자동차 조립/생산: 로봇 암, 리프트 설비

모터 건강이 무엇보다 중요한 자동차 조립 생산 라인에 APM을 도입하여 조립 공정의 로봇 암, 생산 라인의 리프트 설비, 엔진 및 부하 테스터기의 센서 데이터 (진동 데이터 및 전류 데이터)를 실시간 모니터링하여 이상 현상을 감지하고 자동 분류하였으며 주요 설비 자산의 잔존 수명을 예측하여 고장으로 공정 라인이 멈추는 사고를 미연에 방지할 수 있는 종합적인 설비 예지 예방 시스템을 구축하였습니다.

데이터 선처리

로봇 암의 이상 현상을 감지를 위해 기존에 설치된 진동 센서를 활용하여 센서 데이터를 분석해 본 결과 1초 당 발생하는 데이터 양이 너무 커 성능이 낮은 하드웨어에서는 분석이 어려운 문제가 있었습니다. 발생하는 모든 센서 데이터를 분석하기 보다 유의미한 피쳐 (Feature)를 추출하여 구간 별 통계 요약 값에 대한 트렌드를 확인하여 문제가 되는 구간을 확인할 수 있었습니다.

예를 들어 아래는 로봇 암에서 발생하는 센서 데이터 트렌드 차트입니다. 1초 당 발생하는 데이터 건수가 눈으로 식별하기 어려울 정도로 많은 데이터가 발생하는 것을 알 수 있습니다.

만약 초 당 발생 데이터를 24시간 (일 별)마다 특정 통계 기법 (예를 들어, 평균, 표준 편차, 왜도)으로 서머리한다면 아래와 같이 장기간 데이터 결과에서 특정 트렌드 경향성을 파악할 수 있습니다.

생산 라인에서 구동하는 모든 설비 자산의 구동 상태 한 눈에 모니터링

하나의 생산 라인에서 구동하는 37대 이상의 설비 자산에 대한 구동 및 건강 상태를 실시간으로 한 눈에 모니터링하기 위해 그랜드뷰는 설비의 건강 상태를 실시간으로 연산한 결과를 다양한 대시보드에 표시하여 설비 레벨 또는 파라미터 레벨로 설비 간 비교하여 성능이 떨어지는 설비를 파악할 수 있었습니다.

예를 들어 설비 별 건강 상태를 모니터링하고 설비 간 성능 차이를 한 눈에 확인할 수 있는 대시보드를 통해 문제가 되는 설비를 확인한 후 센서 데이터 레벨로 드릴 다운하여 문제가 되는 구간을 확인하여 문제를 조치할 수 있습니다.

아래와 같이 건강 상태에 대한 알람이 발생한 로봇 암의 특정 파라미터의 센서 데이터 트렌드를 확인할 수 있습니다.

머신 러닝 기반 이상 감지/분류 및 잔존 수명 예측

수 천개의 관리 파라미터에 대한 관리 제한선을 엔지니어의 손으로 일일이 설정 및 수정하는 일은 많은 시간과 노력을 필요로 합니다. 또한, 전통적인 관리 제한선을 통한 파라미터 관리는 설비의 최신 상태를 반영하지 못하며 가성 알람이 다수 발생하여 비효율적인 설비 운영으로 이어질 수 있습니다. APM을 통해 머신 러닝 기반 이상 감지 (Fault Detection), 이상 분류 (Fault Classification), 설비 잔존 수명 (RUL) 예측이 가능하여 설비로부터 수집된 데이터만으로도 실시간 설비 모니터링이 가능합니다.

예를 들어 아래는 특정 설비의 잔존 수명 트렌드입니다. RUL 모델은 머신 러닝을 기반으로 관리 제한선을 연산하여 최적화된 고장 수리일을 실시간으로 예측할 수 있습니다.

도메인 기반 이상 분류하기

APM은 도메인 지식을 기반으로한 이상 분류 (Fault Classification) 모델링 기법을 제공합니다. 특히 모터 설비의 고장 원인을 파악할 수 있도록 진동 센서의 스펙트럼 데이터를 활용하였습니다.

일반적으로 하나의 설비는 모터 동력부와 모터의 힘이 전달되는 구동부로 구성되어 있으며, 동력부와 구동부에 센서가 부착되어 실시간 상태를 계측/수집합니다. APM은 특정 모터로부터 이상 현상을 감지하면, 해당 설비의 센서 데이터를 분석하여 문제 원인이 동력부인지 구동부인지 파악한 후, 해당 문제에 대한 원인을 아래와 같은 기계적 결함으로 분류하였습니다.

• 조정 불량: 모터가 두 개 이상의 축으로 연결되어 힘을 전달할 때, 축이 흔들려 모터 또는 축에 결함을 야기시키는 현상.

• 불균형: 로터가 특정 방향으로 편향되어 회전하여 균형을 잃는 현상. 해당 현상은 모터, 로터, 모터와 연결된 축 등의 결함에 기인하는 경우가 많습니다.

• 윤활유: 모터에 윤활유가 제대로 공급되지 않는 현상.

• 베어링: 베어링 이상으로 발생하는 문제.

기대 효과

일반적으로 자동차 조립 공정에서 연간 10회의 설비 고장이 보고됩니다. 설비 고장을 조치하거나 해당 설비를 교체하는데 평균 2시간이 소요되며 약 8십만 달러의 금액적인 손실이 발생하게 됩니다. 그랜드뷰 도입을 통한 이러한 설비 고장을 미연에 방지할 수 있다면 시간 당 발생할 수 있는 4십만 달러의 손실을 보존할 수 있습니다.