예지 보전Predictive Maintenance
설비의 상태 신호로 열화 정도와 잔여 수명을 추정해, 고장이 나기 전에 정비 시점을 정하는 정비 방식이다.
1요약
- 예지 보전은 EN 13306(2017)이 상태 기반 정비 안에 둔 예측 기반 정비로, ISO 13374(2003 · 2007)가 정한 여섯 처리 블록(수집 · 가공 · 상태 감지 · 건강 평가 · 예측 · 권고) 위에서 열화 모델과 잔여 수명(RUL) 계산이 돈다.
- 고장 뒤에 고치면 정지가 계획 밖에서 일어나고 주기 교체는 멀쩡한 부품까지 버리는데, 잔여 수명을 알면 그 사이에서 정비 시점을 고를 수 있다 — NASA C-MAPSS FD001 의 같은 기종 엔진 100대는 고장까지 128 ~ 362 주기로 세 배 가까이 갈린다.
- 「예측이 안 맞는다」는 늦은 예측인가 이른 예측인가로 가른다 — 실제보다 길게 남았다고 본 늦은 쪽은 고장을 놓치므로 보정 계수로 앞당기고, 이른 쪽은 부품을 버리므로 건강 지표와 모델을 다시 본다.
2등장 배경
1960 ~ 70년대 항공사는 부품을 정해진 시간마다 분해 정비했지만, 정비 뒤에도 고장률이 줄지 않는 부품이 많았다. United Airlines 의 Nowlan · Heap 은 1978년 미 국방부 보고서에서 고장 패턴을 정리해 «나이»가 아니라 «상태»를 보고 정비하라고 권했고, 고장 징후가 처음 보이는 잠재 고장(P)부터 기능 고장(F)까지의 P-F 간격을 점검 주기의 근거로 썼다(Nowlan 1978).
2003년 ISO 13374-1 이 상태 감시 정보의 처리 · 통신 · 표현 틀을, 2007년 ISO 13374-2 가 여섯 처리 블록을 정했고, MIMOSA 의 OSA-CBM(3.3.1 · 2010)이 그 블록 사이 인터페이스를 구현 규격으로 냈다. 2008년 NASA 의 Saxena 외는 엔진 시뮬레이터 C-MAPSS 로 고장까지 달린 데이터를 만들어 PHM08 경진 대회에 공개했다(Saxena 2008).
지금은 ISO 17359:2018(2023 확인)이 상태 감시 프로그램을 세우는 절차를, ISO 13381-1:2025 가 예측 과정의 지침을 맡는다(2015년 판 대체). 고장까지 달린 실제 설비 데이터는 드물어, 모델 검증은 C-MAPSS 같은 공개 데이터로 먼저 하는 경우가 많다.
3쉽게 이해하기 — 택배 트럭의 브레이크 패드
택배 기사 민수의 트럭은 브레이크 패드가 다 닳으면 멈춘다. 옆 A 차고는 끼익 소리가 나면 그때 갈고, B 차고는 3만 km마다 멀쩡해도 간다. 민수는 매주 월요일 게이지로 패드 두께를 재 기록장에 적고, 줄어드는 폭이 점점 커지는 것을 보고 한계선 3 mm 까지 남은 주를 센다. 부품이 오는 데 1주 걸리므로 남은 주가 2주 아래로 내려가면 부품을 주문하고 다음 휴무일에 갈아 끼운다.
그림 1 · 민수는 매주 잰 두께로 한계선까지 남은 주를 세고, 부품이 오는 시간을 빼서 정비 날을 미리 잡는다.
그림 2 · 두께가 줄어드는 폭이 주마다 커지므로 남은 주는 커지는 폭을 넣어 세야 한다 — 6주 차 기록으로는 한계선까지 약 1주다.
| 비유 속 역할 | 실제 이름 | 실제로 하는 일 |
|---|---|---|
| 트럭 · 브레이크 패드 | 설비 · 열화 부품 | 쓸수록 상태가 나빠지다 기능을 잃는 대상(엔진 · 펌프 · 베어링) |
| 두께 게이지 | 센서 | 온도 · 압력 · 회전수 · 진동을 잰다 |
| 매주 월요일 | 수집 주기 | 운전 주기 · 시간마다 한 행을 남긴다 |
| 기록장의 두께 | 건강 지표(HI) | 여러 센서를 묶어 열화 정도를 숫자 하나로 만든다 |
| 한계선 3 mm | 고장 임계값 | 이 값을 지나면 기능 고장으로 본다 |
| 남은 주 | 잔여 수명(RUL) | 임계값까지 남은 주기 수를 추정한다 |
| 부품 오는 1주 | 조달 기간 | 정비 결정이 RUL 보다 이만큼 앞서야 한다 |
| 휴무일 교체 | 정비 권고 · 작업 지시 | 생산 계획에 맞춘 정비 창을 잡는다 |
⚠ 비유가 맞지 않는 곳: 패드 두께는 자로 바로 재지만 설비의 열화는 직접 잴 수 없어 여러 센서 신호로 건강 지표를 «추정»한다. 같은 두께에서도 설비마다 고장 시점이 흩어지므로, 실제 잔여 수명은 한 값이 아니라 범위로 다룬다.
4구조 — 상태 감시의 여섯 처리 블록
ISO 13374-2 는 상태 감시 소프트웨어를 여섯 블록으로 나누고 블록마다 입력 · 출력을 정한다(4.2 ~ 4.7절). 예지 보전은 이 가운데 건강 평가 · 예측 평가 · 정비 권고까지 가야 성립한다.
그림 3 · 센서 값은 현장에서 특징으로 바뀌고, 서버가 건강 지표와 잔여 수명을 만든 뒤, 정비 시스템이 작업 지시로 바꾼다 — 정비 결과는 다시 학습 데이터가 된다.
| 블록 | 입력 → 출력 | 사례 값(그림 4) | 근거 |
|---|---|---|---|
| DA 데이터 수집 | 센서 신호 → 시각 · 태그가 붙은 값 | 주기마다 26열(운전 설정 3 · 센서 21) | ISO 13374-2 4.2 |
| DM 데이터 가공 | 원 값 → 특징(표준화 · 이동 평균) | 변동 없는 센서 7개를 빼고 14개 | 4.3 |
| SD 상태 감지 | 특징 → 정상 범위 이탈 여부 | 이상 탐지 모델이 맡음 | 4.4 |
| HA 건강 평가 | 특징 → 건강 지표 · 진단 | HI 1.05 → 0.60 | 4.5 |
| PA 예측 평가 | HI 추세 → RUL · 불확실성 | 54 주기 | 4.6 · ISO 13381-1 |
| AG 정비 권고 | RUL · 조달 · 생산 계획 → 작업 지시 | 보정 38 주기 · 203 주기 전 정비 | 4.7 |
🔑 이상 탐지는 «지금 정상인가»(SD)에서 멈추고, 예지 보전은 «언제까지 버티는가»(PA)와 «언제 세울까»(AG)까지 간다.
5동작 — C-MAPSS 엔진 17 의 잔여 수명 계산
공개 데이터 NASA C-MAPSS FD001(Saxena 2008)을 Python 3.14.0 · NumPy 2.4.3 으로 직접 계산한 사례다. 최소제곱과 polyfit 만 써서 난수가 없고, 같은 코드면 같은 값이 나온다.
train_FD001.txt의 엔진 100대 20,631행을 읽는다 — 행 = 1 운전 주기 · 열 26개(번호 · 주기 · 운전 설정 3 · 센서 21) · 수명 128 ~ 362 주기(평균 206.3 · 열 구성 = NASA C-MAPSS readme).- 표준편차 0.01 이하인 센서 7개를 빼고, 남은 14개를 학습 세트의 평균 · 표준편차로 표준화한다.
- 엔진마다 처음 30 주기 = 1, 마지막 30 주기 = 0 으로 놓고 6,000행을 선형 회귀해 건강 지표 HI 식을 만든다 — 학습 엔진의 고장 시점 HI(10 주기 평균)가 평균 −0.10 이므로 이를 고장 임계값으로 쓴다.
- 시험 엔진 17은 165 주기까지 관측됐다 — HI 는 50 주기 1.03 · 110 주기 0.87 · 165 주기 0.60 으로, 내려가는 폭이 커진다.
- HI = a − b·e^(c·t) 꼴 지수 모델을 맞추면(a = 1.112 · c = 0.0158) 임계값을 219.4 주기에 지나므로 RUL = 54 주기다(NumPy polyfit).
- 정답 파일
RUL_FD001.txt의 엔진 17 값은 50 이라 예측이 4.4 주기 늦다 — Saxena 2008 7절 식 (9)는 오차 d 가 늦으면 e^(d/10) − 1, 이르면 e^(−d/13) − 1 로 벌점을 매겨 늦음을 더 무겁게 본다. - 정비 권고 — 54 에 보정 계수 0.7 을 곱한 38 주기를 정비 한도로 두고 부품 조달 20 주기(가정 값)를 빼, 183 주기까지 발주하고 203 주기 전에 정비 창을 잡는다(실제 고장 215 주기보다 12 주기 앞).
그림 4 · 엔진 17 의 건강 지표는 90 주기 뒤 내려가는 폭이 커지고, 지수 모델은 임계값을 219 주기에 지나 RUL 54 를 낸다 — 실제 고장은 215 주기다.
같은 엔진을 60 주기부터 165 주기까지 잘라 가며 예측하면 늦음이 28.7 → 4.4 주기로 줄어든다. 시험 엔진 100대 가운데 추세가 잡힌 97대 전체로 보면 늦은 예측이 78대 · 채점 합이 1,225,731 이고, 0.7 을 곱하면 늦은 예측 29대 · 채점 합 1,527 로 떨어진다(RMSE 36.2 → 22.9 주기).
그림 5 · 고장에 가까울수록 예측이 실제에 붙고, 늦은 쪽에 남는 오차는 보정 계수로 이른 쪽으로 옮겨 고장을 놓치지 않게 한다.
🔑 잔여 수명은 한 번 맞히는 값이 아니라 주기마다 다시 계산해 좁혀 가는 값이고, 정비 결정은 늦음의 벌점만큼 앞당긴 값으로 내린다.
6비교 — 사후 · 예방 · 상태 기반 정비와의 차이
| 기준 | 사후 정비 | 예방(시간 기반) 정비 | 상태 기반 정비 | 예지 보전 |
|---|---|---|---|---|
| 정비를 부르는 것 | 고장 발생 | 정해진 시간 · 횟수 | 측정값의 기준 초과 | 열화 추세로 계산한 RUL |
| 필요한 데이터 | 없음 | 운전 시간 · 횟수 | 현재 상태 측정값 | 상태 이력 + 고장까지의 이력 |
| 정비 시점 | 계획 밖 정지 | 미리 정함 | 기준을 넘는 순간 | 조달 · 생산 계획에 맞춰 앞당겨 고름 |
| 부품 수명 | 끝까지 씀 | 남은 수명을 버림 | 기준 근처까지 씀 | 보정 계수만큼 남김 |
| 맞는 대상 | 고장 영향이 작은 값싼 부품 | 마모가 나이를 따르는 부품 | 감지 신호가 있는 설비 | 신호와 고장 이력이 쌓인 중요 설비 |
분석고장 영향이 작으면 사후, 마모가 사용 시간을 따르면 예방, 신호는 있으나 고장 이력이 없으면 상태 기반, 신호와 고장 이력이 함께 있고 조달 기간이 길면 예지 보전을 고른다. 근거는 표의 「필요한 데이터」 행 — RUL 은 고장까지 달린 이력이 있어야 임계값과 모델을 맞출 수 있다(사례 3단계의 학습 엔진 100대).
7실무 진단 — 잔여 수명 예측 오류의 블록 가르기
분석수집(DA)에서 가공(DM) · 건강 평가(HA) · 예측(PA) 순으로 올라가며 본다. 앞 블록의 값이 틀리면 뒤 블록의 모델을 바꿔도 RUL 이 맞지 않으므로(ISO 13374-2 4.2 ~ 4.6 입력 · 출력 관계), 앞 블록이 정상일 때만 다음 블록을 의심한다.
| # | 증상 | 의심 원인 | 블록 | 확인 자료 | 판정 기준(근거) |
|---|---|---|---|---|---|
| 1 | 센서 값이 일정하거나 빠짐 | 센서 고장 · 수집 끊김 | DA | 센서별 표준편차 · 빠진 행 수 | 표준편차 0 인 열은 정보가 없다(사례 7열) |
| 2 | 운전 조건이 바뀌자 HI 가 튐 | 운전 설정의 영향을 빼지 않음 | DM | 운전 설정 열과 HI 의 상관 | 조건별로 표준화한 뒤 다시 계산(FD002 = 6 조건 · readme) |
| 3 | 고장 시점에도 HI 가 임계값 위 | 고장 시점 HI 가 설비마다 흩어짐 | HA | 학습 설비의 고장 시점 HI 분포 | 사례 −0.28 ~ 0.07 — 임계값을 한 값이 아닌 분포로 둔다 |
| 4 | 예측이 거의 모두 실제보다 늦음 | 가속하는 열화를 직선으로 외삽 | PA | 시험 설비 오차 d 의 부호 비율 | 직선(최근 40 주기)은 97대 모두 늦음 · 지수 모델은 78대(사례) |
| 5 | 관측 초기 예측이 크게 빗나감 | 열화가 시작되기 전 구간 | PA | 정답 RUL 구간별 평균 절대 오차 | RUL 100 이상 40.7 주기 · 50 미만 8.9 주기 — 불확실성 범위를 함께 낸다(ISO 13381-1) |
마지막 두 행은 모델을 바꾸기 전에 오차의 부호와 크기부터 센다 — 늦은 예측이 많으면 보정 계수와 모델 꼴을, 초기 오차가 크면 예측을 언제부터 믿을지(관측 길이)를 정한다.
8시험 대비
www.q-net.or.kr시험에서는 사후 · 예방 · 예지 정비를 가르고 잔여 수명을 정의하는 정의 · 특징형, 그리고 ISO 13374 여섯 블록과 데이터 수집 구조를 그리는 구조 · 구성형이 나올 수 있다. 공개 데이터로 계산한 RUL 과 늦은 예측의 벌점까지 쓰면 정의 수준을 넘는다.
- 개요 — 정의(EN 13306 상태 기반 정비 안의 예측 기반 정비) · P-F 간격 · 등장(Nowlan 1978 · ISO 13374 2003 · 2007)
- 정비 방식 비교 — 사후 · 예방 · 상태 기반 · 예지 보전 표(정비를 부르는 것 · 필요한 데이터 · 부품 수명)
- 구성 — 그림 3 여섯 처리 블록(DA ~ AG) · 현장 · 에지 / 분석 서버 / 정비 시스템 구분 · 되돌아오는 고장 기록
- 잔여 수명 계산 절차 — 그림 4 건강 지표 · 임계값 · 지수 모델(C-MAPSS FD001 엔진 17 · RUL 54 · 정답 50)
- 예측 평가와 정비 결정 — 그림 5 관측 길이별 오차 · 비대칭 채점식 · 보정 계수 0.7 · 조달 기간
- 도입 시 고려 사항 — 고장 이력 부족 · 운전 조건 보정 · 불확실성 범위(ISO 13381-1:2025)
꼭 쓸 키워드
잔여 수명(RUL)건강 지표(HI)P-F 간격상태 기반 정비ISO 13374ISO 13381-1열화 모델비대칭 채점C-MAPSS보정 계수
다른 답안과 차이를 내는 한 가지는 그림 5 처럼 관측 길이에 따라 RUL 오차가 좁혀지는 모습을 실제 값으로 그리는 것이다 — 「고장을 미리 예측한다」 한 줄 대신 늦은 예측 78대 → 29대라는 정비 결정의 근거를 숫자로 보인다.
9오해와 사실
- 오해예지 보전은 이상 탐지 모델을 하나 붙이면 된다.사실이상 탐지는 ISO 13374-2 의 상태 감지(4.4절) 한 블록이고, 잔여 수명(4.6절)과 정비 권고(4.7절)는 고장까지의 이력과 조달 · 생산 계획이 있어야 나온다.
- 오해실제 값에 가장 가깝게 맞히는 예측이 가장 좋은 예측이다.사실Saxena 2008 식 (9)는 같은 10 주기 오차라도 늦으면 e¹ − 1 = 1.72, 이르면 e^(10/13) − 1 = 1.16 으로 늦음을 더 벌하며, 사례의 0.7 보정은 RMSE 와 채점 합을 함께 줄였다.
- 오해같은 기종 설비는 같은 주기로 교체하면 충분하다.사실FD001 의 엔진 100대는 수명이 128 ~ 362 주기로 갈려, 평균 206 주기에 일괄 교체하면 가장 짧은 엔진은 그보다 78 주기 먼저 고장 난다.
10핵심 정리
| 구분 | 맡는 일 | 단위 · 출력 | 사례 값(FD001) | 근거 | 흔한 실패 |
|---|---|---|---|---|---|
| 데이터 수집 | 센서 값을 주기 · 태그와 함께 남김 | 행 = 1 운전 주기 | 26열 · 20,631행 | ISO 13374-2 4.2 | 변동 없는 센서 · 빠진 행 |
| 특징 가공 | 표준화 · 이동 평균 | 표준 점수 | 14개 · 10 주기 평균 | 4.3 | 운전 조건 보정 누락 |
| 건강 지표 | 여러 신호를 열화 정도 하나로 | HI(1 = 건강) | 1.05 → 0.60 | 4.5 | 고장 시점 HI 흩어짐 |
| 고장 임계값 | 기능 고장으로 볼 경계 | HI 값 | −0.10 | 학습 설비 평균 | 한 값으로 고정 |
| 잔여 수명 | 임계값까지 남은 주기 추정 | 주기 · 불확실성 | 54(정답 50) | 4.6 · ISO 13381-1 | 직선 외삽으로 늦음 |
| 정비 권고 | 조달 · 생산 계획에 맞춘 정비 창 | 작업 지시 | 38 주기 · 203 전 | 4.7 | 늦음 벌점 무시 |
11참고 문헌
- 먼저 볼 문헌
- ★ ISO 13374-2:2007 Condition monitoring and diagnostics of machines - Data processing, communication and presentation - Part 2: Data processing — 상태 감시 처리 블록 여섯(DA ~ AG)의 입력 · 출력을 볼 때
- ★ Damage Propagation Modeling for Aircraft Engine Run-to-Failure Simulation (PHM08) — C-MAPSS 데이터의 열화 모델과 비대칭 채점식을 볼 때
- ★ CMAPSS Jet Engine Simulated Data — 고장까지 달린 공개 데이터로 잔여 수명 계산을 따라 해 볼 때
- ★ ISO 17359:2018 Condition monitoring and diagnostics of machines - General guidelines — 상태 감시 프로그램을 세우는 절차를 볼 때
- ★ ISO 13381-1:2025 Condition monitoring and diagnostics of machine systems - Prognostics - Part 1: General guidelines and requirements — 예측(prognostics) 과정의 개념과 요구를 볼 때
- 본문 근거
- ISO 13374-1:2003 Condition monitoring and diagnostics of machines - Data processing, communication and presentation - Part 1: General guidelines — ISO/TC 108/SC 5 · 2003-03 ·
www.iso.org/standard/21832.html· 확인 2026-11-03 - BS EN 13306:2017 Maintenance - Maintenance terminology — CEN · BSI · 2018-01 ·
knowledge.bsigroup.com/products/maintenance-maintenance-terminology· 확인 2026-11-03 - Reliability-Centered Maintenance (F. Stanley Nowlan · Howard F. Heap · United Airlines · AD-A066579) — U.S. Department of Defense · 1978-12 ·
apps.dtic.mil/sti/citations/ADA066579· 확인 2026-11-03 - MIMOSA OSA-CBM (Open System Architecture for Condition-Based Maintenance) 3.3.1 — MIMOSA · 2010-06 ·
www.mimosa.org/mimosa-osa-cbm/· 확인 2026-11-03 - NumPy 2.4 Reference numpy.polyfit — NumPy Developers · 2026-11 ·
numpy.org/doc/2.4/reference/generated/numpy.polyfit.html· 확인 2026-11-03