유지보수는 제2차 세계대전 당시 CH Waddington이 왕립 공군(RAF)이 임무 후 유지보수를 위해 한 번에 약 절반의 비행기를 지상에 두는 이유를 의문시하면서 새로운 기술과 전략으로 진화해 왔습니다. 그의 이론은 정기 유지보수(예방정비 또는 계획된 유지보수)가 고장을 증가시킨다는 것이었습니다. 그와 몇몇 다른 과학자들은 장비 상태에 따라 유지보수를 수행할 것을 권장했습니다. 새로운 절차를 시도한 지 5개월 만에 언제든지 사용 가능한 비행기 수가 61% 증가했습니다.
그 이후로 제조업체들은 장비 고장 시기를 파악하기 위해 장치에 센서를 배치하는 등 예방정비 전략을 사용했습니다. 그러나 데이터에 접근하기 어려워 결과가 일관되지 않았습니다. 이제 오늘날의 IIoT, 머신 러닝 및 인공 지능을 통해 예측정비가 현실화되었습니다.
예측정비란 무엇이며 어떤 이점이 있습니까?
예측정비는 일반적으로 더 큰 문제를 나타내는 정상 작동의 작은 변화와 이상을 감지하는 데 기반을 두고 있습니다. 디지털 예방정비에서 출발한 예측정비(PdM)는 데이터 기반 유지보수 전략을 사용하여 운영을 분석하고 잠재적인 고장을 예측하고 대비합니다. 24/7 원격 모니터링, 머신 러닝의 데이터 기반 통찰력 및 잠재적인 장비 고장에 대한 경고를 제공하는 혁신적인 예측 분석 기술을 통해 제조업체는 다양한 방식으로 이점을 누릴 수 있습니다. 예측정비의 비용 절감 및 ROI에는 다음이 포함됩니다.
조건 기반 모니터링을 통한 예측정비
유지보수 전략과 역량을 발전시키는 또 다른 혁신적인 단계는 이상을 식별하기 위해 핵심 성과 지표(KPI)를 모니터링하는 조건 기반 모니터링(CBM)의 도입이었습니다. 기업은 측정, 시각적 장비 검사, 성능 데이터 검토 또는 예정된 테스트뿐만 아니라 IoT 및 이력 데이터를 통해 확인할 수 있습니다. KPI는 특정 간격으로 또는 기계에 내부 센서가 있는 경우와 같이 지속적으로 수집됩니다. CBM은 모든 자산에 적용할 수 있습니다.
CBM도 모든 예측정비와 마찬가지로 장비 성능 저하 또는 임박한 심각한 고장 징후가 있을 때만 유지보수를 수행해야 한다는 원칙에 따라 운영됩니다. 기존의 예방정비와 비교할 때 CBM은 필요에 따라 유지보수를 위해 장비를 중단하기만 하면 되므로 유지보수 수리 간격이 늘어납니다.
CBM은 장비 가동시간을 30～60% 줄이고 장비 수명을 평균 30% 늘릴 수 있습니다. 예측정비는 장비가 완전히 고장나기 전에 문제를 감지하고 해결하는 데 중요한 역할을 합니다. PWC 연구에 따르면 예측정비는 가동시간을 51% 개선합니다. 예측정비를 통해 기업은 사고를 방지하고 직원과 고객의 안전을 높일 수 있습니다.
성공적인 조건 기반 유지보수 프로그램 구현
FactoryTalk® Analytics™ GuardianAI™는 Rockwell Automation의 새로운 소프트웨어로, 지속적인 조건 기반 모니터링을 통해 예측정비 인사이트를 제공합니다. 이 소프트웨어는 유지보수 엔지니어가 적시에 적절한 정보를 얻어 유지보수 활동을 최적화하고 계획되지 않은 가동시간 감소를 줄일 수 있도록 지원합니다.
이 정보를 바탕으로 유지보수 엔지니어는 생산 현장의 자산 상태를 이해할 수 있는 인사이트를 얻습니다. 자산이 정상에서 벗어나기 시작하면 즉시 조기 통지를 받습니다.
기존 가변 주파수 드라이브를 센서로 사용
FactoryTalk Analytics GuardianAI를 사용하면 추가 센서나 모니터링 장비를 구입할 필요가 없습니다. 이 소프트웨어는 가변 주파수 드라이브(VFD)에서 이미 사용 가능한 데이터를 기반으로 잠재적인 자산 고장에 대한 조기 경고를 제공합니다. FactoryTalk Analytics GuardianAI 소프트웨어는 VFD의 전기 신호를 사용하여 생산 현장 자산의 상태를 모니터합니다. 전기 신호의 편차를 감지하면 사용자에게 이상 감지를 경고하여 제조업체가 조사하고 올바른 대응을 계획할 수 있도록 합니다. FactoryTalk Analytics GuardianAI는 펌프, 팬, 송풍기와 같은 주요 프로세스 애플리케이션을 위해 PowerFlex® 755, 755T 및 6000T 드라이브와 프리미어 통합을 제공합니다.
데이터 과학 불필요
운영 환경에서 혁신적인 솔루션을 배포할 때는 가치 실현 시간이 핵심입니다. FactoryTalk Analytics GuardianAI 소프트웨어는 셀프 서비스 브라우저 기반 경험을 통해 직관적이고 간소화된 워크플로우로 시간을 절약합니다. 엣지 PC에 애플리케이션을 배포하고, 드라이브 및 자산 정보를 지정하고, 운영에 영향을 주지 않고 라이브 생산 현장 데이터에서 예측 정비 모델을 교육하기만 하면 됩니다. 교육이 완료되면 소프트웨어가 자동으로 모니터링 모드로 전환되고 생산 현장 자산의 상태를 감독할 수 있습니다.
모든 자산에 대한 개요부터 시작하여 위험에 처한 자산을 선택하여 상태에 대해 자세히 알아볼 수 있습니다. 편차의 근본 원인, 기준선 위로 얼마나 높이 치솟았는지, 편차 기간과 같은 주요 정보를 확인할 수 있습니다. 또한 고장 위험의 심각성과 문제 해결 예상 시간에 대한 맥락을 포함할 수 있습니다. 이러한 세부 정보는 유지보수 팀이 수리에 필요한 우선순위 지정 및 계획을 지원합니다.
이상 감지에서 이상 식별로 발전
FactoryTalk Analytics GuardianAI 소프트웨어는 일반적인 생산 현장 자산 유형에 대한 가장 가능성 있는 고장 원인에 대한 전문 지식을 내장한 상태로 제공됩니다. 펌프, 팬 또는 송풍기 애플리케이션을 모니터링하는 경우, FactoryTalk Analytics GuardianAI는 관련 1차 원칙 폴트의 전기적 서명을 이해하고 인식하며, 편차를 경고할 때 이 정보를 제공합니다. 유지보수 엔지니어에게 발생할 고장 유형에 대한 정보를 제공함으로써 조사 시간을 줄이고 필요한 가동시간 감소를 최소화할 수 있습니다.
내장된 전문성은 이상 식별을 위한 훌륭한 출발점을 제공합니다. 그러나 기본 제공 기능에만 국한되지 않습니다. 또한 프로세스별 폴트에 대해 FactoryTalk Analytics GuardianAI 소프트웨어를 유연하게 교육할 수 있습니다. 문제의 원인을 조사하고 파악한 후에는 이상을 라벨링할 수 있습니다. 동일한 문제가 다시 발생하면 소프트웨어가 이를 인식하고 사용자에게 알립니다.
엣지에서 분석
FactoryTalk Analytics GuardianAI 소프트웨어는 거의 실시간 예측을 위해 엣지에서 배포, 학습 및 실행됩니다.
결론
CH Waddinton과 그의 임무가 RAF 비행기를 하늘에 유지하는 것이었기 때문에 제조업체들은 더 효율적인 유지보수 의사 결정을 추진하고 장비에서 더 많은 가치를 도출하기 위해 노력해 왔습니다. 반응적 및 사전 대응적에서 예방정비 및 예측정비로 진화하면서 유지보수 엔지니어는 이제 데이터 과학 지식이 필요 없는 직관적인 사용자 경험을 통해 사용하기 쉬운 머신 러닝을 활용할 수 있게 되었습니다. 자세한 내용은 FactoryTalk Analytics GuardianAI에서 확인하십시오.
Published 2024년 5월 13일