특집: 고장예지진단 1. 머리말
기계시스템에 결함이나 손상이 발생할 경우, 시 스템의 가동 중단을 야기할 수 있으며 이로 인한 사회적, 경제적 피해의 규모는 막대하다. 따라서 고장이 발생하기 전에 예방정비를 실행하는 것이 중요하며 현재 대부분의 시스템은 일정한 시간 간격을 두고 실시하는 정기적 예방정비에 의존하 고 있다. 그러나 정기적 예방정비는 부품의 실제 결함 유무와 관계없이 일정한 주기에 의해 실시 되므로 정상 부품의 불필요한 교체로 인한 비용 손실을 발생시키고 갑작스런 시스템의 고장을 예 방하는 데에 한계가 있다. 따라서 이러한 문제들 을 해결하기 위해 최근 고장예지 및 건전성관리 (PHM: prognostics and health management)기술이 활발히 연구되고 있다. 고장예지 및 건전성관리 기술은 기계시스템의 상태를 실시간으로 감시하 여 시스템의 이상을 조기에 감지하고 미래에 발 생할 고장을 미리 예측한다. 따라서 적절한 조치 를 미리 취함으로써 불필요한 유지보수 비용을 줄일 수 있고, 시스템의 안전성과 신뢰성을 높여 재앙적인 사고를 예방할 수 있다.
고장예지 및 건전성관리 기술에는 크게 두 가 지 방법이 있다. 첫째로, 데이터주도방법(data- driven approach)은 데이터를 이용하여 시스템의 신뢰성, 건전성 정보를 통계적 방법으로 추론하
는 것이다. 기계학습(machine learning)기법은 가 장 많이 사용되는 기법으로 건전성인자와 고장 여부의 관계를 훈련하여 미래고장을 예측할 수 있다. 이 방법은 물리적 손상 모델을 구현하기 어 려운 다변량 시스템에 적용이 가능하다는 장점 이 있지만, 훈련을 위해 많은 양의 데이터가 필요 하다. 다음으로 모델기반방법 (model based approach)은 물리적 고장 모델을 기반으로 고장 을 진단 및 예지한다. 이 방법은 정확도가 높으며 적은 양의 고장 데이터로 고장 진단이 가능하다.
모델의 변수를 바꿔줌으로써 다양한 운행 환경 에서도 적용 가능하다. 그러나, 고장 메커니즘 파 악이 어렵거나 모델 변수의 수가 매우 많은 경우 모델이 실제 고장 메커니즘을 온전히 구현하지 못하므로 적용 분야가 한정적이다.
이 글에서는 각 산업에서의 고장예지 및 건전 성관리 기술 적용 사례를 소개하고, 이를 지원하 는 배경기술(에너지하베스팅, 사물인터넷 등)에 대해 설명하고자 한다. 이를 통해 고장예지 및 건 전성관리 기술이 현재 가지는 한계점을 파악하 고 향후 연구비전을 제시하고자 한다.
2. 고장예지진단 성공사례 소개
2.1 증기터빈 로터 고장 진단 기술
화력발전소의 증기터빈은 높은 열에너지를 회
* E-mail : [email protected] / Tel : (042)350-3630
고장예지진단 기술의 공학시스템에서의 성공사례와 비전
서보성, 장범찬, 윤병동*
(서울대학교 기계항공공학부)
특집특집
고장예지진단
특집: 고장예지진단
전운동 에너지로 변환해주는 장치로, 높은 압력 과 빠른 속도의 환경에서 작동한다. 가혹한 환경 에서 계속해서 회전하는 증기터빈은 고장이 발 생할 경우 거대한 경제적 손실을 야기하고, 때에 따라서는 인명피해까지 유발할 수 있기 때문에 안정적인 운영이 필요하다. 그러나 현재 발전소 에 적용된 진단 시스템은 단순히 진동 크기만을 활용하고 있고, 고장이 발생한 이후에 조치가 이 루어지고 있다. 노후화된 발전소와 신규 발전소 의 효율적인 운영을 목적으로, 이 연구에서는 터 빈을 포함한 회전체의 특성을 가장 효과적으로 나타내주는 진동신호를 사용한다. 터빈은 주로 저널 베어링으로 지지되어 있기 때문에, 저널 베 어링 회전체 모사 시험기를 이용하여 고장 별 진 동신호를 획득한다. 획득한 신호는 시스템에 적 합한 신호처리 기법을 적용하여 방대한 양의 진 동 데이터를 적은 양의 특징인자들로 변환시켜 진단에 활용할 수 있게 한다. 실시간 진단을 위해 서 기계학습의 방법을 응용하여 바로 진단이 이 루어지도록 진단 시스템을 구성하였다. 실제 발
전소의 고장 신호로 진단 시스템의 성능을 검증 및 평가하는 단계에 있으며, 추후 예지 연구를 진 행할 계획이다.
2.2 발전소 변압기 고장 진단 기술
전력용 변압기는 발전소 주요 구성 요소 중 하 나로 가혹한 운전 조건으로 높은 고장률을 갖는 다. 변압기의 예기치 못한 고장은 발전소 전체의 불시정지 및 2011년 대규모 정전사태의 재래를 야기할 수 있으므로 이에 대한 예지적 진단 기술 은 매우 중요하다고 할 수 있다. 이 연구팀은 전 력연구원과 함께 화학적, 전기적 고장과 더불어 높은 비율을 갖는 기계적 고장을 예방하기 위한 기술을 개발하였다. 변압기의 기계적 고장은 권 선과 철심 진동에 크게 영향을 받으므로 이 둘의 진동을 활용하는 것이 효과적이다. 이들은 각각 전류력, 자기변형력에 의해 발생하여 전압 주파 수 60 Hz의 두 배인 120 Hz의 진동을 나타내며, 철심은 구조적 복잡성과 자기변형력의 비선형 성에 의해 조화 진동(240 Hz, 360 Hz, …)을 함께
그림 1 증기터빈 로터 이상분류 기술 흐름도
그림 2 전력용 변압기의 진동 센서 위치 선정 및 기계적 고장 진단/예지 기술
특집: 고장예지진단
나타낸다. 권선과 철심의 진동을 효과적으로 취 득하기 위한 1) 센서 위치 선정 기법, 변압기의 고 장 정도를 나타내는 2) 건전성 등급제, 변압기의 기계적 잔여수명을 나타내는 3) 고장예지 기술 을 개발하였으며 실제 발전소 변압기 데이터에 적용하여 그 효용성을 확인하였다. 현재 변압기 시험설비를 통한 개발 기술의 검증 및 개선, 신설 발전소에의 실적용 방안에 대한 연구를 진행하 고 있다.
2.3 LNG 플랜트 고장 진단 기술
최근 천연가스가 중요한 에너지원으로 대두됨 에 따라, 저장, 수송 기술이 용이한 액화천연가스 (LNG)가 주목을 받고 있다. 그러나 LNG는 폭발 성, 극저온, 유독성을 가지고 있어 LNG 시설은 높은 신뢰도가 보장 되어야만 한다. LNG 시설의 사고는 크게 호스, 저장탱크, 밸브, 배관의 4 타입 으로 분류되며 이 연구팀은 이 중 배관과 밸브에 관한 연구를 진행하였다. 기존의 유도초음파, 가 역접근법, 마이크로파 단층촬영 등의 배관 검사 기법은 실시간 검사에는 적용하기 어렵다는 제 한이 있다. 최근 브릴루앙 대역의 광신호를 이용 한 실시간 감시 기법(BOTDR)이 상용화되어 높 은 정확도와 넓은 범위의 장점으로 부각되고 있 으나 이는 LNG 배관 감시의 경우에 있어 필요 이 상의 하이테크이며 비용이 높다는 단점이 있다.
이에 따라 이 연구팀은 광섬유시험기(optical time domain reflect meter; OTDR)와 distributed temperature sensing system(DTS system)을 이용하
여 LNG와 같은 극저온 배관계의 누설을 감시할 수 있는 기술을 개발하였으며 이의 성능을 LNG 극저온 배관 테스트 베드에 적용하여 그 성능을 검증하였다. 또한, LNG 플랜트에 사용되는 극저 온 버터플라이 밸브의 고장 진단 기술을 개발하 였다. 상온에서의 버터플라이 밸브 고장 진단 기 법은 개발된 바가 있으나 극저온 상황에서의 밸 브 거동 특성 분석 및 고장 진단 기법에 대한 연 구는 미비한 상황이다. 한국기계연구원에서 수 행한 가속수명시험 데이터를 기반으로 통계적 분석을 수행하여 밸브 거동 이상 징후(밸브 개폐 속도 이상, 밸브 초기각도 이상)를 진단할 수 있 는 건전성 지수들을 추출하였다. 이러한 연구결 과를 통해, 극저온 버터플라이 밸브의 다차원 측 정 데이터를 단일한 건전성 지수로 변환시켜줌 으로써 건전성 진단의 정확도와 용이성을 늘리 는데 성공하였다. 현재는 극저온 버터플라이 밸 브 가속수명시험 및 해석모델 구축을 병행하여, 고장예지 알고리듬 구현애 대한 연구를 진행하 고 있다.
2.4 리튬 이온 배터리 건전성 진단 기술
리튬이온 2차전지는 1990년대 처음 상품화된 이후로 휴대용 전자기기 시장을 빠르게 점령해 왔으며, 최근 전기자동차 등의 발전에 힘입어 더 욱 빠른 성장세를 보이고 있다. 리튬은 가장 가볍 고 반응성이 좋은 금속 중 하나이며, 가장 높은 전 기화학전위(Eo = -3.045V)를 지니고 있다. 리튬이 온 배터리는 기존의 2차전지에 비하여 높은 에너
그림 3 LNG 플랜트 배관 및 밸브 고장 진단 기술
(a) 배관 센서 위치 선정 (b) 배관 고장 진단 알고리듬 (c) 밸브 고장 징후 분석
특집: 고장예지진단
지밀도, 낮은 자가방전율을 가지며 메모리 효과 또한 존재하지 않는 장점을 지닌다. 이러한 리튬 이온 배터리의 가장 큰 단점은 리튬의 높은 반응 성에서 기인하는 폭발, 인화 등의 잠재적인 위험 성을 지니고 있다는 것이다. 리튬 이온 배터리에 서 발생할 수 있는 위험을 미연에 방지하기 위한 여러 기법들이 개발되고 있으며, 이는 크게 배터 리의 충전상태(state of charge, SoC)와 건전성(state of health, SoH)를 살펴 과다하게 충전되는 것을 막 고 위험도가 높은 셸을 사전에 교체하는 방식으 로 이루어진다. 배터리의 충전상태와 건전성을 추정하는 것은 안전의 측면에서뿐만 아니라 경 제적, 기술적 측면에서도 중요한 이슈이며 다이 내믹 필터, 추정기법, 축소 모델링 등의 방법을 통 해서 다양하게 개발되었으며, 최신 연구 중 하나 로는 멀티스케일의 확장칼만필터(extended Kalman filter, EKF)를 이용하여 배터리의 충전 상 태과 용량을 실시간으로 추정해주는 기법이 개 발되어 있다. 또한 배터리 내부의 임피던스 특성 이 배터리의 성능 및 건전성과 깊은 관계가 있다 는 사실을 이용한 연구 또한 진행되고 있다.
2.5 상수도관 누수 진단 기술
전국 상수도의 평균 유수율은 약 83 % 이며, 지 방 시∙군 지역의 유수율은 약 70 %로 더욱 저조 한 실정이다. 다시 말해 정수장에서 생산한 수돗 물 중 많은 양이 누수 등으로 손실되고 있으며, 그 손실액은 연간 약 6천억원 규모이다. 이러한 문제점을 개선하기 위해서는 상수도관의 누수 를 예방하고 누수 발생 시 최대한 신속히 정비하 는 것이 필요하지만 대부분의 상수도관은 지하 에 매설된 관계로 손상 여부 및 손상 위치의 파악 이 용이하지 않다. 기존의 누수 탐지방법으로 청 음식 탐지, 수분 탐지 센서 설치 등의 방법이 있 으나, 최근에는 탐지의 능동성 및 효율성을 높이 기 위해 다양한 방법 등이 시도되고 있으며, 그 중 전송선의 반사신호를 측정하는 TDR(time domain reflectometry) 누수탐지 기법이 새로운 대 안으로 연구되고 있다. TDR 누수탐지방법은 상 수도관에서 누수 된 수분이 상수도관 외부에 부 착된 전송선의 임피던스 변화를 일으켜 이로 인 해 반사되는 신호를 측정하는 탐지방법이다. 그 러나 이러한 TDR 반사신호를 통해 누수를 판단
그림 4 배터리 건전성 진단을 위한 Multi-scale EKF의 블록 다이어그램
그림 5 상수도관 누수 진단 기술
특집: 고장예지진단
하는 기준은 감시자의 경험에 의존하거나 또는 단순한 반사신호의 절대적인 크기로 누수를 판 단하고 있다. 그러나 이러한 판단기준은 누수 발 생지점이 1곳일 경우에는 쉽게 판단이 가능하지 만, 다중 누수일 경우 각각의 누수신호의 간섭 등 으로 정확한 판단이 어렵다. 누수에 대한 부정확 한 판단은 불필요한 정비인력 및 시간, 비용 등 추가적인 문제점을 발생시킨다. 이 연구팀은 다 중 누수일 경우에도 정확하게 누수를 판단이 가 능하도록 다중누수탐지 기술을 개발하였으며, 해당 기술에는‘TDR 전진 모델’과‘베이지안 추 론 기법’을 적용하였다. 이를 통해 다중 누수에 따른 반사신호의 상호간섭에도 정확한 누수 발 생 수와 발생 위치를 감시자에게 제공할 수 있으 며, 탐지 정확도 향상에 따라 정비비용 감소 및 누수감소 효과를 기대할 수 있다.
2.6 풍력발전기 구동계 고장 진단 기술
풍력발전기의 기어박스를 포함한 구동계는 고장 시 다운타임으로 인한 경제적 손실이 크고 교체비용이 막대하여 위험도가 큰 구성 시스템 이라고 알려져 있다(그림 6). 특히 해상풍력의 경우 주기적 유지보수가 힘들고 고장 시 즉각적 대응을 하기 어렵기 때문에 구동계에 대한 고장 을 진단하여 이를 미연에 방지하는 기술이 필수 적이다.
풍력발전기 구동계 시스템의 고장 진단기술 개 발을 위해서는 통제된 환경에서 고장을 인가하 여 신호를 분석함으로써 고장과 신호의 상관성 을 정량적으로 파악하는 과정이 선행되어야 한 다. 이를 위해 풍력발전기를 모사하는 시뮬레이 터가 사용된다(그림 7). 앞단의 모터(그림 2의 모 터1)를 통해 로터의 회전을 모사하고 뒷단의 모 터(그림 7의 모터2)를 통해서는 발전기의 토크를 모사하는 시스템이다. 풍력발전기의 실제적 모 사를 위해 회전속도 및 발전기 토크는 실증 데이 터를 통해 취득되어 활용된다. 설치된 기어박스 는 다양한 고장을 인가할 수 있도록 설계되어 있 으며, 기어박스에 부착된 진동 및 온도센서, 엔코 더 등을 통해 기어박스의 구동 데이터를 취득함 으로써 기어박스의 상태를 진단하게 된다.
구동계 시스템의 고장 진단을 위해 가장 널리 사용되고 있는 기법은 진동신호 기반 주파수분
그림 7 풍력발전기 시뮬레이터(2kW급)
그림 6 풍력발전기 부품의 고장으로 인한 경제적 손실
특집: 고장예지진단
석 기법으로, 다음과 같은 네 단계로 이루어진다.
첫 번째로 고장 진단에 활용할 진동 신호 및 운행 데이터를 취득한다. 진동신호의 경우 고속 회전 에 의한 고주파 진동 특성을 파악하기 위해 20 kHz 이상으로 취득하며, 운행 데이터의 경우 짧 게는 1초에 한 번, 길게는 10분에 한 번 취득한다.
운행 데이터를 함께 취득하는 이유는 진동 특성 이 운행 데이터에 대한 함수로써 나타날 수 있기 때문이다. 두 번째로 진동신호에 대한 노이즈 제 거 및 고장 징후의 증폭을 위해 사전분석을 수행 한다. 이를 위해 널리 사용되는 신호분석 기법은 resampling, adaptive noise cancelation(ANC), time synchronous averaging(TSA), minimum entropy deconvolution(MED), spectral kurtosis(SK) 등이 있 다. 이 과정을 통하게 되면 노이즈 대비 고장 신 호 크기가 증가하여 기존보다 수월히 고장의 징 후를 파악할 수 있게 된다. 하지만 여전히 시간도 메인에서의 고장 진단이 불가능한 경우가 많다.
따라서 사전분석을 거친 진동신호에 대해 푸리 에 분석기법을 적용하여 오더 분석을 수행하고 이 과정을 통해 진동신호에 포함되어 있는 물리 적 의미 및 전반적인 운행 특성에 대해 파악할 수 있게 되는데 이것이 세 번째 단계이다. 네 번째 단계에서는 오더 도메인에서 기어 맞물림 주파 수(gear mesh frequency, GMF) 등의 조합으로 이 루어진 다양한 건전성 데이터(health data, HD)를 추출한다. 정상적인 운행상황에서의 건전성 데 이터를 DB화 시킨 후 운행 중 취득되는 건전성 데이터와 비교 분석하여 실시간 고장 진단을 수 행할 수 있다.
2.7 발전기 수냉식 고정자 권선의 흡습현상 진단 및 예지 기술
80년대 초부터 90년대 초까지 우리나라의 급격 한 산업 성장과 함께 전력 생산 시설인 화력발전 소 다수가 지어졌다. 일반적인 화력발전소의 설 계 수명은 30년으로 대부분의 발전소들이 설계 수명에 가깝거나 설계수명을 넘어 운전 중이지 만 설계수명이 지난 발전소를 허물고 새로 짓는 데엔 어마어마한 돈이 들어 기존의 발전소를 보 수하고 유지하는 방향에 많은 초점을 두고 있는 상황이다. 20년 이상의 운행 시간을 겪었기 때문 에 사용조건이 가혹한 부분의 부품들이 교체나 보수를 필요로 하거나 고장이 나게 되는데 발전 기 모듈의 전기가 생산되는 고정자 권선이 그 중 에 하나이다. 수냉식 고정자 권선 내부에는 냉각 수가 흐르고 있으며 주변 진동의 영향으로 권선 내에 균열이 발생하면 냉각수가 권선을 감싸고 있는 절연물에 접하게 되고 절연물의 정전용량 이 높아져 운행 중 권선에 쇼트가 일어나는 사고 가 발생한다. 발전기 운전사는 이러한 현상을 진 단하는 기존의 기술인 GE사의 capacitance- mapping 방법을 통해서 진단을 했었지만 고장을 정확히 감지하지 못하는 단점이 있었으며 실제 로 이로 인한 운전 중 고장이 발생 했었다. 이를 해결하기 위해 권선 흡습량의 정량적인 지표인 directional Mahalanobis distance(DMD)와 DMD를 이용한 권선 흡습 건전성 등급제를 개발하였으 며 흡습의 양을 정량적으로 평가하고 고장에 대 한 올바른 기준을 마련할 수 있었다. 또한 더 나 아가 Fick’s second law를 이용한 물리적 모델링
그림 8 풍력발전기 구동계 고장 진단 기술
(a) Data Acquisition (b) Pre-Processing (c) Signal Processing (d) Fault Diagnostics
특집: 고장예지진단
을 통해 흡습 현상의 성능저하 모델을 만들고 고 장예지를 수행 했다.
2.8 PHM 소프트웨어 플랫폼
시스템의 고장 메커니즘 분석부터 수명 예측 및 관리까지 PHM을 통해서 얻은 시스템 상태에 대한 정보는 효율적인 유지보수 전략을 세울 수 있게 만들어 주며 갑작스러운 고장을 막아주어 사용자의 안전과 신뢰도 향상에 큰 기여를 할 수 있다. 대형 플랜트나 항공기, 풍력발전기 등 높 은 신뢰성을 요구하는 고가의 시스템에는 그에 맞추어 상태 관찰 시스템(condition monitoring system, CMS)이 개발 되지만 목표 시스템에만 적용 된다는 단점이 있다. 시스템 상태 진단과 예측을 목적으로 PHM에 대해서 깊은 지식이 없 는 사용자 또한 범용적으로 사용 할 수 있는 PHM 소프트웨어는 많은 기관에서 개발 중에 있 다. 대표적인 예로 NI사의 Watchdog과 GE사의 Smart Signal 등이 있으며 서울대학교 기계항공 공학부 시스템 건전성 관리 연구실에서도 독자 적인 PHM 소프트웨어 Predict-X를 개발 중에 있
으며 올 해 5월에 첫 소프트웨어 플랫폼 출시를 앞두고 있다. 범용적인 PHM 소프트웨어 개발을 통해 더 많은 시스템의 상태 진단 및 예측이 가 능해지며 별도의 CMS 개발 없이도 건전성 관리 가 가능해 보인다. 궁극적으론 PHM 기술을 접 하는 사람들이 늘어나면서 그 중요성을 인지하 게 되고 이어지는 산업 다양한 분야로의 적용은 전반적인 품질 및 신뢰도 향상으로 이어질 것으 로 전망 된다.
3. PHM 지원 기술
3.1 에너지하베스팅(energy harvesting, EH) 대형 플랜트 등의 기계 설비가 고령화 및 대용 량화가 되어서, 고장으로 인한 정지 사례가 잦 다. 이는 가동 중단으로 인한 수익 감소 및 수리 비용 증가와 같은 손실이 수반되기 때문에, 센서 네트워크를 기반으로 한 실시간 모니터링 기술 을 통하여 고장 징후를 조기에 감지하고 적절한 의사결정을 통해 효과적인 초기 대응을 수행하 는 것이 중요하다. 하지만 원격으로 배치된 센서
그림 9 DMD에 기반한 흡습 건전성 등급제와 성능저하 곡선, 고장 예상시기 분포
그림 10 에너지하베스팅 기술을 활용한 자가 발전 무선 센서 구축
특집: 고장예지진단
에 전선을 연결하거나, 주기적인 배터리 교체로 전원을 공급하는 것은 매우 어렵기 때문에, 무선 센서의 지속적인 작동을 위해서는 자체 전원을 발생시켜 반영구적으로 사용하는 기술 개발이 필수적이다. 이러한 요구에 부응하기 위해, 최근 우리 주변에서 쉽게 버려지는 에너지(진동, 열, 바람, 전자기 등)를 재 수집하여, 센서 및 소형 전 자기기의 전력을 자가 발전 방식으로 공급하는 에너지하베스팅 기술에 대한 관심이 증가하고 있다. 대형 플랜트의 설비들인 펌프와 파이프 등 에서 발생되는 진동, 열, 바람 등의 주변에너지 들을 활용해서, 각 설비들의 건전성 모니터링을 통한 지능형 상태 감시 및 예지를 위해 필요한 무선 센서들에 지속적으로 전력을 공급하는데 쓰일 수 있다.
3.2 사물인터넷(internet of things, IoT) 사물인터넷 기술이란 인간과 사물, 서비스 세 가지의 분산된 환경 요소에 대해 인간의 명시적 개입 없이 상호 협력적으로 센싱, 네트워킹, 정보 처리 등 지능적 관계를 형성하는 사물 연결망을 의미한다. 인터넷에 기반을 둔 사물인터넷은 각 종 기기와 센서들을 인터넷에 연결하여 인터넷 을 통해 정보를 공유하는 체계를 형성하게 된다.
유저의 사용정보, 사물의 상태 정보와 센서에서 취득된 센싱 데이터, 유저의 사용 정보 등 많은 정보들이 인터넷을 통해 전송되며 클라우드 (cloud)에 저장되어 빅데이터(big data)를 이룬다.
사물인터넷을 이용하면 시스템 운행의 실시간 (on-line)데이터를 쉽게 수집할 수 있으며 시스템 의 실시간 모니터링이 가능해 진다. 발전소나 대 형 플랜트 등에는 CMS시스템이 구축되어 있어 각 요소 별 실시간 모니터링이 이루어지고 있는 반면 기존의 소형 시스템에선 실시간으로 상태 모니터링을 하는 일은 힘들었다. 하지만 사물인 터넷의 적용을 통해서 각종 장비와 센서들은 통 신의 제약으로부터 자유로워 질 수 있으며 거의 모든 시스템의 실시간 상태 모니터링이 가능해 질 수 있다. 사물인터넷 기술을 PHM에 적극적으
로 사용 한다면 시스템의 건전성 데이터 취득에 있어서 많은 기술적 진보가 있을 것으로 판단되 며 다양한 규모의 시스템에서도 PHM이 이루어 질 것으로 보인다.
3.3 빅데이터(big data)
빅데이터란 장기간의 데이터 확보나 사물인터 넷 등을 통해서 모아진 제품에 대한 거대한 양의 데이터를 의미한다. 빅데이터 내에는 수 없이 많 은 사물의 작동정보와 고장정보, 사용자의 사용 패턴 등에 대한 정보가 포함되어 있으며 최근에 는 빅데이터 내에 상품에 대한 소비자의 요구사 항이 포함되어 있기 때문에 기업에서 이를 분석 하 고 고 객 관 계 관 리 (customer relationship management, CRM)을 하기 위해 많이 사용하고 있다. 이와 같이 빅데이터 내에서 중에서 원하는 정보를 얻어내는 작업을 데이터 마이닝(data mining)이라고 하며 빅데이터를 거대한 광산에 비유하여 필요 정보를 캐낸다는 개념으로 받아 들일 수 있다. 데이터 마이닝에는 일반적으로 기 계학습(machine learning)과 패턴인식(pattern recognition), neurocomputing 등의 기법이 사용된 다. 빅데이터 분석을 PHM에 이용하면 많은 데이 터를 이용해 시스템의 고장 모드, 고장에 영향을 주는 파라미터 등을 분석할 수 있으며 이를 통해 시스템의 건상 상태를 나타내는 건전성 인자 (health index)와 고장 기준치(threshold)를 정확히 설정 할 수 있어 효율적인 시스템 진단이 가능하 다. 또한 시스템의 건전성 저하 모델을 정교하게 설정 할 수 있기 때문에 건전성 예지 측면에서도 아주 큰 이점이 있다고 할 수 있다.
4. PHM 기술의 비전
4.1 Industry 4.0
최근 제조업은 정보통신기술의 발전과 함께 큰 발전을 이루고 있으며 이러한 발전의 대표적 인 예가 4차산업으로 불리는 Industry 4.0이다.
Industry 4.0이란 사물인터넷 기술을 통해 생산기
특집: 고장예지진단
기와 생산품 간의 정보교환을 가능케 하여 기존 의 생산 방식인 대량생산체계에서 대량 맞춤형 생산체계로의 변화를 의미 한다. 즉 기존의 공장 자동화 방식에서는 정해진 공법에 따라서 생산 설비가 수동적으로 동일한 제품을 생산해내는 방식이었다면 Industry 4.0에선 공장 및 생산 설 비가 사물인터넷에 연결되고 다양한 주문에 따 라 능동적으로 변화하여 작업방식을 변화해가 는 상위 개념의 공장 자동화가 이루어질 것으로 보인다. 이러한 Industry 4.0의 도입에는 이전보 다 다양하고 복잡해진 생산 업무를 수행하는 생 산 설비에 대해 더 높은 신뢰도가 요구되며 공정 의 불확실성에 의해 발생할 수 있는 갑작스런 고 장에 대비하여야 한다. 갑작스러운 중단으로 인 한 손실이 아주 큰 생산설비의 경우 PHM을 접 목한 상태기반 정비(condition-based maintenance, CBM)을 통해서 사후 중단 시간(down time)을 0 에 가깝게 줄일 수 있다. 시스템이 복잡해 지는 만큼 요구되는 생산 설비의 신뢰성은 증가하며 이는 PHM기술을 이용한 생산설비의 실시간 상 태 모니터링을 통해서 상태 기반의 유지보수 전 략을 세우고 건전성을 관리함으로써 해결할 수 있다.
4.2 제조업의 진화, 2+3차 산업
전통적인 제조업에서의 목표는 제품 설계 및 생산과 판매 국한되었으며 상품을 이용한 서비 스 업과는 별개였다. 하지만 현재는 제품뿐만 아 니라 제품으로부터 파생된 가치와 서비스까지 함께 판매하는 방식을 많은 기업들이 지향하고
있으며 대표적인 예로 미국의 애플 사를 들 수 있 다. 제조업 분야에서의 PHM 기술의 적극적인 도 입은 제품의 신뢰도를 높여 세계 시장에서의 경 쟁력을 강화 시킬 뿐만 아니라 제품의 상태 관리 서비스까지 함께 제공하여 고객의 제품에 대한 충성도를 높이고 제조업에 서비스업이 결합된 새로운 형태의 수익 모델을 제공할 수 있다. 이런 식으로 제조업에 PHM기술을 더한 형태의 5차 (2+3차) 산업은 설계와 생산에 비중을 둔 지금까 지의 제조 산업보다 훨씬 부가가치가 높은 산업 으로 탈바꿈 할 수 있을 것으로 생각된다. 제조업 에 대한 의존도가 높은 우리나라의 경우 PHM기 술을 활용할 수 있는 대상과 이를 통해 얻을 수 있는 이익이 엄청날 것으로 예상되며 제조업 선 진국들과의 기술경쟁과 우수한 가격 경쟁력을 앞 세우는 중국과의 경쟁에 대단히 긍정적인 영 향을 끼칠 수 있을 것으로 보인다. 미국의 GE사 는 이미 전세계 판매중인 비행기와 기차의 핵심 부품들에 대해서 사물인터넷 기술을 이용해 운 행 정보를 데이터 베이스화 시키고 있으며 자사 의 제품을 분석하고 유지보수 서비스를 결정하 는데 사용하고 있다. GE사의 이러한 선진적인 시도는 고장 진단 분야에서의 제조산업 내의 우 위와 함께 기업에 엄청난 이익을 가져다 줄 것으 로 예상된다. 5차 산업이야 말로 기존의 산업을 결합하여 새로운 형태의 산업을 만들고 부가가 치를 창출하는 창조 경제의 예시이며 발전하는 세계시장에서 제조업으로 살아남기 위해서 5차 산업으로의 진화는 더 이상 선택이 아닌 필수로 생각된다.
