지식 센터
목차

질문: AI 설비 상태 관리(PHM)는 어떻게 구현하며 참고할 예시는 있는가

답변: PHM은 설비 상태를 완전하고 정확히 수집한 뒤 물리 원리 모델과 머신러닝으로 특징을 추출하고 열화를 모델링한다. 경보 한계, 잔여 수명 예측 및 보수 지시를 폐루프로 연결하여 정기 교체에서 상태 기반 결정으로 전환한다. 데이터 기반이 없으면 복잡한 알고리즘도 구현하기 어렵다.

1. 공장에서 해결할 문제부터 이해한다

기존 점검표·고정 주기는 과잉 정비로 부품을 낭비하거나 돌발 정지로 일정을 흐트러뜨린다. PHM은 현재 건강도, 남은 운전 기간 및 가장 경제적인 수리 시점을 답한다. 상태 감시·고장 진단·잔여 유효 수명(RUL) 예측·보수 결정 최적화가 대응 기능이다. 업계는 ISO 13374의 6계층 구조를 참조해 수집·처리부터 상태 평가·예측·결정까지 구성하는 경우가 많다.

2. 수집 계층을 구축하는 방법

회전 설비에는 진동·온도·전류·오일 상태·음향 방출의 다섯 신호가 흔하다. 핵심 회전체는 충분한 샘플링이 필요하며 진동은 보통 kHz, 온도는 초 단위로 구성한다. OPC UA·Modbus·MQTT를 사용하고 인터페이스 없는 노후 설비에는 에지 게이트웨이나 외부 센서를 보완한다. 이 단계가 모델 성능의 상한을 정한다. 병목·고가·고장 영향이 큰 설비부터 시범 적용하고 한꺼번에 전체 공장에 확대하지 않는다.

3. 신뢰할 모델을 만드는 방법

고장 샘플이 적으면 순수 데이터 모델은 실패하기 쉽고 물리·데이터 혼합이 실무적으로 더 안정적이다. 베어링은 포락 스펙트럼으로 특징 주파수를 추출하고 분류기로 내륜·외륜을 판정할 수 있다. 수명은 열화 지표와 Wiener 과정 또는 LSTM을 조합하는 경우가 많다. 한계 경보는 첫 단계이며 수주 전 열화 추세 경보가 더 큰 가치다. 과거 고장 샘플이 부족하면 업계 특징 라이브러리로 시작해 현장 데이터로 갱신한다.

4. 운영 폐루프를 실제로 구현한다

예측이 자동 정비 제안·작업 지시와 EAM·MES에 연결되어야 한다. 그렇지 않으면 숫자 표시에 그친다. 예를 들어 2주 후 부품 교체가 예상되면 재고와 구매를 미리 연계한다. 어려움은 알고리즘보다 절차에 있으므로 정비팀 응답과 책임도 함께 조정해야 한다.

추가 질문: 어떤 설비부터 시작하면 좋은가

답변: 고장 영향이 크고 이력이 있으며 신호를 측정할 수 있는 압축기·펌프·팬·감속기·스핀들을 우선한다. 원리와 신호가 명확하여 효과를 확인하고 현장 인력을 설득하기 쉽다.

추가 질문: 고장 이력이 없어도 가능한가

답변: 가능하지만 범위를 선택해야 한다. 한계 감시·물리 특징으로 이상을 먼저 감지하고 6개월~1년의 라벨 데이터를 모아 예측 모델로 나아간다. 유사 설비 공개 데이터의 전이 학습도 활용할 수 있다.

추가 질문: 성과는 어떻게 측정하는가

답변: 비계획 정지 시간, 예비 부품 회전율, 오경보율 및 경보 선행 시간을 본다. 오경보를 통제하지 못하면 현장 신뢰를 빨리 잃으며 많은 프로젝트의 직접적인 실패 원인이 된다.

전자 공장 SMT 실장기 스핀들이 자주 갑자기 고착되어 손실이 큰 상황을 가정한다. 진동·온도 센서, 에지 특징 추출 및 클라우드 열화 모델을 적용하는 예시이다. 가정상 3개월 후 약 1주 전 경보가 가능해지고 경보에 따라 베어링을 교체하여 비계획 정지가 감소한다. 다른 자동차 부품 예시는 프레스의 전류·진동으로 유압 상태를 평가해 펌프·밸브에 집중하고 정기 오일 교환을 검사·운전 상태 기반으로 바꾼다.

적용 경계: 설비가 많고 정지 손실이 크며 기본 네트워크·정보화가 있는 공장, 특히 공정 산업과 이산 제조의 핵심 장치에 적합하다. 설비가 적고 영향이 작으며 대장도 불완전한 소공장은 기초 점검부터 정비하는 편이 현실적이다. 고장 원리를 모르거나 신호를 수집할 수 없으면 AI보다 측정 가능성을 먼저 해결한다. 원문은 ERP 시대부터 수십 년 경험, 120만 고객 및 수천만 단말의 공급사 경험을 들어 데이터 거버넌스·정비 절차 개편이 성패를 좌우하며 알고리즘은 일부라고 설명한다. 자사에서 가장 아픈 비계획 정지 설비 3대, 신호 수집 가능 여부, 경보에 따른 정비팀 실행 의지를 확인하면 선정 방향이 잡힌다.

주제: AI-FAQ