산업기술
매일, 모든 제조 환경에서 고장과 가동 중단이 발생합니다. 반복적인 작업을 수행하는 장비를 다룰 때 이는 현실입니다. 그러나 오늘날 시장의 제조업은 효율성과 품질 생산을 요구합니다. '적시(Just-in-Time)' 제조 환경에서 단 한 대 기계의 계획되지 않은 가동 중단은 불만족스러운 고객, 경쟁사로의 고객 이탈 가능성, 기업 수익에 직접적인 타격을 주는 지연을 초래할 수 있습니다.
(사물인터넷)의 성장에서 진정으로 위대한 결과 중 하나는 기계 데이터를 활용하여 계획된 것과 계획되지 않은 것 모두의 가동 중단 운영 비용과 영향을 제한할 수 있다는 사실입니다. 이는 예지보전(Predictive Maintenance)으로도 알려져 있습니다.
예지보전(PdM)은 공장 현장의 기계 유지보수 요구 사항을 예측하는 방법입니다. 기계에서 운영 데이터를 분석함으로써 패턴이 나타나고, 이는 작업자가 고장 모드를 이해하고 특정 장치에 유지보수가 언제 필요할지 예측할 수 있게 하여 덜 비용이 드는 시간에 계획할 수 있게 합니다.
과거에는 제조업체가 사후 유지보수와 기타 유지보수 전략, 즉 '고장 나지 않았으면 고치지 마라' 방법에 의존했습니다. 기계가 고장 났을 때만 수리하는 것이 계획되지 않은 가동 중단과 고장 중인 부품이 당시 출력 품질에 미칠 잠재적 영향뿐만 아니라 기계 다른 부분에 미칠 영향 측면에서 엄청난 비용이었음은 쉽게 상상할 수 있습니다.
시간이 지나면서 기업은 사후 유지보수에서 벗어나 예방보전 전략을 구현하려 했습니다. 하지만 예방보전은 평균에 의존했으며 장비의 현재 또는 실시간 상태를 반영하지 않았습니다.
예방보전과 예지보전은 사후 유지보수에서 한 단계 발전한 것이지만, 명확한 승자가 있습니다. 예지보전 구현은 각 기계에서 가져온 특정 정보에 의존하여 잠재적 문제를 감지합니다. 예로는 진동 분석이 있습니다.
기계에 대한 예지보전 데이터를 수집하기 위해 기준선을 사용하는 모델은 특정 부품의 진동 증가와 같은 변화를 감지할 수 있으며, 이는 손상이나 이물질 유입으로 인해 발생할 수 있습니다. 기준선에서의 편차는 문제가 심각해져 장비 고장으로 이어지기 전에 유지보수 필요성을 예측할 수 있게 합니다.
예방보전과 달리 예지보전 프로그램은 장비가 생성한 데이터를 사용하고 클라우드로 보냅니다. 생산 및 비즈니스 프로세스 데이터와 마찬가지로 실시간 상태 기반 유지보수를 분석하여 기계 건전성이나 부품 또는 공구 수명의 패턴과 트렌드를 감지하고 유지보수 비용을 낮출 수 있습니다.
종종 OEM 장비는 부품이나 공구의 예상 수명 주기를 명시할 수 있습니다. 그러나 이는 업계 전반의 평균에 기반합니다. 예상보다 부품이 더 천천히 마모되는 경부하 애플리케이션이나 예상보다 더 빨리 마모되는 중부하 애플리케이션은 고려하지 않습니다.
생산 및 유지보수 모니터링 플랫폼의 고급 분석은 트렌드와 상태 기반 유지보수를 사용하여 실제 마모 시간이나 고장 모드를 예측합니다. 이러한 인사이트를 중심으로 예지보전 프로그램을 개발하여 가동 중단을 줄이고 비용을 통제할 수 있습니다.
강력한 예지보전 프로그램은 플랫폼을 사용하여 고장이 임박했을 때 유지보수 직원에게 알림을 보내, 사후 기술자 도착 대기에서 오는 가동 중단을 줄일 수 있습니다. 또한 예상 체인지오버 시간이나 청소를 위한 계획된 가동 중단 중 수리를 하도록 공장 생산 정보와 연동할 수도 있습니다.
예약된 알림은 기술자에서 MRO 자재실로 확장되어 부품이 준비되어 더 많은 가동 중단을 피할 수 있습니다. 그리고 부품은 시스템이 처방하는 최소/최대 부품 수량에 따라 자동으로 재주문될 수 있습니다. 전체 유지보수 전략의 일부로 각 기업은 예지보전 기술을 자사 니즈에 맞게 조정할 수 있습니다.
비용 절감 관점에서 예지보전 전략의 장점에는 계획된 가동 중단 최적화와 계획되지 않은 가동 중단 최소화가 포함됩니다. 예지보전 프로그램은 직원 생산성과 장비 수명도 최적화합니다. 고급 분석과 머신러닝 알고리즘을 사용하면 예방보전의 중요성을 과소평가할 수 없습니다!
계획된 가동 중단에는 기계 청소와 오일링부터 정기적으로 고장 나는 부품 교체까지 모든 것이 포함될 수 있습니다. 이런 종류의 예방보전은 계획되지 않은 가동 중단의 위험을 줄입니다. 컴퓨터를 관리하고 바이러스를 검사하거나 집의 다른 가전제품을 깨끗하게 유지하는 것처럼, 잘 관리된 기계에서 더 효율적이고 더 나은 품질의 출력을 얻을 수 있습니다.
기계 작업에서 수집된 데이터 덕분에 예지보전은 정기적으로 그리고 주문 생산에 최소 영향을 미치는 시간에 예약될 수 있습니다. 또한 이러한 성격의 적절한 유지보수는 교체하기 어렵고 비용이 많이 드는 기계 장비의 수명을 필연적으로 연장할 것이라는 추가 이점이 있습니다. 가동 시간과 예지보전 프로그램에서 구성 요소 수명을 최대화하면 궁극적으로 상당한 비용 절감으로 이어집니다.
월스트리트 저널 게시물에 따르면, "계획되지 않은 가동 중단은 산업 제조업체에 연간 약 500억 달러의 비용을 초래합니다." 이 비용을 예지보전으로 제한하는 것은 경쟁이 치열한 제조 산업에서 매우 중요합니다.
예방보전이 기계가 대부분의 시간을 원활하게 작동하도록 보장하는 만큼, 기계를 디지털로 모니터링하면 주어진 기계에서 패턴을 보여줄 데이터 더미가 수집됩니다. 과거 데이터를 기반으로 한 이러한 패턴 감지는 계획적으로 유지보수를 할 수 있는 중단 가능성이 있는 기계를 식별하는 데 도움이 될 수 있습니다.
시간이 지남에 따라 기계의 효율성, 출력, 품질을 모니터링할 수 있으면 위에서 언급한 대로 기계가 유지보수를 필요로 할 때를 식별하는 데이터를 드러낼 뿐만 아니라 기계가 수명 말에 다다르고 있는지를 식별하는 데도 도움이 됩니다. 사후 및 예방보전은 이것을 할 수 없습니다.
기계가 노후화되고 사용 수준에 따라 유지보수 일정은 변할 것이며, 이는 예지보전을 통해 관리될 수 있습니다. 기계 부품은 시간이 지남에 따라 생산 스트레스에 다르게 반응할 것입니다. 데이터 패턴을 통해 예측되는 최종 유지보수 증가는 기계가 비용 대비 성능의 티핑 포인트에 도달하고 있음을 드러낼 것입니다. 큰 기계 부품이나 전체 장치를 결국 교체해야 할 필요성을 예측하고 계획함으로써 비용/예산과 시간/노력 관점에서 모두 관리 가능하게 만듭니다.
예지보전이 직원 생산성을 최적화하는 방법은 여러 가지입니다. 먼저 인건비 자체를 살펴보겠습니다. 수리가 예약되면 더 적은 수의 부품 교체로 전체 장비 교체 대신 수리에 필요한 시간이 줄어듭니다. 또한 장비 중요 고장에 대한 수리 빈도가 줄어들고 '긴급 호출' 횟수가 크게 줄어듭니다.
직원 관점에서 예지보전은 고장 감소와 사고 회피 시스템으로 이어집니다. 이는 작업자에게 위험이 있을 때 장비에 경고하거나 심지어 정지시켜 공장 조건을 극적으로 개선하고 작업자 부상을 최소화합니다.
또한 가동 중단과 비최적 매개변수에서의 운영은 출력에 영향을 줄 뿐만 아니라 직원 사기에도 영향을 미칩니다. 문제가 발생했을 때 서둘러 해결하는 것은 스트레스입니다. 예지보전은 그러한 사례를 최소화합니다.
우리가 위에서 다룬 예지보전의 장점은 결국 모두 같은 목표를 가집니다: 수익 증대. 양호한 구성 요소에 대한 유지보수를 줄이고 결함 구성 요소를 더 빨리 수리함으로써 수리를 더 효과적으로 처리하여 수리 시간을 줄일 수 있습니다. 산업 분석처럼 예지보전의 잠재력에 대한 가장 포괄적인 연구 중 하나는 2015년 맥킨지가 수행했습니다. 그들은 다음 개선의 기회를 발견했습니다:
계획된 유지보수는 일정에 기반하므로 유지보수 작업이 필요하지 않을 때 수행되는 경우가 있습니다. 예지보전은 그런 비효율을 방지할 수 있습니다.
감지되지 않은 비최적 운영은 낭비적인 생산을 초래할 수 있습니다. 원자재, 에너지, 인건비, 기계 시간이 그런 경우에 낭비됩니다. 예지보전 시스템은 발생하기 전에 낭비를 초래할 수 있는 문제를 발굴할 수 있습니다.
데이터 수집이 자동화되면 고급 분석을 통해 프로세스 최적화 기회에 대한 새로운 인사이트가 매일 발굴될 수 있습니다.
강력한 데이터 기반 예지보전 프로그램에 사용되는 수많은 유형의 예지보전 기술이 있습니다. 이 상태 모니터링 장비는 작업을 위한 예지보전 솔루션을 만드는 데 사용될 수 있습니다. 이러한 기술에는 다음이 포함됩니다.
열은 제조 환경의 거의 항상 부산물입니다. 하지만 각 기계나 작업 유형에 대해 예측 가능한 경우가 많습니다. PdM 플랫폼은 기계나 작업별로 이러한 열 패턴을 매핑하고 온도 급증을 분석하여 다가오는 문제를 결정할 수 있습니다. 적외선 열화상은 모터, 베어링, 기타 마찰 표면과 같은 장비의 온도를 모니터링하고 측정할 수 있습니다. 또한 전기 캐비닛의 '핫스팟'을 발굴하고 절연 고장을 감지하는 데 도움을 줄 수 있습니다. 적외선 열화상은 측정되는 전체 장치의 그림으로 온도를 표시하고 단위를 측정합니다. 모니터링 플랫폼은 이러한 이미지를 저장하고 분석하여 특정 조건 하에서 문제를 감지하고 트렌드를 식별할 수 있습니다.
일부 예지보전 모니터링 플랫폼은 고주파 신호를 사용하여 장비 상태를 결정할 수 있습니다. 같은 원칙을 공기 중 소리에 적용할 수 있습니다. 이 음향 소음을 포착함으로써 고장을 감지할 수 있습니다. 고급 머신러닝 알고리즘은 시간이 지남에 따라 예측 능력을 향상시키는 데 사용됩니다. 이러한 분석은 다른 모니터링 기술과 결합되어 이상 징후가 발생하기 전에 파고들어 발굴할 수 있습니다.
모든 제조 및 밀링 장비는 진동합니다. 그리고 기계와 작업 유형별로 이 진동을 플로팅하여 곡선에서 건전한 범위를 결정할 수 있습니다. 진동 분석은 예지보전 엔지니어가 미묘하고 중요한 변화가 의미하는 바를 배우는 데 도움을 줍니다. 머신러닝 알고리즘이 시간이 지남에 따라 더 정확해짐에 따라 마모율과 고장 지점을 평가할 수 있습니다.
예지보전 플랫폼이 소리, 진동, 온도를 사용하여 장비나 부품의 건전성과 가능한 고장을 평가하는 동안, 기계 내부에서 일어나는 일을 포착하는 또 다른 도구는 오일 분석입니다. 오일 순도, 이물질 함량, 오염 물질, 오일 구성을 측정함으로써 기술자는 원인을 식별, 플로팅, 예측하고 이를 수정하기 위한 전략을 개발할 수 있습니다. 오일 분석 데이터는 분석 플랫폼으로 전송되어 다른 모니터링 데이터와 결합되어 기계 건전성의 명확한 그림을 제공할 수 있습니다.
예지보전이 계획되지 않은 가동 중단을 피하고 더 높은 제조 비용을 초래하지 않는 확실한 방법임이 명확해졌으니, 질문은: 예지보전 계획을 어떻게 구현하나요?
먼저 해결하려는 문제의 핵심을 파악하세요:
그런 다음 기계 성능에 대한 데이터 기준선을 평가하거나 생성해야 합니다. 이를 위해 자체 표준, OEE 표준, 또는 기타 산업 표준을 사용할 수 있습니다. 각 기계를 검토하여 역사적 성과 수준이 어땠는지 확인하세요: 얼마나 자주 가동 중단이 되었는지, 어떤 구성 요소가 정기적으로 고장 나는지, 현재 유지보수가 얼마나 자주 예약되는지 등.
둘째, 문제임을 나타낼 지표와 기준선에서의 편차가 작업자에게 경고해야 할 사항 등 패턴과 과거 데이터를 검토하세요.
마지막으로, 이러한 패턴과 기준선 성과 측정치에 상대적인 데이터를 사용하면 데이터를 지속적으로 업데이트하고 검토하여 현재 상태를 계속 반영하고 유지보수 필요성을 명확히 알리는 악화 패턴을 표시하는 프로세스를 수립해야 합니다. 이것이 핵심입니다: 분석할 수 없는 것은 예측할 수 없습니다. 정확한 데이터가 필수적입니다!
기계 기능과 관련하여 최소한 계획되지 않은 가동 중단을 최소화하는 것은 엄청난 비용 절감이며 시장 지연을 방지하여 수익에도 영향을 줍니다. 오늘날 제조 환경에서 예지보전은 '있으면 좋은 것'이 아닙니다. 필수입니다.
데모 예약
산업기술
일반적으로 인정되는 세 가지 유지보수 형태가 있습니다: 사후 보전(reactive), 예방 보전(preventative), 예지 보전(predictive). 기계 유지보수의 가장 단순한 형태는 사후 보전 프로세스입니다. 기계가 고장 나면 작업에서 제거하고 수리한 뒤 가능한 한 빨리 서비스에 복귀시킵니다. 이 방법은 겉보기에는 생산과 기계 가동률을 극대화하는 것처럼 보이지만, 여러 단점이 있습니다. 특히 중요한 자산이나 기계 부품이 고장 나면 비용이 많이 드는 다운타임과 높은 수리 비용이 발생할 수 있습니다. 장기 다운타임을 피하기
사후 대응(Reactive), 예방(Preventive), 예측(Predictive) 유지보수는 유지보수 관리 논의 시 항상 비교 대상이 됩니다. 조직 기능·니즈에 부합하는 계획·전략 선택은 어려운 결정입니다. 다수 산업 조직이 유지보수 비용이 운영비 상당 비중임을 확인. 기업·업종별 편차 존재하나, 계획·비계획 다운타임, 재고·도구 관리, 구매 기능 제외해도 전체 생산비 약 50% 수준으로 결론. 예측 불가·불가항력 이슈가 추가 비용 발생시키며, 이는 유지보수 활동과 밀접. 유지보수 프로세스(사후 대응, 예방, 예측 등)는 수익성