Senseye PdM: 150 인년(Person-Year) R&D로 완성한 업계 최고 예측 정비

지난 글에서는 수년간 축적한 예측 정비 지식을 오늘날 우리의 모든 업무에 어떻게 적용해왔는지 살펴보았다. 여기서는 이러한 모든 경험과 이해가 어떻게 Senseye PdM을 시장을 선도하는 예측 정비 제품으로 만들었는지 탐구해본다.

수년간의 경험

앞서 언급했듯 Senseye PdM은 예측 정비에만 전념한 150 인년 이상의 연구개발 시간의 결과물이다. 다양한 산업 전문가, 기계 엔지니어, 상태 모니터링 전문가, 그리고 선도적인 데이터 사이언티스트 팀의 기술 없이는 구축할 수 없었다. 또한 창업자들이 항공우주 및 방위 산업에서 30년 이상 쌓아온 경험(이 분야는 안전 문화, 유지보수 관행, 예측 정비 기술의 세계적 리더)은 매우 귀중한 자산이 되었다.

이 수준의 경험과 헤리티지, 그리고 최첨단 머신러닝 기술이 결합되어 Senseye PdM을 진정한 독보적 솔루션으로 만들었으며, 우리가 제공하는 깊은 도메인 지원과 컨설팅으로 그 효과는 더욱 증대된다.

사용자를 염두에 둔 설계

다른 예측 정비 제품과 달리 Senseye PdM은 이를 사용하는 유지보수 엔지니어를 위해 설계되었다는 점에서 독특하다. 이들이 얼마나 바쁜지 잘 알기에, 센서 데이터를 지속적으로 수동 검토할 필요가 없도록 만들었다. 또한 모니터링하는 모든 기계 유형에 대해 맞춤형 모델을 개발할 필요도 없다. 대신 각 기계에 대한 고충실도 모델을 사람의 개입 없이 자동으로 생성한다.

이를 통해 주어진 플랜트 내의 모든 기계, 심지어 중요도가 낮은 기계에도 예측 정비를 적용할 수 있다. AI, 머신러닝, 통계 모델링, 예지, 데이터 마이닝을 결합해 시스템은 기계 데이터를 자동 분석하며, 결과를 왜곡할 수 있는 환경적 노이즈를 제거해 기계의 건전성을 정확히 파악하고 열화 과정을 예측한다.

이 분석 결과는 Senseye의 독자 알고리즘인 '어텐션 엔진(Attention Engine)'에 입력되어 각 기계에 대한 '어텐션 인덱스(Attention Index®)'를 생성한다. 어텐션 인덱스가 충분히 높으면 어텐션 엔진이 '케이스(Case)'를 생성해 해당 기계에 유지보수 엔지니어의 주의를 환기시킨다.

또한 유지보수 팀이 방대한 데이터를 뒤져 원하는 정보를 찾는 데 시간이 없다는 점을 알기에, Senseye PdM은 그들이 알아야 할 모든 것을 명확하고 이해하기 쉬운 형식으로 제공해 신속하고 정확하게 대응할 수 있게 한다.

Senseye의 철학

우리의 경험은 PdM이 무엇이고 어떻게 작동해야 하는지에 대한 거의 본능적인 이해를 주었다. 간단히 말해, 우리는 Senseye PdM을 유지보수 전문가가 기계를 관리하는 데 도움을 주는 '의사결정 지원 시스템'으로 본다. 이 관점은 우리가 하는 모든 것을 뒷받침하는 철학의 기초가 된다.

애플리케이션 설계와 그 성공을 좌우하는 분석의 세 가지 지도 원칙은 다음과 같다.

1 - 주의 집중 유도(Guide Attention)

애플리케이션과 이를 뒷받침하는 분석의 주된 목적은 사용자의 주의를 필요로 하는 기계에 집중시키는 것이다.

2 - 의미에 집중(Focus on Meaning)

분석에는 좋은 데이터, 고품질 알고리즘, 풍부한 맥락이 필요하다. 하지만 제조 현장에서는 맥락이 제한적임을 알기에, 우리는 최소한의 가용 맥락으로 분석이 최대한 효율적으로 작동하도록 하는 데 집중한다.

3 - 사용자 모델링(Model the User)

우리가 가진 제한된 맥락을 사용자로부터 얻은 추가적 맥락으로 보완한다. 분석을 사용자에게 집중시킴으로써 기계 건전성뿐만 아니라 사용자의 관심도 예측할 수 있다. 그리고 사용자에 접근할 수 있기에 그들의 피드백을 활용해 예측을 최적화할 수 있다.

이 세 가지 원칙 각각은 수년간의 직접적 경험에서 비롯된 예측 정비에 대한 깊은 이해에서 나왔다. 그것이 Senseye의 PdM 문제 접근법을 독특하게 만드는 이유다.

다음 마지막 글에서는 예측 정비의 미래가 어떤 모습일지 살펴볼 예정이다. 그때까지 Senseye의 비하인드 스토리를 더 알고 싶다면 문의하거나, 백서 'Senseye in Depth: Why is Predictive Maintenance so hard?'를 다운로드해 자세한 내용을 확인하시기 바랍니다.