3DSignals, 사운드 분석으로 기계 유지보수 혁신

산업용 IoT 센서 기술이 오랜 유지보수 과제에 대한 솔루션을 개방하고 있습니다. 전통적 유지보수는 느리고 비용이 많이 들며 희소한 숙련 노동에 크게 의존해 왔습니다.

이스라엘 스타트업 3DSignals가 IoT와 머신러닝을 융합해 소리를 통해 설비를 모니터링하며 이 판도를 뒤집고 있습니다.

공동창업자 겸 CEO 암논 셴펠드(Amnon Shenfeld)와 대화하며 아이디어가 어떻게 촉발됐는지 들었습니다.

"기차 여행에서 시작됐습니다." 셴펠드는 회상합니다. "딥러닝 배경으로 신경망이 기계 소리를 자동 인식·분류할 수 있고, 전문가 검증 후 설비 건전성에 대한 실행 가능한 인사이트를 제공할 수 있으리라 확신했습니다."

그는 데이터 사이언티스트, 수학자, 전기 엔지니어로 구성된 다학제 팀을 꾸려 지역 제철소를 방문했습니다.

"운영자들에게 가장 빈번한 고장이 무엇인지 물었습니다." 셴펠드가 말합니다. "톱날 파손이 1위입니다. 50% 효율율 보고하는데 제철업계에선 놀라운 수치지만 여전히 시간과 자원 낭비가 큽니다."

경영진 교체 전 20% 가동률이었고 톱날 고장이 주요 골칫거리였습니다. 교체 하나에 20분, 대부분 라인이 하루 3회 교체 필요. 기계당 1시간 이상 다운타임에 파편 위험까지.

기존 모니터링(전류, 온도)은 비효과적이었습니다. 셴펠드는 3DSignals의 기회를 봤습니다.

예방 정비 사이클 혁파

전통적 유지보수는 현장 엔지니어가 정기 일정으로 기계를 점검해야 합니다. 과정은 노동집약적이고 반응적입니다.

"역사적으로 기술자들은 음향(자동차, 펌프 등)으로 정상 작동 여부를 판단했습니다." 셴펠드가 설명합니다. "베테랑 엔지니어는 소리만 듣고 펌프가 건강한지 알 수 있습니다."

3DSignals는 광범위한 기계에 센서 기반 사운드 분석을 활용한 최초의 IoT 기업입니다. 각 장비의 예상 음향 시그니처를 학습한 뒤 편차를 감지함으로써, 딥러닝 모델로 전문가의 직관을 에뮬레이트합니다.

그 결과 유지보수가 계획형에서 예측형으로 전환되어 엔지니어들이 다운타임으로 이어지기 전 이슈를 해결할 수 있게 됩니다.

플랫폼은 클라우드 기반이고 사용자 친화적입니다. 사운드 샘플을 장비 제조사와 직접 공유할 수 있어 실세계 데이터로 설계와 트러블슈팅을 강화합니다.

사운드 기반 모니터링은 에너지 부문과 자연스럽게 정렬됩니다. 터빈이 무인 운전하는 경우가 많기 때문입니다. 정기 점검이 완전히 다른 장비의 결함을 드러낼 수 있는데, 이는 이전엔 감지 불가능했습니다.

학계가 오랫동안 음향 분석을 음성 인식에 연구해 왔지만, 3DSignals는 산업 자산용 자동 청각으로 프론티어를 밀어붙입니다.

일론 머스크(Elon Musk)도 스페이스X 팰컨 9 폭발 조사 때 신비한 소리를 언급한 바 있습니다.

컨셉 발표 때 셴펠드는 예비 고객에게 "소리만 듣고 기계가 제대로 작동하는지 알 수 있나요?"라고 묻습니다. 답은 항상 "예"입니다. 채굴부터 농업, 자율주행차까지 적용 범위가 넓어 3DSignals는 산업 전반의 유지보수 관행을 재편할 태세입니다.