결함 감지란 무엇인가요?

고장 감지 기술을 활용하는 대표적인 산업 분야로는 다음과 같은 것들이 있습니다:

• 항공 우주
• 자동차
• Electronics
• 산업용 장비
• 반도체
• 산업 제조
• 재료 가공
• 의료기기
• 발전 및 배전
• 소프트웨어

이러한 산업 분야 중 특히 항공우주, 의료, 자동차 분야에서는 고장이 발생할 경우 치명적인 결과를 초래하거나 인명 피해를 일으킬 수 있으므로, 설계 및 운영 단계에서 결함 탐지가 필수적입니다. 반도체 IC 설계 및 제조와 같은 다른 산업 분야에서는 제조 과정이 시작된 후 변경을 가하는 것이 사실상 불가능하기 때문에, 결함 탐지를 설계 과정의 필수적인 부분으로 활용합니다. 또한 모든 산업 분야에서 이 과정은 재설계, 재작업 및 수리 비용을 절감할 수 있는 비용 효율적인 방법입니다.

결함 탐지는 결함 탐지 및 진단(FDD), 결함 탐지 및 격리(FDI), 또는 결함 탐지, 격리 및 복구(FDIR)와 같은 기법을 통해 시스템의 결함을 식별, 파악 및 해결하는 첫 번째 단계입니다. 그렇기 때문에 결함 탐지는 단순히 오작동을 찾아내는 것 이상의 의미를 지닙니다. 포괄적인 FDIR 프로세스의 일환으로, 오류 탐지는 오류가 심각한 손상을 초래하거나 시스템 성능을 저하시키기 전에 이를 탐지함으로써 기업에 도움을 줍니다. 또한 설계 엔지니어, 시설 관리자 및 유지보수 팀이 이상 현상이 유지보수 비용을 증가시키거나 고장을 유발하거나 부상을 초래하기 전에 예방적 유지보수 및 기타 시정 조치에 대해 효과적인 결정을 내리는 데 필요한 정보를 제공합니다. 

고장 탐지를 수행하는 엔지니어들은 다양한 기존 방법들을 데이터의 출처와 해석 방식에 따라 일련의 표준화된 접근 방식으로 분류합니다. 각 접근 방식에는 장단점이 있으며, 엔지니어들은 평가 대상 상황에 적합한 방법을 선택하려고 노력합니다.

다음은 결함 탐지에 가장 일반적으로 사용되는 방법들입니다.

임계값 기반

이 접근 방식은 시스템 데이터를 분석하여 각 매개변수의 실시간 값을 미리 정해진 한계값과 비교합니다. 한계값을 초과하면 경보가 발생합니다. 간단한 예로, 자동차 엔진의 온도 센서가 있는데, 엔진 냉각수 온도가 섭씨 110도를 초과하면 경고등이 켜지고, 섭씨 120도를 초과하면 오류 메시지가 표시됩니다. 이 방법은 간단하지만, 시스템이 감지하도록 설계된 오류만 탐지할 수 있습니다.

모델 기반

엔지니어들은 모델 기반 고장 감지 과정에서 시스템의 수학적 모델을 활용하여 실제 데이터셋을 바탕으로 출력을 예측합니다. 모니터링 도구는 예측값과 실제값의 차이를 계산하며, 이를 ‘잔차’라고 합니다. 잔차가 지정된 임계값을 초과하면 시스템은 고장을 감지합니다. 모델 기반 접근 방식의 장점으로는 예상치 못한 고장을 감지할 수 있다는 점과 과거 데이터를 모델로 활용할 수 있다는 점이 있습니다. 단점으로는 복잡한 시스템의 경우 모델을 구축하기 어려울 수 있다는 점입니다.

신호 처리

이 방법은 데이터 스트림의 값을 살펴보는 대신, 신호의 주파수 성분과 시간이 지남에 따라 어떻게 변화하는지를 분석합니다. 이 과정에서는 고속 푸리에 변환(FFT), 통계적 공정 관리(SPC) 또는 웨이블릿 분석을 활용하여 각 신호가 생성하는 정상적인 주파수 패턴의 변화를 감지합니다. 이는 기계적 결함 식별, 특히 회전 기계의 경우 진동이나 음향적 변화를 통해 장비 고장이 발생하기 전에 이를 예측할 수 있어 매우 유용합니다. 단점으로는 신호 처리의 복잡성과 신호 잡음에 대한 민감도가 있습니다.

데이터 기반 탐지 또는 기계 학습 기반 탐지

이 결함 탐지 방법은 과거 데이터나 시뮬레이션 또는 유한 요소 분석( 디지털 트윈 )을 통해 생성된 데이터를 활용하여 시스템의 동작을 모델링합니다. 이 접근 방식은 “정상” 데이터와 일치하지 않는 모든 데이터를 이상치로 표시합니다. 이는 강력한 고장 탐지 방법일 뿐만 아니라, 예측 유지보수나 고장이 발생하기 전 진단 도구로도 활용될 수 있습니다. 이 접근 방식의 장점으로는 매우 복잡한 시스템을 효과적으로 처리할 수 있고 예기치 못한 고장을 식별할 수 있다는 점이 있습니다. 단점으로는 방대한 양의 데이터가 필요하며, 이 전략이 블랙박스적 성격을 띠고 있다는 점입니다.

지식 기반 탐지

약간 다른 개념으로는, 단일 값이나 신호 대신 데이터나 신호의 조합을 평가하기 위해 논리 또는 의사결정 트리를 사용하는 방법이 있습니다. 이 접근 방식은 규칙 기반 시스템, 퍼지 논리, 고장 트리, 전문가 시스템을 활용할 수 있습니다. 이는 일련의 사건이 연쇄적으로 발생하여 고장으로 이어지는 경우, 데이터가 부족한 단순하고 명확하게 정의된 시스템에서 효과적입니다. 단점은 지식 기반을 구축하는 데 시간이 많이 소요된다는 점과, 알려진 고장 모드에만 국한된다는 점입니다.

결함 탐지는 전체 결함 관리 프로세스의 첫 단계입니다. 문제가 확인되면, 대응 팀은 표준 절차를 따라 문제를 통제하고, 파악하며, 해결해야 합니다. 모든 산업 분야, 그리고 종종 해당 산업 내의 각 기업마다 문제 식별부터 해결에 이르기까지의 전 과정을 거치며, 그 과정에서 얻은 교훈을 조직에 피드백하는 각기 다른 결함 관리 프로세스를 갖추고 있습니다.

용어는 응용 분야에 따라 다를 수 있지만, 확인된 결함을 처리하는 대부분의 단계는 다음 범주 중 하나에 해당합니다.

결함 감지

오류 탐지를 구현하는 방법은 여러 가지가 있으며, 전체 오류 관리 프로세스에서 중요한 부분은 탐지된 모든 잠재적 오류를 확실히 파악하여 추가 조사 및 조치를 위해 전달하는 것입니다.

오류 격리

조사팀은 시스템 내 어디에서 오류가 발생했는지 파악하고, 이로 인해 영향을 받은 구체적인 어셈블리, 하위 시스템, 구성 요소 또는 루틴을 식별해야 합니다. 이 과정에는 실제 오류를 확인하거나 오탐지를 배제하기 위해 시스템의 다른 부분에서 수집된 센서 측정 데이터를 검토하는 작업이 종종 포함됩니다.

고장 식별 및 진단

이 단계에서 팀은 결함이 무엇이었는지(식별)와 왜 발생했는지(진단)를 파악합니다. 이 단계의 중요한 측면 중 하나는 고장 유형을 분류하는 것인데, 즉 고장이 센서, 소프트웨어, 기계, 제조 결함 또는 시스템의 다른 요인에 기인한 것인지 파악하는 것입니다. 또한 이 단계의 결과물로는 원인을 규명하고 고장에 심각도(경미, 성능 저하, 중대, 안전 관련 등)를 부여하는 것이 포함됩니다.

고장 알림 및 신고

위의 정보를 수집한 후, 팀은 적절한 문서를 작성하고 관련 당사자들에게 오류 발생 사실, 발생 위치, 발생 원인, 심각도 및 영향을 받는 대상에 대해 통보해야 합니다.

오류 대응

결함 대응 단계는 대개 다른 단계와 병행하여 수행되거나 결함이 감지된 직후에 진행되며, 이 단계에서 팀은 결함의 영향을 최소화하기 위해 즉각적인 조치를 취합니다. 보다 정교한 제어 시스템의 경우, 소프트웨어에 자동 대응 알고리즘이 내장되어 있을 수 있습니다. 또한 고장으로 인해 경보가 발생했을 때 운영자가 개입할 수 있도록 표준 운영 절차(SOP)를 마련해 두는 것도 일반적입니다. 대응 조치에는 시스템의 전부 또는 일부를 정지시키거나, 이중화 기능을 활용하거나, 시스템 가동을 유지하되 용량을 축소하는 등의 조치가 포함될 수 있습니다. 고장 대응의 목표는 가능한 한 많은 기능을 유지하면서 고장을 억제하는 것입니다.

오류 복구

오류는 오류 복구 단계에서 해결됩니다. 여기에는 부품 수리 또는 교체를 위한 작업 지시서 발행, 소프트웨어 또는 하드웨어 재시작, 작동 매개변수 조정, 하드웨어 설계 또는 소프트웨어 코드 수정(버그 수정) 등이 포함될 수 있습니다.

오류 검토

운영이 정상화되면, 팀은 고장 후 검토나 전면적인 근본 원인 분석을 수행하거나, 해당 정보를 기능 안전 평가에 활용할 것입니다. 이 단계의 목표는 고장 재발 가능성을 최소화하고, 고장이 발생했을 때 그 영향을 회복 및 완화하기 위한 시정 조치를 권고하며, 관련 고장에 대해 의사결정권자에게 정보를 제공하는 것입니다.

본질적으로 결함 탐지는 시스템에 대한 데이터를 수집하고 이를 모니터링하여 결함을 감지하는 과정을 수반합니다. 많은 응용 분야에서 결함 탐지 시스템은 이용 가능한 정보의 방대한 양과 복잡성 때문에 빅데이터 범주에 속합니다. 기존 데이터 분석 방식이 복잡한 데이터, 비선형 시스템 거동, 알려지지 않은 결함, 점진적인 성능 저하 등을 처리하는 데 어려움을 겪는 반면, 인공지능(AI) 기술은 이러한 상황에 이상적입니다. AI 기법은 고장에 대해 학습하고, 분석 방식을 조정하며, 사람이나 기존 데이터 분석 방식으로는 놓치기 쉬운 고장을 탐지하고, 고장을 조기에 발견할 수 있습니다. 사물인터넷(IoT) 구현으로 인해 생성되는 데이터의 양과 복잡성 때문에, 정확한 고장 탐지를 위해서는 AI 솔루션이 필수적입니다.

현재 결함 탐지 분야에서 AI가 적용되는 대부분의 사례는 AI의 결정론적 하위 분야인 ‘기계 학습’에 속합니다. 기계 학습에서는 과거 데이터나 시뮬레이션을 통해 생성된 합성 데이터를 활용하여 시스템이 결함을 인식하도록 훈련시킵니다. 또한 엔지니어들은 딥 러닝, 데이터 요약, 로그 분석, 근본 원인 분석을 지원하기 위해 대규모 언어 모델(LLM)을 점점 더 많이 활용하고 있습니다.

오류 탐지를 위한 AI 기법의 대표적인 예로는 다음과 같은 것들이 있습니다:

• 지도 학습: 검증된 알고리즘을 사용하여 레이블이 지정된 데이터로부터 학습합니다.
• 비지도 학습: 일반적인 모델을 구축한 다음, 그 모델과의 편차를 찾아내는 방식으로 학습합니다.
• 반지도 학습: 지도 학습과 비지도 학습을 모두 통해 학습합니다.
• 딥러닝: 신경망을 훈련시켜 패턴을 자동으로 인식하도록 학습하는 방식입니다.
• 강화 학습: 자동화된 오류 감지 및 복구 시스템에서 시행착오를 통해 학습합니다.
• 물리 기반 신경망(PINN): 물리 법칙을 활용하여 시행착오를 통해 학습합니다.
• 디지털 트윈: 실제 데이터와 시뮬레이션 데이터를 비교하여 학습합니다. 또한 디지털 트윈은 예측 유지보수를 지원합니다.

엔지니어들은 애플리케이션에 오류 감지 기능을 구현하기 위해 다양한 접근 방식을 사용합니다. 산업별로 세부 사항은 다르지만, 오류 감지 솔루션을 효과적으로 구현하기 위한 다음 제안 사항은 모든 산업에 적용됩니다.

1. 범위 파악: 적용 대상 시스템, 오류의 정의, 시스템에서 오류를 놓치거나 오탐이 발생할 경우의 결과, 그리고 각 오류 유형의 심각도를 정의한다.
2. 데이터 파악: 모든 센서, 누락된 센서, 생성되는 데이터의 종류, 데이터 접근 방법, 데이터의 정확도, 그리고 데이터에서 오류가 발생할 수 있는 부분을 파악합니다.
3. 시뮬레이션 솔루션 선택: 디지털 트윈, 물리 모델, 모델 기반 결함 탐지 등을 포함하여 결함 탐지에서 시뮬레이션이 수행할 역할을 결정합니다. 그런 다음 팀에 필요한 시뮬레이션 도구를 파악합니다.
4. 고장 감지 방식 정의: 시스템에 가장 적합한 고장 감지 방식 또는 여러 방식의 조합을 결정한다.
5. 기준 솔루션을 구축합니다: 일반적으로 간단한 방법 중 하나를 활용하여 배포하기 쉬운 기준 솔루션을 구축하고, 성능을 측정합니다.
6. 완벽한 결함 탐지 솔루션 구축: 기준 솔루션의 정보를 활용하고 더욱 정교한 AI 도구를 통합한, 견고하고 포괄적인 결함 탐지 솔루션을 구축합니다.
7. 고장 관리 프로세스를 지원하도록 설계: 기준 솔루션 및 전체 솔루션의 설계에 해당 시스템의 전체 고장 관리 프로세스에 필요한 사항을 반영해야 합니다. 여기에는 근본 원인 분석에 대한 접근 방식 정의, 기능 안전이 수행할 역할, 그리고 주요 이해관계자에게 고장 발생 사실을 알리는 방법과 시기를 포함합니다.
8. 실행 가능한 정보에 집중하세요: 자동 알고리즘과 의사결정자가 필요로 하는 정보에 대한 명확한 정의를 수립하고, 솔루션에서 산출되는 모든 결과가 활용 가능한 정보를 제공하도록 보장하십시오.
9. 검증 및 반복: 대화형 방식의 지속적인 개선 접근법을 활용하여 솔루션을 모니터링하고 개선합니다.

시뮬레이션 및 기능 안전 도구를 활용한 구현 지원

대부분의 최신 결함 감지 및 진단 구현에서 핵심적인 부분은 포괄적인 솔루션의 일환으로 시뮬레이션 및 기능 안전 도구를 모두 활용하는 것입니다. 개발 팀들은 기계 시스템을 위한 Ansys Twin Builder와 같은 시뮬레이션 기반의 디지털 트윈 플랫폼이나, Synopsys Electronics 디지털 트윈 (eDT)와 같은 도구를 사용하며, Synopsys Virtualizer, 그리고 Synopsys Platform Architect 집적 회로용 Ansys Electronics Ansys (eDT)와 같은 도구를 사용하여 모델 훈련에 필요한 가상 표현을 생성하거나, 실시간 데이터와 비교하기 위한 기준 모델로 활용합니다. 또한, Ansys Mechanical 구조 유한 요소 해석 소프트웨어, Fluent 유체 시뮬레이션 소프트웨어, HFSS 고주파 전자기 시뮬레이션 소프트웨어와 같은 Multiphysics 도구를 사용하여 진단 도구에 물리 기반 동작을 제공합니다.

Ansys 와 같은 기능 안전 도구와 medini는 기계 시스템을 위한 시스템 중심의 안전 분석 소프트웨어 및 Synopsys VC Functional Safety Manager를 비롯한 VC 도구, VC Z01X, VC Formal FuSa, VCS 기능 검증 Solution 등이 전기 및 집적 회로 분야의 기능 안전에 관한 다양한 국제 표준을 충족하기 위해 사용됩니다.

오류 감지 기능과 다른 프로세스의 결합

많은 응용 분야, 특히 산업 및 건물 시스템에서는 동일한 데이터를 활용하여 에너지 소비를 최적화하고, 성능을 향상시키며, 예측 유지보수를 가능하게 하는 이점을 누리고 있습니다. 예를 들어, 빌딩 자동화 시스템과 HVAC 시스템의 구현 사례는 에너지 관리와 함께 고장 감지 기능을 제공하기 위해 FDD 소프트웨어를 도입하는 데 앞장서고 있습니다. 제조 분야, 특히 고도로 자동화된 시스템과 로봇 공학 분야에서는 고장 감지 기능을 성능 최적화와 결합하고 있습니다.

IC 설계 및 제조에서의 결함 탐지

집적 회로의 결함 탐지는 그 대부분이 제조 전 설계 단계에서 이루어진다는 점에서 독특합니다. 이 접근 방식의 목표는 논리 오류, 신호 무결성 문제, 또는 전압 강하 로 인한 결함을 식별하는 것입니다. 칩 설계를 변경하는 데 드는 비용이 막대하기 때문에, 설계가 검증되어 양산에 들어가기 전에 가상 모델과 테스트 패턴을 활용하여 잠재적인 결함을 찾아내고 제거합니다. 엔지니어들은 Synopsys VC Z01X Fault Simulator, Synopsys ZeBu Server, 그리고 Synopsys TestMAX등을 조합하여 설계를 검증하고, 실제 환경과 동일한 탐지 방법을 사용하여 결함을 감지합니다.

IC 설계에서 효과적인 결함 탐지의 핵심은 가상 테스트를 위한 테스트 패턴 생성을 포함하여 이러한 도구를 설계 흐름에 통합하는 것입니다. 또한 제조 후 출하 전에는 제조 문제로 인한 결함을 파악하기 위해 철저한 테스트가 수행됩니다. 결함이 탐지되면, 팀은 결함 관리 절차를 통해 해당 결함을 격리하고 해결하며, 여기에는 칩 폐기, 클럭 속도 하향 조정, 또는 칩의 결함 있는 부분 비활성화 등이 포함됩니다.