IBM: 선제적 EAM 솔루션으로 자산 신뢰성·안전성 강화

IBM의 스킵 스나이더(Skip Snyder) 선임 파트너가 제조업체를 위한 효과적인 EAM(Enterprise Asset Management, 기업 자산 관리) 솔루션의 이점을 설명합니다.

소프트웨어, 시스템, 서비스를 결합한 EAM은 운영 자산의 품질을 수명 주기 전반에 걸쳐 유지, 관리, 최적화하는 데 도움을 줍니다. 스나이더는 EAM 솔루션의 이점을 세 가지 범주로 정리합니다: 품질 최적화 및 자산 활용, 생산적 가동 시간, 비용 절감.

품질 최적화 및 자산 활용

간단히 말해, "잘 유지보수된 장비는 신뢰할 수 있는 고품질 출력을 뒷받침합니다"라고 스나이더는 말합니다. "하지만 예방 정비는 비용이 많이 들 수 있으며, 기업들은 불필요한 점검을 줄이려 끊임없이 노력합니다."

품질을 최적화하고 자산을 활용하는 한 가지 방법은 센서를 통해 자산 상태를 모니터링하여 고장 징후가 되는 추세를 감지하고 조치하는 것입니다. 다른 방법으로는 카메라와 마이크로폰을 이용해 장비 상태를 모니터링하는 것인데, 경우에 따라 로봇이 센서, 카메라, 마이크로폰을 장비에 부착해 데이터를 수집하기도 합니다. 이 방식은 기술자의 생산성을 높여 더 고부가가치 업무에 집중할 수 있게 하면서도 데이터 수집을 지속할 수 있습니다.

"자산에 부착된 센서와 디바이스 수가 늘어나면서 추적 데이터 양이 기하급수적으로 증가했습니다. 인간만으로는 모든 것을 모니터링할 수 없게 되었죠. AI가 이제 EAM에서 중요한 역할을 수행하며, 데이터를 학습하고 추세를 파악해 의미를 부여하고 가치를 창출합니다. 이 기술은 데이터를 실행 가능한 인사이트로 변환해 자산에 대한 이해를 심화시키고, 더 효과적인 유지보수를 이끌어냅니다."라고 스나이더는 설명합니다.

"예를 들어, 상태 기반 유지보수가 시간 기반 유지보수를 대체하고 있습니다. 몇 개월마다 또는 정해진 일정에 따라 점검이나 수리를 하는 대신, 운영 데이터와 분석 인사이트를 통해 자산 고장을 예측합니다. 이로써 주의가 필요한 자산이 적시에 적절한 관리를 받게 되어 신뢰성을 높이고 유지보수를 최적화합니다. 원격 모니터링 기능은 지속적인 이상 징후 탐지를 가능하게 합니다. 자산 성능은 AI에 의해 지속적으로 추적·평가되며, 센서 판독값의 평탄화나 급격한 변화 같은 지표를 기반으로 알림을 트리거할 수 있습니다."

슈가 크릭 브루어리(Sugar Creek Brewery)

"슈가 크릭 브루어리는 IBM 막시모(Maximo) 고객으로 EAM, AI, IoT를 활용해 품질을 최적화하고 손실을 줄인 사례입니다. 제조 공정에서 월 3만 달러 이상의 맥주 손실이 발생했는데, 기술을 양조 공정에 통합해 제품 품질에 영향을 주는 문제를 파악했습니다. 충전 시간, 온도, pH, 비중, 압력, 탄산, 레벨 등 파라미터가 클라우드로 전송되어 분석됩니다. 이 데이터는 신규 공정 개발이나 기존 공정 개선에 활용되어 제품이 제조 기대치를 충족하도록 하며, 제조 손실 절감분을 비즈니스에 재투자하고 있습니다." - 스킵 스나이더, IBM 글로벌 비즈니스 서비스 선임 파트너.

생산적 가동 시간

오픈 하이브리드 클라우드 플랫폼과 AI 기반 지능형 워크플로우를 기반으로 한 적절한 EAM 시스템을 갖추면, 제조업체는 "잠재적 장비 고장을 감지하고 기술자에게 필요한 모든 정보(도구, 자산 이력, 근본 원인 분석, 모범 사례 포함)와 함께 작업 지시서를 자동 발행해 고장을 예방할 수 있습니다"라고 스나이더는 덧붙입니다.

비용 절감

비용 평가와 관련해 스나이더는 두 가지 관점을 제시합니다: "첫째, 기술자가 올바른 일을, 올바른 시기에, 올바른 방식으로 수행하고 있는가? 둘째, 고장, 수리 지연, 부품 누락으로 인한 장비 가동 중단이 제거되거나 최소화되고 있는가?"

첫 번째 측면에서, 기술자가 더 효율적일수록 더 많은 장비를 지속 가동시킬 수 있습니다. "효율성이 높을수록 가치가 높아집니다"라고 스나이더는 말합니다. "실시간 인사이트와 자동화 기능은 직원들이 데이터 기반 의사결정을 신속하고 자신 있게 내리고, 고부가가치 업무에 에너지를 집중할 수 있게 합니다."

두 번째 측면에서, 장비 유지보수 니즈에 대해 더 많은 정보를 알고 예측할수록 운영 효율성이 높아집니다. "결과적으로 예기치 않은 고장이나 부품 부족으로 인한 수리 지연으로 인한 가동 중단이 줄어듭니다. 올바른 정보를 통해 고장을 예측하고, 적절한 EAM 프로그램으로 적정 수량의 부품을 적시에 확보함으로써 장비 성능을 최적화하고 종합설비효율(OEE)을 개선할 수 있습니다."

EAM 솔루션 도입을 위한 제조업체 모범 사례

결론적으로 스나이더는 EAM 솔루션 도입을 위한 많은 모범 사례가 있지만, 궁극적으로는 장비 상태를 파악하고, 인력에 올바른 정보와 도구를 제공하며, 신뢰성과 안전성을 선제적으로 확보하는 것이 핵심이라고 강조합니다.

"이를 실현하려면 하이브리드 클라우드와 AI 역량이 필수적입니다. 오픈 하이브리드 클라우드 아키텍처는 제조업체가 데이터 처리를 현장에 가깝게 이동시켜 데이터 지연을 줄이고, 올바른 정보와 도구가 적시에 인력에게 전달되게 합니다. AI는 제조 현장과 그 너머에서 쏟아지는 방대한 데이터를 인력이 선별해, 장비 상태가 실제로 어떤지, 잠재적 문제에 대한 최선의 조치가 무엇인지 파악하도록 돕습니다."

제조업체의 또 다른 핵심 과제는 올바른 데이터 관행입니다. EAM이 의사결정을 위해 데이터에 의존하므로, "데이터 품질이 낮거나 데이터가 부족하면 기술자가 잘못된 우선순위에 시간을 낭비하고, 재고가 필요할 때와 장소에 준비되지 않으며, 적절한 도구가 없고, 결국 장비 고장과 생산 지연으로 이어집니다."

예방에서 선제로 전환하기 위해 제조업체는 "IoT, 모바일, AI, 로봇공학 등 기술 혁신을 활용해 데이터를 수집, 분석, 실행하는 전략을 수립하고, 장비 상태를 이해하며, 기술이 생성한 인사이트에 기반한 프로세스를 자동화해야 합니다."