기계 상태를 미리 말해주는 예측 도구

기계에 대한 상태 데이터는 수없이 모여든다. 이런 데이터를 유지보수를 위해 어떻게 유용할 수 있을까? 스위스의 한 회사가 스마트한 데이터 평가 도구를 개발하였다. 이를 이용하면 산업 시스템에 일어날 장애를 구체적 시간까지 예상할 수 있다.

산드라 드로셀 뷕(Sandra Drossel-Bück): 프리랜스 저널리스트

산업 혁명은 기업에 많은 변화를 초래하였고, 모든 사업 분야에서 데이터 수집과 평가는 결정적인 역할을 하게 되었다. 비평가들은 데이터 오용과 보안 리스크에 대해 경고를 하지만, 많은 기업들은 이미 시의적절한 데이터 수집으로 다른 기회가 찾아올 것으로 기대하고 있다. 또한 이러한 데이터들로부터 의미 있는 통찰력을 얻을 수 있는 방법을 궁금해하고 있다. 유지보수 관리 시스템을 잘 이용하면 기계 상태에 대한 정확한 정보와 기계를 활용할 수 있는 방법도 알 수 있다. 하지만 데이터를 수집하고 관리하고 평가하는 서비스와 도구를 제공하는 회사들 가운데 사용자 요건에 잘 맞는 회사를 찾는 것은 그리 쉬운 일이 아니다.

스위스의 Cassantec은 이러한 공급자 가운데 하나로, 이 회사는 독일 베를린과 미국 클리블랜드에 자회사를 두고 있다. 이 업체는 데이터 평가 측면에서 새로운 대안을 제시하였다. 상태 모니터링으로부터 얻은 데이터를 새롭게 해석하는 알고리즘을 개발하였는데, 이 상태를 기반으로 하는 데이터는 시간을 기반으로 하는 데이터와 연결되어 앞으로의 장애에 대한 구체적인 타임 프레임을 보여준다. 유럽의 선도적인 부품 제조업체 가운데 한 회사가 이 시스템을 적용하였다.

이 소프트웨어는 현재 상태와 각 기계 콤포넌트의 예측 장애를 표시등에 일목요연하게 나타난다. 위 예시에서 시간 간격이 12 주인 경우, 파이프 터빈에 대해 모두 초록색 표시등이 들어온다.

출발 상태: 집중적으로 비용을 유발하는 도장 라인

도장 라인은 끊임없이 움직여야 한다. 잠시만 중단해도 계획에 없던 고장이 발생하고 이는 공장에 막대한 비용과 리스크를 초래한다. 앞서 언급한 부품업체는 이러한 리스크에 대응하기 위해 유지보수 전략을 시간 기반 관리에서 상태 기반 관리로 바꾸게 되었다. 이 업체는 이를 위해 사용하는 어플리케이션에 도장 라인의 총 7개 사이클에서 데이터를 모니터링하여 아카이브에 저장하였다. 이 회사는 얼마 지나지 않아 다른 근심거리에 봉착하게 된다. 시스템과 콤포넌트가 어떤 상태에 있는지 왜 그런지는 분명해졌다. 시스템 상태에 대해 어떤 매개변수가 결정적인지도 보였다. 문제가 어디서 유래했는가에 대한 문제 자체였다. 이 업체는 새로운 데이터 분석을 사용하여 유지보수 문제를 어떻게 다루는 것이 좋은지를 알게 되었다. 동시에 다른 문제가 남아 있었는데, 시스템 상태가 언제 위험해지고, 언제 움직여야 하는지 정확한 시점을 알 수 없었다. 경고가 언제 울려야 할지, 콤포넌트를 언제 수리해야 좋을지 해결책을 찾지 못했다. 결국 다음 정기 점검 때까지 시스템을 정상적으로 사용할 수 있을지도 불확실했다. „지금까지는 현장의 경험이 필요했습니다. 시스템 운영자가 시스템을 언제 정비하는 것이 합리적인지를 계산이 필요합니다.“ (모리츠 폰 플라테, Cassantec AG 매니저)

바람직한 상태: 시간 지평이 명확한 데이터 분석

이 제조업체의 경우 시간 기반 정비계획과 상태 기반 정비계획 사이의 갭이 컸다. 시간적인 정비계획은 복잡한 기계의 요건을 충족하지 못한다는 점을 나중에 알았다. 이는 시스템 정비가 너무 늦어지거나 너무 빨라져 비용을 합리적으로 통제하지 못했다. 유지보수 전략을 최적화하기 위해 데이터 분석으로 전환한 것은 이러한 정비 딜레마에서 당연한 귀결이었다. 그러나 정비 계획을 개선하기 위해 순전히 데이터를 기반으로 분석한다고 원하는 결과를 도출하지는 못했다. 너무 많은 잠재적 리스크들이 명확하게 밝혀지지 않았기 때문이었다. „이 지점에서 그 제조업체가 저희를 찾아왔습니다.“ (모리츠 폰 플라테) 지금까지의 데이터 분석에 Cassantec 예측 소프트웨어가 추가하는 시간 지평이 지금까지 해결되지 않은 문제를 명확하게 밝혀줄 수 있다.

모든 것이 초록색 범위에 있음: 표시되고 있는 파이프 터빈의 각 콤포넌트에 대한 진동 데이터, 온도 데이터, 회전속도 데이터, 전기 데이터가 모두 정상이고 따라서 진동 리스크가 매우 낮다고 볼 수 있다.

Cassantec은 다음 세 단계로 새로운 예측 도구를 사용한다. 앞으로의 장애와 사고에 대한 잠재적 리스크를 최소화하기 위한 알고리즘이 지금까지 수집된 데이터를 새로 해석했다.

■ 첫 번째 단계로 이 소프트웨어는 생산 절차 중에 상태를 기록한 상태 및 프로세스에 대한 최신 이력 데이터를 사용하였다. Cassantec은 앞으로의 구체적인 상태 시나리오를 짜고 예상하기 위해 이 기록 내용을 사용하였다.

■ 두 번째 단계에서 이 소프트웨어는 장애 예측을 작성하기 위해 현재 상태와 연계하여 시스템의 미래 상태를 설정하였다.

■ 세 번째 단계는 소프트웨어 형태로 예측 리포트를 작성하는 것이다. 이 차체 제조업체는 표시등을 통해 도장 라인과 개별 콤포넌트들이 어떤 상태인지를 미리 알 수 있었다. 결과는 소프트웨어가 도장 라인의 전체 기계에 입력해 넣는다. 이 업체는 현재 이 예측 기술을 더욱 이용하기 위해 데이터 베이스를 확충할 계획이다.

위 예시는 취해야 할 조치를 보여준다: 표시되는 발전기 가이드 베어링의 진동 데이터가 위험한 상황임을 미리 예고한다. 그러나 이 결함이 실질적으로 영향을 나타내기까지는 1-2개월 더 걸린다.

중간 멈춤 없는 차체 도장 라인

Cassantec Prognostics 솔루션은 기록된 매개변수와 리프트 프로파일을 다른 시스템에도 적용할 수 있는 접근 방식으로, 기계류 전체의 학습 프로세스가 실현된다. 고객은 더 나은 계획, 스케줄 설정과 범위 지정 등을 통해 유지보수 작업을 최적화할 수 있다. 실질적으로 업체들이 이 새로운 솔루션의 이점을 누릴 수 있는 영역은 세 가지이다. 첫 번째는 예측 도구를 이용하면 계획을 최적화하고 고장을 줄일 수 있다. „유지보수 계획을 개선하여 이 제조업체는 일시적인 중단사태와 지연 작업을 방지할 수 있었고, 절감 효과가 매우 커졌답니다.“ (모리츠 폰 플라테) 두 번째는 정비와 유지보수에 들어가는 비용이 전체적으로 줄어든다. 차체부품 제조업체는 정비가 필요할 때에만 정비 작업을 실시하고, 경우에 따라 정비 작업을 모아서 할 수 있기 때문에 인건비도 절감할 수 있다. 세 번째는 이른바 레트로핏에 초점을 맞출 수도 있다. 즉 유지보수 조치가 개선되면 오래된 기계의 잔여 수명이 연장되는 효과를 거둘 수 있다. 이 소프트웨어로 인해 결과적으로 생산량이 증가하고 시스템 효율성이 높아진다.