엔지니어링과 예측정비를 긴밀하게 연결하는 AUCOTEC의 솔루션

© fotolia.com/ M-zapp2photo

예측정비(Predictive maintenance)

엔지니어링과 예측정비를 긴밀하게 연결하는 오코텍코리아(AUCOTEC)의 솔루션

한 눈에 보는 장점

  • 일관되고 단일한 엔지니어링 데이터를 기반으로 한 최적의 정합성 유지와 업무시간 단축
  • EB 데이터의 기능 및 인터페이스 객체 모델과 예측정비 데이터 모델의 매핑 옵션을 통한 정합성 있는 링크 생성
  • 수많은 플랜트 운영 데이터를 엔지니어링 데이터로 자동 연계
  • 수작업으로 준비되는 엔지니어링 데이터를 예측정비 시스템에 입력하는 추가적인 공수 제거
  • 예측정비 시스템과 연계한 플랜트의 설계 및 시운전에 투입되는 시간 대폭 감소
Predictive Maintenance with Engineering-ConnectionAUCOTEC AG

도전 과제

플랜트에서 오류가 발생하면 매우 비싼 대가를 치뤄야 합니다. 플랜트 운영에 있어 예정에 없던 수리 일정과 플랜트 가동 중단 상황은 막대한 시간을 소요하는 등 큰 손실을 발생시킵니다.  최신의 정교한 플랜트 기술에 대한 요구가 증가하고 있는 인더스트리 4.0을 향한 길목에서, 안전한 운영을 위한 효율적이고 효과적인 서비스의 중요성은 눈에 띄게 증대되는 추세입니다.

예측정비는 신속한 예측으로 잠재적인 시스템 오류를 방지하여 가능한 한 유지보수/서비스/가동 중단에 대한 비용 등을 최소화합니다. 매우 정교한 분석 도구를 이용한 IT 기반의 프로세스는 단순히 현 상태를 인식하는 것 뿐만 아니라 측정 데이터의 사소한 변화에도 오류로 이어질 수 있는 경향성을 인식할 수 있습니다. 이를 위해서는 수백만개의 데이터 조각들이 수집되고 분석되어야만 합니다.

빅데이터를 수동으로?

IBM, blue yonder, sas, Bosch, SAP과 같은 글로벌 기업들은 이미 예측정비를 위한 빅데이터 응용 사례를 만들어 냈지만, 이러한 예측정비 분야에서 최신의 엔지니어링 시스템과 연계되었을 때의 잠재력은 아직 찾아내지 못한 것 같습니다. 이러한 상황은 분산 제어 시스템에서 연속적으로 수집되는 상태 정보를 올바르게 해석하고 다양한 인터페이스를 통해 적절한 엔지니어링 정보와 연계시키기 위해 예측정비 시스템에 별도의 방식 혹은 수작업으로 완전한 정보를 입력해야 한다는 의미이기도 합니다. 분산 제어 시스템에는 평균 약 50,000개 정도의 신호가 있기 때문에 이를 입력하기 위해서 수많은 노력이 필요합니다. 그렇다고 해서 이러한 엔지니어링 정보를 활용하지 않고, 실시간으로 수집되는 정보만으로 예측정비를 할 수 있을 정도로 극도로 지능화된 예측정비 시스템이 존재하는 것도 아닙니다. 예를 들어 신호 x의 값 y는 결국 어떤 센서의 어떤 압력 값인지를 그 시스템에서 알아야만 하기 때문입니다.

솔루션

시스템 플랫폼인 엔지니어링 베이스(EB)는 완전한 데이터베이스를 기반으로 한 아키텍쳐 덕분에 지능적 방법으로 엔지니어링과 예측정비 시스템을 연결할 수 있는 유일한 소프트웨어 시스템입니다. EB는 예측정비 시스템의 고속 분석 기능과 밀접하게 연계될 수 있습니다.

유일하고신뢰성있는기준데이터의저장소(Single source of truth)

EB는 예를 들면, 배관에서 압력을 측정하기 위한 센서의 측정 유형과 같은 추상적인 객체, 즉 “해석 방법”을 표현할 수 있습니다. 데이터 베이스 기반의 구조 없이는 이러한 정보를 표현하기란 불가능합니다. 왜냐하면 회로도나 P&ID에서는 이러한 정보가 표현되지 않기 때문입니다.

엔지니어링 플랫폼 EB는 플랜트를 위한 모든 기술적 데이터, 모든 극한/임계값, 매개 변수 및 측정 단위 뿐만 아니라 이들 간의 관계에 대한 유일하고 신뢰성 있는 저장소입니다. 이러한 사양은 제어 시스템 뿐만 아니라 예측정비 시스템의 설정에 동시에 사용할 수 있습니다. 따라서 예측정비 시스템은 추가적인 노력없이 제어 시스템으로부터의 실제 데이터를 명확하게 해석할 수 있는 기능을 갖추게 됩니다. 결론적으로 EB의 가상 플랜트 모델은 예측정비 프로세스를 위한 유일하고 신뢰성 있는 기준 데이터의 저장소 역할을 합니다.

자동화된워크플로우구성

EB는 가장 먼저 예측정비 시스템의 기준이 될 수 있는 모든 태그 리스트를 정의한 후 이를 예측정비 시스템으로 전송합니다. 이 리스트는 압력, 온도, 센서 레벨을 포함하는지, 혹은 바(bar), 섭씨/화씨, 혹은 기타 단위로 기록되는지와 같은 매개 변수의 타입 정보를 포함합니다. 언어 번역을 포함한 조건 값의 의미, 식별 데이터, 플랜트 데이터와의 관계 정보, 구성 요소 및 신호, 그리고 전송 동작의 설정과 같은 관련 데이터도 예측정비 시스템에 전송됩니다. 분산 제어 시스템 역시 EB로부터 유사한 구성 데이터를 수신합니다.

이 플랫폼은 플랜트의 모든 기술적 데이터의 단일한 저장소이자 전송처입니다.

분산 제어 시스템에서 예측정비 시스템으로 데이터를 전송하는데 가장 중요한 요소는 구성입니다. EB는 운영상에 실제로 어떤 태그 데이터가 예측정비 시스템으로 전송되어야 하는지를 분산 제어 시스템에 알려주는 역할을 합니다. 모든 데이터가 예측정비와 관련되어 있는 것은 아니기 때문입니다. 그리고 전문가들은 얼마나 자주, 얼마나 정확하게 보고서가 생성되어야 하는지 엔지니어링 플랫폼을 통해 구성합니다.

제어 시스템이 실제 데이터를 예측정비 시스템으로 보내면, 예측정비 시스템에서는 평가 로직에 의해 이러한 데이터를 재가공하여 EB가 정의한 엔지니어링 데이터를 기반으로 플랜트의 실제 데이터를 해석하고 분석합니다. 해석 및 분석 이후에 예측정비 시스템은 응용 프로그램에 의해 사용자에게 잠재적으로 유지보수가 필요한 경우를 보여줄 수 있습니다.

데이터전송의제어

엔지니어링 데이터를 유지보수 시스템으로 전송하는 방식은 요청 기반(on-demand) 혹은 일정 주기마다 자동 전송 등 어떤 방식으로든 수행될 수 있습니다. 관련 엔지니어는 데이터의 전송이 있을 때마다 즉시 그리고 자동으로 이메일을 수신합니다. 이러한 메시지에는 전송 내역 요약, 전역 데이터 및 EB 프로젝트의 프로젝트 데이터, 매개 변수(예: 온도) 및 전송 단위(예: ℃)를 포함합니다. 데이터 전송은 EB의 최신 웹 서버를 통해 이루어지므로 어플리케이션이 열리지 않아도 언제라도 데이터를 즉시 전송할 수 있습니다. 따라서 데이터의 최신성이 보장됩니다.

실제 사례

실제로 예측정비 시스템과 EB의 연계는 HANA기술을 기반으로 한 SAP의 예측정비 시스템을 사용하고 있는 글로벌 압축기 대형 제조사인 Kaeser에 이미 성공적으로 도입되었습니다.  Kaeser는 전세계 플랜트 유지보수 비용의 약 50%를 절감할 수 있을 것으로 기대합니다. Kaeser에 따르면, EB의 데이터베이스 개념 없이는 만족스러운 PdM 서비스를 제공할 수 없었을 것이라고 합니다.

EB 데이터베이스는 전세계에서 많이 사용되는 Microsoft 사의 SQL서버를 기반으로 매우 유연하고 효율적인 특성을 가지고 있으며, 기타 예측정비를 위한 툴과의 연계가 언제든 가능합니다.

이점

플랜트 운영자와 언제나 적시에 최상의 품질로 납품될 것으로 기대하고 있는 고객사들 모두 향상된 플랜트 가용성과 보다 효율적인 유지보수 프로세스를 통해 이득을 얻을 수 있습니다. 접근하기 어렵고 여러 지역에 널리 분포되어 있는 풍력발전소에서 예측정비 시스템이 특히나 빛을 발합니다. 또 이동하는 “플랜트”인 철도 시스템, 엘리베이터, 버스와 같이 사람의 안전을 보장해야 하는 경우 특별한 이점을 얻을 수 있습니다.

EB를 기반으로 한 엔지니어링과 예측정비 시스템 간의 연결은 진정으로 빅데이터의 요구를 충족시킨다는 점에서 특별합니다. 예측정비 시스템에서 플랜트의 실제 데이터와 엔지니어링 데이터를 정합성 있게 연결하기 위한 대규모 작업을 크게 절감할 수 있기 때문입니다.

팔로우