A machine operator stands in front of an assembly machine that has two yellow robotic arms and uses a mouse to interact with information shown on a display monitor.

최적화된 예측적 유지관리로 가동 시간 극대화 및 운영 효율성 달성

인텔과 인텔 파트너의 도움을 받아 공장에서 예측적 유지관리 시스템을 배포하는 방법을 알아보십시오.

예측적 유지관리 주요 요점

  • AI를 사용하여 기계에 유지관리가 필요한 시기를 예측함으로써 가동 시간을 극대화하고 설비 종합 효율(OEE)을 개선합니다.

  • 배포를 계획하기 전에 내부 및 외부 평가를 수행하여 가동 중지 시간이 운영에 미치는 위험성을 계산합니다.

  • 인텔® 기술 파트너와 협력하여 AI 배포를 간소화하고, 가치 실현 시간을 단축하며, 구현에 따르는 난관을 극복합니다.

  • 공장 현장의 실시간 운영 데이터를 위한 인텔® 하드웨어 및 소프트웨어로 AI 워크로드를 가속하십시오.

author-image

기준

예측적 유지관리(PdM) 이점 이해

예측적 유지관리 전략에 AI를 사용하면 장비 고장 및 예상치 못한 가동 중지 시간으로 인한 생산성 손실, 수리 비용, 고객사 납기 초과 및 기대치 미충족 등 공장에서 비용이 많이 드는 문제를 방지할 수 있습니다.

예측적 유지관리는 구형 기존 시스템을 사용하는 기업에서 흔히 볼 수 있는, 장비를 고장 날 때까지 가동하여 큰 비용을 치르는 운영 방식에 비용 효율적인 대안을 제시합니다. 또한, 융통성 없고 고정된 단위로 유지관리가 수행되는 구식이자 노동 집약적인 예방적 유지관리 방식을 개선합니다.

이와 달리 데이터 기반 접근 방식을 따르면 비용이 많이 드는 가동 중지 시간이 발생하기 전에 개입할 수 있습니다. 최신 소프트웨어 정의 공장 현장 인프라를 통해 공장 전체 물리적 장비(주로 생산 장비, 엔진, 기타 고가치 자산)의 여러 고장 지점에서 운영 데이터를 수집합니다.

예를 들어, 자동차 제조업체는 센서 데이터를 사용하여 과열되는 용접 건 상태를 모니터링할 수 있습니다. 분석은 기계의 작동 상태를 기반으로 향후 고장을 예측하는 데 사용되며, 임계치에 가까워지면 알림을 트리거합니다.

AI 지원 예측적 유지관리 전략을 통해 조직은 다음을 수행할 수 있습니다. 

  • 예측적 접근 방식을 채택하여 가동 시간을 극대화합니다. 센서 데이터가 잠재적 고장을 사전에 알려주므로 더 효과적인 의사 결정을 내리고 신속하게 수리할 수 있습니다. 기계 고장이 운영에 미치는 영향을 최소화하기 위해 미리 계획하고, 생산 중단이 길어지는 사태를 막도록 사전에 유지관리 일정을 잡고, 기계를 점검하는 동안 작업을 다른 장비로 전환할 수 있습니다.
  • 장비 고장 시점을 예측하여 운영 효율성을 향상합니다. 효율적인 장비 가동은 생산 및 수익률의 핵심 동력이므로 설비 종합 효율(OEE)을 극대화하고, 주요 성과 지표(KPI)를 달성하며, 투자 수익률(ROI)을 최적화할 수 있습니다.
  • 과거 데이터를 사용하여 중요한 구성 요소의 마모를 예측함으로써 제품 품질 일관성을 달성합니다. 이상 현상이 예측되면 유지관리를 신청하고 장비를 이상적인 매개변수 범위 내로 유지하여 결함률을 0에 가깝게 줄일 수 있습니다.

밀접한 관련 기술은 유사 인더스트리 4.0 기술인 AI 기반 기계 상태 모니터링으로, 디지털 트윈으로 운영 성과를 시뮬레이션하고, 치명적인 고장을 예고하는 이상 현상을 감지하고, 제품 결함을 감지하고, 컴퓨터 비전을 사용하여 작업자가 안전 규정 준수를 지키도록 모니터링할 수 있습니다.

이제 공장에서 지능형 감지를 활용할 때의 몇 가지 이점을 알았으니 구현 계획을 시작할 준비가 되었습니다. 다음은 성공적인 예측적 유지관리 배포를 조정하기 위해 수행해야 하는 단계입니다.

위험 수준 평가

첫 번째 단계는 조직의 위험 수준을 파악하는 것입니다. 제조업체는 장비 고장 및 결함부터 안전 및 규정 준수에 이르기까지 수많은 위험에 노출되어 있으며, 이는 예측적 유지관리 및 AI 기반 기계 상태 모니터링으로 완화할 수 있습니다. 잠재적 위험에 대한 보고서를 작성하면 AI 솔루션이 초기 투자 가치가 있는지 판단할 수 있습니다.

  • 운영 위험에 대한 인사이트를 얻으려면 내부 위험 평가를 수행해야 합니다. 고려해야 할 몇 가지 중요한 데이터 포인트는 다음과 같습니다.
    • 위험 분석
    • 기계 가동 중지 시간 로그
    • 제품 품질 설문조사
    • 안전사고 검토
    • 프로세스 편차에 대한 기록 및 과거 데이터
    • 결함률
    • 규정 준수 문제
    • ISO 인증 상태
  • 예상치 못한 가동 중지 시간이 미치는 재정적 영향에 대한 외부 위험 평가 및 연구도 수행해야 합니다. 생산 중단으로 어떻게 공급망 병목 현상과 상품 가격 변동이 발생하는지 연구하고, 가동 중지 시간이 고객 만족도에 미치는 영향에 관하여 설문조사를 실시합니다. AI 솔루션은 운영을 원활하게 유지함으로써 비즈니스 위험을 완화하는 데 도움이 될 수 있습니다.

    조직이 노출되는 구체적인 위험은 다음과 같이 하위 부문에 따라 달라집니다.
    • 자동차, 가전제품, 전자제품 제조업체 등 개별 제조업체는 기계 고장으로 인한 품질 손실 및 공급망 중단 문제에 더 취약합니다.
    • 제약 및 식음료 회사 등 프로세스 제조업체는 제조법 오류, 규정 준수, 프로세스 제어와 관련된 문제에 더 취약합니다.

또한 경쟁력 분석 및 업계 보고서를 포함한 외부 연구를 바탕으로 유사한 공장의 디지털 혁신을 비교해야 합니다. 예를 들어, BMW가 인더스트리 4.0 솔루션을 사용하여 공장에서 중요한 품질 관리 프로세스를 자동화하고 향상한 방법이 담긴 성공 사례를 살펴볼 수 있습니다.

AI 솔루션 제공업체와의 파트너십

앞으로 나아갈 준비가 되었다면 막중한 작업을 처리하기 위해 외부의 도움을 받는 것도 고려해 보십시오. 기술 파트너와 협력하면 계획부터 구현까지 전체 프로세스가 간소화되어 시간을 절약하고, 비용을 줄이고, 복잡성을 제한하며, 구현에 따르는 난관을 극복할 수 있습니다. 인텔은 전 세계 AI 및 산업 솔루션 제공업체, 시스템 통합업체(SI) 네트워와 협력하여 파트너 솔루션이 인텔® 하드웨어에 최적화되고 인텔 기반 시스템이 고성능과 원활한 운영을 위해 설계되도록 보장합니다.

예를 들어, Prescient Technologies는 30일 이내에 데이터가 미치는 영향을 확인할 수 있는 유연한 디지털 트윈 솔루션을 제공합니다. 인텔® Edge Insights for Industrial 플랫폼과 OpenVINO™ 툴킷을 기반으로 구축되어 운영자가 흩어져 있는 운영 데이터 소스를 신속하게 활용함으로써 명확하게 눈에 들어오며 실행 가능한 데이터 인사이트를 제공할 수 있습니다. 여기에서 문의하십시오.

인텔 생태계 파트너가 제조 산업 전반에서 인더스트리 4.0 솔루션을 구현하는 방법을 다룬 최근 사례 연구를 읽어보십시오.

AI 솔루션 구현

다음 단계는 공장 전체에 AI 기능을 배포하여 장비를 모니터링하는 것입니다. 이를 위해서는 각 장비의 데이터를 수집할 AI 지원 기술을 물리적으로 설치하고, AI 알고리즘을 배포함으로써 수집된 데이터를 실시간으로 분석하여 유지관리, 규정 준수, 생산성 관련 문제를 식별하고 예방해야 합니다.

다음은 공장에 AI 솔루션을 배포하는 데 필요한 사항을 자세히 요약한 내용입니다.

  1. 장비에 AI 지원 기술을 설치 하여 운영 데이터 및 고장 기록을 수집하고 기계별 특성을 정의합니다. 운영 데이터는 특히 기계의 정상 작동 데이터 및 오류 데이터 등 예측적 유지관리를 위한 기반을 제공합니다. 이 데이터 수집에는 센서가 자주 사용됩니다. 예를 들어, 유압 펌프를 모니터링하는 경우 센서는 진동 속도, 유압, 유체 속도 및 기타 관련 매개변수를 포착할 수 있습니다. 또는 기계가 소프트웨어 정의 제어(SDC) 시스템의 일부인 경우 원격 측정 에이전트를 설치하여 기계 특성을 실시간으로 포착합니다.
  2. 에지 또는 클라우드에서 기계 데이터를 준비 합니다. 분석용 원시 데이터 저장에는 데이터베이스가 사용됩니다. 데이터 과학자는 데이터를 사전 처리하여 알고리즘에 적합한 형식으로 변환합니다. 사전 처리 단계는 데이터 정확도를 향상하고, 알고리즘이 데이터를 효율적으로 처리할 수 있도록 지원합니다.
  3. 사전 처리된 데이터로 AI 알고리즘을 학습 시켜 기계의 운영 데이터에 특화된 모델을 생성합니다. 데이터 과학자는 대기 시간, 모델 크기, 정확도 등 데이터의 성격과 주요 성과 지표에 따라 사용할 적절한 알고리즘을 식별합니다.
  4. 학습된 AI 모델을 에지 장치 또는 다양한 기계에서 스트리밍 데이터를 수집하는 중앙 서버에 배포 하여 종합적으로 예측합니다. 조직에 가장 적합한 옵션은 앞서 언급한 위험 수준에 따라 달라집니다. 실시간 예측이 필요한 운영에는 에지 장치에 모델을 배포해야 하며, 고장을 예측할 여지가 더 많은 운영에는 중앙 서버를 사용할 수 있습니다.

    그러나 고려해야 할 단점이 있습니다. 에지 장치에서 실시간으로 데이터를 읽으려면 대규모 모델보다 정확도가 떨어지는 소규모 모델을 사용하는 경우가 있으므로 예측이 달라질 수 있습니다.

    에지 사용 사례에는 AI 가속화를 갖춘 에지 장치가 권장됩니다. AI 모델 최적화 및 배포용 오픈 소스 툴킷인 OpenVINO™ 툴킷을 사용하면 에지에서 AI 응용 프로그램을 더 효율적으로 실행할 수 있습니다.

    또한, oneAPI 기반 인텔® AI 도구는 PyTorch, Modin, scikit-learn, XGBoost 등 널리 사용되는 프레임워크 및 라이브러리에 최적화된 패키지를 통해 인텔® 아키텍처에서 머신 러닝 워크로드를 가속하도록 지원합니다.

인텔® 솔루션 선택 및 배포

성공적인 AI 배포를 위해서는 적절한 기술 조합을 활용하는 것이 중요합니다. 인텔은 강력한 엔드투엔드 AI 플랫폼을 통해 다음과 같은 산업용 AI 솔루션을 구현하는 데 필요한 구성 요소를 제공합니다.

  • 대기 시간을 줄이는 시간 민감형 네트워킹(TSN), 견고하고 열에 강해 산업 환경에 적합한 하드웨어1 를 갖춘 AI 지원 프로세서 등의 하드웨어 솔루션
  • 산업 중심 개발 플랫폼과 같은 소프트웨어 솔루션
  • 즉시 배포 가능한 맞춤형 솔루션 또는 시스템 통합 전문 지식을 제공하여 인텔 기반 솔루션을 배포하고 시스템 복잡성을 최소화하도록 지원하는 파트너

다음은 예측적 유지관리 솔루션에 도움이 되는 일부 인텔 제품입니다.

  • 인텔® 제온® 스케일러블 프로세서는 공장 현장에서 고급 분석을 수행하는 성능을 제공합니다. 이러한 프로세서에는 대규모로 AI 워크로드를 가속하는 데 필요한 인텔® AI Engines가 내장되어 있으므로 CPU 코어에서 딥러닝 교육 및 추론 작업의 성능을 향상2 하여 운영 데이터에 대한 빠른 인사이트를 제공합니다.
  • 인텔® Edge Insights for Industrial은 공장 데이터를 활용하여 운영을 개선할 수 있는 기반을 제공합니다. 이 개방형 소프트웨어 패키지는 즉시 배포 가능하고, 비디오 및 시계열 데이터 수집을 지원하며, 사전 검증된 소프트웨어 구성 요소와 함께 제공되어 산업용 AI 배포를 가속합니다. AI 분석을 포함하고, 로컬 응용 프로그램 또는 클라우드에 게시할 수 있으며, 맞춤형 솔루션을 위한 유연성을 제공합니다.
  • 인텔 생태계 파트너의 인텔® IoT Market Ready Solution(인텔® IMRS)은 인텔® 하드웨어 및 소프트웨어를 즉시 배포 가능한 산업용 솔루션에 통합하여 가동 중지 시간 위험을 없애고, 운영 효율성을 높이며, 작업자 안전을 개선합니다. 즉시 배포 가능한 이 인더스트리 4.0 솔루션은 인텔® 프로세서에서 AI 응용 프로그램을 실행하는 데 최적화되어 에지 및 온프레미스에서 성능을 향상합니다.

예측적 유지관리 최적화 시작하기

예측적 유지관리 및 AI 기반 기계 상태 모니터링 솔루션을 통해 조직은 가동 시간을 극대화하여 운영 효율성을 달성할 수 있습니다. 인텔® 하드웨어, 소프트웨어, 파트너 네트워크는 시장 지원 AI 솔루션을 배포하고 이상적인 운영 최종 상태를 실현하는 데 도움이 됩니다. 인텔 담당자 또는 인텔® 기술 파트너와 소통하여 지금 바로 시작하고 조직에 AI를 적용하십시오.

지금 바로 인텔® 기술 파트너가 제공하는 산업용 AI 솔루션 서비스 찾아보기

FAQ

자주 묻는 질문

예측적 유지관리는 고장을 방지하기 위해 잠재적 장비 오작동을 실시간으로 진단하는 전략입니다. 기계에서 데이터를 수집하고 공장에서 분석하므로 유지관리를 계획하여 가동 중지 시간을 방지하고 유지관리 비용을 최적화할 수 있습니다.