KR102102346B1 - 함정설비의 상태기반 정비지원 시스템 및 방법 - Google Patents
함정설비의 상태기반 정비지원 시스템 및 방법 Download PDFInfo
- Publication number
- KR102102346B1 KR102102346B1 KR1020190130553A KR20190130553A KR102102346B1 KR 102102346 B1 KR102102346 B1 KR 102102346B1 KR 1020190130553 A KR1020190130553 A KR 1020190130553A KR 20190130553 A KR20190130553 A KR 20190130553A KR 102102346 B1 KR102102346 B1 KR 102102346B1
- Authority
- KR
- South Korea
- Prior art keywords
- maintenance
- trap
- sensor data
- monitoring device
- diagnosis
- Prior art date
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 189
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003745 diagnosis Methods 0.000 claims abstract description 129
- 238000012806 monitoring device Methods 0.000 claims abstract description 119
- 230000002159 abnormal effect Effects 0.000 claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 230000005856 abnormality Effects 0.000 claims description 75
- 230000009471 action Effects 0.000 claims description 35
- 239000000284 extract Substances 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 230000009469 supplementation Effects 0.000 claims description 4
- 230000007257 malfunction Effects 0.000 claims description 2
- 230000000295 complement effect Effects 0.000 claims 1
- 238000013507 mapping Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000000611 regression analysis Methods 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013024 troubleshooting Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- RSPISYXLHRIGJD-UHFFFAOYSA-N OOOO Chemical group OOOO RSPISYXLHRIGJD-UHFFFAOYSA-N 0.000 description 1
- JLNTWVDSQRNWFU-UHFFFAOYSA-N OOOOOOO Chemical group OOOOOOO JLNTWVDSQRNWFU-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012384 transportation and delivery 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- 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
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0216—Human interface functionality, e.g. monitoring system providing help to the user in the selection of tests or in its configuration
-
- 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
- G05B23/0283—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
함정설비의 상태기반 정비지원 시스템 및 방법이 개시된다. 상태기반 정비 지원 방법은, 함정 모니터링 장치가 함정설비에 설치된 다수의 센서로부터 측정된 센서 데이터를 수신하여 수집하는 단계, 함정 모니터링 장치가 수집된 센서 데이터 중 함정설비의 정상상태의 센서 데이터를 육상 정비지원 장치로 전송하는 단계, 육상 정비지원 장치가 정상상태의 센서 데이터를 반복적으로 학습하고, 학습에 기초하여 학습모델을 생성하여 함정 모니터링 장치로 전송하는 단계, 함정 모니터링 장치가 생성된 학습모델을 이용하여 함정설비의 정상상태의 예측 데이터를 산출하는 단계, 함정 모니터링 장치가 산출된 예측 데이터를 실시간 측정된 센서 데이터와 비교하여 함정설비의 상태를 모니터링하는 단계, 함정 모니터링 장치가 모니터링에 따라 이상현상을 감지하면, 이상현상 조건별로 고장원인 및 조치사항을 저장한 진단 데이터베이스를 이용하여 고장원인을 분석하여 고장진단을 수행하는 단계 및 함정 모니터링 장치가 수행된 고장진단에 따른 진단 결과가 산출되면, 산출된 진단 결과를 출력하는 단계를 포함한다.
Description
본 발명은 함정설비의 상태기반 정비지원 시스템 및 방법에 관한 것이다.
일반적으로, 설비의 정비에는 예방 정비(PM: Preventive Maintenance)와 사후 정비(BM: Breakdown Maintenance)가 있다. 여기서, 사후 정비는 계획 사후 정비(PBM: Planned Breakdown Maintenance)와 긴급 사후 정비(EBM: Emergency Breakdown Maintenance)로 구분되고, 예방 정비는 시간기준 정비(TBM: Time Based Maintenance), 분해 점검(IR: Inspection and Repair) 및 상태기반 정비(CBM: Condition Based Maintenance)로 구분된다. 최근, 시간기준 정비를 기반으로 하는 상태기반 정비의 도입이 증가되는 추세이다.
상태기반 정비는 설비를 모니터링하고 수시로 설비 상태를 분석 및 진단하여 유지보수를 수행하는 것이다. 이러한 상태기반 정비는 설비 상태를 높은 수준으로 유지하여 운용 가용성을 향상시킬 수 있고, 고장 발생으로 인한 손실을 예방하여 유지보수 비용을 절감시킬 수 있다.
도 1은 함정 및 항공기의 고장 유형별 고장 발생 비율을 나타낸 도면이다. 도 1은 2005년 미해군의 유지보수 데이터 분석 자료이다.
도 1을 참조하면, 함정 및 항공기는 노후화에 의한 고장보다 랜덤(Random) 고장의 발생 비율이 높으며, 랜덤 고장 발생 비율은 수상함이 77%이고, 잠수함이 71%이다.
이와 같이, 함정의 고장은 가동시간과 무관하게 돌발적으로 발생하므로, 함정은 상태기반 정비가 필수적이다.
본 발명은 함정과 함정을 육상에서 지원하는 육상지원센터 간의 유기적인 협업을 통해, 함정설비를 실시간 모니터링하고 분석하여 이상현상을 감지하고, 이상현상 발생 시, 정비사가 조치를 취하도록 고장원인을 분석하고 분석된 고장원인에 따른 조치사항을 제시하며, 제시된 조치사항에 따라 정비 관리를 수행하는 함정설비의 상태기반 정비 지원 시스템 및 방법을 제공하기 위한 것이다.
본 발명의 일 측면에 따르면, 함정에 설치된 함정 모니터링 장치 및 상기 함정 모니터링 장치를 육상에서 지원하는 육상 정비지원 장치를 포함하는 함정설비의 상태기반 정비지원 시스템에서 수행되는 상태기반 정비지원 방법이 개시된다.
본 발명의 실시예에 따른 상태기반 정비 지원 방법은, 상기 함정 모니터링 장치가 상기 함정설비에 설치된 다수의 센서로부터 측정된 센서 데이터를 수신하여 수집하는 단계, 상기 함정 모니터링 장치가 상기 수집된 센서 데이터 중 함정설비의 정상상태의 센서 데이터를 상기 육상 정비지원 장치로 전송하는 단계, 상기 육상 정비지원 장치가 상기 정상상태의 센서 데이터를 반복적으로 학습하고, 상기 학습에 기초하여 학습모델을 생성하여 상기 함정 모니터링 장치로 전송하는 단계, 상기 함정 모니터링 장치가 상기 생성된 학습모델을 이용하여 상기 함정설비의 정상상태의 예측 데이터를 산출하는 단계, 상기 함정 모니터링 장치가 상기 산출된 예측 데이터를 실시간 측정된 센서 데이터와 비교하여 상기 함정설비의 상태를 모니터링하는 단계, 상기 함정 모니터링 장치가 상기 모니터링에 따라 이상현상을 감지하면, 이상현상 조건별로 고장원인 및 조치사항을 저장한 진단 데이터베이스를 이용하여 고장원인을 분석하여 고장진단을 수행하는 단계 및 상기 함정 모니터링 장치가 상기 수행된 고장진단에 따른 진단 결과가 산출되면, 상기 산출된 진단 결과를 출력하는 단계를 포함한다.
상기 정상상태의 센서 데이터는 상기 센서별로 정의된 센서 데이터의 정상 범위를 이용하여 상기 수집된 센서 데이터 중에서 선별된다.
상기 함정 모니터링 장치는 미리 설정된 정상범위 테이블을 이용하여 미리 설정된 주기로 상기 정상 범위를 갱신하고, 상기 갱신된 정상 범위에 따라 측정된 센서 데이터가 정상상태의 센서 데이터인지 여부를 판별하되, 상기 정상범위 테이블은 경과시간별로 정의된 각 센서의 센서 데이터의 정상 범위를 저장한다.
상기 함정 모니터링 장치는, 상기 정상범위 테이블에 따라 측정된 센서 데이터를 정상상태의 센서 데이터로 판별했을 때, 상기 함정설비가 비정상 동작하여 정비사가 해당 센서 데이터를 비정상상태의 센서 데이터로 판별하고 정상범위 변경명령을 입력하는 경우, 상기 측정된 센서 데이터의 값이 해당 센서 데이터의 정상범위를 벗어나도록 정상범위를 조정하거나, 상기 정상범위 테이블에 따라 측정된 센서 데이터를 비정상상태의 센서 데이터로 판별했을 때, 상기 함정설비가 정상 동작하여 정비사가 해당 센서 데이터를 정상상태의 센서 데이터로 판별하고 정상범위 변경명령을 입력하는 경우, 상기 측정된 센서 데이터의 값이 해당 센서 데이터의 정상범위에 포함되도록 정상범위를 조정한다.
상기 함정설비의 상태를 모니터링하는 단계는, 상기 함정 모니터링 장치가 상기 예측 데이터와 상기 실시간 측정된 센서 데이터의 차이의 크기에 따라 상기 이상현상을 감지하는 단계를 포함하되, 상기 이상현상을 감지하는 단계는, 상기 함정 모니터링 장치가 상기 예측 데이터와 상기 실시간 측정된 센서 데이터의 차이가 미리 설정된 허용치를 초과하여 일정시간 지속되는 경우, 이상현상이 발생한 것으로 판단하고, 알람을 발생하여 출력한다.
상기 고장진단을 수행하는 단계는, 상기 함정 모니터링 장치가 상기 진단 데이터베이스에서 상기 감지된 이상현상에 부합하는 이상현상 조건을 검색하는 단계 및 상기 함정 모니터링 장치가 상기 감지된 이상현상에 부합하는 이상현상 조건을 검출하면, 상기 검출된 이상현상 조건에 해당하는 고장원인 및 조치사항을 진단 데이터베이스로부터 추출하여 상기 진단 결과를 산출하는 단계를 포함한다.
상기 고장진단을 수행하는 단계는, 상기 함정 모니터링 장치가 상기 감지된 이상현상에 대한 이상현상 정보와 상기 진단 결과를 상기 육상 정비지원 장치로 전송하여 산출된 진단 결과의 검증 및 보완을 위한 자문을 요청하는 단계 및 상기 육상 정비지원 장치로부터 자문을 수신하여 상기 진단 결과에 반영하고, 상기 진단 데이터베이스를 업데이트하는 단계를 더 포함한다.
상기 고장진단을 수행하는 단계는, 전문가(expert)의 문제해결 지식(knowledge)의 규칙(rule)을 컴퓨터 프로그램 형태로 표현하여 컴퓨터가 해당 분야의 전문가처럼 결과를 추론하는 전문가 시스템(expert system) 방식을 이용하여 고장진단이 수행되며, 상기 진단 데이터베이스는 설비 매뉴얼, 정비 지침서 및 정비 노하우를 포함하는 전문가 지식을 IF(이상현상 조건)-THEN(고장원인 및 조치사항)의 규칙으로 저장한다.
상기 상태기반 정비 지원 방법은, 상기 함정 모니터링 장치가 상기 진단 결과가 산출되지 않는 경우, 감지된 이상현상에 대한 이상현상 정보를 상기 육상 정비지원 장치로 전송하여 고장진단을 요청하는 단계, 상기 육상 정비지원 장치가 상기 고장진단 요청에 따라 전문가가 고장진단을 수행하여 산출된 전문가 진단 결과를 입력받아 상기 함정 모니터링 장치로 전송하는 단계 및 상기 함정 모니터링 장치가 상기 전문가 진단 결과의 고장원인 및 조치사항을 출력하고, 상기 전문가 진단 결과를 이용하여 상기 진단 데이터베이스를 업데이트하는 단계를 더 포함한다.
상기 고장진단을 요청하는 단계 이후 및 상기 산출된 전문가 진단 결과를 입력받아 상기 함정 모니터링 장치로 전송하는 단계 이전에, 상기 육상 정비지원 장치가 상기 고장진단 요청에 따라 상기 전문가가 이상현상을 확인하여 고장진단을 수행하도록 상기 이상현상 정보, 진단 불가를 알리는 알림 메시지 및 알람을 출력하는 단계를 더 포함한다.
상기 진단 데이터베이스를 업데이트하는 단계는, 상기 함정 모니터링 장치가 상기 감지된 이상현상에 해당하는 이상현상 조건을 생성하고, 상기 전문가 진단 결과로부터 고장원인 및 조치사항을 추출한 후, 상기 생성된 이상현상 조건에 상기 추출된 고장원인 및 조치사항을 매핑하여 상기 진단 데이터베이스에 저장한다.
상기 상태기반 정비 지원 방법은, 상기 함정 모니터링 장치가 상기 진단 데이터베이스를 이용하여 산출된 진단 결과 또는 상기 전문가 진단 결과의 조치사항을 이용하여 정비내역을 산출하는 단계, 상기 함정 모니터링 장치가 상기 산출된 정비내역에 따른 필요부품을 산출하고, 상기 산출된 필요부품의 재고를 확인하는 단계, 상기 확인된 재고에 따라 정비정보를 생성하여 출력하고, 상기 생성된 정비정보를 상기 육상 정비지원 장치로 전송하는 단계, 상기 육상 정비지원 장치가 상기 정비정보를 확인하여 재고가 없거나 부족한 필요부품의 주문을 수행하는 단계 및 상기 육상 정비지원 장치가 주문한 필요부품이 입고될 때까지의 입고기간 및 상기 주문한 필요부품을 이용하여 수행하는 정비항목의 정비소요시간을 예측하여 정비 스케줄 정보를 산출하고, 상기 산출된 정비 스케줄 정보를 상기 함정 모니터링 장치로 전송하는 단계를 더 포함한다.
상기 정비정보는 상기 필요부품의 재고가 충분함에 따라 수행 가능한 정비항목 및 상기 필요부품의 재고가 없거나 부족하여 수행 불가한 정비항목을 포함한다.
상기 산출된 정비 스케줄 정보를 상기 함정 모니터링 장치로 전송하는 단계는, 상기 육상 정비지원 장치가 상기 함정설비에 대한 정비기록을 저장한 장치가 정비 데이터베이스에서 해당 정비항목들을 확인하여 평균 입고기간 및 평균 정비소요시간을 계산하여 상기 정비 스케줄 정보를 산출한다.
본 발명의 다른 측면에 따르면, 함정설비의 상태기반 정비지원 시스템이 개시된다.
본 발명의 실시예에 따른 상태기반 정비지원 시스템은, 상기 함정설비에 설치된 다수의 센서로부터 측정된 센서 데이터를 수신하여 수집하고, 상기 수집된 센서 데이터를 이용하여 상기 함정설비의 상태 모니터링 및 고장진단을 수행하는 함정 모니터링 장치 및 상기 수집된 센서 데이터 중 함정설비의 정상상태의 센서 데이터를 상기 함정 모니터링 장치로부터 수신하여 반복적으로 학습하고, 상기 학습에 기초하여 학습모델을 생성하여 상기 함정 모니터링 장치로 제공하는 육상 정비지원 장치를 포함하되, 상기 함정 모니터링 장치는, 상기 생성된 학습모델을 이용하여 상기 함정설비의 정상상태의 예측 데이터를 산출하고, 상기 산출된 예측 데이터를 실시간 측정된 센서 데이터와 비교하여 상기 함정설비의 상태를 모니터링하고, 상기 모니터링에 따라 이상현상을 감지하면, 이상현상 조건별로 고장원인 및 조치사항을 저장한 진단 데이터베이스를 이용하여 고장원인을 분석하여 고장진단을 수행하고, 상기 수행된 고장진단에 따른 진단 결과가 산출되면, 상기 산출된 진단 결과를 출력한다.
본 발명의 실시예에 따른 상태기반 정비 지원 시스템 및 방법은, 함정과 함정을 육상에서 지원하는 육상지원센터 간의 유기적인 협업을 통해, 함정설비를 실시간 모니터링하고 분석하여 이상현상을 감지하고, 이상현상 발생 시, 정비사가 조치를 취하도록 고장원인을 분석하고 분석된 고장원인에 따른 조치사항을 제시하며, 제시된 조치사항에 따라 정비 관리를 수행할 수 있다.
도 1은 함정 및 항공기의 고장 유형별 고장 발생 비율을 나타낸 도면.
도 2는 본 발명의 다양한 실시예가 구현될 수 있는 시스템 환경을 개략적으로 예시하여 나타낸 도면.
도 3은 본 발명의 실시예에 따른 함정설비의 상태기반 정비 지원 시스템의 구성을 개략적으로 예시하여 나타낸 도면.
도 4는 본 발명의 실시예에 따른 함정설비의 상태기반 정비 지원 시스템에서 수행되는 함정설비의 상태기반 정비 지원 방법을 나타낸 흐름도.
도 5는 본 발명의 다른 실시예에 따른 함정설비의 상태기반 정비 지원 방법을 나타낸 흐름도.
도 2는 본 발명의 다양한 실시예가 구현될 수 있는 시스템 환경을 개략적으로 예시하여 나타낸 도면.
도 3은 본 발명의 실시예에 따른 함정설비의 상태기반 정비 지원 시스템의 구성을 개략적으로 예시하여 나타낸 도면.
도 4는 본 발명의 실시예에 따른 함정설비의 상태기반 정비 지원 시스템에서 수행되는 함정설비의 상태기반 정비 지원 방법을 나타낸 흐름도.
도 5는 본 발명의 다른 실시예에 따른 함정설비의 상태기반 정비 지원 방법을 나타낸 흐름도.
본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "구성된다" 또는 "포함한다" 등의 용어는 명세서상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
이하, 본 발명의 다양한 실시예들을 첨부된 도면을 참조하여 상술하겠다.
도 2는 본 발명의 다양한 실시예가 구현될 수 있는 시스템 환경을 개략적으로 예시하여 나타낸 도면이고, 도 3은 본 발명의 실시예에 따른 함정설비의 상태기반 정비 지원 시스템의 구성을 개략적으로 예시하여 나타낸 도면이다. 이하에서는, 도 2 및 도 3을 참조하여 본 발명의 실시예에 따른 함정설비의 상태기반 정비 지원 시스템에 대하여 설명하기로 한다.
우선, 도 2를 참조하면, 본 발명의 실시예에 따른 함정설비의 상태기반 정비 지원 시스템은 함정(10) 및 함정(10)의 운용과 관리를 지원하는 육상지원센터(20)에서 구현될 수 있다.
그리고, 도 3을 참조하면, 본 발명의 실시예에 따른 함정설비의 상태기반 정비 지원 시스템은 함정 모니터링 장치(100) 및 육상 정비지원 장치(200)를 포함하여 구성될 수 있다.
즉, 함정 모니터링 장치(100)는 함정(10)에 설치되고, 육상 정비지원 장치(200)는 육상지원센터(20)에 설치될 수 있다.
함정 모니터링 장치(100)와 육상 정비지원 장치(200) 간의 통신은 함정(10)에 구비된 함정 통신수단(11)과 육상지원센터(20)에 구비된 육상 통신수단(21)을 통해 이루어질 수 있다. 여기서, 함정 모니터링 장치(100)는 함내 기지국(12)을 통해 선내 단말(13)과 통신연결되며, 이를 통해 처리된 각종 정보를 선내 단말(13)로 전송할 수 있다.
한편, 본 발명의 실시예에 따른 함정 모니터링 장치(100) 및 육상 정비지원 장치(200)는 네트워크 연결 가능한 서버를 통해 구현될 수 있다. 예를 들어, 서버는 함정설비(15)를 제어하거나 관리하는 기능을 수행하거나 함정(10)의 운용과 관리를 지원하는 기능을 수행할 수 있으며, 본 발명의 실시예에 따른 함정 모니터링 장치(100)나 육상 정비지원 장치(200)를 포함하여 구성될 수 있다.
본 명세서에서 서버란 본 발명의 실시예에 따른 함정설비의 상태기반 정비 지원 방법을 수행하는 컴퓨팅 디바이스로서, 하나 또는 둘 이상의 물리적 개체일 수 있다. 서버가 복수의 물리적 개체로 나뉘어 구현될 때, 각각의 물리적 개체의 관리 주체는 서로 상이할 수 있다. 서버에는 각각의 데이터베이스에 대응되는 정보를 저장하는 소프트웨어 및 하드웨어의 기능적 구조적 결합을 의미하는 DB가 포함될 수 있으며, DB는 적어도 하나의 테이블로 구현될 수도 있으며, 데이터베이스에 저장된 정보를 검색, 저장, 및 관리하기 위한 별도의 DBMS(Database Management System)을 더 포함할 수도 있다. 또한, 링크드 리스트(linked-list), 트리(Tree), 관계형 데이터베이스의 형태 등 다양한 방식으로 구현될 수 있으며, 데이터베이스에 대응되는 정보를 저장할 수 있는 모든 데이터 저장매체 및 데이터 구조를 포함한다.
다시, 도 3을 참조하면, 함정 모니터링 장치(100)는 함정설비(15)에 설치된 다수의 센서(17)와 유무선 통신을 통해 연결되며, 이를 통해 다수의 센서(17)로부터 측정된 센서 데이터를 수신한다.
예를 들어, 함정설비(15)는 함정(10)에 탑재되는 추진계통의 장치들로서, 디젤엔진, 가스터빈, 감속기, 발전기, 추진기 등을 포함할 수 있다. 그리고, 각 장치에는, 온도, 압력, 전류, 전압, 분당 회전수(rpm) 등을 측정하는 다수의 센서가 장착될 수 있다. 함정 모니터링 장치(100)는 각 장치에 장착된 센서(17)로부터 측정된 센서 데이터를 수신할 수 있다.
함정 모니터링 장치(100)는 수집된 센서 데이터를 분석하여 함정설비(10)의 상태를 모니터링하고, 이상현상을 감지하면, 정비사가 조치를 취할 수 있도록, 고장원인을 분석하여 고장진단을 수행하고, 고장진단 결과에 따라 조치사항을 산출하여 출력한다.
이때, 육상 정비지원 장치(200)는 함정 모니터링 장치(100)의 모니터링 및 고장진단 작업을 지원한다.
이를 위하여, 함정 모니터링 장치(100)는 수집된 센서 데이터 중 함정설비(10)의 정상상태의 센서 데이터를 육상 정비지원 장치(200)로 전송하여 학습모델을 요청하고, 육상 정비지원 장치(200)는 학습모델 요청에 따라 수신되는 정상상태의 센서 데이터를 반복적으로 학습하고, 학습에 기초하여 학습모델을 생성하여 함정 모니터링 장치(100)로 전송한다. 여기서, 함정 모니터링 장치(100)는 센서(17)별로 정의된 센서 데이터의 정상 범위를 이용하여 수집된 센서 데이터 중에서 정상상태의 센서 데이터를 선별할 수 있다.
예를 들어, 육상 정비지원 장치(200)는 회귀 분석(Regression analysis), 분류(Classification), 시계열 패턴 분석(Time-series pattern analysis) 등을 이용하여 학습하여 학습모델을 생성하고, 함정 모니터링 장치(100)는 생성된 학습모델을 이용하여 정상상태의 예측 데이터를 산출할 수 있다.
여기서, 회귀 분석은 정상상태의 센서 데이터와 가장 근접한 직선, 곡면 등을 추정하는 방식으로, 이를 통해 정상상태의 예측 데이터가 산출될 수 있으며, 산출된 정상상태의 예측 데이터와 실시간 측정된 센서 데이터의 차이로 이상현상이 판단될 수 있다. 이와 같은 회귀 분석은 모델링 속도가 상대적으로 빠르고, 이상현상 발생 시 원인 센서 발견에 용이하며, 상관관계가 낮은 센서는 노이즈로 작용하므로 제거가 필요한 특징이 있다.
그리고, 분류는 정상상태의 센서 데이터의 분포를 기준으로 정상과 이상의 경계를 결정하는 방식으로, 결정된 경계로 이상현상이 판단될 수 있다. 이와 같은 분류는 상관관계지수가 낮아 회귀법을 적용할 수 없는 센서에 적용되고, 노이즈 제거를 위해 일반적으로 2개의 센서를 묶어 쌍(pair)으로 적용되며, 많은 메모리 용량을 차지하는 특징이 있다.
그리고, 시계열 패턴 분석은 시간에 따른 과거 데이터 패턴을 기반으로 미래 데이터를 예측하는 방식으로, 이를 통해 정상상태의 예측 데이터가 산출될 수 있다. 이와 같은 시계열 패턴 분석은 센서별로 적용되며, 학습에 상대적으로 많은 소요 시간이 필요하여 주요 센서에만 적용되는 특징이 있다.
함정설비(15)가 시간이 경과하여 노후되면, 함정설비(15)의 센서 데이터는 함정설비(15)가 고장이 아님에도, 비정상상태의 값으로 측정될 수 있다. 따라서, 함정설비(15)의 센서 데이터의 정상 범위는 시간이 경과함에 따라 미리 설정된 주기로 조정이 필요하다.
이를 위하여, 본 발명의 실시예에 따른 함정 모니터링 장치(100)는 함정설비(15)의 미리 설정된 정상범위 테이블을 이용하여 미리 설정된 주기로 센서 데이터의 정상 범위를 갱신하고, 갱신된 정상 범위에 따라 측정된 센서 데이터가 정상상태의 센서 데이터인지 여부를 판별할 수 있다.
여기서, 정상범위 테이블은 경과시간별로 정의된 각 센서의 센서 데이터의 정상 범위를 저장할 수 있다. 예를 들어, 정상범위 테이블은 1년 단위로 함정설비(15)의 각 부품의 온도, 압력, 전류, 전압, 분당 회전수(rpm) 등에 대한 정상 범위를 저장할 수 있다.
한편, 본 발명의 실시예에 따른 함정 모니터링 장치(100)는 정비사 입력에 따라 미리 설정된 정상범위 테이블의 정상 범위를 보정할 수도 있다.
예를 들어, 함정 모니터링 장치(100)가 정상범위 테이블에 따라 측정된 센서 데이터를 정상상태의 센서 데이터로 판별했을 때, 함정설비(15)가 비정상 동작하여 정비사가 해당 센서 데이터를 비정상상태의 센서 데이터로 판별하고, 측정된 센서 데이터의 값이 해당 센서 데이터의 정상범위를 벗어나도록 해당 센서 데이터의 정상범위 변경명령을 함정 모니터링 장치(100)로 입력할 수 있다. 이에 따라 함정 모니터링 장치(100)는 측정된 센서 데이터의 값이 해당 센서 데이터의 정상범위를 벗어나도록 해당 센서 데이터의 정상범위를 조정함으로써, 정상범위 테이블의 정상 범위를 보정할 수 있다. 여기서, 함정 모니터링 장치(100)는 정상범위를 직접 조정하거나 학습 모델을 재학습 과정을 통해 정상범위를 조정할 수도 있다.
이와 반대로, 함정 모니터링 장치(100)가 정상범위 테이블에 따라 측정된 센서 데이터를 비정상상태의 센서 데이터로 판별했을 때, 함정설비(15)가 정상 동작하여 정비사가 해당 센서 데이터를 정상상태의 센서 데이터로 판별하고, 측정된 센서 데이터의 값이 해당 센서 데이터의 정상범위를 포함하도록 해당 센서 데이터의 정상범위 변경명령을 함정 모니터링 장치(100)로 입력할 수 있다. 이에 따라 함정 모니터링 장치(100)는 측정된 센서 데이터의 값이 해당 센서 데이터의 정상범위에 포함되도록 해당 센서 데이터의 정상범위를 조정함으로써, 정상범위 테이블의 정상 범위를 보정할 수 있다.
함정 모니터링 장치(100)는 산출된 정상상태의 예측 데이터를 실시간 측정된 센서 데이터와 비교하여 함정설비(15)의 상태를 모니터링하고, 정상상태의 예측 데이터와 실시간 측정된 센서 데이터의 차이의 크기에 따라 이상현상을 감지한다.
예를 들어, 함정 모니터링 장치(100)는 정상상태의 예측 데이터와 실시간 측정된 센서 데이터의 차이가 미리 설정된 허용치를 초과하여 일정시간 지속되는 경우, 이상현상이 발생한 것으로 판단하고, 알람을 발생하여 출력할 수 있다. 여기서, 허용치는 학습 모델을 생성하는 과정에서 정상상태의 센서 데이터를 통계 분석하여 설정될 수 있다. 알람 출력을 위하여, 함정 모니터링 장치(100)는 처리한 정보를 출력하는 디스플레이부(미도시) 또는 소리를 출력하는 소리출력부(미도시)를 구비할 수 있으며, 이를 통해 알람 메시지 또는 알람 소리를 출력할 수 있다.
이후, 함정 모니터링 장치(100)는 함정설비(15)의 이상현상을 감지함에 따라 이상현상 조건별로 고장원인 및 조치사항을 저장한 진단 데이터베이스를 이용하여 고장원인을 분석하여 고장진단을 수행한다.
즉, 함정 모니터링 장치(100)는 전문가 시스템 방식을 이용하여 고장진단을 수행할 수 있다. 여기서, 전문가 시스템(expert system) 방식은 전문가(expert)의 문제해결 지식(knowledge)의 규칙(rule)을 컴퓨터 프로그램 형태로 표현하여 컴퓨터가 해당 분야의 전문가처럼 결과를 추론하는 것이다. 그래서, 진단 데이터베이스는 설비 매뉴얼, 정비 지침서, 정비 노하우 등과 같은 전문가 지식을 IF(이상현상 조건)-THEN(고장원인 및 조치사항)과 같은 규칙으로 저장할 수 있다. 그리고, 함정 모니터링 장치(100)는 진단 데이터베이스에서 감지된 이상현상에 부합하는 이상현상 조건을 검색하고, 감지된 이상현상에 부합하는 이상현상 조건을 검출하면, 검출된 이상현상 조건에 해당하는 고장원인 및 조치사항을 진단 데이터베이스로부터 추출함으로써, 진단 결과를 산출할 수 있다.
예를 들어, 이상현상 조건별로 고장원인 및 조치사항을 저장한 진단 데이터베이스는 IF "OO센서에서 OO현상이 발생" THEN "고장원인은 OOOO임", "조치사항은 OOOOOOO임"의 형태로, 각종 이상현상 조건별로 고장원인 및 조치사항을 저장할 수 있다. 여기서, 이상현상 조건은 AND나 NOT과 같은 연산자를 이용하여 구성될 수 있으며, IF "B뱅크 배기압력 높음" AND "배기온도 차이 높음" AND NOT "윤할유 압력 높음"과 같은 형태를 가질 수 있다.
또한, 함정 모니터링 장치(100)는 감지된 이상현상에 대한 이상현상 정보와 진단 데이터베이스를 이용하여 산출된 진단 결과를 육상 정비지원 장치(200)로 전송하여 산출된 진단 결과의 검증 및 보완을 위한 자문을 요청하고, 육상 정비지원 장치(200)로부터 자문을 수신하여 진단 데이터베이스를 이용하여 산출된 진단 결과에 반영할 수 있다. 그리고, 함정 모니터링 장치(100)는 자문이 반영된 진단 결과를 이용하여 진단 데이터베이스를 업데이트할 수 있다.
여기서, 육상 정비지원 장치(200)는 진단 데이터베이스를 이용하여 산출된 진단 결과를 전문가가 검토하도록 산출된 진단 결과 및 이상현상 정보를 출력하고, 전문가가 검토하여 산출한 자문을 입력받아 함정 모니터링 장치(100)로 전송할 수 있다.
이와 같이 진단 결과가 산출됨에 따라, 함정 모니터링 장치(100)는 구비한 디스플레이부를 통해 고장원인 및 조치사항을 출력할 수 있다.
하지만, 진단 데이터베이스는 모든 이상현상 조건에 따른 고장원인 및 조치사항을 저장할 수 없으므로, 진단 데이터베이스에 존재하지 않는 이상현상이 발생할 수 있다.
이에 따라, 만약, 감지된 이상현상에 부합하는 이상현상 조건이 진단 데이터베이스에서 검출되지 않는 경우, 함정 모니터링 장치(100)는 진단 결과를 산출할 수 없으므로, 감지된 이상현상에 대한 이상현상 정보를 육상 정비지원 장치(200)로 전송하여 고장진단을 요청한다.
육상 정비지원 장치(200)는 고장진단 요청에 따라 전문가가 이상현상을 확인하여 고장진단을 수행하도록 진단 불가를 알리는 알림 메시지 및 알람을 출력한다. 이때, 육상 정비지원 장치(200)는 감지된 이상현상에 대한 이상현상 정보를 출력함으로써, 이를 전문가가 참고하여 고장진단을 수행하게 할 수 있다.
이후, 육상 정비지원 장치(200)는 전문가의 고장진단에 따라 산출된 전문가 진단 결과를 입력받으면, 이를 함정 모니터링 장치(100)로 전송한다.
그리고, 함정 모니터링 장치(100)는 수신된 전문가 진단 결과의 고장원인 및 조치사항을 출력하고, 이와 함께, 수신된 전문가 진단 결과를 이용하여 진단 데이터베이스를 업데이트한다. 즉, 함정 모니터링 장치(100)는 감지된 이상현상에 해당하는 이상현상 조건을 생성하고, 수신된 전문가 진단 결과로부터 고장원인 및 조치사항을 추출한 후, 생성된 이상현상 조건에 수신된 전문가 진단 결과로부터 추출된 고장원인 및 조치사항을 매핑하여 진단 데이터베이스에 저장할 수 있다. 이를 통해, 진단 데이터베이스가 지속적으로 강화되어, 고장진단의 범위가 확장되고 진단 결과의 정확도도 향상될 수 있다.
도 4는 본 발명의 실시예에 따른 함정설비의 상태기반 정비 지원 시스템에서 수행되는 함정설비의 상태기반 정비 지원 방법을 나타낸 흐름도이다.
S410 단계에서, 함정 모니터링 장치(100)는 함정설비(15)에 설치된 다수의 센서(20)로부터 측정된 센서 데이터를 수신하여 수집한다.
S415 단계에서, 함정 모니터링 장치(100)는 수집된 센서 데이터 중 함정설비(10)의 정상상태의 센서 데이터를 육상 정비지원 장치(200)로 전송하여 학습모델을 요청한다. 여기서, 함정 모니터링 장치(100)는 센서(17)별로 정의된 센서 데이터의 정상 범위를 이용하여 수집된 센서 데이터 중에서 정상상태의 센서 데이터를 선별할 수 있다.
S420 단계에서, 함정 모니터링 장치(100)는 학습모델 요청에 따라 수신되는 정상상태의 센서 데이터를 반복적으로 학습하고, 학습에 기초하여 학습모델을 생성한다.
S425 단계에서, 함정 모니터링 장치(100)는 생성된 학습모델을 함정 모니터링 장치(100)로 전송한다.
S430 단계에서, 함정 모니터링 장치(100)는 수신된 학습모델을 이용하여 함정설비(17)의 정상상태의 예측 데이터를 산출한다.
예를 들어, 육상 정비지원 장치(200)는 회귀 분석(Regression analysis), 분류(Classification), 시계열 패턴 분석(Time-series pattern analysis) 등을 이용하여 학습하여 학습모델을 생성하고, 함정 모니터링 장치(100)는 생성된 학습모델을 이용하여 정상상태의 예측 데이터를 산출할 수 있다.
S435 단계에서, 함정 모니터링 장치(100)는 함정 모니터링 장치(100)는 산출된 정상상태의 예측 데이터를 실시간 측정된 센서 데이터와 비교하여 함정설비(15)의 상태를 모니터링한다.
S440 단계에서, 함정 모니터링 장치(100)는 함정설비(15)의 상태 모니터링을 통해 이상현상 감지 여부를 판단한다.
즉, 함정 모니터링 장치(100)는 정상상태의 예측 데이터와 실시간 측정된 센서 데이터의 차이의 크기에 따라 이상현상을 감지한다.
예를 들어, 함정 모니터링 장치(100)는 정상상태의 예측 데이터와 실시간 측정된 센서 데이터의 차이가 미리 설정된 허용치를 초과하여 일정시간 지속되는 경우, 이상현상이 발생한 것으로 판단하고, 알람을 발생하여 출력할 수 있다.
S445 단계에서, 함정 모니터링 장치(100)는 함정설비(15)의 이상현상을 감지함에 따라 이상현상 조건별로 고장원인 및 조치사항을 저장한 진단 데이터베이스를 이용하여 고장원인을 분석하여 고장진단을 수행한다.
즉, 함정 모니터링 장치(100)는 전문가 시스템 방식을 이용하여 고장진단을 수행할 수 있다. 여기서, 전문가 시스템(expert system) 방식은 전문가(expert)의 문제해결 지식(knowledge)의 규칙(rule)을 컴퓨터 프로그램 형태로 표현하여 컴퓨터가 해당 분야의 전문가처럼 결과를 추론하는 것이다. 그래서, 진단 데이터베이스는 설비 매뉴얼, 정비 지침서, 정비 노하우 등과 같은 전문가 지식을 IF(이상현상 조건)-THEN(고장원인 및 조치사항)과 같은 규칙으로 저장할 수 있다. 그리고, 함정 모니터링 장치(100)는 진단 데이터베이스에서 감지된 이상현상에 부합하는 이상현상 조건을 검색하고, 감지된 이상현상에 부합하는 이상현상 조건을 검출하면, 검출된 이상현상 조건에 해당하는 고장원인 및 조치사항을 진단 데이터베이스로부터 추출함으로써, 진단 결과를 산출할 수 있다.
또한, 함정 모니터링 장치(100)는 감지된 이상현상에 대한 이상현상 정보와 진단 데이터베이스를 이용하여 산출된 진단 결과를 육상 정비지원 장치(200)로 전송하여 산출된 진단 결과의 검증 및 보완을 위한 자문을 요청하고, 육상 정비지원 장치(200)로부터 자문을 수신하여 진단 데이터베이스를 이용하여 산출된 진단 결과에 반영할 수 있다. 그리고, 함정 모니터링 장치(100)는 자문이 반영된 진단 결과를 이용하여 진단 데이터베이스를 업데이트할 수 있다.
여기서, 육상 정비지원 장치(200)는 진단 데이터베이스를 이용하여 산출된 진단 결과를 전문가가 검토하도록 산출된 진단 결과 및 이상현상 정보를 출력하고, 전문가가 검토하여 산출한 자문을 입력받아 함정 모니터링 장치(100)로 전송할 수 있다.
S450 단계에서, 함정 모니터링 장치(100)는 고장진단의 수행에 따른 진단 결과가 산출되는지 여부를 판단한다. 즉, 감지된 이상현상에 부합하는 이상현상 조건이 진단 데이터베이스에서 검출되지 않는 경우, 함정 모니터링 장치(100)는 진단 결과를 산출할 수 없다.
S455 단계에서, 함정 모니터링 장치(100)는 진단 결과가 산출되는 경우, 구비한 디스플레이부를 통해 고장원인 및 조치사항을 포함하는 진단 결과를 출력한다.
S460 단계에서, 함정 모니터링 장치(100)는 진단 결과가 산출되지 않는 경우, 감지된 이상현상에 대한 이상현상 정보를 육상 정비지원 장치(200)로 전송하여 고장진단을 요청한다.
S465 단계에서, 육상 정비지원 장치(200)는 고장진단 요청에 따라 전문가가 고장진단을 수행하여 산출된 전문가 진단 결과를 입력받는다.
여기서, 육상 정비지원 장치(200)는 고장진단 요청에 따라 전문가가 이상현상을 확인하여 고장진단을 수행하도록 진단 불가를 알리는 알림 메시지 및 알람을 출력한다. 이때, 육상 정비지원 장치(200)는 감지된 이상현상에 대한 이상현상 정보를 출력함으로써, 이를 전문가가 참고하여 고장진단을 수행하게 할 수 있다.
S470 단계에서, 육상 정비지원 장치(200)는 입력된 전문가 진단 결과를 함정 모니터링 장치(100)로 전송한다.
S475 단계에서, 함정 모니터링 장치(100)는 수신된 전문가 진단 결과의 고장원인 및 조치사항을 출력하고, 수신된 전문가 진단 결과를 이용하여 진단 데이터베이스를 업데이트한다.
즉, 함정 모니터링 장치(100)는 감지된 이상현상에 해당하는 이상현상 조건을 생성하고, 수신된 전문가 진단 결과로부터 고장원인 및 조치사항을 추출한 후, 생성된 이상현상 조건에 수신된 전문가 진단 결과로부터 추출된 고장원인 및 조치사항을 매핑하여 진단 데이터베이스에 저장할 수 있다.
도 5는 본 발명의 다른 실시예에 따른 함정설비의 상태기반 정비 지원 방법을 나타낸 흐름도이다.
S510 단계에서, 함정 모니터링 장치(100)는 진단 데이터베이스를 이용하여 산출된 진단 결과 또는 전문가 진단 결과의 조치사항을 이용하여 정비내역을 산출하고, 산출된 정비내역에 따른 필요부품을 산출한다.
S520 단계에서, 함정 모니터링 장치(100)는 산출된 필요부품의 재고를 확인한다.
S530 단계에서, 함정 모니터링 장치(100)는 확인된 재고에 따라 정비정보를 생성하여 출력한다. 여기서, 정비정보는 필요부품의 재고가 충분함에 따라 수행 가능한 정비항목 및 필요부품의 재고가 없거나 부족하여 수행 불가한 정비항목을 포함할 수 있다. 이에 따라, 정비사는 수행 가능한 정비항목에 따라 함정설비(15)의 정비를 수행할 수 있으며, 수행 불가한 정비항목에 대해서는 임시조취를 취할 수 있다.
S540 단계에서, 함정 모니터링 장치(100)는 생성된 정비정보를 육상 정비지원 장치(200)로 전송한다.
S550 단계에서, 육상 정비지원 장치(200)는 수신된 정비정보를 확인하여 재고가 없거나 부족한 필요부품의 주문을 수행한다.
S560 단계에서, 육상 정비지원 장치(200)는 주문한 필요부품이 입고될 때까지의 입고기간 및 주문한 필요부품을 이용하여 수행하는 정비항목의 정비소요시간을 예측하여 정비 스케줄 정보를 산출한다.
예를 들어, 정비 스케줄 정보는 함정설비(15)에 대한 정비기록을 저장한 정비 데이터베이스를 이용하여 산출될 수 있다. 즉, 육상 정비지원 장치(200)는 정비 데이터베이스에서 해당 정비항목들을 확인하여 평균 입고기간 및 평균 정비소요시간을 계산하여 정비 스케줄 정보를 산출할 수 있다. 여기서, 입고기간은 필요부품을 주문한 업체로부터 예상 입고일을 전달받을 수도 있다.
S570 단계에서, 육상 정비지원 장치(200)는 산출된 정비 스케줄 정보를 함정 모니터링 장치(100)로 전송한다.
함정 모니터링 장치(100)는 함정(10)의 운용 스케줄 및 함정설비(15)의 정비 스케줄에 산출된 정비 스케줄 정보가 반영되도록 수신된 정비 스케줄 정보를 출력한다.
한편, 전술된 실시예의 구성 요소는 프로세스적인 관점에서 용이하게 파악될 수 있다. 즉, 각각의 구성 요소는 각각의 프로세스로 파악될 수 있다. 또한 전술된 실시예의 프로세스는 장치의 구성 요소 관점에서 용이하게 파악될 수 있다.
또한 앞서 설명한 기술적 내용들은 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 실시예들을 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. 하드웨어 장치는 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
상기한 본 발명의 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대한 통상의 지식을 가지는 당업자라면 본 발명의 사상과 범위 안에서 다양한 수정, 변경, 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 하기의 특허청구범위에 속하는 것으로 보아야 할 것이다.
10: 함정
11: 함정 통신수단
12: 함내 기지국
13: 선내 단말
15: 함정설비
17: 센서
20: 육상지원센터
21: 육상 통신수단
100: 함정 모니터링 장치
200: 육상 정비지원 장치
11: 함정 통신수단
12: 함내 기지국
13: 선내 단말
15: 함정설비
17: 센서
20: 육상지원센터
21: 육상 통신수단
100: 함정 모니터링 장치
200: 육상 정비지원 장치
Claims (15)
- 함정에 설치된 함정 모니터링 장치 및 상기 함정 모니터링 장치를 육상에서 지원하는 육상 정비지원 장치를 포함하는 함정설비의 상태기반 정비지원 시스템에서 수행되는 상태기반 정비지원 방법에 있어서,
상기 함정 모니터링 장치가 상기 함정설비에 설치된 다수의 센서로부터 측정된 센서 데이터를 수신하여 수집하는 단계;
상기 함정 모니터링 장치가 상기 수집된 센서 데이터 중 함정설비의 정상상태의 센서 데이터를 상기 육상 정비지원 장치로 전송하는 단계;
상기 육상 정비지원 장치가 상기 정상상태의 센서 데이터를 반복적으로 학습하고, 상기 학습에 기초하여 학습모델을 생성하여 상기 함정 모니터링 장치로 전송하는 단계;
상기 함정 모니터링 장치가 상기 생성된 학습모델을 이용하여 상기 함정설비의 정상상태의 예측 데이터를 산출하는 단계;
상기 함정 모니터링 장치가 상기 산출된 예측 데이터를 실시간 측정된 센서 데이터와 비교하여 상기 함정설비의 상태를 모니터링하는 단계;
상기 함정 모니터링 장치가 상기 모니터링에 따라 이상현상을 감지하면, 이상현상 조건별로 고장원인 및 조치사항을 저장한 진단 데이터베이스를 이용하여 고장원인을 분석하여 고장진단을 수행하는 단계;
상기 함정 모니터링 장치가 상기 수행된 고장진단에 따른 진단 결과가 산출되면, 상기 산출된 진단 결과를 출력하는 단계;
상기 함정 모니터링 장치가 상기 진단 결과가 산출되지 않는 경우, 감지된 이상현상에 대한 이상현상 정보를 상기 육상 정비지원 장치로 전송하여 고장진단을 요청하는 단계;
상기 육상 정비지원 장치가 상기 고장진단 요청에 따라 전문가가 고장진단을 수행하여 산출된 전문가 진단 결과를 입력받아 상기 함정 모니터링 장치로 전송하는 단계; 및
상기 함정 모니터링 장치가 상기 전문가 진단 결과의 고장원인 및 조치사항을 출력하고, 상기 전문가 진단 결과를 이용하여 상기 진단 데이터베이스를 업데이트하는 단계를 포함하되,
상기 고장진단을 수행하는 단계는,
상기 함정 모니터링 장치가 상기 진단 데이터베이스에서 상기 감지된 이상현상에 부합하는 이상현상 조건을 검색하는 단계;
상기 함정 모니터링 장치가 상기 감지된 이상현상에 부합하는 이상현상 조건을 검출하면, 상기 검출된 이상현상 조건에 해당하는 고장원인 및 조치사항을 진단 데이터베이스로부터 추출하여 상기 진단 결과를 산출하는 단계;
상기 함정 모니터링 장치가 상기 감지된 이상현상에 대한 이상현상 정보와 상기 진단 결과를 상기 육상 정비지원 장치로 전송하여 산출된 진단 결과의 검증 및 보완을 위한 자문을 요청하는 단계; 및
상기 육상 정비지원 장치로부터 자문을 수신하여 상기 진단 결과에 반영하고, 상기 진단 데이터베이스를 업데이트하는 단계를 포함하고,
상기 고장진단을 수행하는 단계는,
전문가(expert)의 문제해결 지식(knowledge)의 규칙(rule)을 컴퓨터 프로그램 형태로 표현하여 컴퓨터가 해당 분야의 전문가처럼 결과를 추론하는 전문가 시스템(expert system) 방식을 이용하여 고장진단이 수행되며,
상기 진단 데이터베이스는 설비 매뉴얼, 정비 지침서 및 정비 노하우를 포함하는 전문가 지식을 IF(이상현상 조건)-THEN(고장원인 및 조치사항)의 규칙으로 저장하는 것을 특징으로 하는 상태기반 정비 지원 방법.
- 제1항에 있어서,
상기 정상상태의 센서 데이터는 상기 센서별로 정의된 센서 데이터의 정상 범위를 이용하여 상기 수집된 센서 데이터 중에서 선별되는 것을 특징으로 하는 상태기반 정비 지원 방법.
- 제1항에 있어서,
상기 함정 모니터링 장치는 미리 설정된 정상범위 테이블을 이용하여 미리 설정된 주기로 상기 정상 범위를 갱신하고, 상기 갱신된 정상 범위에 따라 측정된 센서 데이터가 정상상태의 센서 데이터인지 여부를 판별하되,
상기 정상범위 테이블은 경과시간별로 정의된 각 센서의 센서 데이터의 정상 범위를 저장하는 것을 특징으로 하는 상태기반 정비 지원 방법.
- 제3항에 있어서,
상기 함정 모니터링 장치는,
상기 정상범위 테이블에 따라 측정된 센서 데이터를 정상상태의 센서 데이터로 판별했을 때, 상기 함정설비가 비정상 동작하여 정비사가 해당 센서 데이터를 비정상상태의 센서 데이터로 판별하고 정상범위 변경명령을 입력하는 경우, 상기 측정된 센서 데이터의 값이 해당 센서 데이터의 정상범위를 벗어나도록 정상범위를 조정하거나,
상기 정상범위 테이블에 따라 측정된 센서 데이터를 비정상상태의 센서 데이터로 판별했을 때, 상기 함정설비가 정상 동작하여 정비사가 해당 센서 데이터를 정상상태의 센서 데이터로 판별하고 정상범위 변경명령을 입력하는 경우, 상기 측정된 센서 데이터의 값이 해당 센서 데이터의 정상범위에 포함되도록 정상범위를 조정하는 것을 특징으로 하는 상태기반 정비 지원 방법.
- 제1항에 있어서,
상기 함정설비의 상태를 모니터링하는 단계는,
상기 함정 모니터링 장치가 상기 예측 데이터와 상기 실시간 측정된 센서 데이터의 차이의 크기에 따라 상기 이상현상을 감지하는 단계를 포함하되,
상기 이상현상을 감지하는 단계는,
상기 함정 모니터링 장치가 상기 예측 데이터와 상기 실시간 측정된 센서 데이터의 차이가 미리 설정된 허용치를 초과하여 일정시간 지속되는 경우, 이상현상이 발생한 것으로 판단하고, 알람을 발생하여 출력하는 것을 특징으로 하는 상태기반 정비 지원 방법.
- 삭제
- 삭제
- 삭제
- 삭제
- 제1항에 있어서,
상기 고장진단을 요청하는 단계 이후 및 상기 산출된 전문가 진단 결과를 입력받아 상기 함정 모니터링 장치로 전송하는 단계 이전에,
상기 육상 정비지원 장치가 상기 고장진단 요청에 따라 상기 전문가가 이상현상을 확인하여 고장진단을 수행하도록 상기 이상현상 정보, 진단 불가를 알리는 알림 메시지 및 알람을 출력하는 단계를 더 포함하는 것을 특징으로 하는 상태기반 정비 지원 방법.
- 제1항에 있어서,
상기 진단 데이터베이스를 업데이트하는 단계는,
상기 함정 모니터링 장치가 상기 감지된 이상현상에 해당하는 이상현상 조건을 생성하고, 상기 전문가 진단 결과로부터 고장원인 및 조치사항을 추출한 후, 상기 생성된 이상현상 조건에 상기 추출된 고장원인 및 조치사항을 매핑하여 상기 진단 데이터베이스에 저장하는 것을 특징으로 하는 상태기반 정비 지원 방법.
- 제1항에 있어서,
상기 상태기반 정비 지원 방법은,
상기 함정 모니터링 장치가 상기 진단 데이터베이스를 이용하여 산출된 진단 결과 또는 상기 전문가 진단 결과의 조치사항을 이용하여 정비내역을 산출하는 단계;
상기 함정 모니터링 장치가 상기 산출된 정비내역에 따른 필요부품을 산출하고, 상기 산출된 필요부품의 재고를 확인하는 단계;
상기 확인된 재고에 따라 정비정보를 생성하여 출력하고, 상기 생성된 정비정보를 상기 육상 정비지원 장치로 전송하는 단계;
상기 육상 정비지원 장치가 상기 정비정보를 확인하여 재고가 없거나 부족한 필요부품의 주문을 수행하는 단계; 및
상기 육상 정비지원 장치가 주문한 필요부품이 입고될 때까지의 입고기간 및 상기 주문한 필요부품을 이용하여 수행하는 정비항목의 정비소요시간을 예측하여 정비 스케줄 정보를 산출하고, 상기 산출된 정비 스케줄 정보를 상기 함정 모니터링 장치로 전송하는 단계를 더 포함하는 것을 특징으로 하는 상태기반 정비 지원 방법.
- 제12항에 있어서,
상기 정비정보는 상기 필요부품의 재고가 충분함에 따라 수행 가능한 정비항목 및 상기 필요부품의 재고가 없거나 부족하여 수행 불가한 정비항목을 포함하는 것을 특징으로 하는 상태기반 정비 지원 방법.
- 제12항에 있어서,
상기 산출된 정비 스케줄 정보를 상기 함정 모니터링 장치로 전송하는 단계는,
상기 육상 정비지원 장치가 상기 함정설비에 대한 정비기록을 저장한 장치가 정비 데이터베이스에서 해당 정비항목들을 확인하여 평균 입고기간 및 평균 정비소요시간을 계산하여 상기 정비 스케줄 정보를 산출하는 것을 특징으로 하는 상태기반 정비 지원 방법.
- 함정설비의 상태기반 정비지원 시스템에 있어서,
상기 함정설비에 설치된 다수의 센서로부터 측정된 센서 데이터를 수신하여 수집하고, 상기 수집된 센서 데이터를 이용하여 상기 함정설비의 상태 모니터링 및 고장진단을 수행하는 함정 모니터링 장치; 및
상기 수집된 센서 데이터 중 함정설비의 정상상태의 센서 데이터를 상기 함정 모니터링 장치로부터 수신하여 반복적으로 학습하고, 상기 학습에 기초하여 학습모델을 생성하여 상기 함정 모니터링 장치로 제공하는 육상 정비지원 장치를 포함하되,
상기 함정 모니터링 장치는,
상기 생성된 학습모델을 이용하여 상기 함정설비의 정상상태의 예측 데이터를 산출하고, 상기 산출된 예측 데이터를 실시간 측정된 센서 데이터와 비교하여 상기 함정설비의 상태를 모니터링하고, 상기 모니터링에 따라 이상현상을 감지하면, 이상현상 조건별로 고장원인 및 조치사항을 저장한 진단 데이터베이스를 이용하여 고장원인을 분석하여 고장진단을 수행하고, 상기 수행된 고장진단에 따른 진단 결과가 산출되면, 상기 산출된 진단 결과를 출력하고, 상기 진단 결과가 산출되지 않는 경우, 감지된 이상현상에 대한 이상현상 정보를 상기 육상 정비지원 장치로 전송하여 고장진단을 요청하고, 상기 고장진단 요청에 따라 전문가가 고장진단을 수행하여 산출된 전문가 진단 결과를 입력받아 상기 함정 모니터링 장치로 전송하고, 상기 전문가 진단 결과의 고장원인 및 조치사항을 출력하고, 상기 전문가 진단 결과를 이용하여 상기 진단 데이터베이스를 업데이트하고,
상기 함정 모니터링 장치는,
상기 진단 데이터베이스에서 상기 감지된 이상현상에 부합하는 이상현상 조건을 검색하고, 상기 감지된 이상현상에 부합하는 이상현상 조건을 검출하면, 상기 검출된 이상현상 조건에 해당하는 고장원인 및 조치사항을 진단 데이터베이스로부터 추출하여 상기 진단 결과를 산출하고, 상기 감지된 이상현상에 대한 이상현상 정보와 상기 진단 결과를 상기 육상 정비지원 장치로 전송하여 산출된 진단 결과의 검증 및 보완을 위한 자문을 요청하고, 상기 육상 정비지원 장치로부터 자문을 수신하여 상기 진단 결과에 반영하고, 상기 진단 데이터베이스를 업데이트하고,
상기 고장진단은, 전문가(expert)의 문제해결 지식(knowledge)의 규칙(rule)을 컴퓨터 프로그램 형태로 표현하여 컴퓨터가 해당 분야의 전문가처럼 결과를 추론하는 전문가 시스템(expert system) 방식을 이용하여 수행되며,
상기 진단 데이터베이스는 설비 매뉴얼, 정비 지침서 및 정비 노하우를 포함하는 전문가 지식을 IF(이상현상 조건)-THEN(고장원인 및 조치사항)의 규칙으로 저장하는 것을 특징으로 하는 상태기반 정비지원 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190130553A KR102102346B1 (ko) | 2019-10-21 | 2019-10-21 | 함정설비의 상태기반 정비지원 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190130553A KR102102346B1 (ko) | 2019-10-21 | 2019-10-21 | 함정설비의 상태기반 정비지원 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102102346B1 true KR102102346B1 (ko) | 2020-04-22 |
Family
ID=70472965
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190130553A KR102102346B1 (ko) | 2019-10-21 | 2019-10-21 | 함정설비의 상태기반 정비지원 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102102346B1 (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102135547B1 (ko) * | 2020-04-24 | 2020-07-20 | 한화시스템 주식회사 | 차세대 함정용 실시간 상태 감시 시스템 |
| CN112184473A (zh) * | 2020-08-28 | 2021-01-05 | 江苏科技大学 | 一种多规格船用管材智能成形车间及控制方法 |
| CN115223367A (zh) * | 2022-07-28 | 2022-10-21 | 福建工程学院 | 一种基于物联网的道路横风预警系统 |
| CN116501015A (zh) * | 2023-04-28 | 2023-07-28 | 中国人民解放军海军大连舰艇学院 | 基于故障树的舰载拖曳电子装备舰员级故障诊断方法 |
| KR102609725B1 (ko) * | 2023-04-19 | 2023-12-05 | 국방과학연구소 | 함정 부품의 관리 방법 및 관리 시스템 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130012226A (ko) * | 2011-07-14 | 2013-02-01 | 삼성중공업 주식회사 | 선박의 원격 유지보수 시스템 및 그 방법 |
| KR101374840B1 (ko) | 2011-07-12 | 2014-03-17 | 주식회사 칸 | 해양구조물의 회전체 상태진단 시스템 및 방법 |
| JP2015172945A (ja) * | 2009-08-28 | 2015-10-01 | 株式会社日立製作所 | 設備状態監視方法およびその装置 |
| KR101701278B1 (ko) * | 2015-09-11 | 2017-02-13 | 대우조선해양 주식회사 | 선박/해양플랜트의 원격 검사 및 유지보수 시스템 |
-
2019
- 2019-10-21 KR KR1020190130553A patent/KR102102346B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015172945A (ja) * | 2009-08-28 | 2015-10-01 | 株式会社日立製作所 | 設備状態監視方法およびその装置 |
| KR101374840B1 (ko) | 2011-07-12 | 2014-03-17 | 주식회사 칸 | 해양구조물의 회전체 상태진단 시스템 및 방법 |
| KR20130012226A (ko) * | 2011-07-14 | 2013-02-01 | 삼성중공업 주식회사 | 선박의 원격 유지보수 시스템 및 그 방법 |
| KR101701278B1 (ko) * | 2015-09-11 | 2017-02-13 | 대우조선해양 주식회사 | 선박/해양플랜트의 원격 검사 및 유지보수 시스템 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102135547B1 (ko) * | 2020-04-24 | 2020-07-20 | 한화시스템 주식회사 | 차세대 함정용 실시간 상태 감시 시스템 |
| CN112184473A (zh) * | 2020-08-28 | 2021-01-05 | 江苏科技大学 | 一种多规格船用管材智能成形车间及控制方法 |
| CN115223367A (zh) * | 2022-07-28 | 2022-10-21 | 福建工程学院 | 一种基于物联网的道路横风预警系统 |
| CN115223367B (zh) * | 2022-07-28 | 2023-11-03 | 福建工程学院 | 一种基于物联网的道路横风预警系统 |
| KR102609725B1 (ko) * | 2023-04-19 | 2023-12-05 | 국방과학연구소 | 함정 부품의 관리 방법 및 관리 시스템 |
| CN116501015A (zh) * | 2023-04-28 | 2023-07-28 | 中国人民解放军海军大连舰艇学院 | 基于故障树的舰载拖曳电子装备舰员级故障诊断方法 |
| CN116501015B (zh) * | 2023-04-28 | 2024-01-30 | 中国人民解放军海军大连舰艇学院 | 基于故障树的舰载拖曳电子装备舰员级故障诊断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102102346B1 (ko) | 함정설비의 상태기반 정비지원 시스템 및 방법 | |
| JP5306902B2 (ja) | 資産システムの高性能条件監視のためのシステムおよび方法 | |
| CN105551549B (zh) | 一种核电设备运行状况在线监测方法及系统 | |
| KR101713985B1 (ko) | 예지 정비 방법 및 장치 | |
| EP3105644B1 (en) | Method of identifying anomalies | |
| US20050096759A1 (en) | Distributed power generation plant automated event assessment and mitigation plan determination process | |
| US20030208706A1 (en) | Method and system for analyzing fault and quantized operational data for automated diagnostics of locomotives | |
| US20090055130A1 (en) | System and method for prediction of gas turbine trips due to gas control valve failures | |
| JP2004523843A (ja) | 流れ系統を診断するシステム、装置および方法 | |
| KR101776350B1 (ko) | 압축기를 진단하는 방법 및 시스템 | |
| JP6523815B2 (ja) | プラント診断装置及びプラント診断方法 | |
| KR102073537B1 (ko) | 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법 및 리스크 평가 프로그램 | |
| KR102328842B1 (ko) | 설비 관리 방법 및 이를 실행하는 장치 | |
| KR102108975B1 (ko) | 함정설비의 상태기반 정비 지원 장치 및 방법 | |
| KR20160087669A (ko) | 항만장비 오류정보 데이터베이스 구축 및 고장예측 시스템 | |
| JP5401404B2 (ja) | 機器診断システム | |
| RU2687848C1 (ru) | Способ и система вибромониторинга промышленной безопасности динамического оборудования опасных производственных объектов | |
| EP3586233A1 (en) | Methods and systems for problem-alert aggregation | |
| JP6574533B2 (ja) | リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム | |
| Amaya et al. | SIMPREBAL: An expert system for real-time fault diagnosis of hydrogenerators machinery | |
| RU2668487C2 (ru) | Система информационной поддержки принятия управленческих решений для обслуживающего персонала судовой энергетической установки | |
| Kumar et al. | An expert system for predictive maintenance of mining excavators and its various forms in open cast mining | |
| JP6482742B1 (ja) | リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム | |
| CN115943353A (zh) | 用于确定机器的运行异常的原因的系统和方法以及计算机程序和电子可读的数据载体 | |
| RU2777950C1 (ru) | Обнаружение нештатных ситуаций для прогнозного технического обслуживания и определения конечных результатов и технологических процессов на основании качества данных |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |