KR101984257B1 - 클라우드기반 빅데이터분석시스템 및 방법 - Google Patents

클라우드기반 빅데이터분석시스템 및 방법 Download PDF

Info

Publication number
KR101984257B1
KR101984257B1 KR1020170184665A KR20170184665A KR101984257B1 KR 101984257 B1 KR101984257 B1 KR 101984257B1 KR 1020170184665 A KR1020170184665 A KR 1020170184665A KR 20170184665 A KR20170184665 A KR 20170184665A KR 101984257 B1 KR101984257 B1 KR 101984257B1
Authority
KR
South Korea
Prior art keywords
data
big data
manufacturing site
processing unit
big
Prior art date
Application number
KR1020170184665A
Other languages
English (en)
Inventor
나혁준
전경식
최운규
Original Assignee
주식회사 비스텔
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 비스텔 filed Critical 주식회사 비스텔
Priority to KR1020170184665A priority Critical patent/KR101984257B1/ko
Application granted granted Critical
Publication of KR101984257B1 publication Critical patent/KR101984257B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41835—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by programme execution
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2219—Large Object storage; Management thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 바람직한 일 실시예로서, 클라우드기반 빅데이터분석시스템은 적어도 하나의 제조 현장에 설치된 다양한 센서로부터 빅데이터를 수신하여 분석, 처리하는 빅데이터처리부; 상기 빅데이터처리부에서 분석, 처리한 각 제조 현장에서 수신한 빅데이터를 비교, 추적하는 클라우드서비스제공부, 및 빅데이터처리부 및 클라우드서비스제공부에서 처리한 빅데이터량에 기초하여 비용을 처리하는 비용처리부를 포함하는 것을 특징으로 한다.

Description

클라우드기반 빅데이터분석시스템 및 방법{Cloud service based big data analysing system and method therein}
본 발명은 클라우드 환경에서 빅데이터 통합 서비스를 제공하는 방법에 관한 것이다.
공장 운영 관리시스템은 제조 현장마다 공장운영 진행 정보 감시 및 제어, 설비의 감시 및 제어, 실적 정보 집계, 인력 관리, 공무 관리 등 공장 현장에서 발생할 수 있는 모든 데이터를 통합 관리하는 시스템을 지칭한다. 그러나, 공장 현장에서 필요한 빅데이터를 수집하거나 저장 및 처리 기술에 한계가 있기 때문에 실시간으로 정확하게 장애를 파악하는 것이 쉽지 않다.
특히, 중소기업 등과 같이 빅데이터 환경을 구축하기 어려운 소규모의 기업들에서는 수집한 빅데이터를 분석하거나 예측하기 어려우며, 또한 빅데이터에 대한 전문가를 고용하여 원하는 시스템을 구축하기에 비용이 과도하여 쉽지 않은 현실이다.
KR 10-2017-0090114 A
본 발명의 바람직한 일 실시예에서는 중소, 중견 제조업에서 클라우드 시스템 환경 하에서 빅데이터를 분석할 수 있는 시스템을 제공하고자 한다.
본 발명의 바람직한 일 실시예에서는 Industry 4.0 시대의 스마트 공장을 구현하고, 클라우드 상에서 실제 제조 현장의 요구사항을 반영한 분석 예측 시스템을 제공하고자 한다.
본 발명의 바람직한 일 실시예에서는 중소, 중견 제조업에서 운영하는 스마트 공장에서 수집한 빅데이터의 양에 따라 클라우드서버에서 처리하는 비용을 청구하는 시스템을 제공하고자 한다.
본 발명의 바람직한 일 실시예로서, 클라우드기반 빅데이터분석시스템은 적어도 하나의 제조 현장에 설치된 다양한 센서로부터 빅데이터를 수신하여 분석, 처리하는 빅데이터처리부; 상기 빅데이터처리부에서 분석, 처리한 상기 적어도 하나의 제조 현장 각각으로부터 수신한 빅데이터를 통합하고, 각 제조 현장에서 수신한 빅데이터를 비교, 추적하는 클라우드서비스제공부; 및 상기 빅데이터처리부에서 처리한 빅데이터량 및 상기 클라우드서비스제공부에서 처리한 빅데이터량에 기초하여 비용을 처리하는 비용처리부;를 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 상기 빅데이터처리부는 적어도 하나의 제조 현장에 설치된 다양한 센서에서 발생된 센서데이터, 품질데이터, 로그 데이터 및 기저장된시스템데이터를 포함하는 빅데이터를 상기 제조 현장의 공정조건, 상기 제조 현장의 공정순서 등에 따라 기설정된 형태의 수집방법, 기설정된 수집주기로 수집하며, 또한 수집된 빅데이터 중 트레이스 데이터(Trace Data)를 분석하여 각 제조 현장의 특성을 반영하는 제조현장특성데이터를 자동생성하는 데이터통합관리부;를 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 상기 빅데이터처리부는 상기 빅데이터 중 불량 이미지에서 반복되는 공통 패턴을 분류하며, 상기 트레이스 데이터를 분석하고 귀책원인분석 데이터마이닝기법으로 빅데이터를 분석하는 데이터분석부;를 더 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 상기 빅데이터처리부는 기계학습을 통해 장비 데이터를 대량으로 학습한 학습데이터를 상기 데이터분석부에서 상기 귀책원인분석 데이터마이닝기법으로 분석한 빅데이터에 적용하여 설비고장 예측, 수율 예측, 품질 예측 중 적어도 하나를 수행하는 데이터예측부;를 더 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 상기 데이터예측부는 상기 설비고장 예측, 상기 수율 예측, 상기 품질 예측 중 적어도 하나를 수행한 결과값을 상기 학습데이터에 지속적으로 피드백하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 상기 클라우드서비스제공부는 상기 적어도 하나의 제조 현장 중 적어도 하나의 제조 현장이 국내에 위치하고 또 다른 하나의 제조 현장이 해외에 위치하는 경우, 국내 또는 국외에 각각 위치한 제조현장 각각으로부터 수신한 빅데이터를 기설정된 포맷에 따라 가공하여 상기 국내에 위치한 제조현장에서 수신한 빅데이터와 상기 국외에 위치한 제조현장에서 수신한 빅데이터 간에 통합, 비교가 가능한 것을 특징으로 한다.
본 발명의 또 다른 바람직한 일 실시예로서, 클라우드시스템에서 빅데이터를 처리하는 방법은 빅데이터처리부에서 적어도 하나의 제조 현장에 설치된 다양한 센서로부터 빅데이터를 수신하여 분석, 처리하는 단계; 클라우드서비스제공부에서 상기 빅데이터처리부에서 분석, 처리한 상기 적어도 하나의 제조 현장 각각으로부터 수신한 빅데이터를 통합하고, 각 제조 현장에서 수신한 빅데이터를 비교, 추적하는 단계; 및 비용처리부에서 상기 빅데이터처리부에서 처리한 빅데이터량 및 상기 클라우드서비스제공부에서 처리한 빅데이터량에 비례하여 비용을 처리하는 단계;를 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 클라우드기반 빅데이터분석시스템 및 방법은 Industry 4.0 시대의 스마트 공장을 구현하고, 실제 제조 현장의 요구사항을 반영한 분석 예측 시스템을 제공하는 효과가 있다. 또한, 각 제조 현장은 클라우드나 빅데이터에 대한 전문적인 지식 없이도, 제조 현장의 특성에 부합한 데이터 분석 내지 예측이 가능하며, 제조 현장에서 발생한 데이터량에 비례한 리소스에 대한 비용만을 지불하면 되므로 합리적인 비용이 발생하는 이점이 있다.
도 1 내지 2는 본 발명의 바람직한 일 실시예로서, 클라우드기반 빅데이터분석시스템(100)의 내부 구성도 및 시스템도를 도시한다.
도 3 은 본 발명의 바람직한 일 실시예로서, 클라우드기반 빅데이터분석시스템의 클라우드서비스 제공부의 상세 기능의 일 예를 도시한다.
도 4 는 본 발명의 바람직한 일 실시예로서, 클라우드기반 빅데이터분석방법의 흐름도를 도시한다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성 요소들에 참조 부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 바람직한 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다.
도 1은 본 발명의 바람직한 일 실시예로서, 클라우드기반 빅데이터분석시스템(100)의 내부 구성도를 도시한다.
도 1을 참고하면, 클라우드기반 빅데이터분석시스템(100)은 빅데이터처리부(110), 클라우드서비스 제공부(120) 및 비용처리부(130)를 포함한다.
빅데이터처리부(110)는 제 1 제조현장(111), 제 2 제조현장(113) 내지 제 3 제조현장(115) 등에 설치된 다양한 센서로부터 빅데이터를 수신한다. 본 발명의 바람직한 일 실시예로서, 빅데이터는 적어도 하나의 제조 현장(111, 113, 115)에 설치된 다양한 센서에서 발생된 센서데이터, 품질데이터, 로그 데이터 및 기저장된시스템데이터를 모두 포함하는 의미로 활용되며, 이 외에 다양한 데이터를 더 포함할 수 있다.
본 발명의 바람직한 일 실시예로서, 빅데이터처리부(110)는 다양한 산업별로 다양한 형태의 스마트 공장이 설치된 제조현장에서 수집하는 데이터를 표준화하여 수집할 수 있다.
본 발명의 바람직한 일 실시예로서, 빅데이터처리부(110)는 반도체 산업과 관련된 제조현장에서 빅데이터를 접수하는 경우 수신한 센서데이터를 반도체 장비를 제어하는 데이터 송수신 프로토콜 SECS/GEM 포맷 형태로 표준화하여 수집할 수 있다. 또한, 빅데이터처리부(110)는 다른 산업과 관련한 제조현장에서 빅데이터를 접수하는 경우 PLC 태그맵 (Programmable Logic Controller Tag Map,설비자동제어장치) 포맷 형태로 표준화하여 수집할 수 있으며, 이 외에도 다양한 형태의 기설정된 포맷 형태로 빅데이터를 표준화하여 수집할 수 있다. 본 발명의 바람직한 일 실시예로서 데이터 표준화는 빅데이터를 수신하는 기준, 빅데이터를 수신한 후 포맷 등을 변환하고 처리하는 기준 등을 포함하는 의미로 사용된다.
본 발명의 또 바람직한 일 실시예로서, 빅데이터처리부(110)는 각 제조현장의 공정조건, 공정순서에 따라 기설정된 형태의 수집방법으로 빅데이터를 수집하거나 또는 기설정된 수집주기로 빅데이터를 수집할 수 있다. 또한, 수집된 빅데이터 중 트레이스 데이터(Trace Data)를 분석하여 각 제조 현장의 특성을 반영하는 제조현장특성데이터를 자동생성할 수 있다.
빅데이터처리부(110)는 반도체 산업과 관련된 제조현장에서 빅데이터를 접수하는 경우, 반도체 전공정, 반도체 설비, 반도체 후공정으로 분류하여 각 단계에서 기설정된 분류 기준으로 빅데이터를 수신할 수 있다.
빅데이터처리부(110)는 일 예로서 반도체전공정 단계에서는 수신하는 센서데이터를 매 Lot마다 분리하여 수신하고, 반도체 설비단계에서는 센서데이터를 EQP단위로 분리하여 수신하고, 반도체 후공정 단계에서 센서데이터를 부품단위로 분리하여 수신할 수 있다.
빅데이터처리부(110)는 또 다른 일 예로서 자동차 조립과 관련된 제조현장에서 빅데이터를 접수하는 경우, 차량 단위로 센서데이터를 분리하여 수신하고, 자동차 부품과 관련된 제조현장에서 빅데이터를 접수하는 경우 자동차 부품단위로 센서데이터를 분리하여 수신할 수 있다.
본 발명의 바람직한 일 실시예로서, 클라우드서비스 제공부(120)는 빅데이터처리부(110)가 제 1 제조현장(111), 제 2 제조현장(113) 내지 제 3 제조현장(115) 등에 설치된 다양한 센서로부터 수신하여 분석, 처리한 빅데이터를 통합하여 제 1 제조현장(111), 제 2 제조현장(113) 내지 제 3 제조현장(115) 에서 수신한 빅데이터를 비교, 추적하도록 구현된다. 클라우드서비스 제공부(120)의 상세 특징은 도 2 내지 3과 관련된 내용을 참고한다.
본 발명의 바람직한 일 실시예로서, 비용처리부(130)는 빅데이터처리부(110)에서 처리한 빅데이터량 또는 클라우드서비스제공부(120)에서 처리한 빅데이터량에 따라 비례하여 비용을 청구할 수 있다.
도 2 는 본 발명의 바람직한 일 실시예로서, 클라우드기반 빅데이터분석시스템의 세부구성도를 도시한다.
클라우드기반 빅데이터분석시스템은 빅데이터처리부(210), 클라우드서비스제공부(220) 및 비용처리부(230)를 포함한다.
빅데이터처리부(210)는 데이터통합관리부(211), 데이터분석부(213) 및 데이터예측부(215)를 포함할 수 있다. 클라우드서비스제공부(220)는 클라우드 서버에 구현되며, 글로벌 모델링부(221), 보안부(222), 데이터비교부(223) 및 추적부(Traceability)(224)를 포함한다.
각 구성요소는 다음과 같다.
본 발명의 바람직한 일 실시예로서, 데이터통합관리부(211)는 제조현장에서 발생하는 다양한 데이터를 수신하는 인터페이스를 지원하며, 적어도 하나의 제조 현장에 설치된 다양한 센서에서 발생된 센서데이터, 품질데이터, 로그 데이터 및 기저장된시스템데이터를 포함하는 빅데이터를 정규화된 또는 표준화된 SECS/GEM 프로토콜, 센서 프로토콜, 고주파데이터프로토콜 등을 이용하여 수신한 데이터를 변환할 수 있다.
데이터통합관리부(211)는 또한 데이터 수집 계획, 컨텍스트 관리, 데이터 전처리, 데이터요약(212) 등을 수행할 수 있다. 데이터통합관리부(211)는 빅데이터를 상기 제조 현장의 공정조건, 상기 제조 현장의 공정순서 등에 따라 기설정된 형태의 수집방법, 기설정된 수집주기로 수집하도록 데이터 수집계획을 세울 수 있다.
데이터통합관리부(211)는 수집되는 데이터의 유형, 데이터의 종류에 따라 컨텍스트별로 분류, 관리가 가능하며, 데이터의 포맷을 변화시키거나 하는 등의 데이터 전처리를 수행할 수 있다.
데이터통합관리부(211)는 서로 다른 제조 현장 또는 제조 현장 내의 서로 다른 설비에서 발생하는 서로 다른 데이터 소스에 대하여 해당 데이터의 발생 시점에 따른 생산정보를 매핑하여 분석 및 제어가 가능하다. 발생 시점에 따른 생산정보는 제품 Lot, 공정조건, 공정 순서 등을 포함한다. 또한 서로 다른 설비에서 발생하는 서로 다른 데이터 소스에 대하여 동기화를 수행할 수 있다.
데이터통합관리부(211)는 또한 데이터요약부(212)를 통해 빅데이터를 제조 현장의 공정조건, 상기 제조 현장의 공정순서, 제조 현장에 설치된 설비, 제조 현장에서 데이터를 가공하는 방법, 제조 현장에서 사용하는 물질 등에 따라 수집된 빅데이터 중 트레이스 데이터(Trace Data)를 분석하여 각 제조 현장의 특성을 반영하는 제조현장특성데이터를 자동생성이 가능하다. 이 경우 데이터통합관리부(211)에서는 데이터 변환시 가상센서(Virtual Sensor)를 생성하여 추가 데이터를 생성할 수 있다.
본 발명의 바람직한 일 실시예로서, 데이터분석부(213)는 데이터마이닝, 데이터 분류, 데이터 추적 분석 내지 데이터 실시간 분석을 지원한다.
본 발명의 바람직한 일 실시예에서, 데이터분석부(213)는 대량의 데이터 가운데 숨겨져 있는 유용한 상관관계를 발견하여, 미래에 실행 가능한 정보를 추출하고 의사결정에 이용하는 데이터 마이닝 기능을 지원한다.
데이터분석부(213)는 데이터통합관리부(211)에서 수신한 빅데이터 중 불량 이미지에서 반복되는 공통 패턴을 분류하거나, 트레이스 데이터를 분석하는 등의 데이터마이닝기법으로 빅데이터를 분석할 수 있다. 본 발명의 바람직한 일 실시예에서는 데이터마이닝기법 중 제조업의 공정 상황을 고려한 귀책 원인 분석(Root Cause Analysis)방법을 이용할 수 있다. 귀책 원인 분석 데이터 마이닝 기법은 원인 인자를 설비, 파라미터(parameter) 수준까지 찾아주며, 원인 인자간의 상호작용에 의한 원인 및 시간에 의존하는 원인인자를 찾을 수 있다. 또한 데이터 마이닝 결과 해석에 있어서 통계 지식이 필요하지 않으므로,통계 지식 등의 전문가가 아니더라도 결과를 이해할 수 있는 이점이 있다.
본 발명의 바람직한 일 실시예에서, 데이터분석부(213)는 수신한 영상이미지를 학습하여, 공동 패턴을 자동으로 인식하여 분류하고 수치화 할 수 있다. 또한 불량 이미지로 분류된 불량 패턴을 다시 데이터마이닝 기능을 이용하여 귀책 원인 분석에 활용할 수 있다.
본 발명의 바람직한 일 실시예에서, 데이터분석부(213)는 제조 설비로부터 발생하는 센서 데이터 중에서 중요신호를 추출할 수 있다. 중요신호는 기설정된 임계값 또는 공통 패턴으로 추출된 값등을 의미한다.
본 발명의 바람직한 일 실시예에서, 데이터예측부(215)는 수율(Yield) 예측, 품질 예측, 설비고장 등의 오류 예측, PM 예측, 효율성 예측 등을 지원한다. 데이터예측부(215)는 기계학습을 통해 장비 데이터를 대량으로 학습한 학습데이터를 상기 데이터분석부(213)에서 귀책원인분석 데이터마이닝기법으로 분석한 빅데이터에 적용하여 설비고장 예측, 수율 예측, 품질 예측,PM 예측, 효율성 예측 중 적어도 하나를 수행하며, 데이터 예측 결과값을 지속적으로 피드백하여 학습데이터로 이용할 수 있다.
본 발명의 바람직한 일 실시예로서, 클라우드서비스제공부(220)는 빅데이터처리부(210)의 데이터 통합관리부(211), 데이터 분석부(213) 및 데이터예측부(215)의 각 기능을 연계하여 처리할 수 있다. 또한 클라우드서비스제공부(220)는 처리하는 데이터를 다른 사이트, 다른 서버의 데이터와 공유가 가능하다.
클라우드서비스제공부(220)는 빅데이터처리부(210)로부터 수집한 데이터를 정규화 또는 표준화하고, 하둡(Hadoop) 서버등을 이용하여 빅데이터를 분산 병렬처리할 수 있다. 이 후, 실시간 빅데이터를 분석하여 기계들의 이상 유무를 판단하며, 정규화 또는 표준화된 데이터를 분석하여 각 제조 현장에 설치된 설비들의 이상 유무를 판단하고 패턴, 룰, 조건을 검증할 수 있다. 또한, 각 제조 현장에 설치된 설비들에서 추가로 수신되는 센서데이터 등을 추적할 수 있다.
본 발명의 바람직한 일 실시예로서, 클라우드서비스제공부(220)는 글로벌모델링부(221), 보안부(222), 데이터비교부(223) 및 추적부(Traceaility, 224)를 포함한다.
글로벌모델링부(221)는 도 3 을 참고하면 제 1 제조현장(321) 내지 제 5 제조현장(329) 에서 수신하는 각각의 빅데이터의 용어를 통일시키는 작업을 수행한다. 글로벌모델링부(221)는 적어도 하나의 제조 현장이 국내(325)에 위치하고 또 다른 하나의 제조 현장이 해외(321, 323, 327, 329)에 위치하는 경우, 국내 또는 국외에 각각 위치한 제조현장 각각으로부터 수신한 빅데이터를 용어 등이 통일된 기설정된 포맷에 따라 가공하여 국내(325)에 위치한 제조현장에서 수신한 빅데이터와 국외(321, 323, 327, 329)에 위치한 제조현장에서 수신한 빅데이터 간에 통합이 가능하며 데이터비교부(223)를 통해 빅데이터간 비교가 가능하도록 구현된다.
보안부(222)는 클라우드서비스제공부(220)에서 관리하는 빅데이터가 클라우드서버에서 유출되지 않도록 보안기능을 제공하며, 추척부(224)는 각각의 제조현장에서 제조한 제품들에 대해 판매가 이루어진 이후 발생한 고객의 불만에 대해서도, 제조현장의 생산데이터를 추적하도록 구현된다.
본 발명의 바람직한 일 실시예로서, 비용처리부(230)는 클라우드서비스 제공부(220)에서 처리한 빅데이터량에 비례하여 각 제조현장에 비용을 청구할 수 있다.
도 4 는 본 발명의 바람직한 일 실시예로서, 클라우드시스템에서 빅데이터를 처리하는 방법의 흐름도를 도시한다.
본 발명의 바람직한 일 실시예로서, 빅데이터처리부는 적어도 하나의 제조 현장에 설치된 다양한 센서로부터 빅데이터를 수신하여 분석, 처리를 수행한다. 이 경우, 빅데이터처리부는 도 2에 도시된 일 실시예와 같이 데이터통합관리기능, 데이터 분석기능 및 데이터 예측 기능을 지원한다(S410).
클라우드서비스제공부는 빅데이터처리부에서 분석, 처리한 적어도 하나의 제조 현장 각각으로부터 수신한 빅데이터를 통합하고, 각 제조 현장에서 수신한 빅데이터를 비교, 추적이 가능하다. 클라우드서비스제공부는 특히 글로벌모델링 기능을 이용하여 각 제조현장별로 획득한 빅데이터들의 용어를 통일함으로써 데이터 간에 KPI(Key Performance Index) 비교가 가능하도록 구현된다(S420).
비용처리부는 빅데이터처리부에서 처리한 빅데이터량 또는 클라우드서비스제공부에서 처리한 빅데이터량에 비례하여 비용을 처리한다(S430).
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명에 기재된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상이 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의해서 해석되어야하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (7)

  1. 적어도 하나의 제조 현장에 설치된 다양한 센서로부터 빅데이터를 수신하여 분석, 처리하는 빅데이터처리부;
    상기 빅데이터처리부에서 분석, 처리한 상기 적어도 하나의 제조 현장 각각으로부터 수신한 빅데이터를 통합하고, 각 제조 현장에서 수신한 빅데이터를 비교, 추적하는 클라우드서비스제공부;
    상기 빅데이터처리부에서 처리한 빅데이터량 또는 상기 클라우드서비스제공부에서 처리한 빅데이터량에 기초하여 비용을 처리하는 비용처리부;를 포함하고,
    상기 클라우드서비스제공부는 상기 적어도 하나의 제조 현장 중 적어도 하나의 제조 현장이 국내에 위치하고 또 다른 하나의 제조 현장이 해외에 위치하는 경우, 국내 또는 국외에 각각 위치한 제조현장 각각으로부터 수신한 빅데이터를 기설정된 포맷에 따라 가공하여 상기 국내에 위치한 제조현장에서 수신한 빅데이터와 상기 국외에 위치한 제조현장에서 수신한 빅데이터 간에 통합, 비교가 가능한 것을 특징으로 하는 클라우드기반 빅데이터분석시스템.
  2. 제 1 항에 있어서, 상기 빅데이터처리부는
    적어도 하나의 제조 현장에 설치된 다양한 센서에서 발생된 센서데이터, 품질데이터, 로그 데이터 및 기저장된시스템데이터를 포함하는 빅데이터를 상기 제조 현장의 공정조건, 상기 제조 현장의 공정순서 등에 따라 기설정된 형태의 수집방법, 기설정된 수집주기로 수집하며, 또한 수집된 빅데이터 중 트레이스 데이터(Trace Data)를 분석하여 각 제조 현장의 특성을 반영하는 제조현장특성데이터를 자동생성하는 데이터통합관리부;를 포함하는 것을 특징으로 하는 클라우드기반 빅데이터분석시스템.
  3. 제 2 항에 있어서, 상기 빅데이터처리부는
    상기 빅데이터 중 불량 이미지에서 반복되는 공통 패턴을 분류하며, 상기 트레이스 데이터를 분석하고 귀책원인분석 데이터마이닝기법으로 빅데이터를 분석하는 데이터분석부;를 더 포함하는 것을 특징으로 하는 클라우드기반 빅데이터분석시스템.
  4. 제 3 항에 있어서, 상기 빅데이터처리부는
    기계학습을 통해 장비 데이터를 대량으로 학습한 학습데이터를 상기 데이터분석부에서 상기 귀책원인분석 데이터마이닝기법으로 분석한 빅데이터에 적용하여 설비고장 예측, 수율 예측, 품질 예측 중 적어도 하나를 수행하는 데이터예측부;를 더 포함하는 것을 특징으로 하는 클라우드기반 빅데이터분석시스템.
  5. 제 4 항에 있어서, 상기 데이터예측부는
    상기 설비고장 예측, 상기 수율 예측, 상기 품질 예측 중 적어도 하나를 수행한 결과값을 상기 학습데이터에 지속적으로 피드백하는 것을 특징으로 하는 클라우드기반 빅데이터분석시스템.
  6. 삭제
  7. 클라우드시스템에서 빅데이터를 처리하는 방법으로서,
    빅데이터처리부에서 적어도 하나의 제조 현장에 설치된 다양한 센서로부터 빅데이터를 수신하여 분석, 처리하는 단계;
    클라우드서비스제공부에서 상기 빅데이터처리부에서 분석, 처리한 상기 적어도 하나의 제조 현장 각각으로부터 수신한 빅데이터를 통합하고, 각 제조 현장에서 수신한 빅데이터를 비교, 추적하는 단계; 및
    비용처리부에서 상기 빅데이터처리부에서 처리한 빅데이터량 및 상기 클라우드서비스제공부에서 처리한 빅데이터량에 비례하여 비용을 처리하는 단계;를 포함하고, 상기 클라우드서비스제공부는 상기 적어도 하나의 제조 현장 중 적어도 하나의 제조 현장이 국내에 위치하고 또 다른 하나의 제조 현장이 해외에 위치하는 경우, 국내 또는 국외에 각각 위치한 제조현장 각각으로부터 수신한 빅데이터를 기설정된 포맷에 따라 가공하여 상기 국내에 위치한 제조현장에서 수신한 빅데이터와 상기 국외에 위치한 제조현장에서 수신한 빅데이터 간에 통합, 비교가 가능한 것을 특징으로 하는 방법.
KR1020170184665A 2017-12-29 2017-12-29 클라우드기반 빅데이터분석시스템 및 방법 KR101984257B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170184665A KR101984257B1 (ko) 2017-12-29 2017-12-29 클라우드기반 빅데이터분석시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170184665A KR101984257B1 (ko) 2017-12-29 2017-12-29 클라우드기반 빅데이터분석시스템 및 방법

Publications (1)

Publication Number Publication Date
KR101984257B1 true KR101984257B1 (ko) 2019-05-30

Family

ID=66675742

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170184665A KR101984257B1 (ko) 2017-12-29 2017-12-29 클라우드기반 빅데이터분석시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101984257B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102562828B1 (ko) * 2022-11-25 2023-08-02 (주)지에스이 디지털트윈/가상물리시스템을 기반으로 하는 열처리 공정 시스템
CN116760884A (zh) * 2023-08-14 2023-09-15 海南智慧海事科技有限公司 一种海洋大数据云服务系统与应用方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101539736B1 (ko) * 2014-02-10 2015-07-28 (주)에이치엠솔루션 무선 인터넷 과금 검증 방법 및 장치
KR20170090114A (ko) 2016-01-28 2017-08-07 주식회사 아임클라우드 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101539736B1 (ko) * 2014-02-10 2015-07-28 (주)에이치엠솔루션 무선 인터넷 과금 검증 방법 및 장치
KR20170090114A (ko) 2016-01-28 2017-08-07 주식회사 아임클라우드 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102562828B1 (ko) * 2022-11-25 2023-08-02 (주)지에스이 디지털트윈/가상물리시스템을 기반으로 하는 열처리 공정 시스템
CN116760884A (zh) * 2023-08-14 2023-09-15 海南智慧海事科技有限公司 一种海洋大数据云服务系统与应用方法
CN116760884B (zh) * 2023-08-14 2023-10-20 海南智慧海事科技有限公司 一种海洋大数据云服务系统与应用方法

Similar Documents

Publication Publication Date Title
Lee et al. A big data analytics platform for smart factories in small and medium-sized manufacturing enterprises: An empirical case study of a die casting factory
CN102032115A (zh) 用于分析报告数据的系统和方法
EP2978095A1 (en) Power system operation
CN105184886A (zh) 一种云数据中心智能巡检系统及方法
El-Thalji et al. On the development of condition based maintenance strategy for offshore wind farm: requirement elicitation process
CN104461820A (zh) 一种设备监控的方法及装置
KR101984257B1 (ko) 클라우드기반 빅데이터분석시스템 및 방법
CN113888480A (zh) 一种基于mes的质量追溯方法和系统
CN110709789A (zh) 用于监测可再生发电装置或微电网内的子系统的状况的方法和设备
CN111858251A (zh) 一种基于大数据计算技术的数据安全审计方法及系统
Omri et al. Data management requirements for phm implementation in smes
KR102411291B1 (ko) 스마트공장 데이터 품질평가 방법
KR102285374B1 (ko) 인공지능 기반 작업 전력패턴 자동 인식 방법과 이를 위한 시스템
CN111062827B (zh) 一种基于人工智能模式的工程监理方法
Fabri et al. Economic Perspective on Algorithm Selection for predictive Maintenance.
Hwang et al. Building an Analytical Platform of Big Data for Quality Inspection in the Dairy Industry: A Machine Learning Approach
KR102437917B1 (ko) 장비 운영 시스템
KR101984258B1 (ko) 스마트공장과 클라우드 서버간 컨버징 방법 및 시스템
Kamala et al. Process Mining and Deep Neural Network approach for the Prediction of Business Process Outcome
CN114168408A (zh) 一种基于物联网的巡检方法、系统、电子设备及存储介质
CN107340460A (zh) 一种状态检测数据特征参数提取及规范化转换的方法
CN113360628A (zh) 一种基于问题知识库的网络报修事件分层维修方法及系统
CN106443238A (zh) 高压设备状态评估方法、在线监测装置评估方法及装置
Koay et al. A new information system for prioritisation of product quality improvement
CN112579429A (zh) 一种问题定位方法和装置

Legal Events

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