BMW 그룹 레겐스부르크 공장, 혁신적인 예측 정비 시스템 도입

BMW 그룹 레겐스부르크 공장은 예기치 않은 생산 중단을 방지하고 차량 생산 흐름을 최적화하는 것을 목표로 하는 획기적인 스마트 분석 시스템을 통해 조립 라인 효율성에서 새로운 기준을 제시하고 있습니다. 

최첨단 예측 유지보수 솔루션은 인공지능(AI)을 활용하여 장비의 잠재적 결함을 사전에 식별dent해결함으로써 생산 가동 시간을 크게 향상시키고 비용을 절감합니다.

BMW 그룹 레겐스부르크 공장의 스마트 모니터링 시스템은 차량이 이동식 적재 캐리어 또는 스키드 시스템에 장착되는 조립 공정에 초점을 맞추고 있습니다. 이러한 캐리어는 생산 공장을 일렬로 이동하며, 컨베이어 시스템에 기술적 결함이 발생하면 조립 라인이 중단되어 유지 보수 노력과 비용이 증가할 수 있습니다. 

이러한 문제를 해결하기 위해 BMW의 혁신팀은 조기 결함 감지 시스템을 개발하여 생산 중단을 방지했습니다.

놀랍게도, 이 모니터링 시스템은 설치된 구성 요소와 컨베이어 요소 제어에서 얻은 기존 데이터를 활용하여 추가 센서나 하드웨어가 필요 없습니다. 전력 소비 변동, 컨베이어 움직임 불규칙성, 바코드 판독 가능성 등 다양한 데이터 포인트를 능동적으로 평가하여 이상 징후를dent합니다. 

이러한 이상 현상이 감지되면 유지보수 통제 센터에 즉시 경보가 전송되어 문제를 신속하게 해결할 수 있습니다.

프로젝트 관리자 올리버 므라섹은 시스템의 지속적인 운영을 강조하며, "저희 관제 센터의 감시 모니터는 24시간 내내 가동되어 모든 종류의 고장 보고에 신속하게 대응하고 해당 차량을 운행 주기에서 제외할 수 있습니다."라고 말했습니다

구현 방식: AI 기반, 표준화된, 비용 효율적

예측 정비는 단독 솔루션이 아니라 협력적인 노력의 결과입니다. BMW 그룹의 중앙 생산 현장 관리 부서 및 기타 공장과의 협력을 통해 시스템을 표준화함으로써 전 세계 BMW 그룹 사업장에 신속하게 도입할 수 있습니다. 

주목할 만한 장점은 비용 효율성입니다. 추가 센서가 필요하지 않으며, 비용은 저장 공간과 컴퓨팅 성능에만 국한됩니다.

자체 개발한 머신러닝 모델이 시스템에 통합되어, 다양한 구성 요소의 고장 패턴을 시각화하기 위해 서로 다른 색상 코드를 사용하는 히트맵을 활용합니다. 이러한 시각적 표현을 통해 유지보수 기술자는dent된 문제에 정확하게 대응할 수 있습니다.

이 시스템의 성공은 지속적인 개선 노력에 힘입은 바가 큽니다. 현재 팀은 추가 설치 연결, 시스템 최적화, 그리고 오류 메시지에 권장 조치 사항 통합을 통해 시스템 기능을 확장하고 있습니다. 이러한 개선 사항은 시스템에서 발생했던 유사한 문제를 강조 표시하여 유지보수 기술자의 문제 해결을 간소화하는 것을 목표로 합니다.

팀의 데이터 과학자인 데니즈 인체는 최적 예측 정비의 더 넓은 이점을 강조하며 다음과 같이 말했습니다. "최적 예측 정비는 비용 절감뿐만 아니라 계획된 수량의 차량을 제때 납품할 수 있도록 해주어 생산 과정에서 발생하는 스트레스를 크게 줄여줍니다."

향후 목표: 예측 가능성 및 특허 강화

BMW 그룹 레겐스부르크 공장은 데이터 기반 컨베이어 모니터링 시스템 도입에 6년을 투자했으며, 현재 주요 조립 라인의 약 80%에 이 시스템을 적용하여 모니터링하고 있습니다. 모든 고장을 예측할 수는 없지만, 이 시스템 덕분에 차량 조립 라인에서만 연간 약 500분의 가동 중단 시간을 줄일 수 있었습니다. 공장의 생산량을 고려할 때, 이는 상당한 운영 효율성 향상으로 이어집니다.

팀의 향후 목표에는 고장 감지 시점과 가동 중단 시점 사이의 남은 시간을 예측하여 예측 가능성을 높이는 것이 포함됩니다. 이 기능은 기술자들이 긴급성을 기준으로 유지보수 작업의 우선순위를 정하는 데 도움이 될 것입니다. 또한, 이 시스템을 차량에 브레이크액과 냉각수를 주입하는 장비 등 공장의 다른 영역에도 적용하는 방안을 검토 중입니다.

놀랍게도 BMW 그룹 레겐스부르크 공장의 통합 학습 시스템은 해당 분야의 선구자로서 장비 제조업체로부터 인정을 받았으며 BMW 그룹은 이를 바탕으로 두 건의 특허를 등록했습니다.