KR102328842B1 - 설비 관리 방법 및 이를 실행하는 장치 - Google Patents

설비 관리 방법 및 이를 실행하는 장치 Download PDF

Info

Publication number
KR102328842B1
KR102328842B1 KR1020190060571A KR20190060571A KR102328842B1 KR 102328842 B1 KR102328842 B1 KR 102328842B1 KR 1020190060571 A KR1020190060571 A KR 1020190060571A KR 20190060571 A KR20190060571 A KR 20190060571A KR 102328842 B1 KR102328842 B1 KR 102328842B1
Authority
KR
South Korea
Prior art keywords
facility
failure
node
equipment
knowledge
Prior art date
Application number
KR1020190060571A
Other languages
English (en)
Other versions
KR20190135923A (ko
Inventor
이승룡
김도형
Original Assignee
경희대학교 산학협력단
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 경희대학교 산학협력단 filed Critical 경희대학교 산학협력단
Publication of KR20190135923A publication Critical patent/KR20190135923A/ko
Application granted granted Critical
Publication of KR102328842B1 publication Critical patent/KR102328842B1/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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model

Abstract

본 발명은 설비 관리 장치에서 실행되는 설비 관리 방법에 관한 것으로, 고장 보고서를 분석하여 설비 상황 정보를 각각 생성하는 단계, 상기 각각의 설비 상황 정보 사이의 상호 매칭 여부에 따라 해당 시설 상황 정보를 리스트화하여 지식 리스트를 생성하는 단계, 상기 지식 리스트를 이용하여 미리 생성된 지식맵을 갱신하는 단계 및 설비에 설치된 센서로부터 설비 상태에 대한 알람 신호를 수신하면, 상기 미리 생성된 지식맵를 이용하여 설비의 고장 진단 및 예측을 실행하는 단계를 포함한다. 따라서, 본 발명은 제철소와 같은 대규모 산업 시설에서 설비의 이상 발견하고 설비의 진단 및 고장을 예측을 위한 지식을 자동으로 제공할 수 있다는 장점이 있다.

Description

설비 관리 방법 및 이를 실행하는 장치{FACILITY MANAGEMENT METHOD AND APPARATUS PERFORMING THE SAME}
본 발명은 설비 관리 방법 및 이를 실행하는 장치에 관한 것으로, 보다 상세하게는 제철소와 같은 대규모 산업 시설에서 설비의 이상 발견하고 설비의 진단 및 고장을 예측을 위한 지식을 자동으로 제공하는 설비 관리 방법 및 이를 실행하는 장치에 관한 것이다.
대규모 산업 시설에서 기계 시스템에 결함이나 손상이 발생하였을 경우, 설비의 가동이 중단되어 조업 불가능에 따른 막대한 경제적 손실 또는, 산업재해로 이어져 인명과 사회적 피해를 유발할 수 있다.
따라서 기업은 정상적인 조업을 유지하여 경제적 이익의 극대화를 위해 고장으로 인한 피해를 근절하고자 안전관리 프로세스를 운영하고 있으며 예방정비와 고장예측에 많은 노력을 기울이고 있다.
예방정비는 고장을 미연에 방지하기 위한 가장 중요한 프로세스로 항상 설비의 상태를 최상으로 유지하는데 목적이 있다. 예방정비 프로세스의 한계는 주기적인 정비를 실행함에도 지속적으로 발생하는 고장을 예방할 수 없으며, 그 이유는 주기적인 정비가 효과가 있는 설비는 한정적이기 때문이다.
및 설비 이상 유무에 관계없이 수행되는 불필요한 과잉정비는 업무의 비효율과 경제적 손실을 유발한다는 문제가 있다. 고장조치는 고장이 발생했을 때, 적절한 대응으로 설비 가동율을 빠르게 회복시켜 피해를 최소화 하는 데 있다.
그러나 고장조치는 전적으로 인력에 의존하고 있으며, 설비전문가의 경험에 의해 고장진단과 조치가 이루어진다. 문제는 숙련된 설비전문가의 수는 한정적이며 설비전문가 부재 시 고장진단에 대한 실패 가능성이 커진다는 것이다.
또한, 전문가라 하더라도 경험에 의한 비체계적인 고장진단이 수행되므로 휴먼에러 가능성이 항상 존재하며, 경험하지 못한 상황에 대한 진단오류 발생 가능성이 항상 잠재되어 있다.
알람 시스템은 설비에 설치된 센서로부터 설비의 상태를 실시간으로 수집하여 컨트롤 룸의 운영자에게 제공함으로써, 인력에 의한 설비 관리의 한계를 보완하는데 이용 된다.
하지만 지속적인 설비 운용에 따른 설비 교체, 노후화, 센서 추가 등으로 인한 초기 알람시스템 설계의 변화는 알람 발생 패턴의 변화와 수많은 알람을 발생시킨다.
이러한 현상을 알람 프루딩(flooding)이라고 하며, 설비 모니터링 담당자가 처리할 수 있는 허용치를 초과하는 정보를 제공하여, 업무 피로를 제공하기 때문에 실제 업무에서 알람을 활용하기 보다는 담당자의 경험에 의존하여 문제를 파악하고 처리한다.
이러한 문제를 해결하고자 알람 처리를 위한 다양한 연구가 수행되고 있다. 연구의 대부분은 플루딩을 문제를 해결하는 데에 관심을 가지고 있다. 수학적 통계 모델을 이용하여 알람의 유형을 구분하고 알람 패턴을 분석하여 특이 알람을 추출하여 모니터링 담당자가 처리할 수 있는 수준으로 알람의 수를 줄이는데 목적이 있다.
이러한 연구의 한계는 처리 가능한 수준으로 알람이제공된다고 해도, 알람의 분석, 원인 진단, 고장예측 등 전문가의 판단이 필요하며, 이러한 과정은 수많은 시간과 노력이 요구된다.
고장지식은 전문가의 경험으로 일반화시키기 어려우며, 방대하게 누적된 자료로부터 지식을 찾아야하기 때문이다. 이러한 문제로 인해서 설비 이상 상태를 인지하여도 결국, 발생한 문제에 대한 조치가 늦어지기 때문에, 고장을 피할 수 없다.
본 발명은 제철소와 같은 대규모 산업 시설에서 설비의 이상 발견하고 설비의 진단 및 고장을 예측을 위한 지식을 자동으로 제공하는 설비 관리 방법 및 이를 실행하는 장치를 제공하는 것을 목적으로 한다.
또한, 본 발명은 일반화시키기 어려운 전문가의 고장 경험 지식을 고장 룰로 정의하도록 함으로써 축적된 고장 경험을 재이용이 가능하도록 하는 설비 관리 방법 및 이를 실행하는 장치를 제공하는 것을 목적으로 한다.
또한, 본 발명은 자연어로 작성된 고장 보고서를 분석 및 처리하여 구조화된 지식으로 변화하여 지식맵을 구축함으로써 고장이 발생하게 된 경위를 진단하고 특정 현상 이후에 발생 가능한 문제를 예측할 수 있도록 하는 설비 관리 방법 및 이를 실행하는 장치를 제공하는 것을 목적으로 한다.
또한, 본 발명은 설비에 설치된 센서로부터 수신된 설비의 상태를 지시하는 알람이 발생하면 지식맵과 매핑하여 현재 설비의 상태로 예측 가능한 문제를 알아내거나 설비 상태가 유발된 과정을 진단할 수 있도록 하는 설비 관리 방법 및 이를 실행하는 장치를 제공하는 것을 목적으로 한다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
본 발명은 제철소와 같은 대규모 산업 시설에서 설비의 이상 발견하고 설비의 진단 및 고장을 예측을 위한 지식을 자동으로 제공하는 설비 관리 방법 및 이를 실행하는 장치를 제공하는 것을 목적으로 한다.
또한, 본 발명은 일반화시키기 어려운 전문가의 고장 경험 지식을 고장 룰로 정의하도록 함으로써 축적된 고장 경험을 재이용이 가능하도록 하는 설비 관리 방법 및 이를 실행하는 장치를 제공하는 것을 목적으로 한다.
또한, 본 발명은 자연어로 작성된 고장 보고서를 분석 및 처리하여 구조화된 지식으로 변화하여 지식맵을 구축함으로써 고장이 발생하게 된 경위를 진단하고 특정 현상 이후에 발생 가능한 문제를 예측할 수 있도록 하는 설비 관리 방법 및 이를 실행하는 장치를 제공하는 것을 목적으로 한다.
또한, 본 발명은 설비에 설치된 센서로부터 수신된 설비의 상태를 지시하는 알람이 발생하면 지식맵과 매핑하여 현재 설비의 상태로 예측 가능한 문제를 알아내거나 설비 상태가 유발된 과정을 진단할 수 있도록 하는 설비 관리 방법 및 이를 실행하는 장치를 제공하는 것을 목적으로 한다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
전술한 바와 같은 본 발명에 의하면, 제철소와 같은 대규모 산업 시설에서 설비의 이상 발견하고 설비의 진단 및 고장을 예측을 위한 지식을 자동으로 제공할 수 있다는 장점이 있다.
또한 본 발명에 의하면, 일반화시키기 어려운 전문가의 고장 경험 지식을 고장 룰로 정의하도록 함으로써 축적된 고장 경험을 재이용이 가능하도록 하다는 장점이 있다.
또한 본 발명에 의하면, 자연어로 작성된 고장 보고서를 분석 및 처리하여 구조화된 지식으로 변화하여 지식맵을 구축함으로써 고장이 발생하게 된 경위를 진단하고 특정 현상 이후에 발생 가능한 문제를 예측할 수 있다는 장점이 있다.
또한 본 발명에 의하면, 설비에 설치된 센서로부터 수신된 설비의 상태를 지시하는 알람이 발생하면 지식맵과 매핑하여 현재 설비의 상태로 예측 가능한 문제를 알아내거나 설비 상태가 유발된 과정을 진단할 수 있다는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 설비 관리 장치를 설명하기 위한 블록도이다.
도 2는 본 발명에 따른 설비 관리 방법의 일 실시예를 설명하기 위한 흐름도이다.
도 3은 본 발명에 따른 설비 관리 방법의 다른 일 실시예를 설명하기 위한 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 지식맵 생성 과정을 설명하기 위한 예시도이다.
전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 도면에서 동일한 참조부호는 동일 또는 유사한 구성요소를 가리키는 것으로 사용된다.
본 명세서에서 사용된 용어 중 “고장 보고서”는 고장이 발생한 경우 고장의 원인 분석 및 고장에 대한 조치과정을 기술한 문서이며, 고장에 대한 인과관계를 갖는 지식과 조치과정이 단계별로 기술된 전문가의 노하우를 포함하고 있다.
도 1은 본 발명의 일 실시예에 따른 설비 관리 장치를 설명하기 위한 블록도이다.
도 1을 참조하면, 설비 관리 장치(100)는 설비 관리 실행부(110), 고장 룰 데이터베이스(120), 고장 보고서 분석부(130), 지식 리스트 생성부(140) 및 지식맵 관리부(150)를 포함한다.
설비 관리 실행부(110)는 설비에 설치된 센서로부터 설비 상태에 대한 알람 신호를 수신하면, 지식맵 관리부(150)에 의해 생성된 지식맵을 기초로 알람 신호에 해당하는 시설의 고장 예측 및 진단을 실행한다.
먼저, 설비 관리 실행부(110)는 설비에 설치된 센서로부터 설비 상태에 대한 알람 신호를 수신하면, 고장 룰 데이터베이스(120)에서 알람 신호에 해당하는 설비 상황 조건을 결정한다.
그 후, 설비 관리 실행부(110)는 설비 상황 조건에 해당하는 설비 상황 정보를 추출한 후 지식맵 관리부(150)에 의해 생성된 지식맵의 각각의 노드 중 설비 상황 정보와 매칭되는 설비 상황 정보가 저장되어 있는 노드가 존재하는지 여부를 확인한다.
그런 다음, 설비 관리 실행부(110)는 지식맵 관리부(150)에 의해 생성된 지식맵의 각각의 노드 중 상기 설비 상황 정보와 매칭되는 설비 상황 정보가 저장되어 있는 노드가 존재하는지 여부를 확인한다.
만일, 설비 관리 실행부(110)는 지식맵의 각각의 노드 중 상기 설비 상황 정보와 매칭되는 설비 상황 정보가 저장되어 있는 노드가 존재하면, 노드 및 노드와 연결된 다른 노드를 이용하여 설비의 고장을 예측 및 진단한다.
일 실시예에서, 설비 관리 실행부(110)는 지식맵의 각각의 노드 중 상기 설비 상황 정보와 매칭되는 설비 상황 정보가 저장되어 있는 노드 및 노드의 부모 노드 각각에 저장된 설비 상황 정보를 이용하여 알람 신호에 해당하는 설비의 고장을 진단할 수 있다.
다른 일 실시예에서, 설비 관리 실행부(110)는 지식맵의 각각의 노드 중 상기 설비 상황 정보와 매칭되는 설비 상황 정보가 저장되어 있는 노드 및 노드의 자식 노드 각각에 저장된 설비 상황 정보를 이용하여 알람 신호에 해당하는 설비의 고장을 예측할 수 있다.
이때, 설비 관리 실행부(110)는 자식 노드가 부모 노드로 이용되는 경우, 부모 노드와 연결된 자식 노드 각각에 저장된 설비 상황 정보를 함께 이용하여 알람 신호에 해당하는 설비의 고장을 예측할 수 있다.
상기와 같이, 설비 관리 실행부(110)가 지식맵의 각각의 노드 중 상기 설비 상황 정보와 매칭되는 설비 상황 정보가 저장되어 있는 노드 각각에 저장된 정보를 이용하여 알람 신호에 해당하는 설비의 고장을 예측 및 진단하는 이유는, 지식맵의 각각 노드는 해당 노드에 저장된 설비 상황 정보의 유사도를 기준으로 서로 연결되기 때문이다.
고장 룰 데이터베이스(120)에는 전문가의 경험 지식을 기초로 생성된 고장 룰이 저장되어 있다.
고장 룰 데이터베이스(120)에 저장된 고장 룰은 설비 상황 조건 및 설비 상황 정보를 포함하고, 설비 상황 정보는 고장 발생 설비 및 고장 상황 정보를 포함한다.
따라서, 설비 관리 실행부(110)가 고장 룰 데이터베이스(120)에서 알람 신호에 해당하는 설비 상황 조건을 결정하고, 설비 상황 조건에 해당하는 설비 상황 정보를 추출한 후 지식맵 관리부(150)에 의해 생성된 지식맵의 각각의 노드 중 설비 상황 정보와 매칭되는 설비 상황 정보가 저장되어 있는 노드가 존재하는지 여부를 확인할 수 있는 것이다.
이하에서는, 설비 관리 실행부(110)가 설비에 설치된 센서로부터 설비 상태에 대한 알람 신호를 수신할 때 알람 신호에 해당하는 시설의 고장 예측 및 진단을 실행할 수 있도록 기초가 되는 지식맵을 생성하는 과정을 설명하기로 한다.
고장 보고서 분석부(130)는 고장 보고서를 수신한 후, 고장 보고서를 분석하여 설비 상황 정보를 생성하여 지식 리스트 생성부(140)에 제공한다. 이때, 설비 상황 정보는 고장 발생 설비 및 고장 상황 정보(즉, 설비의 상태 및 설비의 동작)를 포함한다.
일 실시예에서, 고장 보고서 분석부(130)는 고장 보고서를 문장 단위로 분석한 후 문장 각각에서 고장 발생 설비 및 고장 상황 정보를 추출하고, 고장 발생 설비 및 고장 상황 정보를 포함하는 설비 상황 정보를 생성한다.
상기의 고장 보고서는 고장이 발생한 경우 고장의 원인 분석 및 고장에 대한 조치 과정을 기술한 문서이며, 고장에 대한 인과관계를 갖는 지식과 조치과정이 단계별로 기술된 전문가의 노하우를 포함하고 있다.
종래에는 고장 보고서가 문서화되어 있기 때문에 재이용하기 위한 체계적인 관리가 되지 않아 원하는 정보를 획득하기에 어려움이 있다. 하지만, 이러한 고장의 인과관계를 갖는 고장 보고서의 내용을 이용하면, 고장이 발생하게 된 경위를 진단하고 특정 현상 이후에 발생 가능한 문제를 예측할 수 있다.
상기와 같이, 고장 보고서 분석부(130)는 고장 보고서를 분석하여 설비 상황 정보를 생성한 후 고장 상황 정보를 지식 리스트 생성부(140)에 제공한다.
지식 리스트 생성부(140)는 고장 보고서 분석부(130)로부터 수신된 설비 상황 정보에서 고장 발생 설비 및 고장 상황 정보를 추출하고, 고장 발생 설비 및 고장 상황 정보를 포함하는 복수의 노드를 생성한다. 그런 다음, 지식 리스트 생성부(140)는 복수의 노드 각각에 대해서 고장 발생 설비 및 고장 상황 정보가 매칭되는 각각의 노드를 리스트화하여 지식 리스트를 생성한 후 지식맵 관리부(150)에 제공한다.
지식맵 관리부(150)는 지식 리스트 생성부(140)로부터 지식 리스트를 수신하면, 지식 리스트를 이용하여 미리 생성된 지식맵를 갱신한다.
일 실시예에서, 지식맵 관리부(150)는 미리 생성된 지식맵의 노드 및 지식 리스트의 노드 각각에 저장된 정보를 비교하여 노드 사이의 유사도를 산출한다. 그런 다음, 지식맵 관리부(150)는 유사도를 기초로 상기 지식 리스트를 이용하여 상기 미리 생성된 지식맵를 갱신한다.
상기의 실시예에서, 지식맵 관리부(150)는 하기의 [수학식 1]을 기초로 상기 지식 리스트의 각각의 노드에 저장된 설비 상황 정보 및 상기 미리 생성된 지식맵의 각각 노드에 저장된 설비 상황 정보 사이의 텍스트 유사도 및 관계 유사도를 결정하고, 텍스트 유사도 및 관계 유사도를 이용하여 노드 사이의 유사도를 산출한다.
이때, 지식 리스트의 각각의 노드에 저장된 설비 상황 정보 및 미리 생성된 지식맵의 각각 노드에 저장된 설비 상황 정보 각각은 동일하게 고장 발생 설비 및 고장 상황 정보가 저장되어 있기 때문에 노드 사이의 정보를 비교하여 텍스트 유사도 및 관계 유사도를 결정할 수 있는 것이다.
[수학식 1]
Figure 112019052925311-pat00001
ndj: 그래프 d의 j번째 노드,
npi: 그래프 p의 i번째 노드,
Sim(ndj,npi): 그래프 d의 j번째 노드 및 그래프 p의 i번째 노드의 유사도를 결정하는 함수,
SimText(ndj,npi): 그래프 d의 j번째 노드 및 그래프 p의 i번째 노드의 텍스트 유사도를 결정하는 함수,
SimRel(ndj,npi): 그래프 d의 j번째 노드 및 그래프 p의 i번째 노드 사이의 관계 유사도를 결정하는 함수
먼저, 지식 리스트의 각각의 노드에 저장된 설비 상황 정보 및 상기 미리 생성된 지식맵의 각각 노드에 저장된 설비 상황 정보 사이의 텍스트 유사도를 산출하는 과정을 설명하기로 한다.
지식맵 관리부(150)는 지식 리스트의 각각의 노드에 저장된 설비 상황 정보 및 상기 미리 생성된 지식맵의 각각 노드에 저장된 설비 상황 정보를 텍스트 단위로 비교하여 동일한 단어가 존재하는지 여부를 확인하여 텍스트 유사도를 산출한다.
일 실시예에서, 지식맵 관리부(150)는 지식 리스트의 각각의 노드에 저장된 설비 상황 정보 및 상기 미리 생성된 지식맵의 각각 노드에 저장된 설비 상황 정보를 텍스트 단위로 비교하여 동일한 단어가 존재하는 경우, 단어의 개수에 따라 상기 유사도를 산출한다.
상기의 실시예에서, 지식맵 관리부(150)는 지식 리스트의 각각의 노드에 저장된 설비 상황 정보 및 상기 미리 생성된 지식맵의 각각 노드에 저장된 설비 상황 정보의 유사도가 특정 값 이상일 때, 해당 노드 각각과 연결된 다른 노드의 개수에 따라 상기 관계 유사도를 결정한다.
또한, 지식맵 관리부(150)는 하기의 [수학식 2]를 참조하여 일 실시예에서, 지식맵 관리부(150)는 미리 생성된 지식맵의 노드 및 지식 리스트의 노드 각각에 저장된 정보를 비교하여 노드 사이의 유사도를 산출한다. 그런 다음, 지식맵 관리부(150)는 유사도를 기초로 상기 지식 리스트를 이용하여 상기 미리 생성된 지식맵를 갱신한다.
[수학식 2]
Figure 112019052925311-pat00002
ndj: 그래프 d의 j번째 노드,
npi: 그래프 p의 i번째 노드,
Sim(ndj,npi): 그래프 d의 j번째 노드 및 그래프 p의 i번째 노드의 유사도를 결정하는 함수,
EditDistance(): 지식 리스트의 각각의 노드에 저장된 설비 상황 정보를미리 생성된 지식맵의 각각 노드에 저장된 설비 상황 정보로 변경하는데 필요한 횟수를 산출하는 함수
지식맵 관리부(150)는 지식 리스트의 각각의 노드에 저장된 설비 상황 정보 및 상기 미리 생성된 지식맵의 각각 노드에 저장된 설비 상황 정보를 비교하여 지식 리스트의 각각의 노드에 저장된 설비 상황 정보를 미리 생성된 지식맵의 각각 노드에 저장된 설비 상황 정보로 변경하는데 필요한 횟수를 산출하고, 횟수에 따라 유사도를 산출한다.
일 실시예에서, 지식맵 관리부(150)는 지식 리스트의 각각의 노드에 저장된 설비 상황 정보를 미리 생성된 지식맵의 각각 노드에 저장된 설비 상황 정보로 변경하는데 필요한 횟수가 특정 횟수 이하이면 지식 리스트의 각각의 노드에 저장된 설비 상황 정보를 미리 생성된 지식맵의 각각 노드에 저장된 설비 상황 정보가 유사하다고 판단한다.
도 2는 본 발명에 따른 설비 관리 방법의 일 실시예를 설명하기 위한 흐름도이다. 도 2에 개시된 일 실시예는 고장 보고서를 이용하여 지식맵를 생성할 수 있는 일 실시예에 관한 것이다.
도 2를 참조하면, 설비 관리 장치(100)는 고장 보고서를 분석하여 설비 상황 정보를 각각 생성한다(단계 S210).
단계 S210에 대한 일 실시예에서, 설비 관리 장치(100)는 고장 보고서를 문장 단위로 분석한 후 문장 각각에서 고장 발생 설비 및 고장 상황 정보를 추출하고, 고장 발생 설비 및 고장 상황 정보를 포함하는 설비 상황 정보를 생성한다.
설비 관리 장치(100)는 각각의 설비 상황 정보 사이의 상호 매칭 여부에 따라 해당 시설 상황 정보를 리스트화하여 지식 리스트를 생성한다(단계 S220).
단계 S220에 대한 일 실시예에서, 설비 관리 장치(100)는 고장 발생 설비 및 고장 상황 정보를 포함하는 복수의 노드를 생성하고, 복수의 노드 각각에 대해서 고장 발생 설비 및 고장 상황 정보가 매칭되는 각각의 노드를 리스트화하여 지식 리스트를 생성한다.
설비 관리 장치(100)는 지식 리스트를 이용하여 미리 생성된 지식맵를 갱신한다(단계 S230).
단계 S230에 대한 일 실시예에서, 설비 관리 장치(100)는 미리 생성된 지식맵의 노드 및 상기 지식 리스트의 노드 각각에 저장된 정보를 비교하여 노드 사이의 유사도를 산출하고, 유사도를 기초로 상기 지식 리스트를 이용하여 상기 미리 생성된 지식맵를 갱신한다.
이를 위해, 설비 관리 장치(100)는 지식 리스트의 각각의 노드에 저장된 설비 상황 정보 및 상기 미리 생성된 지식맵의 각각 노드에 저장된 설비 상황 정보를 텍스트 단위로 비교하여 동일한 단어가 존재하는 경우, 상기 단어의 개수에 따라 상기 유사도를 산출할 수 있다.
만일, 설비 관리 장치(100)는 지식 리스트의 특정 노드 및 상기 미리 생성된 지식맵의 특정 노드 사이의 유사도가 특정 값 이상인 경우, 미리 생성된 지식맵의 특정 노드를 기준으로 상기 지식 리스트를 그래프 형태로 구성하여 상기 미리 생성된 지식맵를 갱신한다.
도 3은 본 발명에 따른 설비 관리 방법의 다른 일 실시예를 설명하기 위한 흐름도이다. 도 3에 개시된 일 실시예는 고장 보고서를 이용하여 지식맵를 이용하여 설비의 고장 예측 및 진단을 실행할 수 있는 일 실시예에 관한 것이다.
도 3을 참조하면, 설비 관리 장치(100)는 설비에 설치된 센서로부터 설비 상태에 대한 알람 신호를 수신한다(단계 S310).
설비 관리 장치(100)는 고장 룰 데이터베이스에서 상기 알람 신호에 해당하는 설비 상황 정보를 추출한다(단계 S320).
설비 관리 장치(100)는 미리 생성된 지식맵의 각각의 노드 중 상기 설비 상황 정보와 매칭되는 설비 상황 정보가 저장되어 있는 노드가 존재하는지 여부를 확인한다(단계 S330).
설비 관리 장치(100)는 노드와 연결된 다른 노드를 이용하여 설비의 고장을 예측 및 진단한다(단계 S340).
단계 S340에 대한 일 실시예에서, 설비 관리 실행부(110)는 지식맵의 각각의 노드 중 상기 설비 상황 정보와 매칭되는 설비 상황 정보가 저장되어 있는 노드 및 노드의 부모 노드 각각에 저장된 설비 상황 정보를 이용하여 알람 신호에 해당하는 설비의 고장을 진단할 수 있다.
단계 S340에 대한 다른 일 실시예에서, 설비 관리 실행부(110)는 지식맵의 각각의 노드 중 상기 설비 상황 정보와 매칭되는 설비 상황 정보가 저장되어 있는 노드 및 노드의 자식 노드 각각에 저장된 설비 상황 정보를 이용하여 알람 신호에 해당하는 설비의 고장을 예측할 수 있다.
이때, 설비 관리 실행부(110)는 자식 노드가 부모 노드로 이용되는 경우, 부모 노드와 연결된 자식 노드 각각에 저장된 설비 상황 정보를 함께 이용하여 알람 신호에 해당하는 설비의 고장을 예측할 수 있다.
도 4는 본 발명의 일 실시예에 따른 지식맵 생성 과정을 설명하기 위한 예시도이다.
도 4를 참조하면, 설비 관리 장치(100)는 시설 A 및 시설 B 사이의 유사도를 산출한다. 시설 A는 그래프 P로 나타나며, 시설 B는 그래프 d로 나타난다. 시설 A의 그래프(Gp)는 노드(np) 및 노드를 연결하는 엣지(ep)를 포함하고, 시설 B의 그래프(Gd)는 노드(nd) 및 노드를 연결하는 엣지(ed)를 포함한다.
시설 A의 그래프(Gp) 중 i번째 노드(npi) 및 시설 B의 그래프(Gd) 중 j 번째 노드(ndj)의 유사도는 상술한 [수학식 1] 및 [수학식 2]과 같이 시설 A의 그래프(Gp) 중 i번째 노드(npi) 및 시설 B의 그래프(Gd) 중 j 번째 노드(ndj)의 텍스트 유사도 및 시설 A의 그래프(Gp) 중 i번째 노드(npi) 및 시설 B의 그래프(Gd) 중 j 번째 노드(ndj)의 유사도에 따라 결정된다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
100: 설비 관리 장치
110: 설비 관리 실행부
120: 고장 룰 데이터베이스
130: 고장 보고서 분석부
140: 지식 리스트 생성부
150: 지식맵 관리부

Claims (14)

  1. 설비 관리 장치에서 실행되는 설비 관리 방법에 있어서,
    고장 보고서를 분석하여 설비 상황 정보를 각각 생성하는 단계;
    상기 각각의 설비 상황 정보 사이의 상호 매칭 여부에 따라 해당 시설 상황 정보를 리스트화하여 지식 리스트를 생성하는 단계;
    상기 지식 리스트를 이용하여 미리 생성된 지식맵을 갱신하는 단계; 및
    설비에 설치된 센서로부터 설비 상태에 대한 알람 신호를 수신하면, 상기 미리 생성된 지식맵을 이용하여 설비의 고장 진단 및 예측을 실행하는 단계를 포함하고,
    상기 지식 리스트를 이용하여 미리 생성된 지식맵을 갱신하는 단계는
    상기 지식 리스트의 각각의 노드에 저장된 설비 상황 정보 및 상기 미리 생성된 지식맵의 각각 노드에 저장된 설비 상황 정보 사이의 텍스트 유사도 및 관계 유사도를 결정하는 단계; 및
    텍스트 유사도 및 관계 유사도를 이용하여 노드 사이의 유사도를 산출하고, 상기 유사도가 특정 값 이상인 경우, 상기 미리 생성된 지식맵의 특정 노드를 기준으로 상기 지식 리스트를 그래프 형태로 구성하여 상기 미리 생성된 지식맵을 갱신하는 단계를 포함하고,
    설비에 설치된 센서로부터 설비 상태에 대한 알람 신호를 수신하면, 상기 미리 생성된 지식맵을 이용하여 설비의 고장 진단 및 예측을 실행하는 단계는
    상기 지식맵의 각각의 노드 중 상기 생성된 설비 상황 정보와 매칭되는 설비 상황 정보가 저장되어 있는 노드 및 노드의 부모 노드 각각에 저장된 설비 상황 정보를 이용하여 알람 신호에 해당하는 설비의 고장을 진단하는 단계; 및
    상기 지식맵의 각각의 노드 중 상기 생성된 설비 상황 정보와 매칭되는 설비 상황 정보가 저장되어 있는 노드 및 노드의 자식 노드 각각에 저장된 설비 상황 정보를 이용하여 알람 신호에 해당하는 설비의 고장을 예측하는 단계를 포함하는 것을 특징으로 하는
    설비 관리 방법.
  2. 제1항에 있어서,
    상기 고장 보고서를 분석하여 설비 상황 정보를 각각 생성하는 단계는
    상기 고장 보고서를 문장 단위로 분석한 후 문장 각각에서 고장 발생 설비 및 고장 상황 정보를 추출하는 단계; 및
    상기 고장 발생 설비 및 상기 고장 상황 정보를 포함하는 설비 상황 정보를 생성하는 단계를 포함하는 것을 특징으로 하는
    설비 관리 방법.
  3. 제2항에 있어서,
    상기 해당 시설 상황 정보를 리스트화하여 지식 리스트를 생성하는 단계는
    상기 고장 발생 설비 및 상기 고장 상황 정보를 포함하는 복수의 노드를 생성하는 단계; 및
    상기 복수의 노드 각각에 대해서 고장 발생 설비 및 고장 상황 정보가 매칭되는 각각의 노드를 리스트화하여 지식 리스트를 생성하는 단계를 포함하는 것을 특징으로 하는
    설비 관리 방법.
  4. 삭제
  5. 삭제
  6. 삭제
  7. 제1항에 있어서,
    설비에 설치된 센서로부터 설비 상태에 대한 알람 신호를 수신하는 단계;
    고장 룰 데이터베이스에서 상기 알람 신호에 해당하는 설비 상황 정보를 추출하는 단계;
    상기 지식맵의 각각의 노드 중 상기 설비 상황 정보와 매칭되는 설비 상황 정보가 저장되어 있는 노드가 존재하는지 여부를 확인하는 단계; 및
    상기 확인 결과에 따라 상기 노드 및 상기 노드와 연결된 다른 노드를 이용하여 설비의 고장을 예측 및 진단하는 단계를 포함하는 것을 특징으로 하는
    설비 관리 방법.
  8. 고장 보고서를 분석하여 설비 상황 정보를 각각 생성하는 고장 보고서 분석부;
    상기 각각의 설비 상황 정보 사이의 상호 매칭 여부에 따라 해당 시설 상황 정보를 리스트화하여 지식 리스트를 생성하는 지식 리스트 생성부;
    상기 지식 리스트의 각각의 노드에 저장된 설비 상황 정보 및 미리 생성된 지식맵의 각각 노드에 저장된 설비 상황 정보 사이의 텍스트 유사도 및 관계 유사도를 결정하고, 텍스트 유사도 및 관계 유사도를 이용하여 노드 사이의 유사도를 산출하고, 상기 유사도가 특정 값 이상인 경우, 상기 미리 생성된 지식맵의 특정 노드를 기준으로 상기 지식 리스트를 그래프 형태로 구성하여 상기 미리 생성된 지식맵을 갱신하는 지식맵 관리부; 및
    상기 지식맵의 각각의 노드 중 상기 설비 상황 정보와 매칭되는 설비 상황 정보가 저장되어 있는 노드 및 노드의 부모 노드 각각에 저장된 설비 상황 정보를 이용하여 알람 신호에 해당하는 설비의 고장을 진단하고, 상기 지식맵의 각각의 노드 중 상기 설비 상황 정보와 매칭되는 설비 상황 정보가 저장되어 있는 노드 및 노드의 자식 노드 각각에 저장된 설비 상황 정보를 이용하여 알람 신호에 해당하는 설비의 고장을 예측하는 설비 관리 실행부를 포함하는 것을 특징으로 하는
    설비 관리 장치.
  9. 제8항에 있어서,
    상기 고장 보고서 분석부는
    상기 고장 보고서를 문장 단위로 분석한 후 문장 각각에서 고장 발생 설비 및 고장 상황 정보를 추출하고, 상기 고장 발생 설비 및 고장 상황 정보를 포함하는 설비 상황 정보를 생성하는 것을 특징으로 하는
    설비 관리 장치.
  10. 제9항에 있어서,
    상기 지식 리스트 생성부는
    상기 고장 발생 설비 및 고장 상황 정보를 포함하는 복수의 노드를 생성하고, 상기 복수의 노드 각각에 대해서 고장 발생 설비 및 고장 상황 정보가 매칭되는 각각의 노드를 리스트화하여 지식 리스트를 생성하는 것을 특징으로 하는
    설비 관리 장치.
  11. 삭제
  12. 삭제
  13. 삭제
  14. 제8항에 있어서,
    상기 설비 관리 실행부는
    고장 룰 데이터베이스에서 상기 알람 신호에 해당하는 설비 상황 정보를 추출하고, 상기 지식맵의 각각의 노드 중 상기 설비 상황 정보와 매칭되는 설비 상황 정보가 저장되어 있는 노드가 존재하는지 여부를 확인하고, 상기 확인 결과에 따라 상기 노드 및 상기 노드와 연결된 다른 노드를 이용하여 설비의 고장을 예측 및 진단하는 것을 특징으로 하는
    설비 관리 장치.
KR1020190060571A 2018-05-29 2019-05-23 설비 관리 방법 및 이를 실행하는 장치 KR102328842B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20180061001 2018-05-29
KR1020180061001 2018-05-29

Publications (2)

Publication Number Publication Date
KR20190135923A KR20190135923A (ko) 2019-12-09
KR102328842B1 true KR102328842B1 (ko) 2021-11-22

Family

ID=68837774

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190060571A KR102328842B1 (ko) 2018-05-29 2019-05-23 설비 관리 방법 및 이를 실행하는 장치

Country Status (1)

Country Link
KR (1) KR102328842B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021171441A1 (ja) * 2020-02-26 2021-09-02 日本電信電話株式会社 障害箇所特定装置、方法及びプログラム
KR102394658B1 (ko) * 2020-05-29 2022-05-04 경기대학교 산학협력단 설비 정지 이력을 이용한 발생 가능한 오류 리스트 도출 장치
CN114118483A (zh) * 2021-12-08 2022-03-01 北京鼎兴达信息科技股份有限公司 一种铁路维修作业指导方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101265062B1 (ko) * 2011-11-16 2013-05-16 주식회사 보나비젼 유사도 결정 방법 및 유사도 결정 장치

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR0169808B1 (ko) * 1995-03-29 1999-01-15 경주현 고장 진단용 전문가 시스템 및 고장진단방법
KR101073092B1 (ko) * 2009-12-29 2011-10-12 한국남동발전 주식회사 설비 고장 정비 시스템 및 설비 고장 정비 방법
KR20110107575A (ko) * 2010-03-25 2011-10-04 박윤교 산업설비 관리시스템 및 이의 운영방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101265062B1 (ko) * 2011-11-16 2013-05-16 주식회사 보나비젼 유사도 결정 방법 및 유사도 결정 장치

Also Published As

Publication number Publication date
KR20190135923A (ko) 2019-12-09

Similar Documents

Publication Publication Date Title
JP7017861B2 (ja) 異常検知システムおよび異常検知方法
KR102118670B1 (ko) Ict 인프라 관리 시스템 및 이를 이용한 ict 인프라 관리 방법
US10809704B2 (en) Process performance issues and alarm notification using data analytics
KR102328842B1 (ko) 설비 관리 방법 및 이를 실행하는 장치
EP1393141B1 (en) Provision of process related information
Vogel-Heuser et al. Criteria-based alarm flood pattern recognition using historical data from automated production systems (aPS)
CN109791401B (zh) 生成用于嵌入式分析和诊断/预测推理的故障模型
KR102444442B1 (ko) 설비 고장 진단 장치 및 방법
KR102102346B1 (ko) 함정설비의 상태기반 정비지원 시스템 및 방법
Agudelo et al. Integration of techniques for early fault detection and diagnosis for improving process safety: Application to a fluid catalytic cracking refinery process
WO2021064144A1 (en) Method and system for continuous estimation and representation of risk
Di Maio et al. Transient identification by clustering based on Integrated Deterministic and Probabilistic Safety Analysis outcomes
TWI780764B (zh) 裝置診斷裝置、裝置診斷方法、電漿處理裝置及半導體裝置製造系統
EP3217241A2 (en) Calibration technique for rules used with asset monitoring in industrial process control and automation systems
US10139788B2 (en) Remote data analytics to predict system components or device failure
KR102108975B1 (ko) 함정설비의 상태기반 정비 지원 장치 및 방법
EP3919996A1 (en) Method and apparatus for monitoring of industrial devices
Kondo et al. Process mining for alarm rationalization and fault patterns identification
AU2018285616B2 (en) Apparatus and method for automated identification and diagnosis of constraint violations
Bellini et al. A Deep Learning Approach for Short Term Prediction of Industrial Plant Working Status
US20190392076A1 (en) Intelligent plant operator log book information retrieval mechanism using latent semantic analysis and topic modeling for connected plants
da Silva et al. Knowledge awareness in alarm system database
CN110263949B (zh) 融合机器机理与人工智能算法系统的数据处理方法及系统
RU2777950C1 (ru) Обнаружение нештатных ситуаций для прогнозного технического обслуживания и определения конечных результатов и технологических процессов на основании качества данных
US20220229423A1 (en) System and method for operating an automated machine, automated machine, and computer-program product

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant