KR101962739B1

KR101962739B1 - Failure Prediction Analysis System of Machine Equipment Using Big Data Analysis and Method Thereof

Info

Publication number: KR101962739B1
Application number: KR1020180100375A
Authority: KR
Inventors: 위성수; 김순철; 이영대
Original assignee: 서울교통공사
Priority date: 2018-08-27
Filing date: 2018-08-27
Publication date: 2019-03-28

Abstract

The present invention relates to a failure prediction analysis system of mechanical equipment using big data analysis and a method thereof and, more specifically, to a failure prediction analysis system of mechanical equipment using big data analysis, which collects data from mechanical equipment which is installed anywhere in a subway station to monitor a state of the mechanical equipment in real-time, prevents failure by finding out an abnormal symptom of the mechanical equipment and reduces manpower and money in accordance with corrective maintenance, thereby performing rapid actions when the failure of the mechanical equipment occurs, and a method thereof. The failure prediction analysis system of mechanical equipment comprises a sensor unit, a server unit including a data reception unit, a data analysis unit, a data processing unit, and a database unit.

Description

Technical Field [0001] The present invention relates to a system and a method for predicting a failure of a machine tool using a big data analysis,

본 발명은 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템 및 그 방법에 관한 것으로, 더욱 상세하게는, 지하철 역사 곳곳에 설치된 기계장비로부터 데이터를 수집해 기계장비의 상태를 실시간으로 모니터링하여, 기계장비의 이상징후를 포착해 고장을 사전에 예방하고, 사후 보수에 따른 인력과 비용을 절감할 수 있으며, 기계장비의 고장시에도 신속한 조치가 가능할 수 있도록 하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템 및 그 방법에 관한 것이다.More particularly, the present invention relates to a system and method for predicting the failure of a mechanical equipment using big data analysis, and more particularly, Breakdown of mechanical equipment using big data analysis, which can prevent malfunctions by capturing abnormal signs of equipment, reduce manpower and cost due to follow-up maintenance, and enable prompt action even in the event of mechanical equipment failure Prediction analysis system and method thereof.

지하철 역사 내에는 지하철을 이용하는 승객들의 쾌적한 환경제공을 위해 송풍기, 공조기, 펌프, 승강기, 냉동기, 에스컬레이터 등 다양한 종류의 기계장비가 설치되어 있다. 하지만, 지하철 역사 내에 설치된 이러한 기계장비의 수가 상당하여 이를 유지관리하는데 많은 노고, 비용, 시간이 소모되고 있는 것이 사실이다.In the subway history, various kinds of mechanical equipments such as blower, air conditioner, pump, elevator, freezer, and escalator are installed to provide pleasant environment for subway passengers. However, it is true that the number of such mechanical equipments installed in the subway history is considerable, and it takes a lot of effort, cost and time to maintain it.

관리 인력의 수는 정해져 있는데, 이러한 관리 인력 수 대비 기계장비의 수가 월등히 높다 보니, 지하철 역사 곳곳에 설치된 수많은 기계장비의 유지관리 등은 제대로 이루어지기 어렵다. The number of management personnel is fixed. As the number of mechanical equipment is much higher than the number of management personnel, it is difficult to maintain the maintenance of many mechanical equipments installed throughout the history of the subway.

소수의 인력이 수많은 기계장비를 관리하게 되면, 기계장비의 점검 등이 이루어지더라도 형식적인 수준에 불과하게 되고, 기계장비의 고장을 사전에 제대로 예측할 수 없게 되는바, 고장 후에야 기계장비의 결함을 인지하고 수리가 이루어지게 되므로, 사전에 제때 기계장비를 수리하지 못하게 되면서 더 많은 작업량, 작업시간, 작업비용 등이 발생하게 된다.If a small number of personnel manages a large number of mechanical equipment, even if the inspection of the mechanical equipment is performed, it becomes only a formal level, and the failure of the mechanical equipment can not be predicted in advance. As the machine is not able to repair the machine equipment in time, more workload, working time, and work cost are caused.

전술한 문제를 해결하기 위한 방안으로 관리 인력의 수를 늘리는 방안이 고려될 수 있겠으나, 이는 결국 인건비의 상승으로 이루어져 지하철을 운영하는 운영사 측에 많은 부담을 주게 된다.In order to solve the above-mentioned problems, a method of increasing the number of management personnel may be considered. However, this is caused by an increase in labor costs, which causes a burden on the operator who operates the subway.

또한 관리 인력들은 기계장비를 유지관리 할 때, 작업내용을 일일이 기록해야 하는 행정업무도 부담하게 되는바, 업무가 더욱 과중되는 측면이 있다. 뿐만 아니라 이러한 기계장비의 유지관리가 관리 인력의 숙련도, 경험도 등에 따라 달라질 수밖에 없어 기계장비의 관리자가 누구인지에 따라 유지관리의 질적 차이가 커질 수 있다.In addition, management personnel are burdened with the administrative tasks of recording the contents of the work when maintenance and maintenance of the mechanical equipment are performed. In addition, the maintenance of these mechanical equipment depends on the proficiency and experience of the management personnel, which may lead to a difference in maintenance quality depending on who is the manager of the mechanical equipment.

도 1은 종래의 지하철 모니터링 시스템에 관한 도면으로, 이는 한국공개특허공보 제10-2009-0053028호(2009.05.27)에 개시되어 있다.1 is a diagram of a conventional subway monitoring system, which is disclosed in Korean Patent Laid-Open No. 10-2009-0053028 (May 27, 2009).

도 1을 참고하여 설명하면, 상기 종래의 지하철 모니터링 시스템(90)은, 지하철 역사 또는 지하철 터널에 위치하여 실내공기오염물질을 감지 또는 측정하는 센서노드(91)와, 상기 센서노드(91)로부터 측정된 실내공기 오염물질 측정 데이터를 수신하는 수신모듈(92)과, 상기 수신모듈(92)에서 측정된 데이터를 처리하여 실내 환경 오염 지표를 산출하는 데이터처리모듈(93)과, 상기 산출된 실내 환경 오염 지표가 설정된 임계 범위를 벗어난 경우 상기 지하철 역사 또는 지하철 터널에 설치된 환기 장치 가동을 위한 제어신호를 전송하는 제어모듈(94)과, 상기 제어모듈(94)로부터 정보를 전달받아 해당 정보를 저장함과 동시에 실시간으로 외부와 송수신이 가능한 데이터서버(95)로 구성이 되며, 상기 데이터서버(95)는 상기 제어모듈(94)을 통해서 관련기관서버(96) 및 모니터링장치(97)와 정보를 공유하게 된다. 1, the conventional subway monitoring system 90 includes a sensor node 91 located in a subway train or a subway tunnel to detect or measure indoor air pollutants, A data processing module 93 for processing the data measured by the receiving module 92 to calculate indoor environmental pollution indexes 93, A control module 94 for transmitting a control signal for operating the ventilation device installed in the subway tunnel or the subway tunnel when the environmental pollution index is out of the set critical range; And a data server 95 capable of transmitting and receiving data to and from the outside in real time. The data server 95 is connected to the related institution server 96 through the control module 94, And the monitoring device 97, as shown in FIG.

상기 종래의 지하철 모니터링 시스템(90)은 전술한 구성을 통해 지하철 역사 또는 터널의 실내 공기 오염 물질을 센서 네트워크를 통하여 정확하게 측정 및 진단할 수 있고, 센서 네트워크를 통하여 정확하게 측정된 실내 공기 오염 물질을 모니터링 하며, 모니터링된 실내 공기 오염 물질을 정화하고 관리할 수 있는 지하철 모니터링 시스템을 제공할 수 있다.The conventional subway monitoring system 90 can accurately measure and diagnose indoor air pollutants in the subway history or tunnel through the sensor network and monitor the indoor air pollutants accurately measured through the sensor network And can provide a subway monitoring system that can purify and manage the monitored indoor air pollutants.

하지만, 상기 종래 기술(90)은, 상기 센서노드(91)를 통해 지하철 역사 내의 실내공기오염 상태를 측정하고, 측정된 결과값을 기준값과 비교를 통해, 설정된 임계 범위를 벗어난 경우에 오염물처리장치, 환기장치 등의 기계장비 가동을 제어할 수는 있을지언정, 이러한 기계장비 자체의 상태를 모니터링할 수 없도록 되어 있다.However, in the conventional technique (90), the indoor air pollution state in the subway history is measured through the sensor node (91), and when the measured result value is out of the set critical range through comparison with the reference value, , Ventilation equipment, etc., but it is not possible to monitor the state of such mechanical equipment itself.

즉, 종래기술(90)은 송풍기, 공조기, 냉동기 등과 같은 기계장비의 가동유무와, 출력 정도 등을 제어할 수 있을지라도, 이러한 기계장비의 상태를 모니터링하여 기계장비들의 이상징후를 파악할 수 없는 것이다.That is, although the conventional art 90 can control the operation of the mechanical equipment such as the blower, the air conditioner, the refrigerator, etc., and the output accuracy, the state of the mechanical equipment can not be monitored and abnormal signs of the mechanical equipment can not be grasped .

아무리 실내환경의 측정이 정확히 이루어졌다고 한들, 실내환경을 제어할 기계장비가 제대로 작동하지 않는다면, 해당 실내환경이 기준치에 적합하게 유지될 수 없으므로, 지하철 역사 내에 설치된 각종 기계장비들의 상태를 실시간으로 파악할 수 있는 시스템의 마련이 필요하다고 하겠다.If the indoor environment is accurately measured, the indoor environment can not be maintained in compliance with the standard value, so that the state of various mechanical equipments installed in the subway history can be grasped in real time It is necessary to establish a system that can

따라서, 관련업계에서는 지하철 역사 곳곳에 설치된 기계장비로부터 데이터를 수집해 기계장비의 상태를 실시간으로 모니터링하여, 기계장비의 이상징후를 포착해 고장을 사전에 예방하고, 사후 보수에 따른 인력과 비용을 절감할 수 있으며, 기계장비의 고장시에도 신속한 조치가 가능할 수 있도록 하는 시스템의 도입을 요구하고 있는 실정이다.Therefore, the related industry collects data from the mechanical equipments installed in various parts of the subway history to monitor the state of the mechanical equipments in real time, to detect the abnormality signs of the mechanical equipments and to prevent the breakdown in advance, And it is demanding introduction of a system that enables rapid measures even in case of failure of mechanical equipment.

한국공개특허공보 제10-2009-0053028호(2009.05.27)Korean Patent Laid-Open No. 10-2009-0053028 (2009.05.27)

본 발명은 상기와 같은 문제점을 해결하고자 안출된 것으로,SUMMARY OF THE INVENTION The present invention has been made to solve the above problems,

본 발명의 목적은, 지하철 역사 곳곳에 설치된 기계장비로부터 데이터를 수집해 기계장비의 상태를 실시간으로 모니터링하여, 기계장비의 이상징후를 포착해 고장을 사전에 예방하고, 사후 보수에 따른 인력과 비용을 절감할 수 있으며, 기계장비의 고장시에도 신속한 조치가 가능할 수 있도록 하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 것이다.It is an object of the present invention to provide a system and method for monitoring the state of mechanical equipment in real time by collecting data from mechanical equipment installed throughout the history of the subway to prevent malfunctions by detecting abnormalities of mechanical equipment, And to provide a system for predicting and analyzing the failure of mechanical equipment using a big data analysis, which enables rapid measures even in the event of failure of the mechanical equipment.

본 발명의 다른 목적은, 기계장비의 상태를 감지하는 센서부와 연결되어 상기 센서부로부터 데이터를 수신해 분석하는 서버부를 구성하여, 지하철 역사별로 설치된 수많은 기계장비에 관한 정보를 실시간으로 수집하고 이를 분석해, 소수의 관리 인력만으로도 철저한 기계장비의 유지관리가 가능하도록 하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 것이다.It is another object of the present invention to provide a server unit connected to a sensor unit for sensing the state of mechanical equipment and receiving and analyzing data from the sensor unit to collect information on a large number of mechanical equipment installed in each subway station in real time, And analyze and predict the failure of machine equipment using big data analysis, which enables maintenance of thorough mechanical equipment with only a few management personnel.

본 발명의 또 다른 목적은, 실시간으로 수집된 데이터를 기반으로 기계장비의 상태를 파악함으로써, 관리 인력의 경험, 숙련도 등에 상관없이, 보다 객관적이고 정확하게 기계장비의 상태를 파악할 수 있도록 하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 것이다.It is still another object of the present invention to provide a large data processing system capable of grasping the state of mechanical equipment based on data collected in real time, And to provide a system for predicting and analyzing the failure of mechanical equipment using analysis.

본 발명의 또 다른 목적은, 기계장비의 현재 운전상태뿐만 아니라 고장 징후를 사전에 파악할 수 있어 유지보수에 필요한 인력, 시간 및 비용을 절감시켜주고, 적절한 예방점검을 통해 기계장비의 수명 증대 및 가동률을 향상시킴으로써, 결국 지하철을 이용하는 고객의 만족도를 향상시키는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 것이다.It is a further object of the present invention to provide a system and a method for controlling the operation of a machine, To provide a system for analyzing the failure prediction of a mechanical equipment using a big data analysis, which improves the customer's satisfaction using the subway.

본 발명의 또 다른 목적은, 기계장비별 고장예지값을 산출하고 산출된 상기 고장예지값을 기준값과 비교해 기계장비의 고장을 예측하는 수치예측부를 구성하여, 정해진 알고리즘으로 기계장비별 특정요소의 수치값을 산출하고, 산출된 수치값을 연산하여 기준값과 비교함에 따라, 정확한 수치에 근거하여 기계장비의 고장가능성을 보다 객관적으로 평가하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 것이다.It is still another object of the present invention to provide a numerical prediction unit for calculating a failure prediction value for each machine tool and comparing the calculated failure prediction value with a reference value to predict a failure of the machine tool, The present invention provides a failure prediction analysis system of a mechanical equipment using a big data analysis that calculates a value and compares the calculated numerical value with a reference value to more objectively evaluate the possibility of mechanical equipment failure based on correct numerical values will be.

본 발명의 또 다른 목적은, 수치예측부를 통해 기계장비의 고장 가능성을 예측할 때, 산출된 기계장비별 특정요소의 수치값에 가중치를 부여함으로써, 기계장비별 특성을 반영한 보다 객관적인 고장 예지가 가능하도록 하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 것이다.It is still another object of the present invention to provide a method and apparatus for estimating a failure probability of a mechanical equipment through a numerical value predicting unit by weighting a numerical value of a specific factor calculated for each mechanical equipment, And to provide a failure prediction analysis system of a mechanical equipment using a big data analysis.

본 발명의 또 다른 목적은, 수치예측부를 통해 연산된 고장예지값이 기준값 이상일 경우 점검신호를 생성하는 수치판단모듈을 구성하여, 정해진 알고리즘에 근거하여 기계장비의 상태가 판단되면, 관리자에게 기계장비별로 점검 필요 여부에 관한 정보를 제공함으로써, 관리자가 점검이 필요하다고 판단된 기계장비만을 선택적으로 점검하도록 하여, 불필요한 노고, 시간, 비용의 낭비를 방지하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 것이다.It is still another object of the present invention to provide a numerical value determination module for generating an inspection signal when a failure predicted value calculated through a numerical value predicting unit is equal to or greater than a reference value and if the state of the mechanical equipment is determined based on a predetermined algorithm, By providing information on the necessity of checking individually, it is possible to predict the failure of the mechanical equipment using the big data analysis, which prevents the unnecessary labor, time and cost from being wasted by allowing the manager to selectively check only the mechanical equipment judged to need inspection Analysis system.

본 발명의 또 다른 목적은, 데이터의 추세를 통해 기계장비의 고장을 예측하는 추세예측부를 구성하여, 기준이 되는 기간을 설정하고, 설정된 기간 내에 수집된 데이터를 추출해 그 추세를 분석하며, 분석된 데이터의 추세에 실시간으로 수신되고 있는 수신데이터를 적용함으로써, 앞으로의 기계장비 상태를 예측해 대략 어느 시점에서 기계장비에 고장이 발생할 가능성이 있는지를 판단하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 것이다.It is another object of the present invention to provide a trend prediction unit for predicting a failure of a mechanical equipment through trend of data, setting a reference period, extracting collected data within a set period, analyzing the trend, Predictive failure analysis of mechanical equipment using big data analysis, which predicts the future state of the mechanical equipment by applying the received data received in real time to the trend of the data, and judges the possibility of occurrence of a failure in the mechanical equipment System.

본 발명의 또 다른 목적은, 데이터의 비교를 통해 기계장비의 고장을 예측하는 비교예측부를 구성하여, 고장가부를 예측할 대상기계장비를 특정하고, 특정된 대상기계장비와 동일한 비교기계장비에 관한 데이터를 데이터베이스부로부터 추출하며, 대상기계장비의 데이터와 비교기계장비의 데이터를 비교분석함으로써, 동일한 비교기계장비의 과거 데이터를 기반으로 대상기계장비의 앞으로의 고장 가능성을 예측하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 것이다.It is still another object of the present invention to provide a comparative predicting unit for predicting a failure of a mechanical equipment through comparison of data to specify a mechanical equipment to predict a faulty part, A machine using a big data analysis that extracts from the database part and predicts the possibility of future failure of the target machine equipment based on the past data of the same comparative machine equipment by comparing and analyzing the data of the target machine equipment and the data of the comparative machine equipment. And to provide a failure prediction analysis system of the equipment.

본 발명의 또 다른 목적은, 외부요인에 의한 기계장비별 고장유형을 분석하여 기계장비의 고장의 예측하는 패턴예측부를 구성하여, 특정 기계장비에 특정 외부요인이 작용하였을 때, 같은 외부요인에 의한 과거 고장이력을 추출해, 해당 기계장비에 발생할 가능성이 높은 고장유형을 사전에 예측하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 것이다.It is another object of the present invention to provide a pattern prediction unit for predicting a failure of a mechanical equipment by analyzing a failure type for each mechanical equipment by an external factor so that when a specific external factor acts on a specific mechanical equipment, The present invention provides a fault prediction analysis system of a mechanical equipment using a big data analysis in which a past fault history is extracted and a fault type likely to occur in the relevant mechanical equipment is predicted in advance.

본 발명의 또 다른 목적은, 데이터수신부, 데이터분석부 및 데이터베이스부와 연결된 데이터처리부를 구성하여, 수신데이터, 분석데이터 및 저장데이터를 처리해 단말기로 전송함으로써, 단말기의 사용자가 서버부로부터 기계장비의 상태를 실시간으로 확인할 수 있도록 하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 것이다.It is another object of the present invention to provide a data processing unit connected to a data receiving unit, a data analyzing unit and a database unit to process received data, analysis data and stored data and transmit the received data to the terminal, And to provide a system for analyzing the failure prediction of a mechanical equipment using a big data analysis.

본 발명은 앞서 본 목적을 달성하기 위해서 다음과 같은 구성을 가진 실시예에 의해서 구현된다.In order to achieve the above object, the present invention is implemented by the following embodiments.

본 발명의 일 실시예에 따르면, 본 발명은, 데이터베이스부와 연결되어 데이터를 분석해 기계장비의 고장을 예측하는 데이터분석부를 포함하고, 상기 데이터분석부는, 기계장비별 고장예지값을 산출하고 산출된 상기 고장예지값을 기준값과 비교해 기계장비의 고장을 예측하는 수치예측부를 포함하는 것을 특징으로 한다.According to an embodiment of the present invention, there is provided a data analyzing apparatus for analyzing data and analyzing data to predict a failure of a mechanical equipment, wherein the data analyzing unit calculates a failure prediction value for each machine equipment, And a numerical predictor for comparing the failure prediction value with a reference value to predict a failure of the mechanical equipment.

본 발명의 다른 실시예에 따르면, 본 발명은, 상기 수치예측부는, 기계장비별 내구연한값을 산출하는 내구연한연산모듈과, 기계장비별 가동시간값을 산출하는 가동시간연산모듈과, 기계장비별 가동횟수값을 산출하는 가동횟수연산모듈과, 기계장비별 마지막 점검일로부터의 경과일수값을 산출하는 경과일수연산모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the numerical value predicting unit comprises: a durability calculation module for calculating a durability value for each machine equipment; an operation time calculation module for calculating a durability value for each machine equipment; An operation frequency calculation module for calculating the number of times of operation that is different from each other, and an elapsed days calculation module for calculating the elapsed days value from the last inspection date for each mechanical equipment.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 수치예측부는, 상기 내구연한값, 상기 가동시간값, 상기 가동횟수값 및 상기 경과일수값에 기계장비별 가중치를 부여해, 수정내구연한값, 수정가동시간값, 수정가동횟수값 및 수정경과일수값을 산출하는 가중치부여모듈을 추가로 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the numerical value predicting unit may assign weights to the mechanical equipment to the durability value, the operating time value, the operating frequency value, and the elapsed days value, A modified operation time value, a corrected operation time value, and a corrected elapsed days value.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 수치예측부는, 상기 수정내구연한값, 상기 수정가동시간값, 상기 수정가동횟수값 및 상기 수정경과일수값을 합하여 상기 고장예지값을 산출하고, 산출된 상기 고장예지값을 상기 기준값과 비교해, 상기 고장예지값이 상기 기준값 이상일 경우 점검신호를 생성하는 수치판단모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, in the present invention, the numerical value predicting unit may calculate the failure prediction value by summing the modified durability value, the corrected operating time value, the modified operating frequency value, and the modified elapsed- And a numerical value determining module that compares the calculated failure prediction value with the reference value and generates an inspection signal when the failure prediction value is equal to or greater than the reference value.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 기계장비의 상태를 감지하는 센서부와, 상기 센서부와 연결되어 상기 센서부로부터 데이터를 수신해 분석하는 서버부와, 상기 서버부와 연결되어 상기 서버부로부터 데이터를 수신해 저장하고 상기 서버부로 저장된 데이터를 전송하는 데이터베이스부를 포함하며, 상기 서버부는, 상기 센서부로부터 데이터를 수신하는 데이터수신부와, 상기 데이터수신부 및 상기 데이터베이스부와 연결되어 수신된 데이터를 분석해 상기 기계장비의 고장을 예측하는 데이터분석부를 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, there is provided a data processing system including a sensor unit for detecting a state of a mechanical equipment, a server unit connected to the sensor unit for receiving and analyzing data from the sensor unit, And a database unit receiving and storing data from the server unit and transmitting the stored data to the server unit, wherein the server unit comprises: a data receiving unit for receiving data from the sensor unit; and a data receiving unit connected to the data receiving unit and the database unit And analyzing the received data to predict a failure of the mechanical equipment.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 데이터분석부는, 데이터의 추세를 통해 기계장비의 고장을 예측하는 추세예측부를 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the data analyzing unit includes a trend predicting unit for predicting a failure of the mechanical equipment through trend of data.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 추세예측부는, 기준이 되는 기간을 설정하는 기간설정모듈과, 설정된 기간을 기준으로 상기 데이터베이스부에 저장된 데이터를 추출하는 데이터추출모듈과, 추출된 데이터의 추세를 분석하는 추세분석모듈과, 분석된 데이터의 추세에 상기 수신데이터를 적용하여 기계장비의 고장을 예측하는 추세판단모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the trend prediction unit may include: a period setting module that sets a reference period; a data extraction module that extracts data stored in the database based on a predetermined period; A trend analysis module for analyzing the trend of the extracted data; and a trend determination module for predicting the failure of the mechanical equipment by applying the received data to the trend of the analyzed data.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 데이터분석부는, 데이터의 비교를 통해 기계장비의 고장을 예측하는 비교예측부를 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the data analysis unit includes a comparison predicting unit for predicting a failure of the mechanical equipment through comparison of data.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 비교예측부는, 고장가부를 예측할 대상기계장비를 특정하는 기계장비특정모듈과, 특정된 대상기계장비와 동일한 비교기계장비에 관한 데이터를 상기 데이터베이스부로부터 추출하는 비교데이터추출모듈과, 상기 대상기계장비의 데이터와 상기 비교기계장비의 데이터를 비교분석하여 상기 대상기계장비의 고장을 예측하는 비교판단모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, there is provided a data processing system in which the comparison predicting unit includes: a mechanical equipment specifying module for specifying a mechanical equipment to predict a faulty part; And a comparison determination module for comparing the data of the target mechanical equipment and the data of the comparison mechanical equipment to predict a failure of the target mechanical equipment.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 데이터분석부는, 외부요인에 의한 기계장비별 고장유형을 분석하여 기계장비의 고장의 예측하는 패턴예측부를 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the data analyzing unit includes a pattern predicting unit for predicting a failure of the mechanical equipment by analyzing a failure type for each mechanical equipment caused by an external factor.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 패턴예측부는, 기계장비에 작용한 외부요인을 특정하는 외부요인특정모듈과, 특정된 외부요인으로 인한 기계장비의 고장이력을 추출하는 고장이력추출모듈과, 추출된 고장이력을 통해 외부요인이 작용한 기계장비의 고장을 예측하는 패턴판단모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the pattern predicting unit includes an external factor specifying module for specifying an external factor acting on the mechanical equipment, a failure detecting unit for extracting a failure history of the mechanical equipment due to a specified external factor, A history extracting module, and a pattern determining module for predicting a failure of a mechanical device to which an external factor is applied through the extracted failure history.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 고장예측분석시스템은, 상기 데이터수신부, 상기 데이터분석부 및 상기 데이터베이스부와 연결되어 데이터를 처리하고 처리된 데이터를 단말기로 전송함으로써 상기 단말기에 기계장비의 상태정보를 제공하는 데이터처리부를 추가로 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, in the failure prediction analysis system, the failure prediction analysis system may process the data in connection with the data reception unit, the data analysis unit, and the database unit, and transmit the processed data to the terminal, And a data processing unit for providing status information of the mechanical equipment to the data processing unit.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 데이터처리부는, 기계장비의 고장예지정보를 제공하는 고장예지데이터처리부와, 기계장비의 점검정보를 제공하는 점검데이터처리부와, 기계장비의 보수이력정보를 제공하는 보수이력데이터처리부를 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, there is provided a data processing system comprising: a data processor for processing data; a failure prediction data processing unit for providing failure prediction information of the machine equipment; a check data processing unit for providing check information of the machine equipment; And a maintenance history data processing unit for providing maintenance history information.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 데이터처리부는, 기계장비의 가동률정보를 제공하는 가동률데이터처리부와, 기계장비의 전력량정보를 제공하는 전력량데이터처리부와, 기계장비의 통신상태정보를 제공하는 통신상태데이터처리부를 추가로 포함하는 것을 특징으로 한다.According to another aspect of the present invention, there is provided a data processing system including a data processing unit including: a utilization rate data processing unit for providing information on the utilization rate of mechanical equipment; a power amount data processing unit for providing information on the amount of power of the equipment; And a communication state data processing unit for providing the information.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 데이터분석부는, 기계장비별 고장예지값을 산출하고 산출된 상기 고장예지값을 기준값과 비교해 기계장비의 고장을 예측하는 수치예측부를 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the data analyzing unit includes a numerical value predicting unit for calculating a failure prediction value for each mechanical equipment and comparing the calculated failure prediction value with a reference value to predict a failure of the mechanical equipment .

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 수치예측부는, 기계장비별 내구연한값을 산출하는 내구연한연산모듈과, 기계장비별 가동시간값을 산출하는 가동시간연산모듈과, 기계장비별 가동횟수값을 산출하는 가동횟수연산모듈과, 기계장비별 마지막 점검일로부터의 경과일수값을 산출하는 경과일수연산모듈과, 상기 내구연한값, 상기 가동시간값, 상기 가동횟수값 및 상기 경과일수값에 기계장비별 가중치를 부여해, 수정내구연한값, 수정가동시간값, 수정가동횟수값 및 수정경과일수값을 산출하는 가중치부여모듈을 추가로 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the numerical value predicting unit may include: a durability calculation module for calculating a durability value for each machine, an operation time calculation module for calculating a durability value for each machine, An elapsed number of days calculation module for calculating an elapsed number of days from the last inspection date for each machine equipment; and a calculation unit for calculating the elapsed life value, the operation time value, the operation count value, And a weighting module for assigning weights to the elapsed days value by the mechanical equipment and calculating the modified duration value, the corrected operation time value, the corrected operation frequency value, and the modified elapsed days value.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 센서부가 기계장비의 상태를 감지하는 감지단계와, 상기 감지단계 이후에, 서버부의 데이터수신부가 상기 센서부로부터 데이터를 수신하는 데이터수신단계와, 상기 데이터수신단계 이후에, 서버부의 데이터분석부가 수신된 데이터를 분석해 상기 기계장비의 고장을 예측하는 데이터분석단계를 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, there is provided a method for controlling a sensor unit, comprising: sensing a state of a sensor unit in a state of a mechanical equipment; receiving data from a sensor unit of a data receiving unit of the server unit after the sensing step; And analyzing data received by the data analysis unit of the server unit after the data reception step to predict a failure of the mechanical equipment.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 데이터분석단계는, 내구연한연산모듈이 기계장비별 내구연한값을 산출하는 내구연한연산단계와, 가동시간연산모듈이 기계장비별 가동시간값을 산출하는 가동시간연산단계와, 가동횟수연산모듈이 기계장비별 가동횟수값을 산출하는 가동횟수연산단계와, 경과일수연산모듈이 기계장비별 마지막 점검일로부터의 경과일수값을 산출하는 경과일수연산단계를 포함하는 분석요소연산단계와, 상기 분석요소연산단계 이후에, 가중치부여모듈이 상기 내구연한값, 상기 가동시간값, 상기 가동횟수값 및 상기 경과일수값에 기계장비별 가중치를 부여해, 수정내구연한값, 수정가동시간값, 수정가동횟수값 및 수정경과일수값을 산출하는 가중치부여단계와, 상기 가중치부여단계 이후에, 수치판단모듈이 상기 수정내구연한값, 상기 수정가동시간값, 상기 수정가동횟수값 및 상기 수정경과일수값을 합하여 상기 고장예지값을 산출하고, 산출된 상기 고장예지값을 상기 기준값과 비교해, 상기 고장예지값이 상기 기준값 이상일 경우 점검신호를 생성하는 수치판단단계를 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the data analysis step may include: a durability calculation step of calculating a durability value for each mechanical equipment by the durability calculation module; An elapsed time for calculating elapsed days from the last inspection date by the elapsed days calculation module of the mechanical equipment; Wherein the weighting module assigns weights to the durability value, the operating time value, the operating frequency value, and the elapsed days value by a mechanical device after the analyzing element calculating step, A weighting step of calculating a correction duration value, a correction operation time value, a correction operation number value, and a correction elapsed day value; and after the weighting step, Calculating the fault forecast value by summing the fault forecast value with the reference value, calculating the fault forecast value by summing the fault forecast value, the unfixed durability value, the corrected operation time value, the corrected operation frequency value, and the modified elapsed days value, And generating a check signal when the reference value is equal to or greater than the reference value.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 데이터분석단계는, 기간설정모듈이 기준이 되는 기간을 설정하는 기간설정단계와, 상기 기간설정단계 이후에, 데이터추출모듈이 설정된 기간을 기준으로 데이터베이스부에 저장된 데이터를 추출하는 데이터추출단계와, 상기 데이터추출단계 이후에, 추세분석모듈이 추출된 데이터의 추세를 분석하는 추세분석단계와, 상기 추세분석단계 이후에, 추세판단모듈이 분석된 데이터의 추세에 상기 수신데이터를 적용하여 기계장비의 고장을 예측하는 추세판단단계를 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the data analysis step may include: a period setting step of setting a period in which the period setting module is a reference; and a period setting step of setting, A trend analysis step of analyzing a trend of data extracted by the trend analysis module after the data extraction step; and a trend analysis module, after the trend analysis module, And a trend determining step of predicting a failure of the mechanical equipment by applying the received data to the trend of the analyzed data.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 데이터분석단계는, 기계장비특정모듈이 고장가부를 예측할 대상기계장비를 특정하는 기계장비특정단계와, 상기 기계장비특정단계 이후에, 비교데이터추출모듈이 특정된 대상기계장비와 동일한 비교기계장비에 관한 데이터를 데이터베이스부로부터 추출하는 비교데이터추출단계와, 상기 비교데이터추출단계 이후에, 비교판단모듈이 상기 대상기계장비의 데이터와 상기 비교기계장비의 데이터를 비교분석하여 상기 대상기계장비의 고장을 예측하는 비교판단단계를 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the data analysis step may include: a machine equipment specifying step of specifying a machine equipment to which the machine equipment specific module is predicted to fail; and, after the machine equipment specifying step, A comparison data extracting step of extracting data relating to the same comparative mechanical equipment as the specified target mechanical equipment from the database unit by the extraction module, And comparing and analyzing data of the equipment to predict a failure of the target mechanical equipment.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 데이터분석단계는, 외부요인특정모듈이 기계장비에 작용한 외부요인을 특정하는 외부요인특정단계와, 상기 외부요인특정단계 이후에, 고장이력추출모듈이 특정된 외부요인으로 인한 기계장비의 고장이력을 추출하는 고장이력추출단계와, 상기 고장이력추출단계 이후에, 패턴판단모듈이 추출된 고장이력을 통해 외부요인이 작용한 기계장비의 고장을 예측하는 패턴판단단계를 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the present invention is characterized in that the data analysis step includes: an external factor specifying step of specifying an external factor that the external factor specifying module acts on the mechanical equipment; A failure history extracting step of extracting a failure history of the mechanical equipment due to an external factor specified by the history extracting module; and a failure determination step of, after the failure history extracting step, And a pattern judgment step of predicting the failure.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 고장예측분석방법은, 상기 데이터분석단계이후에, 데이터처리부가 상기 데이터수신부, 상기 데이터분석부 및 상기 데이터베이스부와 연결되어 데이터를 처리하고 처리된 데이터를 단말기로 전송함으로써 상기 단말기에 기계장비의 상태정보를 제공하는 데이터처리단계를 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, in the failure prediction analysis method, after the data analysis step, the data processing unit is connected to the data receiving unit, the data analysis unit, and the database unit, And a data processing step of providing the terminal with state information of the mechanical equipment by transmitting the processed data to the terminal.

본 발명은 앞서 본 실시예와 하기에 설명할 구성과 결합, 사용관계에 의해 다음과 같은 효과를 얻을 수 있다.The present invention can obtain the following effects by the above-described embodiment, the constitution described below, the combination, and the use relationship.

본 발명은, 지하철 역사 곳곳에 설치된 기계장비로부터 데이터를 수집해 기계장비의 상태를 실시간으로 모니터링하여, 기계장비의 이상징후를 포착해 고장을 사전에 예방하고, 사후 보수에 따른 인력과 비용을 절감할 수 있으며, 기계장비의 고장시에도 신속한 조치가 가능할 수 있도록 하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 효과를 가진다.The present invention collects data from mechanical equipment installed throughout the history of the subway system to monitor the state of the mechanical equipment in real time to prevent malfunctions by capturing abnormal signs of mechanical equipment and to save manpower and cost due to post-repair And provides a predictive analysis system for a failure of a mechanical equipment using a big data analysis, which enables rapid measures even in the event of failure of the mechanical equipment.

본 발명은, 기계장비의 상태를 감지하는 센서부와 연결되어 상기 센서부로부터 데이터를 수신해 분석하는 서버부를 구성하여, 지하철 역사별로 설치된 수많은 기계장비에 관한 정보를 실시간으로 수집하고 이를 분석해, 소수의 관리 인력만으로도 철저한 기계장비의 유지관리가 가능하도록 하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 효과를 도출한다.The present invention relates to a server unit for receiving and analyzing data from a sensor unit connected to a sensor unit for detecting the state of a mechanical equipment and collecting and analyzing information on a large number of mechanical equipments installed in each subway station in real time, This paper proposes an analytical system for failure prediction and analysis of mechanical equipment using big data analysis, which enables maintenance of thorough mechanical equipments only by the management personnel of the equipment.

본 발명은, 실시간으로 수집된 데이터를 기반으로 기계장비의 상태를 파악함으로써, 관리 인력의 경험, 숙련도 등에 상관없이, 보다 객관적이고 정확하게 기계장비의 상태를 파악할 수 있도록 하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 효과가 있다.The present invention relates to a machine using big data analysis, which can grasp the state of mechanical equipment based on data collected in real time, and can grasp the state of mechanical equipment more objectively and accurately, regardless of the experience and proficiency of management personnel There is an effect of providing a failure prediction analysis system of the equipment.

본 발명은, 기계장비의 현재 운전상태뿐만 아니라 고장 징후를 사전에 파악할 수 있어 유지보수에 필요한 인력, 시간 및 비용을 절감시켜주고, 적절한 예방점검을 통해 기계장비의 수명 증대 및 가동률을 향상시킴으로써, 결국 지하철을 이용하는 고객의 만족도를 향상시키는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 효과를 가진다.The present invention reduces the manpower, time and cost required for maintenance because it can grasp not only the current operating state of the machine equipment but also the fault indications in advance, and improves the service life and the operating rate of the machine equipment through appropriate preventive checking, Therefore, it is possible to provide a failure prediction analysis system of a mechanical equipment using a big data analysis, which improves the satisfaction of customers using the subway.

본 발명은, 기계장비별 고장예지값을 산출하고 산출된 상기 고장예지값을 기준값과 비교해 기계장비의 고장을 예측하는 수치예측부를 구성하여, 정해진 알고리즘으로 기계장비별 특정요소의 수치값을 산출하고, 산출된 수치값을 연산하여 기준값과 비교함에 따라, 정확한 수치에 근거하여 기계장비의 고장가능성을 보다 객관적으로 평가하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 효과를 도출한다.A numerical value predicting unit for predicting a failure of a mechanical equipment is constructed by calculating a failure prediction value for each machine equipment and comparing the calculated failure prediction value with a reference value to calculate numerical values of specific elements for each machine equipment with a predetermined algorithm , The calculated numerical value is calculated and compared with the reference value, and the possibility of failure of the mechanical equipment is more objectively evaluated based on the correct numerical value. .

본 발명은, 수치예측부를 통해 기계장비의 고장 가능성을 예측할 때, 산출된 기계장비별 특정요소의 수치값에 가중치를 부여함으로써, 기계장비별 특성을 반영한 보다 객관적인 고장 예지가 가능하도록 하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 효과가 있다.The present invention relates to a system and method for estimating a failure probability of a mechanical equipment through a numerical value predicting unit and a method for providing a numerical value of a specific factor for each mechanical equipment, And provides an analysis system for failure prediction of mechanical equipment using analysis.

본 발명은, 수치예측부를 통해 연산된 고장예지값이 기준값 이상일 경우 점검신호를 생성하는 수치판단모듈을 구성하여, 정해진 알고리즘에 근거하여 기계장비의 상태가 판단되면, 관리자에게 기계장비별로 점검 필요 여부에 관한 정보를 제공함으로써, 관리자가 점검이 필요하다고 판단된 기계장비만을 선택적으로 점검하도록 하여, 불필요한 노고, 시간, 비용의 낭비를 방지하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 효과를 가진다.The present invention relates to a numerical value determination module for generating an inspection signal when a failure prediction value calculated through a numerical value predicting unit is equal to or greater than a reference value. When the state of the mechanical equipment is determined based on a predetermined algorithm, Provides a system for analyzing the failure prediction of a mechanical equipment using a big data analysis, which prevents unnecessary labor, time, and cost from being wasted by allowing the manager to selectively check only the mechanical equipment that is determined to need inspection .

본 발명은, 데이터의 추세를 통해 기계장비의 고장을 예측하는 추세예측부를 구성하여, 기준이 되는 기간을 설정하고, 설정된 기간 내에 수집된 데이터를 추출해 그 추세를 분석하며, 분석된 데이터의 추세에 실시간으로 수신되고 있는 수신데이터를 적용함으로써, 앞으로의 기계장비 상태를 예측해 대략 어느 시점에서 기계장비에 고장이 발생할 가능성이 있는지를 판단하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 효과를 도출한다.According to the present invention, a trend predicting unit for predicting a failure of a mechanical equipment through a trend of data is configured, a reference period is set, data collected during a set period is extracted to analyze the trend, Providing a failure prediction analysis system of a mechanical equipment using a big data analysis which determines the possibility of occurrence of a failure in the mechanical equipment at a certain point of time by predicting the future state of the mechanical equipment by applying the received data received in real time Effect.

본 발명은, 데이터의 비교를 통해 기계장비의 고장을 예측하는 비교예측부를 구성하여, 고장가부를 예측할 대상기계장비를 특정하고, 특정된 대상기계장비와 동일한 비교기계장비에 관한 데이터를 데이터베이스부로부터 추출하며, 대상기계장비의 데이터와 비교기계장비의 데이터를 비교분석함으로써, 동일한 비교기계장비의 과거 데이터를 기반으로 대상기계장비의 앞으로의 고장 가능성을 예측하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 효과가 있다.A comparison predictor for predicting a failure of a mechanical equipment is configured through comparison of data to specify a mechanical equipment to predict a faulty part and data relating to the same comparative mechanical equipment as the specified target mechanical equipment is extracted from the database unit Predicts failure of machine equipment using big data analysis, which predicts future failure of target machine equipment based on historical data of the same comparative machine equipment by comparing and analyzing data of target machine equipment and comparative machine equipment. There is an effect of providing an analysis system.

본 발명은, 외부요인에 의한 기계장비별 고장유형을 분석하여 기계장비의 고장의 예측하는 패턴예측부를 구성하여, 특정 기계장비에 특정 외부요인이 작용하였을 때, 같은 외부요인에 의한 과거 고장이력을 추출해, 해당 기계장비에 발생할 가능성이 높은 고장유형을 사전에 예측하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 효과를 가진다.In the present invention, a pattern predicting unit for predicting a failure of a mechanical equipment is constructed by analyzing a failure type for each mechanical equipment by an external factor, and when a certain external factor acts on a specific mechanical equipment, a past failure history The present invention provides a fault prediction analysis system of a mechanical equipment using a big data analysis, which predicts a failure type likely to occur in the mechanical equipment.

본 발명은, 데이터수신부, 데이터분석부 및 데이터베이스부와 연결된 데이터처리부를 구성하여, 수신데이터, 분석데이터 및 저장데이터를 처리해 단말기로 전송함으로써, 단말기의 사용자가 서버부로부터 기계장비의 상태를 실시간으로 확인할 수 있도록 하는, 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템을 제공하는 효과를 도출한다.The present invention relates to a data processing apparatus, which comprises a data receiving unit, a data analyzing unit, and a data processing unit connected to a database unit, processes received data, analysis data, and stored data to transmit the received data to the terminal, This paper proposes an analytical system for failure prediction of mechanical equipment using big data analysis.

도 1은 종래의 지하철 모니터링 시스템에 관한 도면.
도 2는 본 발명인 빅데이터분석을 이용한 기계장비의 고장예측분석시스템에 관한 개념도.
도 3은 본 발명의 일 실시예에 따른 빅데이터분석을 이용한 기계장비의 고장예측분석시스템에 관한 도면.
도 4는 데이터분석부에 관한 도면.
도 5는 수치예측부에 관한 도면.
도 6은 도 5의 수치예측부를 통한 기계장비의 고장예측을 도시한 도면.
도 7은 추세예측부에 관한 도면.
도 8은 도 7의 추세예측부를 통한 기계장비의 고장예측을 도시한 도면.
도 9는 비교예측부에 관한 도면.
도 10은 도 9의 비교예측부를 통한 기계장비의 고장예측을 도시한 도면.
도 11은 패턴예측부에 관한 도면.
도 12는 도 11의 패턴예측부를 통한 기계장비의 고장예측을 도시한 도면.
도 13은 데이터처리부에 관한 도면.
도 14는 도 13의 데이터처리부를 통한 화면 구성의 일 실시예를 도시한 도면.
도 15는 본 발명의 일 실시예에 따른 빅데이터분석을 이용한 기계장비의 고장예측분석방법에 관한 도면.
도 16은 데이터분석단계에 관한 도면.
도 17은 수치예측단계에 관한 도면.
도 18은 도 17의 분석요소연산단계에 관한 도면.
도 19는 추세예측단계에 관한 도면.
도 20은 비교예측단계에 관한 도면.
도 21은 패턴예측단계에 관한 도면.
도 22는 데이터처리단계에 관한 도면.
도 23은 본 발명의 사용상태도.1 is a diagram of a conventional subway monitoring system.
2 is a conceptual diagram of a failure prediction analysis system of a mechanical equipment using a big data analysis according to the present invention.
3 is a diagram illustrating a failure prediction analysis system of a mechanical equipment using a big data analysis according to an embodiment of the present invention.
4 is a diagram relating to a data analysis unit;
5 is a diagram relating to a numerical value predicting unit;
6 is a diagram showing a failure prediction of a mechanical equipment through the numerical predictor of FIG.
7 is a diagram relating to a trend predicting unit;
8 is a diagram showing a failure prediction of a mechanical equipment through the trend prediction unit of FIG.
9 is a diagram relating to a comparison predicting unit;
10 is a diagram showing a failure prediction of the mechanical equipment through the comparison predicting unit of FIG. 9;
11 is a diagram relating to a pattern predicting unit.
12 is a diagram showing a failure prediction of the mechanical equipment through the pattern predicting unit of FIG.
13 is a diagram relating to a data processing unit.
14 is a view showing an embodiment of a screen configuration through the data processing unit of FIG. 13;
15 is a diagram illustrating a method for predicting a failure of a mechanical equipment using a big data analysis according to an embodiment of the present invention.
16 is a diagram relating to a data analysis step;
17 is a diagram relating to a numerical value prediction step;
18 is a diagram relating to the analysis element computing step of Fig.
19 is a diagram relating to a trend prediction step;
20 is a diagram relating to a comparative prediction step;
21 is a diagram relating to a pattern predicting step;
22 is a diagram relating to a data processing step;
23 is a use state diagram of the present invention.

이하에서는 본 발명에 따른 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템 및 그 방법의 바람직한 실시 예들을 첨부된 도면을 참고하여 상세히 설명한다. 하기에서 본 발명을 설명함에 있어 공지의 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하도록 한다. 특별한 정의가 없는 한 본 명세서의 모든 용어는 본 발명이 속하는 기술분야의 통상의 지식을 가진 기술자가 이해하는 당해 용어의 일반적 의미와 동일하고 만약 본 명세서에서 사용된 용어의 의미와 충돌하는 경우에는 본 명세서에서 사용된 정의에 따른다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, preferred embodiments of a fault prediction analysis system and method of a mechanical equipment using Big Data analysis according to the present invention will be described in detail with reference to the accompanying drawings. In the following description, well-known functions or constructions are not described in detail to avoid unnecessarily obscuring the subject matter of the present invention. Unless defined otherwise, all terms used herein are the same as the general meaning of the term understood by those of ordinary skill in the art to which this invention belongs and, if conflict with the meaning of the terms used herein, And the definition used in the specification.

도 2는 본 발명인 빅데이터분석을 이용한 기계장비의 고장예측분석시스템에 관한 개념도이고, 도 3은 본 발명의 일 실시예에 따른 빅데이터분석을 이용한 기계장비의 고장예측분석시스템에 관한 도면으로, 도 2 및 도 3을 참고하여 설명하면, 본 발명인 빅데이터분석을 이용한 기계장비의 고장예측분석시스템(1)은, 지하철 역사 내에 설치된 다수의 기계장비의 고장을 사전에 예측할 수 있도록 하는 시스템을 말한다. 지하철 역사 내에는 쾌적한 환경을 제공하고, 지하철을 이용하는 사람들의 편의를 제공하기 위한 각종 기계장비들이 설치되어 운영된다. 예를 들어, 상기 기계장비로는 환기설비, 배수펌프, 승강설비, 냉방설비 등(M)이 있다. 본 발명은 이러한 기계장비의 상태에 관한 데이터를 수집해 분석함으로써, 기계장비의 이상 징후를 고장이 발생하기 전에 미리 발견하여 예방점검할 수 있도록 해준다. BACKGROUND OF THE INVENTION 1. Field of the Invention [0001] The present invention relates to a system and method for predicting a failure of a mechanical equipment using big data analysis, 2 and 3, the failure prediction analysis system 1 of the mechanical equipment using the big data analysis according to the present invention is a system for predicting a failure of a plurality of mechanical equipments installed in the history of the subway . In the history of the subway, a variety of mechanical equipment is installed and operated to provide a comfortable environment and to provide convenience to people using the subway. For example, the mechanical equipment includes a ventilation equipment, a drainage pump, an elevating equipment, and a cooling equipment (M). The present invention collects and analyzes data on the state of such machine equipment, so that an anomaly of mechanical equipment can be detected and prevented before failure occurs.

상기 빅데이터분석을 이용한 기계장비의 고장예측분석시스템(1)은, 센서부(10), 서버부(30), 데이터베이스부(50)를 포함한다.The failure prediction analysis system 1 of the mechanical equipment using the big data analysis includes a sensor unit 10, a server unit 30, and a database unit 50.

상기 센서부(10)는, 기계장비의 상태를 감지하는 구성을 말한다. 상기 기계장비가 환기설비일 경우 상기 센서부(10)는 환기설비의 전류, 전압, 전력량 등을 감지하도록 구성될 수 있으며, 상기 기계장비가 배수펌프일 경우 상기 센서부(10)는 수위를 감지하는 수위센서일 수 있고, 상기 기계장비가 승강설비일 경우 상기 센서부(10)는 진동센서, 안전스위치 등이 될 수 있으며, 상기 기계장비가 냉방설비일 경우 상기 센서부(10)는 온도센서일 수 있다. 결국 상기 센서부(10)는 기계장비의 본래 목적대로 기계장비가 올바르게 작동되고 있는지를 파악할 수 있는 다양한 감지장비를 총칭하는 광의의 개념으로 볼 수 있다. 상기 센서부(10)의 종류에 관하여 이를 어느 특정 개념으로 한정하는 것은 아니지만, 바람직하게는 IoT 센서일 수 있다. The sensor unit 10 detects the state of the mechanical equipment. When the mechanical equipment is a ventilation equipment, the sensor unit 10 may be configured to detect the current, voltage, and electric energy of the ventilation equipment. When the mechanical equipment is a drainage pump, the sensor unit 10 senses the water level The sensor unit 10 may be a vibration sensor, a safety switch, etc. When the mechanical equipment is a cooling facility, the sensor unit 10 may be a temperature sensor Lt; / RTI > As a result, the sensor unit 10 is broadly referred to as a wide variety of sensing apparatuses that can detect whether the mechanical equipment is operating properly according to the original purpose of the mechanical equipment. The kind of the sensor unit 10 is not limited to a specific concept, but it may be preferably an IoT sensor.

상기 서버부(30)는, 상기 센서부(10)와 연결되어 상기 센서부(10)로부터 데이터를 수신해 분석하는 구성을 말한다. 전술한 바와 같이 상기 센서부(10)에 의해서는 기계장비의 상태를 측정한 데이터가 생성될 수 있으며, 생성된 데이터는 상기 서버부(30)로 전송되어 수집되고, 수집된 데이터가 분석에 이르게 된다.The server unit 30 is connected to the sensor unit 10 to receive data from the sensor unit 10 and analyze the data. As described above, data obtained by measuring the state of the mechanical equipment can be generated by the sensor unit 10. The generated data is transmitted to the server unit 30 and collected, and the collected data is analyzed do.

예를 들어, 기계장비가 송풍기, 모터일 경우 상기 센서부(10)로부터 전류, 전압, 전력, 온도, 알람데이터 등이 생성될 수 있고, 기계장비가 펌프일 경우, 베어링온도, 코일온도, 누수에 관한 데이터 등이 생성될 수 있으며, 기계장비가 E/S, E/L, Moving Walk일 경우 안전스위치, 운행정보모니터링, 진동데이터 등이 생성될 수 있고, 기계장비가 댐퍼구동기일 경우 토크, 전류데이터 등이 생성될 수 있으며, 기계장비가 ESS, UPS일 경우 주파수, 온도데이터 등이 생성될 수 있고, 기계장비가 Refrigerator일 경우 온도데이터 등이 생성될 수 있다. 이렇게 생성된 데이터들은 상기 서버부(30)로 수신이 되고, 상기 서버부(30) 내에서 기계장비의 고장을 예측하기 위한 분석대상 데이터가 될 수 있다.For example, current, voltage, power, temperature, alarm data, and the like can be generated from the sensor unit 10 when the mechanical equipment is a blower or a motor, and when the mechanical equipment is a pump, Data can be generated. In case that the mechanical equipment is E / S, E / L, Moving Walk, safety switch, operation information monitoring, vibration data and the like can be generated. When the mechanical equipment is a damper actuator, Current data, etc. can be generated, and frequency and temperature data can be generated when the mechanical equipment is ESS or UPS, and temperature data can be generated when the mechanical equipment is Refrigerator. The data thus generated may be received by the server unit 30 and may be analysis target data for predicting failure of the mechanical equipment in the server unit 30. [

이러한 상기 서버부(30)는, 데이터수신부(31), 데이터분석부(33), 데이터처리부(35)를 포함한다.The server unit 30 includes a data receiving unit 31, a data analyzing unit 33, and a data processing unit 35.

상기 데이터수신부(31)는, 상기 센서부(10)로부터 데이터를 수신하는 구성을 말한다. 전술한 바와 같이, 상기 센서부(10)는 기계장비의 상태를 감지해 이에 관한 데이터를 생성하며, 생성된 데이터는 상기 데이터수신부(31)에 수집이 되는바, 이러한 일련의 과정을 위해, 상기 센서부(10)와 상기 데이터수신부(31)는 유선 또는 무선으로 연결될 수 있다. 상기 데이터수신부(31)는 후술할 데이터분석부(33), 데이터처리부(35)와도 연결이 되어, 상기 센서부(10)로부터 수신한 데이터를 데이터분석부(33) 및 데이터처리부(35)에 전달할 수 있다. 상기 데이터수신부(31)가 데이터를 수신하는 구체적인 방법과 관련하여 이를 어느 특정 개념으로 한정하지 않으며, 공지된 또는 공지될 다양한 기술이 적용될 수 있다.The data receiving unit 31 receives data from the sensor unit 10. As described above, the sensor unit 10 senses the state of the mechanical equipment and generates data related thereto, and the generated data is collected in the data receiving unit 31. For this series of processes, The sensor unit 10 and the data receiving unit 31 may be connected by wire or wirelessly. The data receiving unit 31 is connected to a data analyzing unit 33 and a data processing unit 35 to be described later and transmits the data received from the sensor unit 10 to the data analyzing unit 33 and the data processing unit 35 . The data receiving unit 31 is not limited to a specific concept regarding the specific method of receiving data, and various known or known techniques may be applied.

상기 데이터분석부(33)는, 상기 데이터수신부(31) 및 후술할 데이터베이스부(50)와 연결되어 수신된 데이터를 분석해 상기 기계장비의 고장을 예측하는 구성을 말한다. 상기 데이터수신부(31)가 수신한 데이터는 기계장비의 상태를 그대로 측정한 것인바, 이러한 기계장비의 상태 데이터만으로는 현재 어떠한 기계장비의 점검이 필요한 것인지, 점검이 불필요한 기계장비는 어떠한 것인지 등 기계장비별 고장발생 가능성을 예측하기 어려울 수 있다. 따라서, 상기 데이터분석부(33)를 구성하여 정해진 알고리즘에 따라 수신된 데이터를 분석함으로써, 시스템 상의 기준에 의거해 기계장비의 고장을 사전에 예측할 수 있게 된다. 다만, 후술할 수치예측부(331)는 데이터수신부(31)와 독립적으로 구동될 수 있음에 유의하여야 한다.The data analyzer 33 is connected to the data receiver 31 and a database unit 50 to be described later and analyzes the received data to predict the failure of the mechanical equipment. The data received by the data receiving unit 31 indicates that the state of the mechanical equipment is measured as it is. If the state data of the mechanical equipment alone indicates that what kind of mechanical equipment needs to be checked at present, what kind of mechanical equipment is unnecessary to check, It may be difficult to predict the occurrence of star failures. Therefore, by analyzing the received data according to a predetermined algorithm by configuring the data analysis unit 33, it is possible to predict the failure of the mechanical equipment based on the criteria on the system in advance. It should be noted, however, that the numerical value predicting unit 331, which will be described later, can be driven independently of the data receiving unit 31.

상기 데이터분석부(33)의 분석과정에서는 기 저장된 데이터들이 사용될 수 있는바, 상기 데이터분석부(33)는 데이터들을 저장하고 있는 데이터베이스부(50)와 연결될 필요가 있다.Since the pre-stored data can be used in the analysis process of the data analysis unit 33, the data analysis unit 33 needs to be connected to the database unit 50 storing the data.

도 4는 데이터분석부에 관한 도면으로, 이러한 상기 데이터분석부(33)는, 수치예측부(331), 추세예측부(333), 비교예측부(335), 패턴예측부(337)를 포함한다.The data analyzing unit 33 includes a numerical value predicting unit 331, a trend predicting unit 333, a comparison predicting unit 335, and a pattern predicting unit 337 do.

상기 수치예측부(331)는, 기계장비별 고장예지값을 산출하고 산출된 상기 고장예지값을 기준값과 비교해 기계장비의 고장을 예측하는 구성을 말한다. 상기 수치예측부(331)는 기계장비의 고장을 예측하는 알고리즘 중 하나인 수치계산방식을 통해 정량적인 값으로 기계장비의 고장을 예측한다.The numerical value predicting unit 331 calculates a failure prediction value for each machine device and compares the calculated failure prediction value with a reference value to predict a failure of the mechanical equipment. The numerical value predicting unit 331 predicts the failure of the mechanical equipment to a quantitative value through a numerical calculation method which is one of algorithms for predicting the failure of the mechanical equipment.

상기 수치예측부(331)는, 연산에 필요한 요소가 사전에 설정되어 있는데, 바람직하게는, 내구연한, 가동시간, 가동횟수, 경과일수가 될 수 있으나, 반드시 이에 제한되는 것은 아니다. 기계장비별로 선정된 요소에 해당하는 수치가 각각 산출되면, 상기 수치예측부(331)는, 산출된 수치를 연산하여 기준값 이상의 수치임이 판명되었을 때 해당 기계장비가 고장이 우려됨을 예지하게 된다.Preferably, the numerical value predicting unit 331 may be an endurance period, an operation time, a number of times of operation, and an elapsed number of days, but the present invention is not limited thereto. When numerical values corresponding to the selected elements are calculated for each of the mechanical equipments, the numerical value predicting unit 331 calculates the calculated numerical value and predicts that the mechanical equipment is likely to be broken when it is determined that the numerical value is more than the reference value.

도 5는 수치예측부에 관한 도면으로, 상기 수치예측부(331)는, 내구연한연산모듈(3311), 가동시간연산모듈(3312), 가동횟수연산모듈(3313), 경과일수연산모듈(3314), 가중치부여모듈(3315), 수치판단모듈(3316)을 포함한다.5 is a diagram for a numerical value predicting unit. The numerical value predicting unit 331 includes an endurance calculation module 3311, an operation time calculation module 3312, an operation count calculation module 3313, an elapsed days calculation module 3314 A weighting module 3315, and a numerical determination module 3316. [

상기 내구연한연산모듈(3311)은, 기계장비별 내구연한값을 산출하는 구성을 말한다. 상기 내구연한이란, 기계장비를 원래의 상태대로 사용할 수 있는 예상 총 기간 중 현재까지 사용한 기간을 가리키며, 이러한 기간은 일, 월, 년 등으로 표현될 수 있다.The durability soft decision module 3311 calculates a durability value for each mechanical device. The term "durability" refers to a period of time during which the mechanical equipment can be used in its original state during the estimated total period, which may be expressed as days, months, years, and so on.

상기 가동시간연산모듈(3312)은, 기계장비별 가동시간값을 산출하는 구성으로, 현재까지 특정 기계장비가 총 사용된 시간을 말한다. 바람직하게는 상기 가동시간은 실제 기계장비의 운영시간 총합을 의미할 수 있다.The operation time calculation module 3312 calculates the operation time value for each machine, and refers to the total time that the specific machine is used until now. Preferably, the uptime may refer to the total operating time of the actual machine equipment.

상기 가동횟수연산모듈(3313)은, 기계장비별 가동횟수값을 산출하는 구성으로, 각각의 기계장비가 몇 번 가동되었는지를 정량적으로 평가하게 된다. 이러한 가동횟수를 측정하는 방법과 관련하여 이를 특정개념으로 제한해석할 것은 아니지만, 바람직하게는 기계장비의 전원이 ON/OFF 된 시점을 체크해 상기 가동횟수를 측정할 수 있다.The number-of-times-of-operation calculating module 3313 is configured to calculate the number of times of operation for each machine tool, and quantitatively evaluates how many times each machine machine has been operated. Regarding the method of measuring the number of times of operation, it is not limited to a specific concept, but preferably, the number of times of operation can be measured by checking the time when the power of the mechanical equipment is turned on / off.

상기 경과일수연산모듈(3314)은, 기계장비별 마지막 점검일로부터의 경과일수값을 산출하는 구성을 말한다. 즉, 상기 경과일수연산모듈(3314)은, 특정 기계장비의 최종점검일로부터 현재까지의 기간을 산출하게 된다.The elapsed days calculation module 3314 calculates the elapsed days from the last inspection date for each mechanical equipment. That is, the elapsed days calculation module 3314 calculates the period from the last inspection date of the specific mechanical equipment to the present.

상기 가중치부여모듈(3315)은, 상기 내구연한값, 상기 가동시간값, 상기 가동횟수값 및 상기 경과일수값에 기계장비별 가중치를 부여해, 수정내구연한값, 수정가동시간값, 수정가동횟수값 및 수정경과일수값을 산출하는 구성을 말한다. 기계장비마다 특성 및 수행하는 기능 등이 다르기 때문에, 상기 내구연한값, 상기 가동시간값, 상기 가동횟수값 및 상기 경과일수값을 그대로 사용할 경우, 정확한 예측이 어려울 수 있으므로, 상기 가중치부여모듈(3315)에 의해 상기 내구연한값, 상기 가동시간값, 상기 가동횟수값 및 상기 경과일수값에 기계장비별로 지정된 가중치를 부여해 값을 수정하게 된다.The weighting module 3315 assigns weights to the mechanical equipment to the durability value, the operating time value, the operating frequency value, and the elapsed days value to calculate a modified durability value, a corrected operating time value, And a correction elapsed days value. Since the characteristics and functions to be performed are different for each machine equipment, accurate prediction can be difficult when the durability value, the operation time value, the operation frequency value, and the elapsed days value are used as they are. ), The value of the durability value, the operation time value, the number of operation times, and the elapsed days value are assigned to the mechanical equipment.

상기 수치판단모듈(3316)은, 상기 수정내구연한값, 상기 수정가동시간값, 상기 수정가동횟수값 및 상기 수정경과일수값을 합하여 상기 고장예지값을 산출하고, 산출된 상기 고장예지값을 상기 기준값과 비교해, 상기 고장예지값이 상기 기준값 이상일 경우 점검신호를 생성하는 구성을 가리킨다. 도 6은 도 5의 수치예측부를 통한 기계장비의 고장예측을 도시한 도면으로, 도 6을 참고하여 설명하면, '승강장공조기#1'의 경우 수정된 내구연한값, 가동시간값, 가동횟수값, 경과일수값을 합한 고장예지값이 '76'으로, 기준값이 '80'이라고 가정했을 때, 고장예지값이 기준값보다 작은바 점검신호가 생성되지 않는다. 반면에, '승강장공조기#2' 및 '전기실급기#1'는 고장예지값이 '87'로, 기준값보다 높으므로 점검신호가 생성되게 된다. 따라서 관리자는 점검지시가 나타난 해당 기계장비만을 점검하면 되므로, 불필요한 노고, 시간, 비용을 방지할 수 있다. The numerical value determination module 3316 calculates the failure prediction value by summing the correction endurance value, the corrected operation time value, the corrected operation time value, and the modified elapsed days value, And generates a check signal when the failure prediction value is equal to or greater than the reference value. FIG. 6 is a diagram illustrating a failure prediction of the mechanical equipment through the numerical predictor of FIG. 5. Referring to FIG. 6, in the case of the 'landing air conditioner # 1', the modified duration value, the operating time value, , And the number of elapsed days is '76' and the reference value is '80', the check signal whose failure prediction value is smaller than the reference value is not generated. On the other hand, the 'maintenance air conditioner # 2' and the 'electrical room supply # 1' have a failure prediction value of '87', which is higher than the reference value, so that an inspection signal is generated. Therefore, the administrator can check only the relevant mechanical equipment in which the inspection instruction is issued, so that unnecessary labor, time, and cost can be prevented.

상기 추세예측부(333)는, 데이터의 추세를 통해 기계장비의 고장을 예측하는 구성을 말한다. 상기 추세예측부(333)는 기계장비의 고장을 예측하는 알고리즘 중 하나인 추세분석방식을 통해 데이터의 변화 경향을 통해 앞으로의 기계장비 고장을 예측한다. 구체적으로 상기 추세예측부(333)는 저장된 데이터를 추출하여 그 추세를 분석하고, 분석된 데이터의 추세에 수신데이터를 적용함으로써, 앞으로 수신될 데이터의 경향이 어떻게 될 것인지를 예측하여 기계장비의 고장 가능성을 파악하게 된다.The trend predicting unit 333 predicts a failure of the mechanical equipment through trend of data. The trend predicting unit 333 predicts a future mechanical equipment failure through a trend of data through a trend analysis method which is one of algorithms for predicting the failure of a mechanical equipment. Specifically, the trend predicting unit 333 extracts the stored data, analyzes the trend, and applies the received data to the trend of the analyzed data to predict how the tendency of the data to be received in the future will be predicted, The possibility is grasped.

도 7은 추세예측부에 관한 도면으로, 도 7을 참고하면, 상기 추세예측부(333)는, 기간설정모듈(3331), 데이터추출모듈(3333), 추세분석모듈(3335), 추세판단모듈(3337)을 포함한다.7, the trend predicting unit 333 includes a period setting module 3331, a data extracting module 3333, a trend analysis module 3335, a trend determination module 3333, (3337).

상기 기간설정모듈(3331)은, 기준이 되는 기간을 설정하는 구성을 말한다. 추세 분석 방식에서는 기준 기간을 어떻게 설정하느냐에 따라 추세 예측이 달라질 수 있는바, 상기 기간설정모듈(3331)을 통해 데이터베이스부(50)에서 추출할 데이터를 제한할 수 있다.The period setting module 3331 refers to a configuration for setting a reference period. In the trend analysis method, the trend prediction can be changed according to how the reference period is set, and thus the data to be extracted from the database unit 50 can be limited through the period setting module 3331. [

상기 데이터추출모듈(3333)은, 설정된 기간을 기준으로 후술할 데이터베이스부(50)에 저장된 데이터를 추출하는 구성을 말한다. 데이터베이스부(50) 상에는 각종 데이터들이 저장되어 있으며, 상기 데이터추출모듈(3333)은 데이터베이스부(50)에 기 저장된 데이터들 가운데에서도, 상기 기간설정모듈(3331)에 의해 제한된 기간동안에 저장된 데이터만을 추출하게 된다.The data extraction module 3333 extracts data stored in the database unit 50 to be described later on the basis of the set period. The data extraction module 3333 extracts only the data stored in the database unit 50 for a limited period of time by the period setting module 3331, .

상기 추세분석모듈(3335)은, 추출된 데이터의 추세를 분석하는 구성을 말한다. 바람직하게는 상기 추세분석모듈(3335)은 일정기간 동안의 데이터를 그래프 또는 차트 등을 이용해 분석할 수 있다. 지하철 역사 내에 설치된 에스컬레이터를 예로 들자면, 에스컬레이터의 상태를 감지하는 센서부(10)로부터 진동데이터가 생성될 수 있고, 지난 한 달이라는 기간이 설정되었다면, 데이터베이스부(50)로부터 지난 한 달의 기간 동안 저장된 진동데이터가 추출되며, 추출된 진동데이터의 추이가 그래프 등으로 나타날 수 있게 되면서, 한 달 중 특정 요일 또는 특정 주에 에스컬레이터의 이상반응이 자주 발생한다는 등의 추세파악이 가능해진다.The trend analysis module 3335 analyzes the trend of the extracted data. Preferably, the trend analysis module 3335 can analyze data for a certain period of time using a graph, a chart, or the like. For example, in the case of an escalator installed in the subway station, vibration data may be generated from the sensor unit 10 that senses the state of the escalator, and if a period of one month has been set, The stored vibration data is extracted and the trend of the extracted vibration data can be displayed in a graph or the like so that it becomes possible to grasp trends such as frequent occurrence of an abnormal reaction of an escalator in a specific day of week or a specific week.

상기 추세판단모듈(3337)은, 분석된 데이터의 추세에 상기 수신데이터를 적용하여 기계장비의 고장을 예측하는 구성을 말한다. 상기 추세분석모듈(3335)을 통해 데이터의 추세가 분석되었다면, 분석된 결과에 현재 수신된 데이터를 적용함으로써, 특정 기계장비의 앞으로의 추세가 어떻게 될지 예상할 수 있게 된다. 도 8은 도 7의 추세예측부를 통한 기계장비의 고장예측을 도시한 도면으로, 도 8을 참고하여 설명하면, 정상적인 모터의 전류값을 2~3A라고 할 때, 2017.08.01자에는 정상 전류값을 3번 초과하였고, 2017.09.01자에는 정상 전류값을 12번 초과하였으며, 2017.10.01자에는 30번 초과 되었다는 데이터의 추세가 차트를 통해 도출된 상태에 있고, 현재 수신된 데이터에 의하면 정상 전류값을 54번 초과한 사실이 확인되는바, 상기 추세판단모듈(3337)은 기계장비의 고장 가능성을 인지하고 점검신호를 생성할 수 있다. The trend determination module 3337 refers to a configuration for predicting the failure of the mechanical equipment by applying the received data to the trend of the analyzed data. If the trend of the data has been analyzed through the trend analysis module 3335, then by applying the currently received data to the analyzed results, it is possible to predict what future trends of the specific machine equipment will be. FIG. 8 is a diagram illustrating a failure prediction of the mechanical equipment through the trend predicting unit of FIG. 7. Referring to FIG. 8, when a normal motor current value is 2 to 3A, 2017.08.01 has a steady current value , The trend of the data that the steady current exceeded 12 times in 2017.09.01 and exceeded 30 times in 2017.10.01 was found in the chart, and according to the data currently received, the steady current Value is detected 54 times, the trend determination module 3337 can recognize the failure of the mechanical equipment and generate an inspection signal.

상기 비교예측부(335)는, 데이터의 비교를 통해 기계장비의 고장을 예측하는 구성을 말한다. 상기 비교예측부(335)는 기계장비의 고장을 예측하는 알고리즘 중 하나인 비교분석방식을 통해 기계장비의 고장을 예측한다. 구체적으로는 고장 예측 대상 기계장비와 동일한 기계장비의 데이터를 비교 분석해 기계장비의 고장을 예측하는 것으로 볼 수 있다. The comparison predicting unit 335 predicts a failure of the mechanical equipment through comparison of data. The comparison predicting unit 335 predicts a failure of the mechanical equipment through a comparative analysis method which is one of algorithms for predicting the failure of the mechanical equipment. Specifically, it can be seen that the failure of mechanical equipment can be predicted by comparing and analyzing the data of the same mechanical equipment as the mechanical equipment subject to the failure prediction.

도 9는 비교예측부에 관한 도면으로, 이러한 상기 비교예측부(335)는, 기계장비특정모듈(3351), 비교데이터추출모듈(3353), 비교판단모듈(3355)을 포함한다.9 is a diagram for a comparative predicting unit. The comparing predicting unit 335 includes a mechanical equipment specifying module 3351, a comparison data extracting module 3353, and a comparison determining module 3355.

상기 기계장비특정모듈(3351)은, 고장 가능성 여부를 예측할 대상기계장비를 특정하는 구성을 말한다. 상기 비교예측부(335)에 의한 고장 예측을 위해서는 예측대상이 되는 기계장비와 동일한 기계장비에 관한 데이터를 추출해야하는바, 이를 위해서 상기 기계장비특정모듈(3351)에 의해 고장 예측 대상 기계장비가 특정되게 된다. The mechanical equipment specifying module 3351 specifies a mechanical equipment to be predicted as a possibility of failure. In order to predict the failure by the comparison predicting unit 335, data on the same mechanical equipment as the mechanical equipment to be predicted must be extracted. To this end, the mechanical equipment specifying module 3351 determines .

상기 비교데이터추출모듈(3353)은, 특정된 대상기계장비와 동일한 비교기계장비에 관한 데이터를 후술할 데이터베이스부(50)로부터 추출하는 구성을 말한다. 예를 들어, 특정된 대상기계장비가 모터일 경우, 특정된 대상 모터와 동일한 용량을 가지는 모터에 관한 데이터가 추출될 수 있다. 이를 위해 상기 비교데이터추출모듈(3353)은 데이터베이스부(50)와 연결됨이 바람직하다.The comparison data extraction module 3353 extracts data on the comparison machine equipments identical to the specified target mechanical equipment from the database unit 50 to be described later. For example, when the specified target mechanical equipment is a motor, data relating to a motor having the same capacity as the specified target motor can be extracted. For this, the comparison data extraction module 3353 may be connected to the database unit 50.

상기 비교판단모듈(3355)은, 상기 대상기계장비의 데이터와 상기 비교기계장비의 데이터를 비교분석하여 상기 대상기계장비의 고장을 예측하는 구성을 말한다. 도 10은 도 9의 비교예측부를 통한 기계장비의 고장예측을 도시한 도면으로, 도 10을 참고하면, 분석대상모터와 동일한 용량을 가진 여러 대의 모터에 관한 데이터(D)가 추출되었으며, 이러한 추출 데이터를 분석대상모터와 비교함으로써, 동일 용량의 모터들에 이상이 감지된 사례를 종합하여 분석대상모터에도 동일한 이상 감지가 발생할 수 있는 시점을 예측해 해당 시점에 점검이 필요하다는 점검신호를 생성할 수 있다.The comparison determination module 3355 compares the data of the target mechanical equipment with the data of the comparison mechanical equipment to predict the failure of the target mechanical equipment. FIG. 10 is a diagram illustrating a failure prediction of the mechanical equipment through the comparison predicting unit of FIG. 9. Referring to FIG. 10, data D of a plurality of motors having the same capacity as the analysis target motor are extracted. By comparing the data with the motor to be analyzed, it is possible to predict when the same abnormality can occur in the motor under analysis by collecting the cases in which the abnormality is detected in the motors of the same capacity, have.

상기 패턴예측부(337)는, 외부요인에 의한 기계장비별 고장유형을 분석하여 기계장비의 고장의 예측하는 구성을 말한다. 상기 패턴예측부(337)는 기계장비의 고장을 예측하는 알고리즘 중 하나인 패턴분석방식을 통해 기계장비의 고장을 예측한다. 구체적으로 상기 패턴예측부(337)는 기계장비에 이물질이 유입되거나, 역풍 등의 외부요인이 작용할 경우, 작용한 외부요인에 의해 발생할 수 있는 고장 유형을 분석하여 고장을 예측하는 것으로 볼 수 있다.The pattern predicting unit 337 predicts the failure of the mechanical equipment by analyzing the type of failure of each machine equipment due to external factors. The pattern predicting unit 337 predicts a failure of the mechanical equipment through a pattern analysis method which is one of algorithms for predicting the failure of the mechanical equipment. Specifically, the pattern predicting unit 337 predicts a failure by analyzing a type of failure that may be caused by an external factor, in the event that foreign matter flows into the mechanical equipment or an external factor such as a backward wind acts.

도 11은 패턴예측부에 관한 도면으로, 도 11을 참고하여 설명하면, 상기 패턴예측부(337)은, 외부요인특정모듈(3371), 고장이력추출모듈(3373), 패턴판단모듈(3375)를 포함한다.11, the pattern predicting unit 337 includes an external factor specifying module 3371, a failure history extracting module 3373, a pattern determining module 3375, .

상기 외부요인특정모듈(3371)은, 기계장비에 작용한 외부요인을 특정하는 구성을 말한다. 전술한 바와 같이, 상기 패턴예측부(337)는 외부요인이 기계장비에 작용했을 때 이후 발생할 수 있는 고장을 예측하는 것인바, 상기 외부요인특정모듈(3371)을 통해 가장 우선적으로 기계장비에 작용한 외부요인이 특정된다.The external factor specifying module 3371 refers to a configuration that specifies an external factor acting on the mechanical equipment. As described above, the pattern predicting unit 337 predicts a failure that may occur after an external factor acts on the mechanical equipment, and the pattern predicting unit 337 acts on the mechanical equipment with the highest priority through the external factor specifying module 3371 One external factor is specified.

상기 고장이력추출모듈(3373)은, 특정된 외부요인으로 인한 기계장비의 고장이력을 추출하는 구성으로, 바람직하게는 상기 고장이력추출모듈(3373)은 데이터베이스부(50)와 연결이 되어, 특정 외부요인이 특정 기계장비에 작용하였을 때 발생했던 고장이력에 관한 데이터를 추출하게 된다.The failure history extracting module 3373 is configured to extract the failure history of the mechanical equipment due to the specified external factors. Preferably, the failure history extracting module 3373 is connected to the database unit 50, And extracts data on the failure history that occurred when an external factor was applied to the specific mechanical equipment.

상기 패턴판단모듈(3375)은, 추출된 고장이력을 통해 외부요인이 작용한 기계장비의 고장을 예측하는 구성을 말한다. 도 12는 도 11의 패턴예측부를 통한 기계장비의 고장예측을 도시한 도면으로, 도 12를 참고하여 설명하면, 본 예는 환기설비에 이물질이 들어갔을 때, 환기설비의 어느 구성에서 주로 고장이 발생했는지를 보여주고 있다. 도시된 내용에 따르면, 환기설비에 이물질 유입이 되었을 때 발생하는 고장은 V-belt에서 가장 많이 발생했으며, 그 다음으로는 모터 베어링, 송풍기 베어링, 모터 권선, 모터 풀리 순으로 발생했음을 알 수 있다. 이러한 고장이력패턴을 통해 환기설비에 이물질이 유입된 상황이 발생한 경우, 상기 패턴판단모듈(3375)은 우선적으로 V-belt를 점검하라는 신호를 생성할 수 있다.The pattern determination module 3375 predicts a failure of a mechanical device to which an external factor is applied through the extracted failure history. FIG. 12 is a view showing a failure prediction of the mechanical equipment through the pattern predicting unit of FIG. 11. Referring to FIG. 12, this example shows that when foreign substances are introduced into the ventilating equipment, Is generated. It can be seen that the faults that occurred when foreign matter was introduced into the ventilation equipment occurred most frequently in the V-belt, followed by the motor bearings, blower bearings, motor windings, and motor pulleys. If there is a situation in which foreign matter is introduced into the ventilation equipment through the failure history pattern, the pattern determination module 3375 may generate a signal to check the V-belt preferentially.

상기 데이터처리부(35)는, 상기 데이터수신부(31), 상기 데이터분석부(33) 및 후술할 데이터베이스부(50)와 연결되어 데이터를 처리하고 처리된 데이터를 단말기로 전송함으로써 상기 단말기에 기계장비의 상태정보를 제공하는 구성을 말한다. 상기 단말기란, 컴퓨터, 스마트폰 등의 전자기기를 통칭하는 광의의 개념을 말한다. 상기 데이터처리부(35)는 수신데이터, 분석데이터, 저장데이터를 가공해 처리데이터를 생성하여 상기 단말기에 전송하게 되는바, 상기 단말기 상에 처리데이터가 구현되도록 함으로써 상기 서버부(30)와 원격지에 떨어진 관리자라도 기계장비의 상태를 실시간으로 확인할 수 있게 된다. 이를 위해 상기 데이터처리부(35)는 상기 단말기와 유선 또는 무선통신이 가능하도록 구성될 수 있다.The data processing unit 35 is connected to the data receiving unit 31, the data analyzing unit 33 and a database unit 50 to be described later and processes data and transmits the processed data to the terminal, To provide status information of the user. The term " terminal " refers to a broad concept collectively referred to as an electronic device such as a computer or a smart phone. The data processing unit 35 processes the received data, analyzed data, and stored data to generate processed data, and transmits the processed data to the terminal. By processing data on the terminal, the server unit 30 and the remote unit Even a remote administrator can check the status of machine equipment in real time. For this, the data processing unit 35 may be configured to be capable of wired or wireless communication with the terminal.

도 13은 데이터처리부에 관한 도면으로, 이러한 상기 데이터처리부(35)는, 고장예지데이터처리부(351), 점검데이터처리부(352), 보수이력데이터처리부(353), 가동률데이터처리부(354), 전력량데이터처리부(355), 통신상태데이터처리부(356)를 포함한다.The data processing unit 35 includes a failure prediction data processing unit 351, a maintenance data processing unit 352, a maintenance history data processing unit 353, a utilization rate data processing unit 354, A data processing unit 355, and a communication state data processing unit 356.

상기 고장예지데이터처리부(351)는, 기계장비의 고장예지정보를 제공하는 구성으로, 상기 데이터분석부(33)에 의한 기계장비별 고장 예측과 관련된 각종 정보를 제공한다. 전술한 바와 같이, 상기 데이터분석부(33)는 바람직하게는 수치계산방식, 추세분석방식, 비교분석방식, 패턴분석방식의 정해진 알고리즘에 따라 수신데이터를 분석해 분석데이터를 생성하게 되는데, 상기 고장예지데이터처리부(351)는 이러한 분석데이터뿐만 아니라, 수신데이터 및 저장데이터를 종합해 처리함으로써, 고장 예측과 관련된 각종 정보가 상기 단말기를 통해 출력될 수 있도록 한다.The failure prediction data processing unit 351 is configured to provide failure prediction information of the mechanical equipment and provides various information related to the failure prediction for each machine equipment by the data analysis unit 33. [ As described above, the data analyzer 33 preferably analyzes the received data according to a predetermined algorithm of a numerical calculation method, a trend analysis method, a comparative analysis method, and a pattern analysis method to generate analysis data. The data processing unit 351 collectively processes the received data and the stored data as well as the analysis data, thereby enabling various information related to the failure prediction to be output through the terminal.

상기 점검데이터처리부(352)는, 기계장비의 점검정보를 제공하는 구성으로, 상기 점검정보에 특별한 제한을 두는 것은 아니지만, 바람직하게는 정기점검, 작업지시, 정밀정검, 작업실적관리 등에 관한 정보를 포함할 수 있다.The inspection data processing unit 352 is configured to provide the inspection information of the mechanical equipment. The inspection data processing unit 352 does not particularly limit the inspection information, but preferably includes information on periodic inspection, work instruction, precise inspection, .

상기 보수이력데이터처리부(353)는, 기계장비의 보수이력정보를 제공하는 구성을 말한다. 상기 보수이력정보란, 기계장비를 유지관리함에 있어 유지관리과정에서 수집된 고장정보와 부품이력정보 등을 신뢰성(Reliability), 가용성(Availability), 정비성(Maintainability), 안전성(Safety)의 항목으로 구분(RAMS)하여 계획 대비 실적을 평가한 정보를 가리킨다. 이러한 RAMS 값은 지하철 역사별, 지하철 호선별, 관리소별, 기계장비별 등으로 평가될 수 있으며, 상기 단말기의 사용자는 지하철 역사별로 또는 지하철 호선별 등으로 이러한 RAMS 값을 비교할 수 있게 된다.The maintenance history data processing unit 353 provides maintenance history information of the mechanical equipment. The maintenance history information refers to the information of the failure information and the parts history collected in the maintenance process in the maintenance of the mechanical equipment as the items of reliability, availability, maintenance, and safety (RAMS) to evaluate the performance against the plan. The RAMS value can be evaluated by subway history, by subway line, by station, by machine, and the user of the terminal can compare the RAMS value by subway history or subway line.

상기 가동률데이터처리부(354)는, 기계장비의 가동률정보를 제공하는 구성으로, 바람직하게는 상기 가동률정보는 '%' 단위로 나타낼 수 있다. 상기 가동률데이터처리부(354)는 지하철 호선별, 관리소별, 지하철 역사별, 기계장비별 등을 기준으로 가동률정보를 제공할 수 있다.The utilization rate data processing unit 354 is configured to provide the utilization rate information of the mechanical equipment, and preferably, the utilization rate information can be expressed in units of '%'. The utilization rate data processing unit 354 may provide the utilization rate information based on the subway lines, the stations, the subway history, and the machine equipment.

상기 전력량데이터처리부(355)는, 기계장비의 전력량정보를 제공하는 구성으로, 기계장비가 사용한 전력 사용량에 관한 정보가 제공될 수 있으며, 상기 전력량정보는 지하철 호선별, 관리소별, 지하철 역사별, 기계장비별 등으로 제공될 수 있다.The power amount data processing unit 355 may provide information on the amount of power used by the mechanical equipment. The amount of the power amount information may be provided for each subway line, station, subway station, Machine equipment, etc.

상기 통신상태데이터처리부(356)는, 기계장비의 통신상태정보를 제공하는 구성으로, 상기 통신상태정보를 통해 상기 단말기의 사용자는 통신이상여부를 용이하게 파악할 수 있게 된다. 상기 통신상태정보 역시, 지하철 호선별, 관리소별, 지하철 역사별, 기계장비별 등으로 다양하게 제공될 수 있다.The communication status data processing unit 356 is configured to provide communication status information of the mechanical equipment, and the user of the terminal can easily grasp whether or not the communication abnormality is occurring through the communication status information. The communication status information may also be variously provided for each subway line, station, subway station, and machine equipment.

도 14는 도 13의 데이터처리부를 통한 화면 구성의 일 실시예를 도시한 도면으로, 도 14는 전술한 데이터처리부(35)에 의해 생성된 처리데이터가 단말기 상에서 구현된 일 예를 나타내고 있다. 도 14에 도시된 바에 따르면, 단말기의 디스플레이 상에는 상기 고장예지데이터처리부(351)에 의한 고장예지정보가 제공되는 영역(P1)과, 상기 점검데이터처리부(352)에 의한 점검정보가 제공되는 영역(P2)과, 상기 보수이력데이터처리부(353)에 의한 보수이력정보가 제공되고 영역(P3)과, 상기 가동률데이터처리부(354)에 의한 가동률정보가 제공되는 영역(P4)과, 상기 전력량데이터처리부(355)에 의한 전력량정보가 제공되는 영역(P5) 및 상기 통신상태데이터처리부(356)에 의한 통신상태정보가 제공되는 영역(P6)이, 구획을 나누어 한 화면 상에 보기 쉽게 제공될 수 있다. 또한 시인성을 높이기 위해 상기 각종 정보는 UI(User Interface)로 표현됨이 바람직하다. FIG. 14 shows an example of a screen configuration through the data processing unit of FIG. 13. FIG. 14 shows an example in which the processing data generated by the data processing unit 35 described above is implemented on the terminal. 14, on the display of the terminal, an area P1 in which failure prediction information is provided by the failure prediction data processing section 351 and an area P1 in which maintenance information is provided by the check data processing section 352 An area P3 where repair history information is provided by the repair history data processor 353 and an area P4 where the operation rate data by the operation rate data processor 354 is provided; The area P5 where the electric energy amount information by the electric power amount information 355 is provided and the area P6 where the communication state information by the communication state data processing unit 356 is provided can be divided and easily provided on one screen . Also, in order to increase the visibility, the above-mentioned various information is preferably represented by a UI (User Interface).

상기 데이터베이스부(50)는, 상기 서버부(30)와 연결되어 상기 서버부(30)로부터 데이터를 수신해 저장하고 상기 서버부(30)로 저장된 데이터를 전송하는 구성을 말한다. 구체적으로 상기 데이터베이스부(50)는 상기 데이터수신부(31)와 연결되어 상기 데이터수신부(31)에 수신된 데이터를 곧바로 저장할 수도 있고, 상기 데이터분석부(33)와 연결되어 상기 데이터분석부(33)에 데이터 분석에 필요한 저장 데이터를 제공하거나 상기 데이터분석부(33)로부터 분석된 데이터를 전달받아 저장할 수도 있으며, 상기 데이터처리부(35)와 연결되어 상기 데이터처리부(35)에 데이터 처리에 필요한 저장 데이터를 제공하거나 상기 데이터처리부(35)로부터 처리데이터를 받아 이를 저장할 수도 있다. 이러한 상기 데이터베이스부(50)는 상기 서버부(30)의 내측에 위치할 수도 있고, 상기 서버부(30)의 외측에 별도로 존재해 상기 서버부(30)와 유선 또는 무선으로 연결될 수도 있다.The database unit 50 is connected to the server unit 30 and receives and stores data from the server unit 30 and transmits the stored data to the server unit 30. [ Specifically, the database unit 50 may directly store the data received by the data receiving unit 31 in connection with the data receiving unit 31, and may be connected to the data analyzing unit 33, Or may be connected to the data processing unit 35 and stored in the data processing unit 35 for storing data necessary for data processing, Data may be provided or the processing data may be received from the data processing unit 35 and stored. The database unit 50 may be located inside the server unit 30 or may be separately provided outside the server unit 30 and may be connected to the server unit 30 in a wired or wireless manner.

도 15는 본 발명의 일 실시예에 따른 빅데이터분석을 이용한 기계장비의 고장예측분석방법에 관한 도면으로, 이하에서는 도 15를 참고하여 빅데이터분석을 이용한 기계장비의 고장예측분석방법(S1)에 대해 설명하도록 하겠다. 중복된 서술을 피하고자 앞서 구체적으로 언급한 내용에 관해서는 그에 관한 설명을 간단히 하거나 생략하도록 한다. FIG. 15 is a diagram illustrating a method for predicting a failure of a mechanical equipment using a big data analysis according to an embodiment of the present invention. Referring to FIG. 15, . In order to avoid duplicate descriptions, we shall briefly or omit explanations as to what is specifically mentioned.

본 발명인 빅데이터분석을 이용한 기계장비의 고장예측분석방법(S1)은, 감지단계(S10), 데이터수신단계(S30), 데이터분석단계(S50), 데이터처리단계(S70)를 포함한다.The fault prediction analysis method S1 of the mechanical equipment using the big data analysis according to the present invention includes a sensing step S10, a data receiving step S30, a data analysis step S50, and a data processing step S70.

상기 감지단계(S10)는, 센서부(10)가 기계장비의 상태를 감지하는 단계를 말한다. 상기 감지단계(S10)를 통해 기계장비의 상태 데이터가 획득될 수 있게 된다.The sensing step S10 is a step in which the sensor unit 10 senses the state of the mechanical equipment. The state data of the mechanical equipment can be obtained through the sensing step S10.

상기 데이터수신단계(S30)는, 상기 감지단계(S10) 이후에, 서버부(30)의 데이터수신부(31)가 상기 센서부(10)로부터 데이터를 수신하는 단계를 말한다.The data receiving step S30 is a step in which the data receiving unit 31 of the server unit 30 receives data from the sensor unit 10 after the sensing step S10.

상기 데이터분석단계(S50)는, 상기 데이터수신단계(S30) 이후에, 서버부(30)의 데이터분석부(33)가 수신된 데이터를 분석해 상기 기계장비의 고장을 예측하는 단계를 말한다. 도 16은 데이터분석단계에 관한 도면으로, 도 16을 참고하면, 이러한 상기 데이터분석단계(S50)는, 수치예측단계(S51), 추세예측단계(S53), 비교예측단계(S55), 패턴예측단계(S57)를 포함하는데, 각 단계는 순차적으로 또는 동시발생할 수도 있고, 어느 한 단계만이 선택되어 수행될 수도 있다.The data analysis step S50 is a step in which the data analysis unit 33 of the server unit 30 analyzes the received data to predict the failure of the mechanical equipment after the data reception step S30. Referring to FIG. 16, the data analysis step S50 includes a numerical value prediction step S51, a trend prediction step S53, a comparison prediction step S55, Step S57, wherein each step may occur sequentially or simultaneously, and only one step may be selected and performed.

상기 수치예측단계(S51)는, 상기 수치예측부(331)에 의해 정해진 알고리즘 중 수치계산방식으로 기계장비의 고장을 예측하는 단계를 말한다. 도 17은 수치예측단계에 관한 도면으로, 상기 수치예측단계(S51)는, 분석요소연산단계(S511), 가중치부여단계(S513), 수치판단단계(S515)를 포함한다.The numerical value predicting step S51 is a step of predicting a failure of the mechanical equipment by a numerical calculation method among the algorithms determined by the numerical value predicting unit 331. [ FIG. 17 is a diagram for describing a numerical value predicting step. The numerical value predicting step S51 includes an analyzing element calculating step S511, a weighting step S513, and a numerical value determining step S515.

상기 분석요소연산단계(S511)는, 고장예지값 계산에 필요한 요소별 값들을 산출하는 단계로, 도 18을 참고하면, 내구연한연산단계(S5111), 가동시간연산단계(S5113), 가동횟수연산단계(S5115), 경과일수연산단계(S5117)를 포함한다. 상기 분석요소연산단계(S511)의 각 하위 단계는 순차적으로 또는 동시에 수행되거나 순서에 관계없이 랜덤하게 수행될 수도 있다. 하지만 어느 경우에도 각 단계는 고장예지값 계산에 필요한 요소들의 수치값을 산출하는 단계인바, 각 단계 모두가 수행될 필요가 있다.Referring to FIG. 18, the analysis element calculation step S511 is a step of calculating element-specific values necessary for calculating the failure prediction value. The analysis element calculation step S5111, the operation time calculation step S5113, Step S5115, and elapsed days calculation step S5117. Each sub-step of the analysis element computation step (S511) may be performed sequentially or simultaneously or randomly regardless of the order. In any case, however, each step is a step of calculating the numerical value of the elements necessary for the calculation of the failure prediction value, so that each step needs to be performed.

상기 내구연한연산단계(S5111)는, 내구연한연산모듈(3311)이 기계장비별 내구연한값을 산출하는 단계를 말하고, 상기 가동시간연산단계(S5113)는, 가동시간연산모듈(3312)이 기계장비별 가동시간값을 산출하는 단계를 말하며, 상기 가동횟수연산단계(S5115)는, 가동횟수연산모듈(3313)이 기계장비별 가동횟수값을 산출하는 단계를 말하고, 상기 경과일수연산단계(S5117)는, 경과일수연산모듈(3314)이 기계장비별 마지막 점검일로부터의 경과일수값을 산출하는 단계를 말한다.The durability calculation step S5111 is a step in which the durability calculation module 3311 calculates the durability value for each of the mechanical equipment. The durability calculation step S5113 is a step in which the durability calculation module The number of operation times calculation step S5115 refers to a step in which the operation number calculation module 3313 calculates a number of operation times for each machine tool. In the operation number calculation step S5117 ) Refers to a step in which the elapsed days calculation module 3314 calculates elapsed days from the last inspection date for each mechanical equipment.

상기 가중치부여단계(S513)는, 상기 분석요소연산단계(S511) 이후에, 가중치부여모듈(3315)이 상기 내구연한값, 상기 가동시간값, 상기 가동횟수값 및 상기 경과일수값에 기계장비별 가중치를 부여해, 수정내구연한값, 수정가동시간값, 수정가동횟수값 및 수정경과일수값을 산출하는 단계를 말한다.In the weighting step S513, after the analysis element calculating step S511, the weighting module 3315 sets the dwell value, the running time value, the number of running times and the number of days elapsed, And calculating a modified duration value, a corrected operation time value, a corrected operation frequency value, and a corrected elapsed days value.

상기 수치판단단계(S515)는, 상기 가중치부여단계(S513) 이후에, 수치판단모듈(3316)이 상기 수정내구연한값, 상기 수정가동시간값, 상기 수정가동횟수값 및 상기 수정경과일수값을 합하여 상기 고장예지값을 산출하고, 산출된 상기 고장예지값을 상기 기준값과 비교해, 상기 고장예지값이 상기 기준값 이상일 경우 점검신호를 생성하는 단계를 말한다.After the weighting step S513, the numerical value determining step S515 is a step in which the numerical value determining module 3316 compares the modified durability value, the corrected operating time value, the modified operating frequency value, and the modified elapsed- And comparing the calculated failure prediction value with the reference value to generate an inspection signal when the failure prediction value is equal to or greater than the reference value.

상기 추세예측단계(S53)는, 상기 추세예측부(333)에 의해 정해진 알고리즘 중 추세분석방식으로 기계장비의 고장을 예측하는 단계를 말한다. 도 19는 추세예측단계에 관한 도면으로, 이러한 상기 추세예측단계(S53)는, 기간설정단계(S531), 데이터추출단계(S533), 추세분석단계(S535), 추세판단단계(S537)를 포함한다.The trend predicting step S53 predicts the failure of the mechanical equipment by the trend analysis method among the algorithms determined by the trend predicting unit 333. [ The trend prediction step S53 includes a period setting step S531, a data extracting step S533, a trend analysis step S535, and a trend determination step S537. do.

상기 기간설정단계(S531)는, 기간설정모듈(3331)이 기준이 되는 기간을 설정하는 단계를 말하고, 상기 데이터추출단계(S533)는, 상기 기간설정단계(S531) 이후에, 데이터추출모듈(3333)이 설정된 기간을 기준으로 데이터베이스부(50)에 저장된 데이터를 추출하는 단계를 말하며, 상기 추세분석단계(S535)는, 상기 데이터추출단계(S533) 이후에, 추세분석모듈(3335)이 추출된 데이터의 추세를 분석하는 단계를 말하고, 상기 추세판단단계(S537)는, 상기 추세분석단계(S535) 이후에, 추세판단모듈(3337)이 분석된 데이터의 추세에 상기 수신데이터를 적용하여 기계장비의 고장을 예측하는 단계를 말한다.The period setting step S531 is a step of setting a period to be a reference by the period setting module 3331. The data extracting step S533 may be performed after the period setting step S531, The trend analysis step S535 is a step in which the trend analysis module 3335 extracts the data stored in the database unit 50 based on the set period of time The trend determination step S537 is a step in which the trend determination module 3337 applies the received data to the trend of the analyzed data after the trend analysis step S535, It is a step to predict the failure of the equipment.

상기 비교예측단계(S55)는, 상기 비교예측부(335)에 의해 정해진 알고리즘 중 비교분석방식으로 기계장비의 고장을 예측하는 단계를 말한다. 도 20은 비교예측단계에 관한 도면으로, 이러한 상기 비교예측단계(S55)는, 기계장비특정단계(S551)와, 비교데이터추출단계(S553)와, 비교판단단계(S555)를 포함한다.The comparative prediction step S55 predicts a failure of the mechanical equipment using a comparison analysis method among the algorithms determined by the comparison predicting unit 335. [ FIG. 20 is a diagram for a comparison and prediction step. The comparison and prediction step S55 includes a mechanical equipment specification step S551, a comparison data extraction step S553, and a comparison determination step S555.

상기 기계장비특정단계(S551)는, 기계장비특정모듈(3351)이 고장가부를 예측할 대상기계장비를 특정하는 단계이고, 상기 비교데이터추출단계(S553)는, 상기 기계장비특정단계(S551) 이후에, 비교데이터추출모듈(3353)이 특정된 대상기계장비와 동일한 비교기계장비에 관한 데이터를 데이터베이스부(50)로부터 추출하는 단계이며, 상기 비교판단단계(S555)는, 상기 비교데이터추출단계(S553) 이후에, 비교판단모듈(3355)이 상기 대상기계장비의 데이터와 상기 비교기계장비의 데이터를 비교분석하여 상기 대상기계장비의 고장을 예측하는 단계를 가리킨다.The mechanical equipment specifying step S551 is a step of specifying the mechanical equipment to be predicted by the mechanical equipment specifying module 3351 and the comparing data extracting step S553 is performed after the mechanical equipment identifying step S551 , The comparison data extraction module 3353 extracts data on the comparative machine equipment identical to the specified target mechanical equipment from the database unit 50. In the comparison determination step S555, ), The comparison determination module 3355 compares and analyzes the data of the target mechanical equipment and the data of the comparison mechanical equipment to predict the failure of the target mechanical equipment.

상기 패턴예측단계(S57)는, 상기 패턴예측부(337)에 의해 정해진 알고리즘 중 패턴분석방식으로 기계장비의 고장을 예측하는 단계를 말한다. 도 21은 패턴예측단계에 관한 도면으로, 이러한 상기 패턴예측단계(S57)는, 외부요인특정단계(S571)와, 고장이력추출단계(S573)와, 패턴판단단계(S575)를 포함한다.The pattern predicting step S57 predicts the failure of the mechanical equipment using a pattern analysis method among the algorithms determined by the pattern predicting unit 337. [ FIG. 21 is a diagram for a pattern predicting step. The pattern predicting step S57 includes an external factor specifying step S571, a failure history extracting step S573, and a pattern determining step S575.

상기 외부요인특정단계(S571)는, 외부요인특정모듈(3371)이 기계장비에 작용한 외부요인을 특정하는 단계이며, 상기 고장이력추출단계(S573)는, 상기 외부요인특정단계(S571) 이후에, 고장이력추출모듈(3373)이 특정된 외부요인으로 인한 기계장비의 고장이력을 추출하는 단계를 말하고, 상기 패턴판단단계(S575)는, 상기 고장이력추출단계(S573) 이후에, 패턴판단모듈(3375)이 추출된 고장이력을 통해 외부요인이 작용한 기계장비의 고장을 예측하는 단계를 말한다.The external factor specifying step S571 is a step of specifying an external factor that the external factor specifying module 3371 acts on the mechanical equipment, and the failure history extracting step S573 may be performed after the external factor specifying step S571 , The failure history extracting module 3373 extracts a failure history of the mechanical equipment due to external factors that are specified by the failure history extracting module 3373. The pattern determining step S575 may include a step of determining Module 3375 is a step of predicting a failure of the mechanical equipment to which an external factor is applied through the extracted failure history.

상기 데이터처리단계(S70)는, 상기 데이터처리부(35)가 상기 데이터수신부(31), 상기 데이터분석부(33) 및 상기 데이터베이스부(50)와 연결되어 데이터를 처리하고 처리된 데이터를 단말기로 전송함으로써 상기 단말기에 기계장비의 상태정보를 제공하는 단계를 말한다. 도 22는 데이터처리단계에 관한 도면으로, 이러한 상기 데이터처리단계(S70)는, 고장예지데이터처리단계(S71), 점검데이터처리단계(S72), 보수이력데이터처리단계(S73), 가동률데이터처리단계(S74), 전력량데이터처리단계(S75), 통신상태데이터처리단계(S76)을 포함한다.In the data processing step S70, the data processing unit 35 is connected to the data receiving unit 31, the data analyzing unit 33, and the database unit 50, processes the data, And transmitting status information of the mechanical equipment to the terminal by transmitting the status information. 22 is a diagram for a data processing step. The data processing step S70 includes a failure prediction data processing step S71, a checking data processing step S72, a maintenance history data processing step S73, Step S74, power amount data processing step S75, and communication state data processing step S76.

상기 고장예지데이터처리단계(S71)는, 상기 고장예지데이터처리부(351)가 기계장비의 고장예지정보를 제공하는 단계를 말하고, 상기 점검데이터처리단계(S72)는, 상기 점검데이터처리부(352)가 기계장비의 점검정보를 제공하는 단계를 말하며, 상기 보수이력데이터처리단계(S73)는, 상기 보수이력데이터처리부(353)가 기계장비의 보수이력정보를 제공하는 단계를 말한다. 또한, 상기 가동률데이터처리단계(S74)는, 상기 가동률데이터처리부(354)가 기계장비의 가동률정보를 제공하는 단계이며, 상기 전력량데이터처리단계(S75)는, 상기 전력량데이터처리부(355)가 기계장비의 전력량정보를 제공하는 단계이고, 상기 통신상태데이터처리단계(S76)는, 상기 통신상태데이터처리부(356)가 기계장비의 통신상태정보를 제공하는 단계로서, 상기 데이터처리단계(S70)를 이루는 각 단계는 순차적으로 수행되거나 동시에 수행될 수 있으며, 순서에 관계없이 랜덤하게 수행될 수도 있고, 어느 한 단계만을 택일적으로 수행할 수도 있는 등 어느 특정 개념으로 제한해석되지 않는다.The fault diagnosis data processing step S71 is a step in which the fault diagnosis data processing unit 351 provides the fault diagnosis information of the mechanical equipment. The checking data processing step S72 is a step in which the checking data processing unit 352, The maintenance history data processing step S73 is a step in which the maintenance history data processing unit 353 provides maintenance history information of the mechanical equipment. The operation data processing step S74 is a step in which the operation amount data processing unit 354 provides the operation amount information of the mechanical equipment and the operation amount data processing step S75 is a step And the communication state data processing step S76 is a step of providing the communication state information of the mechanical equipment by the communication state data processing unit 356, and the data processing step S70 Each of the steps may be performed sequentially or concurrently, may be performed randomly regardless of the order, and may not be construed to be limited to any specific concept such that only one step may be performed alternatively.

도 23은 본 발명의 사용상태도이다. 도 23을 참고하면, 본 발명인 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템(1)은 지하철 역사 내에 설치된 각종 기계장비(M)의 상태를 감지하는 센서부(10)를 구성하여, 상기 센서부(10)를 통해 상태데이터를 생성하게 되고, 생성된 상태데이터는, 서버부(30)의 데이터수신부(31)로 수신되며, 수신데이터는 데이터분석부(33)로 전달되어 분석되거나 데이터베이스부(50)에 전달되어 저장될 수 있다. 상기 데이터분석부(33)는 수신데이터 및 저장데이터를 가지고 시스템상의 정해진 알고리즘(수치계산방식, 추세분석방식, 비교분석방식, 패턴분석방식)에 의거하여 분석을 실시해 기계장비(M)에 발생할 수 있는 고장을 사전에 예측하게 된다. 데이터처리부(35)는 수신데이터, 분석데이터, 저장데이터를 가공해 처리데이터를 만들어 단말기(C)로 전송하게 되는바, 단말기(C)의 사용자는 원격지에 있더라도 지하철 역사별, 호선별, 장비별, 관리소별로 기계장비(M)의 실시간 모니터링이 가능해진다.23 is a use state diagram of the present invention. 23, a failure prediction analysis system 1 of a mechanical equipment using a big data analysis according to the present invention comprises a sensor unit 10 for detecting the state of various mechanical equipments M installed in the subway history, The generated state data is received by the data receiving unit 31 of the server unit 30 and the received data is transmitted to the data analyzing unit 33 for analysis, (50) and stored. The data analysis unit 33 analyzes the received data and the stored data based on a predetermined algorithm (numerical calculation method, trend analysis method, comparative analysis method, pattern analysis method) on the system, And predicts the failure in advance. The data processor 35 processes the received data, analysis data, and stored data to generate processed data and transmits the processed data to the terminal C, so that the user of the terminal C can view the data of the subway by history, , And real-time monitoring of the mechanical equipment (M) by the management station becomes possible.

이상의 상세한 설명은 본 발명을 예시하는 것이다. 또한, 전술한 내용은 본 발명의 바람직한 실시 형태를 나타내어 설명하는 것이며, 본 발명은 다양한 다른 조합, 변경 및 환경에서 사용할 수 있다. 즉 본 명세서에 개시된 발명의 개념의 범위, 저술한 개시 내용과 균등한 범위 및/또는 당업계의 기술 또는 지식의 범위내에서 변경 또는 수정이 가능하다. 저술한 실시예는 본 발명의 기술적 사상을 구현하기 위한 최선의 상태를 설명하는 것이며, 본 발명의 구체적인 적용 분야 및 용도에서 요구되는 다양한 변경도 가능하다. 따라서 이상의 발명의 상세한 설명은 개시된 실시 상태로 본 발명을 제한하려는 의도가 아니다. 또한 첨부된 청구범위는 다른 실시 상태도 포함하는 것으로 해석되어야 한다.The foregoing detailed description is illustrative of the present invention. In addition, the foregoing is intended to illustrate and explain the preferred embodiments of the present invention, and the present invention may be used in various other combinations, modifications and environments. That is, it is possible to make changes or modifications within the scope of the concept of the invention disclosed in this specification, within the scope of the disclosure, and / or within the skill and knowledge of the art. The embodiments described herein are intended to illustrate the best mode for implementing the technical idea of the present invention and various modifications required for specific applications and uses of the present invention are also possible. Accordingly, the detailed description of the invention is not intended to limit the invention to the disclosed embodiments. It is also to be understood that the appended claims are intended to cover such other embodiments.

1: 고장예측분석시스템
10: 센서부
30: 서버부
31: 데이터수신부
33: 데이터분석부
331: 수치예측부
3311: 내구연한연산모듈
3312: 가동시간연산모듈
3313: 가동횟수연산모듈
3314: 경과일수연산모듈
3315: 가중치부여모듈
3316: 수치판단모듈
333: 추세예측부
3331: 기간설정모듈
3333: 데이터추출모듈
3335: 추세분석모듈
3337: 추세판단모듈
335: 비교예측부
3351: 기계장비특정모듈
3353: 비교데이터추출모듈
3355: 비교판단모듈
337: 패턴예측부
3371: 외부요인특정모듈
3373: 고장이력추출모듈
3375: 패턴판단모듈
35: 데이터처리부
351: 고장예지데이터처리부
352: 점검데이터처리부
353: 보수이력데이터처리부
354: 가동률데이터처리부
355: 전력량데이터처리부
356: 통신상태데이터처리부
50: 데이터베이스부
S1: 고장예측분석방법
S10: 감지단계
S30: 데이터수신단계
S50: 데이터분석단계
S51: 수치예측단계
S511: 분석요소연산단계
S5111: 내구연한연산단계
S5113: 가동시간연산단계
S5115: 가동횟수연산단계
S5117: 경과일수연산단계
S513: 가중치부여단계
S515: 수치판단단계
S53: 추세예측단계
S531: 기간설정단계
S533: 데이터추출단계
S535: 추세분석단계
S537: 추세판단단계
S55: 비교예측단계
S551: 기계장비특정단계
S553: 비교데이터추출단계
S555: 비교판단단계
S57: 패턴예측단계
S571: 외부요인특정단계
S573: 고장이력추출단계
S575: 패턴판단단계
S70: 데이터처리단계
S71: 고장예지데이터처리단계
S72: 점검데이터처리단계
S73: 보수이력데이터처리단계
S74: 가동률데이터처리단계
S75: 전력량데이터처리단계
S76: 통신상태데이터처리단계1: Failure prediction analysis system
10: Sensor unit
30:
31: Data receiving unit
33: Data analysis section
331: Numerical prediction unit
3311: Durability soft computing module
3312: Operation time calculation module
3313: Operation count operation module
3314: elapsed days calculation module
3315: Weighting module
3316: Numerical determination module
333:
3331: Period setting module
3333: Data Extraction Module
3335: Trend Analysis Module
3337: Trend decision module
335:
3351: Mechanical equipment specific module
3353: Comparison data extraction module
3355: comparison comparison module
337: pattern predicting unit
3371: External factor specific module
3373: Failure history extraction module
3375: Pattern determination module
35: Data processing section
351: Failure prediction data processor
352:
353: Maintenance history data processor
354: Operation rate data processor
355: Power quantity data processor
356: Communication status data processor
50:
S1: Failure prediction analysis method
S10: Detection phase
S30: Data receiving step
S50: Data analysis step
S51: Numerical prediction step
S511: Analysis element operation step
S5111: Durability calculation step
S5113: Operation time calculation step
S5115: Operation count operation step
S5117: elapsed days calculation step
S513: weighting step
S515: Numerical determination step
S53: Trend Forecasting Step
S531: Period setting step
S533: data extraction step
S535: Trend analysis step
S537: Trend determination step
S55: Comparative prediction step
S551: Mechanical equipment specific steps
S553: Step of extracting comparison data
S555:
S57: pattern prediction step
S571: External factor specific step
S573: Failure history extraction step
S575: Pattern determination step
S70: Data processing step
S71: Failure prediction data processing step
S72: step of processing inspection data
S73: Maintenance history data processing step
S74: Operation rate data processing step
S75: Power quantity data processing step
S76: Communication state data processing step

Claims

And a data analysis unit connected to the database unit and analyzing the data to predict the failure of the mechanical equipment,
Wherein the data analyzer includes a numerical predictor for calculating a predictive value for each mechanical device and comparing the calculated predictive value with a reference value to predict a failure of the mechanical device,
Wherein the numerical value predicting unit calculates an endurance value for each mechanical device; An operation time calculation module for calculating an operation time value for each mechanical device; An operation frequency calculation module for calculating an operation frequency value for each mechanical equipment; An elapsed number of days calculation module for calculating the elapsed days from the last inspection date of each mechanical equipment; A weighting unit for giving a weight for each machine equipment to the durability value, the operation time value, the operation time value, the operation time value, and the elapsed days value to calculate a modified durability value, a corrected operation time value, a corrected operation number value, A granting module; Calculating the fault predicted value by summing the corrected endurance value, the corrected operation time value, the corrected operation frequency value, and the corrected elapsed days value, and comparing the calculated failure predicted value with the reference value, And a numerical value determination module for generating an inspection signal when the reference value is greater than or equal to the reference value.

delete

The method according to claim 1,
A sensor unit for detecting a state of the mechanical equipment,
A server unit connected to the sensor unit for receiving and analyzing data from the sensor unit,
And a database unit connected to the server unit for receiving and storing data from the server unit and transmitting the stored data to the server unit,
The server unit,
And a data analyzing unit for analyzing the data received from the data receiving unit and the database unit and for predicting a failure of the mechanical equipment, Failure prediction analysis system of mechanical equipment.

6. The method of claim 5,
The data analysis unit may include:
And a trend predicting unit for predicting the failure of the mechanical equipment through the trend of the data.

The method according to claim 6,
Wherein the trend predicting unit predicts,
A period setting module for setting a reference period,
A data extraction module for extracting data stored in the database unit based on a set period;
A trend analysis module for analyzing the trend of the extracted data,
And a trend determination module for predicting the failure of the mechanical equipment by applying the received data to the trend of the analyzed data.

The method according to claim 6,
The data analysis unit may include:
And a comparison predicting unit for predicting the failure of the mechanical equipment through comparison of the data.

9. The method of claim 8,
Wherein the comparison /
A machine-specific module for specifying a mechanical device to predict the failure portion,
A comparison data extracting module for extracting data on the same comparative mechanical equipment as the specified target mechanical equipment from the database unit,
And a comparison determination module for comparing and analyzing data of the target mechanical equipment and data of the comparison mechanical equipment to predict a failure of the target mechanical equipment.

6. The method of claim 5,
The data analysis unit may include:
And a pattern predicting unit for predicting a failure of the mechanical equipment by analyzing the type of failure of each of the mechanical equipment due to external factors and analyzing the failure prediction of the mechanical equipment using the big data analysis.

11. The method of claim 10,
Wherein the pattern predicting unit comprises:
An external factor specific module that specifies external factors acting on the machine equipment,
A failure history extracting module for extracting a failure history of the mechanical equipment due to a specified external factor,
And a pattern determination module for predicting a failure of a mechanical device to which an external factor is applied through the extracted failure history.

6. The method of claim 5,
The fault prediction analysis system may further include a data processing unit connected to the data receiving unit, the data analyzing unit, and the database unit, for processing the data and providing the processed data to the terminal, And analyzing the failure prediction of the mechanical equipment using the big data analysis.

13. The method of claim 12,
Wherein the data processing unit comprises:
A failure prediction data processing unit for providing failure prediction information of the mechanical equipment,
An inspection data processing unit for providing inspection information of the mechanical equipment,
And a maintenance history data processing unit for providing repair history information of the mechanical equipment.

13. The method of claim 12,
Wherein the data processing unit comprises:
A utilization ratio data processing unit for providing the utilization rate information of the mechanical equipment,
A power amount data processing unit for providing power amount information of the mechanical equipment,
Further comprising a communication state data processing unit for providing communication state information of the mechanical equipment.

delete

A sensing step of sensing a state of the mechanical equipment by the sensor unit,
A data receiving step of receiving data from the sensor unit by the data receiving unit of the server unit after the sensing step;
And a data analyzing step of analyzing the received data to predict a failure of the mechanical equipment after the data receiving step,
The data analysis step may include a durability calculation step of calculating a durability value for each mechanical equipment by the durability calculation module; An operation time calculation step of calculating an operation time value for each mechanical device by the operation time calculation module; An operation count operation step of calculating an operation count value for each mechanical device by the operation count operation module; An elapsed days calculation step in which the elapsed days calculation module calculates the elapsed days from the last inspection date for each mechanical equipment; After the analysis element calculation step, the weighting module assigns weights to the durability value, the operation time value, the operation time value, the elapsed days value, and the mechanical equipment to calculate a modification duration value, a modification operation time value, A weighting step of calculating a value of the number of running times and a value of days of correction elapsed; After the weighting step, the numerical value determination module calculates a failure prediction value by summing the correction endurance value, the corrected operation time value, the corrected operation number value, and the modified elapsed days value, and outputs the calculated failure prediction value And generating a check signal when the failure prediction value is greater than or equal to the reference value by comparing the reference value with the reference value.

delete

18. The method of claim 17,
Wherein the data analysis step comprises:
A period setting step of setting a period in which the period setting module is a reference,
A data extracting step of extracting data stored in a database unit based on a period in which the data extracting module is set after the period setting step;
A trend analysis step of analyzing a trend of extracted data by the trend analysis module after the data extraction step;
And a trend determination step of predicting a failure of the mechanical equipment by applying the received data to the trend of the analyzed data after the trend analysis step. Predictive analysis method.

18. The method of claim 17,
Wherein the data analysis step comprises:
A machine equipment specific step of specifying a machine equipment to which the specific equipment module is predicted to fail,
A comparison data extracting step of extracting, from the database unit, data relating to the comparative machine equipment identical to the specified target mechanical equipment after the machine equipment specifying step;
And comparing and analyzing data of the target mechanical equipment and data of the comparison mechanical equipment to predict a failure of the target mechanical equipment after the comparison data extracting step, Fault Prediction Analysis Method of Mechanical Equipment Using Data Analysis.

18. The method of claim 17,
Wherein the data analysis step comprises:
External Factor An external factor specifying the external factor that a specific module acts on the mechanical equipment,
A failure history extracting step of extracting a failure history of the mechanical equipment due to an external factor specified by the failure history extracting module after the external factor specification step;
And a pattern judging step of, after the failure history extracting step, predicting a failure of a mechanical device to which an external factor has been exerted through the extracted failure history of the pattern judging module, Predictive analysis method.

18. The method of claim 17,
The failure prediction analysis method includes:
A data processing step of, after the data analysis step, providing a state information of the mechanical equipment to the terminal by transmitting data processed by the data processing unit to the data receiving unit, the data analyzing unit, and the database unit, And analyzing the failure prediction of the mechanical equipment using the big data analysis.