계장기술(PROCON)

기획특집 예지보전을 목표로 중소・중견기업의 단계별 추진 방안

페이지 정보

작성자 최고관리자 댓글 0건 조회 169회 작성일 22-08-12 14:41

본문

2022년 3월, 정부는 DNA(데이터·네트워크·인공지능) 산업 생태계 조성을 위해 향후 3년간 약 21조의 재정을 투자하겠다는 전략을 발표했고, 제조 기업 내의 디지털 트랜스포메이션(DX) 촉진을 위한 다양한 사업을 진행 중이다. 그 과정에서 제조 현장의 데이터를 효율적으로 수집하기 위한 전략 및 제반 기술과 이기종 산업을 통한 사례를 도출 중이다.

과거에는 인프라 성능 및 비용 등의 문제로 추진이 어려웠다면, 현재는 클라우드, GPU, 5G 등의 산업과 기술이 발달하면서 기업에 도입 가능한 비용에 도달하였고, 다양한 이기종의 데이터를 수집 분석할 수 있는 기반이 마련되었다. 그 과정에서 진동, 전력, 대용량의 고화질 이미지, 열화상 데이터 등도 수집하고, 이기종의 데이터와 결합하여 다양한 현장에 적용 및 도입 중이다.

인공지능 및 AI가 가장 많이 도입된 사례는 단연 예지보전이다. 예지보전을 위한 과정은 사람을 통해 운영된 관리 방법을 데이터 중심의 시스템 체계로 변환한다. 지능화 구현과정은 결코 쉽지 않으며, 이 과정에서 굉장히 많은 시행착오를 겪는다.

시행착오는 기업의 규모와 상관없이 반드시 겪는 과정으로 ‘해당 시간을 얼마나 단축할 것이냐’가 주요 포인트다. 결국 제조 현장 내 예지보전 관련 유의미한 결과를 도출하기 위하여 시간을 단축하고, 비용과 연계하여 기업에 필요한 요소 기술로 자리잡는다. 이는 데이터 기반 예지보전의 성공을 좌우한다.

예지보전은 설비 중심으로 많이 분석되고 있으나 설비 데이터를 포함, 이기종의 다양한 데이터가 수집되면서 공정, 품질 등으로 확대되어 분석이 진행되고 있다. 제조 기업은 다양한 방법으로 주요 설비, 공정에 대한 데이터를 확보하고 있으며, 실제 분석을 수행해도 문제가 없을 정도로 데이터 품질을 자신하고 있다. 하지만 인공지능 ·AI까지 확대하기에는 굉장히 부족한 데이터로 기대에 못 미치는 결과물을 받는 상황에 직면할 것이다.

예지보전의 단계적인 추진 방안을 마련하기 위해서, Predictive Maintenance라고 불리는 예지보전의 기준 데이터가 될 수 있는 예방 점검, 즉 유지보수에 대한 용어를 정리하고자 한다.

eeaaf5b48a27e9b8da8f79fe26613978_1660282638_3568.png 

유지보수는 제조 현장에서 보유하고 있는 설비, 기계 등의 안정적인 운영을 위해 수명 주기 동안 진행되는 모든 기술적, 관리적, 그에 따른 다양한 조치를 의미하며, 다양한 기술 문서 등을 통해 확인 가능한 유지보수의 단계는 다음과 같이 정의할 수 있다.

1. Breakdown maintenance
: 흔히 접하는 예지보전의 단계로, 실제 고장 발생 시 대응 방식이다. 고장 발생 후 조치하고 설비를 재가동하여 진행되기까지 얼마의 시간이 소요될 수 있을지 알 수 없다는 단점이 있다.

2. Preventive maintenance
: 계획된 일정에 맞게 정기점검을 수행하는 유지보수 방법을 의미하고, 각각의 부품에 대한 과거 이력을 참고하며, 실제 고장이 발생되지 않더라도 주기적으로 교체하여 돌발적인 상황에 대응하는 방식을 의미한다. 고장나지 않은 부품도 주기별로 교체해야 하니 자원의 낭비가 발생되는 단점이 있다.

위의 1, 2단계와 달리 예지보전이라고 불리는 Pre dictive Maintenance는 설비의 데이터를 분석하여 이상 징후를 사전에 파악하고 조치하는 유지보수로, 기존의 유지보수 방식이 갖고 있던 과잉 보전 및 부정확한 고장 분석 등의 문제를 개선하여 보전 활동의 신뢰성을 높일 수 있다.

eeaaf5b48a27e9b8da8f79fe26613978_1660282716_1775.png 

결국 예지보전은 데이터에 의한 의사결정, 이를 통한 결과의 정확성을 필요로 하며, 제조 현장의 데이터 특성 및 다양성을 고려하여 데이터의 수집 및 유의미한 데이터 확보가 중요하다. 대부분의 예지보전 데이터는 시계열 형태의 데이터로 전/후 데이터 확보를 통해 트렌드 분석, 데이터의 저장·처리가 중요한 인프라 기술 요소이기도 하다.
인프라 기술 요소가 뒷받침된(데이터의 특징에 맞춰 전처리, 특징 등을 추출하여) 데이터셋을 확보하는 것은 예지보전 성공의 핵심 키워드다.

하지만 앞서 설명한 인프라 기술 요소, 유의미한 데이터셋보다 더 중요한 것은 데이터 학습을 위한 고장 데이터 확보이며, 실제 예지보전의 실패 사례는 고장 데이터 확보의 어려움으로 인한 학습 데이터의 품질이 떨어지고, 그에 따른 알고리즘의 정확도가 낮다는 것이 가장 큰 문제다.

예지보전 실패를 반복하지 않기 위해서는 기업 내 고장 데이터 확보를 위한 방안이 사전에 논의되어야 하고, 데이터의 품질을 높이는 과정이 반드시 필요하다. 이를 위해 구축 단계 및 이에 대한 프로세스 정립이 예지보전을 도입하고자 하는 기업 내 테스크 포스(Task Force) 팀 구성을 통해 현장 관리자와 분석을 추진하는 팀 내 사전 논의가 필요하며, 이를 위한 단계는 다음과 같다.

고장 데이터셋 확보만이 중요한 것이 아니다. 예지보전을 위해 기업이 보유하고 있는 데이터에 대한 정확한 이해, 즉 데이터를 통해 스스로 문제점을 파악하고 데이터의 수준에 따라 목표 수립을 제시하는 것이 선행되어야 한다.

eeaaf5b48a27e9b8da8f79fe26613978_1660282745_8062.png 

위와 같이 단계별 시스템 구축을 위해서는 시스템 도입을 위한 사전 교육이 반드시 필요하다. 즉, 기업이 실제 보유하고 있는 데이터를 기반의 문제점과 이를 극복하기 위한 핵심성과지표(KPI) 목표를 수립, 실제 데이터 기반의 추적 및 분석이 진행되어야 한다.

실제 중견기업 A사는 자체 보유하고 있는 레가시 시스템 데이터와 현장 설비 PLC 및 센서 등에서 발생되는 데이터를 통합으로 분석하고, 공정 및 품질 예지보전을 추진하기 위하여 약 8주간의 문제 해결형 교육 과정을 다음과 같이 진행하였다.

공정 및 품질 개선 기반 예지보전을 목표로 하고, 선택과 집중을 위해 차세대 라인이자 기업 내 향후 미래 사업을 대상으로 분석 대상 라인 및 공정을 선정한다.

1. 설비에서 발생되는 CSV 형태의 데이터를 확보하고, 다양한 데이터의 기준을 통해 즉각적인 시각화를 수행한다.
2. 데이터를 일자별, 제품별, 공정별로 나열한 결과, 한눈에 데이터 파악의 어려움이 발생하여 이에 대한 보완 조치를 강화하고, 연관성에 따른 데이터 간의 그룹핑을 진행한다.
3. 시각화를 구현한 결과, 도출된 결과의 원인 추적 및 의사 판단의 어려움이 발생하였고, 데이터를 기반으로 분석, 최종 데이터의 신뢰성에 의문이 발생하였다.
4. 데이터를 기반으로 유의미한 데이터를 추출하였고, 불필요한 데이터의 제거 등을 수행하여 데이터의 속성을 이해하고 내부적인 의사결정을 할 수 있도록 진행하였다.
5. 의사결정을 하기에 부족한 데이터가 있을 경우, 데이터 확보를 위한 기준을 마련하였다.
6. 현장 근로자가 입력한 데이터의 경우 의사결정에 도움이 되지 않는 부수적인 정보 입력으로 인하여 데이터 입력 기준의 정의가 필요하고, 내부의 사전 논의가 진행되었다.
7. 실제 설비에서 발생된 데이터의 정합성 및 기타 제반 사항 등을 고려하여 설비에서 발생된 데이터 확보를 위해 재설정하고, 유의미한 데이터 확보를 위한 작업 수행 및 기존 데이터와 비교 분석 진행한다.
8. 엑셀 등으로 운영 관리된 제품의 불량 발생 시 입력한 정보와 설비 이력 정보 데이터를 기준 데이터로 마련하고, 시스템으로 전환하기 위한 작업을 수행한다.

데이터 품질을 확보하기 위해서는 데이터의 신뢰성 확보가 급선무이다. 다양한 방법론을 기반으로 자체적인 의사결정을 통해 데이터 품질을 확보해야 한다.

eeaaf5b48a27e9b8da8f79fe26613978_1660282834_4609.png 

실제 제조 현장에선 [그림 5]와 같은 단계를 반복적으로 수행하고, 이 과정에서 기존 수집 데이터의 기준을 변경하거나 기존에 운영 중인 데이터 체계를 버리고 재수집을 통해 데이터의 품질을 확보해야 하는, 즉 내부적으로 굉장히 불편한 의사결정을 수행하는 상황이 발생한다.

위의 과정(상황)은 지극히 당연하다. 기존의 스마트공장 사업을 통해 확보된 데이터는 단순 모니터링을 통한 현상 파악이 주목적으로, 기존 데이터 수집 프로세스 체계로는 예지보전 구축과 연결이 어렵기 때문에 목적과 목표에 따라 다른 프로세스가 마련되어야 한다.

제조 현장 내의 지능화가 빠르게 추진되고 있지만 그 과정에는 데이터에 대한 의사결정, 지속 가능 여부에 대한 판단 등이 고려된 기업의 추진 전략이 필요하다.

1. 수집된 데이터를 교육을 통해 활용한다.
2. 결과를 기반으로 데이터의 표준화 및 데이터 수집 기준 정보를 재정립하고, 데이터 기반의 의사결정과 예지보전 목표를 향한 단계별 과정을 추진한다.
3. 설비, 품질, 공정 등의 예지보전 구현을 위한 목표를 설정하고, 확장성을 위한 사업을 추진한다.

eeaaf5b48a27e9b8da8f79fe26613978_1660282856_13.png
 

hwkyso@wizcore.co.kr