도입 배경
해당 화학 플랜트는 냉각수 순환 펌프의 베어링 손상성 고장이 연 3~4회 반복되어, 고장이 발생할 때마다 최소 4시간 이상 라인이 정지되는 문제를 겪고 있었습니다. 정기 점검만으로는 이상 징후를 미리 파악하기 어려워, 고장이 발생한 뒤에야 대응하는 사후 정비 방식에 의존하고 있었습니다.
도전 과제
- 베어링 손상은 초기 단계에서 육안이나 청음 점검으로 발견하기 어려움
- 반복되는 불시 정지로 인한 생산 손실과 긴급 정비 비용 부담
- 정비 인력의 경험에 의존한 점검 체계로 인한 진단 정확도 편차
디씨테크의 접근
디씨테크는 순환 펌프에 진동 센서를 부착해 실시간 데이터를 수집하고, 축적된 데이터를 KNN·PCA 기반 알고리즘으로 학습시켜 정상 패턴과 이상 패턴을 구분하는 진단 모델을 구축했습니다. 이상 징후가 감지되면 담당자에게 자동으로 알림이 전달되도록 설계하여, 정비팀이 별도로 데이터를 분석하지 않아도 바로 대응할 수 있도록 했습니다.
도입 결과
이상 징후를 평균 2주 전 사전 탐지하는 체계로 전환되면서, 불시 정지 빈도가 연 4회에서 연 0.5회 수준으로 감소했습니다. 계획되지 않은 라인 정지가 줄어들며 연간 손실 비용도 약 1억 2천만원에서 약 2천만원 수준으로 절감되었습니다.