현장 기반의 시스템과 자산 관리 솔루션 [이병로의홈페이지]

현장 기반의 시스템과 자산 관리 솔루션

이병로

최근 관심이 고조되고 있는 지능형 기기인 필드버스 계기 및 시스템 그리고 HART기기를 통합 관리하는 시스템에 대한 에브렌 에류렉 박사 (Evren.Eryurek@EmersonProcess.com : Emerson Process Management)의 글을 번역하여 소개합니다.

요약

플랜트에서 비정상적인 특성과 검출은 향상된 플랜트의 가용성과 플랜트의 효율을 가져 다 준다. 따라서 경쟁력을 증대 시켜 생산성을 제고(提高) 시킨다. 전통적으로 프로세스의 비정상적인 상태의 검출은 다양한 신호 가용성 검사 방법을 통해 상위 제어 시스템에서 이루어져왔다. 이러한 신호 가용성 검사 기술은 관련 프로세스 변위를 측정하는 트랜스미터로부터 전송되는 데이터에 의지한다. 이런 신호의 관련성과 비정상적인 상태를 추론하는데 많은 시간을 요하며 어려운 일이다. 이러한 비정상적인 상태를 검출하는데 시간의 지연이 발생하면 플랜트 운전에 많은 비용을 소모 시킬 수 있다.

기존의 중앙 집중화 된 접근방식 또한 프로세스의 상세한 수학적인 모델들에 의존 함에 따라 상당한 어려움이 있다. 스마트 필드 기기들은 문제가 심각하게 되기 전에 불필요한 조업중단을 방지하고 문제가 있음 직한 루프들의 정기적인 보수를 위해 필요한 조치를 운전자가 취할 수 있도록 프로세스 운전 중에 비정상적인 상태에 대한 필요한 정보를 제어시스템에 직접 제공하는 장점을 가지고 있다.

Emerson Process Management의 플랜트웹(PlantWeb)® 구조는 “현장에서 향상된 측정, 고기능화 된 진단 및 제어”를 지원한다. 플랜트웹은 지능형 현장 기기, 신축형 제어 및 시스템 플랫폼 그리고 통합된 모듈화 된 소프트웨어를 네트워킹하는 것에 의해 개방형 프로세스 관리 시스템(Open Process Management System)을 구축한다.

향상된 측정, 현장에서의 진보된 진단 및 제어기능에 대한 설명은 물론 플랜트웹에 대한 설명과 어떻게 다양한 프로세스 상태들을 개선시키고 플랜트의 운전비용을 줄이는가에 대하여 본 기고에서 언급할 것이다.

플랜트웹은 지능형 현장기기의 활용을 극대화하고 플랜트 성능을 향상시키기 위해 필요한 주요 프로세스 및 장비들의 정보를 활용하기 위하여 최근 테크놀러지가 적용된 Emerson Process Management의 새로운 현장 기반의 구조를 의미하는 상표이다.

서론

경제 효율성의 증대는 산업 플랜트의 각 분야 엔지니어링 그룹 및 관리자들에게 있어서 가장 중요한 의무이다. 플랜트 엔지니어들은 최적 프로세스 제어 시스템을 구축하고 감시 및 시스템 상태의 분석 등을 통해 운전자들을 지원하는 것으로 프로세스 효율성을 증대 시켜 왔다. 그러나 이러한 방식의 경제 효율성 증대는 단순히 고급 제어 실현에 그 초점이 맞추어진 제한적인 것일 수 밖에 없다. 플랜트의 가용성 개선은 운전 중인 플랜트의 경제적인 효율을 증대 시키는데 있어 더 큰 효과를 가져 다 준다. 각 요소들의 가용성 개선은 상태 분석의 기반을 둔 실시간 유지 보수를 가능하게 할 수 있는 비정상 상태의 조기 검출을 통해 얻을 수 있다. 그림1은 이러한 보완적인 접근을 보여준다. 매우 위험한 재해를 가져올 수 있는 플랜트에서 최상의 제어 체계를 갖추는 것은 매우 제한적이기 때문에 플랜트의 가용성 개선은 보완적인 것이 된다.

그림2는 신호의 가용성 모듈의 전통적인 역할과 어디에 신호의 가용성 체계가 적용되는 가를 보여주고 있다. 센서들의 실제 값을 해석하는데 장애 요인이 되는 신호의 선형화, 댐핑, 그리고 통신 지연을 고려할 때 상위 시스템에서 가용성 체계를 적용하여 비효율성을 결정하는 것은 쉬운 것이다. 상위의 센서 가용성 시스템에서 검출한 값이 정확하다 할지라도 데이터 열에 숨겨져 있는 중요한 정보는 잃어버린다.

이러한 양쪽의 접근은 시스템의 조건 인식에 직접적으로 의존하므로 측정된 신호의 품질에 직접적으로 의존한다. 신호의 가용성 분야는 상당히 많은 양의 일을 요구한다. 하지만 예전에 현장에서의 작업은 하드웨어 또는 분석적인 이중화 (Redundancy)가 있는 경우에 그 초점이 맞추어져 있다. 예를 들면 똑 같은 프로세스의 변위를 측정하는 2 또는 3개 이상의 센서가 있다면 그 중 하나는 신호의 비정상적인 상태를 검출하기 위한 신호의 가용성을 검사하는 방법으로서 알고리즘의 주요 선택을 하는 유형 또는 일관성을 검사하는데 사용될 수 있다. 추가적으로 모델 기반의 기술 [참고문헌 1, 2, 3, 4, 5]은 다른 유형의 측정들이 같은 프로세스 또는 같은 시스템에서 적용가능 할 때 적용되어진다. 대부분의 이러한 기법들은 일련의 자동 회귀 시간 (auto-regression time series)에 의하여 센서의 정상적인 작동 모델링에 기반을 둔다. [참고문헌 1, 4] 이러한 여러가지 기법들은 플랜트 운전자가 운전 중에 필요로 하는 지원을 제공하는 상위 제어시스템과 데이터 수집 시스템(DAS)에 통합되어진다.

자산관리(Asset Management)는 현장기반의 데이터와 함께 시작한다.

여러 설비 부품들의 고장 비율을 이해하는 것은 예방정비 프로그램의 중요한 요소이다. 그림3의 표는 가장 신뢰할 수 있는 계기는 트랜스미터들이며 반대로 가장 신뢰하기 어려운 것은 전형적으로 회전 설비들이라는 것을 보여주고 있다.

여러 종류의 산업 데이터들은 트랜스미터와 센서들이 비정상적인 상태를 검사하는데 가장 우선적으로 필요한 것임을 지적하고 있다. 1997 HPI 유지보수 데이터는 검출된 비정상 상태의 통계에서 조사 기기 중 가장 적은 비정상 상태를 보이고 있는 (그림4) 트랜스미터를 검사하는데 유지보수 예산의 20% 가까이를 사용하고있다는 것을 보여주고 있다. 이러한 불필요한 검사의 제거는 유지 보수 비용을 절감하는 주요 요소가 된다. 그러므로 잘 작동하고 있는지 아닌지를 파악한다는 것은 계기가 고장 났다는 것을 아는 것 이상으로 중요하다. [참고문헌 6]

어느 큰 규모의 화학 플랜트에서의 유지 보수 기록 데이터 또한 트랜스미터가 잘 작동되고 있는지를 확인하는데 현장 검사 시간의 65% 정도를 사용하고 있음을 보여 주고있다. 따라서 이것은 플랜트 운전 비용을 증가 시키고 자원 낭비의 주요 원인이 된다. 프로세스 계기를 위한 서비스 요청은 건 당 평균 300달러 (35만원)정도의 비용이 소요된다. 그리고 이러한 비용은 짧은 시간 내에 그 계기 구입 비용보다 더 소요되고 만다. 그림5는 어느 큰 규모의 화학회사의 현장 유지 보수 기록의 결과를 보여주고 있다. 현장 문제의 조치를 위해 취하여진 현장 검사 중 28%가 트랜스미터에 이상이 없었음을 나타낸다. 만일 해당 트랜스미터가 이상 없이 잘 작동하고 있다는 것을 사전에 파악하고 있었다면 트랜스미터의 현장 검사 중 63%는 불필요한 것이었다.

플랜트 전반에 걸친 자산관리 및 통합된 진단 기술

통신과 소프트웨어 기술의 진보는 서로 독립적으로 운영되어온 자동화 시스템과 자산 관리 시스템의 통합을 통해 운전자에게 플랜트 전반에 걸친 감시를 효율적으로 할 수 있도록 해준다.

그림6에서 보는 바와 같이 통신 및 전자 기술의 진보는 프로세스 제어 산업 분야에서 많은 향상을 촉진시켜 왔다. 1970년대와 1980년대의 DCS와 스마트 기기의 출현은 오늘날 산업에 널리 보편적으로 사용되고 있는 자동화된 프로세스 제어의 초석을 제공하였다. 프로세스 제어의 사용은 프로세스 산업 플랜트들의 운전 비용을 5~9% 절감시키는데 기여해왔다.

통신 및 소프트웨어의 진보는 “현장 기반의 시스템”으로 설명되는 새로운 세대의 시스템 출현을 가능케 하였다. 현장 기반의 시스템은 제어와 자동화된 유지보수 솔루션이 통합된 정보 시스템인 제어 및 자산관리시스템 (Asset Management System)과 함께 센서, 밸브, 스마트 모터 등의 현장 기기들을 네트워크화하는 것에 그 기초를 두고 있다. [참고문헌 7]

“현장 중심의 구조”로의 이동이 진행 중에 있으며 이것은 HART® 및 파운데이션 필드버스(FOUNDATION™ Fieldbus)와 같은 개방형 필드 기기 통신 프로토콜들에 의해 선도 되고 있다. 전세계에 4백만 개 이상의 HART 계기 및 밸브들이 프로세스 제어 산업에 설치되어 운전 중에 있으며 다시 이것은 플랜트 전반에 걸친 유지보수 체계를 위해 요구되는 진단 정보의 플랫폼으로 사용되어 질 수 있다. [참고문헌 6]

트랜스미터의 역할이 데이터 서버로 바뀐다.

현장기기 특히 디지털 트랜스미터의 역할이 현장 기반의 구조로 급속도로 변하고 있다. 이전의 트랜스미터들은 프로세스 제어기(DCS등)에 단 하나의 정보, 프로세서 변수 (PV; Process Variable)만을 제공하였다. 하지만 네트워크화된 트랜스미터의 세대에서 트랜스미터의 역할은 데이터 서버로 변한다.

필드버스 및 HART 기반의 네트워크에서 트랜스미터는 센서의 상태, 프로세스의 상태 그리고 밸브, 컴프레서 등과 같은 프로세스에 연결된 다른 장비들의 상태에 대한 진단 정보 제공이 가능하다.

네트워크화 된 기기로부터 일련의 표준 진단 정보를 제공하는 능력은 통합된 플랜트 자산 관리 시스템 (AMS; Asset Management System)의 그 기반이 된다. 통합된 AMS시스템은 측정 및 예측 요구에 기반을 둔 진보된 정기적인 유지보수의 능력을 제공하고 따라서 플랜트의 가동시간을 증가시키고 유지보수 비용을 절감 시킨다.

스마트 현장 기기는 가용성을 향상시킨다.

오늘날의 스마트 현장 기기는 센서 모듈과 전자 모듈인 두개의 필수적인 부분으로 구성된다. 실리콘 기술의 진보로서 전자적인 모듈로 성취할 수 있는 기능이 상당히 확장되었다. 전자 모듈에 내장된 미니컴퓨터는 감지된 센서 값의 선형화, 댐핑, 통신과 진단 등과 같은 기능을 수행한다. 트랜스미터는 프로세스를 직접 접촉하고 그 측정값을 제공하는 기기이기 때문에 측정기기 그 자체에 관련이 있던지 또는 프로세스에 관련이 있던지 간에 비정상 상태를 검출하는 것은 최근 트랜스미터에 부과된 또 다른 임무이다. 따라서 그 기기의 주변 변화를 인식하는 더 지능적인 현장기기가 생산되고 있다.

진보된 진단의 접근은 고장 검출, 고장의 분리와 근본 원인 분석을 제공한다. 프로세스 관련이든 기기 관련이든 간에 비정상 상태의 조기 검출은 플랜트의 가용성을 향상시키는 중요한 열쇠이다. 트랜스미터, 밸브 그리고 모터들과 같은 현장 기기들 모두에 대한 고장 검출의 공통적인 방법은 비정상적인 상태의 조기 검출 진단 능력과 가능성을 향상시키는 것이다. 비정상 상태가 검출되면 다음 단계는 이 비정상 상태를 분리시키는 것이다. 그리고 비정상 상태의 발생 근원지일 수 있는 밸브, 모터, 펌프 또는 트랜스미터들과 같은 기기에 관련을 짓는 것이다. 고장 기기의 분리는 진단 시스템이 문제의 근본 원인을 규명할 수 있도록 더욱 진보된 진단을 실행할 수 있도록 하여준다. 문제의 근본 원인을 규명하는 것은 플랜트 엔지니어들과 기술자들에게 향후 유사한 문제가 재발하는 것을 막기 위하여 필요한 조치를 취할 수 있도록 하여 줄 것이다.

그 동안 센서는 루프제어 등을 위해 프로세스 변위를 측정하는 것에 그 가치를 두어왔다. 플랜트 설비 및 프로세스의 상태를 감시하는 것에 센서의 가치를 두는 것은 비교적 새로운 현상이다.

컴프레서, 터빈 등의 회전기계들과 같은 고가의 장비들을 감시하는데 “상태 감시 시스템”이 폭 넓게 사용되어 지고 있다. 많은 회사들이 진동 감시 시스템을 설치한 단지 수개월 만에 투자 전액을 회수 할 수 있었음을 보고 하고 있다.

그러나 최근까지 상태 기반의 유지보수 시스템은 플랜트 전반의 관점에서 제공되는 다른 설비 및 데이터의 정보와 함께 조화를 이루는 능력 없이 “자동화의 외떨어짐 섬” (그림8 참조)으로 존재하는 “Stand-alone 시스템”이었다. 기존의 유지보수 시스템은 최소 유지보수 비용으로 최대의 플랜트 가동시간을 성취할 수 있는 플랜트 전반의 자산을 관리할 수 있는 능력이 없었다.

AMS (자산관리솔루션; Asset Management Solutions)과 프로세스 제어

자산관리는 최소의 비용으로 최대의 성능과 최대의 설비 수명을 발휘할 수 있도록 생산 설비를 적절하게 유지관리하는 것으로 정의 되어질 수 있다. 자산관리솔루션 시스템의 세 개의 주요 요소는 다음과 같다.

스마트 현장 기기: 프로세스는 물론 조업 상태에 대한 정보 수집과 정보 분배

통신 프로토콜: 메이커(제조업체)와 관계없이 모든 현장 기기들로부터 지정된 곳으로 정보를 전달하는 능력이 있는 개방형 통신 프로토콜

온라인 소프트웨어: 운전자와 유지 보수 기술자에게 도움을 주기위해 여러 현장 기기로부터 들어오는 정보를 분석하고 디스플레이하기 위하여 필요한 도구를 제공하는 소프트웨어 시스템

오늘날 Emerson Process Management는 압력, 온도, 유량, 및 레벨 측정을 위해 HART 및 필드버스와 같은 개방형 디지털 통신 시스템과 함께 많은 지능형 현장 기기를 제공하고 있다. 이러한 지능형 현장 기기의 향상된 측정 능력 중 몇 가지는 플랜트웹의 일부분으로서 하나의 트랜스미터에서 다 변수 측정, 현장 기반의 제어기, 듀얼 RTD, 그리고 레이더 레벨 측정 등을 포함하고 있다.(그림9 참조) 로즈마운트의 3095MV 모델은 3가지의 독립된 프로세스 변수 측정 값 (레벨 계산과 유량(Flow Rate)계산은 물론 차압, 절대압, 그리고 온도)을 제공한다. 또한 로즈마운트의 3095C은 PID 제어를 위해 PID제어기 및 자동 튜너(Auto-tuner)가 트랜스미터에 내장된 현장 기반의 제어 및 측정 기기 이다. 3244MV는 센서 고장에 대한 “핫 백업 (Hot Backup) 기능 및 온도 편차 검출 능력과 함께 DT (차온)제어를 위해 두개의 독립적인 온도를 측정 할 수 있는 다변수 온도 트랜스미터이다. [참고문헌 7]

Emerson Process Management는 나중에 HART를 지원하는 제품을 생산하는 업체가 수백 개에 달하는 프로세스 자동제어 표준이 되는 디지털 통신 시스템인 HART를 산업에 헌납함으로써 10년 이상 개방형 통신 시스템에 공헌해왔다. 이와 마찬가지로 Emerson Process Management 필드버스를 지원하는 측정 및 제어기기 분야에서 선도하는 제조업체이다.

Emerson Process Management의 AMS (Asset Management Solutions) 제품은 플랜트의 설비와 프로세스 감시를 위해 온라인 진단 기능을 제공하는 선도적인 PC기반의 소프트웨어이다. AMS와 지능형 현장 기기의 통합은 프로세스의 불안정을 감소시키고 가용성 및 프로세스 플랜트의 효율을 개선시키는데 도움을 준다. AMS는 조정(Calibration), 밸브 진단, 트랜스미터 진단, Audit Trail, 온라인 컨피규레이션 시스템 그리고 많은 다른 자산관련 정보를 제공한다. [참고문헌7]

끝맺음

현장 기반의 구조와 진단 및 자산관리의 적용에 대하여 본 기고에서 다루어졌다. 비정상 상태의 검출을 위한 지능형 기기의 중요성, 정보와 시스템 분석을 위한 개방형 네트워크 그리고 감시와 진단을 위한 온라인 소프트웨어 시스템에 대한 개요를 설명하였다. “현장에서의 향상된 측정, 진보된 진단 과 제어”를 통해 경제적인 효율과 플랜트 성능의 개선을 이룩할 수 있을 것이다. 이러한 각각의 요소들이 똑같이 중요하고 효과적일지라도 이들 개념의 통합이 가장 희망하는 성능과 경제적인 효과를 제공할 것이다.

[참고문헌]

1 B. R. Upadhyaya et al, "Performance Monitoring and Control Design of Nuclear Power Plants," Final Report, UTNE/TVA/92-09, September 1994.

2. R. Upadhyaya and T. W. Kerlin, "Estimation of Response Time Characteristics of Platinum Resistance Thermometers by Noise Analysis Technique," ISA Transactions, Vol. 17, No 4, pp. 21-38, 1978.

3. N. Clark and W. Setzer, "Sensor Fault Detection in a System with Random Disturbances," IEEE Transactions on Aerospace and Electronics System, Vol. 16, No 4, pp. 468-473, 1980.

4 P. Henry and D. W. Clarke, "The Self-Validating Sensor: Rationale, Definition and Examples," Report No: QUEL 1978/93, University of Oxford, Department of Engineering Science, 1993. 5. S. K. Yung and D. W. Clarke, "Local Sensor Validation," Measurement and Control, Vol. 22, pp. 132-141, June 1989.

6. Gary Lenz, ". Electronic Flow Measurement (EFM) Diagnostics Can Reduce Gas Industry O&M Costs Through Improved Asset Management," ISA’96, Chicago, October 1997.

7. www.emersonprocess.com