예측 정비를 통해 효율성을 높인다

전자 부품 플라스틱 하우징을 제작할 경우, 플라스틱 사출 성형기의 컨베이어 스크류가 취약한 것으로 드러났다. 이제 상태를 기반으로 하는 기게 데이터를 이용하여 정비가 이루어진다. 이는 고정된 정비 계획에 비해 비용을 절감한다.

카린 뵈니히(Karin Bönig)

오늘날 제조업체들은 효율성에 대한 심한 압박을 받는다. 생산 비용은 낮추면서 동시에 생산 개수는 늘려야 한다. 추가적으로 제품 품질을 보장하기 위해 마찰 없는 생산 프로세스에 의존하고 있다.

산업용 전자 부품을 제조하는 한 생산 업체가 이러한 도전에 직면하였다. 하우징 부품의 플라스틱 사출 성형 시 불량률을 낮추기 위해, 제조 프로세스를 꼼꼼하게 들여다보았다. 이 업체는 전세계 여러 공장에서 다양한 제조사의 플라스틱 사출 성형기 총 150대로 하우징 부품을 제작한다. 플라스틱 사출 성형기에서 민감한 구성 요소 가운데 하나가 바로 컨베이어 스크류이다. 시간이 흐르면서 민감한 컨베이어 블레이드가 마모되면 기계는 몰드로 플라스틱을 밀어내는 압력이 약해진다. 이런 경우 기계에서 막 나온 새로운 부품에 하자가 발생할 수 있다.  

             이 업체가 각 기계 제조사의 정해진 정비 계획에 따라 기계를 검사하는 원래의 정비 컨셉트는 더 이상 충분하지 않은 것으로 나타났다. 컨베이어 스크류의 블레이드 마모가 여러 조건에 의해 좌우되기 때문이다. 따라서 부분적으로는 제조사가 권장하는 일정이 되기 전에 정비할 필요가 있다. 또 다른 경우, 블레이드가 완전하게 기능하고 있음에도 불구하고 컨베이어 스크류를 너무 일찍 정비하거나 교체가 이루어지는 것은 모두 경제적이지 않다.

목표는 예측 정비이다

통합 레이어에서 센서 데이터 통일(또는 가공)

필요한 생산량과 품질을 안정적으로 고수하기 위해 또한 값비싼 불량을 낮추기 위해 그리고 고장 시간을 최소화하기 위해, 예측 분석을 기반으로 하는 현대식 정비 컨셉트로 결정하였다. 이때 정비는 고정된 정비 계획이 아니라 상태를 기반으로 기계 데이터를 수집하고 지능적으로 분석하여 이루어진다. 이 업체의 목표는 기계 상태, 특히 컨베이어 스크류의 상태를 연속적으로 조망하는 것이었다.

이 업체에게 각각의 사출 성형기 150대는 제조사와 연식이 모두 다르기 때문에, 각 제조사에게 개별적으로 각각의 기계에 대한 예측 유지보수 확장 모듈을 업그레이드해 줄 것을 요청하는 것은 너무 번거로웠다. 따라서 Innovation Alliance와 함께 공동으로 프로젝트를 실행하기로 결정하였다. Innovation Alliance는 디지털 프로젝트 구현을 지원하는 중소 IT 기업, 회사, 도시 그리고 지자체 역량 그룹이다.

직원들을 솔루션 프로세스에 참여시키다

고객 프로젝트 응용 사례

„예측 유지 보수 프로젝트는 시간이 많이 걸리고, 리드 타임이 긴 경우가 많습니다.“라고 이노베이션 얼라이언스의 협력사인 PCO Personal Computer Organisation의 디지털화 & 오토 ID 시니어 컨설턴트인 아른트 오메가 설명하였다. 위의 전자 부품 제조사의 경우, 프로젝트는 사전 회의를 포함하여 약 2년 안에 이루어졌다. 구상과 이행 단계에서 이노베이션 얼라이언스 직원들이 업체 현장에 있었다. 분석 접근법을 개발하기 위해, 이노베이션 얼라이언스는 파일럿 단계에서 우선 첫 번째 기계에 센서를 장착하는 것부터 시작하였다.

고객과의 긴밀한 협력으로 어떤 센서가 가장 잘 맞는지에 대한 데이터와 인식을 수집하였고, 이후 정밀 조정 단계로 들어갔다. „중요한 것은 직접적인 사용자와의 긴밀한 대화였습니다.“(아른트 오메) 예측 유지 보수 프로젝트에서 자주 일어나는 문제는 매일매일 기계에서 작업하는 작업자들이 다르다는 점이다. 아른트 오메에 따르면 이는 치명적인 오류하고 하다. „기계의 어디가 문제인지를 가장 잘 아는 것은 이를 사용하는 사람입니다. 따라서 우리는 구상 단계에서 유지 보수 기사와 기계 운전자와 이야기하고 그들을 솔루션 프로세스에 끌어 들였습니다. 왜냐하면 아무리 좋은 기술이라고 해도, 그 기술을 사용하는 사람이 받아들이지 않으면, 그 기술은 배척되고 성공을 거둘 수 없기 때문입니다.“

프로젝트 구현은 여러 단계로 이루어졌다

이러한 접근 방식, 일관된 구현 개념, 구조화된 계획과 파일럿 단계는 결국 이 업체가 이노베이션 얼라이언스와 한 배를 타도록 설득하였다. 프로젝트는 여러 단계로 이루어졌기 때문에, 프로젝트 매니저는 프로젝트가 진행되는 동안 계속해서 추가 조정을 할 수 있었다. „이런 방식으로 양쪽 모두 안전하고, 고객은 파일럿 단계 이후 첫 번째 결론을 내리고 솔루션을 평가할 수 있었습니다.“(아른트 오메)

             프로젝트 구현 과정에서 도전 과제는 제조되는 전자 하우징이 매우 작은 부품이고 사출성형 프로세스 소요 시간이 1초에 불과하다는 점이다. 이 시간 안에 센서 장치가 적절히 빠른 샘플링 레이트로 모든 관련 데이터를 수집해야 한다. 여러 기계의 센서 데이터는 이를 위해 고안된 통합 레이어로 모인 후 집계된다. „많은 양의 미가공 데이터를 집계하고 분석할 목적으로 일단 기계에서 데이터를 바로 사전 처리해야 합니다.“(아른트 오메) 이를 위해 에지 컴퓨터를 사용한다.

             파일럿 단계 완료 이후, 이노베이션 얼라이언스는 실제 조건과 가깝게 파일럿 기계에서 교육을 실시하였다. „고객의 직원들은 매우 긍정적으로 반응하였고, 그들을 초기 단계에서 프로세스에 참여 시킨 것을 높이 평가하였습니다. 당사는 우리가 실시하는 여러 프로젝트에서 직원들이 초기 단계부터 참여하는 것이 일반적이지는 않다는 피드백을 늘 받았습니다. 그 대신 직원들은 완전히 완성된 결과물 앞에 세워진 이후 „이제 시작합시다“라는 말과 함께 사용 설명서가 손에 쥐어지는 경우가 이전에는 많습니다.“(오메)

IT 보안은 어떠한가?

예측 유지보수 프로젝트를 실행할 때에 가장 큰 다섯 가지 걸림돌 가운데 하나가 IT 보안 문제이다. 독일 중소 기업의 의사 결정자 500명을 대상으로 실시한 이노베이션 얼라이언스의 한 연구에 따르면 기업의 57%가 데이터 보안을 염려하였다. 위의 전자 부품 제조업체의 경우도 자산 보안 측면에서 걱정이 있었다. 즉 하드웨어와 같은 재산 가치와 회사에 중요한 소프트웨어 그리고 믿을 만한 정보와 관련한 걱정 말이다.

             이노베이션 얼라이언스에는 큰 규모의 제조 분야 IT 보안 전문가가 있기 때문에, 그러한 걱정은 바로 날려 버릴 수 있었다. 위의 전자 부품 제조업체는 우수한 성능의 방화벽으로 보호되는 온프레미스 솔루션으로 결정하였다. 센서 데이터는 중앙 데이터 베이스에 위치하고 그 곳에서 분석하고 저장된다. 따라서 기계 데이터가 내부 IT 인프라를 떠나지 않도록 보장하고 유지된다.

결과물로서 스마트한 정비 프로세스가 구축되었다

기계 운전자와 제조 책임자는 현재 기계 상태에 대한 시각화된 데이터를 실시간으로 웹을 기반으로 하는 중앙 대시보드로 받는다. 데이터 분석에서 도출된 조기 경고 시스템을 이용하여 마모를 빨리 감지하고 예상한다. 따라서 품질 손실 또는 최악의 경우 기계 고장이 일어나기 전에 컨베이어 스크류를 교체할 수 있다. 따라서 이번 사례의 전자 부품 제조사는 생산량뿐만 아니라 제조 품질도 높일 수 있었다. 이노베이션 얼라이언스가 파일럿 단계와 첫 번째 기계의 장비 장착 및 네트워킹을 성공적으로 이행한 이후, 다른 사출 성형기 회사에서 롤아웃이 이어지고 있다.

MM 비교

전통적인 정비 vs 예측 유지보수

종래의 유지보수 개념에는 기게 정비가 정해진 정비 계획에 따라 이루어졌다. 하지만 기계 마모는 수많은 조건에 의해 좌우되므로, 기계 고장은 더욱 빈번하게 일어날 수 있다. 그런데 반대 시나리오도 생각할 수 있다. 정해진 정비 계획 때문에 아직 기능이 이상이 없는 부품을 교체하는 것이다. 두 가지 경우 모두 효율적인 생산이라는 원리에 배치된다. 몇몇 기계에 센서를 장착하는 상태 기반 정비는 보다 발전된 것이다. 예측 유지보수는 한 단계 더 나아간다. 이 경우, 지능적 데이터 분석을 이용하여 가동 중지와 취약점을 예측할 수 있도록 모든 기계의 데이터를 체계적으로 수집하고 평가하여 네트워킹 한다. 2015년 세계 경제 포럼의 위탁을 받아 컨설팅 업체 Accenture가 실시한 조사에서 기업은 네트워크화되고 예측적 기계 관리를 통해 정비 비용을 최대 30%까지 줄일 수 있었고, 계획에 없던 가동 중단을 70%까지 낮추었다.