진화하는 상태 모니터링 분야의 필수 통찰

기계 건전성 모니터링, 진단, 예측을 위한 새로운 기술이 끊임없이 등장하고 있습니다. 새로운 IIoT 벤더가 매월 레이더에 포착되는 듯합니다. 센서 기술은 덜 자주 등장하지만 일반적인 산업 측정 대상에 대한 새로운 옵션이 적극적 투자 영역이 되었습니다. 그리고 물론 인공지능 세계에서 어떤 형태로든 등장한 새로운 주장, 플랫폼, 도구들을 놓칠 수 없습니다.

이 글은 상태 모니터링 및 예측 유지보수 산업에 특화된 신제품에 대해 알리고, 명확히 하고, 신비를 벗기려는 기술자의 겸손한 시도로서 IoT 기술에 대한 지속적인 논의입니다.

진동을 넘어?

질문이 제기되었습니다: 오일 상태 같은 일반적인 산업용 센서에 대한 무선 센서 옵션이 왜 더 많지 않은가?

타당한 질문입니다. 답의 일부는 핵심 센서 트랜스듀서 기술의 가용성에 있습니다. 진동용 무선 센서 옵션의 폭발적 증가는 무선 프로토콜(BLE 등) 개선뿐만 아니라 진동 측정 성능이 향상된 저비용 칩 스케일 MEMS 가속도계에 의해 가능해졌습니다. MEMS는 전통적 진동 측정 경험이 적지만 IoT 역량을 가진 기업들이 산업 상태 모니터링 시장에 진입할 수 있게 도왔습니다.

입자나 수분 존재, 산도, TAN/TBN, 점도 등 건강한 오일 또는 윤활의 다양한 지표에 대한 센서 돌파구가 대학 실험실에서 발견될지 모르지만, 상용 오일 상태 모니터링 센서 조사를 보면 산업용 전원 공급 장치(10~30 VDC)에서 전력을 소비하는 대형 인클로저가 드러나며, 이는 무선 전송에 특히 유리하지 않습니다.

그럼에도 IIoT 벤더들은 무선 진동 제품 포트폴리오에 센서 '허브' 토폴로지를 추가하여 산업 센싱 니즈를 해결하려 시도하고 있습니다. 이 허브들은 기본적으로 일반적으로 사용 가능한 산업용 센서로부터 출력을 연결하고 디지털화하는 데 적합한 아날로그 입력 포트를 가진 무선 브리지입니다. 이 기능은 상태 모니터링 시스템에 사용 가능한 센서 제품군을 확장하는 데 도움이 될 수 있습니다.

오늘날 사용 가능한 IIoT 허브는 오일 온도 및 습도, 압력, 온도 프로브, 초음파, 전류, 기계 회전에 비례하는 센서 신호를 디지털화하여 진동 센서와 동일한 네트워크를 통해 클라우드 또는 모바일 애플리케이션으로 전송 및 표시할 수 있습니다.

그림 1. KCF Technologies 무선 허브(좌)는 IEPE 센서 포트뿐만 아니라 타코, 초음파, 오일 품질/습도 제공. Petasense WIFI 허브(우)는 초음파, 전류, 압력, 진동(3축 및 IEPE), RTD 온도를 지원하는 포트 제공.

또한 IIoT 벤더들은 기존 대시보드에서 진동 데이터와 함께 윤활 데이터를 수집하고 필요한 조치를 기록하는 등 윤활 유지보수 도구를 제공하는 모습도 보입니다.

그림 2. Ijssel의 UpTimeWorks 윤활 지향 PdM 서비스는 무선 진동 센싱을 개발하여 오일 유지보수와 함께 동일한 대시보드에서 데이터 이용 가능(좌). Schaeffler의 새로 출시된 OPTIME C1 오일 디스펜서는 레벨 모니터링용 무선 연결, NFC 커미셔닝, 오일 유형 정보가 가능하며 진동 센서에서 전송된 데이터와 동일한 대시보드에서 데이터 이용 가능(우).

이러한 발전에도 불구하고, 오일 샘플 데이터 수집과 분석은 자격을 갖춘 전문가에 의해 계속 서비스될 것이며, 센서와 IIoT 도구는 오늘날 진동 상태 모니터링 상태와 매우 유사하게 효율성 향상을 위해 개발될 것임이 분명해 보입니다.

AI의 역할 - 우리는 아직 거기에 있는가?

오늘날 웹사이트나 소셜 미디어 플랫폼을 열면 인공지능(AI)에 대한 헤드라인을 보지 않기 어렵습니다. 하지만 산업 유지보수 커뮤니티에 있어 그 문구가 이 시점에서 정말로 의미하는 바는 무엇일까요? 지난 5~10년 내 상태 모니터링 시장에 진입한 여러 IIoT 벤더들은 자사 진동 센싱 시스템의 AI 역량을 대대적으로 홍보했습니다. 이 역량이 많은 이들이 희망했던 게임 체인저였을까요?

우선 일부 벤더들이 설명하는 역량과 데이터 엔지니어링 접근법이 실제로 예측 유지보수에 적용된 사례 연구를 조금 더 깊이 들여다보겠습니다.

그림 3. AI 기반 진단을 제공하는 무선 벤더들. 좌에서 우로 - Symphony Industrial, Petasense, Nanoprecise, Augury.

데이터 주도 접근법은 여러 측면에서 고전적 진동 신호 처리와 차별화될 수 있습니다. 기본 통계를 진동 파형에 적용하여 기계 행동의 특정 측면에 각각 특화된 다중 상태 '지표'를 생성할 수 있습니다.

데이터 엔지니어링은 여러 데이터 소스로부터 건전성 지표를 생성하려 시도합니다. 진단은 전체 건전성 지표 변화에 가장 책임이 큰 기여 요인을 드러냄으로써 부분적으로 효과적입니다.

자산 주제 전문가와 데이터 엔지니어 간 협업은 회전 설비에 흔한 것 이상의 이상 징후로 결함 커버리지를 확장할 수 있습니다. 기존 공정 제어 신호에 데이터 엔지니어링 접근법을 적용하여 새로운 계측 없이도 좋은 결과가 입증되었습니다.

경험 많은 분석가가 볼 때 진동 스펙트럼은 모터나 펌프의 가장 약한 구성품에 대해 많은 것을 드러낼 수 있지만, 이 고도로 시각적인 진단 관행은 쉽게 확장되지 않습니다. 반면 데이터 주도 기계 진단 접근법은 반복 가능하고 확장 가능합니다.

한 번 적절히 훈련되면 다양한 머신러닝 알고리즘은 날마다 같은 방식으로 수행됩니다 [1].

그림 4. 진동, 압력, 유량으로부터 도출된 건전성 지표 모델로 펌프 건전성 모니터링. 지배적 기여 지표가 다른 새로운 이상 징후를 나타냄.

배터리 수명, 최전선에

배터리 수명에 대한 문헌 웹 검색 결과 EV에 대한 상당한 논의가 나오지만 IIoT용 배터리의 역할과 행동에 대한 정보는 극히 적습니다.

배터리 자체는 전기화학적으로 전하를 저장하고 전달하는 복잡한 디바이스로, 전하 전달 용량이 온도 같은 환경 조건뿐만 아니라 애플리케이션 관련 다른 요소들에 의존함을 의미합니다. 미국 북부의 모든 자동차 소유자는 배터리가 추운 날씨를 싫어함을 압니다. 하지만 부하 전류가 배터리 용량에 미치는 영향이나 배터리가 완전히 방전되도록 두었을 때 용량에 무슨 일이 일어나는지 얼마나 알고 있을까요?

무선 진동 센서 제품 사양을 검토하면 성능이 운영 조건과 특정 애플리케이션에 의존함이 명확해집니다. 하지만 배터리 수명 사양에 적용되는 때로 모호한 조건들의 해석은 쉽지 않을 수 있습니다.

그림 5. 배터리의 전하 전달 용량은 온도와 평균 부하 전류 같은 운영 조건에 의존. 배터리 테스트 측정 기준인 컷오프 전압이나 방전 깊이(DOD)도 용량 추정에 핵심. (이미지 출처: Saft Batteries)

일반적으로 IIoT 애플리케이션에서 환경 변수에는 예상 전송 거리(무선 전력), 시설 내 수많은 금속 장애물(수신 오류로 인한 재전송), 무선 프로토콜 효율, 전송 데이터 양이 포함됩니다. 진동 측정은 특히 다른 모든 측정 대상과 다른 측정 대상입니다.

경험 많은 분석가들은 파형을 직접 분석하길 원하며, 회전 속도가 느린 기계의 경우 초 단위 샘플 길이의 고해상도 진동 측정을 의미할 수 있어 현재 온도만 전송하는 것보다 훨씬 더 많은 데이터가 전송됩니다.

예상대로 총 전하 소모는 게이트웨이 연결과 데이터 전송에 더 많은 에너지가 소모되므로 전송 거리 증가와 함께 증가합니다. 진동 센서는 종종 24시간 동안 제한된 전송으로 구성되며, 이는 '슬립' 모드가 해당 기간 동안 소모되는 전류를 지배함을 의미합니다. 이 최소 전류 소모에는 반도체에서 온도와 함께 증가하는 회로 누설이 포함됩니다.

이 두 효과 모두 각 전송 기간에 더 많은 전하 전달을 요구함으로써 배터리 수명을 단축시킵니다.

무선 진동 센서 현장 테스트 샘플 데이터에서 무선 센서 배터리 수명의 변동성을 볼 수 있습니다. 다양한 조건에서 24시간 동안 소모된 총 전하는 거리와 운영 온도 모두에서 증가하는 것으로 나타납니다.

그림 6. 무선 진동 센서 몇 개 현장 테스트 예비 결과. 예상대로 총 전하 소모가 전송 거리와 운영 온도 모두에서 증가함.

요약

PdM 도구 상자에 IIoT 역량 추가는 수동으로 접근하기 어렵거나 위험한 기계를 더 빈번하게 측정하여 면밀히 모니터링할 수 있게 서비스 제공자에게 도움을 줍니다. IIoT를 통해 수집된 데이터는 원격으로 더 접근 가능하고 편리하게 분석할 수 있으며, 다른 센서의 데이터와 결합하기 위해 고급 데이터 처리 플랫폼에 공급되어 더 포괄적인 진단 뷰를 제공할 수 있습니다.

모든 복잡한 도구와 마찬가지로, 파일럿 연구 없이는 이 기술이 귀사의 환경에서 어떻게 수행될지 이해하는 것은 사실상 불가능합니다. 장비 구매 전에 시스템 사양에 대한 페이퍼 스터디로 사용 가능한 시스템을 선별하는 것은 좋은 투자가 될 수 있습니다. 특히 새 기술의 강점과 한계에 익숙하지 않은 경우 더욱 그렇습니다.

[1] 기계의 기본 작동 모드가 변경되지 않는다고 가정. 진동 상태 지표의 효과적 트렌딩을 위해서도 일관된 조건이 필요함.