예측 유지보수 우수성 열기: 제조업체 위한 전문가 모범 사례

2021년 이후 제조업을 지배할 주요 트렌드로 예측 유지보수 강조가 꼽히는 가운데, 제조업체는 기계 건강 인사이트 평가와 대응 과제를 어떻게 시작해야 할까요?

이 영상에서 센시의 알렉산더 힐, 롭 러셀, 메이크 UK의 짐 데이비슨, 제조 기술 센터의 한나 에드먼즈(Hannah Edmonds) 박사가, 예측 유지보수에서 최대 혜택을 내는 모범 사례들과, 상태 모니터링 전문가와 신뢰성 엔지니어의 지식을 어떻게 민주화해 예측 유지보수를 지속가능하게 대규모로 수행할지 탐구합니다.

대본

알렉산더 힐, 센시: 예측 유지보수는 올해와 향후 몇 년간 제조/산업 기업의 초점이 될 것입니다. 그래야 합니다. 효율 향상, 비용 절감, 원격 근무/원격 정비 구현을 누리려면 예측 유지보수는 절대적 필수 요소입니다.

롭 러셀, 센시: 스마트 팩토리와 디지털화의 메인 유스케이스가 예측 유지보수 중심으로 구축돼 있습니다. 기계에서 올바른 정보 유형을 얻는 법, 그걸 유지보수 맥락에서 쓰는 법을 이해하는 데 도메인 지식(Domain Knowledge)이 필요합니다.

짐 데이비슨, 메이크 UK: 전통적 플랜트 엔지니어들은 저처럼 백발이 늘며 커리어 말년입니다. 차세대 인재 채용이 과제입니다. 스마트 기술 배치가 사람들이 낯설어하던 역할에 흥미로운 요소를 더해줍니다.

롭 러셀, 센시: 기계 건강 아웃풋에 대응할 때도 올바른 엔지니어링 정책과 관행(Good Engineering Policy and Practice)으로 접근해야 합니다. 예측 유지보수를 가능케 하는 데이터 소스와 초기 문제 식별은 때로 아주 미세한 초기 고장 단계를 감지합니다.

유지보수 팀은 발견을 입증하고, 조기 탐지가 훨씬 큰 시간 윈도(Time Window)를 준다는 걸 이해하게 됩니다. 이로써 생산이 기계를 안 쓸 때 기획/조사하고, 나중에 다시 기계가 쉬고 생산 영향 없을 때 정비를 계획할 수 있습니다.

한나 에드먼즈 박사, 제조 기술 센터: 더 큰 프로그램 일환으로 다양한 생산 요소, 다양한 분석이 있었는데, 이들을 결합하니 부가 가치(Added Value)가 생겼습니다.

센시의 자동 분석으로 생산 시스템 내 이슈 진단, 기계 잔여 유용 수명 식별을 했습니다. 추가 프로그램으로 시각화했고, 전산화 유지보수 관리 시스템(CMMS)과 결합해 정비 태스크를 스케줄링했습니다.

알렉산더 힐: 저희는 상태 모니터링 엔지니어와 신뢰성 전문가를 대체하려는 게 아닙니다. 수만 개 데이터 스트림을 보며 어느 게 중요한지 이해하려 애쓰는 그들의 시간을 정말 효과적으로 쓰게 하려는 것입니다. 아주 힘들고 어려운 일입니다.

저희 접근법: 상태 모니터링 엔지니어가 수천 개 데이터 포인트를 보며 중요한 걸 찾는 전통적 역할을 최대한 자동화합니다. 모델을 수동으로 만들고 튜닝할 필요 없습니다. 특허 기술과 알고리즘으로 그 전체 과정을 자동화합니다.