스마트팩토리 예측 유지보수(예지보전)란 무엇이고, 어떤 이점이 있나요?
예측 유지보수(예지보전)란 무엇인가요?
예측 유지보수(예지보전, Predictive Maintenance)란, 고장을 방지하기 위해 기계 설비를 체계적으로 점검하고 유지보수하는 일종의 사전 예방적 접근 방식입니다. AI, 사물인터넷, 빅데이터 분석 기술을 활용해 모든 설비 데이터로부터 의미 있는 정보를 산출합니다. 결함을 인지하고 문제의 원인, 고장 시점, 남은 수명 등을 예측합니다. 그리고 실제 고장이 나기 전에 필요한 조치를 취할 수 있도록 도움을 줍니다.[1]
왜 중요한가요?
(1) 비용 및 생산 최적화
예기치 못한 고장으로 인해 생산 라인을 멈출 경우(다운타임) 생산 효율이 심각하게 저하됩니다. 수리하고 교체하는 기간 동안 설비의 가용성이 급격히 감소하기 때문입니다. 최근 연구ii에 따르면 11개 산업 분야를 조사한 결과, 생산 라인이 갑작스럽게 멈추을 때 낭비되는 비용이 시간당 평균 12만5,000달러인 것으로 나타났습니다.
이런 고장 사례를 방지하기 위해 기계설비 같은 자원을 주기적으로 유지보수 하는 사례가 많은데요. 산업 부문이나 환경에 따라 이런 유지보수 비용이 전체 비용의 최대 70%까지 늘어날 수 있습니다. 그래서 특히 반도체나 자동차 산업처럼 경쟁이 치열하고 부가가치가 높은 제조업에서는 유지보수 비용을 절감하는 전략을 세우는 게 매우 중요하죠.
그리고 이렇게 유지보수 비용을 절감할 수 있는 전략 중 하나가 바로 예측 유지보수(예지보전)입니다. 고장이 발생하기 전에 선제 대응하면, 고장이 발생한 이후에 수리하는 것보다 대부분 비용이 적게 듭니다. 또, 기업이 꼭 필요한 유지보수만 진행할 수 있도록 도움을 주죠.
다운타임이 발생하면 생산 계획이 변동되면서 서비스나 제품의 품질에도 의도하지 않은 변화가 생길 수 있는데요. 예측 유지보수를 활용하면 이런 리스크도 줄일 수 있습니다.
(2) 고장 진단의 자동화
지금까지 설비 점검과 고장 예측, 유지관리 등은 매우 숙련된 기술자의 영역으로 인식돼 왔습니다. 제조 현장에서 수십 년의 경력을 쌓은 사람은 파이프에서 나는 소리를 듣는 것만으로 귀신같이 고장의 원인을 파악할 수 있다는 말이 있을 정도죠.
하지만 그 정도의 고숙련자는 당연하게도 수가 많지 않습니다. 그렇게 단련되기까지 너무 오랜 기간이 걸리죠. 데이터 기반의 평가를 하겠다고 해도 일단 설비와 검사 장비 등에서 생산되는 수많은 데이터를 제대로 수집하는 것조차 쉽지 않다는 문제가 있습니다. 다행히 데이터를 제대로 수집한다고 해도 사람이 직접 그걸 평가하고 분석하는 데에는 적잖은 노력과 시간이 소요되죠. 게다가 기술자가 경험해보지 못한 상황이 발생한다면 원인을 진단하거나 문제에 대처하기가 쉽지 않습니다. 데이터를 조금이라도 잘못 해석하면 엉뚱한 진단을 내리게 될 위험도 존재하고요.
예측 유지보수 기술을 활용하면 이를 자동화할 수 있습니다. 특히 사물인터넷, 인공지능, 로봇, 빅데이터 등 최신 기술이 융합된 스마트팩토리에는 전통적인 공장에 비해 훨씬 많은 수의 센서와 설비, 검사 장비 등이 설치되어 상시로 모니터링을 하기 때문에 고장을 미리 알아내기에 더 유리합니다.
최근의 시장 동향은 어떤가요?
(1) 시장 규모
예측 유지보수 시장은 빠르게 성장하고 있습니다. ‘예측 유지 관리 및 자산 성능 시장 보고서’[2]에 따르면 전 세계 예측 유지보수 시장은 2022년에 55억 달러로 성장해 2021년 대비 11% 성장했습니다. 또, 2028년까지 연평균 성장률은 17%로 추정됩니다.
(2) ROI
물론 예측 유지보수 기술에 대한 회의적인 시각도 존재합니다. 그간 예측 유지보수 솔루션의 정확도가 50% 미만으로 측정돼 왔기 때문입니다. 하지만 최근에는 AI 기반 분석을 포함해 더 많은 데이터 소스와 더 나은 분석 방법을 사용할 수 있게 되었습니다. 이에 따라 공급업체들은 예지보전 솔루션의 예측 정확도를 높이기 위해 노력해 왔죠. 그 결과, 예지보전 솔루션이 최종 사용자에게 실질적으로 도움이 된다는 긍정적인 징후가 있습니다. 독일의 리서치 기업 ‘IoT Analytics’ 조사[2]에 따르면 예측 유지 관리를 채택한 기업 중 95%가 긍정적인 ROI를 보고했으며, 이들 중 27%는 1년 이내에 투자 비용을 상쇄했다고 응답했습니다.
스마트팩토리에 예측 유지보수(예지보전)를 어떻게 도입하나요?
1단계 출발은 ‘데이터’입니다. 제조 현장에서 생성되는 데이터를 수집하고 통합하고 연계하세요.
- PLC, 검사기, 계측기에서 생산되는 수치/이미지/영상/측정/시계열 데이터를 한 번에 수집하는 방법
- 제조 데이터를 전처리하고 통합해 생산이력을 관리한 사례
- 고객 맞춤형 다품종 소량생산 – 모델별 품질 관리 사례
2단계 머신러닝 모델을 도입해 데이터 분석, 실시간 이상탐지 및 예측 유지보수를 시도하세요.
- AI 비전 검사를 기반으로 제품의 품질 지표를 관리하는 방법
- 이미지 퀄리티 분석 딥러닝 모델로 광학 검사장비의 이상을 감지한 사례
- 이상 탐지(Anomaly Detection) 모델로 로봇 파지를 관리한 사례
제조 도메인 널러지를 풍부하게 갖춘 데이터 전문가 팀과 상의해보세요!
Reference
[1] 연구개발특구진흥재단 2021.10 글로벌 시장동향보고서 <예지 보전 시장>
[2] Predictive maintenance market: 5 highlights for 2024 and beyond