예방적 유지보수로 가동 중단 시점 예측 가능

중요 자산이 고장날 것으로 예상되는 시점에 대한 카운트다운을 준비할 수 있습니까? 만약 이런 기능이 있다면 어떤 것들이 가능할까요?

 자산에 갑자기 발생하는 고장을 해결하기 위해 이리저리 뛰어다니기 보다는 자산의 고장을 예측해서 대응 계획을 세울 수 있다면 어떨지 생각해 보십시오. 갑작스러운 고장과 예기치 않은 가동 중단으로 고민하는 일이 줄어들고 마음의 평안을 얻을 수 있을 것입니다. 또한, 유지보수 및 교체 부품에 대한 지출을 줄여서 비용 절감을 실현할 수도 있을 것입니다.

 오늘날, 생산 자산에 대한 "고장 예측" 기능은 단순한 희망사항이 아닙니다. 고급형 예방적 유지보수 기능을 갖춘 최신 인버터를 사용해, 실제로 제공할 수 있는 기능입니다.

애그노스틱(Agnostic) + 적응성(Adaptive) = 정확성(Accurate)

예방적 유지보수는 다양한 수준의 정확성을 제공할 수 있습니다.

 예를 들어, 일부 제품은 사용될 작동 조건과 같이 특정한 상황을 가정하도록 구성됩니다. 그러나, 제품이 가능한 가장 뜨거운 환경 조건으로 구성되었지만 시원한 시설에서 사용되는 경우, 실제로 필요한 것보다 빠른 기간에 수리나 교체가 필요하다고 사용자에게 알릴 가능성이 있습니다. 자산이 고장 날 때까지 기다리는 것보다 사전에 유지보수 하는 것이 더 좋기는 하지만, 이렇게 하더라도 자본 투자 대비 최대 성과나 이익을 얻을 수는 없습니다.

예방형 유지보수 기능이 있는 최신 인버터는 애그노스틱(Agnostic) 알고리즘을 사용해서 구성됩니다. 즉, 인버터를 설치하는 애플리케이션 또는 운영 조건에 대해 가정하지 않습니다.

 대신, 인버터는 처음 30일 동안 애플리케이션 스트레스를 학습합니다. 내장 센서를 사용하여 온도, 전압, 전류 및 속도와 같은 스트레스 요인을 모니터링합니다. 그 다음에 모델을 사용하여 이러한 스트레스 요인을 팬(fans) 및 커패시터(capacitors)와 같은 중요 부품의 수명 비율 소비 데이터로 변환합니다.

 30일 후에 인버터는 미리 가정한 스트레스 파라미터가 아닌 실제 스트레스 파라미터를 기반으로 애플리케이션을 이해합니다. 이후에도 제품은 최소한 시간 당 1회씩 사용 사례 모델을 재학습하고 업데이트합니다.

고급형 예방적 유지보수 기능이 있는 인버터도 적응형 인버터입니다. 따라서, 새로운 작업자가 생산에 추가되거나 인버터가 하나의 장비에서 다른 장비로 스왑되는 경우, 인버터는 사용되는 방법에 대해 학습하고 해당 구성 요소의 수명이 끝나는 시점을 예측합니다.

 이러한 애그노스틱 및 적응형 학습 기능은 인버터 핵심 구성요소의 실제 잔여 수명을 파악할 수 있도록 지원합니다. 이를 통해 구성요소의 잠재력을 최대한 활용하고 중요 구성요소를 필요한 경우에만 교체할 수 있습니다.