대기 상태로 켜져 있는 설비, 조금씩 새는 압축공기, 노후화로 조금 더 힘을 쓰는 모터. 하나하나는 작습니다. 그런데 이런 낭비가 여러 설비에서 동시에, 매일 조금씩 누적되면 월말 전기요금 고지서에는 큰 숫자로 나타납니다.
문제는 이 낭비가 눈에 띄지 않는다는 점입니다. 전체 사용량에 스며들어 있어서, 어디서 얼마나 새고 있는지 특정하기 어렵습니다. 이 글은 제조업에서 에너지 낭비가 왜 눈에 띄지 않고 쌓이는지, 기존 관리 방식의 한계가 무엇인지, 그리고 AI가 이 문제를 어떻게 다르게 접근하는지 살펴봅니다.
에너지 사용량과 생산·설비 관계가 불투명한 이유는?
전력 데이터와 생산 데이터는 대체로 서로 다른 시스템에서, 다른 주기로 관리됩니다. 전력계는 전기 사용량을 기록하고, MES나 PLC는 생산량과 가동 상태를 관리합니다. 두 데이터의 시간 간격과 기준이 맞지 않으면 상관관계를 계산하기 어렵습니다.
세분화도 부족합니다. 공장 전체의 월간 전력량만 보면 "사용량이 늘었다"는 것은 알 수 있어도, 어느 설비에서, 어느 시간대에 왜 늘었는지는 알 수 없습니다. 생산량이 늘어서 그런 것인지, 설비 효율이 떨어져서 그런 것인지 구분할 방법이 없습니다.
설비의 가동, 대기, 정지 상태가 반영되지 않는 것도 문제입니다. 설비가 실제로 가공하고 있는 시간과 대기하고 있는 시간을 나누지 않으면, 생산량 대비 에너지 사용량이라는 지표 자체를 신뢰할 수 없습니다. 전기, 가스, 스팀, 압축공기 같은 여러 에너지원이 공정이나 설비와 연결되지 않은 것도 마찬가지입니다. 이런 매핑이 없으면 특정 제품이나 작업과 에너지 소비를 연결해서 볼 수 없습니다.
낭비가 눈에 띄지 않고 누적되는 구조
개별 설비의 대기 전력, 공회전, 압축공기 누설, 필요 이상의 냉각이나 가열은 한 번에 눈에 띄지 않습니다. 그런데 이런 것들이 여러 설비에서 지속적으로 발생하면 월간 요금에 그대로 쌓입니다.
절감 활동을 해도 효과를 확인하기 어려운 것도 문제를 키웁니다. 특정 설비에서 낭비를 줄이는 조치를 취해도, 그 결과가 실제로 얼마나 개선됐는지 실시간으로 확인할 방법이 없으면 개선 활동은 지속되지 못하고 일회성으로 끝납니다. 센서나 IoT로 데이터를 모아도, 이를 생산 데이터와 통합해 해석하는 체계가 없으면 숫자만 쌓일 뿐 낭비의 원인을 찾을 수 없습니다.
기존 방식의 한계 : 월별 고지서 중심 관리
많은 현장에서 에너지 관리는 여전히 월별 전기요금 고지서를 확인하는 방식에 머물러 있습니다.
고지서는 한 달치 총액만 보여줍니다. 언제, 어느 설비에서, 왜 사용량이 늘었는지는 알 수 없습니다. 이상 소비가 발생해도 청구서를 받아야 알게 되니, 대응은 항상 한 달 뒤입니다. 그 한 달 동안 낭비는 계속 누적됩니다.
에너지 비용이 회계상 간접비로만 처리되는 것도 문제입니다. 이 제품을 만드는 데 전력이 얼마나 들었는지, 이 라인의 실제 에너지 원가가 얼마인지 알 방법이 없습니다. 계측 지점도 대체로 분전반이나 라인 단위에 머물러 있어, 개별 설비 단위의 소비를 분리해 보기 어렵습니다.
AI가 무엇을 바꿀까요?
AI 기반 에너지 관리의 핵심은 흩어진 데이터를 하나의 시간축으로 연결하는 것입니다. 설비 식별자, 측정 시각, 운전 상태, 생산 구간을 함께 기록하면, 같은 시점에 어떤 설비가 어떤 상태였고 얼마나 전력을 썼는지 명확해집니다.
이렇게 연결된 데이터로 에너지 원단위, 즉 단위 생산량당 전력 사용량을 공정과 설비, 시간대별로 계산할 수 있습니다. 정상 운전 구간과 대기 구간을 나누어 비교하면, 생산과 무관하게 새고 있는 낭비가 드러납니다.
이상 탐지도 중요한 역할입니다. 평소 패턴에서 벗어난 대기 전력이나 갑작스러운 사용량 증가를 실시간으로 포착해 알려줍니다. 접근 방식도 효율적입니다. 공장 전체를 한 번에 보는 대신 라인, 분전반, 주요 설비 순서로 세분화해 어디서부터 개선해야 효과가 큰지 우선순위를 정할 수 있습니다.
월말 고지서가 아니라 지금, 원인을 확인하는 방법
다비스(DARVIS)는 에너지 데이터를 생산, 설비 데이터와 연결해 사용량이 늘어난 원인을 함께 제시합니다. 담당자가 "이번 달 전력 사용량이 왜 늘었어?"라고 물으면, 생산량 변화 때문인지 특정 설비의 효율 저하 때문인지 데이터로 구분해 보여줍니다.
기존 ERP·MES를 그대로 두고 위에 얹는 방식이라 시스템 변경은 0건이고, 도입까지 5주입니다. 에너지 낭비는 작고 분산되어 있어 눈에 띄지 않을 뿐, 사라지지 않습니다. 월말 고지서를 기다리는 대신, 지금 어느 설비에서 낭비가 발생하고 있는지 확인해 보세요.
실용적인 AI 활용 인사이트 및 최신 트렌드를 알아보고 싶으시다면 디피니트 다비스(DARVIS) 블로그를 구독해 보세요. 제조 현장의 실제 문제 해결 사례와 AI 활용 노하우를 공유합니다.
더 많은 제조 AI 인사이트를 보고 싶으시다면 'AI 인사이트 더 보러가기'를 통해 둘러보시면 도움이 되실 겁니다. 감사합니다.