‘산업지식IN’은 급변하는 산업 현장의 실무자들이 겪는 실제적인 질문에 최고 전문가들이 직접 심층적인 답변을 제공하는 특별 기획 콘텐츠입니다. 각 주제별로 진행된 온라인 세미나(웨비나) 현장에서 발표자와 참관객이 실시간으로 주고받은 핵심 질의응답을 엄선해 독자들에게 전달합니다. 이는 독자들이 당면한 문제에 대한 깊이 있는 통찰을 얻고, 실질적인 해결 방안을 모색하는 데 큰 도움이 될 것입니다. 이 콘텐츠는 복잡한 이론보다 실제 사례와 구체적인 해법을 제시해, 제조 현장의 디지털 전환(DX)과 혁신을 위한 로드맵 구축을 지원합니다.
스마트 팩토리는 4차 산업혁명이 도래함과 동시에 등장한 혁신 기술을 기존 및 신규 제조 현장에 도입해 지능화·자동화·제조 혁신을 담은 제조 설비입니다. 전문가 및 업계는 해당 설비를 통해 제조 혁신이 가능할 것이라 평가합니다.
이렇게 급변하는 제조 산업 배경 속에 기업은 제조 혁신을 위한 준비에 한창입니다. 그러나 상대적으로 중소 규모 기업이나 조직은 해당 설비를 구축하는 데 시행착오를 겪고 있는데요. 그렇다면 중소 규모 스마트 팩토리 구축을 위한 솔루션은 어떤 것이 있을까요?
4차 산업혁명의 물결 속에서 비즈니스 환경은 끊임없이 변화하고 있습니다. 많은 기업은 새로운 기술 도입과 혁신 과정에서 막대한 초기 투자 비용, 복잡한 시스템 구축, 전문 인력 부족 등 여러 난관에 부딪혀 어려움을 겪고 있는데요. 이러한 현장의 갈증을 해소하기 위해 이번 화에서는 인공지능(AI) 기반 설비 최적화 솔루션 업체 이파피루스가 제안하는 혁신적인 ‘솔루션 도입 전략 및 방안’을 심도 있게 다룹니다.
해당 웨비나는 기업의 현재 상황과 필요에 맞춰, 실현 가능한 방안을 제시했습니다. 이파피루스의 독자적인 노하우가 어떻게 기업이 새로운 기술과 시스템의 이점을 누리도록 돕는지 지금 바로 만나보세요.
Q & A
Q. 인공지능(AI) 기반 산업용 모터 고장 예측 솔루션 ‘모터센스(MotorSense)’의 센서 작동 방식은 무엇이며, 일본 닛신보(NiSSHiNBO)의 회전체 탐지 초음파 방식과의 차이점은?
A. 초음파 방식이 소음 분석에 기반한다면, 모터센스는 진동 센서를 활용해, 설비의 진동 변화를 감지함으로써 설비 상태를 분석한다.
Q. 모터 소스 파라미터(Source Parameter)를 실시간으로 수집해 이상 유무를 알람으로 제공하는 방식인가?
A. 모터 소스 파라미터(Source Parameter)가 아닌, 모터에서 발생한 진동 데이터를 분석한 후 이상 유무를 판단한다. 실시간 수집 방식은 아니며, 설정된 주기마다 측정된 데이터의 경향(Trend)을 분석해, 변화 발생 여부를 판단 지표로 삼고 있다.
Q. 예지 탐지율(Prediction Rate)에 대한 가중치(Weight)를 별도로 설정하거나 사용자 맞춤(Customized)으로 솔루션 제공이 가능한가?
A. 센서 설치 정보 페이지에서 부착된 설비 종류, 예를 들어 유도 전동기(Induction Motor)나 베어링 등을 설정할 수 있으며, 설정된 종류에 따라 가중치가 다르게 적용된다. 아직까지 파라미터별 가중치에 대한 사용자 맞춤 기능은 제공되지 않는다.
Q. 직류 전동기(DC Motor), 교류 전동기(AC Motor), 스테핑 모터(Stepping Motor) 등 모든 종류의 모터에서 데이터 수집이 가능한지?
A. 일정 수준의 규칙적인 진동이 발생되는 설비라면 여러 유형의 모터에 적용할 수 있다. 또한 모터뿐만 아니라 모터와 연결된 펌프·팬 등 기타 회전체 설비에도 적용이 가능하다.
Q. 데이터 수집 프로그램은 PC 및 모바일용으로 별도 구매가 필요한가? 구축 시 공장 내 네트워크 환경 등도 고려해야 하는지, 회사 내 사용하고 있는 시스템과 연동도 가능한지?
A. 데이터 수집·분석은 아마존 웹 서비스(AWS)의 아마존 클라우드(Amazon Cloud) 환경에서 수행된다. 이에 따라, 외부 네트워크로 센서의 측정 데이터를 전송할 수 있는 환경이라면 별도 소프트웨어 비용은 없다. 다만, 사내 폐쇄망에서 운영해야 하는 경우 온프레미스(On-premise) 서버 구축에 추가 비용이 발생할 수 있다. 기존 시스템 연동은 응용 프로그래밍 인터페이스(API) 형태로 데이터를 제공하고 있다.
Q. 측정 주기는 최소 얼마로 설정 가능한가?
A. 무선 센서의 경우 30·60·120분 중 측정 주기를 선택할 수 있으며, 유선 센서는 설비 특성에 맞춰 협의 후 진행한다.
Q. 센서에 ‘안티 에일리어싱 필터(Anti-aliasing Filter)’가 적용돼 있나? 아울러 어떤 필터가 적용돼 있는지?
A. 안티 에일리어싱(Anti-aliasing)은 규칙 기반(Rule-based) 진동 분석에서 필수적이지만, 모터센스는 경향 변화를 감지하는 방식을 채택하고 있어, 해당 필터는 적용하지 않는다. 대신, 움직임이 발생하는 설비의 강체 운동(Rigid Motion) 제거를 위해 저역 통과 필터(Low Pass Filter)를 적용하고 있다.
Q. 예를 들어 전체 장비가 100대, 장비당 모터가 10개라면 솔루션은 어떤 방식으로 적용하나? 개별 적용인지, 전체 적용이 가능한지 궁금하다.
A. 모터센스 제품은 크게 진동 수집 센서와 수집된 데이터를 분석하는 서버로 구성된다. 진동 센서는 예지보전이 필요한 설비에 설치되며, 수집된 데이터는 서버에서 통합 처리한다.
Q. 레거시(Legacy) 장비에 설치된 솔루션을 신규 장비로 이전 설치 시 어떻게 진행해야 하는지?
A. 장비 변경이 발생할 경우 센서를 신규 장비에 설치한 후, AI 학습 모델 생성을 위해 2주간의 학습 기간을 거친 뒤 모니터링을 진행한다. 센서 고장이 아닌 경우에는 기존에 사용하던 센서를 이전 설치할 수 있다.
Q. 예지 진단이라면, 경향성 변화 폭이 커지면 사전 정비 제안을 위한 알림을 주는 방식인가?
A. 질문한 것과 같이 경향성 변화 폭이 주요한 분석 지표이며, 사전 정비를 위한 제안 목적의 알림이라고 보면 된다. 현재 학습을 위한 데이터 축적 기간은 2주로 설정돼 있다.
Q. 동일한 설비여도 설치 위치나 가동률 등에 따라 다른 AI 모델이 적용되어야 할 것 같다. 학습 전 초기 적용 시 사전 학습(Pre-trained)된 모델을 적용하여 정착 시간을 줄일 수 있나? 또 학습한 정보는 공유되지 않나?
A. 설치 센서별 각각 별도 학습을 원칙으로 한다. 질문자 언급처럼, 동일한 사양의 설비라도 환경 및 주변 잡음에 따라 다른 진동 값이 발생하므로, 센서별 별도 학습이 필요하다. 학습한 정보는 공유되지 않는다.
Q. 적용 경험상, 기존 현장 설비 관리자의 감에 의한 설비 예지보전에 비해 확실히 더 낫다는 평이 있나? 실제 현장에서는 관리자가 단순한 감이지만, 축적된 경험으로 정확하게 결함을 예측하는 경우도 많이 봤다. 이러한 수치화가 어려운 부분까지 고려해도 비교 우위인지 궁금하다.
A. 경험에 대한 것은 상대적인 것이기에 명확한 기준을 제시하기는 어렵다. 그러나 현장 설비팀이 감지하지 못한 고장 사례를 찾아낸 적도 있다. 최근 사례로는 포스코(POSCO) 광양 제철소의 베어링 결함 탐지 사례가 있다. 모터센스의 알림으로 현장 담당자가 인지하지 못한 베어링 결함을 실제로 확인한 사례가 있다.
이번 웨비나에서는 기업의 혁신을 위한 다양한 질문과 고민들에 대한 생생한 질의응답이 오갔는데요. 특히 XX가 제안하는 솔루션과 노하우가 실제 현장에서 어떻게 효율성 증대와 경쟁력 강화에 기여하는지 구체적으로 확인할 수 있었네요. 아직 해소되지 않은 궁금증이나, 더 깊이 논의하고 싶은 부분이 있다면, 주저하지 말고 하단 댓글창에 질문을 남기기 바랍니다. 해당 분야 전문가가 직접 나서서, 질문에 대해 자세하고 명쾌한 답변을 제공합니다. 또한 이번 웨비나에서 다뤄진 발표 자료를 받고 싶다면, 댓글창에 메일 주소를 남겨주세요.
헬로티 최재규 기자 |
