예측 정비의 장점

예측 정비는 기존의 장비의 효율성을 높이고 생산성을 증대하는 목적이 있다. 미래에는 기계와 시스템 정비 불량으로 인한 예고되지 않은 고장이 발생하지는 않을 것이다. 연구 결과를 보면 예측 정비는 비용을 30%, 예상에 없던 가동 중지는 최대 70%까지 줄일 수 있다.

슈테파니 미헬(Stefanie Michel) & 라인홀드 쉐퍼(Reinhold Schaefer)

제조업체들은 전세계적인 경쟁 체제에 직면해 있고, 고객들은 24시간 서비스를 제공해주길 기대하고 있다. 이를 제공하지 못하는 업체는 다른 공급자에 의해 도태되기도 한다. 따라서 생산 과정에서의 가동 중지와 중요 부품의 예상치 못한 고장을 미리 감지할 수 있어야 한다. 많은 시스템 제조자들과 기계 제조사들이 디지털화가 진행되면서 서비스와 예측 정비 영역에서 센서와 빅 데이터 분석을 통해 개선할 점을 찾았다. 고장 나서 기다려야 한다는 것은 이제 옛말이 되었다.

제조사들은 예측 정비의 중요성을 일찌감치 파악하였다.

예측 정비는 인더스트리 4.0의 일부분이며 사물 인터넷(IoT)의 적용으로 제조사, 사용자, 협회 등은 일찌감치 감지하고 있었다. 이 같은 사실은 지난 2월 VMDA 회의 예측 정비 4.0과 하노버 메쎄의 예측 정비 박람회장에서 확인할 수 있었고, 2015년 Makinsey(맥킨지) 연구에서도 이미 예상한 바이다. VDMA 유체 기술 협회 대리 전무이사인 페터 미하엘 사이네크의 말이다. “예측 정비는 현재 논의가 활발하게 진행되고 있고, 질문이 많은 MRO (Maintenence-Repair-Overhaul, 정비-수리-분해) 전략입니다.“ 이유는 분명하다. VMDA가 인용한 세계 경제 포럼과 컨설팅 기업인 Accenture의 최신 연구에 따르면 계획에 따라 정비를 하는 경우 계획에 없던 정비에 비해 비용이 12%가 절감되고, 정비 비용은 약 30% 절감된다. 또한 가동 중지 비율도 70% 정도 낮출 수 있다고 한다. 맥킨지 연구에서는 생산 시스템과 의약품에 대해 고장 시간이 50% 정도 줄어들고, 정비 비용도 20 ~ 40% 낮아지는 것으로 기대하고 있다. 또한 Roland-Berger(롤란드 베르거) 연구에서는 예측 정비를 하는 경우 유지보수에 걸리는 시간의 15% 정도 소비하지만, 발생 후 „대응하는“ 유지보수 시간은 이 시간의 40%가 더 걸린다고 한다. 따라서 예측정비는 비용과 시간의 절감 잠재력이 막대하고, 투자비도 바로 회수할 수 있다. 네트워크로 연결된 생산 및 인더스트리 4.0으로의 발전 방향이 예측 정비 컨셉트를 권장하고 있다. 스마트한 콤포넌트는 통합된 센서를 바탕으로 수많은 데이터를 기록하고 평가 시스템에 전달할 수 있다. 따라서 예측 정비는 기계 엔지니어링과 IT 사이의 상호 작용을 응용 사례에 맞게 이용하기 위한 탁월한 전략이다. 페터 미하엘 사이네크의 말이다. „새로운 유지보수 전략은 예상하지 못한 고장을 예방하고 그와 결부된 제조상의 애로사항을 줄이거나 배제하는 것입니다. 따라서 생산성이 증가하고, 유지보수 비용과 서비스 비용을 낮출 수 있으며, 제조 품질과 계획 안전성을 높일 수 있습니다. 결과적으로 전체 운영 비용이 낮아집니다.“ 이런 점은 사용자에게 매우 매력적으로 들린다. 그렇다면 부품 제조사들은 예상치 못한 고장이 일어나지 않도록 하려면 구체적으로 무엇을 준비해야 하는가? 사용자가 자동화된 프로세스를 운용하는 경우 모든 것이 마치 시계 메커니즘처럼 돌아가야 한다. 정비 불량으로 인한 고장은 일어나서는 안 된다. 아래 예시에서 몇몇 회사들은 이에 대한 준비를 이미 진행하고 있다.

스마트한 유지보수 기법으로 인더스트리 4.0을 향하다

섀플러의 디지털 서비스가 시스템 가용성을 높이고 있다. 이전에는 정비 기사가 개별적인 여러 시스템으로 정보를 모아 평가해야 했다면, 지금은 데이터를 평가하고 해석하는 소프트웨어 플랫폼을 이용할 수 있다.

자동차 부품업체 Schaeffler(섀플러)는 센서에서 클라우드로 이어지는 제품과 솔루션으로 데이터 백업과 데이터 처리를 포함하는 상태 모니터링이 어떤 모습인지, 또 고객이 기계와 시스템의 원격 모니터링을 위해 온라인 서비스의 덕을 볼 수 있는지 그리고 부하에 따라 정비 주기를 어떻게 정할 수 있는지 확인할 수 있다. 섀플러가 하노버 메쎄에서 전시한 기술 실증 제품인 파워트레인 4.0은 산업 드라이브에 있어서 예측 유지보수를 상징한다. 섀플러는 이 박람회에서 자동화된 구름 베어링 진단을 구체적으로 체험할 수 있도록 하였다. “당사는 Bearinx와 같은 소프트웨어 제품으로 디지털화된 제품의 잠재력을 보여드립니다. 이런 기술은 공작기계, 풍력 발전소 또는 철도 등 수많은 분야에 적용합니다. 새플러는 디지털화의 기회를 이용하여 전통적인 기계 제조업을 네트워크로 연결된 인더스트리 4.0으로 발전시킬 수 있는 최상의 전제 조건을 갖추고 있습니다.“ (Dr. 슈테판 스핀들러, Schaeffler AG 산업 부문 사장)

기술 실증 제품 „파워트레인 4.0“은 모터, 커플링 그리고 기어로 이루어지며, 모든 등급의 성능과 응용 사례에서 사용되는 다양한 드라이브를 대표한다. 드라이브에는 수많은 센서, 측정기 그리고 액추에이터가 통합되어 있고, 이들은 측정값을 클라우드 기반 소프트웨어 플랫폼에 전달하거나 데이터 분석을 바탕으로 적절히 구동된다. 한 가지 예로 가동 중인 구름 베어링의 잔여 수명을 실제 부하를 기반으로 계산할 수 있다. 섀플러는 이러한 혁신적 기술로 기계 운영자들에게 예측 정비 솔루션을 제공하며, 이러한 솔루션은 드라이브에서 특이 사항이 나타나거나 감지되기 이전에 이미 정비 필요성을 알리고, 더욱 널리 확산될 것이다.

통합된 측정 시스템으로 예방 정비가 가능하다

통합 측정 시스템 IMS-A는 먼지로 오염된 작업 환경에서도 기계 부하가 있을 경우 절대 위치를 파악할 수 있다. 기계가 이상이 있을 경우 가동을 중지하기 전에 유지보수를 계획하여 실시한다.

구름 베어링 제조사인 SKF도 풍력 발전소 시스템을 위해 클라우드 기반 유지정비 서포트 시스템을 개발하였다. 이 시스템은 온도값, 습도값, 진동값 그리고 다른 작동 온도를 수집하는 센서에 연결되어 있어서, 데이터 수집과 데이터 분석에도 이용된다. 이렇게 획득한 데이터는 사진자료와 비디오 클립으로 보강되고, 클라우드에 직접 업로드된다. 운영자는 앱을 통해 풍력 발전소의 상태에 대해 보다 신빙성 있는 정보를 받을 수 있다. 다수의 측정값이 지정된 공차를 벗어나는 경우 즉각적인 경고나 대응 조치를 취하기 위한 구체적인 팁을 내보내는 것도 가능하다.

운동성이 있는 메커니즘인 경우에 마모가 심하고 정비 필요성도 높아진다. 이를 제 때에 감지하기 위해 Bosch Rexroth(보쉬 렉스로스)는 들어 리니어 가이드에 통합된 측정 시스템을 제공한다. 추가의 온도 센서와 모션 센서를 통합하여 인더스트리 4.0 요구 사항에도 이미 준비를 하였다. 추가의 센서로 인해 기계 설계자들은 온도 부하와 실제 역동성 등을 판독할 수 있다. 센서 데이터는 예측 정비를 위한 기반을 형성한다. 사용자는 작동 상태를 온라인으로 파악하고 평가할 수 있다. 가속 센서가 진동 증가 등과 같은 변화를 측정하면, 이는 마모 증가 또는 다른 문제를 의미하는 것이다. 따라서 기계가 가동을 중지하기 전에 유지 보수 계획을 잡을 수 있다.

스마트 플라스틱은 계획에 없던 시스템 고장을 원천 봉쇄한다. 스마트 Drylin 리니어 가이드, 스마트 에너지 드래그 체인, 스마트 라인은 지속적으로 자신을 감시하고 예측하여 정비와 교체를 계획할 수 있다.

스마트 플라스틱이 제때에 고장을 경고한다

에너지 드래그 체인도 제조 시설에 설치된 움직이는 케이블을 보호하기 위해 수십 년간 보이지 않는 보조 장치의 역할을 해왔다. 에너지 드래그 체인은 마모를 일으키는 환경에서 많이 사용되고 있어 이로 인해 고장이 날 수 있다. 이러한 마모를 제때에 알아보기 위해, igus(이구스)는 체인에 센서를 장착하였다. 이 센서는 이구스의 스마트 플라스틱으로서 자신의 역할을 수행하며, 리니어 가이드 Drylin과 스마트 라인에서는 상태 감시의 역할을 한다. „센서가 장착된 제품들은 실시간으로 고장을 경고합니다.“ (해럴드 네링, igus 대리인). Isnese라는 이름이 붙은 제품들은 다양한 센서와 모니터링 모듈로 이루어진다. igus 커뮤니케이션 모듈 (Icom)과 네트워킹 되어 고객의 인프라에 직접 통합할 수 있다.

Leuze Electronic(로이체 일렉트로닉)도 Murr elektronik(무어 일렉트로닉)과의 공

스마트코어 테크놀로지“가 적용된 인더스트리 4.0이 가능한 센서 라인

동 연구 프로젝트를 통해 „스마트코어 테크놀로지“를 적용한 센서 라인을 개발하였다. 이를 바탕으로 움직이는 라인에서 장애에 취약하거나 완전히 고장나기 전에 도선 단선 또는 접촉 불량 등의 고장을 미리 감지하여 막대한 비용이 드는 시스템 가동 중지 사태를 막을 수 있다. IO 모듈에 내장된 측정 기능도 라인이 최대 수명의 약 85%에 이르면 유지보수 활동을 하는 관리자에게 예측적 진단 메시지를 전한다. 스마트 팩토리는 온라인과 오프라인 상태 분석, 예측 정비, 샘플 감지, 기계 최적화 또는 데이터의 장기 보관과 관련하여 다양한 요건을 충족해야 한다. 가능한 끊김 없이 그리고 사이클과 동시적으로 데이터를 수집하는 것을 전제로 하고 있다. 이를 위해 Beckhoff(트라이 텍)가 Twincat Analytics를 개발하였다. 즉 공정 관련 데이터는 로컬 저장되거나 또는 클라우드 기반 솔루션으로서 회사 네트워크의 서버나 공용 클라우드에서 사용할 수 있다.

기계 정비 상황이 생산 컨트롤 센터에 시각화되어 나타나다

생산 시스템 공급자들에게 있어서도 예측 정비는 하나의 도구로써 이미 제공하고 있다. EVO Performance의 최신 MDE/MES 솔루션 릴리즈에서 소프트웨어 제조사 EVO Informationssysteme GmbH는 기계 유지관리 조치의 비주얼라이제이션을 생산 컨트롤 센터에 통합하였다. 계획에 따른 또는 계획에 없던 정비를 모바일 단말기나 PC에서 파악할 수 있다. 추가로 표준 기능을 통합하여 생산 컨트롤 센터에서 정비 조치를 실시간을 확인할 수 있다. 이 비주얼라이제이션은 제조 현장의 투명성을 높이고 사용자가 실시간으로 성능 애로 지점을 파악하고 이에 반응할 수 있게 한다. 책임자는 계획에 따른 또는 계획에 없던 유지보수 조치를 통해 제조 컨트롤 장치에서 기계 고장을 즉시 알아챌 수 있다. 생산 플래너는 책임자는 사용 가능한 기계를 빠르게 파악할 수 있다. 그런데 예측 정비만으로 모든 것이 해결되는 것이 아니다. 기계를 정비하려면 제조사의 A/S기사가 와서 정비 작업을 실시해야 하는 경우가 대부분이다. 거리가 먼 경우, 아무리 계획에 따른 예방 정비를 한다고 하더라도, 작업 지연은 불가피하다. 이런 경우를 대비해 Weidmüller(바이드뮐러)가 한 가지 해법을 제시하였다. 미하엘 마테시우스(Weidmüller 그룹 기계 엔지니어링 글로벌 인더스트리 매니저)에 따르면 웹 기반 원격 정비 시스템 U-link로 기계를 효율적이고 안전하게 모니터링할 수 있다고 한다. 이 솔루션은 원격 정비를 수월하게 하고, 빠른 서비스로 시스템 생산성을 높일 수 있다. 안전한 원격 액세스를 위해 독일 내 통합 VPN 랑데부 서버를 지닌 웹 포털, 통합 SPI 방화벽을 갖춘 라우터 (stateful inspection), x.509-기반 인증서를 통한 인증 (SSL 암호화를 적용한 OpenVPN) 그리고 기계에 수동 액세스 승인을 이용한다. „원격 정비 솔루션 U-link는 제한이 없습니다. 지속적으로 변하고 성장하는 기업들의 요건에 적합하게 맞추어 조정할 수 있습니다.“(미하엘 마테시우스)

이런 예시에서 드러나듯이, 인더스트리 4.0의 의미에서 제조 현장을 만들 전제 조건은 마련되어 있다. 필요한 장비는 이미 제공되어 예측 정비 기술도 사용할 수 있다. 이 모든 사실이 디지털 데이터만 합리적으로 사용하기만 하면 이미 많은 것들이 가능하다는 것을 알 수 있다. 클라우드 제공자로 활동하든 기존 클라우드 플랫폼에서 평가 소프트웨어를 제공하든 콤포넌트 제조사들에게는 새로운 사업 모델이 제공된다. 시스템 운영자는 시간과 비용을 절감할 수 있지만 개인 정보 보호와 데이터 보안 문제를 해결해야 한다.

데이터에 대한 재산권을 미리 밝혀야 한다

독일법에는 데이터에 대한 재산권이 없다. 구름 베어링 제조사는 베어링을 최적화하기 위해 자신들의 제품 개발에 정보를 이용할 수 있고, 또한 부하 또는 마찰값과 관련하여 실제 응용 사례에서 나오는 다양한 정보를 조회할 수 있다. 아직은 이루어지지 않지만, 여러 데이터의 상관 관계를 바탕으로 분야별 요건을 식별할 수도 있다. 지금까지 제조사들은 데이터가 사용자에게 속해있고 허가가 있을 경우 접근할 수 있다는 점에 동의한다. 그렇다 하더라도 시스템 운영자들은 사전에 모든 관련자들과 데이터에 대한 권한을 정의하고 밝혀야 한다.

예측 정비가 가능한 많은 제품들이 이미 유통되고 있다.

슈테파니 미헬(Stefanie Michel), 구동 기술 에디터