KR102020247B1 - 플랜트 이상 예측 장치 및 방법 - Google Patents
플랜트 이상 예측 장치 및 방법 Download PDFInfo
- Publication number
- KR102020247B1 KR102020247B1 KR1020180014857A KR20180014857A KR102020247B1 KR 102020247 B1 KR102020247 B1 KR 102020247B1 KR 1020180014857 A KR1020180014857 A KR 1020180014857A KR 20180014857 A KR20180014857 A KR 20180014857A KR 102020247 B1 KR102020247 B1 KR 102020247B1
- Authority
- KR
- South Korea
- Prior art keywords
- tag
- tags
- correlation coefficient
- independent
- extracting
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Databases & Information Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Automation & Control Theory (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
플랜트의 이상여부를 예측하는 장치에 관헌 것으로, 이상 여부 판단의 대상에 대한 이해도가 낮은 상태에서 모델링을 하더라도 정확한 예측이 가능하도록 하는 플랜트 이상 예측 장치에 관한 것이다.
제안된 발명이 해결하고자 하는 하나의 과제는, 시스템에 대한 파악이 부족한 사람이 예측 모델을 설계하는 경우에도 정확한 예측이 가능하도록 플랜트 이상 예측 장치를 구현하는 것이다.
플랜트 이상 예측 장치는 복수의 태그 중 두개의 태그에 대한 상관 계수를 산출하는 상관계수 산출부; 상기 상관계수를 기준치와 비교하여, 각 태그별로 관련태그를 결정하는 관련태그 결정부; 및 상기 관련태그를 기초로 상기 복수의 태그 중 하나 이상을 독립 태그로 결정하는 독립태그 결정부;를 포함한다.
제안된 발명이 해결하고자 하는 하나의 과제는, 시스템에 대한 파악이 부족한 사람이 예측 모델을 설계하는 경우에도 정확한 예측이 가능하도록 플랜트 이상 예측 장치를 구현하는 것이다.
플랜트 이상 예측 장치는 복수의 태그 중 두개의 태그에 대한 상관 계수를 산출하는 상관계수 산출부; 상기 상관계수를 기준치와 비교하여, 각 태그별로 관련태그를 결정하는 관련태그 결정부; 및 상기 관련태그를 기초로 상기 복수의 태그 중 하나 이상을 독립 태그로 결정하는 독립태그 결정부;를 포함한다.
Description
플랜트의 이상여부를 예측하는 장치에 관헌 것으로, 이상 여부 판단의 대상에 대한 이해도가 낮은 상태에서 모델링을 하더라도 정확한 예측이 가능하도록 하는 플랜트 이상 예측 장치에 관한 것이다.
시스템의 이상 여부를 확실하게 판단하기 위해서는 정밀한 예측 모델을 설계하여야 한다. 또한, 상기 모델의 입력 태그와 출력 태그가 적절하지 않게 설계되면 부정확한 모델이 구축될 우려가 있다. 종래에는 인과관계가 없는 태그들이 하나의 모델을 구성하여 정밀하고 세밀하게 이상 여부를 예측하지 못하였다. 또한, 종래에는 복수의 입력 태그 중 시간에 따른 수치의 추이가 근사한 입력 태그들이 입력으로 설정되어 부정확한 예측 결과를 재래하였다.
이러한 문제점을 해결하기 위해 상관 분석을 통해 태그 들간의 상관 관계를 분석하고 클러스터링 작업을 통해 각 태그 별로 상관관계가 매우 높은 태그를 제외하도록 그룹을 생성하고, 상기 그룹을 기초로 독립 태그를 결정할 필요가 있다.
또한 태그 별로 독립 태그인지 여부에 따라 상이한 알고리즘을 통해 예측을 수행할 필요가 있다.
제안된 발명이 해결하고자 하는 하나의 과제는, 시스템에 대한 파악이 부족한 사람이 예측 모델을 설계하는 경우에도 정확한 예측이 가능하도록 플랜트 이상 예측 장치를 구현하는 것이다.
제안된 발명이 해결하고자 하는 하나의 과제는 상관 분석을 통해 태그 들간의 상관 관계를 분석하고 클러스터링 작업을 통해 각 태그 별로 상관관계가 매우 높은 태그를 제외하도록 그룹을 생성하고, 상기 그룹을 기초로 독립 태그를 결정하는 것이다.
제안된 발명이 해결하고자 하는 하나의 과제는 태그 별로 독립 태그인지 여부에 따라 상이한 알고리즘을 통해 예측을 수행하는 것이다.
한편, 본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 기술적 과제가 포함될 수 있다.
플랜트 이상 예측 장치는 복수의 태그 중 두개의 태그에 대한 상관 계수를 산출하는 상관계수 산출부; 상기 상관계수를 기준치와 비교하여, 각 태그별로 관련태그를 결정하는 관련태그 결정부; 및 상기 관련태그를 기초로 상기 복수의 태그 중 하나 이상을 독립 태그로 결정하는 독립태그 결정부;를 포함한다.
상기 관련태그 결정부는, 각 태그별로 상관계수의 절대값이 제 1 하한치 이상이고 제 1 상한치 미만인 태그인 1차 태그를 추출하는 1차 태그 추출부;를 더 포함한다.
상기 관련태그 결정부는, 각 태그별로 상관계수의 절대값이 제 2 하한치 이상이고 제 2 상한치 미만인 태그인 2차 태그를 추출하는 2차 태그 추출부;를 더 포함한다.
상기 제 1 하한치는, 상기 제 2 하한치 미만인 것을 특징으로 한다.
상기 제 1 상한치는, 상기 제 2 상한치와 동일한 것을 특징으로 한다.
상기 관련태그 결정부는, 각 태그별로 추출된 1차 태그에서 일부 태그를 제거하되, 상기 일부 태그는 상기 2차 태그 중 적어도 하나의 태그인, 태그 제거부;를 더 포함한다.
상기 태그 제거부는, 상기 2차 태그가 복수이며 하나 이상의 그룹으로 분류되는 경우, 상기 일부 태그는 상기 그룹별로 적어도 하나의 2차 태그를 포함하는 것을 특징으로 한다.
상기 관련태그 결정부는 각 태그별로 추출된 1차 태그에서 일부 태그를 제거한 관련태그를 결정하고, 상기 관련태그의 개수를 특정하는 관련태그 개수 특정부;를 더 포함한다.
상기 독립태그 결정부는, 전체태그 대비 특정 태그의 관련태그 개수가 특정 퍼센트 미만이면, 상기 특정 태그를 독립 태그로 결정한다.
상기 독립태그 결정부는, 전체태그 대비 특정 태그의 관련태그 개수가 특정 퍼센트 이상이면, 상기 특정 태그를 종속 태그로 결정한다.
제안된 발명은 시스템에 대한 파악이 부족한 사람이 예측 모델을 설계하는 경우에도 정확한 예측이 가능하도록 플랜트 이상 예측 장치를 구현하는 것이다.
제안된 발명은 상관 분석을 통해 태그 들간의 상관 관계를 분석하고 클러스터링 작업을 통해 각 태그 별로 상관관계가 매우 높은 태그를 제외하도록 그룹을 생성하고, 상기 그룹을 기초로 독립 태그를 결정하는 것이다.
제안된 발명은 태그 별로 독립 태그인지 여부에 따라 상이한 알고리즘을 통해 예측을 수행하는 것이다.
본 발명의 효과는 이상에서 언급한 효과들로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 효과들이 포함될 수 있다.
도 1은 일 실시예에 따른 플랜트 이상 예측 장치의 구성을 도시한다.
도 2는 일 실시예에 따른 관련태그 결정부가 포함하는 세부구성을 도시한다.
도 3은 상관계수 산출부가 10개의 태그에 대하여 산출한 상관계수가 삽입된 표이다.
도 4는 일 실시예에 따른 플랜트 이상 예측 방법의 흐름도를 도시한다.
도 5는 일 실시예에 따른 관련태그 결정 단계의 세부 흐름도를 도시한다.
도 2는 일 실시예에 따른 관련태그 결정부가 포함하는 세부구성을 도시한다.
도 3은 상관계수 산출부가 10개의 태그에 대하여 산출한 상관계수가 삽입된 표이다.
도 4는 일 실시예에 따른 플랜트 이상 예측 방법의 흐름도를 도시한다.
도 5는 일 실시예에 따른 관련태그 결정 단계의 세부 흐름도를 도시한다.
전술한, 그리고 추가적인 양상들은 첨부된 도면을 참조하여 설명하는 실시예들을 통해 구체화된다. 각 실시예들의 구성 요소들은 다른 언급이나 상호간에 모순이 없는 한 실시예 내에서 다양한 조합이 가능한 것으로 이해된다. 나아가 제안된 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
도면에서 제안된 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. 그리고, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
또한, 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 나아가, 명세서 전체에서 신호는 전압이나 전류 등의 전기량을 의미한다.
명세서에서 기술한 부란, "하드웨어 또는 소프트웨어의 시스템을 변경이나 플러그인 가능하도록 구성한 블록"을 의미하는 것으로서, 즉 하드웨어나 소프트웨어에 있어 특정 기능을 수행하는 하나의 단위 또는 블록을 의미한다.
도 1은 일 실시예에 따른 플랜트 이상 예측 장치의 구성을 도시한다.
플랜트 이상 예측 장치는 복수의 태그 중 두개의 태그에 대한 상관 계수를 산출하는 상관계수 산출부(100); 상기 상관계수를 기준치와 비교하여, 각 태그별로 관련태그를 결정하는 관련태그 결정부(200); 및 상기 관련태그를 기초로 상기 복수의 태그 중 하나 이상을 독립 태그로 결정하는 독립태그 결정부(300);를 포함한다.
상관계수 산출부(100)는 복수의 태그 중 두개의 태그에 대한 상관 계수를 산출한다. 여기서, 태그는 플랜트 이상 예측 장치의 입력으로 이상 진단 대상에 영향을 주는 요소이다. 도 1을 참조하면, 상기 태그는 상관계수 산출부(100)의 입력으로 이상 진단 대상과 인과관계가 있는 성분이다. 태그는 이상 진단 대상과 인과 관계 있는 모든 성분을 포함한다. 이상 진단 대상은 정검의 대상으로 전술한 태그도 이상 진단 대상이 될 수 있다. 즉, 플랜트 운영에 수반되어 물리량을 가지는 것이 태그이고, 태그는 서로 영향을 주는 관계에 있다.
구체적인 예를 들어 이상 진단 대상이 모터의 RPM(Revolution Per Minute)인 경우, 모터의 입력 전류 또는 전압이 태그일 수 있다. 또한, 펌프의 출구 온도가 이상 진단 대상인 경우, 펌프의 입구 온도는 태그일 수 있다.
상기 상관 계수 산출부는 수식1을 근간으로 상관 계수를 산출한다.
수식1
상관 계수 산출부는 표본의 개수가 n인 태그 x, y에 대하여 상기 수식 1을 통해 상관 계수 r을 산출한다.
n은 표본의 개수 x, y는 태그, 
는 x에 대한 표본 평균, 
는 y에 대한 표본 평균, r은 상관계수이다. xi는 i번째의 x값이고 yi는 i번째의 y값이다.
x와 y는 동일한 태그 일 수도 있고 서로 상이한 태그일 수도 있다. 상관계수 산출부(100)는 전술한 수식1에 기반하여 두개의 태그에 대한 상관 계수를 산출하되, 모든 태그에 대하여 상관 계수를 산출한다. 상기 상관 계수는 -1에서 1사이의 값일 수 있다.
관련태그 결정부(200)는 상기 상관계수를 기준치와 비교하여, 각 태그별로 관련태그를 결정한다. 즉, 관련태그 결정부(200)는 각 태그별로 산출된 상관계수에 기초하여 관련태그를 결정하며, 상기 관련태그는 없거나 하나 이상일 수 있다. 관련태그 결정부(200)가 관련태그를 결정하는 상세한 내용은 후술한다.
독립태그 결정부(300)는 상기 관련태그를 기초로 상기 복수의 태그 중 하나 이상을 독립 태그로 결정한다. 독립태그 결정부(300)에 대한 상세한 설명은 후술한다.
도 2는 일 실시예에 따른 관련태그 결정부(200)가 포함하는 세부구성을 도시한다.
상기 관련태그 결정부(200)는, 각 태그별로 상관계수의 절대값이 제 1 하한치 이상이고 제 1 상한치 미만인 태그인 1차 태그를 추출하는 1차 태그 추출부(210);를 더 포함한다. 상기 제 1 하한치는 예를 들어 0.7이상일 수 있고, 자세하게는 0.8일 수 있다. 상기 제 1 상한치는 예를 들어 1 이하일 수 있고, 자세하게는 1일 수 있다.
즉, 상기 1차 태그 추출부(210)는 산출된 상관계수를 기초로 1차 필터링을 한다. 1차 필터링은 1차 태그 추출부(210)가 각 태그 별로 어느정도 상관관계가 있는 태그들을 추출하는 것이다.
1차 태그 추출부(210)가 각 태그별로 추출한 상관계수의 절대값이 제 1 하한치 이상이고 제 1 상한치 미만인 태그인 1차 태그는 아래와 같다.
태그 1 : 2, 3, 4, 6, 10
태그 2 : 1, 3, 4, 6, 8, 10
태그 3 : 1, 2, 4, 6, 10
태그 4 : 1, 2, 3, 5, 6, 10
태그 5 : 4, 6, 8, 10
태그 6 : 1, 2, 3, 4, 5, 8, 10
태그 7 : 10
태그 8 : 2, 5, 6, 10
태그 9 :
태그 10 : 1, 2, 3, 4, 5, 6, 7, 8
각 태그 별로 우측에 기재된 숫자는 각 태그 별 1차 태그를 특정한다. 예를 들어, 태그 1에 대한 1차 태그는 태그 2, 3, 4, 6, 10이고, 태그 9에 대한 1차 태그는 없다.
상기 관련태그 결정부(200)는, 각 태그별로 상관계수의 절대값이 제 2 하한치 이상이고 제 2 상한치 미만인 태그인 2차 태그를 추출하는 2차 태그 추출부(220);를 더 포함할 수 있다. 제 2 하한치는 예를 들어 0.8이상일 수 있고, 자세하게는 0.999일 수 있다. 제 2 상한치는 예를 들어 1 이하일 수 있고, 자세하게는 1 일 수 있다.
상기 제 1 하한치는, 상기 제 2 하한치 미만인 것을 특징으로 한다. 그리고, 상기 제 1 상한치는, 상기 제 2 상한치와 동일한 것을 특징으로 한다. 즉, 상기 2차 태그 추출부(220)는 1차 태그 추출부(210)에 비하여 태그 별로 상관 관계가 더 높은 태그들을 추출한다.
2차 태그 추출부(220)가 각 태그별로 추출한 상관계수의 절대값이 제 2 하한치 이상이고 제 2 상한치 미만인 태그인 2차 태그는 아래와 같다.
태그 1 : 2, 4
태그 2 : 1, 4
태그 4 : 1, 2
태그 6 : 10
태그 10 : 6
각 태그 별로 우측에 기재된 숫자는 각 태그 별 2차 태그를 특정한다. 예를 들어, 태그 1에 대한 2차 태그는 태그 2, 4이고, 태그 6에 대한 2차 태그는 태그 10이다. 상기 각 태그별로 추출된 2차 태그를 참조하면, 2차 태그들은 하나 이상의 그룹을 분류됨을 확인할 수 있다.
상기 예에서, 어느 하나의 2차 태그 그룹은 태그 1, 2, 4이고, 다른 하나의 2차 태그 그룹은 태그 6, 10이다.
상기 관련태그 결정부(200)는, 각 태그별로 추출된 1차 태그에서 일부 태그를 제거하되, 상기 일부 태그는 상기 2차 태그 중 적어도 하나의 태그인, 태그 제거부(230);를 더 포함한다. 태그 제거부(230)가 추출된 1차 태그에서 2차 태그 중 적어도 하나의 태그를 제거한다는 것은 상관 관계가 어느 정도 있는 1차 태그에서 상관도가 아주 높은 2차 태그를 제거한다는 것이다.
상기 태그 제거부(230)는, 상기 2차 태그가 복수이며 하나 이상의 그룹으로 분류되는 경우, 상기 일부 태그는 상기 그룹별로 적어도 하나의 2차 태그를 포함하는 것을 특징으로 한다.
상기 태그 제거부(230)가 각 태그별로 추출된 1차 태그에서 일부 태그를 제거한 결과가 아래와 같다.
태그 1: 3, 6
태그 2: 3, 6, 8
태그 3: 1, 6
태그 4: 1, 3, 5, 6
태그 5: 4, 6, 8
태그 6: 1, 3, 5, 8
태그 7: 10
태그 8: 2, 5, 6
태그 9:
태그 10 : 1, 3, 5, 7, 8
태그 1에 대해 살펴보면, 태그 1의 1차 태그인 태그 2, 3, 4, 6, 10 중 태그 2, 4, 10이 제거됐음을 확인할 수 있다. 상기 예에서, 어느 하나의 2차 태그 그룹은 태그 1, 2, 4이고, 다른 하나의 2차 태그 그룹은 태그 6, 10임은 전술하였다. 즉, 태그 1에 대한 1차 태그에서 어느 하나의 2차 태그 그룹인 태그 1, 2, 4에서 자신을 제외한 태그 2, 4를 모두 제거하였음을 확인할 수 있다. 또한, 태그 1에 대한 1차 태그에서 다른 하나의 2차 태그 그룹인 태그 6, 10 중에서는 어느 하나의 태그인 태그 10을 제거하였음을 확인할 수 있다.
상기 태그 제거부(230)는, 상기 2차 태그가 복수이며 하나 이상의 그룹으로 분류되는 경우, 상기 일부 태그는 상기 그룹별로 적어도 하나의 2차 태그를 포함하는 것을 특징으로 하되, 상기 일부 태그는 각 태그 별로 자신이 포함된 2차 태그 그룹에서는 자신을 제외한 나머지 태그만을 포함할 수 있다.
또한 상기 일부 태그는 각 태그 별로 자신이 포함되지 않은 2차 태그 그룹의 태그 중 순번이 낮은 태그를 포함할 수 있다. 이에 한정되는 것은 아니고, 상기 일부 태그는 각 태그 별로 자신이 포함되지 않은 2차 태그 그룹의 태그 중 순번이 높은 태그를 포함할 수 있다. 여기서 순번이 높은 태그는 전술한 예에서 숫자가 더 큰 태그이고, 순번이 낮은 태그는 숫자가 더 작은 태그이다.
상기 관련태그 결정부(200)가 결정하는 관련태그는 결국 각 태그별로 추출된 1차 태그에서 일부 태그를 제거된 태그들이다. 이때 1차 태그 자체가 없는 태그는 관련 태그가 없다. 전술한 예에서 태그 9는 1차 태그, 2차 태그, 관련태그 모두 존재하지 않는다. 관련 태그가 없는 태그에 대하여, 상기 관련태그 결정부(200)는 상기 2차 태그가 복수이며 하나 이상의 그룹으로 분류되는 경우, 상기 그룹별로 적어도 하나의 태그를 제외한 나머지 태그를 관련 태그로 결정한다.
전술한 예에서, 태그 9의 관련 태그가 존재 하지 않는다. 이 경우, 관련태그 결정부(200)는 2차 태그 그룹별로 적어도 하나의 태그를 제외하여 태그 1, 3, 5, 6, 7, 8을 태그 9의 관련태그로 결정할 수 있다.
전술한 예에서, 최종적으로 결정된 태그별 관련 태그는 아래와 같다.
태그 1: 3, 6
태그 2: 3, 6, 8
태그 3: 1, 6
태그 4: 1, 3, 5, 6
태그 5: 4, 6, 8
태그 6: 1, 3, 5, 8
태그 7: 10
태그 8: 2, 5, 6
태그 9: 1, 3, 5, 6, 7, 8
태그 10 : 1, 3, 5, 7, 8
상기 관련태그 결정부(200)는 각 태그별로 추출된 1차 태그에서 일부 태그를 제거한 관련태그를 결정하고, 상기 관련태그의 개수를 특정하는 관련태그 개수 특정부(240);를 더 포함한다.
상기 관련태그 개수 특정부(240)가 태그 별로 특정한 관련 태그 개수는 아래와 같다.
태그 1 (2개) : 3, 6
태그 2 (3개) : 3, 6, 8
태그 3 (2개) : 1, 6
태그 4 (4개) : 1, 3, 5, 6
태그 5 (3개) : 4, 6, 8
태그 6 (4개) : 1, 3, 5, 8
태그 7 (1개) : 10
태그 8 (3개) : 2, 5, 6
태그 9 (6개) : 1, 3, 5, 6, 7, 8
태그 10 (5개) : 1, 3, 5, 7, 8
상기 관련태그 결정부(200)는 각 태그별로 추출된 1차 태그에서 일부 태그를 제거한 관련태그를 결정하고, 상기 관련태그의 개수를 특정하는 관련태그 개수 특정부(240);를 더 포함한다.
독립태그 결정부(300)는 상기 관련태그를 기초로 상기 복수의 태그 중 하나 이상을 독립 태그로 결정한다. 자세하게는, 상기 독립태그 결정부(300)는, 전체태그 대비 특정 태그의 관련태그 개수가 특정 퍼센트 미만이면, 상기 특정 태그를 독립 태그로 결정한다. 그리고, 상기 독립태그 결정부(300)는, 전체태그 대비 특정 태그의 관련태그 개수가 특정 퍼센트 이상이면, 상기 특정 태그를 종속 태그로 결정한다.
독립태그 결정부(300)가 각 태그별로 결정한 태그 유형은 아래와 같다.
태그 1: 종속
태그 2: 종속
태그 3: 종속
태그 4: 종속
태그 5: 종속
태그 6: 종속
태그 7: 독립
태그 8: 종속
태그 9: 독립
태그 9: 종속
독립태그 결정부(300)는 전체태그 대비 특정 태그의 관련태그 개수가 특정 퍼센트 미만이면, 상기 특정 태그를 독립 태그로 결정하는데, 상기 특정 퍼센트는 예를 들어 20퍼센트일 수 있다. 전술한 예에서 태그 개수는 10개이므로 특정 퍼센트가 20퍼센트인 경우 관련태그 개수가 2개 미만인 경우 독립태그로 결정될 수 있다.
전술한 예에서 관련태그가 2개 미만인 태그 7은 독립태그이고, 관련태그가 2개 이상인 태그 1, 2, 3, 4, 5, 6, 8, 10은 종속태그이다.
다만 여기서, 태그 9는 관련태그가 2개 이상임에도 독립태그일 수 있다. 하지만, 태그 9는 1차 태그가 없는 태그이기 때문에 독립 태그로 결정될 수 있다. 즉, 1차 태그 추출부(210)가 추출한 1차 태그가 없는 태그의 경우, 상기 독립태그 결정부(300)는 상기 1차 태그가 없는 태그를 독립 태그로 결정한다.
결국, 플랜트 이상 예측 장치는 태그 별로 관련 태그를 결정하고, 태그 별로 독립 태그 또는 종속 태그인지 여부를 결정한다. 여기서 어느 하나의 태그에 대한 관련태그는 상기 어느 하나의 태그를 예측하기 위한 입력 태그이다. 이때, 플랜트 이상 예측 장치는 독립 태그로 결정된 태그에 대해서는 관련태그를 입력으로, k-NN 기반 예측을 수행한다. 또한, 플랜트 이상 예측 장치는 종속 태그로 결정된 태그에 대해서는 관련태그를 입력으로, k-NN 기반 예측, MLRM 기반 예측 또는 앙상블 기반 예측을 수행한다. 플랜트 시스템에 대한 이해가 없는 작업자는 특정 태그의 이상을 진단하기 위해 상기 특정 태그의 이상 예측에 도움이 되지 않은 태그를 입력으로 설정할 수 있다. 이상 예측의 대상이 되는 태그와 관련 없는 태그들이 입력되더라도, 전술한 과정에 따라 플랜트 이상 예측 장치는 태그별로 상기 태그의 이상 예측에 도움이 되는 관련 태그를 추출하기 때문에, 관련 없는 태그들은 자연스레 관련 태그에서 배제된다.
즉, 플랜트 이상 예측 장치에 따르면 태그들이 무작위로 입력되더라도, 서로 인과관계가 있는 태그들끼리 그룹핑하여 그룹핑 된 태그들간의 관계식을 세우기 때문에, 플랜트 시스템에 대한 이해가 없는 상태에서 태그를 입력해도 무방하다.
도 3은 상관계수 산출부가 10개의 태그에 대하여 산출한 상관계수가 삽입된 표이다. 전술한 상관 계수 산출부는 수식1을 근간으로 상관 계수를 산출하며, 상기 상관 계수는 -1에서 1사이의 값임을 확인할 수 있다.
도 4는 일 실시예에 따른 플랜트 이상 예측 방법의 흐름도를 도시한다.
플랜트 이상 예측 방법은 복수의 태그 중 두개의 태그에 대한 상관 계수를 산출하는 상관계수 산출 단계(S100); 상기 상관계수를 기준치와 비교하여, 각 태그별로 관련태그를 결정하는 관련태그 결정 단계(S200); 및 상기 관련태그를 기초로 상기 복수의 태그 중 하나 이상을 독립 태그로 결정하는 독립태그 결정 단계(S300);를 포함한다.
상관계수 산출 단계(S100)는 복수의 태그 중 두개의 태그에 대한 상관 계수를 산출한다. 여기서, 태그는 플랜트 이상 예측 방법의 입력으로 이상 진단 대상에 영향을 주는 요소이다. 도 1을 참조하면, 상기 태그는 상관계수 산출 단계(S100)의 입력으로 이상 진단 대상과 인과관계가 있는 성분이다. 태그는 이상 진단 대상과 인과 관계 있는 모든 성분을 포함한다. 이상 진단 대상은 정검의 대상으로 전술한 태그도 이상 진단 대상이 될 수 있다. 즉, 플랜트 운영에 수반되어 물리량을 가지는 것이 태그이고, 태그는 서로 영향을 주는 관계에 있다.
구체적인 예를 들어 이상 진단 대상이 모터의 RPM(Revolution Per Minute)인 경우, 모터의 입력 전류 또는 전압이 태그일 수 있다. 또한, 펌프의 출구 온도가 이상 진단 대상인 경우, 펌프의 입구 온도는 태그일 수 있다.
상기 상관 계수 산출 단계는 수식1을 근간으로 상관 계수를 산출한다.
수식1
상관 계수 산출부는 표본의 개수가 n인 태그 x, y에 대하여 상기 수식 1을 통해 상관 계수 r을 산출한다.
n은 표본의 개수 x, y는 태그, 
는 x에 대한 표본 평균, 
는 y에 대한 표본 평균, r은 상관계수이다. xi는 i번째의 x값이고 yi는 i번째의 y값이다.
x와 y는 동일한 태그 일 수도 있고 서로 상이한 태그일 수도 있다. 상관계수 산출 단계(S100)는 전술한 수식1에 기반하여 두개의 태그에 대한 상관 계수를 산출하되, 모든 태그에 대하여 상관 계수를 산출한다. 상기 상관 계수는 -1에서 1사이의 값일 수 있다.
관련태그 결정 단계(S200)는 상기 상관계수를 기준치와 비교하여, 각 태그별로 관련태그를 결정한다. 즉, 관련태그 결정 단계(S200)는 각 태그별로 산출된 상관계수에 기초하여 관련태그를 결정하며, 상기 관련태그는 없거나 하나 이상일 수 있다. 관련태그 결정 단계(S200)가 관련태그를 결정하는 상세한 내용은 후술한다.
독립태그 결정 단계(S300)는 상기 관련태그를 기초로 상기 복수의 태그 중 하나 이상을 독립 태그로 결정한다. 독립태그 결정 단계(S300)에 대한 상세한 설명은 후술한다.
도 5는 일 실시예에 따른 관련태그 결정 단계의 세부 흐름도를 도시한다.
상기 관련태그 결정 단계(S200)는, 각 태그별로 상관계수의 절대값이 제 1 하한치 이상이고 제 1 상한치 미만인 태그인 1차 태그를 추출하는 1차 태그 추출 단계(S210);를 더 포함한다. 상기 제 1 하한치는 예를 들어 0.7이상일 수 있고, 자세하게는 0.8일 수 있다. 상기 제 1 상한치는 예를 들어 1 이하일 수 있고, 자세하게는 1일 수 있다.
즉, 상기 1차 태그 추출 단계(S210)는 산출된 상관계수를 기초로 1차 필터링을 한다. 1차 필터링은 1차 태그 추출 단계(S210)가 각 태그 별로 어느정도 상관관계가 있는 태그들을 추출하는 것이다.
1차 태그 추출 단계(S210)가 각 태그별로 추출한 상관계수의 절대값이 제 1 하한치 이상이고 제 1 상한치 미만인 태그인 1차 태그는 아래와 같다.
태그 1 : 2, 3, 4, 6, 10
태그 2 : 1, 3, 4, 6, 8, 10
태그 3 : 1, 2, 4, 6, 10
태그 4 : 1, 2, 3, 5, 6, 10
태그 5 : 4, 6, 8, 10
태그 6 : 1, 2, 3, 4, 5, 8, 10
태그 7 : 10
태그 8 : 2, 5, 6, 10
태그 9 :
태그 10 : 1, 2, 3, 4, 5, 6, 7, 8
각 태그 별로 우측에 기재된 숫자는 각 태그 별 1차 태그를 특정한다. 예를 들어, 태그 1에 대한 1차 태그는 태그 2, 3, 4, 6, 10이고, 태그 9에 대한 1차 태그는 없다.
상기 관련태그 결정 단계(S200)는, 각 태그별로 상관계수의 절대값이 제 2 하한치 이상이고 제 2 상한치 미만인 태그인 2차 태그를 추출하는 2차 태그 추출 단계(S220);를 더 포함할 수 있다. 제 2 하한치는 예를 들어 0.8이상일 수 있고, 자세하게는 0.999일 수 있다. 제 2 상한치는 예를 들어 1 이하일 수 있고, 자세하게는 1 일 수 있다.
상기 제 1 하한치는, 상기 제 2 하한치 미만인 것을 특징으로 한다. 그리고, 상기 제 1 상한치는, 상기 제 2 상한치와 동일한 것을 특징으로 한다. 즉, 상기 2차 태그 추출 단계(S220)는 1차 태그 추출 단계(S210)에 비하여 태그 별로 상관 관계가 더 높은 태그들을 추출한다.
2차 태그 추출 단계(S220)가 각 태그별로 추출한 상관계수의 절대값이 제 2 하한치 이상이고 제 2 상한치 미만인 태그인 2차 태그는 아래와 같다.
태그 1 : 2, 4
태그 2 : 1, 4
태그 4 : 1, 2
태그 6 : 10
태그 10 : 6
각 태그 별로 우측에 기재된 숫자는 각 태그 별 2차 태그를 특정한다. 예를 들어, 태그 1에 대한 2차 태그는 태그 2, 4이고, 태그 6에 대한 2차 태그는 태그 10이다. 상기 각 태그별로 추출된 2차 태그를 참조하면, 2차 태그들은 하나 이상의 그룹을 분류됨을 확인할 수 있다.
상기 예에서, 어느 하나의 2차 태그 그룹은 태그 1, 2, 4이고, 다른 하나의 2차 태그 그룹은 태그 6, 10이다.
상기 관련태그 결정 단계(S200)는, 각 태그별로 추출된 1차 태그에서 일부 태그를 제거하되, 상기 일부 태그는 상기 2차 태그 중 적어도 하나의 태그인, 태그 제거 단계(S230);를 더 포함한다. 태그 제거 단계(S230)가 추출된 1차 태그에서 2차 태그 중 적어도 하나의 태그를 제거한다는 것은 상관 관계가 어느 정도 있는 1차 태그에서 상관도가 아주 높은 2차 태그를 제거한다는 것이다.
상기 태그 제거 단계(S230)는, 상기 2차 태그가 복수이며 하나 이상의 그룹으로 분류되는 경우, 상기 일부 태그는 상기 그룹별로 적어도 하나의 2차 태그를 포함하는 것을 특징으로 한다.
상기 태그 제거 단계(S230)가 각 태그별로 추출된 1차 태그에서 일부 태그를 제거한 결과가 아래와 같다.
태그 1: 3, 6
태그 2: 3, 6, 8
태그 3: 1, 6
태그 4: 1, 3, 5, 6
태그 5: 4, 6, 8
태그 6: 1, 3, 5, 8
태그 7: 10
태그 8: 2, 5, 6
태그 9:
태그 10 : 1, 3, 5, 7, 8
태그 1에 대해 살펴보면, 태그 1의 1차 태그인 태그 2, 3, 4, 6, 10 중 태그 2, 4, 10이 제거됐음을 확인할 수 있다. 상기 예에서, 어느 하나의 2차 태그 그룹은 태그 1, 2, 4이고, 다른 하나의 2차 태그 그룹은 태그 6, 10임은 전술하였다. 즉, 태그 1에 대한 1차 태그에서 어느 하나의 2차 태그 그룹인 태그 1, 2, 4에서 자신을 제외한 태그 2, 4를 모두 제거하였음을 확인할 수 있다. 또한, 태그 1에 대한 1차 태그에서 다른 하나의 2차 태그 그룹인 태그 6, 10 중에서는 어느 하나의 태그인 태그 10을 제거하였음을 확인할 수 있다.
상기 태그 제거 단계(S230)는, 상기 2차 태그가 복수이며 하나 이상의 그룹으로 분류되는 경우, 상기 일부 태그는 상기 그룹별로 적어도 하나의 2차 태그를 포함하는 것을 특징으로 하되, 상기 일부 태그는 각 태그 별로 자신이 포함된 2차 태그 그룹에서는 자신을 제외한 나머지 태그만을 포함할 수 있다.
또한 상기 일부 태그는 각 태그 별로 자신이 포함되지 않은 2차 태그 그룹의 태그 중 순번이 낮은 태그를 포함할 수 있다. 이에 한정되는 것은 아니고, 상기 일부 태그는 각 태그 별로 자신이 포함되지 않은 2차 태그 그룹의 태그 중 순번이 높은 태그를 포함할 수 있다. 여기서 순번이 높은 태그는 전술한 예에서 숫자가 더 큰 태그이고, 순번이 낮은 태그는 숫자가 더 작은 태그이다.
상기 관련태그 결정 단계(S200)가 결정하는 관련태그는 결국 각 태그별로 추출된 1차 태그에서 일부 태그를 제거된 태그들이다. 이때 1차 태그 자체가 없는 태그는 관련 태그가 없다. 전술한 예에서 태그 9는 1차 태그, 2차 태그, 관련태그 모두 존재하지 않는다. 관련 태그가 없는 태그에 대하여, 상기 관련태그 결정 단계(S200)는 상기 2차 태그가 복수이며 하나 이상의 그룹으로 분류되는 경우, 상기 그룹별로 적어도 하나의 태그를 제외한 나머지 태그를 관련 태그로 결정한다.
전술한 예에서, 태그 9의 관련 태그가 존재 하지 않는다. 이 경우, 관련태그 결정 단계(S200)는 2차 태그 그룹별로 적어도 하나의 태그를 제외하여 태그 1, 3, 5, 6, 7, 8을 태그 9의 관련태그로 결정할 수 있다.
전술한 예에서, 최종적으로 결정된 태그별 관련 태그는 아래와 같다.
태그 1: 3, 6
태그 2: 3, 6, 8
태그 3: 1, 6
태그 4: 1, 3, 5, 6
태그 5: 4, 6, 8
태그 6: 1, 3, 5, 8
태그 7: 10
태그 8: 2, 5, 6
태그 9: 1, 3, 5, 6, 7, 8
태그 10 : 1, 3, 5, 7, 8
상기 관련태그 결정 단계(S200)는 각 태그별로 추출된 1차 태그에서 일부 태그를 제거한 관련태그를 결정하고, 상기 관련태그의 개수를 특정하는 관련태그 개수 특정 단계(S240);를 더 포함한다.
상기 관련태그 개수 특정 단계(S240)가 태그 별로 특정한 관련 태그 개수는 아래와 같다.
태그 1 (2개) : 3, 6
태그 2 (3개) : 3, 6, 8
태그 3 (2개) : 1, 6
태그 4 (4개) : 1, 3, 5, 6
태그 5 (3개) : 4, 6, 8
태그 6 (4개) : 1, 3, 5, 8
태그 7 (1개) : 10
태그 8 (3개) : 2, 5, 6
태그 9 (6개) : 1, 3, 5, 6, 7, 8
태그 10 (5개) : 1, 3, 5, 7, 8
상기 관련태그 결정 단계(S200)는 각 태그별로 추출된 1차 태그에서 일부 태그를 제거한 관련태그를 결정하고, 상기 관련태그의 개수를 특정하는 관련태그 개수 특정 단계(S240);를 더 포함한다.
독립태그 결정 단계(S300)는 상기 관련태그를 기초로 상기 복수의 태그 중 하나 이상을 독립 태그로 결정한다. 자세하게는, 상기 독립태그 결정 단계(S300)는, 전체태그 대비 특정 태그의 관련태그 개수가 특정 퍼센트 미만이면, 상기 특정 태그를 독립 태그로 결정한다. 그리고, 상기 독립태그 결정 단계(S300)는, 전체태그 대비 특정 태그의 관련태그 개수가 특정 퍼센트 이상이면, 상기 특정 태그를 종속 태그로 결정한다.
독립태그 결정 단계(S300)가 각 태그별로 결정한 태그 유형은 아래와 같다.
태그 1: 종속
태그 2: 종속
태그 3: 종속
태그 4: 종속
태그 5: 종속
태그 6: 종속
태그 7: 독립
태그 8: 종속
태그 9: 독립
태그 9: 종속
독립태그 결정 단계(S300)는 전체태그 대비 특정 태그의 관련태그 개수가 특정 퍼센트 미만이면, 상기 특정 태그를 독립 태그로 결정하는데, 상기 특정 퍼센트는 예를 들어 20퍼센트일 수 있다. 전술한 예에서 태그 개수는 10개이므로 특정 퍼센트가 20퍼센트인 경우 관련태그 개수가 2개 미만인 경우 독립태그로 결정될 수 있다.
전술한 예에서 관련태그가 2개 미만인 태그 7은 독립태그이고, 관련태그가 2개 이상인 태그 1, 2, 3, 4, 5, 6, 8, 10은 종속태그이다.
다만 여기서, 태그 9는 관련태그가 2개 이상임에도 독립태그일 수 있다. 하지만, 태그 9는 1차 태그가 없는 태그이기 때문에 독립 태그로 결정될 수 있다. 즉, 1차 태그 추출 단계(S210)가 추출한 1차 태그가 없는 태그의 경우, 상기 독립태그 결정 단계(S300)는 상기 1차 태그가 없는 태그를 독립 태그로 결정한다.
결국, 플랜트 이상 예측 방법은 태그 별로 관련 태그를 결정하고, 태그 별로 독립 태그 또는 종속 태그인지 여부를 결정한다. 여기서 어느 하나의 태그에 대한 관련태그는 상기 어느 하나의 태그를 예측하기 위한 입력 태그이다. 이때, 플랜트 이상 예측 방법은 독립 태그로 결정된 태그에 대해서는 관련태그를 입력으로, k-NN 기반 예측을 수행한다. 또한, 플랜트 이상 예측 방법은 종속 태그로 결정된 태그에 대해서는 관련태그를 입력으로, k-NN 기반 예측, MLRM 기반 예측 또는 앙상블 기반 예측을 수행한다.
플랜트 시스템에 대한 이해가 없는 작업자는 특정 태그의 이상을 진단하기 위해 상기 특정 태그의 이상 예측에 도움이 되지 않은 태그를 입력으로 설정할 수 있다. 이상 예측의 대상이 되는 태그와 관련 없는 태그들이 입력되더라도, 전술한 과정에 따라 플랜트 이상 예측 장치는 태그별로 상기 태그의 이상 예측에 도움이 되는 관련 태그를 추출하기 때문에, 관련 없는 태그들은 자연스레 관련 태그에서 배제된다.
즉, 플랜트 이상 예측 장치에 따르면 태그들이 무작위로 입력되더라도, 서로 인과관계가 있는 태그들끼리 그룹핑하여 그룹핑된 태그들간의 관계식을 세우기 때문에, 플랜트 시스템에 대한 이해가 없는 상태에서 태그를 입력해도 무방하다.
이와 같이, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 실시 형태로 실시될 수 있다는 것을 인지할 수 있을 것이다. 따라서 이상에서 기술한 실시 예들은 예시적인 것일 뿐이며, 그 범위를 제한해놓은 한정적인 것이 아닌 것으로 이해해야만 한다. 또한, 도면에 도시된 순서도들은 본 발명을 실시함에 있어서 가장 바람직한 결과를 달성하기 위해 예시적으로 도시된 순차적인 순서에 불과하며, 다른 추가적인 단계들이 제공되거나, 일부 단계가 삭제될 수 있음은 물론이다.
본 명세서에서 기술한 기술적 특징과 이를 실행하는 구현물은 디지털 전자 회로로 구현되거나, 본 명세서에서 기술하는 구조 및 그 구조적인 등가물 등을 포함하는 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어로 구현되거나, 이들 중 하나 이상의 조합으로 구현 가능하다. 또한 본 명세서에서 기술한 기술적 특징을 실행하는 구현물은 컴퓨터 프로그램 제품, 다시 말해 처리 시스템의 동작을 제어하기 위하여 또는 이것에 의한 실행을 위하여 유형의 프로그램 저장매체 상에 인코딩된 컴퓨터 프로그램 명령어에 관한 모듈로서 구현될 수도 있다.
이와 같이, 본 명세서는 그 제시된 구체적인 용어에 의해 본 발명을 제한하려는 의도가 아니다. 따라서, 이상에서 기술한 실시 예를 참조하여 본 발명을 상세하게 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 범위를 벗어나지 않으면서도 본 실시 예들에 대한 개조, 변경 및 변형을 가할 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 권리범위에 포함되는 것으로 해석되어야 한다.
100: 상관계수 산출부
200: 관련태그 결정부
300: 독립태그 결정부
210: 1차 태그 추출부
220: 2차 태그 추출부
230: 태그 제거부
240: 관련태그 개수 특정부
200: 관련태그 결정부
300: 독립태그 결정부
210: 1차 태그 추출부
220: 2차 태그 추출부
230: 태그 제거부
240: 관련태그 개수 특정부
Claims (20)
- 복수의 태그 중 두개의 태그에 대한 상관 계수를 산출하는 상관계수 산출부;
상기 상관계수를 기준치와 비교하여, 각 태그별로 관련태그를 결정하는 관련태그 결정부; 및
상기 관련태그를 기초로 상기 복수의 태그 중 하나 이상을 독립 태그로 결정하는 독립태그 결정부;를 포함하고,
상기 관련태그 결정부는,
각 태그별로 상관계수의 절대값이 제 1 하한치 이상이고 제 1 상한치 미만인 태그인 1차 태그를 추출하는 1차 태그 추출부;
각 태그별로 상관계수의 절대값이 제 2 하한치 이상이고 제 2 상한치 미만인 태그인 2차 태그를 추출하는 2차 태그 추출부; 및
각 태그별로 추출된 1차 태그에서 일부 태그를 제거하되, 상기 일부 태그는 상기 2차 태그 중 적어도 하나의 태그인, 태그 제거부;를 더 포함하며,
상기 태그 제거부는,
상기 2차 태그가 복수이며 하나 이상의 그룹으로 분류되는 경우,
상기 일부 태그는 상기 그룹별로 적어도 하나의 2차 태그를 포함하는 것을 특징으로 하는 플랜트 이상 예측 장치.
- 삭제
- 삭제
- 제 1 항에 있어서,
상기 제 1 하한치는,
상기 제 2 하한치 미만인 것을 특징으로 하는,
플랜트 이상 예측 장치.
- 제 1 항에 있어서,
상기 제 1 상한치는,
상기 제 2 상한치와 동일한 것을 특징으로 하는,
플랜트 이상 예측 장치.
- 삭제
- 삭제
- 복수의 태그 중 두개의 태그에 대한 상관 계수를 산출하는 상관계수 산출부;
상기 상관계수를 기준치와 비교하여, 각 태그별로 관련태그를 결정하는 관련태그 결정부; 및
상기 관련태그를 기초로 상기 복수의 태그 중 하나 이상을 독립 태그로 결정하는 독립태그 결정부;를 포함하고,
상기 관련태그 결정부는,
각 태그별로 상관계수의 절대값이 제 1 하한치 이상이고 제 1 상한치 미만인 태그인 1차 태그를 추출하는 1차 태그 추출부;
각 태그별로 상관계수의 절대값이 제 2 하한치 이상이고 제 2 상한치 미만인 태그인 2차 태그를 추출하는 2차 태그 추출부; 및
각 태그별로 추출된 1차 태그에서 일부 태그를 제거하되, 상기 일부 태그는 상기 2차 태그 중 적어도 하나의 태그인, 태그 제거부;를 더 포함하며,
상기 관련태그 결정부는
각 태그별로 추출된 1차 태그에서 일부 태그를 제거한 관련태그를 결정하고, 상기 관련태그의 개수를 특정하는 관련태그 개수 특정부;를 더 포함하는,
플랜트 이상 예측 장치.
- 제 1 항에 있어서,
상기 독립태그 결정부는,
전체태그 대비 특정 태그의 관련태그 개수가 특정 퍼센트 미만이면, 상기 특정 태그를 독립 태그로 결정하는,
플랜트 이상 예측 장치.
- 제 1 항에 있어서,
상기 독립태그 결정부는,
전체태그 대비 특정 태그의 관련태그 개수가 특정 퍼센트 이상이면, 상기 특정 태그를 종속 태그로 결정하는,
플랜트 이상 예측 장치.
- 플랜트 이상 예측 장치가 플랜트 이상을 예측하는 방법에 있어서,
복수의 태그 중 두개의 태그에 대한 상관 계수를 산출하는 상관계수 산출 단계;
상기 상관계수를 기준치와 비교하여, 각 태그별로 관련태그를 결정하는 관련태그 결정 단계; 및
상기 관련태그를 기초로 상기 복수의 태그 중 하나 이상을 독립 태그로 결정하는 독립태그 결정 단계;를 포함하고
상기 관련태그 결정 단계는,
각 태그별로 상관계수의 절대값이 제 1 하한치 이상이고 제 1 상한치 미만인 태그인 1차 태그를 추출하는 1차 태그 추출 단계;
각 태그별로 상관계수의 절대값이 제 2 하한치 이상이고 제 2 상한치 미만인 태그인 2차 태그를 추출하는 2차 태그 추출 단계; 및
각 태그별로 추출된 1차 태그에서 일부 태그를 제거하되, 상기 일부 태그는 상기 2차 태그 중 적어도 하나의 태그인, 태그 제거 단계;를 포함하며,
상기 태그 제거 단계는,
상기 2차 태그가 복수이며 하나 이상의 그룹으로 분류되는 경우,
상기 일부 태그는 상기 그룹별로 적어도 하나의 2차 태그를 포함하는 것을 특징으로 하는,
플랜트 이상 예측 방법.
- 삭제
- 삭제
- 제 11 항에 있어서,
상기 제 1 하한치는,
상기 제 2 하한치 미만인 것을 특징으로 하는,
플랜트 이상 예측 방법.
- 제 11 항에 있어서,
상기 제 1 상한치는,
상기 제 2 상한치와 동일한 것을 특징으로 하는,
플랜트 이상 예측 방법.
- 삭제
- 삭제
- 플랜트 이상 예측 장치가 플랜트 이상을 예측하는 방법에 있어서,
복수의 태그 중 두개의 태그에 대한 상관 계수를 산출하는 상관계수 산출 단계;
상기 상관계수를 기준치와 비교하여, 각 태그별로 관련태그를 결정하는 관련태그 결정 단계; 및
상기 관련태그를 기초로 상기 복수의 태그 중 하나 이상을 독립 태그로 결정하는 독립태그 결정 단계;를 포함하고
상기 관련태그 결정 단계는,
각 태그별로 상관계수의 절대값이 제 1 하한치 이상이고 제 1 상한치 미만인 태그인 1차 태그를 추출하는 1차 태그 추출 단계;
각 태그별로 상관계수의 절대값이 제 2 하한치 이상이고 제 2 상한치 미만인 태그인 2차 태그를 추출하는 2차 태그 추출 단계; 및
각 태그별로 추출된 1차 태그에서 일부 태그를 제거하되, 상기 일부 태그는 상기 2차 태그 중 적어도 하나의 태그인, 태그 제거 단계;를 포함하며,
상기 관련태그 결정 단계는
각 태그별로 추출된 1차 태그에서 일부 태그를 제거한 관련태그를 결정하고, 상기 관련태그의 개수를 특정하는 관련태그 개수 특정 단계;를 더 포함하는,
플랜트 이상 예측 방법.
- 제 11 항에 있어서,
상기 독립태그 결정 단계는,
전체태그 대비 특정 태그의 관련태그 개수가 특정 퍼센트 미만이면, 상기 특정 태그를 독립 태그로 결정하는,
플랜트 이상 예측 방법.
- 제 11 항에 있어서,
상기 독립태그 결정 단계는,
전체태그 대비 특정 태그의 관련태그 개수가 특정 퍼센트 이상이면, 상기 특정 태그를 종속 태그로 결정하는,
플랜트 이상 예측 방법.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180014857A KR102020247B1 (ko) | 2018-02-07 | 2018-02-07 | 플랜트 이상 예측 장치 및 방법 |
| US16/231,687 US11113360B2 (en) | 2018-02-07 | 2018-12-24 | Plant abnormality prediction system and method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180014857A KR102020247B1 (ko) | 2018-02-07 | 2018-02-07 | 플랜트 이상 예측 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190095642A KR20190095642A (ko) | 2019-08-16 |
| KR102020247B1 true KR102020247B1 (ko) | 2019-09-10 |
Family
ID=67475558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180014857A KR102020247B1 (ko) | 2018-02-07 | 2018-02-07 | 플랜트 이상 예측 장치 및 방법 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11113360B2 (ko) |
| KR (1) | KR102020247B1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101096793B1 (ko) * | 2010-04-19 | 2011-12-21 | 비앤에프테크놀로지 주식회사 | 산업설비의 공정 여유도 감시 시스템용 데이터 수집 방법 및 그 저장매체 |
| JP2017130081A (ja) | 2016-01-21 | 2017-07-27 | 富士電機株式会社 | 設定支援装置及びプログラム |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102200601B1 (ko) | 2014-02-14 | 2021-01-07 | 에스케이텔레콤 주식회사 | 교통 정보 수집을 위한 방법 및 이를 위한 장치 |
| KR101597939B1 (ko) | 2015-07-02 | 2016-02-25 | 한국기업데이터 주식회사 | 거시경제지표를 활용한 산업별 신용위험도 예측 장치 및 방법 |
-
2018
- 2018-02-07 KR KR1020180014857A patent/KR102020247B1/ko active IP Right Grant
- 2018-12-24 US US16/231,687 patent/US11113360B2/en active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101096793B1 (ko) * | 2010-04-19 | 2011-12-21 | 비앤에프테크놀로지 주식회사 | 산업설비의 공정 여유도 감시 시스템용 데이터 수집 방법 및 그 저장매체 |
| JP2017130081A (ja) | 2016-01-21 | 2017-07-27 | 富士電機株式会社 | 設定支援装置及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| US20190243870A1 (en) | 2019-08-08 |
| KR20190095642A (ko) | 2019-08-16 |
| US11113360B2 (en) | 2021-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6312630B2 (ja) | 時系列データ内の異常を検出する方法 | |
| CN112181758B (zh) | 一种基于网络拓扑及实时告警的故障根因定位方法 | |
| KR101948604B1 (ko) | 센서 군집화 기반의 설비 건강 모니터링 방법 및 장치 | |
| WO2008157498A1 (en) | Methods and systems for predicting equipment operation | |
| KR102067344B1 (ko) | 이상 진동데이터 감지 장치 및 방법 | |
| JP4706608B2 (ja) | 製造工程分析方法 | |
| CN112016689B (zh) | 信息处理装置、预测判别系统以及预测判别方法 | |
| EP3696693A1 (en) | Method and apparatus for monitoring state of device in process industry and medium | |
| WO2020058479A1 (en) | Method, apparatus and device for evaluating the state of a distribution transformer, and a medium and a program | |
| KR102047815B1 (ko) | 플랜트 이상 예측 장치 및 방법 | |
| CN116304909A (zh) | 一种异常检测模型训练方法、故障场景定位方法及装置 | |
| JP7156975B2 (ja) | 運営評価装置、運営評価方法、およびプログラム | |
| KR102020247B1 (ko) | 플랜트 이상 예측 장치 및 방법 | |
| JP2016080585A (ja) | プラント状態解析装置 | |
| US11144046B2 (en) | Fault signal recovery apparatus and method | |
| CN115931409A (zh) | 一种加热系统故障预警方法及系统 | |
| CN115905990A (zh) | 一种基于密度聚集算法的变压器油温异常监测方法 | |
| JP6662222B2 (ja) | 製造プロセスの異常状態診断方法及び異常状態診断装置 | |
| CN115718880A (zh) | 一种复杂装备退化阶段的预测方法 | |
| CN112073544B (zh) | 用于处理传感器数据的方法、计算设备和计算机存储介质 | |
| JP6627258B2 (ja) | システムモデル生成支援装置、システムモデル生成支援方法、及び、プログラム | |
| JP7293156B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
| JP2017130025A (ja) | 要因分析装置、方法およびプログラム | |
| CN112069909A (zh) | 污水排放实时监测方法、装置及可读存储介质 | |
| JP7392415B2 (ja) | 情報処理プログラム、情報処理装置、コンピュータ読み取り可能な記録媒体および情報処理システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |