20분
MTBF / MTTR / OEE: 설비 신뢰성 KPI
Day 1: 예지보전 개론 & 센서 데이터 이해
MTBF / MTTR / OEE: 설비 신뢰성 KPI
예지보전 — 설비 고장 예측 시스템 > Day 1: 예지보전 개론 & 센서 데이터 이해
학습 목표
MTBF, MTTR, OEE의 정의와 계산 공식을 안다 KPI 간 관계를 이해한다 예지보전이 KPI에 미치는 영향을 설명할 수 있다
3대 설비 신뢰성 KPI
1. MTBF (Mean Time Between Failures)
고장 간 평균 시간 — 설비가 얼마나 오래 버티는가.
MTBF = 총 가동 시간 / 고장 횟수
예시:
총 가동: 2,000시간, 고장: 4회
MTBF = 2,000 / 4 = 500시간
→ "평균 500시간마다 고장 1회"2. MTTR (Mean Time To Repair)
평균 수리 시간 — 고장 나면 얼마나 빨리 고치는가.
MTTR = 총 수리 시간 / 고장 횟수
예시:
총 수리: 20시간, 고장: 4회
MTTR = 20 / 4 = 5시간
→ "고장 1회당 평균 5시간 수리"3. OEE (Overall Equipment Effectiveness)
종합 설비 효율 — 설비의 실질 생산성.
OEE = 가용률 x 성능률 x 양품률
가용률 = (계획 가동 - 정지 시간) / 계획 가동
성능률 = (실제 생산량 x 이론 사이클) / 가동 시간
양품률 = 양품 수 / 총 생산량
예시:
가용률 = 90%, 성능률 = 85%, 양품률 = 98%
OEE = 0.90 x 0.85 x 0.98 = 74.9%KPI 관계도
MTBF ↑ MTTR ↓
(고장 간격 늘리기) (수리 시간 줄이기)
\ /
\ /
→ 가용률 ↑ ←
|
↓
OEE ↑예지보전의 KPI 영향
| KPI | 사후보전 | 예지보전 | 개선 |
|---|---|---|---|
| MTBF | 500h | 1,200h | +140% |
| MTTR | 8h | 3h | -63% |
| 가용률 | 85% | 96% | +11%p |
| OEE | 65% | 82% | +17%p |
MTBF가 올라가고 MTTR이 내려가면 OEE가 극적으로 개선된다.
세계적 수준 벤치마크
| KPI | 하위 | 평균 | 세계적 수준 |
|---|---|---|---|
| OEE | <65% | 60~75% | 85%+ |
| 가용률 | <85% | 85~92% | 95%+ |
| MTBF(모터) | <5,000h | 10,000h | 20,000h+ |
AI로 학습하기 — 꿀팁
🤖MTBF/MTTR/OEE 자동 계산기 코드 생성AI 학습 팁
설비 신뢰성 KPI 공식을 외우는 것보다 실제 데이터를 입력하면 바로 계산되는 코드를 만들어 두면 현장에서 즉시 활용됩니다.
제조 현장 설비 신뢰성 KPI 자동 계산 Python 함수를 작성해주세요. 구현 항목: (1) calculate_mtbf(failure_timestamps: list) → float (시간 단위), (2) calculate_mttr(failure_times, repair_times: list of tuples) → float, (3) calculate_oee(availability, performance, quality: float) → dict with 등급(World-class/Average/Poor) 포함, (4) 샘플 데이터(압출기 라인 3개월 고장 이력)로 테스트, (5) OEE 병목 원인(가용성/성능/품질 중 어느 것이 낮은지) 자동 진단 메시지 출력. pandas DataFrame 입력 지원 포함.
이 팁이 도움이 됐나요?