China Steel사의 머신 상태 모니터링 및 진단을 위한 IoT 시스템 구축 사례 "빠르고 편리하게 안정적으로 시스템을 개발하기 위한 소프트웨어와 하드웨어 환경은 필수불가결한 요소이며, NI는 이러한 환경을 제공합니다." - Wang Zhizhong Researcher/PhD, China Steel Corporation Iron and Steel R&D Department ( http://www.csc.com.tw/indexe.html) 해결 과제: 중국 철강 공사의 생산 시설을 사전에 모니터링 하여 장애 발생 가능성을 예측하고, 그를 통해 가동이 중단되는 것을 방지할 수 있었습니다. 솔루션: 사물 인터넷 (IoT)을 사용하여 리얼타임으로 시설을 원격 모니터링하고, 대량의 데이터를 신속하게 변환하여 시설 관리에 활용하며, 비정상적인 상황을 즉시 감지하는 문제 해결능력과 지향적 스마트 분석 시스템을 개발하고자 했습니다. 또한 전반적인 시설 효율성을 높이고, 에너지를 절약하며, 탄소 배출을 감소시키고, 작업장의 안전성을 향상시켜야 했습니다. 저자: Wang Zhizhong Researcher/PhD - China Steel Corporation Iron and Steel R&D Department (http://www.csc.com.tw/indexe.html) 柯 忠 和 專 案 工 程 師 - 中 國 鋼 鐵 公 司 李 仙 家 工 程 師 - 中 國 鋼 鐵 公 司 林 智 賢 工 程 師 - 中 龍 鋼 鐵 公 司 黃 永 立 工 程 師 - 中 龍 鋼 鐵 公 司 陳 鴻 飛 課 長 - 中 鴻 鋼 鐵 公 司 林 銓 亮 技 術 人 員 - 中 鴻 鋼 鐵 公 司 王 嘉 勝 工 程 師 - 中 鴻 鋼 鐵 公 司 개발 동기 중국철강공사 (CSC)는 대만 최대의 철강 제조업체입니다. 우리의 목표는 철강 제조 시설의 운영을 개선하고 관리의 효율성을 향상시키는 것입니다. 우선 이 목표를 달성하기 위해서는 머신 상태 모니터링 (MCM) 장비의 설치 비용과 예상치 못한 장애로 인한 손실을 비교해 보아야 합니다. 또한 보유하고 있는 주요 장비와 해당 장비를 유지보수하기 위한 난이도 역시 고려해야 합니다. 효과적인 MCM은 유지보수 관리자들이 리얼타임으로 주요 장비의 상태를 파악할 수 있도록 도와주며, 철강 제조업체는 이를 통해 경쟁 우위를 확보할 수 있습니다. 중국철강공사에서 최초로 자체 개발한 시설 온라인 모니터링 및 진단 시스템 (FOMOS)은 1998년에 CSC 생산 라인에 설치되었습니다. 이 시스템은 압연 진동 등과 같은 특정한 문제의 모니터링을 수행하는 데 매우 효과적이었지만, 몇 년이 지나자 신뢰성이 하락했습니다. 그 이유는 하드웨어와 소프트웨어의 제한된 기능 때문이었습니다. 따라서 우리는 프로세싱 성능, 무선 네트워크, 소프트웨어 연결 기능 등의 최신 기술을 활용할 수 있는 스마트 시스템을 구축해야 한다는 점을 깨닫게 되었습니다. MCM 시스템을 개발하는 것은 그다지 어려운 일이 아니었지만, 그러기 위해서는 몇 가지 까다로운 당면 과제를 해결해야 했습니다. 도전 과제 가장 큰 과제는 대량의 잘못된 알람을 발생시키지 않으면서 초기에 장비의 비정상적 상황을 감지하는 것입니다. 진동은 상대적인 상태 지표이며 시스템 또는 구조적 견고성과 전달성의 영향을 상당히 크게 받으므로, 실제 상황에서는 비슷한 위치와 작동 조건을 갖춘 동일한 장비 두 대라도 몇 년 간 가동한 후에 진동 수준이 달라지는 경우도 빈번합니다. 그림 1은 일반적인 작동 환경 하에서 두 대의 동일한 냉각 팬이 보여주는 이러한 현상을 나타냅니다. 진동 신호는 다양한 신호 프로세싱과 알고리즘을 사용하여 마모, 불균형, 비정렬, 충격 하중, 베어링 장애 등의 정보를 나타내는 중요한 지표입니다. 기존의 모니터링 및 진단 시스템은 머신의 작동 양상에 관계 없이 지극히 한정된 지표 및 기준만을 사용하여 다양한 머신의 상태를 모니터링 및 진단합니다(그림 2). 따라서 이러한 시스템은 잘못된 알람을 울리거나 알람을 놓치기 쉽습니다. 뿐만 아니라 다양한 모니터링 대상 장비(그림 3), 복잡한 작동 체계, 철강 공장의 여러 프로세스 라인에서 사용되는 광범위한 어플리케이션 때문에 고작 몇 명의 상태 진단 전문가만으로는 위의 목표를 달성하기가 거의 불가능합니다. 따라서 우리는 MCM 시스템의 효율성을 개선하는 최선의 방법이 몇 가지 인공 지능 기술을 도입하는 것임을 깨닫게 되었습니다. 그림 1. 비슷한 위치와 작동 조건을 갖춘 동일한 장비 두 대가 몇 년 간 가동한 후에 서로 다른 진동 형태를 보이고 있다. 그림 2. 진동 장애에 대한 보편적인 모니터링 및 진단 기술 분석 절차 1/9 www.ni.com
그림 2. 진동 장애에 대한 보편적인 모니터링 및 진단 기술 분석 절차 그림 3. 생산 시설에 사용되는 다양한 장비 진단 기술의 혁신 새로 도입한 MCM 시스템 FOMOS- AI는 특허 받은 자체 학습 시스템으로, 전통적인 방식이 아닌 장비의 동작을 기반으로 합니다. 우리는 진동 신호에서 유용한 상태 지표를 추출하기 위해 모니터 대상 장비의 작동 양상을 일정한 속도와 안정된 로드, 일정한 속도와 변하는 로드, 변하는 속도와 로드, 왕복의 네 가지 패턴으로 분류하였습니다. 그림 5는 데이터 추출을 위한 여섯 가지 분석 모듈입니다. 그림 4. FOMOS-AI 시스템의 주요 인터페이스 2/9 www.ni.com
그림 5. 모듈형 FOMOS AI 소프트웨어 아키텍처 자가 진단의 정확성을 향상시키기 위해, 각 모듈은 몇 가지 대화식 상태 신호를 동시에 수집하여 데이터를 통합합니다. 또한 생산 시설에 특정한 장애가 발생할 경우, 분석 모듈은 시스템 지능 및 장애 확인 기능을 강화하기도 합니다 (그림 6). 따라서 대량의 데이터를 수집한 후 자동으로 상태 모니터링과 사전 진단 기술에 활용할 수 있는 유용한 정보로 변환해야 합니다. 그림 6. 다양한 신호 분석 기능을 통한 정밀 진단 시스템 소프트웨어 설계 기능 우리는 다양한 장애 진단과 감지 알고리즘을 구현할 수 있도록 FOMOS- AI의 하드웨어 및 소프트웨어 아키텍처를 가장 유연한 형태로 설계하는 데 중점을 두었습니다. LabVIEW로 프로그래밍하는 시스템 소프트웨어는 진단 센터, 메일 설정, 기본 설정으로 구성되어 있습니다 (그림 7). 그림 7. 회전 속도가 일정한 생산 시설의 기본 및 알람 다이어그램 NI PXI 또는 CompactDAQ으로 구현할 수 있는 하드웨어 및 시스템 기능: 필수 분석 모듈을 선택한 후 모니터링 및 진단을 즉시 수행할 수 있는 유연한 구현 기능. 맞춤 설정 가능한 진단 규칙과 모듈형 소프트웨어 구조 (그림 8). 다양한 신호 프로세싱 및 분석 기능(그림 9). 버추얼 측정 포인트를 채택하여 하나의 물리적 센서가 여러 버추얼 포인트를 통해 다양한 측정 수행 가능. 여러 가지 지표를 통해 진동 신호의 다양한 변화를 관찰함으로써 장비의 상태를 판단할 수 있는 기본 설정. 다차원적인 기본 및 알람 설정이 3/9 www.ni.com
여러 가지 지표를 통해 진동 신호의 다양한 변화를 관찰함으로써 장비의 상태를 판단할 수 있는 기본 설정. 다차원적인 기본 및 알람 설정이 가능하므로 작동 체계 및 머신 동작을 기반으로 한 통계 분석 또는 전문가 진단이 가능합니다 (그림 10, 11). 그림 12는 고속 가공 (HSM) 사상압연기의 모터 냉각 팬 장애 사례를 보여줍니다. 전반적인 추이에서는 성능 저하의 신호가 보이지 않았으나 7월 초부터 자주 사용되는 대역의 가속 증가 징후가 나타났고, 11월 초에는 모터 베어링의 기능적인 장애가 확인되었습니다. 자동으로 장애가 인코딩 되며 사내 메일 시스템을 통해 사전에 설정된 수신자 그룹으로 알람 메시지가 전송됩니다. 그림 8. 회전 속도가 바뀌는 생산 시설의 기본 및 알람 다이어그램 그림 9. 다차원 분석으로 경고의 효율성 향상 그림 10. 슬래브 슬라이딩 프로세스(SSP) 의 비정상적인 진동과 성능 저하 추이 4/9 www.ni.com
그림 11. 정상 및 비정상 진동 신호의 스펙트럼 어플리케이션 그림 12. SSP 동기 구조 및 강판 마모 FOMOS- AI는 장비의 작동 체계 및 동작에 따라 특정 진단 알고리즘이 내장된 고유한 데이터 수집 및 분석 모듈을 채택합니다. 그 결과 조기에 경고를 울리고 정확한 진단을 할 수 있을 뿐만 아니라 유지보수 과정의 비용 효율성도 높아집니다. 가동 중단도 줄어들었으며 보다 체계적인 유지보수 작업을 수행할 수 있게 되어 전반적인 장비 효율성 (OEE)이 개선되었습니다. 압연기에 사용되는 FOMOS- AI의 가치를 잘 보여주는 몇 가지 사례는 다음과 같습니다: 1. SSP에서 슬라이딩 라이너의 마찰 마모 중국철강공사는 생산성을 향상시키기 위해 2004년에 SSP를 HSM에 도입했습니다. 그러나 강철 슬래브를 단조하는 과정에서 강한 충격과 마찰 마모가 일어나면 장비에 예상보다 빠른 손상을 가져오기도 합니다. 비슷한 SSP에서 주축 빔 파열, 동기 장치 베어링 맞물림, 동기화 축 균열 등과 같은 심각한 손상이 보고되기도 했습니다. FOMOS- AI는 최초 구현 이후 여러 가지 유형의 장애 모드를 성공적으로 예측해냈습니다. 2010년에는 단조 프로세스에 사용되는 슬라이딩 라이너 3개의 마찰 마모가 감지되었습니다 (그림 13). 이 장애 모드는 스펙트럼 분석 (그림 14)와 현장 점검을 통해 확인되었습니다. 장비 운영자는 편리하게 이러한 장애를 추적할 수 있으며 정기 유지보수 과정에서 언제 어떤 부품을 교체해야 하는지 판단할 수 있습니다(그림 15). FOMOS- AI를 통해 다른 재료로 만든 슬라이딩 라이너의 기능 저하 속도를 추적함으로써 다른 재료의 성능도 테스트했습니다. 2010년 8월에 새로운 슬라이딩 라이너가 설치된 이후(그림 16), 충격 진동이 경감되고 전체 SSP의 서비스 연한이 크게 향상되었습니다. 5/9 www.ni.com
그림 13. SSP 강판 마모의 장애 추적을 자동으로 수행 그림 14. 새로운 강판을 사용하기 이전과 사용한 이후의 SSP 진동 추이 비교 2. 축과 톱니 바퀴 사이에 맞물리는 기어 커플링의 미동 마모 기어 커플링은 사상 압연기의 톱니 바퀴와 UJ 축 사이를 연결하는 부품으로 설계됩니다. 연결 부위가 넓게 벌어진 채 지속적인 회전 충격과 전도성이 큰 토크의 영향을 받게 되면 미동 마모의 속도가 빨라집니다(그림 17). 연결부가 지나치게 마모되면 커플링 슬리브가 파열되기도 합니다. 이렇게 되면 엄청난 생산 손실이 발생하며 장비 수리 비용도 상당히 소요됩니다. 이러한 장애 모드는 FOMOS- AI의 진동 웨이브폼과 STFT분석으로 쉽게 감지할 수 있으며, 유지보수까지 소요되는 시간은 약 2달입니다. 6/9 www.ni.com
그림 15. 맞물림 커플링의 마모 결과 FOMOS- AI는 새롭게 개발된 진단 기술로, 다소 지식이 부족하더라도 다양한 시설의 특징에 맞게 대응할 수 있어 유용하며 기존의 진단 기준에 크게 구애 받지 않습니다. 알 수 없는 장애 모드를 가동시키고 지능형 분석 모듈, 자체 학습 알고리즘, 자동 인코딩을 통해 추이를 확인할 수 있습니다. 우리는 NI 플랫폼을 활용함으로써 손쉽고 효과적으로 FOMOS- AI를 맞춤 설정하여 경험이 많은 진동 전문가에게 상담하지 않고도 불확실한 장애 모드를 감지할 수 있었습니다. FOMOS- AI는 중국철강공사의 다양한 어플리케이션에 활용할 수 있어 주요 장비의 잠재적인 장애를 시각화하는 데 매우 유용합니다. 중국철강공사는 이 시스템을 도입함으로써 대략 3억 5천만 타이완 달러를 절감할 수 있었으며, 높은 OEE와 뛰어난 사전 유지보수 관행을 정착시켜 세계철강협회에서 우수상을 수상하기도 했습니다. 그림 16. 중국철강공사의 생산 라인과 지능형 학습 온라인 모니터링 및 진단 시스템을 갖춘 기업들 저자 프로필: Wang Zhizhong Researcher/PhD China Steel Corporation Iron and Steel R&D Department (http://www.csc.com.tw/indexe.html) 대만 Kenny. expert@xwin. com.tw (mailto:kenny.expert@xwin.com.tw) 7/9 www.ni.com
8/9 www.ni.com
법적 정보 본 사례 (해당 사례연구 )는 내쇼날인스트루먼트 ( NI )사의 고객에 의해 개발되었습니다. 본 사례연구는 어떠한 종류의 보증 없이 있는 그대로 제공되며 NI. COM 이용약관에 상세하게 명시된 조건 및 제한 사항을 따릅니다. 9/9 www.ni.com