예측적 유지관리용으로 적합한 가속도계 선택하기
  • 2019-09-06
  • 글/ 베르트랑 캄파니(Bertrand Campagnie) / 아나로그디바이스(Analog Devices, Inc.)




예측적 유지관리는 이상 징후를 미리 감지하고 필요할 때만 작업자가 개입하면 된다.
상태 기반 모니터링(CbM)을 통해서 기계 상태를 분석하기 때문에,
정해진 일정에 의해 관행적으로 진행하는 유지관리 시스템에 비해서 유지관리 비용을 크게 절감할 수 있다.


통상적으로 유지관리는 제조 비용에서 상당한 비중을 차지한다. 오늘날에는 산업용 IoT(IIoT)를 사용해서 기계 장비 상태를 모니터링함으로써 예측적 유지관리(predictive maintenance)가 가능해졌다. 고장 징후를 미리 감지하고 조치를 취함으로써 가동 비용을 크게 절감할 수 있다.

인더스트리4.0은 산업용 장비의 디지털화와 연결성을 이르는 것으로서, 산업 분야에 근본적인 변화를 일으키고 있다. 제조업체들은 맞춤화된 상품을 융통성 있게 생산할 수 있으며 수익성을 높일 수 있다. 유지관리에도 IIoT의 디지털화와 연결성을 활용할 수 있다. 마모된 부품을 일정한 주기로 교체하는 것이 아니라, 가속도계 같은 센서를 사용해서 기계의 작동 상태를 분석할 수 있다. 예측적 유지관리는 이상 징후를 미리 감지하고 필요할 때만 작업자가 개입하면 된다.

상태 기반 모니터링(CbM)을 통해서 기계 상태를 분석하기 때문에, 정해진 일정에 의해 관행적으로 진행하는 유지관리 시스템에 비해서 유지관리 비용을 크게 절감할 수 있다. 또한 조기에 문제를 감지함으로써 좀 더 여유있게 가동 중단을 계획할 수 있으므로 예기치 않게 생산 라인이 중단되는 상황에 비하면 엄청나게 유리하다.



진동 분석: 센서의 중요성


유지관리가 필요한지 여부를 판단하기 위해서 제조업체들은 진동, 소음, 온도 같은 파라미터들을 사용한다. 측정 가능한 다양한 물리적 특성 중에서 진동 스펙트럼 측정은 회전 기계 장치(엔진, 발전기 등)의 문제 원인을 파악하는 데 유용한 정보를 제공한다. 비정상적인 진동은 볼 베어링 결함, 회전축 정렬 불량, 과도한 느슨함 같은 것을 나타내는 징표일 수 있다. 이러한 각각의 문제들마다 특정한 증상을 나타낸다.



가속도계를 사용한 진동 측정


모니터링하고자 하는 장치 가까이에 가속도계를 설치해서 진동을 측정할 수 있다. 이 센서는 압전식이거나 좀더 발전한 MEMS 타입일 수 있다. MEMS 타입은 저주파수에서 응답 특성이 뛰어날 뿐 아니라 크기가 작다는 점에서 유리하다.

예를 들어 볼 베어링 결함의 경우, 안쪽 또는 바깥쪽 링의 크랙이나 결함 부위에 닿을 때마다 충격이 발생하므로 진동이 나타나거나 심하면 회전축이 이탈할 수 있다. 이러한 충격 주파수는 회전 속도와 볼 수 및 직경에 따라서 달라진다.



결함이 생기자마자 앞서 언급한 충격으로 인해 가청 잡음이 발생할 수 있다. 이것을 충격파라고 한다. 이것은 낮은 스펙트럼 성분과 흔히 5kHz 이상의 비교적 높은 주파수로 나타나며, 항상 기본 회전 주파수보다 훨씬 높다. 아나로그디바이스의 ADXL100x 같이 잡음이 낮고 대역폭이 높은 가속도계를 사용하면 결함 징후가 나타나기 시작했을 때 조기에 바로 포착할 수 있다. 이러한 가속도계를 사용하면, 속도가 느리거나 잡음이 높은 가속도계를 사용해서는 감지할 수 없는 것들까지 감지가 가능하다.

결함이 심화할수록 저주파 성분이 증가한다. 결함이 좀더 진행된 단계에서는 엔트리급 가속도계를 사용해서도 진동을 감지할 수 있다. 하지만 이 시점이 되면 문제가 상당히 심각해져 있을 것이고 유지관리 팀이 대처하기에는 시간이 촉박할 수 있다. 좀 더 여유 있게 대처할 수 있도록 시간을 벌기 위해서는 저잡음 고대역폭 가속도계를 사용해서 이상 징후를 조기에 감지하는 것이 중요하다.

아나로그디바이스는 ADXL100x 시리즈(ADXL1001/ADXL1002/ ADXL1003/ADXL1004/ADXL1005) 외에도, 기계상태 분석용으로 다양한 가속도계 제품을 제공한다. 좀 더 제한적인 대역폭으로 모니터링하고자 할 때는 ADXL35x 시리즈(ADXL354/ADXL355/ADXL356/ADXL357)가 낮은 잡음 수준(최저 20μg/√Hz, 1500Hz 대역폭)으로 사용하기에 적합하다. ADXL100x 시리즈가 아날로그 출력을 제공하는 것과 달리, ADXL35x 시리즈는 디지털 출력을 제공하므로 마이크로컨트롤러와 인터페이스를 간소화한다.

ADXL34x(ADXL343/ADXL344/ADXL345/ADXL346)나 초저전력 ADXL36x(ADXL362/ADXL363) 같은 엔트리급 컨수머용 가속도계 제품은 고품질 예측적 유지관리용으로는 대역폭이나 잡음 성능이 충분하지 않을 수 있다.

이러한 엔트리급 제품은 기존 장비의 진단 능력을 제한할 뿐 아니라 나중에 진단 솔루션을 개발할 때 데이터 활용을 크게 제한할 수 있다. 하지만 기계 장치 동작 측정용으로는 훌륭하게 쓰일 수 있다. 예를 들어 기계 작동 시간을 측정하고 이를 기준으로 유지관리를 하는 용도로 사용될 수 있다. 이들 가속도계 제품은 전력 소모가 극히 낮으므로 에너지 하베스트 기술을 활용하거나 배터리를 사용해서 작동할 수 있다.

기계 모니터링을 위해서 갑작스러운 충격만 측정하면 되는 경우라면 ADXL37x(ADXL372/ADXL375/ADXL377) 시리즈 제품을 사용할 수 있다. 충격은 장비 정확도나 작동에 있어서 이상을 나타내는 신호일 수 있으므로 유지관리를 실시해서 문제를 파악하고 조치를 취할 수 있다.



부품부터 통합 모듈까지 제공


앞서 언급했듯이 ADXL100x 시리즈는 넓은 대역폭과 낮은 잡음이 특징이다. 하지만 단일축 제품이라 부수적인 프로세싱 회로들이 필요하다. 이에 설계를 더 간소화할 수 있도록 아나로그디바이스는 3축 측정을 위한 턴키 솔루션으로서 ADcmXL3021을 제공한다. 이 3.3V 전원 제품은 ADXL1002를 기반으로 한 3개 측정 체인에 온도 센서, 프로세서, FIFO까지 통합했다.

이 모든 것들을 23.7mm x 26.7mm x 12mm 크기의 알루미늄 케이스에 포함하고 있으며, 회전 기계 장치에 바로 설치할 수 있다. ±50g의 풀스케일, 25μg/√Hz의 극히 낮은 잡음, 10kHz 대역폭 특성을 갖추고 있으므로 다양한 애플리케이션에서 진동 시그니처를 포착할 수 있다.

신호 처리 블록은 32가지 계수를 사용할 수 있는 설정가능한 FIR 필터뿐 아니라 축당 2048 포인트의 FFT 기능을 포함하므로 진동에 대한 스펙트럼 분석도 할 수 있다. 이렇게 계산된 스펙트럼의 각 주파수 레벨을 설정가능한 경보 임계값(축당 6가지)과 비교한다. 이 임계값을 넘어가면 경보음이 울린다. 또한 이 제품은 SPI 포트를 통해서 호스트 프로세서와 상호작용할 수 있다. 이를 통해 내부 레지스터에 접근할 수 있으며 평균 값, 표준 편차, 최대 값, 파고율, 첨도를 계산하는 것 같은 첨단 수학 함수를 포함한 다양한 사용자 설정가능 기능들을 사용할 수 있다.

스마트메시 네트워크 활용

진동 센서로부터 유지관리 데이터를 수집하는 데에는 무선 네트워크가 특히 유용하다. 산업용 환경에서는 속도가 빠르지 않아도 되지만 통신 성능은 확실해야 한다. 금속 구조물 같은 것들이 산재해 있어서 전송에 방해가 될 수 있기 때문이다. 또한 멀리 떨어져 있는 다수의 센서들로부터 데이터를 수집할 수 있어야 한다. 이러한 요구를 충족할 수 있는 것으로서 아나로그디바이스는 스마트메시(SmartMesh?) IP 산업용 메시 네트워크를 제공한다. 스마트메시는 장애물에 대한 강건성이 뛰어나고 전력 소모가 낮은 것이 특징이다.

특히 저전력 특성은 에너지 하베스트나 리튬 배터리 같은 다양한 전원을 사용해서 5년에서 길게는 10년까지 이르기도 하는 장비 수명 동안 교체 없이 작동하기 위해서 중요한 점이다. 6LoWPAN 표준(IEEE 802.15.4e)을 기반으로 하는 스마트메시 IP 네트워크는 IIoT 용으로 최적화되었으며 2.4GHz 전송에 기반한 고유의 프로토콜을 사용한다. 이 솔루션은 LTC5800 트랜시버나 사전 인증 받은 LTP590x 모듈을 채택하고 있어, 손쉽게 설치할 수 있다.

스마트메시는 다양한 기법들을 동원해 99.999% 이상의 전송 신뢰도를 보장한다. 동기화, 채널 호핑, 타임 스탬핑 같은 기법들을 사용해서 신호가 가장 강력한 RF 경로를 사용하도록 메시 네트워크를 역동적으로 재구성한다.



인공 지능 활용


진동 분석을 위한 기법들은 매우 다양하다. 자체적인 작동이나 다른 장치들로 인한 기생 진동을 제거하기 위한 디지털 필터링 외에도 평균, 표준 편차, 파고율, 첨도 계산 등 ADcmXL3021에 포함된 것과 같은 다양한 수학적 툴들을 사용할 수 있다. 분석은 시간 도메인으로 할 수 있으나, 이상 징후나 문제의 원인을 파악하기 위한 대부분의 정보를 얻을 수 있는 것은 주파수 분석이다. 때에 따라서는 신호 스펙트럼에 융합된 켑스트럼(cepstrum)을 계산할 수도 있다(신호 퓨리에 변환의 로그에 역 퓨리에 변환 적용). 어떤 분석 방법을 사용하든, 유지관리를 너무 일찍 하거나 또는 너무 늦게 하지 않도록 적정한 경보 임계값을 설정하는 것이 관건이다.

전통적인 방식으로 경보 임계값을 설정하는 대신에, 인공 지능을 활용해서 결함 식별을 할 수 있다. 먼저, 머신 러닝 단계에서 클라우드 자원을 사용해서 진동 센서로부터 수집한 데이터를 토대로 기준이 될 모델을 생성한다. 생성한 모델을 로컬 프로세서로 다운로드한다. 그리고 임베디드 소프트웨어를 사용해서 실시간으로 모니터링을 하고 이상 징후를 감지할 수 있다.

회전 기계 장비의 진동 원인

회전 기계 장비에서 흔히 결함이 발생될 수 있는 요인 중의 하나는 볼 베어링이다. 베어링 가까이에 설치된 가속도계로부터 측정된 데이터를 분석해보면 회전 속도나 결함 원인에 따라서 일련의 특징적인 선, 진폭, 주파수가 나타나는 것을 볼 수 있다.

그러한 특징적 주파수로서 다음과 같은 것들을 들 수 있다:



▶베어링 케이지의 회전 주파수:
▶외곽 링(고정) 결함과 관련한 주파수:
▶내곽 링(축) 결함과 관련한 주파수:
▶ 이러한 주파수 특성 외에도, 볼이 회전하면서 결함 부위에 닿을 때 발생하는 충격파로 인해 가청 주파수까지 이르는 높은 주파수(5kHz 이상)로 진동이 발생할 수도 있다.



새로운 서비스 가능


예측적 유지관리, 인공 지능, 클라우드를 활용하면 이전에는 할 수 없던 많은 새로운 것들을 할 수 있다. 진동 데이터를 압력, 온도, 회전, 전력 등 다른 센서들로부터 측정한 데이터들과 상관화 함으로써 단지 유지관리 목적만이 아니라 시스템 상태에 관한 훨씬 더 많은 정보를 얻을 수 있다. 기본적인 데이터들을 융합해서 장비 모델을 더 정교하게 하고 기계 결함 외에 프로세스 문제들도 감지할 수 있다. 이를 테면 컨베이어벨트가 비어 있다거나, 펌프에 액체가 흐르지 않고 있다거나, 믹서에 페이스트가 떨어졌다거나 하는 일들 말이다.

따라서 장비 제조사들은 생산라인의 상태와 문제를 감지할 수 있는 추가적인 서비스들을 장비에 포함할 수 있다. 평범한 전기 모터에도 센서 모듈을 탑재함으로써 빅데이터 용으로 중요한 역할을 할 수 있게 만들 수 있다.
 
저자 소개

베르트랑 캄파니(Bertrand Campagnie)는 아나로그디바이스에서 22년 넘게 재직 중이다. 전에는 애플리케이션 팀을 관리하는 직책을 맡았으며, 지금은 산업용, 의료용, 컨수머 분야의 전략적 고객들을 담당하고 있다. 스트라스부르그 국립 물리대학에서 공학사 및 마이크로일렉트로닉스 DEA(박사예비과정학위)를 취득했다. 문의: bertrand.campagnie@analog.com

 

<저작권자(c)스마트앤컴퍼니. 무단전재-재배포금지>

본 기사의 전문은 PDF문서로 제공합니다. (로그인필요)
다운로드한 PDF문서를 웹사이트, 카페, 블로그등을 통해 재배포하는 것을 금합니다. (비상업적 용도 포함)
 PDF 원문보기


  • 100자평 쓰기
  • 로그인

태그 검색
본문 검색
TOP