IPA를 활용한 물류 자동화 설비 예지보전 연구

A Study on Predictive Maintenance for Logistics Automation Facilities Using IPA

본 연구는 디지털 전환시대의 스마트 물류자동화에 대한 국내 현황을 파악하고 자동화 설비의 중요도와 시급도를 분석하여 예지보전의 적용 방향성을 도출하고자 하였다. 이를 위해 물류 분야에서 5년 이상 30년 이하의 경력을 보유한 전문가 21명을 대상으로 설문조사를 실시하였으며, 국내 물류자동화 운영사의 실제 연간 자동화 설비 고장 데이터와 설문 결과를 바탕으로 IPA 항목을설정하고 분석을 진행하였다. 연구 결과, 자동화 설비 유형에 따른 유지보수 중요도 및 시급도에 대해 확인할 수 있었으며, 예지보전에 대한 향후 물류 자동화 설비의 적용 방안을 가늠할 수 있었다. IPA 분석결과, 1사분면에 위치한 자동화설비는 Stacker Crane(보관), Sorter(분류), RGV(이동), Lifter(이동)로 중요도와 시급도가모두 높게 나타났으며, 그중에서도 StackerCrane 설비는 실고장에서도 42%의 비율로 가장 높은 비중을 차지하였다. 각 설비별 예지보전 적용 형태에 대해 전문가 의견을 취합한 결과, 사물인터넷 기반 예지보전을 대부분 선호하였으며, 자동화 설비의 프로세스별 예지보전 솔루션은 자동화 설비의 구축 형태에 따라 Pdm 또는 PLC 예지보전 형태로 변경될 수도 있다는 것을 확인하였다. 본 연구는 국내 운영 중인 물류자동화 현장의 설비 고장 데이터와 IPA 분석을 통한 중요 자동화 설비군을 비교하고 예지보전의적용 형태 및 방안에 대하여 처음으로 비교⋅분석했다는 데에 의미가 있다. 향후 스마트 물류자동화 추진 시 물류자동화 규모 기준, 유지보수 인력 및 비용, 점검 기간 등에 대한 참고 자료로 이용할 수 있으며, 기존에 운영 중인 물류자동화 및 신규 투자 물류자동화 설비에 예지보전 시스템 적용을 위한 참고 자료로 활용될 수 있을 것이다.

This study aimed to assess the current status of smart logistics automation in Korea during the digital transformation era, analyze the importance and urgency of automation equipment, and derive the direction for applying predictive maintenance. To this end, a survey was conducted with 21 experts possessing 5 to 30 years of experience in the logistics field. IPA items were established and analysis was performed based on actual annual automation equipment failure data from domestic logistics automation operators and the survey results. The research results confirmed the maintenance importance and urgency levels according to automation equipment type and provided insights into future application strategies for predictive maintenance in logistics automation equipment. According to the IPA (Importance-Performance Analysis) results, automation equipment positioned in the first quadrant—indicating both high importance and high urgency—included Stacker Cranes (storage), Sorters (sorting), RGVs (transport), and Lifters (transport). Among these, the Stacker Crane accounted for the highest proportion of actual equipment failures, reaching 42%. Expert opinions on appropriate predictive maintenance methods for each equipment type indicated a strong preference for IoT-based predictive maintenance. It was also confirmed that predictive maintenance solutions tailored to each process may vary between PdM-based and PLC-based approaches, depending on the configuration of the automation system. The significance of this study lies in the fact that it is the first to compare and analyze key automation equipment using on-site failure data from domestic logistics automation facilities together with IPA results, while also examining applicable forms and strategies for predictive maintenance. The findings provide practical reference material for future smart logistics automation initiatives—particularly regarding the scale of automation facilities, maintenance personnel and costs, and inspection intervals—and can serve as a useful guideline for applying predictive maintenance systems to both existing and newly planned logistics automation operations.