조직이 가장 중요한 자산의 상태와 성능을 전략적으로 모니터링하면 운영 비용을 절감하고 계획되지 않은 유지보수로 이어질 수 있는 고장 발생 가능성을 줄일 수 있습니다. 예방 및 예측 유지보수 전략을 배포함으로써 예측 능력을 향상시키고 예상치 못한 고장이 발생한 이후가 아니라 적절한 시기에 수리 일정을 계획할 수 있습니다.

유지보수 작업은 조직 자산의 상태와 생산성을 유지하는 데 필수적입니다. 그러나 비용은 크게 다를 수 있으며 조직의 수익성에 영향을 미칠 수 있습니다. 강력한 APM 접근 방식으로 생성된 의사 결정 기능의 향상은 조직이 과도하고 불필요한 유지보수를 수행하는 것을 방지하는 데 도움이 됩니다.

AI 및 머신 러닝(ML) 기능을 사용하여 예측 및 예방적 유지보수를 배포하는 최신 APM 솔루션은 자산 가용성과 자산 상태를 개선합니다. 이러한 새로운 기술의 지원을 받는 운영자는 회사가 의존하는 자산의 가동 중지 시간을 줄이는 데 도움이 되는 수리 전략을 더 잘 권장할 수 있습니다.

오늘날 자산이 풍부한 많은 조직은 사물 인터넷(IoT) 기능과 인공 지능(AI)을 전반적인 APM 전략의 일부로 활용하여 효율성을 높일 수 있는 기회를 포착합니다. 과거에는 비즈니스 리더가 성과 수치를 검토하기 위해 월말이나 분기말까지 기다려야 했지만 오늘날에는 동일한 데이터를 실시간으로 얻을 수 있습니다. 2022년 사례 연구에서는 조직의 51%가 다른 이니셔티브보다 운영 효율성 향상을 우선시하겠다고 답했습니다.¹ 

효과적인 APM은 자산 라이프사이클의 첫 번째 단계인 계획에서 시작됩니다. 자산을 인수하기 전에 의사 결정권자는 자산의 운영 및 유지보수가 회사의 전반적인 운영 방식에 어떻게 부합하는지 고려해야 합니다. 이를 위해서는 자산의 가치를 평가해야 합니다.

자산 평가는 조직과 산업에 따라 크게 다릅니다. 예를 들어, 음식 배달 사업에서는 상품 운송에 사용되는 차량의 상태와 성능이 매우 중요합니다. 그러나 소프트웨어 회사의 경우 가끔 사용하는 차량을 소유하고 있을 수는 있지만 차량의 상태와 성능은 일상적인 비즈니스 운영에 중요하지 않습니다. 따라서 이 두 조직은 동일한 자산에 대해 서로 다른 가치를 부여할 것입니다. APM 구성을 시작할 때 먼저 비즈니스 운영에 중요한 자산을 선택하세요. 우선순위가 낮은 자산의 상태는 나중에 해결할 수 있습니다.

APM에서 점점 더 가치가 높아지는 기술 중 하나는 디지털 트윈을 생성하는 것입니다. 디지털 트윈은 운영자가 시뮬레이션을 기반으로 테스트를 실행하고 성능을 예측할 수 있도록 자산을 가상으로 표현한 형태입니다. 의사 결정권자는 훌륭한 디지털 트윈을 통해 자산이 적용하려는 조건에서 얼마나 잘 작동할 것인지 알아볼 수 있습니다. 디지털 트윈은 운영자와 유지보수 리더가 성능 문제를 발견하고 유지보수 계획의 개선 가능성에 대한 인사이트를 얻을 수 있도록 도와줍니다. 

자산 성능 모니터링과 중요 자산 워크플로의 자동화와 관련하여 효과적인 전략을 실행하려면 기업 자산 관리(EAM) 시스템과 같은 APM 소프트웨어가 매우 중요합니다. EAM은 소프트웨어와 서비스를 결합하여 조직이 운영 자산을 유지보수, 제어 및 최적화할 수 있도록 지원합니다. 오늘날 IoT를 통해 생성되는 데이터의 양이 늘어남에 따라 유지보수 관리자는 더 현명한 결정을 내리는 데 도움이 되는 AI 강화 데이터 분석 기능을 갖춘 EAM과 같은 관리 소프트웨어에 점점 더 의존하고 있습니다.

많은 APM 이니셔티브는 EAM 외에도 컴퓨터화된 유지보수 관리 시스템(CMMS) 을 배포하여 유지보수 부서가 중요한 자산 정보를 중앙 집중화할 수 있도록 지원합니다. CMMS는 유지보수 관리자에게 자산의 위치, 필요한 서비스 또는 수리의 종류 및 이를 수행해야 하는 사람을 알려줍니다. 강력한 CMMS를 사용하면 운영자가 자산에 대한 중요한 정보에 즉시 액세스하고 감사할 수 있습니다.

오늘날 가장 효과적인 APM 접근 방식은 정기적으로 유지보수를 예약하여 장비 고장을 방지하고 실시간으로 성능을 지속적으로 평가할 수 있는 기능에 의존합니다. 예방 및 예측 유지보수라는 두 가지 전략은 많은 APM 이니셔티브의 성공의 핵심입니다. 

예방 유지보수는 정기적으로 계획된 유지보수 활동을 사용하여 자산이 고장날 가능성을 줄입니다. 다운타임은 모범 사례와 MTBF(평균 고장 간격)와 같은 과거 평균을 사용하여 계획됩니다.

예측 유지 관리는 자산에 대한 데이터를 실시간으로 수집하는 센서를 사용하여 자산 상태를 지속적으로 평가하고 재평가합니다. 그런 다음 이 데이터는 ML과 같은 고급 데이터 분석 도구 및 프로세스가 실시간으로 문제를 식별, 감지 및 해결하는 AI 지원 EAM 또는 CMMS에 의해 수집됩니다. 이 데이터와 후속 분석을 기반으로 알고리즘을 사용하여 향후 장비에 잠재적인 문제가 발생할 수 있는 시기를 예측하는 모델을 구축합니다. 예측 유지보수는 유지보수 비용을 절감하고 자산 다운타임을 35~50% 줄이며 자산 수명을 20~40% 늘리는 것으로 입증되었습니다.²

유지보수 프로그램의 성공 여부를 평가하기 위해 가장 널리 사용되는 메트릭은 아마도 수리 작업을 맡은 자산의 MTBF일 것입니다. MTBF는 총 작동 시간을 해당 기간 동안의 고장 횟수로 나누어 장비에 필요한 수리 사이의 평균 시간을 계산하는 간단한 공식입니다. 자산의 MTBF가 높은 유지보수 부서는 일반적으로 "강함"으로 평가됩니다.  

MTBF로 잘 알려져 있고 널리 사용되는 전반적인 장비 효율성(OEE)(ibm.com 외부 링크)은 자산 성능을 측정하는 데 널리 사용되는 또 다른 메트릭입니다. 세 가지 메트릭, 즉 장비의 가용성, 성능 및 품질에 중점을 둡니다. “가용성”은 실제 자산 생산 시간을 계획된 생산 시간과 비교하여 결정하고, “성능”은 장비가 최대 잠재력 대비 얼마나 잘 작동하는지 측정하며, “품질”은 결함이 있거나 재작업이 필요한 생산 제품과 비교하여 “양호”로 간주되는 제품의 생산 비율을 평가합니다. 자산의 OEE 점수를 결정하기 위해 이 세 가지 요소를 함께 곱합니다.

APM 프로그램의 성공을 측정하는 또 다른 두 가지 메트릭은 유지보수 기술자가 배정된 작업 주문 티켓을 얼마나 빠르고 효과적으로 마감하는지와 완료된 작업과 완료되지 않은 작업의 전체 비율입니다. 

일반적으로 장기 유지보수 전략과 관련된 긴급 유지보수 작업 빈도 메트릭은 예방 유지보수 프로그램의 효과에 대한 인사이트를 제공합니다. 간단히 말해, 유지보수 부서에서 예방 유지보수를 더 잘 수행할수록 긴급 개입이 필요한 고장은 더 드물게 발생합니다.