1. 서 론
선박은 전 세계를 항해하며 선원들의 끊임없는 정비가 필 요한 규모가 작은 이동형 공장이라고 할 수 있다(Akyuz and Celik, 2018). 따라서 선박의 항해를 위해서는 지속적인 정비 프로세스가 필요하다. 해양 운송 산업은 특성상 항공 및 철 도 등의 다른 운송 산업과 달리 신기술이 가장 마지막에 적 용되는 산업이다. 해양 운송 산업은 여전히 대부분 선박의 고장 또는 결함이 발생하는 즉시 해당 기기 및 부품을 유지 보수하는 사후 정비(Corrective Maintenance, CM), 해당 기기 및 부품의 상태와 관계없이 안정적인 상태를 유지하기 위해 일정 시간, 주기에 따라 유지보수를 하는 시간 기반 정비 (Time-Based Maintenance, TBM)와 같이 후행 및 예방 정비 방 법들이 두드러지게 사용되고 있다. 그러나 높은 유지보수 비용이 요구되고, 선박이 멈추면 즉시 위험에 노출되는 해양 환경에서 운영되는 선박에서 과도한 단순 정비로 인한 인력 과 비용 낭비, 예측되지 못한 고장 및 결함으로 유발되는 사 고 등으로 인해 운용 효율화 측면에서 기존 정비법에 대한 한계점이 문제 시 되고 있다. 여러 연구를 통하여 작업량과 비용 측면에서 효율적인 정비를 진행하는 데 있어 CM과 TBM이 가진 한계에 대해 분석되었다(Mehairjan et al., 2019).
예지 정비(Predictive Maintenance, PdM)와 같은 진보된 정비 방법을 통해 핵심 기계장치가 효율적으로 최상의 작동 상태 를 유지할 수 있도록 개선할 수 있다. PdM은 기계의 상태 및 성능을 모니터링하여 고장 시기를 예측하여 정비하는 방 법으로 해양 선박을 제외하고 트럭, 기차 및 항공기와 같은 대중교통 수단에 적용되고 있다.
항공사에서 항공 지연과 취소는 심각한 상황으로 비용이 많이 드는 문제를 발생시킨다. 미국 Delta 항공은 2003년부터 SmartSignal이라는 소프트웨어를 활용하기 시작했다. 이 소프 트웨어는 항공기가 고장 및 결함이 발생하기 전에 엔지니어 가 해당 부품을 정비하는 등 선제적으로 작업할 수 있도록 정보를 제공한다. Delta 항공사는 자산 성능 모니터링 프로 그램(Asset Performance Monitoring Program)을 통해 정시성 준 수율(On-Time Performance)과 같은 지표를 개선할 수 있었다 (Diana, 2017). 항공기와 마찬가지로 트럭, 기차와 같은 육상 운송 수단은 PdM을 투입하여 긍정적인 결과를 보였다. 항공 및 육상 운송 산업은 문제가 생길 때마다 육상에 대한 접근 및 지원이 쉽지만, 선박은 이러한 혜택을 누릴 수 없다.
해양에서 운용되는 장비와 기계 장치들은 사용되는 환경 으로 인해 고장과 결함에 취약한 경우가 많으며, 이러한 장 비와 기계 장치들의 정비는 고장이 난 경우 특히 수리하기 가 어렵다. 선박은 해양을 항해하는 점을 제외하고는 작은 규모의 공장과 같다. 즉, 정비 수준에 따라 선박의 성능은 두드러지게 달라질 수 있다.
본 연구는 해양 환경에서 PdM의 적용성에 중점을 둔 해 양 예지 정비(MPdM, Maritime Predictive Maintenance)를 소개 한다. 해양 기계의 핵심 부분의 오작동 및 고장은 선박의 운 항을 중단시키거나 손상을 일으켜 항해가 지연될 뿐만 아니 라 인명 피해를 일으킬 수 있다. 기계 장치에 즉각적인 수리 가 필요하면 선박의 운항을 중단하고 정박시켜 결함 부분을 수리 또는 교체해야 하는데, 이러한 작업에는 상당한 시간 이 소요된다. 선박 및 관련 기계의 제조사는 많지 않고 선박 과의 접근성이 떨어져 기기 및 부품의 즉각적인 수급에 어 려움이 있으며, 많은 수리 비용이 요구된다. 다른 운송 수단 과 대조적으로 선박은 해양을 운항하므로 파도 및 기상 상 황 등 해양 환경의 영향이 커 긴급 상황일 때도 즉각적인 도 움을 받을 수 없다. 또한 선원 수도 한정되어 있어 선박 및 기계 손상 수준에 즉각적인 대처가 어려운 경우가 발생하 여, 육상에서만큼 효율적으로 정비하기가 어렵다. MPdM은 이러한 절차와 문제가 발생하지 않도록 예방함으로써 경제 적이고 효율적인 선박 운항이 가능하도록 하며, 선원들과 관련 당사자들 모두에게 혜택을 줄 수 있다.
본 논문은 해양 환경에서 PdM의 적용성에 중점을 둔 해 양 예지 정비(MPdM, Maritime Predictive Maintenance)에 대해 고안하였으며, 여객선(차도선)에 고안된 기초 MPdM을 적용 하여 개선 및 사용성 검증을 통해 MPdM이라는 개념과 그 필요성을 제안한다.
2. 운송 수단 정비 유형 분석
2.1 정비 유형
정비란 컴퓨터, 펌프, 연구 장비 등과 같이 장치 또는 기 계의 구성품을 검사 및 수리, 교체하는 보존 프로세스로써, 해당 기계가 고장이나 결함 없이 작동하도록 하는 것이다. 정비는 통상 예방 정비(Preventive Maintenance, PM)와 사후 정비(CM)의 두 가지 유형으로 나누어진다. CM의 경우, 설계 자가 본래 설계 수명에 도달하도록 만들기 때문에 기계장 치를 유지 관리하기 위해 어떠한 조치나 노력이 필요하지 않다. 이러한 정비 개념에서 고장이나 결함은 필수적으로 나타나며, 고장이나 결함을 미리 방지하는 것은 경제적이지 않다고 가정한다. CM은 일괄 사후 정비(Deferred Corrective Maintenance, DCM)와 비상 정비(Emergency Maintenance, EM)의 두 가지 유형으로 구분된다. DCM은 정비가 수행되기 전 장 비가 노후되고 작동 불가능한 상태가 될 때까지 그대로 두 도록 허용하며, EM은 결함으로 인해 주변 시스템에 해가 될 가능성이 있기 때문에 가급적 빨리 처리하는 긴급 정비를 뜻한다(Mehairjan et al., 2019).
PM은 장치 및 시스템의 성능 저하를 허용 가능한 수준으 로 관리함으로써 유효 수명을 유지하거나 연장하는 것을 목 적으로 부품 또는 시스템의 성능 저하를 감지하거나 경감 및 방지하기 위해 시간 또는 장치 및 시스템의 사용량에 따 라 취하는 정비이다. PM은 예기치 않은 고장을 방지하기 위 해 장치 및 시스템을 작동하는 동안 실시해야 한다. PM은 단순히 일정한 주기 기준보다는 좀 더 특정한 기준으로 시 간 기반 정비(Time Based Maintenance, TBM), 결함 감지 정비 (Failure Finding Maintenance, FFM), 리스크 기반 정비(Risked Based Maintenance, RBM), 상태 기반 정비(Condition Based Maintenance, CBM), 예지 정비(Predictive Maintenance, PdM)의 5 가지 하위 범주로 Fig. 1과 같이 분류된다.
TBM은 장비의 상태와 관계없이 정해진 기간에 수리를 하 거나 교체한다. 기간은 일, 주, 달과 같은 시간에 따른 단위 가 되거나 또는 작동 시간, 주기, km 등과 같은 사용 기준 단위가 될 수 있다. FFM은 안전 밸브, 트립송신기와 같이 보 호 기능과 주로 관련되는 숨은 결함을 감지하는 것을 목적 으로 하는 정비이다. RBM은 결함이 발생한 경우 가장 위험 성 있는 작업을 수행하는 장치에 리스크 평가 방법론을 사 용하여 일부 정비 리소스를 할당하는 정비이고, CBM은 데 이터 분석, 의사결정 및 개입을 통해 고장이나 결함이 발생 하기 전에 감지하여 정비하는 방법이다. 마지막으로 PdM과 CBM은 비슷한 정의를 사용할 수 있지만, 본 논문은 CBM이 PdM의 기능 중 한 가지에 해당하기 때문에 CM이 PdM의 하부 범주에 속하는 것으로 판단한다. 인공지능과 산업용 사물인터넷(IoT)에 비롯된 장비센서, 머신러닝과 같은 기술 은 CBM에는 명확히 누락되어 있지만 PdM에는 존재한다 (Mehairjan et al., 2019). 선박에서는 운용환경 및 단순편의성 을 고려하여 CM과 TBM이 가장 보편적으로 활용된다.
2.2 운송 수단에 따른 정비의 차이
항공사는 악천후 또는 항공 교통 통제 문제와 같은 장애 에 대해 제어할 수 없지만, 기술적 문제로 인한 지연 또는 취소에 대해서는 책임을 진다. 총 지연 시간의 최대 30 %는 비계획적 정비에 기인한다. PdM 솔루션은 정비 관련 지연과 취소에 대해 30 %에서 50 %까지 예측할 수 있으며, 이로써 정시성 준수율이 3 ~ 5 %의 개선이 이루어진다. 다시 말해, 이 러한 솔루션은 물리적 자산에서 데이터를 필터링하고 통합 하여 상황에 맞게 조정한 후 현재 기술적 상황에 대한 실행 가능한 분석 결과를 제공한다. 이 솔루션은 데이터의 분석 을 통해 장치 및 시스템 고장 전에 엔지니어들이 선제적으 로 정비하여 고장 및 결함이 발생한 부품을 교체하거나 수 리 할 수 있도록 지원한다. 예측 분석을 기반으로 한 자산 성능 모니터링 프로그램은 항공사의 한 곳인 Delta 항공의 항공기 정시성 준수율과 같은 지표를 개선하도록 했다. 이 를 통해 1,200회의 지연과 서비스 장애 및 일정 취소를 예방 할 수 있었다. Delta 항공은 선제적 정비 프로그램을 Airbus A350과 Bombardier CS100과 같은 가장 최신 항공기에 맞도록 조정할 계획이라고 밝혔다. 또한 새로운 선대의 모델과 함 께 분석을 위한 더 많은 실시간 데이터를 확보할 예정이다 (Diana, 2017).
정기적으로 교체되는 항공기와 자동차와는 달리 기차는 높은 제조 비용으로 인해 오랜 시간을 견디도록 설계된다. PdM은 기차의 이러한 특성을 적용하여 기차의 운영 비용을 줄이고 내구연한을 연장함으로써 더 많은 혜택을 제공하도 록 사용될 수 있다. 그러나 이는 현대적인 네트워킹이 가능 하도록 설계되지 않은 운영 중인 오래된 기차의 경우 큰 투 자 비용이 들 수 있음을 의미한다. 그러므로 PdM에 대한 주 요 투자를 하기 전에 비용편익 분석이 필수적이다.
영국에서 Hitachi 철도는 향후 발생할 운행 지연 및 취소, 고장에 대응하기 위한 예측 분석 및 정비 측면에서 이익을 도모하기 위해 빅데이터를 관리하는 역량을 제공하고 있다. 기차에 설치된 사물 인터넷(IoT)은 기차를 모니터링하여 더 정확한 분석을 위해 기계들이 상호 통신할 수 있도록 지원 하며, 사물 인터넷은 고장 및 결함으로 발전하기 전 생성되 고 있거나 우발적인 문제가 있는지 모니터링한다. 기차 신 호 뷰어는 엔지니어가 모든 기차의 신호를 자세하게 분석하 도록 제공하며, 각 이벤트 또는 경보는 각각의 심각 수준이 있으며, 엔지니어에게 근본 원인이 무엇이며, 다음 단계에 대한 권장 사항이 무엇인지에 대한 정보를 제공한다. 플랫 폼에서는 기차 간 신호를 수신하고 이를 관리 센터에 전송 함으로써 올바른 결정을 할 수 있도록 실시간 기차 시스템 에 데이터를 제공한다. 이로써 엔지니어와 운전자들은 기차 를 가장 효율적으로 작동하고 정비하는 데 필요한 통찰력을 얻을 수 있다(Bahr, 2018).
2.3 해양 운송 환경
1990년대 이래로 PdM은 선박을 제외한 트럭, 기차 및 항 공기와 같은 다양한 운송 수단에 적용되었다. 해양 선박과 타 운송 수단과의 기본적인 차이는 고장 및 결함이 발생할 때 육상 지원에 대한 접근 정도이다. 항공기도 선박과 마찬 가지로 육상 지원을 신속하게 받기 어렵다고 주장할 수 있 지만, 항공기가 통상 목적지까지 항해하는 데는 하루가 걸 리지 않으므로 육상에 더 접근하기 쉬운 반면, 선박은 몇 일 또는 몇 주의 시간이 요구된다. 해양 선박은 운송 산업에서 가장 큰 영향력을 갖음에도 불구하고, PdM과 같이 진보된 기술이 앞서 언급한 특수한 상황으로 인하여 아직 적용되지 못하고 있다(Sotiralis et al., 2016;Favi et al., 2018).
선박의 수명을 유지하기 위한 주요 절차 중 하나는 부식 을 방지하고 제거하는 것이다. 부식은 물과 습기가 있을 때 철분과 산소가 결합하는 형태이므로, 선박은 부식이 자주 발생하고 정기적으로 나타날 수 있는 완벽한 환경에 노출되 어 있다. 또한 선박의 프로펠러는 공동현상(Cavitation)으로 발생되는 부식 등으로 인한 손상으로 수명이 단축될 수 있 다. 대부분의 상업용 선박의 프로펠러는 비용 등 경제성을 고려하여 설계되기 때문에 시간이 지남에 따라 선박의 진동 과 공동현상으로 프로펠러 블레이드가 마모 등의 손상이 증 가하여 선박의 수명에 영향을 미치게 된다. 이러한 손상의 정비는 운항 중에는 불가하여 정박 시나 드라이 도크에서 유지보수가 가능하다.
선박은 가장 많은 화물을 바다를 통해 가장 먼 거리까지 운송하는데, 이는 대량의 연료를 소비한다는 것을 의미한다. 선박은 다른 운송 수단과 비교했을 때 훨씬 규모가 큰 엔진 과 같은 핵심 기계장치와 펌프 및 모터 등의 다양한 보조 기 계장치 및 시스템으로 운영되며, 이것은 마치 공장의 운영 과 유사하다.
선박은 환경적 조건 때문에 즉각적인 지원을 받을 수 없 으므로 자격을 갖춘 선원이 다양한 장치와 시스템을 관리하 는 마치 공장과 같은 체계적인 프로세스를 필요로 한다. 선 원들은 추진 엔진뿐만 아니라 발전기, 조타 장치, 조수기 등 추진 엔진 만큼 중요한 여러 보조 기계장치를 정비해야 한 다. 따라서, 선박은 여러 항구로 운송할 화물을 보존하고 유 지 관리할 수 있는 이동형 소형 공장으로 묘사할 수 있다. 또한, 선박은 주요 핵심 기계장치에 고장이 있을 때 자동으 로 작동되는 백업 장치 및 시스템을 활용한다. PdM이 도입 되면 백업 장치와 시스템 구축 등 비용이 많이 요구되는 시 스템을 더 효율적인 방법으로 대체할 수 있으므로, 고가의 예비부품 구매 비용 등의 유지보수 비용을 줄일 수 있다. 또 한 희소성으로 인해 구매가 쉽지 않은 파손 및 파손 가능성 이 있는 부품들을 수급 및 교체하는 데 필요한 시간을 많이 줄일 수 있다.
3. MPdM 모델 구성
PdM은 파손된 장치 및 시스템의 수리 시간을 절약할 수 있을 뿐만 아니라 금전적 손실을 예방한다. PdM 기술의 적 용은 장치 및 시스템에 따라 달라지지만, 선박의 진동, 적외 선 열화상, 페로그래픽, 음향, 전류 분석에 적용하여 최종적 으로 고장 및 손상으로 이어질 수 있는 장치와 시스템의 이 상 유무를 예측하는 데이터를 얻을 수 있다(Fore, 2010). 이러 한 기술은 설치 비용이 초반에 발생하더라도 고장 및 결함 발생 전 경보 기능을 통해 갑작스러운 수리 또는 교체로부 터 장비를 안전하게 지킬 수 있다.
해양 산업에서 기계(Machinary)라는 단어에는 추진 엔진과 발전기 및 펌프, 압축기와 같은 보조 기계를 포함하며, 일반 적으로 공장에서 사용되는 유압 장치, 에어컨 시설, 인양 기 계와 갑판 기계도 포함된다. 추진 엔진 또는 핵심 기계장치 는 선박의 프로펠러를 회전시켜 선박이 바다를 항해하거나 화물의 선적 및 하역하는데 사용된다.
선박은 시간이 지남에 따라 경제성을 고려하여 대형화되 고 있으며 기계장치도 마찬가지이다. 따라서 선박을 운용하 기 위해서는 각 장치 및 시스템이 최적의 성능을 유지하는 것이 중요하다. 추진 엔진 등의 핵심 기계장치는 보조 기계 장치와 직·간접적으로 연결되어 있어 하나가 고장나거나 결 함이 발생하면 다른 부분에도 부정적인 영향을 주게 된다. 보조 기계장치는 추진 엔진과 같은 핵심 기계장치를 지원하 거나, 조향 장치 및 갑판 크레인 등과 같이 선박 운영 및 화 물 관리 또는 밸러스트 수 처리 장치와 같은 선박 서비스 시 설을 지원한다.
육상 수송 산업에 비해 상대적으로 오래된 기술을 사용하 는 선박의 컴퓨터와 모니터링 시스템은 전반적으로 속도가 느릴 뿐만 아니라 안정적이지도 않다. 선박은 연결 케이블 및 배관, 센서 등이 노출된 경우가 많아 기후 및 외력 등의 외부요인으로부터 쉽게 손상될 수 있다. 이런 요인으로 한 번 장애가 발생하면 흘수, 항해 조명, 레이더 등 선원이 알 아야 할 핵심 정보의 지연 또는 결함이 발생하여 정보를 파 악할 수 없게 된다. MPdM은 이러한 모니터링 결함을 알림 으로써 기술적 지연으로 인해 발생 가능한 착오와 사고의 가능성을 줄일 수 있다.
그 외 선박에 영향을 미칠 수 있는 외력은 파도, 조류 및 바람과 같은 자연 현상이다. 선박은 주변 환경 요인의 강도 에 따라 횡동요(rolling), 종동요(pitching), 선수동요(yawing), 좌 우동요(swaying), 전후동요(surging), 상하동요(heaving)의 6자유 도 운동을 한다. 이러한 불규칙한 운동으로 인해 계산된 측 정치는 부정확한 정보를 제공하는 경향이 있다. 예를 들어, 선박이 이동한 거리는 프로펠러의 분당 회전수(RPM)을 통 해 계산된다. 프로펠러가 만약 수백 킬로미터를 항해할 수 있는 RPM 수치를 냈다면, 자연적인 힘에 의해 선박이 실제 로 약 10킬로미터를 운항하는 것이 일반적이다. 또한 선박은 지속적으로 해수로 둘러싸여 있기 때문에 윈들라스, 윈치, 램프, 닻 관련 장비 등 정박에 핵심이 되는 장치가 부식될 수 있다. MPdM은 심각한 사고를 방지하기 위해 이러한 장 비의 부식 정도를 감지하여 선원에게 알릴 수 있도록 구성 된다.
MPdM은 선박 운항 중 생성되는 항해 통신 및 기관 장비 데이터 등을 수집하여 운항 조건 별 선박 통합 데이터의 정 상 상황 그룹을 설정하고 선박 운항 표준 데이터를 구축하 여 anomaly detection 및 clustering 기법을 활용하여 선박 통합 데이터의 이상 징후 식별 및 진단할 수 있도록 구성된다. MPdM는 핵심 기계장치와 보조 기계장치 간의 연관성, 기술 적 지연, 불안정한 작동, 부식하기 쉬운 환경에 의한 인과성 등을 고려하여 고장 및 결함을 방지할 수 있는 요소를 포함 하며, MPdM의 주요 특성은 Table 1과 같다.
4. MPdM 모델 검증 및 개선
연안을 운항하는 300톤급 여객선(차도선)을 대상으로 선 박 운항 현황 조사 및 MPdM 개선을 위한 현장 연구를 수행 하였다. 연안 여객선은 입출항이 빈번하게 이루어져 선박 및 기계장치의 다양한 운용 조건에서의 데이터 취득 및 내 구성 관련 검토가 가능하며, 연안의 계절에 따른 변화무쌍 한 날씨 및 조류 변화 등 다변하는 해상환경에서 운용되어 다양한 외부조건에 대한 데이터 취득이 가능하여 MPdM 적 용 및 검토 대상으로 연안 여객선을 선정하였다. 최소의 인 력으로 운영되며, 일반 상선 만큼 각종 센서를 기반으로 한 상태 모니터링 및 제어 시스템이 갖추어지지 않고 많은 인 명을 수송하는 차도선이 다른 어떤 선박들보다 사고 예방 및 운용 효율성 향상을 위해 MPdM의 적용이 필요할 것으로 판단된다. 여객선 제원은 Table 2와 같고 여객선은 하루 3항 차를 항해하였으며, 출항과 정박 프로세스가 5 ~ 10분 정도 로 일정하고 신속하였다. 여객선의 운항 시 램프, 램프 계선 윈치, 조향 장치, 추진 엔진이 자주 사용되었고, TMB 방식으 로 유지보수를 수행하였다. 여객선에서 운용되는 주요 기계 장치 및 모니터링 장치는 Fig. 3과 같다.
여객선의 사용성은 계절성 기후에 큰 영향을 받아 강풍, 높은 파도 및 온도와 같은 다양한 날씨 요인으로 인해 종종 운항이 되지 못하였다. 운항 경로에 상당한 양의 어망이 설 치되어 있었기 때문에 항해 시 주의 깊은 당직 근무가 요구 된다. 한국의 거친 바다와 여러 도서 지역을 항해하는 해당 여객선의 특성상 숙련되고 경험이 많은 선장과 엔지니어의 역량이 무엇보다 안전운항에 중요하게 판단됐으며, 선박의 상태 및 항로 변경에 영향을 미치는 선장과 엔지니어의 교 대 또한 매우 중요한 요소로 검토가 필요할 것으로 판단된 다. 이러한 현장 조사를 통해 얻은 정보는 MPdM의 활용 가 능성을 높였을 뿐만 아니라 연구를 더욱 발전시킬 수 있는 현장의 의견을 파악하였다.
데이터를 취득하기 위해 선박의 주요 장치 및 시스템을 파악하여 Fig. 4와 같이 데이터 취득 장치를 설치하였고 항 로, 수심, 풍속, 선속, pitching 등의 항해 데이터 및 추진 엔진 데이터를 포함 총 17종의 데이터를 취득하였다.
MPdM의 핵심 항목 중 항해 상태(Navigation situation)에 따 른 분석 모델을 검증 및 개선하고자 PCA(Principle Component Analysis) 분석 기법으로 데이터를 분석 결과 17개의 변수가 항해의 영향성을 판단할 수 있는 2종의 주성분이 도출되었다.
상기 데이터 분석 결과를 기반으로 K-mean clustering 기법 을 활용한 MPdM 결과 그래프는 Fig. 5와 같다. 정상 항해 기 준으로 하루 3항차(오전/Morning, 정오/Noon, 오후/Afternoon) 를 항해하는 여객선의 특성과 같이 2종의 주성분을 기준으 로 하여 오전 항해, 정오 항해, 오후 항해 3종의 정상 상황 클러스터가 형성되어 비정상/고장/이상 상황을 판단할 수 있 는 기반 모델로 활용할 수 있음을 확인하였으며, 선박 수집 데이터 및 운용 현항 조사 결과를 반영하여 MPdM을 개선할 수 있었다.
Fig. 6은 여객선의 오전 항차의 비정상 항해 시 MPdM 분 석 결과 그래프이다. 여객선의 운항 시간 및 여건 등으로 인 하여 오전 항차 시 평상시보다 수심이 낮은 항로로 항해 시 취득한 데이터를 반영하여 분석한 결과로 오전 항해 클러스 터 영역을 벗어나 오후 항해 클러스터에 가까운 영역에 결 과가 도출됨을 확인 함으로써 MPdM의 유효성을 검증하였 으며, 기계 학습의 결과와 알고리즘 결과 간의 교차 검증을 통해 알고리즘의 정확성을 확보 할 수 있었다. 또한 전체 센 서뿐만 아니라 각 센서의 정확도를 다양한 센서 조합과 확 인을 통하여 센서의 수량을 줄일 수 있는지의 가능성을 검 토하였다.
5. 결 론
본 논문은 운송 수단에 적용되는 정비 유형에 대하여 파 악 및 분석하였다. 해양에서 운용되는 장비와 시스템은 특 수한 사용환경으로 고장과 결함에 취약한 경우가 존재하며, 즉각적인 육상 지원을 받을 수 없어 선제적이고 효율적인 정비 시스템이 요구되어 해양 운송 선박에 PdM을 적용하고 자 필요성을 검토하였고, 해양 환경에 중점을 둔 해양 예지 정비(MPdM, Maritime Predictive Maintenance) 기반 모델을 구 성하고 검증 및 개선하였다.
MPdM은 주요 기계장치와 보조 기계장치 간의 연관성, 기 술적 지연, 불안정한 작동, 부식하기 쉬운 환경에 의한 인과 성 등을 고려하여 고장 및 결함을 방지할 수 있는 요소를 포 함하도록 구성되었다.
MPdM을 검증 및 개선하고자 연안 여객선(차도선)을 대상 으로 운항 특성 파악하고 주요 데이터를 취득 및 분석하여 MPdM의 활용 가능성을 높였을 뿐만 아니라 기계 학습의 결 과와 알고리즘 결과 간의 교차 검증을 통해 알고리즘의 정 확성을 파악할 수 있었다.
고안된 MPdM을 선박에 적용 결과 선박의 운항 상태 기반 모니터링을 통하여 선박의 이상 징후를 파악할 수 있음을 확인함으로써 지속적인 MPdM의 개발을 통해 이상 징후를 판단을 기반으로 예지 정비를 수행 기술이 구현되면 선박의 운항 효율성 향상으로 사고 예방 및 비용 절감에 기여 할 수 있을 것으로 판단된다.
본 연구를 바탕으로 해양 선박에 PdM을 적용하기 위한 다양한 연구가 진행되어 해양 선박의 운항 효율성 및 경쟁 력 향상에 기여할 수 있기를 기대한다.
