도란시스템 - 설비관리 칼럼

10년 후 설비관리의 예상 모습

서정학 설비관리 경영전략 컨설턴트

작년에 이어 올해도 칼럼을 통해 만나 뵙게 되어 반갑습니다. 더욱더 안전한 공장, 지속 경영 가능한 공장, 신바람 나는 직장에 되길 바라며, 올해 칼럼은 설비관리 시스템 중심으로 발전 방향 및 구현전략, 각 모듈의 기능 특성, 시스템 활용 방안에 대하여 소개할 것입니다.

첫 번째 주제로 10년 후 설비관리 시스템이 어떤 모습으로 발전할 것인지 같이 생각해 봅시다. 요즘 최대 유행어가 AI입니다. 전 세계의 모든 투자 및 가치가 AI 산업으로 블랙홀처럼 빠져들고 있습니다. Chat GPT 또는 Open AI를 아직 경험하지 못하였다면 디지털 사회에서 사는 생활이 점점 더 어려워질 수 있을 것입니다.

최근에는 구글, 네이버, 다음과 같은 검색 솔루션도 AI가 내장된 검색 솔루션인 Perplexity, Gemini 등이 앞으로 검색시스템의 시장 주도권 변화가 가져올 것으로 보여집니다. 1980년대 인터넷이 개발되면서 전 세계적으로 정보가 공유되고, IT 기술이 접목됨으로써 산업계에 경영혁신을 이끌어 왔습니다. 그러나 아직 기업에서는 AI 솔루션이 탑재된 경영관리 시스템이 현재는 초보적인 단계이지만 몇 년 이내로, 급속도로 발전할 것으로 보여집니다. 이러한 변화를 가능케 하는 것이 메모리의 성능, 1초에 1조 번 이상 연산기능을 가진 엔비디아가 개발한 HBM(고대역 메모리) 또한 빠르게 발전하고 있기 때문입니다. 

그럼 AI가 탑재된 기업솔루션에서 설비관리는 어떤 모습으로 변화될 것인지 예측해 보는 것도 새해를 맞아 매우 가슴 벅찬 일이 되지 않을까 생각합니다.

□ 시스템이 자동으로 예지정비(PdM) 실시

설비의 상태 모니터링을 하나의 데이터 값이 아닌 생산제품 정보, 품질상태 정보, 설비 가동 정보, 설비 구조적 정보, 각종 센서에서 발생한 정보를 종합하여 설비의 상태를 시스템이 분석할 것입니다. 현재는 각기 다른 시스템에 등록된 많은 양의 데이터를 처리하여 분석하는데 투자비용과 많은 시간이 소요될 뿐 아니라, 통합된 데이터를 사람이 분석하는데 한계가 있습니다.

그러나 AI 솔루션을 통해 생산 정보를 통합 관리됨으로써 정상상태의 각종 데이터 정보와 비정상상태의 데이터 분석을 자동으로 실시하게 함으로써 설비 고장을 예측하여 미리 사용자에게 설비 이상 정보를 제공할 것입니다.

이러한 변화로 현재의 예방보전 기준은 대폭 줄어들 것이며, 점검 주기 또한 없어지게 될 것입니다. 물론 당연히 사람이 직접 점검하는 일 또한 대폭 줄어들 것입니다.

시스템 기반 설비 모니터링을 실시간 하기 위해서는 아날로그 센서나 계측기를 디지털화될 수 있도록 설비를 구성하여야 하고, 사람이 접근하기 어려운 곳에는 IoT 기술을 도입하여 영상 또는 소리 등을 가지고 설비 이상 상황을 확인할 수 있도록 하나씩 만들어 나가야 합니다.

□ 작업지시서(Work Order)를 자동으로 생성하여 제공

현재 보전 업무에서 많은 시간을 소모하는 것이 보전 작업계획을 세우고, 일정을 조정하는 일입니다. 작업계획을 세우기 위해서는 작업에 소요되는 자재를 확인하고, 작업절차 및 안전조치 계획을 수립해야 합니다.

그러나 앞으로의 모습은 그동안 주기적으로 수행했던 작업 정보와 설비 가동상태 모니터링을 통해 수집된 정보를 바탕으로 한정된 예산 및 인력을 감안하여 최적의 보전 작업이 될 수 있도록 솔루션에서 작업지시서가 발행될 것입니다. 회사의 수주정보, 생산 Capa, 재고정보를 파악하여 최적의 생산일정을 감안한 보전일정이 또한 제공될 것입니다.

작업에 소요되는 자재 소요량도 그동안 사용이력을 바탕으로 현재 재고를 파악하고 앞으로 해야 할 작업을 고려하여 구매시점, 최적의 구매 소요량이 산출되어 정보도 제공될 뿐 아니라 작업에 적합한 작업표준 및 위험성 평가 정보도 될 것입니다.

□ 실시간 리포트 제공

현재도 Chat GPT에서 필요한 정보를 입력하면 인터넷 정보를 가지고 요약하여 사용자에게 실시간으로 제공되고 있습니다.

기업에서 운영되는 솔루션에 아직 AI가 내장되지 않아 필요한 정보를 보기 위해서는 리포트 개발을 위한 프로그램을 일일이 해야 하지만, 앞으로 Chat GPT와 같이 질문하면 곧바로 답을 해 줄 것입니다. 예를 들어 우리 조직 예산 얼마나 집행되었는지, 계정별, 코스트 센터별로 주요 사용내역이 무엇인지 질문하면 1분도 되지 않아 시스템에서 정보가 제공될 것입니다. 또한 앞으로 3개월 이내 예상되는 보전비용, 주요 보전 작업정보도 질문을 하면 미래업무도 예측하여 쉽게 제공될 수 있습니다.

그리고 설비별 자산가액, 유지보수비, 고장 등의 정보를 종합하여 설비별 ROI 분석으로 어떤 설비에 투자가 필요한지 정보도 제공될 것입니다.

AI로 인한 업무의 효율성은 크게 향상될 것이며, 의사결정을 위한 정보도 쉽게 확인할 수 있을 것입니다.

□ Robot이 수행하는 보전작업 비중이 크게 증가

요즘 식당에 가면 로봇이 음식을 배달하는 것을 종종 볼 수 있습니다. 아직 보전작업을 로봇이 수행하기에는 아직 초보적인 단계이지만 중국에서는 1년에 3천만 개의 로봇이 만들어진다고 하니 이 분야 역시 빠르게 발전하고 있습니다.

최근 뉴스에서 현대자동차가 개발한 생산현장에서 일하는 산업용 로봇을 보여주기도 하였습니다. 특히 산업용 로봇의 경우 사람을 대체하여 안전하면서도 생산성 향상에 크게 기여할 것으로 보입니다. 보전 업무에서도 로봇을 활용하여 위험한 작업을 대신하거나, 가스 또는 유해 물질이 있는 장소, 고온/고열 작업 장소에서의 생산 및 보전 작업을 로봇이 수행하게 될 것입니다.

보전 작업의 효율성 향상을 위한 각종 JIG도 작업 특성별 로봇이 개발되어 만들어질 것입니다. 무거운 물체를 운반하면서 설비를 교체하는 작업, 롤러의 베어링을 축에서 취외하거나 취부하는 작업 등 수많은 작업 특성별 로봇이 생산 현장을 움직일 것입니다.

지금까지 AI로 인한 설비관리 분야에 예상되는 패러다임 변화에 대하여 소개하였습니다. 물론 예상했던 것보다 아마도 더 빨리 발전해 나갈 것으로 보입니다. 이러한 IT 변화에 맞게 설비관리 시스템 발전방향과 구현전략이 수립되어야 할 것입니다.

COPYRIGHTⓒ2025 도란시스템 ALL RIGHTS RESERVED.

본 칼럼은 도란시스템의 뉴스레터인 JUMP LETTER에 게재된 콘텐츠 입니다. 해당 콘텐츠의 저작권은 도란시스템 및 저자에게 있습니다.

유익한 정보를 더 많은 분과 나누고 싶다면, 본문을 무단으로 복사해가는 대신 게시물 링크(URL)을 공유해주세요. 

출처를 밝히지 않은 무단 도용 및 상업적 목적의 재배포는 법적 제재를 받을 수 있습니다.