VR Group electric train in snow

IoT와 예지보전으로 중단 없는 열차 운행

핀란드 철도 회사 VR Group, SAS® Analytics 를 도입하여 열차 운행 시간 엄수와 함께 고객 만족도 향상

운송 수단에 있어서 승객들의 불만을 일으키는 가장 큰 문제는 운행 지연입니다. 바로 이 때문에 철도 회사가 고객 만족을 유지하기 위해 가능한 모든 수단을 동원하여 열차 운영을 극대화하려는 이유입니다.

VR Group은 핀란드 최고의 운송회사가 되기 위해 애쓰고 있습니다. 예측 분석 덕분에 그 목표에 한 발자국 더 다가갈 수 있게 되었습니다.
VR Group Kimmo Soini

키모 소이니(Kimmo Soini)
유지보수 담당 수석 부사장

보유하고 있는 데이터 또는 쉽게 수집할 수 있는 데이터를 활용하여 서비스를 개선할 수 있는 새로운 방법을 찾는 것이 해결 방안의 핵심인데, 핀란드 국영 철도 회사인 VR Group은 분석 및 사물 인터넷(IoT)을 도입하여 1,500대에 달하는 열차 운행을 중단 없이 이어가는 동시에 더욱 효율적이고 안전한 고객 경험을 제공하고 있습니다.

혹독한 기상 상황에서도 운행을 멈추지 않는 열차는 열악한 조건을 감수할 수 밖에 없습니다. 따라서 VR Group의 운영 비용 중 대부분은 유지 보수에 사용되고 있는 실정입니다. VR Group은 비용을 줄이고 가동 시간을 극대화할 목적으로 필요할 때마다 부품을 교체하는 전통적인 유지보수 방식에서 탈피하기로 결정했습니다.

VR Group의 유지보수 담당 수석 부사장인 키모 소이니(Kimmo Soini)는 "당사는 핀란드 유일의 철도 여객 서비스 제공 기업입니다. 하지만 다른 교통 수단과의 경쟁 또한 간과할 수 없는 현실입니다. 한편 유지보수 비용이 운임에 포함되어 있기 때문에 유지보수와 관련하여 경쟁력을 확보할 필요가 있습니다."라고 말합니다.

최근 VR Group은 다양한 시스템 및 하위 시스템에 센서를 장착하여 마모 및 기타 결함을 모니터링하기 시작했습니다. 하지만 센서는 raw data를 수집할 뿐입니다. 이와 같은 raw data를 실시간으로 분석하여 엔지니어가 더 신속하고 적절하게 대응할 수 있어야만 진정한 개선이 이루어집니다. 따라서 VR Group은 이 같은 인텔리전스 레벨까지 열차 운영에 반영할 목적으로 SAS Analytics를 선택했습니다.

VR Group smiling employee

사후 대응 방식에서 예측 유지보수로 전환

과거 VR Group은 두 가지 방식으로 유지보수에 접근하였습니다. 바퀴나 대차 같은 주요 시스템에는 예약 유지보수 방식을 적용했는데, 그 결과 수명이 아직 많이 남은 부품도 교체하는 경우가 발생하곤 했습니다. 두 번째 방식은 고장 시 문제를 해결하는 방식으로 도어 같은 장치에 적용되었습니다. 하지만 이 두 가지 방식으로는 예측이 어려워서 누락되는 노선이 생기게 되어 고객 불만족으로 이어질 가능성이 높았습니다.

VR Group은 부품 상태를 24시간 모니터링하는 예측 유지보수 프로그램을 개발했습니다. 이 프로그램에서는 수학 모델이 부품 고장 시기를 예측하므로 예기치 않은 다운타임이 발생하기 전에 부품을 교체할 수 있습니다. SAS Analytics가 센서 데이터를 모니터링하여 모든 열차에 대한 간략한 정보를 VR Group에게 실시간으로 제공하는데, 앞으로 VR Group은 실시간 모니터링을 바탕으로 모든 정보를 수집하는 방향으로 유지보수 방식을 바꿔나갈 계획입니다.

VR Group electric train at station

"열차의 도어가 평소보다 느리게 개폐되는 경우 일정 시간이 지나면 고장 날 가능성이 높기 때문에 사전에 조치를 취해야 합니다. 이런 경우 분석을 통해 유지보수 일정을 예측하여 차량을 정비할 수 있습니다."라고 소이니 부사장이 설명했습니다.

새로운 데이터와 이력 데이터를 모니터링하여 정보를 제공하는 SAS Analytics 덕분에 VR Group은 몇 가지 유지보수 작업의 최대 주기를 계획할 수 있는데, 이를테면 열차 바퀴의 선삭(lathe) 가공이나 열차의 차축 세트 교체 같은 작업을 꼽을 수 있습니다. 각 열차에는 이러한 세트가 30,000개 이상 장착되어 있는데, VR Group이 선삭(lathe) 일정을 최적화할 수 있다면 열차 운행 기간의 연장도 가능할 것입니다. "실제로 유지보수 작업량을 3분의 1로 줄일 수 있을 것으로 예상하고 있습니다."라고 소이니 부사장은 덧붙입니다.

한편 VR Group은 SAS Analytics를 활용하여 근본적인 결함 원인을 식별함으로써 비용을 크게 절감하는 동시에 열차 안정성을 대폭 개선하고 있을 뿐 아니라 IoT에 대한 효과적인 인사이트를 확보함으로써 예비 부품 및 자재의 재고량을 최소화하여 필요한 만큼만 보유하게 되었습니다.

VR Group electric train in background

센서 데이터를 바탕으로 작업 수행

소이니 부사장은 "센서 데이터의 크기가 기하급수적으로 증가하면서 데이터를 제어하는 문제가 급부상했습니다. 센서 데이터와 분석의 자동화가 이루어지지 않으면 당사는 다음 단계로 나아갈 수 없습니다. 저는 사물 인터넷(IoT)이 전체 산업의 모든 유지보수 방식을 바꿔놓을 것이라고 확신합니다."라고 자신 있게 말했습니다.

"VR Group은 핀란드 최고의 운송회사가 되기 위해 애쓰고 있는데, 예측 분석 덕분에 그 목표에 한 발자국 더 다가갈 수 있게 되었습니다."

사진 제공 : VR Group

VR_Group_logo_rgb

과제

  • 모든 열차의 유지보수 품질 및 효율을 개선해야 합니다.
  • 경제적인 이동 수단 서비스를 제공해 고객의 기대에 부응해야 합니다.
  • 운행 시간을 엄수하면서 안전하게 열차를 운행해야 합니다.

솔루션

도입효과

  • 정시에 열차를 운행할 가능성이 높아져 더욱 원활한 철도 서비스를 제공할 수 있습니다.
  • 부품 교체 시기를 사전에 예측할 수 있습니다.
  • 전체 열차 차량의 안정성을 개선할 수 있습니다.
  • 예비 부품의 재고량을 최소화할 수 있습니다.
  • 승객이 더 저렴한 비용으로 더 편안한 환경을 누릴 수 있습니다.

 

본 문서에 나오는 결과는 본 문서에 설명된 특정 상황, 비즈니스 모델, 데이터 입력 및 컴퓨팅 환경에 적합하게 되어 있습니다. 각 SAS 고객의 경험은 고유한 것으로, 비즈니스 및 기술적 변수에 따라 달라집니다. 따라서 모든 서술은 비전형적인 것이라는 점을 고려해야 합니다. 실제 절약, 결과 및 성능 특성은 개별 고객의 구성 및 조건에 따라 달라질 수 있습니다. SAS는 모든 고객이 비슷한 결과를 달성할 수 있다고 보증하거나 진술하지 않습니다. SAS 제품과 서비스에 대한 유일한 보증은 해당 제품 및 서비스에 대한 서면 계약의 보증서에 명시되어 있습니다. 본 문서의 어떠한 내용도 추가 보증을 구성하는 것으로 해석될 수 없습니다. 고객은 SAS 소프트웨어의 성공적인 구현에 따라 합의된 계약적 교환 또는 프로젝트 성공 요약의 일환으로 성공 사례를 SAS와 공유했습니다. 브랜드 및 제품 명칭은 각 기업의 상표입니다.

Back to Top