예지보전: 예측 기반 유지보수를 위한 데이터 플랫폼

계획되지 않은 다운타임은 제조에서 가장 비싼 시간입니다 — 그리고 대부분은 미리 신호를 보냅니다: 상승하는 진동 값, 드리프트하는 전류, 올라가는 온도로 말입니다. 예지보전(Predictive Maintenance)은 이런 전조를 계획 가능한 유지보수로 바꿉니다. 그러나 대부분의 프로젝트는 모델이 아니라 그 이전 단계 — 인프라에서 실패합니다: 상태 데이터가 아예 수집되지 않고, 이력이 없으며, 인사이트가 유지보수 팀에 도달하지 못합니다.

이 가이드는 IronFlock으로 예지보전의 기반을 놓는 방법을 보여줍니다 — 센서 개조에서 데이터 이력, 알람과 AI 에이전트까지.

문제: 예지보전이 분석 단계에서 실패하는 경우는 드물다

거의 모든 프로젝트에서 네 가지 장애물이 나타납니다:

• 상태 데이터가 없습니다. 기존 머신에서는 진동, 소비 전류, 온도가 아예 측정되지 않는 경우가 많고 — 컨트롤러가 아는 값은 제어반을 벗어나지 못합니다.
• 이력이 없습니다. 이상은 정상 상태와의 비교를 통해서만 알아볼 수 있습니다. 수개월에 걸친 빈틈없는 시계열이 없으면 기준점 자체가 없습니다.
• 설비마다 고립된 솔루션. 제조사에 묶인 상태 모니터링 시스템은 머신 한 대는 감시하지만 — 머신 파크 전체는, 더구나 사이트를 넘어서는 감시는 하지 못합니다.
• 마지막 구간이 빠져 있습니다. 아무에게도 도달하지 않는 예측은 고장을 막지 못합니다. 인사이트는 알람, 대시보드, 작업 지시의 형태로 팀에 도달해야 합니다.

1단계: 상태 데이터 수집 — 기존 머신에서도

데이터 기반은 공장 데이터 추출의 수집기 앱으로 만들어지며, 이들은 머신 네트워크의 엣지 PC(게이트웨이)에서 컨테이너로 실행됩니다:

• IO-Link 개조. IO-Link Collector는 개조 설치된 진동·전류·압력·온도 센서(ifm, Balluff, Pepperl+Fuchs 등)를 연결합니다 — 자동 센서 검색과 자동 IODD 디코딩으로, 계정도 API 키도 없이. 이렇게 하면 컨트롤러를 건드리지 않고도 기존 머신에서 상태 데이터를 얻을 수 있습니다.
• 컨트롤러의 값. Industrial Collector는 PLC와 인버터에서 전류, 회전수, 상태를 읽습니다 — OPC UA와 Modbus는 오늘 작동하며, Siemens S7과 Allen-Bradley는 Early Access 단계입니다. 접근은 기본적으로 읽기 전용입니다: 수집기는 결코 설비에 쓰지 않습니다.
• CNC 머신. MTConnect Collector는 공작기계의 상태, 프로그램, 축 데이터를 제공합니다.

모든 측정값은 정규화되고 — 이름, 단위, 타임스탬프, 품질 플래그, 시맨틱 타입과 함께 — 연결 장애 시 로컬에 버퍼링됩니다. 디바이스 에이전트는 게이트웨이를 상시 온라인 상태로, 원격 관리 가능하게 유지합니다.

2단계: 이력 구축 — 자신의 데이터베이스에

모든 프로젝트는 단일 정보 원천으로서 전용 TimescaleDB 시계열 데이터베이스를 받습니다. 예지보전에서 이것이 의미하는 바는:

• 수개월, 수년에 걸친 빈틈없는 시계열 — 이것이 있어야 비로소 이상을 알아볼 수 있는 기준이 생깁니다.
• 데이터 주권. 데이터 소유자는 앱 개발자가 아니라 프로젝트 소유자입니다. 분석 파트너에 대한 접근 권한은 세분화하여 부여하고 언제든지 철회할 수 있습니다.
• 개방형 표준. 벤더 종속 대신 표준 TimescaleDB와 개방형 포맷 — 기존 분석 도구를 그대로 얹을 수 있습니다.

3단계: 임계값에서 AI 에이전트로

예지보전이 머신러닝으로 시작해야 하는 것은 아닙니다. IronFlock은 단계적 진입을 지원합니다:

• 1단계 — 임계값과 알람. 내장 알람 시스템이 심각도별 조건(Minor, Major, Critical)으로 라이브 텔레메트리 데이터를 모니터링하고 이메일 또는 SMS로 알립니다 — 예를 들어 ISO 경험값에 따른 진동 한계를 초과했을 때. 자동 해결과 코멘트 기능도 포함됩니다.
• 2단계 — 가시성과 트렌드. Board Studio에서 코드 없이 트렌드 대시보드가 만들어집니다: 진동 추이, 주간 비교 소비 전류, 설비별 분할 차트. 눈에 띄는 드리프트가 임계값을 넘기 전에 드러납니다.
• 3단계 — 앱으로서의 분석. 분석 앱은 크로스 앱 데이터 액세스를 통해 축적된 이력 위에 읽기 전용으로 구축됩니다 — 진동·전류·온도 이력을 분석하는 예지보전 앱은 이 아키텍처의 문서화된 대표 사례입니다. 이러한 앱은 App Store에서 설치하거나 직접 개발합니다.
• 4단계 — AI 에이전트. Physical AI로 상태 데이터에 자연어로 질문할 수 있고, 앱은 고장 예측을 설명하고 이상 점수를 해석하며 유지보수 조치를 제안하는 자체 앱 에이전트를 함께 제공할 수 있습니다. 이러한 기능은 앱이 설치되는 즉시 AI 어시스턴트에서 자동으로 사용할 수 있습니다 — 별도 구성 없이.

참고: 분석과 예측 모델은 의도적으로 플랫폼의 블랙박스가 아니라 앱으로 설계되어 있습니다. 그래서 어떤 로직이 어떤 데이터 위에서 작동하는지 추적할 수 있고, 전문가의 도메인 지식을 앱 형태로 어느 프로젝트에나 들여올 수 있습니다.

대표적인 상태 지표 — 그리고 그것이 말해주는 것

어떤 지표로 시작할지는 설비에 따라 다릅니다. 고전적인 지표를 한눈에 정리하면:

이 목록을 실용적으로 만드는 것은 두 가지입니다. 첫째, 모든 지표가 동일한 정규화 스키마로 저장됩니다 — 트렌드 보드나 알람은 진동에서든 압력에서든 똑같이 작동합니다. 둘째, 한꺼번에 모두 할 필요가 없습니다. 가장 중요한 설비에서 지표 하나를 깔끔하게 수집하는 것이 이력 없는 지표 열 개보다 낫습니다.

머신 제조사를 위해: 예지보전을 서비스로 배포

머신을 제조하는 기업은 예지보전을 디지털 서비스로 제공할 수 있습니다 — 예지보전은 앱 배포자를 위한 문서화된 대표 사례 중 하나입니다: 당신은 엣지 로직과 도메인 지식을 제공하고, 앱 배포, 롤백을 갖춘 업데이트, 안전한 원격 접근, 메시징, 데이터 저장은 플랫폼이 담당합니다. 배포 옵션을 통해 동일한 서비스가 클라우드에서, 고객 현장의 어플라이언스에서, 또는 고객의 프라이빗 클라우드에서 — 코드 변경 없이 실행됩니다.

자주 묻는 질문

시작하려면 어떤 데이터가 필요한가요?

흔히 생각하는 것보다 적습니다. 설비당 하나의 지표 — 소비 전류, 진동, 온도 — 만 지속적으로 수집해도 몇 주치 이력만으로 신뢰할 수 있는 트렌드와 의미 있는 알람 임계값을 얻을 수 있습니다. 확장은 언제든 가능합니다: 수집기들이 공통 테이블 스키마를 사용하므로 대시보드와 분석이 함께 성장합니다.

자체 머신러닝 모델을 개발해야 하나요?

아니요. 단계적 진입은 모델 없이 임계값 알람과 트렌드 대시보드로 시작합니다. 분석은 앱으로 더해집니다: App Store에서, 전문 기업으로부터, 또는 직접 개발해서. 이러한 앱의 AI 에이전트는 이후 어시스턴트에서 자동으로 제공되어 이상 징후와 유지보수 권고에 대한 질문에 답합니다.

최신 인터페이스가 없는 기존 머신에서도 작동하나요?

예 — 그것이 가장 흔한 경우입니다. 개조 설치된 IO-Link 센서(진동, 전류, 온도)는 컨트롤러에 개입하지 않고 자동으로 검색되고 디코딩됩니다. 컨트롤러 데이터를 사용할 수 있는 곳에서는 OPC UA, Modbus, MTConnect로 보완합니다.

수집과 분석은 어디서 실행되나요 — 클라우드인가요, 엣지인가요?

수집은 항상 엣지에서, 머신 네트워크의 게이트웨이 위 컨테이너에서 실행되며 연결 장애 시 로컬에 버퍼링합니다. 이력과 분석은 프로젝트 데이터베이스에 있습니다 — 클라우드(EU 데이터 센터), 로컬 네트워크의 어플라이언스, 프라이빗 클라우드 중에서 선택할 수 있습니다. 기능 범위는 모든 모델에서 동일합니다.

다음 단계

실용적인 출발점: 시작하기 가이드로 게이트웨이를 연결하고, IO-Link Collector 또는 Industrial Collector를 설치하고, 첫 상태 지표를 보드에 올려 보세요 — 데모 모드라면 하드웨어 없이도 가능합니다. 구성 요소의 세부 사항은 공장 데이터 추출, IoT 알람, Physical AI에서 확인할 수 있습니다.