예측 유지 보수란 무엇인가요?
예측 유지 보수는 조직에서 운영 장비의 유지 보수 일정을 추정하고 계획하는 데 사용하는 전략입니다. 이 전략은 장비 성능과 수명을 최적화하도록 설계되었습니다. 사물 인터넷(IoT) 디바이스를 사용하면 조직에서 스마트 센서를 사용하여 기계 성능의 모든 측면을 모니터링할 수 있습니다. 예측 유지 보수 솔루션은 센서 데이터를 비즈니스 운영 데이터와 통합하고 인공 지능(AI) 기반 분석을 적용하여 의미를 도출합니다. 도출된 의미를 사용하여 장비의 미래 상태를 예측하고 문제가 발생하기 전에 잠재적인 기계 문제를 예측할 수 있습니다. 예를 들어 온도 또는 압력이 설정된 임계값을 초과하거나 기계 사용량이 예상보다 높으면 문제가 발생할 수 있습니다. 예측 유지 보수는 잠재적인 기계 손상을 예측하고 손상이 발생하기 전에 유지 보수 점검 일정을 잡습니다. 조직은 예측 유지 보수를 사용하여 자산 가동 시간과 신뢰성을 높여 생산 시간을 극대화할 수 있습니다.
예측 유지 보수가 중요한 이유는 무엇인가요?
물리적 기계는 손상될 수 있기 때문에 예측 유지 보수가 중요합니다. 구성 요소 고장 또는 성능 저하가 발생하거나, 성능이 느려지거나 성능 변동이 예상 작동 한계를 초과할 수 있습니다. 이러한 물리적 장비의 고장 및 성능 저하는 다음과 같은 다양한 원인으로 인해 발생합니다.
- 외부 이벤트 및 조건
- 정상적인 사용으로 인한 마모
- 기계의 예상 용량 또는 기능 범위를 벗어난 장비 사용으로 인한 과도한 마모
전반적인 장비 엔지니어링 설계와 신기술 또한 장비의 수명을 단축시킵니다. 이것은 유지 보수 및 교체 일정에도 영향을 미칩니다.
점점 더 복잡해지고 다양한 유형의 장비를 산업용 기계 시스템에 통합하면 한 구성 요소의 고장이나 성능 저하가 체인의 다른 구성 요소에 부정적인 영향을 미칩니다. 이로 인해 예상치 못한 결과가 발생합니다. 예측 유지 보수 솔루션을 사용하면 장비 고장 가능성을 줄이고 합리적인 범위를 벗어나는 성능 저하를 방지할 수 있습니다.
예측 유지 보수의 이점은 무엇인가요?
예측 유지 보수 프로그램은 여러 가지로 조직에 도움이 될 수 있습니다.
가동 중지 시간 감소
장비가 고장이 난 후에 수리하는 것을 사후 유지 보수라고 합니다. 예상치 못한 가동 중지 시간은 전체 운영 일정에 영향을 미칩니다. 반면 예측 유지 보수는 예상치 못한 장비 고장의 위험을 줄여줍니다. 교정 유지 보수를 미리 계획하고 가동 중지 시간을 영향이 크지 않은 시간으로 옮길 수 있습니다. 필요한 경우 복구 중에 사용할 백업 장비를 가져와서 비즈니스 연속성을 높일 수도 있습니다.
불필요한 유지 보수 비용 절감
예방 유지 보수는 일반적으로 기계를 양호한 작동 상태로 유지합니다. 그러나 성능 저하 관점에서 볼 때 이 유지 보수는 항상 필요한 것은 아닙니다. 예측 유지 보수 프로그램을 사용하는 경우 일반적인 일정에서 예상하는 것보다 더 많은 사용량 이후 또는 더 많은 시간이 지난 후에 유지 보수를 시작하게 되는데, 장비 사용량이 적었기 때문이거나 기타 여러 요인이 그 이유가 될 수 있습니다. 이 프로세스는 결과적으로 새 부품의 유지 보수 비용과 유지 보수 팀의 리소스 조달 비용을 줄여줍니다.
통합 시스템에 대한 이해도 향상
예측 유지 보수 프로그램을 사용하면 복잡한 시스템의 전반적인 상태를 실시간으로 상세하게 파악할 수 있습니다. 과거에는 이것이 불가능했습니다. 타임스탬프가 찍힌 결함 검사 보고서로만 시스템 개요를 구성할 수 있었습니다. 요즘에는 모든 IoT 디바이스의 데이터를 통합하여 전체 비즈니스 운영을 상세하게 분석할 수 있습니다.
예측 유지 보수의 사용 사례로는 어떤 것들이 있나요?
예측 유지 보수는 일반적으로 크고 복잡한 물리적 시스템이 있는 경우에 사용됩니다. 다음은 몇 가지 예입니다.
- 제조 플랜트 및 공장
- 건물 및 산업 시설
- 운송 및 물류
- 에너지 및 공익사업 운영
- 채굴 운영
- 복잡한 로보틱스
- 실험실 서비스
이러한 시스템, 운영 또는 시설을 소유하거나 관리하는 회사에서는 예측 유지 보수를 사용하는 것이 큰 이점이 될 수 있습니다. 또한 경쟁 우위를 확보할 수도 있습니다.
예측 유지 보수는 어떻게 작동하나요?
예측 유지 보수에는 수집된 인사이트를 기반으로 한 모니터링, 분석 및 조치가 필요합니다.
모니터링(Monitoring)
모니터링 용도로 사용할 수 있는 다양한 IoT 센서를 통해 사용 전반에 걸쳐 장비를 모니터링해야 합니다. 센서는 온도, 진동, 습도 등 기계 상태에 대한 인사이트를 제공하는 파라미터를 측정합니다.
예를 들어 온도 센서는 장시간 사용 후 기계가 뜨거워지는지 여부를 나타냅니다. 카메라의 이미지를 통해 밸브가 원하는 만큼 넓게 열리지 않는지 확인할 수도 있습니다. 장비를 지속적으로 또는 자주 모니터링함으로써 데이터를 적시에 캡처하고 이상 징후를 감지할 가능성을 높여줍니다.
분석
센서에서 수집한 데이터를 분석하여 장비의 성능 저하 속도 또는 고장 가능성을 확인할 수 있습니다. IoT 디바이스의 데이터는 중앙 집중식 시스템으로 전달됩니다. 중앙 집중식 시스템에서는 기계 학습(ML) 및 기타 고급 AI 알고리즘으로 데이터를 분석하여 설정된 기준선 또는 패턴과의 편차를 감지합니다. 그런 다음 기록 데이터를 분석하고 이를 알려진 장애와 연관하는 방법으로 예측 모델을 구축합니다. 원시 센서 판독값을 유용한 정보로 전환하려면 강력한 계산 기능이 필요합니다.
작업
예측 모델은 현재 및 과거 데이터 패턴을 기반으로 장비의 고장 시기를 추정합니다. 시스템은 향후 분석을 기반으로 사전 예방적 유지 보수 일정을 생성합니다. 또한 이메일, 메시지, 대시보드 또는 기타 메커니즘을 사용하여 향후 발생할 수 있는 장애나 시간이 중요한 이상 현상을 유지 보수 팀에 알립니다. 유지 보수를 수행하면서 시간이 지남에 따라 더 많은 데이터를 수집하게 되면 예측 모델의 정확성과 신뢰성이 높아집니다.
예측 유지 보수 기술
예측 유지 보수 작업은 유동적인 부분이 많은 복잡한 분야입니다. 대량의 데이터를 저장, 전송, 분석할 수 있는 시스템이 필요한데, 주로 수천 또는 수백만의 다양한 IoT 소스에서 수집한 실시간 스트리밍 데이터인 경우가 많습니다. 데이터를 전송하려면 전용 네트워크과 데이터 레이크의 스토리지가 필요하고 고성능 전용 서버 클러스터를 사용하여 처리해야 합니다.
예측 유지 보수 프로그램을 지원하는 데 필요한 정확한 인프라는 사용하는 시스템과 아키텍처에 따라 달라집니다. 또한 센서, 데이터 유형, 수행하는 분석 유형에 따라서도 달라집니다. 예측 유지 보수 솔루션을 사용자 지정하려면 엔지니어, 인프라 아키텍트, 데이터 사이언티스트가 올바른 구성을 만들어야 합니다.
예측 유지 보수와 다른 유형 간의 차이점은 무엇인가요?
조직에서는 예방 유지 보수와 검사 기반 유지 보수 방식을 채택할 수도 있습니다.
예측 유지 보수와 예방 유지 보수 비교
예측 유지 보수에서는 장비의 고장이나 성능 저하를 미리 예측한 다음, 사고가 발생하기 전에 선제적으로 유지 보수를 수행합니다.
반면 예방 유지 보수는 정해진 일정에 따라 유지 보수를 수행하는 것입니다. 기간 또는 측정 가능한 사용 단위(예: 팬 회전 수)를 기반으로 유지 보수 일정을 계획할 수 있습니다. 일반적으로 이 유지 보수 일정은 장비 제조업체에서 지정합니다.
예측 유지 보수 기법과 예방 유지 보수 기법을 동시에 사용할 수도 있고, 한 가지 방법을 다른 방법보다 우선적으로 사용할 수도 있습니다. 예측 유지 보수는 예방 유지 보수보다 본질적으로 더 발전한 것입니다. 올바르게 설계, 구성, 배포 및 유지할 경우 더 효과적입니다.
예측 유지 보수와 결함 검사 비교
결함 검사는 장비의 현재 상태를 조사하여 새 유지 보수를 시작할지 여부를 결정하는 프로세스입니다. 제안된 유지 보수의 필요성을 검증하는 데 사용될 수도 있습니다. 일반적으로 이 프로세스에는 기계의 녹을 물리적으로 촬영하는 것과 같은 현장 분석이 포함됩니다. 진동 분석 또는 IoT 지원 캡처와 같은 원격 분석 기법도 포함될 수 있습니다.
예측 및 예방 유지 보수와 함께 결함 검사를 사용할 수 있습니다. 유지 보수 일정 수립 이외의 용도로도 검사를 사용할 수 있습니다. 예를 들어 회사의 산업 시설을 판매하려는 경우 결함 검사가 필요할 수 있습니다. 구매 비용에 영향을 미칠 수 있는 기계류의 손상이나 마모 정도를 구매자가 알고 싶어할 수 있기 때문입니다.
예측 유지 보수를 구현하는 데 따르는 어려움은 무엇인가요?
예측 유지 보수에서는 계획, IoT 구매, 운영, 유지 보수, 분석 활동, 지속적인 개선 및 관리에 상당한 금액이 투자됩니다. 효과적인 예측 유지 보수에 필요한 시간, 인적 자원 및 비용은 때로 소규모 운영의 범위를 넘습니다.
조직에 예측 유지 보수 솔루션을 배포하기 전에 다음과 같은 당면 과제를 고려해 보세요.
- 올바른 센서로 올바른 데이터 캡처
- 적절한 민감도 수준의 데이터 캡처
- 센서가 올바르게 작동하는지 확인
- 유지 보수 경고에 대한 올바른 가드레일 설정
- 예측 유지 보수에 대한 올바른 분석 수행
- 예방 유지 보수 및 결함 검사의 시기와 여부 결정
- 새 장비 구성 요소를 예측 유지 보수 시스템에 통합
- 분석 기반의 자동화되고 전산화된 유지 보수 관리 시스템 구성
또한 예정된 유지 보수와 관련된 법적, 규정 준수 또는 보험 의무도 숙지하고 있어야 합니다. 벤더에서 권장하는 유지 보수 일정보다 낮은 빈도로 예측 유지 보수 일정을 계획하려는 경우 특히 중요합니다.
AWS는 예측 유지 보수 요구 사항을 어떻게 지원하나요?
Amazon Web Services(AWS)는 예측 유지 보수 솔루션의 개발과 배포에 도움이 되는 다양한 서비스를 제공합니다. 고객은 자체 인프라 및 유지 관리에 투자할 필요 없이 이들 서비스를 대규모로 운영할 수 있습니다.
AWS IoT 서비스 및 솔루션은 예측 유지 보수를 위한 센서 데이터를 수집하고 저장하는 데 도움이 됩니다. 다음은 몇 가지 예입니다.
- AWS IoT Core를 사용하면 인프라를 관리하지 않고도 수십억 개의 IoT 디바이스를 연결하고, 수조 개의 메시지를 AWS 서비스에 라우팅할 수 있습니다.
- AWS IoT Device Management는 대규모의 IoT 디바이스를 등록, 분류 및 모니터링하고 원격으로 관리하는 데 도움이 됩니다.
- AWS IoT Events는 장비 또는 디바이스 플릿에서 작업 오류 또는 변경 사항을 모니터링한 다음 필요한 조치를 시작합니다.
AWS의 기계 학습에는 센서 데이터 분석을 위한 다수의 완전 관리형 서비스가 마련되어 있습니다. 여기 몇 가지 예가 있습니다.
- Amazon Monitron은 ML을 사용하여 산업 장비의 비정상적인 상태를 감지하고 예측 유지 보수를 지원하는 엔드 투 엔드 시스템입니다.
- Amazon Rekognition은 이미지 및 비디오에서 정보와 인사이트를 추출하기 위해 사전 훈련된 사용자 지정 가능한 컴퓨터 비전(CV) 기능을 제공합니다.
Amazon SageMaker를 사용하면 완전관리형 인프라, 도구 및 워크플로를 사용하여 예측 유지 보수 소프트웨어를 위한 사용자 지정 ML 모델을 구축, 훈련 및 배포할 수 있습니다. AWS Solutions Library에서 Predictive Maintenance Using Machine Learning(기계 학습을 사용한 예측 유지 보수) 예제를 찾아보고 시작할 수 있습니다. GitHub의 코드와 터보팬 성능 저하 예제 데이터 세트를 사용하여 AWS 예측 유지 보수 솔루션의 작동 방식을 살펴볼 수 있습니다. 자체 데이터로 사용자 지정하면 고유한 사용 사례에 맞는 기능에 대한 이해를 높일 수 있습니다.
지금 바로 계정을 만들어 AWS에서 예측 유지 보수를 시작해 보세요.
