예측 유지보수는 빅 데이터, 산업용 인터넷, 그리고 스마트 제조와 같이 널리 사용되는 개념을 기반으로 중요한 어플리케이션 시나리오 중의 하나입니다. 위의 개념들을 해석할 때 대표적인 예로 자주 사용됩니다.
실제로, 예측 유지보수는 머신 러닝 및 센서 데이터 수집과 같은 핵심 기술이 포함되므로 기계 장비 자체의 운영 데이터는 매우 중요합니다. 하나는 데이터의 양이며 다른 하나는 실시간으로 제공되는 데이터의 정확성입니다.
유지 보수는 사후 유지 보수 그리고 예방 유지보수 단계에서 시작한 다음 상태 기반 유지보수 단계를 구현하였고 이제는 훨씬 지능적인 예측 유지 보수 단계로 들어서고 있습니다.
마침내 예측 유지보수의 목표를 달성하면 가능한 빨리 잠재적인 결함을 감지하고 사고를 방지하기 위한 예방 조치를 미리 취하여 장비의 안정적인 운영을 보장할 수 있으며 고장을 예측할 수 있습니다. 그런 다음 적절한 유지 보수 계획을 세울 수 있습니다. 그 결과 과도한 유지 보수를 피하고 장비 유지 보수 비용을 절감할 수 있습니다. 특히 후자의 경우에는 장비 장체의 작동 상태에 대한 정보와 데이터는 선진 유지 보수를 위한 기본 데이터로 간주됩니다.
데이터 축적
장비에서 실시간으로 상태 데이터가 축적되는 것은 기계 장치 모델과 결함 예측 모델을 설정하는데 중요하며 장비의 셀프러닝을 완료하기 위한 전제 조건입니다.
"장비 상태 모니터링"은 진동, 소음, 전류, 온도, 윤활유 품질, 관련 파라미터 분석 등 가동 장비의 상태 매개변수를 주기적 또는 연속적으로 감시하는 것을 말하며, 효과적인 시스템 자동 감시 분석 또는 장비 작동 상태의 수동 운전을 일컫습니다. 해당 자체 진단 보고서를 분석 및 이해하고, 유지 보수 작업을 구체적으로 안내합니다.
통계 자료에 따르면, 예측 유지보수는 기업의 생산성을 2~40%까지 향상시킬 수 있으며, 유지보수 비용은 7~60%까지 절감할 수 있습니다. 장비의 수명은 최대 10배까지 예비 부품 재고는 10에서 60%까지 줄일 수 있으며 에너지 소비는 5~15% 감소하며 공정 다운타임은 최대 70% 감소할 수 있습니다.
1. 진동; 2. 접촉 온도; 3. 상대 습도; 4. 주변 기압
BCM-데이터 확보
우선 발루프의 상태 모니터링 센서는 가변 데이터를 수집하고 진동, 온도, 상대 습도, 및 주변 기압과 같은 다양한 물리적 변수를 감지할 수 있어 상태 감시용 데이터의 종류와 양을 개선하면서 시스템 비용을 크게 절감할 수 있습니다.
다음으로 BCM은 단일 센서로 대용량의 미가공 데이터를 처리한 후 평가 및 분석을 위한 표준을 제공할 수 있습니다.
또한 BCM은 IO-Link로 양방향 통신을 지원하여 메인 시스템에 필요한 데이터를 전송하고 데이터 평가를 위한 파라미터를 쉽게 조정합니다.
인공 지능, 빅 데이터, 클라우드 컴퓨팅, 및 사물 인터넷 (Internet of Things)의 개발로 기기 상태 모니터링에 기반한 예측 유지보수는 새로운 기준이 될 것입니다. 센서와 식별 자동화 솔루션 분야의 전문가인 발루프는 이 방면에서 강력한 기술 지원을 제공합니다.
