머신러닝 활용한 통합 솔루션으로 성과 분석

설비 운용 가용성과 성능 최적화 ②

[Industry News 이건오 기자] 북미의 한 에너지 회사는 전기 수중 펌프의 계속된 고장으로 100만달러에 달하는 수리비용과 매출 손실을 입고 있었다. 이에 첨단 머신러닝 소프트웨어 애플리케이션은 저장된 이력 값과 유지보수 이벤트를 통해 18개 펌프의 동작 특성을 학습했다.

자산 및 공정 분석은 다양한 측면으로 구성된 자산 뷰를 생성하는 공동 기반이 된다. [사진=Dreamstime]

이 학습 기간 동안 한 대의 펌프에서 환경 사고를 초래하는 케이스 누수로 이어지는 명백한 패턴이 탐지됐다. 소프트웨어는 이러한 고장 표시를 18개 펌프에 모두 적용함으로써 동일한 고장이 발생하기 직전인 다른 펌프에 조기 경보를 제공했다.

그 결과, 조기 조치로 펌프를 수리해 사고의 반복과 큰 손실을 방지하게 됐다. 또 다른 사례로 미국 23개주에 걸쳐 운영 중인 유수의 한 철도 화물 회사는 수백만달러의 수리비 및 벌금, 매출 손실을 입힌 기관차 엔진의 끊이지 않는 고장 문제를 머신러닝 소프트웨어를 사용해 해결했다.

이 회사는 머신러닝 소프트웨어 애플리케이션을 대규모 기관차에 구축해 윤활유 데이터를 검사함으로써 엔진 고장의 징후를 매우 초기에 탐지하도록 했다. 이러한 초기 탐지에 의해 수십건의 비극적인 엔진 고장을 방지할 수 있게 만들었다.

그리고 발생한 중대 사건에서 한 개 엔진이 저압력 누수 테스트를 통과해 다시 작동 준비에 들어가게 됐다. 하지만 소프트웨어가 엔진 누수가 의심되는 성능저하 표시를 탐지했으며 고압 테스트를 통해 8곳에서 엔진 누수를 발견하고 진단을 확정했다.

끊이지 않는 고장 문제를 머신러닝 소프트웨어를 사용해 해결했다. [사진=Dreamstime]

그 결과 엔진을 즉시 수리해 대규모 참사를 막을 수 있었다. 이러한 조기 경보는 고장이 발생하기 훨씬 전에 제공되므로 시간적 여유를 갖고 결정을 내릴 수 있다. 문제 탐지 후에도 기관차가 수리에 들어가기 전 주행을 완료할 시간이 남아 있다. 이 회사는 이와 같은 고장을 피하게 돼 막대한 비용의 다운타임과 벌금에 들어갈 수백만달러를 절감하고 있다.

맥킨지는 산업용 사물인터넷(IIoT)과 밀접하게 관련된 산업 동향인 인더스트리 4.0과 함께 완전히 새롭고 더 저렴한 제조 분석 방법과 솔루션이 등장했다고 밝혔다. 이 새로운 단계에는 분산된 의사결정을 내릴 수 있도록 물리적 공정을 모니터링하는 사이버 물리 시스템이 포함된다.

자산 및 공정 분석은 다양한 측면으로 구성된 자산 뷰를 생성하는 공동 기반이 되며 보다 광범위한 트레이드 오프를 고려하는 사실 기반의 의사결정을 내릴 수 있게 한다. 해결해야 할 자산 유형의 수는 핵심 과제를 보여준다. 또한 인더스트리 4.0은 빅데이터와 머신러닝에 기반한 새로운 메커니즘을 도입하고 있다. 실제로 머신러닝은 방대한 데이터 레이크(Data Lake)에서 패턴을 구분하고 매우 확실하게 미래의 결과를 예측할 수 있다.

하지만 머신러닝이 모든 것을 해결하지는 못한다. 모델과 머신러닝의 결합을 통해 위험을 초래하는 공정의 운전 조건을 탐지하고 방지할 수 있다. 이로써 언제든 명백한 조건을 설명하고, 머신러닝을 통해 자동적으로 모델을 보정 및 조정해 보다 간단한 캘리브레이션으로 적시에 정확한 공정 상태를 달성할 수 있다.

머신러닝을 활용한 통합 솔루션을 적용하고자 하는 기업들은 투철한 절박감과 책임 의식을 가져야 한다. [사진=Dreamstime]

머신러닝을 활용한 통합 솔루션을 적용하고자 하는 기업들은 투철한 절박감과 책임 의식을 가져야 한다. 분석을 성공적으로 사용해 안전성과 신뢰성을 향상시키기 위해서는 여러 가지 요소가 필요하다. 그 중 많은 부분이 기업의 행동과 문화를 바탕으로 한다.

최종 고객은 먼저 구체적인 비즈니스 문제에 초점을 맞추고 그 다음에 단순한 기술이 아닌 비즈니스 목표에 부합하는 적합한 솔루션을 찾아야 한다. 기업은 문제 해결에 적합한 팀을 선정할 때 솔루션의 정확성, 타임라인, 구축의 용이성, 확장 가능성, 효과성과 같은 까다로운 질문을 던질 준비가 돼 있어야 한다.

이 활발한 새로운 시장에서 선도적인 솔루션 제공 업체만이 데이터 과학의 신뢰성 분석 및 머신러닝의 새로운 능력과 함께 설계, 운용, 공정 최적화, 유지보수 관리에 축적된 경험을 제공할 수 있다. 광범위하고 전 기간에 걸친 자산성과 관리에는 이 모든 것이 필요하다.