밀집되어 있고 위험도가 높으며 구조적으로 복잡한 정유소 환경에서는 실수할 여지가 거의 없습니다. 자산들은 극한의 온도와 압력 하에서 가동됩니다. 시설은 미로처럼 복잡하며, 수십 년에 걸친 업그레이드, 기존 시설 개조(브라운필드)를 거쳐 건설되었고, 종종 문서가 불완전한 상태입니다. 이러한 상황에서, 팀이 정기 점검이나 고장 발생 시 대응, 심지어 오래된 2D 도면에만 의존하는 기존의 유지보수 방식은 더 이상 현대 에너지 시장의 규모, 안전성 및 운영 요구 사항을 충족시킬 수 없습니다. 바로 이 지점에서 정유소용 예측 유지보수 소프트웨어가 안전, 연속성 및 성능을 보장하는 핵심 요소로 부상합니다.
성공적인 예측 유지보수 전략은 3D 스캔 데이터 관리에 달려 있습니다. 자산 상태를 모니터링하고, 예측하며, 이에 대응하기 위해서는 운영자가 먼저 물리적 현실을 밀리미터 수준의 정확도로 디지털화하고 이해해야 합니다. 정유소는 스캔하기 가장 복잡한 환경 중 하나입니다. 이곳에는 수십 년에 걸쳐 층층이 쌓인 파이프 랙, 협소한 공간에 위치한 회전 장비, 수직 구조물, 압력 용기, 플레어 스택, 냉각탑, 전기실 등이 포함됩니다. 이러한 복잡성을 포착하고 관리하려면 전문적인 라이더 스캐닝, 드론 사진측량, SLAM 기반 모바일 매핑이 필요합니다. 또한 이 데이터를 효율적으로 렌더링할 뿐만 아니라 정유소의 광범위한 자산 관리 및 디지털 트윈 시스템과 연동할 수 있는 첨단 소프트웨어도 필요합니다.
정유 공장의 스캔 데이터 관리는 정밀한 현실 캡처에서 시작됩니다. 측량 등급의 지상 스캐너를 공정 유닛 전반에 배치하여 고해상도 포인트 클라우드를 수집합니다. 그런 다음 이러한 스캔 데이터를 정렬하고 통합된 공간 모델에 등록합니다. 정유소의 경우, 이는 종종 데이터를 원유 증류 장치, 수소화 분해 장치, 코킹 장치, 유틸리티 시설 등 논리적 작업 구역으로 분할하는 것을 의미합니다. 생성된 메시는 변형, 부식, 정렬 편차 및 틈새 공간 가용성을 감지할 수 있을 만큼 정확해야 합니다. 캡처 및 처리된 이 데이터는 Cintoo와 같은 플랫폼에서 시각화되며, 탐색 가능한 3D 메시로 변환되어 팀이 어디서나 최신 디지털 모델에 접근할 수 있게 해줍니다.
정유소에서 예측 유지보수가 중요한 이유는 계획되지 않은 가동 중단으로 인한 막대한 비용과 자산 고장이 초래하는 위험 때문입니다. 대규모 정유 공장에서 단 하루만 가동이 중단되어도 생산 능력과 제품 구성에 따라 수십만 달러에서 수백만 달러에 이르는 손실이 발생할 수 있습니다. 열교환기, 압축기 또는 배관의 고장은 안전 가동 중단, HSE 사고 또는 치명적인 손상을 유발할 수 있습니다. 예측 유지보수는 센서 데이터, 과거 성능 기록, 그리고 대개 스캔 데이터에서 도출된 물리적 상태 지표를 종합적으로 활용하여 고장이 발생하기 전에 고장 지점을 예측합니다. 이를 통해 팀은 최적의 시점에 자산을 교체, 수리 또는 보강할 수 있습니다.
Cintoo를 활용한 예측 유지보수는 시각적 데이터, 태그가 지정된 자산 메타데이터, 과거 스캔 데이터 비교, 그리고 엔지니어링 모델과의 통합을 결합한 방식으로 이루어집니다. 정유소의 스캔 데이터가 Cintoo에 업로드되면, 사용자는 정확한 좌표와 분류 필드를 사용하여 밸브, 구조 지지대, 펌프와 같은 개별 구성 요소에 태그를 지정할수 있습니다. 이러한 태그에는 설치 날짜, 검사 주기, 마지막 유지보수 조치, 운영 중요도 등의 메타데이터가 추가됩니다. 시간이 지남에 따라 운영자는 추가 스캔을 수행하고 이를 이전 데이터 세트와 비교합니다. 이를 통해 사용자는 형상 변화, 정렬 불량 또는 표면 열화를 감지할 수 있습니다. Cintoo의 편차 분석 및 스캔-모델 비교 기능을 통해 유지보수 관리자는 자산이 기준 상태나 설계 사양에서 얼마나 벗어났는지 정확히 정량화할 수 있습니다.
이와 동시에, 스캔 기반 점검을 외부 상태 모니터링 시스템과 연동할 수 있습니다. 예를 들어, 펌프는 3D 스캔 데이터를 통해 육안으로 점검하는 동시에 진동 센서, 온도 프로브, 유량 데이터로부터 정보를 수신할 수 있습니다. 이러한 정보가 통합되면 예측 유지보수 소프트웨어는 위험이 가장 높은 자산을 우선순위로 선정하고, 잔여 수명을 계산하며, 개입 시기를 권장할 수 있습니다. Cintoo의 CMMS 또는 ERP 도구와의 통합을 통해 작업 지시서 및 부품 조달을 충분히 미리 계획할 수 있어, 지연을 최소화하고 가동 시간을 극대화할 수 있습니다.
이러한 워크플로의 가치는 보다 지능적인 디지털 트윈 전략을 주도할 수 있는 능력에 있습니다. 디지털 트윈의 유용성은 그 안에 포함된 데이터의 질에 달려 있습니다. 고해상도 3D 메쉬 위에 예측 유지보수 도구를 적용함으로써, 정유소 운영자는 사후 대응형 워크플로에서 선제적인 인프라 인텔리전스로 전환할 수 있습니다. 팀들은 더 이상 정적인 2D 도면이나 자산 상태에 대한 추측에만 의존하지 않습니다. 대신, 정유소의 실제 물리적 상태를 반영하고, 정기적으로 업데이트되며, 자산 성능에 대한 통찰력이 더해진 동적인 환경에서 작업을 수행합니다. 시간이 지남에 따라 이는 설계, 운영, 검사 및 해체에 이르는 포괄적인 디지털 스레드를 형성합니다.
정유소용 예측 유지보수 소프트웨어의 ROI는 몇 가지 핵심 지표를 통해 정량화할 수 있습니다. 첫째, 계획되지 않은 가동 중단 시간의 감소가 있습니다. 단열재 하부 부식(CUI)이나 플랜지 정렬 불량과 같은 문제를 조기에 포착함으로써, 정유소는 공정 설비의 가동을 중단하는 사태를 방지할 수 있으며, 이는 종종 하루에 수백만 달러의 생산 손실을 초래합니다. 둘째, 예측 유지보수 워크플로는 개입이 필요한 구성 요소만을 대상으로 함으로써 자산 수명을 연장하고, 과도한 유지보수와 낭비를 줄여줍니다. 셋째, 스캔 데이터를 활용해 중앙 사무실에서 가상 점검을 수행할 수 있게 됨에 따라 고위험 구역에서의 수동 점검이 줄어들어 현장 작업자의 안전이 향상됩니다. 마지막으로, 특정 자산 태그와 연계된 점검, 편차 및 시정 조치에 대한 디지털 기록을 유지함으로써 규정 준수 및 감사 프로세스가 간소화됩니다.
이러한 접근 방식이 실제로 적용된 대표적인 사례는 Cintoo를 사용하여 개질 설비 내 열교환기 구조물의 검사를 관리하는 한 정유소 고객의 사례입니다. 초기 스캔 결과, 여러 지지 보가 설계 허용 오차 범위 이하로 처져 있는 것이 확인되었습니다. 해당 부위는 스캔 플랫폼 내에서 태그가 지정되었으며, 2년 전 정기 점검 시 수집된 과거 스캔 데이터와 비교 분석되었습니다. 편차 분석 결과 변형 추세가 가속화되고 있음이 확인되어, 다음 예정된 가동 중단 전에 선제적인 보강 조치가 이루어졌습니다. 그 결과, 계획되지 않은 가동 중단을 방지할 수 있었으며, 이로 인해 지연된 가동 중단 비용과 구조물 수리 비용에서 75만 달러 이상의 비용을 절감할 수 있었습니다. 또한, 이 스캔 데이터를 활용하여 정유소의 디지털 트윈 모델을 업데이트함으로써 향후 개조 공사에 대한 엔지니어링 정합성을 개선했습니다.
정유소가 가동 시간, 안전 및 지속가능성에 대한 압박을 계속해서 직면함에 따라, 고충실도 3D 스캔 데이터를 기반으로 하는 예측 유지보수 소프트웨어의 역할은 더욱 핵심적으로 자리 잡을 것입니다. Cintoo와 같은 플랫폼을 통해 정유소 운영자는 정적인 점검에서 동적인 디지털 인텔리전스로 진화할 수 있습니다. 그 결과, 단순히 유지보수 품질이 향상될 뿐만 아니라, 고장을 항상 한 발 앞서 예방하는 더 스마트하고 회복탄력성이 뛰어난 정유소를 구축할 수 있습니다.
예측 유지보수와 3D 스캔 데이터가 정유소 운영을 어떻게 현대화할 수 있는지 자세히 알아보려면, 에너지 운영 분야의 디지털 트윈에 관한 내용을 읽어보시기 바랍니다.
