에너지 흐름 기반 정성적 규모 분석을 통한 고장 모드 예측

초록

본 논문은 전기·유체 등 다양한 도메인의 시스템을 전력·에너지 흐름 네트워크로 모델링하고, 정성적 규모(OM) 기법을 적용해 최악의 고장 모드를 도출하는 FMEA 방법을 제시한다. 전역 전력 흐름과 지역 상태 기반 모델을 2단계로 결합해 정성 시뮬레이션의 포괄성을 유지하면서 해석 모호성을 최소화한다. 항공기 연료 시스템과 가정용 난방 시스템 사례를 통해 자동화된 FMEA 도구 구현 가능성을 입증한다.

상세 분석

이 연구는 전통적인 정성적 시뮬레이션이 갖는 ‘정성적 모호성’ 문제를 두 단계 모델링 전략으로 해결한다는 점에서 의미가 크다. 첫 번째 단계는 시스템 전체를 전력 흐름 네트워크로 추상화한다. 여기서 전력(또는 유체 압력·유량 등)은 전역적인 흐름 변수로서, 노드와 엣지(구성 요소와 연결)를 통해 전력 전달 경로를 시각화한다. 두 번째 단계에서는 각 구성 요소를 ‘상태 기반 로컬 모델’로 표현한다. 이 로컬 모델은 해당 부품이 가질 수 있는 정성적 상태(예: 정상, 부분 고장, 완전 고장)를 정의하고, 각 상태에서 전력 흐름에 미치는 영향을 ‘규모(order of magnitude, OM)’ 단위로 정량화한다. OM은 10배 단위의 로그 스케일을 사용해 “극소”, “소”, “중”, “대” 등으로 구분함으로써, 정확한 수치가 없어도 상대적인 영향력을 비교할 수 있다.

고장 모드와 효과 분석(FMEA)에서는 ‘과장 추론(exaggeration reasoning)’을 적용한다. 이는 잠재적 고장이 발생했을 때 가장 악영향을 미칠 수 있는 시나리오를 선택적으로 확대해 보는 기법이다. OM 기반 네트워크 분석은 여러 전원(전압원, 압력원 등)이 동시에 존재하는 복합 시스템에서도 적용 가능하도록 설계되었으며, 이는 기존 전기 전용 정성적 네트워크 분석기가 다루지 못했던 영역이다.

핵심적인 기술적 기여는 다음과 같다. 첫째, 전력 흐름을 도메인에 구애받지 않는 일반화된 네트워크 형태로 모델링함으로써 전기·유체·열·기계 등 다양한 시스템에 동일한 분석 프레임워크를 적용할 수 있게 했다. 둘째, 로컬 상태 모델을 정성적 방정식 대신 ‘상태 전이 다이어그램’ 형태로 제시해, 설계자나 엔지니어가 직관적으로 이해하고 수정할 수 있도록 했다. 셋째, OM 스케일을 활용한 과장 추론은 최악의 고장 시나리오를 빠르게 식별하고, 위험 우선순위(RPN)를 정성적으로 산정하는 데 유용하다.

실험 사례로는 항공기 연료 공급 시스템과 가정용 난방 시스템을 선택했다. 항공기 사례에서는 연료 펌프 고장, 밸브 오작동, 압력 센서 오류 등을 모델링하고, OM 기반 네트워크 분석을 통해 연료 공급 중단이라는 최악 시나리오가 특정 고장 조합에서 발생함을 확인했다. 가정용 난방 시스템에서는 보일러, 펌프, 밸브, 온도 센서 등 8개의 주요 부품을 대상으로 하여, ‘보일러 과열’과 ‘펌프 고장’이 동시에 발생할 경우 난방 효율이 급격히 저하되는 상황을 도출했다. 두 사례 모두 자동화된 FMEA 툴에 적용했을 때, 기존 수치 기반 FMEA 대비 30% 이상 빠른 고장 우선순위 도출과 해석 오류 감소 효과를 보였다.

한계점으로는 OM 스케일이 10배 단위이므로 미세한 차이를 구분하기 어려운 점, 그리고 로컬 상태 모델링에 필요한 전문가 지식이 충분히 확보되지 않을 경우 모델 정확도가 저하될 수 있다는 점을 들 수 있다. 또한, 네트워크 규모가 매우 커질 경우 상태 전이 조합이 폭발적으로 증가해 계산 비용이 증가할 가능성이 있다. 향후 연구에서는 OM 스케일을 다중 단계(예: 2배, 5배)로 세분화하거나, 머신러닝 기반 자동 상태 모델 생성 기법을 도입해 전문가 의존도를 낮추는 방안을 제시한다.