KR102144853B1 - 규칙 기반 실시간 데이터 스트림 처리 방법 및 장치 - Google Patents
규칙 기반 실시간 데이터 스트림 처리 방법 및 장치 Download PDFInfo
- Publication number
- KR102144853B1 KR102144853B1 KR1020160043610A KR20160043610A KR102144853B1 KR 102144853 B1 KR102144853 B1 KR 102144853B1 KR 1020160043610 A KR1020160043610 A KR 1020160043610A KR 20160043610 A KR20160043610 A KR 20160043610A KR 102144853 B1 KR102144853 B1 KR 102144853B1
- Authority
- KR
- South Korea
- Prior art keywords
- factory
- rule
- time data
- data stream
- real
- Prior art date
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000009471 action Effects 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims description 45
- 230000010365 information processing Effects 0.000 claims description 20
- 238000004088 simulation Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 8
- 230000007704 transition Effects 0.000 claims description 5
- 238000010146 3D printing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000003801 milling Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012261 overproduction Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41835—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by programme execution
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32306—Rules to make scheduling decisions
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32337—Simulation, statechart SC
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명의 실시 예들은, 실시간 데이터 스트림 처리 방법 및 장치에 관한 것으로, 본 발명의 일 실시 예에 따른 규칙 기반 실시간 데이터 스트림 처리 방법은, 공장 상태와 각각의 공장 상태에 대응하는 규칙이 매핑된 규칙 엔진을 참조하여, 현재 공장 상태에 대응하는 규칙을 선택하는 단계; 공장 자원을 제어하는 데 이용되는 실시간 데이터 스트림을 분석하는 단계; 및 분석된 결과가 상기 규칙에 정의된 조건을 만족하는 경우, 상기 정의된 조건에 대응하는 액션을 수행하도록 공장 자원을 제어는 단계를 포함한다. 본 발명의 실시 예들에 따르면, 공장 내에서 수집되거나 공장 외부에서 유입되는 실시간 데이터 스트림을 공장 내 환경에 맞게 처리할 수 있도록 함으로써, 공장의 가동률 및 생산성 등을 향상시킬 수 있다.
Description
본 발명의 실시 예들은, 실시간 데이터 스트림 처리 방법 및 장치에 관한 것이다.
제조 솔루션 공급 업체인 글로벌 기업들이 사물 인터넷 기술 및 빅데이터 분석 기술 등의 정보 통신 기술(Information & Communication Technology; ICT)을 제조 서비스에 적용하여 공정의 지능화를 통한 생산성 향상을 추구하고 있다.
한편, 빅데이터의 실시간 처리라는 새로운 요구가 발생하고 있으나, 사물 인터넷(Internet of Things; IoT) 서비스와 결합된 데이터 처리 방안을 스마트 팩토리 환경에 적용하기 위한 연구가 부족한 실정이다.
본 발명의 실시 예들은, 공장 자원을 제어하는 데 이용되는 실시간 데이터 스트림을 처리할 수 있는 방안을 제공한다.
본 발명의 실시 예들은, 공장의 상태 및 공장 자원의 상태 등을 고려하여 실시간 데이터 스트림을 처리할 수 있는 방안을 제공한다.
본 발명의 일 실시 예에 따른 규칙 기반 실시간 데이터 스트림 처리 방법은, 공장 상태와 각각의 공장 상태에 대응하는 규칙이 매핑된 규칙 엔진을 참조하여, 현재 공장 상태에 대응하는 규칙을 선택하는 단계; 공장 자원을 제어하는 데 이용되는 실시간 데이터 스트림을 분석하는 단계; 및 분석된 결과가 상기 규칙에 정의된 조건을 만족하는 경우, 상기 정의된 조건에 대응하는 액션을 수행하도록 공장 자원을 제어는 단계를 포함한다.
일 실시 예에서, 상기 규칙 엔진은, 각각의 공장 상태에 대응하며, 각각의 공장 상태에서 분석할 실시간 데이터 스트림의 크기를 나타내는 윈도우 크기에 대한 정보를 더 규정할 수 있다.
일 실시 예에서, 상기 윈도우 크기는, 시간 또는 이벤트 횟수일 수 있다.
일 실시 예에서, 상기 규칙 엔진은, 각각의 공장 상태를 결정짓는 데 이용되는 공장 자원 및 해당 공장 자원의 임계 범위를 더 규정할 수 있다.
일 실시 예에서, 상기 방법은, 상기 공장 자원에 대한 정보를 수집하는 단계; 및 상기 수집된 공장 자원에 대한 정보 및 상기 규칙 엔진에 규정된 각각의 공장 상태에 대응하는 공장 자원의 임계 범위를 기반으로 현재 공장 상태를 확인하는 단계를 더 포함할 수 있다.
일 실시 예에서, 상기 방법은, 현재 공장 상태가 천이되는 경우 상기 규칙을 재선택하는 단계를 더 포함할 수 있다.
일 실시 예에서, 상기 현재 공장 상태에 대응하는 규칙을 선택하는 단계는, 현재 공장 상태에 대응하는 규칙이 복수 개 규정되어 있는 경우, 각 규칙에 대한 가중치를 고려하여, 적어도 하나의 규칙을 선택하는 단계를 포함할 수 있다.
일 실시 예에서, 상기 방법은, 상기 실시간 데이터 스트림의 분석 결과 및 각 공장 상태의 발생 빈도를 누적하는 단계; 및 고빈도 공장 상태에 대응하는 규칙의 조건을 변경하면서 상기 누적된 실시간 데이터 스트림의 분석 결과를 적용하여, 공장 자원의 사용 효율이 가장 높게 나타나는 조건을 선택하는 단계; 상기 선택된 조건을 해당 공장 상태에 대응하는 규칙의 조건으로 설정하는 단계를 더 포함할 수 있다.
다른 실시 예에서, 상기 방법은, 상기 실시간 데이터 스트림의 분석 결과를 누적하는 단계; 및 고빈도 분석 결과에 대응하는 공장 상태 및 해당 공장 상태에서 이용할 규칙을 설정하는 단계를 더 포함할 수 있다.
본 발명의 일 실시 예에 따른 규칙 기반 실시간 데이터 스트림 처리 장치는, 공장 상태와 각각의 공장 상태에 대응하는 규칙이 매핑된 규칙 엔진을 관리하는 규칙 엔진 관리부; 현재 공장 상태를 관리하는 공장 상태 관리부; 및 현재 공장 상태에 대응하는 규칙을 선택하고, 공장 자원을 제어하는 데 이용되는 실시간 데이터 스트림을 분석하여, 분석된 결과가 상기 규칙에 정의된 조건을 만족하는 경우, 상기 정의된 조건에 대응하는 액션을 수행하도록 공장 자원을 제어하는 정보 처리부를 포함한다.
일 실시 예에서, 상기 공장 상태 관리부, 수집되는 공장 자원에 대한 정보 및 상기 규칙 엔진에 규정된 각각의 공장 상태에 대응하는 공장 자원의 임계 범위를 기반으로 현재 공장 상태를 확인할 수 있다.
일 실시 예에서, 상기 정보 처리부는, 현재 공장 상태가 천이되는 경우 상기 규칙을 재선택할 수 있다.
일 실시 예에서, 상기 정보 처리부는, 현재 공장 상태에 대응하는 규칙이 복수 개 규정되어 있는 경우, 각 규칙에 대한 가중치를 고려하여, 적어도 하나의 규칙을 선택할 수 있다.
일 실시 예에서, 상기 장치는, 상기 실시간 데이터 스트림의 분석 결과 및 각 공장 상태의 발생 빈도를 누적 관리하는 정보 저장부; 및 고빈도 공장 상태에 대응하는 규칙의 조건을 변경하면서 상기 누적된 실시간 데이터 스트림의 분석 결과를 적용하여, 공장 자원의 사용 효율이 가장 높게 나타내는 조건을 선택하여, 상기 선택된 조건을 해당 공장 상태에 대응하는 규칙의 조건으로 설정하도록 상기 규칙 엔진 관리부를 제어하는 시뮬레이션부를 더 포함할 수 있다.
다른 실시 예에서, 상기 장치는, 상기 실시간 데이터 스트림의 분석 결과를 누적 관리하는 정보 저장부; 및 고빈도 분석 결과에 대응하는 공장 상태 및 해당 공장 상태에서 이용할 규칙을 설정하도록 상기 규칙 엔진 관리부를 제어하는 시뮬레이션부를 더 포함할 수 있다.
본 발명의 실시 예들에 따르면, 공장 내에서 수집되거나 공장 외부로부터 유입되는 실시간 데이터 스트림을 공장 내 환경에 맞게 처리할 수 있도록 함으로써, 공장의 가동률 및 생산성 등을 향상시킬 수 있다.
본 발명의 실시 예들에 따르면, 공장의 생산, 공정 및 운영의 효율성을 높일 수 있다.
도 1은 본 발명의 실시 예들에 따른 규칙 기반 실시간 데이터 스트림 처리 방법을 설명하기 위한 개념도,
도 2는 본 발명의 일 실시 예에 따른 실시간 데이터 스트림 처리 방법을 설명하기 위한 흐름도,
도 3은 본 발명의 일 실시 예에 따른 규칙 엔진을 설명하기 위한 예시도,
도 4는 본 발명의 일 실시 예에 따른 규칙을 설명하기 위한 예시도,
도 5는 본 발명의 일 실시 예에 따른 규칙 최적화 방안을 설명하기 위한 흐름도,
도 6은 본 발명의 다른 실시 예에 따른 규칙 최적화 방안을 설명하기 위한 흐름도,
도 7은 본 발명의 실시 예들이 적용되는 실시간 데이터 스트림 처리 플랫폼을 설명하기 위한 예시도.
도 2는 본 발명의 일 실시 예에 따른 실시간 데이터 스트림 처리 방법을 설명하기 위한 흐름도,
도 3은 본 발명의 일 실시 예에 따른 규칙 엔진을 설명하기 위한 예시도,
도 4는 본 발명의 일 실시 예에 따른 규칙을 설명하기 위한 예시도,
도 5는 본 발명의 일 실시 예에 따른 규칙 최적화 방안을 설명하기 위한 흐름도,
도 6은 본 발명의 다른 실시 예에 따른 규칙 최적화 방안을 설명하기 위한 흐름도,
도 7은 본 발명의 실시 예들이 적용되는 실시간 데이터 스트림 처리 플랫폼을 설명하기 위한 예시도.
이하에서, 본 발명의 실시 예들을 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.
이하, 첨부되는 도면을 참조하여 본 발명의 실시 예들을 설명한다.
도 1은 본 발명의 실시 예들에 따른 규칙 기반 실시간 데이터 스트림 처리 방법을 설명하기 위한 개념도이다.
도 1에 도시된 바와 같이, 공장 내에 공장 자원인 3D 프린터, 밀링 머신, 어셈블러 및 품질 검사기 등이 존재하는 경우를 가정한다. 3D 프린터에서 출력되는 3D 프린팅 결과물들은, 밀링 머신, 어셈블러 및 품질 검사기 등으로 순차적으로 이동되어 출고가 완료된다. 만약, 공장 내 공장 자원들이 적절한 조건에서 적절한 액션을 수행하도록 제어할 수 있다면, 공장의 가동률 및 생산성 등을 향상시킬 수 있다.
한편, 공장 자원을 제어함에 있어, 공장 상태를 고려할 필요가 있다. 공장 상태는, 설계, 생산, 공정 이력, 장애 및 재고 등과 관련된 공장의 상태를 의미할 수 있다. 예를 들어, 공장 상태는, 어떤 공정에 위치하는 어떤 공장 자원에서 병목 현상이 발생하였는지 또는 장애가 발생하였는지 등에 대한 상태를 나타낼 수 있다. 공장 상태는, 하나 또는 복수의 공장 자원의 상태에 의하여 결정될 수 있다. 예를 들어, 재고 부족이라는 공장 상태는, 3D 프린터의 재료 부족이라는 하나의 공장 자원의 상태에 의하여 결정될 수 있다. 예를 들어, 병목 현상이라는 공장 상태는, 3D 프린터의 과잉 생산과 밀링 머신의 장애라는 복수의 공장 자원의 상태에 의하여 결정될 수 있다.
따라서, 본 발명의 일 실시 예에서는, 적어도 하나의 공장 자원의 상태에 의하여 결정되는 공장 상태마다 이에 대응하는 규칙을 설정하여두고, 공장 내에서 수집되거나 공장 외부로부터 유입되는 실시간 데이터 스트림(이벤트를 포함한다)을 현재 공장 상태와 현재 공장 상태에 대응하는 규칙에 따라 처리함으로써, 공장 자원이 효율적으로 관리될 수 있도록 한다. 예를 들어, 3D 프린터의 사용률이 60%인 공장 상태에서는 250℃ 이상에서 3D 프린팅이 시작될 수 있도록 하고, 3D 프린터의 사용률이 80%인 공장 상태에서는 240℃ 이상에서 3D 프린팅이 시작될 수 있도록 함으로써, 공장의 가동률 및 생산성 등을 향상시킬 수 있다.
도 2는 본 발명의 일 실시 예에 따른 실시간 데이터 스트림 처리 방법을 설명하기 위한 흐름도이다. 실시 예에 따라, 도 2에 도시된 단계들 중 적어도 하나는 생략될 수 있다.
단계(201)에서, 규칙 기반 실시간 데이터 스트림 처리 장치(이하, 실시간 데이터 스트림 처리 장치)는, 특정 공장 상태에서 실시간 데이터 스트림 처리에 이용할 규칙 엔진을 구축할 수 있다. 규칙 엔진 구축을 위하여, 실시간 데이터 스트림 처리 장치는, 사용자로부터 규칙 및 규칙과 관련된 각종 정보를 입력받을 수 있다. 규칙 엔진의 일 예를 도 3에 도시하였다.
도 3은 본 발명의 일 실시 예에 따른 규칙 엔진을 설명하기 위한 예시도이다. 도 3을 참조하면, 규칙 엔진은, 공장 상태와, 각각의 공장 상태에 대응하는 공장 자원, 공장 자원 임계 범위, 규칙 및 윈도우 크기에 대한 정보를 포함한다. 실시 예에 따라, 전술한 정보들 중 적어도 하나는 생략될 수 있으며, 필요에 따라 수정 또는 삭제될 수 있다. 규칙 엔진은 복수의 규칙을 보유할 수 있으며, 메모리 등의 저장 장치 내에 구문 형태로 저장될 수 있다. 규칙은 패턴 인식 또는 상황 추론에 이용될 수 있다.
각각의 공장 상태에는, 해당 공장 상태를 결정짓는 데 이용되는 공장 자원 및 공장 자원의 상태(임계 범위)가 매핑될 수 있다. 예를 들어, 공장 자원인 3D 프린터의 사용률이 0~80%의 범위에 있는 경우 공장 상태는 상태 A이고, 공장 자원인 3D 프린터의 사용률이 81~100%의 범위에 있는 경우 공장 상태는 상태 B이다. 공장 상태를 결정 짓는 데 이용되는 공장 자원이 서로 다를 수 있기 때문에, 임의의 시점에서 복수 개의 공장 상태가 발생할 수 있다. 예를 들어, 임의의 시점에서의 공장 상태는, 상태 A 이면서 상태 C일 수 있다.
각각의 공장 상태에는, 해당 공장 상태에서 이용될 규칙이 매핑될 수 있다. 예를 들어, 상태 A에서는 규칙 1 및 규칙 2 중 적어도 하나가 이용될 수 있고, 상태 B에서는 규칙 2가 이용될 수 있다. 하나의 공장 상태에 복수의 규칙이 매핑된 경우 해당 공장 상태에서 복수의 규칙이 모두 이용되거나, 각각의 규칙에 설정된 가중치(w1, w2)에 따라 어느 하나의 규칙이 선택적으로 이용될 수 있다. 예를 들어, 규칙 1에 대한 가중치 w1이 규칙 2에 대한 가중치 w2보다 큰 경우, 상태 A에서는 규칙 1이 이용될 수 있다. 규칙의 일 예를 도 4에 도시하였다.
도 4는 본 발명의 일 실시 예에 따른 규칙을 설명하기 위한 예시도이다.
도 4를 참조하면, 규칙은, 조건 및 해당 조건에서 수행할 액션을 포함할 수 있다. 규칙은, 사용자에 의하여 설정/수정/삭제될 수 있다.
다시 도 3을 참조하면, 각각의 공장 상태에는, 해당 공장 상태에서 분석할 실시간 데이터 스트림의 크기를 나타내는 윈도우 크기에 대한 정보가 매핑될 수 있다. 윈도우 크기는, 시간 또는 이벤트 횟수일 수 있다. 예를 들어, 상태 A에 대하여 30ms의 윈도우 크기가 설정된 경우, 30ms의 구간마다 실시간 데이터 스트림 분석이 수행될 수 있다. 다른 예로, 상태 A에 대한 5회의 이벤트 횟수가 윈도우 크기로 설정된 경우, 5회의 이벤트마다 실시간 데이터 스트림 분석이 수행될 수 있다. 윈도우 크기는, 사용자에 의하여 설정될 수 있다.
다시 도 2를 참조하면, 단계(203)에서, 실시간 데이터 스트림 처리 장치는, 실시간 데이터 스트림 및 공장 자원 정보를 수집할 수 있다.
실시간 데이터 스트림은, 공장 자원을 제어하는 데 이용되는 정보로서, 공장 내에서 수집되거나 공장 외부로부터 유입될 수 있다. 예를 들어, 실시간 데이터 스트림은, 공장 내 환경 또는 공장 자원과 관련된 각종 정보를 포함할 수 있다. 예를 들어, 실시간 데이터 스트림은, 진동, 압력, 움직임, 온도, 습도, 조도, 풍향 및 소리 등의 각종 센서 정보일 수 있다. 센서는, 공장 내부 또는 공장 외부에 사용자에 의하여 설치될 수 있다.
공장 자원 정보는, 공장 자원의 상태를 결정짓는 데 이용되는 정보로서, 예를 들어, 설계, 생산, 공정 이력, 장애 및 재고 등과 관련된 각종 정보를 포함할 수 있다. 예를 들어, 공장 자원 정보는, 특정 공장 자원의 가동률 및 장애 상태 등에 대한 정보를 포함할 수 있다.
실시간 데이터 스트림 및 공장 자원 정보는, 공장 자원으로부터 또는 공장 자원에 부착된 IoT 센서로부터 실시간으로 수집될 수 있다.
단계(205)에서, 실시간 데이터 스트림 처리 장치는, 현재 공장 상태를 결정할 수 있다. 현재 공장 상태는, 규칙 엔진 및 수집된 공장 자원 정보를 기반으로 결정될 수 있다. 예를 들어, 공장 자원 정보는 3D 프린터의 사용률에 대한 정보일 수 있으며, 실시간 데이터 스트림 처리 장치는 규칙 엔진을 참조하여 현재 수집된 3D 프린터의 사용률에 대응하는 공장 상태를 결정할 수 있다.
단계(207)에서, 실시간 데이터 스트림 처리 장치는, 현재 공장 상태에서 이용할 규칙 및 윈도우 크기를 조회할 수 있다. 예를 들어, 현재 공장 상태가 상태 A로 결정된 경우, 실시간 데이터 스트림 처리 장치는, 규칙 엔진을 참조하여 상태 A에 대응하는 규칙 및 윈도우 크기를 조회할 수 있다.
단계(209)에서, 실시간 데이터 스트림 처리 장치는, 수집되는 실시간 데이터 스트림을 분석할 수 있다. 이 때, 실시간 데이터 처리 장치는, 현재 상태에 대응하는 윈도우 크기마다 실시간 데이터 스트림을 분석할 수 있다.
단계(211)에서, 실시간 데이터 스트림 처리 장치는, 현재 분석된 실시간 데이터 스트림이 현재 상태에서 이용할 규칙에 정의된 조건을 만족하는지 여부를 판단할 수 있다.
현재 분석된 실시간 데이터 스트림이 현재 상태에서 이용할 규칙에 정의된 조건을 만족하는 경우, 단계(213)에서, 실시간 데이터 스트림 처리 장치는, 해당 규칙에 정의된 액션을 수행하도록 공장 자원을 제어할 수 있다. 예를 들어, 현재 상태에서 이용할 규칙이 250℃ 이상의 온도에서 3D 프린팅을 시작하라는 규칙이고, 현재 분석된 실시간 데이터 스트림이 250℃ 이상의 온도를 나타내는 경우, 실시간 데이터 스트림 처리 장치는, 3D 프린팅을 시작하도록 3D 프린터를 제어할 수 있다.
단계(215)에서, 실시간 데이터 스트림 처리 장치는, 공장 상태가 천이되는지 판단할 수 있다. 예를 들어, 실시간 데이터 스트림 처리 장치는, 공장 자원 정보를 수집하고, 수집된 공장 자원 정보와 규칙 엔진을 참조하여 공장 상태가 천이되는지 판단할 수 있다.
공장 상태가 천이되지 않는 경우, 실시간 데이터 스트림 처리 장치는, 단계(205)에서 결정된 현재 공장 상태와 단계(207)에서 조회된 규칙 및 윈도우 크기를 기반으로 실시간 데이터 스트림 분석 수행을 계속할 수 있다.
공장 상태가 천이되는 경우, 실시간 데이터 스트림 처리 장치는, 단계(207)로 진행하여 천이된 공장 상태에서 이용할 규칙 및 윈도우 크기를 조회하고, 조회된 바를 기준으로 실시간 데이터 스트림 분석을 수행할 수 있다.
한편, 실시간 데이터 스트림 처리 장치는, 실시간 데이터 스트림 분석 결과 및 각 공장 상태의 발생 빈도를 관리할 수 있으며, 관리되는 정보를 기반으로 시뮬레이션을 수행하여 최적화된 규칙을 설정할 수 있다. 이를 도 5 및 도 6을 참조하여 설명한다.
도 5는 본 발명의 일 실시 예에 따른 규칙 최적화 방안을 설명하기 위한 흐름도이다.
단계(501)에서, 실시간 데이터 스트림 처리 장치는, 실시간 데이터 스트림 분석 결과 및 각 공장 상태의 발생 빈도를 누적하여 관리할 수 있다. 예를 들어, 실시간 데이터 스트림 처리 장치는, 온도 221℃~230℃, 231~240℃, 241~250℃ 이상인 경우가 각각 몇 회 발생하였는지, 상태 A, B, C가 각각 몇 회 발생하였는지에 대한 정보를 누적하여 관리할 수 있다.
단계(503)에서, 실시간 데이터 스트림 처리 장치는, 고빈도 공장 상태에 대응하는 규칙의 조건을 변경해가면서, 누적 관리하는 실시간 데이터 스트림의 분석 결과를 해당 규칙에 적용하여 공장 자원의 사용 효율이 가장 높게 나타나는 최적 조건을 확인할 수 있다. 예를 들어, 상태 A라는 공장 상태가 고빈도인 경우, 상태 A에 매핑된 규칙의 조건을 변경해가면서 시뮬레이션을 수행할 수 있다. 예를 들어, 상태 A에 매핑된 규칙의 250℃ 이상에서 3D 프린팅을 시작할 것을 나타내는 경우, 실시간 데이터 스트림 처리 장치는, 해당 규칙의 조건을 240℃ 이상, 230℃ 이상 또는 220℃ 이상 등으로 변경해 가면서 3D 프린팅을 시작하는 시뮬레이션을 수행할 수 있다. 실시간 데이터 스트림 처리 장치는, 시뮬레이션 결과 공장 자원의 사용 효율이 가장 높게 나타나는 최적 조건을 선택할 수 있다.
단계(505)에서, 실시간 데이터 스트림 처리 장치는, 선택된 최적 조건을 해당 공장 상태에 대응하는 규칙의 조건으로 설정할 수 있다. 예를 들어, 상태 A 및 220℃ 에서 3D 프린팅을 시작하였을 때, 생산성이 가장 좋은 것으로 확인되는 경우, 실시간 데이터 스트림 처리 장치는 상태 A에 대응하는 규칙의 조건을 220℃ 로 설정(변경)할 수 있다.
도 6은 본 발명의 다른 실시 예에 따른 규칙 최적화 방안을 설명하기 위한 흐름도이다.
단계(601)에서, 실시간 데이터 스트림 처리 장치는, 실시간 데이터 스트림 분석 결과를 누적하여 관리할 수 있다. 예를 들어, 실시간 데이터 스트림 처리 장치는, 온도 251℃~260℃, 261~270℃, 271~280℃ 이상인 경우가 몇 회 발생하였는지에 대한 정보를 누적하여 관리할 수 있다.
단계(603)에서, 실시간 데이터 스트림 처리 장치는, 고빈도 분석 결과에 대응하는 규칙이 설정되어 있는지 여부를 확인할 수 있다. 예를 들어, 271~280℃ 이상인 경우가 가장 많이 발생한 경우, 실시간 데이터 스트림 처리 장치는, 271~280℃ 구간에 대응하는 공장 상태가 설정되어 있는지 여부를 확인할 수 있다.
고빈도 분석 결과에 대응하는 공장 상태가 설정되어 있지 않은 경우, 단계(605)에서 실시간 데이터 스트림 처리 장치는, 해당 고빈도 분석 결과에 대응하는 공장 상태 및 해당 공장 상태에서 이용할 규칙을 설정할 수 있다. 해당 고빈도 분석 결과에 대응하는 공장 상태 및 해당 공장 상태에서 이용할 규칙은, 사용자에 의하여 입력될 수 있다. 이를 위하여, 실시간 데이터 스트림 처리 장치는, 고빈도 분석 결과에 대응하는 공장 상태가 설정되어 있지 않은 경우, 이를 사용자에게 안내하고, 사용자로부터 공장 상태 및 해당 공장 상태에서 이용할 규칙을 입력받을 수 있다.
도 7은 본 발명의 실시 예들이 적용되는 실시간 데이터 스트림 처리 플랫폼을 설명하기 위한 예시도이다. 실시 예에 따라, 도 7에 도시된 구성 요소들 중 적어도 하나는 생략될 수 있다.
실시간 데이터 스트림 처리 장치(200)는, 정보 수집부(202), 정보 처리부(204), 규칙 엔진 관리부(206), 공장 상태 관리부(208), 정보 저장부(210) 및 시뮬레이션부(212)를 포함한다.
정보 수집부(202)는, 실시간 데이터 스트림 및 공장 자원 정보 중 적어도 하나를 수집할 수 있다. 실시간 데이터 스트림 및 공장 자원 정보는, 공장 자원(104)으로부터 직접 수집될 수도 있고, 공장 자원에 탑재된 IoT 디바이스(102)로부터 수집될 수 도 있다. 공장 자원은, 제조 설비 또는 운반 설비 등의 공장 내 위치하는 각종 자원일 수 있다. IoT 디바이스(102)에는 각종 센서와 통신 모듈이 탑재될 수 있으며, IoT 디바이스(102)는 각종 정보를 센싱할 수 있다.
정보 처리부(204)는, 실시간 데이터 스트림 및 공장 자원 정보를 분석할 수 있다. 이를 위하여, 정보 처리부(204)는, 수집된 실시간 데이터 스트림 및 공장 자원 정보를 전처리 및 파싱하고, 정보의 유효성을 검사할 수 있다.
정보 처리부(204)는, 분석된 공장 자원 정보를 공장 상태 관리부(208)에게 제공하고, 공장 상태 관리부(208)로부터 현재 공장 상태에 대한 정보를 수신할 수 있다.
정보 처리부(204)는, 공장 상태 관리부(208)로부터 수신되는 현재 공장 상태에 대한 정보를 참조하여, 실시간 데이터 스트림 처리에 이용될 규칙을 선택할 수 있다. 정보 처리부(204)는, 실시간 데이터 스트림을 분석하여, 분석된 결과가 현재 공장 상태에 대응하는 규칙에 정의된 조건을 만족하는지 확인할 수 있다. 만족한다면, 정보 처리부(204)는, 해당 조건에 대응하는 액션을 수행하도록 공장 자원을 제어할 수 있다. 실시간 데이터 스트림을 분석함에 있어, 정보 처리부(204)는, 패턴 필터링 기법을 이용할 수 있다.
정보 처리부(204)는, 공장 상태의 천이가 발생하는 경우, 실시간 데이터 스트림 처리에 이용될 규칙을 재선택할 수 있다.
정보 처리부(204)는, 현재 공장 상태에 대응하는 규칙이 복수 개 규정되어 있는 경우, 각 규칙에 대한 가중치를 고려하여, 하나 또는 복수개의 규칙을 실시간 데이터 스트림 분석에 이용할 규칙으로 선택할 수 있다.
규칙 엔진 관리부(206)는, 규칙 엔진 설정을 위한 사용자 인터페이스를 제공하고, 사용자로부터 규칙 엔진 설정을 위한 각종 정보를 입력받을 수 있다. 규칙 엔진 관리부(206)는, 설정된 규칙 엔진을 관리할 수 있다.
규칙 엔진 관리부(206)는, 시뮬레이션부(212)의 시뮬레이션 결과에 따라, 특정 공장 상태에 적용할 규칙의 조건을 수정할 수 있다. 규칙 엔진 관리부(206)는, 시뮬레이션부(212)의 시뮬레이션 결과에 따라, 고빈도 분석 결과에 대응하는 공장 상태 및 규칙을 설정할 수 있다. 이를 위하여, 규칙 엔진 관리부(206)는, 고빈도 분석 결과에 대응하는 공장 상태 및 규칙의 설정이 필요함을 사용자에게 안내할 수 있다.
공장 상태 관리부(208)는, 현재 공장 상태를 관리할 수 있다. 공장 상태 관리부(208)는, 정보 처리부(204)로부터 수신되는 공장 자원에 대한 정보 및 규칙 엔진에 규정된 각각의 공장 상태에 대응하는 공장 자원의 임계 범위를 기반으로, 현재 공장 상태를 확인할 수 있다. 공장 상태 관리부(208)는, 주기적으로, 이벤트 발생 시에 또는 정보 처리부(204)의 요청이 있는 경우에, 현재 공장 상태에 관한 정보를 정보 처리부(204)에 제공할 수 있다.
정보 저장부(210)는, 실시간 데이터 스트림의 분석 결과 및 공장 상태의 발생 빈도 중 적어도 하나를 누적 관리할 수 있다. 누적된 정보들은, 시뮬레이션부(212)에게 제공될 수 있다.
시뮬레이션부(212)는, 고빈도 공장 상태에 대응하는 규칙의 조건을 변경하면서, 누적된 실시간 데이터 스트림의 분석 결과를 적용하여 공장 자원의 사용 효율이 가장 높게 나타나는 조건을 확인할 수 있다. 시뮬레이션부(212)는, 확인된 조건을 해당 공장 상태에 대응하는 규칙의 조건으로 설정하도록 규칙 엔진 관리부(206)를 제어할 수 있다.
시뮬레이션부(212)는, 고빈도 분석 결과를 확인하고, 고빈도 분석 결과에 대응하는 공장 상태 및 해당 공장 상태에서 이용할 규칙이 규정되어 있는지를 규칙 엔진 관리부(206)를 참조하여 확인할 수 있다. 만약, 고빈도 분석 결과에 대응하는 공장 상태 및 규칙이 설정되어 있지 않다면, 시뮬레이션부(212)는, 고빈도 분석 결과에 대응하는 공장 상태 및 규칙을 설정하도록 규칙 엔진 관리부(206)를 제어할 수 있다.
클라우드 시스템(300)은, 실시간 데이터 스트림 처리 장치(200)와 연동되어 사용자가 공장 자원과 관련된 각종 정보를 조회하거나 관리할 수 있게 한다. 예를 들어, 사용자는, 클라우드 시스템(300)을 이용하여, 공장 상태 정보 및 공장 자원 정보 등을 확인할 수 있다. 클라우드 시스템(300)은, 제품의 주문, 생산 및 유통 등과 관련된 각종 사용자 인터페이스를 제공할 수 있다.
이상에서 설명된 본 발명의 실시 예들은 임의의 다양한 방법으로 구현될 수 있다. 예를 들어, 본 발명의 실시 예들은 하드웨어, 소프트웨어 또는 그 조합을 이용하여 구현될 수 있다. 소프트웨어로 구현되는 경우에, 다양한 운영 체제 또는 플랫폼을 이용하는 하나 이상의 프로세서 상에서 실행되는 소프트웨어로서 구현될 수 있다. 추가적으로, 그러한 소프트웨어는 다수의 적합한 프로그래밍 언어들 중에서 임의의 것을 사용하여 작성될 수 있고, 또한 프레임워크 또는 가상 머신에서 실행 가능한 기계어 코드 또는 중간 코드로 컴파일 될 수 있다.
또한, 본 발명의 실시 예들이 하나 이상의 프로세서 상에서 실행되는 경우 이상에서 논의된 본 발명의 다양한 실시 예들을 구현하는 방법을 수행하기 위한 하나 이상의 프로그램이 기록된 프로세서 판독 가능 매체(예를 들어, 메모리, 플로피 디스크, 하드 디스크, 콤팩트 디스크, 광학 디스크 또는 자기 테이프 등)로 구현될 수 있다.
Claims (18)
- 공장 상태와 각각의 공장 상태에 대응하는 규칙이 매핑된 규칙 엔진을 참조하여, 현재 공장 상태에 대응하는 규칙을 선택하는 단계;
공장 자원을 제어하는 데 이용되는 실시간 데이터 스트림을 분석하는 단계;
상기 실시간 데이터 스트림의 분석 결과 및 상기 각각의 공장 상태의 발생 빈도를 누적하는 단계;
고빈도 공장 상태에 대응하는 규칙의 조건을 변경하면서 상기 누적된 실시간 데이터 스트림의 분석 결과를 적용하여, 공장 자원의 사용 효율이 가장 높게 나타나는 조건을 선택하는 단계;
상기 선택된 조건을 해당 공장 상태에 대응하는 규칙의 조건으로 설정하는 단계; 및
분석된 결과가 상기 규칙에 정의된 조건을 만족하는 경우, 상기 정의된 조건에 대응하는 액션을 수행하도록 공장 자원을 제어하는 단계
를 포함하고,
상기 규칙 엔진은,
각각의 공장 상태에 대응하며, 각각의 공장 상태에서 분석할 실시간 데이터 스트림의 크기를 나타내는 윈도우 크기에 대한 정보를 더 규정하고,
상기 윈도우 크기는,
시간 또는 이벤트 횟수이고,
상기 실시간 데이터 스트림을 분석하는 단계는
상기 윈도우 크기의 시간 또는 이벤트 횟수에 기반하여 상기 실시간 데이터 스트림을 반복하여 분석을 수행하고,
상기 누적하는 단계는
상기 실시간 데이터 스트림을 반복하여 분석을 수행한 결과를 누적하고,
상기 조건을 선택하는 단계는
상기 실시간 데이터 스트림을 반복하여 분석을 수행한 결과를 누적한 결과에 따라 상기 각각의 공장 상태 중 가장 높은 빈도로 나타난 공장 상태를 상기 고빈도 공장 상태로 선택하는
규칙 기반 실시간 데이터 스트림 처리 방법.
- 삭제
- 삭제
- 제 1 항에 있어서, 상기 규칙 엔진은,
각각의 공장 상태를 결정짓는 데 이용되는 공장 자원 및 해당 공장 자원의 임계 범위를 더 규정하는
규칙 기반 실시간 데이터 스트림 처리 방법.
- 제 4 항에 있어서,
상기 공장 자원에 대한 정보를 수집하는 단계; 및
상기 수집된 공장 자원에 대한 정보 및 상기 규칙 엔진에 규정된 각각의 공장 상태에 대응하는 공장 자원의 임계 범위를 기반으로 현재 공장 상태를 확인하는 단계
를 더 포함하는 규칙 기반 실시간 데이터 스트림 처리 방법.
- 제 1 항에 있어서,
현재 공장 상태가 천이되는 경우 상기 규칙을 재선택하는 단계
를 더 포함하는 규칙 기반 실시간 데이터 스트림 처리 방법.
- 제 1 항에 있어서, 상기 현재 공장 상태에 대응하는 규칙을 선택하는 단계는,
현재 공장 상태에 대응하는 규칙이 복수 개 규정되어 있는 경우, 각 규칙에 대한 가중치를 고려하여, 적어도 하나의 규칙을 선택하는 단계
를 포함하는 규칙 기반 실시간 데이터 스트림 처리 방법.
- 삭제
- 제 1 항에 있어서,
상기 실시간 데이터 스트림의 분석 결과를 누적하는 단계; 및
고빈도 분석 결과에 대응하는 공장 상태 및 해당 공장 상태에서 이용할 규칙을 설정하는 단계
를 더 포함하는 규칙 기반 실시간 데이터 스트림 처리 방법.
- 공장 상태와 각각의 공장 상태에 대응하는 규칙이 매핑된 규칙 엔진을 관리하는 규칙 엔진 관리부;
현재 공장 상태를 관리하는 공장 상태 관리부;
현재 공장 상태에 대응하는 규칙을 선택하고, 공장 자원을 제어하는 데 이용되는 실시간 데이터 스트림을 분석하여, 분석된 결과가 상기 규칙에 정의된 조건을 만족하는 경우, 상기 정의된 조건에 대응하는 액션을 수행하도록 공장 자원을 제어하는 정보 처리부;
상기 실시간 데이터 스트림의 분석 결과 및 각 공장 상태의 발생 빈도를 누적 관리하는 정보 저장부; 및
고빈도 공장 상태에 대응하는 규칙의 조건을 변경하면서 상기 누적된 실시간 데이터 스트림의 분석 결과를 적용하여, 공장 자원의 사용 효율이 가장 높게 나타내는 조건을 선택하여, 상기 선택된 조건을 해당 공장 상태에 대응하는 규칙의 조건으로 설정하도록 상기 규칙 엔진 관리부를 제어하는 시뮬레이션부;
를 포함하고,
상기 규칙 엔진은,
각각의 공장 상태에 대응하며, 각각의 공장 상태에서 분석할 실시간 데이터 스트림의 크기를 나타내는 윈도우 크기에 대한 정보를 더 규정하고,
상기 윈도우 크기는,
시간 또는 이벤트 횟수이고,
상기 정보 처리부는
상기 윈도우 크기의 시간 또는 이벤트 횟수에 기반하여 상기 실시간 데이터 스트림을 반복하여 분석을 수행하고,
상기 정보 저장부는
상기 실시간 데이터 스트림을 반복하여 분석을 수행한 결과를 누적하고,
상기 시뮬레이션부는
상기 실시간 데이터 스트림을 반복하여 분석을 수행한 결과를 누적한 결과에 따라 상기 각각의 공장 상태 중 가장 높은 빈도로 나타난 공장 상태를 상기 고빈도 공장 상태로 선택하는
규칙 기반 실시간 데이터 스트림 처리 장치.
- 삭제
- 삭제
- 제 10 항에 있어서, 상기 규칙 엔진은,
각각의 공장 상태를 결정짓는 데 이용되는 공장 자원 및 해당 공장 자원의 임계 범위를 더 규정하는
규칙 기반 실시간 데이터 스트림 처리 장치.
- 제 13 항에 있어서, 상기 공장 상태 관리부,
수집되는 공장 자원에 대한 정보 및 상기 규칙 엔진에 규정된 각각의 공장 상태에 대응하는 공장 자원의 임계 범위를 기반으로 현재 공장 상태를 확인하는
규칙 기반 실시간 데이터 스트림 처리 장치.
- 제 10 항에 있어서, 상기 정보 처리부는,
현재 공장 상태가 천이되는 경우 상기 규칙을 재선택하는
규칙 기반 실시간 데이터 스트림 처리 장치.
- 제 10 항에 있어서, 상기 정보 처리부는,
현재 공장 상태에 대응하는 규칙이 복수 개 규정되어 있는 경우, 각 규칙에 대한 가중치를 고려하여, 적어도 하나의 규칙을 선택하는
규칙 기반 실시간 데이터 스트림 처리 장치.
- 삭제
- 제 10 항에 있어서,
상기 실시간 데이터 스트림의 분석 결과를 누적 관리하는 정보 저장부; 및
고빈도 분석 결과에 대응하는 공장 상태 및 해당 공장 상태에서 이용할 규칙을 설정하도록 상기 규칙 엔진 관리부를 제어하는 시뮬레이션부
를 더 포함하는 규칙 기반 실시간 데이터 스트림 처리 장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160043610A KR102144853B1 (ko) | 2016-04-08 | 2016-04-08 | 규칙 기반 실시간 데이터 스트림 처리 방법 및 장치 |
| US15/475,740 US20170293292A1 (en) | 2016-04-08 | 2017-03-31 | Rule based real-time data stream-processing method and apparatus thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160043610A KR102144853B1 (ko) | 2016-04-08 | 2016-04-08 | 규칙 기반 실시간 데이터 스트림 처리 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20170115859A KR20170115859A (ko) | 2017-10-18 |
| KR102144853B1 true KR102144853B1 (ko) | 2020-08-14 |
Family
ID=59998711
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160043610A KR102144853B1 (ko) | 2016-04-08 | 2016-04-08 | 규칙 기반 실시간 데이터 스트림 처리 방법 및 장치 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20170293292A1 (ko) |
| KR (1) | KR102144853B1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110674174B (zh) * | 2019-09-24 | 2020-09-01 | 北京九章云极科技有限公司 | 一种数据实时处理方法及数据实时处理系统 |
| CN110912782B (zh) * | 2019-12-17 | 2022-08-16 | 锐捷网络股份有限公司 | 一种数据采集方法、装置及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150039118A1 (en) * | 2013-08-01 | 2015-02-05 | Applied Materials, Inc. | Event processing based system for manufacturing yield improvement |
| US20160034158A1 (en) * | 2014-07-31 | 2016-02-04 | Western Integrated Technologies, Inc. | User customization of auto-detected data for analysis |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100473610B1 (ko) * | 2002-10-08 | 2005-03-10 | 한국전자통신연구원 | 규칙기반과 사례기반 추론을 통한 위성 제어 상태 자동확인 장치 및 그 방법 |
| WO2008106623A2 (en) * | 2007-02-28 | 2008-09-04 | Numenta, Inc. | Episodic memory with a hierarchical temporal memory based system |
| KR101296279B1 (ko) * | 2011-01-07 | 2013-08-20 | 주식회사 아이싸이랩 | 규칙 서버와 규칙 실행 단말기가 분리된 규칙기반 규칙추론 장치 및 방법 |
| US9146551B2 (en) * | 2012-11-29 | 2015-09-29 | Asm Ip Holding B.V. | Scheduler for processing system |
| KR101476632B1 (ko) | 2014-03-05 | 2014-12-30 | 에스케이텔레콤 주식회사 | 실시간 데이터 분석 시스템의 데이터 처리 방법 및 분석 코디네이터 장치 |
| US10310492B2 (en) * | 2014-11-06 | 2019-06-04 | Plataine Ltd. | Multi-dimensional resource optimization in the manufacture of three-dimensional elements background |
-
2016
- 2016-04-08 KR KR1020160043610A patent/KR102144853B1/ko active IP Right Grant
-
2017
- 2017-03-31 US US15/475,740 patent/US20170293292A1/en not_active Abandoned
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150039118A1 (en) * | 2013-08-01 | 2015-02-05 | Applied Materials, Inc. | Event processing based system for manufacturing yield improvement |
| US20160034158A1 (en) * | 2014-07-31 | 2016-02-04 | Western Integrated Technologies, Inc. | User customization of auto-detected data for analysis |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20170115859A (ko) | 2017-10-18 |
| US20170293292A1 (en) | 2017-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11086688B2 (en) | Managing resource allocation in a stream processing framework | |
| CN110119271B (zh) | 一种跨机器学习平台的模型定义协议及适配系统 | |
| JP6925321B2 (ja) | エッジインテリジェンスプラットフォーム、およびインターネット・オブ・シングス・センサストリームシステム | |
| US10208947B2 (en) | Cloud-level analytics for boiler networks | |
| US7827122B1 (en) | Data mining of unfiltered controller data | |
| CN109976268B (zh) | 在过程控制系统中的大数据 | |
| US20190260831A1 (en) | Distributed integrated fabric | |
| CN103942210A (zh) | 海量日志信息的处理方法、装置与系统 | |
| CN104049575A (zh) | 在过程控制系统中收集并且向大数据机器递送数据 | |
| US20220308897A1 (en) | Data format transformation for downstream processing in a data pipeline | |
| KR101938946B1 (ko) | 대량의 데이터 수집을 위한 인터페이스 미들웨어 시스템 및 인터페이스 미들웨어 시스템의 데이터 수집 방법 | |
| US11044155B2 (en) | Utilizing unstructured data in self-organized networks | |
| US20180300637A1 (en) | Domain knowledge integration into data-driven feature discovery | |
| KR20180104424A (ko) | 공장의 실시간 상황 변화에 대응하기 위한 동적 상황 관리 장치 및 방법 | |
| CN114666224A (zh) | 业务资源容量动态分配方法、装置、设备及存储介质 | |
| KR102144853B1 (ko) | 규칙 기반 실시간 데이터 스트림 처리 방법 및 장치 | |
| US10459730B2 (en) | Analysis system and analysis method for executing analysis process with at least portions of time series data and analysis data as input data | |
| CN101495978B (zh) | 减少总线连接的消费者和产生者之间的消息流 | |
| EP3295567B1 (en) | Pattern-based data collection for a distributed stream data processing system | |
| US10417228B2 (en) | Apparatus and method for analytical optimization through computational pushdown | |
| Dai et al. | Apparate: Rethinking early exits to tame latency-throughput tensions in ml serving | |
| CN113703394A (zh) | 一种基于边缘计算的刀具监测管理方法及系统 | |
| Motlagh et al. | Quality of Monitoring for Cellular Networks | |
| Leitão et al. | A lightweight dynamic monitoring of operational indicators for a rapid strategical awareness | |
| Lujic et al. | Architecturing elastic edge storage services for data-driven decision making |
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 |