HanPHI : 플랜트 잠재 고장 예방을 위한
AI 기반 예지보전 솔루션

HanPHI는 플랜트의 잠재적인 고장을 사전에 예측하고 대응할 수 있도록 지원하는 AI 머신러닝 기반 예지보전 솔루션이다. 수많은 설비가 유기적으로 연결된 프로세스 플랜트에서는 하나의 설비 고장만으로도 전체 운영에 큰 손실을 초래할 수 있으므로, HanPHI를 활용해 플랜트의 안정성과 신뢰성을 확보하는 것이 중요하다.

① 플랜트 전체 건강 상태 가시화
HanPHI Index Display를 통해 플랜트의 전체 혹은 주요 공정의 건전성을 실시간으로 확인할 수 있다. 이상 상태가 의심되는 공정은 즉시 알람을 발생시킨다. 사용자는 중요 설비의 고장을 정확히 예측하고, 다운타임 이전에 이상 추이를 지속적으로 모니터링할 수 있다. 설비별 건강 지수를 확인하고, 과거 인덱스 조회 기능을 활용해 최대 1년 동안의 특정 설비 운영 리듬/패턴을 분석할 수 있다.

② 실시간 이상 신호 추적
Success Tree는 실시간으로 플랜트 내 모든 계측 신호를 감시하여, 이상 징후가 발생하는 즉시 자동으로 이상 원인 신호를 추적한다. 설비별 계측값의 중요도를 고려한 가중치 설정이 가능해 예측 모델의 정확도를 유지하고, 의미 있는 패턴 변화를 감지한다. 플랜트 운영 환경은 공정 조건·생산량·외부 영향 등으로 인해 수시로 변동되는데, HanPHI는 이와 같은 상황에서도 실시간으로 전체 공정 혹은 설비 계통의 신뢰도를 업데이트하여 항상 최신 상태를 반영한다.
 

③ 위험 수준에 따른 조기경보 관리
Alarm List는 과거의 조기경보 이력을 조회하고, 현재 발생하는 경보의 실시간 관리를 지원한다. 위험도 수준에 따라 경보 빈도와 속성을 분류하여, 운영자는 우선 대응이 필요한 경보를 판단할 수 있다. 알람 경보 리스트는 Excel이나 PDF 형태로 내보낼 수 있어 정기 점검 보고서 작성이나 정보 공유에도 유용하다.

④ 미세한 이상 징후 즉각 확인
HanPHI는 실시간 데이터와 예측값 간의 잔차를 분석하여 미세한 이상 징후를 즉각적으로 식별할 수 있다. 과거에 유사한 패턴이 있으면 자동으로 검색해 현재 데이터 패턴과 대조함으로써 반복적이거나 유의미한 이상 패턴을 빠르게 인식할 수 있다. 또한 이상 패턴의 발생 주기와 트렌드 추이를 비교 분석하여 고장 징후의 발전 가능성을 사전에 포착할 수 있다.

HanPHI 도입 사례

P사는 1970년대부터 운영한 철강 생산 기업으로 국가 경제 발전에 기여해 왔다. 50년 넘게 운영된 설비의 노후화로 고장이 많고, 잦은 설비 정지로 손실 비용이 급증했다. 이에 조기경보 시스템에 대한 니즈가 발생하였고, 당사의 HanPHI(Plant Health Index) 시스템을 도입했다.

열연 공정 설비 중 ROT(Run Out Table)의 Motor에 우선 적용했으며, P사가 보유한 감시 모터의 개수는 300개 이상이다. 시스템 구축을 위해 먼저 이기종 시스템의 데이터를 OPC 통신으로 취합한 후 정상 운전 패턴 데이터를 학습·모델링하고, Success Tree 엔지니어링을 수행하였다.

열연 설비는 잦은 기동 정지를 반복하기 때문에 정상 기동 중에만 감시할 수 있도록 운전 조건 등을 설정하였으며, 기동/정지 시 모터 헌팅 현상이 발생되어 정상적으로 감시할 수 없음을 확인하고, Alarm Delay 및 Script(계산식)를 활용하여 불필요한 알람을 억제하였다.

조기경보 시스템 적용 후 일부 모터 전류 신호가 헌팅하는 현상을 확인하고 조치를 하는 등, 조기경보 시스템을 적극 활용하여 설비 예지보전을 수행하고 있다.
 

AIFDS
: AI 기반의 고장 진단 시스템

AIFDS는 고속 데이터 처리 기술과 AI 기술 기반으로 고장을 진단하는 AI 고장 진단 시스템이다. 설비 고장으로 인한 생산 중단, 막대한 비용 손실을 방지하고, 설비 수명 연장과 안정성 확보에 기여한다.

① 수집 데이터 시각화 프로그램
자료 획득 장치(DAQ)를 통해 음향, 진동 등의 고해상도 데이터를 실시간으로 취득하고 저장한다. 시각화 기능을 통해 직관적으로 Raw 데이터 신호와 분석 결과를 확인할 수 있고, 수집 데이터를 효과적으로 저장할 수 있다.

② 인공지능 고장 진단 및 결과 분석
AIFDS는 AI 기반으로 학습된 예측 모델을 통해 실시간 데이터 분석 또는 저장된 과거 데이터를 분석하고 고장을 진단한다. 또 Waveform, FFT, PSD, Mel-Spectrogram 등의 다양한 분석 도구를 활용해 고속 데이터를 정밀하게 분석할 수 있다. 진단 결과는 보고서 형태로 시각화하여 설비 운영 최적화에 실질적인 도움을 준다.

AI 자율 제조가 이끄는
제조 산업의 전환

AI 자율 제조는 기존 자동화의 한계를 넘어 제조업의 새로운 전환을 가져올 핵심 기술이다. 기존의 자동화 시스템은 사람이 데이터를 직접 수집·확인하고, 상황을 판단하여 의사결정을 내리는 구조였다. 이에 반해 AI 자율 제조는 시스템이 실시간 데이터를 기반으로 분석하여 운영자가 더욱 빠르고 정확한 의사결정을 가능하도록 지원한다. 이는 복잡한 제조 환경에서 문제 대응력과 공장의 안정성을 향상시키고, 운영 효율성과 글로벌 경쟁력을 강화할 수 있는 기반이 된다.

AI 자율 제조를 도입할 경우, 실시간 데이터 통합과 AI 기반 예측 분석 기술로 설비 고장과 운영 비효율을 최소화할 수 있다. 통합된 데이터를 바탕으로 설비 운영 상태를 투명하게 확인하고, AI를 통해 이상 징후나 고장 가능성을 사전에 감지하여 정밀한 상태 기반 유지보수(CBM)을 실현할 수 있다.

더 나아가 AI 자율 제조는 지속가능성 측면에서도 제조 혁신을 이끈다. 에너지와 자원의 활용을 최적화하고, 인력의 반복적 수작업을 줄여 설비 손실과 품질 불량을 예방함으로써 제조 과정 전반에서 ESG 경영을 실현할 수 있다. 경제적 효율성과 환경적 책임을 동시에 충족함으로 제조업의 지속 가능한 미래를 준비할 수 있다. AI 자율 제조는 고도화된 기술로서 제조 산업의 미래를 선도하는 방향이 되고 있다.

seojh@bnftech.com