상태기반 유지보수(CBM)

왜 배우는가: 철도차량은 고장이 운행 중단과 안전사고로 이어지므로 정비 시점을 설비의 실제 상태에 맞추는 전략이 필요하다. 상태기반 유지보수는 주기 정비의 비용과 과잉 정비 문제를 줄이는 방식으로, 시험에서 장점과 구성요소를 묻는 문항의 기본 개념이다.

출제 이력: 제131회 1교시 11번, 제125회 2교시 6번, 제119회 1교시 7번

1. 한 줄 정의와 핵심 키워드

상태기반 유지보수(CBM)는 설비의 상태 데이터를 감시하여 고장 징후나 성능 저하가 확인된 시점에 정비를 수행하는 방식이다.

상태기반 유지보수는 정비 행위를 달력이나 운행 거리가 아니라 설비가 실제로 보이는 상태에 맞춘다. 그래서 상태가 양호한 부품은 그대로 쓰고, 상태가 나빠지는 부품에만 정비를 집중하는 것이 원칙이다. 철도차량에서는 차축 베어링, 감속기, 팬터그래프처럼 안전과 직결된 부품을 주로 대상으로 한다.

핵심 키워드는 다음과 같다.

• 상태 감시: 온도, 진동, 압력 등 설비 상태를 실시간 또는 주기적으로 측정하고 추적하는 활동이다.
• 고장 징후: 고장에 이르기 전에 지표에 나타나는 변화로, 정비 개시의 근거가 된다.
• 성능 저하: 설비가 기대 성능에서 벗어난 상태로, 완전 고장 전 단계에 해당한다.
• 진단 알고리즘: 측정 데이터에서 이상 패턴을 찾아 경보를 발생시키는 판정 논리이다.
• 실시간 데이터 수집: 센서와 네트워크로 상태 정보를 자동으로 모으는 과정이다.
• 정비 시점 결정: 상태 데이터를 근거로 정비 실시 시기를 정하는 의사결정이다.

2. 개념 풀이

상태기반 유지보수는 설비의 상태를 실시간 또는 주기적으로 모니터링하고, 상태에 따라 정비가 필요한 시점을 판단하여 정비를 수행하는 유지보수 방식이다. 현장에서는 CBM이라는 약어가 상태 감시 자체를 가리키는 경우도 있으나, 답안에서는 정비 방식을 뜻하는 용어로 쓴다.

원리는 세 단계로 이어진다. 먼저 센서와 네트워크가 설비의 상태 데이터를 수집한다. 다음으로 진단 알고리즘이 측정값의 추세를 분석하여 고장 징후나 성능 저하를 판정한다. 마지막으로 판정 결과가 정비 개시 신호가 되어 필요한 정비가 실시된다. 이 흐름의 목표는 고장 발생을 미리 알아채 피해를 줄이는 것이다.

핵심 용어는 다음과 같이 풀이한다. 상태 감시는 측정 대상 항목을 정하고 기준 범위와 비교하여 설비가 정상 범위에 있는지 확인하는 활동이다. 철도차량에서는 온도, 진동 주파수, 전압, 유량 같은 값이 대상이 된다. 고장 징후 판정은 측정값이 정상 범위를 벗어나는 경향을 보이는지 판단하는 과정이다. 단일 측정치보다 시간에 따른 추세를 보는 것이 판정의 정확도를 높인다. 정비 개시 시점은 판정 결과로 정비가 필요하다고 통보되는 시점이다. 이 시점 이후에 회복 정비 조치가 시작된다.

정상 범위와 이탈 정도를 단계로 나누어 경보를 주면 정비 인력이 우선순위를 정하기 쉽다. 상태기반 유지보수가 성립하려면 고장 징후를 미리 드러내는 측정 가능한 지표가 있어야 한다. 지표를 측정할 수 없는 부품은 상태에 따른 정비를 적용하기 어렵다. 이 방식은 중요 시스템에도, 중복과 고장 보고 기능이 없는 비중요 시스템에도 적용할 수 있다. 어떤 부품에 적용할지는 고장 모드와 영향을 분석하는 신뢰성중심 유지보수(RCM)의 결과와 함께 검토한다.

3. 등장 배경과 필요성

기존 정비는 주로 시간기반 유지보수(TBM)였다. 시간기반 유지보수는 설비의 상태와 관계없이 정해진 간격으로 정비와 부품 교체를 수행한다. 이 방식은 고장 확률을 낮게 유지하는 장점이 있으나, 정비 비용이 높고 정비 간격 사이에 예상치 못한 고장이 발생할 수 있다. 또 정비 작업 자체가 새로운 결함을 유발할 수 있다는 한계도 있다. 이 한계를 줄이기 위해 설비가 실제로 필요로 하는 시점에 정비하는 방식이 요구되었다.

철도는 이 필요성이 특히 큰 분야이다. 차량이 운행 중 고장 나면 운행 중단과 유휴 시간이 생기고, 그 손실 비용이 크다. 또 차량 안전과 직결된 부품의 상태를 상시 파악해야 사고를 예방할 수 있다. 상태 모니터링은 안전뿐 아니라 유지보수 비용을 효율적으로 관리하는 측면에서도 필요하다고 평가된다.

기술적 배경으로는 센서, 통신망, 데이터베이스 기술의 발전을 들 수 있다. 차량과 주요 장치 위치에서 가속도, 유량, 전압, 소음 같은 정보를 수집하여 분류하고 분석할 수 있게 되었다. 이 데이터를 바탕으로 이상을 조기에 판정하는 것이 가능해졌고, 이는 4차 산업혁명 시대의 철도차량 스마트 유지보수 기술로 이어졌다.

경제성 측면에서 상태기반 유지보수는 초기 투자 부담이 크다. 실시간 현장 데이터 수집 시스템을 구축하려면 높은 비용과 기술력이 필요하다. 그럼에도 구축 후에는 고장 발생을 줄이고 구성품의 수명을 충분히 활용할 수 있어 장기적으로 경제적이다. 이 때문에 정비 방식을 선정할 때 생애 주기 비용(LCC) 관점의 검토가 함께 이루어진다.