스마트모니터링시스템에의한 설비최적관리 - kosmia29a-4].pdf4...
TRANSCRIPT
4
스마트 공장에서 설비 관리의 필요성
- Intelligent Monitoring and Diagnostics
Labour
1 min
노동력 감소
생산성은 향상, 비용은 절감!
첨단 기술의 빠른 발전
안전 경영의 필요성 증대
저 출산 고령화로 생산노동력 이 감소하고, 설비고도화에 따른 전문 인력의부 족 , 기 업 간 치 열 한경 쟁 으 로 기 업 생 존 이위협받게 되면서 기계에의한 자동화 생산 방식의시 스 템 이필요하게 되었다.
설비에서 고장이 발생하면다 수 의 안 전 에 위 험 을초래 하고 , 파급 효과로기 업 에 막 대 한 경 제 적손 실 이 발 생 한 다 .안 전 경 영 의 필 요 성 이증가하고 있다.
사물 인터넷과 인공 지능,통신 기술 및 빅 데이터분석 등 첨단 기술을 공장과기계에 융합하여 최고의성 능 으 로 향 상 시 키 고 ,동 시 에 기 계 가 최 상 의상태를 유지하도록 하는관 리 가 가 능 .
센 서 를 통 해 기 계 에 서발생하는 모든 데이터를수집하고 분석 및 평가할 수있어 설비 결함을 고장 전에알려줘 고장에 따른 비용,보 수 비 용 을 절 감 하 고생 산 성 을향상시킬 수 있음
5
스마트 공장에 필요한 요소 기술
Big Data
빅 데이터 혁신적 신기술IIoT&ICT 인공 지능
IIoT & ICT
첨단 센서와 통신
기술을 통해 기계간
서로 정보를 주고
받고, 필요 데이터를
자동으로 수집해
분석을 위한 필요한
장치에 전송
빅 데이터
수 집 된 데 이 터 를
목적과 용도에 맞게
분 류 하 고 분 석 하 여
공장의 현황을 쉽게
파 악 하 고 전 략 적
생산 계획 수립에 활용
인공 지능
전 문 가 의 노 하 우 와
전문 지식을 기계에
적 용 시 켜 위 험 한
환경이나 , 전문가 가
없거나 부족한 곳에
기계로 대체하게 된다.
융합 기술
첨단 기술을 활용해
현 재 문 제 를
해결하고, 발전시 킬
수 있는 혁신적 기술
이 적 용 돼 기 업 의
경 쟁 력
을 향상시킬 수 있다.
6
스마트 공장에서 설비의 체계적 관리
Smart Manufacturing is
… the integration of data…
… with process expertise…
…to enable “Evidence Based Management”…
…of manufacturing.
2014년 ISO에서 “설비자산 경영표준”을
발표했고, 여기서 설비 보전 관리는 “기업의
경영 목표 달성을 목적으로 설비 전 생애에
걸쳐 성능, 리스크, 비용 등을 최적화 하고 지속
가 능 하 도 록 관 리 하 는 체 계 적 관 리 ”
라고 정의하고 있다.
스마트 공장이건 아니건 생산 설비를 유지
보 수 하 는
것은 동일하게 중요하나 스마트 공장에서 설비
유 지
보수는 지금까지와는 달라야 한다.
설비 유지와 보수는 설비 효율을 극대화하여
경영에 이바지 하는 것이다. 스마트 공장에서
최 적 화 된 설 비
관리야 말로 기업의 경쟁력을 강화시키는
요소이다.
스마트 공장 체제하에 설비 관리는 예지보전
7
IOT Solution을 채택하는 이유
출처 : Bain IoT Customer Survey 2016
Improving quality of service or product
Improving productivity of workforce
Increasing customer satisfaction to reduce churn and support costs, gain revenue
Increasing reliability of operations
Increasing asset productivity
Reducing cost of materials or waste
Accessing new customers
Insights for new products and services or cost efficiencies
Faster time to market, lower development costs
Reducing risk of theft or other loss
Transitioning to services offerings
Linking Price to business outcomes
34 %
45 %
47 %
44 %
37 %
35 %
33 %
32 %
26 %
22 %
18 %
16 %
Reasons Businesses Are Adopting IOT Solutions
2016
9
설비 관리 - 무엇을 어떻게 실행할 것인가?
PDM Equip. Condition
Monitoring
PAMRoot Cause
Failure Analysis
PM Scheduled
Preventive Task
CM
Equipment Fails
Identification ofMaintenanceWork Tasks
Work
ExecutionWork
Close-out
What How
12
스마트 공장에서 설비 보전 관리
설비 고장 분석01 - CP54 N2 COMPRESSOR
TREND DISPLAY OF Overall Value
0 400 800 1200 1600
Days: 21-6-00 To 09-12-03
Am
pli
tud
e (M
ixed
Un
its)
5.50
1.50 mm/Sec
CP54 -M1H
3.00
.60 mm/Sec
CP54 -M1V
30.0
.0 G-s
CP54 -G2H
30.0
.0 G-s
CP54 -G2A
3.80
1.80 mm/Sec
CP54 -C1H
21.0
.0 mm/Sec
CP54 -C1A
상태 기반 관리
Mo
nth
4
Mo
nth
5
Mo
nth
6
Mo
nth
7
Mo
nth
8
Mo
nth
9
Mo
nth
10
Mo
nth
11
Mo
nth
12
Mo
nth
13
Mo
nth
14
Mo
nth
15
Mo
nth
16
Mo
nth
17
Mo
nth
18
Mo
nth
19
Mo
nth
20
Mo
nth
21
Mo
nth
22
Mo
nth
23
Mo
nth
24
Mo
nth
25
Mo
nth
26
Mo
nth
27
Mo
nth
28
Joppa: Units 1-6
PM Optimization
Reliability Technology Imp.
Cost Benefit Analysis
Coffeen: Units 1-2
CMMS Selection/Optimization
Planning & Scheduling
PM Optimization
Reliability Technology Imp.
Cost Benefit Analysis
Work Process Optimization
Maintenance Training/Mentoring
Spare Parts Optimization
Meredosia: Units 3-4
CMMS Selection/Optimization
Planning & Scheduling
PM Optimization
Reliability Technology Imp.
Cost Benefit Analysis
Work Process Optimization
Maintenance Training/Mentoring
Spare Parts Optimization
Newton: Units 1-2
CMMS Selection/Optimization
Planning & Scheduling
PM Optimization
Reliability Technology Imp.
Cost Benefit Analysis
Work Process Optimization
Maintenance Training/Mentoring
Spare Parts Optimization
Phase II
계획 보전 관리 설비 설계 변경
MaintenancePlan
13
스마트모니터링 시스템은 설비의 정확한 데이터 수집에서부터 정밀분석을 통한 결함진단과 수명 예측까지, 설비의 최적 관리와 예측 보전이
가능하다.
각종센서를통해설비중요데이터수집
설비 DB 자동 구축+
실시간 상태모니터링
설비결함 자동진단 및 예측관리
설비 이상 징후 포착 유관부서&담당자 알린 후
신속히 설비결함 자동 진단 (무인 진단)
설비 수명 예측기능을 통한 설비 생산성 극대화
자동통보
4단계: 설비 데이터의전략적 활용
수집된 Data의정확한 통계
분석& 원-클릭리포트제공
로봇공정
대형회전설비
사출가공설비
PLC Control
각종센서설치
OPC UA
스마트 모니터링 시스템 구성도
14
스마트 모니터링 시스템 구축
생산이력 및 불량관리
Bar code, RFID 활용초기 자동화 설비
실시간 생산 정보데이터 수집 및 관리
IIOT Sensor센서활용 설비 관리
CMS / VMS설비데이터 자동 집계
기능간 통합
실시간 공장 자동제어설비 상태관리 평가
PLC 등 실시간 제어데이터 취득 시스템 연동
공정 자동화 및 통합데이터 분석 및 평가
예방보전 및 계획 보전
자율생산 시스템구축설비 예지보전 관리
네트워크 협업
설비 수명 및 품질 예측실시간 의사 결정
지능화 및 빅데이터 통합스마트 모니터링 시스템
가상 물리 시스템
스마트 공장
자율 생산 구축
기초 단계 중간 1 단계 중간 2 단계 고도화 단계
15
스마트 모니터링 시스템 -상태 평가 및 수명 예측
스마트 모니터링 시스템으로 체계적인 설비 관리와 예측 보전을수행함으로써 계획 정비와 설비 보전 비용을 절감할 수 있습니다.
센서를 통한설비 정량+정성 데이터모두 수집
스마트 모니터링 시스템의 활용으로 설비 최적관리 와 결함 및 수명 예측이가능하다.
설비 상태 평가 + 설비 결함 예측 + 설비 결함 진단 + 설비 수명계산 + 데이터 처리+ 리포트 출력
16
빅데이터 분석을 통한 결함원인 분석
가장 중요한 것은 설비의 데이터 수집만이 아니다. 데이터연관성을
분석하고 의미 있는 데이터를 추출함으로써 결함의 근본 원인과공정과 제품의 품질에 미치는 영향까지도 정확히 분석하여야
한다.
17
스마트 모니터링의 차별성
기존의 설비 모니터링 시스템
Ex)
1. 설비 현재 상태 및 알람만표시
2. 설비 결함 진단 불가
설비의각종
빅 데이터
데이터의 정량적인
수치만 수집하여
모니터링 제공
Temp. Vibration Magnetic field
110 F º 12.438 7.16
Voltage Pressure
60 39
40개의 진동 주파수파라미터 분석을
통한진동 데이터의
실시간초기결함 진단 가능
1. 설비 현재 상태 파악 및 알람
표시
2. 설비 결함 진단 가능
3. 설비 고장 예측 가능
4. 베어링 수명계산 가능
Temp. Vibration Magnetic field
110 F º 12.438 7.16
Voltage Pressure
60 39
• 현재 설비 상태 : [ ‘D’ Unacceptable: Breakdown required ]• 설비 결함 발생!! : Static Unbalance
스마트 설비 모니터링 시스템
1919
증강 현실 기술을 융합한 현장 상태 감시 기술
현장 점검 시 실시간 운전 및 설비 정보를 제공
실시간 설비 상태 평가 / 자동 진단 기술 수명 예측 /통계 분석을 통한 예측 기술
빅테이터 분석을 통한 설비 통합 관리 기술
스마트 모니터링의 요소 기술
20
설비의각종
빅 데이터
인공 지능을 활용한 자동 진단 및 고장 예측
설비의 데이터를 실시간으로 수집하고, 설비의 상태 평가와함께
인공 지능 기법을 활용한 결함 패턴 분석을 통해 실시간 자동진단과
설비의 고장 및 수명을 미리 예측하고 설비관리자에게통보한다.
21
Rotating MachineryManufacturing
equipment
InstallingSensors
Action
Smart Glass(Augmented Reality)
Calling Service engineer
Information
실시간 진단 기술과 증강 현실의 융합 기술
실시간 설비분석 기술과 증강 현실 기술을 융합해 현장 기술자가 안전하고빠르게
설비를 점검하고 보수할 수 있는 시스템을 구축한다. 스마트 글라스를 통해
실시간 전송되는 설비의 상태를 확인하고, 고장 이력과 보수 방법을결정하게 된다.
22
Dec 17 11:16:51 ip-172-31-15-249 sshd[18548]: input_userauth_request: Dec 17 11:16:51 ip-172-31-15-249 sshd[18548]: Received disconnect fromDec 17 11:16:52 ip-172-31-15-249 sshd[18550]: Invalid user admln from Dec 17 11:16:52 ip-172-31-15-249 sshd[18550]: input_userauth_request: Dec 17 11:16:52 ip-172-31-15-249 sshd[18550]: Received disconnect fromDec 17 11:16:53 ip-172-31-15-249 sshd[18552]: Invalid user jenkins from Dec 17 11:16:53 ip-172-31-15-249 sshd[18552]: input_userauth_request: Dec 17 11:16:54 ip-172-31-15-249 sshd[18552]: Received disconnect fromDec 17 11:16:55 ip-172-31-15-249 sshd[18554]: Invalid user hadoop from Dec 17 11:16:55 ip-172-31-15-249 sshd[18554]: input_userauth_request: Dec 17 11:16:55 ip-172-31-15-249 sshd[18554]: Received disconnect fromDec 17 11:16:56 ip-172-31-15-249 sshd[18556]: Invalid user nagios from
Big Data
10
10
110
101
011
010
11
01
01
011
010
110
10
11
01
010
110
101
101
01
10
10
101
00
10
101
101
000
101
01
10
10
10
11
010
100
101
101
01
00
01
01
100
100
101
100
10
Log/Event Store
Analytics
BI
Management
ISV
Query
Results
빅 데이터 분석을 통한 설비 관리 기술
인공지능 기술과 빅 데이터 분석기술을 융합하여 센서에서 취득된 다량의시 계열 데이터를 고속으로 분류 저장하고, 진단 알고리즘의 결함패턴 분석
을 통해
진단의 신뢰성 향상과 설비간 결함의 연관성 및 파급 효과를 미리 예측.
27
NC Machine 공구 수명 예측대상 설비 : NC Machine 대상 공구 : NO.1 ENDMILL
1차 가공 시간 : 2017년 3월 8일 10:27 ~ 10:55 및 11:41 ~ 12:04분 총 51분 운전 (재질:
SS 45)
12시 04분 공구 파손으로 운전 중단 - 사용률: 85%
2차 가공 시간 : 2017년 3월 8일 14:03 ~ 14:39 및 15:06 ~ 15:21분 총 51분 운전 (재질:
SS410)
15시 20분 공구 파손으로 운전 중단 - 사용률: 85%공구 번호(TOOL NO)
공 구 명 가공 구분회 전 수(RPM)
가공 시간 규 격수 명
(Minute)
이송 속도(FEED)
가공 깊이(DEPTH)
T - 1 End Mill황 삭
(Rough Grinding) 6,000 3’ 11” Φ 8.5 60 0.2 3.65
그림 3-2. NO. 1 ENDMILL 공구
그림 3-3. 대상설비에 공구 설치 진동 센서 설치 실시간 측정 및 분석 장비
28
가공품 재질 변화에 따른 공구 수명 경향 분석
재질 : SS 45
재질 : SS 410
NO.1 End Mill 공구로 가공한 불량 표면NO.1 End Mill 공구 파손
재질에 따른 공구 파손 경향
29
실시간 상태 평가와 잔여 수명 예측센서로부터 전송 받은 데이터를 기반으로 보유한 설비의 전체 상태를 모니터링할 수 있는 Dashboard를 통해 현재 가동중인 설비의 상태 평가 결과가 확인
가능 하며 기준 값의 설정에 따른 공구 수명 예측