KR102402845B1 - Real-Time Data Processing Method for Digital Twin based Construction Machine Intelligence - Google Patents

Real-Time Data Processing Method for Digital Twin based Construction Machine Intelligence Download PDF

Info

Publication number
KR102402845B1
KR102402845B1 KR1020180047781A KR20180047781A KR102402845B1 KR 102402845 B1 KR102402845 B1 KR 102402845B1 KR 1020180047781 A KR1020180047781 A KR 1020180047781A KR 20180047781 A KR20180047781 A KR 20180047781A KR 102402845 B1 KR102402845 B1 KR 102402845B1
Authority
KR
South Korea
Prior art keywords
equipment
data
failure
construction
simulation results
Prior art date
Application number
KR1020180047781A
Other languages
Korean (ko)
Other versions
KR20190123895A (en
Inventor
안재훈
김영환
Original Assignee
한국전자기술연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자기술연구원 filed Critical 한국전자기술연구원
Priority to KR1020180047781A priority Critical patent/KR102402845B1/en
Publication of KR20190123895A publication Critical patent/KR20190123895A/en
Application granted granted Critical
Publication of KR102402845B1 publication Critical patent/KR102402845B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/04—Ageing analysis or optimisation against ageing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)

Abstract

디지털 트윈 기반 건설기계 지능화를 위한 실시간 데이터 처리 방법이 제공된다. 본 발명의 실시예에 따른 장비 관리 방법은, 현실 세계의 장비를 컴퓨팅 시스템에 가상화하고, 장비의 내부 데이터를 수집하여 가상화된 장비를 시뮬레이션한다. 이에 의해, 디지털 트윈을 기반으로 건설기계 장비를 가상세계에 디지털 시뮬레이션 모델화하여 관리할 수 있게 된다.A real-time data processing method for intelligent construction machinery based on digital twin is provided. In a device management method according to an embodiment of the present invention, real world equipment is virtualized in a computing system, and internal data of the equipment is collected to simulate the virtualized equipment. Thereby, based on the digital twin, construction machinery equipment can be managed by digital simulation model in the virtual world.

Description

디지털 트윈 기반 건설기계 지능화를 위한 실시간 데이터 처리 방법{Real-Time Data Processing Method for Digital Twin based Construction Machine Intelligence}Real-Time Data Processing Method for Digital Twin based Construction Machine Intelligence

본 발명은 건설기계 장비 관리 기술에 관한 것으로, 더욱 상세하게는 디지털 트윈을 기반으로 건설기계 장비를 가상세계에 디지털 시뮬레이션 모델화하여 관리하는 방법에 관한 것이다.The present invention relates to a construction machine equipment management technology, and more particularly, to a method for managing the construction equipment equipment by digital simulation modeling in a virtual world based on a digital twin.

건설기계 장비의 증가에 따라 건설기계 부품은 기하급수적으로 늘어나게 됐는데, 하나의 건설기계만 하더라도 수많은 부품들로 구성되어 있어 부품 각각의 잔여 수명이나 노후 여부 상태를 사람의 직관만으로 판단하기에는 어려운 상황이 되었다.With the increase of construction equipment equipment, construction machinery parts have increased exponentially. Even one construction machine consists of numerous parts, so it is difficult to judge the remaining lifespan or aging status of each part by human intuition alone. .

기존 건설기계 장비를 위한 텔레매틱스 서비스는 장비 활용에만 국한된 기술에 치중하고 있고, 기존 BI(Business Intelligence) 기반 기술로는 직관성/실시간성의 한계 때문에 모든 요구사항을 만족시키는 기능 제공에 어려움이 있다.The telematics service for the existing construction equipment is focused on technology limited to the use of equipment, and it is difficult to provide a function that satisfies all requirements due to the limitations of intuition/real-time with the existing BI (Business Intelligence)-based technology.

또한, 이들은 건설 작업 환경과 운전자의 숙련도에 의존함에 따라 제공 기술의 활용도가 낮다.In addition, as they depend on the construction work environment and the skill level of the operator, the utilization of the technology provided is low.

이에, 건설기계, 부품의 현재 상태를 실시간으로 모니터링하고, 시간에 따른 상태 변화와 부품의 잔여 유효수명을 계산하고, 이를 통해 고장이 일어나기 전까지 부품을 활용할 수 있도록 상태 기반 유지보수 제공 기술이 요원한 실정이다.Therefore, it is difficult to provide a state-based maintenance technology that monitors the current state of construction equipment and parts in real time, calculates the change in state over time and the remaining useful life of the parts, and utilizes the parts until failure occurs. to be.

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, 디지털 트윈을 기반으로 건설기계 장비를 가상세계에 디지털 시뮬레이션 모델화하여 관리하는 방법을 제공함에 있다.The present invention has been devised to solve the above problems, and an object of the present invention is to provide a method for managing and modeling construction machinery equipment in a virtual world in a digital simulation based on a digital twin.

상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 장비 관리 방법은, 현실 세계의 장비를 컴퓨팅 시스템에 가상화하는 단계; 장비의 내부 데이터를 수집하는 단계; 획득한 내부 데이터를 이용하여 가상화된 장비를 시뮬레이션하는 단계;를 포함한다.According to an embodiment of the present invention for achieving the above object, a device management method includes the steps of: virtualizing a device in the real world in a computing system; collecting internal data of the equipment; and simulating the virtualized equipment using the acquired internal data.

그리고, 본 발명의 실시예에 따른 장비 관리 방법은, 시뮬레이션 결과를 피드백하는 단계;를 더 포함할 수 있다.And, the equipment management method according to an embodiment of the present invention, the step of feeding back the simulation result; may further include.

또한, 내부 데이터는, 장비의 상태 데이터, 작업 데이터, 이력 데이터 및 품질 보증 데이터 중 적어도 하나를 포함할 수 있다.In addition, the internal data may include at least one of equipment state data, work data, history data, and quality assurance data.

그리고, 본 발명의 실시예에 따른 장비 관리 방법은, 장비의 외부 데이터를 획득하는 단계;를 더 포함하고, 시뮬레이션 단계는, 획득한 내부 데이터와 외부 데이터를 이용하여 가상화된 장비를 시뮬레이션할 수 있다.And, the device management method according to an embodiment of the present invention may further include a step of acquiring external data of the device, and the simulation step may simulate a virtualized device using the acquired internal data and external data. .

또한, 본 발명의 실시예에 따른 장비 관리 방법은, 시뮬레이션 결과를 기초로, 장비의 부품들에 대한 잔존 수명을 파악하는 단계;를 더 포함할 수 있다.In addition, the equipment management method according to an embodiment of the present invention, based on the simulation result, the step of determining the remaining lifespan of the parts of the equipment; may further include.

그리고, 본 발명의 실시예에 따른 장비 관리 방법은, 시뮬레이션 결과를 기초로, 장비의 고장을 예측하는 단계;를 더 포함할 수 있다.And, the equipment management method according to an embodiment of the present invention, based on the simulation result, predicting equipment failure; may further include.

또한, 고장 예측 단계는, 고장 예측에 사용되는 인자들을 추출하고, 추출한 인자들을 이용하여 장비의 고장을 예측할 수 있다.In addition, the failure prediction step may extract factors used for failure prediction, and predict equipment failure using the extracted factors.

한편, 본 발명의 다른 실시예에 따른, 컴퓨팅 시스템은, 현실 세계의 장비와 통신하는 통신부; 현실 세계의 장비를 가상화하고, 통신부를 통해 장비의 내부 데이터를 수집하고, 획득한 내부 데이터를 이용하여 가상화된 장비를 시뮬레이션하는 프로세서;를 포함한다.On the other hand, according to another embodiment of the present invention, a computing system, a communication unit for communicating with equipment in the real world; and a processor that virtualizes equipment in the real world, collects internal data of the equipment through the communication unit, and simulates the virtualized equipment using the acquired internal data.

이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 디지털 트윈을 기반으로 건설기계 장비를 가상세계에 디지털 시뮬레이션 모델화하여 관리할 수 있게 된다.As described above, according to the embodiments of the present invention, it is possible to model and manage construction machinery equipment in a virtual world based on a digital twin by digital simulation.

또한, 본 발명의 실시예들에 따르면, 건설기계, 부품의 현재 상태를 실시간으로 모니터링하고, 시간에 따른 상태변화와 부품이 기능을 수행할 수 있는 최소한의 조건을 고려하여 잔여 유효수명을 계산하고, 이를 통해 고장이 일어나기 전까지 부품을 활용할 수 있도록 상태 기반 유지보수가 가능해진다.In addition, according to embodiments of the present invention, the current state of the construction machine and parts is monitored in real time, and the remaining useful life is calculated in consideration of the change in state over time and the minimum conditions under which the parts can perform functions, , this enables condition-based maintenance so that parts are available until failure occurs.

도 1은 본 발명의 일 실시예에 따른 건설기계 장비 관리 시스템을 도시한 도면,
도 2는 본 발명의 다른 실시예에 따른 건설기계 장비 유지관리 방법의 설명에 제공되는 흐름도,
도 3 내지 도 5는 Rule-Based Complex Event Processing을 통한 건설기계 장비의 고장 예측과 예지 보전의 개념 설명에 제공되는 도면들,
도 6은, 도 1에 도시된 건설기계 장비 유지관리 시스템의 블럭도이다.1 is a view showing a construction machine equipment management system according to an embodiment of the present invention;
Figure 2 is a flowchart provided for the description of a construction machine equipment maintenance method according to another embodiment of the present invention;
3 to 5 are diagrams provided for conceptual explanation of failure prediction and predictive maintenance of construction machinery equipment through Rule-Based Complex Event Processing;
6 is a block diagram of the construction machine equipment maintenance system shown in FIG. 1 .

이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.Hereinafter, the present invention will be described in more detail with reference to the drawings.

도 1은 본 발명의 일 실시예에 따른 건설기계 장비 관리 시스템을 도시한 도면이다.1 is a view showing a construction machine equipment management system according to an embodiment of the present invention.

본 발명의 실시예에 따른 건설기계 장비 관리 시스템은, 생산성이 높은 건설기계 장비를 위해 지능화하고 IoT/빅데이터 기반 원격 모니터링 및 예측 기술을 활용하여 작업 환경과 운전자의 숙련도에 의존하지 않고도 높은 작업 생산성을 갖고 주요 부품의 효율성을 높이는 내구성 향상을 위한 서비스를 제공한다.The construction machine equipment management system according to an embodiment of the present invention is intelligent for highly productive construction equipment equipment and utilizes IoT/big data-based remote monitoring and prediction technology to achieve high work productivity without depending on the work environment and the skill of the operator. and provides services to improve durability to increase the efficiency of major parts.

이를 위해, 본 발명의 실시예에 따른 건설기계 장비 관리 시스템은, 디지털 트윈 기반으로 건설기계 장비를 가상화하여 시뮬레이션하고 부품의 잔존기간과 고장 등을 예측한다.To this end, the construction machine equipment management system according to an embodiment of the present invention virtualizes and simulates construction machine equipment based on a digital twin and predicts the remaining period and failure of parts.

이와 같은 기능을 수행하는, 본 발명의 실시예에 따른 건설기계 장비 관리 시스템은, 도 1에 도시된 바와 같이, 건설기계 장비(10), 건설기계 장비 유지관리 시스템(100), 공공 데이터 서버(20) 및 사용자 단말(30)이 상호 통신가능하도록 연결되어 구축된다.As shown in FIG. 1 , the construction machinery equipment management system according to the embodiment of the present invention, which performs such a function, includes a construction equipment equipment 10 , a construction equipment equipment maintenance system 100 , and a public data server ( 20) and the user terminal 30 are connected so as to be able to communicate with each other and are constructed.

건설기계 장비(10)는 현실 세계에 실존하는 장비로, 건설기계 장비 유지관리 시스템(100)에 내부 데이터를 실시간으로 전달한다. 내부 데이터에는, 건설기계 장비(10)의 상태 데이터, 작업 데이터, 장비 이력(고장/수리 내역) 데이터, 품질 보증 데이터 등이 포함된다.The construction equipment equipment 10 is equipment that exists in the real world, and transmits internal data to the construction equipment equipment maintenance system 100 in real time. The internal data includes state data, work data, equipment history (failure/repair history) data, quality assurance data, and the like of the construction equipment equipment 10 .

공공 데이터 서버(20)는 기상 데이터, 건설현장 데이터 등의 외부 데이터를 건설기계 장비 유지관리 시스템(100)에 제공한다.The public data server 20 provides external data such as weather data and construction site data to the construction machine equipment maintenance system 100 .

건설기계 장비 유지관리 시스템(100)는 건설기계 장비(10)에 대한 디지털 트윈을 생성하여 건설기계 장비(10)를 가상화하고, 건설기계 장비(10)로부터 수집한 건설기계 장비(10)의 내부 데이터와 공공 데이터 서버(20)로부터 수집한 외부 데이터를 이용하여 가상화된 건설기계 장비 모델을 시뮬레이션하여 유지관리한다.The construction machinery equipment maintenance system 100 creates a digital twin for the construction equipment equipment 10 to virtualize the construction equipment equipment 10 , and the inside of the construction equipment equipment 10 collected from the construction equipment equipment 10 . A virtualized construction machine equipment model is simulated and maintained using data and external data collected from the public data server 20 .

사용자 단말(30)는 건설기계 장비 유지관리 시스템(100)에 의한 시뮬레이션 결과 및 유지관리를 위한 안내를 제공받기 위한 사용자의 단말이다.The user terminal 30 is a user's terminal for receiving a simulation result by the construction machine equipment maintenance system 100 and a guide for maintenance.

도 1에 도시된 건설기계 장비 유지관리 시스템(100)에 의한 건설기계 장비 유지관리 방법에 대해 도 2를 참조하여 상세히 설명한다. 도 2는 본 발명의 다른 실시예에 따른 건설기계 장비 유지관리 방법의 설명에 제공되는 흐름도이다.A method for maintaining construction equipment by the construction equipment equipment maintenance system 100 shown in FIG. 1 will be described in detail with reference to FIG. 2 . Figure 2 is a flow chart provided for the description of the construction machine equipment maintenance method according to another embodiment of the present invention.

도 2에 도시된 바와 같이, 먼저 건설기계 장비 유지관리 시스템(100)이 디지털 트윈 기반으로 건설기계 장비(10)를 가상화 한다(S210). 이에 의해, 건설기계 장비 유지관리 시스템(100)에는 가상의 건설기계 장비 모델이 생성된다.As shown in FIG. 2 , first, the construction machine equipment maintenance system 100 virtualizes the construction machine equipment 10 based on a digital twin ( S210 ). Accordingly, a virtual construction machine equipment model is generated in the construction machine equipment maintenance system 100 .

구체적으로, 건설기계 장비 모델은 건설기계 장비를 구성하는 부품들에 대한 모델들을 생성하고, 이들을 상호 연결하여 생성된다.Specifically, the construction machine equipment model is generated by creating models for the parts constituting the construction machine equipment, and interconnecting them.

다음, 건설기계 장비 유지관리 시스템(100)이 건설기계 장비(10)로부터 내부 데이터를 실시간으로 수집한다(S220). 내부 데이터에는, 건설기계 장비(10)의 상태 데이터, 작업 데이터, 장비 이력(고장/수리 내역) 데이터, 품질 보증 데이터 등이 포함됨은 전술한 바 있다.Next, the construction machinery equipment maintenance system 100 collects the internal data from the construction equipment equipment 10 in real time (S220). It has been described above that the internal data includes state data, work data, equipment history (failure/repair history) data, and quality assurance data of the construction equipment equipment 10 .

그리고, 건설기계 장비 유지관리 시스템(100)은 공공 데이터 서버(20)로부터 외부 데이터를 실시간으로 수집한다(S230). 외부 데이터에는, 기상 데이터, 건설현장 데이터 등이 포함됨은 전술한 바 있다.And, the construction machine equipment maintenance system 100 collects external data from the public data server 20 in real time (S230). It has been described above that the external data includes weather data, construction site data, and the like.

이후, 건설기계 장비 유지관리 시스템(100)은 S220단계와 S230단계에서 수집된 데이터들을 이용하여 가상화된 건설기계 장비 모델을 시뮬레이션하고(S240), 시뮬레이션 결과를 지식 DB에 반영/업데이트한다(S250).Thereafter, the construction machine equipment maintenance system 100 simulates the virtualized construction machine equipment model using the data collected in steps S220 and S230 (S240), and reflects/updates the simulation result in the knowledge DB (S250). .

나아가, 건설기계 장비 유지관리 시스템(100)은 S240단계에서의 시뮬레이션 결과를 사용자 단말(30)에 피드백한다(S260). 피드백은 건설기계 장비에 대한 직관적인 3D View 타입으로 이루어진다.Furthermore, the construction machine equipment maintenance system 100 feeds back the simulation result in step S240 to the user terminal 30 (S260). Feedback is made in an intuitive 3D view type for construction equipment.

한편, 건설기계 장비 유지관리 시스템(100)은 S240단계에서의 시뮬레이션 결과를 기초로 건설기계 장비의 부품들에 대한 잔존 수명을 파악하여, 사용자 단말(30)에 피드백할 수 있다(S270).Meanwhile, the construction machine equipment maintenance system 100 may determine the remaining lifespan of the parts of the construction machine equipment based on the simulation result in step S240 and feed it back to the user terminal 30 ( S270 ).

나아가, 건설기계 장비 유지관리 시스템(100)은 S240단계에서의 시뮬레이션 결과를 기초로 건설기계 장비(10)의 고장을 예측하고, 예측 결과를 사용자 단말(30)에 피드백할 수 있다(S280).Furthermore, the construction machine equipment maintenance system 100 may predict the failure of the construction machine equipment 10 based on the simulation result in step S240 , and feed back the prediction result to the user terminal 30 ( S280 ).

도 3에는 Rule-Based Complex Event Processing을 통해 건설기계 장비의 데이터를 기반으로 부품 모델에 대한 고장 예측과 예지 보전의 개념을 나타내었고, 도 4에는 부품 모델에 대한 고장 예측의 절차를 구체적으로 나타내었으며, 도 5에는 패턴 비교를 통한 고장 예측 방법을 예시하였다.3 shows the concept of failure prediction and predictive maintenance for a part model based on data of construction equipment through Rule-Based Complex Event Processing, and FIG. 4 specifically shows the procedure of failure prediction for the part model. , a failure prediction method through pattern comparison is illustrated in FIG. 5 .

고장 예측은, 지식 DB에 저장되어 있는 시뮬레이션 결과들로부터 고장 예측에 사용할 인자들을 추출하고, 추출한 인자들을 이용하여 장비의 고장을 예측함으로써 이루어진다. 고장 예측에 이용할 인자들은 딥러닝, 기계학습 등의 인공지능 기술을 활용하여 추출할 수 있다.Failure prediction is performed by extracting factors to be used for failure prediction from simulation results stored in the knowledge DB, and predicting equipment failure using the extracted factors. Factors to be used for failure prediction can be extracted using artificial intelligence technologies such as deep learning and machine learning.

도 6은, 도 1에 도시된 건설기계 장비 유지관리 시스템(100)의 블럭도이다. 도시된 바와 같이, 건설기계 장비 유지관리 시스템(100)은, 통신부(110), 프로세서(120) 및 DB(130)를 포함하는 컴퓨팅 시스템으로 구현된다.6 is a block diagram of the construction machine equipment maintenance system 100 shown in FIG. 1 . As shown, the construction machine equipment maintenance system 100 is implemented as a computing system including a communication unit 110 , a processor 120 , and a DB 130 .

통신부(110)는 건설기계 장비(10), 공공 데이터 서버(20) 및 사용자 단말(30)과 통신하는 인터페이스 수단이다.The communication unit 110 is an interface means for communicating with the construction machine equipment 10 , the public data server 20 , and the user terminal 30 .

프로세서(120)는 도 2에 도시된 건설기계 장비 유지관리 절차를 수행하고, 시뮬레이션 결과 등을 통신부(110)를 통해 사용자 단말(30)에 피드백한다.The processor 120 performs the construction machine equipment maintenance procedure shown in FIG. 2 , and feeds back the simulation result to the user terminal 30 through the communication unit 110 .

DB(130)는 도 2에 도시된 건설기계 장비 유지관리를 위해 필요한 지식 DB가 구축된다.The DB 130 is a knowledge DB required for the maintenance of the construction equipment shown in FIG. 2 is built.

지금까지, 디지털 트윈 기반 건설기계 지능화를 위한 실시간 데이터 처리 방법에 대해 바람직한 실시예를 들어 상세히 설명하였다.So far, a preferred embodiment has been described in detail for a real-time data processing method for intelligent construction machinery based on a digital twin.

위 실시예에서는, 디지털 트윈을 기반으로 건설기계 장비의 상태 데이터를 가상세계에 디지털 시뮬레이션 모델화를 제공하고, 건설기계 장비의 부품 단위 관리/서비스 모델 및 고장 예측이 가능하도록 지능형 건설기계의 실시간 데이터 처리 방법을 제시하고, 인공 지능/기계학습의 활용을 통해 지능형 유지관리 시스템 플랫폼을 제공하였다.In the above embodiment, based on the digital twin, digital simulation modeling of the state data of construction equipment equipment is provided in the virtual world, and real-time data processing of intelligent construction equipment to enable part unit management/service model and failure prediction of construction equipment equipment A method was presented and an intelligent maintenance system platform was provided through the use of artificial intelligence/machine learning.

디지털 트윈 기술을 구현함으로서 물리적 현실세계의 건설기계를 가상화하여 상황을 시뮬레이션하고 그 결과를 다시 피드백 함으로써 지식베이스의 신뢰성을 향상시켰으며, 건설기계에 대한 디지털 트윈을 구성하여 장비 상태, 작업정보 등의 데이터를 실시간으로 수집하고 3D 형태의 직관적 View 제공하였다.By implementing the digital twin technology, the reliability of the knowledge base was improved by simulating the situation by virtualizing construction machines in the physical real world and feeding back the results. Data were collected in real time and an intuitive 3D view was provided.

또한, 공공데이터(도로공사, 기상청 등), SNS 등 외부 데이터와 기계 고장/수리, 품질보증 등 내부데이터를 수집하여 빅데이터 플랫폼으로 통합 제공하고, 빅데이터(내부, 외부, 장비 데이터)와 지식 DB를 통한 딥러닝을 수행하여 고장 진단에 사용되는 특징 인자를 추출하고, 이를 바탕으로 고장진단 및 예측 문제를 해결g하는 것이 가능하다.In addition, public data (Road Corporation, Meteorological Administration, etc.), external data such as SNS, and internal data such as machine failure/repair and quality assurance are collected and integrated into a big data platform, and big data (internal, external, equipment data) and knowledge It is possible to extract the characteristic factors used for fault diagnosis by performing deep learning through DB, and to solve fault diagnosis and prediction problems based on this.

나아가, 서비스 사용자에게 장비의 상태를 실시간으로 확인하고 주요 부품별 잔존 기대수명을 예측하여 관리할 수 있도록 하고, Rule-Based Complex Event Processing을 통해 건설기계 데이터를 기반으로 주요 부품 및 Function 별 분석 모델을 개발하고 이를 바탕으로 고장예측, 예지보전에 활용한다.Furthermore, it allows service users to check the condition of equipment in real time, predict and manage the remaining life expectancy of each major part, and generate an analysis model for each major part and function based on construction equipment data through Rule-Based Complex Event Processing. Developed and based on this, it is used for failure prediction and predictive maintenance.

본 발명의 실시예에 따른 장치와 방법의 기능을 수행하게 하는 컴퓨터 프로그램을 수록한 컴퓨터로 읽을 수 있는 기록매체에도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다. 또한, 본 발명의 다양한 실시예에 따른 기술적 사상은 컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터로 읽을 수 있는 코드 형태로 구현될 수도 있다. 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터에 의해 읽을 수 있고 데이터를 저장할 수 있는 어떤 데이터 저장 장치이더라도 가능하다. 예를 들어, 컴퓨터로 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광디스크, 하드 디스크 드라이브, 등이 될 수 있음은 물론이다. 또한, 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터로 읽을 수 있는 코드 또는 프로그램은 컴퓨터간에 연결된 네트워크를 통해 전송될 수도 있다.Of course, the technical idea of the present invention may be applied to a computer-readable recording medium containing a computer program for performing the functions of the apparatus and method according to the embodiment of the present invention. In addition, the technical ideas according to various embodiments of the present invention may be implemented in the form of computer-readable codes recorded on a computer-readable recording medium. The computer-readable recording medium may be any data storage device readable by the computer and capable of storing data. For example, the computer-readable recording medium may be a ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical disk, hard disk drive, or the like. In addition, the computer-readable code or program stored in the computer-readable recording medium may be transmitted through a network connected between computers.

또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.In addition, although preferred embodiments of the present invention have been illustrated and described above, the present invention is not limited to the specific embodiments described above, and the technical field to which the present invention belongs without departing from the gist of the present invention as claimed in the claims In addition, various modifications are possible by those of ordinary skill in the art, and these modifications should not be individually understood from the technical spirit or perspective of the present invention.

10 : 건설기계 장비
20 : 공공 데이터 서버
30 : 사용자 단말
100 : 건설기계 장비 유지관리 시스템10: construction machinery equipment
20: public data server
30: user terminal
100: construction machinery equipment maintenance system

Claims (8)

현실 세계의 장비를 컴퓨팅 시스템에 가상화하는 단계;
장비의 내부 데이터를 수집하는 단계;
장비의 외부 데이터를 획득하는 단계;
획득한 내부 데이터와 외부 데이터를 이용하여 가상화된 장비를 시뮬레이션하는 단계;
시뮬레이션 결과를 기초로, 장비의 부품들에 대한 잔존 수명을 파악하는 단계;
시뮬레이션 결과를 기초로, 장비의 고장을 예측하는 단계;를 포함하고,
고장 예측 단계는,
인공지능 모델을 이용하여 시뮬레이션 결과로부터 고장 예측에 사용되는 인자들을 추출한 후, 추출한 인자들의 패턴 비교를 통해 장비의 고장을 예측하며,
내부 데이터는,
장비의 상태 데이터, 작업 데이터, 이력 데이터 및 품질 보증 데이터를 포함하고,
외부 데이터는,
기상 데이터 및 장비가 사용되는 현장에 대한 데이터를 포함하는 것을 특징으로 하는 장비 관리 방법.
virtualizing real-world equipment into a computing system;
collecting internal data of the equipment;
acquiring external data of the equipment;
simulating a virtualized device using the acquired internal data and external data;
Based on the simulation result, determining the remaining lifespan of the parts of the equipment;
Based on the simulation results, predicting equipment failure; includes,
The failure prediction stage is,
After extracting the factors used for failure prediction from the simulation results using the artificial intelligence model, the equipment failure is predicted by comparing the patterns of the extracted factors,
internal data,
including equipment status data, operation data, historical data and quality assurance data;
external data,
A method for managing equipment comprising weather data and data on the site where the equipment is used.
 청구항 1에 있어서,
시뮬레이션 결과를 피드백하는 단계;를 더 포함하는 것을 특징으로 하는 장비 관리 방법.
The method according to claim 1,
Feeding back the simulation results; Equipment management method, characterized in that it further comprises.
 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 현실 세계의 장비와 통신하고 외부 데이터를 제공하는 서버와 통신하는 통신부;
현실 세계의 장비를 가상화하고, 통신부를 통해 장비의 내부 데이터와 외부 데이터를 수집하고, 획득한 내부 데이터와 외부 데이터를 이용하여 가상화된 장비를 시뮬레이션하는 프로세서;를 포함하고,
프로세서는,
시뮬레이션 결과를 기초로, 장비의 부품들에 대한 잔존 수명을 파악하며,
시뮬레이션 결과를 기초로 장비의 고장을 예측하되, 인공지능 모델을 이용하여 시뮬레이션 결과로부터 고장 예측에 사용되는 인자들을 추출한 후, 추출한 인자들의 패턴 비교를 통해 장비의 고장을 예측하며,
내부 데이터는,
장비의 상태 데이터, 작업 데이터, 이력 데이터 및 품질 보증 데이터를 포함하고,
외부 데이터는,
기상 데이터 및 장비가 사용되는 현장에 대한 데이터를 포함하는 것을 특징으로 하는 컴퓨팅 시스템.
a communication unit that communicates with devices in the real world and communicates with a server that provides external data;
A processor that virtualizes equipment in the real world, collects internal data and external data of the equipment through the communication unit, and simulates the virtualized equipment using the acquired internal data and external data;
The processor is
Based on the simulation results, the remaining life of the equipment parts is determined,
Predict equipment failure based on simulation results, extract factors used for failure prediction from simulation results using an artificial intelligence model, and then predict equipment failure through pattern comparison of the extracted factors,
internal data,
including equipment status data, operation data, historical data and quality assurance data;
external data,
A computing system comprising weather data and data about the site where the equipment is used.
KR1020180047781A 2018-04-25 2018-04-25 Real-Time Data Processing Method for Digital Twin based Construction Machine Intelligence KR102402845B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180047781A KR102402845B1 (en) 2018-04-25 2018-04-25 Real-Time Data Processing Method for Digital Twin based Construction Machine Intelligence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180047781A KR102402845B1 (en) 2018-04-25 2018-04-25 Real-Time Data Processing Method for Digital Twin based Construction Machine Intelligence

Publications (2)

Publication Number Publication Date
KR20190123895A KR20190123895A (en) 2019-11-04
KR102402845B1 true KR102402845B1 (en) 2022-05-27

Family

ID=68578432

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180047781A KR102402845B1 (en) 2018-04-25 2018-04-25 Real-Time Data Processing Method for Digital Twin based Construction Machine Intelligence

Country Status (1)

Country Link
KR (1) KR102402845B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240028081A (en) 2022-08-24 2024-03-05 (주)브리콘랩 Smart Quality Control System of Construction Sites using Augmented Reality
KR20240039260A (en) 2022-09-19 2024-03-26 배재대학교 산학협력단 Virtual reality-based construction machine practice system

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102289531B1 (en) * 2019-11-25 2021-08-13 한국전자기술연구원 vehicle safety management system using digital twin include vehicle positional information
KR102361755B1 (en) * 2019-12-12 2022-02-11 한국전자기술연구원 Error detection and visualization method using Automotive Intelligence Knowledge-Base based on Digital Twin
KR102320624B1 (en) * 2020-03-18 2021-11-02 인하대학교 산학협력단 Digital twin system and method for virtualization of autonomous driving
CN111413060B (en) * 2020-03-31 2021-11-23 上海海事大学 Test bed system based on digital twins
KR102212390B1 (en) * 2020-04-01 2021-02-04 (주)포미트 Apparatus and method for deriving optimum operating rule of real plant using digital twin simulator and machine learning
CN112382064B (en) * 2020-11-12 2023-01-20 广东电网有限责任公司 Power Internet of things fault early warning method and system based on digital twin technology
CN112327780A (en) * 2020-11-16 2021-02-05 中国电子科技集团公司第二十九研究所 Digital twin system construction method and architecture of electronic equipment test production line
KR102411891B1 (en) * 2020-11-26 2022-06-23 한국전자통신연구원 Real-time distributed similation device using digital twin and method using the same
CN113189947B (en) * 2021-04-27 2022-09-30 浙江大学 Assembly production line digital twin real-time action simulation method based on PLC data
KR20230158213A (en) 2022-05-11 2023-11-20 한화오션 주식회사 Intelligent integrated control management platform
WO2024049180A1 (en) * 2022-08-31 2024-03-07 주식회사 엘지에너지솔루션 System for test run of facility, method therefor, and control device therefor, using digital twin
KR102546088B1 (en) * 2022-11-09 2023-06-22 예주산업(주) System and Method for Heavy Equipment Rental Management by Using Metaverse and GPS Technology

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000110199A (en) 1998-10-09 2000-04-18 Hitachi Constr Mach Co Ltd Design support device for construction machine
JP2005113397A (en) * 2003-10-03 2005-04-28 Hitachi Constr Mach Co Ltd Display device of construction machine
JP2006327722A (en) * 2005-05-24 2006-12-07 Hitachi Constr Mach Co Ltd Information display device for construction machine
WO2017121639A1 (en) 2016-01-14 2017-07-20 Liebherr-Werk Biberach Gmbh Crane, construction machine or industrial truck
WO2017174195A1 (en) 2016-04-08 2017-10-12 Liebherr-Werk Biberach Gmbh Method and device for planning and/or controlling and/or simulating the operation of a construction machine

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102389591B1 (en) * 2015-04-02 2022-04-22 현대두산인프라코어(주) Virtual simulator for a construction machine
KR20170115240A (en) * 2016-04-07 2017-10-17 재단법인 건설기계부품연구원 System and method for testing real construction equipment

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000110199A (en) 1998-10-09 2000-04-18 Hitachi Constr Mach Co Ltd Design support device for construction machine
JP2005113397A (en) * 2003-10-03 2005-04-28 Hitachi Constr Mach Co Ltd Display device of construction machine
JP2006327722A (en) * 2005-05-24 2006-12-07 Hitachi Constr Mach Co Ltd Information display device for construction machine
WO2017121639A1 (en) 2016-01-14 2017-07-20 Liebherr-Werk Biberach Gmbh Crane, construction machine or industrial truck
WO2017174195A1 (en) 2016-04-08 2017-10-12 Liebherr-Werk Biberach Gmbh Method and device for planning and/or controlling and/or simulating the operation of a construction machine

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240028081A (en) 2022-08-24 2024-03-05 (주)브리콘랩 Smart Quality Control System of Construction Sites using Augmented Reality
KR20240039260A (en) 2022-09-19 2024-03-26 배재대학교 산학협력단 Virtual reality-based construction machine practice system

Also Published As

Publication number Publication date
KR20190123895A (en) 2019-11-04

Similar Documents

Publication Publication Date Title
KR102402845B1 (en) Real-Time Data Processing Method for Digital Twin based Construction Machine Intelligence
CN110659173B (en) Operation and maintenance system and method
US11294754B2 (en) System and method for contextual event sequence analysis
CN110166285B (en) Network security experiment platform building method based on Docker
EP4235482A1 (en) State preview method and system for key equipment of nuclear power plant, and device and storage medium
CN113010393A (en) Fault drilling method and device based on chaotic engineering
CN113516244B (en) Intelligent operation and maintenance method and device, electronic equipment and storage medium
TWI684139B (en) System and method of learning-based prediction for anomalies within a base station
CN107707381B (en) Virtual network element intelligent slice management system and method
US20210141779A1 (en) System and method for facilitating an objective-oriented data structure and an objective via the data structure
CN111652406A (en) Method and system for predicting running state of power grid equipment under cloud-edge cooperation
CN109684320B (en) Method and equipment for online cleaning of monitoring data
CN115174416B (en) Network planning system, method and device and electronic equipment
CN112632179A (en) Model construction method and device, storage medium and equipment
CN110766236A (en) Power equipment state trend prediction method based on statistical analysis and deep learning
CN112367678A (en) Micro base station monitoring method and device and storage medium
CN109905268A (en) The method and device of network O&M
US20140052431A1 (en) Supporting proactive decision-making in event-driven applications
EP3798931A1 (en) Machine learning training resource management
CN117390944A (en) Substation operation condition simulation system
CN112235164A (en) Neural network flow prediction device based on controller
CN115589613A (en) Abnormal network index early warning method and device, communication network and storage medium
CN111724052B (en) Intelligent evaluation system for ship turbine simulator
CN104601405B (en) A kind of station level information exchange test system and method based on configuration strategy
CN112560146A (en) BIM-based power grid data operation and maintenance method, device, equipment and storage medium

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant