AI 설비진단·예지보전 가이드,
설비 이상 징후 탐지와 준비 사항
어떤 신호를 모으고, 어떤 순서로 모델을 쓰고, 경보를 정비 작업으로 어떻게 잇는지 — 중소 제조 현장 기준으로 정리했습니다.
예지보전(PdM)은 진동·온도·전류 같은 설비 상태 신호를 지켜보다가 고장 징후가 보일 때 정비하는 방식입니다. AI 설비진단은 이 신호에서 평소와 다른 패턴을 사람보다 먼저, 더 많은 설비에서 찾아내는 기술입니다. 성과는 AI 모델보다 경보가 작업지시와 조치 기록으로 이어지는 구조에서 나옵니다.
- 현실적인 순서는 ISO 20816 진동 기준과 규칙 경보 → 정상 데이터 기반 이상 징후 탐지 → 고장 데이터가 쌓인 뒤 고장 유형 분류입니다.
- 중소 현장의 진입점은 회전 설비의 무선 진동·온도 센서, 또는 배전반 전류 측정입니다.
- 생성형 AI는 정비 이력 질의응답, 작업지시 초안처럼 사람을 돕는 용도로 쓰고, 최종 판단은 사람이 합니다.
- U-CMMS는 IoT 센서 연동과 AI 이상 징후 알림, 경보에서 작업지시까지의 흐름을 맡습니다.
예방보전·상태기반보전·예지보전 비교
세 방식은 정비 시점을 정하는 기준이 다르고, 현장에서는 설비 중요도에 따라 섞어 씁니다. 용어는 설비관리 용어사전에서 볼 수 있습니다.
| 구분 | 예방보전 (TBM) | 상태기반보전 (CBM) | 예지보전 (PdM) |
|---|---|---|---|
| 정비 시점 | 정해진 주기·가동 시간 | 측정값이 기준을 넘을 때 | 신호 추세·패턴에서 징후가 보일 때 |
| 필요한 데이터 | 설비 대장, 정비 주기, 작업 이력 | 점검·계측 값, 기준값 | 연속 상태 신호, 정상 기준선, 조치 이력 |
| 장점 | 도입이 쉽고 계획이 명확함 | 불필요한 정비를 줄임 | 돌발 고장 전에 대응할 시간을 확보 |
| 한계 | 멀쩡한 부품도 교체하는 과잉 정비 | 기준 밖의 새로운 고장 양상은 놓침 | 센서·데이터·운영 체계가 함께 필요 |
| 맞는 설비 | 대부분의 일반 설비 | 계측 항목이 명확한 설비 | 멈추면 손실이 큰 핵심 회전 설비 |
예지보전은 예방보전을 대체하지 않고 그 위에 얹습니다 — 작업 이력이 없으면 경보를 받아도 대응할 수 없습니다
AI 설비진단 신호와 센서
중소 현장의 출발점은 회전 설비용 무선 진동·온도 센서이고, 부착이 어려우면 배전반에서 전류를 측정합니다.
| 측정 방식 | 잘 잡는 이상 | 설치·운영 | 중소 현장 적합도 |
|---|---|---|---|
| 진동 (RMS·FFT·포락선) | 베어링 손상, 불평형, 정렬 불량, 풀림 | 무선 센서를 설비에 부착 | 높음 — 가장 성숙한 방식 |
| 전류 (MCSA) | 모터 회전자 이상, 부하 변화, 일부 기계적 이상 | 배전반에서 측정, 설비 부착 불필요 | 높음 — 부착이 어려운 현장 |
| 온도 | 과열, 윤활 불량, 전기 접점 이상 | 진동 센서와 함께 측정하는 경우가 많음 | 높음 — 보조 신호 |
| 열화상 | 배전반 접속부 과열, 단열 손상 | 휴대형 카메라로 주기 순회 | 중간 — 점검 기록으로 입력 |
| 초음파 | 압축공기·스팀 누설, 초기 윤활 문제, 아크 | 주로 휴대형 | 중간 — 순회 점검용 |
| 오일 분석 | 감속기·유압 마모, 오염 | 주기적 시료 분석 | 중간 — 분석 결과를 기록으로 입력 |
| PLC·설비 태그 | 공정 조건 이상, 가동 상태 | 이미 있는 데이터 활용 | 높음 — 추가 하드웨어 없음 |
| 측정 방식 | 회전부 베어링·불평형·정렬 | 전기·모터 | 과열·윤활 | 누설 | 공정 조건 |
|---|---|---|---|---|---|
| 진동 | |||||
| 전류 (MCSA) | |||||
| 온도 | |||||
| 열화상 | |||||
| 초음파 | |||||
| 오일 분석 | |||||
| PLC·설비 태그 |
AI 모델 도입 순서
고장 데이터가 거의 없는데 첫날부터 고장 분류나 수명 예측을 하면 대개 실패합니다.
고장 데이터 부족은 운영으로 해결합니다. 작업을 닫을 때 남긴 종료 코드가 다음 모델의 학습 데이터가 됩니다.
진단 결과와 CMMS 연동 구조
ISO 13374와 이를 구현한 MIMOSA OSA-CBM은 상태 감시를 수집부터 조치 권고까지 계층으로 나눕니다. CMMS는 권고를 작업으로 바꾸고 결과를 남깁니다.
06 피드백 — 종료 코드가 경보 정확도 지표와 다음 모델의 학습 데이터가 됩니다
생산 데이터와의 연결은 MES와 CMMS 연동에서 다룹니다.
정비 분야 생성형 AI 활용 범위
| 구분 | 활용 예 | 운영 원칙 |
|---|---|---|
| 지금 쓰기 좋은 것 | 정비 이력·매뉴얼 자연어 검색과 근거 문서 표시, 작업지시 초안 작성, 고장 코드 추천, 중복 작업지시 찾기, 교대 인수인계 요약 | 답변에 근거 문서를 함께 표시 |
| 보조로 쓰는 것 | 과거 이력 기반 원인 후보 제시, 비슷한 작업에서 쓴 부품 추천 | 담당자가 검토·확정 |
| 아직 조심할 것 | 사람 확인 없이 진단하고 작업을 배정하는 자율 에이전트 | 안전 관련 판단은 사람이 결정 |
생성형 AI의 품질도 결국 기록에 달려 있습니다. 고장 원인과 조치가 "수리 완료" 한 줄로만 남아 있다면 AI가 찾아 줄 근거가 없습니다.
U-CMMS 예지보전 기능
U-CMMS는 설비 진단 결과를 작업으로 바꾸는 설비관리시스템입니다. 예지보전과 관련한 기능을 제공 방식별로 정리했습니다.
지표로 먼저 감시할 설비를 고르고, 작업을 닫을 때 남긴 조치 코드로 경보 기준을 고쳐 갑니다
고장 시점·잔여수명 예측은 고장·조치 데이터가 충분히 쌓인 뒤 단계적으로 검토합니다. 기능 전체 보기
PdM / Roadmap
예지보전
도입 로드맵
예측 과제를 시작하기 전에 짧은 진단으로 데이터가 예측을 뒷받침하는지 먼저 확인합니다.
데이터 진단
2~3주 동안 설비 목록, 고장·정비 이력, 얻을 수 있는 신호를 검토해 예측 과제가 성립하는지 판단합니다.
이력 표준화
설비명·증상·원인·조치·정지 시간 형식을 통일하고 기존 엑셀·문서 이력을 정제해 이관합니다.
핵심 설비 상태 감시
정지 손실이 큰 설비에 센서를 연동하고 기준값과 경보 규칙을 정해 경보를 작업지시로 잇습니다.
피드백과 확대
종료 코드로 경보 정확도를 관리하며 기준을 고치고, 데이터가 쌓인 설비부터 AI 적용 범위를 넓힙니다.
2026년 지원사업의 데이터 수집·검증 → AI공장 구축 유형이 이 순서와 맞습니다. 스마트공장 지원사업
FAQ / Predictive Maintenance
자주 묻는 질문
AI 설비진단과 예지보전을 검토할 때 가장 많이 받는 질문입니다.
예지보전을 하려면 고장 데이터가 꼭 필요한가요?
처음부터 필요하지는 않습니다. 진동 심각도 기준(ISO 20816)과 규칙 기반 경보는 고장 데이터 없이도 시작할 수 있고, 이상 징후 탐지는 정상 운전 기간의 데이터로 기준을 만듭니다. 고장 유형을 구분하거나 남은 수명을 추정하려면 실제 고장과 조치가 기록된 데이터가 필요하므로, 작업 완료 때 원인·조치 코드를 남기는 습관이 중요합니다.
센서는 어떤 설비부터 붙이나요?
고장이 잦거나 멈추면 생산 손실이 큰 핵심 설비부터 붙입니다. 모터, 펌프, 팬, 감속기 같은 회전 설비는 진동·온도 센서로 시작하는 경우가 많고, 설비에 센서를 붙이기 어려우면 배전반에서 전류를 측정하는 방법도 있습니다. 거의 고장 나지 않는 설비로 시범 운영하면 효과를 확인하기 어렵습니다.
AI가 고장을 확정하나요?
아닙니다. AI는 평소와 다른 신호를 이상 징후로 알리고, 비슷한 과거 이력과 조치를 찾아 근거로 보여 주는 역할을 합니다. 실제로 고장인지, 어떤 정비를 할지는 정비 담당자가 확인하고 결정합니다. 담당자가 남긴 확인 결과가 다시 경보 기준을 고치는 데이터가 됩니다.
U-CMMS로 고장 시점이나 남은 수명을 예측할 수 있나요?
U-CMMS는 진동·온도·전류 IoT 센서를 연동해 AI 알고리즘이 고장 징후를 사전에 탐지하고 알리는 기능과, 경보를 작업지시로 잇는 기능을 제공합니다. 고장 시점 예측이나 잔여수명 예측은 설비별 고장·조치 데이터가 충분히 쌓인 뒤에 단계적으로 검토하는 과제이며, 도입 전 진단에서 데이터가 예측을 뒷받침하는지 먼저 확인합니다.
이미 다른 회사의 진단 센서나 솔루션을 쓰고 있으면 어떻게 하나요?
진단 솔루션이 있더라도 경보를 받아 작업지시를 내리고 조치 결과를 남기는 설비관리 체계는 따로 필요합니다. 연동 가능 여부는 해당 솔루션이 데이터를 어떤 방식으로 내보내는지에 따라 달라지므로, 도입 상담에서 사용 중인 장비와 데이터 형식을 확인한 뒤 연동 범위를 정합니다.
예지보전도 스마트공장 지원사업 대상이 되나요?
2026년도 제조AI특화 스마트공장 구축지원사업 공고에는 예측유지보수와 실시간 설비 이상 예측, 예지보전 자동화가 지원 대상 AI 기능으로 명시되어 있었습니다. 지원 조건과 한도는 신청 연도의 공고문에서 확인해야 합니다.
Predictive Maintenance
설비 데이터 기반
예지보전 가능성 진단
설비 목록과 이력 현황을 알려 주시면 무료 상담으로 시작 범위를 함께 정합니다.