KR102165207B1 - Ai 기반의 스마트 자동화 공정 오동작 진단 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체 - Google Patents

Ai 기반의 스마트 자동화 공정 오동작 진단 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체 Download PDF

Info

Publication number
KR102165207B1
KR102165207B1 KR1020190168956A KR20190168956A KR102165207B1 KR 102165207 B1 KR102165207 B1 KR 102165207B1 KR 1020190168956 A KR1020190168956 A KR 1020190168956A KR 20190168956 A KR20190168956 A KR 20190168956A KR 102165207 B1 KR102165207 B1 KR 102165207B1
Authority
KR
South Korea
Prior art keywords
contact
malfunction
data
condition
automated process
Prior art date
Application number
KR1020190168956A
Other languages
English (en)
Inventor
이철우
이순선
임상호
Original Assignee
주식회사 뮤온시스템
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 뮤온시스템 filed Critical 주식회사 뮤온시스템
Priority to KR1020190168956A priority Critical patent/KR102165207B1/ko
Application granted granted Critical
Publication of KR102165207B1 publication Critical patent/KR102165207B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
    • G05B19/058—Safety, monitoring
    • 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
    • G05B2219/10—Plc systems
    • G05B2219/14—Plc safety
    • G05B2219/14006—Safety, monitoring in general

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

AI 기반의 스마트 자동화 공정 오동작 진단 방법이 개시된다. 본 방법은 PLC(Programmble Logic Controller)에 연결된 접점들의 복수의 사이클 동안의 로그 데이터를 분석하여 자동화 공정의 정상 동작 상태에서의 패턴을 나타내는 정상 상태 데이터를 생성하는 단계, 접점들에 대한 로그 데이터를 분석하여 조건 별 접점 동작 데이터를 생성하는 단계, 생성된 정상 상태 데이터 및 접점 동작 데이터를 저장하는 단계, 자동화 공정의 실행에 따라 PLC로부터 접점들의 로그 데이터를 수신하는 단계, 수신된 로그 데이터와 정상 상태 데이터를 비교하여 자동화 공정의 오동작을 발생시킨 제1 오동작 접점을 검출하는 단계, 수신된 로그 데이터와 접점 동작 데이터를 비교하여 자동화 공정의 오동작을 발생시킬 가능성이 있는 제2 오동작 접점을 검출하는 단계 및 검출된 제1 및 제2 오동작 접점의 정보를 포함하는 인터페이스 화면을 생성하는 단계를 포함한다.

Description

AI 기반의 스마트 자동화 공정 오동작 진단 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체{METHOD, SERVER, PROGRAM AND COMPUTER READABLE RECORDING MEDIUM FOR PERFORMING AI-BASED SMART AUTOMATIC PROCESS MALFUNCTION DIAGNOSIS}
본 발명은 인공지능(Artificial intelligent) 기반의 스마트 자동화 공정 오동작 진단 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체에 관한 것이다.
PLC(Programmable Logic Controller)는 자동화 공정의 제어 및 감시에 사용되는 산업용 컴퓨터로, PLC는 입력을 프로그램에 의해 순차적으로 논리 연산하고 그 출력 결과를 이용해 연결된 외부장치를 제어한다. 즉, PLC는 순차제어(sequential control)에 사용되는 대표적 장치이다.
PLC에서 일련의 논리연산을 수행하는 프로그램을 시퀀스 프로그램이라고 칭하는데, 자동화 공정의 특성에 따라 다양한 형태의 시퀀스 프로그램을 엔지니어가 직접 작성하여 실행할 수 있도록 구성되어 있다.
시퀀스 프로그램은 PLC에 구비된 출력 접점들이 동작되는 입력 접점의 상태 혹은 연산조건을 서술한 것으로, 이 조건이 부합되는지에 대한 연산을 무한히 반복하는 방식으로 운전된다.
PLC를 동작시키기 위한 프로그래밍 언어로는 LD(Ladder Diagram), FB(Fucntion Block Diagrma), STL(Structure Text Language) 등이 있으나 언어의 직관성과 단순함으로 인해 산업 현장 대부분에서 LD를 이용한 프로그래밍이 이루어지고 있다. LD는 스텝(step) 별로 출력을 위한 접점(Contact)을 AND, OR구조로 배치하고 다양한 산술, 함수 등을 사용하여 공정제어를 위한 시퀀스와 조건 등의 작성이 이루어지도록 한다.
한편, PLC에는 수많은 센서가 입력에 연결되어 있고 다양한 구동장치들이 PLC의 출력에 연결되어 있어, 이들 입력신호 상태에 따라 작성된 시퀀스 프로그램에서 제어 방식을 연산하여 전술한 구동장치들에 연결된 출력 접점의 동작 여부를 결정한다.
최근에는 자동화 공정이 발전함에 따라 다양한 센서와 구동장치들이 소개되고 있고, 이들을 활용하여 보다 높은 차원의 자동화 성능과 기능이 시퀀스 프로그램으로 구현되고 있다. 이에 따라, 필연적으로 시퀀스 프로그램의 복잡도는 점차 증가하고 있다.
이러한 복잡도의 증가에 따라, 자동화 공정에 에러나 오동작이 발생 시 그 원인의 분석이나 복구에 소요되는 시간과 비용도 동시에 증가하고 있다.
특히, 자동화 공정에 오동작 발생 시, 오동작 원인의 추적과 조치가 신속하게 이루어지지 않는다면, 기업 입장에서는 큰 손실과 직결되기에, 이에 대한 신속한 대응을 가능하게 하는 것이 매우 중요하다.
본 발명은 상술한 문제점을 해결하기 위해 안출된 것으로, 본 발명의 목적은 자동화 공정의 정상 동작 상태에서의 패턴을 나타내는 정상 상태 데이터와 접점들에 대한 조건 별 접점 동작 데이터를 구축하고, 구축된 데이터와 자동화 공정의 현재 동작에 따른 로그 데이터를 비교하여 자동화 공정의 오동작 접점을 검출하는 AI 기반의 스마트 자동화 공정 오동작 진단 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체를 제공함에 있다.
또한, 본 발명의 목적은 자동화 공정의 오동작 접점의 패턴을 나타내는 비정상 상태 데이터를 구축하고, 구축된 데이터와 자동화 공정의 현재 동작에 따른 로그 데이터를 기초로 자동화 공정의 오동작 접점을 검출하는 AI 기반의 스마트 자동화 공정 오동작 진단 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체를 제공함에 있다.
또한, 본 발명의 목적은 오동작 접점의 오동작 원인 및 솔루션을 분석하고, 분석 결과를 포함하는 인터페이스를 생성하는 AI 기반의 스마트 자동화 공정 오동작 진단 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체를 제공함에 있다.
상술한 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 AI 기반의 스마트 자동화 공정 오동작 진단 방법은 PLC(Programmble Logic Controller)에 연결된 접점들의 복수의 사이클 동안의 로그 데이터를 분석하여 자동화 공정의 정상 동작 상태에서의 패턴을 나타내는 정상 상태 데이터를 생성하는 단계, 상기 접점들에 대한 로그 데이터를 분석하여 조건 별 접점 동작 데이터를 생성하는 단계, 상기 생성된 정상 상태 데이터 및 조건 별 접점 동작 데이터를 저장하는 단계, 상기 자동화 공정의 실행에 따라 상기 PLC로부터 상기 접점들의 로그 데이터를 수신하는 단계, 상기 수신된 로그 데이터와 상기 정상 상태 데이터를 비교하여 상기 자동화 공정의 오동작을 발생시킨 제1 오동작 접점을 검출하는 단계, 상기 수신된 로그 데이터와 상기 조건 별 접점 동작 데이터를 비교하여 상기 자동화 공정의 오동작을 발생시킬 가능성이 있는 제2 오동작 접점을 검출하는 단계 및 상기 검출된 제1 및 제2 오동작 접점의 정보를 포함하는 인터페이스 화면을 생성하는 단계를 포함하고, 상기 조건 별 접점 동작 데이터에서 조건은 시간 조건, 환경 조건 및 전력량 조건 중 적어도 하나를 포함한다.
그리고, 상기 정상 상태 데이터를 생성하는 단계는, 상기 자동화 공정을 구성하는 복수의 접점들 중 분석 대상인 일부 접점을 검출하는 단계, 상기 검출된 일부 접점들 중 하나를 기준 접점으로 선택하는 단계 및 상기 선택된 기준 접점을 기준으로 나머지 접점들의 듀티 사이클 비율을 산출하는 단계를 포함할 수 있다.
그리고, 상기 기준 접점으로 선택하는 단계는, 복수의 접점들 중 듀티 사이클이 소정값 이상인 접점을 기준 접점으로 선택할 수 있다.
또한, 상기 패턴은 접점 동작 시간, 접점 변화 방향, 접점 변화 횟수 및 시퀀스 중 적어도 하나를 더 포함할 수 있다.
그리고, 상기 검출된 제1 오동작 접점의 오동작 신호와 정상 신호를 비교하여 온/오프 시간, 듀티(duty) 및 횟수 중 적어도 하나를 포함하는 관련성 정보를 산출하는 단계 및 상기 산출된 관련성 정보를 기초로 오동작 접점 별 오동작 신호 패턴을 나타내는 비정상 상태 데이터를 생성하는 단계를 더 포함할 수 있다.
또한, 상기 제1 오동작 접점을 검출하는 단계는, 상기 수신된 로그 데이터를 상기 정상 상태 데이터와 상기 비정상 상태 데이터와 비교하여 상기 자동화 공정의 제1 오동작 접점을 검출하는 단계 및 상기 검출된 제1 오동작 접점의 오동작 원인을 분석하는 단계를 더 포함할 수 있다.
그리고, 상기 인터페이스 화면을 생성하는 단계는, 상기 제1 오동작 접점 및 상기 제2 오동작 접점을 포함하는 오동작 접점 타입 별로 분류하여 오동작 접점에 대응되는 설비 명칭, 오동작 접점 어드레스, 오동작 시간, 오동작 원인 및 오동작 원인 솔루션 중 적어도 세 개를 포함하는 인터페이스를 생성할 수 있다.
또한, 상기 오동작 접점 중 하나가 선택되면, 선택된 오동작 접점의 정보를 오동작 발생 시간 순서로 나열하여 표시하는 인터페이스를 생성할 수 있다.
그리고, 상기 조건 별 접점 동작 데이터를 생성하는 단계는, 시간대 별, 요일 별, 월 별 및 계절 별 중 적어도 하나를 포함하는 상기 시간 조건 별 동작 횟수를 나타내는 조건 별 접점 동작 데이터를 생성할 수 있다.
한편, 상술한 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 AI 기반의 스마트 자동화 공정 오동작 진단 서버는 PLC(Pogrammble Logic Controller)에 연결된 접점들의 복수의 사이클 동안의 로그 데이터를 분석하여 자동화 공정의 정상 동작 상태에서의 패턴을 나타내는 정상 상태 데이터를 생성하는 정상 상태 데이터 생성부, 상기 접점들에 대한 로그 데이터를 분석하여 조건 별 접점 동작 데이터를 생성하는 접점 동작 데이터 생성부, 상기 생성된 정상 상태 데이터 및 조건 별 접점 동작 데이터를 저장하는 저장부, 상기 자동화 공정의 실행에 따라 상기 PLC로부터 상기 접점들의 로그 데이터를 수신하는 로그 데이터 획득부, 상기 수신된 로그 데이터와 상기 정상 상태 데이터를 비교하여 상기 자동화 공정의 오동작을 발생시킨 제1 오동작 접점을 검출하는 제1 오동작 접점 검출부, 상기 수신된 로그 데이터와 상기 조건 별 접점 동작 데이터를 비교하여 상기 자동화 공정의 오동작을 발생시킬 가능성이 있는 제2 오동작 접점을 검출하는 제2 오동작 접점 검출부 및 상기 검출된 제1 및 제2 오동작 접점의 정보를 포함하는 인터페이스 화면을 생성하는 인터페이스 생성부를 포함하고, 상기 조건 별 접점 동작 데이터에서 조건은 시간 조건, 환경 조건 및 전력량 조건 중 적어도 하나를 포함한다.
그리고, 상기 정상 상태 데이터 생성부는, 상기 자동화 공정을 구성하는 복수의 접점들 중 분석 대상인 일부 접점을 검출하고, 상기 검출된 일부 접점들 중 하나를 기준 접점으로 선택하는 기준 접점 선택부 및 상기 선택된 기준 접점을 기준으로 나머지 접점들의 상기 듀티 사이클 비율을 산출하는 정상 상태 패턴 산출부를 포함할 수 있다.
또한, 상기 패턴은 접점 동작 시간, 접점 변화 방향, 접점 변화 횟수 및 시퀀스 중 적어도 하나를 더 포함할 수 있다.
그리고, 상기 검출된 제1 오동작 접점의 오동작 신호와 정상 신호를 비교하여 온/오프 시간, 듀티(duty) 및 횟수 중 적어도 하나를 포함하는 관련성 정보를 산출하고, 상기 산출된 관련성 정보를 기초로 오동작 접점 별 오동작 패턴을 나타내는 비정상 상태 데이터를 생성하는 비정상 상태 데이터 생성부를 더 포함할 수 있다.
또한, 상기 접점 동작 데이터 생성부는, 시간대 별, 요일 별, 월 별 및 계절 별 중 적어도 하나를 포함하는 상기 시간 조건 별 동작 횟수를 나타내는 조건 별 접점 동작 데이터를 생성할 수 있다.
한편, 상술한 목적을 달성하기 위한 본 발명의 일 실시 예에 따르면 상술한 AI 기반의 스마트 자동화 공정 오동작 진단 방법을 실행 또는 설치하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체를 포함할 수 있다.
또한, 상술한 목적을 달성하기 위한 본 발명의 일 실시 예에 따르면 상술한 AI 기반의 스마트 자동화 공정 오동작 진단 방법을 실행 또는 설치하기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 프로그램을 포함할 수 있다.
상술한 본 발명의 다양한 실시 예에 따르면, 학습에 따라 구축된 정상 상태 데이터, 조건 별 접점 동작 데이터 및 비정상 상태 데이터를 이용하여 자동화 공정의 오동작 접점을 신속하고 정확하게 검출할 수 있고, 사용자가 신속하게 오동작에 대처 가능하게 할 수 있다.
또한, 본 발명에 따르면, 자동화 공정의 동작 자체가 없어 패턴을 기반으로 한 정상 상태 데이터로는 오동작 접점을 검출하지 못하는 경우, 기 구축된 접점 동작 데이터를 기초로 기 설정된 조건을 만족시키지 못하는 접점을 자동화 공정의 오동작을 발생시킬 가능성이 있는 접점으로 검출함으로써 오동작 발생 가능성이 있는 상황에 대해서도 신속하게 대처 가능하게 할 수 있다.
또한, 본 발명에 따르면, 자동화 공정의 오동작 원인 및 오동작 원인 해결책을 제시함으로써, 자동화 공정의 오동작 발생 시 관리자의 편의성을 높일 수 있다.
도 1은 본 발명의 일 실시 예에 따른 자동화 공정 오동작 진단 시스템을 나타내는 블록도 이다.
도 2는 본 발명의 일 실시 예에 따른 AI 기반의 스마트 자동화 공정 오동작 진단 서버를 나타내는 블록도 이다.
도 3는 본 발명의 일 실시 예에 따른 오동작 진단부를 나타내는 블록도 이다.
도 4는 본 발명의 다른 실시 예에 따른 오동작 진단부를 나타내는 블록도 이다.
도 5는 본 발명의 일 실시 예에 따른 로그 데이터를 시간 축 상에 배열한 타이밍도 이다.
도 6은 본 발명의 다른 실시 예에 따른 로그 데이터를 시간 축 상에 배열한 타이밍도 이다.
도 7은 자동화 공정의 현재 동작에 따른 로그 데이터를 시간 축 상에 배열한 타이밍도 이다.
도 8은 본 발명의 일 실시 예에 따른 유저 인터페이스를 나타내는 도면 이다.
도 9는 본 발명의 일 실시 예에 따른 AI 기반의 스마트 자동화 공정 오동작 진단 방법을 나타내는 흐름도 이다.
도 10은 본 발명의 일 실시 예에 따른 비정상 상태 데이터 생성 방법을 나타내는 흐름도 이다.
도 11은 본 발명의 다른 실시 예에 따른 AI 기반의 스마트 자동화 공정 오동작 진단 방법을 나타내는 흐름도 이다.
도 12은 본 발명의 일 실시 예에 따른 비정상 상태 데이터 생성 방법을 나타내는 흐름도 이다.
도 13는 본 발명의 다른 실시 예에 따른 오동작 진단 방법을 나타내는 흐름도 이다.
이하의 내용은 단지 본 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시되지 않았지만 본 발명의 원리를 구현하고 본 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시 예들은 원칙적으로, 본 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와 같이 특별히 열거된 실시 예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.
또한, 본 발명의 원리, 관점 및 실시 예들뿐만 아니라 특정 실시 예를 열거하는 모든 상세한 설명은 이러한 사항의 구조적 및 기능적 균등물을 포함하도록 의도되는 것으로 이해되어야 한다. 또한 이러한 균등물들은 현재 공지된 균등물뿐만 아니라 장래에 개발될 균등물 즉 구조와 무관하게 동일한 기능을 수행하도록 발명된 모든 소자를 포함하는 것으로 이해되어야 한다.
따라서, 예를 들어, 본 명세서의 블럭도는 본 발명의 원리를 구체화하는 예시적인 회로의 개념적인 관점을 나타내는 것으로 이해되어야 한다. 이와 유사하게, 모든 흐름도, 상태 변환도, 의사 코드 등은 컴퓨터가 판독 가능한 매체에 실질적으로 나타낼 수 있고 컴퓨터 또는 프로세서가 명백히 도시되었는지 여부를 불문하고 컴퓨터 또는 프로세서에 의해 수행되는 다양한 프로세스를 나타내는 것으로 이해되어야 한다.
프로세서 또는 이와 유사한 개념으로 표시된 기능 블럭을 포함하는 도면에 도시된 다양한 소자의 기능은 전용 하드웨어뿐만 아니라 적절한 소프트웨어와 관련하여 소프트웨어를 실행할 능력을 가진 하드웨어의 사용으로 제공될 수 있다. 프로세서에 의해 제공될 때, 상기 기능은 단일 전용 프로세서, 단일 공유 프로세서 또는 복수의 개별적 프로세서에 의해 제공될 수 있고, 이들 중 일부는 공유될 수 있다.
또한 프로세서, 제어 또는 이와 유사한 개념으로 제시되는 용어의 명확한 사용은 소프트웨어를 실행할 능력을 가진 하드웨어를 배타적으로 인용하여 해석되어서는 아니되고, 제한 없이 디지털 신호 프로세서(DSP) 하드웨어, 소프트웨어를 저장하기 위한 롬(ROM), 램(RAM) 및 비 휘발성 메모리를 암시적으로 포함하는 것으로 이해되어야 한다. 주지관용의 다른 하드웨어도 포함될 수 있다.
본 명세서의 청구범위에서, 상세한 설명에 기재된 기능을 수행하기 위한 수단으로 표현된 구성요소는 예를 들어 상기 기능을 수행하는 회로 소자의 조합 또는 펌웨어/마이크로 코드 등을 포함하는 모든 형식의 소프트웨어를 포함하는 기능을 수행하는 모든 방법을 포함하는 것으로 의도되었으며, 상기 기능을 수행하도록 상기 소프트웨어를 실행하기 위한 적절한 회로와 결합된다. 이러한 청구범위에 의해 정의되는 본 발명은 다양하게 열거된 수단에 의해 제공되는 기능들이 결합되고 청구항이 요구하는 방식과 결합되기 때문에 상기 기능을 제공할 수 있는 어떠한 수단도 본 명세서로부터 파악되는 것과 균등한 것으로 이해되어야 한다.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다.
이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시 예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시 예에 따른 자동화 공정 오동작 진단 시스템을 나타내는 블록도 이다. 도 1을 참조하면, 자동화 공정 오동작 진단 시스템(1000)은 복수의 설비(100-1,..100-N), 프로그램 가능 논리 제어 장치(Programmble Logic Controller : 이하, PLC로 칭하기로 함)(200), 오동작 진단 서버(300)를 포함한다.
설비(100)는 PLC(200)와 연결되어 동작하는 다양한 기기로, 스위치, 센서 등과 같은 입력 설비와 모터, 펌프, 실린더 등과 같은 출력 설비를 포함할 수 있다. 이러한 설비(100)의 종류는 PLC(200)가 적용되는 산업 분야에 따라 다양할 수 있다. 일 예로, 식료 산업 분야의 경우, 설비(100)는 컨베이어 총괄 제어를 위한 다양한 설비, 생산라인 자동제어를 위한 다양한 설비를 포함할 수 있다. 다른 예로, 섬유, 화학공업 분야의 경우, 설비(100)는 원료 수입 출하 제어를 위한 다양한 설비, 직조 염색 라인 제어를 위한 다양한 설비를 포함할 수 있다. 또 다른 예로, 자동차 산업의 경우, 설비(100)는 전송 라인제어를 위한 다양한 설비, 자동 조립 라인 제어를 위한 다양한 설비, 도장 라인 제어를 위한 다양한 설비를 포함할 수 있다. 또 다른 예로, 기계 산업의 경우, 설비(100)는 산업용 로봇제어를 위한 다양한 설비, 공작기계제어를 위한 다양한 설비를 포함할 수 있다. 또 다른 예로, 상하수도 산업 분야의 경우, 설비(100)는 정수장 제어를 위한 다양한 설비, 하수처리제어를 위한 다양한 설비, 송배수펌프 제어를 위한 다양한 설비를 포함할 수 있다.
PLC(200)는 자동화 공정의 자동 제어 및 감시에 사용되는 산업용 컴퓨터로, PLC(200)는 복수의 설비(100)의 동작을 제어하기 위한 프로그램을 저장하는 메모리와 메모리에 저장된 프로그램을 독출하여 복수의 설비(100)의 동작을 제어하는 제어부를 포함할 수 있다. 즉, PLC(200)의 제어부는 메모리에 저장된 프로그램을 독출하여 복수의 설비(100)의 온(On)/오프(Off) 상태를 제어하여 자동화 공정이 동작하도록 제어할 수 있다.
또한, PLC(200) 제어부의 동작에 따라 복수의 설비(100)가 동작하면, PLC(200)는 복수의 설비(100)로부터 수신된 아날로그 및/또는 디지털 신호를 분석하여 설비 동작을 나타내는 로그 데이터를 저장할 수 있다. 여기서, 설비 동작을 나타내는 로그 데이터는 시간과 복수의 설비(100) 각각에 대응되는 접점의 온(On)/오프(Off) 상태가 매칭된 데이터일 수 있다. 일 예로, 로그 데이터는 설비(100)에 대응되는 접점의 온(On) 상태와 오프(Off) 상태 사이에 전환이 발생한 시간을 나타내는 전환 발생 시간과 상기 전환 발생 시간에서 상태 및 접점의 식별 정보가 매칭된 데이터일 수 있다. 여기서, 전환 발생 시간에서 상태는 온(On) 상태로의 전환인 지 또는 오프(Off) 상태로의 전환인지를 나타내는 값으로, 온(On) 상태로의 전환인 경우 상태값은 온(On)일 수 있고, 오프(Off) 상태로의 전환인 경우 상태값을 오프(Off)일 수 있다. 또는, 전환 발생 시간에서 상태는 상기 전환 발생 시간에 상방향으로 전환인지 또는 하방향으로 전환인지를 나타내는 값일 수 있다. 그리고, 상술한 접점은 설비(100)를 지칭하는 것으로, 입력 설비에 대응되는 입력 접점 및 출력 설비에 대응되는 출력 접점 중 적어도 하나를 포함할 수 있다.
이러한 본 발명에 따르면, 저장되는 데이터양을 최소화시키기 위하여, 접점 별 전환 발생 시간 이외에는 접점의 온(On)/오프(Off) 상태값을 매칭시켜 저장하지 않을 수 있다. 예를 들어, 복수의 설비로 구성된 자동화 공정에서, 입력 접점 X1가 t1에 온(On)되고 t2에 오프(Off)되며, 출력 접점 Y1가 t3에 온(On)되고 t4에 오프(Off)되며, 내부 접점 R1가 t3에 온(On)되고 t4에 오프(Off)되는 경우, PLC(200)는 아래 표 1과 같이 로그 데이터를 저장할 수 있다.
접점 식별 정보 t1 t2 t3 t4
X1 ON OFF - -
R1 - - ON OFF
Y1 - - ON OFF
여기서, X1, Y1 등과 같은 접점 식별 정보에서 숫자는 메모리 주소에 대응되게 설정될 수 있고, X는 입력 접점, Y는 출력 접점을 지칭할 수 있다. 즉, 입력 접점 「X1」가 온(On)인 것은, PLC(200)에 연결된 스위치나 입력 센서로부터의 정보가 온(On)인 것을 의미하고, 출력 접점 「Y1」가 온(On)인 것은, PLC(200)에 연결된 액츄에이터나 모터 등을 온(On)으로 하는 것을 의미한다.
또한, R1 등과 같은 내부 접점은 설비(100)와의 사이로의 입출력을 행하기 위한 물리적인 접점이 아니고 릴레이 순서와 등가인 논리를 프로그램으로 나타내기 위해서 가상적으로 설정된 접점일 수 있다.
한편, 오동작 진단 서버(300)는 PLC(200)로부터 PLC(200)에 연결된 접점들의 복수의 사이클 동안의 로그 데이터를 수신할 수 있다. 그리고, 오동작 진단 서버(300)는 수신된 복수의 사이클 동안의 로그 데이터를 분석하여 자동화 공정의 정상 동작 상태에서의 패턴을 나타내는 정상 상태 데이터 및 접점들 각각에 대한 조건 별 접점 동작 데이터를 구축할 수 있다. 그리고, 오동작 진단 서버(300)는 구축된 정상 상태 데이터와 조건 별 접점 동작 데이터를 자동화 공정의 현재 동작(또는 실시간 동작)에 따라 수신된 로그 데이터와 비교하여 오동작 접점을 검출할 수 있다.
한편, 오동작 진단 서버(300)는 오동작 접점이 검출되면, 검출된 오동작 접점 별 오동작 패턴을 포함하는 비정상 상태 데이터를 생성할 수 있다.
또한, 오동작 진단 서버(300)는 구축된 정상 상태 데이터, 조건 별 접점 동작 데이터, 비정상 상태 데이터를 학습(learning)을 통해 보다 더 정확성이 높은 모델로 업데이트할 수 있다.
즉, 본 발명에 따른 오동작 진단 서버(300)는 AI 기반의 스마트 자동화 공정 오동작 진단 기능을 수행할 수 있다.
이러한 본 발명에 따른 오동작 진단 서버(300)는 자동화 공정 제어 시스템의 전반적인 동작을 감시하고 중앙 제어하기 위한 HMI(Human Machine Interface) 기기로 구현될 수 있다. 그리고, 오동작 진단 서버(300)에는 본 발명에 따른 오동작 진단 방법을 수행하기 위한 소프트웨어 및/또는 하드웨어가 설치될 수 있다.
이하에서는 이 후 도면을 참조하여, 본 발명의 일 실시 예에 따른 오동작 진단 서버(300)에 대하여 보다 구체적으로 설명하기로 한다.
도 2는 본 발명의 일 실시 예에 따른 오동작 진단 서버를 나타내는 블록도 이다. 도 2를 참조하면, 오동작 진단 서버(300)는 통신부(310), 입력부(320), 출력부(330), 저장부(340), 오동작 진단부(350) 및 제어부(360)의 전부 또는 일부를 포함할 수 있다.
통신부(310)는 오동작 진단 서버(300)와 다른 장치들 사이의 통신을 수행할 수 있다. 구체적으로, 통신부(310)는 PLC(200)와 통신하여 데이터를 송수신하는 기능을 수행할 수 있다. 특히, 통신부(310)는 PLC(200)로부터 설비들(100)의 동작을 나타내는 로그 데이터를 수신할 수 있다.
여기서 통신부(310)는 근거리 통신망(LAN : Local Area Network) 및 인터넷망을 통해 무선 또는 유선방식으로 접속되는 형태, USB(Universal Serial Bus)포트를 통하여 접속되는 형태, 3G, 4G와 같은 이동 통신망을 통해 접속되는 형태, NFC(Near Field Communication, RFID(Radio Frequency Identification), Wi-Fi등과 같은 근거리 무선 통신방식을 통해 접속되는 형태 등과 같이 다양한 통신 방식을 이용하여 구현될 수 있다.
입력부(320)는 오동작 진단 서버(300)의 외부로부터의 물리적 입력을 특정한 전기 신호로 변환하는 기능을 한다. 여기서, 입력부(320)는 사용자 입력부와 마이크부의 전부 또는 일부를 포함할 수 있다.
사용자 입력부는 터치 조작, 마우스 조작 등과 같이 오동작 진단 서버(300)를 조작하는 각종 사용자 입력을 수신할 수 있다. 여기서 사용자 입력부는 다양한 버튼의 형태, 터치 입력을 수신하는 터치 센서, 접근하는 모션을 수신하는 근접 센서, 마우스 등과 같이 중 다양한 방법으로 구현될 수 있다.
마이크부(123)는 사용자의 음성을 수신할 수 있다.
출력부(330)는 각종 유의미한 데이터를 사람이 인식할 수 있는 형태로 출력하는 장치로, 출력부(330)는 디스플레이부와 오디오 출력부의 전부 또는 일부를 포함할 수 있다.
디스플레이부는 유저가 시각적으로 인식될 수 있는 데이터를 출력하는 장치이다. 특히, 본 발명에 따른 오동작 진단 프로그램이 실행되면, 디스플레이부는 인터페이스 생성부(357)에서 생성된 유저 인터페이스(User Interface) 화면을 표시할 수 있다.
여기서, 디스플레이부는 액정 디스플레이(liquid crystal display), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display), 유기 발광 다이오드(organic light-emitting diode), 플렉서블 디스플레이(flexible display), 3차원 디스플레이(3D display), 투명 디스플레이 등 다양한 방법으로 구현될 수 있다.
오디오 출력부 청각적으로 인식될 수 있는 데이터를 출력하는 장치로, 오디오 출력부는 사용자에게 알려야 할 데이터를 소리를 표현하는 스피커로 구현될 수 있다.
저장부(340)는 오동작 진단 서버(300)의 동작에 필요한 다양한 데이터 및 프로그램을 저장하는 기능을 한다. 구체적으로, 저장부(340)는 오동작 진단 프로그램 및 프로그램의 동작 과정에서 발생한 각종 데이터를 저장할 수 있다.
또한, 저장부(340)는 오동작 진단 프로그램의 동작에 따라 수많은 로그 데이터를 분석하여 생성된 자동화 공정의 정상 동작 상태에서의 패턴을 나타내는 정상 상태 데이터, 조건 별 접점 동작 데이터 및 오동작 접점 별 오동작 패턴을 나타내는 비정상 상태 데이터를 저장할 수 있다.
여기서 저장부(340)는 RAM(Random Access Memory), 플레시메모리, ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electronically Erasable and Programmable ROM), 레지스터, 하드디스크, 리무버블 디스크, 메모리 카드, USIM(Universal Subscriber Identity Module)등과 같은 내장된 형태의 저장소자는 물론, USB 메모리 등과 같은 착탈가능한 형태의 저장소자로 구현될 수도 있다.
이러한 저장부(340)는 오동작 진단 서버(300) 내에 구현되거나 또는 오동작 진단 서버(300)와 연결된 외부 데이터 베이스(DB) 서버 형태로 구현될 수 있다.
오동작 진단부(350)는 자동화 공정의 정상 동작 상태에서의 패턴을 나타내는 정상 상태 데이터와 접점들에 대한 조건 별 접점 동작 데이터 및 오동작 접점의 패턴을 나타내는 비정상 상태 데이터를 생성 및 구축하고, 구축된 데이터와 자동화 공정의 현재 동작에 따른 로그 데이터를 비교하여 자동화 공정의 오동작 접점을 검출하며, 검출된 오동작 접점의 정보를 포함하는 인터페이스를 생성할 수 있다. 이러한 오동작 진단부(350)에 대해서는 도 3을 참조하여 보다 구체적으로 설명하기로 한다.
도 3는 본 발명의 일 실시 예에 따른 오동작 진단부를 나타내는 블록도 이다. 도 3을 참조하면, 오동작 진단부(350)는 로그 데이터 획득부(351), 정상 상태 데이터 생성부(352), 접점 동작 데이터 생성부(353), 오동작 접점 검출부(355), 인터페이스 생성부(357)의 전부 또는 일부를 포함한다. 또한, 정상 상태 데이터 생성부(352)는 기준 접점 설정부(352-1), 정상 상태 패턴 산출부(352-2)를 포함할 수 있다. 또한, 오동작 접점 검출부(355)는 제1 오동작 접점 검출부(355-1), 제2 오동작 접점 검출부(355-2)를 포함할 수 있다.
로그 데이터 획득부(351)는 통신부(310)를 통해 수신된 PLC(200)에 연결된 접점들의 로그 데이터를 획득할 수 있다. 일 예로, 로그 데이터 획득부(351)는 PLC(200)에 로그 데이터를 요청하는 요청 명령을 생성하여 통신부(310)를 통해 PLC(200)에 전송할 수 있고, 요청에 따라 PLC(200)로부터 PLC(200)에 연결된 접점들의 로그 데이터가 통신부(310)를 통해 수신되면, 해당 로그 데이터를 획득할 수 있다. 여기서, 요청 명령은 주기적으로 자동으로 생성되어 PLC(200)에 요청되거나 또는 사용자의 입력에 따라 수동으로 생성되어 PLC(200)에 요청될 수 있다.
정상 상태 데이터 생성부(352)는 로그 데이터 획득부(351)에서 획득된 복수의 사이클 동안의 로그 데이터를 분석하여 자동화 공정의 정상 동작 상태에서의 패턴을 나타내는 정상 상태 데이터를 생성할 수 있다. 여기서, 정상 상태 데이터 생성부(352)는 기준 접점 설정부(352-1), 정상 상태 패턴 산출부(352-2)를 포함할 수 있다.
기준 접점 설정부(352-1)는 자동화 공정을 구성하는 복수의 접점들 중 분석 대상인 일부 접점을 검출하고, 검출된 접점들 중 하나를 기준 접점으로 선택할 수 있다.
구체적으로, 기준 접점 설정부(352-1)는 복수의 접점들 중 PLC(200)의 CPU 모듈의 내부 메모리에서 운용되는 가상의 접점들은 검출 대상에서 제외할 수 있다. 즉, PLC(200)의 사이즈는 PLC(200) CPU 모듈이 수용하는 접점의 총 수로 분류할 수 있고, 대형 PLC로 분류되는 CPU 모듈은 수 만개의 접점을 수용할 수 있다. 다만, 수용되는 접점들 대부분은 CPU 모듈의 내부 메모리에서 운용되는 가상의 접점이며, 실제 PLC(200)에서 설비가 연결되어 제어되는 하드웨어 접점은 많지 않다.
따라서, 본 발명에 따르면, 자동화 공정을 구성하는 복수의 접점들 중 실제 설비가 연결되어 운용되는 하드웨어 접점인 입력 접점과 출력 접점만을 분석 대상으로 검출할 수 있다. 이러한 본 발명에 따르면, 오동작 진단 과정에서 부가적인 접점의 연산에 따른 시스템 리소스 낭비를 최소화함으로써, 연산 처리 속도를 높일 수 있다.
또한, 기준 접점 설정부(352-1)는 패턴 산출의 기준이 되는 기준 접점을 검출된 복수의 접점들 중 하나로 결정할 수 있다. 일 예로, 기준 접점 설정부(352-1)는 검출된 복수의 접점들 중 듀티 사이클(Duty cycle)이 소정 값 이상인 것을 기준 접점으로 설정할 수 있다. 여기서, 듀티 사이클은 한 번의 사이클 동안의 온(On) 시간의 비를 의미할 수 있다. 이러한 본 발명에 따르면, 설비의 오동작, 노이즈 신호 또는 헌팅(Hunting) 신호 등에 따라 일시적으로 온(On)/오프(Off) 신호를 발생시킨 접점이 기준 접점으로 설정되는 것을 방지할 수 있다.
다만, 이러한 기준 접점 설정 예시에 한정되는 것은 아니고, 본 발명의 다른 실시 예에 따르면, 검출된 복수의 접점들 중 사이클 내에서 최초로 온(On)/오프(Off)가 변화하는 접점을 기준 접점으로 선택하거나 또는 검출된 복수의 접점들 중 출현율(한 번의 사이클 동안 온(On)된 횟수)가 소정값 이상인 접점을 기준 접점으로 선택할 수도 있다. 또는, 검출된 복수의 접점들 중 하나를 임의로 기준 접점으로 선택할 수도 있다.
정상 상태 패턴 산출부(352-2)는 선택된 기준 접점을 기준으로 나머지 접점들의 패턴을 산출할 수 있다. 구체적으로, 정상 상태 패턴 산출부(352-2)는 선택된 기준 접점을 기준으로 나머지 접점들의 듀티 사이클 비율을 패턴으로 산출할 수 있다. 또한, 정상 상태 패턴 산출부(352-2)는 듀티 사이클 비율을 기초로 산출된 패턴이 정상으로 판단될 수 있는 임계 범위값을 추가로 산출할 수 있다.
또한, 정상 상태 패턴 산출부(352-2)는 선택된 기준 접점을 기준으로 나머지 접점들의 접점 동작 시간, 접점 변화 방향, 접점 변화 횟수 및 시퀀스 중 적어도 하나를 패턴으로 산출할 수도 있다. 여기서, 접점 동작 시간은 기준 접점의 온(On) 또는 오프(Off) 시점으로부터 나머지 접점들의 온(On) 또는 오프(Off) 시점까지의 시간을 나타내는 값일 수 있다. 그리고, 접점 변화 방향은 기준 접점의 변화 방향(예를 들어, 상방향은 온(On), 하방향은 오프(Off))을 기준으로 나머지 접점들이 상방향으로 변화하는지 또는 하방향으로 변화하는지를 나타내는 값일 수 있다. 그리고, 접점 변화 횟수는 기준 접점의 변화 횟수(온(On) 변화 횟수와 오프(Off) 변화 횟수)를 기준으로 나머지 접점들이 변화 횟수를 나타내는 값일 수 있다. 그리고, 시퀀스는 기준 접점을 기준으로 나머지 접점들의 출현 순서를 나타내는 값일 수 있다.
이 경우, 정상 상태 패턴 산출부(352-2)는 접점 동작 시간, 접점 변화 방향, 접점 변화 횟수 및 시퀀스 사이의 우선 순위를 설정하고, 설정된 우선 순위를 반영한 패턴을 산출할 수 있다.
또한, 정상 상태 패턴 산출부(352-2)는 듀티 사이클 비율에 추가로 접점 동작 시간, 접점 변화 방향, 접점 변화 횟수 및 시퀀스 중 적어도 하나를 더 포함하는 패턴을 산출할 수도 있다.
이러한 정상 상태 데이터 생성부(352)의 동작에 대해서는 도 5를 참조하여 보다 구체적으로 설명하기로 한다.
도 5는 본 발명의 일 실시 예에 따른 로그 데이터를 시간 축 상에 배열한 타이밍도 이다. 도 5를 참조하면, 기준 접점 설정부(352-1)는 복수의 접점들 중 실제 설비가 연결되어 운용되는 하드웨어 접점인 입력 접점 X1, X2, X3, X4와 출력 접점 Y1 만을 분석 대상으로 검출할 수 있다. 그리고, 기준 접점 설정부(352-1)는 분석 대상으로 검출된 접점들의 온(On) 시간을 복수의 사이클 동안 산출하고, 산출된 온(On) 시간을 기초로 듀티 사이클을 산출할 수 있다. 일 예로, X1 접점의 경우, 사이클 1 내지 3에서 온(On) 시간인 "t11", "t21", "t31"을 각각 사이클의 시간으로 나눠서 각 사이클 별 X1 접점의 듀티 사이클을 산출할 수 있다. 그리고, 산출된 사이클 별 듀티 사이클을 평균화하여 X1 접접에 대한 평균 듀티 사이클을 산출할 수 있다.
만약, 산출된 X1 접점의 평균 듀티 사이클이 소정 값 이상인 경우, 기준 접점 설정부(352-1)는 X1 접점을 패턴 산출의 기준이 되는 기준 접점으로 결정할 수 있다. 다만, 산출된 X1 접점의 평균 듀티 사이클이 소정 값 보다 작은 경우, 기준 접점 설정부(352-1)는 X1 접점이 아닌 다른 접점을 패턴 산출의 기준이 되는 기준 접점으로 결정할 수 있다.
본 발명의 다른 실시 예에 따르면, 기준 접점 설정부(352-1)는 검출된 복수의 접점들 중 사이클 내에서 최초로 온/오프가 변화하는 접점을 기준 접점으로 선택할 수 있고, 이 경우, 기준 접점 설정부(352-1)는 X1 접점을 패턴 산출의 기준이 되는 기준 접점으로 결정할 수 있다.
또한, 본 발명의 또 다른 실시 예에 따르면, 검출된 복수의 접점들 중 출현율(한 번의 사이클 동안 온(On)된 횟수)가 소정값 이상인 접점을 기준 접점으로 선택할 수도 있다. 이에 대해서는 도 6을 참조하여 보다 구체적으로 설명하기로 한다.
도 6은 본 발명의 다른 실시 예에 따른 로그 데이터를 시간 축 상에 배열한 타이밍도 이다. 도 6을 참조하면, X1 접점, X3 접점, X4 접점, Y1 접점은 사이클 당 한번만 온(On) 되나, X2 접점은 사이클 당 두 번 온(On) 될 수 있다. 본 발명의 다른 실시 예에 따르면, 기준 접점 설정부(352-1)는 검출된 복수의 접점들 중 출현율이 소정값 이상인 X2 접점을 기준 접점으로 설정할 수 있다.
한편, 상술한 동작에 따라 기준 접점이 설정되면, 정상 상태 패턴 산출부(352-2)는 선택된 기준 접점을 기준으로 나머지 접점들의 패턴을 복수의 사이클 동안 산출하고, 산출된 패턴을 종합하여 정상 상태 패턴을 생성할 수 있다. 여기서, 패턴은 선택된 기준 접점을 기준으로 나머지 접점들의 듀티 사이클 비율일 수 있다. 일 예로, 도 5와 같이, X1 접점이 기준 접점으로 설정되면, X1 접점의 온(On) 시간인 "t11"과 나머지 접접들의 온(On) 시간인 "t12", "t13", "t14" 및 "t15" 사이의 비율을 산출할 수 있다. 또한, 이를 복수의 사이클 동안 반복하여 사이클 2에서의 X1 접점의 온(On) 시간인 "t21"과 나머지 접접들의 온(On) 시간인 "t22", "t23", "t24" 및 "t25" 사이의 비율을, 사이클 3에서의 X1 접점의 온(On) 시간인 "t31"과 나머지 접접들의 온(On) 시간인 "t32", "t33", "t34" 및 "t35" 사이의 비율을 산출할 수 있다. 그리고, 산출된 비율을 종합하여 기준 접점을 기준으로 나머지 접점들의 듀티 사이클 비율을 나타내는 정상 상태 패턴을 생성할 수 있다.
추가로, 정상 상태 패턴 산출부(352-2)는 패턴의 정확성을 더욱 높이기 위하여, 듀티 사이클 비율에 추가로 접점 동작 시간, 접점 변화 방향, 접점 변화 횟수 및 시퀀스 중 적어도 하나를 더 포함하는 패턴을 산출할 수도 있다.
이와 같이, 정상 상태 데이터 생성부(352)는 PLC(200)에 연결된 복수의 접점들의 복수의 사이클 동안의 로그 데이터를 분석하여 자동화 공정의 정상 동작 상태에서의 패턴을 나타내는 정상 상태 데이터를 생성할 수 있다.
한편, 접점 동작 데이터 생성부(353)는 PLC(200)에 연결된 접점들의 복수의 사이클 동안의 로그 데이터를 분석하여 조건 별 접점 동작 데이터를 생성할 수 있다. 여기서, 조건은 시간 조건이거나, 설비가 동작하는 온도, 날씨 등의 환경 조건이거나 또는 설비에 공급되는 전력량을 나타내는 전력량 조건일 수 있고, 동작 데이터는 접점의 동작 횟수(또는 가동 횟수)일 수 있다. 다만, 이러한 조건의 예시에 한정되는 것은 아니고, PLC(200)가 적용되는 산업 분야에 따라 조건은 다양하게 설정될 수 있다.
그리고, 조건 별 접점 동작 데이터는 접점 별로 생성될 수 있다.
일 예로, 시간 조건인 경우, 접점 동작 데이터 생성부(353)는 시간대 별, 요일 별, 월 별 및 계절 별 중 적어도 하나의 조건 별 동작 횟수를 나타내는 접점 동작 데이터를 생성할 수 있다. 일 예로, 아래 표 2와 같이, 접점 동작 데이터 생성부(353)는 시간대 별로 동작 횟수를 나타내는 접점 동작 데이터를 생성할 수 있다.
접점 식별 정보 10:00 ~ 11:00 11:00 ~ 12:00 12:00 ~ 13:00
X1 3 2 3
X2 3 2 3
Y1 3 2 3
또는, 온도 조건인 경우, 접점 동작 데이터 생성부(353)는 온도 별로 접점들의 동작 횟수를 나타내는 접점 동작 데이터를 생성할 수 있다.
또는, 전력 조건인 경우, 접접 동작 데이터 생성부(353)는 전력 공급량 별로 접점들의 동작 횟수를 나타내는 접점 동작 데이터를 생성할 수 있다.
또한, 조건 별 접점 동작 데이터는 조건 별 동작 횟수 및 동작 시간(또는 가동 시간)으로 구성될 수도 있다. 일 예로, 시간 조건인 경우, 접점 동작 데이터 생성부(353)는 시간대 별, 요일 별, 월 별 및 계절 별 중 적어도 하나의 조건 별 동작 횟수 및 동작 시간을 나타내는 접점 동작 데이터를 생성할 수 있다. 일 예로, 아래 표 3과 같이, 접점 동작 데이터 생성부(353)는 시간대 별로 동작 횟수 및 동작 시간을 나타내는 접점 동작 데이터를 생성할 수도 있다.
접점 식별 정보 10:00 ~ 11:00 11:00 ~ 12:00 12:00 ~ 13:00
X1 동작횟수 : 3
동작시간 : 10분		 동작횟수 : 2
동작시간 : 8분		 동작횟수 : 3
동작시간 : 13분
X2 동작횟수 : 3
동작시간 : 13분		 동작횟수 : 2
동작시간 : 9분		 동작횟수 : 3
동작시간 : 15분
Y1 동작횟수 : 3
동작시간 : 11분		 동작횟수 : 2
동작시간 : 8분		 동작횟수 : 3
동작시간 : 14분
한편, 정상 상태 데이터 생성부(352)에서 정상 상태 데이터가 생성되고, 접점 동작 데이터 생성부(353)에서 조건 별 접점 동작 데이터가 생성되면, 생성된 데이터들은 저장부(330)에 데이터베이스로 저장될 수 있다.
한편, 오동작 접점 검출부(355)는 자동화 공정의 현재 동작에 따라 수신된 로그 데이터와 기 구축된 정상 상태 데이터 및 기 구축된 접점 동작 데이터를 비교하여 자동화 공정의 오동작을 발생시킨 오동작 접점을 검출할 수 있다. 여기서, 오동작 접점 검출부(355)는 제1 오동작 접점 검출부(355-1), 제2 오동작 접점 검출부(355-2)를 포함할 수 있다.
제1 오동작 접점 검출부(355-1)는 자동화 공정의 현재 동작에 따라 수신된 로그 데이터와 기 구축된 정상 상태 데이터를 비교하여 자동화 공정의 오동작을 발생시킨 제1 오동작 접점을 검출할 수 있다. 구체적으로, 제1 오동작 접점 검출부(355-1)는 자동화 공정의 현재 동작에 따라 수신된 로그 데이터의 패턴을 산출하고, 산출된 로그 데이터의 패턴과 기 구축된 정상 상태 데이터의 패턴을 비교하여 자동화 공정의 오동작을 발생시킨 제1 오동작 접점을 검출할 수 있다. 이에 대해서는 도 5 및 7을 참조하여 설명하기로 한다.
도 7은 자동화 공정의 현재 동작에 따른 로그 데이터를 시간 축 상에 배열한 타이밍도 이다. 도 7에 도시된 로그 데이터의 패턴과 도 5에 도시된 정상 상태 패턴을 비교할 때, 도 7의 사이클 1에서 X3 접점에 오동작 신호(tn-1)가 발생하고, Y1 접점에 오동작 신호(tn-2)가 발생했음을 알 수 있다.
이 경우, 제1 오동작 접점 검출부(355-1)는 기 구축된 정상 상태 패턴과 자동화 공정의 현재 동작에 따라 수신된 로그 데이터의 패턴을 비교함으로써 자동화 공정의 오동작을 발생시킨 제1 오동작 접점으로 X3 및 Y1을 검출할 수 있다.
또한, 제2 오동작 접점 검출부(355-2)는 자동화 공정의 현재 동작에 따라 수신된 로그 데이터와 기 구축된 접점 동작 데이터를 비교하여 자동화 공정의 오동작을 발생시킬 가능성이 있는 제2 오동작 접점을 검출할 수 있다. 일 예로, 상기 표 2와 같이 시간대 별로 접점 동작 데이터가 구축된 상황에서, 자동화 공정의 현재 동작에 따라 수신된 10:00 부터 11:00 사이 시간의 로그 데이터로부터 X1 접점이 0번 동작한 것으로 판단되면, X1 접점은 오동작이 발생할 가능성이 있는 접점일 수 있다. 이에 대해서는 도 8을 참조하여 보다 구체적으로 설명하기로 한다.
도 8은 본 발명의 일 실시 예에 따른 수위 제어 시스템을 나타내는 도면 이다. 예를 들어, 수위를 측정하여 물 배출을 제어하는 수위 제어 시스템에서는 수위를 측정하는 복수의 수위계(801,802)를 입력 접점으로 물을 배출하는 펌프(803)를 출력 접접으로 구성될 수 있다. 여기서 수위계는 수위 레벨 별로 감지를 위한 복수의 입력 접점(801-1~801-3, 802-1~802-3)으로 구성될 수 있다. 이 시스템에서는 수위계의 고장, 수위계에 이물질 발생, 왜란이나 노이즈의 발생, 수위계의 접점 불량 등으로 인하여 수위계가 동작하지 않는 경우가 발생할 수 있다. 이 경우, 수위계 자체가 동작하지 않기에 PLC(200)로는 아무런 입력이 없게되어, 수위가 일정 수치를 초과하더라도 펌프가 동작하지 않는 등 침수가 발생할 가능성이 있다.
다만, 이러한 상황에서, 자동화 공정의 동작 자체가 없는 것이기에 현재 동작에 따른 로그 데이터의 패턴은 존재하지 않고, 정상 상태 데이터 생성부(352)를 통해 구축된 정상 상태 데이터로는 이러한 오동작 가능성을 검출할 수 없게 된다.
따라서, 본 발명에 따르면, 제2 오동작 접점 검출부(355-2)는 다량의 로그 데이터를 분석하여 구축된 접점 동작 데이터를 기초로 기 설정된 조건을 만족시키지 못하는 접점을 자동화 공정의 오동작을 발생시킬 가능성이 있는 제2 오동작 접점으로 검출할 수 있다.
한편, 본 발명의 일 실시 예에 따른 오동작 진단부(350)는 비정상 상태 데이터 생성부(354) 및 오동작 원인 분석부(356)를 더 포함하는 형태로 구현될 수도 있다. 이에 대해서는 도 4를 참조하여 설명하기로 한다.
도 4는 본 발명의 다른 실시 예에 따른 오동작 진단부를 나타내는 블록도 이다. 도 4를 참조하면, 본 발명의 다른 실시 예에 따른 오동작 진단부(350)는 비정상 상태 데이터 생성부(354) 및 오동작 원인 분석부(356)를 더 포함할 수 있다.
비정상 상태 데이터 생성부(354)는 검출된 제1 오동작 접점의 오동작 신호와 정상 신호를 비교하여 온(On)/오프(Off) 시간, 듀티(duty) 및 횟수 중 적어도 하나를 포함하는 관련성 정보를 산출할 수 있다. 여기서, 제1 오동작 접점의 오동작 신호와 정상 신호 간의 온(On)/오프(Off) 시간은 정상 신호의 온(On) 시간 또는 오프(Off) 시간과 오동작 신호의 온(On) 시간 또는 오프(Off) 시간 사이의 시간 차이, 시간 비율 등과 같은 관련성을 나타낼 수 있는 값일 수 있다. 또한, 듀티는 오동작 신호의 온(On) 될때부터 오프(Off) 될때까지의 듀티와 정상 신호의 온(On) 될때부터 오프(Off) 될때까지의 듀티 간의 차이, 비율 등과 같은 관련성을 나타낼 수 있는 값일 수 있다. 또한, 횟수는 오동작 신호의 온(On) 횟수와 정상 신호의 온(On) 횟수 사이의 차이, 비율 등과 같은 관련성을 나타낼 수 있는 값일 수 있다.
그리고, 비정상 상태 데이터 생성부(354)는 산출된 관련성 정보를 기초로 오동작 접점 별 오동작 신호 패턴을 포함하는 비정상 상태 데이터를 생성할 수 있다. 일 예로, 비정상 상태 데이터 생성부(354)는 아래 표 4와 같이 접접 별로 비정상 상태 데이터를 생성할 수 있다.
접점 식별 정보 시간 듀티 횟수
X1 1. X1 접점 정상 신호로부터 t1 이후
2. X2 접점의 정상 신호로부터 t2 이전
3. Y1 접점의 정상 신호로부터 t3 이전		 1. X1 접점의 정상 신호 대비 0.3배
2. X2 접점의 정상 신호 대비 0.2배
3. Y1 접점의 정상 신호 대비 0.1배		 1. X1 접점의 정상 신호 대비 2배
2. X2 접점의 정상 신호 대비 1배
3. Y1 접점의 정상 신호 대비 2배
X2 1. X1 접점의 정상 신호로부터 t4 이전
2. X2 접점의 정상 신호로부터 t5 이후
3. Y1 접점의 정상 신호로부터 t6 이전		 1. X1 접점의 정상 신호 대비 0.4배
2. X2 접점의 정상 신호 대비 0.3배
3. Y1 접점의 정상 신호 대비 0.2배		 1. X1 접점의 정상 신호 대비 1배
2. X2 접점의 정상 신호 대비 1배
3. Y1 접점의 정상 신호 대비 3배
Y1 1. X1 접점의 정상 신호로부터 t7 이후
2. X2 접점의 정상 신호로부터 t8 이전
3. Y1 접점의 정상 신호로부터 t9 이후		 1. X1 접점의 정상 신호 대비 0.3배
2. X2 접점의 정상 신호 대비 0.4배
3. Y1 접점의 정상 신호 대비 0.5배		 1. X1 접점의 정상 신호 대비 3배
2. X2 접점의 정상 신호 대비 3배
3. Y1 접점의 정상 신호 대비 2배
한편, 비정상 상태 데이터 생성부(354)에서 비정상 상태 데이터가 생성되면, 생성된 비정상 상태 데이터는 저장부(330)에 데이터베이스로 저장될 수 있다.
한편, 상술한 바와 같이, 비정상 상태 데이터가 생성되어 구축되면, 제1 오작동 접점 검출부(355-1)는 자동화 공정의 현재 동작에 따라 수집된 로그 데이터를 정상 상태 데이터 및 비정상 상태 데이터와 비교하여 자동화 공정의 제1 오동작 접점을 검출할 수 있다.
이러한 본 발명에 따르면, 정상 상태 데이터 뿐만 아니라 비정상 상태 데이터를 추가로 이용함으로써, 자동화 공정의 동작 중에 발생한 오동작 접점을 보다 신속하고 정확하게 검출할 수 있다.
한편, 오동작 원인 분석부(356)는 오동작 접점 검출부(355)에서 검출된 오동작 접점의 오동작 원인을 분석할 수 있다.
구체적으로, 제1 오동작 접점 검출부(355-1)에서 오동작을 발생시킨 제1 오동작 접점이 검출되면, 오동작 원인 분석부(356)는 검출된 제1 오동작 접점의 오동작 원인을 분석할 수 있다. 일 예로, 오동작 원인 분석부(356)는 표 4와 같은 접접 별로 비정상 상태 데이터에 추가로 오동작 원인을 데이터로 구축할 수 있고, 오동작 원인 분석부(356)는 기 구축된 데이터로부터 오동작 신호에 대응되는 오동작 원인을 분석할 수 있다.
또한, 제2 오동작 접점 검출부(355-2)에서 자동화 공정의 오동작을 발생시킬 가능성이 있는 제2 오동작 접점이 검출되면, 오동작 원인 분석부(356)는 검출된 제2 오동작 접점의 오동작 가능성 원인을 분석할 수 있다. 일 예로, 오동작 원인 분석부(356)는 접점 동작 데이터에서 규정하고 있는 조건에 만족하지 못하는 경우 그에 대한 오동작 가능성 원인을 데이터로 구축할 수 있고, 오동작 원인 분석부(356)는 기 구축된 데이터로부터 오동작 가능성 원인을 분석할 수 있다.
추가로, 오동작 원인 분석부(356)는 오동작 원인 및 오동작 가능성 원인 각각에 대응되는 솔루션을 데이터루 구축하여 저장할 수도 있다.
한편, 인터페이스 생성부(357)는 검출된 제1 및 제2 오동작 접점의 정보를 포함하는 인터페이스를 생성할 수 있다. 여기서, 인터페이스 생성부(357)를 통해 생성된 인터페이스는 디스플레이부를 통하여 화면에 출력될 수 있다. 이러한 인터페이스에 대해서는 이에 대해서는 도 9 내지 10을 참조하여 보다 구체적으로 설명하기로 한다.
도 9 내지 10은 본 발명의 일 실시 예에 따른 유저 인터페이스를 나타내는 도면 이다. 도 9를 참조하면, 인터페이스 생성부(357)는 오동작 접점 타입 별로 분류하여 오동작 접점 정보를 표시할 수 있다. 구체적으로, 제1 오동작 접점 검출부(355-1)에서 검출된 오동작 접점 정보는 상단 부분에, 제2 오동작 접점 검출부(35502)에서 검출된 오동작 가능성이 있는 접점의 정보는 하단 부분에 표시할 수 있다.
그리고, 오동작 접점의 정보 및 오동작 가능성이 있는 접점의 정보는 오동작 접점에 대응되는 설비 명칭, 오동작 접점 어드레스, 오동작 시간, 오동작 원인(또는 오동작 가능성 원인) 및 오동작 원인 솔루션(또는 오동작 가능성 원인 솔루션) 중 적어도 세 개를 포함할 수 있다.
여기서, 오동작 설비 명칭은 자동화 공정을 구성하는 복수의 설비들 중 오동작은 발생시킨 설비의 명칭을 의미할 수 있다. 그리고, 접점 어드레스는 오동작을 발생시키는 설비에 대응되는 접점의 메모리 어드레스를 의미할 수 있다. 그리고, 오동작 시간은 오동작이 발생한 시간을 의미할 수 있다. 그리고, 오동작 원인과 솔로션을 오동작이 발생한 원인과 이를 해결하기 위한 해결 방안을 의미할 수 있다.
이러한 본 발명에 따른 인터페이스 표시 방식에 따르면, 오동작 접점과 오동작 가능성이 있는 접점을 타입 별로 분류하여 정보를 제공함으로써, 자동화 공정의 오동작 진단 및 관리에 대한 관리자의 편의성을 높일 수 있다.
한편, 도 9에 도시된 오동작 접점 중 하나가 선택되면, 인터페이스 생성부(357)는 선택된 오동작 접점의 정보를 오동작 발생 시간 순서로 나열하여 표시하는 인터페이스를 생성할 수 있다. 일 예로, 도 9에 도시된 오동작 접점 중 "수위 센서 1-3"을 사용자가 선택하면, 인터페이스 생성부(357)는 도 10과 같이 선택된 오동작 접점의 정보를 오동작 발생 시간 순서로 나열하여 표시하는 인터페이스를 생성할 수 있다.
이러한 본 발명에 따른 인터페이스 표시 방식에 따르면, 오동작 접점의 이력을 시간 순서로 정리하여 표출함으로써, 관리자는 오동작 히스토리 분석을 통해 제품의 수명, 제품 불량 여부 등을 손쉽게 관리할 수 있는 등 관리자의 편의성을 높일 수 있다.
한편, 본 발명에 따른 오동작 진단부(350)는 머신 러닝(machine learning), 딥 러닝(deep learning) 등과 같은 인공 신경망(artificial neural network)을 이용하여 학습을 통해 지속적으로 발전하는 판단 모델을 구축할 수 있다. 구체적으로, 정상 상태 데이터 생성부(352), 접점 동작 데이터 생성부(353) 및 비정상 상태 데이터 생성부(354)는 PLC(200)로부터 수신된 로그 데이터를 머신 러닝(machine learning), 딥 러닝(deep learning) 등을 이용하여 지속적으로 학습하여 자동화 공정의 정상 동작 상태에서의 패턴을 나타내는 정상 상태 데이터, 접점들 각각에 대한 조건 별 접점 동작 데이터 및 비정상 상태 데이터를 구축할 수 있다.
또한, 오동작 검출부(355)의 오동작 검출 결과가 오답인 경우 관리자는 출력 결과에 대한 응답을 입력할 수 있고, 정상 상태 데이터 생성부(352), 접점 동작 데이터 생성부(353) 및 비정상 상태 데이터 생성부(354)는 관리자의 응답을 기초로 기 구축된 정상 상태 데이터, 접점 동작 데이터 및 비정상 상태 데이터를 학습시킬 수 있다.
이러한 본 발명에 따른 오동작 진단부(350)는 소프트웨어, 하드웨어 또는 이들의 조합된 것을 이용하여 구현될 수 있다. 일 예로, 하드웨어적인 구현에 의하면, ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(micro-processors), 기타 기능 수행을 위한 전기적인 유닛 중 적어도 하나를 이용하여 구현될 수 있다.
한편, 제어부(360)는 오동작 진단 서버(300)의 전반적인 동작을 제어한다. 구체적으로, 제어부(360)는 통신부(310), 입력부(320), 출력부(330), 저장부(340), 오동작 진단부(350)의 전부 또는 일부를 제어할 수 있다. 특히, 제어부(360)는 본 발명에 따른 AI 기반의 스마트 자동화 공정 오동작 진단 기능이 수행되도록 오동작 진단 서버(300)의 전부 또는 일부 구성을 제어할 수 있다.
이하에서는 도 11 내지 13을 참조하여 본 발명의 일 실시 예에 따른 오동작 진단 방법에 대하여 설명하기로 한다.
도 11은 본 발명의 일 실시 예에 따른 오동작 진단 방법을 나타내는 흐름도 이다. 도 11을 참조하면, 먼저, PLC에 연결된 접점들의 복수의 사이클 동안의 로그 데이터를 분석하여 자동화 공정의 정상 동작 상태에서의 패턴을 나타내는 정상 상태 데이터를 생성할 수 있다(S110). 여기서, 정상 상태 데이터를 생성하는 단계(S110)는 자동화 공정을 구성하는 복수의 접점들 중 분석 대상인 일부 접점을 검출하는 단계, 검출된 접점들 중 하나를 기준 접점으로 선택하는 단계 및 선택된 기준 접점을 기준으로 나머지 접점들의 패턴을 산출하는 단계를 포함할 수 있다. 여기서, 기준 접점을 선택하는 단계는 복수의 접점들 중 듀티 사이클이 소정값 이상인 접점을 기준 접점으로 선택할 수 있다. 그리고, 패턴은 듀티 사이클 비율, 접점 동작 시간, 접점 변화 방향, 접점 변화 횟수 및 시퀀스 중 적어도 하나를 포함할 수 있다.
그리고, 복수의 사이클 동안의 로그 데이터를 분석하여 조건 별 접점 동작 데이터를 생성할 수 있다(S120). 여기서, 조건 별 접점 동작 데이터를 생성하는 단계(S120)는 시간대 별, 요일 별, 월 별 및 계절 별 중 적어도 하나의 조건 별 동작 횟수를 나타내는 접점 동작 데이터를 생성할 수 있다.
그리고, 정상 상태 데이터를 구축(S130)하고, 접점 동작 데이터를 구축(S140)할 수 있다. 즉, 상술한 S110 내지 S120의 과정에 따라 정상 상태 데이터 및 접점 동작 데이터가 생성되어 데이터베이스로 구축될 수 있다.
한편, 이 후, 자동화 공정의 현재 동작에 따라 PLC로부터 접점들의 로그 데이터를 수신할 수 있다.
그리고, 수신된 로그 데이터와 정상 상태 데이터를 비교하여 자동화 공정의 오동작을 발생시킨 제1 오동작 접점을 검출할 수 있다(S150).
그리고, 수신된 로그 데이터와 접점 동작 데이터를 비교하여 자동화 공정의 오동작을 발생시킬 가능성이 있는 제2 오동작 접점을 검출할 수 있다(S160).
그리고, 검출된 제1 및 제2 오동작 접점의 정보를 포함하는 인터페이스 화면을 생성할 수 있다(S170).
도 12은 본 발명의 일 실시 예에 따른 비정상 상태 데이터 생성 방법을 나타내는 흐름도 이다. 도 12를 참조하면, 먼저 검출된 제1 오동작 접점의 오동작 신호와 정상 신호를 비교하여 온/오프 시간, 듀티(duty) 및 횟수 중 적어도 하나를 포함하는 관련성 정보를 산출할 수 있다(S210).
그리고, 산출된 관련성 정보를 기초로 오동작 접점 별 오동작 패턴을 나타내는 비정상 상태 데이터를 생성할 수 있다(S220).
도 13는 본 발명의 다른 실시 예에 따른 오동작 진단 방법을 나타내는 흐름도 이다. 도 13을 참조하면, 본 발명의 다른 실시 예에 따른 오동작 진단 방법은 도 12에 따라 생성된 비정상 상태 데이터를 추가로 이용하여 자동화 공정의 오동작을 진단할 수 있다.
구체적으로, 오동작 진단 방법은 정상 상태 데이터(S310), 조건 별 접점 동작 데이터(S320) 및 비정상 상태 데이터(S330)를 구축할 수 있다.
한편, 자동화 공정의 현재 동작에 따라 PLC로부터 접점들의 로그 데이터를 수신할 수 있다.
그리고, 수신된 로그 데이터와 정상 상태 데이터 및 비정상 상태 데이터를 비교하여 자동화 공정의 오동작을 발생시킨 제1 오동작 접점을 검출할 수 있다(S340).
그리고, 수신된 로그 데이터와 접점 동작 데이터를 비교하여 자동화 공정의 오동작을 발생시킬 가능성이 있는 제2 오동작 접점을 검출할 수 있다(S350).
그리고, 검출된 제1 및 제2 오동작 접점의 정보를 포함하는 인터페이스 화면을 생성할 수 있다(S360).
이러한 본 발명에 따르면, 학습에 따라 구축된 정상 상태 데이터, 조건 별 접점 동작 데이터 및 비정상 상태 데이터를 이용하여 자동화 공정의 오동작 접점을 신속하고 정확하게 검출할 수 있고, 사용자가 신속하게 오동작에 대처 가능하게 할 수 있다.
또한, 본 발명에 따르면, 자동화 공정의 동작 자체가 없어 패턴을 기반으로 한 정상 상태 데이터로는 오동작 접점을 검출하지 못하는 경우, 기 구축된 접점 동작 데이터를 기초로 기 설정된 조건을 만족시키지 못하는 접점을 자동화 공정의 오동작을 발생시킬 가능성이 있는 접점으로 검출함으로써 오동작 발생 가능성이 있는 상황에 대해서도 신속하게 대처 가능하게 할 수 있다.
또한, 본 발명에 따르면, 자동화 공정의 오동작 원인 및 오동작 원인 해결책을 제시함으로써, 자동화 공정의 오동작 발생 시 관리자의 편의성을 높일 수 있다.
한편, 상술한 예시에 따르면, 오동작 진단 서버(300)는 PLC(200)로부터 이격되어 위치한 서버로 구현된 것을 예로 설명하였으나, 이에 한정되는 것은 아니다.
본 발명의 다른 구현 예에 따르면, 도 2 내지 4에 도시된 기능 모듈의 전부 또는 일부를 포함하는 오동작 진단 장치로 구현될 수 있고, 이러한 오동작 진단 장치는 PLC(200)에 연결된 터치 스크린 같은 디스플레이 장치 또는 오동작 진단 기능을 수행하는 칩으로 구현될 수도 있다.
한편, 명세서 및 청구범위에서 "제 1", "제 2", "제 3" 및 "제 4" 등의 용어는, 만약 있는 경우, 유사한 구성요소 사이의 구분을 위해 사용되며, 반드시 그렇지는 않지만 특정 순차 또는 발생 순서를 기술하기 위해 사용된다. 그와 같이 사용되는 용어는 여기에 기술된 본 발명의 실시예가, 예컨대, 여기에 도시 또는 설명된 것이 아닌 다른 시퀀스로 동작할 수 있도록 적절한 환경하에서 호환 가능한 것이 이해될 것이다. 마찬가지로, 여기서 방법이 일련의 단계를 포함하는 것으로 기술되는 경우, 여기에 제시된 그러한 단계의 순서는 반드시 그러한 단계가 실행될 수 있는 순서인 것은 아니며, 임의의 기술된 단계는 생략될 수 있고/있거나 여기에 기술되지 않은 임의의 다른 단계가 그 방법에 부가 가능할 것이다.
또한 명세서 및 청구범위의 "왼쪽", "오른쪽", "앞", "뒤", "상부", "바닥", "위에", "아래에" 등의 용어는, 설명을 위해 사용되는 것이며, 반드시 불변의 상대적 위치를 기술하기 위한 것은 아니다. 그와 같이 사용되는 용어는 여기에 기술된 본 발명의 실시예가, 예컨대, 여기에 도시 또는 설명된 것이 아닌 다른 방향으로 동작할 수 있도록 적절한 환경하에서 호환 가능한 것이 이해될 것이다. 여기서 사용된 용어 "연결된"은 전기적 또는 비 전기적 방식으로 직접 또는 간접적으로 접속되는 것으로 정의된다. 여기서 서로 "인접하는" 것으로 기술된 대상은, 그 문구가 사용되는 문맥에 대해 적절하게, 서로 물리적으로 접촉하거나, 서로 근접하거나, 서로 동일한 일반적 범위 또는 영역에 있는 것일 수 있다. 여기서 "일실시예에서"라는 문구의 존재는 반드시 그런 것은 아니지만 동일한 실시예를 의미한다.
또한 명세서 및 청구범위에서 '연결된다', '연결하는', '체결된다', '체결하는', '결합된다', '결합하는' 등과 이런 표현의 다양한 변형들의 지칭은 다른 구성요소와 직접적으로 연결되거나 다른 구성요소를 통해 간접적으로 연결되는 것을 포함하는 의미로 사용된다.
또한, 본 명세서에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로써, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
또한 본 명세서에서 사용된 용어들은 실시예를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprise)' 및/또는 '포함하는(comprising)'은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 명세서를 통해 개시된 모든 실시예들과 조건부 예시들은, 본 발명의 기술 분야에서 통상의 지식을 가진 당업자가 독자가 본 발명의 원리와 개념을 이해하도록 돕기 위한 의도로 기술된 것으로, 당업자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다.
그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
한편, 상술한 본 발명의 다양한 실시 예들에 따른 차간 거리 측정 방법은 프로그램으로 구현되어 서버 또는 기기들에 제공될 수 있다. 이에 따라 각 장치들은 프로그램이 저장된 서버 또는 기기에 접속하여, 상기 프로그램을 다운로드 할 수 있다.
또한, 상술한 본 발명의 다양한 실시 예들에 따른 방법은 프로그램으로구현되어 다양한 비일시적 판독 가능 매체(non-transitory computer readable medium)에 저장되어 제공될 수 있다. 비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 어플리케이션 또는 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.
또한, 이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
100 : 설비 200 : PLC
300 : 오동작 진단 서버 310 : 통신부
320 : 입력부 330 : 저장부
340 : 출력부 350 : 오동작 진단부
360 : 제어부

Claims (16)

  1. PLC(Programmble Logic Controller)에 연결된 접점들의 복수의 사이클 동안의 로그 데이터를 분석하여 자동화 공정의 정상 동작 상태에서의 패턴을 나타내는 정상 상태 데이터를 생성하는 단계;
    상기 접점들에 대한 로그 데이터를 분석하여 조건 별 접점 동작 데이터를 생성하는 단계;
    상기 생성된 정상 상태 데이터 및 조건 별 접점 동작 데이터를 저장하는 단계;
    상기 자동화 공정의 실행에 따라 상기 PLC로부터 상기 접점들의 로그 데이터를 수신하는 단계;
    상기 수신된 로그 데이터와 상기 정상 상태 데이터를 비교하여 상기 자동화 공정의 오동작을 발생시킨 제1 오동작 접점을 검출하는 단계;
    상기 수신된 로그 데이터와 상기 조건 별 접점 동작 데이터를 비교하여 상기 자동화 공정의 오동작을 발생시킬 가능성이 있는 제2 오동작 접점을 검출하는 단계; 및
    상기 검출된 제1 및 제2 오동작 접점의 정보를 포함하는 인터페이스 화면을 생성하는 단계;를 포함하고,
    상기 조건 별 접점 동작 데이터에서 조건은 시간 조건, 환경 조건 및 전력량 조건 중 적어도 하나를 포함하는 것을 특징으로 하는 AI 기반의 스마트 자동화 공정 오동작 진단 방법.
  2. 제1항에 있어서,
    상기 정상 상태 데이터를 생성하는 단계는,
    상기 자동화 공정을 구성하는 복수의 접점들 중 분석 대상인 일부 접점을 검출하는 단계;
    상기 검출된 일부 접점들 중 하나를 기준 접점으로 선택하는 단계; 및
    상기 선택된 기준 접점을 기준으로 나머지 접점들의 듀티 사이클 비율을 산출하는 단계;를 포함하는 것을 특징으로 하는 AI 기반의 스마트 자동화 공정 오동작 진단 방법.
  3. 제2항에 있어서,
    상기 기준 접점으로 선택하는 단계는,
    복수의 접점들 중 듀티 사이클이 소정값 이상인 접점을 기준 접점으로 선택하는 것을 특징으로 하는 AI 기반의 스마트 자동화 공정 오동작 진단 방법.
  4. 제2항에 있어서,
    상기 패턴은 접점 동작 시간, 접점 변화 방향, 접점 변화 횟수 및 시퀀스 중 적어도 하나를 더 포함하는 것을 특징으로 하는 AI 기반의 스마트 자동화 공정 오동작 진단 방법.
  5. 제1항에 있어서,
    상기 검출된 제1 오동작 접점의 오동작 신호와 정상 신호를 비교하여 온/오프 시간, 듀티(duty) 및 횟수 중 적어도 하나를 포함하는 관련성 정보를 산출하는 단계; 및
    상기 산출된 관련성 정보를 기초로 오동작 접점 별 오동작 신호 패턴을 나타내는 비정상 상태 데이터를 생성하는 단계;를 더 포함하는 AI 기반의 스마트 자동화 공정 오동작 진단 방법.
  6. 제5항에 있어서,
    상기 제1 오동작 접점을 검출하는 단계는,
    상기 수신된 로그 데이터를 상기 정상 상태 데이터와 상기 비정상 상태 데이터와 비교하여 상기 자동화 공정의 제1 오동작 접점을 검출하는 단계; 및
    상기 검출된 제1 오동작 접점의 오동작 원인을 분석하는 단계;를 더 포함하는 것을 특징으로 하는 AI 기반의 스마트 자동화 공정 오동작 진단 방법.
  7. 제1항에 있어서,
    상기 인터페이스 화면을 생성하는 단계는,
    상기 제1 오동작 접점 및 상기 제2 오동작 접점을 포함하는 오동작 접점 타입 별로 분류하여 오동작 접점에 대응되는 설비 명칭, 오동작 접점 어드레스, 오동작 시간, 오동작 원인 및 오동작 원인 솔루션 중 적어도 세 개를 포함하는 인터페이스를 생성하는 것을 특징으로 하는 AI 기반의 스마트 자동화 공정 오동작 진단 방법.
  8. 제7항에 있어서,
    상기 오동작 접점 중 하나가 선택되면, 선택된 오동작 접점의 정보를 오동작 발생 시간 순서로 나열하여 표시하는 인터페이스를 생성하는 것을 특징으로 하는 AI 기반의 스마트 자동화 공정 오동작 진단 방법.
  9. 제1항에 있어서,
    상기 조건 별 접점 동작 데이터를 생성하는 단계는,
    시간대 별, 요일 별, 월 별 및 계절 별 중 적어도 하나를 포함하는 상기 시간 조건 별 동작 횟수를 나타내는 조건 별 접점 동작 데이터를 생성하는 것을 특징으로 하는 AI 기반의 스마트 자동화 공정 오동작 진단 방법.
  10. PLC(Programmble Logic Controller)에 연결된 접점들의 복수의 사이클 동안의 로그 데이터를 분석하여 자동화 공정의 정상 동작 상태에서의 패턴을 나타내는 정상 상태 데이터를 생성하는 정상 상태 데이터 생성부;
    상기 접점들에 대한 로그 데이터를 분석하여 조건 별 접점 동작 데이터를 생성하는 접점 동작 데이터 생성부;
    상기 생성된 정상 상태 데이터 및 조건 별 접점 동작 데이터를 저장하는 저장부;
    상기 자동화 공정의 실행에 따라 상기 PLC로부터 상기 접점들의 로그 데이터를 수신하는 로그 데이터 획득부;
    상기 수신된 로그 데이터와 상기 정상 상태 데이터를 비교하여 상기 자동화 공정의 오동작을 발생시킨 제1 오동작 접점을 검출하는 제1 오동작 접점 검출부;
    상기 수신된 로그 데이터와 상기 조건 별 접점 동작 데이터를 비교하여 상기 자동화 공정의 오동작을 발생시킬 가능성이 있는 제2 오동작 접점을 검출하는 제2 오동작 접점 검출부; 및
    상기 검출된 제1 및 제2 오동작 접점의 정보를 포함하는 인터페이스 화면을 생성하는 인터페이스 생성부;를 포함하고,
    상기 조건 별 접점 동작 데이터에서 조건은 시간 조건, 환경 조건 및 전력량 조건 중 적어도 하나를 포함하는 것을 특징으로 하는 AI 기반의 스마트 자동화 공정 오동작 진단 서버.
  11. 제10항에 있어서,
    상기 정상 상태 데이터 생성부는,
    상기 자동화 공정을 구성하는 복수의 접점들 중 분석 대상인 일부 접점을 검출하고, 상기 검출된 일부 접점들 중 하나를 기준 접점으로 선택하는 기준 접점 선택부; 및
    상기 선택된 기준 접점을 기준으로 나머지 접점들의 듀티 사이클 비율을 산출하는 정상 상태 패턴 산출부;를 포함하는 것을 특징으로 하는 AI 기반의 스마트 자동화 공정 오동작 진단 서버.
  12. 제11항에 있어서,
    상기 패턴은 접점 동작 시간, 접점 변화 방향, 접점 변화 횟수 및 시퀀스 중 적어도 하나를 더 포함하는 것을 특징으로 하는 AI 기반의 스마트 자동화 공정 오동작 진단 서버.
  13. 제10항에 있어서,
    상기 검출된 제1 오동작 접점의 오동작 신호와 정상 신호를 비교하여 온/오프 시간, 듀티(duty) 및 횟수 중 적어도 하나 사이를 포함하는 관련성 정보를 산출하고, 상기 산출된 관련성 정보를 기초로 오동작 접점 별 오동작 패턴을 나타내는 비정상 상태 데이터를 생성하는 비정상 상태 데이터 생성부;를 더 포함하는 AI 기반의 스마트 자동화 공정 오동작 진단 서버.
  14. 제10항에 있어서,
    상기 접점 동작 데이터 생성부는,
    시간대 별, 요일 별, 월 별 및 계절 별 중 적어도 하나를 포함하는 상기 시간 조건 별 동작 횟수를 나타내는 조건 별 접점 동작 데이터를 생성하는 것을 특징으로 하는 AI 기반의 스마트 자동화 공정 오동작 진단 서버.
  15. 제1항 내지 제9항 중 어느 한 항에 기재된 AI 기반의 스마트 자동화 공정 오동작 진단 방법을 실행 또는 설치하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.
  16. 제1항 내지 제9항 중 어느 한 항에 기재된 AI 기반의 스마트 자동화 공정 오동작 진단 방법을 실행 또는 설치하기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 프로그램.

KR1020190168956A 2019-12-17 2019-12-17 Ai 기반의 스마트 자동화 공정 오동작 진단 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체 KR102165207B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190168956A KR102165207B1 (ko) 2019-12-17 2019-12-17 Ai 기반의 스마트 자동화 공정 오동작 진단 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190168956A KR102165207B1 (ko) 2019-12-17 2019-12-17 Ai 기반의 스마트 자동화 공정 오동작 진단 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체

Publications (1)

Publication Number Publication Date
KR102165207B1 true KR102165207B1 (ko) 2020-10-13

Family

ID=72885274

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190168956A KR102165207B1 (ko) 2019-12-17 2019-12-17 Ai 기반의 스마트 자동화 공정 오동작 진단 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체

Country Status (1)

Country Link
KR (1) KR102165207B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102340249B1 (ko) * 2021-05-13 2021-12-17 주식회사 싸이몬 데이터 마이닝 기술을 이용한 피.엘.씨 고장 예측 장치 및 그 방법
CN114637264A (zh) * 2022-03-15 2022-06-17 广州明珞装备股份有限公司 动作稳定性分析方法、系统、设备及存储介质
KR20220140291A (ko) * 2021-04-09 2022-10-18 주식회사 유디엠텍 제어 프로그램 해석 기반의 마스터 패턴 생성 방법 및 이를 이용한 사이클 분석 모델 훈련 방법
KR102508648B1 (ko) 2022-10-13 2023-03-10 김재상 전기 및 소방 설비의 오동작 판단을 기반으로 한 비상상황 모니터링 방법, 장치 및 시스템
KR20240056912A (ko) 2022-10-24 2024-05-02 주식회사에이테크 Ai 기반 영상 객체 인식을 이용한 오링 체결 여부 검사 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101566355B1 (ko) * 2014-07-28 2015-11-06 주식회사 유디엠텍 자동화 공정의 정상 운영 판단을 위한 마스터 패턴 생성방법 및 장치
KR101566358B1 (ko) * 2014-07-28 2015-11-06 주식회사 유디엠텍 자동화 공정 이상상태 알림 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101566355B1 (ko) * 2014-07-28 2015-11-06 주식회사 유디엠텍 자동화 공정의 정상 운영 판단을 위한 마스터 패턴 생성방법 및 장치
KR101566358B1 (ko) * 2014-07-28 2015-11-06 주식회사 유디엠텍 자동화 공정 이상상태 알림 시스템 및 방법

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220140291A (ko) * 2021-04-09 2022-10-18 주식회사 유디엠텍 제어 프로그램 해석 기반의 마스터 패턴 생성 방법 및 이를 이용한 사이클 분석 모델 훈련 방법
KR102494921B1 (ko) * 2021-04-09 2023-02-06 주식회사 유디엠텍 제어 프로그램 해석 기반의 마스터 패턴 생성 방법 및 이를 이용한 사이클 분석 모델 훈련 방법
KR102340249B1 (ko) * 2021-05-13 2021-12-17 주식회사 싸이몬 데이터 마이닝 기술을 이용한 피.엘.씨 고장 예측 장치 및 그 방법
CN114637264A (zh) * 2022-03-15 2022-06-17 广州明珞装备股份有限公司 动作稳定性分析方法、系统、设备及存储介质
CN114637264B (zh) * 2022-03-15 2024-05-17 广州明珞装备股份有限公司 动作稳定性分析方法、系统、设备及存储介质
KR102508648B1 (ko) 2022-10-13 2023-03-10 김재상 전기 및 소방 설비의 오동작 판단을 기반으로 한 비상상황 모니터링 방법, 장치 및 시스템
KR20240056912A (ko) 2022-10-24 2024-05-02 주식회사에이테크 Ai 기반 영상 객체 인식을 이용한 오링 체결 여부 검사 방법

Similar Documents

Publication Publication Date Title
KR102165207B1 (ko) Ai 기반의 스마트 자동화 공정 오동작 진단 방법, 서버, 프로그램 및 컴퓨터 판독 가능한 기록 매체
US10739763B2 (en) Industrial control system with predictive machine learning module
US10768188B2 (en) Diagnostic device and method for monitoring operation of a technical system
WO2014145977A1 (en) System and methods for automated plant asset failure detection
CN102928690B (zh) 用于电子器件的异常检测方法
US11739458B2 (en) Artificial intelligence washing machine and operation method thereof
US10162315B2 (en) Process control system using typical and adapter components
CN103716407A (zh) 实现远程终端单元网络的方法和装置
JP2022002126A (ja) 多変量バッチ制御解析のためのステージを画定する方法及び装置、製造物品
EP2946219A1 (en) System and method for fault management in lighting systems
US20210089005A1 (en) Control device, control system, control method, and computer-readable storage medium
CN111752733A (zh) 气动系统中的异常检测
US9465376B2 (en) Managing electricity usage for an appliance
EP3234706B1 (en) Apparatus and methods for monitoring subsea electrical systems using adaptive models
WO2016141007A1 (en) Alarm management using hiding rules
KR102672081B1 (ko) 인-라인 태양 전지 생산 공장용 광전자 태양 전지 테스트 시스템 및 광전자 태양 전지 테스트 시스템을 사용하여 태양 전지의 인-라인 생산을 최적화하는 방법
CN101846117A (zh) 液压缸性能测试装置
CN104238394A (zh) 通用的包括触发条件,状态判别以及实现判别的控制方法
US20140188772A1 (en) Computer-implemented methods and systems for detecting a change in state of a physical asset
US11099548B2 (en) Suggesting and/or creating agents in an industrial automation system
CN104335195A (zh) 输入解码器
CN110728041B (zh) 信息处理方法及电子设备
US20170122843A1 (en) Stable manufacturing efficiency generating method and system and non-transitory computer readable storage medium
Frank et al. Scientific Automation rises the productivity of production facilities
Pushpalatha et al. Hydrolink-Automatic Water Level Controller

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant