산업 현장에서 센서를 이용해 온도, 압력, 진동, 유량, 수위 등을 지속적으로 측정하다 보면 평소와 전혀 다른 값이 갑자기 나타나는 경우가 있습니다. 일정한 범위에서 움직이던 데이터가 순간적으로 크게 상승하거나 반대로 급격하게 떨어지는 경우도 있습니다.
이처럼 전체적인 데이터 흐름에서 벗어난 값을 일반적으로 이상값(Outlier)이라고 합니다.
이상값이 발생했다고 해서 무조건 센서가 고장난 것은 아닙니다. 실제 공정에서 순간적인 변화가 발생했을 수도 있고, 센서 주변 환경이나 통신 과정에서 문제가 발생했을 수도 있습니다. 따라서 산업용 센서 데이터를 제대로 관리하기 위해서는 이상값이 발생한 원인을 구분하고 적절하게 대응하는 과정이 필요합니다.
51번 글에서는 신뢰할 수 있는 센서 데이터의 중요성과 데이터 품질 관리 방법을 살펴보았습니다. 이번 글에서는 그 연장선에서 센서 데이터에 나타나는 이상값이 무엇인지, 왜 발생하는지, 그리고 현장에서 어떻게 확인하면 좋은지 알아보겠습니다.
1. 이상값(Outlier)의 의미
이상값은 전체 데이터의 일반적인 패턴이나 범위에서 크게 벗어난 값을 의미합니다.
예를 들어 어떤 설비의 정상적인 온도가 60~70℃ 사이에서 유지되고 있다고 가정해 보겠습니다. 대부분의 측정값이 65℃ 전후에서 나타나는데 특정 순간에만 120℃라는 값이 기록되었다면 해당 값은 이상값일 가능성이 있습니다.
하지만 여기서 중요한 점이 있습니다.
120℃라는 값이 무조건 잘못된 데이터라고 단정할 수는 없습니다.
실제로 설비에 문제가 발생해 온도가 급격하게 상승했을 수도 있기 때문입니다.
따라서 이상값을 발견했을 때는 ‘잘못된 데이터’라고 바로 판단하기보다는 왜 이런 값이 발생했는지 확인하는 과정이 필요합니다.
2. 센서 이상값이 발생하는 주요 원인
2-1. 순간적인 외부 영향
산업 현장에서는 센서가 항상 일정한 환경에서 작동하는 것이 아닙니다.
설비의 시동이나 정지, 밸브의 개폐, 생산 조건의 변화 등으로 측정 대상이 순간적으로 크게 변할 수 있습니다.
예를 들어 모터가 갑자기 작동하면서 진동이 순간적으로 증가할 수 있습니다. 이 경우 진동센서에서 평소보다 높은 값이 측정되더라도 반드시 센서 오류라고 볼 수는 없습니다.
실제 설비에서 발생한 변화라면 오히려 중요한 데이터가 될 수 있습니다.
2-2. 센서 신호의 순간적인 오류
센서 자체 또는 신호 전달 과정에서 순간적인 오류가 발생하는 경우도 있습니다.
전기적인 노이즈나 순간적인 전원 변동, 신호선의 접촉 상태 등에 의해 센서 출력이 일시적으로 크게 변할 수 있습니다.
이 경우 실제 측정 대상에는 특별한 변화가 없는데 센서 데이터만 갑자기 튀는 현상이 나타날 수 있습니다.
특히 한 번만 비정상적인 값이 나타난 뒤 바로 기존 범위로 돌아오는 경우에는 주변 전기 환경이나 신호 전달 상태를 함께 확인할 필요가 있습니다.
2-3. 센서 설치 상태의 변화
센서가 설치된 위치나 방향이 변하는 것도 이상값의 원인이 될 수 있습니다.
예를 들어 진동센서가 설비에 단단하게 고정되어 있어야 하는데 고정 상태가 느슨해지면 측정값이 이전과 다르게 나타날 수 있습니다.
거리센서 역시 측정 대상과의 위치 관계가 변하면 예상하지 못한 값이 발생할 수 있습니다.
따라서 이상값이 반복적으로 발생한다면 센서 자체뿐만 아니라 설치 상태와 기계적인 고정 상태도 함께 점검하는 것이 좋습니다.
2-4. 센서의 노후화
센서를 오랫동안 사용하면 시간이 지나면서 측정 특성이 변할 수 있습니다.
이러한 변화가 천천히 진행되는 경우도 있지만 특정 조건에서 갑자기 불안정한 출력이 나타나는 경우도 있습니다.
특히 장기간 사용한 센서에서 과거에는 나타나지 않았던 이상값이 반복적으로 발생한다면 센서의 상태와 사용 기간을 확인해 볼 필요가 있습니다.
2-5. 통신 및 데이터 수집 문제
센서 자체에는 문제가 없지만 데이터를 전달하고 저장하는 과정에서 이상값처럼 보이는 데이터가 발생할 수도 있습니다.
센서에서 측정한 값이 PLC나 데이터 수집 장치, 서버 등 여러 단계를 거쳐 저장되는 시스템이라면 각각의 과정에서 통신 오류가 발생할 가능성이 있습니다.
따라서 데이터에 이상값이 발생했을 때는 센서만 확인하지 말고 데이터가 어떤 과정을 거쳐 저장되는지도 확인해야 합니다.
3. 이상값과 실제 설비 이상 구분
이상값을 관리할 때 가장 어려운 부분은 센서 오류와 실제 설비 이상을 구분하는 것입니다.
예를 들어 펌프의 진동값이 평소보다 크게 상승했다고 가정해 보겠습니다.
단순히 ‘센서 이상’이라고 판단하고 해당 데이터를 삭제하면 실제 펌프에 문제가 발생하고 있는 중요한 신호를 놓칠 수 있습니다.
반대로 실제 설비는 정상인데 센서 오류로 높은 값이 기록된 것이라면 불필요한 점검이나 정비가 발생할 수 있습니다.
따라서 하나의 센서값만 보고 판단하기보다는 다른 정보와 함께 비교하는 것이 좋습니다.
예를 들어 다음과 같은 항목을 함께 확인할 수 있습니다.
- 같은 시간대의 다른 센서 데이터
- 설비의 운전 상태
- 생산량이나 공정 조건
- 과거 동일 조건에서의 측정값
- 이상값이 지속되었는지 여부
- 센서 설치 상태
- 통신 및 전원 상태
이러한 정보를 함께 확인하면 이상값의 원인을 보다 정확하게 판단하는 데 도움이 됩니다.
4. 일시적인 이상값과 지속적인 이상값
이상값은 발생 형태에 따라서도 순간적인지, 지속적인지, 또는 점진적으로 발생하는지 구분할 수 있습니다.
4-1. 순간적인 이상값
정상적인 데이터 흐름에서 특정 시점에만 값이 크게 튀었다가 곧바로 원래 범위로 돌아오는 형태입니다.
예를 들어 온도 데이터가 65℃, 66℃, 65℃, 110℃, 66℃, 65℃와 같이 나타난다면 110℃가 순간적인 이상값일 가능성을 검토할 수 있습니다.
이 경우 실제 공정 변화가 있었는지, 외부 충격이나 노이즈가 있었는지 확인하는 것이 좋습니다.
4-2. 지속적인 이상값
특정 시점 이후부터 데이터가 계속 이전과 다른 범위에서 나타나는 경우입니다.
예를 들어 평소 60~70℃에서 유지되던 온도가 어느 순간부터 80~90℃에서 지속된다면 단순한 순간 오류보다는 설비 상태나 운전 조건에 변화가 발생했을 가능성을 확인해야 합니다.
이러한 데이터는 예지보전 관점에서도 중요한 의미를 가질 수 있습니다.
4-3. 점진적으로 증가하는 이상 패턴
센서값이 한 번에 크게 상승하지 않고 시간이 지나면서 조금씩 증가하는 경우도 있습니다.
예를 들어 모터의 진동값이 몇 주 동안 조금씩 증가하고 있다면 센서 오류보다는 설비의 상태 변화 가능성을 검토할 필요가 있습니다.
이처럼 이상값을 판단할 때는 단순히 하나의 숫자를 보는 것보다 시간에 따른 변화 패턴을 확인하는 것이 중요합니다.
5. 이상값을 발견했을 때의 점검 순서
현장에서 이상값이 발생했다면 다음과 같은 순서로 확인해 보는 것이 좋습니다.
5-1. 실제 공정 변화 확인
먼저 해당 시간에 설비나 공정에 실제 변화가 있었는지 확인합니다.
설비가 정지하거나 재가동했는지, 생산 조건이 변경되었는지, 밸브나 펌프 등의 동작이 있었는지를 확인하면 원인을 찾는 데 도움이 됩니다.
5-2. 다른 센서와 비교
같은 설비에 여러 센서가 설치되어 있다면 관련 센서의 데이터를 함께 확인해 보시는 것이 좋습니다.
예를 들어 모터의 진동값과 온도값이 동시에 상승했다면 실제 설비 상태가 변했을 가능성을 검토할 수 있습니다.
반대로 한 센서만 갑자기 크게 변했다면 해당 센서의 상태를 우선적으로 확인해 볼 수 있습니다.
5-3. 센서와 배선 확인
센서의 고정 상태, 케이블, 커넥터, 전원 상태 등을 확인합니다.
특히 이상값이 특정 시간대에 반복적으로 발생한다면 케이블이나 연결 상태에 문제가 없는지 살펴볼 필요가 있습니다.
5-4. 과거 데이터와 비교
현재 발생한 이상값을 과거의 동일한 운전 조건과 비교하면 판단에 도움이 됩니다.
특정 상황에서 항상 비슷한 값이 발생한다면 실제 공정 특성일 가능성이 있습니다.
반대로 과거에는 전혀 나타나지 않았던 값이라면 추가적인 점검이 필요할 수 있습니다.
6. 이상값을 무조건 삭제하면 안 되는 이유
데이터 분석 과정에서 이상값을 발견하면 해당 값을 삭제하고 싶은 경우가 있습니다.
하지만 산업용 센서 데이터에서는 신중하게 접근해야 합니다.
이상값이 실제 설비의 고장이나 이상 상태를 나타내는 중요한 신호일 수도 있기 때문입니다.
예를 들어 베어링 이상으로 인해 진동이 갑자기 증가했다면 그 값은 분석에서 제거해야 할 오류 데이터가 아니라 오히려 설비 이상을 알려주는 중요한 데이터가 될 수 있습니다.
따라서 이상값을 발견했을 때는 단순히 삭제하기보다는 원인을 기록하고 상태를 구분하는 것이 좋습니다.
예를 들어 다음과 같이 관리할 수 있습니다.
| 데이터 상태 | 가능한 원인 | 관리 방법 |
|---|---|---|
| 순간적인 급등 | 노이즈, 외부 충격, 실제 공정 변화 | 발생 시점 확인 |
| 지속적인 상승 | 설비 상태 변화, 운전 조건 변화 | 추세 분석 |
| 특정 센서만 이상 | 센서 또는 배선 문제 | 센서 점검 |
| 여러 센서 동시 변화 | 실제 공정 변화 가능성 | 설비 상태 확인 |
| 데이터 자체 누락 | 통신 또는 저장 문제 | 통신 상태 확인 |
이렇게 데이터를 구분해 관리하면 나중에 분석할 때도 더욱 유용하게 활용할 수 있습니다.
7. 예지보전에서 이상값이 갖는 의미
51번에서는 센서 데이터 품질의 중요성에 대해 살펴보았습니다. 이번 글에서 다룬 이상값 역시 데이터 품질과 밀접한 관계가 있습니다.
하지만 이상값은 단순히 제거해야 하는 문제가 아닙니다.
예지보전에서는 오히려 이상값이 설비의 상태 변화를 알려주는 중요한 단서가 될 수 있습니다.
예를 들어 정상적인 진동 데이터가 오랫동안 일정하게 유지되다가 특정 시점부터 이상값이 자주 발생한다면 해당 설비의 상태를 자세히 확인할 필요가 있습니다.
따라서 예지보전 시스템에서는 ‘이상값이 있다’는 사실뿐만 아니라 이상값이 언제, 얼마나 자주, 어떤 조건에서 발생했는지까지 함께 관리하는 것이 중요합니다.
8. 센서 데이터 이상값 관리의 핵심
산업 현장에서 이상값을 완벽하게 없애는 것은 현실적으로 어렵습니다.
중요한 것은 이상값이 발생했을 때 이를 무조건 오류로 판단하지 않고 발생 원인을 확인하는 것입니다.
센서의 상태, 설치 환경, 전기적인 조건, 통신 상태, 실제 설비의 운전 상태를 함께 확인하면 이상값의 원인을 구분하는 데 도움이 됩니다.
특히 예지보전이나 설비 모니터링을 위해 센서 데이터를 장기간 축적하고 있다면 이상값이 발생한 시점과 원인을 함께 기록해 두는 것이 좋습니다.
이러한 기록이 쌓이면 향후 비슷한 문제가 발생했을 때 더욱 빠르게 원인을 찾을 수 있습니다.
9. 마무리
산업용 센서 데이터에서 발생하는 이상값은 단순한 오류 데이터일 수도 있지만 실제 설비의 상태 변화를 나타내는 중요한 신호일 수도 있습니다.
따라서 특정 값이 평소와 다르다는 이유만으로 데이터를 바로 삭제하거나 센서 고장으로 판단해서는 안 됩니다.
이상값이 발생한 시간과 상황을 확인하고, 다른 센서의 데이터와 비교하며, 센서와 배선 및 통신 상태까지 단계적으로 점검하는 것이 중요합니다.
특히 예지보전에서는 이상값 자체보다 이상값이 반복되는 패턴과 시간에 따른 변화를 확인하는 것이 더욱 중요합니다.
이번 글에서는 센서 데이터의 이상값이 발생하는 원인과 대응 방법을 살펴보았습니다. 다음 53번에서는 센서 데이터의 기준점과 관련된 중요한 개념인 영점(Zero Point)과 오프셋 변화를 중심으로, 센서의 기준값이 왜 달라지고 측정값에 어떤 영향을 미치는지 알아보겠습니다.