펌프 설비 백업전원 진단

수처리 펌프 설비의 ESS 데이터를 Machbase Neo에 저장하고, 임계값·상승률·패턴을 분석해 이상 징후를 조기에 감지하는 과정을 소개합니다.

이 데모에서는 정수장 펌프 설비의 백업 전원(ESS)에서 수집한 셀·랙별 온도와 전압 데이터를 Machbase Neo에 저장합니다. 임계값만으로 놓칠 수 있는 이상 징후를 상승률과 패턴 분석으로 감지합니다. 정전 시에도 운전을 유지해야 하는 펌프는 배터리 백업 전원을 상시 갖추고 있습니다. 셀 하나의 열폭주가 랙 전체의 화재로 번지면 급수 중단으로 이어질 수 있으므로 셀 단위의 감시가 중요합니다.

4개 랙과 48개 셀의 온도·전압, 펌프 부하를 포함한 98개 태그를 1초 간격으로 수집합니다. 24시간 분량인 846만 건은 28초(초당 약 30만 건)에 적재됩니다. 태그 테이블은 METADATA 절에 사이트·랙·셀·계측 항목을 함께 저장하므로, 태그명을 문자열로 파싱하지 않고 where rack='R02' and metric='TEMP'처럼 바로 조회할 수 있습니다. 초·분·시 단위의 3단계 롤업도 자동 생성되어 원본 846만 건을 유지한 채 집계 결과를 즉시 확인할 수 있습니다.

8개의 TQL 스크립트를 사용해 임계값, 상승률, 이상 패턴 순으로 감지 수준을 높여 갑니다. 온도 55도의 단순 임계값은 1초간 발생한 센서 스파이크에도 경보를 내지만, 열폭주가 진행 중인 셀을 놓칠 수 있습니다. 반면 5분 롤업으로 온도 상승률을 계산하면 절대 온도가 임계값에 도달하기 전인 51.6도에서 분당 0.27도의 상승을 감지해 같은 셀을 위험 상태로 판단합니다. 온도는 정상이어도 전압만 낮아지는 열화 셀은 같은 랙 내 셀 간 전압 편차의 추이로 찾아냅니다. 1분 구간의 최댓값과 평균값 차이를 이용하면 일시적인 센서 오탐과 지속적인 실제 과열도 구분할 수 있습니다.

마지막으로 상승률·온도·셀 간 편차·전압 강하의 네 가지 위험도에 가중치를 적용한 규칙 기반 건전성 지수로 48개 셀을 한 표에 정렬합니다. 열폭주가 진행 중인 셀은 18.9점으로 위험, 전압만 낮아지는 열화 셀은 74.0점으로 주의 상태가 됩니다. 점수와 함께 주요 감점 원인도 표시해 점수가 비슷해도 위험 원인이 다를 수 있음을 설명합니다.

별도의 분석 스택이나 학습 모델 없이 태그 테이블과 TQL만으로 임계값에 도달하기 전에 설비 이상을 감지하고, 판단 근거까지 웹 화면에서 확인하는 방법을 소개합니다.