치명적 고장 이전에 베어링 결함을 잡아내는 열화상 AI

오하이오주의 한 물류센터에서 화요일 새벽 2시에 컨베이어 베어링이 고착되었습니다. 그로 인한 정지로 벨트 프레임 40피트가 휘어지고, 베어링 하우징이 파손되었으며, 라인이 19시간 동안 가동 중단되었습니다. 총 피해액: 73,000달러에 이틀간의 출하 지연까지. 해당 베어링에서 12피트 떨어진 곳에 설치된 열화상 카메라가 수개월간 데이터를 기록하고 있었지만, 아무도 영상을 확인하지 않았습니다. 베어링 외륜의 온도는 이전 11일 동안 하루에 0.4도씩 꾸준히 상승하고 있었습니다.

이러한 느리고 꾸준한 열적 변화야말로 AI 열화상 모니터링 시스템이 포착하도록 설계된 바로 그 신호입니다.

열화상이 베어링 모니터링에 작동하는 원리

베어링 모니터링에 사용되는 산업용 열화상 카메라는 일반적으로 장파 적외선 스펙트럼(8~14마이크로미터)에서 작동하며, 열 감도는 0.05도 이상입니다. 320x240에서 640x480 픽셀의 해상도로 온도 맵을 캡처하며, 보통 9~30Hz의 프레임 레이트로 촬영합니다.

베어링 모니터링의 경우, 카메라는 베어링 하우징, 베어링 근처의 축, 그리고 이상적으로는 주변 온도의 기준 표면을 캡처할 수 있는 위치에 설치됩니다. AI 모델은 단순히 절대 온도만 보는 것이 아닙니다. 베어링 전체의 열 구배, 시간에 따른 온도 변화율, 그리고 속도, 부하, 주변 온도와 같은 기계 운전 조건과 베어링 온도 간의 관계를 추적합니다.

정상 상태에서 가동 중인 건전한 베어링은 예측 가능한 열 분포를 가진 안정적인 열 프로파일을 보여줍니다. 내륜 손상이 진행 중인 베어링은 축이 회전함에 따라 위치가 이동하는 국부적 고온점을 나타냅니다. 윤활 열화는 부하보다는 가동 시간과 상관관계가 있는 전반적인 온도 상승으로 나타납니다.

진동 분석이 놓치는 것을 열화상이 잡아내는 이유

진동 분석은 피팅, 스폴링, 케이지 손상과 같은 기계적 결함을 감지하는 데 탁월합니다. 그러나 열화상은 다른 유형의 문제를 포착합니다. 윤활 문제가 가장 대표적입니다. 열화된 그리스나 불충분한 유막으로 가동되는 베어링은 감지 가능한 진동이 발생하기 전에 마찰열을 생성합니다. NSK의 연구에 따르면, 윤활 불량으로 인한 열 이상은 진동 이상보다 5~10일 먼저 나타날 수 있습니다.

정렬 불량도 열화상이 빛을 발하는 영역입니다. 축 정렬 불량으로 인해 비정상적인 축방향 하중을 받는 베어링은 한쪽이 더 뜨겁게 작동하여 적외선에서는 보이지만, 손상이 더 진행될 때까지 깨끗한 진동 신호를 생성하지 않을 수 있는 열적 비대칭을 만듭니다.

전기적 베어링 손상(VFD 구동 모터의 축 전류)도 진동 변화 전에 열적 신호를 보여줍니다. 방전 가공(EDM) 효과는 마찰과 온도를 점진적으로 높이는 미세한 피팅을 생성하는 반면, EDM 손상의 진동 신호는 피팅이 심각해질 때까지 정상 운전 진동에 의해 가려지는 경우가 많습니다.

AI 처리 파이프라인

원시 열화상 이미지는 예측 분석에 유용하려면 상당한 처리가 필요합니다. AI 파이프라인은 일반적으로 관심 영역(ROI) 감지로 시작되며, 시스템이 카메라 시야 내의 각 베어링을 자동으로 식별하고 추적합니다. 이것이 중요한 이유는 카메라가 흔들리고, 진동이 마운팅 브래킷을 이동시키며, 유지보수 활동이 일시적으로 시야를 차단하기 때문입니다.

ROI가 설정되면 시스템은 특징을 추출합니다: 최대 온도, 평균 온도, ROI 내 온도 분산, 열 구배의 크기와 방향, 그리고 여러 시간 척도에 걸친 변화율 지표. 이러한 특징은 건강 점수를 부여하는 분류 모델(보통 그래디언트 부스팅 트리 또는 얕은 신경망)에 입력됩니다.

더 정교한 시스템은 열 데이터를 PLC 또는 SCADA 시스템의 운전 데이터와 상관시킵니다. 전속력 전부하로 가동 중에 주변 온도보다 15도 높은 베어링은 정상일 수 있습니다. 같은 베어링이 반속 무부하 상태에서 주변 온도보다 15도 높다면 아마 문제가 있는 것입니다. 맥락이 중요하며, AI는 그 맥락에 접근할 수 있어야 합니다.

실제 배치 시 고려사항

카메라 배치는 매우 중요하며, 진동 모니터링을 위한 센서 배치보다 제약이 더 많은 경우가 많습니다. 열화상 카메라는 베어링 하우징에 대한 명확한 시선이 필요한데, 커버, 가드 또는 기타 장애물이 있는 기계에서는 항상 확보할 수 있는 것은 아닙니다. 반사 표면(예: 연마된 강철 축)은 방사율이 표면 마감에 따라 달라지기 때문에 오해의 소지가 있는 판독값을 유발할 수 있습니다.

환경적 요인은 상황을 더 복잡하게 만듭니다. 주변 온도 변동, 인근 열원(모터, 용광로, 증기 배관), 팬이나 HVAC 시스템의 기류 모두 열적 기준선에 영향을 미칩니다. 우수한 제조업 AI 시스템은 이러한 변수를 고려하지만, 초기 교정 기간은 카메라 설치당 보통 2~4주가 소요됩니다.

비용은 크게 낮아졌습니다. 5년 전에는 고정 장착형 산업용 열화상 카메라 한 대가 8,000~15,000달러였습니다. 현재 FLIR, Optris 및 여러 중국 제조업체의 옵션은 베어링 모니터링에 적합한 감도를 갖춘 320x240 카메라 기준 약 2,500달러부터 시작합니다. 카메라 20대, 엣지 컴퓨팅 하드웨어, 소프트웨어 라이선스를 포함한 공장 전체 시스템은 통합 복잡도에 따라 80,000~150,000달러 수준입니다.

열화상과 진동 데이터의 결합

최상의 결과는 두 가지 데이터 유형을 융합할 때 나옵니다. 프라운호퍼 연구소의 2024년 연구에 따르면, 열화상-진동 결합 모델은 7일 이내 베어링 고장 예측에서 94%의 정확도를 달성했으며, 이는 진동 단독 81%, 열화상 단독 76%와 비교됩니다. 두 가지 방식은 서로 다른 고장 모드와 동일한 고장 모드의 서로 다른 단계를 포착하므로, 결합하면 사각지대가 줄어듭니다.

실제로 이 융합은 원시 데이터 수준이 아닌 특징 수준에서 이루어지는 경우가 대부분입니다. 열화상 특징과 진동 특징을 연결하여 단일 모델에 입력하거나, 두 개의 전문 모델이 독립적인 건강 점수를 생성하고 융합 레이어가 이를 결합합니다.

이러한 시스템에서 가장 큰 가치를 얻는 유지보수 팀은 열화상 검사를 표준 운영 절차에 통합하는 팀입니다. 진동 모니터링을 대체하는 것이 아니라, 그 빈틈을 메우는 보완적 레이어로서 활용하는 것입니다.