예방 정비는 정비 부서의 핵심 기능입니다. 생산에 쓰이는 설비와 기계는 제조 또는 산업 운영의 생명선입니다. 설비 셧다운은 제품이 만들어지지 않고 고객에게 납품되지 않음을 의미합니다. 이런 경험 있으신가요? 따라서 이런 설비를 가능한 한 오래 가동 상태로 유지하는 것이 중요합니다. 설비가 고장 징후를 보일 때까지 기다리면 생산에 심각한 영향을 미칠 수 있습니다. 이는 결국 수익에 타격을 줍니다. 이를 막기 위해 계획 예방 정비(Planned Preventive Maintenance, PPM) 프로세스를 활용해야 합니다. 계획 예방

제조 플랜트에서 예방 정비 소프트웨어의 이점은 많습니다. 하지만 꽤 많은 제조 기업에서 고위 경영진은 정비를 필요악으로 봅니다! 가치를 거의 더하지 않는 비용 센터로 봅니다. 심지어 정비 팀을 회사의 핵심 부분이 아닌(때로는 청소 직원보다 겨우 몇 단계 위!) 것으로 보기도 합니다. 이런 사고는 정비 팀에 대한 나쁜 결정으로 이어집니다. 제조 시설용 예방 정비 소프트웨어가 얼마나 예쁘게 생겼는지, 다른 소프트웨어(ERP, 재무 등)와 통합이 얼마나 잘 되는지로 선정되는 경우가 너무 많습니다. 예를 들어 아름답고 방대한 리포트를 제

잘 조직된 정비 프로그램에는 명확한 설비 정비 워크플로가 있습니다(아래 다이어그램 참조). 예를 들어 다음 단계로 구성된 워크플로입니다: 외부 사용자나 고객이 정비 작업 요청을 보냅니다. 이 정비 작업과 예방 정비를 스케줄링하고 작업 지시를 생성합니다. 기술자들이 작업 지시를 받아 완료합니다. 정비 리포트를 생성하는 식입니다. 하지만 이건 이야기의 일부일 뿐… 이 정비 워크플로 프로세스의 실패는 많은 문제를 야기합니다. 아래 정비 워크플로 다이어그램에 표시된 각 흐름(화살표)에서 문제가 발생할 수 있습니다. 다양한 설비 정비

유지보수 관리 소프트웨어를 선정 중이신가요? 분명 쉽지 않은 도전일 것입니다! 후보 CMMS 프로그램을 몇 개로 추렸을 겁니다. 이제 유지보수 소프트웨어 프로그램들의 체험판을 테스트할 차례입니다. CMMS 소프트웨어 체험 기간을 어떻게 최대한 활용할 수 있을까요? 즉, 어떤 평가 프로세스가 합리적일까요? CMMS 소프트웨어 체험판 활용 팁 1. 구매 후 실제 사용할 방식대로 체험판을 설정해 보세요 말은 쉽지만 실행은 다릅니다! 수천 개의 설비나 부품이 각기 다른 정비 니즈를 가질 수 있습니다. 후보 유지보수 프로그램 각각에 완전한

Senseye 베타가 진행 중인 가운데, 이 글은 우리 제품 사용에 대한 빠른 소개를 제공합니다. 센서를 Senseye에 추가하는 단순함을 보여드리며, Senseye가 데이터로부터 자동으로 인사이트를 구축하고 대시보드를 만들기 시작하는 과정을 다룹니다. 아직 센서가 없더라도 ThingSpeak의 공개 데이터를 Senseye에서 활용하는 방법을 보여드립니다. 원시 센서 데이터는 Senseye 서버에 저장되지 않습니다. 대신 필요할 때 서드파티 허브에서 데이터를 수집합니다. 현재 ThingSpeak와 Dweet.io를 지원하며, 향후

IoT, 산업을 만나다 IoT(사물인터넷)는 요즘 피하기 힘든 화제입니다. 이제 산업용 IoT(IIoT)라는 용어도 더 넓은 산업 분야 적용을 설명하며 유행하고 있습니다. IoT는 이전에 상상 못 했던 방식으로 새로운 데이터를 제공할 것입니다. 새로운 시장을 자극하고, 이전에 겹침이 적던 기존 시장들을 연결해, 가용 데이터에서 의미 있는 결과를 뽑아내는 애플리케이션의 필요성을 더 키울 것입니다. 이런 정보 발견과 활용의 자동화는 거대할 것입니다. IDC는 2020년까지 7.1조 달러 시장, 맥킨지는 2025년까지 6.2조 달러 영

머신 고장 예측은 멋진 일입니다(그리고 실제로 그렇습니다!). 설정 과정에서 고통을 최소화하려 하지만, 예측이 유용하고 신뢰할 수 있으려면 머신 데이터가 충분한 양과 질을 갖춰야 함을 인식해야 합니다(양이 나름의 질을 갖기도 합니다). 다음 3가지를 체크해 귀사가 PROGNOSYS 같은 소프트웨어로 머신의 상태 모니터링, 진단, 예지를 자동화해 다운타임을 줄이고 전체 설비 효율(OEE)을 높일 준비가 됐는지 확인하세요. 모니터링 장비가 갖춰져 있는가 모니터링과 데이터 로깅이 중요하다는 데 모두 동의할 것입니다. 고급일 필요는 없습니

아니, 오히려 산업용 사물인터넷(IIoT)이 어떻게 예지보전(고장 나기 전 머신 유지보수로 다운타임 방지)을 돕는지에 대한 이야기입니다. 예지보전이 까다로운 주제인 건 비밀이 아닙니다. 머신이 고장 나기 직전에 유지보수할 수 있다는 생각은 여러 이유로 이상적입니다: 예비 부품 재고를 보유할 필요 없음 과잉 유지보수(비쌈) 방지 고장 회피와 머신 상태 정확한 파악 보통 제조사는 평균고장간격(MTBF) 또는 평균고장시간(MTTF)을 지정합니다. 비슷해 보이지만 MTTF는 일반적으로 수리 불가능한 시스템 측정에 쓰인다는 차이가 있습니

대화해 보면 예방(Preventative)과 예지(Predictive)라는 용어가 정신적으로 겹치는 경우가 많습니다. 하지만 구현 기법과 실제 효과에서 뚜렷한 차이가 있어, 장단점과 왜 예지보전이 제조업체의 유일한 미래인지 논하기 전에 둘을 명확히 정의할 필요가 있습니다. 예방보전은 제조사가 지정한 평균고장간격(MTBF)에 크게 의존합니다. 이는 기계와 부품의 고장 간 평균 시간(보통 운전 시간)을 나타냅니다. 유지보수 활동은 MTBF 수치(통상 운전 시간)가 초과되기 전에 수행됩니다. 예지보전은 머신과 부품에서 얻은 실세계 진단

인더스트리 4.0과 사물인터넷(IoT, 또는 산업용 IIoT)은 밀접하게 연관되어 있어 거의 동의어로 쓰입니다. 매일 IoT가 모든 것을 바꿀 것이라는 뉴스가 쏟아집니다. 커넥티드 카, 커넥티드 피플, 심지어 커넥티드 세탁기까지. 하지만 그런 연결만으로는 실제 유스케이스 없이는 큰 의미가 없습니다. 냉장고가 휴대폰과 통신할 수 있게 되었지만, 그건 아무도 묻지 않은 질문에 답하는 것이고, 아무도 신경 쓰지 않는 문제를 푸는 것입니다(5년 뒤 우리 모두 냉장고 통계를 공유하는 핫한 냉장고 기반 소셜 네트워크가 생기면 제 말을 먹겠습니

예지보전은 매력적입니다. 자산이 외부 고장 징후를 보이기 전에 유지보수해 비계획 다운타임(매출 손실)을 방지하고, 예방보전보다 적은 비용으로 수익성과 처리량을 높일 수 있습니다. 이점은 명확한데, 왜 적극적인 예지보전 프로그램을 운영하는 기업은 상대적으로 적을까요? 기술 장벽 제조 기업은 자재 흐름과 조립에 최적화되어 있지, 상태 모니터링이나 데이터 분석 전문가는 아닙니다. 우리도 그들이 전문가일 필요는 없다고 봅니다. 최근까지 성공적인 예지보전은 외부 컨설턴트에게 거액을 지불하거나, 경험 풍부한 사내 상태 모니터링 전문가 팀을 두

서비스화(Servitization)는 산업 부문에서 비교적 새로운 용어지만 빠르게 추종자를 얻고 있다. The Manufacturer 잡지가 아예 전체 컨퍼런스 시리즈를 헌정할 정도다. 한 문장으로 말하면, 어떤 제품/제공물이든 개별 제품 + 유지보수 조합이 아니라 서비스로서(예: 시간당 또는 단위당) 제공될 수 있다는 개념이다. 고전적 예는 롤스로이스가 80년대 시간당 출력(Power by the Hour) 모델로 비즈니스를 전환한 것이다. 더 이상 제트 엔진과 보증을 단순히 판매하지 않고, 운영자에게 비행 시간을 제공하는 것 -

고장 나지 않은 건 고칠 수 없다는 것이 수년 전 전통적인 반응형 유지보수의 철학이었다. 기계가 완전히 고장 난 후에야 도움을 요청했다. 보고서 작성, 교체 부품 위치 파악 또는 주문, 필요한 유지보수 전문 지식 조립은 종종 불필요한 지연과 가동 중단, 초과 근무 비용을 초래했다. 리드 타임과 결과적으로 납품 일정은 창밖으로 나갔다. 고장 계획(Planning Around Failure) 1980년대 일본 제조 기술(Just-in-Time 포함) 인기로 생각이 업데이트되었다. 새로운 아이디어는 계획된 예방 정비를 수행하는 것이었다.

디지털화는 순간의 유행어다. 매주 산업 기업이 새로운 디지털화 책임자를 발표하는 것 같다. 하버드 비즈니스 리뷰가 데이터 사이언스를 가장 섹시한 직업이라고 불렀던 지 6년밖에 안 되었는데, 얼마나 지나면 같은 말을 할까? 데이터와 상호 연결된 기기가 풍부한 고도로 디지털화된 환경인 Industry 4.0은 제조업체에 새로운 시대를 열고 있다. 원활하고 지능적인 디지털 플랫폼은 생산성 향상, 유연한 생산 역량 촉진, 사이버 보안 우려 해결, 고부가가치 일자리 창출, 글로벌 시장에서 경쟁력 강화, 상업적 성장 촉진을 위해 설정되어 있다

경쟁적인 시장에서 상태 모니터링(CM) 프로그램 구현으로 기계 신뢰성을 강화하는 것은 운영 비용 절감에 모든 차이를 만들 수 있다. 기계 가동 중단을 대폭 줄이고, 자산 수명을 연장하며, 유지보수 비용을 절감하겠다고 약속하는 CM은 많은 기대를 걸게 한다. 하지만 CM 야망을 실현하려면 계획, 헌신, 지속적 개선이 필요하다. 여기서는 흔한 함정과 조직이 CM 잠재력을 실현할 수 있는 방법에 대한 통찰을 살펴본다. 부적절한 설비 및 고장 모드 선택 전체 규모 CM 솔루션 설치는 비쌀 수 있으며, 데이터, 분석, 결과 조치의 양이 압도

예측 정비 소프트웨어 공급업체 Senseye가 오늘 운영 인텔리전스 선도 기업 OSIsoft의 파트너 에코스피어에 합류해, PI System 고객의 디지털 트랜스포메이션 여정을 돕기 위해 자동화된 상태 모니터링 제품을 제공한다고 발표했다. Senseye는 진동, 압력, 온도, 토크 데이터를 분석해 각 모니터링 자산의 특성을 학습하는 고급 머신러닝 알고리즘을 사용한다. 기계 데이터를 알려진 유지보수 이벤트와 비교해 최대 6개월 앞서 기계 발생 문제를 식별하고 자산이 고장날 가능성이 있는 시점을 예측할 수 있다. 선도 제조업체들은 Se

산업용 소프트웨어 기업 Senseye가 오늘 자사의 기술 및 방법론 제품군이 미국 자동차 제조 시설에 도입되고 있다고 발표했다. Senseye의 기술 제품군인 Senseye PdM은 글로벌 자동차 제조사들이 기계 상태를 실시간으로 모니터링하는 데 사용한다. 진동, 압력, 온도, 토크 수준 같은 핵심 상태 지표와 관련된 데이터를 머신러닝 알고리즘으로 분석해 모니터링 자산의 발생 중인 문제를 포착하고 언제 고장날 가능성이 가장 높은지 식별한다. 제조 및 유지보수 운영의 효율성과 효과를 개선하기 위해 설계된 모범 사례 디지털 트랜스포메이

도전은 혁신을 이끈다. 해상 석유 및 가스에서 그 도전은 높은 가동 시간과 출력 수준을 달성하는 것과, 생산 공정 안전에 중요한 유지보수를 지연하지 않는 것 사이의 올바른 균형을 맞추는 것으로 귀결된다. 이익 압박으로 일부 공급업체는 비핵심 유지보수를 지연시켰다. 종종 위험 기반 검사(RBI)가 사용된다. 이는 어떤 장비가 가장 자주 점검이 필요한지, 어떤 장비는 검사 없이 갈 수 있는지 결정한다. RBI는 각 자산에 대한 상세한 맞춤형 위험 평가 생성을 요구한다. 또한 인적 오류에 취약하다. 시간 소모가 적고 더 확장 가능한 또

산업 자산의 상태와 유지보수 요구사항을 예측해 고장을 예방하는 것은 거대한 도전이다. 데이터 사이언스 세계는 실제 환경에서 결과를 내기 어려운 모델들로 가득 차 있다. 그렇다면 최선의 접근법은 무엇인가? 이론과 실전 이론적으로 이론과 실전은 같다. 실전에서는 그렇지 않다. 이 말이 산업 자산 모델을 현장에서 개선을 제공하는 실행 가능한 통찰로 변환하려 할 때만큼 참인 곳은 없다. 데이터 사이언스 학술 논문은 특정 알고리즘이 어떻게 다른 알고리즘보다 1-2% 포인트 개선할 수 있는지 보여주는 분석을 포함할 수 있지만, 공장 환경에서는

디지털 트랜스포메이션 프로젝트 투자가 계속 증가함에 따라, 실패한 이니셔티브의 수도 늘어나고 있다. 기업은 성공 확률을 어떻게 극대화할 수 있을까? 최근 몇 년간 스마트하고 더 생산적인 작업 방식을 약속하는 기술 조합에 힘입어 디지털 트랜스포메이션 프로젝트 물결이 산업계를 휩쓸었다. 영국, 미국, 프랑스, 독일 기업 대상 주요 설문조사1에 따르면, 디지털 트랜스포메이션 노력이 가속화되고 있다. 응답자들은 향후 12개월 동안 이전 해보다 디지털 트랜스포메이션 프로젝트에 10% 이상 더 지출할 계획이다. 이 디지털 혜택 수확 경쟁으로