설비 고장, 예측할 수 있다면? 제조 현장의 예지보전 AI 도입 가이드

들어가며

설비가 멈춘다. 라인이 선다. 원인을 찾는다. 부품을 주문한다. 이틀 뒤 도착. 교체. 시운전. 정상 가동까지 사흘.

이 순서가 익숙하다면, 당신의 공장은 아직 사후보전 위에 서 있다.

나는 15년간 설비보전팀에서 일했다. 대기업 자동차 부품 라인, 중견 사출 공장, 소규모 프레스 작업장까지. 어디서든 같은 장면을 봤다. 설비가 고장 나면 영웅이 등장하고, 빠르게 고친 사람이 칭찬받는다. 그런데 한 번도 이런 질문은 없었다. "왜 고장 나기 전에 몰랐지?"

예지보전은 그 질문에서 시작한다.

체크리스트: 예지보전 AI 도입 전에 점검할 다섯 가지

1. 센서 데이터, 쌓고는 있는가

진동, 온도, 전류. 대부분의 공장에 센서는 이미 달려 있다. 문제는 데이터가 어디로 가느냐다. PLC에 쌓이고 아무도 안 보는 공장이 태반이다. 예지보전 AI의 출발점은 거창한 알고리즘이 아니라, 지금 버려지고 있는 데이터를 수집 가능한 형태로 꺼내는 것이다.

2. 고장 이력, 기록하고 있는가

모델이 학습하려면 "이때 고장났다"는 라벨이 필요하다. 작업일보에 "설비 이상"이라고만 적혀 있으면 쓸 수 없다. 어떤 설비, 어떤 부위, 어떤 증상. 세 가지만 구분해도 쓸 만한 데이터가 된다.

3. 핵심 설비 한 대를 골랐는가

전체 라인에 동시 도입하겠다는 계획서를 본 적이 있다. 실패했다. 예지보전은 가장 자주 고장 나는 설비 한 대에서 시작해야 한다. 성과가 보여야 현장이 움직인다.

4. 보전팀이 참여하고 있는가

AI가 "3일 내 베어링 이상 가능성 78%"라고 알려줬다고 하자. 누가 판단하나. 보전팀이다. 현장 엔지니어가 모델의 출력을 신뢰하고, 자기 경험과 대조하고, 조치 여부를 결정하는 구조가 없으면 예지보전은 알림 폭탄으로 끝난다.

5. 목표가 "고장 제로"가 아닌가

고장 제로는 불가능하다. 솔직해야 한다. 예지보전의 현실적 목표는 비계획 정지 시간의 감소다. 월 평균 정지 시간이 40시간인 공장에서 28시간으로 줄이는 것. 그 12시간이 매출로 환산되면 투자 근거가 된다.

예지보전이 바꾸는 것

기술이 아니다. 시간의 방향이 바뀐다.

사후보전은 과거를 본다. 예지보전은 미래를 본다. 이 차이가 보전팀의 역할을 수리공에서 분석가로 바꾼다. 설비 앞에서 렌치를 들던 사람이 데이터 앞에서 판단을 내리는 사람이 된다.

그 전환이 시작되는 자리는 서버실이 아니다. 가장 오래된 설비 옆, 기름 냄새 나는 현장이다.