성균관대 산업공학과 인공지능(AI) 고장진단 연구실은 ‘예지보전(PHM)’ 기술을 개발하고 있다. 건전성 예측관리 기술로도 불린다. PHM은 생산 설비에 센서 등을 부착하여 진동, 소음 등 설비 상태 데이터를 수집한다. 반복적인 설비 사용으로 인한 마모와 열화와 같은 건전성도 확인한다. 설비 설계와 관련된 공학적 지식과 AI 기술을 적용해 설비의 문제점을 보완한다. 설비의 고장을 사전에 파악하고 남은 설비 수명이 얼마인지 예측한다.
연구실을 이끄는 권대일 교수(사진)는 PHM 기술을 연구실뿐 아니라 제조 현장에서 실무적으로 쓸 수 있도록 연구하고 있다. 중국의 휴대용 전자제품 제조회사 화웨이 등과 함께한 공동 연구를 통해 전자제품 배터리 신뢰성 평가 기간을 60% 단축했다. 반도체 제조 장비를 생산하는 삼성 세메스와는 반도체 장비의 열화 위치와 정도를 예측하는 기술을 연구했다. LG전자 생산기술원과는 소음을 측정해 불량품을 실시간 검출하는 기술을 개발해 현장에 적용했다.한국전력공사 산하 전력연구원과는 AI를 활용한 복합 화력발전소의 고장 및 원인진단 연구를 수행하고 있다. 발전 설비의 수명을 측정하고 전력 생산의 효율을 높이는 효과를 냈다. 삼성전자와는 냉장고 압축기 신뢰성 평가 기간 단축 연구를 수행, 스마트 팩토리 구축 및 제품 품질 향상에 기여하고 있다.
PHM 기술 연구는 제품 설계와 관련된 기계공학 지식을 바탕으로 한다. 여기에 제조, 생산관리 및 데이터사이언스와 관련된 산업공학 지식이 더해진다. 설비 제어, 신호처리와 관련된 전자공학 지식도 융합돼 상승작용을 일으킨다.
기계공학 박사인 권 교수는 세계 반도체 생산 1위 기업 인텔의 연구원을 거쳐 성균관대 산업공학과 교수로 부임했다. 소속 연구원들은 산업공학은 물론 기계공학, 전자공학, 컴퓨터공학 등을 전공했다. 권 교수는 “초연결화, 초지능화가 강조되는 4차 산업혁명 시대를 선도하기 위해서는 기존의 전통 학문 영역의 경계를 뛰어넘어야 한다”고 강조했다. 이어 “PHM 기술이 산업 현장에 하나씩 적용돼 전통 산업의 스마트화를 견인하고 있다”며 “앞으로도 설비 성능 저하와 고장 메커니즘을 철저히 규명하고 AI 기술을 활용한 고장 예측 및 진단 기술을 지속해서 연구하겠다”고 했다.
김진원 기자 jin1@hankyung.com
