KR101792702B1 - 작업 순위 결정 장치 - Google Patents

Abstract

본 발명은 작업 순위 결정 장치에 관한 것이다. 본 발명의 일 실시예에 따른 작업 순위 결정 장치는, 복수의 부재들에 관한 데이터를 입력받는 입력부; 상기 입력받은 복수의 부재들에 관한 데이터를 이용하여 상기 복수의 부재들의 작업 순위를 결정하는 처리부; 및 상기 결정된 복수의 부재들의 작업 순위를 출력하는 출력부를 포함하되, 상기 처리부는: 상기 복수의 부재들에 관한 데이터에 가중치를 반영하고, 설정된 함수로 연산하여, 연산된 값에 따라 상기 작업 순위를 결정할 수 있다.

Description

작업 순위 결정 장치{APPARATUS FOR DETERMINING WORK ORDER}

본 발명은 작업 순위 결정 장치에 관한 것이다.

선박이나 해양 플랜트의 건조 시 구조물에 배관들이 다수 설치된다. 구조물에 설치되는 배관의 수가 많다보니 이 배관들을 한 번의 작업으로 설치하기 어렵다. 따라서, 조선소에서는 일정 기간에 걸쳐 정해진 작업 순서대로 배관을 설치하고 있으며, 현재 배관의 작업 순서는 작업자가 판단하여 결정되고 있다.

그러나, 배관의 작업 순서를 결정함에 있어서 고려해야 할 변수들이 매우 많고 다양하여 사람이 판단하여 결정하기에는 시간이 많이 소요되는 문제가 있다. 또한, 설령 사람에 의해 결정되더라도 그 작업 순서가 바람직하지 않아 작업 진행 도중 순서를 변경하는 상황이 자주 발생한다.

본 발명의 실시예는 배관을 비롯한 부재의 작업 순위를 컴퓨터에 의해 결정하도록 하여 작업 순위 결정에 소요되는 시간을 단축시킬 수 있는 작업 순위 결정 장치를 제공하는 것을 목적으로 한다.

본 발명의 실시예는 작업이 완료된 기존 부재들에 관한 정보를 활용하여 최적의 작업 순위를 결정함으로써 작업 진행 도중 작업 순서를 변경하는 상황의 발생을 최소화시킬 수 있는 작업 순위 결정 장치를 제공하는 것을 목적으로 한다.

본 발명의 일 실시예에 따른 작업 순위 결정 장치는, 복수의 부재들에 관한 데이터를 입력받는 입력부; 상기 입력받은 복수의 부재들에 관한 데이터를 이용하여 상기 복수의 부재들의 작업 순위를 결정하는 처리부; 및 상기 결정된 복수의 부재들의 작업 순위를 출력하는 출력부를 포함하되, 상기 처리부는: 상기 복수의 부재들에 관한 데이터에 가중치를 반영하고, 설정된 함수로 연산하여, 연산된 값에 따라 상기 작업 순위를 결정할 수 있다.

상기 입력부는: 상기 복수의 부재들의 사양에 관한 데이터; 상기 복수의 부재들을 체결하기 위한 부품의 확보 여부에 관한 데이터; 상기 복수의 부재들이 설치되는 위치에 관한 데이터; 상기 복수의 부재들을 설치하는 작업의 종류에 관한 데이터; 상기 복수의 부재들의 설치 일정에 관한 데이터; 및 상기 복수의 부재들에 대한 검사 일정에 관한 데이터; 중 적어도 하나를 입력받을 수 있다.

상기 작업 순위 결정 장치는, 작업이 완료된 부재에 관한 데이터 및 상기 작업이 완료된 부재의 작업 순위를 저장하는 저장부; 및 상기 저장부에 저장된 작업이 완료된 부재에 관한 데이터 및 상기 작업이 완료된 부재의 작업 순위를 이용하여 상기 가중치를 조정하는 학습 실행부;를 더 포함할 수 있다.

본 발명의 실시예에 따르면, 부재의 작업 순위를 컴퓨터에 의해 자동으로 결정함으로써 작업 순위 결정에 소요되는 시간을 단축시킬 수 있다.

본 발명의 실시예에 따르면, 부재들의 작업 순위 결정에 있어서 기존 부재들에 관한 정보를 활용함으로써 최적의 작업 순위를 작업자에게 제공하여 작업 효율을 향상시킬 수 있다.

도 1은 본 발명의 일 실시예에 따른 작업 순위 결정 장치의 예시적인 블록도이다.
도 2는 본 발명의 일 실시예에 따른 인공 신경망의 구성을 개략적으로 나타내는 도면이다.
도 3 내지 도 6은 본 발명의 일 실시예에 따라 인공 신경망에 입력 인자로 적용되는 부재 관련 데이터를 설명하기 위한 예시적인 도면이다.
도 7은 본 발명의 일 실시예에 따른 작업 순위 결정 방법의 예시적인 흐름도이다.
도 8은 본 발명의 일 실시예에 따라 부재들에 관한 데이터를 인공 신경망에 적용하여 부재들의 작업 순위를 획득하는 과정을 설명하기 위한 예시적인 흐름도이다.

이하, 본 명세서에 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.

도 1은 본 발명의 일 실시예에 따른 작업 순위 결정 장치(100)의 예시적인 블록도이다.

도 1에 도시된 바와 같이, 상기 작업 순위 결정 장치(100)는 입력부(110), 처리부(120) 및 출력부(130)를 포함할 수 있다. 상기 입력부(110)는 복수의 부재들에 관한 데이터를 입력받을 수 있다. 상기 처리부(120)는 부재들에 관한 데이터를 인공 신경망에 적용하여 부재들의 작업 순위를 획득할 수 있다. 상기 출력부(130)는 부재들의 작업 순위를 출력할 수 있다.

일 실시예에 따르면, 상기 입력부(110)는 데이터를 불러와 상기 처리부(120)에 제공하는 입력 인터페이스일 수 있다.

일 예로, 상기 입력부(110)는 데이터를 저장하고 있는 서버에 접속하여 상기 서버로부터 데이터를 불러와 상기 처리부(120)에 제공하는 통신 모듈을 포함할 수 있다.

다른 예로, 상기 입력부(110)는 상기 작업 순위 결정 장치(100)에 구비된 저장 장치로부터 데이터를 불러와 상기 처리부(120)에 제공할 수도 있다.

상기 처리부(120)는 입력받은 데이터를 처리하는 처리 장치로서, 일 예로 CPU, 코어, 프로세서 등을 포함할 수 있으나 이에 제한되지는 않는다. 상기 처리부(120)는 본 발명의 실시예에 따라 부재들의 작업 순위를 결정하기 위해 사전에 제작된 프로그램을 불러와 실행함으로써 부재들에 관한 데이터를 기초로 그 부재들의 작업 순위를 결정하는 프로세스를 수행할 수 있다. 상기 프로그램은 상기 작업 순위 결정 장치(100)에 구비된 저장 장치에 저장되어 있을 수 있으나 이에 제한되는 것은 아니다.

상기 출력부(130)는 데이터를 출력하는 장치로서, 상기 처리부(120)의 데이터 처리에 의해 획득된 결과 데이터를 출력하는 출력 인터페이스일 수 있다.

일 예로, 상기 출력부(130)는 상기 처리부(120)로부터 출력된 데이터를 네트워크를 통해 다른 장치로 전송하는 통신 모듈을 포함할 수 있다.

다른 예로, 상기 출력부(130)는 상기 처리부(120)로부터 출력된 데이터를 상기 작업 순위 결정 장치(100)에 구비된 저장 장치로 보내어 저장시킬 수도 있다.

또 다른 예로, 상기 출력부(130)는 상기 처리부(120)로부터 출력된 데이터를 디스플레이와 같은 표시 장치에 표시함으로써 사용자에게 제공할 수도 있다.

본 발명의 실시예에 따르면, 상기 처리부(120)는 부재들에 관한 데이터를 인공 신경망에 적용하여 부재들의 작업 순위를 획득할 수 있다.

도 2는 본 발명의 일 실시예에 따른 인공 신경망(200)의 구성을 개략적으로 나타내는 도면이다.

도 2를 참조하면, 상기 작업 순위 결정 장치(100)는 사전에 구성된 인공 신경망(200)에 부재들에 관한 데이터를 입력 인자로 적용하고, 인공 신경망(200)에 설정된 함수에 따라 데이터를 처리하여 부재들의 작업 순위를 획득할 수 있다.

상기 인공 신경망(200)은 다수의 노드들(도 2의 ○)이 유기적으로 연결되도록 구성되며, 각 노드는 인공 뉴런에 해당한다. 노드들 사이에 표시되어 있는 화살표는 하나의 노드에서 출력된 데이터가 다른 노드의 입력으로 제공됨을 나타낸다.

도 2에서는 입력층의 각 노드가 은닉층의 각 노드에 화살표로 연결되어 있고 은닉층의 각 노드가 출력층의 각 노드에 화살표로 연결되어 있으나, 도 2의 노드 구성은 예시적인 것으로 본 발명의 실시예에 따른 인공 신경망(200)은 이와 다른 구조로 구성될 수 있다.

상기 인공 신경망(200)은 기 설정된 함수에 의해 정의될 수 있으며, 상기 함수는 인공 신경망(200)에 적용되는 입력 인자에 의해 기술될 수 있다.

본 발명의 일 실시예에 따르면, 상기 인공 신경망(200)에 의해 작업 순위가 결정되는 부재들은 배관들을 포함할 수 있다. 배관은 유체가 흐르는 파이프를 포함하며, 다수의 파이프들이 서로 체결되어 구조물(예컨대, 선박이나 해양 플랜트의 블록)에 설치됨으로써 의장 공정이 이루어진다.

그러나, 본 발명의 실시예에 의해 작업 순위가 결정되는 부재들은 배관들로 제한되지 않으며 작업의 대상이 되는 각종 물품을 포괄한다.

본 발명의 일 실시예에 따르면, 상기 입력부는 부재들에 관한 데이터로 부재들의 사양, 부재들을 체결하기 위한 부품의 확보 여부, 부재들이 설치되는 위치, 부재들을 설치하는 작업의 종류, 부재들의 설치 일정에 관한 데이터, 및 부재들에 대한 검사 일정에 관한 데이터 중 적어도 하나를 포함할 수 있다.

이 데이터는 상기 인공 신경망(200)에 입력 인자로 적용되어 상기 인공 신경망(200)에 설정된 함수에 따라 연산됨으로써 부재들의 작업 순위 결정에 사용된다.

도 3 내지 도 6은 본 발명의 일 실시예에 따라 인공 신경망(200)에 입력 인자로 적용되는 부재 관련 데이터를 설명하기 위한 예시적인 도면이다.

먼저, 도 3을 참조하면, 상기 인공 신경망(200)에 입력 인자로 적용되는 부재 관련 데이터는 부재들의 사양을 포함할 수 있다.

예를 들어, 상기 부재가 배관인 경우, 상기 부재들의 사양은 배관의 길이(L1, L2), 직경(D1) 또는 길이와 직경 둘 모두를 포함할 수 있으나, 이에 제한되지 않고 부재의 사이즈와 관련된 모든 수치값을 포함할 수 있다. 뿐만 아니라, 상기 부재들의 사양은 부재들의 중량을 포함할 수 있으며, 실시예에 따라 부재들의 재질을 포함할 수도 있다.

부재들의 재질과 같이 수치로 표현되지 않는 비-수치 데이터의 경우, 각 재질마다 수치값이 인덱싱되어 그 재질에 대응하는 수치값이 상기 인공 신경망(200)에 입력될 수 있다.

예를 들어, 부재들의 재질이 강철, 구리 및 알루미늄으로 구성된 집합이며, 강철, 구리 및 알루미늄이 각각 '1', '2', '3' 값으로 인덱싱된 경우, 제 1 부재의 재질이 강철이면 해당 부재의 재질로 인공 신경망(200)에 '1'이 입력되고, 제 2 부재의 재질이 알루미늄이면 해당 부재의 재질로 인공 신경망(200)에 '3'이 입력되고, 제 3 부재의 재질이 구리이면 해당 부재의 재질로 인공 신경망(200)에 '2'가 입력될 수 있다.

다음으로, 상기 인공 신경망(200)에 입력 인자로 적용되는 부재 관련 데이터는 부재들을 체결하기 위한 부품의 확보 여부를 포함할 수 있다.

도 3을 참조하면, 제 1 배관(201)과 제 2 배관(202)을 연결하기 위해서는 연결 부품인 플랜지(203)가 필요하며, 상기 인공 신경망(200)에 입력 인자로 적용되는 상기 제 1 및 제 2 배관(201, 202)에 관한 데이터로 상기 플랜지(203)의 확보 여부가 포함될 수 있다.

앞서 설명한 부재의 재질과 마찬가지로, 부재들을 체결하기 위한 부품의 확보 여부 역시 비-수치 데이터이므로, 부품 확보와 미확보에 각각 다른 수치값이 인덱싱되어 부품 확보 여부에 따라 그에 대응하는 수치값이 상기 인공 신경망(200)에 입력될 수 있다.

예를 들어, 상기 플랜지(203)가 확보된 경우에는 상기 인공 신경망(200)에 '1'이 입력되고, 확보되지 않은 경우에는 '-1'이 입력될 수 있다. 그러나, 상기 비-수치 데이터에 인덱싱되는 수치값은 이에 제한되지 않고 인공 신경망(200)의 구성 및 그에 설정된 함수에 따라 다양하게 설정될 수 있다.

다음으로, 상기 인공 신경망(200)에 입력 인자로 적용되는 부재 관련 데이터는 부재들이 설치되는 위치를 포함할 수 있다.

도 4를 참조하면, 조선소와 같이 블록(210)에 배관(204, 205)을 설치하는 의장 공정의 경우, 배관은 블록의 바닥을 기준으로 상측에 설치되는 상측 배관(204)과 하측에 설치되는 하측 배관(205)으로 구분될 수 있다.

이 경우, 본 발명의 실시예에 따라 배관들(204, 205)의 작업 순위를 결정하기 위해, 상기 인공 신경망(200)에 입력 인자로 배관들(204, 205)이 설치되는 위치가 적용될 수 있다.

마찬가지로, 부재들이 설치되는 위치 역시 수치로 표현되지 않는 비-수치 데이터이므로, 설치 위치마다 각기 다른 수치값이 인덱싱되어 그 설치 위치에 대응하는 수치값이 상기 인공 신경망(200)에 입력될 수 있다.

예를 들어, 상기 배관(204)이 블록(210)에서 바닥의 상측에 설치되는 경우 상기 인공 신경망(200)에 '1'이 입력되고, 바닥의 하측에 설치되는 경우 상기 인공 신경망(200)에 '-1'이 입력될 수 있다. 마찬가지로, 상기 설치 위치에 인덱싱되는 수치값은 이에 제한되지 않고 인공 신경망(200)의 구성 및 그에 설정된 함수에 따라 다양하게 설정될 수 있다.

다음으로, 상기 인공 신경망(200)에 입력 인자로 적용되는 부재 관련 데이터는 부재들을 설치하는 작업의 종류를 포함할 수 있다.

조선소에서 구조물에 배관을 설치하는 경우, 이 설치 공정이 비교적 작은 규모의 구조물에 대한 소조 공정에 속할 수도 있으며, 중간 규모의 구조물에 대한 중조 공정에 속할 수도 있으며, 대규모의 구조물에 대한 대조 공정에 속할 수도 있다.

본 발명의 일 실시예에 따라 부재들의 작업 순위를 결정하기 위해, 상기 인공 신경망(200)에 입력 인자로 부재들이 설치되는 작업의 종류(예컨대, 소조, 중조, 대조 공정)가 적용될 수 있다.

이 경우에도, 작업의 종류는 비-수치 데이터이므로, 각 작업마다 서로 다른 수치값이 인덱싱되어 그 작업에 대응하는 수치값이 상기 인공 신경망(200)에 입력될 수 있다.

예를 들어, 어느 부재를 설치하는 작업이 소조 공정에 해당하는 경우 상기 인공 신경망(200)에 '1'이 입력되고, 중조 공정에 해당하는 경우 상기 인공 신경망(200)에 '2'가 입력되고, 대조 공정에 해당하는 경우 상기 인공 신경망(200)에 '3'이 입력될 수 있다. 그러나, 각 공정에 인덱싱되는 수치값은 이에 제한되지 않고 인공 신경망(200)의 구성 및 그에 설정된 함수에 따라 다양하게 설정될 수 있다.

다음으로, 상기 인공 신경망(200)에 입력 인자로 적용되는 부재 관련 데이터는 부재들의 설치 일정에 관한 데이터를 포함할 수 있다.

구조물의 제작에 있어서, 그 구조물에 설치되는 부재들은 구조물 제작 일정 상 부재의 설치 일정이 미리 계획되어 있는 경우가 있다. 이 경우, 본 발명의 실시예는 부재들의 작업 순위 결정 시 상기 설치 일정을 고려하기 위해 상기 인공 신경망(200)에 입력 인자로 상기 설치 일정에 관한 데이터를 적용할 수 있다.

그러나, 실시예에 따라 부재들의 작업 순위 결정 시 상기 설치 일정 외에 다른 요인이 입력 인자로 적용되는 경우, 상기 부재들은 반드시 설치 일정의 순서대로 작업되지 않을 수도 있으며, 본 발명의 실시예는 상기 인공 신경망(200)에 적용되는 모든 입력 인자를 사전에 설정된 함수에 따라 연산하여 부재들의 작업 순위를 결정한다.

도 5를 참조하여 설명하면, 본 발명의 실시예에 따라 인공 신경망(200)을 통해 부재 1 내지 3의 작업 순위를 결정하는 경우, 상기 인공 신경망(200)에 입력 인자로 부재 1 내지 3의 설치 일정에 관한 데이터가 적용될 수 있다.

일 예로, 상기 인공 신경망(200)에 입력 인자로 적용되는 설치 일정 관련 데이터는 부재들의 설치 일정의 선후 관계를 나타내는 데이터일 수 있다. 예를 들어, 도 5에 도시된 바와 같이 부재 1 내지 3 중에서 부재 2, 3 그리고 1의 순서로 설치가 예정되어 있는 경우, 상기 인공 신경망(200)에 입력 인자로 적용되는 부재 1 내지 3의 설치 일정 관련 데이터는 각각 '3', '1' 및 '2'일 수 있다(즉, 설치 예정일의 순서).

다른 예로, 상기 인공 신경망(200)에 입력 인자로 적용되는 설치 일정 관련 데이터는 기준일로부터 각 부재의 설치 예정일까지의 시간일 수 있다. 예를 들어, 도 5에 도시된 바와 같이 기준일로부터 부재 1 내지 3의 설치 예정일까지의 시간이 각각 14일, 7일 및 10일인 경우, 상기 인공 신경망(200)에 입력 인자로 적용되는 부재 1 내지 3의 설치 일정 관련 데이터는 각각 '14', '7' 및 '10'일 수 있다(즉, 설치 예정일까지 남은 기간).

여기서, 상기 기준일은 본 발명의 실시예에 따라 부재들의 작업 순위를 결정하는 날일 수 있으나 이에 제한되지는 않는다.

다음으로, 상기 인공 신경망(200)에 입력 인자로 적용되는 부재 관련 데이터는 부재들에 대한 검사 일정에 관한 데이터를 포함할 수 있다.

구조물에 부재들이 설치되면 설치된 부재들에 대한 검사가 실시되며, 이 검사 일정은 구조물 제작 일정 상 미리 계획되어 있을 수 있다. 이 경우, 본 발명의 실시예는 상기 검사 일정을 고려하여 부재들의 작업 순위 결정하기 위해, 상기 인공 신경망(200)에 입력 인자로 상기 검사 일정에 관한 데이터를 적용할 수 있다.

도 6을 참조하여 설명하면, 본 발명의 실시예에 따라 인공 신경망(200)을 통해 부재 1 내지 3의 작업 순위를 결정하는 경우, 상기 인공 신경망(200)에 입력 인자로 부재 1 내지 3의 검사 일정에 관한 데이터가 적용될 수 있다.

일 예로, 상기 인공 신경망(200)에 입력 인자로 적용되는 검사 일정 관련 데이터는 부재들의 검사 일정의 선후 관계를 나타내는 데이터일 수 있다. 예를 들어, 도 6에 도시된 바와 같이 부재 1 내지 3 중에서 부재 2, 1 그리고 3의 순서로 검사가 예정되어 있는 경우, 상기 인공 신경망(200)에 입력 인자로 적용되는 부재 1 내지 3의 검사 일정 관련 데이터는 각각 '2', '1' 및 '3'일 수 있다(즉, 검사 예정일의 순서).

다른 예로, 상기 인공 신경망(200)에 입력 인자로 적용되는 검사 일정 관련 데이터는 기준일로부터 각 부재의 검사 예정일까지의 시간일 수 있다. 예를 들어, 도 6에 도시된 바와 같이 기준일로부터 부재 1 내지 3의 검사 예정일까지의 시간이 각각 15일, 8일 및 18일인 경우, 상기 인공 신경망(200)에 입력 인자로 적용되는 부재 1 내지 3의 검사 일정 관련 데이터는 각각 '15', '8' 및 '18'일 수 있다(즉, 검사 예정일까지 남은 기간).

마찬가지로, 상기 기준일은 본 발명의 실시예에 따라 부재들의 작업 순위를 결정하는 날일 수 있으나 이에 제한되지는 않는다.

이와 같이 상기 부재들의 작업 순위 결정 시 부재들의 검사 일정을 고려하는 경우, 설령 일 부재의 설치 예정일이 다른 부재의 설치 예정일보다 앞서더라도 상기 일 부재의 검사 예정일이 상기 다른 부재의 검사 예정일보다 늦다면, 본 발명의 실시예는 상기 일 부재의 작업 순위가 상기 다른 부재의 작업 순위보다 후순위로 결정될 수 있다.

이상에서 설명한 바와 같이, 본 발명의 실시예에 따른 작업 순위 결정 장치(100)는 인공 신경망(200)에 부재들에 관한 데이터를 입력 인자로 적용하여 그를 기반으로 부재들의 작업 순위를 획득할 수 있다.

본 발명의 일 실시예에 따르면, 상기 처리부(120)는 부재들에 관한 데이터를 인공 신경망(200)에 입력 인자로 적용하고, 상기 입력 인자에 가중치를 반영하고 상기 인공 신경망(200)에 설정된 함수에 따라 연산하여 각 부재에 대한 스코어를 산출하고, 상기 스코어에 따라 부재들의 작업 순위를 결정할 수 있다.

일 예로, 상기 처리부(120)는 아래의 수학식과 같이 어느 한 부재에 대한 N 개의 입력 인자에 가중치 W를 반영한 뒤 이 가중 입력 인자를 합산하여 해당 부재에 대한 스코어를 산출할 수 있다.

NET = 입력 인자₁ × W₁ + 입력 인자₂ × W₂ + ... + 입력 인자_N × W_N

그러고 나서, 상기 인공 신경망(200)에 데이터가 입력된 다수의 부재들 각각에 대하여 산출된 스코어를 기준으로 스코어의 순서대로 부재들의 작업 순위를 결정할 수 있다. 예를 들어, 어느 부재의 스코어가 높을수록 그 부재의 작업 순위가 높아지도록 결정될 수 있으나, 실시예에 따라 그 반대의 경우도 가능하다.

나아가, 본 발명의 실시예에 따른 작업 순위 결정 장치(100)는 작업이 완료된 기존 부재들에 관한 정보를 기초로 상기 인공 신경망(200)을 학습시킴으로써 부재들에 대한 최적의 작업 순위를 도출할 수 있다.

이 실시예에 따르면, 상기 작업 순위 결정 장치(100)는 저장부(140) 및 학습 실행부(150)를 더 포함할 수 있다.

상기 저장부(140)는 작업이 완료된 기존 부재들에 관한 데이터 및 상기 기존 부재들의 작업 순위를 저장할 수 있다. 그리고, 상기 학습 실행부(150)는 기존 부재들에 관한 데이터 및 기존 부재들의 작업 순위를 기반으로 상기 가중치 W를 갱신하도록 상기 인공 신경망(200)을 학습시킬 수 있다.

다시 말해, 이 실시예에서 상기 학습 실행부(150)는 기존에 축적된 기존 부재들에 관한 데이터 및 그 기존 부재들의 작업 순위를 기반으로 기계 학습 알고리즘을 통해 상기 인공 신경망(200)을 학습시킬 수 있으며, 이 경우 상기 입력 인자에 적용되는 가중치 W가 학습에 따라 업데이트될 수 있다.

이 실시예에 따르면, 각 입력 인자에 적용되는 가중치 W가 기존 부재들에 관한 정보를 기초로 업데이트됨으로써 부재들에 대한 최적의 작업 순위를 얻을 수 있으며, 여기서 말하는 최적의 작업 순위란 추후 작업 진행 도중 부재들의 작업 순서가 변경되는 것을 최소화시킬 수 있는 작업 순위를 의미한다.

도 7은 본 발명의 일 실시예에 따른 작업 순위 결정 방법(300)의 예시적인 흐름도이다.

상기 작업 순위 결정 방법(300)은 전술한 본 발명의 실시예에 따른 작업 순위 결정 장치(100)가 부재들의 작업 순위를 결정하기 위해 실행할 수 있다.

도 7에 도시된 바와 같이, 상기 작업 순위 결정 방법(300)은 부재들에 관한 데이터를 입력받는 단계(S310), 부재들에 관한 데이터를 인공 신경망(200)에 적용하여 부재들의 작업 순위를 획득하는 단계(S320), 및 부재들의 작업 순위를 출력하는 단계(S330)를 포함할 수 있다.

일 실시예에 따르면, 상기 부재들은 유체가 흐르는 배관들을 포함할 수 있으나 이에 제한되지는 않는다.

본 발명의 실시예에 따르면, 상기 부재들에 관한 데이터를 입력받는 단계(S310)는 부재들의 사양, 부재들을 체결하기 위한 부품의 확보 여부, 부재들이 설치되는 위치, 부재들을 설치하는 작업의 종류, 부재들의 설치 일정에 관한 데이터, 및 부재들에 대한 검사 일정에 관한 데이터 중 적어도 하나를 입력받는 단계를 포함할 수 있다.

도 8은 본 발명의 일 실시예에 따라 부재들에 관한 데이터를 인공 신경망(200)에 적용하여 부재들의 작업 순위를 획득하는 과정(S320)을 설명하기 위한 예시적인 흐름도이다.

도 8을 참조하면, 상기 부재들에 관한 데이터를 인공 신경망(200)에 적용하여 부재들의 작업 순위를 획득하는 단계(S320)는, 부재들에 관한 데이터를 인공 신경망(200)에 입력 인자로 적용하는 단계(S321), 입력 인자에 가중치 W를 반영하고 상기 인공 신경망(200)에 설정된 함수에 따라 연산하여 각 부재에 대한 스코어를 산출하는 단계(S322), 및 상기 스코어에 따라 부재들의 작업 순위를 결정하는 단계(S323)를 포함할 수 있다.

나아가, 본 발명의 실시예에 따르면, 상기 작업 순위 결정 방법(300)은 기존 부재들에 관한 데이터 및 기존 부재들의 작업 순위를 기반으로 인공 신경망(200)을 학습시키는 단계(S305)를 더 포함할 수 있다.

이 경우, 도 7에 도시된 바와 같이, 상기 인공 신경망(200)을 학습시키는 단계(S305)는 부재들에 관한 데이터를 입력받아 그를 기초로 부재들의 작업 순위를 결정하기 전에 미리 수행될 수 있다.

상기 작업 순위 결정 방법(300)은 컴퓨터에서 실행되기 위한 프로그램으로 제작되어 컴퓨터가 읽을 수 있는 기록매체에 저장될 수 있다. 상기 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 저장장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다. 또한, 상기 작업 순위 결정 방법(300)은 컴퓨터와 결합되어 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다.

이상에서 실시예를 통해 본 발명을 설명하였으나, 위 실시예는 단지 본 발명의 사상을 설명하기 위한 것으로 이에 한정되지 않는다. 통상의 기술자는 전술한 실시예에 다양한 변형이 가해질 수 있음을 이해할 것이다. 본 발명의 범위는 첨부된 특허청구범위의 해석을 통해서만 정해진다.

100: 작업 순위 결정 장치
110: 입력부
120: 처리부
130: 출력부
140: 저장부
150: 학습 실행부

Claims (3)

1. 복수의 부재들에 관한 데이터를 입력받는 입력부;
   상기 입력받은 복수의 부재들에 관한 데이터를 이용하여, 상기 복수의 부재들에 관한 데이터에 가중치를 반영하고, 설정된 함수로 연산하여, 연산된 값에 따라 작업 순위를 결정하되, 상기 부재들에 관한 데이터를 인공 신경망에 적용하여 상기 부재들의 작업 순위를 획득하여 상기 복수의 부재들의 작업 순위를 결정하는 처리부;
   상기 결정된 복수의 부재들의 작업 순위를 출력하는 출력부; 및
   작업이 완료된 부재에 관한 데이터 및 상기 작업이 완료된 부재의 작업 순위를 저장하는 저장부; 및
   상기 저장부에 저장된 작업이 완료된 부재에 관한 데이터 및 상기 작업이 완료된 부재의 작업 순위를 이용하여 상기 가중치를 조정하는 학습 실행부;
   를 포함하되,
   상기 인공 신경망은:
   상기 복수의 부재들의 사양에 관한 데이터, 상기 복수의 부재들을 체결하기 위한 부품의 확보 여부에 관한 데이터, 상기 복수의 부재들이 설치되는 위치에 관한 데이터, 상기 복수의 부재들을 설치하는 작업의 종류에 관한 데이터, 상기 복수의 부재들의 설치 일정에 관한 데이터; 및 상기 복수의 부재들에 대한 검사 일정에 관한 데이터를 포함하는 입력 인자와, 상기 부재들의 작업 순위 간의 함수로서, 상기 부재들을 이용한 작업 진행 도중 상기 부재들의 작업 순서가 변경되는 것을 최소화시키도록 학습된 함수에 의해 정의되며,
   상기 입력 인자가 비-수치 데이터인 경우 각 비-수치 데이터에 대응되는 수치값을 인덱싱한 데이터가 상기 인공 신경망에 상기 입력 인자로 입력되는 작업 순위 결정 장치.
2. 삭제
3. 삭제

Images