← 챕터 목록
CHAPTER 5
예측 정비와 설비 AI
진동, 음향, 온도 센서 데이터를 활용한 고장 예측과 잔여 수명(RUL) 추정, CMMS 통합까지 - 설비 AI의 모든 것
1
예측 정비 AI 개요
사후 정비에서 예측 정비로의 전환, 비용 효과 분석
→
2
진동 분석과 회전 기계 진단
FFT, 엔벨로프 분석, 베어링 결함 주파수
→
3
음향 기반 이상 탐지
MFCC, 스펙트로그램 CNN, 초음파 누설 탐지
→
4
온도/전류 데이터 분석
열화상 분석, 모터 전류 시그니처 분석(MCSA)
→
5
잔여 수명(RUL) 예측
Survival Analysis, LSTM/Transformer 기반 RUL
→
6
고장 모드 분류
FMEA 기반 분류, 다중 레이블 학습
→
7
설비 건강 지수(HI)
다변량 센서 융합, Health Index 설계
→
8
CMMS/EAM 통합
작업 지시 자동 생성, SAP PM 연동
→
9
예측 정비 시스템 구현
엣지-클라우드 아키텍처, 실시간 파이프라인
→
10
예측 정비 ROI와 성과 관리
KPI 설계, 비용 절감 측정, 지속적 개선
→