KR102115515B1 - 펌프 생산 및 제어 시스템 - Google Patents
펌프 생산 및 제어 시스템 Download PDFInfo
- Publication number
- KR102115515B1 KR102115515B1 KR1020190177414A KR20190177414A KR102115515B1 KR 102115515 B1 KR102115515 B1 KR 102115515B1 KR 1020190177414 A KR1020190177414 A KR 1020190177414A KR 20190177414 A KR20190177414 A KR 20190177414A KR 102115515 B1 KR102115515 B1 KR 102115515B1
- Authority
- KR
- South Korea
- Prior art keywords
- pump
- information
- production
- pump production
- design
- Prior art date
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 243
- 238000013461 design Methods 0.000 claims abstract description 124
- 230000007547 defect Effects 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 21
- 238000003745 diagnosis Methods 0.000 claims description 18
- 239000000463 material Substances 0.000 claims description 18
- 230000002950 deficient Effects 0.000 claims description 16
- 239000012530 fluid Substances 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000009434 installation Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 description 33
- 238000012423 maintenance Methods 0.000 description 15
- 239000007788 liquid Substances 0.000 description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 14
- 230000008569 process Effects 0.000 description 9
- 238000003754 machining Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 7
- 239000000126 substance Substances 0.000 description 7
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 6
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000003801 milling Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 238000007637 random forest analysis Methods 0.000 description 5
- KRHYYFGTRYWZRS-UHFFFAOYSA-N Fluorane Chemical compound F KRHYYFGTRYWZRS-UHFFFAOYSA-N 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 239000002023 wood Substances 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 230000032683 aging Effects 0.000 description 3
- 239000004918 carbon fiber reinforced polymer Substances 0.000 description 3
- 238000005266 casting Methods 0.000 description 3
- 238000001311 chemical methods and process Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 229920002430 Fibre-reinforced plastic Polymers 0.000 description 2
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 description 2
- 239000002253 acid Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000004070 electrodeposition Methods 0.000 description 2
- -1 etc.) Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000011151 fibre-reinforced plastic Substances 0.000 description 2
- 239000011152 fibreglass Substances 0.000 description 2
- 238000007417 hierarchical cluster analysis Methods 0.000 description 2
- FBAFATDZDUQKNH-UHFFFAOYSA-M iron chloride Chemical compound [Cl-].[Fe] FBAFATDZDUQKNH-UHFFFAOYSA-M 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000002002 slurry Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000004056 waste incineration Methods 0.000 description 2
- 239000002351 wastewater Substances 0.000 description 2
- 241001070941 Castanea Species 0.000 description 1
- 235000014036 Castanea Nutrition 0.000 description 1
- 241000218645 Cedrus Species 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- GRYLNZFGIOXLOG-UHFFFAOYSA-N Nitric acid Chemical compound O[N+]([O-])=O GRYLNZFGIOXLOG-UHFFFAOYSA-N 0.000 description 1
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 1
- 241000018646 Pinus brutia Species 0.000 description 1
- 235000011613 Pinus brutia Nutrition 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 231100000481 chemical toxicant Toxicity 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006477 desulfuration reaction Methods 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910017604 nitric acid Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000007528 sand casting Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q50/04—Manufacturing
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
펌프 생산 및 제어 시스템에 관한 것이며, 펌프 생산 및 제어 시스템은, 펌프 생산을 위한 펌프 생산 의뢰 정보를 제공하는 사용자 단말, 상기 사용자 단말로부터 제공받은 상기 펌프 생산 의뢰 정보에 기반하여, 펌프 생산 설계 정보를 생성하고, 상기 펌프 생산 설계 정보를 이용하여 제작된 펌프의 불량 유무를 검출하는 펌프 생산 장치 및 상기 펌프 생산 장치를 통해 생산된 상기 펌프의 내부 및 외부에 구비된 센서로부터 수집된 센싱 정보에 기반하여 상기 제작된 펌프의 구동을 제어하기 위한 제어 신호를 생성하는 펌프 제어 장치를 포함하되, 상기 펌프 생산 장치는, 상기 펌프 생산 의뢰 정보에 기반하여, 가상 펌프 설계 정보를 생성하는 가상 정보 생성부, 상기 펌프 생산 의뢰 정보 및 상기 가상 펌프 설계 정보를 고려하여 펌프 생산 설계 정보를 생성하는 설계 정보 생성부 및 상기 펌프 생산 설계 정보에 기반하여, 펌프 제조 목형을 제작하기 위한 목형 제작 정보를 생성하는 목형 제작 정보 생성부를 포함할 수 있다.
Description
본원은 펌프 생산 및 제어 시스템에 관한 것이다.
펌프란 전동기나 내연기관 등의 원동기로부터 기계적 에너지를 받아서, 액체에 운동 및 압력에너지를 주어 액체의 위치를 바꾸어 주는 기계이다. 펌프의 작용은 흡입과 토출에 의해 이루어진다. 또한, 펌프는 물이 가지고 있는 위치에너지를 기계적 에너지로 변환시키는 수차와는 반대의 기능을 가진 기계로서, 물 또는 기름과 같은 액체를 주로 취급하지만, 때로는 고형물이 섞인 액체, 각종 화공약품 등의 액체를 취급하기도 한다. 펌프의 종류는 구조 및 작동원리에 따라 터보형, 용적형, 특수형으로 나누어지고, 용도에 따라 급수용, 배수용, 순환용, 소화용, 기름용 등이 있다.
본원의 배경이 되는 기술은 한국등록특허공보 제 10-1533115 호에 개시되어 있다.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 3차원 컴퓨터 그래픽을 통해 가상의 펌프를 제작하여 시뮬레이션 함으로써, 펌프 설계 및 펌프 내부의 효율을 극대화 할 수 있는 펌프 생산 및 제어 시스템을 제공하려는 것을 목적으로 한다.
다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른 펌프 생산 및 제어 시스템은, 펌프 생산을 위한 펌프 생산 의뢰 정보를 제공하는 사용자 단말, 상기 사용자 단말로부터 제공받은 상기 펌프 생산 의뢰 정보에 기반하여, 펌프 생산 설계 정보를 생성하고, 상기 펌프 생산 설계 정보를 이용하여 제작된 펌프의 불량 유무를 검출하는 펌프 생산 장치 및 상기 펌프 생산 장치를 통해 생산된 상기 펌프의 내부 및 외부에 구비된 센서로부터 수집된 센싱 정보에 기반하여 상기 제작된 펌프의 구동을 제어하기 위한 제어 신호를 생성하는 펌프 제어 장치를 포함하되, 상기 펌프 생산 장치는, 상기 펌프 생산 의뢰 정보에 기반하여, 가상 펌프 설계 정보를 생성하는 가상 정보 생성부, 상기 펌프 생산 의뢰 정보 및 상기 가상 펌프 설계 정보를 고려하여 펌프 생산 설계 정보를 생성하는 설계 정보 생성부 및 상기 펌프 생산 설계 정보에 기반하여, 펌프 제조 목형을 제작하기 위한 목형 제작 정보를 생성하는 목형 제작 정보 생성부를 포함할 수 있다.
본원의 일 실시예에 따르면, 상기 가상 정보 생성부는, 상기 가상 펌프 설계 정보에 기반하여 가상 펌프를 생성하고, 상기 가상 펌프를 시뮬레이션한 결과를 이용하여 펌프 설계 피드백 정보를 생성할 수 있다.
본원의 일 실시예에 따르면, 상기 설계 정보 생성부는, 상기 펌프 설계 피드백 정보를 더 고려하여, 상기 펌프 생산 설계 정보를 생성할 수 있다.
본원의 일 실시예에 따르면, 상기 펌프 생산 장치는, 상기 목형 제작 정보에 기반하여 생성된 펌프 제조 목형틀을 이용하여 생산된 펌프 주형을 가공하기 위한 가공 장치 및 상기 펌프 생산 설계 정보에 기반하여 상기 가공 장치의 구동을 제어하기 위한 가공 장치 구동 제어부를 더 포함할 수 있다.
본원의 일 실시예에 따르면, 상기 펌프 생산 의뢰 정보는, 펌프 사용 용도 정보, 펌프 재질 정보, 펌프 크기 정보, 펌프 설치 공간 정보, 펌프 사양 정보, 소음 정보, 진동 정보, 유량 정보, 양정 정보, 유체 정보를 포함할 수 있다.
본원의 일 실시예에 따르면, 상기 펌프 생산 장치는, 상기 펌프의 내부 및 외부에 구비된 복수의 센서들로부터 센싱 정보를 수집하는 정보 수집부 및 상기 펌프 생산 의뢰 정보 및 상기 펌프 설계 피드백 정보에 기반하여 상기 제작된 펌프의 불량 유무를 검출하는 검출부를 더 포함하되, 상기 검출부는, 수집된 정보가 미리 설정된 기준값 이상인지 여부에 기반하여 상기 제작된 펌프의 불량 유무를 검출할 수 있다.
본원의 일 실시예에 따르면, 상기 가상 정보 생성부는, 상기 펌프 생산 의뢰 정보에 기반하여 상기 펌프에 구비되는 임펠러 직경을 추천 하는 상기 펌프 설계 피드백 정보를 생성할 수 있다.
본원의 일 실시예에 따르면, 상기 가상 정보 생성부는, 기존의 펌프 생산 의뢰 정보를 이용하여 학습된 학습 모듈에 상기 펌프 생산 의뢰 정보를 입력으로 하고, 복수의 펌프 설계 추천 항목을 출력으로 하여, 상기 펌프 설계 피드백 정보를 생성할 수 있다.
본원의 일 실시예에 따르면, 상기 펌프 제어 장치는, 상기 펌프의 내부 및 외부에 구비된 복수의 센서들로부터 센싱 정보를 수집하는 정보 수집부, 상기 센싱 정보에 대한 항목을 입력으로 하고 불량 진단 결과에 관한 항목을 출력으로 하는 학습을 통해 구축된 인공신경망 및 수집된 상기 센싱 정보에 기초하여, 불량 원인을 분석하는 원인 분석부 및 상기 원인 분석부의 분석 결과에 기반하여 상기 펌프의 구동을 제어하기 위한 제어 신호를 생성하는 펌프 구동 제어부를 포함하되, 상기 펌프 구동 제어부는, 상기 원인 분석부의 학습 결과에 기반하여 펌프 구동을 제어하기 위한 제어 신호를 생성할 수 있다.
본원의 일 실시예에 따르면, 상기 정보 수집부는, 상기 펌프가 구비된 공간의 환경 정보를 수집하고, 상기 원인 분석부는, 상기 펌프의 구동으로 인해 발생할 수 있는 펌프 구비 공간의 크랙을 분석할 수 있다.
본원의 일 실시예에 따르면, 상기 펌프 구동 제어부는, 제1 펌프에 복수의 펌프가 연동된 경우, 상기 제1펌프 및 복수의 펌프 각각에 구비된 센서들로부터 수집된 센싱 정보에 기반하여 상기 제1펌프 및 복수의 펌프 각각의 구동을 제어하기 위한 제어 신호를 생성할 수 있다.
본원의 일 실시예에 따르면, 펌프 생산 및 제어 방법은, 펌프 생산을 위한 펌프 생산 의뢰 정보를 제공받는 단계, 상기 사용자 단말로부터 제공받은 상기 펌프 생산 의뢰 정보에 기반하여, 펌프 생산 설계 정보를 생성하고, 상기 펌프 생산 설계 정보를 이용하여 제작된 펌프의 불량 유무를 검출하는 단계 및 상기 펌프 생산 장치를 통해 생산된 상기 펌프의 내부 및 외부에 구비된 센서로부터 수집된 센싱 정보에 기반하여 상기 제작된 펌프의 구동을 제어하기 위한 제어 신호를 생성하는 단계를 포함하되, 상기 제작된 펌프의 불량 유무를 검출하는 단계는, 상기 펌프 생산 의뢰 정보에 기반하여, 가상 펌프 설계 정보를 생성하는 단계, 상기 펌프 생산 의뢰 정보 및 상기 가상 펌프 설계 정보를 고려하여 펌프 생산 설계 정보를 생성하는 단계 및 상기 펌프 생산 설계 정보에 기반하여, 펌프 제조 목형을 제작하기 위한 목형 제작 정보를 생성하는 단계를 포함할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 3차원 컴퓨터 그래픽을 통해 가상의 펌프를 제작하여 시뮬레이션 함으로써, 펌프 설계 및 펌프 내부의 효율을 극대화 할 수 있으며, 품질 신뢰도를 향상시킬 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 펌프 생산에 있어 일부 과정을 자동화함으로써 인력, 재료 및 소요 동력을 절감하고, 가격 경쟁력을 확보할 수 있다.
다만, 본원에서 얻을 수 있는 효과는 상기된 바와 같은 효과들로 한정되지 않으며, 또 다른 효과들이 존재할 수 있다.
도 1은 본원의 일 실시예에 따른 펌프 생산 및 제어 시스템 개략적인 구성도이다.
도 2는 본원의 일 실시예에 따른 펌프 생산 장치의 개략적인 블록도이다.
도 3은 본원의 일 실시예에 따른 펌프 제어 장치의 개략적인 블록이다.
도 4는 본원의 일 실시예에 따른 펌프 생산 및 제어 방법에 대한 동작 흐름도이다.
도 2는 본원의 일 실시예에 따른 펌프 생산 장치의 개략적인 블록도이다.
도 3은 본원의 일 실시예에 따른 펌프 제어 장치의 개략적인 블록이다.
도 4는 본원의 일 실시예에 따른 펌프 생산 및 제어 방법에 대한 동작 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본원 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" 또는 "간접적으로 연결"되어 있는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
본원 명세서 전체에서, 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.
이하에서 설명되는 펌프란, 유체(물 등)에 에너지를 주어, 유체를 낮은 곳에서 높은 곳으로 이송하거나, 유체를 멀리 보내주는 기계이다. 펌프는 회전차를 케이싱 내에서 회전시켜 액체에 에너지를 주는 기계를 의미할 수 있다. 펌프 내에 물을 가득 채우고 회전차를 회전시키면 물은 그 원심력에 비해 바깥으로 고속으로 바산된다. 이것을 케이싱이 모아서 외부로 퇴출하며, 이 과정에서 속도에너지가 압력 에너지로 바뀌어 물을 높이 올릴 수 있게 되는 것이다. 펌프는 수처리, 화학공정, 표면처리 등 다양한 산업공정에 사용된다. 또한 펌프는, 화학공장의 프로세스용 화공약품(염산, 황산, 불산, 염화제철, 가송소다 등)의 이송 및 순환, 폐수 및 정수처리, 집진기, 폐기물소각설비, PCB공장, 반도체공장, LCD공장, 전착도장설비, 원자력발전소 및 화력발전소 등 여러 산업현장에서 사용될 수 있다. 또한, 펌프는, 화학 프로세스, 석유화학공업에 사용되는 편흡입원심펌프, 유틸리티 및 해양용에 사용되는 양흡입원심펌프, 보일러 급수, 소화설비 및 건설 설비에 사용되는 편흡입다단원심펌프, 화력발전소의 탈황설비, 토사 및 자갈 채취, 기타 산업의 슬러리 이송에 사용되는 내마모성 슬러리 펌프 등을 포함할 수 있다.
도 1은 본원의 일 실시예에 따른 펌프 생산 및 제어 시스템 개략적인 구성도이다.
도1을 참조하면, 펌프 생산 및 제어 시스템(100)은 펌프 생산 장치(10), 펌프 제어 장치(20) 및 사용자 단말(30)을 포함할 수 있다. 다만, 펌프 생산 및 제어 시스템(100)의 구성이 이에 한정되는 것은 아니다. 예를 들면, 펌프 생산 및 제어 시스템(100)은 펌프 생산 장치(10) 및 펌프 제어 장치(20)에서 수집되는 복수의 센싱 정보를 저장하기 위한 데이터베이스(미도시)를 포함할 수 있다. 데이터에이스(미도시)에 포함된 센싱 정보는, 펌프 생산 장치(10) 및 펌프 제어 장치(20)에서 수행되는 학습 모듈의 학습 자료로 사용될 수 있다.
본원의 일 실시예에 따르면, 펌프 생산 장치(10)는, 사용자 단말(40)로 제공받은 펌프 생산 의뢰 정보에 기반하여 펌프 생산 설계 정보를 생성하고, 펌프 생산 설계 정보를 이용하여 제작된 펌프의 불량 유무를 검출할 수 있다. 일예로, 펌프 생산 장치(10)는 펌프를 생산하기 위한 정보를 생성하고, 생성된 정보에 기반하여 생산된 펌프를 가공장치를 이용하여 가공할 수 있다. 또한, 펌프 생산 장치(10)는 가공이 완료된 펌프를 조립 후 불량 유무를 검출할 수 있다. 또한, 펌프 생산 장치(10)는 가상 펌프 설계 정보를 생성하고, 시뮬레이션한 후 펌프 설계 피드백 정보를 제공할 수 있다. 펌프 생산 장치(10)는 제공받은 펌프 설계 피드백 정보에 기반하여 펌프 생산 설계 정보를 생성할 수 있다. 펌프 생산 장치(10)는 펌프 설계 피드백 정보에 기반하여 펌프 생산 설계 정보를 생성함으로써, 단순히 펌프 생산 의뢰 정보에 의해 생성되는 펌프 생산 설계 정보 보다 더 정밀하게 펌프 생산 설계 정보를 생성할 수 있다.
본원의 일 실시예에 따르면, 펌프 제어 장치(20)는, 펌프 생산 장치(10)를 통해 생산된 펌프(1)의 내부 및 외부에 구비된 센서로부터 수집된 센싱 정보에 기반하여 제작된 펌프(1)의 구동을 제어하기 위한 제어 신호를 생성할 수 있다. 또한, 펌프 제어 장치(20)는 펌프(1)의 내부 및 외부에 구비된 센서로부터 수집된 센싱 정보에 대한 항목을 입력으로 하고 불량 진단 결과에 관한 항목을 출력으로 하는 학습을 통해 구축된 인공신경망 및 수집된 센싱 정보에 기초하여 펌프(1)의 불량 원인을 분석할 수 있다. 또한, 펌프 제어 장치(20)는 인공신경망을 통해 분석된 결과에 기반하여 제1 펌프에 연동된 복수의 펌프 중 적어도 어느 하나의 펌프의 구동을 제어하는 제어 신호를 생성할 수 있다. 또한, 펌프 제어 장치(20)는 펌프(1)가 구비된 공간의 환경 정보를 수집하고, 펌프의 구동으로 인해 발생할 수 있는 펌프 구비 공간의 크랙을 분석할 수 있다.
본원의 일 실시예에 따르면, 사용자 단말(30)은, 펌프 생산을 위한 펌프 생산 의뢰 정보를 펌프 생산 장치(10) 및 펌프 제어 장치(20)로 제공할 수 있다. 사용자 단말(30)은 펌프 생산을 의뢰하는 의뢰인 단말, 펌프 생산 업체의 생산자 단말, 펌프 관리 업체의 관리자 단말 등을 포함할 수 있다. 예를 들어, 펌프 생산 장치(10) 및 펌프 제어 장치(20)는 펌프 생산 및 펌프 제어에 필요한 정보를 제공하고, 제공받기 위해 각각의 사용자 단말에 해당 정보를 달리 제공할 수 있다.
본원의 일 실시예에 따르면, 펌프 생산 장치(10) 및 펌프 제어 장치(20)는 사용자 단말(30)로 펌프 생산 입력 메뉴 및 펌프 제어 입력 메뉴를 제공할 수 있다. 예를 들어, 펌프 생산 장치(10) 및 펌프 제어 장치(20)가 제공하는 어플리케이션 프로그램을 사용자 단말(30)이 다운로드하여 설치하고, 설치된 어플리케이션을 통해 펌프 생산 입력 메뉴 및 펌프 제어 입력 메뉴가 제공될 수 있다.
펌프 생산 장치(10) 및 펌프 제어 장치(20)는 사용자 단말(30)과 데이터, 콘텐츠, 각종 통신 신호를 네트워크를 통해 송수신하고, 데이터 저장 및 처리의 기능을 가지는 모든 종류의 서버, 단말, 또는 디바이스를 포함할 수 있다.
사용자 단말(30)은 네트워크를 통해 펌프 생산 장치(10) 및 펌프 제어 장치(20)와 연동되는 디바이스로서, 예를 들면, 스마트폰(Smartphone), 스마트패드(Smart Pad), 태블릿 PC, 웨어러블 디바이스 등과 PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말기 같은 모든 종류의 무선 통신 장치 및 데스크탑 컴퓨터, 스마트 TV와 같은 고정용 단말기일 수도 있다.
펌프 생산 장치(10), 펌프 제어 장치(20)및 사용자 단말(30)간의 정보 공유를 위한 네트워크의 일 예로는 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 유무선 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, Wifi 네트워크, NFC(Near Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함될 수 있으며, 이에 한정된 것은 아니다.
도 2는 본원의 일 실시예에 따른 펌프 생산 장치의 개략적인 블록도이다.
도 2를 참조하면, 펌프 생산 장치(10)는 가상 정보 생성부(11), 설계 정보 생성부(12), 목형 제작 정보 생성부(13), 가공 장치(14), 가공 장치 구동 제어부(15), 제어 수집부(16) 및 검출부(17)를 포함할 수 있다. 다만, 펌프 생산 장치(10)의 구성이 이에 한정되는 것은 아니다. 예를 들어, 펌프 생산 장치(10)는 사용자 단말(30)로 펌프 생산을 위한 입력 정보와 관련된 선택 항목을 제공하는 데이터 제공부(미도시)를 포함할 수 있다. 또한, 펌프 생산 장치(10)는 사용자 단말(30)로부터 펌프 생산을 위한 입력 정보를 수신하는 사용자 입력 수신부(미도시)를 포함할 수 있다.
본원의 일 실시예에 따르면, 데이터 제공부(미도시)는 펌프 생산을 위한 입력 정보로서 펌프 생산 의뢰 정보와 관련된 선택 항목을 사용자 단말(30)로 제공할 수 있다. 사용자 입력 수신부(미도시)는 펌프 생산을 위한 입력 정보를 수신하고, 펌프 생산 의뢰 정보와 관련된 선택 항목을 입력한 사용자 입력 정보를 가상 정보 생성부(11)로 제공할 수 있다.
예시적으로, 펌프 생산을 위한 입력 정보로서 펌프 생산 의뢰 정보는, 펌프 사용 용도 정보, 펌프 재질 정보, 펌프 크기 정보, 펌프 설치 공간 정보, 펌프 사양 정보, 소음 정보, 진동 정보, 유량 정보, 양정 정보, 유체 정보 중 적어도 어느 하나를 포함할 수 있다. 다만, 펌프 생산 의뢰 정보가 이에 한정되는 것은 아니다. 유량은 특정한 시간 동안 펌프 내에 흐르는 액체의 양을 의미한다. 양정은 펌프가 얼마나 높이 액체를 끌어 올릴 수 있는 가를 나타내는 수치로써 일반적으로 미터(m)로 표기된다. 펌프의 양정은 액체의 형태에 따라 변화한다.
일예로, 펌프 사용 용도 정보는, 화학공장의 프로세스용 화공약품(염산, 황산, 불산, 염화제철, 가송소다 등)의 이송 및 순환, 폐수 및 정수처리, 집진기, 폐기물소각설비, PCB공장, 반도체공장, LCD공장, 전착도장설비, 원자력발전소 및 화력발전소 등 산업현장, 건설현장 등에서 펌프가 사용되는 정보를 포함할 수 있다. 또한, 펌프 재질 정보는, GFRP(Glass Fiber Reinforced Plastics: 유리섬유강화플라스틱) 및 CFRP(Carbon Fiber Reinforced Plastics: 탄소섬유강화플라스틱)를 비롯해 각종 스테인레스, CD4MCU, Alloy-20, 하이크롬, Hastelloy-B, C, 티타늄, 금속 등 펌프에 사용되는 소재(재질) 정보를 포함할 수 있다. FRP(Fiber Reinforced Plastic)라는 특수 소재로 만들어 가볍고 내산, 내식성, 내마모성이 우수하다. 따라서 기존 금속재질의 펌프로는 어려운 염산, 황산, 질산 등 강산 및 강알칼리 액체와 각종 유독 화학약품 이송에 적합하다. 또한, 펌프 크기 정보는, 펌프의 용도에 따라 제작되어야 하는 높이, 넓이, 치수, 규격 등의 정보를 포함할 수 있다. 또한, 펌프 설치 공간 정보는, 펌프가 구비되는 공간에 대한 정보를 포함할 수 있다. 예를 들어, 펌프 설치 공간 정보는, 실내, 실외, 설치되는 공간의 지반형태, 수중 지상 등 같은 펌프가 설치되는 공간과 관련된 정보를 포함할 수 있다. 또한, 펌프 사양 정보는, 최대유량, 최대양정, 펌프동력, 전원사양 등의 정보를 포함할 수 있다. 다만, 앞서 설명된 펌프 생산 의뢰 정보에 포함된 정보가 이에 한정되는 것은 아니며, 펌프 생산에 필요한 항목 정보들을 더 포함할 수 있다.
본원의 일 실시예에 따르면, 가상 정보 생성부(11)는 사용자 단말(30)로 제공받은 펌프 생산 의뢰 정보에 기반하여, 가상 펌프 설계 정보를 생성할 수 있다. 일예로, 가상 정보 생성부(11)는 가상 펌프 설계 정보에 기반하여 3차원 컴퓨터 그래픽스를 활용하여, 가상 펌프를 생성할 수 있다. 가상 정보 생성부(11)는 가상 펌프에 포함되는 복수의 부속 부품 각각들에 대하여 3차원으로 형상화하고, 모델링하여 실제 생산에 필요한 펌프를 가상으로 생성할 수 있다. 가상 정보 생성부(11)는 사용자 단말(30)로 제공받은 펌프 생산 의뢰 정보에 기반하여, 가상 펌프 설계 정보를 생성하여, 펌프를 생산하기 전 3차원 그래픽을 통해 시뮬레이션 함으로써, 펌프 설계 및 펌프 내부의 효율을 극대화 할 수 있으며, 품질 신뢰도를 향상시킬 수 있다.
또한, 가상 정보 생성부(11)는 가상 펌프 설계 정보에 기반하여 가상 펌프를 생성하고, 가상 펌프를 시뮬레이션한 결과를 이용하여 펌프 설계 피드백 정보를 생성할 수 있다. 펌프 설계 피드백 정보는, 사용자 단말(30)로 제공받은 펌프 생산 의뢰 정보에 기반하여 가상 펌프를 생산하고 시뮬레이션한 결과, 수정이 필요한 정보 영역의 수정 정보를 포함할 수 있다. 일예로, 가상 정보 생성부(11)는 펌프 생산 의뢰 정보에 기반하여 가상 펌프를 생성하여 시뮬레이션 해본 결과, 펌프 설치 공간에 비해 펌프 크기가 큰 경우, 펌프 크기를 펌프 설치 공간에 맞게 펌프 설계 피드백 정보를 생성할 수 있다. 다른 일예로, 가상 정보 생성부(11)는 펌프 생산 의뢰 정보에 펌프 사용 용도, 펌프 재질 정보만을 포함하고 있는 경우, 펌프 크기 정보, 펌프 사양 정보, 소음 정보, 진동 정보, 유량 정보, 양정 정보, 유체 정보 중 적어도 어느 하나를 펌프 설계 피드백 정보로 제공할 수 있다. 또 다른 일예로, 펌프의 양정은 액체의 형태에 따라 변화하는데, 가상 정보 생성부(11)가 가상 펌프를 생성하고, 펌프 생산 의뢰 정보에 포함된 유체 정보를 이용하여 펌프 설계 피드백 정보에 포함된 양정 정보를 생성함으로써, 생산되는 펌프의 최적의 운전점 도출할 수 있다.
일예로, 펌프 설계 피드백 정보는, 임펠러 직경 정보, 펌프 사용 용도 정보, 펌프 재질 정보, 펌프 크기 정보, 펌프 설치 공간 정보, 펌프 사양 정보, 소음 정보, 진동 정보, 유량 정보, 양정 정보, 유체 정보 중 적어도 어느 하나를 추천하는 정보를 포함할 수 있다.
또한, 가상 정보 생성부(11)는, 펌프 생산 의뢰 정보에 기반하여 펌프에 구비되는 임펠러(임펠라) 직경 추천 정보를 포함하는 펌프 설계 피드백 정보를 생성할 수 있다. 임펠라(Impeller, 회전차)는 회전함으로써 액체에 원심력을 주어 속도를 가지고 외주방향으로 튀어나오게 하는 역할을 한다. 액체에 직접 원심력을 가하는 부분을 깃(Vane)이라고 부른다. 깃(Vane) 은 통상 회전하는 방향으로 향해 굽어져 있다. 펌프의 성능이나 효율은 임펠러에 의해서 결정되며, 임펠러는 모양에 따라 여러 가지 형식으로 분류된다. 또한, 임펠러는 흡입된 액체를 빠른 속도로 회전시켜 속도 및 압력 에너지를 발생시키는 것으로, 펌프에서 가장 중요한 부분이다. 가상 정보 생성부(11)는, 펌프의 능력을 최대치로 올리기 위해 펌프에 구비되는 임펠러(임펠라) 직경을 추천하는 추천 정보를 포함하는 펌프 설계 피드백 정보를 생성할 수 있다. 또한, 가상 정보 생성부(11)는 펌프 생산 의뢰 정보에 포함된 유량 양정을 산출하고, 펌프에 구비되는 임펠라(임펠러)의 크기를 추천하는 추천 정보를 포함하는 펌프 설계 피드백 정보를 생성할 수 있다.
또한, 가상 정보 생성부(11)는 기존의 펌프 생산 의뢰 정보를 이용하여 학습된 학습 모듈에 펌프 생산 의뢰 정보를 입력으로 하고, 복수의 펌프 설계 추천 항목을 출력으로 하여, 펌프 설계 피드백 정보를 생성할 수 있다. 복수의 펌프 설계 추천 항목은, 펌프 재질 정보, 펌프 크기 정보, 펌프 설치 공간 정보, 펌프 사양 정보, 소음 정보, 진동 정보, 유량 정보, 양정 정보 등을 포함할 수 있다. 가상 정보 생성부(11)는 기존의 펌프 생산 의뢰 정보를 이용하여 구축된 학습 모듈을 통해 가장 적합한 펌프 설계 정보를 추천할 수 있다. 달리 말해, 가상 정보 생성부(11)는 기존의 펌프 생산 의뢰 정보를 이용하여 학습된 학습 모듈에 신규 펌프 생산 의뢰 정보를 입력으로 하고, 복수의 펌프 설계 추천 항목을 출력으로 하여, 사용자가 의뢰한 펌프 생산 의뢰 정보에 가장 적합하고, 성능이 좋은 펌프가 설계되도록 펌프 설계 피드백 정보를 생성할 수 있다. 가상 정보 생성부(11)에서 학습 모듈을 이용하여 펌프 설계 피드백 정보를 생성함으로써, 단순히 사용자가 의뢰한 펌프 생산 의뢰 정보만을 기반으로 생성되었던 펌프 품질의 신뢰도를 향상시킬 수 있다. 가상 정보 생성부(11)는 기존의 펌프 생산 의뢰 정보를 이용하여 학습 모듈을 구축하고, 기존에 사용되고 있는 펌프들 중 가장 적합한(예를 들어, 고장이력이 최소인) 펌프 설계 정보를 추천할 수 있다.
예를 들어, 가상 정보 생성부(11)는 수집된 기존의 펌프 생산 의뢰 정보를 전처리할 수 있다. 전처리는, 인공지능 학습 모듈에 적합한 데이터 형태가 되도록 데이터를 가공하는 것일 수 있다. 가상 정보 생성부(11)는 전처리 된 데이터를 인공지능 알고리즘에 적용하여 펌프 설계 피드백 정보를 도출할 수 있다. 여기서, 인공지능 알고리즘은 비지도 학습기반 인공지능 알고리즘일 수 있다.
비지도 학습은 데이터의 숨겨진(Hidden) 특징(Feature)이나 구조를 발견하는 방식에 사용된다. 예시적으로, 비지도 학습은 군집(Clustering)으로 구분되는 K-평균(k-Means), 계층 군집 분석(HCA, Hierarchical Cluster Analysis), 기댓값 최대화(Expectation Maximization)를 포함할 수 있다. 또한, 시각화(Visualization)와 차원 축소(Dimensionality Reduction)로 구분되는, 주성분 분석(PCA, Principal Component Analysis), 커널 PCA(Kernel PCA), 지역적 선형 임베딩(LLE, Locally-Linear Embedding), t-SNE(t-distributed Stochastic Neighbor Embedding)을 포함할 수 있다. 또한, 연관 규칙 학습(Association Rule Learning)으로 구분되는 어프라이어리(Apriori), 이클렛(Eclat)을 포함할 수 있다.
예를 들어, 비지도 학습기반 인공지능 알고리즘은 로지스틱 회귀 알고리즘, 랜덤 포레스트 알고리즘, SVM(Support Vector Machine)알고리즘, 의사결정 알고리즘 및 군집 알고리즘이 이용될 수 있으나 이에 한정되는 것은 아니다. Random Forest알고리즘은 수많은Decision Tree들이 Forest를 구성하여 각각의 예측결과를 하나의 결과변수로 평균화 하는 알고리즘이고, SVM알고리즘은 데이터의 분포공간에서 가장 큰 폭의 경계를 구분하여 데이터가 속하는 분류를 판단하는 비확률적 알고리즘이다. Extra Tree알고리즘은 Random forest와 비슷하나 속도가 Random forest에 비해 빠른 알고리즘이며, XGBoost알고리즘은 Random Forest의 Tree는 독립적이라면 XGBoost의 Tree의 결 과를 다음 트리에 적용하는 boost방식의 알고리즘이다. Deep Learning알고리즘은 다층구조의 Neural Network을 기반으로 변수의 패턴이 결과에 미치는 영향을 가중치로 조절하며 학습하는 알고리즘이다. 또한, K-means 클러스터링 알고리즘은 전통적인 분류기법으로 대상집단을 거리의 평균값(유사도)을 기준으로 K개의 군집으로 반복 세분화 하는 기법이고, SOM알고리즘은 인공신경망을 기반으로 훈련집합의 입력 패턴을 가중치로 학습하여 군집화하는 기법이다. 또한 EM & Canopy 알고리즘은 주어진 초기값으로 가능성이 최대인 것부터 반복 과정을 통해 파라미터 값을 갱신하여 군집화 하는 기법을 의미한다.
계층 군집 알고리즘을 사용하면 각 그룹을 더 작은 그룹으로 세분화할 수 있다. 시각화 알고리즘은 레이블이 없는 대규모의 고차원 데이터를 넣으면 도식화가 가능한 2D나 3D 표현으로 생성한다. 차원 축소는 너무 많은 정보를 잃지 않으면서 데이터를 간소화하는데 될 수 있다. 예를 들어 차의 주행거리는 연식과 매우 연관되어 있으므로 차원 축소 알고리즘으로 두 특성을 차의 마모 정도를 나타내는 하나의 특성으로 합칠 수 있으며, 이를 특성 추출(Feature Extraction)이라고 한다. 이상치 탐지는 학습 알고리즘에 주입하기 전에 데이터 셋에서 이상한 값을 자동으로 제거하는 작업으로, 정상 샘플로 훈련되고, 새로운 샘플이 정상인지 아닌지 판단할 수 있다. 연관 규칙 학습은 대량의 데이터에서 특성 간의 흥미로운 관계를 찾아내며, 예를 들어, 어떠한 상품을 구매한 사람이 다른 상품을 구매하는 경향이 있다는 것을 찾을 때 활용된다. 다만, 비지도 학습 기반의 인공지능 알고리즘이 이에 한정되는 것은 아니며, 연구 개발의 결과에 따라 다양한 알고리즘이 포함될 수 있다.
또한, 가상 정보 생성부(11)는 데이터 특성에 대응하는 인공지능 알고리즘을 적용하여 펌프 설계 피드백 정보를 도출할 수 있다. 달리 말해, 가상 정보 생성부(11)는 전처리된 데이터들을 데이터 특성에 대응하는 비지도 학습기반의 인공지능 알고리즘에 적용하여 펌프 설계 피드백 정보를 도출할 수 있다.
다른 일예로, 펌프 설계 피드백 정보는, 펌프에 포함된 복수의 부속 부품을 추천하는 부속 부품 추천 정보를 포함할 수 있다. 예를 들어, 가상 정보 생성부(11)는 유체 정보 즉, 펌프의 사용 용도가 화공약품의 이송 및 순환인 경우, 화공약품에 의하여 복수의 부속 부품의 부식 여부를 판단하고, 복수의 부속 부품 중 어느 하나를 추천할 수 있다. 다른 일예로, 가상 정보 생성부(11)는 기존의 펌프 생산 의뢰 정보 및 기존의 펌프 생산에 포함된 복수의 부속 부품의 정보를 이용하여 구축된(학습된) 학습 모듈에 신규 생산될 복수의 부속 부품에 관련한 정보를 입력으로 하여 신규 부속 부품 추천 정보를 생성할 수 있다.
본원의 일 실시예에 따르면, 설계 정보 생성부(12)는 펌프 생산 의뢰 정보 및 가상 펌프 설계 정보를 고려하여 펌프 생산 설계 정보를 생성할 수 있다. 또한, 설계 정보 생성부(12)는 펌프 설계 피드백 정보를 더 고려하여, 펌프 생산 설계 정보를 생성할 수 있다. 달리 말해, 설계 정보 생성부(12)는 펌프 생산 의뢰 정보, 가상 펌프 설계 정보 및 펌프 설계 피드백 정보 등을 고려하여 펌프 생산 설계 정보를 생성할 수 있다. 설계 정보 생성부(12) 는 다양한 정보를 고려하여 펌프 생산 설계 정보를 최종적으로 결정하고, 목형 제작 정보 생성부(13)로 펌프 생산 설계 정보를 제공함으로써, 보다 정확하고 정밀한 펌프를 생산할 수 있다. 예시적으로, 펌프 생산 설계 정보는, 펌프 재질 정보, 펌프 크기 정보, 펌프 설치 공간 정보, 펌프 사양 정보, 소음 정보, 진동 정보, 유량 정보, 양정 정보, 유체 정보 등을 포함할 수 있다.
본원의 일 실시예에 따르면, 목형 제작 정보 생성부(13)는 펌프 생산 설계 정보에 기반하여, 펌프 제조 목형을 제작하기 위한 목형 제작 정보를 생성할 수 있다. 일예로, 목형 제작 정보 생성부(13)는 가상 정보 생성부(11)에 목형 제작 정보를 제공하고, 가상 정보 생성부(11)는 목형 제작 정보에 기반하여, 가상의 펌프 제조 목형을 3차원 모델링 할 수 있다.
목형은 주형을 만들 때 사용하는 나무로 만든 모형으로, 주물의 모양, 크기, 개수에 따라서 달라 진다. 사형주물을 만들 때, 보통 제품 모형의 목형을 만들고 이것을 모래에 묻힌 다음 빼내어, 생긴 공동에 주조한다. 즉, 모형금형이란 주형을 만들때에 사용을 하는 목재의 제품 목형으로 소나무, 삼나무, 밤나무 등이 주로 사용되고 있다. 목재는 가공하기 쉬우면서 비교적으로 오랫동안 사용을 할 수가 있고, 가벼워서 취급하기 쉬우면서 값이 싸고 널리 사용을 하고 있다. 하지만 닳아 없어지거나 습기를 흡수를 하여서 치수가 틀려지기 쉽기 때문에 취급과 보관에는 주의를 할 필요가 있다. 이러한 결점을 보완을 해주는 것에 금속으로 만든 모형들인 금형이 있다.
목형금형의 제작 순서는 먼저 원하는 제품의 3D모델링을 한다. 그 뒤에 2D 설계도를 제작 한 이후에 원하는 재료를 선택 한다. 목형 금형을 할때는 대부분 나무를 사용하나 수지를 이용 하여 제작을 하는 경우도 있다. 설계도와 자재를 선택 한 뒤에는 주물을 제작 해야 한다. 주물제작이 끝나면 밀링 제작을 해야 합니다. 밀링이란 주축에 고정한 밀링커터를 회전시켜 테이블위에 고정한 재품을 절삭깊이와 이송을 주어 절삭하는 공작을 밀링이라 하며 평면, 홈, 각도가공 및 복잡하고 불규칙한 면을 가공할 때 사용한다. 밀링 작업이 끝이 나면 스팀홀 가공 및 스팀 캡 작업을 한다. 그 뒤 사상 및 조립을 하고 AL판 프레나 가공을 한다. 그 뒤 선반 작업 및 레디얼 작업을 하고 조립과 함께 금형을 세척 한후에 금형 검사를 하면 완료된다. 여기서 밀링은 가공 장치(14)를 이용하여 수행될 수 있으나, 이에 한정되는 것은 아니다.
본원의 일 실시예에 따르면, 가공 장치(14)는 목형 제작 정보에 기반하여 생성된 펌프 제조 목형틀을 이용하여 생산된 펌프 주형을 가공하기 위한 장치일 수 있다. 일예로, 가공 장치(14)는 머시닝센터(MCT)일수 있다. 머시닝센터는, 공작기계 중 하나로, 자동으로 공구를 바꾸어가며 형상을 만들어 내는 기계이다. 다양한 공구를 머시닝센터에 장착해 놓고, 기계 언어로 프로그래밍된 것을 기계에 입력하면, 기계가 알아서 여러 가지 공구를 바꾸어 가며 형상을 만들어 낸다. 이때, 소재(가공물, 예를 들어, 펌프 주형)은 한 자리에 고정되어 있고, X, Y, Z 3축을 중심으로 제품을 가공할 수 있다. 머시닝센터의 가장 큰 특징은 기계 스스로 공구를 여러 가지로 바꿀 수 있는 자동공구교화장치(ATC)를 가지고 있다는 점이며, 구멍 뚫기, 속 파기, 면 깎기 등 다양한 종류의 가동을 수행할 수 있다. 다만, 가공 장치(14)가 머시닝센터(MCT)에 한정되는 것은 아니다. 예를 들어, 가공 장치(14)는 밀링 머신, 커팅 머신 등 펌프 주형을 가공하기 위한 장치들이 포함할 수 있다.
본원의 일 실시예에 따르면, 가공 장치 구동 제어부(15)는 펌프 생산 설계 정보에 기반하여 가공 장치(14)의 구동을 제어하기 위한 제어 신호를 생성할 수 있다. 가공 장치(14)는 가공 장치 구동 제어부(15)의 제어 신호에 기반하여, 구동이 제어될 수 있다. 가공 장치 구동 제어부(15)는 가공 장치(14)가 복수개일 경우, 펌프 생산 설계 정보에 기반하여, 복수의 가공 장치(14) 각각의 구동을 제어하기 위한 제어 신호를 생성할 수 있다. 가공 장치 구동 제어부(15)는 가공 장치(14)에 포함된 복수의 공구를 선택하기 위한 선택 정보를 생성할 수 있다. 가공 장치 구동 제어부(15)는 펌프 주형을 가공하기 위한 순차적인 단계에 필요한 공구가 선택되도록 가공 장치(14)의 구동을 제어하기 위한 제어 신호를 생성할 수 있다.
본원의 다른 일 실시예에 따르면, 정보 수집부(16)는 가공 장치(14) 내부에 구비된 펌프 주형의 이미지 정보를 획득할 수 있다. 검출부(17)는 펌프 주형의 이미지 정보 및 가상 정보 생성부(11)에서 생성된 가상 펌프 이미지 정보를 비교하고 유사도를 판단할 수 있다. 검출부(17)는 유사도를 정보를 가공 장치 구동 제어부(15)로 제공하고, 가공 장치 구동 제어부(15)는 유사도 정보에 기반하여, 가공 장치(14)의 구동을 제어하기 위한 제어 신호를 생성할 수 있다.
본원의 일 실시예에 따르면, 정보 수집부(16)는 펌프의 내부 및 외부에 구비된 복수의 센서들로부터 센싱 정보를 수집할 수 있다. 예를 들어, 정보 수집부(16)는 압력 센서, 수위감지 센서, 회전 수 센서, 온도 센서, 습도 센서, 유량 센서, 수량 센서, 진동 감지 센서, 소음 측정 센서, 이미지 획득 센서, 카메라, 촬영 장치 등을 포함할 수 있다. 복수의 센서는, 생산된 펌프(1)의 내부 및 외부에 구비될 수 있으나 이에 한정되는 것은 아니다. 예를 들어 복수의 센서는, 생산된 펌프 주형을 테스트(시험)할 수 있는 정보들을 획득할 수 있다.
본원의 일 실시예에 따르면, 검출부(17)는 펌프 생산 설계 정보에 기반하여 제작된 펌프의 불량 유무를 검출할 수 있다. 또한, 검출부(17)는 정보 수집부(16)에서 수집된 정보가 미리 설정된 기준값 이상인지 여부에 기반하여 제작된 펌프의 불량 유무를 검출할 수 있다. 검출부(17)는 펌프 생산 의뢰 정보 및 펌프 설계 피드백 정보에 기반하여 생성된 펌프 생산 설계 정보와 제작된 펌프의 유사도를 분석할 수 있다. 또한, 검출부(17)는 가상 정보 생성부(11)에서 생산한 가상 펌프 및 제작된 펌프(1)의 유사도를 분석할 수 있다. 검출부(17)는 제작된 펌프(1)의 3차원 이미지 및 3차원 형상 정보를 획득하고, 펌프 생산 설계 정보와의 유사도를 분석할 수 있다. 제작된 펌프의 불량 유무 검출은, 조립 불량, 소음, 진동, 유량, 양정 정보가 펌프 생산 설계 정보와 일치 하는가에 대한 판단되는 결과 정보를 포함할 수 있다.
본원의 일 실시예에 따르면, 검출부(17)는 제작된 펌프(1)의 불량 유무를 검출하기 위해 테스트를 수행할 수 있다. 검출부(17)는 가공 장치(14)를 거쳐 가공된 펌프를 조립하고, 물을 이용하여 제작된 펌프(1)를 테스트하는 과정에서 발생하는 정보에 기반하여 제작된 펌프(1)의 불량 유무를 검출 할 수 있다. 검출부(17)는 소음 정보, 진동 정보, 유량 정보, 진동 정보 등을 포함하는 테스트 정보(수집 정보)가 미리 설정된 기준값(예를 들어, 펌프 생산 설계 정보에서 정해진 값) 이상인지 여부를 판단할 수 있다. 검출부(17)는 테스트 정보(수집 정보)가 미리 설정된 기준값 이상인 경우, 불량으로 판단할 수 있다. 검출부(17)는 불량 유무를 판단한 정보를 사용자 단말(30)로 제공할 수 있다. 검출부(17)에서 불량 유무 판단 결과를 사용자 단말(30)로 제공함으로써, 사용자는 제작된 펌프(1)가 불량인지, 출하 가능한 상품인지를 판단할 수 있다.
본원의 일 실시예에 따르면, 검출부(17)는 물을 이용하여 제작된 펌프(1)를 테스트 할 수 있다. 양정 정보는 펌프(1)에 사용되는 유체에 따라 달리 적용될 수 있다. 검출부(17)는 펌프 생산 설계 정보에 포함된 유체 정보에 기반하여, 펌프(1)에 적용될 토출양정을 결정할 수 있다. 달리 말해, 검출부(17)는 테스트를 수행하고, 유량 정보, 양정 정보, 임펠라 크기 정보 중 적어도 어느 하나를 결정 또는 추천할 수 있다.
도3은 본원의 일 실시예에 따른 펌프 제어 장치의 개략적인 블록이다.
도3을 참조하면 펌프 제어 장치(20)는 정보 수집부(21), 원인 분석부(22) 및 펌프 구동 제어부(23)를 포함할 수 있다. 다만, 펌프 제어 장치(20)의 구성이 이에 한정되는 것은 아니다. 예를 들어, 펌프 제어 장치(20)는 사용자 단말(30)로 펌프 제어를 위한 입력 정보와 관련된 선택 항목을 제공하는 데이터 제공부(미도시)를 포함할 수 있다. 또한, 펌프 제어 장치(20)는 사용자 단말(30)로부터 펌프 제어를 위한 입력 정보를 수신하는 사용자 입력 수신부(미도시)를 포함할 수 있다. 또한, 펌프 성능을 진단하기 위한 펌프 성능 진단부(미도시)를 포함할 수 있다.
본원의 일 실시예에 따르면, 정보 수집부(21)는 펌프의 내부 및 외부에 구비된 복수의 센서들로부터 센싱 정보를 수집할 수 있다. 예를 들어, 정보 수집부(16)는 압력 센서, 수위감지 센서, 회전 수 센서, 온도 센서, 습도 센서, 유량 센서, 수량 센서, 진동 감지 센서, 소음 측정 센서 등을 포함할 수 있다. 복수의 센서는, 생산된 펌프(1)의 내부 및 외부에 구비될 수 있다. 또한, 정보 수집부(21)는 펌프가 구비된 공간의 영역을 센싱한 센싱 정보를 수집할 수 있다. 센싱 정보는 이미지 데이터, 수치 데이터 등 다양한 형태로 수집될 수 있다.
본원의 일 실시예에 따르면, 원인 분석부(22)는 센싱 정보에 대한 항목을 입력으로 하고 불량 진단 결과에 대한 항목을 출력으로 하는 학습을 통해 구축된 인공신경망 및 수집된 센싱 정보에 기초하여, 불량 원인을 분석할 수 있다. 일예로, 불량 진단 결과는, 소음 정보, 진동 정보, 유량 정보, 양정 정보, 펌프 속도 정보, 회전 방향 정보, 유체 정보, 전동기 구동 정보, 베어링 정보, seal 정보 등을 포함할 수 있다. 원인 분석부(22)는 구동중인 펌프의 내부 및 외부에 구비된 복수의 센서들로부터 수집된 센싱 정보에 기초하여, 복수의 불량 원인 중 적어도 어느 하나로 불량 원인을 분석할 수 있다. 원인 분석부(22)는 현재 구동중인 펌프(1)에서 수집된 센싱 정보에 기초하여, 복수의 불량 원인 중 적어도 어느 하나로 펌프(1)의 불량 원인을 분석할 수 있다. 원인 분석부(22)는 펌프의 고장원인 중 하나인 불량 원인을 도출하여 사용자 단말(30)로 제공함으로써, 보다 빠르게 펌프(1)의 고장원인을 해결할 수 있다.
본원의 일 실시예에 따르면, 펌프 구동 제어부(23)는 원인 분석부(22)의 분석 결과에 기반하여 펌프(1)의 구동을 제어하기 위한 제어 신호를 생성할 수 있다. 펌프 구동 제어부(23)는 원인 분석부(22)의 분석 결과 중 소음 정보, 진동 정보, 유량 정보, 양정 정보, 펌프 속도 정보, 회전 방향 정보, 유체 정보, 전동기 구동 정보, 베어링 정보, seal 정보 중 적어도 어느 하나의 진단 결과가 불량으로 판단된 경우, 펌프(1)의 구동을 제어하기 위한 제어 신호를 생성할 수 있다. 일예로, 원인 분석부(22)에서 펌프에 포함된 회전 날개가 오른쪽으로 회전해야 하나, 왼쪽으로 회전하고 있는 경우 불량이라고 판단할 수 있다. 펌프 구동 제어부(23)는 펌프에 포함된 회전 날개가 오른쪽으로 회전하도록 펌프의 구동을 제어하기 위한 제어 신호를 생성할 수 있다.
또한, 펌프 구동 제어부(23)는 제1 펌프에 복수의 펌프가 연동된 경우, 제1펌프 및 복수의 펌프 각각에 구비된 센서들로부터 수집된 센싱 정보에 기반하여 제1펌프 및 복수의 펌프 각각의 구동을 제어하기 위한 제어 신호를 생성할 수 있다. 예를 들어, 복수의 펌프 중 제2 펌프의 센싱 정보에 불량 원인이 수집된 경우, 펌프 구동 제어부(23)는 제2펌프와 연동된 제3펌프 및 제4펌프가 유체 이동에 지장이 없도록 구동될 수 있게 제3펌프 및 제4펌프의 구동을 제어하기 위한 제어 신호를 생성할 수 있다. 펌프 구동 제어부(23)는 어느 하나의 펌프에 불량이 검출된 경우, 해당 펌프와 연동된 펌프의 구동을 제어하기 위한 제어 신호를 생성할 수 있다.
본원의 일 실시예에 따르면, 정보 수집부(21)는 펌프가 구비된 공간의 환경 정보를 수집할 수 있다. 또한, 정보 수집부(21)는 펌프가 구비된 공간의 손상 정보를 수집할 수 있다. 펌프가 구비된 공간의 환경 정보는, 펌프가 구비된 공간의 온도, 습도, 미세먼지 등의 정보를 포함할 수 있다. 펌프가 구비된 공간의 손상 정보는 크랙(crack) 정보를 포함할 수 있다. 크랙 정보는 펌프가 구비된 공간의 균열에 관한 정보일 수 있다. 크랙 정보는 크랙의 영역, 크기, 깊이 등을 포함하는 정보일 수 있다. 정보 수집부(21)는 펌프가 구비된 공간의 외벽, 내벽, 바닥, 콘크리트 재질의 균일 이미지 정보를 수집할 수 있다. 균열 이미지 정보는 사용자 단말(30) 및 외부 서버로부터 제공받을 수 있다. 사용자 단말(30)은 사용자 단말(30)에 탑재된 촬영 장치를 이용하여, 균열 영역을 촬영하고, 손상 이미지 정보를 획득할 수 있다. 또한, 정보 수집부(21)는 펌프가 구비된 공간의 손상 정보를 펌프가 구비된 공간에 설치된 카메라 및 센서들을 통해 수집할 수 있다.
원인 분석부(22)는 펌프(1)의 구동으로 인해 발생할 수 있는 펌프 구비 공간의 크랙을 분석할 수 있다. 달리 말해, 원인 분석부(22)는 펌프의 구동으로 인해 발생하는 진동으로 펌프가 구비된 공간에 발생되는 크랙 정보를 분석할 수 있다. 원인 분석부(22)는 펌프가 구비된 공간의 손상 정보 및 펌프가 구비된 공간의 손상 이미지 정보를 입력으로 하고, 펌프가 구비된 공간의 손상 원인분석 결과에 대한 항목을 출력으로 하는 학습을 통해 구축된 인공신경망 및 수집된 펌프가 구비된 공간의 손상 정보에 기초하여, 펌프가 구비된 공간의 손상 원인을 분석할 수 있다. 펌프가 구비된 공간의 외부 및 내부의 손상 정보를 획득하는 정보는 인공신경망의 입력으로 활용될 수 있다. 원인 분석부(22)는 구축된 인공신경망에 대하여 정보 수집부(21)에서 실시간 또는 주기적으로 수집되는 정보(데이터)를 입력 항목으로서 입력하여 펌프 구비 공간의 손상 원인의 결과를 출력할 수 있다.
또한, 원인 분석부(22)는 정보 수집부(21) 및 사용자 단말(30)로부터 제공받은 펌프 구비 공간의 손상 이미지 정보를 분석할 수 있다. 원인 분석부(22)는 펌프 구비 공간의 손상 이미지의 명도를 분석하여 펌프 구비 공간의 크랙(균열)의 깊이를 분석할 수 있다. 원인 분석부(22)는 크랙(균열)의 깊이가 깊을수록 어두운 명도를 획득됨을 확인하고, 펌프 구비 공간의 크랙(균열)의 깊이를 분석할 수 있다. 또한, 원인 분석부(22)는 펌프 구비 공간의 크랙 영역에 초음파 센서를 이용하여 크랙 거리 측정 정보를 획득하고, 펌프 구비 공간의 크랙(균열) 깊이를 분석할 수 있다. 다만, 원인 분석부(22)가 펌프 구비 공간의 환경 정보를 수집하고, 펌프의 구동으로 인해 발생할 수 있는 펌프 구비 공간의 크랙을 분석하는 것이 이에 한정되는 것은 아니다.
본원의 일 실시예에 따르면, 정보 수집부(21)는 제1 펌프에 복수의 펌프가 연동 된 경우, 제1 펌프를 포함한 복수의 펌프 각각에 대한 정비 데이터를 수집할 수 있다. 예를 들어, 정비 데이터는 과거 펌프의 고장 및 정비 이력에 관한 데이터일 수 있다. 정보 수집부(21)는 제1 펌프를 포함한 복수의 펌프들 각각에 대한 정비 데이터를 이용하여 정비데이터 셋을 구성하여 정비 데이터를 수집할 수 있다. 또한, 정보 수집부(21)는 네트워크를 통해 외부 서버로부터 제1펌프를 포함하는 복수의 펌프 각각에 대한 정비 데이터를 수집 할 수 있다. 또한, 정비 데이터는 사용자 단말(30)로부터 제1펌프를 포함하는 복수의 펌프 각각에 대한 정비 이력과 관련한 입력 정보에 기반하여 수집된 데이터일 수 있다.
원인 분석부(22)는 정보 수집부(21)에서 수집한 정비 데이터를 이용하여 머신러닝 학습을 통해 펌프의 정비 예측 모델을 구축할 수 있다. 또한, 원인 분석부(22)는 정보 수집부(21)에서 수집한 정보 데이터를 이용하여 구축된 정비 예측 모델을 업데이트할 수 있다. 또한, 원인 분석부(22)는 복수의 머신러닝 알고리즘을 적용하여, 생성된 정비 예측 모델에 대한 학습을 수행할 수 있다. 원인 분석부(22)는 수집된 정비 데이터에 복수의 머신러닝 알고리즘을 적용하고, 복수의 머신러닝 알고리즘 중 가장 높은 정확도를 나타내는 머신러닝 알고리즘이 적용된 정비 예측 모델을 제1펌프를 포함한 복수의 펌프의 학습 모듈로 결정할 수 있다.
본원의 일 실시예에 따르면, 펌프 성능 진단부(미도시)는 펌프의 성능을 진단할 수 있다. 또한, 펌프 성능 진단부(미도시)는 펌프 노후에 의한 손실, Wearing 간격, 축과 베어링, 케이싱 손상, 임펠러 손상, 비효율적인 운전, 비효율적인 관로 시스템, 밸브 교축에 의한 손실, 시스템에 맞는 펌프 선택등을 포함하는 손상 정보를 예측할 수 있다. 예시적으로, 펌프 성능 진단부(미도시)는 노후화된 펌프, 전동치 출력이 비교적 큰 펌프, 년 간 운전 시간이 많은 펌프, 유량 및 압력 등의 부하 변동 폭이 큰 펌프 등의 손상 정보를 수집하고, 펌프의 예상 수명을 예측할 수 있다. 펌프 성능 진단부(미도시)는 펌프의 소비전력을 감소시키고, 펌프의 운전 조건 효율을 향상시킬 수 있다. 달리 말해, 펌프 성능 진단부(미도시)가 펌프 성능(예를 들어, 펌프의 소비전력 증가의 원인을 도출)을 측정함으로서 현재 운전상태를 파악하고, 에너지를 절감할 수 있다.
펌프 성능 진단부(미도시)는 펌프 성능진단 분석계(Secure meter) 및 Power meter 등을 이용하여 펌프 성능을 진단할 수 있다. 또한, 펌프 성능 진단부(미도시)는 펌프 성능진단 분석계(Secure meter) 및 Power meter 등을 이용하여 진단된 펌프 흡출, 토출, 양정, 유량, 효율 전동기입력(KW)의 진단 정보를 획득할 수 있다.
일예로, 펌프 성능 진단부(미도시)는 온도 및 압력 센서, 전력 변화기, 성능 분서기, 디스플레이어 등을 포함하는 장치로부터 펌프의 성능을 측정할 수 있다.
에너지를 대량으로 소비하는 산업용 및 건물용 펌프의 경우, 설계된 유량, 양정이 최고 효율점에서 운전이 되도록 펌프와 현장 시스템을 최저고하 하는 것이 중요하다. 설치된 펌프의 수명은 약 10년 내지 20년 정도로 운전되기 때문에 운전도중 현장상황 변화로 인한 유량 및 양정의 변화와 노후화로 펌프 자체의 성능도 저하되고 최저 효율점을 벗어나서 운전되는 경우가 많아. 이러한 경우 현장에서 실제로 운전되고 있는 펌프 각각의 성능과 운전 현황을 정확하게 진단 및 분석하여 사용중인 펌프가 현장조건에 적합한지와 펌프 최적화 및 효율개선을 실현하여 전력 에너지 낭비를 없애는 것이 성능진단의 목적이다.
펌프는 시스템 양정곡선과 Q-H 곡선이 만나는 지점이 운전 점이 되는데, 운전점에 따라 펌프 효율이 달라지게 된다. 따라서 현장에서 필요로 하는 유량 및 양정과 펌프 성능이 최적화 되어야 효율 저하에 따른 에너지 손실을 절감할 수 있다.
이하에서는 상기에 자세히 설명된 내용을 기반으로, 본원의 동작 흐름을 간단히 살펴보기로 한다.
도 4는 본원의 일 실시예에 따른 펌프 생산 및 제어 방법에 대한 동작 흐름도이다.
도 4에 도시된 펌프 생산 및 제어 방법은 앞서 설명된 펌프 생산 및 제어 시스템(100)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 펌프 생산 및 제어 시스템(100)에 대하여 설명된 내용은 펌프 생산 및 제어 방법에 대한 설명에도 동일하게 적용될 수 있다.
단계 S401에서, 펌프 생산 및 제어 시스템(100)은 펌프 생산을 위한 펌프 생산 의뢰 정보를 제공받을 수 있다.
단계 S402에서, 펌프 생산 및 제어 시스템(100)은 사용자 단말(30)로부터 제공받은 펌프 생산 의뢰 정보에 기반하여, 펌프 생산 설계 정보를 생성하고, 펌프 생산 설계 정보를 이용하여 제작된 펌프의 불량 유무를 검출할 수 있다.
단계 S403에서, 펌프 생산 및 제어 시스템(100)은 펌프 생산 장치를 통해 생산된 펌프의 내부 및 외부에 구비된 센서로부터 수집된 센싱 정보에 기반하여 제작된 펌프의 구동을 제어하기 위한 제어 신호를 생성할 수 있다.
이때, 도면에 도시하지는 않았으나, 단계 S402에서, 펌프 생산 및 제어 시스템(100)은 펌프 생산 의뢰 정보에 기반하여, 가상 펌프 설계 정보를 생성할 수 있다. 또한, 펌프 생산 및 제어 시스템(100)은 펌프 생산 의뢰 정보 및 가상 펌프 설계 정보를 고려하여 펌프 생산 설계 정보를 생성할 수 있다. 또한, 펌프 생산 및 제어 시스템(100)은 펌프 생산 설계 정보에 기반하여, 펌프 제조 목형을 제각하기 위한 목형 제작 정보를 생성할 수 있다.
상술한 설명에서, 단계 S401 내지 S403은 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본원의 일 실시 예에 따른 펌프 생산 및 제어 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 전술한 펌프 생산 및 제어 방법은 기록 매체에 저장되는 컴퓨터에 의해 실행되는 컴퓨터 프로그램 또는 애플리케이션의 형태로도 구현될 수 있다.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.
10: 펌프 생산 장치
20: 펌프 제어 장치
30: 사용자 단말
20: 펌프 제어 장치
30: 사용자 단말
Claims (12)
- 펌프 생산 및 제어 시스템은,
펌프 생산을 위한 펌프 생산 의뢰 정보를 제공하는 사용자 단말;
상기 사용자 단말로부터 제공받은 상기 펌프 생산 의뢰 정보에 기반하여, 펌프 생산 설계 정보를 생성하고, 상기 펌프 생산 설계 정보를 이용하여 제작된 펌프의 불량 유무를 검출하는 펌프 생산 장치; 및
상기 펌프 생산 장치를 통해 생산된 상기 펌프의 내부 및 외부에 구비된 센서로부터 수집된 센싱 정보에 기반하여 상기 제작된 펌프의 구동을 제어하기 위한 제어 신호를 생성하는 펌프 제어 장치;
를 포함하되,
상기 펌프 생산 장치는,
상기 펌프 생산 의뢰 정보에 기반하여, 가상 펌프 설계 정보를 생성하는 가상 정보 생성부;
상기 펌프 생산 의뢰 정보 및 상기 가상 펌프 설계 정보를 고려하여 펌프 생산 설계 정보를 생성하는 설계 정보 생성부; 및
상기 펌프 생산 설계 정보에 기반하여, 펌프 제조 목형을 제작하기 위한 목형 제작 정보를 생성하는 목형 제작 정보 생성부를 포함하고,
상기 펌프 제어 장치는,
상기 펌프의 내부 및 외부에 구비된 복수의 센서들로부터 센싱 정보를 수집하는 정보 수집부; 및
상기 센싱 정보에 대한 항목을 입력으로 하고 불량 진단 결과에 관한 항목을 출력으로 하는 학습을 통해 구축된 인공신경망 및 수집된 상기 센싱 정보에 기초하여, 불량 원인을 분석하는 원인 분석부,
를 포함하되,
상기 정보 수집부는,
상기 펌프가 구비된 공간의 환경 정보를 수집하고,
상기 원인 분석부는,
상기 펌프의 구동으로 인해 발생할 수 있는 펌프 구비 공간의 크랙을 분석하는 것인, 펌프 생산 및 제어 시스템. - 제1항에 있어서,
상기 가상 정보 생성부는,
상기 가상 펌프 설계 정보에 기반하여 가상 펌프를 생성하고, 상기 가상 펌프를 시뮬레이션한 결과를 이용하여 펌프 설계 피드백 정보를 생성하는 것인, 펌프 생산 및 제어 시스템. - 제2항에 있어서,
상기 설계 정보 생성부는,
상기 펌프 설계 피드백 정보를 더 고려하여, 상기 펌프 생산 설계 정보를 생성하는 것인, 펌프 생산 및 제어 시스템. - 제3항에 있어서,
상기 펌프 생산 장치는,
상기 목형 제작 정보에 기반하여 생성된 펌프 제조 목형틀을 이용하여 생산된 펌프 주형을 가공하기 위한 가공 장치; 및
상기 펌프 생산 설계 정보에 기반하여 상기 가공 장치의 구동을 제어하기 위한 제어 신호를 생성하는 가공 장치 구동 제어부를 더 포함하는 것인, 펌프 생산 및 제어 시스템. - 제4항에 있어서,
상기 펌프 생산 의뢰 정보는,
펌프 사용 용도 정보, 펌프 재질 정보, 펌프 크기 정보, 펌프 설치 공간 정보, 펌프 사양 정보, 소음 정보, 진동 정보, 유량 정보, 양정 정보, 유체 정보를 포함하는 것인, 펌프 생산 및 제어 시스템. - 제5항에 있어서,
상기 펌프 생산 장치는,
상기 펌프의 내부 및 외부에 구비된 복수의 센서들로부터 센싱 정보를 수집하는 정보 수집부; 및
상기 펌프 생산 설계 정보에 기반하여 제작된 펌프의 불량 유무를 검출하는 검출부를 더 포함하되,
상기 검출부는,
수집된 정보가 미리 설정된 기준값 이상인지 여부에 기반하여 제작된 펌프의 불량 유무를 검출하는 것인, 펌프 생산 및 제어 시스템. - 제2항에 있어서,
상기 가상 정보 생성부는,
상기 펌프 생산 의뢰 정보에 기반하여 상기 펌프에 구비되는 임펠러 직경 추천 정보를 포함하는 상기 펌프 설계 피드백 정보를 생성하는 것인, 펌프 생산 및 제어 시스템. - 제7항에 있어서,
상기 가상 정보 생성부는,
기존의 펌프 생산 의뢰 정보를 이용하여 학습된 학습 모듈에 상기 펌프 생산 의뢰 정보를 입력으로 하고, 복수의 펌프 설계 추천 항목을 출력으로 하여, 상기 펌프 설계 피드백 정보를 생성하는 것인, 펌프 생산 및 제어 시스템. - 제1항에 있어서,
상기 펌프 제어 장치는,
상기 원인 분석부의 분석 결과에 기반하여 상기 펌프의 구동을 제어하기 위한 제어 신호를 생성하는 펌프 구동 제어부,
를 더 포함하되,
상기 펌프 구동 제어부는, 상기 원인 분석부의 학습 결과에 기반하여 펌프 구동을 제어하기 위한 제어 신호를 생성하는 것인, 펌프 생산 및 제어 시스템. - 삭제
- 제9항에 있어서,
상기 펌프 구동 제어부는,
제1펌프에 복수의 펌프가 연동된 경우, 상기 제1펌프 및 복수의 펌프 각각에 구비된 센서들로부터 수집된 센싱 정보에 기반하여 상기 제1펌프 및 복수의 펌프 각각의 구동을 제어하기 위한 제어 신호를 생성하는 것인, 펌프 생산 및 제어 시스템. - 컴퓨터로 구현되는 펌프 생산 및 제어 시스템에 의해 각 단계가 수행되는 펌프 생산 및 제어 방법에 있어서,
펌프 생산 장치가 사용자 단말로부터 펌프 생산을 위한 펌프 생산 의뢰 정보를 제공받는 단계;
상기 펌프 생산 장치가 상기 사용자 단말로부터 제공받은 상기 펌프 생산 의뢰 정보에 기반하여, 펌프 생산 설계 정보를 생성하고, 상기 펌프 생산 설계 정보를 이용하여 제작된 펌프의 불량 유무를 검출하는 단계; 및
펌프 제어 장치에서 상기 펌프 생산 장치를 통해 생산된 상기 펌프의 내부 및 외부에 구비된 센서로부터 수집된 센싱 정보에 기반하여 상기 제작된 펌프의 구동을 제어하기 위한 제어 신호를 생성하는 단계,
를 포함하되,
상기 제작된 펌프의 불량 유무를 검출하는 단계는,
상기 펌프 생산 장치에서 상기 펌프 생산 의뢰 정보에 기반하여, 가상 펌프 설계 정보를 생성하는 단계;
상기 펌프 생산 장치에서 상기 펌프 생산 의뢰 정보 및 상기 가상 펌프 설계 정보를 고려하여 펌프 생산 설계 정보를 생성하는 단계; 및
상기 펌프 생산 장치에서 상기 펌프 생산 설계 정보에 기반하여, 펌프 제조 목형을 제작하기 위한 목형 제작 정보를 생성하는 단계,
를 포함하고,
상기 제어 신호를 생성하는 단계는,
상기 펌프 제어 장치에서 상기 펌프의 내부 및 외부에 구비된 복수의 센서들로부터 센싱 정보를 수집하는 단계; 및
상기 펌프 제어 장치에서 상기 센싱 정보에 대한 항목을 입력으로 하고 불량 진단 결과에 관한 항목을 출력으로 하는 학습을 통해 구축된 인공신경망 및 수집된 상기 센싱 정보에 기초하여, 불량 원인을 분석하는 단계,
를 포함하되,
상기 센싱 정보를 수집하는 단계는,
상기 펌프 제어 장치에서 상기 펌프가 구비된 공간의 환경 정보를 수집하고,
상기 불량 원인을 분석하는 단계는,
상기 펌프 제어 장치에서 상기 펌프의 구동으로 인해 발생할 수 있는 펌프 구비 공간의 크랙을 분석하는 것인, 펌프 생산 및 제어 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190177414A KR102115515B1 (ko) | 2019-12-30 | 2019-12-30 | 펌프 생산 및 제어 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190177414A KR102115515B1 (ko) | 2019-12-30 | 2019-12-30 | 펌프 생산 및 제어 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102115515B1 true KR102115515B1 (ko) | 2020-05-26 |
Family
ID=70914948
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190177414A KR102115515B1 (ko) | 2019-12-30 | 2019-12-30 | 펌프 생산 및 제어 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102115515B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU212318U1 (ru) * | 2022-01-24 | 2022-07-15 | Общество с ограниченной ответственностью "Энергосберегающие Технологии Энергосервис" | Станция управления группой штанговых глубинных насосных установок |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050024733A (ko) * | 2003-09-01 | 2005-03-11 | 주식회사 엘지에스 | 네트워크를 통한 금형제작 토탈서비스방법 |
| KR101105790B1 (ko) * | 2009-12-18 | 2012-03-05 | (주) 티아이에스 | 불량 판정 방법 |
| KR101532631B1 (ko) * | 2013-12-20 | 2015-06-30 | 한국생산기술연구원 | 비속도 150 ~ 1200급 원심 및 사류 펌프 설계 방법 |
| KR101559994B1 (ko) * | 2015-07-16 | 2015-10-27 | 한국해양과학기술원 | 피드백 루프 설계 기법을 이용한 제품의 공학 설계 방법 |
| KR101818731B1 (ko) * | 2017-06-23 | 2018-01-15 | (주)테크윈시스템 | 펌프 시설 운영에 적용하는 에너지 최적화 제어 시스템 및 방법 |
-
2019
- 2019-12-30 KR KR1020190177414A patent/KR102115515B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050024733A (ko) * | 2003-09-01 | 2005-03-11 | 주식회사 엘지에스 | 네트워크를 통한 금형제작 토탈서비스방법 |
| KR101105790B1 (ko) * | 2009-12-18 | 2012-03-05 | (주) 티아이에스 | 불량 판정 방법 |
| KR101532631B1 (ko) * | 2013-12-20 | 2015-06-30 | 한국생산기술연구원 | 비속도 150 ~ 1200급 원심 및 사류 펌프 설계 방법 |
| KR101559994B1 (ko) * | 2015-07-16 | 2015-10-27 | 한국해양과학기술원 | 피드백 루프 설계 기법을 이용한 제품의 공학 설계 방법 |
| KR101818731B1 (ko) * | 2017-06-23 | 2018-01-15 | (주)테크윈시스템 | 펌프 시설 운영에 적용하는 에너지 최적화 제어 시스템 및 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU212318U1 (ru) * | 2022-01-24 | 2022-07-15 | Общество с ограниченной ответственностью "Энергосберегающие Технологии Энергосервис" | Станция управления группой штанговых глубинных насосных установок |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang | Towards zero-defect manufacturing (ZDM)—a data mining approach | |
| Hou et al. | Data-informed inverse design by product usage information: a review, framework and outlook | |
| CN105302096B (zh) | 一种工厂智能调度方法 | |
| CN113705095B (zh) | 一种循环水泵数字孪生建模方法 | |
| CN105765475A (zh) | 用于电动潜水泵浦系统的综合风险和健康管理的系统和方法 | |
| CN115470682B (zh) | 基于数字孪生的泵站机组水力部件磨损及寿命预测方法 | |
| CN115422814A (zh) | 一种数字孪生驱动的复杂机电产品闭环优化设计方法 | |
| Shin et al. | Process-oriented life cycle assessment framework for environmentally conscious manufacturing | |
| Morales et al. | Applicability of LAMDA as classification model in the oil production | |
| Shen et al. | A digital twin-based approach for optimization and prediction of oil and gas production | |
| CN116882978A (zh) | 一种基于产品信息框架的深海潜水器运维保障平台 | |
| Agapaki et al. | CLOI: an automated benchmark framework for generating geometric digital twins of industrial facilities | |
| Ahmed et al. | Optimal design, operational controls, and data-driven machine learning in sustainable borehole heat exchanger coupled heat pumps: Key implementation challenges and advancement opportunities | |
| KR102115515B1 (ko) | 펌프 생산 및 제어 시스템 | |
| Zhou et al. | The optimal hydraulic design of centrifugal impeller using genetic Algorithm with BVF | |
| Djeddi et al. | Gas turbine reliability modelling based on a bath shaped rate failure function: modified Weibull distribution validation | |
| He et al. | Product model integrated with carbon footprint for low-carbon design | |
| US11223513B2 (en) | Digital avatar at an edge of a network | |
| Zhang et al. | Research on designing an industrial product-service system with uncertain customer demands | |
| CN109690586B (zh) | 用于自主保养操作确认的系统和方法 | |
| Mohamed Almazrouei et al. | A review on the advancements and challenges of artificial intelligence based models for predictive maintenance of water injection pumps in the oil and gas industry | |
| CN115329493A (zh) | 一种基于离心泵数字孪生模型的叶轮机械故障检测方法 | |
| KR102437917B1 (ko) | 장비 운영 시스템 | |
| Katashov et al. | Digital platform as a tool for efficient reservoir management | |
| Pérez-Juárez et al. | How Artificial Intelligence Can Enhance Predictive Maintenance in Smart Factories |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |