냉동·공조·압축공기 통합 운전분석을 통한 Utility Balance 최적화

1. 왜 Utility를 함께 보았는가

반도체 생산시설에서는 냉동·공조·압축공기가 장시간 운전된다. 이들 Utility는 서로 다른 설비처럼 보이지만 모두 생산환경을 유지하기 위해 지속적으로 서비스를 공급한다는 공통점이 있다. 따라서 단순히 개별 장비의 정격효율이나 월간 전력사용량만 비교해서는 실제 운전에서 발생하는 손실을 충분히 설명하기 어렵다.

예를 들어 냉동기 자체의 COP가 나쁘지 않더라도 현재 냉방부하보다 많은 대수가 동시에 운전되면 시스템 전체 효율은 낮아질 수 있다. 공조기도 Fan 자체보다 필터차압이나 외기 도입량이 운전동력에 영향을 줄 수 있고, 압축공기는 개별 압축기의 효율뿐 아니라 공급압력과 Loading/Unloading, 가동대수 조합이 수요와 맞는지가 중요하다.

따라서 이 사례에서는 “어느 설비의 효율이 나쁜가?”보다 “각 Utility가 현재 수요에 맞는 조건으로 운전되고 있는가?”를 확인하는 방향으로 분석범위를 넓혔다. 개별 설비의 문제를 찾는 것에서 출발하되, 최종적으로는 Utility 전체의 공급과 수요 Balance에서 절감기회를 찾으려는 접근이었다.

2. Utility마다 다른 KPI를 같은 시간축에서 읽었다

냉동기는 냉방부하(RT), 소비동력, UPI, COP, 냉수·냉각수 온도와 유량을 보았다. 냉동기의 소비전력만 보면 부하가 커져 전력이 증가한 것인지, 동일한 부하를 처리하면서 효율이 나빠진 것인지 구분하기 어렵기 때문에 냉방부하와 에너지 투입량을 함께 보는 것이 필요했다.

공조기는 필터차압, 외기댐퍼 개도율과 환기 온·습도를 비교했다. 공조기는 생산공간의 환경조건을 유지해야 하므로 단순한 Fan 전력 절감보다 필요한 공기질과 온·습도를 유지하면서 불필요한 저항이나 과도한 외기 도입이 있는지를 살펴보는 것이 중요했다. 공기압축기는 유량·전력·가동대수·토출압력과 Loading/Unloading을 함께 분석하여 공급량과 전력, 운전상태의 관계를 보았다.

특히 압축공기는 2019년 1분 단위 데이터를 추가 분석했다. 월평균이나 일평균은 시스템의 전체적인 수준을 보여주지만, 짧은 시간에 발생하는 수요변화와 압축기의 Loading/Unloading 전환, 가동대수 변화에 따른 손실을 평균값 속에 숨길 수 있기 때문이다. 평균을 보는 분석과 순간 운전상태를 보는 분석을 함께 사용한 이유가 여기에 있다.

3. 냉동기 — 2.1대 운전, 부하기준 필요대수 1.2대

실제 평균 가동대수는 약 2.1대, 부하 기준 분석상 필요대수는 약 1.2대로 평균 약 0.9대의 운전여유가 관찰됐다. 여기서 중요한 것은 숫자 자체보다 “왜 실제 운전대수와 부하 기준 필요대수 사이에 차이가 생겼는가?”라는 질문이다. 운전자가 안정성을 위해 예비력을 확보했을 수도 있고, 설비별 최소운전조건이나 냉수계통의 제약 때문에 복수대 운전이 필요했을 수도 있다.

따라서 이 결과를 곧바로 한 대를 정지하라는 결론으로 사용하지 않는다. 부하변동·예비력·최소부하·냉수 및 냉각수 계통·생산 안정성을 확인하면서 현재 가동대수가 실제 부하에 비해 과도하지 않은지 검토할 근거로 사용한다. 이후에는 부하구간별 COP와 UPI를 비교하여 어떤 냉동기를 우선가동하고 어느 시점에 추가 냉동기를 투입하는 것이 유리한지 판단하는 방향으로 연결할 수 있다.

4. 공조 — 필터차압과 외기운전의 편차

일부 공조기의 필터차압은 약 19~22 mmAQ로 다른 설비의 약 12~13 mmAQ보다 높게 나타났다. 이 차이를 보았을 때 첫 번째 질문은 “필터가 오염되었기 때문인가?”가 될 수 있지만, 데이터만으로 원인을 단정해서는 안 된다. 필터 등급과 사양, 실제 풍량, 교체시점, Fan 제어조건이 서로 다르면 정상적인 운전에서도 차압 수준이 달라질 수 있기 때문이다.

따라서 차압은 곧바로 개선효과를 계산하는 값이라기보다 추가 현장확인이 필요한 설비를 골라내는 진단지표로 활용하는 것이 적절하다. 동일하거나 유사한 조건에서 특정 설비의 차압이 지속적으로 높다면 필터 상태와 교체주기, Fan 운전점 등을 확인할 이유가 생긴다. 외기댐퍼 개도율 역시 같은 방식으로 해석한다. 계절과 설비별 개도율 차이가 실제 필요한 외기량 때문인지, 고정된 설정이나 운전관행 때문인지 확인해야 한다.

5. 압축공기 — 평균 3.1% 뒤의 순간 31.7%

평균 시스템 손실율은 약 3.1%였지만 1분 단위에서는 순간 최대 31.7%까지 관찰됐다. 이 차이는 이 사례에서 1분 데이터를 본 이유를 가장 잘 보여준다. 월평균 3.1%만 보면 시스템이 비교적 안정적으로 운전되는 것처럼 보일 수 있지만, 짧은 시간축에서는 특정 운전상태에서 손실이 크게 증가하는 구간이 존재했다.

따라서 분석의 관심은 단순히 31.7%라는 최대값을 강조하는 데 있지 않다. 그 순간에 유량·압력·가동대수·Loading/Unloading이 어떻게 변했는지를 함께 확인하는 것이 중요하다. 이러한 Event를 반복해서 찾으면 수요에 비해 압축기가 과도하게 투입되는 구간, 압력설정 때문에 Unloading이 증가하는 구간, 운전조합 전환 시 발생하는 손실 등을 점검할 수 있다. 즉 순간 손실값은 개선안 자체가 아니라 개선기회를 찾아가는 출발점이다.

6. 절감효과 — 실제성과가 아니라 제안단계 잠재량

종합 절감금액은 약 49,821,132원/년으로 정리돼 있다. 이 가운데 가장 큰 잠재량은 냉동시스템의 320,287 kWh/년으로 제시되어 있으며, 공기압축기 99,397 kWh/년, 공조기 12,843 kWh/년, 기타 Utility 12,305 kWh/년이 뒤를 잇는다. 이 분포는 모든 Utility에 동일한 노력을 투입하기보다 분석 결과를 이용해 개선 우선순위를 정할 수 있다는 점을 보여준다.

다만 이 숫자는 어디까지나 당시 운전데이터를 이용해 산정한 개선 잠재량이다. 세부 항목을 단순 합산하면 원자료 종합계와 약 1 kWh의 차이가 있으므로, 홈페이지에서는 임의로 숫자를 수정하지 않고 원자료에 기록된 종합계 444,832 kWh/년을 그대로 유지한다.

7. 분석결과를 개선 우선순위로 바꾸는 과정

데이터 분석에서 숫자가 많이 나온다고 해서 모두 개선과제로 연결되는 것은 아니다. 먼저 편차가 큰 항목을 찾고, 그 편차가 실제 비효율을 의미하는지 현장조건과 교차확인해야 한다. 냉동기의 가동대수 차이, 공조기의 필터차압 편차, 압축공기의 순간 손실 증가는 각각 성격이 다른 신호이므로 같은 방식으로 해석할 수 없다.

이 사례에서는 정량 잠재량 기준으로 냉동시스템의 개선 가능성이 가장 크게 제시되었다. 따라서 컨설팅 관점에서는 잠재량의 크기 + 실행가능성 + 생산영향 + 계측 신뢰도를 함께 보면서 우선순위를 정하는 것이 합리적이다. 숫자가 큰 항목부터 무조건 실행하는 것이 아니라, 실제 운전조건을 바꿀 수 있는지와 변경 후 성과를 측정할 수 있는지를 함께 검토해야 한다.

8. 다른 현장에 적용하려면

먼저 Utility별 서비스 수준을 정의해야 한다. 냉동은 필요한 냉수온도와 부하, 공조는 온·습도와 외기량, 압축공기는 압력과 유량을 유지해야 한다. 에너지 사용량만 줄이고 이러한 서비스 수준이 함께 낮아졌다면 동일한 조건에서의 효율개선이라고 보기 어렵다.

그 다음에는 각 Utility의 Measurement Boundary를 정한다. 냉동기의 COP만 볼 것인지 냉수펌프·냉각수펌프·냉각탑까지 포함한 시스템 효율을 볼 것인지에 따라 결론이 달라질 수 있다. 압축공기도 압축기 전력만 볼 것인지 Dryer와 보조설비를 포함할 것인지 기준을 명확히 해야 한다.

마지막으로 평균값과 짧은 주기의 데이터를 함께 본다. 평균값은 전체 성능수준을 비교하는 데 유리하고, 짧은 주기의 Trend는 운전 Event와 손실이 발생하는 순간을 찾는 데 유리하다. 이 두 관점을 연결한 뒤 가동대수, 부하분담, 압력 Set Point, 외기량과 필터상태를 검토해야 실제 현장에서 실행할 수 있는 개선안으로 발전시킬 수 있다.