KR101876629B1 - 빅데이터 분석 기반 상태 감시 장치 및 방법 - Google Patents

빅데이터 분석 기반 상태 감시 장치 및 방법 Download PDF

Info

Publication number
KR101876629B1
KR101876629B1 KR1020160116107A KR20160116107A KR101876629B1 KR 101876629 B1 KR101876629 B1 KR 101876629B1 KR 1020160116107 A KR1020160116107 A KR 1020160116107A KR 20160116107 A KR20160116107 A KR 20160116107A KR 101876629 B1 KR101876629 B1 KR 101876629B1
Authority
KR
South Korea
Prior art keywords
vibration data
defect
data
type
defective
Prior art date
Application number
KR1020160116107A
Other languages
English (en)
Other versions
KR20180028609A (ko
Inventor
서병종
나보균
정병훈
Original Assignee
한국산업기술대학교산학협력단
씨엠에스코리아(주)
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 한국산업기술대학교산학협력단, 씨엠에스코리아(주) filed Critical 한국산업기술대학교산학협력단
Priority to KR1020160116107A priority Critical patent/KR101876629B1/ko
Publication of KR20180028609A publication Critical patent/KR20180028609A/ko
Application granted granted Critical
Publication of KR101876629B1 publication Critical patent/KR101876629B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

빅데이터 분석 기반 상태 감시 장치 및 방법이 개시된다. 빅데이터 분석 기반 상태 감시 방법은 복수의 진동 데이터에 대해, 결함 여부를 각각 확인하는 단계와, 결함이 있는 것으로 확인되는 진동 데이터에 대해 신호패턴을 분석하여, 결함의 종류를 식별하는 단계와, 상기 식별된 결함의 종류별로 상기 진동 데이터를 분류하여, 상기 결함의 종류에 대응하는 결함 서버에 각각 저장하는 단계를 포함할 수 있다.

Description

빅데이터 분석 기반 상태 감시 장치 및 방법{APPARATUS AND METHOD FOR MONITORING CONDITION BASED ON BICDATA ANALYSIS}
본 발명의 실시예들은 복수의 진동 데이터를 결함의 종류별로 분류하여, 각 종류에 대응하는 결함 서버에 저장 함으로써, 이후 센서에 의해 센싱되는 신규의 진동 데이터에 대해, 각 결함 서버에 저장된 진동 데이터를 이용하여, 결함 진단을 용이하게 수행하는 빅데이터 분석 기반 상태 감시 장치 및 방법에 관한 것이다.
다양한 분야(예컨대, 제철소, 화학공장, 발전소 등)에서 자동화 생산 및 관리를 위한 설비가 이용되고 있다. 이러한 설비는 결함이 발생하여, 정상 가동이 불가능하게 될 수 있음에 따라, 관리자는 설비에서의 결함 발생을 주기적으로 확인할 필요가 있다.
일반적으로, 설비 감시 장치는 설비에 구비된 센서로부터 데이터를 수신하고, 상기 수신된 데이터를 분석하여, 설비에서 결함이 발생한 것으로 확인되면, 이를 관리자에게 제공할 수 있다. 이때, 설비 감시 장치는 상기 데이터가 단순한 스칼라값이 아닌 다이나믹 신호이기 때문에, 데이터의 취득, 저장, 분석을 위한 특수한 기술을 이용하여, 상기 데이터를 처리해야 함에 따라, 그 구성이 복잡하고, 비용이 증가하게 된다.
또한, 설비 감시 장치는 데이터의 용량이 매우 크고, 주기적인 데이터 획득으로 인해 데이터량이 많아짐에 따라, 데이터 처리 속도가 낮다.
본 발명은 복수의 진동 데이터를 결함의 종류별로 분류하여, 각 종류에 대응하는 결함 서버에 저장 함으로써, 이후 센서에 의해 센싱되는 신규의 진동 데이터에 대해, 각 결함 서버에 저장된 진동 데이터를 이용하여, 결함 진단을 용이하게 수행할 수 있게 하는 것을 목적으로 한다.
상기의 목적을 이루기 위한, 빅데이터 분석 기반 상태 감시 장치는 복수의 진동 데이터에 대해, 결함 여부를 각각 확인하는 인터페이스와, 결함이 있는 것으로 확인되는 진동 데이터에 대해 신호패턴을 분석하여, 결함의 종류를 식별하고, 상기 식별된 결함의 종류별로 상기 진동 데이터를 분류하여, 상기 결함의 종류에 대응하는 결함 서버에 각각 저장하는 프로세서를 포함할 수 있다.
빅데이터 분석 기반 상태 감시 방법은 복수의 진동 데이터에 대해, 결함 여부를 각각 확인하는 단계와, 결함이 있는 것으로 확인되는 진동 데이터에 대해 신호패턴을 분석하여, 결함의 종류를 식별하는 단계와, 상기 식별된 결함의 종류별로 상기 진동 데이터를 분류하여, 상기 결함의 종류에 대응하는 결함 서버에 각각 저장하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, 복수의 진동 데이터를 결함의 종류별로 분류하여, 각 종류에 대응하는 결함 서버에 저장 함으로써, 이후 센서에 의해 센싱되는 신규의 진동 데이터에 대해, 각 결함 서버에 저장된 진동 데이터를 이용하여, 결함 진단을 용이하게 수행할 수 있게 한다.
본 발명의 실시예에 따르면, 센서로부터 획득되는 신규의 진동 데이터와 매칭되는 진동 데이터를 결함 서버로부터 검출하고, 상기 진동 데이터가 검출된 결함 서버에 대응하는 결함의 종류를, 상기 센서가 구비된 설비에서 발생한 결함의 종류로서 판단 함으로써, 특수한 기술을 필요로 하지 않음에 따라, 그 구성이 간단하고, 저비용으로 진동 데이터를 처리할 수 있다. 또한, 진동 데이터에 대한 처리 과정을 단순화하여, 데이터 처리 속도를 증가시킬 수 있다.
도 1은 본 발명의 일실시예에 따른 빅데이터 분석 기반 상태 감시 장치를 포함하는 네트워크의 구성을 나타내는 도면이다.
도 2는 본 발명의 일실시예에 따른 빅데이터 분석 기반 상태 감시 장치의 구성을 나타내는 도면이다.
도 3은 본 발명의 일실시예에 따른 빅데이터 분석 기반 상태 감시 장치에서의 진동 데이터에 대한 분류 일례를 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 빅데이터 분석 기반 상태 감시 장치에서의 상태 감시에 대한 일례를 설명하기 위한 도면이다.
도 5는 본 발명의 일실시예에 따른 빅데이터 분석 기반 상태 감시 방법을 나타내는 흐름도이다.
이하, 첨부된 도면들을 참조하여 본 발명의 일실시예에 따른 빅데이터 분석 기반 상태 감시 장치 및 방법에 대해 상세히 설명한다.
도 1은 본 발명의 일실시예에 따른 빅데이터 분석 기반 상태 감시 장치를 포함하는 네트워크의 구성을 나타내는 도면이다.
도 1을 참조하면, 네트워크(100)는 복수의 센서(101), 빅데이터 분석 기반 상태 감시 장치(103) 및 복수의 결함 서버(105)를 포함할 수 있다.
복수의 센서(101)는 예컨대, 설비에 구비되는 복수의 진동 센서일 수 있으며, 진동 데이터를 센싱하여, 빅데이터 분석 기반 상태 감시 장치(103)에 전송할 수 있다.
빅데이터 분석 기반 상태 감시 장치(103)는 먼저, 복수의 센서(101)로부터 수신된 복수의 진동 데이터를 결함의 종류별로 분류하여, 각 종류에 대응하는 결함 서버(105)에 제공할 수 있다. 이때, 빅데이터 분석 기반 상태 감시 장치(103)는 복수의 진동 데이터에 대해, 결함 여부를 각각 확인하고, 결함이 있는 것으로 확인되는 진동 데이터에 대해 신호패턴을 분석할 수 있다. 빅데이터 분석 기반 상태 감시 장치(103)는 상기 분석된 신호패턴에 기초하여 상기 결함의 종류를 식별하며, 상기 식별된 결함의 종류별로 상기 진동 데이터를 분류하여, 상기 결함의 종류에 대응하는 결함 서버에 각각 저장할 수 있다.
이후, 빅데이터 분석 기반 상태 감시 장치(103)는 복수의 센서(101)로부터 주기적으로 신규의 진동 데이터를 수신할 수 있으며, 상기 수신된 신규의 진동 데이터에 대해, 결함 서버(105)에 저장된 진동 데이터를 이용하여, 결함 진단을 용이하게 수행할 수 있다. 이때, 빅데이터 분석 기반 상태 감시 장치(103)는 신규의 진동 데이터에 결함이 있는 것으로 확인되는 경우, 복수의 결함 서버(105)로부터, 상기 신규의 진동 데이터와 매칭(matching)되는 진동 데이터를 검출할 수 있다. 빅데이터 분석 기반 상태 감시 장치(103)는 상기 신규의 진동 데이터와 매칭되는 진동 데이터가 검출되면, 상기 진동 데이터가 검출된 복수의 결함 서버(105)에 대응하는 결함의 종류를, 상기 신규의 진동 데이터와 연관된 설비(즉, 신규의 진동 데이터를 센싱한 센서를 구비하는 설비)에서 발생한 결함의 종류로서 판단할 수 있다.
복수의 결함 서버(105)는 각각 결함의 종류별로 구분될 수 있으며, 해당 결함의 종류로 분류되는 진동 데이터를 각각 보관할 수 있다.
빅데이터 분석 기반 상태 감시 장치(103)는 외부에 위치하는 복수의 결함 서버(105)에 진동 데이터를 분류하여 저장하고, 센서로부터 획득되는 신규의 진동 데이터에 대한 결함 진단시, 복수의 결함 서버(105)에 저장된 진동 데이터를 이용할 수 있으나, 이에 한정되지 않다. 예컨대, 빅데이터 분석 기반 상태 감시 장치(103)는 복수의 결함 서버(105) 대신에, 내부에 위치하는 복수의 결함 데이터베이스를 이용하여, 진동 데이터에 대한 보관 및 결함 진단을 수행할 수 있다.
도 2는 본 발명의 일실시예에 따른 빅데이터 분석 기반 상태 감시 장치의 구성을 나타내는 도면이다.
도 2를 참조하면, 본 발명의 일실시예에 따른 빅데이터 분석 기반 상태 감시 장치(200)는 인터페이스(201) 및 프로세서(203)를 포함할 수 있다.
인터페이스(201)는 센서(예컨대, 설비에 구비되는 복수의 진동 센서)로부터 선정된 시간 동안 복수의 진동 데이터를 획득할 수 있으며, 상기 복수의 진동 데이터에 대해, 결함 여부를 각각 확인할 수 있다. 이때, 인터페이스(201)는 예컨대, 획득된 진동 데이터와 기설정된 정상 데이터(즉, 센서가 정상으로 동작할 때 센싱되는 진동 데이터) 간의 매칭률을 이용하여, 상기 결함 여부를 확인(예컨대, 매칭률이 기준치 이상일 경우, 결함이 없는 것으로 확인함)할 수 있다. 또한, 인터페이스(201)는 획득된 진동 데이터를 분석하여, 결함 여부를 확인할 수 있다.
프로세서(203)는 인터페이스(201)에 의해, 결함이 있는 것으로 확인되는 진동 데이터에 대해 신호패턴을 분석하여, 결함의 종류(예컨대, 모터 회전 축 이상, 베어링 이상 등)를 식별할 수 있다. 이때, 프로세서(203)는 상기 결함이 있는 것으로 확인되는 진동 데이터 내 신호의 반복성, 주기성 및 분산성 중 적어도 하나에 기초하여, 상기 신호패턴을 분석할 수 있다.
프로세서(203)는 상기 식별된 결함의 종류별로 상기 진동 데이터를 분류하여, 상기 결함의 종류에 대응하는 결함 서버에 각각 저장 함으로써, 이후 센서에 의해 센싱되는 신규의 진동 데이터에 대해, 결함 진단을 용이하게 수행할 수 있게 하는 환경을 마련할 수 있다.
다른 일례로서, 프로세서(203)는 각 센서로부터 획득되는 동일한 결함 종류의 진동 데이터를 데이터 블록으로 그룹핑하여, 결함 서버에 저장할 수 있다.
구체적으로, 프로세서(203)는 제1 센서 내 제1 진동 데이터와 관련하여, 식별된 결함의 종류로 네이밍되는 데이터 블록을 생성하고, 상기 제1 센서와 상이한 제2 센서 내 진동 데이터 중, 상기 제1 진동 데이터와 동일한 신호패턴으로 분석되는, 제2 진동 데이터를 대기한 후, 상기 제2 진동 데이터가 획득되면, 상기 제1 진동 데이터와 상기 제2 진동 데이터를, 상기 생성된 데이터 블록으로 그룹핑할 수 있다. 프로세서(203)는 상기 결함의 종류에 대응하는 결함 서버에, 상기 그룹핑된 데이터 블록을 저장할 수 있다.
상기 제2 진동 데이터 대기시, 프로세서(203)는 정해진 조건(예컨대, 설정된 시간, 횟수 조건)까지 제2 진동 데이터를 대기하고, 상기 제2 진동 데이터가 획득되지 않으면, 제1 진동 데이터를 폐기할 수 있다.
이후, 프로세서(203)는 인터페이스(201)에 의해, 설비에 구비되는 센서로부터 획득한 신규의 진동 데이터에 결함이 있는 것으로 확인되는 경우, 결함 서버로부터 상기 신규의 진동 데이터와 매칭(matching)되는 진동 데이터를 검출할 수 있다. 이때, 프로세서(203)는 상기 진동 데이터가 검출된 결함 서버에 대응하는 결함의 종류를, 상기 설비에서 발생한 결함의 종류로서 판단할 수 있다. 예컨대, 프로세서(203)는 상기 신규의 진동 데이터와 매칭되는 진동 데이터가, '모터 회전 축 이상' 결함의 종류에 대응하는 결함 서버로부터 검출된 경우, 상기 센서와 연관된 설비 내 모터 회전 축에 결함이 발생한 것으로 판단할 수 있다.
또한, 프로세서(203)는 설비에서 발생한 결함의 종류에 대한 알림 메시지를 출력할 수 있으며, 상기 알림 메시지를 통해, 설비에서 발생한 결함을 신속하게 인지하고, 상기 결함을 해결할 수 있게 한다.
상기 진동 데이터 검출을 위한 결함 서버로의 접근시, 프로세서(203)는 결함 서버 각각에 대해, 대응하는 결함의 종류에 따라 우선순위를 부여하고, 상기 우선순위가 높은 순서대로 결함 서버 각각에 접근하여 상기 진동 데이터를 검출하거나, 또는 모든 결함 서버에 동시적으로 접근할 수 있다. 이때, 프로세서(203)는 상기 결함의 종류에 대한 중요도(예컨대, 결함이 설비에 영향을 미치는 정도) 및 상기 결함의 종류가 발생하는 횟수 중 적어도 하나를 고려하여, 상기 우선순위를 부여할 수 있다.
또한, 프로세서(203)는 순서대로 결함 서버에 접근할시, 어느 하나의 결함 서버에서 상기 신규의 진동 데이터와 매칭되는 진동 데이터가 검출되면, 다른 결함 서버로의 접근을 중단 할 수 있으나, 진동 데이터 간의 매칭률이 설정된 절대치 미만일 경우, 다른 결함 서버의 접근을 진행할 수 있다.
프로세서(203)는 결함 서버로부터 상기 신규의 진동 데이터와 매칭되는 진동 데이터가 복수 개 검출되는 경우, 복수의 진동 데이터 중에서 매칭률이 가장 높은 진동 데이터를 선택하고, 선택된 진동 데이터가 검출된 결함 서버에 대응하는 결함의 종류를, 상기 설비에서 발생한 결함의 종류로서 판단할 수 있다.
한편, 진동 데이터 검출시, 프로세서(203)는 결함 서버 각각에 접근하여, 상기 신규의 진동 데이터와 설정된 매칭률(예컨대, 95%) 결함으로 매칭되는 진동 데이터를 검출할 수 있다. 이때, 프로세서(203)는 모든 결함 서버에서 상기 매칭되는 진동 데이터가 검출되지 않는 경우, 상기 매칭률을 설정치(예컨대, 5%) 만큼 감소시키고, 결함 서버 각각으로부터 상기 신규의 진동 데이터와 상기 감소된 매칭률로 매칭되는 진동 데이터를 재검출할 수 있다.
또한, 프로세서(203)는 외부에 위치하는 복수의 결함 서버에 진동 데이터를 분류하여 저장하고, 센서로부터 획득되는 신규의 진동 데이터에 대한 결함 진단시, 복수의 결함 서버에 저장된 진동 데이터를 이용할 수 있으나, 이에 한정되지 않다. 예컨대, 프로세서(203)는 복수의 결함 서버 대신에, 내부에 위치하는 복수의 결함 데이터베이스(도시하지 않음)를 이용하여, 진동 데이터에 대한 보관 및 결함 진단을 수행할 수 있다. 이때, 프로세서(203)는 설정된 순위 이상의 우선순위를 갖는 일부 결함의 종류에 한하여, 결함 데이터베이스를 이용할 수 있다. 즉, 프로세서(203)는 상대적으로 중요하거나 자주 발생하는 결함의 종류에 대해, 내부에 위치하는 결함 데이터베이스를 이용하여, 진동 데이터에 대한 보관 및 결함 진단을 수행할 수 있다.
도 3은 본 발명의 일실시예에 따른 빅데이터 분석 기반 상태 감시 장치에서의 진동 데이터에 대한 분류 일례를 설명하기 위한 도면이다.
도 3을 참조하면, 빅데이터 분석 기반 상태 감시 장치(300)는 복수의 센서로부터 복수의 진동 데이터를 획득하고, 각 진동 데이터에 대해, 복수의 결함파라메타인덱스를 이용하여, 신호패턴을 분석할 수 있다. 여기서, 각 결함파라메타인덱스는 반복성, 주기성 및 분산성 중 적어도 하나에 기초하여 정의될 수 있으며, 결함의 종류 식별에 대한 기준으로 활용될 수 있다.
예컨대, 빅데이터 분석 기반 상태 감시 장치(300)는 제1 센서로부터 수신된 제1 진동 데이터에 대해, 제1 내지 제10 결함파라메타인덱스를 이용하여 신호패턴을 분석할 수 있다. 이때, 빅데이터 분석 기반 상태 감시 장치(300)는 상기 제1 진동 데이터로부터 제1 결함파라메타인덱스가 추출되는 경우, 제1 센서 내 제1 진동 데이터와 관련하여, 식별된 제1 결함의 종류로 네이밍되는 제1 데이터 블록(301)을 생성하고, 제2 센서 내 진동 데이터 중, 상기 제1 진동 데이터와 동일한 신호패턴으로 분석되는, 제2 진동 데이터(즉, 제1 결함파라메타인덱스가 추출되는 제2 진동 데이터)를 대기한 후, 상기 제2 진동 데이터가 획득되면, 상기 제1 진동 데이터와 상기 제2 진동 데이터를, 제1 데이터 블록(301)으로 그룹핑할 수 있다.
이후, 빅데이터 분석 기반 상태 감시 장치(300)는 상기 제1 결함의 종류에 대응하는 결함 서버(도시하지 않음)에 그룹핑된 제1 데이터 블록(301)을 저장할 수 있다.
도 4는 본 발명의 일실시예에 따른 빅데이터 분석 기반 상태 감시 장치에서의 상태 감시에 대한 일례를 설명하기 위한 도면이다.
도 4를 참조하면, 빅데이터 분석 기반 상태 감시 장치(400)는 설비에 구비되는 제1 센서(401)로부터 수신된 제1 진동 데이터에 대해, 신호패턴을 분석하여, 결함의 종류로서 '작업대 롤링 이상' 결함으로 식별할 수 있다. 이때, 빅데이터 분석 기반 상태 감시 장치(400)는 '작업대 롤링 이상'로 네이밍되는 데이터 블록을 생성하고, 설비에 구비되는 제2 센서(403) 내 진동 데이터 중, 상기 제1 진동 데이터와 동일한 신호패턴으로 분석되는, 제2 진동 데이터를 대기한 후, 상기 제2 진동 데이터가 획득되면, 상기 제1 진동 데이터와 상기 제2 진동 데이터를, 데이터 블록으로 그룹핑할 수 있다. 여기서, 빅데이터 분석 기반 상태 감시 장치(400)는 예컨대, 설정된 시간('2분') 내에 제2 진동 데이터가 획득되지 않으면, 제1 진동 데이터를 폐기할 수 있다.
빅데이터 분석 기반 상태 감시 장치(400)는 '작업대 롤링 이상' 결함에 대응하는 결함 서버(407)에, 상기 그룹핑된 데이터 블록을 저장할 수 있다.
이후, 빅데이터 분석 기반 상태 감시 장치(400)는 제1 센서(401) 또는 제2 센서(403)로부터 신규의 진동 데이터를 획득 함에 따라, 상기 신규의 진동 데이터에 대해, 결함 여부를 확인할 수 있다. 빅데이터 분석 기반 상태 감시 장치(400)는 신규의 진동 데이터에 결함이 있는 것으로 확인되는 경우, 결함 서버(407)로부터 상기 신규의 진동 데이터와 매칭되는 진동 데이터를 검출할 수 있다. 이때, 빅데이터 분석 기반 상태 감시 장치(400)는 상기 진동 데이터가 검출된 결함 서버(407)에 대응하는 결함의 종류 즉, '작업대 롤링 이상' 결함을 상기 설비에서 발생한 결함의 종류로서 판단할 수 있다.
도 5는 본 발명의 일실시예에 따른 빅데이터 분석 기반 상태 감시 방법을 나타내는 흐름도이다.
도 5를 참조하면, 단계(501)에서, 빅데이터 분석 기반 상태 감시 장치는 복수의 진동 데이터에 대해, 결함 여부를 각각 확인할 수 있다.
단계(503)에서, 빅데이터 분석 기반 상태 감시 장치는 결함이 있는 것으로 확인되는 진동 데이터에 대해 신호패턴을 분석하여, 결함의 종류(예컨대, 모터 회전 축 이상, 베어링 이상 등)를 식별할 수 있다. 이때, 빅데이터 분석 기반 상태 감시 장치는 상기 결함이 있는 것으로 확인되는 진동 데이터 내 신호의 반복성, 주기성 및 분산성 중 적어도 하나에 기초하여, 상기 신호패턴을 분석할 수 있다.
단계(505)에서, 빅데이터 분석 기반 상태 감시 장치는 상기 식별된 결함의 종류별로 상기 진동 데이터를 분류하여, 상기 결함의 종류에 대응하는 결함 서버에 각각 저장할 수 있다.
상기 진동 데이터 저장시, 빅데이터 분석 기반 상태 감시 장치는 각 센서로부터 획득되는 동일한 결함 종류의 진동 데이터를 데이터 블록으로 그룹핑하여, 결함 서버에 저장할 수 있다.
구체적으로, 빅데이터 분석 기반 상태 감시 장치는 제1 센서 내 제1 진동 데이터와 관련하여, 식별된 결함의 종류로 네이밍되는 데이터 블록을 생성하고, 상기 제1 센서와 상이한 제2 센서 내 진동 데이터 중, 상기 제1 진동 데이터와 동일한 신호패턴으로 분석되는, 제2 진동 데이터를 대기한 후, 상기 제2 진동 데이터가 획득되면, 상기 제1 진동 데이터와 상기 제2 진동 데이터를, 상기 생성된 데이터 블록으로 그룹핑할 수 있다. 빅데이터 분석 기반 상태 감시 장치는 상기 결함의 종류에 대응하는 결함 서버에, 상기 그룹핑된 데이터 블록을 저장할 수 있다.
상기 제2 진동 데이터 대기시, 빅데이터 분석 기반 상태 감시 장치는 정해진 조건(예컨대, 설정된 시간, 횟수 조건)까지 제2 진동 데이터를 대기하고, 상기 제2 진동 데이터가 획득되지 않으면, 제1 진동 데이터를 폐기할 수 있다.
이후, 빅데이터 분석 기반 상태 감시 장치는 설비에 구비되는 센서로부터 획득한 신규의 진동 데이터에 결함이 있는 것으로 확인되는 경우, 결함 서버로부터 상기 신규의 진동 데이터와 매칭되는 진동 데이터를 검출할 수 있다. 이때, 빅데이터 분석 기반 상태 감시 장치는 상기 진동 데이터가 검출된 결함 서버에 대응하는 결함의 종류를, 상기 설비에서 발생한 결함의 종류로서 판단할 수 있다. 이때, 빅데이터 분석 기반 상태 감시 장치는 설비에서 발생한 결함의 종류에 대한 알림 메시지를 출력할 수 있다.
상기 진동 데이터 검출을 위한 결함 서버로의 접근시, 빅데이터 분석 기반 상태 감시 장치는 결함 서버 각각에 대해, 대응하는 결함의 종류에 따라 우선순위를 부여하고, 상기 우선순위가 높은 순서대로 결함 서버 각각에 접근하여 상기 진동 데이터를 검출하거나, 또는 모든 결함 서버에 동시적으로 접근할 수 있다. 이때, 빅데이터 분석 기반 상태 감시 장치는 상기 결함의 종류에 대한 중요도(예컨대, 결함이 설비에 영향을 미치는 정도) 및 상기 결함의 종류가 발생하는 횟수 중 적어도 하나를 고려하여, 상기 우선순위를 부여할 수 있다.
또한, 빅데이터 분석 기반 상태 감시 장치는 순서대로 결함 서버에 접근할시, 어느 하나의 결함 서버에서 상기 신규의 진동 데이터와 매칭되는 진동 데이터가 검출되면, 다른 결함 서버로의 접근을 중단 할 수 있으나, 진동 데이터 간의 매칭률이 설정된 절대치 미만일 경우, 다른 결함 서버의 접근을 진행할 수 있다.
빅데이터 분석 기반 상태 감시 장치는 결함 서버로부터 상기 신규의 진동 데이터와 매칭되는 진동 데이터가 복수 개 검출되는 경우, 복수의 진동 데이터 중에서 매칭률이 가장 높은 진동 데이터를 선택하고, 선택된 진동 데이터가 검출된 결함 서버에 대응하는 결함의 종류를, 상기 설비에서 발생한 결함의 종류로서 판단할 수 있다.
한편, 진동 데이터 검출시, 빅데이터 분석 기반 상태 감시 장치는 결함 서버 각각에 접근하여, 상기 신규의 진동 데이터와 설정된 매칭률(예컨대, 95%) 결함으로 매칭되는 진동 데이터를 검출할 수 있다. 이때, 빅데이터 분석 기반 상태 감시 장치는 모든 결함 서버에서 상기 매칭되는 진동 데이터가 검출되지 않는 경우, 상기 매칭률을 설정치(예컨대, 5%) 만큼 감소시키고, 결함 서버 각각으로부터 상기 신규의 진동 데이터와 상기 감소된 매칭률로 매칭되는 진동 데이터를 재검출할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 저장 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 저장될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 저장되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 저장 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광저장 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
100: 빅데이터 분석 기반 상태 감시 장치를 포함하는 네트워크
101: 복수의 센서 103: 빅데이터 분석 기반 상태 감시 장치
105: 복수의 결함 서버

Claims (6)

  1. 설비에 구비되는 센서로부터 신규의 진동 데이터를 획득 함에 따라,
    상기 신규의 진동 데이터에 대해, 결함 여부를 확인하는 단계;
    상기 신규의 진동 데이터에 결함이 있는 것으로 확인되는 경우, 결함 서버 각각으로부터, 상기 신규의 진동 데이터와 매칭(matching)되는 진동 데이터를 검출하는 단계;
    상기 결함 서버로부터 상기 신규의 진동 데이터와 매칭되는 진동 데이터가 검출되지 않는 경우, 정해진 매칭률을 설정치 만큼 감소시키고, 상기 결함 서버 각각으로부터 상기 신규의 진동 데이터와 상기 감소된 매칭률로 매칭되는 진동 데이터를 재검출하는 단계; 및
    상기 재검출 결과, 상기 신규의 진동 데이터와 매칭되는 진동 데이터가 복수 개 검출되는 경우, 상기 복수의 진동 데이터 중에서 매칭률이 가장 높은 진동 데이터를 선택하고, 상기 선택된 진동 데이터가 검출된 결함 서버에 대응하는 결함의 종류를, 상기 설비에서 발생한 결함의 종류로서 판단하는 단계
    를 포함하는 빅데이터 분석 기반 상태 감시 방법.
  2. 제1항에 있어서,
    복수의 진동 데이터에 대해, 결함 여부를 각각 확인하는 단계;
    결함이 있는 것으로 확인되는 진동 데이터에 대해 신호패턴을 분석하여, 결함의 종류를 식별하는 단계; 및
    상기 식별된 결함의 종류별로 상기 진동 데이터를 분류하여, 상기 결함의 종류에 대응하는 상기 결함 서버에 각각 저장하는 단계
    를 더 포함하고,
    상기 결함의 종류를 식별하는 단계는,
    상기 결함이 있는 것으로 확인되는 진동 데이터 내 신호의 반복성, 주기성 및 분산성 중 적어도 하나에 기초하여, 상기 신호패턴을 분석하는 단계
    를 포함하는 빅데이터 분석 기반 상태 감시 방법.
  3. 제2항에 있어서,
    상기 빅데이터 분석 기반 상태 감시 방법은,
    제1 센서 내 제1 진동 데이터와 관련하여, 식별된 결함의 종류로 네이밍되는 데이터 블록을 생성하는 단계;
    상기 제1 센서와 상이한 제2 센서 내 진동 데이터 중, 상기 제1 진동 데이터와 동일한 신호패턴으로 분석되는, 제2 진동 데이터를 대기하는 단계; 및
    상기 제2 진동 데이터가 획득되면, 상기 제1 진동 데이터와 상기 제2 진동 데이터를, 상기 생성된 데이터 블록으로 그룹핑하는 단계
    를 더 포함하고,
    상기 결함 서버에 각각 저장하는 단계는,
    상기 결함의 종류에 대응하는 결함 서버에, 상기 그룹핑된 데이터 블록을 저장하는 단계
    를 포함하는 빅데이터 분석 기반 상태 감시 방법.
  4. 삭제
  5. 삭제
  6. 삭제
KR1020160116107A 2016-09-09 2016-09-09 빅데이터 분석 기반 상태 감시 장치 및 방법 KR101876629B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160116107A KR101876629B1 (ko) 2016-09-09 2016-09-09 빅데이터 분석 기반 상태 감시 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160116107A KR101876629B1 (ko) 2016-09-09 2016-09-09 빅데이터 분석 기반 상태 감시 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20180028609A KR20180028609A (ko) 2018-03-19
KR101876629B1 true KR101876629B1 (ko) 2018-07-10

Family

ID=61911229

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160116107A KR101876629B1 (ko) 2016-09-09 2016-09-09 빅데이터 분석 기반 상태 감시 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101876629B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102275879B1 (ko) 2018-03-12 2021-07-08 주식회사 엘지에너지솔루션 전기 자동차의 보조 배터리 수납장치
KR102106591B1 (ko) * 2018-05-11 2020-05-28 (주)에이맵 빅데이터 기반 전력 사용 진단 시스템
KR102481689B1 (ko) * 2022-08-01 2022-12-27 주식회사 아인스플러스 상태 감시 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003130723A (ja) * 2001-10-23 2003-05-08 Nsk Ltd 振動要素を含む機械設備の異常診断システム
JP2003166908A (ja) * 2001-12-03 2003-06-13 Takuzo Iwatsubo 回転機械の異常診断システム
KR101307526B1 (ko) * 2012-11-19 2013-09-12 (주)나다에스앤브이 실시간 진동 모니터링 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003130723A (ja) * 2001-10-23 2003-05-08 Nsk Ltd 振動要素を含む機械設備の異常診断システム
JP2003166908A (ja) * 2001-12-03 2003-06-13 Takuzo Iwatsubo 回転機械の異常診断システム
KR101307526B1 (ko) * 2012-11-19 2013-09-12 (주)나다에스앤브이 실시간 진동 모니터링 장치

Also Published As

Publication number Publication date
KR20180028609A (ko) 2018-03-19

Similar Documents

Publication Publication Date Title
CN110888783B (zh) 微服务系统的监测方法、装置以及电子设备
US9652354B2 (en) Unsupervised anomaly detection for arbitrary time series
JP5735499B2 (ja) 基板処理中に自動的に障害状態を検出及び分類するための方法及び装置
US10373065B2 (en) Generating database cluster health alerts using machine learning
CN106462702B (zh) 用于在分布式计算机基础设施中获取并且分析电子取证数据的方法和系统
JP5874936B2 (ja) 運用管理装置、運用管理方法、及びプログラム
KR101845393B1 (ko) 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법
US20150346066A1 (en) Asset Condition Monitoring
US11126494B2 (en) Automated, adaptive, and auto-remediating system for production environment
KR101876629B1 (ko) 빅데이터 분석 기반 상태 감시 장치 및 방법
EP3105644A1 (en) Method of identifying anomalies
CN109976971B (zh) 硬盘状态监测方法和装置
CN116304909A (zh) 一种异常检测模型训练方法、故障场景定位方法及装置
CN104901833B (zh) 一种发现异常设备的方法及装置
CN113438110A (zh) 一种集群性能的评价方法、装置、设备及存储介质
CN114461534A (zh) 软件性能测试方法、系统、电子设备及可读存储介质
US11054815B2 (en) Apparatus for cost-effective conversion of unsupervised fault detection (FD) system to supervised FD system
CN113918438A (zh) 服务器异常的检测方法、装置、服务器及存储介质
WO2019240019A1 (ja) 異常解析装置、製造システム、異常解析方法及びプログラム
CN112769615B (zh) 一种异常分析方法及装置
KR102512857B1 (ko) 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법
CN111555899A (zh) 告警规则配置方法、设备状态监测方法、装置和存储介质
CN108229586B (zh) 一种数据中的异常数据点的检测方法及系统
JP6879888B2 (ja) 情報処理装置、情報処理方法、及び、プログラム
US9372746B2 (en) Methods for identifying silent failures in an application and devices thereof

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant