이득:
- 예측 유지보수, 진동/온도 표시기 및 일반적인 고장 모드의 개념을 인식하는 능력
- AI를 통해 센서 시계열의 이상, 추세, 특성 빈도 분석을 구성하는 기능
- 물리적 고장 메커니즘, 교정 및 현장 검사를 통해 AI 해석을 교차 확인하는 기능
예측 유지보수는 기계의 상태를 지속적으로 모니터링하고 고장이 발생하기 전에 예측하여 계획된 가동 중지 시간을 줄이고 예상치 못한 오작동을 방지함으로써 시설에 가장 높은 수익을 제공하는 응용 프로그램 중 하나입니다. 전통적인 "고장 나면 수리" 또는 "일정에 따라 교체"하는 접근 방식 대신 진동, 온도, 전류 및 음향과 같은 센서 데이터에서 기계의 실제 상태를 읽습니다. 인공지능(AI)은 시계열 데이터의 이상(정상 편차) 감지, 추세 분석, 특징적인 결함 빈도 해석 및 보고서 생성 등 이 분야에서 매우 강력합니다. 하지만 AI가 제시한 '오작동 가능성'은 진단이 아니라 가설이다. 센서가 고장 났을 수도 있고, 보정이 꺼져 있을 수도 있고, 데이터에 노이즈가 있을 수도 있으며, AI가 비물리적 패턴에 의미를 부여할 수도 있습니다. 유지 관리 결정이 내려지기 전 AI 해석 특성 오류 빈도는 센서 교정, 데이터 품질 및 현장 검사를 통해 교차 확인되어야 합니다. 본 단원에서는 센서 데이터를 AI로 안전하게 해석하는 방법을 학습합니다.
측정된 수량 및 일반적인 고장 모드
회전 기계(모터, 펌프, 팬, 베어링, 기어)의 상태는 몇 가지 기본 수량으로 판독됩니다. 각 수량은 특정 실패 모드에 민감합니다.
크기
무엇에 민감하다
일반적인 실패 모드
진동(가속도/속도)
불균형, 정렬 불량, 베어링/기어
불균형, 정렬 불량, 베어링 손상
온도
마찰, 윤활유 손실, 과부하
베어링 가열, 오일 열화
모터 전류
전기적, 기계적 부하 변화
로터 바 파손, 하중 이상
음향/초음파
조기 베어링 손상, 누출
유막 열화, 가스 누출
진동 분석의 기본 도구는 주파수 스펙트럼입니다. 푸리에 변환(FFT: 신호를 구성 주파수로 분리하는 수학적 프로세스)을 사용하여 시간 신호를 주파수 구성 요소로 분리합니다. 각 고장 모드는 특정 주파수에서 피크를 생성합니다. 예를 들어 불균형은 회전 주파수(1X)에서 나타나고 축 정렬 불량은 대부분 2X에서 발생하며 베어링 손상은 베어링 형상(예: BPFO, BPFI, BSF)에 따라 특수 주파수에서 나타납니다.
팁: AI가 스펙트럼을 해석하도록 하기 전에 해당하는 경우 기계의 회전 속도(RPM)와 베어링 번호를 제공하세요. 이 정보 없이는 특징적인 결함 빈도를 계산할 수 없습니다. 그것들이 없으면 "베어링 실패"에 대한 AI의 해석은 공중에 남아 있습니다.
이상, 추세 및 허위 경보
AI는 시계열에서 이상 탐지(갑작스러운 편차)와 추세 분석(느린 붕괴)이라는 두 가지 작업을 잘 수행합니다. 하지만 함정이 두 개 있습니다. 첫 번째는 잘못된 긍정입니다. 소음, 일시적인 부하 변화 또는 센서 진동이 실제 오작동인 것처럼 보일 수 있습니다. 두 번째는 위음성(false negative)입니다. 느리고 점진적인 악화는 "정상 범위" 내에 있기 때문에 놓칠 수 있습니다. 또한 좋은 모니터링은 절대 임계값이 아닌 시스템 자체 기록(기준)을 기반으로 변경 사항을 추적합니다.
주의: 센서 자체가 고장날 수 있습니다. 보정되지 않은 온도 센서가 "과열" 경보를 발할 수 있지만 기계는 완전히 정상입니다. 또는 느슨한 가속도계는 가짜 진동을 생성합니다. AI가 보는 것은 단지 데이터일 뿐입니다. 현장 통제는 데이터 소스가 신뢰할 수 있는지 여부를 알려줍니다. “센서를 먼저 확인하세요”는 예측 유지 관리의 첫 번째 규칙입니다.
단계별: AI로 센서 데이터 해석
- 맥락을 설명하세요. 기계 유형, RPM, 베어링/기어 정보, 측정 지점.
- 데이터 품질을 확인하세요. 샘플링 빈도가 충분합니까? 누락된 항목/이상값이 있습니까?
- 기준선을 결정합니다. 건강한 상태는 어떤 모습일까요?
- 이상/경향을 추출합니다. AI로 편차와 추세를 표시합니다.
- 물리적 통역을 요청하세요. 어떤 실패 모드, 어떤 빈도, 이유는 무엇입니까?
- 현장에서 확인하세요. 교정, 육안/촉각 검사, 필요한 경우 2차 측정.
스펙트럼 해석 프롬프트
역할: 진동 분석(상태 모니터링) 전문가.상황: 1450RPM으로 회전하는 원심 펌프, 드라이브 엔드 베어링 6206.데이터: 진동 속도 스펙트럼의 피크 주파수[목록, Hz 및 진폭].작업: 각 피크를 가능한 고장 모드(1X 불균형, 2X 축 오정렬, 베어링 BPFO/BPFI 등)와 연관시킵니다. RPM 및 6206 형상을 사용하여 특징적인 베어링 주파수를 계산하고 표시되는 주파수를 명시하십시오. 규칙: 이것은 가설입니다. 각 댓글에 대해 제가 현장에서 어떻게 확인했는지 적어주세요.
이상/경향 분석 프롬프트
다음 온도 시계열을 분석합니다: [날짜, 값 목록].- 기준(정상 범위)은 무엇입니까?- 이상(급격한 편차)은 언제 있습니까?- 천천히 상승하는 추세가 있습니까? 기울기는 무엇입니까? 규칙: 오탐의 위험을 평가합니다. 센서 오류와 실제 과열을 구별하기 위해 어떤 추가 확인을 권장하시나요?
데이터 품질 및 센서 확인 프롬프트
이 지터 측정의 샘플링 주파수는 2kHz입니다. 제가 관심을 갖고 있는 최고 오류 주파수는 ~800Hz입니다. 이 샘플링이 충분합니까(Nyquist), 의견. 데이터의 급격한 점프 및 클리핑 현상은 다음과 같습니다. [설명]. 실제 신호일 수도 있고 센서/녹화 오류일 수도 있는데 어떻게 구별할 수 있나요?
유지보수 결정 초안 프롬프트
다음 조사 결과를 바탕으로 유지 관리 권장 사항 초안을 작성합니다. [조사 결과]. 권장 사항을 즉시 중지, 예정된 유지 관리 시 검사, 계속 모니터링의 세 가지 수준으로 나눕니다. 각 레벨에 대한 정당성과 현장 검증을 작성합니다. 규칙: 유능한 유지보수 엔지니어가 최종 결정을 내립니다. 이것을 진술하십시오.
약한 프롬프트 / 강한 프롬프트
약한 프롬프트:
진동이 심한가요?
기계 유형, RPM, 측정 단위, 기준선 및 베어링 정보가 없습니다. AI는 "높음/낮음"을 말할 수 없으며, 그렇다고 하더라도 지원되지 않습니다.
강력한 프롬프트:
1450RPM 원심 펌프, 베어링 6206, 드라이브 엔드 미터링. 진동 속도 스펙트럼 피크 주파수: [목록]. 각 피크를 가능한 고장 모드와 연결하고 특성 베어링 주파수를 계산하고 표시합니다. 각 댓글은 가설임을 명시하고 이를 현장에서 검증하는 방법을 작성합니다. 또한 센서 오류 가능성도 고려하십시오.
두 번째 프롬프트에는 기계 컨텍스트, 스펙트럼 데이터 및 확인 요청이 포함됩니다. 해석을 가설로 설정합니다.
미니 케이스 3개(숫자순)
사례 1 - 특성 주파수 검증. 한 펌프에서 AI는 "내부 링 고장(BPFI)"이라고 설명합니다. 엔지니어는 1450RPM(24.2Hz) 및 6206 베어링 형상: ~131Hz로 BPFI를 계산합니다. 스펙트럼의 피크는 실제로 ~130Hz 정도이며 고조파가 있습니다. 해석은 특성 주파수와 일치합니다. 엔지니어는 계획된 유지 관리 중에 베어링을 분해하고 내부 링에서 구멍을 발견합니다. 확인은 가설을 진단으로 바꿉니다.
사례 2 - 허위 경보. 한 팬의 온도 센서는 95°C 경보를 울리고 AI는 "베어링 과열"이라고 말합니다. 현장 팀이 수동으로 확인합니다. 침대가 따뜻하고 정상입니다. 센서 연결이 느슨해 교정이 바뀌었습니다. 실제 온도 ~55°C. 센서를 조이고 보정하면 알람이 사라집니다. AI 해석을 맹목적으로 따르면 단단한 침대가 불필요하게 해체될 것입니다. 교훈: 먼저 센서를 확인하세요.
사례 3 - 느린 추세를 포착합니다. 기어박스에서는 절대 진동 임계값을 초과하지 않지만 AI는 8주 추세에서 매주 ~6%씩 진폭이 증가하는 것을 보여줍니다. 추정에 따르면 임계값은 최대 5주 내에 초과될 것으로 예측됩니다. 계획된 정지 기간 동안 팀은 오일을 분석하고 금속 입자를 찾아 통제된 방식으로 기어를 교체합니다. 예상치 못한 정지를 방지합니다. 교훈: 추세는 절대 임계값 이전에 경고합니다.
일반적인 실수
- 맥락 없이 의견 요청: RPM 및 베어링 정보 없이 스펙트럼을 해석합니다.
- 센서를 확인하지 않음: 교정/연결 오류를 실제 오작동으로 착각합니다.
- 가설을 진단으로 착각: 현장 통제 없이 AI 해석을 유지보수 결정으로 전환.
- 절대 임계값만 보면 느린 감소 추세가 누락됩니다.
- 언더샘플링: 나이퀴스트 규칙을 무시하고 고주파수 결함을 간과합니다.
- 거짓 긍정에 대한 과잉 반응: 소음을 실제 오작동으로 착각하고 정상적인 기계를 정지시킵니다.
요약하면
- 예측정비는 진동, 온도, 전류 등의 센서로부터 기계의 상태를 판독하여 고장을 사전에 예측합니다.
- 진동 스펙트럼에서 각 고장 모드는 특정 주파수에서 피크를 생성합니다. 의견에는 RPM 및 베어링 지식이 필요합니다.
- AI가 제시한 결함 해석은 가설이다. 특성 주파수는 교정 및 현장 검사를 통해 검증되어야 합니다.
- 센서 자체가 고장날 수 있습니다. "센서를 먼저 확인하세요"가 첫 번째 규칙입니다.
- 추세는 절대 임계값만큼 중요합니다. 성능 저하가 느리면 조기 경고가 제공됩니다. 유지보수 결정은 유능한 엔지니어의 몫입니다.
응용과제
회전 기계(펌프, 팬, 모터)를 선택합니다. 해당되는 경우 기계의 RPM과 베어링 번호를 기록해 두십시오. 실제 또는 샘플 진동 스펙트럼/온도 시계열을 가져와 AI가 상황에 맞게 해석하도록 하세요. 각 고장 가설에 대해 AI는 특성 주파수를 직접 확인하고(베어링의 경우 BPFO/BPFI 계산 확인) 센서 고장 가능성을 평가하고 현장에서 이를 확인할 방법을 작성합니다. 마지막으로, 결과를 3단계 권장 사항(즉시 중지/일정에 따라 검사/계속 모니터링)으로 분류하고 최종 유지 관리 결정이 자격을 갖춘 엔지니어에게 남아 있는 이유를 설명합니다.
체크리스트
- [ ] 기계 상황(유형, RPM, 베어링/기어, 측정 지점)이 제공됩니다.
- [ ] 데이터 품질 및 샘플링 빈도(Nyquist)가 확인되었습니다.
- [ ] AI가 나타내는 고장주파수는 특성주파수 계산을 통해 검증되었습니다.
- [ ] 센서 교정/연결 오류 가능성이 평가되었습니다.
- [ ] 절대 기준치 외에 추세도 조사했습니다.
- [ ] 현장 조사를 통해 확인된 의견; 유지 관리 결정은 유능한 엔지니어에게 맡겨졌습니다.