제조 공장 예지보전 적용은?

예지 보전 기술은 머신 러닝을 연구하며 시작되었다고 생각합니다.

1960년대 알랜 튜링이 자살하고 IT와 AI는 혼란했을 것입니다.
머신 러닝 기술을 발전시키고 있었으나 신뢰도가 떨어졌습니다.
신경망 이론과 퍼지이론이 나오지 않았다면 지금과 같은 인공지능을 이야기할 수 없었을 것입니다.
어찌 되었건 두 이론은 딥러닝을 발전시켰고, 예측 운전기술인 APC와 VOA, RTO 등을 발전시켰습니다.
예측 고장 기술인 예지 보전 기술은 소프트웨어적인 모델링 방식과 하드웨어와 소프트웨어 결합인 잔이 해석법으로 발전시켰습니다.

예지 보전 기술 적용은 대형 터빈이 있는 공장이나 발전소, 항공기 등에는 GE SmartSignal(구 SmartSignal사 EPI@Center), PreCog, IBM 왓슨을 이용한 APM, AspenTech APM, Schneider 등의 솔루션이 적용되고 있습니다.
하지만 정유나 석유화학에는 전기 해석법을 고려해야 합니다.
SmartSignal과 같은 모델 방식은 대상이 적어 설비만 본다면 효과는 적고 투자비는 너무 큽니다.

예지 보전은 설비관리 전략을 기본으로 합니다.
왜? 공장의 모든 설비가 관리 대상이기 때문에 내 공장의 설비가 어떻게 구성되었는가를 정비부서 인원, 년차보수계획, 계획정비, 생산계획, 유틸리티 변동계획 등등 변수를 같이 고려해서 보전방식을 검토합니다.

대형 터빈이 있다면 SmartSignal과 같은 모델링 방식이 적합합니다.
하지만 일반 정유나 삭유화학 공장에는 IoT 계획없이는 적용할 대상이 1%도 안 됩니다.
그래서 IoT에 대한 큰 투자계획이 솔루션 도입 후 발생하는 해프닝을 볼 수 있습니다.

추천하는 방식은 전기해석법과 예방보전, 자주보전 방식입니다.
2030년까지 직원 퇴직율이 70~80% 정도되지만 그 전에는 예방보전 할 인력이 있기때문에 기존의 진동진단과 휴대용/고정용 전기해석법을 적용을 추천합니다.
그리고 예방보전은 직원비율을 축소하고 솔루션과 자주보전을 확대해야 합니다.

업무분석과 설비분석, 보전기술분석 등을 더 구체적으로 해야 하지만, 상기 내용 정도로도 미래 보전전략을 수립할 수 있을 것입니다.

대기업, 중견기업 그리고 중소기업의 큰 차이는 설비관리로 보면 크지 않습니다.
비중의 차이가 있을 뿐입니다.

이상은 플랜트를 대상으로 말씀드렸습니다.
조립산업도 회전기는 같으며 공장관리측면에서는 플랜트의 미래형 선진 솔루션인 Advanced Advisory for Abnormal condition을 검토하면 좋겠습니다.

목적은 공장의 지속성장경영을 할 수 있게하는 것입니다.
그래서 예지보전은 선행으로 설비관리 전략을 수립해야 합니다.
즉, 중장기 보전활동을 하면서 어느 시기에 어떤 대상에 예지보전이 필요한지 결정하는 것입니다.
예방보전, 선행보전, 사후보전 등 여러 방법을 같이 고려해야 합니다.