예지보전은 무엇을 예측하는가

설비가 멈추면 그 순간부터 손실이 쌓입니다. 그래서 많은 현장이 고장을 미리 막으려 애쓰지만, “미리”의 기준을 잡기가 쉽지 않습니다. 예지보전은 이 기준을 감이 아니라 데이터로 잡으려는 접근입니다.

예방정비의 한계

많은 현장이 여전히 달력에 맞춰 정비합니다. 몇 개월마다 부품을 갈고 점검하는 방식입니다. 안전하지만 낭비가 큽니다. 아직 멀쩡한 부품을 버리기도 하고, 반대로 교체 주기 사이에 갑자기 고장이 나기도 합니다. 시간이라는 기준은 설비의 실제 상태와 무관하기 때문입니다.

예지보전은 전조를 읽는 일

예지보전은 고장을 미리 맞히는 마법이 아닙니다. 설비가 고장으로 가는 길에 남기는 전조를 데이터에서 읽는 일에 가깝습니다. 베어링이 마모되면 진동의 패턴이 서서히 바뀌고, 모터에 무리가 가면 전류와 온도가 평소와 다른 흐름을 그립니다. 이 변화는 순간값 하나가 아니라 추세에서 드러납니다.

무엇이 있어야 예측이 되나

예측의 품질은 모델보다 그 아래 데이터에 더 크게 좌우됩니다. 먼저 그 설비가 평소 어떻게 움직였는지에 대한 이력이 있어야 합니다. 비교할 기준이 없으면 지금 값이 이상한지조차 알 수 없습니다. 그리고 신호가 어느 설비의 것이고 무엇과 연결되는지에 대한 맥락, 곧 온톨로지가 있어야 원인을 좁힐 수 있습니다. 데이터가 흩어져 있고 출처가 불분명하면 아무리 좋은 모델도 헛다리를 짚습니다.

무선 센서로 진동을 잰다

진동이 전조를 가장 먼저 드러내는 신호라면, 다음 문제는 그 진동을 어떻게 꾸준히 재느냐입니다. 사람이 계측기를 들고 설비를 하나하나 돌며 재는 방식은 자주 하기 어렵고, 기록도 사람마다 들쭉날쭉합니다. 그렇다고 설비마다 유선 센서를 배선하려면 공사가 만만치 않습니다.

그래서 우리는 무선 진동센서를 씁니다. Advantech WISE-2410 같은 센서는 모터에 부착만 하면 되고, 배선 공사가 없어 돌아가는 설비에도 바로 붙일 수 있습니다. 내장된 3축 가속도계로 진동을 재고 온도까지 함께 측정한 뒤, LoRaWAN 무선으로 데이터를 보냅니다. LoRaWAN은 저전력이라 배터리로 오래 가고 전파도 멀리 닿기 때문에, 넓은 공장에 센서를 흩어 두어도 게이트웨이 한두 대(WISE-6610 등)로 데이터를 모을 수 있습니다.

측정한 3축 값은 ISO-20816 같은 국제 표준 기준으로 판정합니다. 덕분에 “이 정도 진동이 정상인가”를 감이 아니라 기준으로 말할 수 있습니다. 센서 자체도 IP66 등급에 넓은 온도 범위를 견디도록 만들어져, 습하고 덥고 먼지 많은 현장에서도 오래 버팁니다.

무선 센서는 예지보전의 문턱을 크게 낮춥니다. 배선도, 사람이 도는 수고도 없이, 보고 싶은 설비에 붙이는 것만으로 진동 데이터가 쌓이기 시작합니다.

사람이 판단할 수 있는 형태로

위험도 점수 하나만으로는 현장이 움직이지 않습니다. “이 펌프의 위험도가 0.87”이라는 숫자보다, “진동이 지난 고장 직전과 비슷한 패턴으로 상승 중이며 베어링 마모가 의심된다, 점검을 권장한다”는 문장이 행동을 만듭니다. AI 에이전트는 분석을 이렇게 사람의 언어로 되돌리고, 그 판단의 근거가 된 데이터와 이력을 함께 제시합니다.

어디서부터 시작하나

전 설비를 한 번에 덮으려 하지 마세요. 고장 이력이 뚜렷하고 멈추면 손실이 큰 설비 하나를 골라 시작하는 편이 현실적입니다. 그 설비의 이력을 정리하고, 관련 신호를 온톨로지로 연결하고, 전조가 실제로 잡히는지 확인하며 범위를 넓혀 가세요.

마치며

예지보전은 결국 데이터의 문제입니다. 신뢰할 수 있는 이력과 맥락이 갖춰지면, 예측은 그 위에서 자연스럽게 따라옵니다. 데이터를 어떻게 자산으로 만드는지는 산업 데이터를 자산으로 만드는 5가지 원칙에서, AI가 근거를 들어 판단을 돕는 방식은 산업 AI 에이전트 백서에서 이어집니다.