설비진단 진동전문가 자격증 (ISO 18436-2)

설비진단 진동전문가 자격증 (ISO 18436-2)

-------------------------------------------------------------------------------------

진동분석기법을 이용하여 기계가 아픈 곳을 추정하는 방법인 설비진단기술은 전문가가 되기 위해서 많은 경험과 지식을 가지고 있어야 한다. 자격을 취득하는 방법을 통해서도 많은 간접적인 지식을 쌓을 수 있다. 과거 및 현재에도 설비진단에 관련된 검사 및 관리도구인 진동 계측기를 제조하는 제조사를 중심으로 전문기술교육과정이 있었다. 그 전문성이 매우 높고 같은 목적을 가지고 있었으므로 ISO과 ASNT에서는 이러한 교육과정을 세분화하고 각 분야에 전문가의 인증을 위한 자격제도를 창출하였다. 대체로 4등급(4등급으로 갈수록 높은 수준의 기술력을 보유한 전문가)으로 분류하고 있으며 해당분야의 경력자가 공인된 훈련기관에서 일정기간 교육을 수료하였을 경우에 비로소 시험과정을 통해서 자격증(License)을 발급받을 수 있다. 대체로 하급과정의 자격증을 보유하여야 상급과정에 대한 시험을 볼 수 있는 제도이다.

ISO18436-2
(회전기계의 상태감시 및 진단관련규격을 위한 진단기술자의 자격인증제도에 관한 규격-진동분야)

유수한 설비진단 훈련 및 자격발행 및 인증기관은 미국의 Vibration Institute, TAC, Emerson, ASNT, Mobius가 있으며 미국은 ANSI에서 인정하고 있다. 일본은 일본기계학회에서, 영국에서는 영국비파괴연구소의 인정을 받은 RMS , 호주 및 싱가포르 등 전세계적으로 인증기관(Accredited Training Organization (ATO) and Approved Examination Centre (ATC))으로부터 자격이 발행되고 있다. 이는 자국 내에서도 활용되지만 해외에서 동일하게 활용할 수 있는 국제자격증이다. 국내에서는 소음진동공학회 산하 ‘설비진단자격인증원(사)’에서 훈련기관의 인정과 시험과 자격증 발행을 진행하고 있으며 국가인정기구(Korea Accreditation Board)로 부터 인정받고 있다.

 자격증 실전 예상문제---> https://contents.premium.naver.com/bisope/visope

​

국내에는 2007년부터 시작하여 2015년 현재 약 1200여명의 자격보유자가 있으며 국가자격증과는 아직 동등하지 않지만 공공기업에 입찰제한에 자격보유자 유무, 인원, 등급을 정하는 등 저변이 확대되고 있는 중이다. 자격증은 5년마다 갱신이 필요하며 동일업종에서 이탈될 경우, 재발행이 불가하다. 현재 자격시험 응시자와 보유자가 계속 증가추세이고 설비관리 및 전문분야에서 실제로 현업에 필요한 지식을 쌓을 수 있고 분명 즉시 해외에서 통용되는 자격증이므로 미래는 밝을 것으로 예상된다. (매년 5월, 11월 시험).

자격증 실전 예상문제---> https://contents.premium.naver.com/bisope/visope

키워드	PDM, 예지보전, 설비진단, 진동자격, 기계진단, 설비진단자격, ISO18436, 진동분석

 

 

47 TBM의 장점과 CBM의 장점시간기반개념과 상태기반개념의 보전엔지니어링

TBM의 장점과 CBM의 장점(시간기반개념과 상태기반개념의 보전엔지니어링)

--------------------------------------------------------------------------------

설비가 고장이 발생하기 전에 사전에 수행하는 보전기법(유지보수 정비방법) 중에서 가장 많이 사용하는 기법은 '시간기반유지보수(Time Based Maintenance)'와 '상태기반유지보수(Condition Based Maintenance)'가 있다. 대체로 'TBM'만 사용하는 업종과 기업이 있고 'TBM'과 'CBM'을 같이 혼용하는 기업이 있을 수 있으나 'CBM'만 운용하는 분야는 매우 드물다. 그 만큼 시간기반개념의 사전정비는 중요한 과정이다.

TBM, CBM

TBM은 PM(Planed Maintenance)정비 중의 하나로써 예를 들어 1년에 한 번, 주행2백만km이후, 3만 가동시간 이후 등으로 최소한의 정비가 요구되는 기간 또는 최적의 재정비 기간을 정하는 정비계획 개념을 의미한다. 이 것은 대체로 생산지원팀, 공무팀, 정비팀 등에서 계획하고 가장 생산이 지장을 받지 않는 시간대를 정하여 대정비 또는 경시정비를 수행하게 된다. 정비주기는 산업공학적인 통계를 기반으로 가장 최적의 효율을 내는 계획을 세우며 비록 불필요한 정비가 있을 수 있지만 설비가 정상적인 안정적인 가동상태를 재확인해 볼 수 있다는 측면에서도 매우 중요하다.

그러나 설비의 재 시운전시에는 처음 설비를 도입했을 때처럼 불안정한 안정화가 필요하고 정비의 수준과 매뉴얼의 완성도에 따라서 좋지 않은 순간을 경험하기도 한다. 

그래서 가장 좋은 방법은 가급적이면 주기적인 정비를 제한하고 상태(Condition)을 보면서 주정비기간을 별도로 정하고 필요한 부분만 정돈하는 개념이 필요하게 된 것이다. 이것이 바로 상태기반, 예지보전의 개념인데 이러한 PdM(Predictive, 예지보전), 상태기반정비(CBM)는 많은 장점을 가지고 있는데 특히 그 효과는 고장방지에 의한 생산이득(정상생산, 유지비용감소)이 큰 비중을 차지하게 된다.

그러나 위의 시간보전과 상태보전, 이 두 가지 예방정비기법들은 한가지를 선택하는 것이 아닌 서로 융합하여 서로의 취약점을 보완하는 것이 가장 좋은 방법이고 진정한 효과를 내는 예방정비라고 하겠다. 실제로 최적의 효율을 내는 대규모 공장에서 채택하고 있는 방법이 이렇다.

관련 Tag

PDM, 예지보전, 메인트넌스. 설비보전, 예방보전, maintenance, repair, 정비, TBM, CBM

All copyright  한국CBM(주)  written by BISOPE

 

[한국CBM(주)-진단모니터링 - 홈] 상태측정분석, 특성화 모니터링시스템, CBM진동...

분석진단(진동소음)기술컨설팅+CBM모니터링시스템+교육

www.kCBM.kr

#PDM, #예지보전, #메인트넌스., #설비보전, #예방보전, #maintenance, #repair, #정비, #TBM, #CBM, #진동교육, #기계진동문제, #trouble shooting, 

24 Maintenance의 분류사후보전, 예방보전, 예지보전

Maintenance의 분류(사후보전, 예방보전, 예지보전)

-------------------------------------------------------------------

기업은 이윤을 목적으로 하기 때문에 세부의 분야가 범주의 목적에 속해있어야만 업무로 진행할 수 있다. 메인트넌스(Maintenance, 보전)는 설비의 가동수명을 늘리는 엔지니어링으로 상위적인 개념의 보수(Repair)로 불리기도 한다. 메인트넌스는 자산모니터링(Asset monitoring)을 하는 것을 보면 알 수 있듯이 기업의 이윤을 늘리는 매우 중요한 프로세스로서 초기시설투자는 크게 줄고, 인력은 최소화 및 노령화가 되는 현실에서 보면 기존설비의 최장, 최적운용이 제 2의 이익창출이 되는 것이다​

.

Maintenance (보전 엔지니어링)

정비(maintenance)는 설비를 운전이 가능한 상태로 항상 유지하고, 고장(Failure)이나  결함(Fault) 등을 회복하기 위한 조치 및 활동을 말한다.  이 중에서 예방과 사후, 그리고 시간계획보전(TBM)과 상태감시예지보전(PdM)에 대해서 구분하여 정리하면 다음과 같다.

 

예방 정비(Preventive maintenance PM) - 설비의 고장 발생을 미연에 방지하기 위해 수행

사후 정비(Breakdown maintenance BM) – 고장발생 후에 설비를 정상상태로 복구시키기 위해 수행

 

예방 정비(Preventive maintenance PM)의 분류

시간기반정비(Time Based Maintenance TBM) – 가동 시간 등을 기초로 정비,시간계획정비(Time Scheduled Maintenance)라고도 한다. (예방 정비 간격)

 

▪보수 후의 설비 가동에 의해 일시적으로 고장률이 상승한다.

▪과잉정비(Over Maintenance)가 될 확률이 높다.

▪정기 보수를 위한 설비 정지에 의해 생산성이 저하된다.

 

상태기반정비(Condition Based Maintenance CBM) – 설비상태를 기초로 정비, 예지 정비 (Predictive Maintenance PdM)라고도 한다. (ISO13372:2004)

 

▪정기적으로 수행하는 것은 보수가 아니고 운전 중의 상태감시이며, 보수는 상태감시 결과 열화가 진행되었다고 판단될 때 수행된다.

▪정기적인 상태 감시에 의해 열화가 진행되지 않다고 판단된 설비는 그대로 운전이 지속된다.

 

그러나 위의 두 가지 예방정비는 어느 것이 반드시 좋아서 한가지를 선택하는 것이 아닌 병행하여 서로의 취약점을 맞추어야만 사후정비를 수행하지 않는 진정한 예방정비를 할 수 있다고 하겠다.

키워드	PDM, 예지보전, 메인트넌스. 설비보전, 예방보전, maintenance, repair, 정비

 

All copyright  한국CBM(주)  written by BISOPE , vs72@naver.com, 070-4388-0415,  www.kCBM.kr 

[한국CBM(주)-진단모니터링 - 홈] 상태측정분석, 특성화 모니터링시스템, CBM진동...

분석진단(진동소음)기술컨설팅+CBM모니터링시스템+교육

www.kCBM.kr

빅데이타와 빅시그널의 차이

빅데이타와 빅시그널의 차이

------------------------------------------------------------------------------------

우리가 사용하는 기본적인 데이터는 상상하기에 볼 수 있는 현실적인 외형을 꼽는다면 엑셀스프레드시트에 나열된 난수표 또는 시간 및 공간 등에 관한 결과들일 것이다 그러나 엑셀은 연산하고 저장하기에 최대한계가 있는 데이터 창고이고 그 보다 많은 수의 데이터 모음을 ‘빅데이터, big data)’라고 하며 그 데이터를 운용하고 계산하는 S/W도 별도로 있다. 그런데 인공지능의 결과물을 위한 연료로 사용되는 빅데이타와 빅시그널은 구분해야한다. 그 차이를 생각해 보았는가?

 

Big data & Big signal

빅데이타는 인구, 교통, 날씨, 경제, 사고, 재난, 역사 등의 자료를 모집한 큰 자료로서 통계적 흐름을 판단하고 최종적으로 결정적인 판단을 할 수 있는 용도로 사용되며 멀리는 인공지능에 요구되는 핵심적인 두뇌학습에 근간이 되는 경험자료로 볼 수도 있다. 그런데 ‘1/n초’단위로 흐르는 시간에 대한 물리량의 데이터(진동, 소음, 온도, 압력, 유량 등)도 빅데이타라고 불러야 할까?

많은 사람들, 심지어 인공지능 관련 과학자들도 잘 구분하기 어려운 것이 이 것이다. 이 물리량의 데이터는 통계적인 결과나 패턴의 흐름을 판단하기 위한 결정적인 자료로 활용하기에는 결과가 너무 순간이며 너무나도 벅찰 만큼 많다. 이 것은 빅데이타가 아닌 빅시그널(Big signal)로 불러야 한다고 생각한다. 우리는 이 빅시그널에서 원하는 결과를 얻을 수 있는 어떤 특징(Featuring)을 찾아야 하는데 그 특징은 어떤 구분자(패턴분석 또는 정량분석을 위한 경계설정, threshold)를 통한 개별적 결과들을 모두 모아서 비로소 저장하면 이 것을 ‘빅데이타’로 부른다. 이 것을 기본으로 탑재된 자동분석을 이용하는 것이 바로 인공지능이라 할 것이다.

즉, 다시 설명하면 인공지능은 빅데이타가 필요하며 빅데이타는 빅시그널을 분석한 결과들이고 빅시그널은 순간적인 디지털 물리량으로 설명하는 것이다. 이 것을 구분하는 이유는 간단하다. 이러한 빅사이즈 시그널은 특징을 분석하거나 구분자가 없으면 직접 빅데이타로 옮기지도 못하고 장기간 저장도 하지 못하며 쓸모가 없는 데이터인 단순한 시그널이기 때문이다.

요리하지 않은 재료는 먹을 수 없다는 것을 예를 들어 비교해 본다.

관련 Tag

PDM, 예지보전, 설비진단, 진동, 기계진단, 인공지능, 기계학습, 딥러닝, 빅데이타, 빅시그널

All copyright  한국CBM  written by BISOPE , vs72@naver.com, 070-4388-0415,  www.kCBM.kr

빅시그널과 빅데이터 그리고 인공지능

빅시그널과 빅데이터 그리고 인공지능

-----------------------------------------------------------------------------------

최근 산업동향, 설비진단 및 예지보전 분야에서도 주인공이 되고 있는 인공지능(AI)은 많은 데이터와 그 학습의 결과를 기반으로 하고 있다. 정답과 오답을 구분하는 정도가 아닌 정답/오답이 없이 스스로 결과를 예측하는 학습인 딥러닝(Deep learning)기법도 폭발적으로 연구되고 있다. 그런데 신호(signal)를 데이터로 분리해 내는 과정에서 너무나도 많은 이들이 신호자체를 마치 데이터인량 착각하고 있다. 다음은 인공지능으로 파악할 수 있는 현실적 수준의 신호 또는 데이터를 각 단계에서 구분하여 자칫 혼동하기 쉬운 본인의 전문분야를 명확히 하는데 도움이 되고자 정리된 자료이다.

Big signal & big data & AI & Robot

우선 ‘빅시그널’이라는 말은 여기서 처음 사용하며 정의되지 않았으나 빅데이타를 포함한 위의 네 가지 단어를 예로 표현하여 이해해보도록 다음의 실사례로 구분하였다.

1.     로봇에 센서를 장착하여 구조를 이동이나 정지작업을 수행한다.

2.     센서는 아날로그 신호를 측정하고 전문가 특성화 알고리즘이 장착된 DAQ를 통해서 디지털데이타로 거듭난다.

3.     여기서 DAQ는 적절한 샘플링을 통해서 신호를 디지탈화한다. 이 때 각종 특성화 파라미터를 추출할 알고리즘을 초당 데이터로 만든다.

4.     나노~초당 데이터~는 한 화면에 연산이 가능한 블록사이즈와 평균화를 통해서 보통의 waveform을 만든다.

5.     Waveform에서 초~수초~수시간이상의 자료를 다시 평균화하는데 이 것이 Trend이며 예측수준의 그래프가 된다. 이 것을 빅데이타로 보고 그 이전은 ‘빅시그널’로 보는 것이 옳다.

6.     인공지능은 센서에서 들어오는 실시간 신호를 직접 데이터화하여 분석할 능력이 없으므로 위의 5번 단계에서 데이터를 만들어 놓고 학습해야 한다.

7.     즉 인공지능은 다음의 두 가지에서 활약할 수 있는데 위의 5번단계에서의 빅데이타의 추이를 통한 ‘고장예측’과 3번 단계에서 빅시그널에서 이상패턴을 분류화하는 ‘특성화 알고리즘’을 찾는 것이다.

8.     그리고 이 AI가 장착된 시스템을 로봇에 탑재할 수 있다.

정리하면 실시간 데이터를 통해서 많은 결과를 유추해 낼 수 있으려면 다음의 전제조건을 갖추어야 한다.

첫째, 수많은 시그널(Raw date) 중에서 빅데이터로 패턴을 정리하는 능력이 가능해야 한다.

둘째, 빅데이터(Trend, Scattering)를 통해서 고장시점을 분류해 내는 능력이 있어야 한다.

주제에서 약간 벗어난 이야기이지만, 그 다음에 이루어지는 것이 인공지능의 판단에 대한 권리 부여이다. 이제까지 좋은 결과나 최종적인 판단을 위한 결정적 조치는 수행할 수 있으나 과연 최종판단도 인공지능에 맡겨야 할지는 모든 사람들이 생각하고 있어야 할 것이다. 왜냐하면 그 때는 사람이 필요 없기 때문이다.

All copyright 한국CBM(주) written by BISOPE , vs72@naver.com, 070-4388-0415, www.kCBM.kr

관련 Tag

PDM, 예지보전, 설비진단, 진동, 기계진단, 인공지능, 기계학습, 딥러닝, 빅데이타, 빅시그널

진동과 기계의 상태

진동과 기계의 상태

-----------------------------------------------------------------------------------

사람에게서 측정한 체온이 지나치게 높다거나 낮다면 누구라도 지금 몸이 좋지 않다는 것을 동감한다. 이 전제는 과학을 알지 못해도 오랫동안 수많은 결과를 통해서 학습해 왔기 때문에 당연하다고 생각한다. 어떤 청강생이 질문을 하였다. 중급연구원으로 보였는데 처음 듣는 참신한 생각이었다. “진동이 높으면 기계의 상태가 나쁜가요? 왜 그런 전제가 당연하다고 하시나요?” 옆에 있던 다른 모든 청강생들도 그를 이상하게 보았지만 나는 “진동도 온도처럼 상태를 표현한다”라고 에둘러 대답할 수 밖에 없었다.

진동신호에는 기계의 상태가 포함되어 있다.

진동으로 설비진단을 수행하는 저명한 전문기업체의 기본교제의 제일 앞장에는 이런 말이 적혀있다. ‘당신이 지금 기계로부터 측정하는 진동신호에는 기계의 모든 결함신호를 내포하고 있습니다. 이 신호를 잘 분석하면 기계가 어디가 아픈지 알 수 있습니다.’

기계로부터 측정한 온도가 평상시보다 높거나 지나치게 많이 상승하면 설비의 결함으로 판단하고 그 원인을 파악하기 위해서 많은 검토를 수행한다. 그런데 이 것은 회전하는 기계이건 회전하지 않는 기계이건 간에 동일한 예측과 현상의 검토가 당연하다. 왜냐하면 열을 표현한다는 것은 반드시 마찰로부터 출발하지 않더라도 열의 이동이 당연할 수 있기 때문이다. 여기서 온도는 정적현상과 동적현상에서 모두 관찰 될 수 있다는 것을 알 수 있다. 그런데 진동과 소음은 이와 달리 반드시 움직여야(동적현상) 신호가 발생한다. 즉, 진동은 시간에 따른 변동이 있는 힘을 가하고 물체나 공간이 구성하고 있는 강성과 질량에 달리 반응하는 것을 읽는 현상이다. 움직이지 않아도 된다는 다양한 물리적인 현상에 대해서 판단한다면 온도가 더 강력한 상태량이지만, 온도는 진동에 비해서 예측하거나 짐작하기에는 너무 늦고 자세하지 못한 점이 있다.

진동신호가 포함하는 기계의 상태는 ‘충격과 마찰’과 관련이 있다. 고체와 고체의 마찰(베어링, 기어 등), 고체와 기체에서 발생하는 힘의 불평형이나 마찰의 정도는 진동소음으로 측정되고 온도보다 더 자세한 신호의 원인분석의 근거가 되며 기계의 상태를 추정하며 수명을 예측할 수 있도록 한다. 추가로 진동의 용도가 부러지거나 파손되기 전의 위험의 상태를 이야기하거나 생산을 지속하지 못하는 상태를 미리 방지할 수 있는 곳으로 까지 쓰이기 시작하면서부터 중요한 상태진단요소가 되었다. 무엇보다도 진동은 온도처럼 하나의 값이 아닌 여러 가지 특성의 합으로 분리되었고 이를 수없이 다양하게 분리해 낼 수 있기 때문에 연구하고 학습하고 계측하고 진단하는 것이다.

이제 다시 한번 이야기 한다. ‘ 움직이고 있는 기계의 상태는 진동으로 판단할 수 있다. 

All copyright  한국CBM(주)  written by BISOPE , vs72@naver.com, 070-4388-0415,  www.kCBM.kr

키워드	PDM, 예지보전, 설비진단, 진동, 기계진단, 진동분석, 진동결함, 상태진단, CBM

TBM의 장점과 CBM의 장점(시간기반개념과 상태기반개념의 보전엔지니어링)

TBM의 장점과 CBM의 장점(시간기반개념과 상태기반개념의 보전엔지니어링)

-----------------------------------------------------------------

고장이 발생하기 전에 사전에 수행하는 보전기법(정비방법) 중에서 가장 많이 사용하는 기법은 시간기반개념(Time Based Maintenance)와 상태기반개념(Condition Based Maintenance)이다. 대체로TBM만 사용하는 업종과 기업이 있고 TBM과 CBM을 같이 혼용하는 기업이 있을 수 있으나 CBM만 운용하는 분야는 매우 드물다. 그만큼 시간기반개념의 사전정비는 중요한 과정이다.

TBM, CBM

TBM은 PM(Planed)정비 중의 하나로써 예를 들어 1년에 한 번, 주행2백만km이후, 3만 가동시간 이후 등으로 최소한의 정비가 요구되는 기간 또는 최적의 재정비 기간을 정하는 정비계획 개념으로 활용된다. 이 것은 대체로 생산지원팀, 공무팀, 정비팀 등에서 계획하고 가장 생산이 지장을 받지 않는 시간대를 정하여 대정비 또는 경시정비를 수행하게 된다. 정비주기는 산업공학적인 통계를 기반으로 가장 최적의 효율을 내는 계획을 세우며 불필요한 정비가 있을 수 있지만 설비가 정상적인 안정적인 가동상태를 재확인해 볼 수 있다는 측면에서도 중요하다.

그러나 재 시운전시에는 처음 설비를 도입했을 때처럼 안정화가 필요하고 정비의 수준과 매뉴얼의 완성도에 따라서 좋지 않은 순간을 경험하기도 한다. 그래서 가장 좋은 것은 가급적이면 주기적인 정비를 제한하고 상태(Condition)을 보면서 주정비기간을 별도로 정하고 필요한 부분만 정돈하는 개념이 필요하게 된 것이다. 이러한 PdM(Predictive), 상태기반정비는 많은 장점을 가지고 있는데 특히 그 효과는 고장방지에 의한 생산이득(정상생산, 유지비용감소)이 큰 비중을 차지하게 된다.

그러나 위의 두 가지 예방정비는 한가지를 선택하는 것이 아닌 조합하여 서로의 취약점을 맞추는 것이 가장 좋은 방법이고 진정한 효과를 내는 예방정비라고 하겠다.

All copyright  한국CBM(주)  written by BISOPE , vs72@naver.com, 070-4388-0415,  www.kCBM.kr

관련 Tag

PDM, 예지보전, 메인트넌스. 설비보전, 예방보전, maintenance, repair, 정비, TBM, CBM