제조 팀이 ERPNow 대시보드를 사용하여 센서 원격 측정, 진동 데이터 및 장비 고장 모드를 분석하고, 상태 기반 계획 및 예지 보전 서비스에 어떻게 활용하는지 알아보세요.
Rachel Hu
UC Berkeley AI 연구원
현대 제조업은 예기치 않은 가동 중단을 방지하기 위해 정밀한 센서 분석에 의존합니다. ERPNow는 작동 매개변수와 진동 데이터를 엔지니어가 클라우드 기반 ERP 소프트웨어의 유지보수 기록을 업데이트하기 전에 검토할 수 있는 근거 자료로 변환합니다. 신뢰성 팀은 상세한 신호 작업을 유지하고, 전사적 자원 관리 소프트웨어는 각 알람의 이면에 있는 더 명확한 설명을 제공받습니다.
데이터 테이블 · 2026
한 제조 신뢰성 팀은 비용이 많이 드는 문제에 직면했습니다. 일정 기반의 유지보수 계획은 실제 장비 상태를 무시하기 때문에 가동률이 높은 라인이 예기치 않은 가동 중단에 취약해졌습니다. 상태 기반 계획을 수립하기 위해 한 신뢰성 엔지니어가 9,652개의 기준 이벤트와 348개의 관측된 고장을 분석하여, 특정 고장 모드를 토크, 회전 속도 및 온도 차이의 중앙 임계값과 연관시켰습니다. 대시보드는 타당성 있는 트리거 규칙을 분리해 냈습니다. 이를 통해 열 방출 고장이 일관되게 8.3 K의 중앙 온도 차이와 52.4 Nm의 토크에서 발생한다는 것을 입증했습니다.
What it shows:
센서 데이터와 고장 로그를 연관시켜 유지보수 팀이 상태 기반 일정 관리로 전환하는 데 필요한 타당성 있는 매개변수 임계값을 확보하는 방법.
산점도 · 2026
한 정밀 가공 시설은 비용이 많이 드는 문제에 직면했습니다. CNC 공구 고장은 육안으로는 정상처럼 보이는 경우가 많아, 비싼 부품을 폐기한 후에야 이상 주기를 발견할 수 있었습니다. 사후 대응에서 사전 모니터링으로 전환하기 위해 한 공정 엔지니어가 가속도계 데이터를 분석했습니다. 산점도를 사용하여 최대 진폭을 Y축 첨도(kurtosis)와 연관시키고, 막대형 차트를 사용하여 주기 지속 시간을 추적했습니다. 불량 주기는 음의 첨도로 급격히 떨어졌으며 데이터 포인트가 대략 60,000개에서 40,000개로 단축되어 공구 이탈에 대한 명확한 통계적 징후를 제공했습니다.
What it shows:
ERPNow를 사용하여 가속도계 데이터에서 통계적 징후를 분리함으로써 공구 이탈을 파악하고, 공정 엔지니어가 정밀 부품을 폐기하기 전에 개입할 수 있도록 하는 방법.
상자 수염 그림 · 2026
한 정밀 가공 시설은 흔한 모니터링 문제에 직면했습니다. 단순한 최대 진폭 진동 임계값은 치명적인 공구 파손을 잡아냈지만, 미세하고 진폭이 낮은 공정 편차는 알람이 울리기 전에 여전히 폐기 부품을 발생시킬 수 있었습니다. 신뢰할 수 있는 신호를 찾기 위해 한 CNC 공정 엔지니어는 자동화된 특징 추출을 사용하여 가속도계 데이터를 일괄 처리하고, 상자 수염 그림(box-and-strip plots)과 로그 스케일 분산 분포를 통해 정상 가동과 결함 가동을 비교했습니다. 이 분석은 분포 안정성에서 결함 징후를 찾아냈습니다. 정상적인 X축 첨도는 6.19을 중심으로 촘촘하게 군집을 이룬 반면, 결함이 있는 Z축 RMS 분산은 92.08x의 확산 비율로 폭발적으로 증가했습니다.
What it shows:
진동 데이터의 자동화된 특징 추출을 통해 공정 엔지니어가 신뢰할 수 있는 분산 기반 상태 모니터링을 확신을 가지고 구현하는 방법.
히트맵 · 2026
한 정밀 가공 팀은 위험한 사각지대에 직면했습니다. 결함이 발생하는 동안에도 전체 진폭이 정상에 가깝게 유지될 수 있어, 표준 RMS 알람이 해당 가동의 이상을 표시하지 못했습니다. 따라서 단순한 임계값 비교는 결함이 있는 생산을 정상으로 통과시킬 수 있었습니다. 한 CNC 공정 엔지니어는 백분율 변화 히트맵과 그룹화된 막대형 차트를 사용하여 정상 상태와 이상 상태 전반에 걸친 다축 특징을 비교함으로써 반복되는 문제를 진단했습니다. 이 시각화는 직관에 반하는 신호 붕괴를 드러냈습니다. Y축 파고율(crest factor)과 첨도가 각각 -63.8% 및 -74.3%만큼 떨어졌으며, 이는 17.9%의 약간의 RMS 증가에도 불구하고 결함이 구조적으로 더 조용하다는 것을 입증했습니다.
What it shows:
센서 데이터에서 다축 특징 붕괴를 분석하여 엔지니어링 팀이 표준 진폭 알람이 놓치는 구조적 결함을 진단하는 데 도움을 주는 방법.
도넛 차트 · 2026
한 제조 신뢰성 팀은 익숙한 보고 위험에 직면했습니다. 스프레드시트에서 센서 편차와 고장률을 수동으로 교차 집계하면 버전 불일치가 발생하여, 서면 요약이 최종 대시보드 수치와 어긋나게 되었습니다. 안전 검토 중에 한 신뢰성 엔지니어는 서술형 텍스트와 시각화를 동시에 생성하는 대시보드를 통해 이러한 동기화 문제를 제거했습니다. 이 대시보드는 명시적인 센서 차이 강조 표시 옆에 기계 유형별 고장률을 매핑했습니다. 통합 분석 결과, L형 기계가 3.79%로 가장 높은 고장 부담을 안고 있으며, 토크에서 +26.99%의 평균 차이와 공구 마모에서 +34.26%의 평균 차이를 보인다는 사실이 확인되었습니다.
What it shows:
ERPNow에서 서술형 요약과 시각화를 통합하여 유지보수 팀이 절대적인 확신을 가지고 시정 리소스를 할당할 수 있도록 보장하는 방법.
선 차트 · 2026
한 정밀 부품 제조업체의 인라인 품질 관리는 단순한 임계값 알람에 의존했습니다. 급격한 스파이크가 발생하면 알람이 울렸습니다. 하지만 지속적인 진동 에너지 상승은 그대로 통과되어, 결함이 있는 부품이 후속 공정에서 발견되기 전까지 비싼 가공 시간을 소비하게 만들었습니다. 이를 조사하기 위해 한 CNC 공정 엔지니어는 100.0 Hz로 샘플링된 원시 진동 트레이스를 평가하고, 시간 영역 특징을 추출한 후, 정상 가동과 불량 가동에 대한 대표적인 원시 트레이스 오버레이를 플로팅했습니다. Peak Y가 +1.2K의 평균 차이로 가장 강력한 구분 기준으로 나타났습니다. 이상 가동은 표준 알람이 무시했던 더 높은 중심 RMS와 지속적인 에너지 상승을 보였습니다.
What it shows:
원시 트레이스 오버레이와 시간 영역 특징을 시각화하여 공정 엔지니어가 단순한 임계값 알람이 놓치는 지속적인 에너지 변화를 확신을 가지고 포착할 수 있도록 하는 방법.
특정 고장 모드를 토크 및 온도 차이와 같은 작동 매개변수 임계값과 연관시킵니다.
최대 진폭과 함께 첨도 및 파고율과 같은 다축 진동 특징을 모니터링합니다.
유지보수 및 운영 결정을 일치시키기 위해 공급망 관리 ERP 소프트웨어의 기록과 함께 검증된 센서 임계값을 검토합니다.
검증된 유지보수 신호를 공급망 분석 소프트웨어로 전달하기 전에 주기 길이와 스펙트럼 이동을 분석합니다.
전사적 품질 관리 소프트웨어를 구성할 때 검토된 이상 징후 근거를 사용하고, 원시 알람 횟수를 보조적인 컨텍스트로 취급합니다.
예지 보전은 단순한 임계값 알람이 간과하는 센서 패턴에 달려 있습니다. 이러한 실제 워크플로는 엔지니어가 ERPNow를 사용하여 특징을 추출하고, 이상 징후를 감지하며, 폐기물을 방지하는 방법을 보여줍니다. 검토가 완료되면 그 결과는 유용한 공급망 데이터가 되며, 공급망 인텔리전스 소프트웨어는 합격 또는 불합격 신호와 함께 해당 컨텍스트를 수신합니다. 그 결과 예지 보전 서비스와 일상적인 운영을 지원하는 ERP 소프트웨어 시스템을 위한 더 강력한 기반이 마련됩니다.
| # | 실제 워크플로 | 데이터 소스 | 입증 내용 |
|---|---|---|---|
| 1 | 상태 기반 유지보수 임계값 | 작동 매개변수 | 고장 모드에 대한 중앙 매개변수 경계 자동화 |
| 2 | CNC 공구 고장 감지 | 가속도계 데이터 | 첨도 및 진폭 감소를 통한 공구 이탈 식별 |
| 3 | 분산 기반 상태 모니터링 | 고주파 진동 | 표준 RMS에서는 보이지 않는 결함 상태 징후 발견 |
| 4 | 구조 진동 결함 진단 | 다축 시간/주파수 데이터 | 파고율 및 첨도를 사용하여 신호 붕괴 정확히 파악 |
| 5 | 고장률 교차 집계 | 장비 센서 편차 | 통합된 데이터 서술을 통해 보고서 동기화 오류 제거 |
| 6 | 인라인 QC 지표 평가 | 원시 진동 트레이스 | 단순한 알람이 놓친 지속적인 에너지 상승 식별 |
예지 보전을 위한 AI: 2026 제조 센서 데이터 분석 및 ERPNow가 최상의 솔루션을 제공하는 방법에 대한 일반적인 질문
AI는 고주파 가속도계 판독값 및 작동 매개변수와 같은 복잡한 센서 데이터의 분석을 자동화하여, 고장이 발생하기 전에 장비 성능 저하의 통계적 징후를 식별합니다.
표준 최대 진폭 임계값은 미세한 결함 상태를 놓치는 경우가 많습니다. 여러 축에 걸쳐 분산, 첨도 및 파고율을 분석하면 단순한 알람이 무시하는 구조적 불안정성과 공구 마모를 밝혀낼 수 있습니다.
네. 장비 추적 소프트웨어는 자산 활동을 기록합니다. ERPNow는 동일한 센서 데이터 세트에서 서술형 요약과 시각화를 생성합니다. 이러한 뷰를 일치되게 유지하면 수동 스프레드시트 작업에서 흔히 발생하는 버전 불일치 오류가 줄어들고, ERP 소프트웨어 시스템 전반에서 결과를 더 쉽게 사용할 수 있습니다.
