[Murata X Tech] 다운타임을 방지하는 AI/IoT 기반 예측 유지 보수 > 공지사항

본문 바로가기

공지사항

[Murata X Tech] 다운타임을 방지하는 AI/IoT 기반 예측 유지 보수

  • 작성자 : 최고관리자
  • 등록일 : 22-07-07 12:19
  • 조회수 : 881회

본문


모든 산업 분야의 제조업체는 생산성 향상의 핵심이 예기치 않은 중단 없이 생산 장비를 원활하게 작동하도록 유지하는 것임을 알고 있습니다. 

그러나 짧은 중단은 자주 발생하며 수리 또는 부품 교체를 위한 더 긴 가동 중지 시간의 리스크를 여전히 안고 있습니다.

공장 생산성을 향상시키기 위해 사람들은 장비 자체의 처리 능력 향상에 집중하는 경향이 있습니다. 그러나 모든 짧은 중단과 갑작스러운 종료는 실제로 더 불편을 야기합니다. 

생산성을 예측하기 어렵고 처리하기 역시 번거롭습니다. 이 문제에 대한 솔루션은 스마트 공장의 주요 이점이 될 것입니다.

 

다운타임을 유발하는 지연을 방지하기 위한 IoT 활용

 생산 라인을 계획대로 안전하고 생산적으로 운영하려면 검사와 유지 보수가 필수적입니다. 이를 위해 시간, 노력, 돈, 인력이 필요하지만,

 최근 몇 년 동안 저출산과 고령화로 인해 일부 국가에서는 유지 보수 인력이 부족한 상황에 직면해 있습니다. 

또한 유지 보수는 제품 가치와 간접적으로 연결되기 때문에 많은 기업에서 이러한 인력을 줄이는 것을 선호하고 있습니다.


img.png
검사 및 유지 관리 간소화는 스마트 공장의 주요 이점이 될 수 있습니다.
 


생산 라인은 다양한 이유로 중단될 수 있지만 약간의 지연, 장비가 오작동하거나 동기화되지 않는 등 다양한 요인이 합산되면 짧은 중단이 발생하게 됩니다. 

이러한 다양한 요인으로 인해 단기 중단을 예측하기 어려운 상황입니다. 최근에는 제조사들이 IoT를 적용하여 실시간으로 파악할 수 있는 장비 작동 조건과 작업자의 움직임에 대한 데이터를 수집하고 있습니다. 

이러한 데이터의 수집 및 빅데이터 분석은 과거 사례를 참조하여 단기 중단을 예측하는 기술로 이어졌습니다. 

예상되는 짧은 중단은 관련 장비의 작동 조건을 조정하거나 더 많은 작업자가 참여해 예방할 수 있습니다.

 

수정 유지 보수에서 예방 유지 보수로의 패러다임 전환

 반대로 기계적 부품이 마모되거나 녹이 슬거나 먼지나 이물질이 끼거나 더 높은 온도로 인해 팽창이 발생하는 경우 다른 요인으로 수리가 필요할 수 있습니다. 

이러한 일은 복잡하고 점진적으로 발생하기 때문에 실패를 예측하기 더욱 어렵습니다.

 예방 유지보수는 수리가 필요한 고장을 피하기 위해 소모성 부품을 주의 깊게 정기적으로 검사하고 교체하는 것을 의미하였습니다. 이러한 접근 방식은 두 가지 과제를 제시했습니다. 

첫째, 개별 부품 변동은 예상보다 빨리 고장이 발생할 수 있습니다.  둘째, 수명이 다하기 전에 교체함으로써 낭비가 되어집니다.

 그러나 최근 몇 년 동안 IoT와 AI는 장애 징후를 조기에 감지하여 보다 능동적인 기능을 수행할 수 있습니다.  이를 예측 유지 보수라고 합니다. 

외관, 소리, 압력, 열, 진동과 같은 잠재적 지표는 생산 장비의 센서에서 데이터로 수집되고 AI를 활용한 분석 기술은 고장 또는 오작동의 징후를 미리 감지하는 데 도움이 됩니다. 

예측 유지 보수를 통해 소모품을 최대한 사용할 수 있습니다. 이를 통해 유지 보수 및 부품 주문에 대한 체계적인 접근이 가능하게 됩니다.

 

img.png
예방 유지 보수와 예측 유지 보수의 차이점 


일부 오래된 공장에서는 숙련된 엔지니어가 소리나 손으로 느끼는 진동으로 장비 이상을 감지할 수 있습니다. 이러한 예리한 감각은 수리가 필요한 

짧은 정지나 장비 고장을 방지하였습니다. 하지만 베테랑 엔지니어는 이제 점점 줄어들고, 고령화 사회에서 출산율이 감소함에 따라 이러한 기술을 전수하기 

어렵고 훈련할 사람 역시 줄고 있습니다. 

스마트 공장을 구축하면 이러한 이상을 놓치지 않고 모든 생산 장비를 논스톱으로 모니터링할 수 있는 시스템을 활용할 수 있습니다. 이는 소수의 사람의 기술에 의존하는 공장에서는 

기존에 불가능했던 일이죠. 오류 예측은 보다 정확한 이상 감지와 함께 보다 발전된 데이터 수집 및 분석할 수 있는 기술입니다. 이뿐만 아니라 수율이나 품질 저하와 같은 문제도 예측할 수 있습니다. 

그러나 더 정확한 이상 감지를 위해서는 제조업체가 적절한 영역에서 충분한 고품질 데이터를 수집해야 하며, 

이를 위해서는 데이터를 수집하는 IoT 시스템의 좋은 센서, 통신 모듈, 배터리 및 기타 부품들도 필요합니다.

 

img.png
스마트 공장에서 더 높은 정확도를 위한 주요 부품
 


이를 위해 설치 요구 사항이 데이터 수집 위치를 제한하지 않도록 이러한 부품들을 더 작고 더 가볍고 에너지 효율적으로 만들어야 합니다. 

또한 부품은 열악한 공장 조건에서도 안정적인 작동을 보장하기 위해 높은 내환경성과 노이즈 내성을 가져야 합니다.

 

최근 몇 년 동안 IoT 장치의 전원으로 점차 대중화되고 있는 개발 중 하나는 빛, 온도 차이, 전자파 또는 진동과 같은 주변 에너지 소스를 전력으로 변환하는 에너지 하베스팅입니다. 

앞으로 배터리 구동 IoT 장치의 환경 저항을 개선하는 산화물 기반 전고체 배터리는 이러한 장치가 사용되는 영역을 확장할 수 있을 것으로 기대하고 있습니다.

* 출처

- 한국무라타전자 매거진, https://koreamuratablog.tistory.com

- 무라타, https://murata.com

      

문의 사항은 support@samwooeleco.com로 메일 주시면 빠르게 답변 드리도록 하겠습니다.