고장은 갑자기 발생하는 사건처럼 보이지만, 그 이전에는 소리·진동·온도·전류 등에서 미세한 상태 변화가 먼저 나타난다. 상태기반정비(CBM)는 고장 시점을 막연히 예측하는 기술이 아니라, 설비의 실제 상태를 지속적으로 읽어 운전을 계속할지, 감속할지, 점검하거나 교체할지를 판단할 시간을 확보하는 기술이다.

CBM의 성능을 높이기 위해서는 알고리즘뿐 아니라 센서가 설치되는 위치와 데이터의 품질이 중요하다. 사람이 관리하기 편한 위치보다 실제 손상과 물리적 변화가 시작되는 베어링, 감속기, 용접점, 절삭점 등의 작용점 가까이에서 진동·음향·온도·전류를 함께 읽어야 초기 이상을 더 빠르고 정확하게 구분할 수 있다.

그러나 작용점 가까이에서 생성되는 모든 원시 데이터를 중앙으로 계속 전송하면 통신량과 처리 부담이 커진다. 따라서 설비 가까이의 장치가 특징값을 추출하고 정상과 이상을 1차로 판단한 뒤, 필요한 정보만 중앙으로 보내는 온디바이스 CBM 구조가 필요하다. 정상일 때는 데이터 전송을 줄이고, 이상이 발생할 때는 원인 분석에 필요한 정보와 특징값을 집중적으로 전달하는 방식이다.

이러한 말단 판단은 중앙 AI를 대체하는 것이 아니라 역할을 분담한다. 말단 장치는 빠른 1차 판단을 수행하고, 중앙 AI는 설비 간 관계, 운전 조건, 정비 이력과 장기 추세를 종합해 더 깊은 원인 분석과 조치 판단을 담당한다.

결국 개별 센서와 온디바이스 AI가 각각 작은 알람으로 고립되는 것이 아니라, 서로의 상태를 연결하고 중앙 판단 및 사람의 조치 기준과 결합해야 한다. CBM이 설비가 멈추기 전에 판단할 시간을 벌어주고, 분산된 말단 판단을 공장 전체의 상태판단으로 연결하는 산업용 신경계가 디지털반사신경망(DRN)이다.

본 내용은 ㈜코아칩스의 기술 인사이트를 바탕으로 전자신문에 게재한 연재 칼럼입니다. ㈜코아칩스(CORECHIPS)는 배터리와 배선이 필요 없는 무전원·무선 센서 기술과 에너지하베스팅 기술(SAW-based Passive Radio Sensor & Energy Harvesting)을 시작으로, 노후 설비에 신경을 심는 디지털 리트로핏(Digital Retrofit)과 센서플랫폼 구축을 추진해 왔습니다. 나아가 말단에서 먼저 판단하고 반응하는 디지털반사신경망(DRN, Digital Reflex Network)과 감각지능(Sensory Intelligence) 솔루션을 통해, AI 시대에 필요한 산업 현장의 감각계층을 구현해 나가고 있습니다. 코아칩스는 특화된 센서솔루션 기술을 기반으로, AI가 현장을 더 정확히 이해하고 판단할 수 있도록 하는 감각 인프라를 만들어가고 있습니다.