엑셀, 종이 대장, 담당자 메모로 흩어진 이력을 같은 항목(설비명, 발생일시, 증상, 원인, 조치, 정지 시간)으로 통일합니다.
진동, 온도, 전류, 가동 시간처럼 고장과 관련 있는 신호를 지금 수집할 수 있는지 설비별로 조사합니다.
고장 시점만 기록해서는 비교할 대상이 없습니다.
예방보전 주기, 사후보전 기준, 예지보전으로 넘길 대상 설비를 구분해 문서화합니다.
예지보전 도입 문의는 대부분 "AI로 고장을 미리 알고 싶다"로 시작합니다. 그런데 정작 확인해 보면 지난 1년간 고장이 몇 건이었는지, 어떤 부품이 원인이었는지조차 표로 정리돼 있지 않은 경우가 많습니다.
예지보전 모델은 고장 사례와 정상 상태를 구분할 수 있는 데이터가 있어야 학습할 수 있습니다. 데이터가 없는 상태에서 AI부터 들이면, 모델이 아니라 데이터 수집에 프로젝트 기간 대부분을 쓰게 됩니다.
설비보전(CMMS) 데이터를 먼저 구조화하는 것이 예지보전보다 앞선 단계입니다. 이 구조가 잡히면 예지보전은 그 위에 자연스럽게 얹힙니다.
순서를 지키는 것이 각 단계의 완성도보다 중요합니다.
엑셀, 종이 대장, 담당자 메모로 흩어진 이력을 같은 항목(설비명, 발생일시, 증상, 원인, 조치, 정지 시간)으로 통일합니다. 형식이 다르면 나중에 합칠 수 없습니다.
진동, 온도, 전류, 가동 시간처럼 고장과 관련 있는 신호를 지금 수집할 수 있는지 설비별로 조사합니다. 통신이 없으면 외부 센서 부착 여부를 함께 검토합니다.
고장 시점만 기록해서는 비교할 대상이 없습니다. 정상 가동 중 신호 범위를 일정 기간 쌓아 기준선으로 삼아야 이상 징후를 구분할 수 있습니다.
예방보전 주기, 사후보전 기준, 예지보전으로 넘길 대상 설비를 구분해 문서화합니다. 모든 설비를 한 번에 예지보전으로 옮기지 않습니다.
상담에서 반복해 확인되는 패턴입니다.
신호는 쌓이는데 비교할 고장 기록이 없으면 무엇이 이상 징후인지 판단할 기준이 없습니다. 이력 정리가 항상 먼저입니다.
고장 빈도가 높고 정지 손실이 큰 설비 한두 종부터 검증하는 편이 데이터도 빨리 쌓이고 효과도 먼저 보입니다.
퇴사나 인수인계 과정에서 근거가 함께 사라집니다. 정비 이력은 개인이 아니라 시스템에 남아야 데이터로 쓸 수 있습니다.
설비 상태와 계절, 부하는 계속 바뀝니다. 초기 경보 기준을 운영하며 실제 오탐·미탐 결과로 주기적으로 조정해야 합니다.
착수 전에 아래 항목이 채워져 있는지 확인하세요.
제품 없이도 절차는 동일합니다. 아래는 각 단계를 줄여 주는 도구입니다.
검토 단계에서 자주 확인하는 내용입니다.
고장 건수가 적으면 통계적 예측보다 임계값 기반 이상 감지부터 시작하는 편이 현실적입니다. 이력이 쌓이는 대로 점진적으로 정교화합니다.
가능은 하지만 고장·정비 이력을 어딘가에는 구조화해 쌓아야 하므로 결국 CMMS가 하는 일을 별도로 만들게 됩니다. 함께 설계하는 편이 효율적입니다.
설비와 고장 유형마다 다릅니다. 정상 구간 데이터를 먼저 충분히 쌓고, 고장 사례가 확보되는 대로 점진적으로 모델을 고도화하는 방식을 씁니다.
있습니다. 고장 이력과 정비 기록만 표준화해도 반복 고장 원인 파악과 예방보전 주기 조정에 바로 도움이 됩니다. 예지보전은 그다음 단계입니다.
설비 구성과 현재 업무 흐름을 확인하면 절차를 현장에 맞게 조정할 수 있습니다.
상담 신청하기