예측 분석: 유지보수를 넘어 가치 창출하기

귀사의 예측 분석 프로그램이 실질적인 혜택을 주고 있습니까? 대부분의 예측 분석 프로그램은 진동 기반 예측 유지보수 프로그램을 대체하는 것으로, 고장 방지라는 단일 임무에 집중합니다. 1980년 마이크로프로세서 기반 데이터 수집기가 등장한 이래, 이러한 프로그램 중 반복 비용을 상쇄할 검증 가능한 절감 효과를 낸 경우는 3% 미만입니다.

전반적으로 이러한 프로그램은 비계획적 가동 중단을 줄였다고 선전하지만, 모든 경우에서 인지된 임박한 고장을 방지하기 위한 계획적 가동 중단을 증가시켰습니다. 대부분의 프로그램은 전체 유지보수 가동 중단뿐만 아니라 전체 유지보수 인건비와 자재비도 증가시켰습니다. 혜택이 있는 것처럼 보일 수 있지만, 이러한 프로그램은 역효과를 낳았습니다. 기술적 한계 때문이 아니라 이러한 기술을 부적절하게 사용했기 때문입니다.

예측 분석이 제공할 수 있는 혜택을 제한해 온 세 가지 주요 요인은 다음과 같습니다:

• 고장 방지에 집중하면 긍정적 결과를 낼 수 없음 - 그것이 원하는 것이라면 그것이 최선이며, 고장 방지는 신뢰성 개선이나 비용 절감에 기여하지 않음
• 예측 분석을 유지보수와 유지보수 결함으로 한정함 - 데이터에 따르면 자산 고장의 17%만이 유지보수 문제 때문이며, 대다수(83%)는 조직 내 다른 결함에서 기인함. 분석 범위를 운전 모드 등 인과 요인으로 확장하면 고장 뒤의 강제 기능을 이해할 수 있을 뿐만 아니라 신뢰성을 저하시키고 운영 비용을 증가시키는 결함을 식별할 수 있음
• 가치 흐름 자산을 프로그램에서 누락함 - 기술 벤더의 관행으로 진동 프로그램은 단순 회전 자산, 전기 설비용 열화상, 진동 백업용 윤활유 분석을 포함. 정작 수익을 창출하는 자산, 즉 단순하지 않거나 동적이지 않을 수 있지만 이것이 없으면 회사가 생존할 수 없는 자산이 빠져 있음

예측 분석은 단순히 유지보수만 하는 것이 아니며, 예측 유지보수의 단순한 대체재도 아닙니다. 제한이 없습니다. 예측 분석은 물리적 자산, 생산 시스템, 조직의 재무 부서 등 모든 반복 활동에 적용 가능합니다. 본문에서는 물리적 자산에 한정하여, 운영 역학에 기반한 예측 분석이 어떻게 자산으로부터 최적 성능을 얻고 유지할 수 있게 하는지 논의하겠습니다.

자산으로부터 최적 성능, 신뢰성, 경제적 수명을 얻고 싶다면, 고장 방지라는 단일 초점에서 벗어나 가치 흐름과 핵심 보조 자산을 설계 또는 최적 운전 조건에서 유지하는 데 초점을 맞춘 진정한 예측 분석 접근법에 동참하십시오. 이는 고장을 줄일 뿐만 아니라 경제적 수명을 연장하고 조직의 총소유비용을 절감합니다. 이는 투자 자본 수익률 최적화와 수익 창출을 위한 유일한 효과적인 방법입니다.

서론

이러한 레거시 프로그램 실패의 공통 요인은 자본 자산의 고장 모드에 집착하는 대신 그 이면의 인과 요인을 간과한다는 점입니다. 간단한 예로 불량 베어링을 식별하고 베어링 교체라는 시정 조치를 취하는 것입니다. 하지만 베어링이 왜 고장 났는지라는 당연한 질문을 던지지 않으면 자기 충족적 예언이 되어 실패할 운명입니다.

물리적 고장이 가동 중단과 높은 유지보수 비용의 주된 원인이라 해도, 이 접근법으로는 문제를 해결할 수 없습니다. 신뢰성, 경제적 수명을 저하시키고 운영 비용과 유지보수 자본 지출을 증가시키는 근본적 인과 요인에 초점을 맞추기 전까지, 예측 분석 프로그램은 완전한 실패로 귀결됩니다.

고장 기반 접근법의 예로 대규모 통합 제철소가 공장에 계약 예측 유지보수 프로그램을 도입한 사례가 있습니다. 프로그램 시작 전 제철소는 비계획적 가동 중단과 높은 유지보수 비용에 시달렸습니다. 프로그램 6년 차에 비계획적 가동 중단이 35% 감소했다고 보고했습니다.

성공적인 결과일까요? 실제 변화를 보면 그렇지 않습니다. 비계획적 가동 중단은 줄었지만, 인지된 불량 베어링, 기어, 기타 마모 부품 교체를 위한 계획적 가동 중단은 65% 증가했습니다.

또 다른 주목할 변화는 연간 유지보수 비용입니다. 총 인건비와 자재비가 80% 이상 증가했습니다. 교체용 베어링 비용이 240만 달러에서 1,470만 달러로, 기어와 기타 마모 부품도 유사한 패턴을 보였습니다.

고장은 정상 상태가 아닙니다. 설계 한계 내에서 일관되게 운전되고 적절한 유지보수를 받는 자산은 설계 수명을 훨씬 넘어 신뢰성을 유지합니다. 고장 중심 예측 분석의 문제는 우리가 자산을 운영하고 유지보수하는 방식이 자기 충족적 예언이 될 수 있음을 인정하지 않는 것입니다. 우리는 가속 마모를 만들고, 비정상 운전 조건을 유발해 마모를 가속화하며, 최소한 손상을 완화할 유지보수를 연기합니다.

해결책

예측 분석의 한계 극복은 기술적 관점에서 그리 어렵지 않습니다. 고전적 예측 기술은 한계가 아닙니다. 효과적으로 사용하면 긍정적 결과를 얻을 수 있습니다.

제철소는 좋은 예입니다. 프로그램이 고장 중심에서 진정한 예측 분석으로 전환되자 변화는 거의 즉각적이었습니다. 1년도 안 되어 유지보수 자재 비용이 200만 달러 미만으로 떨어졌습니다.

베어링을 예로 들면, 새 프로그램은 보고된 베어링 고장 이면의 인과 요인에 초점을 맞추고 이를 제거하는 시정 조치를 시행했습니다. 인과 요인 제거로 만성적 조기 고장이 즉각 사라졌고 교체 비용이 급감했습니다.

2년 차에는 베어링 및 기타 마모 부품 비용이 더욱 감소했습니다. 유지보수 비용 60% 절감으로 제철소는 프로그램 전환 전보다 30% 높은 생산율을 지속적으로 달성했습니다.

예측 분석 프로그램의 성공은 플랜트를 구성하는 자산, 시스템, 공정의 운영 역학을 고려해야 합니다. 고유한 설계 한계, 운전 모드, 유지보수 수준이 이들의 역학을 정의합니다.

고장 중심 vs 진정한 예측 분석의 차이를 보여주는 또 다른 예로 정유 공장의 700개 슬러리 펌프가 있습니다. 이 공장은 휴대용 데이터 수집기를 사용하는 잘 구축된 예측 유지보수 프로그램을 운영했습니다. 기술자들이 매일 경로를 돌며 각 펌프가 임박한 고장을 방지하기 위해 언제 유지보수가 필요한지 시스템이 보고했습니다.

시간이 지나면서 펌프 재조립 관련 비용이 연간 1,000만 달러 이상으로 증가했습니다. 장부상으로는 프로그램이 작동했고 펌프 고장으로 인한 가동 중단은 거의 보고되지 않았습니다.

그러나 진정한 운영 역학 예측 분석 프로그램이 예측 유지보수 프로그램을 대체하자 결과가 극적으로 변했습니다. 새 프로그램이 고장 모드에서 멈추지 않고 인과 요인을 찾았기 때문에, 펌프 11%가 매년 대수리를 필요로 하는 이유가 운전 모드임이 드러났습니다.

각 펌프는 원격 제어 배출 밸브로 제어되었습니다. 분석 결과 제어 범위가 펌프를 모범 사례 권장 범위 훨씬 밖에서 운전하도록 강제하고 있음이 밝혀졌습니다. 이로 인한 불안정이 회전 조립체와 케이싱에 가속 마모와 심각한 손상을 초래했습니다.

문제 해결을 위해 고객은 제어 범위를 BEP의 ±10%로 제한하도록 운전 파라미터를 변경했고, 연간 수리 비용이 100만 달러 미만으로 떨어졌습니다. 예측 분석의 또 다른 이점은 기존 제어 범위가 전력 소비에 미치는 영향을 파악한 것입니다.

BEP에서 160 브레이크 마력이던 펌프가 평균 거의 300 Hp를 소모하고 있었습니다. 연간 전력 소비 차이는 700만 달러 이상이었습니다. 이 한 응용 분야에서만 예측 분석으로 연간 비용이 1,600만 달러 이상 절감되었습니다.

작동 원리

자산 관리에 예측 분석을 적용하는 것은 복잡하지 않습니다. 논리적으로 생각하고 조직 내 자산의 신뢰성 및 지속가능성 요구사항을 명확히 결정하면 됩니다.

다음 단계가 프로세스를 정의합니다:

각 자산의 고유 신뢰성 결정

신뢰성은 설계에 의해 결정됩니다. 설계 이후의 모든 활동은 최적 투자 수익을 위해 고유 신뢰성을 유지해야 합니다. 이 첫 번째 중요한 단계는 각 자산이나 시스템의 고유한 약점뿐만 아니라 고유 신뢰성을 유지하고 각 자산의 최적 경제적 수명을 달성하는 데 필요한 운전 모드와 유지보수를 결정합니다.

고장 물리학

각 자산이나 시스템의 모든 고장 모드와 인과 요인을 명확히 정의합니다. 이는 단순한 FMEA나 인지된 고장 목록을 넘어야 합니다. 운전 모드(생산 및 유지보수)의 영향 등 모범 사례로부터의 모든 편차를 고려해야 합니다. 자산 고장의 17%만이 부적절한 유지보수 때문이며, 나머지 83%는 운영 내 결함 때문임을 기억하십시오.

고장을 이해하는 것은 중요하지만, 그 고장을 초래하는 인과 요인이나 강제 기능을 이해하는 것이 결정적입니다. 고장 모드를 알면 이를 예측하고 신속히 복구할 수 있을지 모르지만, 그것은 신뢰성 개선이나 재발 방지에 아무 도움이 되지 않습니다. 인과 요인은 고장의 최초 발생과 모든 재발을 방지하는 데 필요한 지식을 제공합니다.

고장 모드와 인과 요인을 식별하는 파라미터

고유 신뢰성, 고장 모드와 인과 요인에 대한 깊이 있는 이해를 갖춘 후 다음 단계는 진동, 열 분포 등 예측 분석 엔진에 입력으로 필요한 특정 파라미터를 결정하는 것입니다. 예측 분석은 다른 진단 형태와 마찬가지로 입력 데이터의 품질과 완전성에 의존합니다.

예를 들어, 고해상도 광대역 및 이산 협대역 진동 데이터 입력은 펌프 기계적 상태의 효과적 분석에 충분하지만, 방치 시 고장으로 이어질 수 있는 편차의 조기 감지와 시정을 위한 인과 요인 결정에는 충분하지 않을 수 있습니다. 대부분의 경우 이 파라미터는 기존 모니터링 및 제어 시스템에서 추출한 공정 데이터와 예측 분석 엔진에 필수적인 직접 측정 데이터의 조합이 될 것입니다. 동적 자산과 시스템의 경우 후자에는 자산, 공정, 시스템에 전략적으로 배치된 에지 분석, 머신러닝, 인공지능을 통합한 스마트 센서의 사용이 포함됩니다.

이상 감지 모델

지금까지 논의한 지식을 종합하면, 효과적 예측 분석의 마지막 단계는 각 자산, 시스템, 공정으로부터 지속적인 데이터를 수집하고, 모든 변수를 자동 분석하여 정상에서의 모든 편차를 식별하고, 각 편차 뒤의 인과 요인을 파악하며, 시정 조치를 위한 처방적 지침을 생성하는 운영 역학 또는 물리 기반 모델을 개발하는 것입니다. 분명히 ODA 모델이 효과적 예측 분석의 열쇠입니다. 숙련된 신뢰성 엔지니어라면 특정 자산의 수명주기 특정 시점에서 동일한 일을 할 수 있어야 합니다.

차이점은 모든 자산을 지속적으로 분석할 만큼 충분한 자격을 갖춘 신뢰성 엔지니어나 시간이 없다는 것입니다. 예측 분석 엔진은 피곤해하거나 지루해하거나 주의가 분산되지 않습니다.

결론적으로, 예측 분석 프로그램의 진정한 효용은 그 존재 자체가 아니라 전략적 구현에 달려 있습니다. 고장 방지에 집중하는 만연한 접근은 선의의 취지에도 불구하고 근본적 인과 요인을 해결하지 못해 종종 부족합니다. 자산 역학과 운영 복잡성을 포괄하는 전체론적 접근으로 전환하면, 고장 중심에서 진정한 예측 분석 패러다임으로의 성공적 전환이 입증한 것처럼 가시적 혜택을 얻을 수 있습니다.

가치 흐름과 보조 자산 유지의 결정적 중요성을 인식함으로써 조직은 고장을 완화할 뿐만 아니라 성능을 최적화하고 총소유비용을 절감할 수 있습니다. 예측 분석을 신뢰성 향상, 경제적 수명 연장, 운영 비용 최소화의 도구로 수용하는 것은 선제적 자산 관리 전략으로의 패러다임 전환을 의미하며, 투자 자본 최적 수익과 지속적 수익 창출을 보장합니다.

저자 소개

저자 소개