대규모 예측 정비 마스터하기: 성공을 위한 검증된 전략

지난 글에서는 예측 정비(PdM)의 부상과 수많은 공급업체와 고객이 여전히 PdM을 잘못 접근하는 이유를 살펴보았다. 여기서는 수년간 PdM에 대해 배운 것을 오늘날 우리의 모든 업무에 어떻게 적용해왔는지 탐구해본다.

항공우주 산업에서 30년 이상의 경험과 PdM에만 전념한 150 인년 이상의 R&D 시간의 결합은 다양한 분야에 예측 정비 기술을 배포하는 데 대해 많은 것을 가르쳐주었다. 그리고 다양한 분야와 고객 성숙도 수준을 계속 마주하면서 우리는 계속 배우고 있다. 무엇보다 예측 정비를 제대로 하는 것은 쉽지 않다는 것을 배웠다.

중요한 것은 PdM을 잘하는 방법을 아는 것뿐만 아니라, 왜 그것이 중요한지 아는 것이다. 예를 들어 PdM의 진정한 가치는 상당한 ROI를 제공하더라도 설명하기 어렵다는 것을 배웠다. PdM 전략 구현은 이사회부터 현장까지 비즈니스 전체에 영향을 미치는 결정이다. 이 규모의 혁신을 시작하기 전에 성공에 대한 확신이 필요하다.

여기서 조직이 예측 정비 여정을 시작할 때 염두에 두어야 할 몇 가지 핵심 사항을 소개한다.

예측 정비는 전형적인 데이터 사이언스 유스케이스가 아니다

고객들의 이전 실패한 구현 시도에 대해 더 많이 이야기할수록, PdM을 전형적인 빅데이터 문제로 다룰 수 없다는 확신이 강해졌다. 이는 빅데이터 솔루션이 작동하는 데 필요한 풍부한 맥락이 PdM에서는 심각하게 부족하기 때문이다. 많은 기계 고장 모드는 본질적으로 미묘하여, 기존 머신러닝 알고리즘이 식별 가능한 패턴을 정확히 예측하기 어렵게 만든다.

일반적인 데이터 사이언스 솔루션에서 90% 이상의 정확도를 기대하는 것은 불합리하지 않다. 하지만 PdM 솔루션에서 유사한 정확도를 기대하는 것은 그것이 어떻게 작동하는지에 대한 근본적인 오해를 시사한다. 고품질의 큐레이팅된 데이터를 실험실 환경에서 사용하면 특정 기계와 특정 고장 모드에 대해 그런 결과를 얻을 수 있다. 하지만 이것은 현실을 반영하지 않는다. 모든 기계와 고장 모드는 고유하며, 다른 센서 유형은 서로 다른 정확도의 데이터를 제공한다. 동적인 공장 현장의 특성과 중요한 맥락 정보의 일반적인 부족도 고려해야 한다.

PdM 솔루션의 정확도에 대해 일반화된 질문을 하거나 구체적인 주장을 하는 사람에게는 까다로운 질문을 던져야 한다.

대상 사용자를 알라(Know Your Audience)

우리의 경험이 가르쳐준 또 다른 교훈은 바쁜 유지보수 팀이 교대 초기에 자신이 책임진 수많은 기계 중 어느 것이 가장 주의를 요하는지 파악할 시간이 거의 없다는 것이다. 그들은 그래프를 연구하고 원시 데이터를 뒤지며 그 정보를 찾는 데 시간을 쓰고 싶어 하지 않는다.

따라서 간단하고 직관적인 소프트웨어 설계가 필수적이며, 유지보수 전문가에게 필요한 통찰을 읽기 쉬운 대시보드 형태로 제공해 소중한 시간을 절약해줘야 한다. 하지만 많은 공급업체가 그런 대시보드를 제공하면서도, 사용자의 고유한 워크플로우, 선호도, 경험을 고려하지 않은 일반적인 제품인 경우가 많다. 실제로 이 전문가들의 지식과 경험은 매우 귀중하며, 이를 활용하는 것이 PdM 솔루션 성공의 열쇠다.

Senseye의 제품은 이 모든 것을 염두에 두고 설계되었다. 우리는 단순함을 추구하며, 분석을 명확한 사용자 인터페이스와 매끄럽게 통합한다. 여러 차트와 그래프 대신, 정보는 머신 데이터, 유지보수 데이터, 운영자 데이터를 사용해 주의가 필요한 기계를 우선순위화하는 독자 알고리즘인 '어텐션 엔진(Attention Engine)'에 의해 정렬된 목록 형태로 제공된다.

사용자의 여정 단계 파악(Know Where Your Users Are on Their Journey)

우리는 또한 서로 다른 회사, 그리고 종종 같은 회사 내의 다른 영역이 예측 정비 여정의 서로 다른 단계에 있음을 배웠다. 예를 들어 한 회사는 주기적인 경로 기반 상태 모니터링 점검만 수행할 수 있다. 반면 다른 회사는 견고한 자동화된 상태 모니터링을 PdM 솔루션과 결합해 기계 건전성과 잔여 수명을 정확히 예측할 수 있다.

이 예들은 스펙트럼의 양 극단에 있으며, 대부분의 회사는 그 사이에 위치한다. 경영진의 이해도 증가와 IT 팀의 참여로 데이터와 문화적 준비성의 성숙도 수준이 높아진다. 회사가 그 스펙트럼의 어디에 있는지 아는 것은 중요하다. 각 성숙도 수준에 따라 다른 지원과 배포 패키지가 필요하기 때문이다.

수년간의 경험은 무엇이 효과적이고 무엇이 그렇지 않은지에 대해 많은 것을 가르쳐주었다. 다음 글에서는 이 모든 경험과 이해가 어떻게 Senseye PdM을 시장을 선도하는 PdM 제품으로 만들었는지 탐구할 예정이다. 그때까지 백서 'Senseye in Depth: Why is Predictive Maintenance so hard?'에서 PdM에 대해 배운 가장 중요한 내용에 대한 자세한 정보를 확인할 수 있다.