내부 전압 기반 설비 모니터링
설비 내부 전압을 읽으면,
모터의 이상 징후가 보입니다.
설비가 움직일 때마다 내부 전압에는 동작 기록이 남습니다. 이 전압을 기록하고 분석해 사이클 시간의 변화와 파형 이상을 찾아냅니다.
도입 상담 안내- 동시 기록
- 8채널
- 샘플링
- 약 6,000회/초
- 1시간 측정
- 2,160만행 처리
- 외부 전송
- 0건
고장 전에 나타나는 변화는 작고, 사이클 사이에 숨어 있습니다.
설비가 수천 번 같은 동작을 반복하는 동안 생기는 몇십 밀리초의 지연은 현장에서 눈으로 알아채기 어렵습니다.
내부 전압을 사이클 단위로 나누어 비교하면, 어떤 사이클이 언제부터 평소와 달라졌는지 숫자와 파형으로 확인할 수 있습니다.
분석 방식
-
01
전압 기록
축 구동, 모터, 장력 등 설비 내부의 전압을 로거로 8채널 동시에 기록합니다.
-
02
사이클 분리
측정 데이터에서 반복 주기를 자동으로 찾아 동작 사이클을 하나씩 나눕니다.
-
03
이상 판정
기준 사이클과 비교한 규칙 판정에 머신러닝 이상 탐지를 더해 사이클마다 결과를 냅니다.
-
04
추세 확인
측정 회차별 기준 시간과 이상 비율을 이어 보며 설비 상태의 변화를 살핍니다.
찾아내는 이상
| 판정 | 의미 | 의심해 볼 원인 |
|---|---|---|
| 지연 | 사이클이 기준보다 길어짐 | 모터 부하 증가, 속도 저하 |
| 단축 | 사이클이 기준보다 짧아짐 | 동작 누락 |
| 패턴 불일치 | 시간은 맞지만 파형 모양이 평소와 다름 | 해당 축의 기계적·전기적 이상 |
| ML 이상 | 규칙으로는 정상이지만 전체 분포에서 벗어남 | 복합적인 변화의 초기 신호 |
머신러닝
불량 데이터를 미리 모으지 않아도 시작할 수 있습니다.
머신러닝 모델은 해당 설비의 측정 데이터에서 평소 동작을 스스로 파악하고, 여기서 벗어난 사이클을 골라냅니다. 고장 사례를 쌓아 학습시키는 과정이 필요 없어, 새로 측정한 데이터로 바로 분석할 수 있습니다.
결과는 이렇게 확인합니다
- 대시보드측정별 기준 사이클 시간과 이상 비율의 장기 추이
- 전체 파형8채널을 같은 시간축에서 확대하며 원본 해상도로 확인
- 사이클 분석시간 추이, 분포, 판정 비율, 히트맵
- 내보내기사이클 표와 보고서를 파일로 저장해 공유
데이터는 고객사 PC 안에 머뭅니다.
가져오기부터 분석, 저장까지 모든 처리가 설치된 PC에서 이루어집니다. 측정 데이터를 외부 서버로 보내지 않습니다. Windows와 macOS를 지원합니다.
우리 설비에도 적용할 수 있을까요?
설비 종류와 측정하려는 구동부를 알려 주시면 적용 가능 여부를 함께 검토해 드립니다.