[첨단 헬로티]
빅데이터 활용의 대표적인 예가 예지보전이다. 예지보전이란, 문제가 발생하기 전에 어떻게 예방할 수 있을지에 대한 부분이다. 어떤 큰 사고가 터진 다음에 해결하려면 큰 비용이 들지만, 그것을 미리 찾아서 해결한다면 적은 비용으로도 문제를 해결할 수 있다. 그래서 예지보전이 중요하다. 따라서 설비관리의 패러다임 역시 사후 정비에서 예방 정비, 그리고 다시 예측 정비로 변화하고 있다. 플랜트 운영을 위한 빅데이터 기반의 설비 예지보전의 국내외 구축 사례에 대해 지난 9월 20일 열린 ‘스마트제조 지능화 베스트 프랙티스 컨퍼런스 2018’에서 BNF테크놀로지 김태경 차장이 강연한 내용을 정리했다.[편집자 주]
▲ BNF테크놀로지 김태경 차장
인터내셔널데이터그룹에서 발표한 자료에 따르면, 2025년에는 약 800억 개의 디바이스가 서로 연결되고 통신이 된다고 한다. 그리고 800억 개의 디바이스에서 나오는 데이터는 180조 GB가 될 것이다. 엄청난 양이다. 그래서 빅데이터에 대해 얘기할 때 실제로 엄청난 수량인 180조 GB를 빅데이터라 부르기도 한다.
예지보전이 중요한 이유
빅데이터는 3가지 특징이 있다. 첫째는 용량이다. 둘째는 속도이다. 셋째는 다양한 형태이다. 현업에서 운영 중인 공장이나 플랜트에 빅데이터를 적용시키면 상황에 대한 통찰력을 갖출 수 있다. 또한, 효율을 높이기 위한 개선 작업을 할 수 있다.
대부분 기업은 데이터를 많이 모아둔다. 모아둔 이 데이터를 잘 활용해야 하는데, 어떻게 해야 할지 모르겠다는 분이 많다. 현장에서 만들어진 데이터는 저장, 분석을 거쳐 다시 어떤 서비스로 제공돼야 한다. 이 과정이 없다면, 데이터는 의미 없는 것이 되고 만다.
데이터 활용의 대표적인 예가 예지보전이다. 예지보전이란, 문제가 발생하기 전에 어떻게 예방할 수 있을지에 대한 부분이다. 어떤 대형사고가 나려면 작은 사고가 29건 발생한다고 한다. 그리고 그에 대한 300개의 작은 징후들이 보인다고 한다. PF(Potential Failure) Curve라고 하는 용어가 있는데, 여기서 의미하는 건 결국 비용이다. 어떤 큰 사고가 터져서 해결하기 위한 비용은 엄청날 것이다. 그것을 미리 찾아서 해결한다면 적은 비용으로 문제를 해결할 수 있다. 그래서 예지보전이 중요하다.
설비관리의 패러다임은 사후 정비에서 예방 정비, 그리고 다시 예측 정비로 변화하고 있다. A라는 한 금속업체가 있다. 어느 날 이 업체의 11억짜리 기계가 고장이 난 채로 멈췄다. 외국 제품이라 교체가 필요한 부품이 도착하는 데 한 달 정도가 걸린다고 한다. 이처럼 사후정비를 하게 되면 비용뿐만 아니라 시간도 많이 들어가게 된다.
큰 기업은 예방 정비를 한다. 방법은 일정 기간이 되면 기계를 교체하는 거다. 기계는 평균 수명이 있기 때문에 수명이나 공정 프로세스에 맞춰 기계를 교체한다. 아직 기계가 잘 작동하는데 왜 굳이 바꿔야 하는지 의문점을 품는 사람도 있을 것이다. 통계를 보면, 무작위로 고장이 나는 경우가 89%, 수명에 따라 기계가 고장 나는 경우는 11%라고 한다. 그래서 예측 정비가 필요하다.
많은 사람은 기계가 언제쯤 고장이 날지 궁금해 한다. 하지만 예측하기는 어렵다. 기계에서 나오는 신호는 센서값이 정해져 있지만, 사용자가 어떻게 사용하느냐에 따라 기계의 형태와 특성은 달라지기 때문이다. 초기에는 물리적 측정치를 넣었다. 그렇게 하다 보니 예측이 안 맞는다. 어떤 정형화된 숫자로는 예측이 어렵다. 그래서 패턴이라는 게 나왔다. 학습된 데이터에서 이상 신호가 발생하면 문제점이 있을 수 있다고 인식한다. 그러면 점검을 하게 되고 어떤 문제는 사전에 차단할 수 있다.
예지보전에서 또 하나 중요한 게 경보이다. 경보는 현장에서 기계가 고장이 날 수 있는 위치, 혹은 운영을 하다가 정지해야 하는 위치에 세팅을 한다. 어떤 경보 신호가 들어와서 세팅된 포인트를 넘어서면 기계를 정지해야 하는 순간이고 기계가 고장 나는 순간이다. 하지만 그땐 이미 늦는다. 사전에 막아야 비용과 시간을 아낄 수 있다. 그리고 가장 중요한 인명사고 위험도 줄일 수 있다.
결국 예지보전은 예측값과 실제값을 비교해 숨은 문제 또는 정상치를 벗어나는 경우 잠재된 문제를 발견하는 것이다. 이것을 경보로 알려주는 게 ‘조기 경보’이다. 실제 데이터를 예측하는 것도 중요하고 경보를 알려주는 것도 중요하다.
예지보전 솔루션 구축 사례
몇 가지 구축 사례를 소개하겠다. 발전기는 냉각이 중요하다. 냉각이 중요한 이유는 수소가스를 사용하기 때문이다. 수소가스는 위험한 물질이다. 평온한 상태를 유지하다가도 갑자기 플랜트 지수가 떨어진 경우, 보일러와 터빈을 나누어서 살펴보면 터빈의 지수가 떨어진 것을 알 수 있다. 신호를 추출해서 살펴보니 발전기 냉각수 출구의 유량이 감소했다. 그래서 1차 경보를 내렸는데, 경보는 실제로 울리지 않았고, BNF테크놀로지에서 조기경보라고 알려주니까 이 회사측에서는 단순 오류라고 생각했다. 2차, 3차 경보가 계속 울려서 다시 내용을 전달했다. 결국 현장 분석을 해보니 냉각용 출구 헤더가 진동으로 인해 균열이 있었고 발전기 내부의 냉각수가 유출되고 있었다. 만약 수소가스가 새어 나왔다면 큰 사고로 이어졌을 것이다. 긴급정비를 통해 큰 문제를 예방한 사례였다.
또 다른 사례는 고압 콤프레셔이다. 고압 압축기인 스테이터 베인의 가동 중지는 기계적 결함은 아니었다. 총 5번의 경보가 발생했고, 고압 압축기 압력이 불안하다는 사실을 인지했다. 터빈은 정지했고 분석해보니 실제값과 예측값이 차이가 나는 것을 알게 됐다. 압축기 내부에 공기가 들어와 와류가 발생하지 않도록 조종되는 날개가 있는데, 그 날개 부분이 안 움직였다.
실제로 확인해보니 기계 오류는 아니었다. 문제는 시스템 제어로직에 있었다. 문제가 발견될 당시만 해도 기계를 감시하는 사람이 없었다. 그래서 이후에 감시하는 담당자가 생겼다. 제어로직 개선작업이 이루어졌고 운전상황이 개선되면서 기계적 스트레스도 감소하여 성능이 향상됐다.
