스마트 팩토리의 발전은 자동화를 넘어 정보화와 지능화로 확장되고 있다. BNF테크놀로지가 플랜트 운영의 효율성을 극대화하는 예지보전 솔루션을 앞세워 스마트 팩토리 시장에서 주목받고 있다. 이 회사의 ‘HanPrism’과 ‘HanPHI’ 솔루션은 실시간 데이터 분석을 통해 장비 고장을 미리 예측하고, 운영의 최적화를 도모한다. 특히, 다양한 데이터를 활용한 머신러닝 기법은 플랜트의 건강 상태를 정밀하게 모니터링하며 고장 원인을 신속히 진단한다. 이를 통해 고객은 큰 비용 발생 전에 조기에 대응할 수 있다. 여기에 머물지 않고 BNF는 고객이 직접 데이터를 바탕으로 문제를 진단할 수 있도록 솔루션을 개선하는 방향으로 나아가고 있다. BNF테크놀로지가 고객의 플랜트 운영 최적화를 어떻게 돕고 있는지, 그리고 향후 목표는 무엇인지 서정한 차장에게 들어봤다. Q. 최근 플랜트 시장의 가장 주요 이슈는 무엇인지 짚어 달라. A. 플랜트 운영에 있어 스마트 팩토리의 중요성이 점차 증가하고 있는 가운데, 자동화를 넘어 정보화 및 지능화로 나아가려는 움직임이 활발해지고 있다. BNF테크놀로지는 이러한 변화의 한 축을 담당하며, SCADA나 HMI 같은 시스템에서 발생하는 다
퓨처메인이 최근 공정 데이터 및 진동 데이터를 이용한 설비 고장 예측 시스템에 관한 2건의 특허를 출원했다고 밝혔다. 퓨처메인이 출원한 특허 기술은 ‘공정 데이터 및 진동 데이터를 이용한 설비 고장 예측 방법 및 시스템’에 대한 개발과 ‘공정 데이터 및 진동 데이터를 이용하여 설비의 고장원인 및 공정이상을 도출하는 방법 및 시스템’ 총 두 건이다. 퓨처메인은 해당 특허를 각각 지난해 12월 28일과 올해 2월 20일에 각각 출원했다. 이번 발명은 설비에 설치된 진동 센서 및 PLC와 같은 다양한 공정 데이터 수집 시스템으로부터 수집한 데이터 분석을 통해 고장 예측 시점까지 소요되는 시간과 고장의 원인 및 공정 이상을 도출해 내는 시스템에 대한 것이다. 진동 데이터와 공정 데이터를 복수로 수집, 학습된 인공 신경망 기반의 예측 모델에 입력해 시계열에 따른 예측 진동 데이터를 도출하고 다변 데이터 학습을 통해 예측된 진동 데이터를 분석해 도출한다. 진동 데이터뿐만 아니라 설비 운전 데이터, 공정 데이터, 기존 관리하던 설비 관리 정보를 학습을 통해 설비 이상과 공정 이상을 동시에 도출, 각 임계 수치에 대한 고장 예측 시점을 결정하고 해당 시점까지의 시간을 계산
헬로티 임근난 기자 | 스마트워크 전문기업 이파피루스(대표 김정희)는 11월 10일부터 12일까지 수원컨벤션센터에서 열리는 ‘스마트공장구축 및 생산자동화전(SMATEC 2021)’에서 인공지능 모터 고장 예측 솔루션 ‘모터센스(MotorSense)’를 선보인다. 모터센스는 모터를 포함, 펌프, 압축기, 팬 등 회전 기계의 진동 데이터를 수집 및 분석하여 고장 가능성을 예측하는 ‘예측정비’ 솔루션이다. 무게 50g의 작은 IoT 무선 센서에 배터리와 와이파이가 내장되어 있어 가동 중인 모터에 그대로 부착만 하면 설치가 완료된다. 센서가 진동 데이터를 수집해 클라우드로 전송하면 이를 인공지능이 분석하여 어떤 종류의 고장이 몇 퍼센트의 확률로 일어날지 최소 2주, 최대 4주 전에 휴대폰 문자 메시지로 미리 알려 준다. 또 PC나 모바일로 언제 어디서나 모터 상태를 확인할 수 있는 실시간 모니터링 서비스를 함께 제공한다. 사람의 주관적 판단이 아닌 100퍼센트 인공지능 솔루션이라는 점도 ‘모터센스’만의 특징이다. ‘모터센스’의 인공지능은 4년간 다양한 테스트 현장과 산업 현장에서 다양한 모터 데이터를 학습했다. 이를 바탕으로 센서가 설치된 모터의 데이터를 비교 분석