KR102294851B1 - 계측 및 제어를 위한 시스템, ectu의 제어 방법, 및 컴퓨터 프로그램 - Google Patents

Abstract

계측 및 제어를 위한 시스템이 개시된다. 본 시스템은, 적어도 하나의 센서, 제어 장비를 구동하기 위한 구동 장치, 센서 및 구동 장치에 각각 연결되고, PLC(Programmable Logic Controller) 및 RTU(Remote Terminal Unit) 중 적어도 하나로 구성된 제어 장치, 제어 장치와 연결된 ECTU(Edge Computing Terminal Unit)를 포함한다. 제어 장치는, 센서를 통해 획득된 센싱 데이터가 기설정된 조건을 만족하는 경우, 제어 장비를 구동하도록 구동 장치를 제어하고, ECTU는, 제어 장비가 구동되기 전에 획득된 제1 센싱 데이터 및 제어 장비가 구동된 이후에 획득된 제2 센싱 데이터를 기반으로, 제어 장비를 구동하기 위한 동작 정보를 판단한다.

Description

계측 및 제어를 위한 시스템, ECTU의 제어 방법, 및 컴퓨터 프로그램 { SYSTEM FOR MEASUREMENT AND CONTROL, CONTROL METHOD OF EDGE COMPUTING TERMINAL UNIT, AND COMPUTER PROGRAM }

본 개시는 엣지 컴퓨팅 장치에 관한 것으로, 보다 상세하게는, 계측 제어 장비의 지능화를 위한 Edge Computing Terminal Unit에 관한 것이다.

종래 일반적으로 현장에 설치된 계측 제어 시스템은, 센서를 통해 획득된 센싱 데이터를 DAQ(Data Acquisition: Data Logger) 모듈 등을 통해 수집/변환하고, 수집/변환된 센싱 데이터를 PLC(Programmable Logic Controller) 및/또는 RTU(Remote Terminal Unit) 등을 통해 처리하여 제어 장비에 대한 단순 제어를 하는 경우가 대부분이다.

관련하여, 도 1은 종래의 계측 제어 시스템의 구성을 개략적으로 설명하기 위한 블록도이다.

도 1을 참조하면, 종래의 계측 제어 시스템은 일반적으로 센서(10), 구동 장치(20), 제어 장치(30) 등을 포함하며, 제어 장치(30)는 상위 서버와 통신을 수행할 수도 있다.

구체적으로, 제어 장치(30)의 작업부(31)는 센서(10)에서 계측된 센싱 데이터를 가공(ex. 입력 전압/전류 또는 기타 디지털 신호를 데이터 형태로 변환)할 수 있으며, 입력부(32)는 가공된 데이터를 저장 장치(33)에 로깅할 수 있다.

이때, 작업부(31)는 가공된 센싱 데이터가 기설정된 조건에 부합하는지 여부에 따라 구동 장치(20)를 제어할 수 있다. 기설정된 조건은, 센서(10)의 계측 값(센싱 데이터)이 일정 범위를 벗어나거나 또는 임계치를 넘어가는 경우 등에 해당할 수 있다.

구체적으로, 가공된 센싱 데이터가 기설정된 조건에 부합하는 경우, 작업부(31)는 출력부(35)를 통해 구동 장치(20)를 제어하기 위한 제어 신호를 전송할 수 있다. 그 결과, 구동 장치(20)는 밸브, 모터 등 다양한 제어 장비를 구동할 수 있다.

작업부(31)는 전송부(34)를 통해 서버(40)로 (저장된) 센싱 데이터를 전송할 수도 있다.

종래의 제어 장치(30)는 일반적으로 PLC 또는 RTU로 구성된 회로를 포함하는 형태이다. 구체적으로, 제어 장치(30)는 DAQ, PLC/RTU, I/O 보드, 센서 모듈 등을 포함하는 경우가 많았다.

한편, 4차산업혁명에 따라 스마트 팩토리, 지능형 계측 제어, 엣지 컴퓨팅, 빅데이터 처리 기술 등이 떠오르면서 더 높은 연산량 내지는 성능을 가지는 제어 장치(30)가 각광받을 것으로 예상된다.

다만, 일반적으로 PLC 또는 RTU로 구성된 종래의 제어 장치(30)의 경우, 상술한 바와 같이 단순한 조건에 따라 제어 장비를 자동 제어하는 것은 가능하지만, 센싱 데이터에 대한 구체적인 학습, 추론, 병렬 분석 등을 수행하기에는 적합하지 않다는 문제가 있다.

그러나, 현실적으로 한 지점의 시스템 당 적게는 수백만 원에서 수억 원의 시공 비용이 소요되었으므로, 기존의 하드웨어(제어 장치(30)) 자체를 교체하는 것은 너무나 큰 비용 소모가 우려된다는 문제점이 있다.

따라서, 기존의 하드웨어를 최대한 이용하면서도 빅데이터 처리/AI 활용 등을 수행할 수 있는 시스템 개량 방안이 필요하다.

등록 특허 공보 제10-14190220000(PLC 기술을 활용한 물관리 원격 감시제어 시스템)

본 개시는 PLC 및/또는 RTU를 포함하는 기존의 하드웨어 구성에 더하여 ECTU를 추가로 이용함으로써 빅데이터 처리 및 AI 활용이 가능한 계측 제어 시스템을 제공한다.

본 개시의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 개시의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 개시의 실시 예에 의해 보다 분명하게 이해될 것이다. 또한, 본 개시의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.

본 개시의 일 실시 예에 따른 계측 및 제어를 위한 시스템은, 적어도 하나의 센서, 제어 장비를 구동하기 위한 구동 장치, 상기 센서 및 상기 구동 장치에 각각 연결되고, PLC(Programmable Logic Controller) 및 RTU(Remote Terminal Unit) 중 적어도 하나로 구성된, 제어 장치, 상기 제어 장치와 연결된 ECTU(Edge Computing Terminal Unit)를 포함한다. 상기 제어 장치는, 상기 센서를 통해 획득된 센싱 데이터가 기설정된 조건을 만족하는 경우, 상기 제어 장비를 구동하도록 상기 구동 장치를 제어하고, 상기 ECTU는, 상기 제어 장비가 구동되기 전에 상기 센서를 통해 획득된 제1 센싱 데이터 및 상기 제어 장비가 구동된 이후에 상기 센서를 통해 획득된 제2 센싱 데이터를 기반으로, 상기 제어 장비를 구동하기 위한 동작 정보를 판단한다.

상기 ECTU는, 상기 제1 센싱 데이터, 상기 제2 센싱 데이터, 상기 제어 장비가 구동된 시간, 및 상기 제어 장비의 구동에 따른 전력 소모량을 기반으로, 상기 제어 장비를 구동하기 위한 동작 정보를 판단할 수 있다.

이 경우, 상기 ECTU는, 상기 제어 장비가 구동될 때마다 상기 제어 장비의 구동 전후로 상기 센서를 통해 획득된 센싱 데이터를 식별하고, 상기 식별된 센싱 데이터의 이력, 상기 제어 장비가 구동된 이력, 및 상기 제어 장비의 구동에 따른 전력 소모 이력을 기반으로, 상기 제어 장비를 구동하기 위한 동작 정보를 판단할 수도 있다.

상기 ECTU는, 상기 판단된 동작 정보에 따라 동작 주기 또는 동작 시간을 식별하고, 상기 식별된 동작 주기 또는 동작 시간에 따라, 상기 구동 장치를 제어하기 위한 상기 제어 장치의 제어 신호가 상기 구동 장치로 전송되는 시점을 조정할 수도 있다.

또한, 상기 ECTU는, 상기 판단된 동작 정보에 따른 동작 조건과 상기 제어 장비의 실제 동작 조건이 매칭되지 않는 경우, 상기 판단된 동작 정보에 대한 정보를 적어도 하나의 서버로 전송할 수도 있다. 이 경우, 상기 서버는, 상기 판단된 동작 정보에 대한 정보를 적어도 하나의 사용자 장치로 전송할 수 있다.

상기 ECTU는, 상기 센서를 통해 실시간으로 획득되는 센싱 데이터, 상기 제어 장비의 실시간 동작 정보, 및 상기 시스템 내 실시간 전력 사용량을 적어도 하나의 인공지능 모델에 입력하여, 고장의 발생 여부를 판단할 수도 있다. 상기 인공지능 모델은, 상기 시스템 내에 상기 ECTU가 설치된 이후 수집된 복수의 데이터 항목 간의 상관 관계에 따라 훈련되고, 상기 센서를 통해 실시간으로 획득되는 센싱 데이터, 상기 제어 장비의 실시간 동작 정보, 및 상기 시스템 내 실시간 전력 사용량이 입력되면, 상기 훈련된 상관 관계와의 매칭 여부에 따라 고장 여부를 판단할 수 있다. 이때, 상기 복수의 데이터 항목은, 상기 센서를 통해 획득되는 센싱 데이터, 상기 제어 장비의 동작 정보, 및 상기 시스템 내 전력 사용량을 포함할 수 있다.

한편, 상기 ECTU는, 상기 센서를 통해 획득된 센싱 데이터를 전처리하기 위한 전처리부, 상기 전처리된 센싱 데이터를 저장하기 위한 저장부, 상기 저장된 센싱 데이터를 기반으로, 적어도 하나의 인공지능 모델을 훈련시키기 위한 학습부, 상기 센서를 통해 실시간으로 획득되는 센싱 데이터를 상기 인공지능 모델에 입력하여, 상기 제어 장비를 구동하기 위한 동작 정보를 판단하는, 분석부, 상기 판단된 동작 정보를 기반으로, 상기 제어 장치로 하여금 상기 구동 장치를 제어하도록 하는 적어도 하나의 명령 신호를 출력하는, 출력부를 포함할 수 있다. 이 경우, 상기 분석부는, 상기 센서를 통해 실시간으로 획득되는 센싱 데이터를 분석하여, 상기 센서, 상기 구동 장치, 및 상기 제어 장비 중 적어도 하나의 고장 여부를 판단할 수 있다.

본 개시의 일 실시 예에 따라 계측 및 제어를 위한 시스템 내에서 PLC(Programmable Logic Controller) 또는 RTU(Remote Terminal Unit)와 연결된 ECTU(Edge Computing Terminal Unit)의 제어 방법은, 제어 장비가 구동되기 전에 센서를 통해 감지된 제1 센싱 데이터를 획득하는 단계, 상기 PLC 또는 상기 RTU의 제어 신호를 수신한 구동 장치가 상기 제어 장비를 구동한 경우, 상기 제어 장비가 구동된 이후 상기 센서를 통해 감지된 제2 센싱 데이터를 획득하는 단계, 상기 제1 센싱 데이터 및 상기 제2 센싱 데이터를 기반으로, 상기 제어 장비를 구동하기 위한 동작 정보를 판단하는 단계를 포함한다.

본 개시에 따라 ECTU를 포함하는 시스템은, 기존에 호환 제품이 없거나 업그레이드 비용이 많이 드는 PLC/RTU라고 하더라도, 고차원의 엣지 컴퓨팅 연산을 기반으로 한 제어를 수행할 수 있도록 하는 효과가 있다.

본 개시에 따른 ECTU는, 시스템 내 센서, 제어 장비, 구동 장치, 제어 장치 등의 환경 및 데이터를 기반으로 분석을 수행함으로써, 시스템의 계측 및 제어를 개별 시스템 맞춤형으로 효율적으로 보완할 수 있다.

도 1은 종래의 계측 제어 시스템의 구성을 개략적으로 설명하기 위한 블록도,
도 2는 본 개시의 일 실시 예에 따라 ECTU를 추가로 포함하는 시스템의 구성을 설명하기 위한 블록도,
도 3은 본 개시의 일 실시 예에 따라 시스템에 포함되는 ECTU의 동작을 설명하기 위한 흐름도, 그리고
도 4는 본 개시의 일 실시 예에 따라 시스템에 포함되는 ECTU의 상세한 구성을 설명하기 위한 블록도이다.

본 개시에 대하여 구체적으로 설명하기에 앞서, 본 명세서 및 도면의 기재 방법에 대하여 설명한다.

먼저, 본 명세서 및 청구범위에서 사용되는 용어는 본 개시의 다양한 실시 예들에서의 기능을 고려하여 일반적인 용어들을 선택하였다. 하지만, 이러한 용어들은 당해 기술 분야에 종사하는 기술자의 의도나 법률적 또는 기술적 해석 및 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 일부 용어는 출원인이 임의로 선정한 용어도 있다. 이러한 용어에 대해서는 본 명세서에서 정의된 의미로 해석될 수 있으며, 구체적인 용어 정의가 없으면 본 명세서의 전반적인 내용 및 당해 기술 분야의 통상적인 기술 상식을 토대로 해석될 수도 있다.

또한, 본 명세서에 첨부된 각 도면에 기재된 동일한 참조번호 또는 부호는 실질적으로 동일한 기능을 수행하는 부품 또는 구성요소를 나타낸다. 설명 및 이해의 편의를 위해서 서로 다른 실시 예들에서도 동일한 참조번호 또는 부호를 사용하여 설명한다. 즉, 복수의 도면에서 동일한 참조 번호를 가지는 구성요소를 모두 도시되어 있다고 하더라도, 복수의 도면들이 하나의 실시 예를 의미하는 것은 아니다.

또한, 본 명세서 및 청구범위에서는 구성요소들 간의 구별을 위하여 "제1", "제2" 등과 같이 서수를 포함하는 용어가 사용될 수 있다. 이러한 서수는 동일 또는 유사한 구성요소들을 서로 구별하기 위하여 사용하는 것이며 이러한 서수 사용으로 인하여 용어의 의미가 한정 해석되어서는 안 된다. 일 예로, 이러한 서수와 결합된 구성요소는 그 숫자에 의해 사용 순서나 배치 순서 등이 제한되어서는 안 된다. 필요에 따라서는, 각 서수들은 서로 교체되어 사용될 수도 있다.

본 명세서에서 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

본 개시의 실시 예에서 "모듈", "유닛", "부(part)" 등과 같은 용어는 적어도 하나의 기능이나 동작을 수행하는 구성요소를 지칭하기 위한 용어이며, 이러한 구성요소는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 "모듈", "유닛", "부(part)" 등은 각각이 개별적인 특정한 하드웨어로 구현될 필요가 있는 경우를 제외하고는, 적어도 하나의 모듈이나 칩으로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.

또한, 본 개시의 실시 예에서, 어떤 부분이 다른 부분과 연결되어 있다고 할 때, 이는 직접적인 연결뿐 아니라, 다른 매체를 통한 간접적인 연결의 경우도 포함한다. 또한, 어떤 부분이 어떤 구성요소를 포함한다는 의미는, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

도 2는 본 개시의 일 실시 예에 따라 ECTU를 추가로 포함하는 시스템의 구성을 설명하기 위한 블록도이다.

도 2를 참조하면, 시스템(1000)은 센서(10), 구동 장치(20), 제어 장치(30), ECTU(100)를 포함한다. 또한, 시스템(1000)은 적어도 하나의 서버(40)와 통신을 수행할 수 있다.

시스템(1000)은 계측 및 제어를 위한 다양한 시스템에 해당할 수 있다. 시스템(1000)은, 수도 시설 관리 시스템, 하수 처리 시스템, 공기 질 관리 시스템, 환기 제어 시스템, 가스 관리 시스템, 공장 설비 관리 시스템, 농어촌 설비 관리 시스템, 환경 제어 시스템 등 다양한 계측/제어 시스템에 해당할 수 있다.

센서(10)는 시스템(1000)이 용도에 따라 필요한 다양한 종류의 센서에 해당할 수 있다. 구체적인 예로, 센서(10)는 수압 센서, 가스 센서, 미세먼지 센서, 온도 센서, 압력 센서, 유량 센서, 근접 센서 등 다양한 종류의 센서에 해당할 수 있다.

구동 장치(20)는 시스템(1000)의 용도에 따라 구비된 다양한 제어 장비를 구동하기 위한 구성이다. 일 예로, 유량을 제어하기 위한 밸브 및/또는 펌프 등의 제어 장비가 구비된 경우, 구동 장치(20)는 밸브 및/또는 펌프 등의 제어 장비를 전기적으로 제어하기 위한 회로를 포함할 수 있다. 이때, 구동 장치(20)는 스위치, 릴레이, 가변 저항 등을 사용하는 적어도 하나의 모터 등을 포함할 수 있으나, 이에 한정되지 않는다.

제어 장치(30)는 센서(10)를 통해 획득된 센싱 데이터를 기반으로 적어도 하나의 제어 장비를 구동하도록 구동 장치(20)를 제어하기 위한 구성이다.

제어 장치(30)는 센서(10) 및 구동 장치(20)에 각각 연결될 수 있다. 제어 장치(30)는 PLC(Programmable Logic Controller) 및 RTU(Remote Terminal Unit) 중 적어도 하나로 구성될 수 있으며, 이밖에 사용자 명령을 수신하거나 및/또는 사용자에게 정보를 제공하기 위한 I/O 인터페이스 구성, 센싱 데이터를 수집 및 변환하기 위한 DAQ(Data Acquisition) 모듈 등을 더 포함할 수 있다. PLC/RTU는, 센싱 데이터의 수집/변환 및 제어 장비의 제어를 모두 수행할 수도 있고, DAQ를 통해 수집/변환된 센싱 데이터를 기반으로 제어 장비의 제어를 수행할 수도 있다.

일 예로, 센서(10)를 통해 획득된 센싱 데이터가 기설정된 조건을 만족하는 경우, 제어 장치(30)는 적어도 하나의 제어 장비를 구동하도록 구동 장치(20)를 제어할 수 있다.

기설정된 조건은, 적어도 하나의 센서를 통해 획득된 센싱 데이터가 일정 범위를 벗어나거나 또는 임계치를 초과하는 등 다양한 수치적 조건에 해당할 수 있다.

일 예로, 수도 시설 관리 시스템으로 구현된 시스템(1000) 내에서, 펌프를 통해 물이 공급되는 상수관에 수압 센서 2개가 부착된 상황을 가정한다. 이 경우, 제어 장치(30)는 2개의 수압 센서 각각을 통해 측정되는 수압에 따라 펌프를 구동하도록 구동 장치(20)를 제어할 수 있다.

구체적인 예로, 제어 장치(30)는, 2개의 수압 데이터 중 첫번째 수압 센서의 수압이 한계 값을 넘지 않음을 전제로, 두번째 수압 센서의 수압 값이 임계치 이하로 내려갈 경우 펌프를 구동하여 가압하도록 (구동 장치(20)를) 제어할 수 있다.

다만, 이 경우, 한계 값 미만이거나 초과하지 않는 노이즈 데이터가 들어오면 실제 데이터로 인식될 수 있다는 문제가 있다. 즉, 고장이 났으나 센서 한계 값 내의 값이 들어오면 정상적으로 인식되는 과정 때문에 동작해야 하는 상황에 동작을 하지 않는 문제가 발생할 수 있다. 반대로, (펌프) 동작을 멈춰야 할 때에도 지속적인 가압을 함으로써 설비 내구도 저하와 함께 현장 피해가 발생할 수도 있다. 특히, 설정 수압 이하로 수시로 내려가는 현장에서 반드시 필요한 상황이 아님에도 가압 펌프를 지속적으로 점등함으로써 최대 효율로 사용하지 못하여 펌프의 내구도가 낮아지고, 전력 사용량이 불필요하게 높아질 수 있다.

또한, 일 예로, 하수 처리 시스템으로 구현된 시스템(1000) 내에서, 제어 장치(30)는 일정 시간마다 약품을 투입하는 한편 공기 펌프를 동작시킬 수 있다. 이때, 제어 장치(30)는 수질 센서를 통해 측정된 수치가 설정 값 이하로 떨어지는 경우에만 하수 처리의 다음 공정(단계)으로 하수가 전달되도록 제어할 수 있다(ex. 펌프 제어(수압), 수문 개방 등).

다만, 이 경우, 약품값이 매우 크지만, 물 오염도와 상관없이 기준 충족을 위해 투입이 가능한 최대 약품량과 공기를 투입하여 반응시키는 문제가 생길 수 있다. 일반적으로, 제어 장치(30)는 사용자의 경험에 의존한 단순 조건에 따라 설계/구현되는 바, 단편적인 센싱 데이터(오염도)를 기준으로 약품과 펌프를 동작 시키기 때문에 효율성이 높지 않다는 문제가 있다.

상술한 문제점을 해결하기 위해, 본 개시에 따른 시스템(1000)은, 제어 장치(30)와 연결된 ECTU(100. Edge Computing Terminal Unit)를 더 포함할 수 있다.

ECTU(100)는 제어 장치(30)의 동작과 관련된 데이터를 고도하게 분석하여 제어 장치(30)의 동작을 보완하기 위한 단말 장치이다. ECTU(100)는, 일 예로 U-ART(Universal asynchronous receiver/transmitter)를 통해 제어 장치(30)와 통신을 수행할 수 있다. ECTU(100)는 TCP(Transmission Control Protocol), Modbus, Modbus/TCP, Ethernet/IP, PROFINET, CC-Link 등 다양한 프로토콜을 통해 제어 장치(30)와 유/무선으로 연결될 수 있다.

ECTU(100)는 하드웨어적으로 적어도 하나의 메모리 및 적어도 하나의 프로세서를 포함할 수 있다.

메모리는 ROM, 플래시 메모리 등의 비휘발성 메모리를 포함할 수 있으며, DRAM 등으로 구성된 휘발성 메모리를 포함할 수 있다. 또한, 메모리는 하드 디스크, SSD(Solid state drive) 등을 포함할 수도 있다.

프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit) 등과 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서 등에 해당할 수 있다. 인공지능 전용 프로세서는, 특정 인공지능 모델의 훈련 내지는 이용에 특화된 하드웨어 구조로 설계될 수 있다.

ECTU(100)는 센서(10)를 통해 획득되는 센싱 데이터를 제어 장비의 구동 전후에 따라 심층 분석하여, 제어 장비의 구동 및 시스템 관리에 대한 다양한 정보를 수집하고 처리할 수 있다.

일 실시 예로, ECTU(100)는 제어 장비의 구동 전후의 센싱 데이터를 분석하여 제어 장비를 구동하기 위한 최적의 동작 정보를 판단할 수 있다.

관련하여, 도 3은 본 개시의 일 실시 예에 따라 시스템에 포함되는 ECTU의 동작을 설명하기 위한 흐름도이다.

도 3을 참조하면, ECTU(100)는 제어 장비가 구동되기 전에 센서(10)를 통해 감지된 제1 센싱 데이터를 획득할 수 있다(S310).

또한, ECTU(100)는 제어 장비가 구동된 이후 센서(10)를 통해 감지된 제2 센싱 데이터를 획득할 수 있다(S320).

즉, ECTU(100)는, 제어 장치(30)의 제어 신호를 수신한 구동 장치(20)의 구동에 따라 제어 장비가 구동되기 전후로, 센서(10)의 센싱 데이터를 식별할 수 있다.

그리고, ECTU(100)는, 전후의 센싱 데이터(제1 센싱 데이터, 제2 센싱 데이터)를 이용하여, 제어 장비를 구동하기 위한 최적의 동작 정보를 판단할 수 있다.

동작 정보는, 제어 장비의 동작에 대하여 설정될 수 있는 다양한 항목에 관한 것이다. 제어 장치(30) 및/또는 ECTU(100)는 판단된 동작 정보에 따라 제어 장비를 구동하도록 구동 장치(20)를 제어할 수 있다.

동작 정보는, 제어 장비의 구체적인 동작 조건(센싱 데이터에 따른 구동 조건), 제어 장비가 동작하는 시간, 제어 장비가 동작하는 주기, 제어 장비의 동작 강도, 그 밖에 제어 장비의 동작과 관련된 설정 정보(ex. 약품 첨가량, 최대/최소 출력 등) 등을 포함할 수 있다.

일 예로, ECTU(100)는 제어 장비가 구동되기 전후의 센싱 데이터, 제어 장비가 구동된 시간 등을 기반으로, 제어 장비를 구동하기 위한 (제어 장비의) 동작 정보를 판단할 수 있다.

이때, ECTU(100)는 제어 장비의 구동 시간을 최소화하면서도 센싱 데이터의 (바람직한) 변화량을 가장 높게 가져갈 수 있는 동작 정보(동작 시간, 동작 주기, 동작 강도 등)를 산출해낼 수 있다. 그 결과, ECTU(100)는 제어 목적의 달성을 위한 최적의 동작 정보를 제공할 수 있다.

구체적인 예로, ECTU(100)는 제어 장비의 동작 효율이 가장 좋은 센싱 데이터의 값을 식별하고, 센싱 데이터의 값이 식별된 값에 해당하는 시점을 제어 장비의 구동 시점으로 판단할 수 있다.

또한, 일 예로, ECTU(100)는 제어 장비가 구동되기 전후의 센싱 데이터, 제어 장비가 구동된 시간, 제어 장비의 구동에 따른 전력 소모량 등을 기반으로, 제어 장비를 구동하기 위한 (제어 장비의) 동작 정보를 판단할 수 있다.

이때, ECTU(100)는 제어 장비의 전력 소모량을 최소화하면서도 센싱 데이터의 (바람직한) 변화량을 가장 높게 가져갈 수 있는 동작 정보(동작 시간, 동작 주기, 동작 강도 등)를 산출해낼 수 있다.

구체적으로, ECTU(100)는 제어 장비가 구동될 때마다 제어 장비의 구동 전후로 센서(10)를 통해 획득된 센싱 데이터를 식별할 수 있다. 그리고, ECTU(100)는 식별된 센싱 데이터의 이력, 제어 장비가 구동된 이력(시간, 강도, 주기 등), 및 제어 장비의 구동에 따른 전력 소모 이력(제어 장비, 구동 장치, 제어 장치 각각의 전력 소모량)을 기반으로, 제어 장비를 구동하기 위한 동작 정보를 판단할 수 있다.

여기서, 판단된 동작 정보는, 센싱 데이터를 일정 조건 내로 유지(ex. 수압을 일정 범위 내로 유지)하면서도, 시스템(1000) 내 전력 소모를 최소한으로 할 수 있는 동작 정보일 수 있다. 동작 정보는, 제어 장비의 동작 시간(길이), 동작 강도, 동작 주기 등에 대한 정보를 포함할 수 있다.

이때, ECTU(100)는 메모리에 저장된 제1 인공지능 모델을 이용할 수도 있다.

즉, ECTU(100)는 특정 시간 구간 동안의 센싱 데이터의 이력, 제어 장비가 구동된 이력, 제어 장비가 구동됨에 따른 전력 소모 이력 등에 대한 정보를 제1 인공지능 모델로 입력하여, 최적의 동작 정보를 획득할 수 있다.

여기서, 제1 인공지능 모델로 입력되는 데이터(센싱 데이터의 이력, 제어 장비가 구동된 이력, 전력 소모 이력 등)는, ECTU(100)와 센서(10) 및/또는 제어 장치(30) 간의 통신 상태가 정상 범위인 시간 구간 내에서 수집된 데이터일 수 있다.

예를 들어, 센서(10) 및/또는 제어 장치(30)로부터 데이터가 수신되는 속도가 일정치 이상인 경우, ECTU(100)는 통신 상태가 정상 범위인 것으로 식별할 수 있다. 또한, 센서(10) 및/또는 제어 장치(30)로부터 수신되는 데이터의 품질 수치(ex. 노이즈의 비율에 따라 산출될 수 있음)가 임계치 이상인 경우, ECTU(100)는 통신 상태가 정상 범위인 것으로 식별할 수 있다.

그리고, ECTU(100)는 통신 상태가 정상 범위인 시간 구간에서 센서(10)로부터 수신되는 센싱 데이터의 이력, 통신 상태가 정상 범위인 시간 구간 동안 제어 장비가 구동된 이력, 통신 상태가 정상 범위인 시간 구간 동안의 전력 소모 이력 등을 제1 인공지능 모델에 입력할 수 있다.

제어 장비가 구동된 이력은, 일 예로, 제어 장치(30)가 구동 장치(20)로 전송하는 제어 신호(ex. 제어 장비의 구동을 유발하기 위한 신호)에 대한 정보를 ECTU(100)가 실시간으로 모니터링한 결과 식별될 수 있으며, ECTU(100)와 연결된 적어도 하나의 데이터 소자 내지는 센서를 통해 모니터링될 수 있다.

또한, 제어 장비가 구동된 이력은, ECTU(100)가 제어 장비 및/또는 구동 장치(20)에 설치된 적어도 하나의 센서를 통해 제어 장비 및/또는 구동 장치의 모션/위치/속도 등을 실시간으로 모니터링한 결과 식별될 수도 있다. 예를 들어, 제어 장비에 해당하는 펌프가 움직이는 경우, ECTU(100)는 펌프에 부착된 센서를 통해 펌프의 동작 여부, 동작 속도 등을 감지할 수 있다.

전력 소모 이력을 구성하는 시간 별 전력 소모량은, 각 구성 별(센서(10), 구동 장치(20), 제어 장치(30) 등) 전력 소모량일 수도 있고, 시스템(1000) 전체의 전력 소모량일 수도 있다. 전력 소모량은, 적어도 하나의 구성에 설치된 전압/전류 센서 등을 기반으로 측정될 수도 있고, 시스템(1000)에 전력을 공급하는 적어도 하나의 전력 공급 시스템으로부터 수신된 정보에 따라 식별될 수도 있다.

제1 인공지능 모델은, 특정 시간 구간 동안의 센싱 데이터의 이력(변경 이력), 제어 장비가 구동된 이력(구동된 시간), 제어 장비가 구동됨에 따른 전력 소모 이력(ex. 제어 장비, 구동 장치, 제어 장치 등의 전력 소모량)이 입력되면, 제어 장비를 구동하기 위한 최적의 동작 정보(ex. 동작 시간, 동작 주기, 동작 강도, 그 밖에 동작과 관련된 정보(ex. 약품 투여량))를 출력하도록 훈련된 모델일 수 있다. 제1 인공지능 모델은, 센싱 데이터를 유지하기 위한 일정 조건(ex. 일정 범위)에 대해서도 입력 받을 수 있다.

상술한 실시 예들에 따라 (최적의) 동작 정보가 판단되면, ECTU(100)는 동작 정보에 따른 동작 주기 또는 동작 시간 등을 식별할 수 있다.

그리고, ECTU(100)는 식별된 동작 주기 또는 동작 시간 등에 따라 구동 장치(20)를 제어하도록 제어 장치(30)를 제어할 수 있다.

즉, ECTU(100)는, 식별된 동작 주기/시간에 맞는 시점에 제어 장치(30)의 제어 신호가 구동 장치(20)로 전송되도록 조정할 수 있다. 여기서, 제어 장치(30)의 제어 신호는, 구동 장치(20)로 하여금 제어 장비를 구동하도록 하는 명령 신호에 해당할 수 있다.

구체적으로, ECTU(100)는 동작 정보에 따라 제어 장비가 구동될 시점을 특정하고, 특정된 시점에 제어 신호가 구동 장치(20)로 전송되게끔 제어 장치(30)를 제어할 수 있다.

일 예로, 제어 장치(30)가 동작 정보와 무관한(다른) 시점에 제어 신호를 생성하는 경우, ECTU(100)는 제어 장치(30)의 제어 신호가 구동 장치(20)로 전송되지 않도록 제어할 수 있다. 이를 위해, ECTU(100)는 제어 신호의 전송을 비활성화하는 명령 신호를 제어 장치(30)로 전송하거나 또는 적어도 하나의 데이터 소자(ex. AND)를 통해 제어 장치(30)의 제어 신호가 출력되는 회선과 연결되어 제어 신호의 출력을 조정할 수 있으나, 이에 한정되지 않는다.

또한, 제어 장치(30)가 동작 정보에 해당하는 시점에 제어 신호를 생성하지 않는 경우, ECTU(100)는 제어 신호를 생성하도록 제어 장치(30)를 제어할 수도 있다.

또는, ECTU(100)는, 판단된 동작 정보에 따른 동작 조건과 제어 장비의 실제 동작 조건이 매칭되지 않는 경우, 판단된 동작 정보를 적어도 하나의 서버로 전송할 수 있다.

구체적으로, 판단된 동작 정보에 따른 동작 시간, 동작 주기, 동작 강도가 실제 제어 장비의 동작 시간, 동작 주기, 동작 강도와 맞지 않는 경우(어느 하나의 항목이라도 맞지 않는 경우), ECTU(100)는 판단된 동작 정보를 서버(40)로 전송할 수 있다.

여기서, ECTU(100)는 판단된 동작 정보와 실제 제어 장비의 동작이 일치하지 않음을 알리는 정보, 및 판단된 동작 정보와 실제 제어 장비의 동작 정보 간의 차이에 대한 정보를 함께 전송할 수 있다.

이때, 서버(40)는 수신된 (판단된) 동작 정보를 적어도 하나의 사용자 장치로 전송할 수 있다. 그 결과, ECTU(100)가 제어 장치(30), 구동 장치(20), 제어 장비 등을 모니터링한 결과가 적어도 한 명의 전문가/사용자에게 제공될 수 있으며, 제공되는 (판단된) 동작 정보는 제어 장치(30) 등의 동작을 보완하기 위한 솔루션의 형태로 제공될 수 있다.

한편, ECTU(100)는, 제어 장비가 구동되기 전후의 센싱 데이터(제1 센싱 데이터, 제2 센싱 데이터)를 이용하여, 시스템(1000) 내 적어도 하나의 구성의 고장 여부를 판단할 수도 있다.

구체적으로, ECTU(100)는 센싱 데이터의 이력, 제어 장비의 구동 이력, 각 구성 별(센서, 구동 장치, 제어 장치 등) 전력 소모 이력 등을 이용하여, 제어 장비, 센서(10), 구동 장치(20), 제어 장치(30) 중 적어도 하나의 고장 여부를 판단할 수 있다.

일 예로, 수압이 일정 값 이하로 낮아짐에 따라 제어 장비(ex. 펌프)가 구동되었음에도 수압이 일정 값 이상으로 회복되지 않는 경우, ECTU(100)는 적어도 하나의 구성에 문제가 생겼음을 식별할 수 있다.

다른 예로, 제어 장비인 펌프(: 수압 증가용)가 구동되었고 그에 따라 전력 소모량도 증가했음에도, 센싱 데이터에 따른 수압이 감소한 경우, ECTU는 제어 장비의 고장이 발생한 것으로 판단할 수 있다.

이때, ECTU(100)는 적어도 하나의 인공지능 모델(제2 인공지능 모델)을 이용하여, 고장 여부를 판단할 수도 있다.

일 실시 예로, ECTU(100)는 실시간으로 센서(10)를 통해 획득된 센싱 데이터, 실시간 제어 장비의 동작 정보, 각 구성 별 실시나 소모 전력 등을 제2 인공지능 모델에 입력하여, 적어도 하나의 구성의 고장 여부를 판단할 수 있다.

여기서, 제2 인공지능 모델로 입력되는 데이터(센싱 데이터, 제어 장비의 실시간 동작 정보, 소모 전력 등)는, ECTU(100)와 센서(10) 및/또는 제어 장치(30) 간의 통신 상태가 정상 범위인 시간 구간 내에서 수집된 실시간 데이터일 수 있다. 즉, ECTU(100)는, 통신 상태가 정상 범위인 시간 구간 내에서만, 실시간으로 획득되는 상술한 데이터를 제2 인공지능 모델로 입력하여 고장 여부를 판단할 수 있다.

제2 인공지능 모델은, 서로 다른 데이터 항목(센싱 데이터, 동작 정보, 전력 소모) 간의 상관 관계에 따라 적어도 하나의 가중치가 업데이트되는 방식으로 훈련된 모델일 수 있다.

ECTU(100)가 시스템(1000) 상에 설치된 이후, ECTU(100)는 (고장이 발생하지 않은) 일정 시간 구간 동안 수집된 센싱 데이터, 제어 장비의 동작 정보, 구성 별 전력 소모에 대한 정보 등을 통해 제2 인공지능 모델을 훈련시킬 수 있다.

이렇듯, 고장이 발생하지 않은 상태에서 수집된 데이터 항목들 간의 상관 관계를 바탕으로 훈련된 제2 인공지능 모델은, 이후 실시간으로 수집되는 데이터 항목들 간의 상관 관계가 기존에 훈련된 상관 관계와 이질적인지 여부를 판단할 수 있다.

만약, 이질적인 변화가 생긴 경우, ECTU(100)는 적어도 하나의 구성에 고장이 발생한 것으로 판단할 수 있다.

이때, 이질적인 변화에 해당하는 데이터 항목들 간의 상관 관계를 통해서는 제2 인공지능 모델의 (적어도 하나의 가중치의) 업데이트가 수행되지 않을 수 있다. 즉, 비정상적인(고장) 데이터를 통해서는 제2 인공지능 모델의 훈련이 수행되지 않음으로써, 훈련의 견실도가 유지될 수 있다.

또한, ECTU(100)는, 일정 시간 구간 동안 수집된 상술한 데이터 항목들 중 적어도 하나에 대하여 (계측 및 제어) 사이클을 정의할 수 있으며, 반복되는 사이클을 기준으로 급격하거나 이질적인 (센싱 데이터/전력 소모 등) 변화가 나타나는 시점을 식별할 수도 있다.

즉, ECTU(100)는 ECTU(100)가 설치된 이후 수집된 데이터 항목들을 기반으로 사이클을 정의할 수 있으며, 이후 실시간으로 획득되는 데이터들을 매 시점마다 사이클을 기준으로 분석하여, 기정의된 사이클에 비해 이질적인 변화가 생겼는지 여부를 매 시점 판단할 수 있다.

이때, 이질적인 변화가 생겼는지 여부는 각 데이터 항목(센싱 데이터, 동작 정보, 전력 소모)에 대하여 독립적으로 판단될 수도 있고, 및/또는 서로 다른 데이터 항목 간의 상관 관계에 따라 식별될 수도 있다.

만약, 적어도 하나의 구성에 고장이 생긴 경우, ECTU(100)는 고장 발생을 알리는 정보를 적어도 하나의 서버(40)로 전송할 수 있다. 이때, 서버(40)는 고장이 발생한 것으로 판단된 구성에 대한 정보를 서버(40)로 전송할 수 있다.

이 경우, 서버(40)는 적어도 하나의 사용자 장치로 고장을 알릴 수 있다.

또는, ECTU(100)는 제어 장치(30) 또는 ECTU(100)에 구비된 출력 인터페이스를 이용하여 고장을 알리는 알람을 제공할 수도 있다.

이렇듯, ECTU(100)는 기존에 센서(10), 구동 장치(20), 제어 장치(30) 등을 포함하는 시스템(1000)에 추가적으로 연동/설치된 이후, 시스템(1000)에 대하여 적응적으로 훈련되어 고차원의 분석을 수행할 수 있으며, 제어 장비의 효율적인 관리는 물론 고장에 대한 모니터링까지 수행할 수 있다.

한편, 상술한 제1 및 제2 인공지능 모델 각각은, 각각 서로 다른 레이어에 포함된 노드 간의 가중치가 변경됨에 따라 훈련될 수 있는 신경망 모델 형태로 구현될 수 있으나, 이에 한정되지 않는다. 상술한 제1 및 제2 인공지능 모델은, 각각 별도의 인공지능 모델로서 ECTU(100)의 프로세서를 통해 독립적으로 로드되어 이용될 수도 있고, 또는 하나의 인공지능 모델에 포함되어 통합 제어/훈련될 수도 있다.

한편, 도 4는 본 개시의 일 실시 예에 따라 시스템에 포함되는 ECTU의 상세한 구성을 설명하기 위한 블록도이다.

도 4를 참조하면, ECTU(100)는 전처리부(101), 입력부(102), 저장 장치(103), 학습부(104), 분석부(105), 전송부(106), 출력부(107), 설정부(108), 스크립트부(109) 등 다양한 기능적 블록/모듈/회로를 포함할 수 있다. 각 구성은 소프트웨어 및/또는 하드웨어로 구현될 수 있다.

전처리부(101)는 센서(10)를 통해 획득된 센싱 데이터에 대하여 전처리를 수행하기 위한 구성이다.

전처리부(101)는 센싱 데이터에 대하여 정규화, 데이터 변환, 분류, 노이즈 제거 등 다양한 전처리를 수행할 수 있다. 이를 위해, 전처리부(101)는 통계 모듈, 컨버터, 필터 등의 구성을 이용할 수 있다.

입력부(102)는 저장 장치(103)에 데이터를 저장하기 위한 구성이다. 전처리부(101)를 통해 전처리된 센싱 데이터는 입력부(102)를 통해 저장 장치(103)에 기록될 수 있다.

또한, 입력부(102)는 제어 장비의 동작 정보, 각 구성의 전력 사용량에 대한 정보 등을 획득하여 저장 장치(103)에 기록할 수 있다.

저장 장치(103)는, 다양한 메모리(ex. RAM, ROM, 플래시 메모리 등), 스토리지(ex. HDD, SSD) 등의 구성을 포함할 수 있다.

학습부(104)는 저장 장치(103)에 포함된 센싱 데이터 등을 훈련 데이터로 하여, 적어도 하나의 인공지능 모델(제1 인공지능 모델 또는 제2 인공지능 모델)을 훈련시키기 위한 구성이다.

일 예로, 학습부(104)는, 센싱 데이터의 이력, 제어 장비가 구동된 이력, 각 구성의 전력 소모 이력 등을 통해 제2 인공지능 모델을 훈련시킬 수 있다.

이 경우, 제2 인공지능 모델은, 시스템(1000) 내 계측 및 제어에 대한 사이클을 정의할 수 있으며, 이후 실시간으로 획득되는 센싱 데이터, 제어 장비의 구동 정보, 전력 소모 데이터 등을 기반으로 적어도 하나의 구성의 고장 여부를 판단할 수 있다(분석부(105)).

분석부(105)는 실시간으로 획득되는 다양한 데이터(센싱 데이터, 제어 장비의 동작 정보, 각 구성의 전력 소모 등)를 분석하기 위한 구성이다.

분석부(105)는 스케일링, 이상 데이터(노이즈) 제거, 시계열 분석, 빅데이터(실시간) 분석, 통계 처리, 추론, 병렬 분석 등의 기능을 수행할 수 있다.

이때, 분석부(105)는 분석 결과에 따라 제어 장비의 최적의 동작 정보를 판단할 수 있다. 또한, 분석부(105)는 분석 결과에 따라 적어도 하나의 고장 여부를 판단할 수도 있다. 이 경우, 분석부(105)는 (훈련된) 적어도 하나의 인공지능 모델(제1 인공지능 모델/제2 인공지능 모델)을 이용할 수 있다.

분석부(105)는 판단된 동작 정보에 따라 제어 장치(30)의 제어 신호 생성을 제어하기 위한 적어도 하나의 명령 신호를 생성할 수 있다.

출력부(107)는 적어도 하나의 명령 신호를 제어 장치(30)로 전송하기 위한 구성이다.

일 예로, 전처리부(101)는 분석부(105)에서 생성된 명령 신호에 대한 전처리(ex. 데이터 변환)를 수행하여 제어 장치(30)로 전송할 수 있다. 그 결과, 제어 장치(30)는 분석부(105)를 통해 판단된 동작 정보에 맞는 주기/시간/강도에 따라 제어 장비를 구동하도록 구동 장치(20)를 제어할 수 있다.

전송부(106)는 서버(40)로 다양한 데이터를 전송하기 위한 구성이다. 전송부(106)는 유선 및/또는 무선으로 서버(40)와 통신을 수행하기 위한 다양한 통신 모듈을 포함할 수 있으며, 서로 다른 네트워크 간의 연결점이 되는 적어도 하나의 게이트웨이 장치를 통해 서버(40)와 연결될 수도 있다.

일 예로, 전송부(106)는 실시간으로 저장 장치(103)에 기록된 센싱 데이터 중 현재 시점으로부터 일정 시간 구간 이전의 센싱 데이터를 서버(40)로 전송할 수 있다.

구체적인 예로, 저장 장치(103)의 기록 용량에 따라, 전송부(106)는 최근 시점의 일정 시간 구간 동안 수집된 센싱 데이터를 제외한 과거의 센싱 데이터를 서버(40)로 전송할 수 있다. 여기서, 저장 장치(103)는 서버(40)로 전송되는 센싱 데이터를 삭제할 수 있다. 이 경우, 저장 장치(103)에는 현재 시점을 기준으로 최근의 일정 시간 구간(ex. 일주일, 2주, 한 달 등) 동안의 센싱 데이터만이 남게 되어 저장 장치(103)의 데이터 용량 관리에 도움이 될 수 있다.

또한, 일 예로, 분석부(105)가 적어도 하나의 구성에 고장이 생긴 것으로 판단한 경우, 전송부(106)는 고장이 생겼음을 알리는 정보를 서버(40)로 전송할 수 있다. 이 경우, 서버(40)는 적어도 하나의 사용자 장치를 통해 고장을 알릴 수 있다.

이 밖에, 전송부(106)는, 분석부(105)가 센싱 데이터를 분석한 결과 획득된 다양한 분석 데이터를 서버(40)로 전송할 수 있다.

또한, 전송부(106)는 학습부(104)가 수행한 훈련에 이용된 센싱 데이터 및/또는 훈련된 인공지능 모델에 대한 데이터를 서버(40)로 전송할 수도 있다. 만약, 인공지능 모델이 서버(40)에 저장된 경우, 학습부(104)는 전송부(106)를 통해 훈련에 이용될 센싱 데이터를 서버(40)로 전송할 수 있으며, 학습부(104)는 서버(40)와의 통신을 기반으로 인공지능 모델의 훈련을 수행할 수 있다.

설정부(108)는 다양한 데이터의 분석 및 학습(훈련)과 관련된 다양한 인자/파라미터를 설정하기 위한 구성이다.

스크립트부(109)는 사용자 명령/사용자 설정을 적어도 하나의 스크립트 언어의 형태로 입력 받아 기록하는 한편, 입력된 사용자 명령에 따라 설정부(108)의 설정 항목을 제어하기 위한 구성이다. 스크립트부(109)의 설정 내용은 ECTU(100)가 생산되는 과정 또는 ECTU(100)가 시스템(1000)에 설치되는 과정에서 정의될 수 있으나, 이에 한정되지 않는다.

일 예로, 설정부(108)는 스크립트부(109)를 통해 수신된 사용자 명령을 통해 분석의 대상이 될 데이터 항목, 분석 방식, 인공지능 모델의 훈련에 이용될 데이터 항목, 분석 주기, 제어 방식 등을 설정할 수 있으나, 이에 한정되지 않는다.

한편, 이상에서 설명된 다양한 실시 예들은 서로 저촉되거나 모순되지 않는 한, 두 개 이상이 실시 예가 결합되어 구현될 수 있다.

한편, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합된 것을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다.

하드웨어적인 구현에 의하면, 본 개시에서 설명되는 실시 예들은 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(microprocessors), 기타 기능 수행을 위한 전기적인 유닛(unit) 중 적어도 하나를 이용하여 구현될 수 있다.

일부의 경우에 본 명세서에서 설명되는 실시 예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 상술한 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다.

한편, 상술한 본 개시의 다양한 실시 예들에 따른 시스템(1000) 내 적어도 하나의 전자 장치에서의 처리동작을 수행하기 위한 컴퓨터 명령어(computer instructions) 또는 컴퓨터 프로그램은 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium)에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어 또는 컴퓨터 프로그램은 특정 기기의 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 각 장치에서의 처리 동작을 상술한 특정 기기가 수행하도록 한다.

비일시적 컴퓨터 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. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.

이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.

1000: 시스템 100: ECTU

Claims (8)

1. 계측 및 제어를 위한 시스템에 있어서,
   적어도 하나의 센서;
   제어 장비를 구동하기 위한 구동 장치;
   상기 센서 및 상기 구동 장치에 각각 연결되고, PLC(Programmable Logic Controller) 및 RTU(Remote Terminal Unit) 중 적어도 하나로 구성된, 제어 장치; 및
   상기 제어 장치와 연결된 ECTU(Edge Computing Terminal Unit)를 포함하고,
   상기 제어 장치는,
   상기 센서를 통해 획득된 센싱 데이터가 기설정된 조건을 만족하는 경우, 상기 제어 장비를 구동하도록 상기 구동 장치를 제어하고,
   상기 ECTU는,
   상기 제어 장비가 구동되기 전에 상기 센서를 통해 획득된 제1 센싱 데이터 및 상기 제어 장비가 구동된 이후에 상기 센서를 통해 획득된 제2 센싱 데이터를 기반으로, 상기 제어 장비를 구동하기 위한 동작 정보를 판단하고,
   상기 ECTU는,
   상기 판단된 동작 정보에 따라 동작 주기 또는 동작 시간을 식별하고,
   상기 식별된 동작 주기 또는 동작 시간에 따라, 상기 구동 장치를 제어하기 위한 상기 제어 장치의 제어 신호가 상기 구동 장치로 전송되는 시점을 조정하고,
   상기 ECTU는,
   상기 센서를 통해 실시간으로 획득되는 센싱 데이터, 상기 제어 장비의 실시간 동작 정보, 및 상기 시스템 내 실시간 전력 사용량을 적어도 하나의 인공지능 모델에 입력하여, 고장의 발생 여부를 판단하고,
   상기 인공지능 모델은,
   상기 시스템 내에 상기 ECTU가 설치된 이후 수집된 복수의 데이터 항목 간의 상관 관계에 따라 훈련되고,
   상기 센서를 통해 실시간으로 획득되는 센싱 데이터, 상기 제어 장비의 실시간 동작 정보, 및 상기 시스템 내 실시간 전력 사용량이 입력되면, 상기 훈련된 상관 관계와의 매칭 여부에 따라 고장 여부를 판단하고,
   상기 복수의 데이터 항목은,
   상기 센서를 통해 획득되는 센싱 데이터, 상기 제어 장비의 동작 정보, 및 상기 시스템 내 전력 사용량을 포함하는, 시스템.
2. 제1항에 있어서,
   상기 ECTU는,
   상기 제1 센싱 데이터, 상기 제2 센싱 데이터, 상기 제어 장비가 구동된 시간, 및 상기 제어 장비의 구동에 따른 전력 소모량을 기반으로, 상기 제어 장비를 구동하기 위한 동작 정보를 판단하는, 시스템.
3. 제2항에 있어서,
   상기 ECTU는,
   상기 제어 장비가 구동될 때마다 상기 제어 장비의 구동 전후로 상기 센서를 통해 획득된 센싱 데이터를 식별하고,
   상기 식별된 센싱 데이터의 이력, 상기 제어 장비가 구동된 이력, 및 상기 제어 장비의 구동에 따른 전력 소모 이력을 기반으로, 상기 제어 장비를 구동하기 위한 동작 정보를 판단하는, 시스템.
4. 삭제
5. 제1항에 있어서,
   상기 ECTU는,
   상기 판단된 동작 정보에 따른 동작 조건과 상기 제어 장비의 실제 동작 조건이 매칭되지 않는 경우, 상기 판단된 동작 정보에 대한 정보를 적어도 하나의 서버로 전송하고,
   상기 서버는,
   상기 판단된 동작 정보에 대한 정보를 적어도 하나의 사용자 장치로 전송하는, 시스템.
6. 삭제
7. 제1항에 있어서,
   상기 ECTU는,
   상기 센서를 통해 획득된 센싱 데이터를 전처리하기 위한 전처리부;
   상기 전처리된 센싱 데이터를 저장하기 위한 저장부;
   상기 저장된 센싱 데이터를 기반으로, 적어도 하나의 인공지능 모델을 훈련시키기 위한 학습부;
   상기 센서를 통해 실시간으로 획득되는 센싱 데이터를 상기 인공지능 모델에 입력하여, 상기 제어 장비를 구동하기 위한 동작 정보를 판단하는, 분석부; 및
   상기 판단된 동작 정보를 기반으로, 상기 제어 장치로 하여금 상기 구동 장치를 제어하도록 하는 적어도 하나의 명령 신호를 출력하는, 출력부;를 포함하고,
   상기 분석부는,
   상기 센서를 통해 실시간으로 획득되는 센싱 데이터를 분석하여, 상기 센서, 상기 구동 장치, 및 상기 제어 장비 중 적어도 하나의 고장 여부를 판단하는, 시스템.
8. 계측 및 제어를 위한 시스템 내에서 PLC(Programmable Logic Controller) 또는 RTU(Remote Terminal Unit)와 연결된 ECTU(Edge Computing Terminal Unit)의 제어 방법에 있어서,
   제어 장비가 구동되기 전에 센서를 통해 감지된 제1 센싱 데이터를 획득하는 단계;
   상기 PLC 또는 상기 RTU의 제어 신호를 수신한 구동 장치가 상기 제어 장비를 구동한 경우, 상기 제어 장비가 구동된 이후 상기 센서를 통해 감지된 제2 센싱 데이터를 획득하는 단계: 및
   상기 제1 센싱 데이터 및 상기 제2 센싱 데이터를 기반으로, 상기 제어 장비를 구동하기 위한 동작 정보를 판단하는 단계;를 포함하고,
   상기 ECTU의 제어 방법은,
   상기 판단된 동작 정보에 따라 동작 주기 또는 동작 시간을 식별하는 단계; 및
   상기 식별된 동작 주기 또는 동작 시간에 따라, 상기 구동 장치를 제어하기 위한 제어 장치의 제어 신호가 상기 구동 장치로 전송되는 시점을 조정하는 단계;를 포함하고,
   상기 ECTU의 제어 방법은,
   상기 센서를 통해 실시간으로 획득되는 센싱 데이터, 상기 제어 장비의 실시간 동작 정보, 및 상기 시스템 내 실시간 전력 사용량을 적어도 하나의 인공지능 모델에 입력하여, 고장의 발생 여부를 판단하는 단계;를 더 포함하고,
   상기 인공지능 모델은,
   상기 시스템 내에 상기 ECTU가 설치된 이후 수집된 복수의 데이터 항목 간의 상관 관계에 따라 훈련되고,
   상기 센서를 통해 실시간으로 획득되는 센싱 데이터, 상기 제어 장비의 실시간 동작 정보, 및 상기 시스템 내 실시간 전력 사용량이 입력되면, 상기 훈련된 상관 관계와의 매칭 여부에 따라 고장 여부를 판단하고,
   상기 복수의 데이터 항목은,
   상기 센서를 통해 획득되는 센싱 데이터, 상기 제어 장비의 동작 정보, 및 상기 시스템 내 전력 사용량을 포함하는, ECTU의 제어 방법.

Images