⚡ electrical engineering

Data‑Driven Manpower Optimization for Gas Turbine Major Inspections: A Case Study Using WLA, WBS, and Time–Motion Analysis

본 연구는 가스터빈 대규모 점검을 위한 인력 구성을 최적화하기 위해 작업 부하 분석, 작업 분할 구조 및 시간-동작 분석을 통합한 데이터 기반 프레임워크를 제시하며, 특정 인력 불균형 문제를 해결함으로써 점검 기간을 50일에서 46일로 단축하고 인건비 및 수익 측면에서 총 65만 달러 이상의 절감 효과를 창출하는 데 성공하였다.

원저자: Ramli Ramli, Martin Fatah

게시일 2026-07-22

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Ramli Ramli, Martin Fatah

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

거대한 발전소를 도시를 살려내는 거대하고 웅웅거리는 심장이라고 상상해 보십시오. 몇 년마다 한 번씩, 이 심장은 '정기 정밀 점검'을 받아야 합니다. 이는 기계를 분해하고, 세척하고, 수리한 뒤 다시 조립하는 완전하고 심도 있는 점검입니다. 이것은 단순한 오일 교체 작업이 아닙니다. 마치 건물 크기의 엔진에 개흉 수술을 하는 것과 같습니다. 이를 수행하기 위해서는 엄청난 규모의 작업 팀이 필요합니다. 무거운 부품을 들어 올릴 기계공, 복잡한 시스템을 다시 배선할 전기 기술자, 그리고 센서를 조정할 계측 전문가들이 필요합니다. 여기서 큰 과제는 단순히 충분한 인원을 확보하는 것이 아니라, '적절한 인원의 조합'을 '적절한 시기'에 갖추는 것입니다. 만약 기계공들이 업무에 허덕이고 있는데 전기 기술자들이 주변을 서성거리고 있다면, 전체 프로젝트는 지연됩니다. 만약 아주 작은 센서 하나를 고치는 데 너무 오래 기다린다면, 심장은 다시 멈춰버릴 것입니다. 이것이 바로 엔지니어들이 수백 명의 노동자를 어떻게 배치하여 수리를 빠르고, 저렴하며, 안전하게 마칠 것인가라는 거대한 퍼즐을 풀려고 노력하는 '인력 최적화(manpower optimization)'의 세계입니다.

이 논문은 가스터빈 수리의 특정 사례를 연구함으로써 그 퍼즐을 파고듭니다. 연구진은 단순히 필요한 인원을 추측한 것이 아니라, 세 가지 주요 재료를 사용하여 데이터 기반의 '레시피'를 구축했습니다. 첫째, 그들은 전체 작업을 아주 작은 단계들로 나누었습니다(마치 모든 재료를 썰고 젓는 과정을 나열한 레시피처럼 말이죠). 둘째, 그들은 '시간-동작 연구(time-and-motion studies)'를 사용했습니다. 즉, 작업자가 핵심적인 과업을 수행하는 것을 관찰하여 정확히 얼마나 시간이 걸리는지 확인하고, 피로도나 숙련도에 따라 이를 조정했습니다. 셋째, 그들은 '업무량 분석(Workload Analysis)'이라는 수학 공식을 사용하여 팀이 너무 열심히 일하고 있는지, 너무 적게 일하고 있는지, 아니면 딱 적당한지를 확인했습니다. 목표는 단순했습니다. 누구도 번아웃되지 않으면서 가장 짧은 시간 안에 작업을 마칠 수 있는 완벽한 인원수를 찾는 것이었습니다.

연구는 특정 가스터빈 모델(MHI 701F3/F4)에 초점을 맞추었으며, 46일이 소요된 실제 수리 사례를 살펴보았습니다. 팀은 발전소 자체 직원과 외부 파견 인력을 합쳐 총 139명의 노동자로 구성되었습니다. 연구진이 수치를 계산했을 때, 놀라운 사실을 발견했습니다. 총 인원(139명)은 수학적으로 필요한 인원(약 140~141명)과 거의 일치했습니다. 즉, 팀의 규모는 완벽해 보였습니다. 하지만 축구 경기에서 공격수들은 지쳐 쓰러져 가는데 수비수들은 벤치에 앉아 있는 상황처럼, '분배'가 잘못되어 있었습니다.

분석 결과 숨겨진 불균형이 드러났습니다. 무거운 짐을 옮기고 힘든 수리 작업을 수행하는 기계 팀이 실제로 과부하 상태였습니다. 구체적으로, 이 그룹의 외부 파견 인력들은 업무량이 너무 많아 힘에 부쳤던 반면, 발전소 자체 기계직 직원들은 여유가 있었습니다. 한편, 전기 및 계측 팀은 업무량에 비해 인원이 너무 많았습니다. 그들의 과업은 기계공들의 과업만큼 긴급하거나 연속적이지 않았기에 그들은 종종 대기하는 시간을 가져야 했습니다. 논문은 해결책이 전체 인원을 더 채용하는 것(이미 총 인원은 거의 완벽했으므로)이 아니라, '판을 새로 짜는 것'이라고 주장합니다. 그들은 전기 및 계측 팀의 '여유 인력'을 기계 팀으로 이동시켜 도구 운반, 청소, 혹은 조명 들기 같은 비전문적인 업무를 돕도록 제안했습니다.

이러한 인력 배치의 미세한 조정을 통해, 팀은 계획되었던 50일 대신 46일 만에 수리를 마칠 수 있었습니다. 4일의 단축이 작게 느껴질 수도 있지만, 발전소의 세계에서 시간은 곧 돈입니다. 연구진은 이 가속화를 통해 직접 노무비(주로 보조 인력 비용)에서 약 30,000달러를 절감했으며, 발전소가 예상보다 4일 일찍 전기를 판매할 수 있게 됨으로써 약 626,500달러의 추가 수익을 창출했다고 계산했습니다. 이 논문은 전체 인원을 확보하는 것도 중요하지만, 진정한 마법은 '어떤' 노동자가 '어떤' 일을 하고 있는지를 면밀히 살필 때 일어난다는 결론을 내립니다. 이러한 대규모 수리에서는 단순히 더 많은 인력을 투입하는 것보다, 팀의 '구성(composition)'을 개선하는 것, 즉 느린 차선에 있는 사람을 바쁜 차선으로 이동시키는 것이 더 똑똑하고, 저렴하며, 빠르게 일을 완수하는 방법임을 시사합니다.

기술 요약: 가스 터빈 대규모 점검을 위한 데이터 기반 인력 최적화

문제 정의
복합 화력 발전소 내 가스 터빈의 대규모 점검(MI Plus)은 인력 계획이 성공의 결정적 요인이 되는 자원 집약적인 작업이다. 기술적 절차는 흔히 잘 정의되어 있으나, 기계, 전기, 계측 기능 간의 인력 부족이나 역량 불일치는 빈번하게 일정 지연, 작업 품질 저하 및 리스크 노출 증가를 초초래한다. 기존 문헌은 주로 머신러닝을 이용한 유지보수 시점이나 예측 유지보수에 우선순위를 두며, 복잡한 정지 기간 중 발생하는 부문별 노동 불균형(예: 기계 분야 과부하 대비 전기 분야 과잉)을 다루는 실증적으로 검증된 태스크 단위의 인력 모델은 부족한 실정이다.

연구 방법론
본 연구는 MHI 701F3/F4 가스 터빈의 대규모 점검을 중심으로 한 기술적 정량적 사례 연구 방식을 채택하였다. 본 연구는 네 가지 분석 구성 요소를 하나의 통합된 프레임워크로 결합한다:

작업 분할 구조 (WBS): 정지 범위를 구조화된 활동 네트워크로 분해하여 총 맨아워(TMH)를 정량화한다.
시간-동작 분석 (Time–Motion Analysis): 주요 작업(예: 터빈 로터 리프트 업)에 대한 현장 관찰을 수행하여 표준 시간을 도출한다. 여기에는 평균 사이클 타임( $\bar{X}$ ) 계산, 웨스틴하우스 시스템(Westinghouse System)을 이용한 성과 등급 조정, 그리고 피로 및 지연에 대한 허용치 적용을 통한 표준 시간( $W_s$ ) 산출 과정이 포함된다.
업무량 분석 (WLA): 총 맨아워와 배치된 인력의 가용 유효 작업 능력 간의 비율을 평가하여 활용률을 결정한다.
자원 평준화 (Resource Leveling): 부문별 불균형(기계, 전기, 계측)과 자체 인력(Organic) 대 외주 인력의 구성을 분석하여 병목 현상을 식별하고 배치를 최적화한다.

활용된 주요 공식은 정상 시간( $W_n = \bar{X} \times p$ ), 표준 시간( $W_s = W_n \times \frac{100}{100-l}$ ), 그리고 최적 인원( $M = \frac{TMH}{T \times E}$ , 여기서 $E$ 는 작업 효율 계수)의 계산을 포함한다.

주요 결과

인력 정렬: 실제 정지 기간 동안 139명의 인력이 46일간 투입되어 43,893 맨아워를 생성하였다. 계산된 업무량 분석(WLA)은 85.8%였으며, 이는 실제 인력이 계산된 최적 인원인 140~141명(약 1%의 편차)과 밀접하게 일치했음을 나타낸다.
부문별 불균형: 전체적인 정렬에도 불구하고 심각한 구조적 불균형이 확인되었다. 기계 부문, 특히 외주 인력은 요구 사항 대비 24명의 결원이 발생한 반면, 전기 및 계측 부문은 자체 인력의 상당한 과잉 상태를 보였다.
최적화 전략: 본 연구는 단순히 총 인원수를 늘리는 것보다 자원 구성(과잉된 자체 인력을 기계 작업 지원으로 재배치하고 외주 인력을 보강하는 것)을 조정하는 것이 더 효과적임을 입증하였다.
성과 결과: 최적화된 전략의 실행은 정지 기간을 계획된 50일에서 4일 단축된 46일 만에 완료하는 데 기여하였다.
경제적 영향: 4일의 단축은 보조 인력 단가를 기준으로 30,000달러의 직접 노무비 절감을 가져왔으며, 283.25 MW 발전 용량의 조기 복구에 따른 약 626,500달러의 예상 수익 증대를 가져왔다.

의의 및 주장
본 논문은 제안된 통합 프레임워크가 고위험 가스 터빈 유지보수를 위한 "구성 민감형(composition-sensitive)" 인력 계획을 위한 실용적이고 재현 가능한 접근법을 제공한다고 주장한다. 본 연구의 주요 기여는 정지 기간과 효율성이 총 인력의 부족이 아니라, 인력 구성과 부문별 업무량 분포의 불일치에 의해 제약되는 경우가 많다는 것을 실증적으로 검증한 데 있다. WBS 모델링, 시간-동작 표준 시간, 자원 평준화를 통합함으로써, 본 연구는 전통적인 신뢰성 기반 스케줄링 모델이 간과할 수 있는 특정 병목 현상(예: 기계 분야 외주 결원)을 식별하고 완화하는 데이터 기반 방법을 제시한다. 저자들은 이 접근 방식이 안전이나 품질을 저해하지 않으면서도 자원 배분 개선, 정지 기간 단축 및 상당한 경제적 이익을 가능하게 한다고 단언한다.

한계점
저자들은 본 연구가 특정 터빈 모델(MHI 701F3/F4)의 단일 대규모 점검 이벤트에 국한되어 있어, 다른 유형의 터비이나 조직 구조로의 일반화가 제한될 수 있음을 언급하였다. 또한, 분석은 가용 운영 기록과 선택된 작업에 대한 시간-동작 샘플링에 의존하며, 재무적 영향 평가는 전체 경제 시뮬레이션이 아닌 질적 분석을 통해 수행되었다.

유사한 논문