30개 시설의 머신 상태 모니터링을 위한 Duke Energy의 엔드 투 엔드 솔루션 구현 방법

줄거리

본 사례 연구에서는 기존의 월별 매뉴얼 데이터 수집 방식을 일별 원격 데이터 수집 및 모니터링 방식으로 대체한 Duke Energy의 사례를 소개합니다.

소개

1900년에 설립된 Duke Energy는 미국에서만 80기 이상의 발전소를 운영하며 29,000여 명에 이르는 직원을 고용한 미국 최대의 발전(發電) 기업입니다. 노스캐롤라이나주 샬럿(Charlotte)에 소재한 동사의 유틸리티 사업부는 52,700MW의 발전능력으로 갖추고 있으며, 미국 남서부 및 중서부 지역 6개 주(州)의 약 740만 명의 고객에게 전력을 공급하고 있습니다. 캐나다와 라틴 아메리카에도 재생가능에너지 자산 포트폴리오를 비롯한 다양한 발전 자산을 운영 중인 Duke Energy는 약 150만 명의 고객에게 천연 가스도 공급하고 있습니다.

Duke Energy를 비롯한 전력생산 기업들은 머신 상태를 일일이 모니터링해야 하는 고충을 안고 있습니다. 상태 모니터링은 비용 관리 측면에서나 장비 고장에 의한 정전 방지 및 가용성 제고 차원에서도 반드시 필요합니다. 데이터를 수동으로 수집하는 데에는 상당한 노동력이 소요됩니다. 루트 기반 모니터링 방식을 이용했던 Duke Energy의 예측 유지보수 전문가들은 각 데이터 수집 포인트를 직접 방문해서 수백 개의 데이터 샘플을 일일이 수집한 뒤, 이를 컴퓨터가 있는 사무실로 되돌아가 분석을 해야 했습니다.

Duke Energy에서 매월 거의 6만 건에 달하는 데이터를 수집하므로, 분석 담당자들은 업무 시간의 80%를 데이터 수집에 사용하고, 정작 데이터 분석에는 20% 정도 밖에 할애하지 못하는 경우가 대부분이었습니다. 이는 결국 데이터 수집을 위해 걸어다녀야 하는 노고는 차치하고서라도, 데이터 진단결과가 일관되지 않거나 위험 평가가 제한적인 문제로 이어졌습니다.

2010년 Duke Energy는 신뢰성 제고 요구에 대처하고 직원 업무를 최적화하기 위해 새로운 기술을 적용하기로 결정하고, 전사적으로 중앙 집중식 프로그램을 가동하기 시작했습니다. 우선 문제점 파악해주고 이를 담당자에게 통지해주는 기술을 도입하여 기존의 루트 기반 데이터 수집 방식을 대체하고자 했습니다. 이를 통해, 직원들이 부가가치가 높은 업무에 더 많은 시간을 할애하고, 장소와 상관없이 어디서든 업무에 임할 수 있도록 했습니다. 여러 해에 걸쳐 진행된 이 프로젝트를 위해 센서 추가는 물론, 아키텍처도 새로 설계하였으며, 기존 인프라를 보완할 신규 인프라도 추가했습니다.

솔루션

Duke Energy는 산업용 사물인터넷(IIoT) 및 빅데이터 분석의 요소기술을 이용해 이러한 문제를 해결하고자 관련 검토를 시작했습니다. 본 프로젝트를 위해 동사는 미국 전력연구소(EPRI), OSIsoft, InStep (현재 슈나이더 일렉트릭에 인수) 외에도 내쇼날인스트루먼트(NI)와 협업을 진행하였습니다. 주요 협업 분야는 사용자 정의 모니터링 및 진단 인프라와 차량/발전소 전체에 적용할 수 있는 ‘스마트 모니터링 및 진단(Smart M&D)’이었습니다.

미국 전력연구소는 IoT 관련 기술 및 솔루션 도입을 계획 중인 전력생산 기업들을 지원하기 위해 I4GEN(지능형 전력생산을 위한 정보 통합 및 인사이트 개발) 프레임워크를 도입했습니다. EPRI의 기업 지원은 개별적 지원이 아닌, 연구소와 협력기업 간의 전문지식 공유, 혹은 동종 전력생산 기업 간의 협업을 지원하는 방식으로 이루어집니다.



기술 투자 및 운영

본 프로젝트 진행 시, 온라인 센서, 인프라, 아키텍처 및 진단 어플리케이션 등의 설치 작업에 투자가 필요했습니다. 2012년 Duke Energy는 본 프로젝트를 지원할 용도로 신규 아키텍처를 구축하기 시작합니다.

동사는 네트워크에 연결된 호스트 컴퓨터에 실시간으로 데이터를 전송하기 위해, 임베디드 리얼타임 프로세서, 고성능 FPGA 및 핫스왑 가능한 I/O 모듈을 결합한 NI CompactRIO 플랫폼을 활용하였습니다. 수집된 센서 데이터는 NI CompactRIO 모니터링 시스템으로 전송되고, 여기서 유무선 방식으로 발전소 서버로 전송될 수 있도록 신호의 수집 및 처리가 진행됩니다.

NI CompactRIO는 이렇게 수집되는 다량의 아날로그 데이터를 이용해서 알람 기능을 구현하고 Duke에 데이타 전문가용 웨이브폼 분석 자료를 제공합니다. 동사는 또한 상태 모니터링 툴인 NI InsightCM™을 이용하여 데이터를 시각화하고 분석할 수 있었습니다. FPGA와 온보드 리얼타임 프로세서를 센서에 연결하면, 원시 아날로그 웨이브폼을 노드 자체에서 시스템의 “건강”을 표시하는 상태로 축소할 수 있습니다. 이렇게 하면 데이터 과부하 시 찾아내기 힘든 문제점 파악하느라 전문가들이 고생하는 일은 방지할 수 있게 됩니다.

NI InsightCM 소프트웨어는 보다 사용자 친화적인 데이터를 생성하고 기술팀 외 타부서에 의한 데이터 접근도 허용하는 중요한 툴로 사용되었습니다. 이러한 과정은 지금도 진행 중인데, 현재 Duke는 최종 사용자의 편의 증진을 위해 과거 방식을 버리고 신규 기술을 도입하는 작업을 지원하고 있습니다.

드라이브, 모터, 펌프, 기어 박스 및 팬과 같이 모니터링 기능이 더욱 제한적인 장비에는 센서가 추가로 설치되었습니다. 이미 센서가 장착된 머신의 경우, 감지 기능을 확장하는 데 주력했습니다. 예를 들어, 증기 터빈 발전기와 같은 고가의 머신에는 이미 고급 감지 기능이 탑재된 상태였습니다. 이러한 장비에 고장이이 날 경우 비용이 많이 들어 알람 기능이 꼭 필요하기 때문입니다. Duke Energy는 이러한 고가 장비에 데이터 캡쳐용 센서를 추가로 설치해, 더욱 정교한 진동도 모니터링할 수 있도록 지원했습니다. 덕분에 미래에 발생 가능한 고장도 더욱 잘 예측할 수 있게 되었습니다.

보유 설비 전체에 1만여 대 이상의 장비 자산을 보유한 Duke Energy는 해당 자산에 가속도계, 온도 센서, 윤활유 분석 센서, 열화상 카메라 및 근접 프로브를 포함한 3만 개 이상의 센서를 추가할 계획을 수립하였습니다. 추가로 설치된 센서 덕분에 진동, 온도 및 유압 모니터링 기능이 추가되었고, 발전기의 변압기, 용존 가스 및 전자기 신호원와 같은 기타 자산의 모니터링도 가능해졌습니다.

본 프로젝트 비용의 75%는 소프트웨어나 센서 부문이 아닌, 센서와 데이터 수집 컴퓨터의 연결 작업에서 발생하였습니다. 데이터 수집 시스템은 Duke Energy 시설 전반에 배치되어 있으며 최대 30개 또는 40개의 고정 센서에 연결할 수 있습니다. 센서와 로컬 데이터 수집 컴퓨터는 반드시 케이블로 연결되어야 합니다. NI 데이터 수집 디바이스에서 발생하는 신호는 Duke Energy 서버로 무선으로 전송됩니다.

진동 정보 수집 시, 초당 10,000~100,000개의 샘플을 수 초간 캡처해야만 머신 상태를 제대로 측정할 수 있습니다. 이렇게 많은 양의 데이터가 적절히 관리될 수 있도록, Duke Energy는 현장 플랜트 서버들을 적절히 조합해서 사용합니다. 모든 발전소는 다양한 소스의 데이터를 수집/저장/구성하는 자체 OSIsoft PI 서버를 갖추고 있습니다.

OSIosft 서버는 Duke의 ‘모니터링 진단센터’에 설치되어 있으며, 이 센터에서는 Instep의 패턴인식/예측 소프트웨어인 Prism(기계 솔루션용)과 GP Strategy의 열 조절 모니터링 소프트웨어인 EtaPRO를 사용하여 예상 동작과의 편차를 확인합니다. 모니터링 진단센터에는 이러한 소프트웨어 툴에 익숙한 5인으로 구성된 기술팀이 근무합니다. 기술팀 직원들은 알람 대시보드를 통해 예상치 못한 작동이 있었는지 여부를 확인할 수 있습니다.

실제로 비정상적인 부분이 있는지 그리고 추가 조사가 필요한지를 결정하기 위해 이 시점에서 조사 및 선별 작업을 진행할 수 있습니다. 비정상적인 부분에 플래그가 표시된 경우 담당자에게 통지해주는 표준 프로세스 이메일이 있습니다. 이메일은 그래픽 형태로 된 정보로 구성되며, 편차가 어디서 발생했는지 초기 진단결과에 대한 조언 등이 포함됩니다. 작업자는 이를 바탕으로 머신을 점검할 수 있습니다.

이러한 정보는 EPRI의 자산상태관리시스템으로도 전송 가능합니다. (여러 회사의) 실제 장비에서 수집되어 저장/누적된 EPRI 데이터베이스상의 기존 오류 데이터와 비교함으로써 문제점을 파악할 수 있습니다. 이후 EPRI는 Duke Energy에 NI InsightCM Data Explorer(측정 데이터를 신속하게 검색/검사/분석/보고할 수 있도록 설계된 엔지니어용 웹 기반 소프트웨어)를 이용해서 분석을 진행할 것을 통지할 수 있습니다.

현재 Duke Energy는 IT부서의 클라우드 사용을 허용하지 않기 때문에 내부 서버에 모든 데이터를 저장하고 있습니다. 현재까지는 이러한 방법으로 데이터 수집량에 대처해왔습니다.



DUKE ENERGY를 위한 결과

2017년 3월 기준, 현재까지 전체 30개 시설에 약 2,000대의 CompactRIO 시스템이 구축되어, Smart M&D 아키텍처로 관리되고 있습니다. 이러한 시스템이 구축된 발전소에서는 자동화된 데이터 수집 방식이 적용됩니다. 분석 담당자들은 업무 시간의 80%를 데이터 수집이 아닌 데이터 분석에 할애할 수 있게 되어 보다 강력한 분석이 가능해집니다.

지난 1년 간 Duke Energy 모니터링 진단센터에서는 Prism을 이용해 하루 평균 2건의 알림 메시지를 발송했고, 이 중 추가 조치가 필요한 경우는 4건 중 1건에 불과했습니다. 알림 메시지는 담당자가 최소 비용으로 장비 수리가 가능한 시기에 유지보수 일정을 잡을 수 있도록 스케쥴링 윈도우를 제공합니다(예: 공장 정비로 장비 다운 시 혹은 수요가 적은 시기).

머신은 몇 주 정도는 가동을 지속할 수 있으므로, 담당자는 그 동안 최소 비용으로 장비수리가 가능한 일정을 선택할 수 있습니다. Duke Energy의 경우, 베어링 결함이 발견된 발전기 한 대를 밀착 관리하면서 3주 정도 계속 가동시켰고, 그 사이 적절한 정비 일정을 조율한 바 있습니다.

동사는 매년 데이터 포인트 한 군데에서 4개의 리딩을 수집하던 방식을 버리고, 5초마다 리딩을 수집하는 방식으로 전환하였습니다. 추가된 데이터를 영원히 저장할 수 있는 것은 아닙니다. 보다 지능적인 스토리지 계획을 수립할 수 있도록, 데이터의 폐기 시기 및 폐기 데이터 유형을 결정할 수 있는 데이터 관리 프로토콜이 있습니다.

지난 4년간, Duke Energy는 장비 고장으로 인한 비용 소모를 예방함으로써, 지출 예산의 130%에 해당하는 비용을 절감하였습니다. 본 프로젝트 3년차부터 Duke Energy의 투자 회수는 확연이 나타나기 시작했습니다.

수동 데이터 수집 방식을 폐기함으로써 회사가 절감한 인건비 규모가 얼마나 되는지도 산출 중인 것으로 알고 있습니다. 시스템을 통해 데이터가 지속적으로 분석되므로, 작업자의 순회 점검 횟수는 크게 줄어든 반면 데이터 수집 빈도는 급격히 증가하였습니다. 이제 데이터를 월 단위로 수집할 필요가 없습니다. 하루에도 몇 차례씩 데이터가 수집되므로 매주 테라바이트 단위의 데이터가 누적되고, 이를 바탕으로 보다 자주, 일관되게 문제점을 파악하고 추적할 수 있습니다.

이러한 변화 덕분에 신뢰성을 개선하고 운영비용을 낮출 수 있었습니다. 분석력 역시 제고되면서 결과적으로 신뢰도 제고와 업무의 최적화를 향한 경영진의 요구에도 부응할 수 있었습니다.

문제점

이 솔루션을 진행하기까지 여러 가지 문제를 극복해야 했습니다. Duke Energy는 프로젝트 초기에 본 프로젝트를 단독으로는 쉽게 완성할 수 없음을 인지했습니다. 그래서 처음부터 NI 및 EPRI와 같은 기술 기업과 협업하면서 여러 어려움을 방지할 수 있었습니다.

“ 최대한 단순하게 만들어야 합니다. 너무 단순해서 금세 이해하고 판독할 수 있으면 고객은 제발로 찾아오게 되어 있습니다.”
Michael Reid - Duke Energy 기술 프로그램 총책임자

1 Duke Energy가 직면했던 문제 중 하나는 루트 기반 데이터 수집 방식으로만 업무를 해온 대다수의 직원들이 기존 방식을 버리고 신규 방식으로 받아들이고, 또 새로운 기술과 정보를 신뢰하도록 만드는 일이이었습니다. 예를 들어, 여전히 많은 작업자들이 데이터 기반의 경고 메시지를 수령한 후, 휴대용 디바이스를 가지고 직접 장비로 가서 수동 점검을 진행하고 있습니다. 결국 개선책으로 회사는 데이터의 시각화 부문에 대한 투자를 지속하고 있습니다.

2 회사가 직면한 또 다른 문제는 대량(1만 개 이상)의 고급패턴인식(APR) 모델이 실행되면서 알람의 발생량 또한 크게 증가한 일입니다. 이 문제에 대처하기 위해 Duke Energy는 알람 관리 및 우선순위 결정하기 위한 전략을 수립하고 있습니다. 자체적인 인력만으로 모든 모델을 분석하기는 쉽지 않기 때문입니다. 관리 차원에서 Duke가 적용하고 있는 방식 중 하나는 자산의 중요도에 기반한 우선순위 지정입니다.

3 회사는 이 솔루션이 적용되는 4개 지역에 리더들을 파견해서, 파견된 리더들이 측정 담당자들과 근무하면서 이들이 새로운 기술을 현장에 접목할 수 있도록 도왔습니다. 사람 1명이 필요한 모든 기술을 보유할 수는 없습니다. 그래서 시작 단계에서부터 OT 및 IT팀과의 협업이 중요했습니다. 하지만 이러한 협업으로 인해 간혹 OT 부서와 IT 부서 간에 상호 경쟁이 될 수 있는 우선순위(예산) 문제에서는 갈등이 발생하기도 했습니다. 이러한 경우 부서 간의 균형을 잡는 것이 아주 중요했습니다. 충분한 자금을 지속적으로 확보하기 위해서 회사 경영진의 지원 역시 중요했습니다.

4 본 프로젝트가 여러 시설에서 진행되면서, 담당팀은 스테이션별 각기 다른 요구사항에 부합하는 고유의 솔루션을 만들기 위해 개별 스테이션과 협업을 진행해야 했습니다. 협업 시, 공장 관리자들의 주요 고충과 우려를 토대로 이들을 설득하는 과정도 필요했습니다. 남은 문제 하나는 지난 몇 년 동안 공장 관리자가 바뀌어서 신규 채용인력에 대한 교육도 필요하다는 점입니다.

다음 단계

최근에 변압기 등을 포함한 추가 모니터링 대상 장비 목록을 완성한 Duke Energy는 올해 안으로 추가 센서 배치를 마무리할 예정입니다. 향후에는 무선 센서 사용을 늘려서 비용을 더욱 절감할 수 있을 것으로 기대하고 있습니다. 무선 센서를 설치하면 데이터 수집 시스템까지 케이블을 연결하는데 드는 높은 케이블링 비용을 아낄 수 있습니다.

앞으로 Duke Energy는 발생 가능한 문제를 미리 진단해 주는 툴 등을 활용하여 보다 실용적인 정보의 확보가 가능해질 것으로 기대하고 있습니다. 현재 적용 중인 예측 유지보수 솔루션에서 한 걸음 더 나아가, 문제점 진단뿐만 아니라 해결 방안도 제시하고자 합니다. 이렇게 해결방안을 제시하는 것은 관련 업계 전문 인력 확보가 점차 어려워지고 있는 점을 감안할 때 특히 중요합니다.