KR102094856B1 - 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템 - Google Patents
빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템 Download PDFInfo
- Publication number
- KR102094856B1 KR102094856B1 KR1020190097134A KR20190097134A KR102094856B1 KR 102094856 B1 KR102094856 B1 KR 102094856B1 KR 1020190097134 A KR1020190097134 A KR 1020190097134A KR 20190097134 A KR20190097134 A KR 20190097134A KR 102094856 B1 KR102094856 B1 KR 102094856B1
- Authority
- KR
- South Korea
- Prior art keywords
- sensing value
- external environment
- value
- sensing
- data
- 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
- 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
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
-
- 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
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
-
- 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
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Abstract
본 발명은 관리 대상물에 검출센서를 설치하고, 설치된 검출센서로부터 검출된 센싱값을 수집하며, 수집된 센싱값을 대상물 센싱값과 외부환경 센싱값으로 구분하고, 외부환경 센싱값에 근거하여 대상물 센싱값에 대한 상황별 데이터를 구축하며, 구축된 상기 상황별 데이터를 이용하여 인공지능 분석을 통해 관리 대상물에 대한 위험요소를 분석 및 예측하여 시각화정보로 제공할 수 있는 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에 관한 것이다.
상기의 과제를 해결하기 위하여 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템은 관리 대상물의 내부 및 외부에 설치되고 센싱값을 검출하는 복수 개의 센서장치; 상기 센서장치로부터 검출된 센싱값을 수집하여 저장 관리하는 수집장치; 상기 수집장치에 저장된 센싱값에 근거하여 위험요소를 분석하고 예측하는 분석장치; 및 상기 분석장치에서 예측된 위험요소를 시각적으로 표시하는 표시장치를 포함하여 구성되고, 상기 분석장치는 수집된 상기 센싱값을 대상물 센싱값과 외부환경 센싱값으로 구분하고, 상기 외부환경 센싱값에 근거하여 상기 대상물 센싱값에 대한 상황별 데이터를 구축하며, 구축된 상기 상황별 데이터를 이용하여 인공지능 분석을 통해 관리 대상물에 대한 위험요소를 분석 및 예측하여 시각화정보로 제공하는 것을 특징으로 한다.
상기의 과제를 해결하기 위하여 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템은 관리 대상물의 내부 및 외부에 설치되고 센싱값을 검출하는 복수 개의 센서장치; 상기 센서장치로부터 검출된 센싱값을 수집하여 저장 관리하는 수집장치; 상기 수집장치에 저장된 센싱값에 근거하여 위험요소를 분석하고 예측하는 분석장치; 및 상기 분석장치에서 예측된 위험요소를 시각적으로 표시하는 표시장치를 포함하여 구성되고, 상기 분석장치는 수집된 상기 센싱값을 대상물 센싱값과 외부환경 센싱값으로 구분하고, 상기 외부환경 센싱값에 근거하여 상기 대상물 센싱값에 대한 상황별 데이터를 구축하며, 구축된 상기 상황별 데이터를 이용하여 인공지능 분석을 통해 관리 대상물에 대한 위험요소를 분석 및 예측하여 시각화정보로 제공하는 것을 특징으로 한다.
Description
본 발명은 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에 관한 것으로서, 더욱 상세하게는 관리 대상물에 검출센서를 설치하고, 설치된 검출센서로부터 검출된 센싱값을 수집하며, 수집된 센싱값을 대상물 센싱값과 외부환경 센싱값으로 구분하고, 외부환경 센싱값에 근거하여 대상물 센싱값에 대한 상황별 데이터를 구축하며, 구축된 상기 상황별 데이터를 이용하여 인공지능 분석을 통해 관리 대상물에 대한 위험요소를 분석 및 예측하여 시각화정보로 제공할 수 있는 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에 관한 것이다.
일반적으로 장치, 기계 등은 하나 이상의 부품들로 복합적으로 구성되고, 이들의 유기적인 결합에 의해 구동되게 된다.
이때, 각각의 부품은 재질 또는 사용 빈도수에 따라 기대 수명이 다르고, 일정 주기에 따라 교체 또는 수리될 수 밖에 없다.
교체 또는 수리가 적절히 이루어지지 않는 경우에는 장치(기계)에 큰 손상을 야기할 수 있으며, 결국 그 장치와 관련된 시스템 전체에 큰 손해를 끼칠 수 있다.
예를 들어, 배전반에서 발생된 아크는 배전반을 소실시키는 것에 국한되는 것이 아니라, 배전반을 통해 공급되는 전력을 차단시키게 되는데, 이로 인해 산업시설에 막대한 피해가 야기되게 된다.
한편, 다양한 환경에서 검출된 데이터인 빅 데이터를 가치있는 데이터로 활용하고자 하는 연구가 활발히 진행되고 있다.
빅 데이터(big data)란 기존 데이터베이스 관리도구의 능력을 넘어서는 대량(수십 테라바이트)의 정형 또는 심지어 데이터베이스 형태가 아닌 비정형의 데이터로부터 가치를 추출하고 결과를 분석하는 기술이다.
빅 데이터 기술은 다양한 종류의 대규모 데이터에 대한 생성, 수집, 분석, 표현을 그 특징으로 하고 있는 것으로서, 다변화된 현대 사회를 더욱 정확하게 예측하여 효율적으로 작동케 하고 개인화된 현대 사회 구성원마다 맞춤형 정보를 제공, 관리, 분석 가능케 하며 과거에는 불가능했던 기술을 실현시키기도 한다.
이같이 빅 데이터는 정치, 사회, 경제, 문화, 과학 기술 등 전 영역에 걸쳐서 사회와 인류에게 가치있는 정보를 제공할 수 있는 가능성을 제시하며 그 중요성이 부각되고 있다.
이에, 빅 데이터를 기반으로 하여 무기 체계의 신뢰도를 예측하기 위한 기술로서, 등록특허공보 제10-1884908호에 빅데이터 분석 기반 신뢰도 예측 장치가 개시되었다.
또한, 등록특허공보 제10-1962739호에 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템 및 그 방법이 개시되었다.
상기 기술은 지하철 역사 곳곳에 설치된 기계장비로부터 데이터를 수집해 기계장비의 상태를 실시간으로 모니터링하며, 기계 장비의 이상징후를 포착해 고장을 사전에 예방하고자 하는 것으로서, 기계장비의 기동시간값, 가동횟수, 점검일로부터 경과일수를 수집하여 고장예지값을 산출하고, 산출된 고장예지값과 기준값을 비교하여 점검신호를 생성하는 것을 특징으로 한다.
위 종래 기술들을 살펴보면, 검출된 값과 설정된 기준값에 근거하여 장치(또는 부품)의 교체시기 등을 안내하는 것이나, 설정된 기준값은 그 장치의 평균적인 정상동작 시간에 맞춰진 것이어서, 기계장치의 이상징후를 의미하는 것이 아닐 수 있다.
또한, 검출된 데이터의 이상 신호값은 기계장치에서 발생된 것이 아닌 외부환경에 의한 원인인 경우가 많기 때문에, 종래 기술에 의하면 교체할 필요가 없는 장치(부품)임에도 교체가 이루어질 수 있기도 하고, 외부환경을 인지하지 못한 경우 교체 또는 점검시기가 늦어지면서 큰 사고로 이어질 수 있는 문제점이 있다.
본 발명은 상기 종래기술이 갖는 문제점을 해소하기 위하여 창출된 것으로서, 본 발명에서 해결하고자 하는 과제는, 관리 대상물로부터 검출된 센싱값과 외부환경 정보값에 근거한 상황별 데이터를 구축하여 관리 대상물에 대한 위험요소를 분석 및 예측할 수 있는 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템을 제공하는 데 있다.
상기의 과제를 해결하기 위하여 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템은 관리 대상물의 내부 및 외부에 설치되고 센싱값을 검출하는 복수 개의 센서장치; 상기 센서장치로부터 검출된 센싱값을 수집하여 저장 관리하는 수집장치; 상기 수집장치에 저장된 센싱값에 근거하여 위험요소를 분석하고 예측하는 분석장치; 및 상기 분석장치에서 예측된 위험요소를 시각적으로 표시하는 표시장치를 포함하여 구성되고, 상기 분석장치는 수집된 상기 센싱값을 대상물 센싱값과 외부환경 센싱값으로 구분하고, 상기 외부환경 센싱값에 근거하여 상기 대상물 센싱값에 대한 상황별 데이터를 구축하며, 구축된 상기 상황별 데이터를 이용하여 인공지능 분석을 통해 관리 대상물에 대한 위험요소를 분석 및 예측하여 시각화정보로 제공하는 것을 특징으로 한다.
여기서, 상기 분석장치는 수집된 상기 센싱값을 대상물 센싱값과 외부환경 센싱값으로 구분하여 저장 관리하는 데이터 분리부; 상기 데이터 분리부에서 구분된 상기 대상물 센싱값을 외부환경 센싱값에 근거하여 패턴화를 통해 상황별 데이터로 구축하는 데이터 구축부; 상기 데이터 구축부에서 구축된 상기 상황별 데이터 중에서, 이상징후에 해당하는 대상물 센싱값에 대해 외부환경 센싱값에 근거하여 분석하고 예측 방향을 판단하는 예측 판단부; 및 상기 데이터 구축부에서 구축된 상기 상황별 데이터를 업데이트하는 자기학습 갱신부를 포함하는 것을 특징으로 한다.
또한, 상기 예측 판단부는 상기 대상물 센싱값 중에서 이상징후에 해당되는 대상물 센싱값을 검출하여 확인하는 이상징후 확인모듈; 상기 이상징후 확인모듈에서 확인된 대상물 센싱값과, 상기 대상물 센싱값과 연계된 외부환경 센싱값을 연관시켜 연관 센싱값을 도출하는 연관 센싱값 도출모듈; 상기 연관 센싱값 도출모듈에서 도출된 연관 센싱값에 근거하여, 상기 이상징후 확인모듈에서 확인된 대상물 센싱값에 대해 상기 대상물 센싱값의 경고 한계치를 산출하는 경고 한계치 설정모듈; 및 상기 경고 한계치 설정모듈에서 산출된 경고 한계치에 근거하여, 상기 이상징후 확인모듈에서 확인된 대상물 센싱값에 대해 상기 연관 센싱값 도출모듈에서 도출된 연관 센싱값에 따라 상기 대상물 센싱값의 진행 방향을 예측 판단하는 예측방향 판단모듈을 포함하는 것을 특징으로 한다.
또한, 상기 외부환경 센싱값은 상기 대상물 센싱값의 종류에 따라 가변되되, 시간, 요일, 계절, 날씨, 온도, 습도 및 풍속 중에서 선택된 하나 이상으로 이루어지는 것을 특징으로 한다.
또한, 상기 수집장치는 상기 센서장치로부터 검출된 센싱값을 실시간으로 수신하는 센싱값 수신부; 상기 센싱값 수신부에서 수신된 센싱값을 상기 관리 대상물의 종류에 따라 구분하여 저장 관리하는 센싱값 저장부; 및 상기 센싱값 저장부에 저장된 센싱값을 상기 분석장치로 송신하는 센싱값 송신부를 포함하여 구성되는 것을 특징으로 한다.
본 발명에 의하면, 설정 입력된 기준값이 아닌 관리 대상물로부터 검출된 센싱값과 외부환경 정보값에 근거하여 관리 대상물의 위험요소를 분석하고 예측할 수 있으므로, 위험요소의 예측에 대한 객관성을 유지할 수 있는 장점이 있다.
또한, 기준값을 설정하기 위한 시간을 단축할 수 있고, 대상 관리물에 대한 시험 등을 간소화할 수 있는 장점이 있다.
도 1은 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템의 전체적인 구성도.
도 2는 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에 적용된 수집장치의 구성도.
도 3은 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에 적용된 분석장치의 구성도.
도 4는 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에서 일 실시 예에 따른 온도의 외부환경 요소를 구축한 상황별 데이터 그래프.
도 5는 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에 적용된 예측방향 판단모듈에서 이상징후의 대상물 센싱값에 대한 진행 방향을 예측하는 구성도.
도 2는 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에 적용된 수집장치의 구성도.
도 3은 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에 적용된 분석장치의 구성도.
도 4는 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에서 일 실시 예에 따른 온도의 외부환경 요소를 구축한 상황별 데이터 그래프.
도 5는 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에 적용된 예측방향 판단모듈에서 이상징후의 대상물 센싱값에 대한 진행 방향을 예측하는 구성도.
이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예를 더욱 상세하게 설명한다.
본 발명은 관리 대상물에 검출센서를 설치하고, 설치된 검출센서로부터 검출된 센싱값을 수집하며, 수집된 센싱값을 대상물 센싱값과 외부환경 센싱값으로 구분하고, 외부환경 센싱값에 근거하여 대상물 센싱값에 대한 상황별 데이터를 구축하며, 구축된 상기 상황별 데이터를 이용하여 인공지능 분석을 통해 관리 대상물에 대한 위험요소를 분석 및 예측하여 시각화정보로 제공할 수 있는 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에 관한 것이다.
도 1은 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템의 전체적인 구성도를 나타낸 것이다.
첨부된 도 1을 참조하면, 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템은 센서장치(100), 수집장치(200), 분석장치(300) 및 표시장치(400)를 포함하여 구성된다.
센서장치(100)는 관리 대상물(10)에 설치되어 대상 관리물(10)의 상태정보 및 동작정보를 검출하는 것으로서, 관리 대상물(10) 내부에 설치되는 내부 센서장치(110)와 외부에 설치되는 외부 센서장치(120)로 이루어진다.
여기서, 상기 관리 대상물(10)은 산업시설에 설치되는 장치, 기계 및 시스템 등을 의미하는 것으로서, 공조장치, 냉난방시설, 송배전장치, 발전장치, 엘리베이터, 교량 등 고정된 위치에서 동작되는 장치뿐만 아니라 건설장비, 항공기, 자동차 등 이동 가능한 기계도 포함될 수 있다.
상기 내부 센서장치(110)는 관리 대상물(10)의 동작에 따른 결과를 검출하기 위한 것으로서, 전압센서, 전류센서, 온도센서, 습도센서, 주파수센서, 노이즈센서, 진동센서, 압력센서, 속도센서, 초음파센서, 동작센서, 조도센서, 가스센서, 가속도센서, 인체감지센서, 적외선센서, 수위센서, 도어센서, 응결센서 및 음향센서 등을 포함하여 1개 이상 선택될 수 있고, 관리 대상물(10)에 따라 일부가 제외되거나 중복되게 구성될 수 있다.
상기 외부 센서장치(120)는 관리 대상물(10)의 외부에 설치되어 관리 대상물(10) 주변의 환경정보를 검출하는 것으로서, 온도센서, 습도센서, 풍향센서, 지진센서, 강수센서, 강설센서 및 먼지센서 등을 포함하여 1개 이상 선택될 수 있고, 관리 대상물(10)에 따라 일부가 제외되거나 중복되게 구성될 수 있다.
수집장치(200)는 상기 센서장치(100)로부터 검출된 센싱값을 수집하여 저장 관리하는 것으로서, 유/무선 통신을 통해 상기 센서장치(100)에서 검출된 센싱값을 수신하고, 수신된 센싱값을 저장 관리한다.
이때, 상기 수집장치(200)는 기상정보를 제공하는 서버(도면에 미표시)로부터 상기 관리 대상(10)이 설치된 지역의 날씨, 온도, 습도, 풍속, 풍향, 강우 및 강설 등을 수집하여 저장하게 된다.
또한, 상기 수집장치(200)에는 RTC(Real Time Clock)가 포함되도록 함으로써 상기 센서장치(100)로부터 센싱값이 수신된 시간이 수집되도록 하고, 상기 RTC(Real Time Clock)에 근거한 요일 및 날짜도 수집되도록 한다.
이에 따라, 상기 수집장치(200)는 상기 센서장치(100)로부터 실시간으로 센싱값을 수집하게 된다.
도 2는 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에 적용된 수집장치의 구성을 나타낸 도면이다.
첨부된 도 2를 참조하면, 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에 적용된 수집장치(200)는 센싱값 수신부(210), 센싱값 저장부(220) 및 센싱값 송신부(230)를 포함하여 구성된다.
센싱값 수신부(210)는 상기 센서장치로부터 검출된 센싱값을 실시간으로 수신하는 것으로서, 상기 센싱값에는 통신망을 통해 외부서버에서 제공되는 상기 관리 대상(10)이 설치된 지역의 날씨, 온도, 습도, 풍속, 풍향, 강우 및 강설에 대한 정보도 포함된다. 여기서, 상기 날씨는 맑음, 구름, 갬 등의 구름의 양을 나타내는 정보로 이루어질 수 있다.
또한, 상기 센싱값 수신부(210)에는 RTC(Real Time Clock)를 포함함으로써 실시간 시간 정보와 상기 RTC에 근거한 요일 및 날짜 정보도 함께 포함하여 수신되도록 한다.
센싱값 저장부(220)는 상기 센싱값 수신부(210)에서 수신된 센싱값을 상기 관리 대상물의 종류에 따라 구분하여 저장 관리하는 기능을 수행한다.
예를 들어, 상기 관리 대상물(10)이 복수의 배전반과 복수의 분전반으로 구성되는 경우, 배전반과 분전반으로부터 각각 검출된 센싱값이 구분되어 각각 저장되도록 한다.
즉, 상기 센싱값 저장부(220)는 상기 센싱값 수신부(210)에서 수신된 센싱값과 상기 센싱값에 대응하는 외부환경 정보를 나타내는 외부환경 정보값을 저장 및 관리하도록 구성된다.
센싱값 송신부(230)는 상기 센싱값 저장부(220)에 저장된 센싱값을 상기 분석장치(300)로 송신하는 기능을 수행한다.
분석장치(300)는 상기 수집장치(200)에 저장된 센싱값에 근거하여 위험요소를 분석하고 예측하는 것으로서, 수집된 상기 센싱값을 대상물 센싱값과 외부환경 센싱값으로 구분하고, 상기 외부환경 센싱값에 근거하여 상기 대상물 센싱값에 대한 상황별 데이터를 구축하며, 구축된 상기 상황별 데이터를 이용하여 인공지능 분석을 통해 관리 대상물에 대한 위험요소를 분석 및 예측하여 시각화정보로 제공하는 기능을 수행한다.
도 3은 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에 적용된 분석장치의 구성을 나타낸 도면이다.
첨부된 도 3을 참조하면, 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에 적용된 분석장치(300)는 데이터 분리부(310), 데이터 구축부(320), 예측 판단부(330) 및 자기학습 갱신부(340)를 포함하여 구성된다.
데이터 분리부(310)는 수집된 센싱값을 대상물 센싱값과 외부환경 센싱값으로 구분하여 저장 관리한다.
즉, 상기 데이터 분리부(310)는 수집된 센싱값 중에서 관리 대상물(10)의 상태정보 및 동작정보에 해당되는 센싱값을 대상물 센싱값으로 구분하여 저장하고, 수집된 센싱값 중에서 관리 대상물(10)의 외부 환경에 해당되는 센싱값을 외부환경 센싱값으로 구분하여 저장한다.
데이터 구축부(320)는 외부환경 센싱값에 근거하여 상기 데이터 분리부(310)에서 구분된 대상물 센싱값에 대해, 패턴화를 통해 상황별 데이터로 구축하게 된다.
상기 패턴화는, 각각의 대상물 센싱값에 대한 정상범위를 정의하고, 외부 환경의 변화에 따라 검출된 대상물 센싱값이 상기 정상범위를 벗어나는 다양한 상황을 일반화시키는 것을 의미한다.
예를 들어, 일 실시 예로 복수 개의 배전반에 대한 내부 온도값을 기준으로 정상범위의 온도값을 산출하여 정의한 상태에서, 특정 배전반의 내부 온도값이 다른 배전반의 내부 온도값보다 정상범위를 벗어나 상대적으로 높은 경우, 배전반의 내부 온도를 증가시킬 수 있는 요소(대상물 센싱값 및 외부환경 센싱값) 및 그에 따른 다양한 상황을 일반화시키는 것을 패턴화로 정의할 수 있다.
따라서, 상기 데이터 구축부(320)는 종류가 동일한 복수의 관리 대상물로부터 검출된 대상물 센싱값에 근거하여 정상범위값을 산출하여 정의하고, 정상범위값을 벗어나는 대상물 센싱값에 대한 변화 추이를 패턴화하여 상황별 데이터를 구축하게 된다.
상기에서, 다양한 상황에 따라 변화되는 추이를 패턴화하는 방식은, 머신러닝 알고리즘을 통해 대량의 데이터를 분석하고 그 중에서 패턴을 찾아내 예측하는 방식을 의미하는 것으로서, 상기 머신러닝 알고리즘은 환경과의 상호작용을 통해서 축적되는 경험적인 데이터를 바탕으로 모델을 자동으로 구축하고 구축된 모델을 향상시키는 것이다.
예측 판단부(330)는 상기 데이터 구축부(320)에서 구축된 상기 상황별 데이터 중에서, 이상징후에 해당하는 대상물 센싱값에 대해 외부환경 센싱값에 근거하여 분석하고 예측 방향을 판단하는 기능을 수행한다.
이에, 상기 예측 판단부(330)는 이상징후 확인모듈(331), 연관 센싱값 도출모듈(332), 경고 한계치 설정모듈(333) 및 예측방향 판단모듈(334)을 포함하여 구성된다.
이상징후 확인모듈(331)은 상기 대상물 센싱값 중에서 이상징후에 해당되는 대상물 센싱값을 검출하고 확인하는 기능을 수행한다.
즉, 상기 이상징후 확인모듈(331)은 검출된 대상물 센싱값이 정상범위에 있는지를 확인하는 기능을 수행하는 것으로서, 검출된 대상물 센싱값이 상기 데이터 구축부(320)에서 산출 및 정의된 정상범위에 있는지를 확인하고, 정상범위에 속하지 않으면 이상징후로 판단하게 된다.
연관 센싱값 도출모듈(332)은 상기 이상징후 확인모듈(331)에서 확인된 대상물 센싱값과, 상기 대상물 센싱값과 연계된 외부환경 센싱값을 연관시킨 연관 센싱값을 도출하는 기능을 수행한다.
이상징후로 판단된 대상물 센싱값은 관리 대상물 외부의 외부환경 센싱값 뿐만 아니라 내부의 다른 대상물 센싱값에 의해 영향을 받을 수 있다.
예를 들어, 배전반의 경우 내부의 온도는 외부 온도의 상승에 영향을 받아 함께 상승하기도 하지만, 또한 배전반 내부의 과전류에 의해 영향을 받아 상승하기도 한다.
따라서 상기 연관 센싱값 도출모듈(332)은 이상징후로 판단된 대상물 센싱값과 연계된 다양한 연관 센싱값(외부환경 센싱값 및 대상물 센싱값)을 도출하게 된다. 이때, 상기 연관 센싱값 도출모듈(332)은 도출되는 연관 센싱값(외부환경 센싱값 및 대상물 센싱값)에 가중치를 부여하도록 한다.
일 실시 예로, 온도라는 요소의 직접적인 원인은 열(heat)이므로, 열을 발생시킬 수 있는 요소에 대한 연관 센싱값의 가중치는 높게 설정되도록 한다. 즉, 대상물 센싱값(요소)마다 각각 다른 가중치가 적용되도록 하되, 직접적인 요소에 해당되는 센싱값에 대해서는 높은 가중치가 적용되도록 하고, 간접적인 요소에 해당되는 센싱값에 대해서는 낮은 가중치가 적용되도록 하며, 반대인 경우에는 역 가중치(음의 값)가 적용되도록 한다.
경고 한계치 설정모듈(333)은 상기 이상징후 확인모듈(331)에서 확인된 대상물 센싱값에 대해 상기 연관 센싱값 도출모듈(332)에서 도출된 연관 센싱값에 근거하여 상기 대상물 센싱값의 경고 한계치를 산출하는 기능을 수행한다. 즉, 상기 경고 한계치 설정모듈(333)에서 산출되는 경고 한계치는 관리 대상물의 내부환경 및 외부환경에 따라 가변되는 것으로서, 내외부의 환경에 따라 경고 한계치가 변화되게 된다.
예측방향 판단모듈(334)은 센싱값에 따라 상기 대상물 센싱값의 진행 방향을 예측 판단하는 기능을 수행한다.
도 4는 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에서 일 실시 예에 따른 온도의 외부환경 요소를 구축한 상황별 데이터 그래프를 나타낸 것이다.
첨부된 도 4를 참조하면, 온도는 시간별, 계절별로 다르게 나타난다. 또한, 제어반의 경우 제어반 도어를 개방하게 되면 제어반 내부 온도가 급격히 낮아지게되고 도어의 폐쇄에 따라 점진적으로 상승하게 된다. 아울러 제어반의 팬(fan)이 고장으로 정지하게 되면 제어반 내부의 온도는 점진적으로 상승하게 된다.
본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템은 외부환경 센싱값에 근거하여 이상징후의 대상물 센싱값을 예측하게 된다.
도 5는 본 발명에 따른 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템에 적용된 예측방향 판단모듈에서 이상징후의 대상물 센싱값에 대한 진행 방향을 예측하는 구성도를 나타낸 것이다.
복수 개의 관리 대상물로부터 수신된 대상물 센싱값으로부터 변화되는 추이가 패턴화되면서 상황별 데이터로 구축되게 되고, 구축된 상황별 데이터의 범위에서 적절한 정상범위값이 설정되게 된다.
또한, 종래에는 경고 한계치가 고정된 상태에서 센싱값이 경고 한계치를 벗어나는 경우를 이상징후로 판단하는 것인 반면, 본 발명에서는 센싱값과 연계된 다른 센싱값에 따라 경고 한계치가 시간별로 변화함에 따라, 시간별로 변화되는 경고 한계치에 근거하여 센싱값에 대한 이상징후를 판단하게 된다.
첨부된 도 5에 보인 바와 같이, 경고 한계치가 낮게 산출된 상태에서 대상물 센싱값의 검출 범위가 정상 범위를 벗어나게 되면, 상기 대상물 센싱값이 경고 한계치에 근접하게 되는 것을 알 수 있다.
다만, 검출된 대상물 센싱값에 대해 위험범위(①), 유지(②) 또는 정상범위(③)로 진행할지에 대한 예측 또는 판단은 검출된 대상물 센싱값과 연관 센싱값(예를 들면, 외부환경 센싱값 및 대상물 센싱값)에 근거하여 이루어질 수 있다.
자기학습 갱신부(340)는 상기 데이터 구축부에서 구축된 상기 상황별 데이터를 업데이트하는 기능을 수행한다. 업데이트를 통해 축적된 데이터는 패턴화된 상황별 데이터의 다양한 학습에 이용되고, 또한 예측 판단을 위한 알고리즘에 이용된다.
다음으로, 표시장치에 대해서 설명한다.
표시장치(400)는 분석장치(300)에서 예측된 위험요소를 시각적으로 표시하는 것으로서, 유/무선 통신을 통해 분석장치(300)에서 제공된 시각화 정보를 수신하여 표시하는 기능을 수행한다.
이때, 상기 분석장치(300)는 특정 대상물 센싱값이 경고 한계치를 초과할 것으로 예측 판단되는 경우, 상기 대상물 센싱값에 대한 알람신호가 발생되도록 구성될 수 있다.
본 발명에 의하면, 설정 입력된 기준값이 아닌 관리 대상물로부터 검출된 센싱값과 외부환경 정보값에 근거하여 관리 대상물의 위험요소를 분석하고 예측할 수 있으므로, 위험요소의 예측에 대한 객관성을 유지할 수 있는 장점이 있다.
또한, 기준값을 설정하기 위한 시간을 단축할 수 있고, 대상 관리물에 대한 시험 등을 간소화할 수 있는 장점이 있다.
이상에서 본 발명의 바람직한 실시 예를 설명하였으나, 본 발명의 권리범위는 이에 한정되지 아니하며 본 발명의 실시 예와 실질적으로 균등한 범위에 있는 것까지 본 발명의 권리범위가 미치는 것으로 이해되어야 하며, 본 발명의 정신을 벗어나지 않는 범위 내에서 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능하다.
10: 관리 대상물
100: 센서장치 110: 내부 센서장치
120: 외부 센서장치 200: 수집장치
210: 센싱값 수신부 220: 센싱값 저장부
230: 센싱값 송신부 300: 분석장치
310: 데이터 분리부 320: 데이터 구축부
330: 예측 판단부 331: 이상징후 확인모듈
332; 연관 센싱값 도출모듈 333: 경고 한계치 설정모듈
334: 예측방향 판단모듈 340: 자기학습 갱신부
400: 표시장치
100: 센서장치 110: 내부 센서장치
120: 외부 센서장치 200: 수집장치
210: 센싱값 수신부 220: 센싱값 저장부
230: 센싱값 송신부 300: 분석장치
310: 데이터 분리부 320: 데이터 구축부
330: 예측 판단부 331: 이상징후 확인모듈
332; 연관 센싱값 도출모듈 333: 경고 한계치 설정모듈
334: 예측방향 판단모듈 340: 자기학습 갱신부
400: 표시장치
Claims (5)
- 관리 대상물의 내부 및 외부에 설치되고 센싱값을 검출하는 복수 개의 센서장치;
상기 센서장치로부터 검출된 센싱값을 수집하여 저장 관리하는 수집장치;
상기 수집장치에 저장된 센싱값에 근거하여 위험요소를 분석하고 예측하는 분석장치; 및
상기 분석장치에서 예측된 위험요소를 시각적으로 표시하는 표시장치;
를 포함하여 구성되고,
상기 분석장치는,
수집된 상기 센싱값을 대상물 센싱값과 외부환경 센싱값으로 구분하고, 상기 외부환경 센싱값에 근거하여 상기 대상물 센싱값에 대한 상황별 데이터를 구축하며, 구축된 상기 상황별 데이터를 이용하여 인공지능 분석을 통해 관리 대상물에 대한 위험요소를 분석 및 예측하여 시각화정보로 제공하되,
상기 분석장치는,
수집된 상기 센싱값을 관리 대상물의 상태정보 및 동작정보에 해당되는 대상물 센싱값과 관리 대상물의 외부 환경에 해당되는 외부환경 센싱값으로 구분하여 저장 관리하는 데이터 분리부;
외부환경 센싱값에 근거하여 각각의 대상물 센싱값에 대한 정상범위를 정의하고, 외부 환경의 변화에 따라 검출된 대상물 센싱값이 상기 정상범위를 벗어나는 상황을 패턴화함을 통해, 상기 대상물 센싱값을 상황별 데이터로 구축하는 데이터 구축부;
상기 데이터 구축부에서 구축된 상기 상황별 데이터 중에서, 이상징후에 해당하는 대상물 센싱값에 대해 외부환경 센싱값에 근거하여 분석하고 예측 방향을 판단하는 예측 판단부; 및
상기 데이터 구축부에서 구축된 상기 상황별 데이터를 업데이트하는 자기학습 갱신부;
를 포함하며,
상기 예측 판단부는,
상기 대상물 센싱값 중에서 이상징후에 해당되는 대상물 센싱값을 검출하여 확인하되, 검출된 대상물 센싱값이 상기 데이터 구축부에서 산출 및 정의된 정상범위에 있는지를 확인하고, 정상범위에 속하지 않으면 이상징후로 판단하는 이상징후 확인모듈;
상기 이상징후 확인모듈에서 확인된 대상물 센싱값과, 상기 대상물 센싱값과 연계된 외부환경 센싱값을 연관시켜 연관 센싱값을 도출하는 연관 센싱값 도출모듈;
상기 연관 센싱값 도출모듈에서 도출된 연관 센싱값에 근거하여, 상기 이상징후 확인모듈에서 확인된 대상물 센싱값에 대해 상기 대상물 센싱값의 경고 한계치를 산출하는 경고 한계치 설정모듈; 및
상기 경고 한계치 설정모듈에서 산출된 경고 한계치에 근거하여, 상기 이상징후 확인모듈에서 확인된 대상물 센싱값에 대해 상기 연관 센싱값 도출모듈에서 도출된 연관 센싱값에 따라 상기 대상물 센싱값의 진행 방향을 예측 판단하는 예측방향 판단모듈;
을 포함하며,
상기 수집장치는,
상기 센서장치로부터 검출된 센싱값을 실시간으로 수신하는 센싱값 수신부;
상기 센싱값 수신부에서 수신된 센싱값을 상기 관리 대상물의 종류에 따라 구분하여 저장 관리하되, 상기 센싱값 수신부에서 수신된 센싱값과 상기 센싱값에 대응하는 외부환경 정보를 나타내는 외부환경 정보값을 저장 및 관리하는 센싱값 저장부; 및
상기 센싱값 저장부에 저장된 센싱값을 상기 분석장치로 송신하는 센싱값 송신부;
를 포함하며,
상기 연관 센싱값 도출모듈은,
이상징후로 판단된 대상물 센싱값과 연계된 다양한 연관 센싱값을 도출하되, 대상물 센싱값마다 각각 다른 가중치가 적용되도록 하며,
상기 경고 한계치 설정모듈에서 산출되는 경고 한계치는 관리 대상물의 내부환경 및 외부환경에 따라 가변되고, 시간별로 변화되는 상기 경고 한계치에 근거하여 센싱값에 대한 이상징후를 판단하며, 검출된 대상물 센싱값에 대해 위험범위, 유지 또는 정상범위로 진행할 지에 대한 예측 또는 판단은 검출된 대상물 센싱값과 연관 센싱값에 근거한 것을 특징으로 하는 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템.
- 삭제
- 삭제
- 청구항 1에 있어서,
상기 외부환경 센싱값은,
상기 대상물 센싱값의 종류에 따라 가변되되,
시간, 요일, 계절, 날씨, 온도, 습도 및 풍속 중에서 선택된 하나 이상으로 이루어지는 것을 특징으로 하는 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템.
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190097134A KR102094856B1 (ko) | 2019-08-09 | 2019-08-09 | 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190097134A KR102094856B1 (ko) | 2019-08-09 | 2019-08-09 | 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102094856B1 true KR102094856B1 (ko) | 2020-03-30 |
Family
ID=70003277
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190097134A KR102094856B1 (ko) | 2019-08-09 | 2019-08-09 | 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102094856B1 (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112946779A (zh) * | 2021-01-28 | 2021-06-11 | 中煤科工集团重庆研究院有限公司 | 用于隧道安全监测的点域识别系统及方法 |
| CN113566878A (zh) * | 2021-06-29 | 2021-10-29 | 青岛海尔科技有限公司 | 环境数据的检测方法及装置 |
| WO2022114655A1 (ko) * | 2020-11-26 | 2022-06-02 | (주)심플랫폼 | 클라우드 기반 디바이스 인공지능 설정 시스템 및 방법 |
| CN116909339A (zh) * | 2023-09-14 | 2023-10-20 | 厘壮信息科技(苏州)有限公司 | 基于人工智能的智能家居安全预警方法及系统 |
| CN117723208A (zh) * | 2024-02-07 | 2024-03-19 | 广州三拓智能装备有限公司 | 一种基于多时段数据智能分析的连线机平衡性测试系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110107575A (ko) * | 2010-03-25 | 2011-10-04 | 박윤교 | 산업설비 관리시스템 및 이의 운영방법 |
| JP2015088079A (ja) * | 2013-11-01 | 2015-05-07 | 株式会社日立パワーソリューションズ | 異常診断システム及び異常診断方法 |
| KR101884908B1 (ko) | 2018-01-18 | 2018-08-02 | 엘아이지넥스원 주식회사 | 빅데이터 분석 기반 신뢰도 예측 장치 |
| KR20180106112A (ko) * | 2017-03-17 | 2018-10-01 | 엘에스산전 주식회사 | 태양광 모듈의 고장 검출 시스템 |
| KR101962739B1 (ko) | 2018-08-27 | 2019-03-28 | 서울교통공사 | 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템 및 그 방법 |
-
2019
- 2019-08-09 KR KR1020190097134A patent/KR102094856B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110107575A (ko) * | 2010-03-25 | 2011-10-04 | 박윤교 | 산업설비 관리시스템 및 이의 운영방법 |
| JP2015088079A (ja) * | 2013-11-01 | 2015-05-07 | 株式会社日立パワーソリューションズ | 異常診断システム及び異常診断方法 |
| KR20180106112A (ko) * | 2017-03-17 | 2018-10-01 | 엘에스산전 주식회사 | 태양광 모듈의 고장 검출 시스템 |
| KR101884908B1 (ko) | 2018-01-18 | 2018-08-02 | 엘아이지넥스원 주식회사 | 빅데이터 분석 기반 신뢰도 예측 장치 |
| KR101962739B1 (ko) | 2018-08-27 | 2019-03-28 | 서울교통공사 | 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템 및 그 방법 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022114655A1 (ko) * | 2020-11-26 | 2022-06-02 | (주)심플랫폼 | 클라우드 기반 디바이스 인공지능 설정 시스템 및 방법 |
| KR20220073319A (ko) * | 2020-11-26 | 2022-06-03 | (주)심플랫폼 | 클라우드 기반 디바이스 인공지능 설정 시스템 및 방법 |
| KR102470637B1 (ko) | 2020-11-26 | 2022-11-25 | (주)심플랫폼 | 클라우드 기반 디바이스 인공지능 설정 시스템 및 방법 |
| CN112946779A (zh) * | 2021-01-28 | 2021-06-11 | 中煤科工集团重庆研究院有限公司 | 用于隧道安全监测的点域识别系统及方法 |
| CN112946779B (zh) * | 2021-01-28 | 2024-02-20 | 中煤科工集团重庆研究院有限公司 | 用于隧道安全监测的点域识别系统及方法 |
| CN113566878A (zh) * | 2021-06-29 | 2021-10-29 | 青岛海尔科技有限公司 | 环境数据的检测方法及装置 |
| CN113566878B (zh) * | 2021-06-29 | 2023-10-24 | 青岛海尔科技有限公司 | 环境数据的检测方法及装置 |
| CN116909339A (zh) * | 2023-09-14 | 2023-10-20 | 厘壮信息科技(苏州)有限公司 | 基于人工智能的智能家居安全预警方法及系统 |
| CN116909339B (zh) * | 2023-09-14 | 2024-01-09 | 厘壮信息科技(苏州)有限公司 | 基于人工智能的智能家居安全预警方法及系统 |
| CN117723208A (zh) * | 2024-02-07 | 2024-03-19 | 广州三拓智能装备有限公司 | 一种基于多时段数据智能分析的连线机平衡性测试系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102094856B1 (ko) | 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템 | |
| KR102159692B1 (ko) | 빅데이터 분석을 통한 태양광 발전량 예측 장치 및 방법 | |
| WO2017213918A1 (en) | Method and apparatus for increasing the density of data surrounding an event | |
| CN109784574A (zh) | 设备状态的预测方法及装置、存储介质、电子装置 | |
| JP2018008685A (ja) | 航空機の重整備における構造体修理のための予測方法及びシステム | |
| CN106017551A (zh) | 一种智能化输电线路综合监测分析预警方法 | |
| CN112926257A (zh) | 往复式天然气压缩机故障诊断系统以及诊断方法 | |
| CN108229538B (zh) | 交通工具系统预测装置和方法 | |
| US20190195525A1 (en) | Method and apparatus for operating heating and cooling equipment via a network | |
| US20160239755A1 (en) | Correlation and annotation of time series data sequences to extracted or existing discrete data | |
| KR20190062739A (ko) | 복수의 센서를 활용하여 제조 공정상의 장비 고장을 예지하는 데이터 분석 방법, 알고리즘 및 장치 | |
| KR102306208B1 (ko) | 안전 진단 기술이 적용된 태양광 발전 시스템 및 방법 | |
| CN107229017B (zh) | 一种风力发电机组变桨蓄电池异常故障预测方法 | |
| CN115239135A (zh) | 一种施工风险识别管控系统及方法 | |
| CN105319461A (zh) | 结合振动和电力质量分析来识别潜在的电网故障的系统 | |
| Vlasov et al. | An information system of predictive maintenance analytical support of industrial equipment | |
| CN115329812A (zh) | 一种基于人工智能的道路基础设施异常监测方法 | |
| US20200380391A1 (en) | Methods and systems for predicting electromechanical device failure | |
| KR101655247B1 (ko) | Bems 데이터를 이용한 에너지 분석 시스템 | |
| CN116822115A (zh) | 一种基于数字孪生技术的智慧园区的环境管理方法及系统 | |
| KR20190078685A (ko) | 점진적 군집화를 이용한 센서 데이터의 이상 패턴 감지 방법 | |
| KR102296561B1 (ko) | 지그비를 이용한 인공지능 기반 복수개의 배전반 통합 관제시스템 | |
| KR20200140999A (ko) | 항공기 센서들을 모델링하기 위한 데이터 기반 기계 학습 | |
| CN115393142A (zh) | 智慧园区管理方法及管理平台 | |
| CN114580784A (zh) | 一种飞机部件预测性维修数据的分析方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |