설비 예지보전 기술

4차 산업혁명이 불러일으킨 제조 산업 패러다임의 변화와 코로나19의 영향으로 인해 전 세계는 제조업의 디지털 전환을 더욱 가속화하고 있다. 제조업이 혁신 성장의 새로운 동력으로 집중되면서 스마트 팩토리는 제조 혁신의 열쇠로 불린다.
AI 빅데이터 기반의 스마트 팩토리는 제조 산업에서 발생하는 다양한 문제에 대한 솔루션으로 주목받고 있으며, 역동적인 시장 체계를 구축할 것이다. 사물인터넷(IoT), 인공지능(AI), 빅데이터 등 지능화된 공장 설비들이 다양하고 복잡해짐에 따라 설비를 어떻게 유지 관리하고, 설비로부터 획득한 데이터를 어떻게 활용하는지가 제조 기업들의 생산성을 높임과 동시에 경쟁력으로 작용할 것이다. 그 가운데 ‘설비 예지보전 기술’은 스마트 팩토리를 이끄는 가장 고도화된 기술이다.

스마트 팩토리에서 설비 예지보전 기술은 설비가 고장나면 대응하는 사후관리와 달리 실시간으로 설비 데이터를 수집하여 설비의 상태를 감시하고, 설비가 심각한 고장을 일으키기 전 단계인 초기 결함 시 이상을 정확히 감지하는 스마트한 기술이다. 사람도 심각한 병을 조기에 발견하면 수명이 늘어나듯, 설비도 유지보수 비용이 적은 초기에 결함을 발견하는 것이 매우 중요하다.

업계에 따르면, 전 세계 예지보전 시장 규모는 2026년에 16.6조 원을 돌파할 것으로 예상된다. 이는 2020년 대비 약 3.6배 증가한 수치이며, 유지관리 비용과 다운타임 최소화에 대한 니즈로 인해 지속적인 증가가 예상된다.

스마트 팩토리에서 예지보전이 왜 필요한가

설비는 제조 기업의 중요 자산 중 하나다. 기업의 생산성을 높이고, 수익성을 향상시키기 위해 설비의 유지 관리는 필수적이다. 특히 스마트 팩토리가 가속화되면서 설비 구조가 매우 복잡해지고, 결함의 메커니즘 또한 다양해졌다. 생산 제조 환경이 지능화되면서 개인 맞춤형 생산, 다품종 대량생산 및 다품종 소량생산 등 생산 방식 역시 다변화했다. 최근 생산 현장에서는 가공 장비와 로봇, 물류 시스템 등이 접목된 새로운 제조 방식이 확산되면서 새로운 설비와 시스템이 다양하게 도입되고 있다. 이렇듯 정교해지고 복잡해진 설비에 발생될 수 있는 결함을 예측하기 위해서는 더욱 심층적이고 명확한 진단이 필요하다.
기존에는 이론과 실무에서 많은 경험치를 보유한 숙련된 전문가가 소리를 듣고 이상 유무를 판단하거나, 단순한 설비의 물리적 데이터를 통해 부품 교체 주기를 파악하고, 기간 내 해당 문제를 보완하는 것이 보편적이었다. 그러나 IoT, 빅데이터, AI 등 스마트 기술이 설비에 투입되고 지능화되면서 인간의 오감에 의지하거나 예방 보전에 그치지 않았고, 설비의 결함을 실시간 인지하고 원인 분석과 진단을 통해 고장을 예측하는 솔루션이 각광을 받게 되었다.
 
2022년 1월 시행된 중대재해처벌법으로 인해 산업 현장의 안전 관리의 중요성이 더욱 커졌다. 중대 재해가 발생할 경우 각 기업의 책임자를 형사 처벌하는 등 구체적으로 기업에게 현장 안전 관리와 근로자 보호에 대한 법적 책임을 엄격히 묻겠다는 것이 법안의 취지다. 기업은 현장 환경을 보다 적극적으로 개선하고 위험 요인을 미리 없애야 한다. 중대재해처벌법의 대비할 수 있는 방안 중 하나로 예지보전 솔루션 도입을 고려할 수 있다. 기계 설비의 노후화를 사전에 알려주어 해당 설비와 관련한 안전사고를 방지할 수 있으며, 고장으로 인한 돌발 사고를 예방할 수 있다.

성공적인 예지보전, 정확한 목적과 이에 부합하는 데이터를 확보해야

기존의 설비 보전은 설비 전문가들의 숙련된 경험에 의존하고 있었다. 설비의 이상을 발견하고 결함의 원인을 분석하는 작업, 고장이 발생하기 전 문제점을 파악하고 효과적으로 대응하기 위해서는 숙련된 전문가들의
‘경험’이 필요하다. 그러나 중소기업은 숙련된 전문가를 필수적으로 채용할 수 있는 여건이 부족하고, 전문가의 퇴직 또는 이직으로 인해 인력이 충분하지 않다. 전문 인력의 부재는 설비에 결함이 발생하였을 때 신속하게 적절한 대책을 세우지 못하고 큰 손실을 가져온다. 전문가가 있어도 다양한 설비에서 발생하는 데이터를 분석하고 진단 결과가 나올 때까지 많은 시간이 소요되고, 결함이나 고장에 실시간으로 빠른 대응을 하기 어려워 설비의 가동 중단 시간도 길어진다. 낮은 확률이긴 하나 오진할 여지도 무시할 수 없다.

이러한 상황에서 전문가의 숙련된 경험을 데이터베이스화하여 그대로 살려낸(빅데이터 기반의 인공지능 기술로 고도화한) 예지보전 솔루션이 시장에서 각광받고 있다. 또 시장이 열린 만큼 다양한 솔루션이 시장으로 쏟아지고 있다. 그럼, 솔루션의 홍수에서 효과적인 예지보전 솔루션 도입을 위해서는 어떻게 하여야 할까?

일단 데이터를 수집하는 목적, 즉 솔루션 도입 목적을 분명히 해야 한다. 솔루션마다 목적이 다르고, 목적에 따라 수집 데이터도 다르기 때문에 기업은 가장 먼저 설비관리의 목적을 명확히 규정해야 한다. 중요 설비는 무엇이고, 어떻게 관리하며, 그 목적을 달성시켜줄 솔루션은 무엇인지를 선택하는 것이 중요하다.

예를 들어 설비 예지보전 솔루션을 도입하면, 설비의 특성을 가장 잘 분석할 수 있는 데이터를 취득해야 한다. 품질이나 공정 상태보다 설비의 상태를 우선적으로 파악할 수 있는 데이터를 취득하는 것이 중요하다. 생산 설비의 모니터링과 상태를 파악하고, 고장을 진단하기 위해서는 많은 물리적 데이터가 필요하다. 그림 2에서 보듯이 진동 데이터 수집이 우선적이다.

설비의 결함을 규명하기 위한 데이터로 진동을 선택한다. 진동 신호는 정량적인 데이터와 정성적인 데이터의 특성을 모두 가지고 있으며, 설비 결함에 관한 정보를 다른 비파괴 검사법보다 많이 포함하고, 결함의 원인과 유형을 알 수 있는 특성들을 포함하고 있어 결함 진단에 필수적이다. 그림 2에서도 알 수 있듯 다른 비파괴 검사보다 매우 빠른 응답 특성으로 설비에서 초기 결함이 발생했을 때 이를 진단할 수 있다. 이러한 특성 때문에 대부분의 설비관리 전문가들은 설비를 진단하거나 결함을 분석할 때 진동 데이터를 주 분석 데이터로 이용하고, 추가적으로 온도, 윤활, 전류 등의 데이터를 분석한다.

퓨처메인이 독자적으로 개발한 예지보전 솔루션 ‘Ex RBM’은 진동 데이터를 주 분석 데이터로 활용하며, 전문가가 일일이 데이터를 분석하지 않아도 설비에서 발생한 초기 결함을 스스로 진단해서 알려준다. 뿐만 아니라 해당 진단 결과에 맞는 엔지니어링 유지보수 방안까지 제시해준다. 퓨처메인은 36년간, 640여 개의 공장에서 설비를 진단하면서 쌓아온 엔지니어링 빅데이터를 기반으로 하고, 실제 설비 진단 전문가는 설비의 결함을 진단하기 위해 데이터의 분석 과정을 시스템으로 개발하였기 때문에, 어려운 예지보전 기술을 솔루션으로 제공하는 것이 가능하다.

단순한 설비 데이터를 수집한 뒤(설비와 관련된 전문가 지식 기반의 빅데이터 없이) 딥러닝 기법을 이용하는 고장 진단 방식은 결함의 근본적인 원인을 입증하기에 부족한 점이 많다. 또한 데이터 학습 기간이 길며, 진단을 위한 전문 인력이 필요한 경우가 대부분이라 높은 도입 비용이 문제가 될 수 있다. 퓨처메인의 ‘ExRBM’은 전문가가 투입되기 힘든 상황에서 더욱 강점을 보인다. 일반적 설비관리 솔루션의 경우, 설비의 단순 모니터링에 그쳐 고장이 발생하면 이상을 알려주는 역할에 그치고, 실제 발생한 고장 개소를 찾아내기 위해서는 전문가가 투입돼 데이터 분석까지 직접 해야 한다.

하지만 ‘ExRBM’은 모터를 비롯한 터빈, 베어링, 펌프, 팬 및 블로와, 기어, 컴프레셔, 아지테이터, 믹서, 기어박스, 벨트 등을 포함한 실제 설비 결함을 진단할 수 있는 85개의 진단 모듈을 갖추고 있다. 여기에 설비 결함의 원인과 환경 요인을 조합하여 분석할 수 있는 인공지능 알고리즘을 갖고 있어 설비 진단 전문가가 분석해야 하는 많은 업무를 신뢰성 있게 해결한다. 뿐만 아니라 고장을 해결하기 위해 유지보수 작업을 위한 엔지니어링 솔루션까지 제공한다. 이는 진단 엔지니어링 분야에서 오랫동안 재직한 진단 전문가의 경험과 역량이 고스란히 투영된 결과다. 현장에서 체득한 전문가의 ‘경험’이 인공지능 기술과 융합해 설비 진단 ‘엔지니어링 빅데이터’ 기반의 예지보전 솔루션으로 완성된 것이다.

제조 기업의 미래, 예지보전 솔루션

퓨처메인의 예지보전 솔루션은 한국남동발전, 대우조선해양, 대웅제약 등 발전소, 화학, 제지, 제약, 배터리 등의 제조 공장에 두루 구축되어 있으며, Bosch Rexroth 등 글로벌 기업과도 활발한 공동 개발을 진행하고 있다. 또한 퓨처메인은 클라우드 기반의 구독형 설비 예지보전 플랫폼 사업을 진행하였고, 합리적인 초기 인프라 비용으로 중소기업들이 예지보전 솔루션 도입의 문턱을 낮출 수 있도록 했다. 수요기업과 공급기업의 눈높이를 맞춰 수용성을 확대하는 데 초점을 맞추고 있다.

퓨처메인은 설비의 정밀 분석을 통해 초기 결함까지 진단하였고, 고장 자동 진단 정확도(98.3%)를 높인 결과 한국산업기술시험원으로부터 국내 유일 ‘K마크 인증’을 취득했다. 특히 퓨처메인이 보유한 다년간의 전문가 기반의 엔지니어링 빅데이터는 높은 정확도를 기반으로 구축되었다. 이는 신뢰성 문제에 대한 기업의 의심을 지울 수 있는 대목이다.

ExRBM을 실제로 도입한 국내 기업의 경우 설비 돌발 고장률이 70%에서 8%로 감소했으며, 설비 예지보전 시스템 구축 전 대비 약 2배 이상의 설비 유지관리 비용 절감 효과를 보았다. 도입 후 생산성 증가를 통해 기업이 더 높은 수익을 올릴 수 있기 때문에 잠재 수익률 상승까지 기대할 수 있다.

스마트 팩토리 시대에는 예지보전을 통해 설비의 갑작스러운 중단과 고장을 예방하고 초래할 수 있는 요인을 최소한으로 줄여나갈 수 있을 뿐 아니라, 설비의 결함이 경미한 상태일 때 유지보수가 이루어질 수 있도록 중대 결함의 진전을 미리 방지하고 유지보수 비용의 절감 효과를 기대할 수 있다. 또한 사전에 고장을 예방할 수 있고, 안전사고, 중대 재해로부터 사전 대비가 가능하다. 무엇보다 엔지니어링 빅데이터 기반의 예지보전 솔루션 도입으로(전문가 없이도 실시간 자동으로) 정확하게 초기 결함을 진단할 수 있다면, 유지보수 비용의 절감과 생산 증대의 효과로 기업의 경쟁력 우위를 선점할 수 있을 것이다.

futuremain@futuremain.com