Company

한국무브넥스는 자동차 구동·조향 부품을 설계·생산하는 자동차 부품 제조 기업으로, 완성차 제조사에 핵심 부품을 공급하고 있습니다. 정밀 가공 설비의 가동 안정성이 납기와 품질에 직결되는 사업 구조를 가지고 있어, 설비 이상으로 인한 비계획 정지를 줄이는 것이 생산 경쟁력의 핵심 과제입니다.

한국무브넥스는 이를 위해 주요 설비에 진동 센서를 부착하여 설비 상태를 수집·관리하는 시스템을 AWS 기반으로 구축해 운영해 왔습니다. (주)두산 디지털이노베이션(DDI)은 해당 AWS Account 전반의 관리형 서비스(Managed Services) 파트너로서 운영을 담당하면서, 기존 설비 관리 시스템을 예지정비 체계로 고도화하고 Amazon Monitron 통합과 생성형 AI 진단 기능을 적용했습니다.

Engagement Overview – 계약 개요 및 서비스 기간

• 고객사명

  한국무브넥스

• 산업 / 업종

  제조 (자동차 부품)

• 예지정비 고도화 수행 기간

  2023.12.28 ~ 2024.04.30

• 관리형 서비스(MSP) 계약 시작일

  2024.05.01

• 관리형 서비스(MSP) 계약 종료일

  2027.08.31 (12개월 연장 계약, 현재 운영 지속 중)

• 서비스 제공 국가

  한국(구축·운영)

• MSP 서비스 범위

  AWS Account 전반 운영, 예지정비 시스템 고도화, Monitron 통합, 생성형 AI 비용 통제, 대용량 데이터 수집·보관 운영, 보안 점검, 비용 최적화, 공장 수평 확대 지원, 월간 운영보고

• Delivery Model

  Managed Services

Challenge

한국무브넥스는 진동 센서 기반 설비 관리 시스템을 안정적으로 운영해 왔으며, 이상 징후를 사전에 예측하는 예지정비 체계로 한 단계 발전시키고 이를 지속적으로 지원할 운영 기반을 마련하고자 했습니다.

• AWS Account 전반에 대한 전문 운영 체계 확보

  설비 데이터 수집, 저장, 분석, 서비스 제공이 하나의 AWS 계정에서 운영되는 구조에 맞춰 인프라 모니터링, 장애 대응, 변경 관리, 보안 점검을 체계적으로 수행할 전문 운영 기반이 요구되었습니다. 고객사가 생산 현장 운영과 설비 관리에 더욱 집중할 수 있도록 AWS 계정 전반은 전문 파트너와 협업하여 운영하는 방안을 추진했습니다.

• 설비 관리 체계의 예지정비 역량 고도화

  기존 시스템을 통해 진동 데이터를 수집하고 설비의 현재 상태를 효과적으로 확인해 왔습니다. 여기에 이상 징후 사전 감지, 고장 유형 판별, 정비 시점 예측 역량을 더하기 위해 진단 파라미터, 고장 모드, 진단 Rule 정의와 이를 적용할 분석 파이프라인이 필요했습니다.

• Amazon Monitron 통합 필요

  자체 부착한 진동 센서 외에, 설치와 운영이 간편한 Amazon Monitron을 병행 활용하여 모니터링 대상 설비를 빠르게 확대하고자 했습니다. 서로 다른 수집 경로에서 들어오는 데이터를 하나의 예지정비 체계에서 함께 다룰 수 있는 통합 구조가 요구되었습니다.

• 생성형 AI 기반 진단·리포트·챗봇 서비스 도입

  진동 파형과 설비 파라미터를 해석하여 이상 원인을 진단하고 리포트를 작성하는 업무는 높은 수준의 전문성과 세밀한 검토가 요구되었습니다. Amazon Bedrock을 활용하여 Monitron 데이터 해석, 예지정비 진단, 현장 담당자 질의응답을 지원함으로써 전문가의 판단을 보조하고 업무 효율을 높일 수 있는 서비스 구성이 필요했습니다.

• 설비 데이터의 안정적 수집 및 효율적 장기 보관

  다수 설비에서 고빈도로 생성되는 시계열 데이터를 안정적으로 수집하고, 장기간 활용할 수 있도록 보관 효율을 함께 고려한 관리 체계가 필요했습니다. 수집 과정의 연속성을 높여 분석 데이터의 일관성을 확보할 수 있는 구조가 요구되었습니다.

• 서비스 특성에 맞춘 보안 및 감사 체계 고도화

  외부 접근이 가능한 모니터링 서비스의 특성을 고려하여 웹 계층의 보안 대응 역량을 높이고, 계정 내 활동을 체계적으로 확인할 수 있는 감사 기반을 강화할 필요가 있었습니다.

• 공장 확대에 따른 수평 확산 대응 필요

  구축 공장에서의 검증 이후 추가 공장으로 적용 범위를 확대할 예정이었으므로, 신규 공장 추가 시 데이터 수집량 증가와 비용 영향을 사전에 검토하고 대응할 수 있는 운영 역량이 필요했습니다.

As-Is 아키텍처

MSP 계약 이전 한국무브넥스의 설비 관리 환경은 다음과 같이 구성되어 있었습니다.

기존(As-Is) 진동 센서 기반 설비 관리 시스템 구성

• 진동 센서 기반 설비 관리 시스템 운영

  주요 설비에 부착된 진동 센서에서 데이터를 수집하여 설비 상태를 조회·관리하는 시스템을 운영하고 있었습니다.

• AWS 한국 리전 기반 서비스 구축

  서비스의 핵심 워크로드를 Asia Pacific (Seoul) 리전에 구축하여 운영했습니다.

• 단일 공장 적용 및 확대 예정

  최초 구축 공장을 대상으로 운영 중이었으며, 검증 이후 추가 공장으로 확대할 계획이었습니다.

Solution

DDI는 기존 설비 관리 시스템을 계승하면서 예지정비 분석 파이프라인과 Amazon Monitron 통합, 생성형 AI 진단 기능을 결합했습니다. 아울러 AWS Account 전반에 대한 통합 운영 체계와 생성형 AI 비용 통제, 대용량 데이터 보관 체계를 수립했습니다.

신규(To-Be) 예지정비·Monitron 통합 및 MSP 운영 아키텍처

신규(To-Be) 예지정비 · Monitron 통합 및 MSP 운영 아키텍처

• 설비 데이터 수집 채널 통합 및 안정화

  공장 현장의 진동 센서와 PLC 데이터는 Edge 수집 게이트웨이를 거쳐 AWS IoT Core 로 연계하고, Amazon Monitron 센서 데이터는 Monitron 서비스를 통해 수집하도록 구성했습니다. 두 경로에서 들어오는 데이터를 Amazon Data Firehose 로 버퍼링하여 유실 없이 Amazon S3 데이터 레이크에 적재하도록 구성했으며, 수집 실패와 지연에 대한 CloudWatch 알람을 적용해 분석 공백을 방지했습니다.

• Amazon Monitron 통합 및 모니터링 대상 확대

  Amazon Monitron 센서와 게이트웨이를 추가 설치하여 기존 진동 센서로 커버하지 못했던 설비까지 모니터링 대상에 포함했습니다. Monitron의 설비 상태 판정 결과와 자체 진동 분석 결과를 예지정비 시스템에서 함께 조회·비교할 수 있도록 데이터 모델과 화면을 통합했습니다.

• 예지정비 분석 파이프라인 구현

• AWS Lambda

  기반으로 데이터 전처리, 이상 감지, 설비 진단 처리를 구성했습니다. 진단 파라미터와 고장 모드, 진단 Rule을 정의하여 담당자 경험에 따른 판단 편차를 줄이고, 동일한 기준으로 설비 이상을 판별하도록 표준화했습니다. 진단 결과와 운영 데이터는 Amazon RDS 에서 관리하고, 예지정비 솔루션은 Amazon EC2 에서 운영합니다.

• Amazon Bedrock 기반 AI 진단 · 리포트 · 챗봇 구성

  Amazon Bedrock을 활용하여 진동 파형과 설비 파라미터를 해석한 이상 원인 진단, 진단 리포트 초안 자동 생성, Monitron 판정 결과 해설, 현장 담당자 질의응답 챗봇 기능을 구성했습니다. 전문가는 리포트를 처음부터 작성하는 대신 AI가 제안한 결과를 검토·보완하는 역할에 집중할 수 있게 되었습니다. 이상 감지 시 Amazon SES 를 통해 담당자에게 알람 메일이 발송됩니다.

• 대용량 데이터 장기 보관 구조 정비

  고빈도 시계열 데이터를 Amazon S3에 적재하고 수명주기(Lifecycle) 정책을 적용하여 보관 기간 경과 시 저비용 스토리지 클래스로 자동 전환되도록 구성했습니다. 원천 데이터는 재분석이 가능한 형태로 보존하면서 보관 비용 증가를 억제했습니다.

• 보안 강화 및 감사 체계 확보

  외부 노출 구간(ALB) 앞단에 AWS WAF 를 적용하여 웹 공격과 비정상 요청을 차단하고, AWS CloudTrail 을 활성화하여 계정 내 API 활동을 기록·추적함으로써 감사 가시성을 확보했습니다. 보안 그룹의 과도한 인바운드 규칙과 불필요한 IAM 권한을 최소 권한 기준으로 정비했습니다.

• Well-Architected Framework 기반 아키텍처 검증

  AWS Well-Architected Framework의 5개 영역(운영 우수성·보안·안정성·성능 효율성·비용 최적화)을 기준으로 아키텍처를 검증하고, 식별된 위험 항목에 대한 개선 로드맵을 수립하여 단계적으로 해소했습니다.

• 공장 수평 확대 지원 및 지속 비용 최적화

  최초 구축 공장의 운영 데이터를 기준으로 신규 공장 추가 시 필요한 수집 용량, 저장 비용, 분석 처리량을 사전 산정하여 확산 계획 수립을 지원합니다. Cost Explorer와 예산 알림으로 비용 추이를 상시 모니터링하고 최적화 과제를 도출합니다.

• AWS 주요 서비스 기반의 예지정비 운영 체계 구성

• AWS IoT Core

  진동 센서 · PLC 등 설비 데이터를 클라우드로 연계하는 수집 채널

• Amazon Monitron

  설비 상태 모니터링 및 이상 판정 (추가 통합)

• Amazon Data Firehose

  대용량 시계열 데이터의 버퍼링 및 안정적 적재

• Amazon S3

  설비 원천 데이터 레이크 및 Lifecycle 기반 장기 보관 비용 최적화

• AWS Lambda

  데이터 전처리, 설비 이상 감지, 설비 진단 처리

• Amazon RDS

  진단 결과 및 운영 데이터 관리

• Amazon EC2

  예지정비 솔루션 운영 환경

• Amazon Bedrock

  AI 기반 설비 진단, 진단 리포트 자동 생성, 챗봇

• Amazon SES

  이상 감지 알람 메일 발송

• Elastic Load Balancing(ALB):

  서비스 트래픽 분산

• AWS WAF

  웹 계층 공격 방어 및 외부 노출 서비스 보안 강화

• AWS CloudTrail

  계정 활동 기록·추적을 통한 감사 체계 확보

• Amazon CloudWatch

  Bedrock 사용량 포함 지표·로그 모니터링 및 수집 실패 알람

• AWS Cost Explorer / AWS Budgets

  비용 가시화 및 기능별 예산 초과 알림

• AWS Well-Architected Tool

  아키텍처 위험 항목 식별 및 개선 관리

DDI Support Services

DDI는 관리형 서비스 파트너로서 이관 전 진단부터 고도화 수행, 이관 후 정기 운영까지 연속된 지원 체계를 제공했습니다.

• 이관 전(Pre-transition) 지원

  기 구축된 진동 센서 기반 설비 관리 시스템의 데이터 흐름과 AWS 구성 전반을 진단하고, 예지정비로 고도화하기 위한 범위와 단계를 정의했습니다. 설비별 진단 파라미터와 고장 모드, 진단 Rule의 초기 기준을 수립하고, Monitron 적용 대상 설비를 선정했습니다. 보안 설정, IAM 권한, 네트워크 구성, 비용 구조를 점검하여 이관 후 조치할 개선과제와 우선순위를 정의하고, 장애 대응 절차와 에스컬레이션 체계를 고객사와 합의했습니다.

• 이관 및 고도화(Transition) 지원

  예지정비 분석 파이프라인과 Monitron 통합, Bedrock 기반 진단·리포트·챗봇 기능을 단계적으로 적용하며, 기존 설비 관리 기능과 병행 운영하여 현장 업무 중단 없이 전환했습니다. 시범 운영 기간을 두어 진단 Rule의 정확도를 검증하고 보완한 뒤 정식 운영으로 전환했습니다. WAF·CloudTrail 적용, Bedrock 지표 수집 및 예산 알림 구성, S3 수명주기 정책 적용을 서비스 영향이 없는 시간대에 수행하고 롤백 절차를 준비했습니다.

• 이관 후(Post-transition) 운영 지원

  AWS Account 전반에 대한 상시 모니터링, 장애 감지·대응, 변경 관리, 정기 점검을 수행합니다. 설비 데이터 수집 성공률을 일일 확인하고 수집 실패 시 즉시 대응하며, Bedrock 사용량과 비용을 일 단위로 확인하여 임계값 초과 시 조치합니다. 진단 리포트 발행과 알람 메일 전송 현황을 점검하고, 담당자 피드백을 수집하여 진단 Rule을 지속 보완합니다. 매월 운영 현황 보고서를 제공하며, Well-Architected 기반 아키텍처 검증, 신규 공장 확산 지원, 비용 최적화 과제를 지속 수행합니다.

Benefit

한국무브넥스는 MSP 기반 고도화와 통합 운영을 통해 설비 관리 수준을 예지정비 체계로 끌어올리고, 생성형 AI 활용과 비용 통제를 동시에 확보했습니다.

• 설비 이상에 대한 사전 인지 역량 확보

  진동 데이터 조회 수준에서 이상 징후를 사전에 감지하고 고장 유형을 판별하는 예지정비 체계로 전환하여, 비계획 정지가 발생하기 전에 대응할 수 있게 되었습니다.

• 모니터링 대상 설비 확대

  Amazon Monitron을 통합해 기존 센서로 커버하지 못했던 설비까지 모니터링 범위를 넓혔고, 서로 다른 수집 경로의 데이터를 하나의 화면에서 비교·검토할 수 있게 되었습니다.

• 진단 업무 생산성 향상

  Bedrock 기반 AI가 진단 리포트 초안을 생성하여, 분석 전문가는 작성 업무보다 검토·보완과 정비 의사결정에 집중할 수 있게 되었습니다. 챗봇을 통해 현장 담당자도 설비 상태와 진단 이력을 즉시 조회할 수 있습니다.

• 진단 결과의 표준화

  고장 모드와 진단 Rule을 기준으로 설비 이상을 일관되게 판단할 수 있게 되어, 담당자별 경험 차이에 따른 진단 편차가 줄어들었습니다.

• 대용량 데이터의 안정적 수집·보관

  버퍼링 기반 적재와 수집 실패 자동 감지로 데이터 유실을 방지하고, 수명주기 정책으로 장기 보관 비용을 억제하면서 재분석 가능한 형태의 원천 데이터를 확보했습니다.

• 보안 대응 및 감사 체계 강화

  WAF로 웹 공격을 사전 차단하고 CloudTrail로 계정 활동 추적이 가능해져, 보안 이벤트 발생 시 원인 규명과 대응이 가능한 체계를 마련했습니다.

• 공장 수평 확대 기반 확보

  최초 구축 공장의 운영 실적을 기준으로 확산 시 용량·비용 영향을 사전 산정할 수 있게 되어, 추가 공장 적용을 예측 가능하게 관리할 수 있습니다.

Metrics for Success – 성과 지표

MSP 이관 전과 이관 후 주요 운영 지표를 비교했습니다.

• 적용 공장

  1개 공장 → 3개 공장 (수평 확대, Amazon Monitron 센서 10개 추가 통합)

• 설비 이상 평균 인지 시간

  순찰 주기 기준 약 24시간 → 5분 이내 알람

• 진단 리포트 작성 시간

  약 3.5시간 → 약 40분 (AI 초안 활용, 약 81% 단축)

• 진단 기준 표준화

  담당자 경험 기반 → 고장 모드 7종 · 진단 Rule 12건 표준화

• 데이터 보관 비용

  기준 100% → 약 62% (S3 Lifecycle 적용, 약 38% 절감)

• WAF 월 평균 차단 건수

  미적용 → 약 2,900건 차단

• Well-Architected High Risk 항목

  10건 → 0건 (Medium Risk 18건 → 4건)

• 보안 점검 개선과제 조치

  점검 항목 135여 개 기준, 개선과제 25건 도출 및 조치 완료

• 장애 평균 인지 시간(MTTD):

  약 40분 → 5분 이내

• 서비스 가용성

  측정 체계 없음 → 99.95% 유지

• 월 클라우드 비용

  기준 100% → 약 81% (약 19% 절감)

• 운영 보고 주기

  비정기 → 월 1회 정례 보고

MSP 이관 이후 현재 활동

DDI는 이관·고도화로 사업을 종료하지 않고, 관리형 서비스 파트너로서 다음 활동을 지속 수행하고 있습니다.

• 서비스 지속 확대 지원

  예지정비 대상 설비와 적용 공장을 단계적으로 확대하는 작업을 운영 관점에서 지원합니다.

• 기 구축 서비스 기반 수평 확대

  최초 구축 공장에서 검증된 구성을 기준으로 신규 공장에 동일한 체계를 적용하여 확산합니다.

• 보안 전반 점검 및 검증

  CloudTrail·WAF 구성 점검과 함께 Well-Architected Framework 기반 아키텍처 검증을 정기적으로 수행합니다.

• 지속적 비용 모니터링 및 최적화

  Bedrock 사용량과 데이터 보관 비용을 포함한 전체 리소스 현황을 상시 모니터링하여 최적화 과제를 도출하고 월간보고를 통해 제안합니다.

• 진단 Rule 검증 및 보완

  담당자 피드백과 실제 고장 이력을 대조하여 진단 Rule의 정확도를 지속 개선합니다.