“예방 유지 보수” 또는 “예측 유지 보수”라는 단어를 들어 본 적이 있습니까?생산 라인의 장비 유지 보수와 관련하여 최근 사물 인터넷 (IoT) 이 주목을 받고 있습니다.또한 이 두 단어는 비슷하고 다른 의미를 지닌 것 같습니다.이 섹션에서는 예방 유지 보수와 예측 유지 보수와 같은 보존 활동의 전반적인 정의, 예방 유지 보수와 예측 유지 보수의 차이, 예측 유지 보수의 이점, 예측 유지 보수와 엣지 컴퓨팅 간의 관계에 대해 설명합니다.
보존 활동이란 무엇입니까?
보존 활동이란 무엇입니까?JIS (일본 산업 표준) 에서는 유지보수 활동을 “계획, 검사, 조정, 수리, 교체 등을 포함하여 고장을 제거하고 장비를 정상적이고 양호한 상태로 유지하는 활동의 총칭”으로 정의합니다.
즉 생산라인의 성능을 유지하기 위해 사람이 생산라인에 미치는 영향이라고 볼 수 있습니다.JIS에서 정의한 바와 같이 보존 활동은 유지 관리 활동과 개선 활동으로 구분됩니다.
유지보수 활동은 제품의 품질과 생산 장비의 성능을 유지하기 위한 활동, 즉 생산 설비의 완벽한 상태를 유지하기 위한 활동입니다.여기에는 예방 및 사후 유지 보수가 포함됩니다.한편 개선 활동이란 기계가 고장 났을 때 재발을 방지하도록 점검하는 “개선 유지 보수”, 고장 및 실수를 방지하기 위해 기계 및 설비를 교체하는 “유지 보수 예방”과 같은 활동을 말합니다.
예방 유지보수는 고장난 부품이 발생하기 전에 매일 점검하고 교체하여 고장을 방지하는 것입니다.여기에는 예측 및 주기적 유지보수가 포함됩니다.사후유지보수란 고장 등으로 인해 장비에서 고장이 발견되었을 때 장비의 기능을 복원하는 것을 말합니다.즉, 장비가 고장난 경우 “수리”되는 것으로 가정합니다.
주기적 유지보수는 고장 기록과 장비 특성을 기반으로 주기를 결정하고 각 주기별로 부품을 교체 및 검사하는 행위입니다.경과된 시간을 기준으로 유지보수를 수행하는 것으로 바꿀 수도 있습니다.일반적으로 “예방 유지 보수”는 주기적인 유지 보수를 의미합니다.
반면, 예측 유지보수는 지속적으로 측정한 장비의 상태로부터 열화를 감지 또는 예측하여 고장이 발생하기 전 최적의 시기에 최선의 조치를 취하는 것입니다.이는 장치의 상태를 기반으로 합니다.
주기적 유지보수와 예측 유지보수의 주요 차이점은 예방 유지보수는 장비의 상태에 관계없이 일정 시간 주기로 수행되지만, 예측 유지보수는 장비의 상태를 지속적으로 모니터링하고 고장 징후가 감지되면 대응한다는 것입니다.
현재까지의 보존 활동
기존의 보존 활동에는 주로 정기 유지 관리, 예측 유지 관리 및 사후 유지 관리가 포함됩니다.장비의 수명을 연장하기 위해 개선 활동 (예: 수정 및 업그레이드) 을 수행할 수 있지만 고가의 장비의 경우와 같이 대응이 제한적입니다.
이미 언급했듯이 정기 유지 보수에는 장비의 상태에 관계없이 정기적으로 부품을 교체하는 것이 포함됩니다.또한 현장 작업자와 엔지니어가 다년간의 경험을 통해 배양된 “이제 그 부품을 교체할 때가 됐다”는 직관에 의존하여 예측 정비를 수행했습니다.
주기적인 유지보수 간격은 가장 중요하고 수명이 짧은 부품에 맞게 조정되지만 이 교체 과정에서 다른 부품도 교체되는 경우가 많습니다.그 이유는 종류에 따라 부품의 수명이 다르기 때문에 매번 장비를 정지하고 교체하면 장비의 가동률이 저하되기 때문입니다.이런 이유로 아직 수명이 다하지 않은 부품도 교체하게 되는데, 주기적인 유지보수에 낭비가 많이 발생하는 문제가 있습니다.
예측 유지 관리
예측 유지 보수 작업은 장애 예상과 실제 장애 사이의 징후를 기반으로 합니다.즉, 예상 단계에서 유지보수 계획을 생각해 고장이 발생하기 전에 부품을 교체하는 등의 조치를 취할 수 있습니다.이렇게 하면 고장으로 인해 기계가 비상 정지되는 상황을 최소화할 수 있습니다.
또한 IoT를 사용하여 예측 유지보수를 자동화하면 장애 징후가 있을 때 경보가 울립니다.알람이 울렸을 때 비로소 대응을 생각할 수 있기 때문에 시간과 노력이 들지 않고 이런 측면에서 인건비 절감으로 이어집니다.
예측 유지보수의 구체적인 예
제조 장비에서는 모터가 자주 사용됩니다.이 모터에서 동력을 전달하는 '샤프트' (구동축) 를 지지하는 '베어링'이라는 부품이 있습니다.베어링이 고장나면 축이 회전하지 않거나 축에 가해지는 하중이 분산되지 않아 심각한 사고로 이어질 수 있습니다.따라서 이 베어링은 매우 중요합니다.
베어링 자체는 본질적으로 신뢰성이 높지만, 예를 들어 제철소에서 가열된 철을 스트레칭하는 공정 (압연 공정) 에서 더 높은 신뢰성이 필요한 경우 베어링 모니터링을 수행하는 경우가 많습니다.
베어링 모니터링 시스템은 베어링에 진동 센서를 설치하여 진동의 파형, 주파수 및 진폭 조건을 감지합니다.그런 다음 진동 상태가 고장 징후를 나타내면 경보가 울립니다.
예를 들어, 베어링이 한 곳에서 손상되면 베어링에 가해지는 하중이 변경됩니다.하중이 변하면 진동 센서와 베어링 사이의 거리가 변하지만 진동 센서는 미세한 거리 변화를 감지합니다.그러면 베어링의 회전부가 일정한 주기로 회전하기 때문에 회전할 때마다 거리의 변화가 발생합니다.이로 인해 진동이 발생하고 이 진동을 감지하여 고장의 신호로 만들 수 있습니다.숙련된 엔지니어들은 기계 소리의 변화에서 이 진동을 가져와 손상의 신호로 사용했습니다.
이 예는 명확성을 위해 단순화되었지만 소리로 인한 고장을 예측하려면 경험이 필요합니다. 여러 곳이 손상되거나 손상되더라도 진동의 변화가 없기 때문입니다.이러한 이유로 숙련된 엔지니어가 아니면 그러한 판단을 내릴 수 없었습니다.안타깝게도 숙련된 기술자의 수는 감소하고 있습니다.인공 지능 (AI) 이 해결책으로 간주됩니다.최근 주목받고 있는 인공지능은 인간의 행동을 모델로 한 구조를 통해 '딥 러닝'이 스스로 학습할 수 있도록 합니다.물론 먼저 학습이 필요하긴 하지만 인공지능은 경험에서 실패의 징후를 포착한 인간처럼 학습하고 실행할 수 있습니다.숙련된 엔지니어의 수가 감소함에 따라 인적 자원 부족에 대응할 수 있는 효과적인 수단 중 하나라고 할 수 있습니다.
예측 유지보수 및 엣지 컴퓨팅
이러한 방식으로 예측 유지보수의 자동화는 인적 자원 부족을 해소하고 유지보수 활동을 최적화하는 효과적인 수단입니다.하지만 예측 유지보수를 자동화할 때는 몇 가지 주의해야 할 사항이 있습니다.
앞에서 설명한 인공지능의 인간 행동을 모방한 구조를 “신경망”이라고 하며 딥러닝 실현에 크게 기여합니다.그러나 신경망은 매우 복잡한 메커니즘입니다.따라서 예측 정비에 필요한 속도를 유지하면서 예측 정비를 실현하는 것이 현실적 과제입니다.
신경망을 하드웨어로 구현하는 '뉴로칩'이라는 방법도 있지만 그리 흔한 방법은 아닙니다.여기서 문제는 속도입니다. 따라서 인터넷상의 서버와 항상 주고받는 클라우드 컴퓨팅은 비실용적입니다.이제 엣지 컴퓨팅을 배포하고 엣지 서버에 인공 지능을 도입하는 것에 대해 생각해 봅시다.이를 엣지 AI라고 합니다.따라서 속도를 최대한 유지하면서 예측 정비를 자동화하는 것이 현시점에서 가장 좋은 해답이라고 할 수 있습니다.
예측 유지 보수 및 인공 지능의 가능성
이 백서는 주로 예측 유지 보수와 예방 유지 보수의 차이점과 예측 유지 보수의 장점에 대해 설명합니다.인공 지능의 발전으로 예측 유지보수의 가능성이 크게 확대되고 있습니다.그리고 엣지 컴퓨팅과 함께 인공 지능을 사용하여 예측 유지보수를 가능하게 하는 것이 현재로서는 가장 이상적인 수치입니다.
