예측 유지 보수란 무엇인가?

제조 업체들은 예측 유지 보수로 엄청난 비용을 절약할 수 있다. 그렇다면 예측 유지 보수를 사용하는 것이 어떤 부분에서 이익이 되고 어떻게 기능하는지 알아보자.

세바스티안 호프만(Sebastian Hofmann)

핵심 내용

  • 예측 유지 보수(Predictive Maintenance)는 기계 고장을 조기에 감지하고, 이상적인 유지 보수 시점을 결정하는 데 도움이 된다.
  • 예측 유지 보수 전략은 예방 유지 보수(Preventive Maintenance) 보다 훨씬 효율적이다. 예방 유지 보수는 정비 필요성 여부와 상관없이 시스템을 정해진 주기로 정비하는 것이다.
  • Heidelberger Druckmaschinen는 예측 유지 보수를 성공적으로 적용한 사례를 가지고 있다.

유지 보수를 피해 갈 기업은 거의 없다. 이미 예측 유지 보수 시장의 잠재력은 엄청나게 크고, 향후 2년 내에 훨씬 더 커질 것으로 예상된다. 최근 한 연구에서 2022년에 약 60억 유로(원화로 8조 2천억 원)가 될 것으로 예측하였다. 그렇다면 예측 유지 보수란 도대체 무엇인가? 예측 유지 보수란 기계 고장을 사전에 예고하는 기술을 말한다. 이를 위해 예측 모델을 사용하는데, 예측 모델이란 예측 유지 보수(Predictive Maintenance)는 예측 분석(Predictive Analytics)이라고도 하며, 복잡한 알고리즘을 이용하여 측정된 기계 데이터를 바탕으로 개발한다.

예측 유지 보수 기술이 발굴해 내는 잠재력

전문가들은 예측 유지 보수가 계획에 없던 고장의 최대 70%를 막을 수 있다고 한다. 기업은 이를 통해 유지 보수를 너무 자주 하거나 시기를 놓치지 않고 가장 적절한 시점에 유지 보수를 계획할 수 있고, 유지 보수 비용을 약 1/3 정도 절약할 수 있다. 또한 기계 제조사는 원래 시스템 외에 추가로 예측 정비 서비스를 함께 판매하는 경우, 높은 부가 가치의 사업 모델을 추가할 수 있다.

고객을 위해 사용하든 자체적으로 사용하든 관계없이, 예측 유지 보수를 사용하는 경우, 생산 현장에서 빠른 개선이 이루어지는 것을 확인할 수 있다. 예측 유지 보수의 이점 5가지를 소개한다.

유지 보수를 비생산 시간을 통해 효율적으로 계획할 수 있다.

예측 유지 보수를 통해 전체 정비 시간이 줄일 수 있다.

서비스 기사가 기계 고장 원인을 빠르게 확인하고 해결할 수 있다.

결정권자의 프로세스 지식이 증가하고 생산이 보다 투명해진다.

대체 부품 관리 계획(재고)을 효율적으로 수립할 수 있다.

예측 유지 보수 vs. 예방 유지 보수 vs. 사후 정비

아직 많은 회사들이 예방 유지 보수에 의존하고 있으며, 시스템을 일정한 시간 간격으로 정비하고 있다. 하지만 예방 유지 보수는 불필요한 비용 발생을 의미하며 예측 유지 보수를 추천한다.

유지 보수는 사후 정비(Reactive Maintenance)에서 시작되었다. 사후 정비는 기계가 고장 난 이후에 정비하는 것을 의미이다. 여기에는 예상하지 못한 가동 중단으로 인해 많은 비용과 납품 문제가 뒤따른다. 이보다 효율적인 방법이 예방 유지 보수이다. 기계에 마모 현상이 발생하든 그렇지 않든 상관없이 일정한 시간 간격으로 기계를 검사하고 수리하는 방식이다. 이로 인해 계획에 없던 고장은 줄일 수 있지만, 예방의 큰 절감 잠재력을 이용하지 못한다. 다시 설명하면 마모 진행 상황보다 조기에 정비를 진행함으로써 아직 사용 가능한 부품의 교체가 이루어진다. 이는 인건비와 대체 부품의 보관으로 불필요한 비용을 초래한다. 아직까지도 많은 기업들이 이 예방 유지 보수에 의존하고 있어 실제보다 많은 비용을 지불하고 있는 실정이다. 이에 반해 예측 유지 보수는 예견하는 접근법으로 해결책을 제시한다. 생산에 큰 영향을 주지 않으면서 인건비와 자재비가 최대한 들지 않도록 정확하게 정비를 실시하는 방식이다.

예측 유지 보수 적용 사례

독일은 이미 기업 10곳 가운데 8곳에서 예측 유지 보수를 진행하고 있다. 하지만 이익 창출이 유망함에도 불구하고 기업의 1/4만이 예측 유지 보수를 프로그램에 포함시키고 있다. 그 이유는 매우 다양하다. 예측 유지 보수를 개발하는 것 자체에 시간과 노력이 들어가기 때문이다. 중소기업들이 이러한 상황에서 위축되고 있으며, 기존에 예측 유지 보수 분야의 사업 모델이 없었다. 여기에 여러 분야의 적용 사례가 있으며, 세 가지 프로젝트를 소개한다.

예측 유지 보수는 세 단계로 이루어진다. 우선 시스템 데이터를 다양한 생산 조건에서 수집해야 한다.

서비스 라인을 확장한 Heidelberger Druckmaschinen

예측 유지 보수로 새로운 사업 모델, 이것은 Heidelberger Druckmaschinen과 소프트웨어 공급자 USU 협업의 목표였다. 이 프로젝트 파트너는 예측 유지 보수를 위한 확장 가능한 서비스를 개발하는 데 성공했다. 기본 계약은 시스템의 순수한 모니터링에서 시작하고, 프리미엄 패키지의 경우 고객은 연락 담당자를 추가로 배정받고 정기적인 조정 회의를 갖는다.

HBM은 가동 중단 시간을 줄였다

측정 기술 공급자 HBM은 Bosch의 소프트웨어 ‘Nexeed IAS’로 보정 프로세스를 더욱 투명하게 만들었다. 이 예측 유지 보수 옵션 덕분에 안전뿐만 아니라 효율성도 개선할 수 있었고, 가동 중단이 예전보다 훨씬 줄어들었다.

MAN은 트럭 고장을 예방한다

트럭 고장은 그동안 공급 체인의 큰 문제였다. MAN도 차량 고장으로 인한 비용 문제가 계속 되풀이되었다. 따라서 컨설팅 회사인 Alexander Thamm과 함께 데이터 공급자로서 이를 예방적으로 감지하기 위해 원격 서비스를 구상하였다. 이 시스템은 마침내 성공을 거두었고, 예측 분석을 통해 MAN은 고장 비용을 상당히 낮출 수 있었다.

항공 또는 철도 분야에서도 예측 유지 보수 및 예측 분석의 성공적인 사례들이 많이 존재한다. 하지만 산업 분야 및 제조 분야의 예측 유지 보수가 훨씬 수익성이 크다고 할 수 있다.

예측 유지 보수 작동 방식

마모는 진동, 온도, 습도, 압력 등 다양한 물리적 영향에 좌우된다. 신뢰할만한 예측 모델은 이러한 모든 변수를 고려해야 한다. 따라서 예측 유지 보수의 기초는 기계에서 센서 장치를 이용하여 직접 모니터링 데이터를 수집하는 것이다. 이런 과정을 상태 모니터링(Condition Monitoring)이라고 한다.

첫 번째 단계, 다양한 생산 조건에서, 여러 위치의 생산 데이터를 획득하는 것이 무엇보다 중요하다. 이를 통해 위치에 상관없이 유형이 다른 기계에 대해서도 예측 유지 보수를 확장할 수 있는 대량의 데이터(빅 데이터)를 신속하게 수집할 수 있다.

두 번째 단계, 연구 단계에서 데이터를 처리하는 것이 관건이다. 여기에서 데이터를 정리하고 상태 지표를 확인하는 것이 중요하다. 데이터 과학자들은 알고리즘의 어떤 측정값이 ‘정상’으로, 어떤 측정값이 ‘결함’으로 해석해야 할지 결정한다. 수학적 모델은 기계학습 원리에 따라 실제 측정한 데이터 곡선에 미래의 패턴을 확장하도록 훈련한다. 그에 따라 있을 수 있는 다양한 현상들을 결함이 있는 시스템의 각 부분으로 거슬러 올라가 언제 어떤 유지 보수가 필요한지 확인할 수 있다.

세 번째 단계, 이는 이행 단계이다. 사용자가 기계학습 또는 AI로 개발한 알고리즘을 단말기나 클라우드에 설치할 수 있다. 예측 유지 보수에 대한 전형적인 프로젝트에 기간이 얼마나 걸리는지 또는 비용이 얼마나 드는지를 일관적으로 설명할 수는 없다. 이는 개별 유스 케이스(use case)가 천차만별이기 때문이다.

예측 유지 보수 공급자

예측 분석 모델 개발 초기부터 외부 전문가의 조언을 구하는 것이 합리적이다. 앞에서 언급한 기업들 외에 빅 플레이어 다섯 곳을 추가로 소개한다.

Telekom은 하드웨어, 연속성, 대시보드 그리고 평가 모델을 원스톱으로 구할 수 있다.

IBM은 예측 유지 보수에 대한 수십 년의 노하우를 가지고 있다. 중앙 시스템을 PMQ(Predictive Maintenance and Quality)라 한다.

ABB는 특히 모터를 위한 스마트 센서를 제공한다. 장치에 센서를 부착하여 기계 데이터를 수집하고, 중앙 시스템은 정보를 분석하여 결과를 단말기로 전송한다.

Symmedia은 데이터를 수집한 후 이를 Customer Cockpit에 제공한다. 이 Customer Cockpit에서 데이터를 바로 제조사로 전송한다.

SAP도 예측 유지 보수 분야에서 다수의 프로젝트를 성공적으로 수행하였다. 그 가운데는 Siemens 및 Kaeser Kompressoren 과의 협업이 있다.