25장 엔코더 노이즈를 이용한 장비 이상 자동 감지 시스템

엔코더 파형은 장비의 ‘심전도(ECG)’다

고장·열화·진동·마모를 가장 먼저 알려주는 신호.

현장의 장비 고장은 크게 두 가지로 나뉩니다.

• 갑자기 발생하는 고장(돌발)
• 서서히 진행되는 고장(열화)

더 위험한 것은 2번, 서서히 진행되는 열화입니다.
눈으로 안 보이고, 센서 값도 정상처럼 보이고, 장비는 계속 돌아가기 때문입니다.

하지만 엔코더 파형만은 거짓말을 하지 않습니다.

 

---

 

1️⃣ 왜 엔코더 신호로 장비 이상을 감지할 수 있을까?

엔코더는 장비의 움직임을 가장 정직하고 민감하게 반영합니다.
장비에 문제가 생기면 가장 먼저 변하는 것이 바로 A/B 위상 파형입니다.

예시 (원인 → 파형 변화)

• 베어링 마모 → 미세 난반응 → 펄스 폭 변화
• 벨트 늘어짐 → Backlash 증가 → 위상 지연
• 모터 진동 증가 → 펄스 변동성 증가
• 이물질 끼임 → 규칙적 펄스 변형
• 축 흔들림 → A/B 위상 간격 불규칙

✔ 엔코더 파형은 장비 상태를 실시간으로 반영하는 최고의 지표입니다.

 

---

 

2️⃣ 자동 감지 시스템이 보는 ‘5가지 엔코더 이상 패턴’

FPGA 기반 자동 감지 시스템은 아래 5가지 이상 징후를 지속적으로 모니터링합니다.

패턴 1) 펄스 폭 불규칙성 (Pulse Width Variation)

• 정상 장비 → 펄스 간격 일정
• 열화 장비 → 펄스 간격 랜덤 변동

원인: 축 흔들림 / 베어링 마모 / 진동 증가

패턴 2) 위상 어긋남 (Phase Shift)

• 정상 → A/B 위상 90° 유지
• 이상 → 위상 앞섬/뒤짐 발생

원인: Backlash 증가 / 벨트 늘어짐 / 부하 변화

패턴 3) 가짜 펄스(Spike) 발생

전기적 노이즈, 차폐 문제, 모터 간섭 등으로 Spike가 증가하면
장비 상태가 정상이라도 라인 품질은 먼저 무너질 수 있습니다.

원인: 노이즈/차폐 문제/EMI 간섭
포인트: Spike 증가 = 반드시 이상 신호로 봐야 함

패턴 4) 펄스 드롭(Pulse Drop)

펄스가 빠지면 X 좌표가 망가지고, 속도 보정으로도 복구가 어렵습니다.
➡ 검사 정확도 저하로 직결

원인: 케이블 손상 / 헤드 열화 / 커넥터 마모

패턴 5) 진폭 변형 (Signal Amplitude Distortion)

신호 레벨이 흔들리면 임계값 판단이 불안정해지고
결국 위상/펄스 품질까지 무너질 수 있습니다.

원인: 전압 부족 / 접점 산화 / 패턴 손상(스케일/헤드)

 

---

 

3️⃣ 자동 감지 시스템 구조 (FPGA + Signal Scope 기반)

1. FPGA가 엔코더 A/B 파형 실시간 수집 (µs/ns 단위 샘플링)
2. 펄스 폭/위상/Spike/Drop 특징값 추출 (지속 모니터링)
3. 이상 패턴 자동 분류 (임계값 또는 AI 기반)
4. 장비 이상 예측 (모터 열화, 부하 증가, Backlash, 베어링 손상)
5. 경고·로그화·AI 학습 데이터로 자동 저장

 

---

 

4️⃣ 실제 현장 적용 사례

✔ 사례 1 — 코터(Coater) 라인 Backlash 이상 자동 감지

• 증상: 제품마다 검사 위치 차이 발생
• 분석: 엔코더 위상 지연 증가
• 조치: 벨트 장력 문제 확인 → 자동 경고

✔ 사례 2 — 2차전지 캘린더 라인 진동 증가 감지

• 증상: Z값 들쭉날쭉
• 분석: 펄스 폭 변동 패턴 증가
• 조치: 지지대 볼트 풀림 발견

✔ 사례 3 — 3D 라인 프로파일 찢어짐 사전 경고

• 원인: 펄스 드롭 증가
• 판단: 엔코더 케이블 단선 근접
• 결과: 초기 단계에서 경고 → 다운타임 회피

✔ 사례 4 — 로터리 엔코더 마모 초기 감지

• 현상: 특정 구간에서 위상 일시적 붕괴 반복
• 판단: 엔코더 열화 초기 단계

 

---

 

5️⃣ 기존 센서 대비 “엔코더 기반 감지”의 압도적 장점

• 추가 센서 필요 없음
• 장비 동작을 그대로 반영
• 고장 전조(early symptom)를 가장 빨리 포착
• 데이터 기반 정비(PdM) 가능
• AI 학습용 ‘진짜 상태 데이터’ 확보
• 장비별 편차·열화 정도 비교 가능

✔ 센서로는 잡히지 않는 이상이
✔ 엔코더에서는 가장 빨리 나타납니다.

 

---

 

6️⃣ 도입 효과

• 라인 다운타임 감소
• 장비 열화 사전 감지
• 부품 교체 시점 최적화
• 2D/3D 검사 결과 안정성 증가
• 클레임/불량률 감소
• 유지보수 비용 절감
• AI 예지보전(Predictive Maintenance) 기반 데이터 확보

 

---

 

📌 핵심 요약

• ✔ 엔코더 파형은 장비의 ‘건강 상태’를 가장 빨리 반영
• ✔ 펄스·위상·Spike·드롭·진폭 변형 5가지 패턴으로 열화 진단 가능
• ✔ FPGA 기반 자동 감지는 µs/ns 단위 정밀 모니터링 가능
• ✔ 사전 감지로 다운타임을 획기적으로 줄일 수 있음
• ✔ 엔코더 기반 상태 감지는 스마트팩토리 핵심 기술

 

---

 

🔜 다음 글 예고
👉 No.26 – 고정밀 타이밍 설계가 AI 검사 정확도에 미치는 영향

제품 문의 & 기술 자료 요청

성원기술 · SWTEC Co., Ltd.

이메일

kiwi@swtec.co.kr

전화

031-479-6530

이메일로 문의하기 기술 자료 요청하기

#ETIO #SCP3D #SIGNALSCOPE #성원기술 #머신비전 #2차전지검사 #반도체계측