컨베이어가 멈추면 AI를 활용한 창고 컨베이어 예지 보전은 추상적인 주제가 아니게 된다. 가장 먼저 무너지는 것은 대개 기계 자체가 아니다. 그 주변의 일정이다. 사람들이 줄을 서고, 주문이 대기하고, 마감 시간이 미뤄지고, 계획할 수 있었던 보전 작업이 긴급 사태가 된다. 공개된 업계 보고서와 공급업체 파일럿 요약에 따르면, 바로 그 타이밍이 계획되지 않은 가동 중단이 그토록 비싼 이유이다. 조용한 시간에 일어나는 경우는 드물고, 피크 시간대 밤, 마감 두 시간 전, 또는 인력이 가장 얇은 교대 시간에 일어나기 때문이다. 여기서 창고 운영자들이 계속 되돌아가는 질문이 제기된다. 고장나는 컨베이어는 멈추기 전에 어떤 경고를 주는가, 그리고 준다면 그 경고를 행동할 만큼 신뢰할 수 있게 만들 수 있는가. AI를 활용한 창고 컨베이어 예지 보전은 조건부 답변을 제공한다. 즉, 경고 신호는 대개 존재하지만, 지속적으로 관찰되고, 같은 설비 자체의 이력과 비교되며, 새로움이 아니라 비용으로 판단될 때만 그렇다는 것이다.

그 바탕이 되는 논리는 신비롭지 않다. 모터, 베어링, 벨트, 롤러는 보통 건강한 상태에서 갑자기 고장 상태로 점프하지 않는다. 열화 곡선을 따라 진행되며, 걸림이나 라인 정지보다 훨씬 전에 먼저 진동 스펙트럼에, 다음으로 음향 신호에, 그리고 종종 온도나 전류 소모에 흔적을 남긴다. 다시 말해 고장은 갑작스러운 사건이 아니라 관찰 가능한 과정이며, AI는 그것을 정량화하고, 순위를 매기고, 밤새 지켜볼 수 있는 것으로 바꾼다. 처음부터 중요한 단서가 하나 있다. 제목의 “두 주 전”이라는 표현은 파일럿 범위의 강한 쪽 끝을 설명하는 것이지 보증이 아니다. 보고된 파일럿 경험에서 리드타임은 보통 수일에서 두 주 사이에 들어가며, 특정 설비가 어디에 위치하는지는 설비 유형, 센서 배치, 기준 데이터를 수집한 기간, 운전 조건에 달려 있으므로, 그런 조건 없이 인용된 정확한 정확도 주장은 주의해서 다뤄야 한다.

AI를 활용한 창고 컨베이어 예지 보전이 실제로 감시하는 것

2025년 5월의 사례는 진동 측면에서 이 점을 잘 보여준다. 중국 북부의 콜드체인 창고에서 하루 약 열여섯 시간 가동되는 분류 컨베이어가 두 주에 걸쳐 한 롤러 베어링 구간의 진동이 서서히 상승하는 모습을 보였다. 그 상승은 극적이기보다 점진적이었고, 단 하루만 보면 측정값은 여전히 정상으로 보일 수 있었다. 열나흘 연속 데이터를 추세로 그려서야 기울기의 변화가 명백해졌다. 시스템은 열하루째에 경고를 발령했고, 보전팀은 계획된 주말 시간대에 베어링을 교체했으며, 이후 점검에서 궤도면에 초기 피팅이 발견되었다. 팀이 들리는 소음을 기다렸다면 고장은 십중팔구 월요일 아침 피크 시간에 떨어져 그날 약 삼천 건의 주문에 대한 분류 리듬을 어지럽혔을 것이다. 교훈은 예지 보전이 단일 측정값이 단일 임계값을 넘는 것이 아니라 추세, 변화율, 그리고 기계 자체 이력으로부터의 이탈을 감시한다는 것이다.

두 번째 사례는 2024년 10월 중국 동부의 자동차 부품 창고에서 나온 것으로, 다른 신호에서 비롯되었다. 무거운 하중을 받는 컨베이어 구간에 희미하고 지속적인 소리가 있었는데, 건물 내 주변 소음 때문에 사람의 청각이 신뢰할 수 없어 수동 점검으로는 위치를 특정할 수 없었다. 음향 센서를 추가하자 시스템은 그 소리를 한 모터의 특정 주파수 대역으로 분리하고 전류 변동과 대조해 고장이 되기 전에 팬의 초기 느슨해짐을 확인했다. 수리는 반 교대 만에 끝났고 계획된 시간대 안에서 완료되었다. 두 사례를 합치면 역할 분담이 드러난다. 진동은 베어링 열화에, 소리는 느슨해짐과 마찰에, 온도는 윤활 실패와 과부하에 적합하므로, 여러 신호를 함께 확인하는 것이 어떤 단일 신호보다 낫다.

창고 컨베이어 예지 보전 AI와 ROI: 정확도만으로는 오해하기 쉽다

투자 수익률을 논할 때 정확도만으로는 오해를 불러일으키는 지표이다. 시스템이 첫 해를 버틸 수 있는지를 결정하는 유일한 질문, 즉 진짜 경고 하나는 얼마나 가치가 있고, 오경보 하나는 얼마나 드는가에 답하지 않기 때문이다. 파일럿 평가에서 가장 흔히 사용되는 비용 틀에 따르면, 편익 측면은 세 부분으로 이루어진다. 계획되지 않은 정지를 피함으로써 보호되는 처리량, 긴급 수리를 계획 수리로 전환함으로써 피하는 초과 근무와 긴급 부품 비용, 그리고 부품 재고가 만약을 대비한 보유가 아니라 측정된 추세를 따를 때 풀리는 운전자본이다. 비용 측면에는 센서와 데이터 수집 하드웨어, 플랫폼 구독료 또는 자체 개발 비용, 그리고 모델을 교정하고 오경보를 쫓는 데 드는 노동이 포함된다. 실제 예로, 계획되지 않은 가동 중단 한 시간이 수만 위안의 비용이 드는 반면, 계획된 베어링 교체는 한가한 시간대에 반 시간 만에 끝난다면, 일 년에 두세 번의 성공적인 조기 개입으로 파일럿 비용을 충당할 수 있다. 반대로 매달의 오경보는 신뢰를 빠르게 갉아먹고 시스템은 결국 꺼지게 된다.

신호 유형 주로 감시하는 것 대표적인 파일럿 리드타임 범위 흔한 오경보 원인
진동 베어링 및 롤러 열화 추세 수일에서 두 주, 설비에 따라 다름 느슨한 장착, 외부 진동
소리 느슨해짐 및 마찰 유형 이상 수일에서 약 일주일 공장 배경 소음, 인접 설비
온도 및 전류 윤활 실패, 과부하 수 시간에서 수일 주변 온도 변동, 부하 변화

파일럿 팀들이 반복해서 보고하는 직관에 반하는 발견도 있다. 센서를 더 설치한다고 시스템이 자동으로 더 정확해지지는 않는다. 깨끗한 기준선, 설비 대장과의 교정, 모델로 피드백되는 수리 기록이 없으면 추가 신호는 주로 노이즈를 더하고 임계값 설정을 어렵게 만든다. 관련된 상충 관계도 마찬가지로 현실적이다. 임계값을 너무 민감하게 설정하면 오경보로 보전팀이 지치고, 너무 보수적으로 설정하면 시스템은 사후 경보로 되돌아가기 때문이다. 따라서 임계값 선택은 순전히 기술적인 설정이 아니라, 놓친 고장 하나의 비용과 오경보 하나의 비용을 저울질하는 비용 판단이며, 올바른 균형은 창고의 주문 프로파일과 교대 패턴에 따라 다르다.

공장 전체가 아니라 하나의 라인부터 시작하라

보다 신뢰할 수 있는 전개 경로는 공장 전체가 아니라 하나의 라인부터 시작하는 것이며, 그 라인은 까다로운 기준으로 선택한다. 비싼 가동 중단, 기록된 고장 이력, 합리적으로 안정적인 조건, 그리고 수리 결과를 피드백하려는 보전팀이다. 처음 석 달간의 파일럿 동안 시스템은 감시만 해야 하며, 모델이 그 라인의 기준선을 배울 수 있게 한다. 그 이후에야 경고를 보전 계획에 연결해야 하며, 석 달 뒤 검토에는 세 가지 측정값만 필요하다. 실제로 조기에 포착한 고장, 오경보, 그리고 각 경고가 실제로 수리 시점을 바꿨는지이다. 그 세 가지 중 두 가지가 나빠 보인다면 문제는 대개 알고리즘이 아니라 데이터 품질이나 임계값 설정이며, 전개를 확대하면 같은 문제만 확대된다. 오래된 설비는 여기서 특별한 주의가 필요하다. 과거 운전 데이터가 없고 규율 있는 교체 기록도 없다면 모델은 처음에 정확한 잔여 수명 예측이 아니라 이상 경보를 제공할 수 있으며, 그런 상황에서는 신뢰할 수 없는 기준선 위에 AI를 얹는 것보다 기본적인 예방 보전과 점검 규율을 회복하는 것이 종종 더 가치 있다.

앞을 내다보면 추세는 두 방향을 가리킨다. 센서 융합과 엣지 컴퓨팅으로, 판단의 일부를 설비 자체에서 내릴 수 있게 하는 것, 그리고 경고를 보전 계획과 부품 재고에 직접 연결해 경보를 빨간 표시등이 아니라 실행 가능한 작업 지시로 바꾸는 것이다. 둘 다 같은 전제 조건에 서 있다. 지속적인 데이터, 깨끗한 대장, 그리고 피드백되는 수리 기록이다. 그 세 가지가 없으면 AI는 더 매력적으로 포장된 노이즈만 보게 된다.

그렇다면 더 흥미로운 질문은 AI가 얼마나 미리 경고할 수 있는가가 아니라, 창고가 경고에 행동할 수 있도록 조직되어 있는가일 수 있다. 한밤중에 시스템이 경보를 발령할 때, 지켜보는 사람이 있는가, 보전 시간대가 있는가, 예비 부품이 손에 있는가. 어느 하나라도 답이 불분명하다면 가장 시급한 격차는 알고리즘이 아니라 보전 조직 자체이다. 반대로 조직이 경고를 받을 수 있다면 수일에서 두 주간의 시간 창은 사건을 계획으로 바꾸기에 충분하다.

Dr. Chen, 공급망 연구원 지음

영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.