문서를 불러오는 중입니다.

자주 묻는 질문

KRAMS 자주 묻는 질문(FAQ)


1. 시스템 개요

Q1. KRAMS란 무엇인가요?

KRAMS(Korean Reliability, Availability, Maintainability and Safety)는 철도 시스템의 신뢰성(Reliability), 가용성(Availability), 유지보수성(Maintainability) 및 안전성(Safety)을 체계적으로 관리·분석하기 위한 표준 RAMS 시스템입니다.


Q2. KRAMS는 어떤 목적으로 사용하나요?

KRAMS는 철도차량 및 주요 설비의 운영·유지보수 데이터를 기반으로 RAMS 성능을 분석하고, 유지보수 업무의 효율성과 철도 시스템의 안전성을 향상하는 데 활용됩니다. 또한 데이터에 기반한 유지보수 의사결정과 비용 효율적인 자산관리를 지원합니다.


Q3. KRAMS의 주요 기능은 무엇인가요?

주요 기능은 다음과 같습니다.

  • 기준정보 및 공통코드 관리
  • 설계정보와 RAMS 관련 자료 관리
  • 철도차량 운행 및 유지보수 데이터 관리
  • 신뢰성·유지보수성·가용성 분석
  • 고장 다발 품목 및 유지보수 소요 분석
  • 예방정비 항목과 정비주기 검토 지원
  • 예비품, 수리·폐기 및 유지보수 비용 분석 지원

세부 기능은 시스템에 적용된 모듈과 운영 기준에 따라 달라질 수 있습니다.


Q4. KRAMS는 어떤 업무에 활용할 수 있나요?

KRAMS는 철도차량 및 전기·기계 설비의 성능 분석, 고장 원인 검토, 유지보수 계획 수립, 정비주기 개선, 예비품 관리 및 유지보수 비용 검토 등에 활용할 수 있습니다.


Q5. KRAMS는 철도 안전관리와 어떤 관계가 있나요?

KRAMS는 운행 및 유지보수 과정에서 축적되는 데이터를 활용해 고장 특성과 유지보수 성능을 분석하고, 안전성과 운영 신뢰성을 높이기 위한 의사결정을 지원합니다. 다만 시스템 분석 결과만으로 안전성이 자동으로 보장되는 것은 아니며, 관련 안전관리 기준과 전문가의 검토를 함께 적용해야 합니다.


2. 기준정보 및 데이터 관리

Q6. KRAMS에서 관리하는 기준정보에는 어떤 것이 있나요?

기준정보에는 전기·기계(E&M) 분류체계, LBS(Lightweight Breakdown Structure) 계층구조, 주요 부품정보, 위험도 판단 기준 및 공통코드 등이 포함될 수 있습니다. 이러한 정보는 설비와 부품을 일관된 기준으로 식별하고 분석 결과를 비교하는 데 활용됩니다.


Q7. LBS는 무엇이며, 왜 필요한가요?

LBS는 설비 또는 시스템을 계층적으로 분류하고 구성요소 간 관계를 표현하기 위한 구조입니다. 이를 활용하면 시스템부터 하위 부품까지 관리 대상을 체계적으로 식별하고, 고장 및 유지보수 데이터를 해당 구성요소와 연결하여 분석할 수 있습니다.


Q8. KRAMS에 입력하거나 연계할 수 있는 데이터는 무엇인가요?

주요 데이터는 다음과 같이 구분할 수 있습니다.

  • 기준정보: 설비 분류, LBS, 주요 부품, 공통코드 등
  • 설계정보: RAM 관련 정보, 품목정보, FMECA, RCM 및 위험도 관련 자료
  • 운행정보: 철도차량 및 설비의 운행 실적
  • 유지보수정보: 고장, 점검, 정비 및 부품 교체 실적
  • 자산정보: 예비품 수량, 비용 및 자산 관련 자료

실제 입력 항목과 연계 형식은 시스템의 데이터 표준과 인터페이스 구성에 따라 달라질 수 있습니다.


Q9. 데이터가 누락되거나 형식이 일치하지 않으면 어떻게 해야 하나요?

먼저 데이터 항목, 단위, 식별코드 및 입력 형식을 확인해야 합니다. 이후 원천 시스템의 자료와 비교하여 누락 또는 불일치 원인을 파악하고, 정해진 데이터 정비 절차에 따라 수정해야 합니다. 분석에 필요한 데이터가 부족한 경우에는 분석 결과의 신뢰도에 영향을 줄 수 있으므로 해당 한계를 함께 검토해야 합니다.


3. RAMS 분석

Q10. KRAMS에서 신뢰성(Reliability)은 어떻게 분석하나요?

신뢰성은 설비 또는 부품이 주어진 조건에서 일정 기간 동안 고장 없이 기능을 수행할 가능성을 평가하는 지표입니다. KRAMS에서는 고장 및 운행 데이터를 바탕으로 분석 목적과 데이터 특성에 적합한 통계분포와 추정 방법을 활용할 수 있습니다.

분석에 사용될 수 있는 방법에는 Weibull 분포, 로그정규분포, 지수분포, 최우추정법(MLE) 및 PLP 등이 있습니다. 실제 적용 방법은 데이터의 특성과 시스템에 구현된 분석 기능에 따라 결정됩니다.


Q11. Weibull 분포는 어떤 경우에 활용하나요?

Weibull 분포는 부품의 수명 및 고장 특성을 분석할 때 널리 사용되는 확률분포입니다. 데이터에 적합한 경우 고장률이 시간에 따라 증가하는지, 감소하는지 또는 비교적 일정한 특성을 보이는지 검토하는 데 활용할 수 있습니다.


Q12. 유지보수성(Maintainability)은 어떻게 평가하나요?

유지보수성은 고장 발생 후 설비를 정상 상태로 복구하거나 필요한 정비를 완료하는 데 걸리는 시간과 관련된 특성입니다. 유지보수 데이터에 기반하여 평균수리시간(MTTR), 정비 소요시간, 정비율 및 수리율 등을 분석할 수 있습니다.


Q13. 가용성(Availability)은 무엇이며, 어떻게 분석하나요?

가용성은 설비가 요구되는 시점에 정상적으로 기능을 수행할 수 있는 상태에 있을 가능성을 나타냅니다. 분석 목적에 따라 고유가용도(Inherent Availability)와 운용가용도(Operational Availability) 등을 검토할 수 있으며, 운행 및 정비 실적을 함께 분석하면 설비의 실제 운영 성능을 파악하는 데 도움이 됩니다.


Q14. 고장 다발 품목이나 유지보수 부담이 큰 품목은 어떻게 확인하나요?

품목별 고장 빈도, 정비시간, 투입 인시, 정비 수량, 유지보수 비용 및 정비 지연 등의 지표를 비교·분석하여 관리 우선순위가 높은 품목을 식별할 수 있습니다. 다만 고장 횟수가 많다는 이유만으로 위험도가 반드시 높다고 판단해서는 안 되며, 고장의 영향과 안전상 중요도 등을 함께 고려해야 합니다.


Q15. KRAMS의 분석 결과는 어떻게 활용하나요?

분석 결과는 고장 원인 검토, 정비 항목의 적정성 평가, 점검·교체주기 조정, 부품 수명 추정, 예비품 수량 검토 및 유지보수 비용 분석 등에 활용할 수 있습니다. 결과를 실제 업무에 적용할 때에는 데이터 품질과 분석 가정, 관련 정비 기준 및 안전 요구사항을 함께 검토해야 합니다.


4. 정비계획 및 유지보수 개선

Q16. FMECA, RCM, MTA는 무엇인가요?

  • FMECA(Failure Modes, Effects and Criticality Analysis): 고장 형태와 그 영향 및 중요도를 체계적으로 분석하는 방법입니다.
  • RCM(Reliability-Centered Maintenance): 설비의 기능과 고장 결과를 고려하여 적절한 유지보수 전략을 선정하는 접근법입니다.
  • MTA(Maintenance Task Analysis): 정비 작업의 내용과 수행 조건 등을 분석하여 필요한 작업과 자원을 검토하는 활동입니다.

이러한 분석은 상호 연계하여 정비 항목과 작업 내용을 검토하는 데 활용할 수 있습니다.


Q17. 예방정비 항목이나 정비주기를 변경할 수 있나요?

KRAMS의 분석 결과는 예방정비 항목 및 정비주기의 적정성을 검토하는 데 활용할 수 있습니다. 다만 정비주기 변경은 분석 결과만으로 자동 결정되는 것이 아니라 고장 이력, 설계 요구사항, 안전성, 관련 규정 및 유지보수 담당자의 검토를 거쳐야 합니다.


Q18. 부품의 수명이나 교체 시점을 예측할 수 있나요?

고장 및 운행 데이터가 충분하고 적절한 분석모델을 적용할 수 있다면 부품의 수명 특성과 교체주기를 검토하는 데 활용할 수 있습니다. 다만 분석 결과는 데이터와 모델의 가정에 영향을 받으므로, 예측값을 확정적인 수명이나 교체 시점으로 간주하지 않고 관련 정비 기준과 함께 판단해야 합니다.


Q19. 예비품 수량과 유지보수 비용도 분석할 수 있나요?

예비품 수량, 부품 사용 및 교체 실적, 정비 비용 등의 자산정보를 활용하면 예비품 관리와 유지보수 비용을 검토하는 데 도움이 됩니다. 다만 적정 예비품 수량이나 비용을 산출하는 데 필요한 입력 항목과 계산 기능은 시스템에 구현된 분석 범위를 확인해야 합니다.


5. 결과 해석 및 데이터 활용

Q20. 분석 결과와 실제 운행 성능이 다른 이유는 무엇인가요?

분석 결과와 실제 성능은 데이터의 정확성, 관측 기간, 운행 환경, 정비 조건, 고장 기록의 완전성 및 분석모델의 가정 등에 따라 차이가 발생할 수 있습니다. 차이가 발생하면 원천 데이터와 분석 조건을 확인하고, 실제 운영 환경의 변화가 반영되었는지 검토해야 합니다.


Q21. 유지보수 데이터를 지속적으로 축적해야 하는 이유는 무엇인가요?

지속적으로 축적된 데이터는 고장 추세와 정비 성능의 변화를 파악하고, 유지보수 전략의 개선 효과를 검토하는 데 활용됩니다. 데이터가 장기간 축적될수록 시계열 비교와 반복적인 분석을 수행할 수 있지만, 데이터의 일관성과 품질이 함께 확보되어야 합니다.


Q22. KRAMS 분석 결과를 정비 업무에 적용할 때 주의할 점은 무엇인가요?

다음 사항을 종합적으로 검토해야 합니다.

  • 분석에 사용된 데이터의 정확성과 충분성
  • 분석모델 및 통계적 가정의 적절성
  • 설비의 안전상 중요도와 고장 영향
  • 관련 법령, 기술기준 및 정비 지침
  • 분석 결과의 현장 적용 가능성
  • 적용 이후의 성능 변화 및 개선 효과


6. 시스템 이용 및 사용자 지원

Q23. KRAMS를 이용하려면 별도의 사용자 권한이 필요한가요?

시스템 접근과 기능 이용에는 사용자 계정 및 권한이 필요합니다. 계정 발급, 권한 신청 및 승인 절차는 운영기관의 정책과 시스템 설정에 따라 확인해야 합니다.

Q24. 메뉴가 표시되지 않거나 분석 기능을 사용할 수 없는 경우 어떻게 해야 하나요?

먼저 로그인 상태와 사용자 권한, 입력 데이터의 등록 여부 및 필수 항목의 입력 상태를 확인합니다. 문제가 계속되면 오류가 발생한 메뉴, 작업 절차, 발생 시각 및 오류 메시지를 정리하여 시스템 담당자에게 문의합니다.


Q25. KRAMS의 사용 방법과 세부 분석 기준은 어디에서 확인할 수 있나요?

시스템 사용자 매뉴얼, 관련 업무 지침 및 운영기관의 공식 안내를 통해 확인할 수 있습니다. 분석 방법별 입력 항목, 계산 기준, 결과 해석 및 데이터 등록 절차는 최신 공식 문서와 실제 시스템 기능을 기준으로 확인해야 합니다.