KR101985871B1 - 병렬 처리 기법을 이용한 사물인터넷 데이터 기반 프로세스 이상 현상 진단 방법 및 그 장치 - Google Patents
병렬 처리 기법을 이용한 사물인터넷 데이터 기반 프로세스 이상 현상 진단 방법 및 그 장치 Download PDFInfo
- Publication number
- KR101985871B1 KR101985871B1 KR1020160035017A KR20160035017A KR101985871B1 KR 101985871 B1 KR101985871 B1 KR 101985871B1 KR 1020160035017 A KR1020160035017 A KR 1020160035017A KR 20160035017 A KR20160035017 A KR 20160035017A KR 101985871 B1 KR101985871 B1 KR 101985871B1
- Authority
- KR
- South Korea
- Prior art keywords
- event
- log file
- token
- event log
- ignited
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 184
- 230000008569 process Effects 0.000 title claims abstract description 155
- 238000012545 processing Methods 0.000 title claims abstract description 20
- 230000005856 abnormality Effects 0.000 title claims description 35
- 230000002159 abnormal effect Effects 0.000 claims abstract description 24
- 230000007704 transition Effects 0.000 claims description 24
- 238000003860 storage Methods 0.000 claims description 6
- 230000008929 regeneration Effects 0.000 claims description 5
- 238000011069 regeneration method Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/1734—Details of monitoring file system events, e.g. by the use of hooks, filter drivers, logs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
- G06F9/38—Concurrent instruction execution, e.g. pipeline or look ahead
- G06F9/3885—Concurrent instruction execution, e.g. pipeline or look ahead using a plurality of independent parallel functional units
- G06F9/3887—Concurrent instruction execution, e.g. pipeline or look ahead using a plurality of independent parallel functional units controlled by a single instruction for multiple data lanes [SIMD]
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M9/00—Parallel/series conversion or vice versa
-
- H04L67/16—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Debugging And Monitoring (AREA)
Abstract
본 발명은 공정 이상 현상을 진단하는 방법에 관한 것으로 이벤트 로그 파일로부터 객체를 이벤트 키로 하고, 공정이상 판단에 필요한 이벤트 필드만을 도출하여 이벤트 값으로 하는 제 1 이벤트 로그 파일를 생성하는 단계, 및 상기 제 1 이벤트 로그 파일을 이용하여 각 객체 별로 공정 이상이 있는지를 판단하고, 판단결과에 따라 공정이상이 발생한 객체의 제 1 이벤트 로그 파일에 대해 공정 이상 이벤트 타입 값을 추가하여 제 2 이벤트 로그 파일을 생성하는 단계를 포함함으로써, 대용량 사물인터넷 데이터를 병렬 처리 기법으로 분석함으로써 저비용, 고효율 분석이 가능해진다.
Description
본 발명은 공정 이상 현상을 진단하는 방법에 관한 것으로서, 이벤트 로그 파일의 병렬처리를 이용하여 공정 이상 현상을 진단하는 방법 및 그 장치에 관한 것이다.
현재 글로벌 제조업 경쟁 심화에 대응하고 미래 경쟁력을 유지하기 위해 스마트 팩토리의 개념이 전세계적으로 대두되고 있다. 스마트 팩토리의 기본 개념은 공장과 공장, 공장 내 모든 사물들이 네트워크로 연결되고, 물리적 세계에서 진행되는 일들이 가상의 세계로 미러링되며, 생산과정을 통제, 생산의 전 과정은 물론 상품 자체의 최적화가 가능해지는 공장을 의미한다.
스마트 팩토리 환경에서는 과거 경직된 중앙집중식 단방향 생산체계에서 탈피하여 소재와 부품에 스마트 메모리를 장착해 스스로 생산기기와 경로를 결정하는 분산제어체계의 구현이 가능해질 것이다. 또한, 사물인터넷 기술과 비전기술이 적용되어 물리적 세계에서 진행되는 일들이 가상의 세계로 미러링되고, 공정 및 제품 품질의 사전검증, 실시간 관리, 사후분석이 가능해질 것이다.
스마트 팩토리의 핵심 동력은 정보통신기술(ICT)이며 구체적으로는 사물인터넷, 빅데이터, 클라우드 컴퓨팅, 사이버 물리시스템 등이 있다. 사물인터넷의 핵심 기술인 RFID 태그와 센서 기술을 이용하면 부품의 위치, 공정변수, 환경 데이터를 실시간으로 수집 가능하므로 탄력적인 생산계획과 출하지시를 가능케 한다. 또한, 품질 문제가 발생할 경우 그 원인을 생산설비의 센서 데이터를 분석해 원천적 불량원인을 정밀히 탐색 할 수 있게 된다.
RFID, 센서 등의 사물인터넷 데이터는 끊임없이 생성되며 대용량, 비정형 성격을 지니고 있다. 따라서, 기존 관계형 데이터베이스 기술만으로 대용량 사물인터넷 데이터를 다루기에는 처리 속도 및 확장 비용 측면에서 한계점이 존재한다. 따라서 분산 파일시스템, 분산 데이터베이스관리시스템, 병렬처리 기술 등을 사용하는 ‘빅데이터 처리기술’이 사물인터넷 데이터 저장소 구현 및 연산을 위한 핵심 기술로 부상하고 있다.
하지만, 모든 생산과정 및 물류과정에 사물인터넷과 빅데이터 등의 기술을 적용한다 하더라도 공정 및 물류 과정에서의 분실, 도난, 파손 등에 의한 자연감소(shrinkage)를 100% 차단할 수는 없을 것이다.
본 발명과 관련된 선행기술로는 '사물 인터넷 기반 변압기 모니터링 시스템 및 방법(한국공고특허: 10-1573806)' 등이 있다.
본 발명이 해결하고자 하는 첫 번째 과제는 이벤트 로그 파일의 병렬처리를 이용하여 공정 이상 현상을 진단하는 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 두 번째 과제는 이벤트 로그 파일의 병렬처리를 이용하여 공정 이상 현상을 진단하는 장치를 제공하는 것이다.
본 발명은 상기 첫 번째 과제를 해결하기 위하여, 공정 이상 현상을 진단하는 방법에 있어서, 이벤트 로그 파일로부터 객체를 이벤트 키로 하고, 공정이상 판단에 필요한 이벤트 필드만을 도출하여 이벤트 값으로 하는 제 1 이벤트 로그 파일를 생성하는 단계; 및 상기 제 1 이벤트 로그 파일을 이용하여 각 객체 별로 공정 이상이 있는지를 판단하고, 판단결과에 따라 공정이상이 발생한 객체의 제 1 이벤트 로그 파일에 대해 공정 이상 이벤트 타입 값을 추가하여 제 2 이벤트 로그 파일을 생성하는 단계를 포함하는 방법을 제공한다.
본 발명의 다른 실시예에 의하면, 상기 제 1 이벤트 로그 파일에 포함되는 이벤트 필드는, 이벤트시간, 이벤트발생지점, 또는 작업자 중 하나 이상을 포함하는 것을 특징으로 하는 방법일 수 있다.
본 발명의 다른 실시예에 의하면, 상기 공정 이상 이벤트 타입 값은, 분실/도난 또는 미인식을 나타내는 값 중 하나인 것을 특징으로 하는 방법일 수 있다.
본 발명의 다른 실시예에 의하면, 상기 제 2 이벤트 로그 파일을 생성하는 단계는, 각 객체 별로 수집된 이벤트 로그 파일들을 이용하여 공정 모델에 토큰 재생을 수행하는 단계; 상기 토큰 재생을 수행한 결과, 토큰이 공정의 최종 위치에 도달하였는지를 판단하는 단계; 상기 토큰이 공정의 최종 위치에 도달하지 않은 경우 분실이 발생한 것으로 판단하여 제 2 이벤트 로그 파일을 생성하고, 상기 토큰이 고정의 최종 위치에 도달한 경우 점화될 수 없는 경우에도 점화된 토큰이 있는지 판단하는 단계; 및 상기 점화될 수 없는 경우에도 점화된 토큰이 있는 경우 미인식이 발생한 것으로 판단하여 제 2 이벤트 로그 파일을 생성하고, 상기 점화될 수 없는 경우에도 점화된 토큰이 없는 경우 제 2 이벤트 로그 파일을 생성하지 않는 단계를 포함하는 것을 특징으로 하는 방법일 수 있다.
본 발명의 다른 실시예에 의하면, 상기 토큰은, 해당 공정이 수행되는 점화에 의해서 다음 공정으로 이동하는 것을 특징으로 하는 방법일 수 있다.
본 발명의 다른 실시예에 의하면, 상기 점화될 수 없는 경우에도 점화된 토큰이 있는 경우, 상기 점화될 수 없는 경우에도 점화된 토큰이 위치한 위치 이전의 공정에 해당하는 제 1 이벤트 로그 파일에 공정 이상 이벤트 타입 값을 추가하여 제 2 이벤트 로그 파일을 생성하는 것을 특징으로 하는 방법일 수 있다.
본 발명은 상기 두 번째 과제를 해결하기 위하여, 공정 이상 현상을 진단하는 장치에 있어서, 이벤트 로그 파일을 저장하는 저장부; 및 상기 저장된 이벤트 로그 파일을 독출하여, 이벤트 로그 파일로부터 객체를 이벤트 키로 하고, 공정이상 판단에 필요한 이벤트 필드만을 도출하여 이벤트 값으로 하는 제 1 이벤트 로그 파일을 생성하며, 상기 제 1 이벤트 로그 파일을 이용하여 각 객체 별로 공정 이상이 있는지를 판단하고, 판단결과에 따라 공정이상이 발생한 객체의 제 1 이벤트 로그 파일에 대해 공정 이상 이벤트 타입 값을 추가하여 제 2 이벤트 로그 파일을 생성하는 처리부를 포함하는 장치를 제공한다.
본 발명에 따르면, 저 사양 컴퓨팅 자원을 이용하여 대용량 사물인터넷 데이터를 병렬 처리 기법으로 분석함으로써 저비용, 고효율 분석이 가능해진다. 또한, 끊임없이 발생되는 사물인터넷 데이터를 활용하여 공정/물류 프로세스 상의 분실/도난 그리고 미인식 등의 이상 현상을 탐색함으로써 지속적 프로세스 개선 활동을 지원할 수 있다.
도 1은 본 발명의 일 실시예에 따른 공정 이상 현상 진단 장치의 블록도이다.
도 2 내지 3은 본 발명의 실시예에 따른 공정 이상 현상 진단에 이용되는 병렬 처리 과정을 나타낸 것이다.
도 4 내지 도 7은 본 발명의 실시예에 따른 공정 이상 현상 진단에 이용되는 토큰 재생 과정을 나타낸 것이다.
도 8 내지 도 12는 본 발명의 실시예에 따른 공정 이상 현상 진단을 구체적인 예를 이용하여 설명한 것이다.
도 13은 본 발명의 일 실시예에 따른 공정 이상 현상을 진단하는 방법의 흐름도이다.
도 14는 본 발명의 다른 실시예에 따른 공정 이상 현상을 진단하는 방법의 흐름도이다.
도 2 내지 3은 본 발명의 실시예에 따른 공정 이상 현상 진단에 이용되는 병렬 처리 과정을 나타낸 것이다.
도 4 내지 도 7은 본 발명의 실시예에 따른 공정 이상 현상 진단에 이용되는 토큰 재생 과정을 나타낸 것이다.
도 8 내지 도 12는 본 발명의 실시예에 따른 공정 이상 현상 진단을 구체적인 예를 이용하여 설명한 것이다.
도 13은 본 발명의 일 실시예에 따른 공정 이상 현상을 진단하는 방법의 흐름도이다.
도 14는 본 발명의 다른 실시예에 따른 공정 이상 현상을 진단하는 방법의 흐름도이다.
본 발명에 관한 구체적인 내용의 설명에 앞서 이해의 편의를 위해 본 발명이 해결하고자 하는 과제의 해결 방안의 개요 또는 기술적 사상의 핵심을 우선 제시한다.
본 발명의 일 실시예에 따른 공정 이상 현상을 진단하는 방법은 이벤트 로그 파일로부터 객체를 이벤트 키로 하고, 공정이상 판단에 필요한 이벤트 필드만을 도출하여 이벤트 값으로 하는 제 1 이벤트 로그 파일를 생성하는 단계, 및 상기 제 1 이벤트 로그 파일을 이용하여 각 객체 별로 공정 이상이 있는지를 판단하고, 판단결과에 따라 공정이상이 발생한 객체의 제 1 이벤트 로그 파일에 대해 공정 이상 이벤트 타입 값을 추가하여 제 2 이벤트 로그 파일을 생성하는 단계를 포함한다.
이하 첨부된 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있는 실시 예를 상세히 설명한다. 그러나 이들 실시예는 본 발명을 보다 구체적으로 설명하기 위한 것으로, 본 발명의 범위가 이에 의하여 제한되지 않는다는 것은 당업계의 통상의 지식을 가진 자에게 자명할 것이다.
본 발명이 해결하고자 하는 과제의 해결 방안을 명확하게 하기 위한 발명의 구성을 본 발명의 바람직한 실시예에 근거하여 첨부 도면을 참조하여 상세히 설명하되, 당해 도면에 대한 설명시 필요한 경우 다른 도면의 구성요소를 인용할 수 있음을 미리 밝혀둔다. 아울러 본 발명의 바람직한 실시 예에 대한 동작 원리를 상세하게 설명함에 있어 본 발명과 관련된 공지 기능 또는 구성에 대한 구체적인 설명 그리고 그 이외의 제반 사항이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우, 그 상세한 설명을 생략한다.
도 1은 본 발명의 일 실시예에 따른 공정 이상 현상 진단 장치의 블록도이다.
본 발명의 일 실시예에 따른 공정 이상 현상 진단 장치(100)는 저장부(110) 및 처리부(120)로 구성되며, 통신부(130)를 더 포함할 수 있다.
저장부(110)는 이벤트 로그 파일을 저장한다.
보다 구체적으로, 공정 현장에 설치되어 있는 센서와 같은 감지부들이 감지한 공정 정보들인 이벤트 로그 파일들을 저장한다. 상기 이벤트 로그 파일은 공정(140)으로부터 통신부(130)가 수신하여 저장부(110)에 저장되거나, 처리부(120)가 가공하여 생성되어 저장부(110)에 저장될 수 있다.
처리부(120)는 상기 저장된 이벤트 로그 파일을 독출하여, 이벤트 로그 파일로부터 객체를 이벤트 키로 하고, 공정이상 판단에 필요한 이벤트 필드만을 도출하여 이벤트 값으로 하는 제 1 이벤트 로그 파일을 생성하며, 상기 제 1 이벤트 로그 파일을 이용하여 각 객체 별로 공정 이상이 있는지를 판단하고, 판단결과에 따라 공정이상이 발생한 객체의 제 1 이벤트 로그 파일에 대해 공정 이상 이벤트 타입 값을 추가하여 제 2 이벤트 로그 파일을 생성한다.
보다 구체적으로, 공정 이상을 판단하기 위한 이벤트 로그 파일을 일일이 판단하기 처리량이 많아 병렬 처리 방법을 이용한다. 이를 위하여, 우선 이벤트 로그 파일을 객체 별로 구분할 수 있도록 객체를 이벤트 키로 하고, 공정 이상을 판단하는데 필요한 정보만을 이용하기 위하여, 필요한 이벤트 필드만을 도출하여 이벤트 값으로 하는 제 1 이벤트 로그 파일을 생성한다. 공정 이상을 객체를 기준으로 판단하기 위하여, 객체를 이벤트 키로 설정하고, 공정 이상이 발생하였을 때, 공정 이상 정보를 파악하기 위한 이벤트 필드들을 이벤트 값으로 설정한다. 상기 제 1 이벤트 로그 파일에 포함되는 이벤트 필드는 이벤트시간, 이벤트발생지점, 또는 작업자 중 하나 이상을 포함할 수 있다. 언제, 어디서, 누구에 의해 공정 이상이 발생하였는지를 판단하기 위하여, 이벤트시간, 이벤트발생지점, 또는 작업자 중 하나 이상을 포함할 수 있다. 공정 이상을 해결하기 위해 필요한 정보가 더 있는 경우, 해당 정보를 포함하는 이벤트 필드를 더 포함할 수 있음은 당연하다.
객체를 키를 하고 있는 제 1 이벤트 로그 파일을 객체별로 구분하고, 각 객체에 대한 정보를 이용하여 공정 이상이 있는지를 판단한다. 공정 이상이 발생하였다고 판단하는 경우, 제 1 이벤트 로그 파일에 공정 이상 이벤트 타입 값을 추가하여, 제 2 이벤트 로그 파일을 생성한다. 이벤트 타입 값의 추가 여부 및 추가된 이벤트 타입 값으로 공정 이상 여부 및 어떤 종류의 공정 이상인지를 나타낸다.
상기 공정 이상 이벤트 타입 값은 분실/도난 또는 미인식을 나타내는 값 중 하나일 수 있다. 공정 이상의 형태에 따라 객체에 대한 분실/도난이 발생하였는지 미인식이 발생하였는지를 구분할 수 있다.
이벤트 로그 파일들에 대한 병렬처리를 위해, 맵리듀스(Map-Reduce) 방식을 이용할 수 있다. 맵리듀스는 맵(Map)과 리듀스(Reduce)라는 함수 기반으로 구성되며, 맵은 한 레코드에 포함된 필드 중 필요한 데이터만 키(Key), 값(Value)의 쌍으로 추출한다. 리듀스는 맵의 결과를 입력 데이터로 취하고, 목적하는 연산을 수행한다. 맵리듀스의 일반적인 데이터 흐름은 도 2와 같이 나타낼 수 있다. 맵과 리듀스의 설계는 아래와 같은 형태로 정의할 수 있다.
맵: (k1, v1) →<(k2, v2)>
리듀스: (k2, <v2>) → <(k2, <v3>)>
맵에서는 키(k1)와 값(v1)으로 구성된 데이터를 입력받아 필요 데이터만 추출한 후 새로운 키(k2)와 값(v2)의 쌍을 반환한다. 리듀스에서는 새로운 키(k2)로 그룹핑된 값의 집합(<v2>)을 입력 데이터로 전달받는다. 이후 입력 값의 집합(<v2>)에 대한 집계 등의 연산을 실행해 값의 집합(<v3>)으로 재구성 후 키-값 집합(<v3>) 쌍((k2,<v3>))을 반환한다.
상기와 같은 맵리듀스를 이용하여, 도 3과 같이, 이벤트 로그 파일로부터 맵함수를 이용하여 제 1 이벤트 로그 파일을 생성하고, 제 1 이벤트 로그 파일에 대한 공정이상을 판단하고, 리듀스함수를 이용하여 공정 이상이 있는 이벤트 로그 파일들에 이벤트 타입을 추가하여 제 2 이벤트 로그 파일을 생성한다.
공정 이상을 판단하기 위해, 처리부(120)는 각 객체 별로 수집된 이벤트 로그 파일들을 이용하여 공정 모델에 토큰 재생을 수행하고, 상기 토큰 재생을 수행한 결과 토큰이 공정의 최종 위치에 도달하였는지 및 점화될 수 없는 경우에도 점화된 토큰이 있는지를 판단하여, 각 객체 별로 공정 이상이 있는지를 판단한다. 상기 점화될 수 없는 경우에도 점화된 토큰이 있는 경우 상기 점화될 수 없는 경우에도 점화된 토큰이 위치한 위치 이전의 공정에 해당하는 제 1 이벤트 로그 파일에 공정 이상 이벤트 타입 값을 추가하여 제 2 이벤트 로그 파일을 생성한다.
공정 이상을 판단하기 위하여, 공정 이상을 판단하기 위한 공정에 대한 공정 모델에서 토큰 재생을 수행한다. 각 객체별로 수집된 이벤트 로그 파일에 따라 토큰 재생을 수행한다. 토큰 재생을 수행함에 있어서, 페트리넷을 이용한다.
이하, 토큰 재생에 대한 구체적인 설명을 하도록 한다.
페트리넷은 동시발생적인 시스템을 모델링하는데 적합한 형식적이고 그래픽한 특징을 갖는다. 도 4와 같이 페트리넷은 양분형 유향 그래프로 표시되고, 두 가지 형태의 노드 지점(place)과 전이(transition) 그리고 아크(arc)로 구성된다. 시스템의 현재 상태는 토큰(token)이 위치한 지점에 의해 설명될 수 있다. 점화(firing) 에 의해 토큰의 위치가 변경되면 시스템의 상태가 변화하는 것으로 간주된다. 점화는 하나의 전이에 연결된 모든 전방 지점에 적어도 하나의 토큰을 가졌을 때 가능하며, 전이가 점화될 때 그 전이의 각 전방 지점은 하나의 토큰을 잃게 되며, 그 전이의 각 후방 지점은 하나의 토큰을 얻게 된다. 전이가 점화되어 전방 지점의 토큰을 후방 지점으로 이동시키는 것을 소비(consume)와 생산(produce)이라고 한다. 페트리넷으로 비즈니스 프로세스를 모델링 할 수 있는데 도 5는 티켓 구매 프로세스를 페트리넷으로 모델링한 예시이다. 작업 흐름(workflow)의 경우 토큰이 위치한 지점이 전체 작업 흐름의 현재 진행 상태를 의미하며, 객체 흐름(objectflow)의 경우 전체 프로세스 상의 객체 위치를 나타낸다.
토큰 재생은 프로세스가 실행됨에 따라 생성된 이벤트 로그를 도 6과 같이 사전에 정의된 프로세스 모델에 재생(replay)해 보면서 missing token, remaining token, produced token, consumed token의 수를 계산하여 프로세스의 정상/비정상 상태를 확인하는 과정이다. missing token은 전이가 점화 될 수 없는 상황임에도 불구하고 점화된 토큰의 수를 의미한다. remaining token은 토큰이 최종 지점(sink place)에 도착하여 프로세스가 종료되었음에도 불구하고, 최종 지점 이전 지점에 토큰이 남아있는 수를 의미한다. produced token은 최초 지점(source place)에 생성되는 토큰과 전이에 의해 생성되는 수, consumed token은 전이에 의해 소비된 토큰의 수와 최종 지점에 도착한 토큰이 사라지는 수이다.
도 6 및 7은 이벤트 로그 {a, d, c, e, h}의 토큰 재생을 그림으로 나타낸 것이다. 초기에 p와 c의 값은 0이며 모든 지점은 비어있다. 도 6(a)처럼 지점 start에 토큰이 하나 생성되면 p = 1로 증가한다. 전이 a가 실행되면 시작 지점의 토큰이 소비되고, 지점 p1에 토큰이 생산되어 p = 2 로, c = 1로 변경된다(도 6(b)). 로그 상의 두 번째 전이 d가 점화되려면 지점 p2에 토큰이 존재해야 하는데, 존재하지 않은 상태에서 전이 d가 점화되었기 때문에 p2에 missing token 이 발생하여 m=1, p=3, c=2로 증가한다(도 6(c)). 이후 로그 상 세 번째 전이인 c가 점화되면 지점 p1의 토큰이 소비되고, 지점 p2에 생산된다. 따라서 p=4, c=3 으로 각각 증가한다(도 7(d)). 로그 상 네 번째 전이인 e가 실행되면 마찬가지로 지점 p3의 토큰이 소비되고, 지점 p4에 토큰이 생산되어 p=5, c=4로 각각 증가한다(도 7(e)). 마지막으로 전이 h가 점화되면 지점 p4의 토큰이 소비되고, 지점 end 에 토큰이 생산되어 p = 6, c = 5로 변경되고, 프로세스가 종료되어 지점 end의 토큰이 사라지면 c = 6으로 증가한다. 이때 토큰이 최종 지점에서 사라질 때, 그 이전 지점인 p2에 토큰이 존재함으로 r=1로 증가한다(도 7(f)). 즉, 이벤트 로그 {a, d, c, e, h}를 토큰 재생한 결과 p=6, c=6, m=1, r=1을 기록하며 이벤트 로그 {a, d, c, e, h}가 모델에 100% 만족하지 않음을 도출할 수 있다.
상기와 같이 설명한 병렬 처리 및 토큰 재생을 이용하여 공정 이상을 판단한다. 이하, 구체적인 예를 이용하여 공정 이상을 판단하는 과정을 설명하도록 한다.
공정 현장에 설치된 자동인식을 사용하는 환경에서의 리더기와 센서를 통해 수집되는 객체에 대한 이벤트 필드에는 하기 표 1과 같이, 객체를 나타내는 ObjectID, 이벤트가 발생한 시간인 eventTime, 이벤트가 발생한 지점인 readPoint가 필수적으로 포함되어야 하며 이외에 작업장의 위치를 의미하는 siteName, 공정 환경 및 공정 설비 조건을 나타내는 temperature, pressure와 같은 센서 정보, 공정 작업자 정보인 worker 등이 부가적으로 포함될 수 있다.
| ObjectID | eventTime | readPoint | siteName | Temperature | Pressure | workers | ... | |
| ObjectID1 | 2015-05-01T10:00:00Z | RP-1 | Supplier1 | 24 | 12 | Wokrer1 | Worker2 | ... |
| ObjectID1 | 2015-05-01T10:00:01Z | RP-2 | Supplier1 | 24 | 15 | Wokrer5 | Worker6 | ... |
| ObjectID2 | 2015-05-01T10:00:01Z | RP-1 | Supplier1 | 19 | 21 | Wokrer1 | Worker2 | ... |
| ObjectID1 | 2015-05-01T10:00:02Z | RP-3 | Supplier1 | 27 | 20 | Wokrer9 | Worker10 | ... |
| ObjectID2 | 2015-05-01T10:00:02Z | RP-2 | Supplier1 | 26 | 22 | Wokrer5 | Worker6 | ... |
| ObjectID3 | 2015-05-01T10:00:02Z | RP-1 | Supplier1 | 19 | 23 | Wokrer1 | Worker2 | ... |
| ObjectID2 | 2015-05-01T10:00:03Z | RP-3 | Supplier1 | 24 | 19 | Wokrer9 | Worker10 | ... |
| ObjectID3 | 2015-05-01T10:00:03Z | RP-2 | Supplier1 | 25 | 23 | Wokrer5 | Worker6 | ... |
| ObjectID4 | 2015-05-01T10:00:03Z | RP-1 | Supplier1 | 26 | 18 | Wokrer1 | Worker2 | ... |
| ObjectID2 | 2015-05-01T10:00:04Z | RP-4 | Supplier1 | 21 | 21 | Wokrer11 | Worker12 | ... |
| ObjectID4 | 2015-05-01T10:00:04Z | RP-2 | Supplier1 | 24 | 12 | Wokrer5 | Worker6 | ... |
| ObjectID5 | 2015-05-01T10:00:04Z | RP-1 | Supplier1 | 27 | 16 | Wokrer1 | Worker2 | ... |
| ObjectID2 | 2015-05-01T10:00:05Z | RP-5 | Supplier1 | 24 | 27 | Wokrer13 | Worker14 | ... |
| ObjectID3 | 2015-05-01T10:00:05Z | RP-4 | Supplier1 | 19 | 20 | Wokrer11 | Worker12 | ... |
| ObjectID5 | 2015-05-01T10:00:05Z | RP-2 | Supplier1 | 29 | 17 | Wokrer5 | Worker6 | ... |
| ObjectID6 | 2015-05-01T10:00:05Z | RP-1 | Supplier1 | 22 | 18 | Wokrer1 | Worker2 | ... |
| ObjectID3 | 2015-05-01T10:00:06Z | RP-5 | Supplier1 | 27 | 23 | Wokrer13 | Worker14 | ... |
| ObjectID5 | 2015-05-01T10:00:06Z | RP-3 | Supplier1 | 24 | 14 | Wokrer9 | Worker10 | ... |
| ObjectID5 | 2015-05-01T10:00:07Z | RP-4 | Supplier1 | 26 | 19 | Wokrer11 | Worker12 | ... |
| ObjectID6 | 2015-05-01T10:00:07Z | RP-3 | Supplier1 | 21 | 19 | Wokrer9 | Worker10 | ... |
| ObjectID5 | 2015-05-01T10:00:08Z | RP-5 | Supplier1 | 25 | 20 | Wokrer13 | Worker14 | ... |
| ObjectID6 | 2015-05-01T10:00:09Z | RP-5 | Supplier1 | 28 | 20 | Wokrer13 | Worker14 | ... |
상기와 같은 이벤트 로그 파일들을 병렬 처리하기 위하여, 맵함수를 다음과 같이 설정할 수 있다.
map: file <ObjectID, (eventTime, readPoint, workers)>
맵 함수는 앞에서 설명한 이벤트 데이터가 저장된 파일을 한 줄씩 읽어서 필요한 필드만을 추출하여 키-값 쌍의 형태로 변환한다. 이상 현상을 탐지하기 위해 필요한 필드는 ObjectID와 eventTime, readPoint 이다. 그리고 이상 현상과 관련된 작업자를 파악하기 위해 workers도 맵을 통해 추출한다. 각 ObjectID 를 중심으로 필드들을 추출할 것이므로 ObjectID를 키로, 나머지 필드들을 값으로 키-값 쌍을 형성하여 반환한다. 반환되는 파일이 제 1 이벤트 로그 파일이다. 맵에 의한 결과 데이터의 예는 도 8과 같다. 키 값인 ObjectID에 대한 값 집합은 구분자 쉼표(,)를 사용하여 나열한다.
맵 함수에 의해 생성되는 제 1 이벤트 로그 파일에 대해 공정 이상을 판단하고, 리듀스 함수를 이용하여 공정 이상이 발생한 이벤트만을 도출한다. 리듀스 함수는 다음과 같이 설정할 수 있다.
reduce: (ObjectID, <eventTime, readPoint, workers>) → <(ObjectID, <(eventTime, readPoint, workers, type)>>
공정 이상을 판단하기 위한 과정은 도 9와 같다.
① ObjectID별로 수집된 이벤트들과 미리 정의된 프로세스 모델 간 토큰 재생을 실행한다.
② 토큰 재생 후 토큰이 미리 정의된 프로세스의 최종 지점(sink place)에 도달했는지를 판단한다.
③ 토큰이 최종 지점에 도달하지 않았다면 하면 분실/도난이 발생하지 않은 상황임으로 ObjectID를 키(k2)에, 토큰이 마지막으로 위치한 지점의 전방 전이에 해당하는 이벤트의 필드들(eventTime, readPoint, workers)을 값 집합(<v3>)에 추가한다. 이때 type에는 분실/도난을 할당한다.
④ m = 0 인지 판단한다.
⑤ m = 0 이면 missing 이 발생되지 않았고, 이는 분실/도난 또는 미인식 현상이 발생된 것이 아니므로 리듀스의 결과인 키(k2) - 값 집합(<v2>) 쌍에 추가할 것이 없다.
⑥ m = 0 이 아니면 missing 이 발생했고, 이는 미인식 현상이 발생된 것이기 때문에 해당 ObjectID와 키(k2) 에 missing이 발생된 지점의 전방 전이에 해당되는 이벤트 필드(eventTime, readPoint, workers)들을 값 집합(<v2>)에 추가한다. 이때 type에는 미인식을 할당한다.
리듀스의 결과 파일은 제 2 이벤트 로그 파일로 그림 10와 같은 형태일 수 있고, 공정 이상을 보이는 각 ObjectID에 대한 이벤트 필드들(eventTime, readPoint, workers)과 공정 이상 타입(type)을 출력하고 구분자로 쉼표(,)를 사용하여 나열한다.
도 10의 이벤트 로그 파일들에 대해 객체 별로 토큰 재생을 수행하면 도 11 및 12와 같다.
ObjectID1의 경우 토큰 재생이 끝나고 최종 지점 도달 여부가 ‘아니오’로 판단되므로, 토큰이 마지막으로 위치한 지점의 전방 전이에 해당하는 이벤트의 필드들인(2015-05-01T10:02:00Z, RP-3, worker9, worker10)을 값 집합에 추가한다. type에는 분실/도난을 할당한다(도 11(a)). ObjectID2의 경우 최종 지점 도달 여부는 ‘예’이고, m = 0이므로 해당 키 값과 이벤트를 추가하지 않는다(도 11(b)). ObjectID3의 경우 최종 지점 에 도달하였고 m = 1 이므로 미인식 현상이 발생된 것이다. 따라서, missing이 발생된 지점의 전방 전이에 해당되는 이벤트 필드인 (2015-05-01T10:03:00Z, RP-2, worker5, worker6)를 값 집합에 추가하고, type에는 미인식을 할당한다(도 11(c)). ObjectID4의 경우 최종 지점에 도달하지 않았으므로, 토큰이 마지막으로 위치한 지점의 전방 전이에 해당하는 이벤트의 필드들인(2015-05-01T10:04:00Z, RP-2, worker5, worker6)을 값 집합에 추가하고, type에는 분실/도난을 할당한다(도 12(d)). ObjectID5의 경우 최종 지점에 도달하였고, m = 0이므로 해당 키 값과 이벤트를 추가하지 않는다(도 12(e)). ObjectID6의 경우 최종 지점 에 도달하였고 m = 2 이므로 두 개의 장소에서 미인식 현상이 발생된 것이다. missing이 발생된 지점의 전방 전이에 해당되는 이벤트 필드인 (2015-05-01T10:05:00Z, RP-1, worker1, worker2), (2015-05-01T10:07:00Z, RP-3, worker9, worker10)들을 값 집합에 추가하고, type에는 모두 미인식을 할당한다(도 12(f)).
상기와 같은 과정을 통해 진단된 공정 이상 정보는 통신부(130)를 통해 서버 또는 공정 관리자에게 전달될 수 있다. 또는 표시부를 더 포함하여, 그 결과를 디스플레이할 수도 있다.
도 13은 본 발명의 일 실시예에 따른 공정 이상 현상을 진단하는 방법의 흐름도이고, 도 14는 본 발명의 다른 실시예에 따른 공정 이상 현상을 진단하는 방법의 흐름도이다. 도 13 및 14에 대한 상세한 설명은 도 1 내지 12에 대한 상세한 설명에 대응하는바, 이하 중복되는 설명은 생략하도록 한다.
1310 단계는 이벤트 로그 파일로부터 객체를 이벤트 키로 하고, 공정이상 판단에 필요한 이벤트 필드만을 도출하여 이벤트 값으로 하는 제 1 이벤트 로그 파일를 생성하는 단계이다.
보다 구체적으로, 공정 순서나 객체에 따른 순서가 아닌 이벤트 로그 파일을 병렬처리하기 위하여, 이벤트 로그 파일로부터 객체를 이벤트 키로 하고, 공정이상 판단에 필요한 이벤트 필드만을 도출하여 이벤트 값으로 하는 제 1 이벤트 로그 파일를 생성한다. 상기 제 1 이벤트 로그 파일에 포함되는 이벤트 필드는, 이벤트시간, 이벤트발생지점, 또는 작업자 중 하나 이상을 포함할 수 있다.
1320 단계는 상기 제 1 이벤트 로그 파일을 이용하여 각 객체 별로 공정 이상이 있는지를 판단하고, 판단결과에 따라 공정이상이 발생한 객체의 제 1 이벤트 로그 파일에 대해 공정 이상 이벤트 타입 값을 추가하여 제 2 이벤트 로그 파일을 생성하는 단계이다.
보다 구체적으로, 1310 단계에서 생성된 제 1 이벤트 로그 파일을 이용하여 각 객체 별로 공정 이상이 있는지를 판단하고, 판단결과에 따라 공정이상이 발생한 객체의 제 1 이벤트 로그 파일에 대해 공정 이상 이벤트 타입 값을 추가하여 제 2 이벤트 로그 파일을 생성한다. 상기 공정 이상 이벤트 타입 값은 분실/도난 또는 미인식을 나타내는 값 중 하나일 수 있다.
1320 단계는 구체적으로, 도 14의 1410 단계 내지 1440 단계에 의해 수행될 수 있다.
1410 단계에서 각 객체 별로 수집된 이벤트 로그 파일들을 이용하여 공정 모델에 토큰 재생을 수행하고, 1420 단계에서 상기 토큰 재생을 수행한 결과, 토큰이 공정의 최종 위치에 도달하였는지를 판단한다. 1430 단계에서 1420 단계의 판단 결과, 상기 토큰이 공정의 최종 위치에 도달하지 않은 경우 분실이 발생한 것으로 판단하여 제 2 이벤트 로그 파일을 생성하고, 상기 토큰이 고정의 최종 위치에 도달한 경우 점화될 수 없는 경우에도 점화된 토큰이 있는지 판단한다. 1440 단계에서 1430 단계의 판단 결과, 상기 점화될 수 없는 경우에도 점화된 토큰이 있는 경우 미인식이 발생한 것으로 판단하여 제 2 이벤트 로그 파일을 생성하고, 상기 점화될 수 없는 경우에도 점화된 토큰이 없는 경우 제 2 이벤트 로그 파일을 생성하지 않고 과정 수행을 종료한다. 상기 토큰은, 해당 공정이 수행되는 점화에 의해서 다음 공정으로 이동하며, 상기 점화될 수 없는 경우에도 점화된 토큰이 있는 경우, 상기 점화될 수 없는 경우에도 점화된 토큰이 위치한 위치 이전의 공정에 해당하는 제 1 이벤트 로그 파일에 공정 이상 이벤트 타입 값을 추가하여 제 2 이벤트 로그 파일을 생성한다.
본 발명의 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
Claims (12)
- 공정 이상 현상을 진단하는 장치가 공정 이상 현상을 진단하는 방법에 있어서,
이벤트 로그 파일로부터 객체를 이벤트 키로 하고, 공정이상 판단에 필요한 이벤트 필드만을 도출하여 이벤트 값으로 하는 제 1 이벤트 로그 파일를 생성하는 단계; 및
상기 제 1 이벤트 로그 파일을 이용하여 각 객체 별로 공정 이상이 있는지를 판단하고, 판단결과에 따라 공정이상이 발생한 객체의 제 1 이벤트 로그 파일에 대해 공정 이상 이벤트 타입 값을 추가하여 제 2 이벤트 로그 파일을 생성하는 단계를 포함하고,
맵리듀스(Map-Reduce)의 맵 함수를 이용하여 상기 제 1 이벤트 로그 파일을 생성하고, 상기 맵리듀스의 리듀스 함수를 이용하여 상기 제 2 이벤트 로그 파일을 생성함으로써, 상기 이벤트 로그 파일들에 대한 병렬처리를 수행하며,
상기 제 2 이벤트 로그 파일을 생성하는 단계는,
공정 이상을 판단하기 위한 공정에 대한 공정 모델에서 각 객체별로 수집된 이벤트 로그 파일에 따라 토큰(token) 재생을 수행하되, 양분형 유향 그래프로 표시되어 두 가지 형태의 노드 지점(place), 전이(transition) 및 아크(arc)로 구성되는 페트리넷을 이용하여 토큰이 위치한 지점에 의해 공정의 현재 상태 및 변화를 나타내는 것을 특징으로 하는 방법. - 제 1 항에 있어서,
상기 제 1 이벤트 로그 파일에 포함되는 이벤트 필드는,
이벤트시간, 이벤트발생지점, 또는 작업자 중 하나 이상을 포함하는 것을 특징으로 하는 방법. - 제 1 항에 있어서,
상기 공정 이상 이벤트 타입 값은,
분실/도난 또는 미인식을 나타내는 값 중 하나인 것을 특징으로 하는 방법. - 제 1 항에 있어서,
상기 제 2 이벤트 로그 파일을 생성하는 단계는,
각 객체 별로 수집된 이벤트 로그 파일들을 이용하여 공정 모델에 토큰 재생을 수행하는 단계;
상기 토큰 재생을 수행한 결과, 토큰이 공정의 최종 위치에 도달하였는지를 판단하는 단계;
상기 토큰이 공정의 최종 위치에 도달하지 않은 경우 분실이 발생한 것으로 판단하여 제 2 이벤트 로그 파일을 생성하고, 상기 토큰이 고정의 최종 위치에 도달한 경우 점화될 수 없는 경우에도 점화된 토큰이 있는지 판단하는 단계; 및
상기 점화될 수 없는 경우에도 점화된 토큰이 있는 경우 미인식이 발생한 것으로 판단하여 제 2 이벤트 로그 파일을 생성하고, 상기 점화될 수 없는 경우에도 점화된 토큰이 없는 경우 제 2 이벤트 로그 파일을 생성하지 않는 단계를 포함하는 것을 특징으로 하는 방법. - 제 4 항에 있어서,
상기 토큰은,
해당 공정이 수행되는 점화에 의해서 다음 공정으로 이동하는 것을 특징으로 하는 방법. - 제 4 항에 있어서,
상기 점화될 수 없는 경우에도 점화된 토큰이 있는 경우,
상기 점화될 수 없는 경우에도 점화된 토큰이 위치한 위치 이전의 공정에 해당하는 제 1 이벤트 로그 파일에 공정 이상 이벤트 타입 값을 추가하여 제 2 이벤트 로그 파일을 생성하는 것을 특징으로 하는 방법. - 제 1 항 내지 제 6 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
- 공정 이상 현상을 진단하는 장치에 있어서,
이벤트 로그 파일을 저장하는 저장부; 및
상기 저장된 이벤트 로그 파일을 독출하여, 이벤트 로그 파일로부터 객체를 이벤트 키로 하고, 공정이상 판단에 필요한 이벤트 필드만을 도출하여 이벤트 값으로 하는 제 1 이벤트 로그 파일을 생성하며, 상기 제 1 이벤트 로그 파일을 이용하여 각 객체 별로 공정 이상이 있는지를 판단하고, 판단결과에 따라 공정이상이 발생한 객체의 제 1 이벤트 로그 파일에 대해 공정 이상 이벤트 타입 값을 추가하여 제 2 이벤트 로그 파일을 생성하고,
맵리듀스(Map-Reduce)의 맵 함수를 이용하여 상기 제 1 이벤트 로그 파일을 생성하고, 상기 맵리듀스의 리듀스 함수를 이용하여 상기 제 2 이벤트 로그 파일을 생성함으로써, 상기 이벤트 로그 파일들에 대한 병렬처리를 수행하는 것을 특징으로 하는 처리부를 포함하며,
상기 처리부는,
공정 이상을 판단하기 위한 공정에 대한 공정 모델에서 각 객체별로 수집된 이벤트 로그 파일에 따라 토큰(token) 재생을 수행하되, 양분형 유향 그래프로 표시되어 두 가지 형태의 노드 지점(place), 전이(transition) 및 아크(arc)로 구성되는 페트리넷을 이용하여 토큰이 위치한 지점에 의해 공정의 현재 상태 및 변화를 나타냄으로써, 상기 제 2 이벤트 로그 파일을 생성하는 것을 특징으로 하는 장치. - 제 8 항에 있어서,
상기 제 1 이벤트 로그 파일에 포함되는 이벤트 필드는,
이벤트시간, 이벤트발생지점, 또는 작업자 중 하나 이상을 포함하는 것을 특징으로 하는 장치. - 제 8 항에 있어서,
상기 공정 이상 이벤트 타입 값은,
분실/도난 또는 미인식을 나타내는 값 중 하나인 것을 특징으로 하는 장치. - 제 8 항에 있어서,
상기 처리부는,
각 객체 별로 수집된 이벤트 로그 파일들을 이용하여 공정 모델에 토큰 재생을 수행하고, 상기 토큰 재생을 수행한 결과 토큰이 공정의 최종 위치에 도달하였는지 및 점화될 수 없는 경우에도 점화된 토큰이 있는지를 판단하여, 각 객체 별로 공정 이상이 있는지를 판단하는 것을 특징으로 하는 장치. - 제 11 항에 있어서,
상기 처리부는,
상기 점화될 수 없는 경우에도 점화된 토큰이 있는 경우,
상기 점화될 수 없는 경우에도 점화된 토큰이 위치한 위치 이전의 공정에 해당하는 제 1 이벤트 로그 파일에 공정 이상 이벤트 타입 값을 추가하여 제 2 이벤트 로그 파일을 생성하는 것을 특징으로 하는 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160035017A KR101985871B1 (ko) | 2016-03-24 | 2016-03-24 | 병렬 처리 기법을 이용한 사물인터넷 데이터 기반 프로세스 이상 현상 진단 방법 및 그 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160035017A KR101985871B1 (ko) | 2016-03-24 | 2016-03-24 | 병렬 처리 기법을 이용한 사물인터넷 데이터 기반 프로세스 이상 현상 진단 방법 및 그 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20170110796A KR20170110796A (ko) | 2017-10-12 |
| KR101985871B1 true KR101985871B1 (ko) | 2019-06-04 |
Family
ID=60140246
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160035017A KR101985871B1 (ko) | 2016-03-24 | 2016-03-24 | 병렬 처리 기법을 이용한 사물인터넷 데이터 기반 프로세스 이상 현상 진단 방법 및 그 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101985871B1 (ko) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102050230B1 (ko) * | 2018-06-29 | 2019-11-29 | 순천향대학교 산학협력단 | 페트리 넷 모델링을 이용한 산업용 사물 인터넷 시스템에 구비되는 드론의 검증방법 |
| KR102013337B1 (ko) | 2018-09-17 | 2019-10-21 | 한국과학기술연구원 | 견고히 밀봉된 3차원 리피드 구조물의 제조방법 및 이에 따른 견고히 밀봉된 3차원 리피드 구조물 |
| KR102222657B1 (ko) * | 2019-11-21 | 2021-03-04 | 주식회사 아이오코드 | 분산 병렬로 타임드 컬러드 페트리 넷 시뮬레이션 모델을 처리하는 방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010072937A (ja) | 2008-09-18 | 2010-04-02 | Fanuc Ltd | 異常終了判断手段を備えた情報処理装置 |
| JP2015032269A (ja) | 2013-08-06 | 2015-02-16 | 株式会社島津製作所 | 分析装置システム用ログデータ収集システム |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7032816B2 (en) * | 2001-12-28 | 2006-04-25 | Kimberly-Clark Worldwide, Inc. | Communication between machines and feed-forward control in event-based product manufacturing |
| US8572050B2 (en) * | 2009-12-01 | 2013-10-29 | International Business Machines Corporation | Method and system for real time system log integrity protection |
| KR20150056258A (ko) * | 2013-11-15 | 2015-05-26 | (주)가이온 | 생산성을 향상시킬 수 있는 정형 및 비정형의 빅데이터 엔진 및 처리 방법 |
-
2016
- 2016-03-24 KR KR1020160035017A patent/KR101985871B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010072937A (ja) | 2008-09-18 | 2010-04-02 | Fanuc Ltd | 異常終了判断手段を備えた情報処理装置 |
| JP2015032269A (ja) | 2013-08-06 | 2015-02-16 | 株式会社島津製作所 | 分析装置システム用ログデータ収集システム |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20170110796A (ko) | 2017-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6993456B2 (en) | Mechanical-electrical template based method and apparatus | |
| KR100971009B1 (ko) | 제품 재생 관리 시스템 | |
| CN106062719A (zh) | 根据使用数据的结构化日志模式的服务度量分析 | |
| KR101985871B1 (ko) | 병렬 처리 기법을 이용한 사물인터넷 데이터 기반 프로세스 이상 현상 진단 방법 및 그 장치 | |
| CN108985471B (zh) | 基于3d轻量化模型的航空器管理系统 | |
| JP5942481B2 (ja) | 運用作業管理システム、方法、及びプログラム | |
| US6535775B1 (en) | Processor system and method for integrating computerized quality design tools | |
| Dreyer et al. | Towards a smart services enabling information architecture for installed base management in manufacturing | |
| CN110910193B (zh) | 一种基于rpa技术的订单信息录入方法及其装置 | |
| Putman et al. | Virtual fusion: a hybrid environment for improved commissioning in manufacturing systems | |
| US20180336477A1 (en) | Information processing apparatus and non-transitory computer readable medium | |
| CN104539449A (zh) | 一种故障信息处理方法与相关装置 | |
| CN107016028B (zh) | 数据处理方法及其设备 | |
| CN104065510A (zh) | 一种基于PetriNet的系统运维监控方法及系统 | |
| Kropp et al. | An approach to data driven process discovery in the cost estimation process of a construction company | |
| Moscato et al. | The software architecture of the OsMoSys multisolution framework | |
| Ahmed et al. | A conceptual framework for cyber-physical system in connected RSW weldability certification | |
| KR102453904B1 (ko) | 성과물간 연동된 엔지니어링 성과물 자동 생성 장치 및 방법 | |
| Prescott et al. | Automatic weld path definition in CAD | |
| CN109685453B (zh) | 智能识别工作流有效路径的方法 | |
| Reed et al. | Service support system modelling language for simulation-driven development of functional products | |
| JP2008117029A (ja) | 運用作業手順作成時の不正手順チェックアウト方法、障害発生防止のためのコマンド生成方法、および自動実行コマンド生成システム、ならびにそのプログラム | |
| KR102263772B1 (ko) | 프로세스 마이닝을 응용한 블록 물류 프로세스 군집화 방법 및 장치 | |
| Wang et al. | Analyzing inaccurate artifact usages in a workflow schema | |
| CN116028034A (zh) | 一种大数据预处理方法、系统、存储介质和终端 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |