KR102201303B1 - 시각장치를 이용한 공장 로직 모델 생성 방법 - Google Patents

시각장치를 이용한 공장 로직 모델 생성 방법 Download PDF

Info

Publication number
KR102201303B1
KR102201303B1 KR1020190083116A KR20190083116A KR102201303B1 KR 102201303 B1 KR102201303 B1 KR 102201303B1 KR 1020190083116 A KR1020190083116 A KR 1020190083116A KR 20190083116 A KR20190083116 A KR 20190083116A KR 102201303 B1 KR102201303 B1 KR 102201303B1
Authority
KR
South Korea
Prior art keywords
server
product
control unit
servers
data
Prior art date
Application number
KR1020190083116A
Other languages
English (en)
Inventor
태현철
정재욱
안세환
Original Assignee
한국생산기술연구원
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 한국생산기술연구원 filed Critical 한국생산기술연구원
Priority to KR1020190083116A priority Critical patent/KR102201303B1/ko
Application granted granted Critical
Publication of KR102201303B1 publication Critical patent/KR102201303B1/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
    • G05B19/418—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
    • 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]
    • G05B19/4183—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 data acquisition, e.g. workpiece identification
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • 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]
    • 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

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Signal Processing (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 (a)제어부(200)가, 시각장치(100)가 촬영한 공정 데이터를 수집하는 단계; (b)상기 제어부(200)가 상기 공정 데이터를 분석하여 분석 데이터를 생성하는 단계; 및 (c)상기 제어부(200)가 상기 분석 데이터를 통해 미리 결정된 방식으로 공장 로직 모델을 생성하는 단계;를 포함하는 공장 로직 모델 생성방법을 제공한다.

Description

시각장치를 이용한 공장 로직 모델 생성 방법{Method of Acquiring Plant Logic Model Using Visual Device}
본 발명은 시각장치를 이용한 공장 생산 로직 모델 생성 방법에 관한 것으로, 구체적으로는 산업현장에 시각장치를 설치하여 공정 데이터 및 분석 데이터를 생성하고 이를 기반으로, 공장의 로직 모델을 생성하는 방법에 관한 것이다.
공장 로직 모델은 공장 내 존재하는 공정 루트를 파악하여 공정 루트 별로 발생하는 빈도수, 각 설비의 작업시간, 설비와 설비 간 이동시간, 설비 별 작업시간 또는 작업 종료 조건, 설비 작업, 설비 별 반출 경로 및 비율을 파악하여 공장 내 존재하는 공정 루트를 시 공간적으로 모델링하는 기술을 의미한다.
공장에서 작업시간이 길어지고, 제품 및 시스템에 결함이 있을 때마다, 막대한 추가비용 및 시간이 발생하여 문제가 된다. 공장 내에서 이루어지는 모든 공정 루트를 파악하여, 공장 로직 모델을 생성하면, 원료, 인력, 공정시간 등을 미리 예상하고, 이를 기초로 공정을 신속하고 정확하게 처리할 수 있고, 제품 및 시스템의 결함을 예상하고 해결할 수 있다.
다만, 공장 로직 모델을 생성하기 위해서는, 공장 내 제품, 작업에 대한 데이터와 분석이 필요하므로, 데이터를 축적하여 분석하는 작업은 시간과 비용이 많이 소요된다.
기존에 존재하는 많은 공장에 적용이 가능하며, 공장의 규모 및 공정의 복잡성과 상관없이 공장에서 이루어질 수 있는 공정에 대한 데이터를 효과적으로 획득 및 분석하여 공장 로직 모델을 용이하게 생성할 수 있는 방법에 대한 기술이 요구된다.
종래에는, 센서를 각 부품마다 설치하여, 공장 내의 제품의 위치 데이터로부터 공장 내의 로직 모델을 도출하였으나, 위치 센서의 설치비용과 시간이 많이 드는 문제가 있었다.
예를 들어, 한국등록특허공보 제10-1929742호는, 스마트 팩토리 시스템에 관한 것으로 각 공정라인 별 생산 장비에 설치되며, 각 부품을 생산하는 동안의 시간을 인식하여 인식신호를 생성하고, 인식신호에 기초하여 산출된 작업시간정보를 포함하는 공정별 작업시간 데이터를 생성하는 스마트 팩토리에 관한 것이다. 이러한 스마트 팩토리에 경우, 생산장비에 센서를 각각 모두 설치하고, 작업별 신뢰도를 산출하였으나, 센서를 설치하여 비용과 시간이 오래 걸리는 문제가 있다.
예를 들어, 한국등록특허공보 제10-1915879호는, 무선통신 기반의 제어장치를 이용한 공장설비 제어부 및 방법에 관한 것으로, 센서를 이용하여 공정 데이터를 수집하고, 수집한 데이터를 모니터링에 관한 것이다. 센서를 설치하여 비용과 시간이 오래 걸리는 문제가 있다.
따라서, 별도의 센서의 부착 없이 설치와 해체가 쉬운 시각장치를 사용하여, 각 제품의 공장 내 흐름을 추적하여 로직 모델을 정확하고 신속하게 생성하는 기술이 필요하다.
(특허문헌 1)한국등록특허공보 제10-1929742호
(특허문헌 2)한국등록특허공보 제10-1915879호
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것이다.
구체적으로,
비용과 시간이 많이 드는 센서의 부착 없이, 시각장치만으로도 공정 데이터를 생성하기 위함이다.
공정 데이터를 효과적으로 분석하여, 공장 로직 모델을 생성에 필요한 분석 데이터를 신속하게 생성하기 위함이다.
오류가 있는 데이터를 분석 데이터에서 제거하기 위함이다.
상기와 같은 과제를 해결하기 위한 본 발명의 일 실시예는, 시각장치 및 상기 시각장치가 촬영한 공정 데이터를 처리할 수 있는 제어부를 이용하여 공장 로직 모델을 생성하는 방법으로서, (a)제어부(200)가, 시각장치(100)가 촬영한 공정 데이터를 수집하는 단계;(b)상기 제어부(200)가 상기 공정 데이터를 분석하여 분석 데이터를 생성하는 단계; 및 (c)상기 제어부(200)가 상기 분석 데이터를 통해 미리 결정된 방식으로 공장 로직 모델을 생성하는 단계;를 포함하고, 상기 (b)단계는, (b1)상기 제어부(200)가 상기 공정 데이터를 이용하여, 제품 및 상기 제품이 처리되는 다수의 서버(321, 322, 323)의 크기 및 형상을 판단하는 단계; (b2)상기 제어부(200)가 상기 공정 데이터를 이용하여, 상기 다수의 서버(321, 322, 323) 간의 연결방식을 1개 이상의 제품이 상기 다수의 서버(321, 322, 323)중 어느 하나의 서버로 진입하고 다른 서버로 순차적으로 진입하는 제1방식(331) 및 2개 이상의 제품이 상기 다수의 서버(321, 322, 323)중 2개 이상의 서버로 각각 진입하는 제2방식(332) 중 어느 하나로 판단하는 단계; (b3)상기 제어부(200)가 상기 공정 데이터를 이용하여, 상기 제품이 상기 다수의 서버(321, 322, 323)중 어느 하나를 통과하기 전과 후의 상기 제품의 수량 및 크기에 따라, 상기 다수의 서버(321, 322, 323)의 종류를 상기 제품이 진입하여 조립되는 제1서버(321), 상기 제품이 진입하여 분해되는 제2서버(322) 및 상기 제품이 진입하여 가공되는 제3서버(323) 중 어느 하나로 판단하는 단계; (b4)상기 제어부(200)가 상기 공정 데이터를 이용하여, 상기 (b1)단계는 판단된 상기 제품의 크기 및 형상과 상기 제품이 상기 다수의 서버(321, 322, 323) 중 어디에 위치하는 지에 따라 상기 제품의 종류를 판단하는 단계; 및(b5)상기 제어부(200)가 상기 공정 데이터를 이용하여, 상기 (b2), (b3), (b4)단계는 판단된 제품의 종류, 서버의 종류 및 서버의 연결방식을 포함한 분석 데이터를 생성하는 단계;를 포함하고, 상기 (c)단계는, (c1)상기 제어부(200)가 제품의 종류, 서버의 종류 및 서버의 연결방식에 대한 상기 분석 데이터를 이용하여 모든 서버들이 연결되도록 서버를 배열하는 단계; (c2)상기 제어부(200)가, 상기 (c1)단계의 결과를 이용하여 상기 공장 로직 모델을 생성하는 단계; 를 포함하는, 공장 로직 모델 생성방법을 제공한다.
또한, 상기 (b)단계는, (b6)상기 제어부(200)는 상기 공정 데이터를 이용하여, 제품이 서버 및 제품설비라인(310)에 위치하는 시간을 판단하는 단계;를 더 포함하고, 상기 (b5)단계는, 상기 제어부(200)는 제품이 위치하는 시간을 상기 분석 데이터에 포함시키고, 상기 (c1)단계는, 상기 제어부(200)는 제품이 위치하는 시간을 더 이용하여 서버를 배열하는 것이 바람직하다.
또한, 상기 (b6)단계는, 상기 제어부(200)는 제품이 서버 중 어느 하나 또는 상기 제품설비라인(310)에 진입 및 이탈하는 시간의 차이를 이용하여 제품이 서버 또는 상기 제품설비라인(310)에 위치하는 시간을 판단하는 것이 바람직하다.
또한, 상기 (a)단계는, (a1)입력부에 상기 제어부(200)에 서버에 요구되는 설비값이 상기 공정 데이터로 입력되는 단계;를 포함하고, 상기 (b5)단계는, 상기 제어부(200)는 서버에 요구되는 설비값을 상기 분석 데이터에 포함시키고, 상기 (c1)단계는, 상기 제어부(200)는 서버에 요구되는 설비값을 더 이용하여 서버를 배열하는 것이 바람직하다.
또한, 상기 (b)단계는, (b7)상기 제어부(200)는 서버에 부합하는 것으로 미리 결정된 제품이 통과하는지 여부를 판단하여, 미부합되는 제품이 통과하는 경우 상기 미부합되는 제품을 처리부로 포함시키는 단계; 및 (b8)상기 제어부(200)가 상기 처리부로 포함된 상기 미부합되는 제품의 빈도수 또는 확률을 판단하는 단계; 를 더 포함하고, 상기 (b5)단계는, 상기 제어부(200)는 서버에 상기 미부합되는 제품의 빈도수 또는 확률에 대한 수치 데이터를 상기 분석 데이터에 포함시키고, 상기 (c1)단계는, 상기 제어부(200)는 상기 수치 데이터를 이용하여 서버를 배열하는 것이 바람직하다.
또한, 상기 (b)단계는, (b9)상기 제어부(200)는 제품이 서버를 통과 중에 중지 또는 서버의 설비값이 서버에 요구되는 설비값에 미부합할 경우 상기 서버를 처리부로 포함시키는 단계; 및 (b10)상기 제어부(200)가 상기 처리부로 포함된 서버의 빈도수 또는 확률을 판단하는 단계; 를 포함하고, 상기 (b5)단계는, 상기 제어부(200)는 상기 처리부로 분류되는 서버의 빈도수 또는 확률에 대한 수치 데이터를 상기 분석 데이터에 포함시키고, 상기 (c1)단계는, 상기 제어부(200)는 상기 수치 데이터를 이용하여 서버를 배열하는 것이 바람직하다.
또한, 상기 제어부(200)는 상기 처리부로 포함된 제품 및 서버에 대한 데이터는 상기 분석 데이터에 미포함시키는 것이 바람직하다.
또한, 상기 (b3)단계는, 상기 다수의 서버(321, 322, 323)를 통과한 후, 상기 제품의 수량이 감소하거나 크기가 증가하면 상기 제1서버(321)로 판단하고, 상기 다수의 서버(321, 322, 323)를 통과한 후, 상기 제품의 수량이 증가하거나 크기가 감소하면 상기 제2서버(322)로 판단하고, 상기 제1서버(321) 및 상기 제2서버(322)로 미판단된 서버를 상기 제3서버(323)로 판단하는 것이 바람직하다.
또한, 상기 (b6)단계는, 서버는 각각 위치센서를 더 포함하여, 상기 제어부(200)는 상기 제품이 서버 중 어느 하나에 진입 및 이탈하는 위치를 판단하고, 상기 제어부(200)는 상기 제품의 위치에 대한 데이터로, 제품이 서버에 위치하는 시간을 판단하는 것이 바람직하다.
본 발명에 따른 방법은,
비용과 시간을 최소화하여 공정 데이터를 생성할 수 있다.
생성한 공정 데이터를 효과적으로 분석하여, 분석 데이터를 신속하게 생성할 수 있다.
제어부는 생성한 공정 데이터 중 로직 모델을 생성하기에 불충분한 데이터를 제외하여, 정확한 공장 로직 모델을 생성할 수 있다.
생성한 공정 데이터 중 로직 모델을 생성하기에 불충분한 데이터 및 조건에 대한 빈도수 또는 확률을 얻을 수 있어, 정확한 공장 로직 모델을 생성할 수 있다.
도 1은 본 발명에 따른 방법을 나타낸 모식도이다.
도 2는 본 발명에 따른 제품 및 제품작업부을 나타낸 도면이다.
도 3은 본 발명에 따라 모니터링되는 것을 설명하기 위한 도면이다.
도 4는 본 발명에 따른 공정을 블랙박스로 나타낸 도면이다.
도 5는 본 발명에 따라 생성한 로직 모델의 예시이다.
이하, 도면을 참조하여 본 발명을 보다 상세히 설명한다.
이하에서, 공장은 어느 특정한 공장에 제한되는 것은 아니고, 본 발명은 공장을 비롯한 모든 산업현장에 적용될 수 있다.
이하에서, 제품 및 서버는 어느 특정한 제품 및 서버에 제한되는 것은 아니다.
(1)제어부(200)가, 시각장치(100)가 촬영한 공정 데이터를 수집하는 단계
시각장치(100)는 폐쇄회로, 비주얼 센서등과 같이 외부의 환경을 촬영 또는 기록하여 영상으로 저장할 수 있는 장치를 의미하고, 특정 장치에 제한되는 것은 아니다.
시각장치(100)는 공장의 규모에 따라, 개수를 달리하여 설치할 수 있다. 이 때, 시각장치(100)는 최대한 많은 제품을 촬영할 수 있는 위치에 배치될 수 있다. 시각장치(100)는 적어도 하나의 서버(300)를 촬영할 수 있는 각도로 배치될 수 있고, 제품 작업부(300)를 모두 촬영할 수 있는 각도에 배치될 수 있다. 이 때, 시각장치(100)의 해상도는 해당 공정을 확대(줌인)하였을 때, 로직 모델을 생성함에 있어 필요한 공정 데이터를 인식할 수 있어야 한다.
도 4와 같이, 공장의 공정에 대해 알지 못하는 상황에서 공장의 로직 모델을 생성하기 위해서는, 제품, 서버 등에 대한 위치 및 시간 데이터가 필요하다.
그에 따라, 시각장치(100)를 통하여 얻은 공정 데이터는, 촬영하여 얻을 수 있는 영상 중 공장 로직 모델을 생성하는데 필요한 데이터 모두를 포함할 수 있다. 예를 들어, 공정 데이터는 제품의 위치, 상기 제품이 다수의 서버(321, 322, 323)에 진입 및 이탈하는 위치, 상기 제품의 위치 및 상기 제품이 완제품으로 제작되는 위치, 상기 다수의 서버(321, 322, 323)에서 입력된 요구되는 설비값, 작업자의 행동반경에 대한 데이터 등 이에 제한되지 않고 포함할 수 있다.
제어부(200)는 시각장치(100)에서 수집한 공정 데이터를 처리하고 분석할 수 있는 시스템으로, 제어부(200)는 공장 로직 모델을 생성할 수 있다. 제어부(200)는 영상을 비롯한 공정 데이터를 처리할 수 있으면 족하고, 특정 시스템 및 장치에 제한되지 않는다.
제어부(200)는 수집한 데이터를 처리하기 용이한 장소에 설치될 수 있다. 제어부(200)는 제품과 인접하여 설치될 필요는 없다.
이 때, 제어부(200)는 공정 데이터를 수집하기에 충분한 용량이고, 충분한 관리와 감독 하에 메모리가 교체될 수 있다.
이 때, 입력부에 제품의 다수의 서버(321, 322, 323)에서 요구되는 상기 설비값을 공정 데이터로 입력하는 단계를 포함할 수 있고, 그에 따라, 제어부(200)는 설비값을 포함하여 공정 데이터를 수집할 수 있다.
이 때, 설비값은 작업자가 다수의 서버(321, 322, 323)에 입력하는 설비값에 대한 데이터를 포함할 수 있고, 이론적으로 다수의 서버(321, 322, 323)에서 요구되는 설비값을 포함할 수 있으나, 이에 제한되는 것은 아니다.
(2)상기 제어부(200)이 상기 공정 데이터를 분석하는 단계
제어부(200)가 공정 데이터를 분석하는 단계는, 촬영하여 수집한 공정 데이터를 기반으로 한다.
제어부(200)는 정확한 공장 로직 모델을 생성할 수 있도록 예시로 기재한 공정 데이터의 종류 외에도 추가적인 데이터를 더 포함하여 공정 데이터를 분석할 수 있다.
1)다수의 서버(321, 322, 323)의 종류와 연결방식
도 2를 참조하여 다수의 서버(321, 322, 323)의 종류와 연결방식에 대해 설명한다.
제품 작업부(300)는 제품이 작업되는 공간으로, 다수의 서버(321, 322, 323) 를 연결하며 제품이 이동하는 제품설비라인(310) 및 다수의 서버(321, 322, 323)를 포함한다.
제품설비라인(310)은, 제품이 이동하는 공간으로 다수의 서버(321, 322, 323)를 연결할 수 있다. 제품설비라인(310)은 다수의 서버(321, 322, 323)의 위치 및 형태에 따라 그 크기 및 길이를 달리할 수 있다. 제품설비라인(310)은 간략하게 도시되나, 이에 제한되어 해석되는 것은 아니고, 상황에 따라 다양한 개수, 다양한 형태와 조합으로 다수의 서버(321, 322, 323)를 연결할 수 있다.
다수의 서버(321, 322, 323)는 제품이 진입하여 공정이 이루어지는 공간으로, 제품을 작업할 수 있는 장치, 시스템 또는 작업대를 의미하는 것이다. 다수의 서버(321, 322, 323)는 여러 조합으로 이루어져 하나의 공정을 형성할 수 있다.
다수의 서버(321, 322, 323)의 종류는, 상기 제어부(200)가 상기 공정 데이터를 이용하여, 상기 다수의 서버(321, 322, 323)는 상기 제품이 상기 다수의 서버(321, 322, 323)중 어느 하나를 통과하기 전과 후, 상기 제품의 수량 및 크기에 따라, 상기 제품이 진입하여 조립되는 제1서버(321), 상기 제품이 진입하여 분해되는 제2서버(322) 및 상기 제품이 진입하여 가공되는 제3서버(323)를 포함하나, 공장 및 산업현장에서 이루어질 수 있는 공정이라면 상기 종류에 제한되는 것은 아니다.
또한 각각의 제1서버(321), 제2서버(322), 제3서버(323)는 모두 동일한 과정의 공정을 거치는 것을 의미하는 것은 아니고, 각각 조립, 분해, 가공의 공정에 포함될 수 있는 공정을 모두 포함할 수 있고, 각각 다른 대상의 제품이 진입할 수 있다. 즉, 동일한 제3서버(323A, 323B, 323C, 323B, 323C, 323F)라도, 조립되는 방식과 조립되는 대상이 다를 수 있다. 예를 들어, 제3서버(323A)는 가공의 공정 중 도색작업을 수행할 수 있고, 제3서버(323B)는 가공의 공정 중 가열작업을 수행할 수 있다.
다수의 서버(321, 322, 323)의 연결방식은, 다수의 서버(321, 322, 323) 간의 연결방식을 1개 이상의 제품이 다수의 서버(321, 322, 323)중 어느 하나의 서버로 진입하고 다른 서버로 순차적으로 진입하는 제1방식(331) 및 2개 이상의 제품이 다수의 서버(321, 322, 323)중 2개 이상의 서버로 각각 진입하는 제2방식(332)을 포함한다. 즉 제1방식(331)은 다수의 서버(321, 322, 323)를 직렬로 연결하는 방식, 제2방식(332)은 다수의 서버(321, 322, 323)를 병렬로 연결하는 방식과 상통하는 특징을 갖는다.
도 2는 다수의 서버(321, 322, 323)의 연결방식 및 제품 작업부(300)를 설명하기 위한 도면으로, 도시된 제품의 종류, 개수 및 제품과 서버의 배열 방식에 제한되는 것은 아니다.
도 2(a)에서는, 제품(P1)이 제품설비라인(310)을 통해 이동되며, 제3서버(323)로 진입하여 가공되는 것을 도시한다. 도시된, 2개의 제3서버(323)는 동일한 제품설비라인(310)에 위치하여, 제품(P1)이 각각 순차적으로 진입하는 구조로, 제1방식(331)으로 연결된다. 이 때, 2개의 제3서버(323)는 모두 가공공정을 의미하는 것으로 동일한 방식일 수 있으나, 이에 제한되는 것은 아니고 전술한 바와 같이 다른 방식의 가공공정을 의미할 수 있다.
도 2(b)에서는, 제품(P2)가 제품설비라인(310)을 통해 이동되며, 제품설비라인(310)에 위치한 제2서버(322)에 진입하여 분해되는 것을 도시한다. 분해된 제품은 각각 분해제품(Pd1, Pd2)으로 분해된다. 이 때 도시된, 분해제품(Pd1, Pd2)는 각각은 동일한 제품을 의미할 수도 있으나, 다른 제품을 의미할 수 있다. 제2서버(322)를 통과한 제품(Pd1, Pd2)은 2개의 제품설비라인(310)으로 각각 이동하여 제3서버(323C, 323B)를 통과한다. 이 때 제3서버(323C, 323B)는 2개 이상의 분해제품(Pd1, Pd2)이 각각의 서버에 진입하는 방식인 제2방식으로 연결된다.
도 2(c)에서는, 제품(P3, P4)가 제품설비라인(310)을 통해 이동되며, 각각 제3서버(323C, 323F)를 통과한다. 제3서버(323C, 323F)를 통과한 후, 제1서버(321)를 통과하여 조립되어, 제품(Pa)이 되고, 제3서버(323C, 323F)는 2개 이상의 분해제품(Pd1, Pd2)이 각각의 서버에 진입하는 방식인 제2방식으로 연결된다.
이 때, 제품(P1, P2, P3, P4, Pd1, Pd2, Pa)을 모두 다른 기호로 표현하였으나, 모두 다른 제품인 것을 의미하는 것은 아니고, 상황에 따라 동일한 제품을 의미할 수 있다. 가령, 도 2(b)에서의 제품(Pd1)은 도 2(c)에서의 제품(P3)을 의미할 수 있고, 이 때에는, 도 2(b)의 제3서버(323c)와 도 2(c)의 제3서버(323C)가 동일한 서버를 의미할 수 있다. 이 때 제품은 상황에 따라, 다양한 개수가 제품설비라인(310)에 놓아질 수 있다. 가령 도 2(a)에서는 제품(P1)만이 도시되었으나, 다른 제품도 함께 제품설비라인(310)에 놓여 가공될 수 있다.
또한, 다수의 서버(321, 322, 323)는 도시된 종류에 제한되는 것은 아니다. 가령, 도 2(a)에서, 서버는 제3서버(323A, 323B)로 도시되나, 각각 도시된 서버에 제한되지 않고 제1서버(321) 또는 제2서버(322)로 대체될 수 있다.
2)공정 데이터 분석하는 방법
도 1 및 도 3을 참조하여 공정 데이터 분석하는 방법에 대해 설명한다.
제어부(200)는 시각장치(100)가 촬영한 공정 데이터로 제품 및 제품이 처리되는 다수의 서버(321, 322, 323)의 크기 및 형상을 판단하는 단계, 다수의 서버(321, 322, 323)의 연결방식을 판단하는 단계를 통해 공정 데이터를 분석할 수 있다.
제어부(200)는 공정 데이터를 이용하여 파악한 제품의 크기 및 형상으로부터 제품의 종류를 판단할 수 있다. 이 때, 제어부(200)는 제품이 다수의 서버(321, 322, 323) 중 어디에 위치하는지를 고려하여 제품의 종류를 판단할 수 있으므로, 제품의 종류를 판단함에 있어, 제품의 외형만 고려할 때보다 정확도를 더 높일 수 있다.
제어부(200)는 촬영한 공정 데이터를 이용하여, 상기 다수의 서버(321, 322, 323) 간의 연결방식을 1개 이상의 제품이 상기 다수의 서버(321, 322, 323)중 어느 하나의 서버로 진입하고 다른 서버로 순차적으로 진입하면 제1방식(331)으로 판단하고, 2개 이상의 제품이 상기 다수의 서버(321, 322, 323)중 2개 이상의 서버로 각각 진입하면 제2방식(332)으로 판단할 수 있다.
또한, 제어부(200)는 다수의 서버(321, 322, 323)중 어느 하나의 서버를 통과한 후, 통과하기 전에 비해 제품의 수량이 증가하고, 크기가 감소하면 제품이 진입하여 분해되는 제2서버(322)로 판단할 수 있다. 또한, 다수의 서버(321, 322, 323)중 어느 하나의 서버를 통과한 후, 통과하기 전에 비해 제품의 수량이 감소하고, 크기가 증가하면, 제품이 조립되는 제1서버(321)로 판단할 수 있다. 또한 다수의 서버(321, 322, 323)중 어느 하나의 서버를 통과한 후, 통과하기 전에 비해 제품의 수량 및 크기가 일정하여, 제1서버(321) 및 제2서버(322)로 판단되지 않을 경우, 제3서버(323)로 판단할 수 있으나, 상기 판단 방식에 제한되는 것은 아니다.
제어부(200)는 상기 제품의 종류, 다수의 서버(321, 322, 323)의 종류 및 다수의 서버(321, 322, 323)의 연결방식에 대한 공정 데이터를 분석하여 분석 데이터를 생성할 수 있다.
이 때, 제어부(200)는 수집한 공정 데이터로, 상기 제품이 상기 다수의 서버(321, 322, 323) 및 제품설비라인(310)에 위치하는 시간을 판단하는 단계를 더 포함할 수 있고, 이를 분석 데이터에 포함할 수 있다. 이 때, 상기 다수의 서버(321, 322, 323) 및 상기 제품설비라인(310)에 진입 및 이탈하는 시간의 차로 상기 다수의 서버(321, 322, 323) 및 상기 제품설비라인(310)에 위치하는 시간을 판단할 수 있다. 또한, 제품 및 다수의 서버(321, 322, 323)의 작업시간, 다수의 서버(321, 322, 323) 간의 작업시간을 파악할 수 있다.
도 3은 촬영된 영상을 일시정지한 캡쳐영상의 예시로, 이로부터 공정 데이터를 분석하는 방법에 대해 설명한다. 두 개의 서버가 존재하고(서버10, 서버20), 두 서버는 직렬로 연결되어 있다(서버10 -> 서버20). 두 종류의 제품이 생산된다(Item1, Item2). 두 종류의 제품 모두 동일한 순서로 동일한 서버들을 지난다(서버10 -> 서버20). 두 종류의 제품 모두 동일한 이동시간을 지닌다(시작점->서버10-> 서버20 -> 종착점 모두 1분에 이동). Item1의 경우 서버10에서 3분이 걸리고, 서버20에서 4분이 걸린다. Item2의 경우 서버10에서 6분이 걸리고, 서버20에서 8분이 걸린다. 이는, 도 4에 도시된 제품의 이동경로를 보면 알 수 있듯이 Item1이 서버10을 진입한 시간이 9:01분이고 서버10을 이탈한 시간이 9:04분으로, 이 차를 통해 서버10에서 3분 걸림을 알 수 있다. 다른 제품의 위치하는 시간도 이와 마찬가지의 방식으로 구할 수 있다.
이 때, 각각의 서버에는 위치센서가 더 설치될 수 있고, 위치센서가 설치되면 서버의 위치를 토대로, 제품이 서버 중 어느 하나에 진입하고 이탈하는 시간을 더 정확하게 판단할 수 있으나, 센서를 설치하는 작업은 비용과 시간이 소요되는 바, 사용자는 필요에 따라 설치하지 않거나 일부의 서버에만 설치할 수 있다.
또한, 제어부(200)는 서버에 부합하는 상기 제품이 통과하는지 여부를 판단하여, 미부합하는 제품이 통과할 경우 제품을 처리부로 포함하는 단계를 더 포함할 수 있다. 서버는 특정 형태의 제품의 종류 및 개수에 최적화되는 장치, 시스템, 작업대를 의미하므로, 서버와 부합하지 않는 제품이 서버로 진입할 경우 이는, 작업자의 작업오류에 해당할 수 있다.
또한, 제품이 서버를 통과 중 제품이 중지하면 서버에 오류가 발생한 경우이고, 서버의 설비값을 미충족하여 제품의 이상이 생길 경우 서버에 오류가 생긴 경우이거나 작업자의 작업오류에 해당할 수 있다. 이 때, 서버를 처리부로 포함하는 단계를 더 포함할 수 있다.
이 때, 처리부는 작업오류 또는 서버 오류에 해당하는 데이터를 별도로 축적하는 공간을 의미하고, 처리부로 포함된 제품 및 서버에 대한 데이터는 분석 데이터에 미포함하여 공장 로직 모델의 정확성을 높일 수 있다.
또한, 제어부(200)는 처리부로 포함된 서버에 미부합하는 제품의 빈도수 또는 확률을 판단하는 단계를 더 포함할 수 있고, 이러한 수치 데이터를 분석 데이터에 포함할 수 있다. 이 때 빈도수 또는 확률은 서버를 통과하는 전체 제품을 기준으로 판단할 수 있다.
또한, 제어부(200)는 처리부로 포함된 제품 및 서버의 빈도수 또는 확률을 판단하는 단계를 더 포함할 수 있고, 이러한 수치 데이터를 분석 데이터에 포함할 수 있다. 이 때 빈도수 또는 확률은 전체 서버를 기준으로 판단할 수 있다.
이 때, 수치 데이터는 공장 로직 모델을 생성 시, 어느 서버 또는 제품에서 오류 발생이 빈번하지 파악할 수 있도록 하여, 작업의 효율을 높이고 오류를 감소시키는데 도움을 줄 수 있다. 수치 데이터는 상기한 바에 제한되는 것은 아니고, 공장에서 오류가 발생할 수 있는 다양한 데이터에 대한 수치적인 데이터를 포함할 수 있다.
또한, 제어부(200)는 공정 데이터로부터 작업자의 얼굴, 작업시작 및 종료시간, 행동반경, 입력하는 설비값과 결과값을 판단할 수 있고, 분석 데이터에 포함할 수 있다. 이로부터 효율적인 작업자의 행동반경 또는 작업자의 오류에 대한 수치 데이터도 분석 데이터에 포함할 수 있다.
제어부(200)는 상기와 같은 데이터를 더 포함하여, 분석 데이터를 생성할 수 있고, 공장 로직 모델을 생성할 수 있어, 공장 로직 모델의 정확도를 높일 수 있다.
다만, 제어부(200)는 상기와 같은 데이터 외에도, 공장 로직 모델 생성에 있어 도움이 되는 공정 데이터를 분석하여 분석 데이터에 포함할 수 있어, 상기한 바에 제한되는 것은 아니다.
(3)상기 제어부(200)을 분석한 분석 데이터를 통해 공장 로직 모델을 생성하는 단계
도 5을 참조하여 공장 로직 모델을 생성하는 방법에 대해 설명한다.
사용자 또는 작업자는 도 5에 도시된 블랙박스로부터 예시인 도 6과 같은 공장 로직 모델을 생성할 수 있다.
도 4와 같이, 공장의 공정에 대해 알지 못하는 상황에서 공장의 로직 모델은, 제어부(200)가 분석한 분석 데이터를 통해 생성할 수 있다.
공장 로직 모델은, 실제 공장의 공정 흐름을 전체 공장의 공간과 작업시간을 고려하여 생성할 수 있다.
제품의 종류, 서버의 종류 및 서버의 연결방식에 대한 분석 데이터를 이용하여 모든 서버들이 연결되도록 서버를 배열하는 단계를 진행하여, 공장의 전체 공정과 제품을 파악할 수 있다. 이를 통해, 공장 로직 모델을 생성할 수 있다.
이 때, 서버를 먼저 배치하고 상기 제품과 공정루트를 배치하여, 서버와 부합하지 않는 제품이 배치되는 오차를 줄일 수 있으나, 이에 제한되는 것은 아니다.
이 때, 제품이 위치하는 시간을 토대로, 상기 공정루트를 배치하는 단계를 포함하여 제품이 이동하는 시간, 공정소요시간을 공장 로직 모델에 포함할 수 있다.
공정루트를 모두 배치한 후, 서버에서 요구되는 설비값을 매칭하는 단계를 더 포함할 수 있다.
또한, 처리부로 포함된 서버에 미부합하는 제품의 빈도수 또는 확률을 판단하는 단계와 상기 처리부로 포함된 제품 및 서버의 빈도수 또는 확률을 판단하는 단계를 추가적으로 판단할 수 있다. 이에 따라, 공장 내 공정에서 오류의 빈도수가 높은 서버 및 제품을 판단할 수 있고, 이를 고려하여 공정을 수행할 수 있어, 오류의 빈도수를 줄일 수 있다. 상기한 바와 같이 처리부로 포함된 데이터는 공장 로직 모델을 형성하는데는 반영하지 않아, 오류가 있는 데이터를 포함하지 않아 정확성을 높일 수 있다.
또한, 생성한 공장 로직 모델을 실제 공정프로세스와 비교하는 단계, 상기 실제 공정프로세스와 존재하는 차이는 상기 실제 공정프로세스로 상기 공장 로직 모델을 수정하는 단계를 거쳐 공장 로직 모델의 정확성을 높이고 오차를 줄일 수 있다. 이 때, 실제 공정프로세스는 공장에서 일어나는 최적의 공정프로세스를 의미하는 것이다.
도 5는 이러한 상기의 과정을 거쳐 형성한 공장 로직 모델의 예시를 도시한다. 도 5에서는, 공장 내 존재하는 공정 루트인 루트 1: Hilanbcria - Rcmctibo-Acababo(20%), 루트 2: Hilanbcria - Urbizajc - Rcmctibo- Tcjcburia - Acababo (80%)를 파악할 수 있다. 이러한 로직 모델을 통해, 각 루트 별로 발생하는 빈도수, 조립, 가공, 분해와 같은 서버 작업 형태, 서버 별 반출 경로 및 비율 등을 파악할 수 있다.
도 5는 제품과 제품의 흐름에 대한 공장 로직 모델이나 이는 예시일 뿐이고, 본 방법을 통해 생성될 수 있는 공장 로직 모델은 설비값, 이동시간 등을 모두 고려하여 생성할 수 있다.
이상, 본 명세서에는 본 발명을 당업자가 용이하게 이해하고 재현할 수 있도록 도면에 도시한 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당업자라면 본 발명의 실시예로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 보호범위는 특허청구범위에 의해서 정해져야 할 것이다.
100: 시각장치
200: 제어부
300: 제품 작업부
310: 제품설비라인
321: 제1서버
322: 제2서버
323: 제3서버
323A: 제3서버
323B: 제3서버
323C: 제3서버
323B: 제3서버
323C: 제3서버
323F: 제3서버
331: 제1방식
332: 제2방식
P1: 제품
P2: 제품
P3: 제품
P4: 제품
Pd1: 분해제품
Pd2: 분해제품
Pa: 조립제품

Claims (9)

  1. 시각장치 및 상기 시각장치가 촬영한 공정 데이터를 처리할 수 있는 제어부를 이용하여 공장 로직 모델을 생성하는 방법으로서,
    (a)제어부(200)가, 시각장치(100)가 촬영한 공정 데이터를 수집하는 단계;
    (b)상기 제어부(200)가 상기 공정 데이터를 분석하여 분석 데이터를 생성하는 단계; 및
    (c)상기 제어부(200)가 상기 분석 데이터를 통해 미리 결정된 방식으로 공장 로직 모델을 생성하는 단계;를 포함하고,
    상기 (b)단계는,
    (b1)상기 제어부(200)가 상기 공정 데이터를 이용하여, 제품 및 상기 제품이 처리되는 다수의 서버(321, 322, 323)의 크기 및 형상을 판단하는 단계;
    (b2)상기 제어부(200)가 상기 공정 데이터를 이용하여, 상기 다수의 서버(321, 322, 323) 간의 연결방식을 1개 이상의 제품이 상기 다수의 서버(321, 322, 323)중 어느 하나의 서버로 진입하고 다른 서버로 순차적으로 진입하는 제1방식(331) 및 2개 이상의 제품이 상기 다수의 서버(321, 322, 323)중 2개 이상의 서버로 각각 진입하는 제2방식(332) 중 어느 하나로 판단하는 단계;
    (b3)상기 제어부(200)가 상기 공정 데이터를 이용하여, 상기 제품이 상기 다수의 서버(321, 322, 323)중 어느 하나를 통과하기 전과 후의 상기 제품의 수량 및 크기에 따라, 상기 다수의 서버(321, 322, 323)의 종류를 상기 제품이 진입하여 조립되는 제1서버(321), 상기 제품이 진입하여 분해되는 제2서버(322) 및 상기 제품이 진입하여 가공되는 제3서버(323) 중 어느 하나로 판단하는 단계;
    (b4)상기 제어부(200)가 상기 공정 데이터를 이용하여, 상기 (b1)단계는 판단된 상기 제품의 크기 및 형상과 상기 제품이 상기 다수의 서버(321, 322, 323) 중 어디에 위치하는 지에 따라 상기 제품의 종류를 판단하는 단계; 및
    (b5)상기 제어부(200)가 상기 공정 데이터를 이용하여, 상기 (b2), (b3), (b4)단계는 판단된 제품의 종류, 서버의 종류 및 서버의 연결방식을 포함한 분석 데이터를 생성하는 단계;를 포함하고,
    상기 (c)단계는,
    (c1)상기 제어부(200)가 제품의 종류, 서버의 종류 및 서버의 연결방식에 대한 상기 분석 데이터를 이용하여 모든 서버들이 연결되도록 서버를 배열하는 단계;
    (c2)상기 제어부(200)가, 상기 (c1)단계의 결과를 이용하여 상기 공장 로직 모델을 생성하는 단계; 를 포함하는,
    공장 로직 모델 생성방법.
  2. 제1항에 있어서,
    상기 (b)단계는,
    (b6)상기 제어부(200)는 상기 공정 데이터를 이용하여, 제품이 서버 및 제품설비라인(310)에 위치하는 시간을 판단하는 단계;를 더 포함하고,
    상기 (b5)단계는,
    상기 제어부(200)는 제품이 위치하는 시간을 상기 분석 데이터에 포함시키고,
    상기 (c1)단계는,
    상기 제어부(200)는 제품이 위치하는 시간을 더 이용하여 서버를 배열하는,
    공장 로직 모델 생성방법.
  3. 제2항에 있어서,
    상기 (b6)단계는,
    상기 제어부(200)는 제품이 서버 중 어느 하나 또는 상기 제품설비라인(310)에 진입 및 이탈하는 시간의 차이를 이용하여 제품이 서버 또는 상기 제품설비라인(310)에 위치하는 시간을 판단하는,
    공장 로직 모델 생성방법.
  4. 제1항에 있어서,
    상기 (a)단계는,
    (a1)입력부에 상기 제어부(200)에 서버에 요구되는 설비값이 상기 공정 데이터로 입력되는 단계;를 포함하고,
    상기 (b5)단계는,
    상기 제어부(200)는 서버에 요구되는 설비값을 상기 분석 데이터에 포함시키고,
    상기 (c1)단계는,
    상기 제어부(200)는 서버에 요구되는 설비값을 더 이용하여 서버를 배열하는,
    공장 로직 모델 생성방법.
  5. 제1항에 있어서,
    상기 (b)단계는,
    (b7)상기 제어부(200)는 서버에 부합하는 것으로 미리 결정된 제품이 통과하는지 여부를 판단하여, 미부합되는 제품이 통과하는 경우 상기 미부합되는 제품을 처리부로 포함시키는 단계; 및
    (b8)상기 제어부(200)가 상기 처리부로 포함된 상기 미부합되는 제품의 빈도수 또는 확률을 판단하는 단계; 를 더 포함하고,
    상기 (b5)단계는,
    상기 제어부(200)는 서버에 상기 미부합되는 제품의 빈도수 또는 확률에 대한 수치 데이터를 상기 분석 데이터에 포함시키고,
    상기 (c1)단계는,
    상기 제어부(200)는 상기 수치 데이터를 이용하여 서버를 배열하는,
    공장 로직 모델 생성방법.
  6. 제4항에 있어서,
    상기 (b)단계는,
    (b9)상기 제어부(200)는 제품이 서버를 통과 중에 중지 또는 서버의 설비값이 서버에 요구되는 설비값에 미부합할 경우 상기 서버를 처리부로 포함시키는 단계; 및
    (b10)상기 제어부(200)가 상기 처리부로 포함된 서버의 빈도수 또는 확률을 판단하는 단계; 를 포함하고,
    상기 (b5)단계는,
    상기 제어부(200)는 상기 처리부로 분류되는 서버의 빈도수 또는 확률에 대한 수치 데이터를 상기 분석 데이터에 포함시키고,
    상기 (c1)단계는,
    상기 제어부(200)는 상기 수치 데이터를 이용하여 서버를 배열하는,
    공장 로직 모델 생성방법.
  7. 제5항 또는 제6항에 있어서,
    상기 제어부(200)는 상기 처리부로 포함된 제품 및 서버에 대한 데이터는 상기 분석 데이터에 미포함시키는,
    공장 로직 모델 생성방법.
  8. 제1항에 있어서,
    상기 (b3)단계는,
    상기 다수의 서버(321, 322, 323)를 통과한 후, 상기 제품의 수량이 감소하거나 크기가 증가하면 상기 제1서버(321)로 판단하고,
    상기 다수의 서버(321, 322, 323)를 통과한 후, 상기 제품의 수량이 증가하거나 크기가 감소하면 상기 제2서버(322)로 판단하고,
    상기 제1서버(321) 및 상기 제2서버(322)로 미판단된 서버를 상기 제3서버(323)로 판단하는,
    공장 로직 모델 생성방법.
  9. 제2항에 있어서,
    상기 (b6)단계는,
    서버는 각각 위치센서를 더 포함하여, 상기 제어부(200)는 상기 제품이 서버중 어느 하나에 진입 및 이탈하는 위치를 판단하고,
    상기 제어부(200)는 상기 제품의 위치에 대한 데이터로, 제품이 서버에 위치하는 시간을 판단하는,
    공장 로직 모델 생성방법.
KR1020190083116A 2019-07-10 2019-07-10 시각장치를 이용한 공장 로직 모델 생성 방법 KR102201303B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190083116A KR102201303B1 (ko) 2019-07-10 2019-07-10 시각장치를 이용한 공장 로직 모델 생성 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190083116A KR102201303B1 (ko) 2019-07-10 2019-07-10 시각장치를 이용한 공장 로직 모델 생성 방법

Publications (1)

Publication Number Publication Date
KR102201303B1 true KR102201303B1 (ko) 2021-01-12

Family

ID=74129634

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190083116A KR102201303B1 (ko) 2019-07-10 2019-07-10 시각장치를 이용한 공장 로직 모델 생성 방법

Country Status (1)

Country Link
KR (1) KR102201303B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101022230B1 (ko) * 2010-10-18 2011-03-16 (주) 디지털팩토리 디지털 팩토리에서의 최적 생산 시나리오 구축방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101022230B1 (ko) * 2010-10-18 2011-03-16 (주) 디지털팩토리 디지털 팩토리에서의 최적 생산 시나리오 구축방법

Similar Documents

Publication Publication Date Title
EP3454289B1 (en) Plant abnormality detection method and system
CN104390657B (zh) 一种发电机组运行参数测量传感器故障诊断方法及系统
KR102373787B1 (ko) 고장 예측 시스템의 고장 유형 빅데이터를 이용한 기계설비의 잠재적 고장 예측 방법
KR102116064B1 (ko) 설비 진단 시스템을 이용한 설비 진단 방법
CN117474357B (zh) 基于深度学习的配电房运维管理方法及系统
JP2012532425A (ja) プラズマ処理システムにおける障害の自動的な検出及び分類、並びにその方法
Groba et al. Architecture of a predictive maintenance framework
KR102561675B1 (ko) 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템
CN116880402A (zh) 智慧工厂协同管控系统及其方法
CN116824731A (zh) 一种火电厂智能巡检方法和设备
CN114077919A (zh) 用于预测加工异常的系统
CN118226825A (zh) 一种基于mes系统的质量控制数据处理方法
KR102201303B1 (ko) 시각장치를 이용한 공장 로직 모델 생성 방법
KR102386769B1 (ko) 건축물 에너지 공공 데이터를 이용한 규칙 기반 및 기계 학습 기반의 고장 진단 시스템 및 방법
CN117572863A (zh) 用于变电站机器人的路径优化方法及系统
KR101984257B1 (ko) 클라우드기반 빅데이터분석시스템 및 방법
EP3640751A1 (en) Apparatus for gas analysis and emission prediction
JP2021089653A (ja) 予測システム、情報処理装置および情報処理プログラム
Suzuki et al. An anomaly detection system for advanced maintenance services
KR20210014452A (ko) 제조 공정 비정상 데이터 탐지 시스템
KR20200132313A (ko) 수치제어 공작기계 진단 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체
KR20200099863A (ko) 대상물의 분석 방법
Raj An Improved Accuracy and Efficiency Based Defect Detection Method for Industrial Signal Processing
CN115580635B (zh) 一种物联网终端的智能化故障诊断方法及系统
CN117686757B (zh) 一种户外电力计量箱的智能预警方法及系统

Legal Events

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