돌발 정지를 징후에서 막으세요
예고 없이 서던 설비를 징후 단계에서 잡아 계획 외 정지를 줄입니다.
주요 이점
정비를 일정으로 바꾸세요
고장 뒤 수리가 아니라 징후를 보고 정비 일정을 잡습니다.
위험과 징후를 나눠 보세요
기준값은 명백한 위험을, AI는 미세한 징후를 잡습니다.
현장에서 기준을 맞추세요
오탐과 미탐을 현장 피드백으로 고쳐 가며 운영합니다.
누가 쓰나
보전, 생산, 공장 책임자가 함께 봅니다
설비 · 보전 담당자
경고가 뜬 설비의 센서 추이와 이상 정도를 보고 점검 여부와 시점을 정합니다.
생산 관리자
정비 일정을 생산 계획에 미리 반영해 계획 외 정지를 줄입니다.
공장장 · 품질 책임자
설비 상태와 품질 이력을 함께 보며 설비 투자와 교체 시점을 판단합니다.
기능
수집하고, 학습하고, 알리세요
01
센서를 연결하세요
진동 · 전류 · 온도 센서와 PLC 값을 LINKER SERVER로 실시간으로 모읍니다.
02
정상일 때를 먼저 배우게 하세요
고장 기록이 없어도 됩니다. 정상 운전 구간을 골라 AI가 평소 모습을 익힙니다.
03
위험은 기준값으로 바로 잡으세요
센서마다 정상 범위를 정해 두고, 벗어나면 즉시 위험으로 알립니다.
04
미세한 징후는 AI가 잡습니다
평소 패턴에서 조금씩 어긋나는 정도를 AI가 점수로 매겨 고장 전에 알려 줍니다.
05
경고와 위험을 나눠 알리세요
징후는 경고로, 명백한 위험은 위험으로 나눠 담당자에게 알립니다.
06
현장에서 기준을 맞춰 가세요
잘못 울린 알림과 놓친 징후를 현장 의견으로 고쳐 가며 정확도를 높입니다.
화면
설비 상태를 화면에서 확인하세요
화면 1 · 설비별 건강 점수, 진동·전류·온도, 고장 위험 원인, 점검 권고
설비별 AI 건강 점수
실제 구축 화면입니다. 설비마다 AI 건강 점수를 보여주고, 점수가 떨어진 설비는 센서 그래프와 고장 위험 원인, 점검 권고로 바로 이어집니다.
- 건강 점수
- 위험 원인
- 점검 권고
화면 2 · 설비별 시간대 AI 건강 점수, 정상·주의·위험 색, 설비 상태 요약
건강 점수 히트맵
실제 구축 화면입니다. 설비마다 시간대별 건강 점수를 색으로 보여줘서 어느 설비가 언제부터 나빠졌는지 한눈에 봅니다.
- 시간대별 점수
- 주의·위험 구간
- 설비 요약
화면 3 · AI 건강 점수, 전류·진동·온도 현재값과 그래프
설비 상세 분석
실제 구축 화면입니다. 한 설비의 건강 점수와 전류·진동·온도 흐름을 같이 보며 원인을 좁힙니다.
- 건강 점수
- 센서별 그래프
- 원인 확인
사용 사례
자주 서는 설비부터 적용하세요
회전 설비
분쇄기, 펌프, 모터의 진동과 전류 변화로 베어링과 축 이상 징후를 잡습니다.
가열 설비
가열기 온도 추이가 평소 패턴과 달라지는 구간을 찾습니다.
원심 분리 설비
회전수와 부하가 함께 흔들리는 패턴을 이상 징후로 봅니다.
자동화 라인
라인 설비의 가동·정지 기록과 센서 값을 묶어 고장 징후를 예측합니다.
적용 사례
설비 앞에서 이미 감시하고 있습니다
식품 제조 · 음료
설비가 멈추기 전에 알립니다
- 과제
- 핵심 설비가 예고 없이 서면 생산 계획과 품질이 함께 무너졌습니다. 정비는 고장이 난 뒤에야 시작됐습니다.
- 방법
- 진동·전류·온도 센서를 연결하고 두 겹으로 감시합니다. 정상 운전 데이터로 센서별 상·하한을 잡아 명백한 위험은 즉시 잡고, AI가 정상 패턴을 학습해 시간에 따라 조금씩 어긋나는 징후를 잡습니다. 경고와 위험 기준을 나누고 오탐·미탐을 현장에서 맞춰 갑니다.
- 달라진 점
- 고장 뒤 수리에서 징후를 보고 계획하는 정비로 바뀝니다. 대시보드와 알림으로 정비 담당자가 먼저 움직입니다.
2차전지 소재
환경 설비 이상은 문자로 먼저, 고장 원인은 데이터로
- 과제
- 백필터 · 스크러버 · 집진기 같은 환경 설비가 공장 곳곳에 흩어져 있어, 멈추거나 이상이 생겨도 순회 점검 때가 돼서야 알았습니다. 왜 섰는지도 기록으로 남지 않았습니다.
- 방법
- Linker Server로 설비마다 전단 · 후단 온도, 레벨, 송풍 전류, 순환 온도, 적산 전력량을 실시간으로 모읍니다. 설비별로 경고 · 주의 · 관리 3단계 조건을 걸어 조건에 걸리면 담당자에게 SMS를 보내고, 가동 · 비가동 시간과 알람 이력을 쌓아 고장 원인과 정지 패턴을 분석합니다.
- 달라진 점
- 이상이 생기면 담당자 휴대폰이 먼저 울립니다. 설비별 가동률과 정지 이력이 주간 단위로 쌓여, 같은 고장이 되풀이되는 설비를 찾아 먼저 손봅니다.
제조 설비
모니터링 데이터로 고장 징후를 예측합니다
- 과제
- 설비 모니터링 화면은 지금 상태만 보여 줬고, 언제 고장 날지는 알 수 없었습니다.
- 방법
- Linker Server가 모은 설비 데이터를 학습 데이터로 바로 쓰는 구조를 만들고, 고장 징후 예측 모델을 붙였습니다.
- 달라진 점
- 수집 서버가 곧 AI 학습 데이터 창고가 됩니다. 별도 데이터 이관 없이 예측을 시작합니다.
적용 시나리오
LINKER, MES와 이으면 정비가 생산 계획이 됩니다
필요할 때 제품을 하나씩 더해, 이렇게 넓혀 갑니다.
- LINKER 센서 값을 수집합니다.
- Predict 이상 점수를 계산합니다.
- LinkerFlow 대시보드에 경고를 띄웁니다.
- Predict 경고가 발생합니다.
- 오케스트레이터 정비 이력과 점검 항목을 정리합니다.
- TEAMS 정비 담당자에게 메시지를 보냅니다.
- Predict 정비 일정을 잡습니다.
- MES 생산 계획에 정비 시간을 반영합니다.
- 작업지시를 조정합니다.
기존 시스템과 함께
센서 값은 공장 밖으로 나가지 않습니다
설치 환경
공장 내부 서버에 설치해 설비 데이터가 밖으로 나가지 않습니다.
기존 시스템 연동
이미 붙어 있는 PLC와 센서는 LINKER로 그대로 받고, 알림은 메신저와 대시보드로 보냅니다.
개방형 표준
OPC UA, Modbus, MQTT 센서와 PLC 데이터를 씁니다.
FAQ
자주 묻는 질문
고장 데이터가 거의 없는데 됩니까?
됩니다. 고장 데이터가 아니라 정상 운전 데이터를 학습해 정상에서 벗어나는 정도를 봅니다.
센서를 새로 달아야 하나요?
이미 있는 PLC 값과 센서로 먼저 시작합니다. 진동처럼 꼭 필요한 값이 없으면 센서 추가를 함께 설계합니다.
오탐이 많으면 어떡하나요?
경고와 위험 기준을 나눠 두고, 현장 피드백으로 기준을 고쳐 가며 오탐을 줄입니다.
도입 기간은 얼마나 걸리나요?
데이터 분석, 정상 구간 정의, 모델 구축, 시범 운영, 확대 순으로 진행하며 설비 수와 데이터 상태에 따라 달라집니다.