예측 유지 관리:지속적인 인텔리전스 킬러 앱

센서 및 IoT 데이터 분석을 기반으로 하는 CI는 기기의 상태 변화를 파악하고 자산의 고장 확률을 예측하는 데 도움이 됩니다.

자산에 대한 실시간 및 과거 데이터를 분석하면 부품이나 장치의 고장으로 이어질 수 있는 문제를 발견할 수 있습니다. 달력 기반 자산 교체와 비교할 때 예측 유지 관리는 가동 중지 시간을 방지하는 데 훨씬 더 효과적이며 장비의 일부 또는 부분의 수명을 최대화합니다. 따라서 예측 유지 관리는 지속적인 인텔리전스(CI)를 위한 킬러 앱입니다.

참조: 크고 "잔인한" 환경에서의 실시간 분석

이러한 기능은 예정된 교체 및 유지 관리 시간 전에 고장날 가능성이 있는 부품 또는 장비를 식별하는 데 도움이 될 수 있습니다. 진정한 이점은 인공 지능이 잠재적인 문제를 감지하는 데 사용됩니다. 이 지능을 전문가 시스템에서 사용하면 문제가 발생하기 전에 경고를 보낼 수 있고 파생된 정보를 기반으로 수정 조치를 장비 유지 관리 담당자에게 전달할 수 있습니다.

그러한 능력이 왜 그렇게 중요합니까?

제조, 항공, 에너지 탐사, 유틸리티 및 통신을 포함한 산업에서 가동 중지 시간으로 인한 비용은 어마어마합니다. 평균적인 연안 석유 및 가스 회사는 연간 약 27일 동안 계획되지 않은 가동 중단을 경험하며 이는 3,800만 달러에 달하는 손실에 해당합니다. 어떤 경우에는 이 금액이 8,800만 달러에 이를 수도 있습니다.

2018년에 계획되지 않은 유지보수로 인해 항공사는 200억 달러 이상 또는 전체 유지보수 비용의 약 27%에 달하는 비용을 지출했습니다. 모든 비행 지연 및 취소의 거의 3.8%가 AOG(Aircraft on Ground) 이벤트로 인해 발생했기 때문에 이는 네트워크 운영에 연쇄적인 영향을 미쳤습니다. 이러한 문제와 예측 유지 관리의 이점을 정량화하면 데이터 및 분석이 계획에 없던 유지 관리 비용을 거의 절반으로 줄여 항공사가 관련 비용을 총 유지 관리 비용의 약 14%로 줄일 수 있음을 보여줍니다.

예측 유지 관리에서 CI의 역할

센서 및 사물 인터넷(IoT) 데이터 분석을 기반으로 하는 CI는 기기의 상태 변화를 감지하고 자산의 고장 가능성을 예측함으로써 도움이 될 수 있습니다.

씨아이디드가 왜 필요한가요? 문제가 발생할 때까지 기다리는 유지 관리에 대한 전통적인 접근 방식은 비즈니스에 매우 좋지 않습니다. 또한 제조업체의 달력 기반 유지 관리 일정에 따라 부품을 교체하면 고장나기 훨씬 전에 좋은 부품을 교체할 수 있습니다.

사실 이후에 대응하기보다는 다운타임, 결함, 비효율성 또는 사전에 놓친 기회로 이어지는 문제의 근본 원인에 대한 CI 통찰력은 잠재적으로 비용을 절감하고 운영 효율성을 향상시킬 수 있습니다.

점점 더 많은 산업에서 IoT 장치를 사용하여 이러한 통찰력을 수집하고 장치를 사용하여 운영의 모든 측면에 대한 정보를 얻고 있습니다. 불행히도 대부분의 기업이 직면하는 한 가지 문제는 IoT 장치가 매우 많은 양의 데이터를 생성한다는 것입니다. 한 업계 보고서에서는 IoT가 생성하는 데이터 양이 2013년 0.1제타바이트에서 2020년 4.4제타바이트에 이를 것으로 추정합니다.

지속적으로 생성되는 이러한 데이터를 활용하기 위해서는 새로운 전략이 필요합니다. 데이터는 단순히 저장한 다음 나중에 분석할 수 없습니다. 데이터가 유입될 때 실시간 분석을 수행할 때 진정한 가치가 있습니다. 이러한 데이터 스트림에 대한 통찰력을 얻기 위해 많은 기업에서 실시간, 인공 지능(AI) 및 기계 학습(ML) 알고리즘으로 기존 분석을 보완하고 있습니다. 이러한 접근 방식을 통해 기업은 기업이 사전 조치를 취할 수 있는 기간 내에 데이터에서 의사 결정 정보를 얻을 수 있습니다.

특히, IoT 데이터에 적용된 AI 및 ML의 산업적 사용은 유지 관리 예측 및 기타 운영 측면을 개선하는 좋은 방법으로 간주됩니다. 이유:AI와 ML은 복잡한 시스템에 대한 예측을 하는 데 도움이 될 수 있습니다. 이는 예측 유지보수를 통해 기계 가동 중지 시간을 줄이는 데 도움이 될 수 있습니다.

예방 유지 보수를 위한 CI의 빠른 채택을 가로막는 한 가지 장애물은 인프라입니다. 오늘날 대부분의 조직에는 스트리밍 IoT 데이터에 적용된 CI를 최대한 활용할 수 있는 인프라가 없습니다.

문제는 무엇입니까? 대규모 산업 조직은 기계, 센서 및 내부 비즈니스 애플리케이션에서 수십억 개의 데이터 세트를 수집할 수 있습니다. 조직이 새로운 IoT 이니셔티브를 추진함에 따라 이 엄청난 양의 데이터를 처리할 새로운 기술과 프로세스를 고려하는 것이 중요합니다.