예지보전에서 베어링 진단 데이터를 활용하는 방법

베어링 진단 데이터로 시작하는 스마트한 예지보전 가이드

산업 현장에서 회전 기계는 생산 설비의 핵심 역할을 담당합니다. 모터, 펌프, 팬, 감속기, 컨베이어 등 다양한 회전 설비의 중심에는 베어링이 사용됩니다.

베어링은 회전축을 지지하고 마찰을 줄여주는 중요한 부품이지만, 지속적인 하중과 회전, 윤활, 온도, 오염 등의 영향을 받기 때문에 시간이 지나면서 마모와 손상이 발생할 수 있습니다.

특히 베어링의 문제는 단순히 베어링 하나를 교체하는 것으로 끝나지 않을 수 있습니다. 손상이 심해지면 축이나 하우징까지 영향을 받을 수 있고, 생산 설비 전체의 가동 중단으로 이어질 가능성도 있습니다.

이 때문에 최근 산업 현장에서는 단순히 고장 이후 수리하는 방식에서 벗어나 베어링 진단 데이터를 활용해 고장 가능성을 미리 파악하는 예지보전이 중요해지고 있습니다.

예지보전이 중요한 이유

설비 유지보수는 크게 사후보전, 예방보전, 예지보전으로 구분할 수 있습니다.

사후보전은 설비에 문제가 발생한 후 수리하는 방식입니다. 관리가 단순하다는 장점이 있지만 갑작스러운 고장으로 생산이 중단될 수 있다는 문제가 있습니다.

예방보전은 일정한 운전 시간이나 기간을 기준으로 부품을 교체하는 방식입니다. 갑작스러운 고장을 줄일 수 있지만 아직 사용할 수 있는 베어링을 교체하게 될 가능성이 있습니다.

예지보전은 이 두 방식의 한계를 보완합니다.

진동, 온도, 회전수, 부하 등의 데이터를 지속적으로 확인하면서 설비의 상태 변화를 추적하고, 실제 상태에 맞춰 정비 시기를 결정하는 방식입니다.

예를 들어 동일한 베어링을 무조건 1년마다 교체하는 대신, 진동 데이터와 윤활 상태, 운전 시간 등을 종합적으로 확인하여 실제 교체가 필요한 시점을 판단하는 것입니다.

베어링 진단에서 중요한 데이터는 무엇일까

베어링 상태를 파악하기 위해 다양한 데이터를 활용할 수 있습니다.

진동 데이터

베어링 진단에서 가장 중요한 데이터 중 하나입니다.

베어링의 궤도면이나 전동체에 손상이 발생하면 회전 과정에서 반복적인 충격이 발생할 수 있습니다. 이러한 충격은 진동 신호로 나타나며, 가속도 센서를 이용해 측정할 수 있습니다.

단순히 전체 진동값만 확인하는 것보다 FFT나 엔벨로프 분석을 활용하면 더욱 구체적인 진단이 가능합니다.

예를 들어 베어링의 BPFI, BPFO, BSF와 같은 결함 주파수 성분이 회전수 변화에 맞춰 증가한다면 특정 베어링 부위의 결함 가능성을 검토할 수 있습니다.

온도 데이터

온도는 베어링의 상태 변화를 확인하는 가장 직관적인 지표입니다.

윤활 부족이나 과도한 하중, 마찰 증가 등이 발생하면 베어링 주변의 온도가 상승할 수 있습니다.

다만 온도가 상승한 시점에는 이미 문제가 어느 정도 진행되었을 가능성이 있기 때문에 온도만으로 초기 결함을 판단하기보다는 진동 데이터와 함께 활용하는 것이 좋습니다.

음향 및 초음파 데이터

베어링에서 발생하는 고주파 영역의 소리나 초음파를 측정하는 방법입니다.

사람이 귀로 들을 수 없는 초기 단계의 마찰이나 충격 신호를 확인하는 데 활용할 수 있습니다.

특히 저속 회전 설비에서는 일반적인 진동 분석만으로 초기 결함을 발견하기 어려운 경우가 있기 때문에 초음파 진단을 함께 활용하면 도움이 될 수 있습니다.

전류 데이터

모터와 연결된 설비에서는 전류 데이터도 활용할 수 있습니다.

베어링 자체를 직접 측정하는 방식은 아니지만, 베어링 상태 변화로 인해 모터의 부하 특성이 달라지면서 전류 신호에 변화가 나타날 수 있습니다.

다만 전류 변화에는 베어링 이외에도 다양한 요인이 영향을 미치므로 보조적인 진단 데이터로 활용하는 것이 적절합니다.

베어링 진단 데이터를 실제 현장에 적용하는 과정

예지보전을 처음 시작한다면 복잡한 시스템을 한꺼번에 구축하기보다는 단계적으로 접근하는 것이 좋습니다.

1. 핵심 설비를 선정한다

먼저 공장에서 고장 발생 시 생산에 가장 큰 영향을 미치는 설비를 선정합니다.

예를 들면 다음과 같습니다.

• 주요 생산라인의 구동 모터
• 대형 펌프
• 고속 회전 팬
• 감속기
• 생산 공정의 핵심 컨베이어

모든 설비를 동일한 수준으로 관리할 필요는 없습니다.

2. 정상 상태 데이터를 확보한다

센서를 설치했다고 바로 이상 여부를 판단하는 것은 바람직하지 않습니다.

먼저 정상적으로 운전되는 상태에서 데이터를 수집해야 합니다.

이 데이터를 기준값, 즉 Baseline으로 활용합니다.

특히 회전수와 부하 조건이 달라지면 진동값도 달라질 수 있기 때문에 단순히 하나의 숫자를 정상 기준으로 설정하기보다는 운전 조건별 데이터를 확보하는 것이 좋습니다.

3. 변화 추세를 관찰한다

예지보전에서는 절대적인 수치 하나보다 변화 추세가 중요한 경우가 많습니다.

예를 들어 진동값이 평소보다 조금 높아졌다고 해서 바로 베어링 고장이라고 판단할 수는 없습니다.

하지만 동일한 운전 조건에서 진동값이 몇 주 또는 몇 달에 걸쳐 지속적으로 증가한다면 더욱 자세한 분석이 필요합니다.

4. FFT와 엔벨로프 분석을 활용한다

이상 징후가 발견되면 단순한 진동값을 넘어 주파수 영역을 확인합니다.

회전 주파수인 1X 성분인지, 2X나 3X와 같은 고조파인지, 혹은 베어링 결함 주파수에 해당하는 성분인지 확인합니다.

베어링의 초기 결함을 확인할 때는 엔벨로프 분석이 특히 유용할 수 있습니다.

5. 현장 상태와 데이터를 비교한다

분석 결과만 보고 바로 베어링을 교체하기보다는 실제 설비 상태를 확인해야 합니다.

윤활 상태, 축 정렬, 하우징 체결 상태, 온도, 회전수, 부하 등을 함께 확인하면 진동이 증가한 원인을 더욱 정확하게 판단할 수 있습니다.

베어링 진단 데이터에 대한 흔한 오해

진동값이 낮으면 베어링은 무조건 정상이다?

그렇지는 않습니다.

베어링 결함은 손상 위치와 진행 정도에 따라 진동 신호가 다르게 나타날 수 있습니다.

전체 RMS 값만 낮다고 해서 베어링 상태가 완벽하다고 판단하기보다는 주파수 스펙트럼과 엔벨로프 데이터를 함께 확인하는 것이 좋습니다.

AI가 있으면 사람이 데이터를 볼 필요가 없다?

AI는 많은 데이터를 빠르게 분석할 수 있는 훌륭한 도구지만 모든 상황을 자동으로 판단할 수 있는 것은 아닙니다.

특히 새로운 설비나 운전 조건이 바뀐 경우에는 기존 학습 데이터와 다른 패턴이 나타날 수 있습니다.

따라서 AI가 이상 신호를 알려주면 현장 담당자가 실제 설비 상태를 확인하는 과정이 필요합니다.

데이터는 많을수록 무조건 좋은가?

데이터의 양보다 중요한 것은 데이터의 품질입니다.

센서가 잘못 설치되어 있거나 회전수와 부하 조건이 기록되지 않은 데이터가 계속 쌓이면 오히려 분석을 어렵게 만들 수 있습니다.

따라서 설비의 특성에 맞춰 필요한 데이터를 정확하게 수집하는 것이 중요합니다.

비용을 줄이면서 예지보전을 시작하는 방법

예지보전 시스템을 도입할 때 가장 흔한 실수는 처음부터 모든 설비에 고가의 시스템을 설치하는 것입니다.

보다 현실적인 방법은 핵심 설비부터 시작하는 것입니다.

예를 들어 공장 전체에 100개의 회전 설비가 있다면 그중 생산 중단에 가장 큰 영향을 미치는 5~10개 설비를 먼저 선정할 수 있습니다.

이후 해당 설비에서 데이터를 수집하고 실제 고장 예방 효과를 확인한 뒤 적용 범위를 확대합니다.

또한 다음과 같은 방법을 활용할 수 있습니다.

• 핵심 설비는 온라인 실시간 모니터링
• 일반 설비는 휴대용 진동 분석기로 정기 점검
• 저위험 설비는 온도와 소음 중심의 간이 점검
• 기존 PLC 및 설비 데이터를 진동 데이터와 연계
• 클라우드 기반 분석 서비스를 활용하여 초기 구축 비용 절감

이처럼 설비 중요도에 따라 관리 수준을 차등 적용하면 불필요한 비용을 줄일 수 있습니다.

현장에서 베어링 진단 데이터를 기록하는 방법

예지보전의 효과를 높이려면 진단 결과를 꾸준히 기록해야 합니다.

단순히 “진동 이상”이라고 기록하는 것보다 다음과 같은 정보를 함께 남기는 것이 좋습니다.

1. 설비명과 위치
2. 베어링 모델
3. 측정 날짜
4. 회전수
5. 부하 조건
6. 진동값
7. 주요 주파수 성분
8. 베어링 온도
9. 윤활 상태
10. 실제 점검 및 교체 결과

특히 베어링을 교체한 뒤 기존 베어링을 분해하여 손상 부위를 확인했다면 그 결과까지 기록하는 것이 중요합니다.

예를 들어 진동 데이터에서는 외륜 결함 가능성이 나타났고 실제 분해 결과 외륜에 스폴링이 발견되었다면, 해당 데이터는 앞으로 비슷한 설비를 진단할 때 매우 중요한 참고 자료가 됩니다.

이러한 기록이 반복되면 단순한 진동 측정에서 한 단계 더 나아가 우리 설비에 맞는 고유한 진단 기준을 만들어갈 수 있습니다.

베어링 진단 센서는 어디에 설치해야 할까

센서 설치 위치는 데이터 품질에 직접적인 영향을 미칩니다.

일반적으로 베어링에서 발생한 진동이 센서까지 전달되는 경로를 짧게 만드는 것이 중요합니다.

따라서 베어링 하우징과 가까운 위치에 견고하게 설치하는 것이 좋습니다.

특히 자석식 센서와 영구 설치형 센서는 사용 목적이 다르므로 상황에 맞게 선택해야 합니다.

휴대용 점검에서는 측정 위치를 항상 동일하게 유지하는 것이 중요합니다.

센서 위치가 매번 달라지면 실제 설비 상태가 같더라도 측정값이 달라질 수 있기 때문입니다.

베어링 결함 주파수를 활용한 진단

베어링 진단 데이터를 보다 정밀하게 분석하려면 베어링의 구조적인 정보를 함께 알아야 합니다.

대표적인 결함 주파수는 다음과 같습니다.

• BPFO: 외륜 결함 주파수
• BPFI: 내륜 결함 주파수
• BSF: 전동체 결함 주파수
• FTF: 케이지 결함 주파수

이러한 주파수는 베어링의 전동체 개수, 전동체 직경, 피치 원 직경, 접촉각과 회전수 등에 따라 결정됩니다.

따라서 같은 RPM에서 운전하더라도 베어링 모델이 달라지면 결함 주파수도 달라질 수 있습니다.

현장에서 스펙트럼의 피크 하나만 보고 결함을 판단하기보다는 베어링 모델과 회전수에 맞춰 계산한 결함 주파수와 실제 측정값을 비교하는 과정이 필요합니다.

자주 묻는 질문

베어링 진단 데이터를 얼마나 자주 측정해야 하나요?

정해진 하나의 주기가 있는 것은 아닙니다.

설비의 중요도, 회전 속도, 고장 이력, 운전 환경에 따라 달라집니다.

핵심 설비라면 온라인 모니터링을 고려할 수 있고, 일반 설비라면 일정한 주기로 휴대용 진동 측정을 실시하는 방식도 효과적입니다.

중요한 것은 측정 주기보다 동일한 조건에서 지속적으로 데이터를 축적하는 것입니다.

진동 데이터와 온도 데이터 중 무엇이 더 중요한가요?

두 데이터의 역할이 다릅니다.

진동은 베어링의 초기 이상을 확인하는 데 유리하고, 온도는 마찰 증가나 윤활 문제 등이 심해졌을 때 상태 변화를 확인하는 데 도움이 됩니다.

따라서 가능하다면 두 데이터를 함께 관리하는 것이 좋습니다.

윤활 상태도 진동 데이터로 확인할 수 있나요?

어느 정도 가능합니다.

윤활 상태가 나빠지면 마찰이나 충격 성분이 증가하면서 고주파 진동 또는 엔벨로프 신호가 변화할 수 있습니다.

다만 진동 데이터만으로 윤활 상태를 확정하기보다는 윤활 이력과 그리스 상태, 온도, 초음파 측정 등을 함께 확인하는 것이 더욱 정확합니다.

예지보전의 시작은 거창한 시스템이 아니다

베어링 진단 데이터를 활용한 예지보전은 반드시 대규모 스마트팩토리 시스템부터 시작할 필요가 없습니다.

오히려 작은 설비 하나를 선정하고 정상 상태의 데이터를 꾸준히 기록하는 것에서 시작할 수 있습니다.

평소 진동과 온도가 어느 정도인지 알고 있어야 이상이 발생했을 때 변화의 의미를 판단할 수 있습니다.

그리고 이상 신호가 발생했을 때 실제 베어링을 점검하고, 분해 결과와 측정 데이터를 다시 연결하면 점점 더 정확한 진단 기준을 만들 수 있습니다.

결국 예지보전의 핵심은 데이터를 수집하는 것 자체가 아니라 데이터를 정비 의사결정으로 연결하는 것입니다.

베어링은 작은 부품이지만 설비 전체의 가동 여부를 결정할 만큼 중요한 역할을 합니다. 평소에는 눈에 띄지 않지만 진동과 온도, 주파수 변화라는 형태로 자신의 상태를 계속 알려주고 있습니다.

이러한 신호를 꾸준히 기록하고 분석하는 습관을 만든다면 갑작스러운 베어링 고장을 줄이고, 불필요한 부품 교체도 줄이면서 더욱 효율적인 예지보전 체계를 구축할 수 있습니다.