기계장치의 상태를 연속 모니터링하는 새로운 방법이 독일 자를란트 대학교( Saarland University)의 안드레이 쉬체(Andreas Sch?tze) 교수가 지도하는 연구팀에 의해 개발 중이다. 이 모바일 태블릿에 기반을 둔 시스템은 산업용 기계장치와 플랜트 설비의 운행 상태에 대한 정보를 제공하고 운영자들에게 어떤 부품이 교체해야 하는지 또는 수리가 늦춰져도 되는지 등의 정보를 제공할 수 있다. 이 시스템은 진동 주파수나 온도와 같은 파라미터에 관한 데이터를 연속으로 확보하는 센서를 사용한다. 연구팀의 엔지니어들은 데이터 내의 패턴과 전형적인 에러의 조건이나 고장 모드를 자동으로 결합시키기 위해 독일 인공지능 연구센터(DFKI, German Research Center for Artificial Intelligence)와 [HYDAC] 그룹과 공동연구를 진행 중이다. 연구진들은 4월 13일부터 17일까지 개최되는 하노버 국제박람회에서 유압 테스트 벤치를 사용하여 이 방법을 선보일 것이다.

오래 전부터 기술적 장치 일부는 실제로 고장이 발생하고 운영 중에 변화가 일어난다는 것은 잘 알려져있다. 기계장치는 다른 소리를 내거나 더 강하게 진동할 수도 있고 온도가 올라갈 수도 있다. 그리고 이러한 현상은 가정에서 사용하는 세탁기에 국한된 것이 아니라 풍력발전용 터빈이나 산업용 프로세스 플랜트와 같은 매우 큰 기계장치에서도 동일하게 발생한다. 만약 부품이 고장이 나거나 밸브나 펌프가 갑자기 작동을 중지하게 되면 그리고 냉각시스템이 오작동하거나 압력이 너무 낮아지면, 전체 플랜트 시스템이 중지하는 것은 너무 자주 발생하는 결과로 이것은 너무 값비싼 대가이다. "우리가 개발한 센서시스템은 플랜트의 현재 상황을 관측할 수 있도록 한다. 우리는 플랜트 설비가 고장이 나거나 오작동이 발생하는 최초의 징후가 보일 때 매우 일찍 경보를 제공하는 시스템을 연구 중이다. 여러 개의 센서를 결합하여, 우리는 가장 작은 변화도 등록할 수 있고, 이 변화는 하나의 센서로 검지되지 않을 수도 있다"고 쉬체(Sch?tze) 교수는 설명했다.

연구팀이 적용한 접근법에는 연속적인 측정 데이터를 제공하기 위해 기계장치의 수많은 위치에 진동 센서를 부착하는 것도 포함된다. 또한, 엔지니어들은 오늘날 대부분 기계장치에 표준적으로 설치되는 프로세스 센서로부터의 데이터를 통합시켰다. 연구그룹은 2015 하노버 국제박람회에서 그들이 개발한 시스템을 실증화하기 위해 유압 테스트 벤치를 사용할 것이다. "우리는 진동 주파수와 같은 센서 신호 패턴을 냉각 성능의 감소나 축압의 강하와 같은 전형적인 고장 모드에 어떻게 관련시킬 것인지를 연구하고 있다"고 쉬체(Sch?tze) 교수는 설명했다. 이를 위해, 연구진들은 기계장치의 상태에 특별한 변화를 할당할 수 있는 데이터 내의 패턴을 식별하기 위해 많은 양의 측정 데이터를 분석해오고 있다. 

"확보된 엄청난 양의 데이터로부터, 우리는 특정 기계장치의 고장 시나리오의 특성을 나타내는 관리가능한 관련 센서 데이터의 양을 필터링하고 있다. 우리의 목표는 초기 고장단계에서 기계장치의 운영 사이클 중에 신뢰성 있게 그 징후를 검지하고 다른 고장 수준에 맞는 수학적 모델을 개발하는 것"이라고 유압 테스트 벤치를 공동개발한 대학원생 엔지니어인 니콜라이 헬비그(Nikolai Helwig)씨는 말했다.

센서 신호 패턴과 초기 오작동 또는 고장 간의 관게에 대한 정보는 엔지니어들이 시스템을 교육하는 데 사용되어, 미래에는 이러한 상태를 자동으로 구별할 수 있게 될 것이다. 이 프로젝트는 독일 자를란트 대학교의 쉬체(Sch?tze) 교수 엔지니어 팀과 메카트로닉스 밑 자동화기술 센터(ZeMA, Center for Mechatronics and Automation Technology) 그리고 독일 인공지능 연구센터(DFKI, German Research Center for Artificial Intelligence) 및 [HYDAC] 그룹 간의 협력 연구이다. "우리는 데이터 분석을 위해 통계적 방법을 사용한다. 시스템의 미래 사용자는 수학적 데이터를 정확하게 해석할 필요가 있다. 그것은 우리가 시스템에 의해 만들어진 결과에 자동으로 의미를 부여하는 것 그리고 그다음에 이것을 사용자들에게 유용한 정보로 변환시키는 것에 대한 연구를 진행하는 이유이다. 목표는 다른 기계장치와 플랜트 장치와 공동작업이 가능하고 그들의 특수한 요구조건에 맞게 커스터마이징될 수 있는 시스템을 개발하는 것"이라고 쉬체(Sch?tze) 교수는 말했다.

기계장치의 상황에 대한 연속 모니터링을 통해, 시스템은 예비품 교체와 같은 특별한 수선 조치를 언제 수행해야 하는지를 권고할 수 있다. "이것은 대형이거나 접근하기 어려운 플랜트 기계장치의 유지관리 계획을 더 쉽게 만든다. 이것은 고장을 피하게 할 뿐 아니라 기계장치의 고장 시간과 생산중지 시간도 줄이도록 한다. 또한, 이 시스템은 실제로 여전히 기능성을 발휘하는 기계장치 부품의 계획적 교체와 같은 불필요한 유지관리를 피하게 한다. 또한, 이 시스템은 제조 프로세스 과정에서 생산용 기계장치가 원활하게 작동하는지에 대한 분석이 가능하기 때문에, 품질관리 목적으로도 사용가능하다. 이 시스템을 적용할 수 있는 연역은 무한하며 특히, 인더스터리 4.0(Industry 4.0) 하에서 바라는 스마트 제조 프로세스는 더욱 그러하다"고 쉬체(Sch?tze) 교수는 말했다. 

더욱이, 통합된 센서 네트워크는 센서 그 자체가 원활하게 작동되는지를 모니터링한다. "이 시스템은 개별 센서가 신뢰성 있는 측정 데이터를 제공하고 있는지를 항상 체크한다. 만약 특정 센서가 정확하게 작동하지 않는 것처럼 보이면, 그 센서가 제공하는 데이터는 분석 과정에 사용되지 않는다. 그러므로 이 시스템은 강력하며 불량 센서가 단순히 바이패스되기 때문에 개별 센서의 고장에 신경을 쓸 필요가 없다"고 쉬체(Sch?tze) 교수는 말했다.

출처 KISTI 미리안 『글로벌동향브리핑』