신뢰할 수 있는 자산 건전성을 위한 최적의 예지보전 센서 선택

상태 기반 모니터링(CbM)은 센서로 장비 건전성을 추적하는 반면, 예지보전(PdM)은 CbM, 머신러닝, 분석을 결합해 고장을 예측합니다. 고장 발생 전 감지, 진단, 예측을 위해 적절한 센서 선택이 필수적입니다.

산업용 모터는 플랜트와 발전소에서 20년 연속 운전용으로 설계되지만, 많은 모터가 예상 수명에 미치지 못합니다¹. 원인으로는 과소 사용, 부적절한 유지보수, PdM 시스템 부재 등이 있습니다. 잘 구현된 PdM 프로그램은 수리를 사전에 예약해 예기치 않은 가동 중단을 방지하고 자산 수명을 연장합니다.

강력한 PdM 전략은 여러 기술과 센서를 사용해 높은 신뢰도로 초기에 결함을 포착합니다. '만능 원센서'는 존재하지 않습니다. 이 글에서는 센서가 PdM에서 왜 필수적인지 설명하며, 각 센서의 강점과 한계를 강조합니다.

시스템 결함 타임라인

그림 1은 설치부터 고장까지 모터 수명주기와 각 단계별 권장 센서를 보여줍니다. 보증 기간 만료 후 유지보수는 빈번한 검사에서 정기 점검으로 전환됩니다.

그림 1: 기계 건전성 vs 시간. (출처: Analog Devices)

예기치 않은 다운타임은 주로 정기 점검 사이에 결함이 발생할 때 일어납니다. 핵심은 이슈를 조기에 플래그할 수 있는 센서입니다. 이 글은 진동과 음향 솔루션에 초점을 맞추며, 진동 분석이 일반적으로 PdM의 출발점입니다².

예지보전 센서

일부 센서는 베어링 손상 같은 특정 결함을 다른 센서보다 더 일찍 감지합니다. 가속도계와 마이크로폰이 초기 결함 감지에 가장 널리 사용됩니다. 표 1은 센서 사양과 감지 가능한 결함을 나열합니다. PdM 시스템은 보통 이 센서들의 부분집합을 배포하므로, 각 결함 유형과 이를 포착하기에 최적인 센서를 이해하는 것이 필수적입니다.

표 1. CbM에 사용되는 인기 센서 (출처: Analog Devices)

센서 및 시스템 결함 고려사항

산업용 회전 기계의 90% 이상이 롤링 엘리먼트 베어링을 사용합니다³. 그림 2는 모터 구성요소 고장 분포를 보여주며 베어링 모니터링의 중요성을 강조합니다. 진동 센서는 저잡음과 광대역을 제공해 잠재적 결함을 감지, 진단, 예측해야 합니다.

그림 2. 고장난 모터 구성요소 발생 비율⁴. (출처: Analog Devices)

표 2는 회전 기계의 일반적인 결함과 초기 감지를 위한 진동 센서 요구사항을 상세히 다룹니다. 고성능 센서는 신뢰할 수 있는 동작에 필수적입니다.

표 2. 기계 결함과 진동 센서 고려사항 개요 (출처: Analog Devices)

진동 에너지(피크, 피크투피크, RMS)는 불균형이나 정렬 불량을 드러냅니다⁵. 베어링이나 기어 결함 같은 초기 단계 결함은 저잡음(<100µg/√Hz) 및 광대역(>5kHz) 센서와 고급 신호 처리가 짝을 이뤄야 감지 가능합니다.

PdM을 위한 진동, 음향, 초음파 센서

MEMS 마이크로폰은 PCB에 MEMS 소자를 탑재하고 일반적으로 금속 하우징에 사운드 압력용 포트를 갖춥니다. 비용 효율적이고 콤팩트하며 베어링 건전성, 기어 맞물림, 펌프 캐비테이션, 정렬 불량, 불균형 등 배터리 구동 모니터링에 이상적입니다. 그러나 시끄럽거나 가혹한 환경에서는 주변 소음, 습도, 기계적 충격으로 성능이 저하될 수 있습니다.

많은 MEMS 데이터시트가 모바일, 노트북, 게임 등 온화한 애플리케이션을 나열하지만, 충격 민감성도 언급합니다(일부 10,000g 생존 주장⁷). 극한 환경 적합성에 대한 명확성은 여전히 제한적입니다.

MEMS 초음파 마이크로폰은 20~100kHz 범위 소리를 분석하며, 이곳에서는 주변 소음이 최소입니다. 높은 주파수는 더 짧은 파장(0.3~1.6cm)과 더 지향적인 에너지를 제공해 베어링이나 하우징 내 결함의 정밀한 위치 파악을 돕습니다.

가속도계는 대형 회전 장비(터빈, 펌프, 모터, 기어박스) 진동 감지를 지배합니다. 표 3과 4는 고성능 MEMS 진동/음향 센서와 업계 골드스탠다드 압전 가속도계를 비교합니다.

CbM 시장은 향후 5년간 크게 성장할 것으로 예상되며, 무선 배포가 확장의 대부분을 주도합니다⁶. 압전 가속도계는 역량이 뛰어나지만 더 크고 전력을 더 소모해 배터리 구동 PdM 시스템에서는 MEMS 가속도계와 마이크로폰이 매력적입니다.

모든 센서 유형이 적절한 대역폭과 저잡음을 제공하지만, MEMS 가속도계는 DC-고주파 응답을 독특하게 제공해 저속 불균형 감지와 틸트 센싱에 유리합니다. 또한 자가 테스트 기능을 갖추고 있어 기능적 무결성 보장이라는 중요한 안전 이점을 제공합니다.

MEMS 가속도계(세라믹)와 압전 가속도계(기계적) 모두 밀봉 가능해 더럽거나 가혹한 환경에서 사용 가능합니다. 표 4는 기계적·환경적 성능 차이를 강조해 센서-자산 매칭을 안내합니다.

표 3. 예지보전 센서 성능 사양 (출처: Analog Devices)

표 4. 예지보전 센서 기계적 사양 (출처: Analog Devices)

3축 진동 데이터는 단일 축 설정보다 더 풍부한 진단을 제공해 결함 감지를 개선합니다. 이는 압전과 MEMS 가속도계 모두의 명확한 이점입니다.

MEMS 마이크로폰은 고습도 환경에서 최대 -8dB 왜곡을 겪을 수 있습니다⁷. 이런 조건에서는 일렉트릿 콘덴서 마이크로폰(ECM)이 더 나을 수 있습니다. 풍압, 압력, EM 필드, 충격 같은 다른 환경 요인도 음향 센서에 영향을 줍니다⁸.

온화한 설정에서 MEMS 마이크로폰은 훌륭한 PdM 성능을 제공합니다. 그러나 가혹하고 진동이 심하고 먼지가 많거나 습한 환경에 장착하는 것은 도전 과제입니다. 음향 접근을 위한 포트가 필요해 내부 전자회로가 오염물질에 노출될 수 있기 때문입니다.

용량성 MEMS 가속도계 기술의 최근 발전으로 저우선순위 자산을 위한 소형, 저비용, 무선 CbM 솔루션이 가능해져 시설 운영과 가동 시간에 대한 더 깊은 통찰을 제공합니다. 이 MEMS 센서들은 저잡음, 광대역, 업계 표준 IEPE 인터페이스로 유선 시스템의 압전 성능에 근접합니다.

그림 3. MEMS 가속도계, IEPE 레퍼런스, ADXL100x 계열 CbM 가속도계를 IEPE 기계 모듈에 개조할 수 있는 PCB 설계. 참고: Analog Devices는 IEPE 기계 모듈을 생산하지 않습니다. (출처: Analog Devices)

Analog Devices의 ADcmXL3021 같은 전용 PdM 모듈은 3개의 단일 축 MEMS 가속도계, ADC, 프로세서, 메모리, 알고리즘을 공진 주파수 >50kHz의 기계 패키지에 통합합니다. 이를 통해 머신러닝 기반 고장 예측에 필수적인 온노드 FFT, 알람 트리거, 통계 출력이 가능합니다.

그림 4. 통합 ADC, 프로세서, FFT, 통계, 공진 주파수 >50kHz 기계 패키지를 가진 3축 MEMS CbM 모듈. (출처: Analog Devices)

올바른 진동 센서 선택은 센서 역량을 자산의 예상 고장 모드에 매칭하는 데 달려 있습니다. MEMS 마이크로폰은 아직 가장 가혹한 환경에서 모든 진동 기반 결함을 신뢰성 있게 감지하는 것으로 입증되지 않았지만, 가속도계는 수십 년의 신뢰성 기록을 가집니다. MEMS 초음파 마이크로폰은 초기 베어링 결함 감지에 유망하며 가속도계를 보완하는 하이브리드 PdM 솔루션이 될 수 있습니다.

단일 센서가 모든 시나리오에 맞지는 않지만, 가속도계는 검증되고 진화하는 선택지로 남아 있습니다. Analog Devices는 저전력, 저잡음, 고안정성 유닛부터 지능형 에지 노드 모듈까지 다양한 MEMS 가속도계 포트폴리오를 제공해 다양한 애플리케이션 니즈를 충족합니다.

참고문헌

1 Leslie Langnau. "Sensors Help You Get Maximum Use from Your Motors." Machine Design, September 2000.

2 Bram Corne, Bram Vervisch, Colin Debruyne, Jos Knockaert, and Jan Desmet. "Comparing MCSA with Vibration Analysis in Order to Detect Bearing Faults—A Case Study." 2015 IEEE International Electric Machines and Drives Conference (IEMDC), IEEE, May 2015.

3 Brian P. Graney and Ken Starry. "Rolling Element Bearing Analysis." Materials Evaluation, Vol. 70, No. 1, The American Society for Nondestructive Testing, Inc., January 2012.

4 Pratyay Konar, R. Bandyopadhyay, and Paramita Chattopadhyay. "Bearing Fault Detection of Induction Motor Using Wavelet and Neural Networks." Proceedings of the 4th Indian International Conference on Artificial Intelligence, IICAI 2009, Tumkur, Karnataka, India, December 2009.

5 Pete Sopcik and Dara O'Sullivan. "How Sensor Performance Enables Condition-Based Monitoring Solutions," Analog Dialogue, Vol. 53, June 2019.

6 Motor Monitoring Market by Offering (Hardware, Software), Monitoring Process (Online, Portable), Deployment, Industry (Oil and Gas, Power Generation, Metals and Mining, Water and Wastewater, Automotive), and Region—Global Forecast to 2023. Research and Markets, February 2019.

7 Pradeep Lall, Amrit Abrol, and David Locker. "Effects of Sustained Exposure to Temperature and Humidity on the Reliability and Performance of MEMS Microphone." ASME 2017 International Technical Conference and Exhibition on Packaging and Integration of Electronic and Photonic Microsystems, September 2017.

8 Marcel Janda, Ondrej Vitek, and Vitezslav Hajek. Induction Motors: Modelling and Control. InTech, November 2012.

9 Muhammad Ali Shah, Ibrar Ali Shah, Duck-Gyu Lee, and Shin Hur. "Design Approaches of MEMS Microphones for Enhanced Performance." Journal of Sensors, Vol. 1, March 2019.