처방 유지보수란 무엇인가요?

처방 유지보수는 대형의 상호 연결된 산업용 자산이 핵심 비즈니스 프로세스를 구성하는 다양한 산업 분야에서 널리 활용됩니다.

더 많은 기업이 기존의 사후 유지보수 전략에서 보다 현대적인 사전 예방 유지보수 전략으로 전환함에 따라, 처방 분석은 시장에서 가장 고도화된 솔루션 중 하나로 부상하고 있습니다. 많은 선도적인 조직은 처방 전략과 예측 전략을 함께 활용하여, 예측 전략으로 문제를 식별하고 처방 전략으로 해결 방안을 제시합니다.

최신 조직은 스마트 센서와 전사적 자산 관리(EAM) 플랫폼을 활용하여 자산에 관한 정보를 그 어느 때보다도 많이 수집할 수 있습니다. 처방 유지보수는 이러한 데이터를 활용하여 문제가 장비 고장이나 계획되지 않은 다운타임으로 이어지기 전에 해결할 수 있도록 적절한 유지보수 작업을 권장합니다.

예측 유지보수(PdM)는 운영 데이터와 실시간 상태 모니터링(CM)을 활용하여 자산의 고장 시점을 예측하는 유지보수 계획입니다. 처방 유지보수는 이 접근 방식을 한 단계 더 발전시켜 기술자가 문제를 해결하기 위해 수행할 수 있는 구체적인 유지보수 작업을 권장하고, 나아가 해당 권장 사항이 가져올 재무적·운영상의 영향을 평가합니다.

처방 유지보수는 핵심 기능을 예측 유지보수에 기반합니다. 즉, 자산 성능 저하나 고장으로 이어지기 전에 유지보수 문제를 해결할 수 있도록 데이터 기반 권장 사항을 제공합니다.

조직들이 자산 관리 전략의 일환으로 IoT 기술과 고급 분석을 적극 도입함에 따라 처방 및 예측 솔루션에 대한 수요도 증가하고 있습니다. 최근 보고서에 따르면 처방 분석 및 예측 분석 솔루션의 글로벌 시장 규모는 2024년 254억 달러였으며, 2032년에는 1,561억 4천만 달러까지 성장할 것으로 예상됩니다.

모든 처방 유지보수(RxM) 전략은 IoT 센서를 통한 데이터 수집, 처방 및 예측 기법을 활용한 데이터 분석, 작업 자동화로 구성된 5단계 프로세스를 따릅니다.

각 단계를 자세히 살펴보겠습니다.

석유 및 가스 펌프, 터빈, 변압기와 같은 최신 산업용 자산에는 자산 성능과 관련된 데이터를 실시간으로 수집하는 수천 개의 IoT 센서가 장착되어 있습니다. 이러한 센서가 수집하는 데이터에는 일반적으로 온도, 진동, 에너지 소비량 및 유량과 같은 핵심 변수가 포함됩니다.

이후 이 데이터는 추가 분석을 위해 상태 모니터링(CM) 플랫폼, 클라우드 환경 또는 엣지 컴퓨팅 시스템으로 전송됩니다. 이 단계에서 처방 플랫폼은 현재 상태와 비교하기 위해 자산 성능에 대한 과거 데이터도 함께 가져옵니다.

조직은 모니터링하려는 각 자산에 대해 성능 기준선을 설정하고, 이상적인 조건에서의 정상 운영 프로파일을 정의해야 합니다. 이러한 기준선이 없으면 처방 유지보수 시스템은 이상 징후를 감지하거나 고장 모드가 진행되고 있음을 나타내는 패턴을 식별할 수 없습니다.

처방 분석 워크플로의 두 번째 단계에서는 예측 분석과 통계 알고리즘을 적용하여 고장이 발생하기 전에 이를 예측합니다. 시스템은 성능 기준선과 1단계에서 수집한 데이터를 바탕으로 특정 자산의 고장 가능 시점을 예측할 수 있습니다.

예를 들어 차량 엔진에 대한 데이터를 지속적으로 수집·분석한 예측 모델은 해당 엔진이 6주 이내에 고장 날 확률이 99%라고 판단할 수 있습니다. 이러한 예측은 과거 운영 데이터와 비교했을 때 감지된 진동 증가를 기반으로 합니다.

2단계는 기존 예측 유지보수 전략과 시스템이 끝나는 지점으로, 기술자는 이 단계에서 생성된 정보를 바탕으로 필요한 조치를 취할 수 있습니다.

처방 유지보수는 1단계와 2단계의 예측 기법을 통해 확보한 인사이트를 기반으로 한층 더 높은 수준의 지능형 기능을 제공합니다. 3단계에서는 처방 시스템이 사전에 설정된 다양한 변수를 바탕으로 가능한 대응 방안을 평가하고, 가장 적합한 조치를 권장할 수 있습니다.

예를 들어 처방 시스템이 2단계에서 베어링이 곧 고장 날 가능성이 높다는 사실을 파악하면 다음과 같은 조치를 권장할 수 있습니다.

• 지정된 기간 내에 베어링을 교체합니다.
• 결함이 있는 베어링에 맞게 운영 매개변수를 조정합니다.
• 유지보수 작업을 수행할 수 있도록 운전 속도를 낮춥니다.
• 계획되지 않은 다운타임을 방지할 수 있도록 예정된 가동 중단 기간에 유지보수 일정을 계획합니다.
• 윤활을 강화합니다.

일부 조직은 유지보수 및 성능 데이터뿐 아니라 자본 계획, 부품 재고 및 작업 일정과 같은 기업 내 다른 영역의 데이터도 처방 시스템이 고려할 수 있도록 함께 활용합니다.

대부분의 최신 처방 유지보수 전략은 컴퓨터 기반 유지보수 관리 시스템(CMMS)을 활용하여 워크플로를 자동화하고 개선합니다. 최신 CMMS를 적절히 통합하면 RxM에서 기록 시스템이자 처방 유지보수 활동을 실행하는 계층으로서 중요한 역할을 수행합니다.

기록 시스템으로서 CMMS는 모든 유지보수 활동에 대한 신뢰할 수 있는 공식 비즈니스 정보의 원천 역할을 합니다. 처방 유지보수 작업의 실행 툴로서 CMMS는 작업 지시 생성, 교체 부품 주문 및 유지보수 일정의 최신 상태 유지와 같은 수작업을 자동화하도록 설정할 수 있습니다.

CMMS를 처방 유지보수 전략에 통합하면 유지보수 활동을 간소화하고 수작업 의존도를 줄이며 실행 효율을 높일 수 있습니다.

처방 유지보수 워크플로의 마지막 단계는 지속적으로 이루어집니다. 지속적 학습은 기존에 학습한 내용을 유지하면서 새로운 작업을 순차적으로 학습시키는 AI 학습 기법입니다. CMMS가 작업 지시를 생성하고 유지보수 팀이 이를 완료하는 과정에서 머신 러닝 알고리즘은 완료된 각 유지보수 작업의 결과를 지속적으로 학습합니다.

시간이 지나 처방 학습 시스템이 충분한 정보를 축적하면, 어떤 권장 조치가 자산 고장을 예방하는 데 효과적이었고 어떤 조치는 그렇지 않았는지에 대한 인사이트를 확보하게 됩니다. 이러한 인사이트는 운영 측면에서 중요한 가치를 가지며, 시스템의 향후 권장 사항뿐 아니라 기술자가 기준선을 설정하고 관리하는 방식에도 활용됩니다.  

조직이 처방 유지보수 전략을 도입하는 이유는 자산 유지보수의 운영 및 실행 단계를 넘어서는 다양한 이점을 제공하기 때문입니다. 효과적으로 구현된 처방 유지보수는 조직 전체에 긍정적인 영향을 미쳐, 작업자 안전을 강화하고 자본 계획의 효율성을 높이며 전반적인 생산성을 향상할 수 있습니다.

• 계획되지 않은 다운타임 감소: 계획되지 않은 다운타임은 산업 분야에서 운영 중단을 초래하는 가장 큰 비용 요인 중 하나입니다. 최근 보고서에 따르면 계획되지 않은 다운타임으로 인해 제조업체는 연간 약 500억 달러의 손실을 입으며, 시간당 평균 손실 비용은 약 26만 달러에 달합니다. 처방 유지보수는 고장을 예측하고 이를 방지하기 위한 시정 조치를 권장하여 장비와 설비의 다운타임을 크게 줄이는 데 도움이 됩니다.

• 운영 효율성 향상: 처방 유지보수는 자산의 상태와 성능뿐 아니라 위험도와 비즈니스 영향까지 고려하여 유지보수 활동의 우선순위를 결정할 수 있도록 지원합니다. 처방 유지보수 전략은 유지보수 활동을 자본 계획의 관점에서 검토함으로써, 특정 자산의 상태뿐 아니라 비즈니스 운영에도 영향을 미치는 유지보수 작업을 파악하는 데 도움을 줍니다.

• 긴급 수리 감소: 긴급 유지보수는 핵심 장비가 고장 났을 때 수행하는 사후 유지보수의 한 형태로, 계획되지 않은 다운타임이 발생하지 않더라도 여러 문제를 초래할 수 있습니다. 긴급 수리는 초과 근무 인건비와 긴급 부품 배송 비용을 증가시키는 경우가 많으며, 작업자에게 위험한 작업 환경을 초래할 수도 있습니다. 처방 유지보수는 문제가 악화되기 전에 계획된 조치를 수행할 수 있도록 지원하여 긴급 수리 발생 가능성을 줄여 줍니다.

• 자산 수명 주기 관리 강화: 자산 수명 주기 관리(ALM)는 자산이 수명 주기 전반에 걸쳐 원활하게 운영되도록 관리하는 프로세스입니다. 처방 유지보수는 자산 상태와 미래 성능에 대한 실시간 가시성을 제공하여 ALM을 개선합니다. 처방 유지보수 전략을 CMMS와 통합하면 조직은 계획, 설치, 운영 및 폐기에 이르는 자산 수명 주기의 모든 단계에서 보다 정확한 정보를 바탕으로 의사 결정을 내릴 수 있습니다.

• 신뢰성 향상: 처방 유지보수 전략은 조직이 고장 모드를 조기에 식별하고 장비 고장으로 이어지기 전에 대응할 수 있도록 지원합니다. 이러한 접근 방식은 단기적으로 치명적인 고장 발생 가능성을 줄이고, 장기적으로는 장비와 프로세스의 신뢰성을 높이는 데 도움이 됩니다.

• 작업자 안전 강화: 장비 고장은 특히 중장비를 운영하는 산업 환경에서 심각한 안전 위험을 초래할 수 있습니다. 처방 유지보수는 문제가 위험한 사고로 이어지기 전에 이를 식별할 수 있도록 지원하여 작업장 안전사고 발생 가능성을 줄여 줍니다.

• 지속가능성 향상: 기업 차원에서 지속가능성 이니셔티브가 확산됨에 따라, 처방 유지보수는 조직의 지속가능성 목표 달성을 지원하는 효과적인 툴로 주목받고 있습니다. 적절하게 유지보수된 자산은 에너지 소비량이 적고 배출물과 폐기물이 감소하며, 교체 부품도 덜 필요합니다. 또한 조직은 수천 개의 IoT 센서에서 데이터를 지속적으로 수집하고 분석함으로써 자산의 성능과 어떤 유지보수 조치가 지속가능성 향상에 도움이 되는지에 대한 유용한 인사이트를 얻을 수 있습니다.  

처방 유지보수는 제조, 석유 및 가스, 광업을 비롯한 자산 집약적 산업 전반에서 활용됩니다. 다음은 이러한 산업을 비롯한 여러 분야에서 처방 유지보수를 활용해 자산 신뢰성을 높이고 비용을 절감하며 작업자 안전을 강화하는 방법입니다.

제조 기업은 처방 유지보수를 활용하여 주로 생산 설비, 로봇 및 대규모 조립 시스템을 모니터링합니다.

최신 AI 기반 플랫폼은 진동, 온도, 유체 수준 및 기타 핵심 성과 지표(KPI)를 분석하여 장비 문제가 고장으로 이어지기 전에 이를 식별하도록 지원합니다.

제조 산업에서 처방 유지보수가 일반적으로 활용되는 대상은 다음과 같습니다.

• 컴퓨터 수치 제어(CNC) 기계
• 산업용 로봇
• 컨베이어 시스템
• 포장 장비
• 압축기

석유 및 가스 시설은 핵심 비즈니스 프로세스를 지원하기 위해 까다로운 환경에서도 중단 없이 운영되는 대규모의 복잡한 자산에 의존합니다.

처방 유지보수는 펌프, 압축기, 파이프라인 및 터빈을 비롯한 다양한 핵심 구성 요소를 모니터링하고 유지관리하여 다운타임을 최소화하는 데 도움을 줍니다. 

처방 유지보수는 석유 및 가스 산업에서 작업자 안전을 강화하는 데에도 도움이 됩니다. 중장비의 고장은 부상은 물론 사망 사고로까지 이어질 수 있습니다. 고급 분석은 크레인, 펌프 및 석유 시추 설비의 문제를 위험한 상황으로 이어지기 전에 식별하고 해결하는 데 도움을 줍니다.

광산 장비는 마모를 가속화하고 성능 저하를 초래할 수 있는 극한 환경에서 운용되는 경우가 많습니다.

완전히 통합된 CMMS와 함께 사용하는 처방 유지보수는 유지보수 기술자가 핵심 운영에 중요한 다양한 중장비 자산의 운영 상태와 성능을 모니터링하는 데 도움을 줍니다.

• 광산 운반 트럭
• 파쇄기
• 컨베이어
• 굴착기
• 광물 처리 장비

실시간 분석 툴은 유지보수 팀이 환경과 운용 조건이 장비에 어떤 영향을 미치는지 정확하게 파악할 수 있도록 지원하며, 문제가 생산 중단으로 이어지기 전에 대응할 수 있도록 도와줍니다.  

운송 및 물류 산업은 사람과 화물을 장거리로 운송하는 대규모 차량을 유지관리하기 위해 주로 처방 유지보수를 활용합니다.

IoT 센서가 장착된 차량은 데이터를 현장에서 수집한 후, CMMS 또는 클라우드에서 추가 분석을 수행합니다. 운송 및 물류 산업에서 처방 유지보수가 활용되는 대표적인 대상은 다음과 같습니다.

• 상용 화물 운송 차량
• 철도망
• 항공기
• 선박

최신 병원은 환자 진료를 지원하고 업무 프로세스를 효율화하기 위해 대규모의 복잡한 자산에 의존합니다. 이러한 환경의 중요성과 시스템 간 긴밀한 상호 연결성을 고려할 때, 이러한 자산은 매우 높은 수준의 신뢰성을 갖춰야 합니다.

병원에서는 처방 유지보수를 통해 다음과 같은 다양한 시스템을 지원합니다.

• MRI 장비
• CT 스캐너
• 인공호흡기
• 검사실 장비
• 건물 인프라 시스템

의료 분야의 처방 유지보수 시스템은 장비 가동 시간을 늘리고, 환자 안전을 강화하며, 규제 준수를 지원합니다.

AI, IoT 기술 및 ML 애플리케이션이 계속 발전함에 따라 처방 유지보수는 최신 유지보수 프로그램의 핵심 요소로 자리 잡을 것으로 기대됩니다. 미래의 시스템은 더욱 정교한 알고리즘, 더 방대한 데이터 세트, 한층 강력한 예측 모델을 통합하여 더욱 정확한 권장 사항을 제공하게 될 것입니다.

처방 유지보수를 예측 유지보수, CMMS 플랫폼 및 고급 EAM 시스템과 결합할 수 있는 조직은 이러한 기술이 성숙해짐에 따라 그 혜택을 가장 효과적으로 활용할 수 있을 것입니다. 처방 유지보수는 여러 측면에서 유지보수 관리의 새로운 시대를 열고 있으며, 이를 효과적으로 활용하는 조직은 기존의 낡은 사후 대응 방식에서 벗어나 보다 효율적이고 자동화된 사전 예방 중심의 유지보수 방식으로 전환할 수 있습니다.

그러나 처방 유지보수의 미래에도 해결해야 할 과제는 남아 있습니다. 처방 분석 및 예측 분석 시스템의 성능은 입력되는 데이터의 품질에 달려 있으며, 많은 조직은 여전히 다음과 같은 다양한 데이터 관련 문제를 겪고 있습니다.

• 불완전하거나 누락된 유지보수 이력 및 고장 기록
• 문서화가 미흡한 작업 지시
• 일관성이 없는 자산 명명 규칙
• 사일로화된 운영 데이터

양질의 데이터를 기반으로 구축된 처방 유지보수는 조직이 모든 유지보수 프로세스에서 데이터 기반 인텔리전스를 활용하도록 지원하여 자산 수명 주기를 연장하고 생산성을 향상할 수 있도록 합니다. 그러나 기반 데이터의 품질이 낮다면 아무리 뛰어난 예측 및 처방 플랫폼이라도 제대로 효과를 발휘할 수 없습니다.