베어링 분석: 조기 진단으로 고장 예방하기

우리의 목표는 단순히 고장을 발견하는 것을 넘어 문제 탐지와 해결을 우선하는 마인드셋을 기르는 것이다. 실제 현장에서 베어링은 종종 화려하게 고장 나지만, 고장을 알린 진동 데이터는 교체 시점 이후 거의 분석되지 않는다. 구조화된 다단계 접근이 필수적이다: 진동 모니터링 프로그램이 최초 징후에서 문제를 포착하고, 유지보수가 그에 따라 행동해야 한다. 때로는 윤활 조정으로, 때로는 베어링 교체로. 교체 시점 결정이 중요하다. 시기상조 교체는 시스템 결함으로 비칠 수 있고, 지연 조치는 다른 부품 손상과 진단 증거 소멸을 초래한다. 반응적 교체가 아닌 예방적 유지보수가 신뢰성으로 가는 길이다.

SKF 베어링 인스펙터(Bearing Inspector) 의사결정 지원 시스템은 베어링 진단의 속도, 표준화, 품질을 높인다. 롤링 베어링 손상에 대한 기초 원리와 실무 엔지니어링 결과를 집대성하여 재발 고장을 방지한다. 기존의 원인-증상 트리가 오도할 수 있는 것과 달리, 이 도구는 조건에서 관찰 가능한 증상으로 인과관계를 모델링하고 현실적 불확실성을 반영하는 확률을 부여한다. 최첨단 계산 지능이 이 접근법을 뒷받침하여 진단이 베어링 작동의 물리를 반영하도록 한다.

본 기사는 조건 모니터링 데이터 분석의 벤치마크인 ISO 15243:2004에 부합한다.

문제 이해

조건 모니터링 도구는 고장이 임계 상태가 되기 전에 예측을 도울 때 가장 가치가 있다. 이를 최대한 활용하려면 용어를 이해하고 데이터 수집 및 실행 가능한 통찰로의 변환 전략을 수립해야 한다. 베어링 예시를 들어보자: 단순히 고장을 감지했는가, 아니면 근본 원인을 밝혀 재발을 방지했는가? 진동 시그니처는 하중 영역, 정렬 불량, 마모 패턴을 드러내며, 이를 조기에 해결하면 값비싼 다운타임을 절약할 수 있다.

그림 1. 베어링 포락선 스펙트럼

그림 2. 베어링 파형

그림 3. 베어링 순환 시간 분석

이 사례에서 반복 고장으로 베어링 교체만 반복되었다. 이는 비용과 시간이 많이 드는 임시방편이었다. 데이터 블록을 한 회전분으로 분할하고 가상 트리거(1rpm)에서 동기 평균화하여 두 개의 뚜렷한 하중 영역이 나타났다. 이 영역들은 내륜과 케이지에 임박한 응력을 나타내며 시정 조치를 안내했다. 후속 저널 검사에서 타원형 마모(ovalisation) 발견, 가공으로 피팅 교정 후 베어링은 이후 완벽하게 작동 중이다.

근본 원인 분석과 예방적 유지보수가 결정적이었다. 교훈: 고장이 아닌 문제를 트러블슈팅하라.

윤활 관리

윤활이 열화되면 진동, 소음, 음향 방출이 일반적으로 상승한다. 청각 검사로 문제를 포착할 수 있지만, 가장 신뢰할 수 있는 방법은 진동 데이터를 엔지니어링 단위로 추세 분석하는 것이다. 그림 4는 베어링의 그리스 주입 전·중·후 진동 추세를 보여준다.

그림 4. 윤활 중 진동 추세

그리스 주입으로 문제가 해결된 듯 보이나, 진동 레벨은 문제 발생 전 수준으로 돌아가지 않았다. 잔여 증가는 그리스 내 이물질 때문임이 밝혀졌다. 그리스 주입 중 포착된 파형(그림 5)은 그리스 주입 작업이 근본 이슈를 어떻게 가렸는지 명확히 보여준다.

그림 5. 그리스 주입 중 파형

베어링 고장 분석을 위한 의사결정 지원 시스템

롤링 베어링 손상에 대한 정확한 통찰은 SKF와 고객에게 전략적으로 필수적이다. SKF 베어링 인스펙터(웹 기반 지식 베이스)는 기초 원리부터 실무 엔지니어링 결과까지 모든 가용 정보를 포착한다. 이를 통해 신속하고 일관된 고품질 의사결정이 가능하며 재발 손상 예방에 기여한다.

1980년대 초기 전문가 시스템이 경직된 의사결정 트리에 의존했던 것과 달리, 현재 시스템은 조건에서 증상으로 인과관계를 모델링하며 정량화된 확률을 부여한다. 이는 특정 원인(예: 잘못된 장착)이 관찰 가능한 손상(예: 프레팅)으로 나타난다는 물리적 현실을 반영한다.

지식 표현

시스템은 다음 노드를 시각적으로 연결하는 확률적 네트워크를 사용한다:

• 조건(Conditions): 운전 속도, 하중, 베어링 유형, 설치 세부사항, 환경 등
• 내부 메커니즘(Internal Mechanisms): 윤활 상태, 유막 파괴, 슬라이딩 접촉
• 고장 모드(Failure Modes): 표면하 피로, 프레팅 부식, 접착 마모 등
• 관찰 증상(Observed Symptoms): 변색, 스팔링, 녹, 피팅

약 150개 노드와 250장 지원 이미지로 네트워크는 전문가 지식과 경험적 데이터를 구현한다. 확률은 전방향과 후방향으로 계산되어 임상의 진단 워크플로(가설 생성 → 표적 검사로 검증/기각)를 반영한다.

그림 6. ISO 15243:2004

그림 7.

사례 연구: 제지 공장 전기 모터 베어링

'전형적 사례'에서 베어링 인스펙터는 실제 시나리오를 보여준다. 한 사례는 제지 와인더의 NU 322 ECM/C3VL024 절연 원통 롤러 베어링이다. 1,000~1,500rpm 운전 중 단 한 달 만에 내륜과 외륜 모두 심한 마모 발생.

애플리케이션 데이터 로드(1단계)로 분석이 자동 채워진다. 도구는 초기 거짓 브리넬링, 접착 마모, 누설 전류에 높은 확률을 부여. 소프트웨어 가이드에 따라 각 고장 모드의 특정 증상 확인:

1. 거짓 브리넬링 - 얕은 눌림 자국 없음, 기각
2. 접착 마모 - 특징적 징후 없음
3. 누설 전류 - 확대 시 미세 피팅 관찰, 진단 확정

후속 조사에서 와인더 구조의 접지 결함 발견, 소프트웨어 권고 확인.

그림 8. 1단계: 애플리케이션 조건

그림 9. 2단계: 초기 진단 및 신뢰도 요소

그림 10. 3단계: 누설 전류 증상 검사

그림 11. 최종 진단 및 보고서 생성

모든 가능한 증상을 검사하는 대신, 시스템은 현재 가설에 기반해 가장 판별력 있는 관찰을 우선순위화하여 진단 노력을 줄인다. 사용자는 조건, 관찰, 확률 순위를 포함한 포괄적 보고서를 워드나 HTML로 내보낼 수 있다.

결론

SKF 베어링 인스펙터는 베어링 손상 조사에 빠르고 일관되며 고품질의 의사결정 프로세스를 제공한다. 웹 인터페이스로 접근 가능하며, SKF 엔지니어와 고객이 고장 원인을 파악하고 예방 조치를 시행할 수 있게 한다. 동일한 고장 재발 방지와 진동 기반 조건 모니터링 프로그램 구성 가이드를 제공한다.