[아침심화] 제조AI 용어 사전 EP.1 — 예지정비(Predictive Maintenance)

"고장나기 전에 기계가 먼저 알려준다."

오늘 아침 쇼츠 '제조AI 용어 사전 EP.1'의 한 문장 요약이다. 30초 쇼츠에서는 맛만 봤으니, 블로그에서는 7년차 현장 엔지니어 관점으로 제대로 파헤쳐 보자. 예지정비가 뭐고, 어떻게 동작하며, 현장에서 왜 어렵고, 어디서부터 시작하면 좋은지까지.

1. 정비의 3단계 진화 — 고치고, 미리 바꾸고, 예측한다

설비 정비는 크게 3단계로 진화해 왔다. 사후정비(RM)는 고장 난 뒤 수리한다. 라인 정지가 곧 손실이라 가장 비싼 방식이다. 예방정비(PM)는 주기적으로 부품을 교체한다. 부품 수명을 최대로 못 쓰는 비효율이 있지만 계획 정지는 가능하다. 그리고 예지정비(PdM) — 기계의 현재 상태를 보고 "이대로 가면 N일 뒤 고장난다"고 예측하는 방식이다.

차이점을 한 줄로 정리하면 이렇다.

• 사후정비 — 고장 발생 시 수리. 평상시 비용은 0이지만 돌발 정지와 연쇄 고장이 단점.
• 예방정비 — 시간·횟수 기준. 계획은 가능하지만 멀쩡한 부품도 교체하는 비효율.
• 예지정비 — 실시간 상태 데이터 기반. 최소 비용으로 정지 회피, 단 데이터·모델 인프라 필요.

예지정비는 "부품이 아직 멀쩡한데 교체하는 낭비"와 "뜬금없는 라인 정지"를 동시에 잡는 게 목표다. 둘 다 돈이라, ROI 계산이 서는 설비부터 도입하는 게 정석이다.

2. 예지정비는 어떻게 동작하는가

현장에서 구현되는 파이프라인은 대개 4단계다.

1. 계측 — 모터·베어링·펌프에 진동 센서(가속도계), 온도 센서, 전류 센서를 붙인다. 진동이 가장 정보량이 많아서 핵심이다. 베어링 결함은 특정 주파수 대역의 진동으로 먼저 드러난다.

2. 수집·전송 — 센서 데이터를 엣지 게이트웨이에서 1차 처리(FFT로 주파수 스펙트럼 변환 등)한 뒤 MQTT 같은 가벼운 프로토콜로 서버에 보낸다. 원시 파형을 전부 올리면 네트워크가 터지니, 엣지에서 특징량만 뽑는 설계가 중요하다.

3. 분석 — 두 가지 접근이 있다. 하나는 룰 기반(진동 RMS가 임계값을 넘으면 경고), 다른 하나는 AI 기반(정상 패턴을 학습해 놓고 벗어남을 탐지하는 이상 탐지, 또는 고장까지 남은 시간을 회귀하는 RUL 예측). 현장에서는 정상 데이터는 많고 고장 데이터는 귀해서, 라벨 없는 이상 탐지부터 시작하는 경우가 많다.

4. 조치 — 대시보드·알림으로 정비 계획에 반영한다. 여기서 핵심은 "경보가 울리면 실제로 뭘 할지"가 정해져 있어야 한다는 것. 알림만 가고 아무도 안 움직이면 그냥 소음이다.

3. 현장에서 진짜 어려운 것들

기술보다 어려운 게 운영이다. 7년 현장에서 본 대표적인 함정 세 가지.

첫째, 고장 데이터가 없다. AI 모델을 학습시키려면 고장 사례가 필요한데, 잘 관리되는 공장일수록 고장이 안 난다. 정상 데이터 99.9% + 고장 0.1%인 불균형 데이터로 모델을 만들면, 정확도 99.9%인 '아무것도 안 하는 모델'이 나온다. 그래서 고장 시뮬레이션이나 전이학습(비슷한 설비의 데이터 빌려오기)을 쓴다.

둘째, 오탐 경보 피로. 임계값을 낮게 잡으면 경보가 쏟아지고, 현장 담당자는 알림을 끈다. 한 번 꺼진 알림은 다시 안 켜진다. 오탐보다 신뢰도가 먼저다. 처음엔 확실한 케이스만 잡고, 점진적으로 넓히는 게 맞다.

셋째, "그래서 언제 바꾸라는 거야"의 부재. RUL이 "잔여 수명 72시간"이라고 나와도, 예비 부품이 없고 교체 작업자가 없으면 무용지물이다. 예지정비는 정비 업무 프로세스(부품 재고·작업 일정)와 묶여야 완성된다. AI가 아니라 운영 설계 문제다.

4. 어디서부터 시작하면 좋을까

처음 도입한다면 이렇게 접근하길 권한다.

1. 설비 1대를 고른다 — 고장 시 라인 정지 손실이 큰 핵심 설비.

2. 진동 센서 1~2개부터 붙인다. 비싼 무선 센서 말고 유선 가속도계로 충분하다.

3. 룰 기반으로 3개월 돌린다. 정상 패턴의 기준선을 잡는 기간이다.

4. 기준선이 잡히면 이상 탐지 모델을 올린다. 고장 데이터 없이도 시작할 수 있다.

5. 경보 → 정비 작업 연결 프로세스를 만든다. 알림이 울리면 누가, 언제, 뭘 하는지 문서화.

거창한 플랫폼부터 사지 말자. 센서 몇 개와 엣지 PC 한 대로 시작하는 게, 현장에서 살아남는 예지정비의 정석이다.

예지정비는 마법이 아니다. 기계가 내는 소리(진동)를 꾸준히 듣고, 이상한 낌새가 보이면 미리 손보는 것 — 그걸 데이터와 AI로 체계화한 것이다. 다음 EP에서는 '이상 탐지(Anomaly Detection)'를 다룬다. 쇼츠에서 30초로, 블로그에서 깊이 있게. 시리즈로 따라오면 제조AI 용어가 하나씩 내 것이 된다.