기업 맞춤형 DX 전략과 ESG 이행을 위한 통합 컨설팅
스마트 플랜트 고도화를 위한 디지털 전환과 환경 인허가·사후관리까지 원스톱 지원
안전·환경·보건 통합 관리 시스템을 기반으로, 데이터 분석과 리포팅을 통해
기업의 신속하고 능동적인 법규 대응과 업무 효율화를 지원하는 인프라 솔루션
제조 현장 최적화를 위한 통합 설비 관리 시스템
설계, 시공, 운영 지원과 맞춤형 정책 연계를 통해 효율적이고 지속 가능한 생산 환경을 실현
AI·빅데이터 기반의 품질 분석 및 실험실 자동화를 통해,
생산 효율성을 극대화하고 데이터 관리 최적화를 지원하는 IT 인프라 솔루션
기업 경쟁력 강화를 위한 데이터 기반 통합 분석 솔루션
업무 효율성을 극대화 할 수 있도록 통합 데이터 분석 및 솔루션 제공
디지털 전환과 환경 모니터링을 위한 스마트 클라우드 솔루션
유연한 인프라 운영과 실시간 환경 모니터링을 통해 기업의 자산 관리 최적
지능형 데이터센터 구축을 위한 고성능 AI Infra 솔루션
효율적인 운영과 지속 가능한 친환경 인프라 실현
산업자동화 및 다양한 산업군에서 증명된 네트워크 및 인프라 관리 솔루션 제공
안정적이고 신뢰할 수 있는 스마트 산업 네트워크 환경을 구축
유·무선 네트워크, 전송망, 보안 및 LTE 솔루션을 통해
자동화된 네트워크 운영과 안정적인 통신 인프라 혁신을 지원
Everything you can think and imagine is here
"본 칼럼은 30년 제조 현장 전문가의 통찰을 바탕으로 작성되었습니다" RCM과 건강검진형 설비관리: FMEA·RCA로 고장이 아니라 기능을 지키는 법 RCM은 고장을 막는 기법이 아니라 설비의 기능을 유지하는 전략이며, FMEA와 RCA는 그 기능을 지키는 현장의 건강검진 도구입니다. 위존(WEZON)이 제안하는 선진 설비관리 철학 시리즈 10편입니다. 유나이티드 항공의 데이터가 RCM(신뢰성 중심 보전)으로 이어진 과정을 따라가며, FMEA와 RCA를 제조 현장의 '건강검진 도구'로 정착시키는 방법을 다룹니다. (▶ 9편 보러가기) RCM(Reliability-Centered Maintenance)은 고장을 막는 기법이 아니라 설비가 가진 '기능'을 유지하는 전략입니다. 1978년 스탠리 노울런과 하워드 힙이 미 국방성 의뢰로 정리한 이 방법론은, 경제성과 안전성을 동시에 확보하는 틀을 제시했고 현대 설비관리의 근간이 되었습니다. SWING CMMS는 FMEA(사전 예방)와 RCA(사후 근본 원인 추적)를 개별 문서 작업이 아니라 설비 이력에 연결된 상시 프로세스로 운영하게 하여, 베테랑의 판단에 의존하던 정비 결정을 데이터와 논리로 옮기는 문제를 해결합니다. [칼럼 요약] 1. RCM의 탄생: 미 국방성이 유나이티드 항공에 의뢰한 것 2. FMEA와 RCA — 사전 예방과 사후 추적, 두 개의 도구 3. 건강검진 프로세스로의 진화, 그리고 제조 현장이 항공업계와 달랐던 이유 [용어 및 개념 정의] · RCM(Reliability-Centered Maintenance, 신뢰성 중심 보전): 설비의 고장 자체를 막는 것이 아니라 설비가 수행해야 할 '기능'을 유지하는 데 집중하여, 경제성과 안전성을 동시에 확보하는 보전 전략. 1978년 명명되었습니다. · FMEA(Failure Mode and Effects Analysis, 고장 모드 영향 분석): 설비가 어떤 고장을 일으킬 수 있는지(고장 모드)와 그 영향은 무엇인지 사전에 분석하는 기법. 사고가 발생하기 전 잠재적 위험을 차단하는 사전 예방이 핵심입니다. · RCA(Root Cause Analysis, 근본 원인 분석): 고장이 발생했을 때 Logic Tree를 타고 내려가 '왜' 발생했는지 근본 원인을 추적하는 기법. 현상만 고치는 것이 아니라 시스템적 결함을 찾아내는 프로세스와 근접 원인들이 포함된 과정입니다. · 근본 원인과 근접 원인: 근접 원인은 고장 직전에 관측된 직접적 현상이고, 근본 원인은 그 현상을 허용한 시스템·관리상의 결함입니다. 이 둘을 혼동하면 같은 고장이 반복됩니다. · P-F Interval: 잠재 결함이 감지 가능한 시점(P)부터 기능 고장에 이르는 시점(F)까지의 구간. 이 구간이 길수록 조기 검출 수단의 가치가 커집니다. · 예지보전(Predictive Maintenance, PdM): 센서 데이터와 분석 모델로 고장 발생 시점을 예측해 사전에 조치하는 보전 방식. · 설비 8계통: 회전기기, 정지기기, 배관·밸브, 전기, 계장, 유틸리티, 구조물, 안전설비 등 설비를 기능 계통별로 구분한 관리 단위. 많은 현장이 이 수준의 기초 분류에 머물러 있습니다. [현장의 문제 또는 도입 배경] 9편에서 우리는 항공기 부품의 89%가 사용 시간과 무관하게 고장 난다는 사실을 확인했습니다. 그렇다면 다음 질문은 자연스럽게 이어집니다. 주기가 답이 아니라면, 무엇을 기준으로 정비를 결정해야 하는가? 이 질문에 답한 것이 RCM입니다. 그리고 RCM을 현장에서 작동하게 만드는 두 개의 도구가 FMEA와 RCA입니다. 흥미롭게도 이 흐름은 우리가 몸을 관리하는 방식의 변화와 정확히 같은 궤적을 그립니다. 다만 제조 현장은 항공업계와 조건이 달랐습니다. 그 차이를 이해하지 못한 채 항공업계의 방법론만 가져오면, 문서는 남고 현장은 바뀌지 않습니다. 1. 현황과 문제 — RCM의 탄생과 설비관리 바이블의 전파 유나이티드 항공의 혁신적인 보전 전략에 주목한 것은 미국 국방성(DoD)이었습니다. 1970년대 초, 미 국방성은 유나이티드 항공의 스탠리 노울런(Stanley Nowlan)과 하워드 힙(Howard Heap)에게 이 방법론을 정리해달라고 의뢰했습니다. [그림 3] Stanley Nowlan & Howard Heap의 P-F Curve. 결함이 시작된 시점(Failure initiated)부터 파국적 고장(Catastrophic failure)까지, 초음파·진동·오일 분석·온도 분석·이상음·발열·기계적 이완 순으로 검출 수단이 배치됩니다. 왼쪽에서 검출할수록 Proactive, 중간은 Predictive, 오른쪽은 사후 대응(Reactive)의 영역입니다. 1978년, 이들은 보고서를 통해 이를 RCM(Reliability-Centered Maintenance, 신뢰성 중심 보전)이라 명명했습니다. 이 보고서는 미 국방성에 의해 군사 장비 관리의 표준으로 채택되었고, 이후 전미 산업계로 확산하며 현대적 설비관리의 근간을 이루었습니다. RCM은 단순히 고장을 막는 것이 아니라, 설비가 가진 '기능'을 유지하는 데 집중하며 경제성과 안전성을 동시에 확보하는 전략적 틀을 제시했습니다. 이 한 문장의 차이가 중요합니다. 고장을 막는 것이 목표라면 모든 설비를 똑같이 관리해야 하지만, 기능을 유지하는 것이 목표라면 기능에 미치는 영향에 따라 관리 수준을 다르게 가져갈 수 있습니다. 2. 원인 — 두 개의 도구, FMEA와 RCA 유나이티드 항공사는 MSG-3 과정에서 두 가지 핵심 도구를 사용했습니다. · FMEA(Failure Mode and Effects Analysis): 설비가 어떤 고장을 일으킬 수 있는지(고장 모드), 그 영향은 무엇인지 사전에 분석하는 기법. 이는 사고가 발생하기 전 잠재적 위험을 차단하는 사전 예방이 핵심입니다. · RCA(Root Cause Analysis): 만약 고장이 발생했다면, Logic Tree를 타고 내려가 '왜' 발생했는지 근본 원인을 추적하는 기법. 단순히 현상만 고치는 것이 아니라 시스템적 결함을 찾아내는 프로세스와 근접 원인들이 포함된 과정입니다. 항공 산업에서는 “이 부품의 고장이 안전에 치명적인가?”, “육안으로 확인 가능한가?”라는 질문을 던지며 최적의 보전 방식을 결정합니다. 이는 현장의 작업자가 임의로 판단하는 것이 아니라, 축적된 데이터와 엄격한 논리에 의해 정비 주기를 결정하게 함으로써 인적 오류를 최소화합니다. 여기에 이 시리즈가 반복해서 강조해 온 지점이 있습니다. 인적 오류를 줄이는 방법은 사람을 더 조심시키는 것이 아니라, 판단을 요구하지 않는 구조를 만드는 것입니다. 코멧 사고에서 작업자가 드릴링 대신 펀칭을 택한 것도, 개인의 태만이 아니라 판단을 개인에게 맡긴 구조의 문제였습니다. 3. 해결 방법 — 건강검진 프로세스로의 진화 흥미로운 점은 설비관리의 역사가 인간의 건강관리 역사와 궤를 같이한다는 사실입니다. 1990년대 말, 국내 기업들에 직장인 건강검진 제도가 보편적으로 도입되면서 우리 사회는 '아프면 병원에 가는' 사후 처리 방식에서 '정기적으로 검진하여 병을 예방하는' 패러다임의 대전환을 맞이했습니다. 설비관리 역시 이와 같은 '건강검진 프로세스'로 발전했습니다. RCM이 추구하는 방향과 일치했습니다. 검진 항목을 정하고, 검진 주기를 정하고, 이상 소견이 나오면 정밀 검사로 넘어가는 구조. 이것이 FMEA와 RCA가 현장에서 작동하는 방식입니다. 하지만 제조 산업 현장은 항공업계와 달랐습니다. 강력한 생산 중심의 관리와 비용 체계로 되어 있었습니다. 설비관리는 유연성을 가진 철학과 문화로 자리잡아야 했습니다. 다섯 가지 공장의 밸류체인이 같은 수준에서 관리되어야 하지만, 현장은 설비관리를 단순히 고장 나면 고치는 업무를 하는 정도로만 생각했습니다. 그러다 보니 대기업이든 중소기업이든 설비 8계통의 아주 기초적인 설비관리에 만족하게 만들었습니다. 항공업계에서는 안전이 곧 사업의 존속 조건이었기 때문에 보전이 경영 의제가 될 수 있었습니다. 제조 현장에서는 생산이 그 자리를 차지했습니다. 같은 방법론을 옮겨 심으려면, 방법론보다 먼저 설비관리를 경영 의제로 올리는 일이 필요합니다. 4. 도입 시 확인사항 — PdM을 말하기 전에 최근의 항공기 설비관리는 디지털 트윈과 인공지능을 결합한 '예지 보전(Predictive Maintenance, PdM)'의 단계에 도달해 있습니다. 마치 웨어러블 기기가 실시간으로 혈압과 심박수를 체크해 이상 징후를 알리듯, 최신 항공기 엔진은 실시간 데이터를 지상으로 전송하며 고장이 발생하기 수백 시간 전에 부품 교체 시점을 정확히 예측하려는 노력을 하고 있습니다. 반면, 우리 제조 현장은 어떻습니까? 여전히 '빨리빨리'라는 과거의 망령에서 완전히 자유롭지 못한 경우가 많습니다. 설비가 망가지기 전까지는 점검을 미루거나, F 클래스가 68%라는 사실을 간과한 채 불필요한 과잉 정비로 설비를 망가뜨리기도 합니다. 스마트팩토리로 설비관리를 접근하면서 PdM을 이야기하지만, 수십 년 동안 해오던 Classical PdM조차도 체계적으로 관리하고 있지 못합니다. 진동·온도·윤활 상태를 주기적으로 측정하고 추이를 관리하는 고전적 예지보전이 정착되지 않은 상태에서 AI 모델을 얹으면, 모델이 학습할 데이터 자체가 없습니다. 따라서 PdM 도입을 검토하기 전에 다음을 먼저 확인해야 합니다. 첫째, 고장 모드별로 어떤 검출 수단이 유효한지 정의되어 있는가. 둘째, 그 검출 수단의 측정값이 이력으로 축적되고 있는가. 셋째, 이상 판정 기준이 문서화되어 있는가. 이 세 가지가 없으면 센서를 붙여도 데이터는 쌓이기만 할 뿐 판단으로 이어지지 않습니다. 5. 기대효과 — 경쟁력 있는 공장의 지속운전 코멧 사고와 유나이티드 항공이 남긴 RCM의 철학은 명확합니다. 인간이 정기 건강검진을 통해 삶의 질을 높이듯, 제조 현장도 데이터 중심의 논리적 접근과 체계적인 진단 프로세스를 갖추어야만 완벽한 신뢰성을 확보할 수 있습니다. 제조 산업의 스마트팩토리 속 설비관리 역시 화려한 자동화 설비 도입이나 잘못된 모델링 방식의 PdM 도입보다 선행되어야 할 것이 있습니다. 바로 '건강검진형 관리 철학'입니다. 설비 기능의 신뢰성을 확보하기 위해 RCA와 FMEA를 현장의 건강검진 도구로 뿌리내려야 합니다. 그 결과는 경쟁력 있는 공장의 지속운전이 될 것입니다. 끝으로 한 가지 질문을 던집니다. “여러분 공장에서 고장이 많이 나는 설비는 어떻게 하십니까?” 이 질문에 대한 답은 다음 편에서 이어집니다. [단계별 적용 방법: FMEA·RCA를 현장에 정착시키는 6단계] 1단계 — 기능 정의 (RCM의 출발점) · 설비가 '무엇을 해야 하는가'를 먼저 정의합니다. '펌프'가 아니라 '시간당 OO톤을 O bar로 이송한다'가 기능입니다. 기능이 정의되어야 기능 고장을 정의할 수 있습니다. 2단계 — 대상 선정 · 안전에 치명적인 설비, 생산 영향도가 큰 설비, 고장이 반복되는 설비 순으로 우선순위를 정합니다. 전 설비 대상 FMEA는 실패합니다. 3단계 — FMEA 수행 (사전 예방) · 고장 모드를 나열하고 발생도·영향도·검출도를 평가합니다. 이때 '이 고장이 안전에 치명적인가', '육안으로 확인 가능한가' 두 질문을 반드시 포함합니다. 4단계 — 검출 수단 배치 (P-F Curve 활용) · 각 고장 모드에 대해 초음파·진동·오일 분석·온도·이상음 중 어떤 수단이 가장 이른 시점에 검출 가능한지 배치합니다. 왼쪽에서 잡을수록 대응 여유가 커집니다. 5단계 — RCA 체계 구축 (사후 추적) · 고장 발생 시 Logic Tree를 따라 근접 원인과 근본 원인을 분리해 기록합니다. '왜 발생했는가'에서 멈추지 말고 '왜 사전에 발견하지 못했는가'까지 추적합니다. 6단계 — 이력 연결과 순환 · RCA에서 발견된 새로운 고장 모드를 FMEA로 되돌려 반영합니다. 이 순환이 끊기면 FMEA는 한 번 만들고 잊히는 문서가 됩니다. [비교표: FMEA와 RCA는 무엇이 다른가] 두 기법을 혼동하거나 하나만 운영하는 현장이 많습니다. FMEA는 고장 전, RCA는 고장 후를 담당하며 서로를 보완할 때만 작동합니다. 구분 FMEA RCA 시점 고장 발생 전 (사전 예방) 고장 발생 후 (사후 추적) 질문 어떤 고장이 일어날 수 있고, 그 영향은 무엇인가 왜 이 고장이 발생했고, 왜 사전에 발견하지 못했는가 핵심 산출물 고장 모드 목록, 발생도·영향도·검출도 평가, 대응 과업 Logic Tree, 근접 원인과 근본 원인, 재발 방지 대책 실패하는 방식 점수 낮추기가 목적이 되어 검출도만 개선하고 끝남 원인을 '추정'하는 수준에 머물러 근접 원인을 근본 원인으로 오인함 성공 판단 기준 발생도와 영향도가 구조적으로 낮아졌는가 동일 고장 모드의 재발이 실제로 감소했는가 CMMS에서의 역할 점검 항목과 주기의 근거를 생성 고장 이력에서 개선 과제를 도출 [적용 사례·예시·수치] 사례 1. 미 국방성 — RCM의 표준화와 산업계 확산 · 적용 전: 군사 장비 보전이 장비별·부대별 경험과 관행에 따라 수행되어, 정비 수준의 편차가 크고 근거를 설명하기 어려운 상태. · 적용 후: 1978년 노울런·힙 보고서를 통해 RCM이 정립되고 미 국방성이 군사 장비 관리 표준으로 채택. 이후 전미 산업계로 확산하며 현대적 설비관리의 근간을 형성했습니다. · 산정 기준 또는 전제조건: 1970년대 초 미 국방성이 유나이티드 항공에 방법론 정리를 의뢰, 1978년 보고서 발간. 항공·군수 분야의 안전 요구 수준을 전제로 한 결과이므로, 제조 현장 적용 시에는 안전 등급과 생산 영향도를 자사 기준으로 재정의해야 합니다. 사례 2. 항공업계 — 예지보전(PdM)의 현재 · 적용 전: 정해진 비행 시간 도래 시 엔진 부품을 점검·교체하는 시간 기반 방식. · 적용 후: 엔진이 실시간 데이터를 지상으로 전송하고, 고장 발생 수백 시간 전에 부품 교체 시점을 예측하는 디지털 트윈·AI 결합 단계에 도달. · 산정 기준 또는 전제조건: 항공기 엔진은 센서 부착·데이터 전송 인프라가 설계 단계부터 내장되어 있고, 운항 조건이 상대적으로 균일합니다. 제조 설비는 운전 조건의 변동 폭이 크므로, Classical PdM(진동·온도·오일 분석의 주기 측정과 추이 관리)이 선행되어야 동일한 효과를 기대할 수 있습니다. [SWING CMMS 적용 방안] 추천 대상: FMEA를 한 번 만들었지만 문서로만 남아 있는 조직, RCA를 한다고 하지만 원인을 추정하는 수준에 머무는 정비 부서, PdM 도입을 검토 중이나 기초 데이터가 없는 제조·플랜트 기업 주요 기능 · FMEA 관리: 설비·부품별 고장 모드와 발생도·영향도·검출도를 등록하고, 평가 결과를 점검 항목과 주기에 자동 반영합니다. · RCA Logic Tree: 고장 이력에서 바로 RCA를 착수하고, 근접 원인과 근본 원인을 계층 구조로 기록합니다. · FMEA↔RCA 순환 연결: RCA에서 새로 발견된 고장 모드를 FMEA에 반영하도록 연결해, 분석이 일회성 문서로 끝나지 않게 합니다. · 검출 수단 이력화: 진동·온도·오일 분석 등 Classical PdM 측정값을 설비 이력에 축적하고 추이를 관리합니다. PdM 모델의 학습 데이터가 됩니다. · 기능 기준 자산 관리: 설비를 자산 코드가 아니라 수행 기능 단위로 관리해 RCM의 기능 유지 관점을 시스템에 반영합니다. 도입 방식: SaaS 구독형(클라우드)을 기본으로 하며, FMEA·RCA 템플릿은 업종·설비 유형별 표준안을 제공한 뒤 현장 워크숍으로 조정합니다. 사전 구축형 RCA는 위존 컨설팅과 병행하는 것을 권장합니다. 예상 도입 기간: FMEA·RCA 모듈 정착까지 통상 8~16주. 대상 설비를 상위 1~2개 유형으로 한정할 경우 단축 가능하며, 전 설비 확대는 단계적으로 진행합니다. 비용 또는 비용 산정 기준: 구독료는 사용자 수·관리 설비 수 기준 월 단위 산정. FMEA/RCA 워크숍과 사전 구축형 RCA 설계는 컨설팅 공수 기준 별도 산정합니다. ※ 아래 금액·기간은 표준 산정 방식이며, 실제 견적은 설비 수량과 사업장 수에 따라 달라집니다. 발행 전 사내 확정 단가로 교체해 주세요. 적용 시 유의사항: FMEA의 목적을 '점수 낮추기'로 오해하지 마십시오. 센서를 추가해 검출도를 개선하면 점수는 빨리 내려가지만, 발생도와 영향도가 그대로면 고장은 줄지 않습니다. 또한 RCM·FMEA·RCA는 방법론이기 이전에 문화입니다. 생산 중심의 비용 체계 안에서 설비관리를 경영 의제로 올리는 합의가 없으면 시스템만 남습니다. [핵심 요약] · 미 국방성 의뢰로 스탠리 노울런과 하워드 힙이 1978년 정리한 방법론이 RCM(신뢰성 중심 보전)입니다. · RCM의 목표는 고장을 막는 것이 아니라 설비의 '기능'을 유지하며 경제성과 안전성을 동시에 확보하는 것입니다. · FMEA는 고장 전 잠재 위험을 차단하고, RCA는 고장 후 Logic Tree로 근본 원인을 추적합니다. 두 도구는 순환할 때 작동합니다. · 정비 결정을 개인의 판단이 아닌 데이터와 논리에 맡기는 것이 인적 오류를 최소화하는 방법입니다. · 1990년대 말 직장인 건강검진 도입이 사후 처리에서 예방으로 패러다임을 바꿨듯, 설비관리도 '건강검진 프로세스'로 진화했습니다. · 제조 현장은 생산 중심 비용 체계 탓에 설비 8계통의 기초 관리에 머물렀고, Classical PdM조차 체계화되지 않은 상태에서 PdM을 논하고 있습니다. · 화려한 자동화나 잘못된 모델링의 PdM보다 '건강검진형 관리 철학'이 먼저입니다. [FAQ: 자주 묻는 질문] Q. RCM과 예방보전(PM)은 무엇이 다른가요? A. PM은 '언제 정비할 것인가'를 다루는 방식이고, RCM은 '무엇을 왜 정비할 것인가'를 결정하는 전략입니다. RCM은 설비의 기능을 먼저 정의하고, 그 기능이 상실되는 방식(고장 모드)에 따라 주기 기반 정비·상태 감시·사후 보전 중 무엇이 적합한지 선택합니다. 즉 PM은 RCM이 선택할 수 있는 여러 수단 중 하나입니다. Q. FMEA를 만들었는데 현장에서 쓰이지 않습니다. 왜 그런가요? A. 대부분 FMEA가 점검 항목·주기와 연결되지 않았기 때문입니다. FMEA의 결론은 '이 고장 모드는 이 수단으로 이 주기에 검출한다'는 과업이어야 하고, 그 과업이 실제 작업지시로 발행되어야 합니다. 별도 엑셀 파일로 존재하는 FMEA는 개정되지 않고 잊힙니다. Q. RCA를 하는데도 같은 고장이 반복됩니다. A. 근접 원인에서 멈췄을 가능성이 높습니다. '베어링 소착'은 근접 원인이고, '윤활 주기 기준이 없었다' 또는 '이상음 보고 체계가 없었다'가 근본 원인입니다. RCA는 '왜 발생했는가'를 넘어 '왜 사전에 발견하지 못했는가'까지 추적해야 합니다. Q. PdM(예지보전)을 바로 도입해도 되나요? A. 권장하지 않습니다. 고장 모드별 유효 검출 수단이 정의되어 있고, 그 측정값이 이력으로 축적되며, 이상 판정 기준이 문서화된 상태가 전제입니다. 이 세 가지가 없으면 AI 모델이 학습할 데이터가 없습니다. 진동·온도·오일 분석의 주기 측정과 추이 관리, 즉 Classical PdM을 먼저 정착시키는 편이 빠릅니다. Q. FMEA·RCA를 도입하려면 어느 정도 인력과 기간이 필요한가요? A. 대상 범위에 따라 다릅니다. 상위 1~2개 설비 유형으로 한정하면 8~16주 내에 1차 정착이 가능하며, 정비·운전·설계 담당자가 참여하는 워크숍 형태를 권장합니다. 전 설비를 한 번에 대상으로 하면 대부분 중도에 멈춥니다. Q. 기존 정비 이력 데이터를 SWING CMMS로 옮길 수 있나요? A. 가능합니다. 엑셀·기존 시스템의 이력을 설비 마스터 정비와 함께 이관합니다. 다만 기존 이력이 '고장' 한 줄로만 기록되어 있다면 고장 모드 단위 재분류가 필요하며, 이 재분류 범위가 이관 기간을 좌우합니다. [시리즈 목록] [이전글] 예방보전은 왜 실패하는가: 코멧 사고와 유나이티드 항공이 밝혀낸 고장의 89% [현재글] RCM과 건강검진형 설비관리: FMEA·RCA로 고장이 아니라 기능을 지키는 법 [다음글] 고장 많은 설비, 고치지 말고 결단하라: 설계 교체와 FMEA 기반 예방 FMEA·RCA를 문서가 아닌 프로세스로SWING CMMS 무료 상담 신청
2026-08-03"본 칼럼은 30년 제조 현장 전문가의 통찰을 바탕으로 작성되었습니다"예방보전은 왜 실패하는가: 코멧 사고와 유나이티드 항공이 밝혀낸 고장의 89%설비 고장의 89%는 사용 시간과 무관하게 발생하며, 주기적 분해점검 중심의 예방보전은 오히려 고장을 만들어냅니다.위존(WEZON)이 제안하는 선진 설비관리 철학 시리즈 9편입니다. 예방보전(PM)이라는 개념이 어떤 희생을 딛고 만들어졌는지, 그리고 항공업계가 데이터로 뒤집은 '욕조곡선의 신화'가 오늘의 제조 현장에 무엇을 요구하는지 다룹니다.주기적으로 분해하고 닦고 조이는 것만으로는 고장을 줄일 수 없습니다. 유나이티드 항공이 실제 항공기 부품 데이터를 분석한 결과, 사용 시간에 비례해 마모되는 부품은 전체의 11%에 불과했고 나머지 89%는 사용 시간과 무관한 우발적 고장이었습니다. 특히 초기 고장률이 높은 F 클래스가 전체의 68%를 차지한다는 사실은, 멀쩡한 설비를 예방보전이라는 명목으로 분해하는 행위 자체가 고장의 원인이 될 수 있음을 보여줍니다.SWING CMMS는 '주기가 되었으니 연다'는 관행을, 설비별 고장 패턴 데이터에 근거해 '무엇을, 어떤 수단으로, 얼마나 자주 점검할 것인가'를 결정하는 체계로 바꾸는 문제를 해결합니다.[칼럼 요약]1. 예방보전(PM)의 탄생과 코멧(Comet-1) 사고가 남긴 교훈2. 항공업계가 만든 MSG-1·2·3 체계와 '과업 중심' 보전으로의 진화3. 욕조곡선의 신화를 무너뜨린 유나이티드 항공의 89%, 그리고 과잉 정비의 역설[용어 및 개념 정의]· 예방보전(Preventive Maintenance, PM): 고장이 발생하기 전에 정해진 주기나 기준에 따라 점검·교체·정비를 수행하는 활동. 1925년 웨스팅하우스에 의해 개념이 처음 제시되었습니다.· 금속 피로(Metal Fatigue): 반복적인 응력이 누적되어 재료에 균열이 생기고 결국 파단에 이르는 현상. 하중 하나하나는 파괴 강도에 못 미쳐도 반복되면 파괴됩니다.· MSG(Maintenance Steering Group): 항공기 보전 방식을 결정하기 위해 항공업계가 구성한 위원회이자 그 방법론. MSG-1(1968), MSG-2(1970), MSG-3(1980)로 발전했습니다.· 욕조곡선(Bathtub Curve): 초기 고장기(DFR), 우발 고장기(CFR), 마모 고장기(IFR)의 3구간으로 고장률을 설명하는 전통적 신뢰성 모델. 오랫동안 모든 설비에 적용된다고 믿어졌습니다.· 과잉 정비(Over-maintenance): 필요하지 않은 분해·점검·교체를 반복해 오히려 초기 고장을 유발하는 정비 행위.· F 클래스(Infant Mortality): 초기 고장률이 매우 높다가 이후 일정해지는 고장 패턴. 항공기 부품 분석에서 전체의 68%를 차지했습니다.[현장의 문제 또는 도입 배경]설비관리의 세계에서 '예방보전(Preventive Maintenance, PM)'은 흔히 아름다운 꽃에 비유되곤 합니다. 하지만 이 꽃이 만개하기까지는 인류가 겪어야 했던 수많은 시행착오와 뼈아픈 희생이 밑거름이 되었습니다.PM의 개념이 처음 세상에 고개를 내민 것은 1925년 웨스팅하우스에 의해서였습니다. 그러나 당시 전 세계는 전쟁이라는 거대한 소용돌이에 갇혀 있었고, 효율과 예방이라는 가치에 귀를 기울일 여유가 없었습니다. 개념은 태어났지만 자랄 토양이 없었던 셈입니다.오늘날 많은 제조 현장이 여전히 '정해진 주기가 되었으니 설비를 연다'는 방식으로 예방보전을 이해합니다. 이 글은 그 방식이 왜 만들어졌고, 어디에서 한계에 부딪혔으며, 무엇으로 대체되었는지를 항공업계의 실제 데이터로 따라갑니다.[본문: 문제 해결 중심 칼럼]1. 현황과 문제 — '빨리빨리'가 낳은 비극, 코멧(Comet-1) 사고1949년, 세계 최초의 제트여객기 '코멧(Comet-1)'이 등장하며 인류는 시간의 한계를 극복했습니다. 하지만 당시 제조 현장은 전후 비즈니스의 블루 오션에 빠져있었습니다. 무엇이든지 만들기만 하면 팔린다는 시대였기에, 모두가 '속도'라는 망령에 사로잡혀 있었습니다.코멧 항공기 제작 현장도 크게 다르지 않았습니다. 코멧의 동체에 리벳 구멍을 뚫을 때 정교한 '드릴링'을 해야 했지만, 작업자들은 시간을 단축하기 위해 거친 '펀칭' 방식을 택했습니다. 이 무분별한 펀칭은 구멍 주위에 미세 균열을 남겼습니다.결국 1954년 로마발 런던행 코멧기가 지중해 상공에서 공중 분해되는 비극이 발생했습니다. 조사 결과, 원인은 '금속 피로'였습니다. 사각형 창문 모서리에 가해진 압력이 펀칭으로 인한 미세 균열과 만나 기체를 세 동강으로 쪼갰던 것입니다.여기서 주목해야 할 것은 사고 직후 업계의 반응입니다. 코멧 사고 이후, 국제항공운송협회와 항공업계는 사고의 원인에 대한 작업표준을 강화하고 기체 보강도 하는 것으로 운항을 재개하는 데 우선적으로 노력을 다했습니다. 즉, '원인을 고치고 다시 날린다'는 대응이었습니다. 진정한 보전활동이 시작된 것은 그로부터 10년 후 보잉기가 출현하는 시점에 현장에서 던져진 한 질문이었습니다.“정기적으로 분해해서 닦고 조이는 것만이 정답인가?”2. 원인 — 체계는 있었지만, 근거가 없었다: MSG 시리즈의 진화이 질문은 항공업계에 근본적인 의문을 품게 하였습니다. 이를 해결하기 위해 항공업계는 정교한 유지보수 체계인 MSG(Maintenance Steering Group) 시리즈를 밟게 됩니다.· MSG-1(1968년): '손상 기반 사고체계'의 시작. 부품별로 고장 가능성을 평가해 보전 방법을 결정했던 위원회· MSG-2(1970년): 공정 중심(Process-oriented)의 발전. 기체와 시스템을 목록화하여 관리 절차를 체계화했던 위원회로, 최초의 항공기 보전 프로그램을 만듦· MSG-3(1980년): 현대적 프레임워크 완성. 단순 부품 리스트를 넘어, '어떤 고장을, 어떤 수단으로, 얼마나 자주 점검할 것인가'를 결정하는 과업(Task) 중심의 체계로 진화했던 위원회로, 유나이티드 항공사가 중심이 됨문제는 MSG-2였습니다. MSG-2 때 만들어진 보전 프로그램은 양이 어마어마했습니다. 어떤 항공사도 그 매뉴얼로 운항을 할 수 없다고 강력한 거부를 했습니다. 어쩔 수 없이 국제항공운송협회는 MSG-3를 준비해야만 했습니다. 그때 항공기 보전 프로그램을 가지고 있던 유나이티드 항공사를 참여시켰습니다.이 대목은 오늘의 제조 현장과 정확히 겹칩니다. 점검 항목을 늘리는 것은 관리 체계를 만드는 일처럼 보이지만, 실행되지 않는 체크리스트는 체계가 아니라 서류입니다. 항목의 양이 아니라 항목의 근거가 문제였습니다.3. 해결 방법 — 유나이티드 항공의 반전, 89%의 진실유나이티드 항공은 항공기 부품의 고장 패턴을 분석하며 기존 산업계의 믿음을 완전히 뒤흔드는 결과를 발견합니다. 당시 산업계는 모든 설비가 쓰면 쓸수록 마모되어 고장 난다는 '전통적인 욕조곡선'을 맹신했습니다.[그림 1] 욕조곡선(Bathtub Curve): 초기 고장기(DFR)·우발 고장기(CFR)·마모 고장기(IFR)로 구분되는 전통적 신뢰성 모델. 초기 고장은 부품·조립 불량과 작업자 미숙, 우발 고장은 혹사·남용·과용과 사용자 실수, 마모 고장은 부식·산화·노화가 주된 원인으로 설명됩니다.[그림 2] 유나이티드 항공이 실시한 항공기 내 부품·설비의 고장 특성 분석. A(Bath Tub) 4%, B(Wear Out) 2%, C(Fatigue Induced) 5%, D(Initial Wear-in) 7%, E(Random Failure) 14%, F(Infant Mortality) 68%로 나타났습니다.그러나 실제 항공기 부품 데이터를 분석해보니, 수명과 관련되어 마모되는 부품(A, B, C형)은 단 11%에 불과했습니다. 나머지 89%는 사용 시간과 상관없이 발생하는 '우발적 고장(D, E, F형)'이었습니다.특히 눈길을 끄는 것은 F 클래스(전체의 68%)입니다. 이는 초기 고장률이 매우 높다가 이후 일정해지는 패턴입니다. 이 데이터는 우리에게 두 가지 강력한 메시지를 던집니다.· 과잉 정비의 역설: 멀쩡한 설비를 예방보전이라는 명목으로 무분별하게 분해하고 만지는 행위(Over-maintenance)가 오히려 고장을 유발할 수 있다는 것· 보전의 방향성: 진짜 예방보전은 부식·마모·노화의 결함을 제로(0)로 수렴하게 만드는 과학적 설계여야 한다는 것유나이티드 항공의 연구는 무조건적인 주기적 교체에서 '기능 중심의 데이터 기반 보전 체계'로 패러다임을 전환하는 계기가 되었습니다. 정비 주기를 줄이자는 이야기가 아닙니다. 주기를 정하는 근거를 경험에서 데이터로 옮기자는 이야기입니다.4. 도입 시 확인사항 — 데이터 기반 보전으로 넘어가기 전에고장 패턴 기반의 보전 체계로 전환하려면, 먼저 우리 공장의 고장 데이터가 패턴을 말해줄 수 있는 상태인지 확인해야 합니다. 다음 네 가지가 갖춰지지 않으면 89%는 우리 데이터가 아니라 남의 이야기로 남습니다.· 고장 이력이 설비 단위가 아니라 부품·고장 모드 단위로 기록되고 있는가. '펌프 고장'으로만 기록되면 어떤 패턴도 도출되지 않습니다.· 정비 작업이 '주기 도래'와 '이상 감지' 중 무엇을 근거로 착수되었는지 구분되어 기록되는가.· 분해 점검 후 '이상 없음'으로 종료된 작업의 비율을 집계할 수 있는가. 이 비율이 높다면 과잉 정비의 신호입니다.· 재발 고장이 최초 정비 이후 며칠 만에 발생했는지 추적할 수 있는가. F 클래스는 이 지표에서 드러납니다.5. 기대효과 — 주기를 지키는 조직에서 근거를 만드는 조직으로고장 패턴을 알게 되면 정비 자원의 배분이 달라집니다. 마모형(A·B·C)으로 확인된 소수의 항목에는 주기 기반 예방보전을 유지하고, 우발형(D·E·F)으로 확인된 다수의 항목에는 상태 감시와 조기 검출을 배치하는 것이 합리적입니다.동시에 분해 점검 자체를 줄이는 것만으로도 초기 고장의 발생 여지를 줄일 수 있습니다. 과잉 정비의 역설이 알려주는 가장 실용적인 개선은, 열지 않아도 되는 설비를 열지 않는 것입니다.무엇보다 중요한 변화는 조직의 언어입니다. '주기가 되었으니 열었다'가 아니라 '이 고장 모드는 이 수단으로 이 주기에 검출한다'로 말할 수 있게 되는 것, 그것이 항공업계가 30년에 걸쳐 얻어낸 결론입니다.[실무 체크리스트: 우리 공장의 과잉 정비 진단 5단계]1단계 — 대상 선정· 최근 24개월간 정비 건수 상위 20개 설비를 추출합니다. 전체를 대상으로 시작하지 않습니다.2단계 — 고장 모드 분해· '고장' 한 줄로 기록된 이력을 누설·과열·진동·트립·소음 등 고장 모드 단위로 재분류합니다.3단계 — 패턴 분류· 각 고장 모드를 마모형(사용 시간에 비례)과 우발형(사용 시간과 무관)으로 나눕니다. 판단이 어려우면 '재발 간격의 편차가 큰가'를 기준으로 삼습니다.4단계 — 과잉 정비 지표 산출· 분해 점검 후 '이상 없음' 종료 비율, 정비 직후 30일 이내 재발률 두 가지를 계산합니다. 두 지표가 동시에 높다면 과잉 정비를 의심해야 합니다.5단계 — 주기 재설정· 마모형은 주기 기반 PM 유지, 우발형은 주기 연장 또는 폐지 후 상태 감시·일상점검으로 이관합니다. 변경 근거와 변경 후 결과를 반드시 기록으로 남깁니다.[판단 기준: 고장 패턴별 보전 방식 선택표]유나이티드 항공의 분석은 '모든 설비에 같은 정비 방식을 적용하지 말라'는 뜻입니다. 아래 표는 고장 패턴에 따라 어떤 보전 방식을 선택해야 하는지에 대한 판단 기준입니다. 고장 패턴 특성 비중(항공기 부품 기준) 적합한 보전 방식 부적합한 보전 방식 A. Bath Tub 초기·마모 고장 모두 존재 4% 초기 안정화 관리 + 수명 말기 주기 교체 전 구간 동일 주기 점검 B. Wear Out 사용 시간에 비례해 고장률 증가 2% 주기 기반 예방보전(TBM), 수명 교체 사후 보전 C. Fatigue Induced 완만하게 고장률 증가 5% 주기 검사 + 두께·균열 측정 무점검 방치 D. Initial Wear-in 초기 상승 후 일정 7% 설치·시운전 단계 품질 관리 주기적 분해 점검 E. Random Failure 시간과 무관하게 일정 14% 상태 감시(CBM), 조기 검출 주기 교체 F. Infant Mortality 초기 고장률 최고, 이후 일정 68% 정비 품질 관리, 분해 최소화, 시운전 검증 잦은 분해 점검(오히려 고장 유발) [적용 사례·예시·수치]사례 1. 항공업계 — 욕조곡선 전제의 폐기· 적용 전: 모든 부품이 사용 시간에 비례해 마모된다는 전제 아래, 부품별 주기적 분해 점검과 교체를 수행. MSG-2 기반 보전 프로그램은 항공사가 실제로 운용을 거부할 만큼 방대했습니다.· 적용 후: 실제 고장 패턴 분석 결과 마모형 11%, 우발형 89%(F 클래스 단독 68%)로 확인. 주기 중심에서 과업(Task) 중심의 MSG-3 체계로 전환하여, '어떤 고장을, 어떤 수단으로, 얼마나 자주 점검할 것인가'를 결정하는 구조를 확립했습니다.· 산정 기준 또는 전제조건: 유나이티드 항공의 항공기 부품·설비 고장 특성 분석(그림 2). 유형별 비중은 A 4%, B 2%, C 5%, D 7%, E 14%, F 68%. 항공기 부품을 모집단으로 한 수치이므로, 제조 설비에 그대로 대입하기보다 자사 고장 이력으로 동일한 분석을 재수행하는 것을 전제로 합니다.[SWING CMMS 적용 방안]추천 대상: 고장 이력은 쌓여 있지만 정비 주기의 근거를 설명하지 못하는 조직, 예방보전을 하는데도 불시 정지가 줄지 않는 제조·플랜트 현장, 점검 항목이 계속 늘어나 실행률이 떨어지고 있는 정비 부서주요 기능· 고장 모드 단위 이력 관리: 설비 단위가 아닌 부품·고장 모드 단위로 이력을 축적해 패턴 분석이 가능한 데이터 구조를 제공합니다.· 정비 착수 사유 구분: '주기 도래'와 '이상 감지'를 분리 기록하여, 주기 기반 정비의 실효성을 정량적으로 검증할 수 있습니다.· 과잉 정비 지표: 분해 점검 후 '이상 없음' 종료 비율과 정비 후 단기 재발률을 자동 집계합니다.· MTBF·재발 간격 분석: 고장 모드별 평균 고장 간격과 편차를 산출해 마모형과 우발형을 구분하는 근거를 제시합니다.· 정비 주기 변경 이력: 주기를 언제, 어떤 근거로, 누가 변경했고 결과가 어땠는지를 추적합니다.도입 방식: SaaS 구독형(클라우드). 별도 서버 구축 없이 사용하며, 기존 ERP·MES와는 API로 필요한 데이터만 연동합니다. 온프레미스 설치도 선택 가능합니다.예상 도입 기간: 설비 마스터와 고장 코드 체계 정비를 포함해 통상 6~12주. 단일 사업장·설비 300대 내외 기준이며, 기존 이력 데이터 이관 범위에 따라 달라집니다.비용 또는 비용 산정 기준: 구독형은 사용자 수와 관리 설비 수를 기준으로 월 단위 산정하며, 초기 구축비(설비 마스터 정비, 고장 코드 설계, 데이터 이관)는 별도입니다. ※ 아래 금액·기간은 표준 산정 방식이며, 실제 견적은 설비 수량과 사업장 수에 따라 달라집니다. 발행 전 사내 확정 단가로 교체해 주세요.적용 시 유의사항: 고장 코드 체계를 처음부터 완벽하게 설계하려 하지 마십시오. 항공업계도 MSG-1에서 MSG-3까지 12년이 걸렸습니다. 상위 20개 설비의 고장 모드부터 시작해 6개월 단위로 정련하는 편이 실행률이 높습니다. 또한 주기를 연장하거나 폐지할 때는 반드시 안전·법규 관련 항목을 제외하고 검토해야 합니다.[FAQ: 자주 묻는 질문]Q. 예방보전 주기를 늘리면 고장이 더 늘어나지 않나요?A. 고장 패턴에 따라 다릅니다. 사용 시간에 비례해 마모되는 항목(마모형)은 주기를 늘리면 위험합니다. 그러나 사용 시간과 무관한 우발형 항목은 주기적 분해 점검의 효과가 거의 없고, 오히려 분해·재조립 과정에서 초기 고장을 유발합니다. 우리 설비의 고장 이력을 마모형과 우발형으로 먼저 분류한 뒤 판단해야 하며, 안전·법규 관련 점검 항목은 이 검토에서 제외합니다.Q. 욕조곡선은 이제 틀린 이론인가요?A. 틀린 것이 아니라, 모든 설비에 적용되는 보편 법칙이 아니라는 것이 밝혀진 것입니다. 유나이티드 항공의 분석에서도 욕조곡선(A형)에 해당하는 부품은 4% 존재했습니다. 문제는 4%짜리 모델을 100%에 적용해 온 관행이었습니다.Q. 항공기 부품 데이터를 제조 설비에 그대로 적용해도 되나요?A. 그대로 적용해서는 안 됩니다. 89%와 68%는 항공기 부품을 모집단으로 한 수치입니다. 다만 '고장 패턴은 설비마다 다르므로 데이터로 확인해야 한다'는 방법론은 산업을 가리지 않습니다. 자사 고장 이력으로 동일한 분석을 수행하는 것이 출발점입니다.Q. 고장 이력이 부실한데 지금 시작할 수 있나요?A. 가능합니다. 전체 설비를 대상으로 하지 말고 정비 건수 상위 20개 설비만 골라 고장 모드를 재분류하는 것부터 시작하십시오. 6개월 정도면 재발 상위 항목이 드러납니다. 다만 앞으로 쌓일 데이터가 패턴 분석이 가능한 구조로 기록되도록 고장 코드 체계를 먼저 정비해야 합니다.Q. CMMS를 도입하면 정비 인력을 줄일 수 있나요?A. 인력 감축보다는 인력 배분의 문제로 보시는 편이 정확합니다. 불필요한 분해 점검이 줄어든 만큼의 여력을 상태 감시와 개선 활동으로 옮기는 것이 목적입니다. 정비 부서가 여유로울 때 공장이 잘 돌아간다는 원칙은 이 시리즈 1편에서 다룬 바 있습니다.[시리즈 목록] [이전글] 전문성의 분리, 모듈과 전략 자산의 차이: 초연결 시대의 CMMS [현재글] 예방보전은 왜 실패하는가: 코멧 사고와 유나이티드 항공이 밝혀낸 고장의 89% [다음글] RCM과 건강검진형 설비관리: FMEA·RCA로 고장이 아니라 기능을 지키는 법 우리 공장의 정비 주기, 근거가 있습니까? SWING CMMS 무료 진단 상담 신청
2026-08-03위존(WEZON)이 제안하는 선진 설비관리 철학 시리즈 4편, 설비를 소모품이 아닌 '전략 자산'으로 볼 때 시스템의 구조가 어떻게 변해야 하는지,그리고 기술이 이 자율성을 어떻게 지원하는지 설명합니다.CMMS는 ERP나 MES의 단순 설비관리 모듈이 아니라, 설비의 수명·고장·정비·신뢰성을 전문적으로 관리하는 독립 시스템입니다. ERP와는 비용 및 자산 정보를, MES와는 생산·가동 정보를 API로 연계하되, 설비관리 데이터와 분석 기능은 CMMS가 독립적으로 보유해야 전문성과 확장성을 확보할 수 있습니다.* CMMS(Computerized Maintenance Management System, 컴퓨터 기반 설비관리 시스템)는 설비 자산, 예방정비, 고장 이력, 작업지시, 부품, 점검 데이터와 설비 신뢰성을 통합 관리하는 전문 시스템입니다. * ERP 설비관리 모듈은 비용·구매·자산회계와 연계된 설비 정보를 관리하는 데 강점이 있으며, 독립형 CMMS는 설비의 고장 원인, 예방정비, 상태기반 정비, 신뢰성 분석에 더 특화되어 있습니다. * MSA(Microservices Architecture, 마이크로서비스 아키텍처)는 기능별 시스템을 독립적으로 운영하면서 API를 통해 필요한 데이터만 연결하는 시스템 구조입니다. 공장의 5대 핵심 밸류체인인 생산, 품질, 설비, 물류, 환경안전은 각기 다른 전문 지식 체계를 요구합니다. 이를 단순히 통합의 편의성이라는 이름 아래 하나의 시스템으로 흡수하는 것은 위험한 선택입니다. 품질 영역을 예로 들어보겠습니다. 품질을 기업 경쟁력의 핵심으로 두는 기업은 ERP의 품질관리 모듈이 있음에도 불구하고, 독립적인 LIMS(실험실 정보관리 시스템)를 별도로 운영합니다. 품질 데이터는 단순한 회계적 수치가 아니라 시험 조건, 환경 변수, 규제 대응, 고객만족 등 고도의 전문성이 담긴 자산이기 때문입니다. 설비 역시 마찬가지입니다.설비를 단순히 ‘쓰고 버리는 소모품’이 아니라 기업의 ‘전략 자산’으로 본다면, 그 관리 도구인 CMMS 또한 독립된 전략 체계로 존재해야 합니다. 이것은 시스템 분리의 문제가 아니라, 기업이 무엇을 핵심 경쟁력으로 선택하느냐에 대한 우선순위의 문제입니다. 초연결 시대, 통합은 '흡수'가 아닌 '유연한 연결' 과거에는 고가의 하드웨어와 기술적 한계로 인해 하나의 거대한 모놀리식 시스템에 모든 기능을 담는 것이 데이터 정합성을 유지하는 유일한 길이었습니다. 그러나 지금은 API 기반의 연계 기술과 마이크로 서비스 아키텍처(MSA)가 비약적으로 발전했습니다. 이것이 기존 수직 통합화의 전산화와 자동화에서 수직 수평 통합의 구조적 변화를 갖는 스마트팩토리입니다. 이제는 기능을 한곳에 종속시켜야 할 기술적 명분이 사라졌습니다. 오히려 각 영역에서 최고의 성능을 발휘하는 전문 시스템을 독립적으로 운영하면서, 필요한 데이터만 정교하게 실시간으로 연동하는 방식이 훨씬 전략적입니다. 초연결 환경에서의 통합은 더 이상 거대 시스템으로의 ‘흡수’를 의미하지 않습니다. 그것은 자율성을 가진 각 시스템이 서로의 전문성을 존중하며 ‘연결’되는 것을 의미합니다. 연결은 각 주체가 자율적일 때 가장 유연하고 강력해집니다. 2016년부터 우리는 초연결과 초융합을 외치면서 ERP와 MES를 고집했던 이유를 돌아보아야 합니다. 조직의 디지털 브레인이자 신뢰성 보전의 중심 지금 대한민국 산업 현장의 가장 큰 위기는 수십 년간 현장을 지켜온 숙련 베테랑들의 대거 퇴직입니다. 그들의 머릿속에 담긴 감각과 경험, 고장의 미세한 징후를 읽어내는 직관을 어떻게 전수할 것인가가 생존의 문제입니다. CMMS는 단순히 작업지시서를 발행하는 도구가 아닙니다. 그것은 퇴직자들의 암묵지를 형식지로 변환하여 축적하는 ‘조직의 브레인’입니다. 고장 패턴, 조치 노하우, 개선 사례가 체계적으로 구조화되어 쌓일 때, CMMS는 단순한 이력 관리기를 넘어 조직의 디지털 기억 장치가 됩니다. 더 나아가 CMMS는 신뢰성 보전의 전략적 플랫폼이 됩니다. 진동, 온도, 윤활 상태 등 센서 데이터가 독립된 CMMS의 분석 알고리즘과 결합될 때, 시스템은 비로소 미래의 고장을 예측하고 설비 신뢰성을 설계하는 지능형 두뇌로 진화합니다. 통합보다 자율, 성장을 위한 단단한 전략 물론 ERP나 MES의 설비 모듈이 의미가 없는 것은 아닙니다. 초기 단계의 디지털화나 수직적 통합의 공백을 메우기 위한 현실적인 시작점이 될 수는 있습니다. 그러나 그것이 설비관리 전문성의 종착역이 되어서는 안 됩니다. 공장의 각 전문 영역이 제 역할을 다할 때 전체의 생산성이 극대화되듯, 설비관리 역시 독립된 전략 체계로서 그 전문성의 깊이를 확보해야 합니다. 품질과 환경안전을 중시하는 기업이 LIMS나 ESH를 통해 각각의 격을 높이듯, 설비의 신뢰성을 중시하는 기업은 독립적인 CMMS를 통해 제조 경쟁력의 격을 높여야 합니다. 자율성이 거세된 통합은 결국 깊이를 잃고 형식적인 데이터 관리로 치우치기 마련입니다. 우리 공장의 설비관리를 진정으로 스마트하게 만들고 싶다면, 먼저 설비관리에 자율의 날개를 달아주는 것입니다. 통합보다 자율이 우선입니다. 그리고 그 자율의 중심에는 반드시 전문적인 CMMS가 있어야 합니다. [SWING CMMS의 제안] SWING CMMS는 초연결 시대를 위한 API 기반의 유연한 아키텍처를 지향합니다. ERP와는 비용 정보를, MES와는 가동 정보를 실시간으로 주고받되, 설비의 수명과 신뢰성을 분석하는 지능형 '디지털 브레인'으로서의 독립성을 유지합니다. 베테랑의 암묵지를 자산화하는 최적의 도구, SWING이 자율형 설비관리의 표준을 제시합니다. [FAQ: 자주 묻는 질문]Q: ERP 설비관리 모듈과 CMMS의 가장 큰 차이는 무엇인가요?ERP 설비관리 모듈은 설비의 구매비용, 자산가치, 예산 등 경영관리 정보를 중심으로 관리합니다. 반면 CMMS는 예방정비, 고장 원인, 작업지시, 부품, 점검 결과, 설비 신뢰성과 같은 현장 설비관리 데이터를 중심으로 운영됩니다.Q: MES가 있는데 CMMS가 별도로 필요한가요?MES는 생산계획, 공정 실적, 가동률과 같은 생산 운영에 초점을 둡니다. CMMS는 설비의 고장 예방, 정비 이력, 점검 주기, 부품 교체, 신뢰성 분석을 담당하므로 관리 목적과 데이터 구조가 다릅니다.Q: 독립형 CMMS는 어떤 기업에 적합한가요?설비 가동 중단 비용이 크거나, 예방정비와 예지보전이 중요하거나, 숙련공의 정비 노하우를 조직 자산으로 축적해야 하는 제조기업에 적합합니다. Q: CMMS와 ERP의 데이터가 중복되지 않나요?자산번호, 설비명, 부서, 비용정보 등의 마스터 데이터는 API로 동기화할 수 있습니다. CMMS는 ERP 데이터를 중복 저장하기보다 필요한 정보를 참조하고, 정비·고장·점검 전문 데이터만 독립적으로 관리합니다.Q: CMMS는 예지보전을 어떻게 지원하나요?진동, 온도, 전류, 윤활 상태와 같은 센서 데이터와 과거 고장·정비 이력을 결합해 이상 징후를 탐지하고, 점검이나 부품 교체가 필요한 시점을 판단하도록 지원합니다. Q: CMMS 도입 전에 준비해야 할 데이터는 무엇인가요?설비 목록, 설비 계층 구조, 예방정비 기준, 고장 코드, 작업 유형, 부품 목록, 과거 정비 이력을 우선 정리해야 합니다.Q: API나 MSA 방식의 연결이 실제로 안정적인가요?API와 MSA는 시스템별 기능을 독립적으로 운영할 수 있어 장애 범위를 제한하고, 필요한 기능만 개별적으로 수정하거나 확장하기에 유리합니다. 다만 실제 안정성은 API 설계, 인증 체계, 데이터 동기화 정책, 장애 대응 구조에 따라 달라집니다. [시리즈 목록][이전글] [통합의 유혹과 한계] 통합보다 자율: 왜 CMMS는 전사 시스템의 모듈이 되어서는 안 되는가?[현재글] [전문성과 연결의 미학] 전문성의 분리, 모듈과 전략 자산의 차이: 초연결 시대의 CMMS======================================숙련공의 노하우를 '디지털 브레인'으로 전환하기▶▶▶ SWINGㆍCMMS 무료 상담 신청======================================
2026-06-18안녕하세요,ICT 인프라 & AX 최적화 솔루션 파트너 ㈜위존입니다.위존이 오는 7월 개최되는 국내 최대 규모의 안전보건 전문 전시회 'KISS 2026 (2026 AI안전보건전시회)'에 참가합니다.???? 위존 부스(제2전시장 7J401) 관전 포인트이번 전시회에서는 기업 규모와 현장 특성에 맞춘 위존의 핵심 솔루션 3종의 데모를 공개합니다.SHE (안전환경보건 통합 구축형 솔루션)SAPAIR (중대재해처벌법 대응 구독형 솔루션)SWING (구독형 설비관리 솔루션)[KISS 2026 전시 개요]일시: 2026년 7월 6일(월) ~ 7월 9일(목), 4일간장소: 일산 킨텍스(KINTEX) 제2전시장위존 부스 위치: 7번홀, 7J401 문의 : 02-555-7033 | info@wezon.com???? 위존 부스 방문객 특별 이벤트부스에 방문하셔서 간단한 현장 설문조사에 참여해 주세요! 참여해 주신 모든 분께 현장에서 즉시 기념품을 증정합니다.현장에서 전문 컨설턴트와의 1:1 맞춤형 무료 상담도 가능하오니, 아래 링크를 통해 사전 등록하시고 편안하게 방문해 주시기 바랍니다.감사합니다. KISS 2026 무료 사전등록 하러 가기
2026-06-24'Safety AX(AI Transformation)' 비전 제시…스마트 SHE 플랫폼과 AI 안전 에이전트를 활용한 지능형 안전관리 전략 공유ICT 인프라 및 AX 최적화 솔루션 전문기업 위존(대표 박대현)은 지난 5월 말 개최한 'Safety AI Vision 2026' 세미나를 성공적으로 마무리했다고 12일 밝혔다.이번 세미나는 'AX를 통한 지능형 안전환경의 진화'를 주제로, 산업현장의 SHE(안전·보건·환경) 관리 체계 고도화와 AI 기술 활용 전략을 공유하기 위해 마련됐다. 제조, 정유·화학, 에너지, 반도체, 철강, 자동차 등 다양한 산업군의 SHE, DX, IT 및 제조혁신 담당자들이 참석해 AI 기반 안전관리 전략에 대한 높은 관심을 나타냈다.세미나는 총 4개 세션으로 구성됐다. 위존, 프라이스워터하우스쿠퍼스 컨설팅(PwC Consulting), 비아이매트릭스의 전문가들이 발표자로 참여해 AI 기반 안전관리 글로벌 동향, 스마트 SHE 플랫폼, 위존 Safety AX 로드맵, Agentic AI 기반 업무 혁신 등 산업 현장에서 실제 활용 가능한 실무 중심의 전략과 방향성을 공유했다.첫 번째 세션에서는 강화되는 안전규제 환경과 AI 기반 안전관리의 글로벌 동향을 소개했다. 이어 진행된 'AI로 완성하는 스마트 SHE 플랫폼' 세션에서는 AI·머신러닝, IoT·센서 기술, 컴퓨터 비전, 디지털 트윈 등 최신 기술 트렌드를 기반으로 한 Safety AX 구축 전략과 AI 기반 작업환경 관리, 위험성 평가, 업무 자동화, 지능형 CCTV 등 실제 산업 현장 적용 사례를 소개했다.세 번째 세션에서는 Domain-Specific AI에서 Domain-Leading Agentic AI로 발전하는 위존의 AX 추진 방향 및 전략과 Safety AX 로드맵이 발표됐다. 마지막 세션에서는 Agentic AI를 활용한 업무 혁신과 실제 제품 시연을 통해 AI Agent의 활용 가능성을 선보였다.이번 세미나는 산업현장의 SHE 관리 체계를 디지털화하는 수준을 넘어 AI 기반의 지능형 안전관리 체계로 발전시키기 위한 Safety AX 비전을 제시하는 데 초점을 맞췄다. 특히 AI 기반 위험 예측, 업무 자동화, 데이터 활용 전략과 실제 적용 사례를 공유하며 산업 현장의 안전 경쟁력 강화 방안을 제시했다.머니투데이 이동오 기자 2026.06.12
2026-06-24
