8
02. 작업 이력
많은 조직이 OEM사양에 의존하여 예방 유지보수 수행 시기와 취해야 할 조치를
결정합니다. 그러나 각 설비를 위한 실제 작업 주문에 포함된 모든 데이터를
추적하면, 기업은 각 설비에 발생하는 실제 이력을 관리하고 올바른 분석을 통해
고장을 더 잘 예측하여 주도적으로 관리할 수 있습니다.
작업 이력은 부품에 발생한 일을 나타내는 코드, 문제 해결을 위해 수행된 정확한
작업을 명시하는 솔루션 코드, 작업 수행자, 사용된 도구 및 자재, 문제 해결에
소요된 시간 등의 정보를 추적합니다.
이 모든 데이터는 고장 코드 분석에 대한 정보를 제공합니다. 기업은 고장
코드 분석을 통해 보고된 시점부터 해결될 때까지 설비의 고장을 추적할 수
있습니다. 수집된 고장 데이터의 통계는 고장의 발생 시기 및 이유에 대한 정보를
제공하므로, 담당 부서는 고장 이벤트를 제거하는 데 필요한 조치를 취할 수
있습니다. 결과적으로 조직은 고장 통계를 사용하여 신뢰성 기반 정비전략 수립인
RCM(Reliability Centered Maintenance) 프로그램을 설계할 수 있습니다.
03. 실시간 컨디션 데이터
오늘날 대부분의 중요 설비는 센서 및 계기 장치의 복잡한 웹을 통해 컨트롤
시스템에 연결됩니다.
즉, 기업은 이러한 실시간 센서에서 전송되는 사물 인터넷(IoT) 및 산업용 IoT(IIoT)
데이터를 기반으로 언제라도 부품 또는 구성 요소의 상태를 표시할 수 있습니다.
그런 다음 이 정보를 분류하여 자산 상태가 저하될 때 조직에 이를 알려주는 고장
신호를 어떻게 생성할지 결정하는데 사용할 수 있습니다. 예를 들어, 볼 베어링
세트의 상태를 평가하는 조직이 진동 속도가 지정된 상하 허용 공차 수준에
도달하는 시점에 대한 임계값을 생성하고자 할 경우,
APM 솔루션은 이러한 측정값을 설비 및 작업 이력 데이터와 결합하여 베어링이
파손되는 시기를 사전에 파악할 수 있습니다. 베어링 진동이 임계 속도에
도달하면, APM이 알람을 생성하거나 유지보수 팀에 문제 해결을 지시하는 작업
절차를 유발할 수 있습니다.
