욕조 곡선 재고찰: 무작위 고장을 예측 가능한 신뢰성으로 전환

"욕조 곡선(Bathtub Curve)"은 시간 경과에 따른 기계 고장 이해 벤치마크로 오래 인용돼 왔습니다. 기본 전제 타당하지만, 통상적 묘사가 실제 수명 주기 모델로 받아들여지면 오도할 수 있습니다. 고장률 실제 진화 방식 더 명확히 파악하면 더 효과적 신뢰성 전략 가능.

핵심에서 욕조 곡선은 고장 행동을 3단계(유아기 사망률, 안정기, 마모기)로 시간, 사이클, 마일리지 기준 분할하는 개념적 도구입니다. 전형적 평탄 구간은 많은 기계 시스템서 보이는 선형 증가를 간과해 상수율 구간 대체 가능.

중요하게, 곡선은 특정 기계나 시스템 정확한 예측으로 해석돼선 안 됩니다. 대신 생애 단계별 등장 가능 고장 모드 유형 예상 프레임워크 제공.

신뢰성 전문가들 다수 장비 대부분 유용 수명 대부분 기간 동안 안정적 '무작위' 고장률 경험한다고 주장. 이 기간은 보통 고장 더 빈번한 유아기 사망 단계 뒤따름. 하지만 기계 자산은 고장률이 시간에 따라 선형 상승 가능.

흔한 오해: 일정 고장률 = 고장 진정한 무작위·통제 불가. 무작위성 외관 두 요인서 기인: 일부 고장 모드 진짜 무작위 성분, 다수 무관 고장 모드 중첩으로 기저 시간 관계 집합적 은폐(그림 1 참조).

고장 모드별 분해하면 뚜렷한 시간 의존성 발견 - 일부 증가, 일부 감소, 다수 일정. 명확한 시간 트렌드 존재 시 선제적 개입(설계 변경, 운영 조정, 정기 유지보수 등)으로 곡선 이동시키고 신뢰성 개선 가능.

모드 고장 시간이 좁은 분포 따르고 설계나 운영 변경으로 변경 불가 시 경성 시점(하드타임) 유지보수 작업이 최고 효율 접근일 수 있음. 상태 기반 유지보수(CBM)가 현대 모범 관행이나, 고장 모드 시간 의존성 잘 정의되고 예측 가능할 때 경성 시점 행동 여전히 가치.

유지보수 단순화 넘어 고장 모드 시간 의존성 식별은 신뢰성 개선 수많은 길 열어줍니다:

1) 표적 설계 개선. 모드별 고장 데이터는 설계 엔지니어 실행 가능한 통찰 제공. 일반적 신뢰성 목표 대신 약점 구체적 증거 받아 정밀 수정으로 미래 고장 감소.

2) 초기 생애 고장 감소. 초기 고장 종종 설치 부정확성이나 부적절 시동 절차 기인. 모드 레벨 데이터로 이슈 핀포인트, 시운전 관행 개선으로 값비싼 초기 생애 결함 감소.

3) 최적화된 모니터링 간격. 고장 모드 중간 시간 트렌드 보이나 경성 교체 정당화 안 되면 CBM 간격 상승 리스크 맞춰 조정, 고장 발현 전 문제 포착.

모드 레벨 고장 데이터 수집·분석 규율 필요지만 확립 표준으로 용이. IEC 300-3-2 견고한 현장 데이터 수집 프레임워크, IEC 812 표준 고장 모드 분류법 제공. 데이터 고장 모드·영향 분석(FMEA) 입력하면 행동 구조적 로드맵 획득.

욕조 곡선이 필연적 무작위 고장 기간 지시한다는 신화 버리면, 개념적 가이드로 활용해 고장 사전 식별·예측·완화 가능.

드루 트로이어(Drew Troyer), CRE·CMRP, 노리아 코퍼레이션(Noria Corporation) 공동 창업자 겸 글로벌 서비스 운영 수석 부사장, 기계 신뢰성 분야 수십 년 전문성. 엔텍/로크웰 오토메이션(Entek/Rockwell Automation) 제품 매니저, 다이어그네틱스(Diagnetics Inc.) 기술 애플리케이션 디렉터, 인터내셔널 페이퍼, 카길, 굳이어, 텍사스 유틸리티, 리라이언트 에너지, 서던 컴퍼니즈 등 다수 고객 컨설팅 경력.