초거대 AI 언어모델을 적용한 생산설비 유지관리체계 효율성 개선방안 실증 연구

Abstract

현대사회에서 제조기업의 생산성 향상을 위한 생산설비에 대한 보존, 운영 및 유지보수의 효율성이 점점 더 중요해지고 있다. 생산설비의 특성상 연중무 휴 동작하기 때문에 주요 부품의 마모, 훼손, 노후화로 인한 오동작 등과 같 은 이상 증상이 비정기적으로 발생하게 된다. 이러한 이상 증상이 발생하게 되면 생산설비 가동이 중단되며 생산성 감소로 직결되기 때문에 중소기업 경 영에 심각한 문제가 발생하게 된다. 이러한 문제를 해결하기 위해 스마트 공 장 도입, 예지보전의 적용과 같은 다양한 개선 조치가 추진되고 있다. 그러나 이러한 시스템과 관련된 높은 비용은 실제 적용에 큰 어려움을 안겨준다. 이처럼 생산설비의 고장으로 인해 생산이 중단되는 문제를 해결하기 위한 연구인 사후보전 조치 방안이나 설비관리 성과지표 개선방안에 대한 연구가 많이 이루어지지 않고 있다. 그 이유로는 생산설비의 고장뿐만 아니라 성능 수준에 미달하는 규격의 설비로 인해 대체 설비로 전환하거나 복구하는 등 예상치 못한 특수한 상황들로 인해 연구의 어려움이 있다. 여기에는 고장 원 인 파악, 필요한 부품 조달, 전문 엔지니어 배치, 설비의 비가동 시간 동안 연계된 시설이나 설비에 미치는 영향 관리 등의 복잡한 문제가 있다. 실제로 사후보전 활동은 체계적으로 관리되기보다는 유지보수 전담 인력의 개인 업 무 역량에 많이 의존하고 있다. 설비종합효율(OEE, Overall Equipment Effectiveness)을 평가할 때 예방보전이 강조되지만, 실제로는 대부분의 시간 이 사후보전 활동에 투자되고 있다. 결과적으로 많은 제조업체는 생산 설비의 생존 가능성을 높이기 위해 높은 수준의 유지관리 매뉴얼을 구축하게 되었다. 이러한 복잡성으로 인해 사후보전 관행을 기반으로 생산성이나 생존 가능성 을 향상시키기 위한 연구를 수행하는 것이 어려운 실정이다. 본 연구에서는 AI 기술을 활용하여 중소기업의 설비보전 활동 중 사후보전 의 효율성을 향상시키는 방안을 제시하고 있다. 본 연구는 고장 원인, 고장 진단, 환경 요인 및 대응 시간을 포함한 설비보전 이력 데이터를 기반으로 중 소기업의 지식 공유 문제를 해결하기 위해 초거대 언어 모델(LLM, Large Language Model)을 활용하였다. 이를 통해 설비종합효율을 향상시키고, 중소 기업이 직면한 실질적인 문제에 대한 효과적인 해법을 제공하여 제조산업의 생산성과 경쟁력을 높이는 것을 목표로 한다. 연구 방법으로는 피실험 기업 생산설비의 사후보전 데이터를 수집하고, 빈 도분석 및 표준통계 평가를 수행했다. 예비 실험에서는 스마트폰 매뉴얼의 특 정 내용을 질의하고 관련 응답을 받는 방식으로 초거대 언어 모델 기반 시스 템의 타당성을 검증했다. 이번 연구 실험에서는 각 고장 구성요소에 대한 장 비 고장 증상, 고장유형, 가동 중지 시간을 종합적으로 조사하여 설비종합효 율에 미치는 영향을 분석했다. 본 연구는 AI 기반의 사후보전 효율성 향상 모델을 실증 연구 결과를 통해 제시함으로써 제조기업의 생산성 및 경쟁력 향상에 기여하는 것을 목표로 한 다. 이는 중소기업이 직면한 실질적인 과제를 해결하고 지속 가능한 산업 성 장을 촉진하는데 중요한 역할을 할 것이다.