예측 유지보수(PdM)는 상태 기반 모니터링을 기반으로 장비의 상태를 지속적으로 실시간 평가하여 장비의 성능과 수명을 최적화합니다. 예측 유지보수는 센서에서 데이터를 수집하고 머신 러닝(ML)과 같은 고급 분석 도구와 프로세스를 적용하여 문제가 발생했을 때 이를 식별, 감지, 해결할 뿐만 아니라 장비의 잠재적인 미래 상태를 예측하여 위험을 줄일 수 있습니다. 핵심은 적시에 적절한 정보를 적절한 사람들에게 제공하는 것입니다.
유지보수 전략과 완성도는 자산/교체 비용, 자산의 중요도, 사용 패턴 및 장애가 안전, 환경, 운영, 재무 및 대외 이미지에 미치는 영향 등의 요인에 따라 달라집니다. 예측 유지보수는 기업에서 사용하는 세 가지 주요 유지보수 전략 중 하나입니다. 다른 전략으로는 장애가 발생했을 때 수정하는 사후 대응 유지보수와 미리 정의된 유지보수 일정에 따라 장애를 식별하는 예방 유지보수가 있습니다. 예측 유지보수는 사전 예방적이기 때문에 과거 기준을 기반으로 장비의 예상 상태에 의존하는 대신 장비의 실제 상태에 대한 지속적인 인사이트를 제공함으로써 예방 유지보수를 향상시킵니다. 예측 유지보수를 사용하면 사후 유지보수가 필요한 경우에만 수행되므로 불필요한 유지보수 비용과 장비 다운타임을 방지할 수 있습니다. 예측 유지보수는 시계열 기록 및 오류 데이터를 사용하여 장비의 향후 잠재적 상태를 예측하므로 사전에 문제를 예측할 수 있으며, 이를 통해 기업은 유지보수 일정을 최적화하고 안정성을 개선할 수 있습니다.
예측 유지보수는 장비 모니터링에 사용되는 실시간 데이터의 다양성과 폭이 예방 유지보수와는 다릅니다. 소리(초음파 음향), 온도(열), 윤활(오일, 유체), 진동 분석 등 다양한 상태 모니터링 기술을 통해 이상 징후를 식별하고 잠재적인 문제를 사전에 경고할 수 있습니다. 예를 들어 부품의 온도가 상승하면 공기 흐름이 막히거나 부품이 마모된 상황일 수 있고, 진동이 비정상적인 경우 움직이는 부품의 정렬이 잘못된 상황일 수 있습니다. 또한 소리의 변화를 통해 사람의 귀로는 감지할 수 없는 결함에 대한 조기 경고를 제공할 수 있습니다.
IBM Maximo를 살펴보고 IoT 데이터, 분석 및 AI가 자산 운영을 간소화하는 데 어떻게 도움이 되는지 알아보세요.
IBM 뉴스레터 구독하기
예측 유지보수는 사물 인터넷(IoT), 예측 분석, 인공 지능(AI)을 비롯한 다양한 기술을 활용합니다. 연결된 센서는 기계 및 장비와 같은 자산에서 데이터를 수집하는데, 이 데이터는 엣지 또는 클라우드의 AI 지원 엔터프라이즈 자산 관리(EAM) 또는 컴퓨터화된 유지보수 관리 시스템(CMMS)에서 수집됩니다. AI와 머신 러닝은 데이터를 실시간으로 분석하여 장비의 현재 상태를 파악하고 잠재적인 결함이 발견되면 경보를 발령하여 유지보수 팀에 전달합니다.
머신 러닝 알고리즘의 발전으로 예측 유지보수 솔루션은 결함 경고를 제공할 뿐만 아니라 장비의 미래 상태를 예측할 수 있게 되었습니다. 이를 통해 적시에 작업 오더 예약, 인력 및 부품 공급망과 같은 유지 관리 관련 워크플로우 및 프로세스의 효율성을 높일 수 있습니다. 또한 더 많은 데이터가 수집될수록 더 많은 인사이트가 생성되고 예측이 더 정확해집니다. 이를 통해 기업은 장비가 최적으로 작동하고 있다는 확신을 가질 수 있습니다.
예측 유지보수 전략의 이점은 장비 결함 및 장애를 예측하고, 시간과 리소스를 최적화하여 유지보수 및 운영 비용을 절감하며, 장비의 성능과 안정성을 개선하는 데 집중되어 있습니다. Deloitte는 2022년에 예측 유지보수를 통해 설비 다운타임을 5~15% 줄이고 노동 생산성을 5~20% 높일 수 있다고 보고했습니다.1 예측 유지보수는 에너지 사용량과 낭비를 최소화하여 운영 지속가능성에도 유익한 영향을 미칩니다.
자산 성능과 가동 시간을 최적화하면 비용을 절감할 수 있습니다. 잠재적 결함에 대한 사전 경고를 통해 고장을 줄이고 계획된 유지보수나 예기치 않은 다운타임을 최소화할 수 있습니다. 지속적으로 상태를 파악할 수 있으면 장비의 수명 신뢰성과 내구성을 향상시킬 수 있습니다. AI를 사용하면 향후 운영을 보다 정확하게 예측할 수 있는데, 물가 상승 및 예측할 수 없는 사건(예: 팬데믹, 기후 관련 자연재해)으로 인해 예비 부품 재고와 인건비를 보다 예측 가능하게 관리하고 운영으로 인한 환경 영향을 줄여야 하는 현 상황에서 이와 같은 정확한 예측은 무엇보다도 중요합니다.
비효율적인 유지보수 작업을 줄이고, 지능형 워크플로우와 자동화를 통해 문제에 더 빠르게 대응하며, 가치 사슬 전반의 기술자와 데이터 과학자 및 직원에게 의사 결정을 내릴 수 있는 더 나은 데이터를 제공함으로써 생산성을 높일 수 있습니다. 결과적으로 평균 고장 간격(MTBF) 및 평균 수리 시간(MTTR)과 같은 지표를 개선하고, 직원들의 근무 환경을 더욱 안전하게 만들 수 있으며, 매출 및 수익성을 향상시킬 수 있습니다.
예측 유지보수는 적어도 초기에는 비용이 많이 들 수 있다는 장벽이 있습니다.
- 시스템 인프라: 복잡한 전략으로 인해 초기 비용이 많이 듭니다. 이러한 초기 비용에는 오래된 기술 및 모니터링 시스템을 업그레이드하고 통합하는 것은 물론 유지보수 및 데이터 관리 도구와 데이터 및 시스템 인프라에 투자하는 것이 포함되는 경우가 많습니다.
- 인력 교육: 새로운 도구와 프로세스를 사용하고 데이터를 올바르게 해석하도록 인력을 교육하는 데는 많은 비용과 시간이 소요될 수 있습니다.
- 데이터 요구 사항: 과거는 미래 성과를 예측할 수 있는 지표입니다. 예측 유지보수를 효과적으로 수행하려면 상당한 양의 시계열 기록 및 장애(또는 프록시) 데이터를 사용할 수 있어야 합니다. 물리적 운영 조건에서 유사한 장비 유형과의 데이터 상관관계 및 유사성을 살펴볼 수 있는 기능도 필수적이며 분석의 예측 특성을 개선하는 데 도움이 될 수 있습니다.
개별 자산의 중요도와 고장 비용을 평가하는 것은 시간과 비용이 들지만 예측 유지보수가 적합한지 여부를 판단하는 데 필수적입니다. 예를 들어, 쉽게 구할 수 있는 저렴한 부품을 사용하는 저비용 자산의 경우 다른 유지보수 전략을 적용한다면 더 나은 서비스를 제공할 수도 있습니다. 예측 유지보수 프로그램은 까다로운 작업이지만 잘 실행된 전략이 가져다주는 경쟁 및 재무적 이점은 상당합니다.
예측 유지보수 기술은 이미 현금 포인트, 풍력 터빈, 열교환기, 제조 로봇 등 다양한 자산에 대해 산업 전반에 걸쳐 적용되고 있습니다. 예상치 못한 장비 고장이 심각한 결과를 초래할 수 있는 에너지, 제조, 통신 및 운송과 같은 자산 집약적 산업에서는 장비 신뢰성과 노동력 생산성을 개선하기 위해 첨단 기술이 점점 더 많이 도입되고 있습니다. 이러한 기술이 적용될 수 있는 잠재적 분야는 다음과 같이 매우 다양합니다.
정전(PDF)은 에너지 회사에 수백만 달러의 보상 비용을 초래할 수 있으며, 고객이 공급업체를 변경하는 사태로 이어질 수 있습니다.
장비 고장과 예기치 않은 다운타임은 단가를 크게 상승시키고 공급망에 차질을 초래할 수 있습니다.
통신 네트워크 오류를 신속하게 해결하는 것은 서비스 품질을 개선하는 데 매우 중요합니다. 작은 네트워크 중단도 수많은 고객에게 영향을 미칠 수 있기 때문입니다.
지점이나 브레이크 고장 또는 선로 변형을 식별하면 서비스 중단을 방지하고 승객의 안전을 보장할 수 있습니다.
검사 주기 동안 구조적 무결성을 더 정확하게 평가할 수 있으면 경제적 손실과 안전 문제를 줄일 수 있습니다.
군용 헬리콥터의 경우 로터와 같이 잠재적으로 치명적인 고장에 대한 사전 경고를 통해 안전 문제를 개선할 수 있습니다.
예측 유지보수 기법의 발명은 제2차 세계대전 당시 CH 와딩턴이 계획된 예측 유지보수가 폭격기의 예기치 않은 고장을 유발하는 것으로 보인다는 사실을 발견한 데서 기인한 것으로 알려져 있습니다.2 이로 인해 상태 기반 유지보수가 등장하고 발전했지만, 대부분의 비즈니스 시스템은 그동안 폐쇄적으로 운영되어 왔기 때문에 예측 유지보수를 도입하는 데 한계가 있었습니다.
IoT 센서, 빅데이터 수집 및 저장 기술의 기술적 발전은 빠르게 진행되어 왔으며 앞으로도 계속될 것입니다. 증가하는 데이터와 AI/ML의 접근성은 예측 유지보수 모델을 더욱 향상시키고 있으며 채택을 촉진시키고 있습니다. 또한 팬데믹은 디지털 혁신을 향한 추진의 속도를 높여 더욱 통합된 비즈니스 환경을 조성하고 인텔리전스 기반 실시간 인사이트에 대한 욕구를 불러일으켰습니다. 마지막으로, 전문가들이 포춘 글로벌 500대 기업 매출의 약 11%에 달하는 것으로 추산하는 예기치 않은 다운타임으로 인한 비용 급증도 예측 유지보수의 시장 도입을 촉진하고 있습니다.3
다음 기술은 예측 유지보수의 지속적인 발전과 가치에 기여하는 기술 중 일부에 불과합니다.
- 자동화된 로봇 검사를 통해 석유 및 가스 산업과 같이 접근이 용이하지 않거나 위험한 위치에 있는 장비를 보다 효율적이고 경제적으로 모니터링할 수 있습니다. 로봇은 여러 자산을 모니터링하고 전산화된 유지보수 관리 시스템에 데이터를 제공하는 이동 센서 역할을 합니다.
- 검사를 간소화하기 위해 증강 현실(AR) 및 가상 현실(VR)과 같은 몰입형 기술이 개발되고 있습니다. AR은 데이터를 수집할 수 있으며 두 기술 모두 시각적 검사와 조기 결함 감지 기능을 향상시킬 수 있습니다.
- 디지털 트윈은 물리적 자산의 가상 표현을 생성하여 센서 데이터를 생성하고 자산에 대한 위험 없이 자산의 수명 주기 동안 운영 장애 시나리오와 솔루션을 시뮬레이션함으로써 예측 유지보수를 강화할 수 있습니다.
- IoT 지원 예측 유지보수 솔루션은 EAM/CMMS 솔루션의 일부로 제공되며 다른 엔터프라이즈 애플리케이션과 통합됩니다.
- 서비스형 예측 유지보수를 통해 예측 유지보수에 대한 접근성과 경제성을 높일 수 있습니다. 파트너가 제공하므로 온프레미스 배포보다 운영 중단이 적고, 투자와 교육이 덜 필요하며, 가치 실현 시간을 단축할 수 있습니다. 또한 개별 환경과 장비에 맞게 조정할 수도 있습니다.
호주 철도 회사 Downer가 신뢰성을 41% 개선한 방법을 알아보세요.
IBM Research가 기술 및 뱅킹 분야의 예측 유지 관리 개발을 어떻게 발전시키고 있는지 읽어보세요.
IBM이 고객의 '예측을 실현하기 위한 여정'을 어떻게 지원할 수 있는지 알아보세요.
클라우드의 예측 유지보수가 비즈니스 성과 개선에 어떻게 도움이 되는지 알아보세요.
Oncor가 예측 유지보수를 통해 정전을 줄이고 고객 만족도를 유지한 방법을 알아보세요.
암스테르담 스히폴 공항이 사후 유지보수 및 예측 유지보수를 적용하여 지연을 줄인 방법을 알아보세요.
각주
2 https://www.easterneye.biz/a-complete-history-of-predictive-maintainence-its-place-in-the-world-today/ (ibm.com 외부 링크)
3 2022 다운타임의 진정한 비용, www.siemens.com/senseye-predictive-maintenance (ibm.com 외부 링크)