BMW 그룹 레겐스부르크 공장은 혁신적인 예측 유지보수 시스템을 도입합니다

BMW 그룹 레겐스부르크 공장은 계획되지 않은 정지를 방지하고 차량 생산 흐름을 최적화하기 위한 획기적인 스마트 분석 시스템으로 조립 라인 효율성의 새로운 기준을 설정하고 있습니다. 

최첨단 예측 유지보수 솔루션은 잠재적인 장비 결함을 사전에 식별하고 해결하기 위해 인공지능(AI)을 활용하여 생산 가동 시간과 비용 절감에 상당한 개선을 가져옵니다.

BMW 그룹 레겐스부르크 공장의 스마트 모니터링 시스템은 차량이 모바일 적재 운반대 또는 스키드 시스템에 부착되는 조립 공정에 중점을 둡니다. 이러한 운반대는 생산 홀을 체인 형태로 이동하며, 컨베이어 시스템의 기술적 결함은 조립 라인을 방해하여 유지보수 노력과 비용을 증가시킬 수 있습니다. 

이러한 문제를 우회하기 위해 BMW의 혁신 팀은 중단 없는 생산을 보장하는 조기 결함 감지 시스템을 개발했습니다.

놀랍게도 이 모니터링 시스템은 추가 센서나 하드웨어의 필요성을 제거하기 위해 설치된 구성 요소 및 컨베이어 요소 제어에서 기존 데이터를 활용합니다. 전력 소비 변동, 컨베이어 이동 불규칙성 및 바코드 판독성 등 다양한 데이터 포인트를 적극적으로 평가하여 이상을 식별합니다. 

이러한 이상이 감지되면 즉시 유지보수 제어 센터에 경고가 전송되어 문제를 해결하기 위한 신속한 조치가 가능해집니다.

프로젝트 매니저 Oliver Mrasek은 시스템의 연속 가동을 강조하며 다음과 같이 말했습니다. "당사의 제어 센터에 있는 감시 모니터는 24시간 365일 가동되어 어떤 종류의 고장 보고에도 신속하게 대응하고 영향을 받은 차량을 사이클에서 제외할 수 있습니다."

구현: AI 지원, 표준화, 비용 효율성

예지 정비(Predictive maintenance)는 단순한 독립형 솔루션이 아니라 협업의 결과입니다. BMW 그룹의 중앙 공장 관리 및 기타 공장 사이트와의 협력을 통해 시스템의 표준화가 이루어졌으며, 이는 BMW 그룹의 전 세계 위치에 대한 신속한 배포를 용이하게 합니다. 

주요 장점 중 하나는 추가 센서가 필요하지 않아 비용 효율적이라는 점입니다. 비용은 저장 공간과 컴퓨팅 파워에 국한됩니다.

시스템에는 자체 개발 머신러닝 모델이 통합되어 있으며, 다양한 구성 요소의 고장 패턴을 시각화하기 위해 다른 색상 코드가 있는 히트맵을 사용합니다. 이러한 시각적 표현은 유지보수 기술자가 식별된 문제에 정확하게 대응할 수 있게 합니다.

시스템의 성공은 지속적인 개선 노력으로 뒷받침됩니다. 팀은 현재 추가 설비를 연결하고 시스템을 최적화하며 고장 메시지에 권장 조치를 통합하여 기능을 확장하고 있습니다. 이 개선 작업은 시스템에서 발생했던 유사한 문제를 강조함으로써 유지보수 기술자의 문제 해결을 단순화하는 것을 목표로 합니다.

팀의 데이터 사이언티스트인 Deniz Ince는 최적의 예지 정비가 가져오는 더 넓은 이점을 강조합니다. "최적의 예지 정비는 비용 절감뿐만 아니라 계획된 수량의 차량을 제시간에 납품할 수 있게 해주어 생산 현장의 막대한 스트레스를 줄여줍니다."

미래 목표: 예측 가능성 강화 및 특허

BMW 그룹 레겐스부르크 공장의 컨베이어 기술 데이터 기반 모니터링 여정은 6년 동안 이어져 왔으며, 현재 주요 조립 라인 중 약 80%가 이 시스템을 사용하여 모니터링되고 있습니다. 모든 고장을 예측할 수는 없지만, 이 시스템은 차량 조립 라인에서만 연간 약 500분의 가동 중단 시간을 이미 방지했습니다. 공장의 생산률을 고려할 때 이는 상당한 운영 효율성 향상으로 이어집니다.

팀의 미래 목표에는 고장 감지 및 잠재적 정지 사이의 남은 시간을 추정하여 예측 가능성을 높이는 것이 포함됩니다. 이 기능은 기술자가 긴급도에 따라 유지보수 작업을 우선순위화하는 데 도움이 됩니다. 또한 브레이크 액체 및 냉각수를 차량에 채우는 데 사용되는 장비와 같은 공장의 다른 영역에서도 시스템 사용이 검토되고 있습니다.

특히 BMW 그룹 레겐스부르크 공장의 통합 학습 시스템은 해당 분야의 선구자로서 장비 제조업체로부터 인정을 받았으며, BMW 그룹의 두 건 등록 특허로 이어졌습니다.