예측 정비 체제를 선택할 때 가동 중단 감소가 위시리스트의 최상위에 있을 수 있지만, 간과해서는 안 될 다른 큰 보상도 있다. 과도한 정비(over-maintenance) 제거의 잠재적 이점을 놓치지 말라.
과도한 정비는 정해진 간격으로 작업을 수행하는 모든 계획 정비 프로그램에 내재되어 있다. OEM부터 유지보수 관리자까지 모두 '안전하게' 유지보수 간격에 안전 마진을 두기 때문이다.
예를 들어 평생 그리스 주입형 베어링 교체 지침을 보자. 권장 교체 주기는 16,000~40,000 운전 시간 사이일 수 있다. 각 베어링 교체에는 30분에서 2시간이 걸린다. 교체 주기가 16,000시간일 때 베어링 교체에 소요되는 인시(man-hours)는 40,000시간 주기일 때보다 2.5배 더 많다. 일반적인 산업 현장에는 수천 개의 베어링이 있으므로, 이는 엄청난 추가 비용이다.
예측 정비는 고장을 방지하기 위해 '딱 맞춰' 유지보수를 수행하게 함으로써, 고정 간격이 아닌 시점에 유지보수를 수행하도록 해 이 유지보수 초과 지출을 사실상 제거할 수 있다. 동시에 가동 중단을 획기적으로 줄이고 상당한 생산성 향상을 약속한다.
그러나 예측 정비는 각 구성요소가 언제 고장날지 신뢰성 있게 예측할 수 있는 효과적인 상태 모니터링의 지원이 있어야만 가능하다. 상태 모니터링은 다시 기계에서 실시간 데이터를 가져와 장비의 진화하는 상태 그림을 구축하는 데 의존한다.
상태 모니터링은 Industry 4.0과 관련된 기술과 기법의 도래 덕분에 많은 산업에서 처음으로 감당 가능하고 실용적인 제안이 되었다. 예를 들어 무선 통신은 저비용 센서 네트워크를 설치해 상태 모니터링 시스템에 필요한 기계 데이터를 공급하는 것을 더 저렴하고 덜 파괴적으로 만든다. 한편 클라우드 기반 소프트웨어는 전례 없는 확장성을 제공하고 프로세스 운영자나 OEM이 실시간으로 설비를 모니터링할 수 있게 한다.
더 좋은 점은, 새로운 세대의 인공지능과 머신러닝 솔루션이 상태 모니터링 시스템으로 하여금 데이터 분석을 자동화하게 해, 전문 분석가가 모든 데이터 조각을 일일이 검토할 필요 없이 실행 가능한 통찰을 제공한다는 것이다. 왜 컨설턴트에게 기계 고장 예측을 의뢰하려 하는가? 이제 클라우드에서 자동으로, 수동 개입 없이 할 수 있는데.
Senseye PdM은 상태 모니터링을 위한 고급 머신러닝 사용의 선두에 있다. 고유한 독자 알고리즘은 데이터를 제조 자산의 잔여 유용 수명(RUL)에 대한 정확한 예측으로 전환할 수 있다. 이를 예지(Prognostics)라 한다.
Senseye PdM은 정상 기계 작동이 계속되는 동안 기존 데이터 소스에 연결된다. 14일 동안 백그라운드에서 작동하며 정상 기계 행동과 이용 가능한 경우 과거 데이터를 분석한다. 그런 다음 확장 가능한 예측 정비 프로그램을 구축하는 데 필요한 통찰을 제공할 준비가 된다.
이는 실제로 Senseye PdM이 사이트의 모든 자산이 주어진 시간에 어떻게 수행되고 있는지 자동으로 기계 데이터를 수집하고 분석해 알려줄 수 있음을 의미한다. 솔루션의 알고리즘은 개별 자산에 대한 업데이트를 생성하고 유지보수 팀이 단기적으로 노력을 집중해야 할 정확한 위치를 강조하며, 미래 유지보수 계획을 최적화하는 데도 도움을 준다.
일반적인 구현으로 가동 중단을 절반으로 줄이고, 생산성 55% 증가, 유지보수 정확도 85% 향상을 달성할 수 있다.
이 마지막 수치가 과도한 정비 감소와 가장 밀접하게 관련되어 있으며, 이는 계획 정비 대비 예측 정비가 유지보수 비용의 8~12%를 절감하는 주요 혜택 중 하나다. 그리고 일반적인 산업 기업이 지속 예산의 15~40%를 유지보수에 지출하므로, 이는 엄청난 절감이다.
Senseye PdM이 어떻게 유지보수 지출 최적화와 생산성 향상에 도움이 될지 더 알고 싶으신가요? 백서 'Eliminate Overspending On Maintenance'를 확인하거나 오늘 Senseye PdM 데모를 예약하세요.
장비 유지 보수 및 수리
자산에서 최대 가치를 끌어내려는 끊임없는 추진 속에서 조직은 유지보수 부서에 더 적은 것으로 더 많은 것을 하라는 압력을 계속 가합니다. 하지만 해결책은 더 열심히 일하는 것이 아니라 더 똑똑하게 일하는 것입니다. 그리고 그것은 CMMS 소프트웨어에서 시작됩니다. CMMS란 무엇인가? 다른 목표에 도달하는 데 사용할 수 있으므로 컴퓨터화 유지보수 관리 소프트웨어를 설명하는 다양한 방법이 있습니다. 한 수준에서는 시설 운영의 광범위한 개요부터 개별 장비에 대한 포괄적 통찰까지 수천 개의 데이터 포인트를 수집하고 활용하는 정교한 소프
디지털 유니버스는 2년마다 크기가 두 배로 늘어나, 2013년 4.4조 기가바이트에서 2020년 44조로 성장할 것으로 예상됩니다. 기업은 이 디지털 유니버스에 보관된 데이터의 약 85%에 대한 책임을 지고 있다고 EMC Digital Universe에 따르면 보고되었습니다. 제조 플랜트는 이러한 데이터 생산에 기여하는 기업 유형 중 하나로, 기계 상태를 모니터링하기 위해 공정 데이터를 수집합니다. 자동화 부품 공급업체 EU Automation의 미국 매니저 클라우디아 자렛(Claudia Jarret)에 따르면, 플랜트 엔지니어는
