MTBF(Mean Time Between Failures)란 무엇인가요?

MTBF는 수리 가능한 설비에서 연속적으로 발생하는 고장 사이의 평균 운전시간을 의미합니다. 설비가 고장 난 후 수리되어 다시 운전 상태로 복귀하고, 다음 고장이 발생할 때까지의 경과 시간을 통계적으로 나타내어 운전 신뢰성을 평가하는 지표로 펌프, 압축기, 모터 등 반복 사용 가능한 설비에 활용됩니다.

MTBF의 기본 계산식은 어떻게 되나요?

MTBF의 기본 계산식은 '총 운전시간 / 총 고장횟수'입니다. 예를 들어 설비가 총 12,000시간 운전되는 동안 6회의 고장이 발생했다면, MTBF는 12,000을 6으로 나눈 2,000시간이 됩니다. 이는 고장 간격이 평균적으로 약 2,000시간이라는 의미입니다.

MTBF를 계산할 때 주의해야 할 점은 무엇인가요?

MTBF를 계산할 때는 단순히 달력상의 경과시간을 사용하는 것이 아니라, 설비가 실제로 운전한 시간과 정지, 대기, 점검, 정비에 소요된 시간을 구분해야 합니다. 각각의 고장 사이에서 실제로 설비가 가동된 순수 운전 시간을 수집하여 계산에 반영하는 것이 중요합니다.

5. MTBF(Mean Time Between Failures)

2026년 9월 25일 읽는 시간 약 15분

5-1. MTBF란 무엇인가

MTBF(Mean Time Between Failures)는 수리 가능한 설비에서 연속적으로 발생하는 고장 사이의 평균 운전시간을 의미한다. 즉, 설비가 한 번 고장 난 후 수리되어 다시 운전 상태로 복귀하고, 다음 고장이 발생할 때까지 어느 정도의 시간이 경과하는지를 통계적으로 나타내는 지표이다.

단순한 평균 운전시간이 아니라 고장 발생 간격을 이용하여 설비의 운전 신뢰성을 평가한다는 점이 중요하다. 따라서 펌프, 압축기, 모터, 터빈, 생산설비처럼 고장 후 수리를 통해 반복적으로 사용할 수 있는 설비의 신뢰성 관리에 많이 활용된다.

5-2. MTBF의 기본 계산식

가장 기본적인 MTBF 계산식은 다음과 같다. $MTBF=\frac{\text{총 운전시간}}{\text{총 고장횟수}}$

예를 들어 어떤 설비가 일정 기간 동안 총 12,000시간 운전되었고 그 기간에 6회의 고장이 발생했다면, $MTBF=\frac{12,000}{6}=2,000\text{시간}$

이 된다.

이는 해당 설비의 고장 간격이 평균적으로 약 2,000시간이라는 의미이지, 정확히 2,000시간마다 고장이 발생한다는 의미는 아니다.

실제 고장은 확률적으로 발생하기 때문에 어떤 고장 간격은 1,000시간일 수도 있고 다른 간격은 3,000시간 이상일 수도 있다.

5-3. MTBF에서 가장 중요한 것은 ‘고장 사이의 운전시간’

MTBF를 계산할 때 단순히 달력상의 경과시간을 사용하는 것은 적절하지 않을 수 있다.

설비가 실제로 운전한 시간과 정지·대기·점검·정비에 소요된 시간을 구분해야 하기 때문이다.

예를 들어,

운전 → 고장 → 수리 → 운전 → 고장

이라는 사이클이 반복되는 설비라면 각각의 고장 사이에서 실제 운전한 시간을 수집해야 한다. $T_1,T_2,T_3,\cdots,T_n$

각 고장 간격이 존재할 때, $MTBF=\frac{T_1+T_2+\cdots+T_n}{n}$

으로 계산할 수 있다.

따라서 신뢰성 분석에서는 고장 발생시각, 복구시각, 실제 운전시간, 정비시간, 비가동시간을 분리하여 기록하는 데이터 구조가 중요하다.

5-4. MTBF와 MTTF를 혼동하면 안 되는 이유

MTBF와 MTTF는 이름이 비슷하지만 적용 대상이 다르다.

MTTF — Mean Time To Failure

MTTF는 수리하지 않고 한 번 고장 나면 교체하거나 폐기하는 비수리 시스템 또는 부품의 평균 고장시간을 의미한다.

예를 들어 퓨즈, 베어링과 같이 고장 후 해당 부품을 교체하는 방식으로 관리되는 대상의 수명을 분석할 때 사용할 수 있다.

MTBF — Mean Time Between Failures

MTBF는 고장 후 수리 또는 복구하여 다시 사용하는 시스템에서 고장과 다음 고장 사이의 평균시간을 의미한다.

즉,

비수리 대상 → MTTF
수리 가능한 반복 사용 대상 → MTBF

라는 구분이 기본적인 출발점이다.

다만 실제 산업현장에서는 시스템 경계와 데이터 정의에 따라 MTBF의 계산 방식이 달라질 수 있으므로, 지표 이름만 보고 판단해서는 안 된다.

5-5. MTBF와 MTTR을 함께 봐야 하는 이유

MTBF 하나만으로 설비의 유지관리 성능을 평가하면 중요한 정보가 빠질 수 있다.

예를 들어 두 설비의 MTBF가 모두 1,000시간이라고 하더라도,

A설비: 평균 수리시간 2시간
B설비: 평균 수리시간 20시간

이라면 실제 생산에 미치는 영향은 크게 다르다.

여기서 MTTR(Mean Time To Repair)은 고장 발생 후 설비를 복구하는 데 필요한 평균 수리시간을 나타낸다.

수리 가능한 설비의 대표적인 가동도 지표는 다음과 같이 표현할 수 있다. $A \approx \frac{MTBF}{MTBF+MTTR}$

따라서 신뢰성 개선에서는

MTBF 증가 + MTTR 감소

를 동시에 고려하는 것이 중요하다.

MTBF를 증가시키는 것은 고장이 발생하는 빈도를 줄이는 방향이고, MTTR을 감소시키는 것은 고장이 발생했을 때 복구까지 걸리는 시간을 단축하는 방향이다.

5-6. MTBF가 증가했다고 무조건 설비가 좋아진 것은 아니다

이 부분은 실무적인 신뢰성 분석에서 매우 중요하다.

MTBF가 증가했다고 해서 반드시 설비의 물리적 신뢰성이 개선되었다고 단정할 수 없다.

예를 들어 다음과 같은 상황에서도 계산된 MTBF가 증가할 수 있다.

고장 기록이 누락된 경우
경미한 고장을 기록하지 않은 경우
운전시간이 실제보다 크게 입력된 경우
설비의 운전조건이 변경된 경우
고장 판정 기준이 변경된 경우
정비 후 초기 운전기간의 데이터가 충분하지 않은 경우

따라서 MTBF 변화만 확인할 것이 아니라 고장 정의, 데이터 수집 기준, 운전조건, 설비 구성, 정비 이력까지 함께 확인해야 한다.

5-7. MTBF와 고장률은 같은 개념이 아니다

MTBF와 고장률은 서로 관련되어 있지만 동일한 지표가 아니다.

일부 단순한 조건에서 평균 고장률을 $\lambda \approx \frac{1}{MTBF}$

로 표현할 수 있다.

예를 들어 MTBF가 2,000시간이라면 평균적인 고장률을 $\lambda\approx\frac{1}{2000}=0.0005$

로 나타낼 수 있다.

그러나 이 관계를 모든 설비에 그대로 적용해서는 안 된다.

특히 고장률이 시간에 따라 변화하는 설비에서는 하나의 MTBF 값만으로 시간에 따른 고장 위험 변화를 표현하기 어렵다.

예를 들어 Weibull 분포에서는 $h(t)=\frac{\beta}{\eta} \left(\frac{t}{\eta}\right)^{\beta-1}$

로 고장률이 시간에 따라 달라질 수 있다.

따라서 MTBF는 평균적인 고장 간격을 나타내는 요약 지표이고, 고장률 함수는 시간에 따른 고장 위험의 변화를 설명하는 분석 도구라는 차이를 이해해야 한다.

5-8. MTBF와 Weibull 분석을 연결하면 전문성이 높아진다

MTBF만 계산하면 “평균적으로 얼마나 자주 고장 나는가?”를 알 수 있다.

하지만 Weibull 분석을 적용하면 한 단계 더 들어가서 고장이 증가하고 있는지, 감소하고 있는지, 우연고장에 가까운지를 분석할 수 있다.

Weibull 분포의 형상모수 β를 이용하면 다음과 같은 해석이 가능하다.

β 값	고장 특성	주요 해석
β < 1	감소 고장률	초기고장·설치문제 가능성
β = 1	일정 고장률	우연고장 영역
β > 1	증가 고장률	마모·열화고장 가능성

예를 들어 MTBF가 5,000시간으로 동일한 두 설비라도 한 설비의 β가 0.7이고 다른 설비의 β가 3.5라면 평균 고장 간격은 비슷하더라도 시간에 따른 고장 특성은 전혀 다를 수 있다.

이 때문에 전문가 수준의 분석에서는

MTBF → Weibull β·η → 고장률 변화 → 정비전략

으로 분석을 확장하는 것이 효과적이다.

5-9. MTBF가 예방정비 주기와 동일하지 않은 이유

실무에서 가장 흔한 오해 중 하나가

“MTBF가 5,000시간이면 5,000시간마다 예방정비를 하면 된다.”

라고 생각하는 것이다.

그러나 MTBF는 평균적인 고장 간격이지 예방정비 주기를 의미하지 않는다.

예방정비 주기는 다음과 같은 요소를 함께 고려해야 한다.

목표 신뢰도
고장 위험 증가 정도
고장 비용
정비 비용
설비 중요도
안전 영향
고장 결과의 심각도
운전환경
상태감시 데이터

특히 β>1인 마모고장 영역에서는 시간 경과에 따라 고장률이 증가할 수 있으므로 MTBF만 보는 것보다 Weibull 기반의 신뢰도와 고장확률 변화를 함께 분석하는 것이 적절하다.

5-10. 실제 설비의 MTBF 산정에서 검열자료를 고려해야 한다

신뢰성 데이터에는 모든 설비가 고장날 때까지 관찰된다는 보장이 없다.

예를 들어 10대의 동일한 펌프를 5,000시간 동안 관찰했는데 그중 3대만 고장하고 나머지 7대는 정상적으로 운전 중이라면, 정상 운전 중인 7대의 데이터를 단순히 제외해서는 안 된다.

이러한 자료에는 검열(censoring) 개념이 적용될 수 있다.

특히 시험 종료 시점까지 고장이 발생하지 않은 장비는 우측 검열(right censoring) 자료로 취급할 수 있다.

따라서 신뢰성 분석에서는 단순히 $MTBF=\frac{\text{관찰된 운전시간}}{\text{관찰된 고장횟수}}$

만 사용하는 것보다 데이터의 관찰 구조와 검열 여부를 확인해야 한다.

고장 데이터가 충분하지 않은 경우에는 Weibull 추정, 최대우도법(MLE) 등 통계적 방법을 활용하여 보다 안정적인 수명 추정을 수행할 수 있다.

5-11. MTBF를 설비 신뢰성 개선에 활용하는 방법

MTBF는 단순한 성적표가 아니라 개선활동의 출발점으로 사용할 수 있다.

예를 들어 특정 펌프의 MTBF가 지속적으로 감소한다면 다음과 같은 분석 순서를 적용할 수 있다.

고장 데이터 수집 -> 고장모드 분류 -> 고장 간격 계산 -> MTBF 추세 분석

Weibull β·η 분석 -> 주요 고장원인 확인 -> 설계·운전·정비 조건 개선 ->↓

개선 후 MTBF 재평가

이 과정을 반복하면 단순히 “고장이 많다”는 수준에서 벗어나 어떤 고장모드가 MTBF를 감소시키는지까지 분석할 수 있다.

5-12. MTBF를 고장모드별로 분리하면 더 유용하다

전체 설비의 MTBF 하나만 계산하는 것보다 고장모드별로 데이터를 분리하면 훨씬 많은 정보를 얻을 수 있다.

예를 들어 펌프에서 다음과 같은 고장이 발생한다고 가정한다.

고장모드	주요 원인	분석 방향
베어링 손상	윤활·정렬 문제	진동·온도 감시
씰 누설	마모·압력조건	누설량 감시
모터 과열	부하·냉각 문제	전류·온도 분석
임펠러 손상	마모·이물질	운전조건 분석

전체 MTBF가 감소했다는 사실만으로는 원인을 알기 어렵지만, 고장모드별 MTBF와 발생빈도를 분리하면 개선 우선순위를 설정할 수 있다.

이것이 MTBF를 단순 KPI가 아니라 신뢰성 개선용 분석지표로 활용하는 핵심 방법이다.

5-13. MTBF의 한계

MTBF는 매우 유용한 지표이지만 다음과 같은 한계가 있다.

첫째, 평균값이기 때문에 고장시간의 분포를 보여주지 못한다.

둘째, 시간에 따른 고장률 증가 또는 감소를 직접 표현하지 못한다.

셋째, 고장모드가 서로 다른 설비를 하나의 평균값으로 묶으면 중요한 차이가 사라질 수 있다.

넷째, 운전조건이나 정비정책이 변경되면 과거 MTBF와 현재 MTBF를 단순 비교하기 어려울 수 있다.

따라서 MTBF는 단독으로 사용하는 것보다

MTBF + MTTR + 고장률 + Weibull 분석 + 고장모드 + 상태데이터

를 함께 분석할 때 신뢰성 관리의 가치가 높아진다.

5-14. 전문가 관점에서 MTBF 데이터를 읽는 핵심

전문적인 신뢰성 분석에서는 단순히

“MTBF가 3,000시간이다.”

라고 끝내지 않는다.

다음 질문까지 연결해야 한다.

① MTBF가 이전보다 증가했는가?

② 고장 간격의 분산은 어떻게 변했는가?

③ 특정 고장모드가 전체 고장의 대부분을 차지하는가?

④ Weibull β가 증가하고 있는가?

⑤ 실제 고장률은 시간에 따라 증가하는가?

⑥ MTTR은 감소하고 있는가?

⑦ 예방정비 이후 MTBF가 실제로 개선되었는가?

⑧ 운전조건 변화 때문에 MTBF가 달라진 것은 아닌가?

이러한 질문을 함께 분석하면 MTBF가 단순한 평균값이 아니라 설비 신뢰성의 변화와 정비전략의 효과를 판단하는 분석 지표로 발전한다.

5-15. MTBF를 이용한 신뢰성 관리의 전체 구조

MTBF는 신뢰성 기본이론에서 다음 단계로 연결되는 중요한 지점이다. $\boxed{ 고장데이터 \rightarrow 고장간격 \rightarrow MTBF \rightarrow 고장률 분석 \rightarrow Weibull 분석 \rightarrow 정비전략 }$

여기에 정비시간을 추가하면, $\boxed{ MTBF+MTTR \rightarrow 가동도 \rightarrow 설비운영 성능평가 }$

로 확장할 수 있다.

그리고 상태감시 데이터를 결합하면, $\boxed{ MTBF + 진동 + 온도 + 전류 + 열화데이터 \rightarrow 상태기반정비(CBM) \rightarrow 예지정비(PdM) \rightarrow RUL 추정 }$

으로 발전시킬 수 있다.

따라서 MTBF는 신뢰성공학의 기초지표이면서 동시에 Weibull 수명분석, 예방정비, 상태기반정비, 예지정비 및 RUL 분석으로 확장되는 연결고리라고 볼 수 있다.

핵심 정리

항목	핵심 내용
MTBF	수리 가능한 설비의 평균 고장 간격
기본식	총 운전시간 ÷ 고장횟수
MTTF와 차이	MTTF는 비수리 대상, MTBF는 수리 가능한 대상에 주로 사용
MTTR과 관계	MTBF와 함께 가동도 평가에 활용
Weibull과 관계	β·η를 이용하면 평균값을 넘어 고장률 변화 분석 가능
예방정비와 관계	MTBF 자체가 정비주기는 아님
데이터 주의점	고장 정의·검열·운전조건·정비이력을 확인해야 함
전문가 분석	MTBF 추세 + 고장모드 + 고장률 + Weibull을 함께 분석
확장 분야	PM → CBM → PdM → RUL

핵심은 MTBF를 ‘평균 몇 시간마다 고장 나는가’라는 숫자로만 설명하지 않는 것이다. 실제 신뢰성공학에서는 그 숫자가 왜 변했는지, 어떤 고장모드가 영향을 주었는지, 고장률이 시간에 따라 어떻게 변하는지, 그리고 정비정책이 실제로 신뢰성을 개선했는지까지 추적해야 한다.

bandion