KR101883274B1 - 다중 프로파일 모니터링 방법 및 장치 - Google Patents

다중 프로파일 모니터링 방법 및 장치 Download PDF

Info

Publication number
KR101883274B1
KR101883274B1 KR1020160105266A KR20160105266A KR101883274B1 KR 101883274 B1 KR101883274 B1 KR 101883274B1 KR 1020160105266 A KR1020160105266 A KR 1020160105266A KR 20160105266 A KR20160105266 A KR 20160105266A KR 101883274 B1 KR101883274 B1 KR 101883274B1
Authority
KR
South Korea
Prior art keywords
monitoring
data
profile data
chart
output variable
Prior art date
Application number
KR1020160105266A
Other languages
English (en)
Other versions
KR20180020626A (ko
Inventor
박승환
백준걸
유영지
Original Assignee
고려대학교 산학협력단
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 고려대학교 산학협력단 filed Critical 고려대학교 산학협력단
Priority to KR1020160105266A priority Critical patent/KR101883274B1/ko
Publication of KR20180020626A publication Critical patent/KR20180020626A/ko
Application granted granted Critical
Publication of KR101883274B1 publication Critical patent/KR101883274B1/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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N99/005—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms

Abstract

데이터 관리 모듈, 기계 학습 모듈, 모니터링 모듈, 및 데이터베이스를 포함하는 다중 프로파일 데이터 모니터링 장치 및 이를 이용한 다중 프로파일 데이터 모니터링 방법이 개시된다. 다중 프로파일 데이터 모니터링 방법은 n(n은 2 이상의 자연수)개의 파라미터에 각각에 대한 시계열 데이터를 수집하는 단계, 시간 정보를 이용하여 상기 n개의 파라미터에 대한 시계열 데이터를 병합하고 다중 프로파일 데이터를 생성하는 단계, 상기 다중 프로파일 데이터를 입력 변수로 설정하고 시간 정보를 출력 변수로 설정하여 기계 학습을 수행하고, 출력 변수 예측치를 획득하는 단계, 상기 출력 변수 예측치를 이용하여 모니터링 차트를 구축하는 단계, 및 상기 모니터링 차트를 이용하여 모니터링 및 이상탐지를 수행하는 단계를 포함한다.

Description

다중 프로파일 모니터링 방법 및 장치{METHOD AND DEVICE FOR MONITORING MULTI-PROFILE}
본 발명의 개념에 따른 실시 예는 다중 프로파일 모니터링 방법 및 장치에 관한 것으로, 더욱 상세하게는, 복수의 파라미터에 대한 시계열 데이터를 시간 정보를 이용하여 하나의 다중 프로파일 데이터로 전처리하고, 시간 정보를 출력 변수로 기계 학습을 수행하여 얻어진 정보들을 이용하여 모니터링 대상의 이상 탐지를 위한 모니터링을 수행하는 다중 프로파일 모니터링 방법 및 장치에 관한 것이다.
본 발명은 시계열 프로파일 데이터 모니터링 기법에 관한 것으로 다양한 패턴의 시계열 프로파일 데이터를 동시에 수집하고, 수집된 데이터를 전처리 후, 기계학습 기법을 활용하여 모니터링 차트를 구축하고, 문제가 발생되는 프로파일 정보를 감지할 수 있는 다중 프로파일 모니터링 차트에 관한 것이다.
프로파일 모니터링 기법은 시간의 흐름에 따른 데이터가 발생되는 곳에서 주로 사용된다. 의료 분야에서는 심박수, 뇌파 등과 같은 신호를 모니터링 하고, 금융 분야에서는 환율, 유가, 주가 등과 같은 데이터를 모니터링한다. 제조 분야도 마찬가지로 공정의 설비로부터 발생되는 프로파일 데이터를 모니터링 하여 공정의 효율을 높인다.
기존의 프로파일 모니터링 기법을 위해 사용된 방법들은 한 개의 변수만 대상으로 한다. 예를 들면 유가와 환율 모니터링을 위해 유가 모니터링 방법과 환율 모니터링 방법이 각각 필요했다. 최근 모니터링하기 위한 변수들의 개수가 증가함에 따라, 기존의 프로파일 모니터링 기법들은 여러 개의 변수를 모니터링 하는 데 있어 성능이 저하되거나 비용이 증가하는 문제점이 있다. 따라서, 한 개의 모니터링 방법으로 여러 개의 변수를 모니터링 할 수 있는 다중 프로파일 모니터링 방법의 개발이 필요하다.
본 발명이 이루고자 하는 기술적인 과제는 복수의 파라미터에 각각에 대한 시계열 데이터를 시간 정보를 이용하여 하나의 다중 프로파일 데이터로 병합하고 기계 학습을 수행하여 모니터링 차트를 구축함으로써, 복수의 파라미터에 대한 데이터를 하나의 지표로 관리하고, 데이터의 이상 여부를 모니터링할 수 있는 다중 파라미터 모니터링 방법 및 장치를 제공하는 것이다.
본 발명의 일 실시 예에 따른 다중 프로파일 데이터 모니터링 장치는 n(n은 2 이상의 자연수) 개의 파라미터에 각각에 대한 시계열 데이터를 수집하고, 시간 정보를 이용하여 상기 n 개의 파라미터에 대한 시계열 데이터를 병합하여 다중 프로파일 데이터를 생성하는 데이터 관리 모듈, 상기 다중 프로파일 데이터를 입력 변수로 설정하고 시간 정보를 출력 변수로 설정하여 기계 학습을 수행하고, 출력 변수 예측치를 획득하는 기계 학습 모듈, 상기 출력 변수 예측치를 이용하여 모니터링을 수행하는 모니터링 모듈, 및 상기 시계열 데이터, 상기 다중 프로파일 데이터, 또는 상기 출력 변수 예측치를 저장하는 데이터베이스를 포함한다.
본 발명의 일 실시 예에 따른 다중 프로파일 모니터링 방법은 n(n은 2 이상의 자연수) 개의 파라미터에 각각에 대한 시계열 데이터를 수집하는 단계; 시간 정보를 이용하여 상기 n 개의 파라미터에 대한 시계열 데이터를 병합하고 다중 프로파일 데이터를 생성하는 단계; 상기 다중 프로파일 데이터를 입력 변수로 설정하고 시간 정보를 출력 변수로 설정하여 기계 학습을 수행하고, 출력 변수 예측치를 획득하는 단계; 상기 출력 변수 예측치를 이용하여 모니터링 차트를 구축하는 단계; 및 상기 모니터링 차트를 이용하여 모니터링을 수행하는 단계;를 포함한다.
본 발명의 실시 예에 따른 다중 프로파일 모니터링 방법 및 장치는 여러 종류의 프로파일 데이터를 병합하여 하나의 지표로 관리할 수 있는 효과가 있다.
또한, 본 발명의 실시 예에 따른 다중 프로파일 모니터링 방법 및 장치를 활용하면 시간의 흐름에 따른 프로파일 데이터가 생기는 어떠한 분야에도 적용할 수 있다. 예를 들면 첨단 장비에 부탁된 센서들로부터 발생되는 데이터를 통해 장비의 종합적인 상태를 모니터링 할 수 있고, 환율, 유가, 기준금리 등의 경제적인 지표들을 활용해 종합적인 경제 상황을 파악하기 위한 종합 지표를 구성할 수 있다.
본 발명의 상세한 설명에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 상세한 설명이 제공된다.
도 1은 본 발명의 일 실시예에 다중 프로파일 모니터링 장치의 기능 블럭도이다.
도 2는 본 발명의 일 실시예에 따른 다중 프로파일 모니터링 방법을 설명하기 위한 흐름도이다.
도 3은 도 2의 단계 S100을 보다 세부적으로 도시한 예시적인 도면이고, 도 4는 도 2의 단계 S200 내지 단계 S300을 보다 세부적으로 도시한 예시적인 도면이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시 예들에 대해서 특정한 구조적 또는 기능적 설명은 단지 본 발명의 개념에 따른 실시 예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시 예들은 다양한 형태들로 실시될 수 있으며 본 명세서에 설명된 실시 예들에 한정되지 않는다.
본 발명의 개념에 따른 실시 예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시 예들을 도면에 예시하고 본 명세서에서 상세하게 설명하고자 한다. 그러나 이는 본 발명의 개념에 따른 실시 예들을 특정한 개시 형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물, 또는 대체물을 포함한다.
본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로서, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 본 명세서에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
본 발명은 다수의 파라미터에 대한 프로파일 데이터들을 모니터링하기 위한 효율적인 방법을 제안한다. 과거에 주로 사용된 모니터링 방법들은 하나의 패턴만을 가진 프로파일 데이터를 모니터링할 수 밖에 없었다. 이러한 방식들은 모니터링 대상이 많아지면 관리 비용이 증가하기 때문에 중요한 변수들을 관리자들이 사전에 선별해서 모니터링을 수행한다. 따라서, 어떠한 변수를 선택하는지 여부가 모니터링 결과에 크게 영향을 미치게 되는 문제점이 발생한다. 따라서, 다수의 프로파일 데이터가 발생되는 곳에서는 가급적 다수의 변수를 분석하여 적은 개수의 모니터링 방법론을 사용할 필요가 있으며, 본 발명에서는 다수의 파라미터에 대한 프로파일 데이터들을 통합하여 하나의 지표로 관리하고 학습하여 모니터링하는 방법에 대하여 제안한다.
이하, 본 명세서에 첨부된 도면들을 참조하여 본 발명의 실시 예들을 상세히 설명한다.
먼저, 도 1을 참조하여, 본 발명의 일 실시 예에 따라 다중 프로파일 모니터링 장치에 대해 상술한다.
도 1은 본 발명의 일 실시 예에 따른 다중 프로파일 모니터링 장치(100)의 기능 블럭도이다. 도 1을 참조하면, 다중 프로파일 모니터링 장치(100)는 데이터를 수집하고 병합하여 기계 학습을 위한 전처리를 수행하는 데이터 관리 모듈(110), 기계 학습 모듈(120), 모니터링 차트를 구축하여 모니터링을 수행하며 이상을 탐지하는 모니터링 모듈(l30), 데이터베이스(180), 및 제어모듈(190)을 포함한다.
본 명세서에서 사용되는 '-부' 또는 '모듈'이라 함은 본 발명의 기술적 사상을 수행하기 위한 하드웨어 및 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적, 구조적 결합을 의미할 수 있다. 예컨대, 상기 '-부' 또는 '-모듈'은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나 한 종류의 하드웨어를 의미하는 것은 아니다.
다중 프로파일 모니터링 장치(100)의 데이터 관리 모듈(110)은 데이터 수집부(111) 및 데이터 병합부(112)를 포함한다.
데이터 수집부(111)는 n(n은 2 이상의 자연수) 개의 변수에 대한 각각의 데이터를 수집하고 이를 데이터베이스(180)에 저장한다. 이때, 데이터와 관련된 시간 정보를 함께 수집하여 저장한다. 예를 들어, 상기 데이터가 제조 공정의 이상 탐지를 위한 센서들로부터 수신된 센서 데이터인 경우, 복수의 센서로부터 수신된 n(n은 2 이상의 자연수) 개의 파라미터를 갖는 센서 데이터 및 관련 시간 정보(예를 들어, 센싱 시간 등)를 수집하여 데이터베이스(180)에 저장한다.
데이터 병합부(112)는 데이터베이스에 저장된 데이터와 시간 정보를 활용하여 n(n은 2 이상의 자연수) 개의 변수에 대한 각각의 데이터를 하나의 다중 프로파일 데이터로 병합한다. 데이터 병합은 기계학습 알고리즘을 사용하기 위해 거치는 전처리 단계로서 복수의 변수에 대한 각각의 데이터를 하나의 프로파일 형태의 데이터로 재가공 한다. 예를 들어, 상기 데이터가 제조 공정의 이상 탐지를 위한 센서들로부터 수신된 센서 데이터인 경우, 공정 시간(Process Time)에 따라 데이터를 병합할 수 있다.
다중 프로파일 모니터링 장치(100)의 기계 학습 모듈(120)은 데이터 관리 모듈(110)에서 재가공된 프로파일 데이터를 이용하여 기계 학습을 수행한다. 즉, 데이터 관리 모듈(110)에서 가공된 다중 프로파일 데이터를 입력 변수로 설정하고, 시간 정보(t)를 출력 변수로 설정하여 기계 학습을 수행하여 예측치를 획득하고, 획득한 예측치를 데이터베이스(180)에 저장한다.
다중 프로파일 모니터링 장치(100)의 모니터링 모듈(130)은 모니터링 차트 구축부(131) 및 모니터링/이상탐지부(132)를 포함한다.
모니터링 차트 구축부(131)는 기계 학습을 통해 추출된 다중 프로파일 데이터의 예측치를 활용하여 모니터링 차트(도 4 참고)를 구축한다. 모니터링 차트 구축 방법은 아래의 다중 프로파일 모니터링 방법에서 상세하게 설명한다.
모니터링/이상탐지부(132)는 구축된 모니터링 차트를 이용하여 모니터링을 수행하고 이상을 탐지한다. 즉, 모니터링을 통해 모니터링 차트의 관리한계선 범위 내에 속하는 경우 정상으로, 관리한계선을 벗어나는 경우 이상으로 판단하고, 이상/정상 탐지 결과를 출력한다. 모니터링 결과는 데이터베이스에 저장할 수 있다.
데이터베이스(180)는 복수의 파라미터에 대하여 수집된 데이터 및 데이터 관련 시간 정보를 저장한다. 또한, 복수의 파라미터에 대한 데이터를 시간 정보를 활용하여 병합한 다중 프로파일 데이터가 저장한다. 또한, 데이터베이스(180)에는 기계 학습 결과, 이를 통하여 구축된 모니터링 차트, 및 모니터링 결과 등을 저장될 수 있다. 본 명세서에서 데이터베이스라 함은, 각각의 데이터베이스에 대응되는 정보를 저장하는 소프트웨어 및 하드웨어의 기능적 구조적 결합을 의미할 수도 있다.
제어모듈(190)은 다중 프로파일 모니터링 장치(100)의 전반적인 동작을 제어한다. 즉, 데이터 처리 모듈(110), 기계 학습 모듈(120), 모니터링 모듈(130), 및 데이터베이스(180)의 동작을 제어할 수 있다.
본 실시예와 달리, 상기 다중 프로파일 모니터링 장치(100)가 아닌 별도의 장치에 상기 데이터 관리 모듈(110) 또는 기계 학습 모듈(120)을 구비하는 것도 가능하다.
이하, 도 2 내지 도 4를 참조하여, 본 발명의 일 실시예에 따른 다중 프로파일 모니터링 장치를 이용한 다중 프로파일 모니터링 방법에 대하여 자세히 살펴보도록 한다.
도 2는 도 1에 도시한 다중 프로파일 모니터링 장치를 이용한 다중 프로파일 모니터링 방법을 설명하기 위한 흐름도이다. 도 3은 도 2의 데이터 처리 단계를 보다 세부적으로 도시한 예시적인 도면이고, 도 4는 도 2의 기계 학습 단계 내지 모니터링 단계를 보다 세부적으로 도시한 예시적인 도면이다.
도 2를 참조하면, 다중 프로파일 모니터링 장치를 이용한 다중 프로파일 모니터링 방법은 다중 데이터를 수집하고 다중 데이터를 하나의 프로파일 데이터로 병합하는 데이터 처리 단계(S100), 기계 학습을 수행하여 예측치를 획득하는 기계 학습 단계(S200), 및 모니터링 차트를 구축하고 모니터링을 수행하여 이상 여부를 탐지하는 모니터링 단계(S300)를 포함한다.
먼저, 다중 프로파일 모니터링 장치(100)의 데이터 관리 모듈(110)은 n(n은 2 이상의 자연수) 개의 변수에 대한 각각의 데이터를 수신(S110)하고 이를 데이터베이스에 저장한다. 이때, 데이터와 관련된 시간 정보를 함께 수신하여 저장한다. 예를 들어, 상기 데이터가 제조 공정의 이상 탐지를 위한 센서들로부터 수신된 센서 데이터인 경우, 복수의 센서로부터 수신된 n(n은 2 이상의 자연수) 개의 종류를 갖는 센서 데이터 및 관련 시간 정보(예를 들어, 센싱 시간 등)를 수집하여 데이터베이스에 저장한다.
다음, 다중 프로파일 모니터링 장치(100)의 데이터 관리 모듈(110)은 다중 프로파일 데이터 병합 단계(S120)를 수행한다. 구체적으로 데이터베이스에 저장된 데이터와 시간 정보를 활용하여 다중 프로파일 데이터 형태로 병합한다. 데이터 병합은 기계학습 알고리즘을 사용하기 위해 거치는 전처리 단계로서 복잡한 데이터들을 하나의 프로파일 형태의 데이터로 재가공 한다.
도 3을 참조하면, 도 3의 좌측의 플롯들은 센서 1, 센서 2, 및 센서 3으로부터 생성되는 프로파일들을 나타낸다. 해당 프로파일들이 동일한 시간대에 발생하기 때문에 우측의 공정 시간(Process Time)에 따라 데이터를 병합할 수 있다. 예를 들면 t 시점의 데이터는 병합 후에는 데이터 테이블의 한 행(x1t, x2t, x3t)을 차지하게 된다. 이처럼 공정 시간이 진행되면서 데이터 테이블은 계속 병합되고 누적되어 기계학습 알고리즘에 적용하기 위한 전처리가 완료된다. 이때, t는 공정 시간을 의미하고, x1t는 각 공정 시점에 대한 제1 센서 데이터 측정치, x2t는 각 공정 시점에 대한 제2 센서 데이터 측정치, 그리고 x3t는 각 공정 시점에 대한 제3 센서 데이터 측정치를 나타낸다.
다음, 다중 프로파일 모니터링 장치(100)의 기계 학습 모듈(120)은 데이터 관리 모듈(110)에서 재가공된 프로파일 데이터를 이용하여 기계 학습 단계(S200)를 수행한다. 먼저, 데이터 처리 단계(S100)에서 가공된 다중 프로파일 데이터를 입력 변수로 설정하고, 시간 정보(t)를 출력 변수로 설정하여 기계 학습을 수행한다(S210). 기계 학습을 통해 예측치를 획득(S220)하고, 획득한 예측치를 데이터베이스에 저장한다.
다음, 다중 프로파일 모니터링 장치(100)의 모니터링 모듈(130)은 기계 학습을 통해 추출된 다중 프로파일 데이터의 예측치를 활용하여 모니터링 차트를 구축(S310, 도4 참고)한다. 모니터링 차트 구축을 위하여 중심선(CL : Center Line) 및 관리한계선(Control Limits)을 산출한다.
UCL, LCL : Upper and Lower Control Limits)을 산출한다. 중심선(
Figure 112016080530243-pat00001
)은 기계학습 알고리즘을 통해 계산된 출력변수 예측치(
Figure 112016080530243-pat00002
)를 사용한다.
Figure 112016080530243-pat00003
정상 상태의 범주를 결정하는 관리한계선은 상방 관리한계선(UCL : Upper Control Limit) 및 하방 관리한계선(LCL : Lower Control Limit)을 포함하며, 중심선(
Figure 112016080530243-pat00004
)을 중심으로 평균이 0이고, 표준편차가
Figure 112016080530243-pat00005
인 정규분포를 활용하여 관리한계선(
Figure 112016080530243-pat00006
,
Figure 112016080530243-pat00007
)을 결정한다. 관리한계선(
Figure 112016080530243-pat00008
,
Figure 112016080530243-pat00009
)은 아래의 [수학식 2] 및 [수학식 3]을 이용하여 생성할 수 있다.
Figure 112016080530243-pat00010
Figure 112016080530243-pat00011
이때, C.V(Critical Value)는 관리한계선의 폭을 결정하는 결정계수로써 실제 현장의 상황 또는 모니터링 대상에 맞게 관리자 또는 사용자 등에 의하여 조절 가능하다.
다음, 구축된 차트를 이용하여 모니터링 단계(S320)를 수행한다. 모니터링을 통해 모니터링 대상 데이터가 모니터링 차트의 관리한계선을 벗어나는지를 판단하는 이상 탐지 단계를 수행한다(S330). 이상이 탐지된 경우, 모니터링 모듈(130)은 이상 탐지 정보를 출력한다(S340). 상기 모니터링 결과들은 데이터베이스에 저장될 수 있다.
단일 파라미터에 대한 데이터만으로 이상을 탐지하는데 어려움이 존재하는 경우 복수의 파라미터에 대한 데이터를 이용한 모니터링 기법이 요구되며, 본 발명에 따른 다중 프로파일 모니터링 장치 및 방법을 이용하여 복수의 파라미터에 대한 데이터를 하나의 다중 프로파일 데이터로 전처리하고, 기계 학습을 수행하여 얻어진 정보들을 이용하여 모니터링 차트를 구축함으로써, 복수의 파라미터에 대한 데이터를 하나의 지표로 관리하고, 데이터의 이상 여부를 모니터링할 수 있다.
본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
100 : 다중 프로파일 모니터링 장치
110 : 데이터 관리 모듈 120 : 기계 학습 모듈
130 : 모니터링 모듈 180 : 데이터베이스
190 : 제어모듈

Claims (6)

  1. n(n은 2 이상의 자연수) 개의 파라미터 각각에 대한 시계열 데이터를 수집하고, 시간 정보를 이용하여 상기 n 개의 파라미터에 대한 시계열 데이터를 병합하여 다중 프로파일 데이터를 생성하는 데이터 관리 모듈,
    상기 다중 프로파일 데이터를 입력 변수로 설정하고 시간 정보를 출력 변수로 설정하여 기계 학습을 수행하고, 출력 변수 예측치(
    Figure 112018002180453-pat00012
    )를 획득하는 기계 학습 모듈,
    상기 출력 변수 예측치(
    Figure 112018002180453-pat00013
    )를 이용하여 모니터링을 수행하는 모니터링 모듈, 및
    상기 시계열 데이터, 상기 다중 프로파일 데이터, 또는 상기 출력 변수 예측치(
    Figure 112018002180453-pat00014
    )를 저장하는 데이터베이스를 포함하고,
    상기 다중 프로파일 데이터는 각각의 시점에 대한 n 개의 데이터를 포함하고,
    상기 모니터링 모듈은,
    상기 출력 변수 예측치(
    Figure 112018002180453-pat00036
    )를 중심선(
    Figure 112018002180453-pat00037
    )으로 하여, 모니터링 차트를 구축하는 모니터링 차트 구축부, 및
    상기 모니터링 차트를 이용하여 모니터링 대상의 이상을 탐지하는 이상탐지부를 포함하고,
    상기 모니터링 차트 구축부는,
    상기 중심선(
    Figure 112018002180453-pat00038
    )을 중심으로 평균이 0이고 표준편차가
    Figure 112018002180453-pat00039
    인 정규분포를 활용하여 관리한계선을 생성하는,
    다중 프로파일 데이터 모니터링 장치.
  2. 삭제
  3. 제1항에 있어서,
    상기 이상탐지부는 상기 모니터링 대상의 데이터가 관리한계선을 이탈하면 상기 모니터링 대상에 이상이 있는 것으로 판단하는,
    다중 프로파일 데이터 모니터링 장치.
  4. 다중 프로파일 모니터링 장치에서의 다중 프로파일 데이터의 모니터링을 수행하는 방법에 있어서,
    n(n은 2 이상의 자연수) 개의 파라미터 각각에 대한 시계열 데이터를 수집하는 단계;
    시간 정보를 이용하여 상기 n 개의 파라미터에 대한 시계열 데이터를 병합하고 다중 프로파일 데이터를 생성하는 단계;
    상기 다중 프로파일 데이터를 입력 변수로 설정하고 시간 정보를 출력 변수로 설정하여 기계 학습을 수행하고, 출력 변수 예측치(
    Figure 112018002180453-pat00019
    )를 획득하는 단계;
    상기 출력 변수 예측치(
    Figure 112018002180453-pat00020
    )를 이용하여 모니터링 차트를 구축하는 단계; 및
    상기 모니터링 차트를 이용하여 모니터링 대상의 모니터링을 수행하는 단계를 포함하고,
    상기 다중 프로파일 데이터는 각각의 시점에 대한 n 개의 데이터를 포함하고,
    상기 모니터링 차트를 구축하는 단계는,
    상기 출력 변수 예측치(
    Figure 112018002180453-pat00040
    )를 중심선(
    Figure 112018002180453-pat00041
    )으로 하여, 상기 모니터링 차트를 구축하고,
    상기 모니터링 차트는, 상기 중심선(
    Figure 112018002180453-pat00042
    )을 중심으로 평균이 0이고, 표준편차가
    Figure 112018002180453-pat00043
    인 정규분포를 활용하여 생성된 관리한계선을 포함하는,
    다중 프로파일 데이터 모니터링 방법.
  5. 제4항에 있어서,
    상기 모니터링 차트를 구축하는 단계는,
    상방 관리한계선(
    Figure 112018002180453-pat00022
    ) 및 하방 관리한계선(
    Figure 112018002180453-pat00023
    )을 포함하는 관리한계선을 생성하는 단계를 포함하며,
    상기 모니터링을 수행하는 단계는,
    상기 모니터링 대상의 데이터가 관리한계선을 이탈하면 상기 모니터링 대상에 이상이 있는 것으로 탐지하고 모니터링 결과를 출력하는 단계를 포함하는,
    다중 프로파일 데이터 모니터링 방법.
  6. 제5항에 있어서,
    상기 상방 관리한계선(
    Figure 112018002180453-pat00028
    )은 제1 수식을 계산하여 생성되고,
    상기 제1 수식은
    Figure 112018002180453-pat00029
    이고,
    상기 C.V는 상기 모니터링 대상에 대응하여 미리 설정된 결정계수이고,
    상기 하방 관리한계선(
    Figure 112018002180453-pat00030
    )은 제2 수식을 계산하여 생성되고,
    상기 제2 수식은
    Figure 112018002180453-pat00031
    인,
    다중 프로파일 데이터 모니터링 방법.
KR1020160105266A 2016-08-19 2016-08-19 다중 프로파일 모니터링 방법 및 장치 KR101883274B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160105266A KR101883274B1 (ko) 2016-08-19 2016-08-19 다중 프로파일 모니터링 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160105266A KR101883274B1 (ko) 2016-08-19 2016-08-19 다중 프로파일 모니터링 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20180020626A KR20180020626A (ko) 2018-02-28
KR101883274B1 true KR101883274B1 (ko) 2018-07-30

Family

ID=61401320

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160105266A KR101883274B1 (ko) 2016-08-19 2016-08-19 다중 프로파일 모니터링 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101883274B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4037145A4 (en) * 2019-09-27 2023-04-12 Gentle Energy Corp. SELF-POWERED SENSOR AND MONITORING SYSTEM INCLUDING IT
SG11202112494YA (en) 2019-09-27 2021-12-30 Gentle Energy Corp Self-powered sensor, and monitoring system including same
KR102343243B1 (ko) * 2019-12-13 2021-12-28 상명대학교산학협력단 전력수요 예측 시스템의 비정상일 제거방법
KR102266182B1 (ko) * 2020-05-29 2021-06-17 고려대학교 산학협력단 복수의 시계열 데이터의 모니터링 방법 및 장치
CN114801751B (zh) * 2022-06-21 2022-10-25 深圳市今朝时代股份有限公司 一种基于数据分析的汽车电池故障预测系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012138044A (ja) * 2010-12-28 2012-07-19 Toshiba Corp プロセス状態監視装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012138044A (ja) * 2010-12-28 2012-07-19 Toshiba Corp プロセス状態監視装置

Also Published As

Publication number Publication date
KR20180020626A (ko) 2018-02-28

Similar Documents

Publication Publication Date Title
KR101883274B1 (ko) 다중 프로파일 모니터링 방법 및 장치
US20180264613A1 (en) Abnormality detection apparatus and machine learning apparatus
JP5091604B2 (ja) 分布の評価方法、製品の製造方法、分布の評価プログラム及び分布の評価システム
KR101948604B1 (ko) 센서 군집화 기반의 설비 건강 모니터링 방법 및 장치
JP6708203B2 (ja) 情報処理装置、情報処理方法、及び、プログラム
KR102067344B1 (ko) 이상 진동데이터 감지 장치 및 방법
KR20180108446A (ko) Ict 인프라 관리 시스템 및 이를 이용한 ict 인프라 관리 방법
EP2363767A1 (en) Process analysis system
US9116740B2 (en) Method for generating a machine heartbeat
JP4957406B2 (ja) バッチプロセス解析システムおよびバッチプロセス解析方法
CN111722952A (zh) 业务系统的故障分析方法、系统、设备和存储介质
KR102266182B1 (ko) 복수의 시계열 데이터의 모니터링 방법 및 장치
JP4922265B2 (ja) プラント監視装置およびプラント監視方法
JP6917805B2 (ja) データフィルタリング装置および方法
CN114220189B (zh) 一种监测方法、预测系统、电子设备及存储介质
CN110795324B (zh) 一种数据处理方法及装置
US7813893B2 (en) Method of process trend matching for identification of process variable
JP6861564B2 (ja) 監視制御装置
KR101960755B1 (ko) 미취득 전력 데이터 생성 방법 및 장치
JP4936072B2 (ja) システム負荷監視方法
JP6885321B2 (ja) プロセスの状態診断方法及び状態診断装置
DE102020203929A1 (de) Fehlwertanrechnungs-vorrichtung, fehlwertanrechnungsverfahrenund fehlwertanrechnungs-programm
CN115511374A (zh) 一种工艺指标相关性计算方法、装置、设备及存储介质
CN113297021B (zh) 一种服务器设备拉出机架的自主检测方法及系统
WO2017164368A1 (ja) 監視装置、監視方法、プログラム

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