Rolls-Royce가 AI로 연간 400건의 정비를 예방한 방법
제조 AI는 실제 설비 가동률과 비용을 얼마나 개선할 수 있을까요? Rolls-Royce는 터빈 블레이드 검사와 항공 엔진 상태감시에 AI를 적용해 설비 활용률을 30% 높이고, 결함 해결시간을 수일에서 거의 실시간으로 줄였습니다. 전 세계 엔진군에서는 연간 약 400건의 비계획 정비를 탐지·예방해 수백만 달러의 수리비를 절감했습니다.
항공 엔진에서는 고장을 고친 비용보다 고장 때문에 멈춘 시간이 더 비쌀 수 있습니다. 항공편 취소, 대체 항공기, 승객 보상, 긴급 부품과 정비 인력이 연쇄적으로 필요하기 때문입니다. 예지정비 AI의 가치는 고장 예측 정확도보다 피한 정지시간과 고객 운영의 연속성으로 측정해야 합니다.
Rolls-Royce의 AI 검사·예지정비 성과
Rolls-Royce는 생산 단계의 터빈 블레이드 검사와 운항 중 엔진 상태감시에 머신러닝과 생성형 AI, 클라우드 분석을 적용했습니다.
터빈 블레이드 냉각 구멍 검사량: 월 약 200만 개
AI 검사 후 설비 활용률: 30% 증가
결함 원인 해결: 수일에서 거의 실시간으로 단축
감시하는 엔진 매개변수: 1만 개 이상
예방하는 비계획 정비: 연간 약 400건
수리비 절감: 수백만 달러
성과는 Rolls-Royce와 Microsoft의 제조 AI 사례에 공개돼 있습니다.
Rolls-Royce의 공식 디지털·AI 소개도 AI 기반 엔진 상태감시가 1만 개가 넘는 엔진 매개변수를 실시간으로 추적해 비계획 가동중단을 줄인다고 설명합니다. 연간 약 400건이라는 개별 성과 수치는 위 Microsoft 사례에 공개된 값입니다.
터빈 블레이드의 작은 구멍을 AI가 본 이유
항공 엔진의 터빈 블레이드는 극심한 열을 견뎌야 합니다. 표면과 내부의 수많은 냉각 구멍이 공기를 흘려 블레이드를 보호합니다. 구멍의 상태가 기준에서 벗어나면 엔진 성능과 안전에 영향을 줄 수 있어 정밀검사가 필요합니다.
Rolls-Royce는 매월 약 200만 개의 냉각 구멍을 검사했습니다. 사람이 모든 구멍을 같은 깊이로 보면 병목이 생기고, 정상 부품을 잘못 폐기하는 일도 발생합니다. Signature Analyzer는 진동과 검사 데이터를 분석해 결함 가능성이 높은 영역을 빠르게 좁혀줍니다.
검사자는 AI가 표시한 부분에 집중하고 최종 판단을 내립니다. 처리시간이 줄면서 설비 활용률은 30% 높아졌고 잘못된 폐기가 감소했습니다. 이상 원인을 찾는 데 수일 걸리던 작업도 거의 실시간으로 바뀌었습니다. 사람의 전문성을 없앤 것이 아니라 희소한 검사시간을 위험한 부분에 집중시킨 것입니다.
운항 중 엔진 데이터가 정비를 바꾸다
Rolls-Royce의 엔진 상태감시 시스템은 엔진당 1만 개가 넘는 매개변수를 추적합니다. 진동, 온도, 압력과 성능 변화를 분석해 고장이 발생하기 전에 정비가 필요한 신호를 찾습니다.
계획된 정비는 부품과 인력을 미리 준비하고 항공기 일정에 맞출 수 있습니다. 비계획 정비는 어느 공항에서 언제 발생할지 몰라 비용이 훨씬 큽니다. Rolls-Royce는 전체 엔진군에서 연간 약 400건의 비계획 정비를 탐지하고 예방한다고 밝혔습니다.
이 효과는 Rolls-Royce의 수리비만 줄이는 것이 아닙니다. 엔진 가동시간이 늘면 항공사 고객의 운항 중단과 보상비도 줄어듭니다. 제조사가 제품 판매 이후의 서비스 품질과 고객 유지율을 높이는 수익모델로도 연결됩니다.
예지정비의 정확도만 보면 안 되는 이유
고장을 놓치는 미탐은 안전과 대규모 손실로 이어집니다. 반대로 정상 엔진을 고위험으로 판단하는 오탐이 많으면 불필요한 분해와 부품 교체, 운항 중단이 발생합니다. 정확도 하나로 두 오류의 경제적 차이를 표현할 수 없습니다.
또한 고장이 드물수록 99% 정확도도 의미가 없을 수 있습니다. 1만 건 중 실제 고장이 10건인데 모든 건을 정상으로 예측해도 표면적 정확도는 99.9%입니다. 실제 고장을 얼마나 미리 찾았는지, 경고 한 건당 불필요한 정비가 얼마나 발생했는지 따로 측정해야 합니다.
Rolls-Royce 사례에는 AI뿐 아니라 센서, 클라우드, 데이터 통합, Siemens 생산기술이 함께 포함됩니다. 따라서 설비 활용률 30% 증가 전체를 특정 모델 하나의 효과로 볼 수 없습니다. 공급업체가 발표한 고객 사례이며 상세한 실험 설계와 총투자비도 공개되지 않았습니다.
안전이 중요한 제조 AI의 거버넌스
가령 모델이 특정 진동 패턴을 위험하지 않다고 판단했지만 현장 엔지니어가 반복적으로 의심한다고 해보겠습니다. 평균 정확도만 믿고 경고를 무시하면 학습 데이터에 없던 새로운 결함을 놓칠 수 있습니다. 반대로 모든 이견을 수동 검토하면 자동화 효과가 사라집니다.
AI 거버넌스 구축 시에는 AI가 권고할 수 있는 범위, 사람이 반드시 승인해야 할 안전 판단, 모델과 센서 이상 시 보수적인 운영으로 돌아가는 조건을 정해야 합니다. 엔지니어가 모델을 뒤집은 이유와 실제 정비 결과를 기록해 다음 검증에 사용해야 합니다.
생산라인과 운항환경이 달라지면 데이터 분포도 바뀝니다. 새 부품, 새로운 공항과 기후, 정비방식 변경 후에는 모델을 다시 검증해야 합니다. 안전 분야의 AI는 한 번 승인한 제품이 아니라 계속 증거를 쌓아야 하는 운영 시스템입니다.
한국 기업이 Rolls-Royce 사례에서 배워야 할 실행 원칙
첫째, 고장비용이 큰 설비부터 시작합니다. 정지 한 시간의 손실, 긴급 정비비, 불량 폐기비를 계산하면 우선순위가 보입니다.
둘째, 고장 라벨의 품질을 점검해야 합니다. 정비기록이 자유서술로 흩어져 있으면 무엇이 실제 고장이었는지 학습하기 어렵습니다.
셋째, 권고형으로 시작해 자동화 범위를 넓힙니다. 초기에는 엔지니어 판단과 AI 결과를 나란히 비교하고 미탐·오탐 비용을 확인해야 합니다.
넷째, 설비마다 모델 성능을 분리해서 봅니다. 전체 평균이 좋아도 특정 기종이나 공장의 성능이 낮으면 안전 위험이 남습니다.
예지정비 AI의 ROI를 계산하는 방법
가장 먼저 설비 정지 한 시간의 손실을 계산해야 합니다. 생산하지 못한 제품의 매출총이익, 대체 설비와 초과근무, 긴급 부품 운송, 납기 지연과 고객 보상을 포함합니다. 여기에 불필요한 예방정비와 정상 부품 폐기 비용을 더하면 AI가 줄일 수 있는 경제적 범위가 보입니다.
AI 도입 후에는 실제로 피한 고장만 집계해야 합니다. 정비 일정상 교체될 부품이었다면 전체 금액을 AI 가치로 잡을 수 없습니다. 경고 시점과 정비 결과를 연결해 전문가가 기여도를 확인해야 합니다.
순효과를 계산할 때는 센서와 통신, 데이터 저장, 모델 개발·검증, 현장 시스템 연동, 추가 검수와 재교육 비용을 차감합니다. 설비 활용률이 늘어도 시장 수요가 없어 생산량을 늘리지 못하면 확보한 용량의 재무가치는 제한될 수 있습니다.
예지정비 실증은 어떻게 설계해야 하나
한 라인에서 AI 경고를 엔지니어에게만 보여주는 권고 모드로 시작합니다. 기존 정비기준과 다른 사례를 실제 분해 결과로 확인한 뒤 저위험 점검 일정부터 자동으로 조정합니다.
드문 고장은 짧은 실험에서 우연의 영향을 크게 받습니다. 비슷한 설비 여러 대와 충분한 기간을 확보해야 합니다. 안전 관련 미탐은 한 건도 치명적일 수 있으므로 평균 ROI가 좋아도 자동화 금지 영역을 남겨야 합니다.
자주 묻는 질문
예지정비와 예방정비는 무엇이 다른가요?
예방정비는 정해진 시간이나 사용량에 맞춰 부품을 교체합니다. 예지정비는 센서와 운전 데이터를 분석해 실제 상태에 따라 정비 시점을 결정합니다.
AI가 항공 엔진의 정비 여부를 혼자 결정하나요?
공개 사례에서 AI는 이상을 탐지하고 정비 판단을 지원합니다. 안전과 운항에 영향을 주는 최종 결정은 인증된 절차와 전문가 책임 아래 이뤄져야 합니다.
오래된 설비에도 예지정비를 적용할 수 있나요?
필요한 센서를 추가하고 정비기록을 정리하면 가능하지만, 데이터가 부족하면 처음부터 복잡한 AI보다 임계값과 간단한 이상탐지로 시작하는 편이 안전합니다.
함께 읽으면 좋은 글
AI 거버넌스 전문 팀, 다빈치에 문의하세요
다빈치는 대기업, 스타트업, 공공기관 AI 거버넌스 구축 경험을 고루 갖춘 탑티어 인프라 엔지니어 조직입니다. AI 도입을 고민하고 계신 기업 담당자들께서는 고민을 다빈치에 편하게 공유해주세요. 상담은 무료입니다.