산업기술
산업 제조
(사물 인터넷) 성장의 진정으로 위대한 결과 중 하나는 기계 데이터를 활용하여 계획되거나 계획되지 않은 가동 중지 시간과 운영 비용을 제한할 수 있다는 사실입니다. 이를 예측 유지 관리라고도 합니다.
예측 유지보수(줄여서 PdM)는 공장 현장에서 기계의 유지보수 요구사항을 예측하는 방법입니다. 기계의 운영 데이터를 분석함으로써 작업자가 고장 모드에 대한 이해를 개발하고 주어진 장치에 유지 보수가 필요한 시기를 예측할 수 있는 패턴이 나타나 저렴한 시간에 계획을 세울 수 있습니다.
과거에 제조업체는 사후 유지 관리 및 기타 유지 관리 전략에 의존했습니다. 그렇지 않으면 "고장되지 않으면 수리하지 마십시오" 방법으로 알려져 있습니다. 기계가 고장났을 때만 수리하는 것이 계획되지 않은 가동 중지 시간과 기계의 다른 부품에 대한 잠재적 영향, 부품이 고장난 시간 동안의 출력 품질 측면에서 막대한 비용이 든다는 것을 충분히 상상할 수 있습니다. .
시간이 지남에 따라 기업은 사후 유지 관리에서 벗어나 예방적 유지 관리 전략을 구현하려고 했습니다. 그러나 예방정비는 평균에 의존했고 장비의 현재 또는 실시간 상태를 반영하지 않았습니다.
예방 및 예측 유지보수는 사후 유지보수에서 한 단계 더 발전한 것이지만 확실한 승자가 있습니다. 예측 유지보수를 구현하는 것은 잠재적인 문제를 감지하기 위해 각 기계에서 가져온 특정 정보에 의존합니다. 진동 분석을 예로 들 수 있습니다.
베이스라인을 사용하여 기계의 예측 유지보수 데이터를 수집하는 모델은 손상이나 이물질 유입으로 인해 발생할 수 있는 특정 부품의 진동 증가와 같은 변화를 감지할 수 있습니다. 기준선과의 편차를 통해 운영자는 문제가 심각해져서 장비 고장이 발생하기 전에 유지보수 필요성을 예측할 수 있습니다.
예방정비와 달리 예측정비 프로그램은 장비에서 생성된 데이터를 이용하여 클라우드로 데이터를 전송합니다. 생산 및 비즈니스 프로세스 데이터와 마찬가지로 실시간 상태 기반 유지 관리를 분석하여 기계 상태 또는 부품이나 도구의 수명에 대한 패턴과 추세를 감지하고 유지 관리 비용을 낮출 수 있습니다.
종종 OEM 장비는 부품이나 도구의 예상 수명 주기를 명시할 수 있습니다. 그러나 이는 업계 전체의 평균을 기반으로 합니다. 부품이 예상보다 느리게 마모될 수 있는 가벼운 작업이나 더 빨리 마모될 수 있는 무거운 작업은 고려하지 않습니다.
생산 및 유지 관리 모니터링 플랫폼의 고급 분석은 추세 및 상태 기반 유지 관리를 사용하여 실제 마모 시간을 표시하거나 고장 모드를 예측합니다. 이러한 통찰력을 바탕으로 예측 유지 관리 프로그램을 개발하여 가동 중지 시간을 줄이고 비용을 제어할 수 있습니다.
강력한 예측 유지 관리 프로그램은 플랫폼을 사용하여 장애가 임박한 경우 유지 관리 직원에게 경고를 보내, 사후에 기술자가 도착할 때까지 기다려야 하는 가동 중지 시간을 줄일 수 있습니다. 또한 예정된 교체 중 수리를 위한 예상 교체 시간 또는 청소를 위한 계획된 가동 중지 시간과 같은 공장 생산 정보로 작업할 수도 있습니다.
예정된 경고를 기술자에서 MRO 재고실로 확장할 수 있으므로 더 많은 가동 중지 시간을 피하기 위해 부품을 준비할 수 있습니다. 또한 시스템에서 규정한 설정된 최소/최대 부품 수에 대해 재주문을 위해 부품을 자동화할 수 있습니다. 전체 유지 관리 전략의 일부로 각 회사는 예측 유지 관리 기술을 자체 요구 사항에 맞게 조정할 수 있습니다.
비용 절감의 관점에서 예측 유지 관리 전략의 장점에는 계획된 가동 중지 시간 최적화 및 계획되지 않은 가동 중지 시간 최소화가 포함됩니다. 예측 유지보수 프로그램은 또한 직원 생산성과 장비 수명을 최적화합니다. 고급 분석 및 기계 학습 알고리즘을 사용하면 예방적 유지 관리를 과소 평가할 수 없습니다!
계획된 가동 중지 시간에는 기계 청소 및 기름칠에서 정기적으로 실패하는 것으로 알려진 부품 교체에 이르기까지 모든 것이 포함될 수 있습니다. 이러한 종류의 예방 유지 관리는 계획되지 않은 가동 중지 시간의 위험을 줄입니다. 컴퓨터를 돌보고 바이러스가 없는지 청소하거나 집에 있는 다른 가전 제품을 깨끗하게 유지하는 것처럼 잘 서비스된 기계에서 더 효율적이고 더 나은 품질의 출력물을 얻을 수 있습니다.
기계 작동에서 수집된 데이터 덕분에 예측 유지보수를 정기적으로 그리고 주문 생산에 가장 적은 영향을 미치는 시간에 예약할 수 있습니다. 또한 이러한 특성을 적절하게 유지하면 교체하기 어렵고 비용이 많이 드는 기계 장비의 수명이 변함없이 연장된다는 추가 이점이 있습니다. 예측 유지 관리 프로그램에서 가동 시간과 구성 요소의 수명을 최대화하면 궁극적으로 상당한 비용 절감 효과를 얻을 수 있습니다.
월스트리트 저널(Wall Street Journal) 게시물에 따르면 "계획되지 않은 가동 중단으로 인해 산업 제조업체는 연간 약 500억 달러의 비용이 발생합니다." 경쟁이 치열한 제조 산업에서는 예측 유지보수를 사용하여 이 비용을 제한하는 것이 중요합니다.
예정된 예방 유지보수가 대부분의 시간 동안 기계가 원활하게 작동하도록 보장할 수 있는 만큼, 모니터링 기계는 분석할 때 주어진 기계의 패턴을 표시할 많은 양의 데이터를 디지털 방식으로 수집합니다. 이력 데이터를 기반으로 하는 이러한 종류의 패턴 감지는 정전이 발생할 가능성이 있고 유지 관리를 사전에 계획할 수 있는 기계를 식별하는 데 도움이 될 수 있습니다.
시간이 지남에 따라 기계의 효율성, 출력 및 품질을 모니터링할 수 있으면 위에서 언급한 대로 기계에 유지 관리가 필요한 시기를 식별하는 데이터가 표시될 뿐만 아니라 기계의 수명이 다한 시기를 식별하는 데도 도움이 됩니다. 사후 예방적 유지보수로는 이를 수행할 수 없습니다.
기계가 노후화되고 사용 수준에 따라 유지보수 일정이 변경되며 이는 예측 유지보수를 통해 관리할 수 있습니다. 기계의 부품은 시간이 지남에 따라 생산 스트레스에 다르게 반응합니다. 데이터 패턴을 통해 예측되는 유지 관리의 궁극적인 증가는 기계가 비용 대비 성능의 전환점에 도달하는 시점을 나타냅니다. 비용/예산 및 시간/노력의 관점에서 해당 필요성을 예측하고 계획함으로써 결국 기계 또는 전체 장치의 큰 부분을 교체해야 하는 필요성을 관리할 수 있게 됩니다.
예측 유지보수가 직원 생산성을 최적화하는 방법에는 여러 가지가 있습니다. 먼저 인건비 자체를 살펴보자. 수리가 예정된 경우 전체 장비 교체가 아닌 부품 교체 횟수가 적어 수리에 필요한 시간이 줄어듭니다. 또한 장비의 치명적인 고장에 대한 수리 빈도가 감소하고 "크리티컬 콜아웃"이 크게 줄어 듭니다.
직원의 관점에서 예측 유지 보수는 고장 감소 및 사고 방지 시스템으로 이어질 것입니다. 이는 작업자에게 위험이 있을 때 장비를 경고하거나 정지시켜 공장 조건을 극적으로 개선하고 작업자 부상을 최소화할 수 있습니다.
또한 가동 중지 시간과 차선의 매개변수를 사용한 작업은 출력뿐만 아니라 직원의 사기에도 영향을 미칩니다. 문제가 생겼을 때 서둘러 해결하는 것은 스트레스입니다. 예측 유지 관리는 이러한 경우를 최소화합니다.
위에서 다룬 예측 유지 관리의 장점은 결국 모두 동일한 목표를 가지고 있습니다. 즉, 수익을 높이는 것입니다. 양호한 구성요소에 대한 유지보수가 적고 결함이 있는 구성요소의 신속한 수리로 수리를 보다 효과적으로 처리할 수 있어 수리 시간을 단축할 수 있습니다. 예측 유지 보수와 같은 산업 분석의 잠재력에 대한 가장 포괄적인 연구 중 하나는 McKinsey에서 2015년에 수행했습니다. 그들은 다음과 같은 개선의 기회를 발견했습니다.
계획된 유지 관리는 일정을 기반으로 하기 때문에 유지 관리 작업이 필요하지 않을 때 수행되는 경우가 있습니다. 예방적 유지보수를 통해 이러한 비효율성을 방지할 수 있습니다.
감지되지 않은 차선의 작동은 낭비적인 생산을 초래할 수 있습니다. 이러한 경우 원자재, 에너지, 인건비 및 기계 시간이 낭비됩니다. 예측 유지보수 시스템은 낭비를 초래할 수 있는 문제가 발생하기 전에 발견할 수 있습니다.
데이터 수집이 자동화되면 고급 분석을 통해 프로세스 최적화 기회에 대한 새로운 통찰력을 매일 발견할 수 있습니다.
강력한 데이터 기반 예측 유지 관리 프로그램에는 다양한 유형의 예측 유지 관리 기술이 사용됩니다. 이 상태 모니터링 장비는 작업에 대한 예측 유지 보수 솔루션을 만드는 데 사용할 수 있습니다. 이러한 기술에는 다음이 포함됩니다.
열은 거의 항상 제조 환경의 부산물입니다. 그러나 실행 중인 각 시스템 또는 작업 유형에 대해 예측 가능한 경우가 많습니다. PdM 플랫폼은 이러한 열 패턴을 기계 또는 작업별로 매핑하고 온도 스파이크를 분석하여 접근하는 문제를 결정할 수 있습니다. 적외선 열화상 촬영은 모터, 베어링 또는 기타 마찰 표면과 같은 장비의 온도를 모니터링하고 측정할 수 있습니다. 또한 전기 캐비닛의 "핫스팟"을 찾아내고 절연 실패를 감지하는 데 도움이 될 수 있습니다. 적외선 서모그래피는 온도를 측정하고 측정 중인 전체 장치의 그림으로 장치를 표시합니다. 모니터링 플랫폼은 이러한 이미지를 저장 및 분석하여 문제를 감지하고 특정 조건에서 추세를 식별할 수 있습니다.
일부 예측 유지보수 모니터링 플랫폼은 고주파 신호를 사용하여 장비 상태를 결정할 수 있습니다. 공기 중 소리를 사용하여 동일한 원리를 적용할 수 있습니다. 이 음향 노이즈를 포착하여 고장을 감지할 수 있습니다. 고급 기계 학습 알고리즘은 시간이 지남에 따라 예측 기능을 향상시키는 데 사용됩니다. 이러한 분석은 다른 모니터링 기술과 결합하여 이상이 발생하기 전에 드릴다운하고 발견할 수 있습니다.
모든 제조 및 밀링 장비가 진동합니다. 그리고 기계 및 작업 유형별 이 진동을 플롯하여 곡선의 정상 범위를 결정할 수 있습니다. 진동 분석은 예측 유지보수 엔지니어가 미묘하고 중대한 변화가 의미하는 바를 배우는 데 도움이 됩니다. 기계 학습 알고리즘이 시간이 지남에 따라 더 정확해짐에 따라 마모율과 실패 지점을 평가할 수 있습니다.
예측 유지보수 플랫폼은 소리, 진동 및 온도를 사용하여 장비 또는 부품의 상태와 가능한 고장을 모두 평가할 수 있지만 기계 내부에서 일어나는 일을 포착하는 또 다른 도구는 오일 분석입니다. 기술자는 오일 순도, 잔해 함량, 오염 물질 및 오일 구성을 측정하여 원인을 식별, 계획 및 예측하고 이를 수정하기 위한 전략을 개발할 수 있습니다. 오일 분석 데이터를 분석 플랫폼으로 보내고 다른 모니터링 데이터와 결합하여 장비 상태를 명확하게 파악할 수 있습니다.
예측 유지 관리가 계획되지 않은 가동 중지 시간을 방지하고 더 높은 제조 비용을 발생시키는 확실한 방법이라는 것이 분명해졌습니다. 이제 문제는 예측 유지 관리 계획을 어떻게 구현합니까?
먼저 해결하려는 문제의 핵심을 파악하세요.
그런 다음 기존 상태를 평가하거나 기계 성능에 대한 데이터 기준선을 만들어야 합니다. 이를 위해 자체 표준, OEE 표준 또는 기타 산업 표준을 사용할 수 있습니다. 각 시스템을 검토하여 다운 빈도, 정기적으로 실패하는 구성 요소, 현재 유지 관리가 예약된 빈도 등 과거 성능 수준이 어떠했는지 확인합니다.
둘째, 패턴에 대한 과거 데이터와 문제를 나타내는 메트릭, 운영자에게 플래그를 지정해야 하는 기준선과의 편차 등을 조사합니다.
마지막으로, 일단 이러한 패턴과 기준 성능 측정과 관련된 데이터를 사용하고 나면 데이터를 지속적으로 업데이트하고 검토하여 현재 상태를 계속 반영하고 명확하게 신호를 보내는 악화 패턴에 플래그를 지정하는 프로세스를 도입해야 합니다. 유지 보수가 필요합니다. 이것이 핵심입니다. 분석할 수 없는 것은 예측할 수 없습니다. 정확한 데이터는 필수입니다!
최소한 기계의 기능과 관련하여 계획되지 않은 가동 중지 시간을 최소화하는 것은 막대한 비용 절감이며 수익에도 영향을 미칠 시장 출시 지연을 방지할 것입니다. 오늘날의 제조 환경에서 예측 유지보수는 "있으면 좋은" 것이 아닙니다. 필수품입니다.
산업기술
일반적으로 인정되는 유지 관리에는 사후 대응, 예방 및 예측의 세 가지 형태가 있습니다. 가장 간단한 형태의 기계 유지보수는 사후 프로세스입니다. 기계가 고장나면 작업에서 제거되고 수리된 다음 가능한 한 빨리 서비스에 복귀합니다. 이 방법은 생산 및 기계 활용도를 극대화하는 것처럼 보이지만 여러 가지 단점이 있습니다. 즉, 중요한 자산이나 기계 부품에 장애가 발생하면 비용이 많이 드는 가동 중지 시간과 높은 수리 비용이 발생할 수 있습니다. 장기간의 가동 중지 시간을 피하기 위해 제조업체는 고장 위험을 줄이기 위해 장비가 정상적으
사후 유지 관리, 예방 유지 관리 및 예측 유지 관리는 유지 관리 관리와 관련하여 각각에 대해 자주 대립되는 전략입니다. 조직의 기능과 필요에 맞는 계획과 전략을 선택하는 것은 어려운 결정일 수 있습니다. 산업 전반에 걸쳐 많은 조직에서 유지 관리 비용이 운영 비용의 상당 부분을 차지한다는 사실을 확인했습니다. 수치는 회사와 산업에 따라 다릅니다. 그러나 계획되거나 계획되지 않은 다운타임, 재고 및 도구 관리 및 구매 기능을 고려하지 않은 상태에서 전체 생산 비용의 약 50%로 결론지었습니다. 예측할 수 없고 통제할 수 없는 많