KR102025412B1 - 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템 - Google Patents

Abstract

본 발명에 따른 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템은, 제품을 이동시키는 이송부와 필름을 공급하는 필름 롤러 및 탈착이 가능한 것으로서 상기 필름의 가장자리를 가열 융착하여 절단하는 커터와 상기 이송부와 상기 필름 롤러 및 상기 커터를 구동하는 모터를 포함하는 포장기;와, 상기 커터가 교체됨에 따라 상기 포장기의 구동을 학습하여 학습된 데이터를 통해 상기 포장기를 제어하는 컨트롤러;를 포함하는 것을 특징으로 한다.

Description

머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템{A System of Controlling Cutter Replacement of Modular Packing Machine Using Machine Learning}

본 발명은 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템에 관한 것으로서, 보다 상세하게 설명하면 모듈형 삼면 및 사면 포장기에 대한 머신러닝 데이터를 기반으로 포장기 커터의 교체와 이에 따른 프로그램을 자동으로 변경하여 포장 수행 시간을 효율적으로 단축시킬 수 있는, 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템에 관한 것이다.

포장기는 일반적으로 삼면 포장기 및 사면 포장기로 나뉘며, 포장기는 크게 제품을 이동시키는 부분과, 필름을 제공하는 부분 및 필름의 가장자리를 자르는 부분으로 구분된다.

일반적으로 위의 포장기들은 제품의 사이즈에 따라 결정되며, 포장기의 각 구성에 포함되는 모터 및 기기 사이즈 등은 제품의 포장 길이에 따라 결정된다. 이때 제품의 사이즈 별로 각기 다른 포장기를 구비한다는 것은 경제적으로 불합리하므로 하나의 포장기로부터 다양한 사이즈의 제품을 포장할 수 있는 기기들이 개발되고 있다.

이와 관련된 선행기술로, 한국 등록특허 제 10-1809093호(발명의 명칭 : 삼면 포장기)에서는 포장하고자 하는 내용물의 크기나 높이 등의 변화에 포장이 원활하고 안정적으로 이루어지도록 하는 구성을 제시하고 있다.

이를 통해 상기 발명은 포장하고자 하는 내용물의 크기나 높이 등에 맞춰 공급되는 포장지의 크기를 변경할 수 있으며, 그 변경된 포장지의 크기에 맞춰 포장지가 최적의 상태로 공급이 되게 하여 포장이 원활할 수 있으며, 포장지의 공급부터 포장완료시까지의 일련의 자동공정이 안정적으로 연속 가동될 수 있는 효과를 제시한다.

또 다른 선행기술로, 한국 등록특허 제 10-1620086호(발명의 명칭 : 포장 효율성이 증진된 삼면포장기)는 포장기 하나당 다수 열로 포장백 제공이 가능하여 생산성 및 작업성을 향상시키고 포장기 구조에 있어서도 안정적인 포장용 필름의 이송이 이루어지면서도 콤팩트한 구조 형성이 가능한 것을 기술적 특징으로 하는 포장 효율성이 증진된 삼면포장기를 제시하고 있다.

이를 통해 상기 발명은 삼면 실링이 이루어진 포장백 형태를 기존 포장기들에 비해 다량으로 생산할 수 있다는 효과를 기대할 수 있으며, 이를 위해 도입된 커팅부와 V형 가이드플레이트 구조에 의해 공급되는 넓은 폭을 가진 포장용 필름이 커팅된 후 안정적으로 방향 전환이 이루어져 이후 측면 실링 작업이 원활하게 이루어질 수 있고, 포장기 내부 구조에 있어서도 콤팩트한 구조의 포장기를 얻을 수 있다는 효과를 제시하고 있다.

그러나 상기 두 발명은 제품의 사이즈에 따라 포장기의 구동을 자동으로 제어하는 구성을 포함하고 있지 않으며, 결국 공정 시간을 효율적으로 단축시키지 못한다는 단점이 존재하게 된다.

따라서 상술한 바와 같은 문제점을 해결하기 위해 포장기의 부품이 교체됨에 따라 학습된 데이터를 기반으로 자동으로 포장기가 교체된 부품에 알맞게 구동되도록 하는 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템을 개발할 필요성이 대두되는 실정이다.

본 발명은 상기 기술의 문제점을 극복하기 위해 안출된 것으로, 포장기의 커터가 교체됨에 따라 포장기의 구동을 학습하여 포장기를 제어하는 것을 주요 목적으로 한다.

본 발명의 다른 목적은, 컨트롤러의 저장 공간을 분할하여 각 제품별 사이즈에 따른 데이터를 입력받는 것이다.

본 발명의 또 다른 목적은, 입력받은 데이터를 필터링하여 데이터의 저장 공간을 경량화하는 것이다.

본 발명의 추가 목적은, 입력받은 데이터의 노이즈를 제거하여 보정 데이터를 생성하여 이를 기반으로 데이터를 유지 및 삭제하는 것이다.

상기 목적을 달성하기 위하여, 본 발명에 따른 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템은, 제품을 이동시키는 이송부와 필름을 공급하는 필름 롤러 및 탈착이 가능한 것으로서 상기 필름의 가장자리를 가열 융착하여 절단하는 커터와 상기 이송부와 상기 필름 롤러 및 상기 커터를 구동하는 모터를 포함하는 포장기;와, 상기 커터가 교체됨에 따라 상기 포장기의 구동을 학습하여 학습된 데이터를 통해 상기 포장기를 제어하는 컨트롤러;를 포함하는 것을 특징으로 한다.

또한, 상기 컨트롤러는, 상기 제품의 크기를 포함하는 제품 정보를 입력받는 제품 정보 입력 모듈; 상기 포장기가 구동되면서 발생하는 모터의 RPM, 토크, 전류값, 위치를 입력 데이터로 지정하는 데이터 입력 모듈; 상기 입력 데이터를 상기 제품 정보에 따라 분류한 후 시계열적으로 저장하는 데이터 저장 모듈; 저장된 상기 입력 데이터를 분석하여 반복 데이터를 생성하는 반복 데이터 설정부를 포함하는 데이터 분석 모듈; 상기 제품 정보에 해당하는 반복 데이터를 기반으로 상기 제품의 포장을 수행하도록 상기 포장기에 포장 수행 명령을 내리는 포장 수행 모듈;을 포함하는 것을 특징으로 한다.

나아가, 상기 데이터 저장 모듈은, 상기 컨트롤러의 저장 공간을 복수 개로 분할하여 저장 섹터를 생성하는 저장 공간 분할부와, 상기 저장 섹터에 대한 저장 용량을 설정하는 저장 용량 할당부를 포함하며, 상기 제품 정보에 따라 분류된 상기 입력 데이터를 각각의 저장 섹터에 분할하여 저장하는 것을 특징으로 한다.

더하여, 상기 데이터 분석 모듈은, 상기 저장 섹터에 시계열적으로 저장된 상기 입력 데이터에서 반복적으로 발생하는 신호를 반복 패턴으로 파악하는 패턴 분석부를 포함하고, 상기 반복 데이터 설정부는, 상기 반복 패턴을 기반으로 상기 입력 데이터를 반복 데이터로 설정하며, 상기 데이터 저장 모듈은, 상기 저장 섹터에 상기 반복 데이터를 저장하는 것을 특징으로 한다.

본 발명에 따른 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템은,

1) 학습된 데이터로 포장기를 구동함으로써 포장기의 변경 운전 시간을 효율적으로 단축시킬 수 있으며,

2) 제품 사이즈 별로 분할된 저장 공간 각각에 저장함으로써 데이터를 개별적으로 관리할 수 있을 뿐 아니라,

3) 입력 데이터를 필터링하여 경량화함으로써, 학습 데이터의 저장 공간을 효율적으로 사용할 수 있고,

4) 입력 데이터의 노이즈를 제거함으로써 보다 정확한 입력 데이터만을 저장 공간에 저장하여 이를 기반으로 포장기의 정밀한 구동 제어를 제공하는 효과를 제시한다.

도 1은 본 발명의 시스템의 포장기 구성을 나타낸 단면도.
도 2는 본 발명의 PLC의 기본 구성을 도시한 블록도.
도 3은 본 발명의 PLC의 세부 구성을 도시한 블록도.
도 4는 본 발명의 데이터 필터링의 프로세스를 도시한 순서도.

이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명하도록 한다. 첨부된 도면은 축척에 의하여 도시되지 않았으며, 각 도면의 동일한 참조 번호는 동일한 구성 요소를 지칭한다.

도 1은 본 발명의 시스템의 포장기(10) 구성을 나타낸 단면도이다.

도 1을 참조하면, 본 발명의 시스템은 기본적으로 이송부(11)와 필름 롤러(12) 및 커터(13)를 포함하는 포장기(10)와 PLC를 구비하는 것을 특징으로 한다.

포장기(10)는 제품이 송입되면 제품의 표면에 필름을 씌워 제품을 포장하는 것으로서, 이러한 기능을 수행하기 위해 이송부(11)와 필름 롤러(12) 및 커터(13)를 구비한다.

이송부(11)는 본체의 전방에 위치하여 제품을 커터(13)가 위치하는 곳까지 이송하는 제 1 컨베이어 벨트와 커터(13)의 후방에 위치하여 필름에 의해 밀봉 처리된 제품을 이송하는 제 2 컨베이어 벨트로 이루어질 수 있다.

필름 롤러(12)는 본체의 일 측 상단 또는 하단에 위치하는 것으로서, 제품을 포장하는 필름을 공급하는 역할을 수행한다.

커터(13)는 필름 롤러(12)에 의해 필름이 공급되면 이송부(11)를 따라 이동되어 겹쳐진 필름의 가장자리를 가열 융착하여 절단하는 것으로서, 이때 커터(13)는 제품의 크기에 따라 서로 다른 크기의 날이 구비될 수 있다.

모터(14)는 포장기의 이송부(11)와 필름 롤러(12) 및 커터(13)의 구동을 위해 포장기에 복수 개로 구비되는 것으로서, 도 1에서는 필름 롤러(12)에 모터(14)가 구비된 것으로 도시하였지만 이는 일 실시예일 뿐이며, 모터(14)는 전원에 의해 자동으로 구동되는 포장기에서 움직이는 대부분 구성에 구비될 수 있다.

컨트롤러(20)는 본 발명의 시스템에서 PLC이며, 포장기(10)의 커터(13)가 교체됨에 따라 포장기(10)의 구동을 학습하고 학습된 데이터를 통해 제품 포장 공정을 수행하도록 포장기(10)의 구동을 직접 제어하는 주체로서, 데이터를 입력받으면 PLC에 별도로 구비된 프로그램에 의해 순차적으로 데이터를 분석 처리하고 결과값을 출력하여 PLC와 연결된 외부 장치인 포장기(10)를 자동으로 제어하는 기능을 수행한다.

이러한 구성을 갖는 포장기(10)는 가열 융착된 필름을 커터(13)로 절단함으로써 포장된 제품을 생산하게 되는데, 필름을 절단하는 커터(13)는 포장기(10)에 송입되는 제품의 크기(즉, 포장하고자 하는 제품의 크기)에 따라 서로 다른 크기의 날을 갖는 것이 바람직하다. 따라서 본 발명의 시스템은 제품의 크기에 따라 PLC에 입력되는 데이터를 학습한 후 학습된 데이터를 기반으로 제품의 크기에 따라 커터(13)의 날을 교체하면 자동으로 이송부(11)와 롤러 및 커터(13)의 모터(14)를 제어하는 기능을 수행할 수 있다.

본 발명의 시스템이 이와 같은 기능을 수행하기 위해 포장기(10)의 구동을 자동으로 제어하는 PLC는 다음과 같은 구성을 가질 수 있다.

도 2는 본 발명의 PLC의 기본 구성을 도시한 블록도이다.

도 2를 참조하면, 본 발명의 시스템이 포장기(10)가 구동됨에 따라 입력되는 데이터를 학습하고 이러한 학습 데이터를 기반으로 커터(13) 날 교체에 따라 포장기(10)의 구동을 자동으로 제어하기 위해 PLC는 제품 정보 입력 모듈(100), 데이터 입력 모듈(200), 데이터 저장 모듈(300), 데이터 분석 모듈(400) 및 포장 수행 모듈(미도시)을 포함할 수 있다.

제품 정보 입력 모듈(100)은 포장기(10)에 송입되는 제품의 크기인 제품 정보를 입력받는 것으로서, 이때 제품 정보는 예를 들어 1 내지 3cm, 3 내지 5cm, 5 내지 7cm, 7 내지 10cm, 10 내지 20cm와 같이 제품의 이송 방향을 기준으로 수직으로 측정된 길이를 제품 정보로서 입력받을 수 있다.

데이터 입력 모듈(200)은 포장기(10)의 구동에 의해 입력받은 데이터를 입력값으로 지정하는 기능을 제공한다. 이때 입력값은 시간에 따라 순차적으로 입력되는 것을 특징으로 한다. 이때 데이터는 예를 들어 제품 정보에 따라 입력되는 모터(14)의 RPM 및 토크, 모터(14)의 구동에 소요되는 전력값, 마커의 위치 등이 될 수 있다.

데이터 저장 모듈(300)은 상술한 데이터 입력 모듈(200)에 의해 입력받은 데이터를 제품 정보에 따라 시계열적으로 각각 저장하는 기능을 제공한다. 즉, 1 내지 3cm의 크기를 지닌 제품에 대한 데이터와 3 내지 5cm의 크기를 지닌 제품에 대한 데이터를 각각 다른 저장 공간에 저장할 수 있다. 따라서 데이터 저장 모듈(300)은 각 제품 정보에 따라 저장하기 위하여 저장 공간 분할부(310)와 저장 용량 할당부(320)를 포함할 수 있다.

저장 공간 분할부(310)는 PLC에 별도로 구비된 저장부를 복수 개의 저장 공간으로, 즉 파티션과 같이 논리적 또는 물리적으로 분할하여 저장 섹터를 생성하는 것으로서, 이때 저장 공간은 상술한 제품 정보 입력 모듈(100)에 의해 입력된 제품 정보에 따라 분할될 수 있으나 그 외의 다양한 방식으로 분할될 수도 있다. 여기서 분할된 저장 공간 각각에 제품 정보에 해당하는 데이터를 개별적인 저장 섹터에 저장할 수 있으며, 이로 인해 저장 공간은 제품 정보의 개수에 따라 분할될 수 있다.

저장 용량 할당부(320)는 상술한 저장 공간 분할부(310)에 의해 생성된 저장 섹터 각각에 대한 저장 용량을 할당하는 기능을 수행하는 것으로서, 이때 저장 용량은 PLC의 저장부를 상술한 저장 공간 분할부(310)에 의해 분할된 저장 공간의 개수만큼 동일한 저장 공간 또는 본 발명의 시스템 관리자에 의해 미리 설정된 각기 다른 저장 용량으로 할당하여 설정될 수도 있다.

더불어, 저장 용량 할당부(320)는 분할된 각각의 저장 공간에 할당된 저장 용량을 가변하는 기능을 수행함으로써 PLC 저장부의 저장 공간 및 저장 용량을 효율적으로 관리 및 사용할 수 있다.

이때 데이터 저장 모듈(300)은 PLC의 저장부인 플래쉬 메모리와 연동되어 플래쉬 메모리에 데이터를 저장할 수 있다. 이때 플래쉬 메모리는 저장 용량이 작아 데이터 저장에 한계가 있으므로 데이터의 수집 기능만을 수행할 수 있다.

데이터 분석 모듈(400)은 저장된 입력 데이터를 분석하여 반복 데이터를 생성하는 것으로서, 이를 위해 반복 데이터 설정부(410)를 포함할 수 있다. 입력 데이터로부터 반복 데이터를 생성하는 구체적인 설명은 후술하기로 한다.

포장 수행 모듈(미도시)은 상술한 데이터 저장 모듈(300)에 의해 저장된 제품 정보별 데이터를 학습하여 생성된 반복 데이터를 기반으로 제품의 크기(즉, 제품 정보)에 따라 커터(13)를 교체하면 교체된 커터(13)에 따라 모터(14)의 구동을 제어하여 제품 크기별 포장을 알맞게 수행하도록 포장기(10)에 포장 수행 명령을 내리는 기능을 제공한다.

이와 같이 본 발명의 시스템을 구현하는 PLC의 기본적인 구성에 대해 알아보았다. 다시 말하자면, 본 발명의 시스템은 포장기(10)의 구동에 따른 데이터를 지속적으로 입력받아 저장함으로써 학습이 수행되는데 이렇게 학습된 데이터는 매우 방대한 양을 지녀 PLC의 저장 공간에 한계가 발생할 수 있다.

이러한 한계점을 보완하기 위하여 본 발명의 PLC는 다음과 같은 추가 구성을 포함할 수 있다.

도 3은 본 발명의 PLC의 세부 구성을 도시한 블록도이며, 도 4는 본 발명의 데이터 필터링의 프로세스를 도시한 순서도이다.

도 3 및 도 4를 참조하면, PLC의 저장 공간을 분할한 후 데이터를 경량화하여 분할된 저장 공간에 저장하기 위해 데이터 분석 모듈(400)은 패턴 분석부(420)를 더 포함할 수 있다.

패턴 분석부(420)는 저장 섹터에 시계열적으로 저장된 입력 데이터 값을 분석하여 반복적으로 발생하는 신호를 반복 패턴으로 파악하는 기능을 수행한다. 이때 반복 패턴으로 파악하는 구체적인 방법에 대해서는 후술하기로 한다.

반복 데이터 설정부(410)는 상술한 패턴 분석부(420)에 의해 파악된 반복 패턴에 해당하는 입력 데이터를 반복 데이터로 설정하고, 이렇게 설정된 반복 데이터는 다시 데이터 저장 모듈(300)에 의해 저장됨으로써 컨트롤러(20)가 데이터를 입력받을 때 반복 데이터와 비교한 결과에 따라 포장기(10)의 구동을 제어할 수 있다.

이때 패턴 분석부(420)는 입력 데이터로부터 반복 패턴을 파악하기 위하여 피크 검출파트(421)와 동일 피크 파악파트(422) 및 반복 구간 파악파트(423)를 포함할 수 있다.

피크 검출파트(421)는 저장 섹터에 시계열적으로 저장된 입력 데이터로부터 각 제품 정보별로 시간에 대한 입력 데이터 그래프를 생성한 다음 그래프로부터 제 1 피크를 검출하는 것으로서, 이는 후술할 불량 구간을 파악할 시 기준이 되는 지점이 될 수 있다. 이때 피크는 상술한 패턴 분석부(420)에서의 특이점이라고 할 수 있다.

동일 피크 파악파트(422)는 피크와 동일한 값을 가지는 피크를 제 2 피크로 파악하는 것으로서, 이는 후술할 반복 구간 파악파트(423)를 통해 반복 구간을 파악하도록 하는 기능을 제공한다.

반복 구간 파악파트(423)는 상술한 제 1 피크와 제 2 피크 사이의 구간을 반복 구간으로 파악하는 것으로서, 이는 동일한 피크 사이의 신호값은 반복된다고 파악하여 제 1 피크와 제 2 피크 사이의 구간을 반복 구간으로 지정하는 기능을 제공한다.

나아가, 데이터 분석 모듈(400)은 상술한 피크 검출파트(421)에 의해 생성된 그래프에 가중치를 부여하여 표준 패턴을 생성하는 표준 패턴 생성부(430)를 포함하며, 이때 반복 데이터 설정부(410)는 표준 패턴을 반복 데이터로 설정할 수 있다.

표준 패턴 생성부(430)는 상기 그래프에 가중치를 부여하여 표준 패턴을 생성하는 것으로서, 즉 입력 데이터 각각에 가중치를 부여하여 새로운 그래프를 생성하고 이를 표준 패턴으로 지정할 수 있다. 이때 가중치는 다음의 수학식 1을 통해 산출될 수 있다.

수학식 1.

여기서, W는 가중치, M은 입력 데이터 j에 해당하는 상기 모터(14)의 RPM, E는 입력 데이터 j에 해당하는 상기 모터(14)의 토크, I는 입력 데이터 j에 해당하는 상기 모터(14)의 전력값을 의미한다.

수학식 1은 입력 데이터에 포함된 모터(14)의 RPM, 토크, 전력값을 기반으로 가중치를 산출하는 것으로서, 입력 데이터에 해당하는 모터(14)의 RPM, 토크, 전력값을 통해 산출된 가중치를 입력 데이터에 부여함으로써 입력 데이터 값에 따라 차별적인 데이터 값을 새롭게 가질 수 있다. 즉, 모터(14)가 더 많이 돌아갈수록, 모터(14)가 구동되는 힘이 더 클수록, 모터(14)가 더 많은 전력을 사용할수록 가중치의 값이 변화하기 되어 입력 데이터의 값을 바꿀 수 있다. 이때 수학식 1의 파라미터인 모터의 RPM, 토크, 전력값은 그 단위가 모두 다르므로 단위를 제한 수치값만을 상술한 수학식 1에 대입하여 산출하는 것이 바람직하다.

이때 본 발명의 설명에서 가중치란 피크 값을 보정 혹은 변환하는 값으로서, 그래프 개형을 스무스하게 처리함으로써 저장되는 데이터의 양을 경량화하기 위한 값이라고 할 수 있다.

이와 같이 산출된 가중치를 기반으로 표준 패턴이 생성되면 이를 반복 데이터로 설정할 수 있는데, 이때 데이터 저장 모듈(300)은 입력 데이터가 반복 데이터와 동일할 시 입력 데이터를 저장하고, 입력 데이터가 반복 데이터와 동일하지 않을 시 상기 입력 데이터를 삭제함으로써 데이터의 저장 공간을 효율적으로 관리할 수 있다.

더 나아가, 상기 데이터 저장 모듈(300)은 중복되는 데이터를 삭제하여 저장 공간을 경량화할 시 보다 정확하게 중복되는 데이터를 파악함으로써 포장기(10) 구동의 제어의 오류를 감소시키기 위하여 노이즈 제거부(440)를 더 포함할 수 있다.

노이즈 제거부(440)는 상기 입력 데이터의 노이즈를 파악한 후 상기 입력 데이터로부터 상기 노이즈를 제거하여 보정 데이터를 생성하는 것으로서, 입력 데이터의 노이즈를 제거하여 보정 데이터를 생성함으로써 데이터의 정확도를 더 높일 수 있다.

이때 상기 데이터 저장 모듈(300)은 새로 입력된 입력 데이터가 노이즈를 포함하지 않을 시 입력 데이터를 저장하고, 입력 데이터가 노이즈를 포함할 시 입력 데이터를 보정 데이터로 변환하여 저장함으로써 데이터의 저장 공간을 효율적으로 관리할 수 있다.

이에 더하여, 노이즈 제거부(440)는 구체적으로 기준값 산출파트(441), 노이즈 파악파트(442), 보정 데이터 생성파트(443)를 포함하여 입력 데이터로부터 노이즈를 파악하여 이를 제거할 수 있다.

기준값 산출파트(441)는 노이즈의 범위를 정의하는 기준값을 산출하는 것으로서, 이때 기준값은 다음의 수학식 2를 통해 산출될 수 있다.

수학식 2.

여기서, C,P는 기준값, N은 상기 피크 값이다.

수학식 2는 상술한 피크 검출파트에 의해 검출된 피크 값에 따라 기준값을 산출하는 것으로서, 이때 기준값은 노이즈의 범위를 정의하는 것이고, 피크 값이 노이즈가 될 수 있으므로, 피크 값이 클수록 노이즈라고 판단되는 기준값이 커질 수 있음을 알 수 있다.

노이즈 파악파트(442)는 기준값 산출파트(441)에 의해 산출된 기준값을 기반으로 상기 입력 데이터로부터 상기 노이즈의 유무를 파악하는 것으로서, 기준값 이상의 값을 지니는 입력 데이터를 노이즈로 파악하여 입력 데이터에 노이즈가 있는지를 알 수 있다.

보정 데이터 생성파트(443)는 기준값을 기반으로 입력 데이터로부터 노이즈를 제거한 보정 데이터를 생성하는 것으로서, 이때 보정 데이터는 다음의 수학식 3을 통해 산출될 수 있다.

수학식 3.

여기서, S.S는 보정 데이터, S_I,i는 저장된 상기 입력 데이터 중 i번째 입력 데이터, C.P는 상기 기준값, N은 상기 입력 데이터의 총 개수를 의미한다.

수학식 3은 입력 데이터로부터 노이즈가 제거된 보정 데이터 값을 산출하는 것으로서, 이때 보정 데이터 값은 입력 데이터의 값에서 기준값을 뺀 결과로부터 산출될 수 있으며, 보정 데이터는 결국 노이즈가 제거된 입력 데이터를 의미하므로 이를 기준으로 데이터의 저장 공간을 관리한다면 포장기(10)의 구동 제어를 보다 정확히 할 수 있다.

따라서 데이터 저장 모듈(300)은 입력 데이터가 기준값 이하일 시 입력 데이터를 저장하고, 입력 데이터가 기준값 초과 시 입력 데이터를 보정 데이터로 변환하여 저장함으로써 데이터의 저장 공간으로 효율적으로 관리할 수 있다.

지금까지 설명한 바와 같이, 본 발명에 따른 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템의 구성 및 작용을 상기 설명 및 도면에 표현하였지만 이는 예를 들어 설명한 것에 불과하여 본 발명의 사상이 상기 설명 및 도면에 한정되지 않으며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 변화 및 변경이 가능함은 물론이다.

10 : 포장기 11 : 이송부
12 : 필름 롤러 13 : 커터
14 : 모터 20 : 컨트롤러
100 : 제품 정보 입력 모듈 200 : 데이터 입력 모듈
300 : 데이터 저장 모듈 310 : 저장 공간 분할부
320 : 저장 용량 할당부 400 : 데이터 분석 모듈
410 : 반복 데이터 설정부 420 : 패턴 분석부
421 : 피크 검출파트 422 : 동일 피크 파악파트
423 : 반복 구간 파악파트 430 : 표준 패턴 생성부
440 : 노이즈 제거부 441 : 기준값 산출파트
442 : 노이즈 파악파트 443 : 보정 데이터 생성파트

Claims (11)

1. 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템으로서,
   제품을 이동시키는 이송부와 필름을 공급하는 필름 롤러 및 탈착이 가능한 것으로서 상기 필름의 가장자리를 가열 융착하여 절단하는 커터와 상기 이송부와 상기 필름 롤러 및 상기 커터를 구동하는 모터를 포함하는 포장기;와,
   상기 커터가 교체됨에 따라 상기 포장기의 구동을 학습하여 학습된 데이터를 통해 상기 포장기를 제어하는 컨트롤러;를 포함하는 것을 특징으로 하는, 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템.
2. 제 1항에 있어서,
   상기 컨트롤러는,
   상기 제품의 크기를 포함하는 제품 정보를 입력받는 제품 정보 입력 모듈;
   상기 포장기가 구동되면서 발생하는 모터의 RPM, 토크, 전류값, 위치를 입력 데이터로 지정하는 데이터 입력 모듈;
   상기 입력 데이터를 상기 제품 정보에 따라 분류한 후 시계열적으로 저장하는 데이터 저장 모듈;
   저장된 상기 입력 데이터를 분석하여 반복 데이터를 생성하는 반복 데이터 설정부를 포함하는 데이터 분석 모듈;
   상기 제품 정보에 해당하는 반복 데이터를 기반으로 상기 제품의 포장을 수행하도록 상기 커터의 교체에 따라 상기 포장기에 포장 수행 명령을 내리는 포장 수행 모듈;을 포함하는 것을 특징으로 하는, 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템.
3. 제 2항에 있어서,
   상기 데이터 저장 모듈은,
   상기 컨트롤러의 저장 공간을 복수 개로 분할하여 저장 섹터를 생성하는 저장 공간 분할부와,
   상기 저장 섹터에 대한 저장 용량을 설정하는 저장 용량 할당부를 포함하며,
   상기 제품 정보에 따라 분류된 상기 입력 데이터를 각각의 저장 섹터에 분할하여 저장하는 것을 특징으로 하는, 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템.
4. 제 3항에 있어서,
   상기 데이터 분석 모듈은,
   상기 저장 섹터에 시계열적으로 저장된 상기 입력 데이터에서 반복적으로 발생하는 신호를 반복 패턴으로 파악하는 패턴 분석부를 포함하고,
   상기 반복 데이터 설정부는,
   상기 반복 패턴을 기반으로 상기 입력 데이터를 반복 데이터로 설정하며,
   상기 데이터 저장 모듈은,
   상기 저장 섹터에 상기 반복 데이터를 저장하는 것을 특징으로 하는, 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템.
5. 제 4항에 있어서,
   상기 패턴 분석부는,
   각 제품 정보별 시간에 대한 입력 데이터 그래프를 생성한 후 상기 그래프에서 제 1 피크를 검출하는 피크 검출파트와,
   상기 제 1 피크와 동일한 값을 가지는 피크를 제 2 피크로 파악하는 동일 피크 파악파트 및,
   상기 제 1 피크와 상기 제 2 피크 사이의 구간을 반복 구간으로 지정하는 반복 구간 파악파트를 포함하는 것을 특징으로 하는, 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템.
6. 제 5항에 있어서,
   상기 데이터 분석 모듈은,
   상기 그래프에 가중치를 부여하여 표준 패턴을 생성하는 표준 패턴 생성부를 포함하고,
   상기 반복 데이터 설정부는,
   상기 표준 패턴을 반복 데이터로 설정하는 것을 특징으로 하는, 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템.
7. 제 6항에 있어서,
   상기 가중치는,
   다음의 수학식 1을 통해 산출되는 것을 특징으로 하는, 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템.
   수학식 1.

   

   
   (여기서, W는 가중치, M은 입력 데이터 j에 해당하는 상기 모터의 RPM, E는 입력 데이터 j에 해당하는 상기 모터의 토크, I는 입력 데이터 j에 해당하는 상기 모터의 전력값)
8. 제 4항에 있어서,
   상기 데이터 저장 모듈은,
   상기 입력 데이터가 상기 반복 데이터와 동일할 시 상기 입력 데이터를 저장하고, 상기 입력 데이터가 상기 반복 데이터와 동일하지 않을 시 상기 입력 데이터를 삭제하는 것을 특징으로 하는, 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템.
9. 제 2항에 있어서,
   상기 데이터 분석 모듈은,
   상기 입력 데이터의 노이즈를 파악한 후 상기 입력 데이터로부터 상기 노이즈를 제거하여 보정 데이터를 생성하는 노이즈 제거부를 포함하며,
   상기 데이터 저장 모듈은,
   상기 입력 데이터가 상기 노이즈를 포함하지 않을 시 상기 입력 데이터를 저장하고, 상기 입력 데이터가 상기 노이즈를 포함할 시 상기 입력 데이터를 상기 보정 데이터로 변환하여 저장하는 것을 특징으로 하는, 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템.
10. 제 9항에 있어서,
    상기 노이즈 제거부는,
    노이즈의 범위를 정의하는 기준값을 산출하는 기준값 산출파트와,
    상기 기준값을 기반으로 상기 입력 데이터로부터 상기 노이즈의 유무를 파악하는 노이즈 파악파트와,
    상기 기준값을 기반으로 상기 입력 데이터로부터 상기 노이즈를 제거한 보정 데이터를 생성하는 보정 데이터 생성파트를 포함하며,
    상기 데이터 저장 모듈은,
    상기 입력 데이터가 상기 기준값 이하일 시 상기 입력 데이터를 저장하고, 상기 입력 데이터가 상기 기준값 초과 시 상기 입력 데이터를 상기 보정 데이터로 변환하여 저장하며,
    상기 반복 데이터 설정부는,
    상기 보정 데이터를 기반으로 반복 데이터를 생성하는 것을 특징으로 하는, 머신러닝을 이용한 모듈형 포장기의 커터 교체 제어 시스템.
11. 삭제

Images