1.연구배경

제조기업들은 시장에서의 경쟁력을 유지하기 위해 다 양한 노력을 하고 있으며 이러한 노력의 일환으로 예측 하지 못한 공정정지의 감소를 통해 생산성을 증대시키려 하고 있다. 생산시스템에서의 경쟁력은 정비의 설계 및 운용뿐만 아니라 정비절차에 의해서도 영향을 받는 것으 로 알려져 있다[3]. 정비비용의 30% 이상은 불필요한 생 산비용을 초래하는 잘못된 정비계획에 기인한다고 알려 져 있다[13]. 특히, 사출성형라인에서 예기치 못한 공정 중단은 노즐 또는 스크류 부분에 남겨지는 값비싼 원자 재의 낭비를 초래할 수도 있다. 그러므로 사출기업들은 생산라인 운용을 유연하게 유지하고 예기치 못한 공정중 단을 예방하기 위해 정비일정 계획을 정확하게 수립하는 데 많은 관심을 가지고 있다.

정비는 시스템 또는 제품을 건전한 운용상태로 복구 하거나 건전한 운용상태를 유지하기 위해 모든 가용한 조치를 취하는 것으로 정의된다[2]. 일반적으로 정비는 교정정비, 예방정비 및 예측정비와 같이 3개의 카테고리 로 분류될 수 있다[2, 6]. 첫째, 교정정비는 시스템이 고 장 나거나 부품이 기능을 수행하지 못할 때 장비 또는 부품을 운용 가능한 상태로 복구하는 것으로 정의된다. 즉, 교정정비는 적절한 정비시점을 미리 고려하지 않기 때문에 정비일정계획 수립 및 정비수행에 어려움을 초래 할 수 있다[3, 5]. 둘째, 예방정비는 오작동 또는 고장을 방지하고 바람직한 운용상태로 유지하기 위해 계획된 모 든 정비활동 일정을 수립하는 것으로 정의된다. 마지막 으로, 예측정비는 주기적 또는 실시간으로 장비의 상태 모니터링을 통해 장비의 이상여부를 평가한다. 예측정비 의 궁극적인 목적은 장비의 성능이 설정치를 벗어나기 전에 정비시점을 예측하여 정비를 수행하는 것이다.

현장에서 정비에 사용되는 육안검사는 장비상태 모니 터링 방법의 표준으로 간주되어 현재까지 많은 기업들이 채택하고 있다. 그러나, 육안검사를 통해 장비의 노후화 정도를 판단하는 것은 현실적으로 쉽지 않아 센서나 X- 선 검사를 이용하기도 하지만 이 방법 또한 장비특성이 나 주변환경의 영향으로 이용하기 어려운 경우도 많다.

일반적으로 정확한 정비전략을 채택함으로써 운용정 지 및 정비비용을 크게 감소시킬 수 있는 것으로 알려져 있다[11, 12]. 현장에서는 교정정비 방법이 널리 적용되 고 있기 때문에 갑작스러운 고장은 다른 부품에 영향을 주게 되어 계획되지 않은 운용정지와 이에 따른 추가비 용을 수반하곤 한다. 실제로, 기계의 오작동을 원천적으 로 제거하는 것은 불가능한 일이며, 정비가 필요한 모든 기계 및 부품을 대상으로 장시간 또는 연속적인 모니터 링을 수행하는 것도 어렵다.

따라서, 기계고장이 발생했을 때 수행되는 교정정비 보다 예측정비가 더 많은 관심을 받고 있다. 예측정비 기 법들을 활용하면 정비가 수행되어야 할 시점을 예측하기 위해 운영중인 장비 또는 시스템의 상태를 판단하는 것 이 가능하게 된다[8, 15]. 예측정비에서는 정비조치의 계 획수립을 용이하게 해주고, 예상하지 못한 장비의 중단 을 방지하도록 적시에 정확한 정보를 획득하는 것이 중 요하다. 어떤 장비나 부품이 정비가 필요한지 알게 된다 면 정비계획을 좀 더 잘 수립할 수 있고, 돌발중단 횟수 도 줄일 수도 있으며, 이를 통해 정비가용성을 높일 수 있다. 이러한 예측정비 방법에서는 미래의 어느 시점에 정비활동이 요구될지 결정하기 위해 통상 통계적 공정관 리의 원리를 사용하곤 한다. 장비의 상태를 평가하기 위 해 예측정비에서는 센서, 진동, 음향수준 분석 및 기타 실시간 검사와 같은 비파괴시험을 활용할 수 있다. 즉, 예측정비에서는 장비의 상태에 관한 정보를 모니터링 하 여 정비계획을 수립하는 절차를 포함하고 있어야 한다 [9]. 그러나, 이러한 예측정비 방법은 실시간 검사를 수 행할 수 없을 때는 적용하기 곤란할 수 있다.

따라서, 본 논문에서는 예방정비와 예측정비를 병행하 여 수행하는 통합정비 방법을 제안하려 한다. 즉, 관련 공정 파라미터를 통해 운용상태를 판단할 수 있는 부품 또는 장비에 대해서는 예측정비 방법을 적용하고, 실시 간 상태검사를 제공하지 않는 기타의 부품 또는 장비에 대해서는 예방정비 방법을 적용한다. 먼저, 사출성형 장 비의 부품과 이들에 관련된 공정 파라미터들을 식별하 고, 공정 파라미터와 식별된 부품 사이의 연관도를 도출 한다. 둘째, 통계적 분석법을 활용하여 공정 파라미터 데 이터 계열을 분석한다. 이 통계적 분석에서는, 제품 형상 오차를 반응변수로 사용하였고 공정 파라미터들을 독립 변수로 사용하였다. 이 분석을 통해 반응값에 유의하게 영향을 미치지 않는 파라미터들을 예측정비 대상에서 제 외시켰다. 셋째, 유효한 공정 파라미터 데이터에 대한 예 측모델을 도출하였다. 데이터 계열에 대한 비정상적 패 턴의 검출을 위해 넬슨규칙(Nelson’s Rules)을 적용하였 다. 넷째, 실시간으로 공정 파라미터를 모니터링 하여 획 득되는 데이터 계열들에 대해 넬슨규칙을 기반으로 패턴 을 평가하였다. 다섯째, 파라미터 데이터에 대해 이상패 턴이 검출되면 해당 공정 파라미터와 연관 있는 부품들 은 결함수(Fault Tree) 데이터베이스를 참조하여 정비작 업자에게 통보하게 된다. 마지막으로, 예측정비로 다루 어지지 않는 부품들에 대해서는 예방정비방법을 적용한 다. 예방정비를 수행하기 위해서 본 연구에서는 검사주 기를 근거로 부품 또는 장비를 분류하였다.

본 논문의 구성은 다음과 같다. 제 2장에는 통합정비 방법이 기술되었다. 제안 방법론에 대한 간단한 소개 후 에 제 3장에서는 프로토타입 시스템의 구현에 대해 기술 하고 연구 결과를 논의한다. 마지막으로, 제 4장에서는 제안된 방법론의 한계점과 추후연구에 대해 언급한 후 본 연구에 대한 결론을 내리도록 한다.

2.통합정비 방법론

본 논문에서는 사출성형기에 대한 예방정비와 예측정 비를 결합하여 적용하는 통합정비 방법을 제안한다. 예 방정비 방법은 정비대상 부품 또는 장비들에 대한 점검 주기 정보를 기반으로 실시하고 예측정비는 사출기 내부 파라미터에 대한 실시간 데이터 분석을 통해 해당 설비 들에 대한 정비시점을 결정한다. <Figure 1>에서는 제안 하는 통합정비 방법의 정비절차 개념을 보여주고 있다. 먼저, 문헌조사를 통해 정비시 주목해야 하는 사출성형 장비의 부품 및 이 부품이 영향을 미치는 사출성형 공정 파라미터를 식별해 낸다. 둘째, 효율적인 운영을 위하여 앞에서 식별된 다수의 공정파라미터를 모두 다루기보다 는 품질에 영향을 미치는 파라미터를 선별하고 이들을 대상으로 모니터링 작업을 수행한다. 본 연구에서는 회 귀분석을 이용하여 사출성형 제품의 품질인자인 형상오 차에 유의한 영향을 미치는 파라미터들을 선별해낸다. 셋째, 선별된 공정파라미터에 대한 실시간 모니터링을 통해 패턴을 예측하고 이상패턴이 검출 되었을 때 정비 시점을 결정하기 위한 통계적 시계열 모델을 개발하였다 [4]. 마지막으로, 실시간으로 모니터링 된 파라미터 데이 터 계열과 예측값들을 이용하여 넬슨규칙을 적용하여 이 상패턴 또는 추세가 존재하는지 평가한다. 만일 이상패 턴이 검출되면 결함수 데이터베이스를 참조하여 정비작 업자에게 정비대상항목 정보를 통보한다. 이때 결함수 데이터베이스를 참조하여 공정파라미터에 영향을 미치 는 장비 또는 부품을 찾을 수 있다. 결함수 데이터베이스 에서는 과거의 고장발생 이력을 관리하고 있으며 각 장 비 또는 부품에 대한 고장확률을 관리하고 있다. 따라서 정비담당자는 이상패턴이 발견된 공정파라미터에 영향 을 미치는 다수의 부품 또는 장비에 대해 점검해 보아야 할 순서를 알 수 있다. 한편, 예측정비에 의해 다루어지 지 못하는 부품 또는 장비에 대해서는 부품 또는 장비의 검사주기를 기초로 예방정비 방법을 실시한다.

2.1.예측정비

예측정비를 수행하기 위해서는 공정상태 모니터링을 수행하면서 이상상황 예측시 정비대상항목을 식별해 낼 수 있어야 한다. 본 연구에서는 정비매뉴얼과 문헌조사로 부터 정비대상 부품을 식별한 후 이들 부품과 공정 파라 미터 사이의 연관관계를 도출하였다. <Figure 2>에는 13 개의 사출기 내부 파라미터와 이들에 영향을 미치는 정비 부품 리스트의 일부를 보여주고 있다[7, 14]. 여기서 13개 의 모든 파라미터에 대한 모니터링보다는 효율성을 고려 하여 사출제품에 유의한 영향을 미치는 파라미터 선정작 업을 실시하였다. <Figure 3>에는 유의한 파라미터를 선 택하기 위하여 수행한 회귀분석 결과를 보여주고 있다. 그림에서와 같이 스크류포지션(S300), 피크홀딩압력(P303), 피드타임(T302), V-P전환위치(S302), 사이클타임(T300), 최 소쿠션(S303), 히터존온도(H301~H306) 등 7개의 파라미 터가 응답변수인 성형오차에 유의한 영향을 미치고 있는 것으로 판명되었다. 따라서 7개의 파라미터를 예측정비 모델에서 모니터링 작업을 수행할 파라미터로 선정 하였 다. 이 분석결과에 따라 7개의 파라미터를 이용하여 도출 된 회귀모델이 적합함을 알 수 있다. <Figure 4>에서는 도 출된 7개의 공정 파라미터와 관련 정비항목 사이의 연관 관계를 보여주고 있다.

이제 정비대상 설비 또는 부품의 이상유무를 판단하기 위한 방안이 필요한데 본 논문에서는 정비대상 설비 또는 부품과 연관된 공정 파라미터의 모니터링을 통해서 이상유 무를 판단하는 방안을 제시한다. 정비대상 설비 또는 부품 에 이상이 발생하면 결과적으로 이들에 관계된 공정 파라 미터에도 영향을 미칠 수 있다. 따라서 공정파라미터를 모 니터링 함으로써 정비대상 설비 또는 부품의 이상여부를 예측할 수 있다. 본 논문에서는 공정파라미터 데이터 계열 의 이상 유무를 판단하기 위하여 통계적 공정관리 기법에 서 널리 사용되고 있는 넬슨규칙(Nelson Rule)을 적용하였 다. 패턴의 이상유무를 판단하기 위해 설비 또는 부품의 마모 또는 파손과 밀접한 연관이 있는 것으로 알려져 있는 4개의 규칙 즉, 넬슨 규칙 1, 2, 3 및 8을 적용규칙으로 선정 하였다[1]. 이들 규칙을 적용하기 위해서는 규칙기준에서 사용하는 K값 또는 런 길이(Run Length)를 결정해야 한다.

적용규칙에서 판단기준값으로 사용할 K값을 결정하기 위해서는 일종오류 확률값이 필요하다. 통계적 공정관리에 서는 각 기업에서 통계적 오경보 허용치 즉, 일종오류 확률 값을 계산할 수 있는 기준을 제시해야 한다. 따라서, 기업 에서 제시하는 기준을 근거로, 예측모델에서 모니터링 되 거나 예측된 데이터 계열의 패턴을 평가하기 위하여 4개의 규칙에 대한 K값의 조합을 선택할 수 있다. 현실적으로, 예측 데이터 계열에 대한 패턴검사에서는 규칙 1 외에 나 머지 규칙들은 예측치의 특성 때문에 별 의미가 없으므로 규칙 1만을 적용한다. 관련된 공정 파라미터의 데이터 계 열에서 이상패턴이 검출되면 <Figure 4>의 관계를 참조하 여 정비대상 항목을 식별하고 결함수(Fault Tree) 데이터베 이스에서 해당 빈도값을 참조하여 정비순서 우선순위를 결 정한 후 정비작업자에게 정비항목을 포함하고 있는 <Figure 5>과 같은 정비통지서를 보낸다.

2.2.예방정비

공정파라미터와 연관되지 않았거나 예측정비로 다루 어지지 않는 부품 또는 설비에 대해서는 예방정비 방법 을 적용하여 정비를 실시한다. 먼저, 문헌조사를 통해서 정비대상항목이지만 예측정비 방법으로 다루어지지 않 는 부품 또는 설비를 조사한 후 점검주기를 기준으로 분 류한다. <Figure 6>에는 예방정비를 위한 정기적으로 점 검해야 할 부품 또는 설비 목록의 일부분이 수록되어 있다. 그림에서 일별, 주별, 월별, 분기별, 년간 점검항목을 보 여주고 있다. 점검주기가 도래했을 때 해당 사출기의 부 품/설비는 <Figure 7>에 표시된 것과 같은 데이터베이스 트리거(Trigger)에 의해 자동으로 정비작업자에게 <Figure 8>과 같은 정비통지 형태로 전송된다. 이와 같은 방식으 로 모든 정비대상 부품 또는 장비에 대해 제안된 예측정 비와 예방정비를 통합한 정비방법을 이용하여 사출기 장 비에 대한 정비를 수행할 수 있다.

3.통합정비모델 지원시스템

본 연구에서 제안된 통합정비 방법의 실현가능성을 보 여주기 위하여 통합정비지원 프로토타입 시스템을 개발 하였다. 제안 방법론의 검증을 위해서 시험사출을 통해 사출기 내부 파라미터 데이터 에 대한 실시간 수집 및 통 합정비지원시스템 적용을 통해 방법론에 대한 검증을 실시 하였다. 통합정비지원 프로토타입 시스템은 LabVIEW® 툴킷과 MS SQL Server® 환경에서 구현되었다. <Figure 9>는 통합정비지원 프로토타입 시스템의 초기실행화면을 보여주고 있다. 화면의 중앙상단 메뉴에서 사용자는 모니 터링을 실시할 대상사출기 및 사출기 내부 파라미터를 선 택할 수 있다. 좌측상단에는 예측정비를 위한 예측모델 선택기능이 있어서 사용자들은 시스템에서 제공되는 MSE (Mean Squared Error)값들을 기준으로 적용할 예측모델을 선택할 수 있다. 즉, 사용자는 MSE 값을 기준으로 예측모 델들을 비교할 수 있으며 시스템에서 사용할 적합한 예측 모델을 선택할 수 있다. 현재는 회귀모델 및 지수평활화 모델을 포함한 몇 가지 예측모델만을 제공되고 있다. 화 면우측에는 범례가 있으며 사용자는 중앙의 표시화면 (Display Panel)에 표시할 항목들을 선택할 수 있다. 화면 중앙에는 규칙선택 버튼이 있는데 이를 이용해서 예측모 델에 사용할 규칙집합을 선택할 수 있다. 화면하단의 리 스트박스 영역에는 이상상황이 탐지되었을 때 사출기번 호, 발생시각, 파라미터, 수행할 정비정보 등과 같은 사출 공정 이상상황 정보가 표시된다.

본 연구에서는 제안하는 통합정비방법의 검증을 위해 휴대폰 카메라 렌즈를 생산하는 사출성형 장비를 이용하 여 시험사출을 실시하였고 이를 통해 검증을 수행 하였다. 실험에서 사용할 사출기 내부 파라미터로는 금형히터존 온도(<Figure 4>의 ‘H301’)를 선정하였다. 사출성형 사이 클은 금형을 닫으면서 시작되는데 용융된 레진이 노즐을 통해 금형내부의 캐비티로 사출된다. 레진이 노즐을 통 해 원활하게 흐를 수 있도록 레진에 열이 가해져서 용해 되어 있어야 한다. 일단 용해된 레진이 금형내부의 캐비 티에 채워지면 재료의 수축을 보상해주기 위해 홀딩압력 을 걸어준다. 이 작업을 마치면 노즐 스크류가 회전하면 서 다음 사출샷을 위해 전방 스크류에 새로운 레진의 공 급을 시작한다. 이 작업을 통해 다음 사출샷을 준비하면 서 스크류를 사출을 시작할 수 있는 원위치로 되돌려 놓 는다. 이때 제품이 충분히 냉각되면 금형이 열리고 완성 된 렌즈제품은 방출된다. 이와 같은 사출성형 사이클에 서 금형 히터존 영역의 올바른 작동 없이는 원자재인 레 진은 용융되어 금형내부의 캐비티 안으로 원활하게 흘러 들어갈 수 없고 대상 제품을 정상적으로 성형 될 수 없 다[10].

시험사출에 사용된 사출성형 장비는 휴대폰용 카메라 렌즈 사출에서 가장 많이 사용되는 사출기 기종 중 하나 인 스미토모 30톤 사출기 모델(SE30DUZ)로서 EP-5000 레진을 사용하여 휴대폰 카메라용 렌즈를 생산한다. 금 형히터존 영역의 온도 데이터 시리즈는 본 연구에서 개 발된 별도의 컨트롤러 인터페이스 어플리케이션을 통해 서 실시간으로 수집된다. <Table 1>에서는 사출실험에서 수집된 금형히터존 영역의 데이터 시리즈 샘플을 보여주 고 있으며, 1열에는 사출샷 번호, 2열에는 히터존 온도, 3열에는 실험사출 성형시각이 표시되어 있다.

<Table 1>에 표시된 히터존의 데이터 시리즈는 수집 되어 구현된 데이터베이스에 수집과 동시에 저장되며 <Figure 10>에서 보는 바와 같이 통합정비지원 프로그램의 중앙 표시부에 연속적으로 타점된다. 새로운 사출샷 정보가 수 집되어 들어올 때 마다, 최근 K개의 데이터로 구성되는 패턴은 선택된 규칙패턴들과 비교평가 되며, 규칙위반을 나타내는 데이터가 탐지되면 중앙의 화면표시부에 판독 된 이상상황 결과가 표시된다.

시험사출 실험 예제에서 사용자는 넬슨 규칙 1, 2, 3, 8, 실측데이터 계열, 예측데이터 계열을 선택하였기 때문에, 규칙들에 대한 평가결과 및 예측된 데이터 계열값들을 화면중앙의 표시부에 나타내고 있다. 그림에서 0번째 샷 과 2~8번째 샷에 표시된 타점들은 정상 사출성형샷을 의 미하고, 사출샷 25~29에 위치한 타점들은 예측데이터 시 리즈를 나타낸다. 사각형내의 타점들(샷1, 샷9~24), 다이아 몬드 내의 타점들(샷 21~24), 다이아몬드 안의 타점들(샷 22~24), 사각형 내의 타점들(샷 17~24)은 각각 규칙 1, 2, 3, 8을 위반한 사출샷들을 나타내고 있다. 여기서 위반으 로 표시된 타점들은 정규 랜덤성을 위반한 것을 의미하 며, 이 파라미터에 관련된 부품인 금형히터존 영역의 고 장여부를 확인하기 위해 반드시 점검 계획이 수립되어야 함을 의미한다.

<Figure 11>에서는 정상적인 조건하에서 양품으로 성 형된 렌즈와 히터존 회로의 단선으로 유발된 비정상적인 낮은 히터존 온도에서 성형된 기형의 불량렌즈에 대한 비구면 부분에 대한 비구면 형상측정 결과를 각각 보여 주고 있다. 양품렌즈의 경우 정상적인 비구면 형상을 보여 주고 있지만 불량렌즈의 경우에는 정상적인 비구면 형상 이 아닌 왜곡된 형태를 보여주고 있음을 확인할 수 있다. 이와 같이 금형히터존에서의 이상상황이 발생할 때 통합 정비시스템에서는 히터존온도 파라미터에 연관된 정비항 목들과 과거고장빈도를 참고하여 <Figure 12>에 표시된 것과 같이 정비요청 메시지를 정비담당자에게 발송하게 되며 정비담당자는 발송된 메시지를 기반으로 정비를 수 행하게 된다.

4.결 론

본 논문에서는 사출성형 공정에 대한 통합정비방법을 제안 하였다. 먼저, 포괄적인 지원을 제공하기 위해 문헌 조사와 사출전문가의 의견을 반영하여 정비대상 설비를 식별하였다. 둘째, 사출장비 또는 설비의 오작동에 의해 영향을 받을 수 있는 사출기 파라미터를 식별하였다. 셋 째, 사출장비 또는 설비와 사출기 내부파라미터 사이의 연관도를 도출하였다. 넷째, 모니터링 되는 파라미터 데 이터 시리즈에 대한 이상패턴을 평가하는데 사용하기 위 하여 통계적 분석기법 기반의 예측정비 방법을 제시하였 다. 다섯째, 예측정비에서 커버되지 않는 부품 또는 설비 에 대해서는 각 부품 및 설비에 대한 기간별 예방정비 방 법을 제안하였다. 마지막으로, 본 연구에서 제안하는 통 합정비방법에 대한 실현가능성을 보여주기 위해서 프로 토타입 시스템을 구현하였고 시험사출을 실시하여 본 연 구에서 제안하고 있는 방법론을 검증하였다.

논문에서 제안된 통합정비 모델은 예측정비와 예방정 비로 구성되었다. 예측정비는 실시간 모니터링 되는 데 이터를 이용하여 통계적 기법을 기반으로 이상패턴을 평 가하며 예방정비는 예측정비에서 커버되지 못하는 정비 대상에 대해 기간별 점검을 통해 정비를 수행한다.