예지보전의 첫 걸음은 데이터를 통해 의사결정할 수 있는 시스템을 마련하는 데부터 시작된다. 그리고 예지보전 목표를 향해서 구축 단계 및 프로세스 정립을 해나가는 것이 반드시 필요하다. 하지만 최종 목표를 향해가는 여정의 단계는 결코 쉽지만 않다. 예지보전을 목표로 중소·중견기업의 단계별 추진 방안과 설비 데이터를 활용한 통합 모니터링 및 분석 플랫폼 도입 사례를 소개한다.

 

 

예지보전의 첫 걸음은 데이터를 통해 의사결정할 수 있는 시스템을 마련하는 것이 가장 중요한 포인트이다. 그 단계를 보면, 먼저 제조 현장에는 설비나 로봇, 센서에서 다양한 데이터가 발생한다. 이러한 하위 레벨의 데이터들은 ERP, MES, CMMS, SCM 등 제조 인프라 시스템과 연동하여 모니터링 및 분석을 통해 생산과 품질에 영향을 미치는 문제점을 파악할 수 있다. 그리고 이렇게 도출된 데이터들은 생산, 품질뿐만 아니라 설비, 에너지에 대한 부분까지 정확한 의사결정을 돕는다.

 

최근엔 데이터 기반의 스마트공장들이 구축되면서, 근무환경 개선 및 불필요한 업무를 제거해 생산성과 업무 효율성이 증가하고 있다. 또한, 관리자가 문제 원인을 파악하고 구체적인 개선 계획을 수립해 데이터를 통한 관리 효율 달성이 용이해졌다. 경영자 입장에서도 개선활동 추진 및 생산원가 절감 등의 관리를 통해 기업 경쟁력을 제고할 수 있게 됐다. 앞으로 데이터 기반 확장성을 통한 다양한 인공지능(AI) 연계 및 도출이 있을 것으로 예상된다.

 

 

제조 데이터 종류

 

기술은 인프라 발달과 함께 다양한 데이터를 수집할 수 있는 환경이 마련됐다. 기존에는 네트워크에 대한 문제들, 또는 저장할 수 있는 시스템의 문제들이 있어서 대용량의 데이터를 처리하기가 어려웠다, 지금은 GPU와 같은 성능 좋은 하드웨어와 5G 통신 등이 나오면서 어느 정도 이러한 문제점들이 해결됐다. 그러다 보니 다양한 데이터 수집이 가능해졌다.

 

그러면 어떤 데이터들을 모을 것인가. 먼저, 온·습도 데이터는 기존에도 잘 모아서 운영 관리되고 있었다. 온·습도에 민감한 제품을 생산하는 환경일 경우 온·습도 데이터를 측정 및 수집하여 정확한 제품 생산에 필요한 환경 요소를 구현하고 공정, 품질의 최적화를 이루어 제품의 신뢰성 확보와 비용 최적화가 가능해진다.

 

다음으로, 진동은 설비예지보전의 중요한 지표가 된다. 자동화 설비 및 공정에서 발생하는 진동 데이터(펌프/전동기/압축기/감속기에서 발생)를 수집하여 부품의 고장을 사전에 인지하고 예방 지원을 한다. 요즘에는 한 단계 더 나아가 전력 데이터까지 수집한다.

 

전력 데이터는 스마트공장을 추진하는 과정에서 가장 빠른 ROI 도출이 가능하며, 특히 전력 사용량이 높은 뿌리산업의 경우 전력을 절감하면 전체 생산에 따른 비용 절감의 효과가 높다.

 

또 하나는 비전(이미지) 데이터 수집이다. 비전 데이터는 식품, 약품, 일반 제조 품질 테스트 등의 대부분은 비전 장비를 통해 품질 관리가 진행되고 있으며, 생산 시간 단축, 품질 검사 정확성 등을 기대할 수 있다.

 

마지막으로 열화상 데이터 수집이다. 그동안 열화상 데이터는 용량이 너무 커서 상용화된 빅데이터 엔진조차도 처리하기 어려운 게 현실이었다. 그래서 대부분 열화상 데이터들은 특정 포인트에 대한 부분만 봤을 뿐, 이 데이터들을 모아서 분석하는 데까진 이르지 못했다. 그러나 지금은 인프라 발달로 분석이 가능해져 열화상 데이터를 활용할 수 있는 범위도 넓어졌다. 따라서 식품, 자동차부품, 전자부품, 포장 등의 생산 및 품질 관리뿐만 아니라 설비 예지보전의 중요한 이유 중의 하나인 가스 누설, 화재 예방 등의 산업 안전을 기대할 수 있다.

 

 

예지보전 분석

 

제조 데이터를 통해 진행해 볼 수 있는 분석으로는 크게 4가지로, 첫째, 설비예지보전은 기존 TBM(Time Based Maintenance) 방식의 관리에서 벗어나 설비 상태를 고려한 정확한 PM 시점을 예측하고 설비 이상 중단 감소와 최적의 설비 상태를 유지하게 한다. 둘째, 불량 원인 분석은 빅데이터 기반의 수율·품질 저하 원인을 분석하고 다양한 불량 원인 분류 및 원인 공정/파라미터 탐색을 한다. 셋째, 최적 공정 조건 탐색으로 품질 및 성능을 개선하고 설비 간 유의차 분석 및 성능 상향을 평준화한다. 넷째, 품질 예측이다. 완제품에 대한 품질 예측 결과를 생산 계획에 반영함으로써 빠르고 정확한 경영 의사 결정을 수립할 수 있다.

 

특히, 제조 현장에서 설비 데이터는 중요한 요소이다. 설비의 가동 중단은 곧바로 생산 손실, 품질 손실, 납기 문제 등의 이슈가 발생하기 때문이다. 그런데 이러한 설비에는 장비 고장, 부품 교환, 설치·교정·교체로 인한 준비작업, 순간 정지, 속도 감소, 수율 손실, 공정 불량 등 다양한 손실 요소들이 존재하므로 정확한 원인 파악이 중요하다. 설비에 대한 예지보전이 필요한 이유이다.

 

위즈코어의 모니터링 플랫폼인 NEXPOM의 활용 예를보면 4단계의 모니터링 및 분석을 통해서 원인을 분석할 수 있다. 1단계는 가공 설비의 컨트롤러, PLC 인터페이스를 통해 데이터를 수집하고 OEE 분석과 모니터링을 한다. 2단계는 손실 발생 요인들의 종류와 빈도, 누적 시간 등을 분석하여 손실 요인의 우선순위화 한다. 3단계는 우선순위가 높은 요인들부터 관리 및 개선하여 생산성 향상과 비용절감 효과를 얻게 한다. 마지막 4단계에서는 미정의된 요소들에 대한 신규 시나리오 적용 및 분석, 검증을 통해 KPI 업데이트를 적용한다.

 

그런데 예측 분석을 하기 위해서는 데이터 연결이 필요하다. 즉, 데이터 통합 환경 구축을 위한 IoT, 빅데이터 인프라스트럭쳐가 갖춰져야 한다. 최근 표준화라는 이름하에 연결을 구현한 좋은 장비들이 많이 나오고 있지만, 국내 제조현장에는 여전히 노후된 설비가 많아 설비 데이터들을 어떻게 연결할 것인지가 가장 큰 과제가 되고 있다. 또한, 설비예지보전을 위해서 기존 운영되고 있는 데이터들을 어떤 형태로 수집할 것이냐에 대한 부분도 여전히 고민이기도 하다.

 

그러면, 예지보전 시스템을 구축하기 위해서는 어떤 준비사항들이 필요한가. 바로 사건기록일지이다. 기업이 그간의 발생했던 사건기록일지가 있어야 그 데이터를 바탕으로 의사 결정할 수 있는 시스템을 만들 수 있기 때문이다.

 

그러나 실제로 방문해보면 사건기록일지가 있는 기업은 드물다. 심지어 최소한의 이력정보 데이터 수집조차도 안 되어 있는 경우가 많다. 상황이 이렇다 보니 짧은 기간에 다양한 방법으로 데이터를 수집해서 단계별로 진행하게 되는데, 실제로 알고리즘을 활용해서 예측치에 대한 수치화를 해보면 적중률이 매우 떨어진다.

 

따라서 예지보전 시스템 구축에 실패하지 않기 위해서는 예지보전 목표를 향해서 구축 단계 및 프로세스 정립이 반드시 필요하다. 즉, 1단계는 데이터 수집의 명확한 목표와 범위 수립, 2단계는 데이터 확보를 위한 환경 점검, 3단계는 데이터 수집 및 디지털화 구현, 4단계는 데이터 표준화, 5단계는 데이터 확인 및 모니터링, 6단계는 알고리즘 전문가와의 데이터 기반 연구, 7단계는 적용 및 목표와의 적합성 여부에 따른 피드백 형태로 진행되며, 여기서 5단계부터 7단계는 필요시 반복 작업으로 이루어진다.

 

 

도입 사례

 

몇 가지 성공 사례를 보겠다. 첫 번째는 교육을 통해 기업이 보유한 데이터를 분석함으로써 KPI를 도출한 예이다.

 

중견기업 I사는 데이터를 잘 알고 있다고 판단했지만 실제 도출된 데이터를 바탕으로 추론이 쉽지 않았으며 여전히 분석 중이었다. 또한, 데이터를 일자별, 제품별, 공정별로 나열해보니 한눈에 파악하기가 쉽지 않았다. 그래서 연관성에 따라 그룹핑이 필요했다. 무엇보다 MES 시스템을 기준으로 데이터를 체크한 결과 정합성 문제가 발생했고 MES 시스템을 정확하게 이해하고 있는 직원도 없었다. 뿐만 아니라 데이터를 분석해보니 어디까지 분석해야 할지 결정이 쉽지 않았으며 데이터 분석 시간도 부족했다. 또 도출된 결과의 원인 추적에 어려움이 있었으며 데이터의 신뢰성도 의문이었다.

 

그래서 예지보전을 목표로 단계별 추진 방안을 선택했으며, 교육부터 단계별로 진행하기 위해 자체적인 KPI를 설정했다. 우선 보유하고 있는 데이터를 시스템으로 구현하여 현장 요구에 맞게 즉각적으로 시각화 했으며 수집된 데이터의 전처리, 유의미한 데이터 추출 등의 작업을 수행하도록 진행했다. 또한, 신규 라인의 데이터를 기반으로 품질 문제 원인을 추적하고 부족한 데이터를 확보하기 위한 기준도 마련했다. 그 결과 기업이 보유하고 있는 데이터를 이해하고 활용할 수 있는 방안을 마련할 수 있었다.

 

I사 한 관계자는 “항상 화면에 나오는 정보에 대한 설명을 윗분들에게 이해시키기 어려웠는데 이제는 설명할 수 있을 것 같아요”라고 말했다.

 

지금은 기존 레거시 시스템과 연동하기 위한 기획은 물론 고도화 사업으로까지 연계하고 있다.

 

두 번째 사례는 가공 설비 데이터 수집을 통해 예지보전의 핵심 KPI를 도출한 예이다. Y공업은 타이어의 핵심 부품인 TPMS 밸브 코어 제조 기업으로 산업용 밸브 코어를 연간 6억 개 생산하고 있다. 이 회사는 기존 운영 중인 MES 데이터와 가공 설비의 PLC 데이터를 수집하여 설비 예지보전을 구현하고자 했다.

 

그래서 우선적으로 한 게 공정 개선 활동을 위한 주요 데이터셋을 마련했다. 데이터셋을 플랫폼에 탑재하여 공정 효율성을 높였으며, 기존 생산 중심의 KPI에 검사기 데이터를 추가하여 품질과 설비의 연계분석을 위한 핵심 KPI를 도출했다. 또한, 엑셀로 관리된 기존 데이터를 시스템으로 전환했다.

 

예측 등의 분석을 위해서는 사건기록일지가 필요한데, 다행히 Y공업은 지난 10년간의 개별 설비 점검에 대한 이력정보가 엑셀로 잘 관리되고 있었다. 이에 수기로 운영 관리 중인 설비 이력 정보를 바탕으로 PLC에서 발생된 데이터를 통해서 데이터 정합성 확인을 위한 검증 작업을 진행했다. 해당 검증 작업을 위해 실제 데이터를 시각화하여 데이터 표출을 하고, 도입기업에서는 해당 정보에 대한 정확성 여부를 확인할 수 있도록 했다. 또한, 현재 수기 등으로 정리하여 처리되는 정보를 시스템으로 도출하였을 때 설비 내의 HMI와 일치하는지 여부를 체크하여 제공했다.

 

헬로티 임근난 기자 |