업체동정 “왜 경고는 있었는데 고장은 막지 못했을까? – 99.9%를 보증하는 AI 예지정비의 등장” (1회)

페이지 정보

작성자 최고관리자 댓글 0건 조회 956회 작성일 26-02-12 11:55

본문

86abf7a92159f25a6ace83a961b65ee3_1770864746_073.png


1. 한국 제조업의 ‘조용한 리스크’
– ‘회전 설비 고장’이라는 구조적 문제

한국 제조 산업에서 대형 생산 중단과 중대 사고로 직결되는 설비는 의외로 단순하다. 컴프레서, 펌프, 블로어, 팬, 압연기와 같은 회전 설비가 바로 그것이다. 이들 설비는 24시간 연속 가동되며 공정의 심장 역할을 수행하지만, 고장 징후를 사람이 직관적으로 인지하기는 매우 어렵다. 대부분의 제조 기업은 회전 설비 고장을 예방하기 위해 진동 및 온도 센서를 활용한 CMS(Condition Monitoring System)를 도입해 왔다. 일부 기업은 ESA(Electrical Spectrum Analysis) 방식까지 병행하여 전기적 이상을 진단하려는 시도를 해왔다. 그러나 현장의 현실은 기대와 달랐다.

첫째, 진동 전문가의 부재이다. CMS가 아무리 정교한 데이터를 제공하더라도, 이를 해석하고 근본 원인(RCA)을 도출할 전문 인력이 없으면 경고는 ‘알람 소음’에 불과하다. 둘째, 고장의 희소성이다. 회전 설비는 자주 고장나지 않는다. 평상시 발생하는 경고는 “또 오탐지겠지”라는 인식 속에 무시되기 쉽다. 셋째, 사후 분석 중심의 활용이다. 실제 고장이 발생한 뒤에야 CMS 데이터를 분석하여 “왜 고장났는지”를 설명하는 참고 자료로 사용되는 경우가 대부분이다. 결과적으로 한국 제조 현장에서는 “예지정비 시스템은 설치했지만, 고장은 여전히 예고 없이 발생한다”는 모순이 반복됐다.
 

2. 문제를 정면으로 해결한 접근
– Augury의 등장

구조적인 한계를 정면으로 해결한 기업이 이스라엘에서 출발한 ‘Augury’이다. Augury는 “기계가 아프다고 말하는 소리를 사람이 알아들을 수 있도록 하자”라는 명확한 문제 정의에서 출발하여  Machine Health AI SaaS라는 새로운 시장을 개척했다. Augury는 단순한 센서 제조사도, 전통적인 CMS 공급사도 아니다. 이 회사는 회전 설비 예지정비를 ‘AI 서비스’로 정의했고, 미국 시장에서 빠르게 성장하여 유니콘 기업으로 자리 잡았다.

Augury 솔루션의 핵심은 ‘기술’이 아니라 ‘운영 철학의 전환’에 있다.
•현장 전문가가 없어도
•초기 대규모 투자 없이
•설치 즉시 AI가 판단하고
•그 결과에 대해 성능을 보증하는
완전히 새로운 방식의 예지정비 모델이다.

86abf7a92159f25a6ace83a961b65ee3_1770864828_3278.png

3. 하나의 센서가 바꾼 게임의 규칙
– All-in-One 무선 센서

Augury Machine Health 솔루션의 첫 번째 차별점은 센서 구조에 있다. 기존 CMS는 진동, 온도, 전류 등을 개별적으로 측정하거나 일부만 활용해 왔다. 반면 Augury는 3축 진동 + 온도 + 3축 자기장을 하나의 센서에서 동시에 측정한다.

이 조합이 중요한 이유는 명확하다.
•진동 : 베어링, 기어, 임펠러, 불평형 등 기계적 이상 탐지
•온도 : 마찰, 윤활 문제, 부하 증가 감지
•자기장 : 코일 단락, 절연 열화, 로터·스테이터 이상 등 전기적 문제 탐지

즉, 기계적·전기적 이상을 동시에 진단할 수 있는 구조이다. 이 센서는 무선 통신을 사용하며, 배터리 수명은 최대 5년이다. 설치 방식 또한 파격적이다. 케이블 공사 없이, 볼팅 또는 접착만으로 회전 설비 1대당 4~8개 센서를 부착하면 된다. 통신 중계기(Node) 하나로 최대 32대 설비를 연결할 수 있어 대규모 공장에도 쉽게 확장된다.


4. 설치 즉시 작동하는 이유
– 1억 2천만 시간의 학습 데이터

많은 AI 프로젝트가 실패하는 원인은 ‘학습 데이터 부족’이다. 현장 데이터를 수개월, 수년간 쌓아야 모델이 의미 있는 판단을 하기 때문이다. Augury는 이 문제에 근본적으로 다르게 접근했다. 이미 1억 2천만 시간 이상의 회전 설비 운전 데이터를 학습한 Baseline Model을 보유하고 있기 때문이다. 이 데이터는 철강, 화학, 식음료, 제약, Oil & Gas 등 다양한 산업과 설비 유형에서 축적됐다.

따라서 현장에 센서를 설치하는 순간, AI는
•데이터를 수집하고
•기존 기준 모델과 비교하며
•이상 여부를 판단하고
•즉시 조치 가이드를 제공한다.

“PoC 이후에 효과를 보자”가 아니라, 설치 즉시 효과가 나타나는 구조이다.

86abf7a92159f25a6ace83a961b65ee3_1770864893_421.png
 

hanpark07@gmail.com
 

카테고리

카테고리
현재(2019~)

월간 표지

이달의 광고업체

이달의 광고업체
  • 크로네코리아

  • 코쉽