리프트아시아

ㆍ	특집
ㆍ게재년월	2022-01

다운타임 없는 승강기 시대 온다

‘People Flow’ 로 건물의 흐름을 유지하는 승강기

롯데타워 최상층에서 탑승한 승강기가 중간에 멈춘다면? 지하 40m 아래 GTX의 엘리베이터가 고장이 났다면? 상상만으로도 아찔하다. 그러나 복잡하고 수직화된 도시에서 살아가는 현대인들에게는 언제나 맞딱뜨릴수 있는 위험한 상황들이다. 때문에 승강설비를 관리하는 이들과 유지관리 작업자들은 항시 긴장의 끈을 놓을 수 없다.

이처럼 빌딩 내에서 승강기의 가장 핵심적인 역할은 각 공간들의 ‘원활한 흐름을 유지하는 것’이다. 누군가 건물에 진입해 출입문을 지나 목적지로 향하는 순간까지, 승강기는 이 흐름이 신속하고 자연스럽게 이어질 수 있도록 최적의 동선을 제공해야 한다. 이를 위해선 승강기가 고장으로 멈춰있거나, 의도한대로 작동하지 않는 상황이 발생하지 않도록 최적의 유지관리 시스템을 구축하는 것이 무엇보다 중요하다. 글로벌 승강기 기업들은 급속도로 발전하고 있는 머신러닝과 AI, IoT, 빅데이터 등 4차산업 기술 요소에 집중하기 시작했다. 그 중에서도 운행정보를 처리하고 저장하는 제어반 빅데이터 수집과 응용, 기계학습을 통해 승강기 분야의 인공지능 유지관리가 나아갈 방향을 모색하고 있다.

인공지능 유지관리 플랫폼 확장하는 코네(KONE), 서비스 핵심은 끊김 없는 ‘People Flow’

글로벌 승강기 기업 코네는 지난달 Amazon Web Services(이하 아마존)와 클라우드 서비스 계약을 체결했다고 발표했다. 아마존은 사물인터넷(IoT) 및 분석과 같은 글로벌 클라우드 기능을 코네에 제공한다. 양사는 코네의 커넥티드 서비스의 확장성과 솔루션 성능을 더욱 강화하는 신기술을 개발하기로 했다.

코네의 모빌리티 커넥팅 솔루션 ‘KONE 24/7 Connected Services’는 머신러닝에 기반해 각 현장별 니즈에 맞는 최적화된 서비스를 빠르게 제공하며, 고장이나 사고로 인한 승강기 사용 중단을 최소화 하는 예측기반 유지관리 서비스를 제공한다.

먼저 각 승강기로부터 수집된 데이터는 인공 지능을 통합하는 지능형 연결 솔루션과 결합하고, 부품이나 시스템에 문제가 발생할 확률을 계산한 뒤 미리 시스템에 미리 경고해준다. 덕분에 유지관리 작업자들은 사고 발생 이전에 문제해결이 가능하다.

코네는 이미 16만 대이상의 승강기에 해당 솔루션을 제공하고 있으며, 데이터 기반 예측기능을 활용한 예방 정비를 실시해 고장수리 호출을 40% 이상 감소시켰다고 밝혔다.

또한 KONE 24/7 Connected Services는 문제 상황을 사전에 최대 70%까지 식별할 수 있으며, 이에 따라 고장 위험도 50% 수준으로 크게 줄었다.

코네의 목표는 KONE 24/7 Connected Services를 통해 140만 대 이상의 유지보수 기반을 확보하는 것이다. 더 많은 현장의 데이터가 모일수록 분석은 더욱 정교해지고, 고장예측의 정밀도도 크게 높아질 전망이다.

Maciej Kranz 코네 CTO는 “아마존과의 협력은 새로운 비즈니스 기회를 창출하고 고객에 더 나은 People Flow 경험을 제공하는 중요한 이정표가 될 것”이라며 “전 세계적으로 대규모 서비스를 확대하기 위해 아마존 IoT 서비스 및 클라우드 인프라를 활용할 예정”이라고 전했다.

코네 외에도 글로벌 승강기 기업들 모두 빅데이터 인공지능 기술을 활용한 유지관리 서비스 고도화에 집중하고 있다. 오티스엘리베이터는 유지관리 서비스 고도화를 위해 자체 클라우드 서비스 플랫폼인 OTIS ONE을 활용해 디지털 커넥티드 생태계를 구축하고 있다. TK엘리베이터는 MS사와 손잡고 IoT 클라우드 기반 인공지능 서비스 플랫폼 MAX를 통해 유지관리 서비스 분야의 디지털 전환을 서두르고 있다.

확대되는 비대면·예지보전 기술 수요…시장 확대 대비해 관련 기술 연구 이어져

국내에서도 글로벌 사례와 같이 디지털화된 승강기 유지관리 서비스를 도입하려는 움직임이 시도되고 있다.

엄용기 한국승강기학회장은 “승강기는 기계/전기/제어와 제4차 산업혁명의 근간이 되는 IoT 및 빅데이터 활용기술은 물론 소방 및 건축, 보안, 디자인 등 복합적인 기술을 필요로 하는 수직운송설비”라며 “융복합 학문이 주목받고 있는 것처럼, 승강기 분야도 각 주제별 전문가들과 활발한 교류가 필요해졌다”고 말했다.

현대엘리베이터는 IoT시스템 개발팀을 별도로 두고, 딥러닝 기술을 활용한 예방정비, 예지보전 기능의 예측정확도를 높이기 위한 작업을 이어가고 있다. 지난 승강기학술대회에서는 ‘이상 탐지를 이용한 엘리베이터 도어 예지 보전 알고리즘’을 연구중에 있다고 밝혔다. 연구원이 발표한 내용에 따르면, 딥러닝 알고리즘 Variational Autoencoder(VAE)을 실제 현장에 적용한 결과 약 절반 정도의 사전 예지 성능을 보였으나, 신뢰성 있는 결과로 보기엔 어렵다고 결론 지었다. 다만 “사전 예지 기능의 특성상 단순고장 예지 성능 뿐만 아니라, 고장이 발생하기 전 어느 시점부터 예지를 하느냐가 관건”이라며 “이에 대한 추가 연구가 필요하다”고 말했다.

서일대학교는 디지털 트윈 기술을 이용한 승강기 예측관리 모델을 연구하고 있다. 서일대 조수억 스마트승강기학과 교수는 승강기 4차 산업과 관련된 IoT, AI, 빅데이터 적용을 위해 승강기 구조해석과 승강기 시스템, 알고리즘, 부품에 대한 모델링, 3D 라이브러리화가 필요하다고 강조했다.

디지털 트윈은 3차원 모델링을 통해 현실공간의 물리적 자산이나 객체, 프로세스를 복제하는 것을 말한다. 복제된 대상은 위치나 모양, 움직임과 상태 모두 쌍둥이처럼 실제공간과 똑같은 모습을 한‘디지털 트윈 공간’이다.

조수억 교수에 따르면 실세계의 데이터를 기반으로 구축된 디지털 트윈 공간을 활용하면, 가상의 트윈 모델에서 모니터링과 분석·예측·시뮬레이션 등으로 실제 시스템의 신뢰성을 미리 파악할 수 있다.

현실의 문제를 디지털 트윈 기술로 알아내고, 여기서 얻은 결과를 실제 현장에 적용할 수 도 있다. 승강기 보수작업 중에도 부품의 정확한 수명 주기를 파악해 비포 서비스가 가능하다는 장점도 있다고 조 교수는 설명했다.

승강기 유지관리 서비스 디지털화로 현장방문 없이도 예방 정비 가능해져

승강기 유지관리 업무 중 고장관리는 A/S(사후정비) 와 B/S(예방정비)로 개념을 크게 나눌 수 있다. 기존에 승강기 작업자들이 해왔던 고장대응(트러블슈팅) 업무가 사후정비 중심의 A/S라면, 매월 현장을 방문하는 자체점검은 가장 기초적인 예방정비의 일환이다.

원격서비스는 방문 점하지 않고 자동으로 체크 할 수 없을까? 라는 고민에서 시작됐으며, 여기에 관제 기능을 담기 위해 IoT 기술을 접목시켰다. 최근엔 AI기술의 발전 덕분에 제어반 및 다양한 주변 정보들까지 빅데이터로 수집가능하며, 부품 수명과 고장 확률을 안내하는 수준까지 도달한 상태다. 엄 회장은 미래의 승강기 유지관리 서비스는 데이터에서 시작될 것이라고 단언했다.

“지금도 버려지고 있는 승강기 데이터…스마트 유지관리는 ‘데이터 수집 및 분석'이 기초 돼야”

승강기 유지관리의 목적은 본래 빠르게 대응하고 고장이 반복되지 않도록 하는 것이다. 그러나 엄 회장은“국내 승강기 유지관리 시장에서 상태감시와 고장대응과 같은 서비스 질이 기업들마다 천차만별”이라고 꼬집었다. 특히 승강기 모니터링이나 트러블 슈팅은 빅데이터 없이는 서비스의 질적 차이더 더 심화될 것으로 봤다.

4차 산업혁명이 우리 생활 양식을 빠르게 변화시키며 승강기 시장도 점점 스마트화·고도화 되고 있지만, 중소기업들은 여전히 준비가 미흡하다는 지적이다.

엄 회장은“현재 수없는 운행정보와 고장정보들이 다 버려지고 있는데, 이 데이터들을 스스로 수집하고 유의미한 데이터를 찾아내야만 진정한 의미의‘예방보전’이 가능하다”고 강조했다. 또한 “소비자의 눈높이가 점점 올라가는 만큼 승강기 유지관리 업계도 4차 산업혁명이 가져올 변화에 더 적극적인 모습을 보일 필요가 있다”고 당부했다.