BNFí í ¬ë ë¡ ì§ í ë í ¸ ì ´ì ì ì í ë¹ ë °ì ´í ° ê¸°ë° ì ì ... · x ~ ½ r v +%6 : s p 8 Ð º s [ n 6 Å t î ¹ ³ û ¬ x x 8 ¼ ê Ð %nqwf %qorwvkpi

플랜트 운영을 위한빅데이터 기반의 설비 예지 보전 국내외 구축 사례

2018.09

Chapter 1. 스마트팩토리

데이터의 중요성

예지 보전의 중요성

Chapter 2. 구현 기술 소개

국내외 구축 사례 소개

Case Study

Chapter 3. BNF테크놀로지 회사 소개

목차

스마트팩토리

ICT기술을 기반으로 공정 데이터를 수집하고 분석하여 목적에 맞게 스스로 제어하는 공장

Cloud Computing/ IoT / Cyber Security

Predictive Analysis Machine Learning

3D Monitoring / Digital Twin

VR / AR Monitoring

기업차원의 의사결정

생산관리시스템기업자원관리시스템

객체 / 프로세스 관리

보안

정보통신기술 기반 실시간 커뮤니케이션 (정보 교환 활동) / 컨트롤 / 최적화

3

스마트팩토리의 구현 단계 및 핵심 기술

[데이터 연결] [데이터 분석•진단] [지능화•자율화]

데이터 연결 데이터 분석•진단 자율화•지능화

각종 데이터 소스(센서로부터 수집)+

인터페이스+

생산, 품질, 설비, 에너지 관리 각종 응용 프로그램

데이터 통합 환경 구축을 위한

IoT, 빅데이터를 위한 Data Infrastructure

통합된 데이터를 모니터링하고 수준 높게

분석하여 정보를 추출하는 Visualization

‘상호작용’을 기반으로 하여 제어하는 기술

유연하게 적응할 수 있는 시스템의 자율화

Real-data analysis

predictive analysis

Dashboard

Process analysis

KPI Management

Asset Management

실제(Physical) 가상세계(Cyber)

가상물리시스템(CPS)

모델링한 것을 시뮬레이션하고

물리적(실제)세계에 적용하며 소통

모니터링, 예측분석, 공정관리, KPI 등의 분석 기반

비즈니스 인텔리전스를 위한 진단 / 최적화

4


2025년 800억 개

180조 GB

Velocity

Variety

VolumeAmount of Data The speed of data

Various Type of data

[ Basic 3V of Big Data ]“대용량, 고속, 다양한 형태의 데이터 자산”

통찰력 / 의사 결정 / 프로세스 자동화

- IDG / Gartner Research

5


“ We All Have Data, the Key to Business is How Well You Manage it”

Data Generation

Data Collection

Data Storage

Data Analysis Service

Value Exchange Value Creation Value Exchange

Data

Value

Data generatesfrom devices

Collects large number of data

Real-Time data Stores and pre-

processes

Analysis and process data

Exchange data to value through

services

Cloud Services, Big Data Analysis, AIO2OIoE

데이터를 정보로

전환하기 위한

프로세스

6

예지 보전의 중요성 – 설비 고장의 특성

300

29

1

Normal Operation Predictive Preventive Reactive

Point P:Potential Failure

Point F:Functional Failure

Pe

rfo

rma

nc

e

Lead Time to Functional Failure

Early Warning with Predictive Analytics

89% Random Failure- 설비 고장 패턴 연구 (by Nowlan and heap study 1978)

PF Curve (Potential Failure Curve)

하인리히 법칙 (산업재해 분석 결과)

사소한 징후

작은 사고

대형 사고

7

예지 보전의 중요성 - 설비관리 패러다임의 변화

Reactive Maintenance사후 정비

Preventive Maintenance예방정비- 정기적 스케줄- 체계적 주요 항목 점검

Predictive Maintenance예측 정비- 설비 실시간 감시- 운영 상태 모니터링- 사전 고장 예측 / 정비

기존 시간기준정비 (TBM)

IT 기술 활용, 상태기반 정비 + 원격통합감시

• 설비 진단시스템 및 진단기술 부재

• 고장 발생 전 예측정비의 어려움

• 정비기간 및 정비비용 증가

• IT기반 신뢰성 높은 예측진단 시스템 구축

• 상태기반 정비체제 정착을 위한 보완

• 정비기간 단축 및 정비비용 감소

개선상태기준정비 (CBM)

최적화 (Optimization)

패턴 인식을통한 결함 진단

예지 보전

8

예지 보전의 중요성 – 경보와 조기경보의 차이

<조치 시간><조치 시간>

기존 경보기존 경보

조기 경보

플랜트 정지(Trip)

9

빅데이터 기반 예지 보전 솔루션 소개

Data Infra Structure - HanPrism

스마트팩토리 핵심 기술

2Level

3Level

4Level

1Level

Field Layer

Machinery (Sensor & Field Instrument)

Control & Interface Layer DCS & PLC HMI & SCADA

Operation Layer

HanPrism(Big Data Infrastructure) Data Collect Data Integration Data ManagementOther Systems

MES

Real-time data management

Early Warring

Management LayerERP, SCMESH, PLM

Real-data analysis predictive analysis

Dashboard

Process analysis

KPI ManagementIntegrated Monitoring

Asset Management

실시간 데이터를 수집 / 저장 / 관리 / 지원하는 Big Data Infrastructure 역할을 수행

11


플랜트 데이터 통합과 분석을 위한 산업용 빅데이터 플랫폼, HanPrism

분산된 산업현장의 다양한 설비에서 발생하는 대규모 데이터를 실시간으로 수집하고, 통합 저장하기 때문에 사용자는 언제 어디서나 필요한

데이터에 안전하게 접근하고 분석하여 운영의 혁신이 가능해집니다.

실시간 통합 모니터링 시스템

플랜트 운영 최적화• 분산된 설비의 데이터를 통합 모니터링

• 시공간 제약 없는 실시간 및 과거 데이터 분석

비즈니스 운영의 혁신• 신뢰할 수 있는 데이터 기반의 실시간 분석

• 전사적 차원의 전략적인 의사결정

• 실시간 데이터 기반의 빠른 의사결정

HanPrism 차별성

한국산업기술시험원의 국제표준 기반

소프트웨어 품질 평가 합격: GS인증 취득

국내 주요 발전사에 통합 관제 시스템 구축

남동발전 본사, 한수원 중앙연구원 & CMD센터

경쟁사 제품 교체점유율 1위 글로벌 기업 제품들을 HanPrism으로 교체

• 데이터 신뢰성 RAW 설비 데이터와 100% 일치

• 시스템 호환성 ERP/MES/PLM등 타시스템과 연계

• 데이터 저장 용량 HW 용량에 따른 무제한 용량 저장 및 관리 가능

• 고속 처리 용량 장기간 요청 데이터에 빠른 응답

• 사이버 보안 보안을 고려한 개발 및 물리적 단방향 네트워크 운영

- 국정원, 행정안전부 지침 및 가이드 적용

12


2D / 3D 기반의 설비 감시- 그래픽 툴을 통한 설비 감시 화면 편집 지원

- 일반 영상 및 열화상 비디오 소스에 대한 감시 지원

특정 과거 시점의 설비 상태 감시(리플레이어 기능)

다양한 분석도구 지원

- 실시간 / 과거 / 신호 비교 / 멀티 트렌드, 바 / XY 차트, FFT

- 데이터 추출 지원 (신호에 대한 시간대별 데이터 값 추출)

감시 신호 / 추가 / 삭제 / 생성- 계산 신호 생성 지원(연산 및 KPI 가능)

HanPrism Spotlight

HanAra Spreadsheet

MS-Office Excel Add-on 기반의 리포트

실시간 / 과거 데이터를 기반으로 리포트 작성

일/주/월간 리포트 템플릿 지원

Excel + 데이터의 조합을 통합 다양한 사용자 리포트 작성

데이터와 연동하여 라인 차트 리포트 가능

HanPrism Alarm

Html5 web 기반으로 다양한 디바이스 지원

모바일을 통한 모니터링 가능하므로 시공간 제약 없음

간결하고 통일성 있는 유저 인터페이스 제공

HanAra Insight HanAra Dashboard

설비의 주요 알람 신호 처리 지원

- ex : SOE(Sequence of alarm)

신호별 유저 알람 발생 조건 설정- 4단계 설정 LowLow, Low, High, HighHigh

알람과 공정화면 연계 지원

- 공정화면의 설비에 알람 표시 지원

과거 알람 발생에 대한 히스토리 지원

주요 설비 신호에 대한 대시보드 제작 지원

기타 타 시스템과 데이터 연동하여 KPI 관리 가능

다양한 그래프와 공정 화면을 연계하여 사용자 화면 설정 가능

어플리케이션과 / 웹 서비스를 지원

13

빅데이터 기반 예지 보전 솔루션 소개

HanPHI

15

예지보전 솔루션

정상적인 플랜트

운영 데이터

데이터의 경험적 모델링

상관관계에 따른

신호 그룹 생성

예측 모델에 대한

조건 업데이트

실시간 및 측정된 신호를

기반으로 모델 실행

예측 모델과 실시간 값과

편차 도출

알고리즘을 이용한

플랜트 건강 지수 계산

플랜트 구성 요소의

건강 지수 산출

Field


Plant DCS/PLC/Other

Control Logic Instrument

Period of Normal Data

C o r r e l a t i o n P h y s i c a l S y s t e m

T a g C h a r a c t e r i s t i c s

Actual Value Expected Value

Residual Value

Abnormal symptom monitoring

Abnormal TAG tracking

All condition monitoring

Index Value for each equipment

Success Tree

Index ValueFor Total Plant

Model Learning

Predictive Data Model

Correlation

High Correlation

Low Correlation

None

High

Low


17

18


Low Trip

High Trip

LL Alarm

LO Alarm

HH Alarm

HI AlarmDCS Alarm

Trip(정지)

예측 값

Hidden Failure

Potential Failure

Hidden Failure

Potential Failure

실제 값

Normal Range High

Normal Range Low

예측 값

실제 값

19

조기경보 대상

• 잠재 고장 : 설비(DCS)에 설정된 Alarm 값에 도달하기 전이지만 정상구간을 벗어나는 경우 조기경보를 제공하며, 경미한 사고 유발 가능성이 높음

• 숨은 고장 : 정상운전 구간이지만 과거 학습된 데이터와 움직이는 패턴이 달라 차이가 생기는 경우 조기경보를 제공하며, 사소한 징후로서의 가능성이 높음


Watch List

Trend

Success Tree

Health Index

Model Builder

Alarm

전체 및 하부 시스템 지수와 트렌트 지원

실시간 / 과거 트렌드 조회

지수 하락 신호에 대한 요약 정보 지원

신호별 알람 종류 및 카운트 기능 지원

알람 신호 실시간 / 과거 트렌드 지원

전체 계통의 설비 지수에 대한 트리 제공

영향을 발생하는 신호 자동 추적 지원

계통 및 설비에 대한 계층 구조로

쉽게 정보 파악 가능

플랜트 지수 및 실제 값의 변화 추이 감시

예측 값과 현재 값 변화 추이 감시

과거 특정 시간의 트렌드를 빠르게 조회 가능

주요 이상 신호들을 관리

지수가 낮아진 신호들을 추가적으로 감시 지원

최대 20개의 상시 감시 지원

설비의 정상 범위 또는 사용자 목적에 맞게

특정 기간을 설정하여 데이터 학습

비정상 구간을 삭제 및 추가 기간을 설정하여

조기경보의 기준이 되는 예측 모델 생성


20

구축 사례

스마트 발전소 구현 위한 기술 적용 및 종합상황실 체계 구축

요구사항• 발전설비 모니터링 및 분석, 설비 예측ㆍ성능진단

• 관제시스템 24시간 운영

적용 시스템

• 데이터 매니지먼트 시스템

• 조기경보 및 예측 감시 시스템

• 성능 감시 시스템

• 트립 감시 시스템

• 보일러 튜브관리 시스템

• 연료운영관리 시스템

적용 사이트

• 본사 종합상황실

• 삼천포발전본부

• 영흥발전본부

• 분당발전본부

• 영동에코발전본부

• 여수발전본부출처 : 부산일보 송현수 기자 (게재 20180330)

구축 사례 1

22

23

한수원 전 사이트 및 본사 원전종합상황실, CMD센터 시스템 구축사례

요구사항• 전 원전의 주요기기를 온라인으로 상태감시

• 기기 이상상태 발생 시, MCR 경보보다 빠른 조기경보 발생

적용 시스템• CMD-HMI (온라인 상태감시 시스템 공동 개발)

• 조기경보 및 예측 감시 시스템 전사 구축

적용 사이트

• 고리원자력

• 한울원자력

• 월성원자력

• 한빛원자력

• 신고리원자력

• 신한울원자력

• 신월성원자력

• 중앙연구원 통합감시 및 진단 센터 (CMD 센터)

• 발전운영센터(E-Tower)

<한수원 CMD센터 운영화면>출처 : 한수원 블로그

구축 사례 2

구축 사례 3

텍사스 오스틴 캠퍼스 에너지 설비 현황

• 135MW 열병합 발전 단지

• 4개의 Chilling Station

• 3천 6백만 리터의 Chilled water thermal storage tank

• 6만 톤의 Chilled water cooling system

• 14,000 포인트

Challenge Solution Benefit

• 실시간 데이터 분석을 가능하게 하는

데이터 민첩성 부족

• 중요한 운영 데이터의 누락

• 제한된 확장성

3개의 Historian 서버 통합

7년 간의 데이터 마이그레이션

웹 기반 대시보드 사용

• 중앙 집중식 데이터 통합 및 실시간 관리

• 데이터 관리 및 백업 프로세스 간소화

• 실시간 운영을 통한 유지비용 절감

• 몇 분에서 몇 초로 분석 속도 향상

• 직관적 어플리케이션 활용

24

구축 사례 4

텍사스 오스틴 캠퍼스 에너지 설비 현황

• 135MW 열병합 발전 단지

• 4개의 Chilling Station

• 3천 6백만 리터의 Chilled water thermal storage tank

• 6만 톤의 Chilled water cooling system

• 14,000 포인트


• 예측정비체제 구축 위한

효율성 있는 방안 모색

4개의 보일러, 2개의 연소 터빈,

2개의 증기 터빈, 6개의 냉각 설비에 대한

예측 모델 생성

• 예측데이터와 실시간 데이터의 편차를

비교하여 경보로 제공

• 잠재적 고장에 대한 조기 경보

• 유지 보수 및 운영 비용 절감

• 설비 확장이나 변경에 유연한 데이터

모델링

25

구축 사례 5

말레이시아 국영전력청

• 말레이시아 3개 전력 Utility 중 하나로, 서말레이시아 전력 공급 담당

• 말레이시아 전체 발전량 중 91% 이상 발전

• 132kV, 275kV 및 500kV 송전망, 439개 변전소를 관리 및 운영


• IEC 61850 표준화에 따른 대응 필요

• 디지털 변전소 구현을 위한 기술 필요

• 분석 도구의 개선과 업그레이드 필요

• 기업 차원의 데이터 인프라 필요

변전소용 제어/모니터링 시스템 개발

데이터 매니지먼트 시스템 설치

• 엔터프라이즈 레벨의 통합 모니터링

기반 마련

• 기능 업그레이드 및 커스터마이징

• 설비 안정성과 가용성 향상

말레이시아 디지털 및 지능화 Grid를 위한

TNB’s 25 years Electricity

Technology Roadmap (TRM)

2010 스마트그리드 테스트 및 실증

2015 견고하고 탄력적 전력공급 시스템

2020 지능형 전력 공급 및 관리

2030 에너지 변환 기술 및 지속가능한 개발

26

Case Studies

Case 1 : 가압기 증기 누설 사전 조치

플랜트 지수 감소: 98% → 35% 이하 WHY?

28


플랜트 건강 지수에 영향을 미치는 신호 추적

- 기기 계통을 계층적 구조로 한눈에 파악함과 동시에 경보 레벨에 따른 상태 정보 파악

- 낮아진 지수에 영향을 미치는 신호를 자동으로 추적하여 신호 정보를 파악

PRIMARY(1차 계통)

REACTOR COOLANT SYS(원자로 냉각재 시스템)

SAFETY VALVE TEMP (안전밸브 후단 온도)

29


가압기의 역할

원자로 냉각재 계통의 압력을 조절하여 냉각재 비등 방지

• 압력이 낮을 경우

하부에 수직으로 설치된 전열기로 냉각재의 압력을 높임

• 압력이 높을 경우

가압기 상부에 저온관에서 공급받은 저온의 냉각재를 살수

안전밸브를 통해 증기를 방출하여 압력을 낮춤

<가압기>

30

Case 1 : 가압기 증기 누설 감지

Trend를 통한 실제 값과 예측 값 차이 분석 / 감시

- Success Tree 에서 바로 연계하여 신호 Trend 조회

- 실제 값과 현재 값의 변화 추이를 감시하고, 관련된 신호 Trend를 조회하여 비교 분석

: 안전밸브 온도 신호와 가압기 압력 신호 Trend 비교

Safety Valve 온도

Pressurizer 압력

실제 값

예측 값

31

Case 1 : 가압기 증기 누설 감지

Safety Valve 온도

Pressurizer 압력

예측 값

조기 경보 발생 및 담당자 통보

매뉴얼에 따라 압력 낮춤

온도 재 상승 - 재점검

안전밸브 누설 - 긴급점검

32

Case 2 : 발전기 냉각수 출구 유량 감소 감지

발전기 용량 = 냉각 기술의 발전이라 할 정도로 발전기의 냉각 상태는 중요함

발전기에서 발생하는 열을 제거하기 위해 냉각수 및 수소가스가 사용됨

수소가스: 발전기 내부에 가압 밀봉되어 회전자와 고정자 모두를 냉각

냉각수: 고정자 내부로 흐르며 고정자를 냉각

Turbine 지수 감소

플랜트 지수 감소

Dilip Kumar, POWER PLANT CHEMISTRY( WATER TREATMENT FOR BOILERS), 2015, 45)33


예측 값

실제 값

Alarm 설정치(210)

조기 경보 발생

냉각수 유량 감소 진행으로 지수 하락 조기 경보 1차: 원인은 계측기 오류?

조기 경보 2차, 3차 발생 그러나 아직 경보 상태가 아님 추가 모니터링 및 추가 분석 요청

35


예측 값

연관된 신호 및 현장 분석 진행

냉각용 출구 헤더 균열

발전기 내부 냉각수 누설

긴급 정비 계획 수립

36

Case 3 : HP compressor Variable Stator Vanes Control

12 3 4

5 고압 압축기 압력이 불안정함

총 5회 조기 경보 발생

Turbine 속도 및 진동에 영향

Turbine Trip

37


Turbine TRIP !! WHY?

38

실제 값

예측 값


Stator Vane이 움직이지 않는다.

기계적 결함은 아니다.

문제는 제어로직 이다.

제어로직 개선 작업

39


온도와 속도에 따라 보정

운전 상황 개선

기계적 Stress 감소

성능 향상

40

BNF테크놀로지 소개


프로세스 플랜트 운영 및 관리 소프트웨어 전문 기업, BNF테크놀로지

대표이사 서 호 준

설립일 2000, 11, 10

소재지 대전시 유성구 테크노2로 170-10

사업분야 소프트웨어 제품 개발 및 공급

해외지사 인도 간디나가르

해외법인 미국 텍사스, 한아라 소프트웨어

파트너사 말레이시아 쿠알라룸푸르 Matrix power

기업 개요

IT인력72%

SW 개발 / 엔지니어

관리

품질

영업

인력 현황

레퍼런스솔루션 공급 현황• 국내 42개 사이트 230여개 호기

- 원자력 발전 28개 호기

- 발전 5개사, 민자 발전

- 가스공사, 지역난방, 풍력, 연료전지

• 해외 5개국

미국, 말레이시아, 쿠웨이트,

인도, 사우디아라비아

- 해수 담수화, 캠퍼스 에너지,

석유화학, 정유화학, 송배전

국내 및 해외 5개국

53개 사이트

253 Units

솔루션 적용

42


스마트팩토리의 운영이 가능하도록 지원하는소프트웨어 솔루션

빅데이터 처리

품질 / 성능 관리

HMI & 프로세스 모니터링

조기경보 / 예측 감시 / 진단

IoT, 빅데이터의 ‘데이터 인프라스트럭쳐’ 및 예지 보전을 위한 분석 솔루션 제공지능화를 실현하기 위한 기반 단계 구현

통합 관제

사무 / 작업 / 자원 배치

공장 운영 상황 분석

원가 낭비 요소 제거

원가 통제 / 비용 최소화 계획

품질불량 방지 / 이력 추적

품질 통제 / 상관 분석

생산성 향상

원가 절감

품질 향상

에너지저감

고객만족

“시장 리더십 확보”

이익증대

43

© 2018. BNF Technology Inc. All Rights Reserved.

Thank you

Q&A

43

www.bnftech.com [email protected]

Documents

BNFí í ¬ë ë¡ ì§ í ë í ¸ ì ´ì ì ì í ë¹ ë °ì ´í ° ê¸°ë° ì ì ... · x ~ ½ r v +%6 : s p 8 Ð º s [ n 6 Å t î ¹ ³ û ¬ x x 8 ¼ ê Ð %nqwf %qorwvkpi