공정의 효율을 이끌어내기 위한 기본적인 방법 중 하나는 ‘끊김 없는 공정’이다. 문제 발생 후 해결을 위한 공정 중단은 생산성을 저하시키고, 시간 연장 등의 비효율을 가져오기 때문이다. 그렇다면 문제가 생기기 전, 미리 이상 징후를 탐지할 수 있는 예지보전은 무엇보다 중요하다. 마크베이스의 AIoT Suite 적용 사례로 본 프레스 장비 모터의 이상 감지를 돕는 방안에 대해 소개한다. 예지보전은 데이터를 수집해서 데이터 내부에 포함된 이상징후를 감지하고, 탐지된 결과를 분석 후 조치하는 과정이다. 때문에 유지보전은 공정의 효율을 높이기 위한 필수사항이다. 최근 OT 단의 컴퓨팅 파워가 좋아지면서 실시간으로 쏟아지는 데이터를 안정적으로 수집하고 저장해 전처리 과정을 거쳐 현장이 원하는 데이터의 형태로 만드는 것이 무엇보다 중요해지고 있다. 예지보전의 과정에는 수집/저장, 전처리/학습, 실시간 데이터 흐름, 패턴, 사용자 유지보수 등의 어려움이 있다. 예지보전을 예측하기 위해선 학습을 위한 장기간 데이터 모두의 수집이 필요하다. 데이터 수집 후, 대용량 수집 데이터에 대한 학습 데이터 추출이 필요한데, 데이터 전처리 시간 및 비용이 기하급수로 증가해 큰 어려움을
헬로티 함수미 기자 | 서울대학교 공과대학은 기계공학부 안성훈 교수팀이 소리로 여러 대의 장비 상태를 실시간으로 동시에 알아내는 제조공정 모니터링 시스템을 개발했다고 2일 밝혔다. 이번에 개발된 센싱 시스템은 공장 내에 설치된 1대의 마이크를 통해 로그 멜-스펙트로그램 방식으로 소리를 2차원으로 변환하고, 인공 신경망의 일종인 합성곱 신경망(Convolutional Neural Network)을 이용해 인지하는 방식이다. 해당 시스템은 소음이 매우 큰 실제 공장 환경 내에서 여러 대의 장비 소리를 동시에 추적하는 것이 가능하다. 이 시스템은 현재 국내 중소기업의 서로 다른 제조 환경과 공정들에 적용되고 있다. 특정 장비의 거동을 통제해 학습에 필요한 데이터를 얻어내는 기존의 방식과 달리, 장비의 일상적인 작동음을 조합해 학습에 필요한 데이터를 확보할 수 있다. 제1 저자인 서울대학교 기계공학부 김지수 박사는 “보통 장비 내부에 센서를 설치해 하나의 장비만을 모니터링하는 기존의 방식과 달리, 이 시스템은 여러 대의 장비를 외부에서 동시에 모니터링하는 것을 목적으로 한다”며 “이 과정에서 노이즈에 대한 저항이 높아 실제 환경에서 적용 가능하다는 장점이 있다”고