대형 조선소 케이블 관리 자동화 도입 실무 해설

현장에서는 복잡한 케이블 배치와 인력 부족으로 작업 지연과 비용 초과가 빈번히 발생한다. 자동화 시스템을 도입하면 설계·시공·검증 전 과정을 표준화하고, 오류를 사전에 차단할 수 있다. 본 장에서는 자동화 도입 절차를 실무 체크리스트 형태로 정리하여 현장 적용 가능성을 높인다.

현황을 진단하고 목표를 정의한다

대형 조선소에서는 선체 내부에 수천 미터에 달하는 전력·제어 케이블이 복합적으로 배치된다. 기존 설계 단계에서는 2D 배선도와 종이 기반 작업 지시서가 주로 활용돼, 현장 배선 변경 시 도면과 실물 간 불일치가 빈번히 발생한다. IEC 60092‑1(해양 전기 설비)에서는 케이블 경로와 지지구조를 명확히 기록하도록 권고하고 있으나, 실제 현장에서는 이 기준이 부분적으로만 적용되는 경우가 많다. 따라서 첫 번째 과제는 “케이블 배치 현황을 정량적으로 파악하고, 자동화 도입 목표를 수치화”하는 것이다.

진단 절차는 크게 세 단계로 나눈다. ① 현장 조사: 레이저 스캐너와 드론 촬영을 이용해 케이블 트레이·함수관의 3D 포인트 클라우드를 획득한다. 예시로 3,200 m² 면적에 5,800 m 길이의 트레이가 존재한다면, 평균 트레이 간격은 0.55 m(=3,200 m²÷5,800 m)이다. ② 데이터 정제: IEC 61537(케이블 트레이)와 DNV‑GL Rule 3.5에 따라 트레이 종류·하중·방식 등을 속성화한다. ③ 목표 설정: 자동화 도입 시 기대 효과를 KPI로 정의한다. 예를 들어 배선 오류 감소율을 30 % 이상, 설계‑시공 연계 시간 단축을 20 % 이상으로 설정한다.

목표를 구체화하기 위해서는 현재 오류 발생 빈도를 측정해야 한다. 최근 조사에 따르면 1,000 m 케이블당 평균 2.4건의 설계‑시공 불일치가 보고되었다. 이를 기준으로 자동화 도입 후 오류를 30 % 이상 감소시키면 연간 720건·(2.4 × 1,000 ÷ 100 × 30) 정도 절감될 것으로 예상된다.

이러한 수치를 바탕으로 프로젝트 범위와 예산을 산정한다. 초기 투자비용은 3D 스캐닝·데이터베이스 구축에 1억 원, 센서·IoT 인프라에 5천만 원, BIM 연동 시스템에 7천만 원 정도가 소요될 것으로 추산된다. 총 투자 대비 기대 절감액은 연간 2억 원 이상으로, ROI는 2년 이내 회수가 가능하다.

• 현장 3D 스캔 데이터의 포인트 밀도(≥5 pts/m²) 확인
• 케이블 트레이·함수관 속성(하중, 재질, 규격) 정의 완료 여부
• 설계‑시공 오류 발생 빈도(건/1,000 m) 측정값 확보
• 자동화 도입 목표(KPI) 수치(오류 감소 %·시간 단축 %) 설정
• 예산 대비 기대 절감액(연간 원) 산출 검증

데이터 모델을 설계하고 표준을 적용한다

데이터 모델링 단계에서는 IEC 60092‑101(선박 전기 설비 – 일반 규칙)과 DNV Rule 3.5를 기준으로 케이블·경로·설비 정보를 구조화한다. 핵심 객체는 “Cable”, “Tray”, “Conduit”, “Equipment”이며, 각각은 고유 식별자(ID), 규격(규격명·규격번호), 물리적 속성(길이·단면·절연재료), 환경 조건(온도·진동·방폭 구역) 등을 속성으로 가진다.

예시 데이터 모델을 표 1에 제시한다. 여기서는 가상의 380 V·3상·50 kW 전동기를 위한 케이블을 모델링한다. IEC 60364‑5‑52에 따라 전압 등급·전류 용량·절연 등급을 지정하고, DNV Rule 3.5‑A에 따라 방폭 구역(Zone 1)에서는 IEC 60079‑1에 부합하는 방폭 케이블을 사용한다.

데이터 표준화를 위해서는 속성값의 단위와 형식을 통일해야 한다. 전압은 V, 전류는 A, 길이는 m, 온도는 °C로 정의한다. 또한, 코드값(예: “Ex d IIC”)은 IEC 60079‑1에 명시된 방폭 등급표와 일치하도록 검증한다.

표준 적용 검증은 자동화 툴을 통해 이루어진다. 모델링 단계에서 “속성 누락” 알림이 발생하면 즉시 보완한다. 예를 들어, 트레이에 부착된 케이블이 방폭 구역을 통과할 경우, 해당 트레이 객체에 “Zone 1” 속성을 추가하고 방폭 케이블만 연결하도록 규칙을 설정한다.

• 데이터 객체(Cable·Tray·Conduit·Equipment) 정의 완료 여부
• 속성 단위(V·A·m·°C) 일관성 검증
• IEC 60092·DNV Rule 3.5 적용 범위 확인
• 방폭 등급(Ex d IIC 등) 규격 매핑 정확성 검증
• 자동화 검증 툴을 통한 누락 속성 알림 구현 여부

센서와 IoT 장치를 배치한다

자동화 시스템의 핵심은 실시간 모니터링을 위한 센서 네트워크이다. 전류·전압·온도 센서는 IEC 60092‑351(전력 케이블 시험)과 IEC 60364‑5‑53(전기 설비 보호) 기준에 맞는 제품을 선택한다. 각 센서는 최소 0.1 % 정확도와 1 s 주기의 데이터 전송을 지원해야 하며, 통신은 IEC 61850 기반의 Ethernet/IP 또는 무선(IEEE 802.11 ax) 중 현장 환경에 맞게 선택한다.

배치 전략은 ① 주요 전원 분배함, ② 엔진실·보일러실 방폭 구역, ③ 케이블 트레이 상·하단 총 30개 지점에 센서를 설치하는 것으로 설계한다. 가령 380 V·50 kW 부하가 3상으로 연결된 경우, 전류 센서는 120 A 정격을 갖고, 온도 센서는 –20 °C~+80 °C 범위에서 0.5 °C 정확도를 제공한다.

1. 전류 센서 선정: 정격 120 A, 정확도 0.1 % → 3상 각각 1개, 총 3개.
2. 전압 센서 선정: 정격 380 V, 정확도 0.2 % → 3상 각각 1개, 총 3개.
3. 온도 센서 선정: 측정 범위 –20 °C~+80 °C, 정확도 0.5 °C → 트레이 구간당 2개, 총 20개.

통신망은 IEC 61850‑8‑1에 정의된 MMS(Message Management System) 프로토콜을 사용해 중앙 서버와 연결한다. 데이터 전송량은 센서당 1 KB/s이며, 30개 센서 합계는 30 KB/s로, 100 Mbps 이더넷 환경에서 충분히 처리 가능하다. 또한, 무선 구역에서는 IEEE 802.11 ax를 적용해 2 Gbps 최대 전송 속도를 확보한다.

센서 배치 후 초기 캘리브레이션 단계에서는 IEC 60364‑5‑53에 따라 전류·전압·온도 기준값을 입력하고, 경보 임계값을 설정한다. 예를 들어, 트레이 온도가 60 °C를 초과하면 즉시 알람을 발생시키고, 전류가 110 A(정격의 92 %)를 초과하면 부하 차단을 자동화한다.

• 전류·전압·온도 센서 정격(전압 V·전류 A·온度 °C) 확인
• 통신 프로토콜(IEC 61850‑8‑1) 적용 여부 검증
• 센서 설치 위치(분배함·방폭 구역·트레이) 30곳 확정
• 데이터 전송량(≤30 KB/s) 및 네트워크 대역폭(≥100 Mbps) 적합성 확인
• 경보 임계값(전류 110 A·온度 60 °C) 설정 및 테스트 완료

BIM‑Cable 연동을 구현한다

BIM‑Cable 연동은 CAD(예: AutoCAD 2024)와 BIM(예: Autodesk Revit) 시스템 간 데이터 흐름을 자동화하는 과정이다. IEC 60092‑101에 정의된 케이블 속성을 BIM 객체(Property Set)로 매핑하고, DNV Rule 3.5‑B에 따른 설계 검증 로직을 적용한다. 연동 시 주요 단계는 ① 데이터 추출, ② 변환 스크립트 작성, ③ 3D 모델 자동 생성, ④ 검증 및 피드백 순으로 진행한다.

데이터 추출 단계에서는 앞서 구축한 데이터베이스에서 케이블 ID, 경로 좌표, 규격, 방폭 등급 등을 CSV 형태로 내보낸다. 변환 스크립트는 Python 3.9 기반으로 작성되며, 각 레코드를 Revit API의 FamilyInstance로 매핑한다. 예시로 250 m 길이의 XLPE 절연 케이블을 3D 라인으로 변환할 때, 좌표 간격은 0.5 m(=250 m÷500)로 설정한다.

3D 모델 생성 후에는 DNV Rule 3.5‑C에 따라 “클래스 A” 검증을 수행한다. 검증 항목은 (1) 케이블 간격 최소 0.1 m 유지, (2) 방폭 구역 내 케이블이 지정된 방폭 등급과 일치하는지 확인, (3) 트레이 하중이 IEC 61537‑1에서 정한 최대 하중(≤2 kN/m) 이하인지 검증한다. 검증 결과는 자동으로 색상(녹색·황색·적색)으로 표시되어 설계자에게 피드백을 제공한다.

연동 시스템은 매일 08:00에 자동으로 최신 데이터를 반영하도록 스케줄링한다. 이를 통해 설계 변경이 실시간으로 BIM 모델에 반영되어, 현장 작업자는 모바일 기기로 최신 3D 배선 정보를 조회할 수 있다. 결과적으로 설계‑시공 불일치율이 연간 30 % 이상 감소하고, 현장 작업 시간은 평균 15 % 단축되는 효과가 보고된다.

• 데이터 추출 포맷(CSV→JSON) 변환 스크립트(Python 3.9) 구현 여부
• Revit API를 이용한 FamilyInstance 매핑 정확성 확인
• 케이블 간격(≥0.1 m)·방폭 등급·트레이 하중(≤2 kN/m) 검증 로직 적용
• 자동 스케줄링(08:00) 및 모델 업데이트 성공 여부
• 불일치율 감소(≥30 %)·작업 시간 단축(≥15 %) KPI 달성 확인

시공 단계에서 자동 검증을 실행한다

자동 검증 알고리즘은 IEC 60092‑5(선박 전기 설비 – 전선·케이블)와 IEC 60364‑5‑53(저압 배선 – 선택·설치)에서 정의한 배선 규격을 기반으로 실시간 충돌·규격 위반 여부를 판단한다. 현장에서는 3D BIM(빌딩 정보 모델)과 연동된 전기 설계 모델을 이용해 배선 경로를 가상으로 배치하고, 알고리즘이 자동으로 다음 항목을 검사한다. 첫째, 전선·케이블의 최소 굴곡 반경이 IEC 60092‑5에서 제시한 최소 2배(예: 30 mm × 2 = 60 mm)보다 작은 경우 경고를 발생한다. 둘째, 전력·제어 회로가 선급 DNV‑GL 규정에 따라 지정된 전기 트레이(IEC 61537) 내부에 과다 적재되지 않았는지 검증한다. 셋째, 방폭 구역(IEC 60079‑10‑1) 내에 배치된 전선이 방폭 인증(Ex‑d) 요건을 충족하는지 확인한다. 이러한 검증은 현장 작업자가 배선을 실제로 설치하기 전에 디지털 트윈 상에서 오류를 사전에 제거함으로써 재작업 비용을 평균 12 % 이상 절감한다는 보고서(국내 대형 조선소 사례)와 일치한다.

자동 검증 프로세스는 다음과 같은 단계로 구성된다.

1. 설계 모델을 BIM 시스템에 업로드하고 IEC 60092‑5·60364‑5‑53 규격 기반 파라미터를 입력한다.
2. 알고리즘이 전선 경로를 스캔해 충돌·규격 위반을 실시간으로 식별한다.
3. 위반 항목이 발견되면 시스템이 자동으로 수정 제안을 생성하고, 현장 담당자가 즉시 검토·수정한다.
4. 검증 완료 후 결과를 전자 서명으로 저장하고, 선급 ABS·KR·BV 등 인증기관에 제출 가능한 보고서 형태로 출력한다.

가령 3상 440 V·200 kW 부하를 위한 전력 케이블 4 mm²를 배치할 경우, IEC 60092‑5에 따라 최소 굴곡 반경은 60 mm이다. 현장에서는 실제 굴곡 반경이 45 mm로 측정되었으며, 자동 검증 시스템은 즉시 “규격 위반” 알림을 발생시켰다. 설계자는 제안된 반경 70 mm로 수정한 뒤 재검증을 수행했으며, 최종적으로 모든 규격을 충족함을 확인했다.

• 전선·케이블 최소 굴곡 반경이 규격(≥ 2×선경) 이상인지 확인한다.
• 전력 트레이 적재율이 IEC 61537 기준(≤ 80 %)을 초과하지 않는지 검토한다.
• 방폭 구역 내 전선이 IEC 60079‑10‑1에 맞는 방폭 인증을 갖추었는지 확인한다.
• 검증 결과를 전자 서명·보고서 형태로 저장하고, 선급 인증 요구사항에 부합하는지 검토한다.

시험·인증 절차를 디지털화한다

시험·인증 단계에서는 IEC 60331·60332(내화·난연)와 IEC 60079‑14(방폭 설비) 등 인증 규격에 따라 수행되는 절차를 전산 시스템에 기록한다. 디지털화된 시험 데이터는 센서 기반 측정값(예: 온도 °C, 전류 A, 전압 V)과 함께 자동으로 데이터베이스에 저장되며, 시스템은 사전 정의된 허용 한계(예: IEC 60331‑1에 의한 30 min 연속 화재 시험에서 온도 상승 ≤ 250 °C)를 실시간으로 비교한다. 결과가 허용 범위를 초과하면 즉시 경보가 발생하고, 자동 보고서 생성 모듈이 시험 항목·결과·조치 권고를 포함한 PDF 문서를 작성한다. 이러한 디지털 보고서는 선급 DNV‑GL·LR·ABS 등 인증기관에 전자 제출이 가능하여 서류 처리 시간을 평균 40 % 단축한다는 통계가 있다.

디지털 시험·인증 프로세스는 다음과 같이 진행된다.

1. 시험 장비를 IoT 센서와 연동해 실시간 측정값을 수집한다.
2. 수집된 데이터는 IEC 60331·60332·60079‑14 규격 기반 허용값과 비교 분석된다.
3. 분석 결과가 규격을 만족하면 시스템이 자동으로 “합격” 태그와 함께 시험 보고서를 생성한다.
4. 규격 초과 시 경보가 발생하고, 원인 분석 및 재시험 계획을 자동으로 제안한다.
5. 완료된 보고서는 전자 서명 후 선급 인증 포털에 자동 업로드된다.

가령 방폭 전기 설비에 대한 전류 시험을 수행할 때, IEC 60079‑14는 최대 허용 전류를 150 A로 규정한다. 시스템에 입력된 시험 전류가 162 A로 측정되면, 자동 경보가 발생하고 재시험 지점(전류 145 A 이하)으로 조정한다. 재시험 결과 148 A가 기록되면 시스템은 “합격” 보고서를 자동 생성한다.

• 시험 데이터가 실시간으로 센서에 의해 정확히 수집되는지 확인한다.
• IEC 60331·60332·60079‑14 등 적용 규격의 허용값과 측정값을 자동 비교하도록 설정한다.
• 규격 초과 시 경보 및 재시험 제안이 자동으로 생성되는지 검증한다.
• 시험 보고서가 전자 서명·자동 업로드 기능을 통해 선급 인증 포털에 정상 전송되는지 확인한다.

운영·유지보수 예측 모델을 적용한다

AI 기반 고장 예측 모델은 IEC 61508(기능 안전)에서 요구하는 신뢰성 데이터(예: 고장률 λ)와 운영 로그(전압·전류·진동) 등을 결합한다. 모델 학습에는 과거 5년간의 유지보수 기록과 실시간 센서 데이터가 사용되며, 고장 확률이 0.01 % 이상인 구간을 사전에 식별한다. 예측 결과는 선급 KR·BV·CCS가 제시하는 유지보수 계획 수립 가이드라인에 맞춰 자동으로 작업 지시서로 변환된다. 실제 적용 사례에서는 고장 예측 정확도가 92 %에 달했으며, 비계획 정지시간이 연간 15 % 감소했다는 실증 결과가 보고되었다.

예측 모델 적용 절차는 다음과 같다.

1. 실시간 운영 데이터(전압 V, 전류 A, 진동 mm/s)를 PLC·SCADA와 연동해 수집한다.
2. 수집 데이터와 IEC 61508 기반 고장률 λ를 결합해 머신러닝 모델에 입력한다.
3. 모델이 고장 확률이 0.01 % 이상인 장비를 식별하면, 유지보수 알림을 생성한다.
4. 알림은 선급 KR·BV·CCS의 유지보수 일정 템플릿에 자동 매핑되어 작업 지시서가 발행된다.
5. 실제 고장이 발생하면 모델의 예측 정확도를 재평가하고, 파라미터를 재학습한다.

가령 3상 440 V·150 kW 전동기 1대에 대해 1년간 수집된 데이터가 다음과 같다. 평균 전류 120 A, 전압 변동 5 V, 진동 0.8 mm/s이며, IEC 61508에서 정의한 고장률 λ = 2×10⁻⁶ h⁻¹이다. 모델이 계산한 고장 확률은 0.014 %로, 유지보수 알림이 발생한다. 실제 고장은 3개월 후 발생했으며, 예측 정확도는 92 %로 평가된다.

• 실시간 운영 데이터가 PLC·SCADA와 정확히 연동되어 수집되는지 확인한다.
• IEC 61508 기반 고장률 λ와 수집 데이터를 모델에 올바르게 입력했는지 검증한다.
• 예측 임계값(0.01 %) 이상일 경우 유지보수 알림이 자동 생성되는지 점검한다.
• 알림이 선급 KR·BV·CCS 유지보수 템플릿에 정확히 매핑되어 작업 지시서가 발행되는지 확인한다.

성과를 검증하고 지속 개선한다

도입 전·후 KPI를 비교함으로써 자동화 시스템의 효과를 정량화한다. 주요 KPI는 다음과 같다: (1) 설계·시공 단계 재작업 비율, (2) 시험·인증 소요 시간, (3) 비계획 정지시간, (4) 유지보수 비용. 각 KPI는 IEC 60092·60364·61537 규격 준수 여부와 선급 DNV·LR·ABS 인증 요구사항을 기준으로 측정한다. 예시로, 자동 검증 도입 전 재작업 비율이 8 %였으나 도입 후 4 %로 감소했으며, 시험·인증 소요 시간이 평균 18 일에서 11 일로 38 % 단축되었다. 비계획 정지시간은 연간 120 시간에서 102 시간으로 15 % 감소했고, 유지보수 비용은 연간 1.2 억 원에서 1.0 억 원으로 16 % 절감되었다.

성과 검증 절차는 다음과 같이 진행한다.

1. 도입 전 KPI 기준값을 IEC 60092·60364·61537 및 선급 규정에 따라 측정한다.
2. 자동화 시스템 적용 후 동일 항목을 동일 방법으로 재측정한다.
3. 두 데이터 집합을 통계적으로 비교해 개선률을 산출한다(예: t‑test 적용).
4. 개선률이 목표치(재작업 비율 5 % 이하, 시험·인증 시간 30 % 단축 등)를 충족하지 못하면 원인 분석을 수행한다.
5. 분석 결과를 바탕으로 시스템 설정·알고리즘·데이터 수집 방식을 개선하고, 다음 사이클에서 재검증한다.

가령 재작업 비율 개선 목표가 5 % 이하라고 가정했을 때, 실제 측정값은 4 %로 목표를 달성했다. 시험·인증 시간 목표는 30 % 단축이었으며, 실제 단축률은 38 %로 초과 달성했다. 이러한 결과는 시스템의 ROI(투자 대비 수익)를 1.8배로 평가하게 한다.

• 도입 전 KPI를 IEC 60092·60364·61537 및 선급 규정에 맞게 정확히 측정했는지 확인한다.
• 도입 후 동일 방법으로 KPI를 재측정하고, 데이터 일관성을 검증한다.
• 통계적 비교(t‑test 등)를 통해 개선률이 목표치를 충족하는지 평가한다.
• 목표 미달 시 원인 분석을 수행하고, 시스템 설정·알고리즘을 개선한다.
• 개선 조치 후 KPI 재측정·재비교를 주기적으로 실행한다.

오해와 팩트 체크