예방적 유지 보수와 예측적 유지 보수

유지보수 전략은 수익에 대해 생각할 때 가장 먼저 떠오르는 것이 아닐 수도 있습니다. 그러나 기계, 장비, 시스템이 비즈니스를 계속 운영한다는 점을 감안할 때 유지보수 전략이 중요한 역할을 합니다. 전력망의 변압기, 열차의 차축 베어링, 식당의 냉장고 등 세심한 주의와 관심을 기울이지 않으면 모든 것이 고장납니다.

자산이 오작동하거나 최적의 성능을 내지 못하면 안전 문제와 재정적 손실이 발생할 수 있으며, 제조업체는 평균적으로 연간 약 800시간의 가동 중지로 인한 손실을 겪는 것으로 알려져 있습니다. 여기에 인프라 노후화, 인력 유지, 예산 제약, 지속가능성에 대한 압박까지 더해지면 기업이 자산을 양호한 운영 상태로 유지하기 위해 더 나은 방법을 찾아야 하는 이유를 쉽게 알 수 있습니다.

장비가 고장날 가능성이 있는 시기를 이해하고 계획하면 생산 운영의 효율성을 높일 수 있지만, 어떤 전략이 가장 비용 효율적인지 어떻게 결정할 수 있을까요? 결정은 그리 간단하지 않습니다. 업종, 자산의 유형 및 용도, 교체 비용, 올바른 종류의 데이터의 양, 장애가 비즈니스와 고객에게 미치는 영향 등 여러 요소를 고려해야 합니다. 모든 경우에 적용되는 일률적인 솔루션은 없으며 대부분의 회사는 자산 포트폴리오 전반에 걸쳐 다양한 유지보수 전략의 조합을 선택합니다.

사후 유지보수, 예방 유지보수, 예측 유지보수 전략은 가장 일반적으로 사용되는 유지보수 접근 방식입니다. 사후 유지보수(수정 유지보수라고도 함)는 고장이 발생했을 때 대응하는 것입니다. RTF(Run To Failure) 전략을 적용해도 안전이나 운영에 영향을 주지 않는 저비용·비핵심 자산에 적합합니다.

예방 및 예측 유지보수는 연결성과 데이터를 사용하여 엔지니어와 계획자가 고장이 발생하기 전에 문제를 해결할 수 있도록 지원하는 사전 예방적 유지보수 전략입니다. 예측 전략은 여기서 한 걸음 더 나아가 고급 데이터 기술을 사용해 향후 문제가 발생할 가능성이 있는 시기를 예측합니다. 두 전략 모두 치명적이거나 비용이 많이 드는 문제의 위험을 줄이는 것을 목표로 합니다.

이러한 선제적 접근 방식에 대해 자세히 살펴보겠습니다.

예방 유지보수란 정기적인 유지보수 계획을 통해 정해진 간격으로 일상적인 유지보수 작업을 수행함으로써 자산 고장 가능성을 줄이는 것을 말합니다. 평균 고장 간격(MTBF) 같은 모범 사례와 과거 평균을 사용하여 가동 중지 시간을 계획합니다. 예방 유지보수 전략은 1900년경부터 시작되어 1950년 후반부터 널리 사용되었습니다.

세 가지 주요 예방 유지보수 유형이 개발되었으며, 모두 정기적으로 유지보수를 수행하지만 일정이 다르고 비즈니스 운영 목적에 맞게 조정됩니다.

• 사용량 기반 예방 유지보수 일정은 50,000마일 후 자동차 타이어를 교체하는 것과 같이 자산 사용량에 따라 향후 유지보수 및 점검을 계획합니다.
• 달력 또는 시간 기반 예방 유지 보수는 가정용 난방기를 매년 점검하는 것과 같이 유지보수를 위한 특정 시간 간격을 설정합니다.
• 상태 기반 유지 관리는 자산 마모 및 성능 저하와 같은 요인을 기반으로 일정을 세웁니다.

모든 유형의 예방 유지보수에서 기계 가동 중지 시간은 사전에 계획되며 기술자는 점검, 수리, 청소, 조정, 교체 등 기타 유지보수 활동을 위해 체크리스트를 사용합니다.

예측 유지보수는 상태 기반 모니터링을 기반으로 자산의 상태를 지속적으로 평가합니다. 센서는 실시간으로 데이터를 수집하여 AI 지원 엔터프라이즈 자산 관리(EAM), 전산화된 유지보수 관리 시스템(CMMS), 그리고 기타 유지보수 소프트웨어에 입력합니다. 이러한 유형의 소프트웨어를 통해 머신 러닝(ML)과 같은 고급 데이터 분석 도구와 프로세스는 문제가 발생하는 즉시 이를 식별하고 감지하며 해결할 수 있습니다. 알고리즘은 또한 미래의 잠재적 문제가 발생할 수 있는 시기를 예측하는 모델을 구축하는 데 사용되며, 이를 통해 자산이 나중에 더 고장 날 위험을 완화할 수 있습니다. 이를 통해 유지보수 비용이 절감되고 가동중지 시간이 약 35~50% 감소하며 수명이 20~40% 증가할 수 있습니다.

다양한 상태 모니터링 기술을 사용하여 자산 이상을 식별하고 소리(초음파 음향), 온도(열), 윤활(오일, 유체), 진동 분석, 모터 회로 분석을 포함한 잠재적 문제에 대한 사전 경고를 제공합니다. 예를 들어, 구성 요소의 온도 상승은 공기 흐름이나 냉각수가 막혔음을 나타낼 수 있습니다. 비정상적인 진동은 움직이는 부품의 정렬 불량이나 마모를 나타낼 수 있습니다. 소리의 변화는 사람의 귀로 포착할 수 없는 결함에 대한 조기 경고를 제공할 수 있습니다.

석유 및 가스 산업은 환경 재해의 위험을 낮추는 방법으로 예측 유지보수를 선구적으로 채택했으며, 다른 산업에서도 점점 더 많은 혜택을 보고 있습니다. 예를 들어, 식음료 산업에서는 식품 보관 문제가 감지되지 않으면 건강에 큰 영향을 미칠 수 있으며, 해운업의 경우 장비 고장을 예측하고 예방하면 항구보다 더 어렵고 비용이 많이 드는 해상에서 수리해야 하는 횟수를 줄일 수 있습니다.

두 가지 유형의 유지보수 전략 모두 가동 시간을 늘리고 계획되지 않은 가동 중지 시간을 줄여, 자산의 신뢰성과 수명 주기를 개선합니다. 주요 차이점은 타이밍과 자산의 미래 상태를 예측하는 능력에 있습니다.

예방 유지보수 프로그램은 과거 데이터를 사용하여 자산의 예상 상태를 예측하고 정해진 간격으로 일상적인 유지보수 작업을 사전에 예약합니다. 이는 계획 수립에는 좋지만, 대부분의 자산 장애가 예상치 못한 상황에서 발생한다는 점을 고려하면 자산의 유지보수가 부족하거나 과도할 수 있습니다. 예를 들어, 문제를 너무 늦게 진단하여 자산 손상을 방지하지 못하면 문제를 해결하는 동안 가동 중지 시간이 길어지거나 필요하지 않은 시간과 비용이 지출될 수 있습니다.

예측 유지보수는 장비의 실제 상태를 이해하여 불필요한 유지보수를 방지합니다. 즉, 예방 유지 관리보다 더 일찍 문제를 발견하고 수정하여 더 심각한 문제가 발생하는 것을 방지할 수 있습니다.

예측 유지보수는 인공 지능, 머신 러닝, 사물 인터넷(IoT)과 같은 새로운 기술을 활용하여 인사이트를 생성합니다. 유지보수 관리 시스템 및 소프트웨어는 수정 유지보수 작업 주문을 자동으로 생성하여 유지보수 팀, 데이터 과학자, 그리고 기타 직원이 더 현명하고 신속하며 재정적으로 건전한 결정을 내릴 수 있도록 합니다.

인력, 예비 부품 공급망 같은 재고 관리 워크플로는 에너지 사용량과 낭비를 최소화하여 더욱 효율적이고 지속 가능하게 됩니다. 예측 유지보수는 디지털 트윈과 같은 실시간 분석을 기반으로 다른 유지보수 관행에 데이터를 제공하여, 생산 공정에 아무 위험 없이 시나리오 및 기타 유지보수 옵션을 모델링하는 데 사용할 수 있습니다.

예측 유지보수가 효과적이거나 가능하기 위해서는 복잡성, 교육, 데이터와 같이 극복해야 할 장애물이 있습니다. 예측 유지보수에는 최신 데이터 및 시스템 인프라가 필요하므로 예방 유지보수와 비교할 때 설정 비용이 많이 들 수 있습니다. 새로운 도구와 프로세스를 사용하고 데이터를 올바르게 해석하도록 인력을 교육하는 데는 많은 비용과 시간이 소요될 수 있습니다. 예측 유지보수는 또한 상당한 양의 특정 데이터 수집에 의존합니다. 마지막으로 예측 유지보수 전략을 구현하려면 미리 결정된 일상 운영에서 보다 유연한 일상 운영으로의 전환을 수용하기 위한 문화적 변화가 필요하며, 이는 까다로울 수 있습니다.

요약하자면, 예방 및 예측 유지보수 전략은 모두 자산 신뢰성을 높이고 장애 위험을 줄이는 데 중점을 두지만, 그 차이는 매우 큽니다. 예방 유지보수는 정기적이고 일상적인 반면, 예측 유지보수는 적시에 특정 자산에 대한 올바른 정보를 제공하는 데 중점을 둡니다. 예방 유지보수는 실패 패턴을 예측할 수 있고(예: 반복되거나 빈번한 문제) 실패의 영향이 상대적으로 낮은 자산에 적합한 반면, 예측 유지보수는 실패를 예측하기 어렵고 실패가 비즈니스에 미치는 영향이 높은 전략적 자산에 더 유리할 수 있습니다. 궁극적으로 예측 유지보수 전략이 성공적으로 적용되고 실행되면 최적화된 유지보수 및 자산 성능을 통해 고객 만족도를 높이고 비용을 크게 절감할 수 있습니다.

좋은 소식은 IBM이 도와드릴 수 있다는 것입니다. IBM Maximo Application Suite는 일련의 애플리케이션으로, 유지보수 계획을 단순한 시간 일정을 넘어 자산 상태 인사이트를 기반으로 하는 상태 기반 예측 유지보수로 전환할 수 있습니다.

Maximo는 운영 데이터, IoT, AI, 분석을 단일 통합 클라우드 기반 플랫폼에 결합하여, 자산 안정성을 개선하고 자산 라이프사이클을 연장하며 성능을 최적화하고 운영 가동 중지 시간 및 비용을 줄이는 보다 스마트한 데이터 기반 의사 결정을 내릴 것입니다.