PREDICTIVE MAINTENANCE (예지 보전)

Predictive Maintenance (예지 보전) 이란?

생산성과 품질 향상을 위한 설비 관리는 회사의 이익과도 연관되어 있습니다.제조 설비에 문제가 발생하여 생산에 차질이 생길 경우 고객의 신뢰 하락 및 매출 감소로 이어지게 됩니다.
인력을 배치한 점검 방식과 관리자들의 노하우에 얻은 데이터를 분석해 설비의 이상 상태를 예측하여 피해가 커지기 전에 조치하는 방법들이 이용되어 왔지만
자동화 설비 도입의 급증과 인력 교체로 인한 설비 관리의 어려움 및 데이터 분석의 실패로 인해 설비 보전에 대한 한계에 봉착하게 되었습니다.
이 보다 개선된 상태 기반 보전 (Condition Based Maintenance) 방식이 대두되었지만 이 또한 임계치 이상 되지 않으면 경고를 발생하지 않는다는 단점을 안고
기업들의 초점이 초기 단계부터 조치를 단행할 수 있는 예지 보전(Predictive Maintenance) 방식으로 옮겨가게 됩니다.
예지 보전이 잘 구축된다면 엄청난 효과를 거둘 수 있습니다.
설비·부품 상태가 갈수록 악화되는 것을 열화라고 합니다.
우리가 병에 걸리듯 설비도 열화로 원래 기능이 현격히 저하되며, 중병에 걸리면 회복이 어렵듯이 설비도 초기에 열화를 측정해 회복 불가능 상태로 이어지지 않도록 관리해야 합니다.
인간과 설비가 다른 점은 인간은 영원히 살 수 없지만 설비는 진단 관리를 통해 영원히 작동할 수 있습니다.

예지 보전이란 무엇입니까? (그리고 그것이 고장 보전 및 예방 보전보다 훨씬 더 나은 이유)
전통적으로 두 가지 접근 방식이 있습니다.

고장 보전(Corrective Maintenance) – 장비가 고장났을 때 유지보수가 수행됩니다.
예방 보전(Preventive Maintenance) – 장비 수명에 따라 정기적으로 유지보수를 수행합니다.

고장 보전은 검사 횟수를 최소화하는 가장 간단한 솔루션입니다. 그러나 실패할 경우 이 접근 방식은 긴 가동 중지 시간과 높은 교체 비용을 초래합니다.
또한 대기 시간이 길면 결함이 있는 부품이 다른 부품에도 손상을 줄 위험이 높아집니다.

예방 보전(에너지 산업에서 일반적으로 사용)은 제어되지 않는 고장의 수를 크게 줄이지만 빈번한 검사와 여전히 작동할 수 있는 부품 교체 비용이 많이 듭니다.

정말 필요할 때만 부품을 검사하고 교체한다면 어떨까요? 유지 보수에 적시 전략을 적용하시겠습니까? IoT와 인공 지능이 함께 하면 가능합니다.
풍력 터빈에는 상태를 정확하게 모니터링할 수 있도록 에너지 흐름, 풍속, 풍향, 회전 속도, 온도, 습도, 진동, 응력 및 윤활 압력을 감지하는 많은 IoT 센서가 있습니다.

이 처럼 많은 센서 데이터는 환경 조건 모니터링뿐만 아니라 강력한 분석 기회를 가능하게 합니다.
‌
센서 데이터를 실시간으로 분석하여 장비 고장 확률을 예측하고 이 확률이 높을 때만 조치를 취할 수 있습니다.
이것이 바로 예지 보전의 핵심입니다.

예지 보전(PdM)은 두 가지 주요 이점을 제공합니다.

    1. 다운타임 감소로 인한 수익 증가(다운타임은 수리 시간 동안만 지속됨)
    2. 다음 항목으로 인한 비용 감소: