A corrosion-aware digital-twin framework for condition monitoring of saline-water centrifugal pumps

염분이 가득한 거대한 대양의 세계에서, 금속 펌프는 냉각 시스템, 화재 방지 및 밸러스트를 위해 물을 이동시키며 끊임없이 작동합니다. 이 기계들은 해양 공학의 숨은 영웅들이지만, 지속적이고 보이지 않는 적인 부식에 직면해 있습니다. 소금물이 펌프 내부의 매끄러운 금속 표면을 갉아먹으면 미세한 구멍과 거친 패치들이 생겨납니다. 이러한 퇴화는 단순한 외관상의 문제가 아닙니다. 이는 물의 흐름을 변화시켜 펌프가 더 힘들게 작동하게 만들고, 진동을 유발하며, 물을 효율적으로 밀어내는 능력을 상실하게 합니다. 수십 년 동안 엔지니어들은 이러한 펌프가 언제 고장 날지 예측하기 위해 노력해 왔으며, 종종 장비의 상태에 대한 막연한 추측에 의존해 왔습니다. 그러나 이제는 펌프를 하나의 '블랙박스'로 보는 것이 아니라, 표면 질감, 수류, 기계적 진동이 서로 연결된 이야기를 들려주는 복잡한 시스템으로 보고, 훨씬 더 정밀하게 기계의 상태를 이해하려는 새로운 접근 방식이 등장하고 있습니다.

이 이야기는 "디지털 트윈(digital twin)"이라고 알려진 개념을 통해 전개됩니다. 디지털 트윈이란 컴퓨터 속에 존재하는 물리적 펌프의 가상 복사본을 상상해 보는 것입니다. 이 복사본은 실제 기계에 부착된 센서로부터 실시간 데이터를 전달받아, 엔지니어들이 펌프를 분해하지 않고도 펌프가 어떻게 작동하고 있는지 볼 수 있게 해줍니다. 문제는 지금까지 어떻게 하면 부식되는 금속 표면이라는 무질서한 현실을 컴퓨터 모델이 이해할 수 있는 숫자로 변환하느냐 하는 것이었습니다. 독립 연구자인 은시 우도(Nsini Udo)의 최근 연구는 바로 이 특정 문제를 다룹니다. 이 연구는 실패 날짜를 예측하는 완벽하고 작동하는 가상 펌프를 만들었다고 주장하는 대신, 이를 구축하기 위한 명확하고 단계적인 프레임워크를 제공합니다. 이 연구는 스테인리스 스틸로 제작된 특정 유형의 펌프와 합성 해수를 대상으로 하며, 200시간 동안 진행되는 점진적인 성능 저하를 추적합니다.

연구진은 스테인리스 스틸 펌프가 염수에 200시간 동안 작동한 통제된 실험 데이터에서 조사를 시작했습니다. 그들은 50시간마다 펌프의 성능을 점검했습니다. 이 기간 동안 펌프는 갑자기 고장 난 것이 아니라, 서서히 악화되었습니다. 초당 밀어낼 수 있는 물의 양은 1.50리터에서 1.38리터로 줄어들었습니다. '양정(head)'이라 불리는 물을 밀어 올릴 수 있는 높이는 12.0미터에서 10.7미터로 떨어졌습니다. 전기를 움직이는 물로 얼마나 잘 전환하는지를 나타내는 전기 효율은 70.6%에서 58.0%로 미끄러졌습니다. 동시에 기계는 더 많이 흔들리기 시작하여, 진동 수준이 0.20mm/s에서 0.75mm/s로 상승했습니다. 결정적으로, 연구진은 펌프 내부 금속의 질감도 측정했습니다. 비교적 매끄러웠던 표면(평균 거칠기 0.8 마이크로미터)은 테스트 종료 시점에 이르러 3.4 마이크로미터에 도달하며 현저히 거칠어졌습니다.

이 작업의 핵심은 이러한 다양한 변화를 어떻게 하나의 이해 가능한 그림으로 조직하느냐에 있습니다. 이 연구는 모든 숫자를 하나의 단순한 '건강 점수'로 결합하여 실제 무엇이 잘못되었는지 숨기는 대신, 이들을 별도로 유지할 것을 제안합니다. 즉, 유량, 압력, 진동, 표면 질감을 각각의 독립된 정보로서 상세한 목록을 만드는 것입니다. 이는 매우 중요한데, 수압 저하는 막힌 파이프, 마모된 씰, 또는 거친 표면 등 다양한 원인에 의해 발생할 수 있으며, 각 원인마다 필요한 해결책이 다르기 때문입니다. 데이터를 분리함으로써, 시스템은 설령 두 현상이 동시에 발생하더라도 기계적 떨림과 표면 문제를 구분할 수 있습니다.

연구의 상당 부분은 측정 가능한 것과 컴퓨터가 알아야 하는 것 사이의 까다로운 간극을 다룹니다. 엔지니어들은 도구를 사용하여 금속 표면의 거칠기를 쉽게 측정할 수 있지만, 수류를 시뮬레이션하는 컴퓨터 모델은 그 거칠기를 나타내기 위해 다른 종류의 숫자를 필요로 합니다. 이 연구는 한 숫자를 다른 숫자로 변환하는 완벽한 공식을 찾았다고 주장하지 않습니다. 대신, 불확실성을 솔직하게 인정합니다. 연구는 측정된 거칠기가 3.4 마이크로미터일 때, 컴퓨터 모델에서 사용되는 숫자는 부식 구멍의 구체적인 형태에 따라 1.7에서 6.8 마이크로미터 사이의 범위 내에 있을 수 있음을 보여주며 가능성의 범위를 제시합니다. 이러한 투명성은 핵심적인 발견입니다. 즉, 단 하나의 변환 규칙이 모든 펌프에 적용된다고 가정할 수 없음을 보여줍니다. 이 연구는 단 하나의 보편적인 숫자가 모든 부식을 설명할 수 있다는 생각을 명시적으로 배제하며, 실제 환경 데이터에 대해 검증되지 않은 모델이 완전히 검증되었다고 주장하지 않습니다.

연구진은 또한 이 작업이 완성된 제품이 아니라 '청사진'임을 강조합니다. 그들은 펌프가 언제 고장 날지 예측하는 최종 컴퓨터 모델을 구축하거나, 기계의 잔여 수명을 추측하도록 인공지능을 훈련시킨 것이 아닙니다. 200시간 동안 5개의 측정 지점으로 구성된 데이터셋은 그러한 고급 시스템을 훈련시키기에 너무 작습니다. 대신, 이 연구는 그러한 미래의 단계들을 가능하게 하는 필수적인 구조를 제공합니다. 연구는 물리적 측정을 수행하는 방법, 그 측정값을 컴퓨터 입력값으로 변환할 때 발생하는 불확실성을 처리하는 방법, 그리고 컴퓨터의 예측값과 실제 센서 데이터를 비교하는 방법을 정의합니다. 이 구조에는 '잔차(residual)', 즉 컴퓨터가 일어나고 있다고 생각하는 것과 센서가 실제로 일어나고 있다고 말하는 것 사이의 차이를 추적하는 방법이 포함됩니다. 만약 이 차이가 커진다면 무언가 잘못되었다는 신호이지만, 이 프레임워크를 통해 엔지니어는 시스템의 정확히 어느 부분이 불일치를 일으키는지 확인할 수 있습니다.

이러한 접근 방식은 선박과 해양 플랫폼의 유지보수에 대한 새로운 사고방식을 제공합니다. 현재 유지보수는 주로 정해진 일정에 따르거나 명백한 고장이 발생한 후에 대응하는 방식에 의존합니다. 이 프레임워크는 센서가 펌프의 진동과 유량을 감시하고, 주기적인 점검을 통해 표면 질감을 확인하는 더 지능적인 경로를 제안합니다. 만약 센서에 변화가 감지되면, 시스템은 즉시 부품 교체를 명령하는 대신 점검을 권고할 수 있습니다. 이는 단계적인 접근을 허용합니다. 첫째, 물리적 변화를 이해하고, 둘째, 신뢰할 수 있는 가상 모델을 구축하며, 마지막으로 그 모델을 사용하여 미래의 문제를 예측하는 것입니다. 연구는 가상 모델이 독립적인 데이터에 의해 검증되고 실제 해양 환경에서 작동하는 것으로 증명되기 전까지는, 이것이 이론적인 도구로 남아 있음을 분명히 합니다.

이 결과는 복잡한 공학에서 해결책으로 가는 길은 종종 복잡함보다는 명확함에 있다는 사실을 상기시켜 줍니다. 데이터를 분리하고 알려진 것과 가정된 것을 정직하게 밝힘으로써, 이 연구는 미래를 위한 견고한 토대를 마련했습니다. 우리는 아직 펌프가 정확히 어느 순간에 고장 날지 예측할 수는 없지만, 부식의 느리고 꾸준한 행보를 훨씬 더 정밀하게 이해할 수 있는 시스템을 구축할 수 있음을 이 연구는 보여줍니다. 이 작업은 펌프 유지보수 문제를 해결했다고 주장하는 것이 아니라, 그 문제를 해결하기 위한 필수적인 지도를 제공함으로써, 물리적 펌프에서 디지털 모델에 이르는 모든 단계가 추적 가능하고, 이해 가능하며, 실제 증거에 근거하도록 보장하고 있습니다.