예시
- Full Scale 대비 오차 (% FS):
±1% FS
- 측정 범위가 \(0 \sim 100V\)인 센서에서 오차가 \(\pm 1V\) 이내라는 의미 (가장 흔한 방식)
- 측정값 대비 오차 (% Reading):
±0.5% of Reading
- 현재 읽고 있는 값이 \(10V\)면 \(±0.05V\), \(100V\)면 \(\pm 0.5V\)의 오차가 발생한다는 의미
- 실제 온도가 25.0°C인데 온도 센서가 25.2°C로 읽는다면, 정확도는 \(±0.2°C\) 오차 내에 있다고 봄
- 절대 수치:
±0.1°C
- 어떤 온도에서도 고정적으로 \(±0.1°C\)의 오차 범위를 가진다는 의미
- 정확도를 결정짓는 요인
- 정확도가 떨어지는(오차가 발생하는) 대표적인 하드웨어적 원인들
- 오프셋 오차(Offset Error)
- 입력이 0인데 출력이 0이 아닌 경우 (영점 조절 실패)
- 비선형성(Non-linearity)
- 입력과 출력의 관계가 직선에서 벗어나 휘어지는 경우
- 드리프트(Drift)
- 시간이 지나거나 온도가 변함에 따라 센서의 특성이 변하는 경우
- 감도(Sensitivity) vs 정확도(Accuracy) 비교
- 두 개념은 서로 독립적
- 감도가 높다고 해서 정확도가 높은 것은 아니며, 그 반대도 마찬가지임
- 감도(Sensitivity)가 “변화에 얼마나 민감하게 반응하는가”를 나타낸다면, 정확도(Accuracy)는 그 반응이 “얼마나 진실에 가까운가”를 다룸
| 구분 |
감도 (Sensitivity) |
정확도 (Accuracy) |
| 얼마나 민감하게 반응하는가? |
그 값이 참값과 얼마나 똑같은가? |
| 입력 대비 출력의 **기울기** |
측정값과 참값 사이의 **거리(오차)** |
| 반응이 둔해져서 수치가 거의 안 변함 |
수치는 팍팍 변하는데, 실제 온도와 10도나 차이 남 |
| 귀가 밝은 사람 (작은 소리도 잘 들음) |
정직한 사람 (들은 대로 정확히 전달함) |
- 실무 사례 비교
- Case A (고감도, 저정확도)
- 주방용 저울이 먼지 한 톨의 무게에도 반응하지만,
- 정작 \(1kg\) 아령을 올렸을 때 \(1.2kg\)이라고 표시함
- Case B (저감도, 고정확도)
- 산업용 대형 저울이 \(100g\) 단위 변화는 무시하지만,
- \(100kg\)을 올렸을 때 정확히 \(100kg\)을 가리킴
- 정확도는 화살이 과녁의 중심에 얼마나 가까이 꽂히느냐의 문제
- 반면 감도는 화살촉이 얼마나 날카로워서 과녁에 살짝만 닿아도 푹 꽂히느냐의 문제
- 날카로운 화살(고감도)이라도 엉뚱한 곳에 쏘면(저정확도) 아무 소용이 없음
3. 정밀도 (Precision) / 반복성 (Repeatability)
- 정의 및 설명
- 동일한 입력에 대해 반복적으로 측정했을 때, 측정값들이 얼마나 서로 가깝게 모여 있는가를 나타내는 척도
- 참값(중심)에 가까운지와 상관없이, 센서가 내놓는 답변이 얼마나 일관성 있는지를 보는 것
- 값이 참값과 멀더라도 매번 똑같은 값을 내놓는다면 정밀도가 높은 것임
- 정밀도의 해석 (실무 예시)
- 정밀도는 주로 통계적인 수치나 변동폭으로 표현
- 예시
- 표준편차(\(\sigma\))
- \(\sigma = 0.01\) (값이 모여 있는 정도가 매우 촘촘함)
- 변동 계수(CV)
- 측정값의 평균 대비 편차가 몇 %인지로 나타냄
- 실무 예시
- 어떤 거리 센서로 10번 측정했는데, 실제 거리는 100mm임에도 불구하고 매번 105.1mm, 105.2mm, 105.1mm가 나온다면,
- 이 센서는 정확도는 낮지만 정밀도는 매우 높은 것
- 다트판의 정중앙(참값)을 못 맞춰도, 화살 5개가 모두 한곳에 촘촘히 모여 있다면 정밀도가 높은 센서
- 감도 vs 정확도 vs 정밀도 비교
| 구분 |
감도 (Sensitivity) |
정확도 (Accuracy) |
정밀도 (Precision) |
| 반응성 (Reaction) |
진실성 (Truth) |
일관성 (Consistency) |
| 입력 변화량 대비 출력량 |
참값과의 거리(오차) |
측정값들 사이의 거리(편차) |
| 그래프의 기울기가 가파름 |
평균값이 참값과 일치함 |
데이터의 분산이 작음 |
| 화살촉의 날카로움 |
과녁 중심에 맞음 |
화살들이 한곳에 모임 |
- 정밀도(Precision) vs 반복성(Repeatability): 정말 같을까?
- “반복성은 정밀도의 한 종류이지만, 조건이 더 까다롭다”고 정의하는 것이 정확함
- 정밀도 (Precision)
- 개념: 측정값들이 서로 얼마나 촘촘하게 모여 있는지를 나타내는 통계적 상태 그 자체
- 비유: 화살들이 과녁 어디든 한곳에 옹기종기 모여 있는 ‘현상’을 말함
- 반복성 (Repeatability)
- 개념: “자, 이제 똑같은 조건에서 10번 연속으로 측정해 봅시다”라고 했을 때 나오는 정밀도의 결과물
- 조건: ‘동일한’ 센서로, ‘동일한’ 사람이, ‘동일한’ 환경에서 ‘단시간’ 내에 반복 측정했을 때의 일치도
- 비유: 한 명의 사수가 숨도 안 쉬고 연달아 10발을 쐈을 때 화살이 모이는 정도
- 반복성은 정밀도를 측정하는 가장 표준적인 방법이므로 실무에서는 두 단어를 거의 똑같은 의미로 혼용해서 사용함
- 정확도(Accuracy)는 교정(Calibration)을 통해 소프트웨어적으로 어느 정도 고칠 수 있지만
- 정밀도(Precision)가 낮은 센서는 하드웨어 자체가 불안정한 것이라 답이 없음
- 그래서 센서를 고를 때는 정확도보다 정밀도가 좋은 녀석을 골라야 나중에 고생을 안함
4. 선형성 (Linearity)
- 정의 및 설명
- 센서의 입력(물리량)과 출력(전기 신호)의 관계가 직선(\(y = ax + b\))에 얼마나 가까운지를 나타내는 척도
- 값들이 입력에 따라 얼마나 예측 가능하게 움직이는지를 나타냄
- 선형성이 좋아야 별도의 복잡한 계산 없이 출력값에 상수만 곱해서 물리량을 바로 알 수 있음
- 이상적인 센서는 입력이 2배가 되면 출력도 정확히 2배가 되어야 함
- 실제 센서 값이 이 가상의 직선에서 얼마나 벗어나는지를 측정하여 보통 ‘비선형 오차(Non-linearity Error)’로 표시함
-
\[Non-linearity (\%) = \frac{\text{최대 편차(Max Deviation)}}{\text{전체 측정 범위(Full Scale)}} \times 100\]
- 소프트웨어 개발자나 시스템 설계자에게는 ‘계산의 편의성’과 직결되는 아주 중요한 지표
- 선형성의 해석 (실무 예시)
- 사양서에서는 보통
% FS 단위로 표시되며, 이 수치가 작을수록 성능이 좋은 센서임
- 예시
- 사양서 예시:
Linearity: ±0.5% FS
- 측정 범위 전 구간에서 실제 값이 가상의 직선으로부터 최대 0.5% 이상 벗어나지 않는다는 의미
- 실무 예시
- 압력 센서에 \(1kg\)을 올렸을 때 \(1V\), \(2kg\)일 때 \(2V\)가 나오다가, \(10kg\)을 올렸는데 \(9.5V\)가 나온다면 이 구간에서 선형성이 깨진 것
- 선형성이 중요한 이유 (장단점)
| 구분 |
선형성이 높을 때 (Good) |
선형성이 낮을 때 (Bad) |
| 단순 비례식($$y=ax$$)으로 물리량 계산 가능 |
복잡한 고차 방정식이나 로그 계산이 필요함 |
| MCU의 연산 부담이 적고 속도가 빠름 |
룩업 테이블(Look-up Table) 등을 써야 해서 메모리를 차지함 |
| 하드웨어 설계가 단순해짐 |
전 구간을 보정(Calibration)해야 하므로 공수가 많이 듦 |
- 선형성을 개선하는 방법
- 하드웨어적으로 선형성을 완벽히 맞추기는 매우 어렵기 때문에, 실무에서는 다음과 같은 방법을 병행함
- 동작 범위 제한 (Segmenting)
- 센서의 전체 범위 중 선형성이 가장 좋은 특정 구간만 사용하도록 설계
- 소프트웨어 보정 (Linearization)
- MCU에서 실험적으로 얻은 데이터를 바탕으로
- 비선형 곡선을 직선처럼 펴주는 수치 해석 알고리즘을 적용
- 다항식 피팅 (Polynomial Fitting)
- \(y = ax^2 + bx + c\)와 같은 다항식을 적용하여 오차를 줄임
- 선형성이란 한마디로 “예측 가능한 정직함”
- 정확도가 ‘지금 이 값이 맞는가’를 묻는다면
- 선형성은 ‘10만큼 늘리면 결과도 10만큼 늘어날 것이라고 믿어도 되는가’를 묻는 것
- 선형성이 나쁜 센서는 입력을 키울수록 뒤통수를 치기 때문에 프로그래밍하기가 아주 까다로워짐
5. 분해능 (Resolution)
- 정의 및 설명
- 센서가 감지하고 구별할 수 있는 가장 작은 물리량의 단위
- 센서가 얼마나 ‘섬세한 눈’을 가졌는지를 결정하며, 특히 디지털 시스템 설계에서 가장 핵심이 되는 데이터 품질의 척도
- 입력값이 아주 미세하게 변했을 때, 센서가 “어! 값이 변했네?”라고 알아차릴 수 있는 최소한의 변화량을 의미
-
\[Resolution = \frac{\text{전체 측정 범위(Full Scale)}}{\text{분할 가능한 단계 수}(2^n)}\]
- 분해능 수치가 작을수록(더 미세한 단위를 읽을수록) 성능이 좋다고 표현함
- ADC(Analog-to-Digital Converter)의 비트(bit) 수와 직결됨
- 분해능의 해석 (실무 예시)
- 실무에서는 주로 비트(bit) 단위나 물리 단위로 표시
- 예시
- ADC 비트 기준:
12-bit Resolution
- 측정 범위를 \(2^{12} = 4,096\) 단계로 쪼개서 본다는 뜻
- 만약 \(0 \sim 5V\) 범위라면, 약 \(1.2mV\)(\(5V/4096\))가 이 센서의 분해능이 됨
- 물리 수치 기준:
0.01 mm
- 거리 센서가 물체의 움직임을 \(0.01mm\) 단위까지 끊어서 읽을 수 있다는 뜻
- 실무 예시
- 체중계의 분해능이 \(0.1kg\)이라면, 몸무게가 \(50g\) 늘어난 것은 화면에 표시되지 않고 그대로 유지됨
- 하지만 $100g$ 이상 변하면 숫자가 바뀜
- 분해능이 중요한 이유 (장단점)
| 구분 |
고분해능 (High Resolution) |
저분해능 (Low Resolution) |
| 아주 매끄럽고 세밀한 데이터 수집 가능 |
데이터가 계단 모양으로 끊겨 보임(양자화 오차) |
| 데이터 양이 많아져 메모리와 연산량이 증가함 |
데이터 용량이 작아 처리가 빠르고 가벼움 |
| 너무 세밀해서 전기적 노이즈까지 데이터로 인식함 |
작은 노이즈는 무시되므로 값이 더 안정적으로 보임 |
- 분해능과 감도(Sensitivity)의 결정적 차이
- 감도
- 입력에 대해 출력이 얼마나 크게 반응하느냐 (기울기)
- 분해능
- 그 반응을 얼마나 촘촘하게 나누어서 읽느냐 (눈금)
- 실무 사례
- 감도가 매우 좋은 센서라도, 뒤쪽의 ADC 분해능이 낮으면(예: 8-bit) 미세한 변화를 읽지 못하고 뭉뚱그려 처리하게 됨
- 따라서 센서의 감도와 시스템의 분해능은 서로 짝이 맞아야 최고의 성능을 발휘함
- 감도가 ‘렌즈의 밝기’라면, 분해능은 ‘센서의 화소 수’
- 렌즈가 아무리 좋아도 화소 수가 적으면 사진이 모자이크처럼 깨져 보이듯,
- 센싱 소자가 아무리 민감해도 분해능이 낮으면 세밀한 변화를 데이터로 담을 수 없음
6. 측정 범위 (Range) / 동작 범위 (Span)
- 정의 및 설명
- 센서가 “어디서부터 어디까지”를 감당할 수 있는지를 나타냄
- 범위를 벗어난 입력을 주면 센서가 파손되거나 값이 고정(Saturation)되어 버림
- 측정 범위 (Range)
- 센서가 정상적인 성능(정확도, 선형성 등)을 유지하면서 측정할 수 있는 최소값과 최대값의 구간
- 예: \(-40 \sim 150^\circ\text{C}\)
- 동작 범위 (Span)
- 최대값과 최소값의 차이를 의미 🡲 즉, 센서가 커버하는 전체 폭
- 예: 위 범위의 경우 \(190^\circ\text{C}\)가 동작 범위(Span)가 됨
-
\[Span = \text{Max Value} - \text{Min Value}\]
- 센서를 선정할 때 가장 먼저 확인해야 하는 ‘체급’에 해당
- 범위의 해석 (실무 예시)
- 데이터 시트에서는 주로 다음과 같이 기재됨
- 예시
- 압력 센서:
Range: 0 to 100 bar / Span: 100 bar
- \(100\text{ bar}\)가 넘는 압력을 가하면 센서 출력이 최대치에 고정되거나 고장이 날 수 있음
- 가속도 센서:
Range: \pm16g
- 중력 가속도의 16배까지 양방향으로 측정 가능하다는 뜻
- 실무 예시
- \(200\text{kg}\)까지 측정 가능한 체중계에 \(300\text{kg}\)의 짐을 올리면 🡲 화면에 ‘Error’나 ‘Full’이 뜨는 현상이 측정 범위를 초과한 상태
- 범위 설정이 중요한 이유 (장단점)
- 센서는 무조건 범위가 넓다고 좋은 것이 아님
- 범위와 정밀도는 보통 반비례하기 때문
| 구분 |
넓은 측정 범위 (Wide Range) |
좁은 측정 범위 (Narrow Range) |
| 다양한 환경에서 범용적으로 사용 가능함 |
특정 구간에서 분해능과 감도가 매우 높음 |
| 미세한 변화를 읽는 능력이 떨어짐 |
범위를 조금만 벗어나도 데이터를 읽지 못함 |
| 30cm 자: 책상 위 대부분을 재기에 충분함 |
마이크로미터: 아주 얇은 종이 두께만 잴 수 있음 |
- 범위와 관련된 실무 키워드
- 포화 (Saturation)
- 입력이 측정 범위를 초과하여 출력 신호가 더 이상 증가하지 않고 최대치(예: \(5\text{V}\))에 딱 붙어버리는 현상
- 이때는 실제 입력이 얼마나 더 큰지 알 수 없으므로 데이터로서의 가치를 상실
- 과부하 내성 (Overload Capacity)
- 센서가 고장 나지 않고 견딜 수 있는 최대 한계치
- 측정 범위는 넘었지만, 다시 돌아왔을 때 정상 작동하는 ‘안전 마진’을 의미함
- 동적 범위 (Dynamic Range)
- 센서가 감지할 수 있는 가장 작은 신호와 가장 큰 신호의 비율
- 보통 데시벨(dB) 단위를 사용하여 시스템의 성능을 종합적으로 나타냄
- 정밀하게 \(0.1\text{g}\) 단위를 재야 하는 보석 저울로 \(10\text{kg}\) 쌀포대 무게를 재려고 하면 어떻게 될까?
- 반대로 \(1\text{t}\) 트럭 저울로 반지를 재면 눈금이 아예 안 움직일 것
- 그래서 목적에 맞는 ‘체급(Range)’을 가장 먼저 정해야 함
7. 응답 시간 (Response Time)
- 정의 및 설명
- 입력 물리량이 급격하게 변했을 때(Step Input), 센서의 출력값이 그 변화를 따라가서 최종 도달해야 할 값의 특정 비율(보통 63.2% 또는 90%)에 도달할 때까지 걸리는 시간
- 모든 센서는 물리적, 전기적 제약 때문에 입력의 변화를 즉각적으로 100% 반영하지 못하고 일정한 지연(Delay)을 갖게 됨
- 실시간 제어 시스템(드론, 자율주행)이나 안전 시스템에서 가장 중요하고 치명적인 지표
- 예를 들어 자율주행 차량이 장애물을 발견했는데 센서가 한 박자 늦게 알려준다면 사고로 이어짐
- 응답 시간의 해석 (실무 예시)
- 데이터 시트에서는 주로 다음과 같은 용어로 표현됨
- 시정수 (Time Constant, ): 출력값이 최종 변화량의 63.2%에 도달하는 데 걸리는 시간
- 상승 시간 (Rise Time): 출력이 10%에서 90%까지 도달하는 데 걸리는 시간
- 실무 예시 (온도 센서)
- 뜨거운 물에 온도계를 넣었을 때, 현재 온도를 가리키기까지 숫자가 천천히 올라가는 것을 볼 수 있음
- 만약 응답 시간이 \(5\text{s}\)라면, 이 온도계는 급격한 온도 변화를 실시간으로 추적하기에는 부적합
- 실무 예시 (에어백 가속도 센서)
- 사고 발생 시 수 밀리초(\(\text{ms}\)) 내에 충격을 감지해야 하므로,
- 극도로 짧은 응답 시간이 요구됨
- 응답 시간이 중요한 이유 (장단점)
| 구분 |
빠른 응답 시간 (Fast) |
느린 응답 시간 (Slow) |
| 실시간 제어(드론, 자율주행) 가능, 급격한 변화 감지 |
고주파 노이즈에 덜 민감함(자체 필터링 효과) |
| 신호가 너무 예민하여 노이즈까지 다 받아들일 수 있음 |
제어 시스템의 불안정(Oscillation)이나 사고 유발 가능 |
| 스포츠카의 핸들링: 꺾는 대로 즉시 움직임 |
대형 유조선의 핸들링: 핸들을 돌려도 한참 뒤에 배가 움직임 |
- 응답 시간에 영향을 주는 요인
- *물리적 관성
- 온도 센서의 경우 센서 보호관(Thermowell)이 두꺼우면 열이 전달되는 데 시간이 오래 걸려 응답이 느려짐
- 전기적 필터 (RC Delay)
- 회로 설계 시 노이즈를 잡기 위해 필터를 너무 강하게 걸면 신호 자체가 느려지는 부작용 발생
- 샘플링 속도
- 디지털 센서의 경우 내부 ADC가 데이터를 변환하는 속도 자체가 응답 시간의 한계치가 됨
- 응답 시간은 ‘소통의 속도’라고 볼 수 있음
- 정확도가 ‘정답을 말하는가’라면, 응답 시간은 ‘얼마나 빨리 대답하는가’임
- 질문을 던졌는데 1분 뒤에 정답을 말해주는 친구와는 실시간 대화(Real-time Control)가 불가능한 것과 같음
- 특히 제어 공학에서는 이 지표가 시스템의 안정성을 결정하는 핵심 요소가 됨
8. 히스테리시스 (Hysteresis / 이력 현상)
- 정의 및 설명
- 동일한 입력값이라도 입력량이 증가할 때(Ascending)와 감소할 때(Descending) 센서의 출력값이 일치하지 않고 차이가 발생하는 현상
- 센서가 과거에 어떤 상태였는지에 따라 현재의 출력값이 달라지는 ‘기억 현상’ 혹은 ‘지연 효과’를 말함
- 그래프상에서 보면 올릴 때의 경로와 내릴 때의 경로가 서로 달라 마치 ‘눈 모양(Loop)’의 곡선이 그려지게 됨
-
\[Hysteresis (\%) = \frac{\text{증가/감소 시의 최대 출력 차이}}{\text{전체 측정 범위(Full Scale)}} \times 100\]
- 기계적인 마찰이나 내부 에너지 손실로 인해 발생하며, 오차의 원인이 됨
- 설계자 입장에서는 굉장히 골치 아픈 ‘숨은 오차’ 중 하나
- 히스테리시스의 해석 (실무 예시)
- 보통 하드웨어 자체의 물리적 특성 때문에 발생
- 사양서에는
% FS 단위로 기재됨
- 예시
- 압력 센서:
Hysteresis: 0.1% FS
- \(0\)에서 \(100kg\)까지 압력을 올릴 때의 \(50kg\) 지점 값과, \(100kg\)에서 다시 \(0\)으로 내릴 때의 \(50kg\) 지점 값이 미세하게 다르다는 뜻
- 자기 센서(Hall Sensor)
- 자석이 가까워질 때 스위치가 켜지는 거리와, 멀어질 때 스위치가 꺼지는 거리가 다른 현상
- 실무 예시 (기계식 저울)
- \(10kg\)을 올렸을 때 정확히 \(10.0kg\)이 나왔는데, \(20kg\)을 올렸다가 다시 \(10kg\)으로 줄였더니 \(10.1kg\)으로 표시되는 경우
- 히스테리시스가 발생하는 이유
- 기계적 마찰 및 유격(Backlash)
- 센서 내부의 기계 부품 사이의 마찰이나 틈새 때문에 원래 위치로 완벽히 돌아오지 못하는 경우
- 탄성 이력
- 고무나 특정 금속 같은 재질이 늘어났다가 줄어들 때
- 분자 구조가 제자리로 돌아오는 데 시간이 걸리거나
- 에너지를 소비하기 때문
- 자기적 특성
- 자성체 내부의 자구(Magnetic Domain)들이 외부 자기장에 따라 방향을 바꿀 때 발생하는 에너지 손실 때문
- 히스테리시스의 영향과 대책
| 구분 |
시스템에 미치는 영향 |
대응 방안 (대책) |
| 정밀한 위치 제어가 어려워짐 (정지 위치 오차) |
소프트웨어 보정: 증가/감소 방향에 따라 다른 보정값을 적용 |
| 입력이 변곡점 근처에서 미세하게 떨릴 때 출력이 불안정해짐 |
슈미트 트리거(Schmitt Trigger): 의도적으로 히스테리시스를 주어 노이즈에 의한 오작동 방지 |
| 장기적으로 센서의 피로 누적 및 성능 저하 유발 |
마찰이 적은 소재나 탄성 복원력이 우수한 소재(세라믹 등) 사용 |
- 히스테리시스는 ‘게으른 복원력’
- 고무줄을 세게 당겼다가 놓으면 즉시 원래 길이로 돌아오는 것 같지만, 미세하게 보면 아주 잠시 늘어난 상태를 유지함 🡲 센서도 마찬가지
- ‘갔던 길과 돌아오는 길이 다르다’는 이 특징 때문에, 정밀 제어를 하려면 지금 값이 올라가는 중인지 내려가는 중인지까지 고려해야 함
- ‘성능 판단 프로세스’
- “얼마나 정확한가?” (정확도, 정밀도)
- “어떤 범위에서 쓸 수 있는가?” (측정 범위)
- “얼마나 세밀하게 보는가?” (감도, 분해능, 선형성)
- “얼마나 빠르게 반응하는가?” (응답 시간)
- “환경에 얼마나 강한가?” (히스테리시스, 드리프트)
석환님, 이 8대 지표는 추후 데이터 시트(Data Sheet) 읽기 실습에서 가장 강력한 무기가 될 것입니다. 이제 이 지표들을 기반으로 실제 현장에서 발생하는 센서 오차의 원인(드리프트, 노이즈 등)을 분석해 볼까요? 아니면 지표별로 수강생들이 직접 계산해 볼 수 있는 연습 문제를 구성해 드릴까요?