KR102335778B1 - Method and apparatus for estimating state of controlee - Google Patents

Method and apparatus for estimating state of controlee Download PDF

Info

Publication number
KR102335778B1
KR102335778B1 KR1020170031151A KR20170031151A KR102335778B1 KR 102335778 B1 KR102335778 B1 KR 102335778B1 KR 1020170031151 A KR1020170031151 A KR 1020170031151A KR 20170031151 A KR20170031151 A KR 20170031151A KR 102335778 B1 KR102335778 B1 KR 102335778B1
Authority
KR
South Korea
Prior art keywords
term
data
short
long
simulation
Prior art date
Application number
KR1020170031151A
Other languages
Korean (ko)
Other versions
KR20180104421A (en
Inventor
강성주
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020170031151A priority Critical patent/KR102335778B1/en
Publication of KR20180104421A publication Critical patent/KR20180104421A/en
Application granted granted Critical
Publication of KR102335778B1 publication Critical patent/KR102335778B1/en

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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • 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
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods

Landscapes

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

Abstract

제어 대상의 상태를 예측하는 방법 및 장치가 개시된다. 본 개시의 일 실시 예에 따른 제어 대상의 상태 예측 방법은, 단기 모사를 수행하여 단기 모사 데이터를 생성하는 단계; 상기 단기 모사의 수행 기간 동안 상기 제어 대상으로부터 수집된 실 데이터와 상기 단기 모사 데이터를 비교하는 단계; 상기 실 데이터와 상기 단기 모사 데이터가 유사하지 않다고 판단되는 경우, 미래의 예측 시점까지 장기 모사를 수행하여 장기 모사 데이터를 생성하는 단계; 및 상기 장기 모사 데이터에 오류가 존재한다고 판단되는 경우, 오류 발생 시점을 반환하는 단계를 포함할 수 있다.A method and apparatus for predicting a state of a control object are disclosed. A method for predicting a state of a control target according to an embodiment of the present disclosure includes: generating short-term simulated data by performing a short-term simulation; comparing the short-term simulated data with the real data collected from the control target during the short-term simulation execution period; When it is determined that the real data and the short-term simulated data are not similar, generating long-term simulated data by performing long-term simulation until a future prediction time; And when it is determined that there is an error in the long-term simulated data, it may include the step of returning an error occurrence time.

Description

제어 대상의 상태 예측 방법 및 장치{METHOD AND APPARATUS FOR ESTIMATING STATE OF CONTROLEE}Method and device for predicting the state of the control target

본 개시는 제어 대상의 상태를 예측하는 방법 및 장치에 대한 것이며, 보다 구체적으로는 제어 대상으로부터 수집되는 실데이터(real-data) 및 제어 대상에 대한 모사를 통하여 생성되는 모사데이터(simulated-data)를 이용하는 상태 예측 방법 및 장치에 대한 것이다.The present disclosure relates to a method and an apparatus for predicting the state of a control target, and more specifically, real-data collected from a control target and simulated data generated through simulation of the control target. To a state prediction method and apparatus using

최근 임베디드 시스템, 센서, 사물인터넷, 인공지능 등 정보 통신 기술의 발달로 인하여, 이기종의 시스템이 네트워크로 연결되어 하나의 목적을 수행하는 거대한 시스템의 형태로 진화하고 있다. 예를 들어, 수많은 생산 설비에 부착된 센서, 지능형 로봇, 스마트 기기를 착용한 작업자, 공정 관리자 등이 서로 연결되어 제품 생산을 관리하는 스마트 공장 등이 구현되고 있다. Recently, due to the development of information and communication technologies such as embedded systems, sensors, Internet of Things, and artificial intelligence, heterogeneous systems are evolving into a huge system that is connected to a network and serves a single purpose. For example, a smart factory in which sensors attached to numerous production facilities, intelligent robots, workers wearing smart devices, and process managers are connected to each other to manage product production, etc. are being implemented.

이러한 시스템을 적절히 구동하기 위해서는, 하나의 공장뿐만 아니라 그 내부의 설비, 사람, 공정의 흐름 등이 적절히 제어될 필요가 있다. 이들 제어 대상에 있어서, 제어 대상 각각의 상태 및 이들 상태들이 결합되어 표현되는 공정 관점에서의 상태가 제어하고자 하는 것일 수 있다. In order to properly operate such a system, it is necessary to properly control not only a single factory, but also facilities, people, and flow of processes therein. In these control objects, the state of each of the control objects and the state from the viewpoint of the process in which these states are combined and expressed may be the ones to be controlled.

현재, 제어 대상의 상태를 파악하여 제어 대상을 적절히 제어할 수 있는 제어 시스템의 구현이 요구되고 있다.
배경기술이 개시된 문헌: 제10-2011-0115168호 및 제10-2011-0005893호Currently, it is required to implement a control system capable of properly controlling the control target by grasping the state of the control target.
Documents disclosing background art: Nos. 10-2011-0115168 and No. 10-2011-0005893

본 개시의 기술적 과제는 실데이터 및 모사데이터를 이용하여 제어 대상의 미래의 상태를 예측하는 방법 및 장치를 제공하는 것이다.An object of the present disclosure is to provide a method and apparatus for predicting a future state of a control target using real data and simulated data.

본 개시에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The technical problems to be achieved in the present disclosure are not limited to the technical problems mentioned above, and other technical problems not mentioned will be clearly understood by those of ordinary skill in the art to which the present disclosure belongs from the description below. will be able

본 개시의 일 양상에 따르면 제어 대상의 상태를 예측하는 방법이 제공될 수 있다. 상기 방법은, 단기 모사를 수행하여 단기 모사 데이터를 생성하는 단계; 상기 단기 모사의 수행 기간 동안 상기 제어 대상으로부터 수집된 실 데이터와 상기 단기 모사 데이터를 비교하는 단계; 상기 실 데이터와 상기 단기 모사 데이터가 유사하지 않다고 판단되는 경우, 미래의 예측 시점까지 장기 모사를 수행하여 장기 모사 데이터를 생성하는 단계; 및 상기 장기 모사 데이터에 오류가 존재한다고 판단되는 경우, 오류 발생 시점을 반환하는 단계를 포함할 수 있다.According to an aspect of the present disclosure, a method of predicting a state of a control object may be provided. The method comprises the steps of performing a short-term simulation to generate short-term simulation data; comparing the short-term simulated data with the real data collected from the control target during the short-term simulation execution period; When it is determined that the real data and the short-term simulated data are not similar, generating long-term simulated data by performing long-term simulation until a future prediction time; And when it is determined that there is an error in the long-term simulated data, it may include the step of returning an error occurrence time.

본 개시에 대하여 위에서 간략하게 요약된 특징들은 후술하는 본 개시의 상세한 설명의 예시적인 양상일 뿐이며, 본 개시의 범위를 제한하는 것은 아니다.The features briefly summarized above with respect to the present disclosure are merely exemplary aspects of the detailed description of the present disclosure that follows, and do not limit the scope of the present disclosure.

본 개시에 따르면, 실데이터 및 모사데이터를 이용하여 제어 대상의 미래의 상태를 예측하는 방법 및 장치가 제공될 수 있다. According to the present disclosure, a method and apparatus for predicting a future state of a control target using real data and simulated data may be provided.

본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The effects obtainable in the present disclosure are not limited to the above-mentioned effects, and other effects not mentioned may be clearly understood by those of ordinary skill in the art to which the present disclosure belongs from the description below. will be.

도 1은 본 개시에 따른 제어 시스템 및 제어 대상 시스템을 설명하기 위한 도면이다.
도 2a는 도 1의 제어 시스템의 실데이터 수집부의 보다 구체적인 구성을 나타내는 도면이다.
도 2b는 도 1의 제어 시스템의 모사데이터 생성부의 보다 구체적인 구성을 나타내는 도면이다.
도 2c는 도 1의 제어 시스템의 응용 프로그램부의 보다 구체적인 구성을 나타내는 도면이다.
도 3은 본 개시에 따른 제어 시스템의 상태 예측 방법을 설명하기 위한 도면이다.
도 4는 도 3의 이해를 돕기 위하여 실데이터의 흐름과 생성된 모사데이터 간의 시계열적 비교를 보여주는 도면이다.
도 5는 본 개시에 따른 제어 시스템의 실행 결과를 예시적으로 보여주는 도면이다.1 is a view for explaining a control system and a control target system according to the present disclosure.
FIG. 2A is a diagram showing a more specific configuration of a real data collection unit of the control system of FIG. 1 .
FIG. 2B is a diagram showing a more specific configuration of the simulation data generating unit of the control system of FIG. 1 .
FIG. 2C is a diagram showing a more specific configuration of an application program unit of the control system of FIG. 1 .
3 is a diagram for explaining a method of predicting a state of a control system according to the present disclosure.
4 is a view showing a time-series comparison between the flow of real data and the generated simulated data to help the understanding of FIG. 3 .
5 is a diagram exemplarily showing an execution result of a control system according to the present disclosure.

이하에서는 첨부한 도면을 참고로 하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나, 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. Hereinafter, embodiments of the present disclosure will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art to which the present disclosure pertains can easily implement them. However, the present disclosure may be embodied in several different forms and is not limited to the embodiments described herein.

본 개시의 실시 예를 설명함에 있어서 공지 구성 또는 기능에 대한 구체적인 설명이 본 개시의 요지를 흐릴 수 있다고 판단되는 경우에는 그에 대한 상세한 설명은 생략한다. 그리고, 도면에서 본 개시에 대한 설명과 관계없는 부분은 생략하였으며, 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.In describing an embodiment of the present disclosure, if it is determined that a detailed description of a well-known configuration or function may obscure the gist of the present disclosure, a detailed description thereof will be omitted. And, in the drawings, parts not related to the description of the present disclosure are omitted, and similar reference numerals are attached to similar parts.

본 개시에 있어서, 어떤 구성요소가 다른 구성요소와 "연결", "결합" 또는 "접속"되어 있다고 할 때, 이는 직접적인 연결관계뿐만 아니라, 그 중간에 또 다른 구성요소가 존재하는 간접적인 연결관계도 포함할 수 있다. 또한 어떤 구성요소가 다른 구성요소를 "포함한다" 또는 "가진다"고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 배제하는 것이 아니라 또 다른 구성요소를 더 포함할 수 있는 것을 의미한다.In the present disclosure, when a component is "connected", "coupled" or "connected" to another component, it is not only a direct connection relationship, but also an indirect connection relationship in which another component exists in the middle. may also include. In addition, when a component is said to "include" or "have" another component, it means that another component may be further included without excluding other components unless otherwise stated. .

본 개시에 있어서, 제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용되며, 특별히 언급되지 않는 한 구성요소들간의 순서 또는 중요도 등을 한정하지 않는다. 따라서, 본 개시의 범위 내에서 일 실시 예에서의 제1 구성요소는 다른 실시 예에서 제2 구성요소라고 칭할 수도 있고, 마찬가지로 일 실시 예에서의 제2 구성요소를 다른 실시 예에서 제1 구성요소라고 칭할 수도 있다. In the present disclosure, terms such as first, second, etc. are used only for the purpose of distinguishing one component from other components, and unless otherwise specified, the order or importance between the components is not limited. Accordingly, within the scope of the present disclosure, a first component in one embodiment may be referred to as a second component in another embodiment, and similarly, a second component in one embodiment is referred to as a first component in another embodiment. can also be called

본 개시에 있어서, 서로 구별되는 구성요소들은 각각의 특징을 명확하게 설명하기 위함이며, 구성요소들이 반드시 분리되는 것을 의미하지는 않는다. 즉, 복수의 구성요소가 통합되어 하나의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있고, 하나의 구성요소가 분산되어 복수의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있다. 따라서, 별도로 언급하지 않더라도 이와 같이 통합된 또는 분산된 실시 예도 본 개시의 범위에 포함된다. In the present disclosure, the components that are distinguished from each other are for clearly explaining each characteristic, and the components do not necessarily mean that the components are separated. That is, a plurality of components may be integrated to form one hardware or software unit, or one component may be distributed to form a plurality of hardware or software units. Accordingly, even if not specifically mentioned, such integrated or distributed embodiments are also included in the scope of the present disclosure.

본 개시에 있어서, 다양한 실시 예에서 설명하는 구성요소들이 반드시 필수적인 구성요소들은 의미하는 것은 아니며, 일부는 선택적인 구성요소일 수 있다. 따라서, 일 실시 예에서 설명하는 구성요소들의 부분집합으로 구성되는 실시 예도 본 개시의 범위에 포함된다. 또한, 다양한 실시 예에서 설명하는 구성요소들에 추가적으로 다른 구성요소를 포함하는 실시 예도 본 개시의 범위에 포함된다. In the present disclosure, components described in various embodiments do not necessarily mean essential components, and some may be optional components. Accordingly, an embodiment composed of a subset of components described in an embodiment is also included in the scope of the present disclosure. In addition, embodiments including other components in addition to components described in various embodiments are also included in the scope of the present disclosure.

도면의 설명에 앞서, 본 개시에서 설명될 제어를 수행하는 시스템(이하, 제어 시스템) 및 제어 시스템에서의 제어의 목적 내지 대상이 되는 시스템(이하, 제어 대상 시스템)과, 제어 시스템의 필요성 및 제어 시스템에 요구되는 특성 등에 관하여 간략히 설명하기로 한다. Prior to the description of the drawings, a system (hereinafter, a control system) for performing control to be described in the present disclosure, a system to be controlled or a system to be controlled in the control system (hereinafter, a system to be controlled), and the necessity and control of the control system The characteristics required for the system will be briefly described.

제어 대상 시스템에서는 제어 대상이 무엇인가, 제어 대상의 무엇을 제어하는가 및 무엇에 의해 제어 대상을 제어하는가가 명확히 밝혀질 필요가 있다. 일례로서, 제어 대상이 빌딩의 방안이라고 할 때, 제어하고자 하는 제어 대상의 상태는 방안의 온도일 수 있고, 제어 수단은 히터일 수 있다. In the control target system, it is necessary to clarify what the control target is, what of the control target is controlled, and by what the control target is controlled. As an example, when the object to be controlled is a room in a building, the state of the object to be controlled may be the temperature of the room, and the control means may be a heater.

이러한 경우, 제어 시스템은 제어 대상의 상태를 제어하기 위하여, 제어 대상으로부터 데이터를 수집하고 분석하여 이상 상태로 보이는 흐름을 탐지하고 이를 정상 상태로 돌리기 위한 다양한 의사 결정 내지 지시를 할 수 있다. 예컨대, 제어 시스템은 빌딩의 방안으로부터, 보다 구체적으로는 빌딩의 방안에 부착된 센서 등으로부터, 방안의 온도에 관한 과거 및 현재의 데이터를 수집하고 분석하여, 방안의 온도가 낮아지면 히터를 가동하고 방안의 온도가 높아지면 히터 가동을 중단하는 의사 결정을 하는 방식으로 제어를 수행할 수 있다. In this case, in order to control the state of the control object, the control system collects and analyzes data from the control object to detect an abnormal flow and may make various decisions or instructions for returning it to a normal state. For example, the control system collects and analyzes past and present data on the temperature of the room from the room of the building, more specifically, from the sensor attached to the room of the building, and operates the heater when the temperature of the room decreases. Control can be performed by making a decision to shut down the heater when the room temperature rises.

따라서, 제어 시스템이 효과적으로 제어 대상 시스템을 제어하기 위하여는 적절한 정보의 획득과 분석 및 의사 결정이 요구될 수 있다. 특히, 자동차, 항공기, 열차, 발전소 등 제어 대상 시스템이 안전과 관련된 시스템일 경우, 제어 대상 시스템의 상태를 신속히 파악할 뿐만 아니라, 이상 상태가 감지될 경우 신속하고 선제적인 조치를 취하는 것이 필요할 수 있다. Accordingly, in order for the control system to effectively control the control target system, appropriate information acquisition, analysis, and decision-making may be required. In particular, when the system to be controlled, such as an automobile, an aircraft, a train, or a power plant, is a safety-related system, it may be necessary not only to quickly determine the state of the system to be controlled, but also to take prompt and preemptive measures when an abnormal state is detected.

그런데, 제어 대상 시스템으로부터 수집되는 데이터는, 제어 대상 시스템의 과거 및 현재에 관한 실데이터로서 제어 대상 시스템의 현재 상태를 판단할 수 있는 가장 정확한 정보이기는 하나, 실데이터만을 이용하어 제어를 수행하면 제어 대상 시스템에서 실제 이상 상태가 발생한 후에야 제어 시스템이 이를 감지할 수 있다는 점에서, 이상 상태에 대한 의사 결정 및 대처가 늦어질 수 있다. However, although the data collected from the control target system is real data regarding the past and present of the control target system, it is the most accurate information for determining the current state of the control target system. However, if control is performed using only real data, control In that the control system can detect an abnormal state only after an actual abnormal state occurs in the target system, decision-making and response to the abnormal state may be delayed.

따라서, 본 개시에서는 실데이터와 함께 모사(simulation)에 의해 생성되는 모사데이터를 이용하여 제어 대상 시스템의 미래의 이상 상태를 미리 예측하고자 한다. 여기서, 모사란, 컴퓨터 등과 같은 가상의 공간에서 제어 대상 시스템의 구조와 행위를 수학적으로 표현한 모델(이하, 제어 대상 시스템 모델)을 구축하고, 시간의 흐름에 따라 이 모델을 실행하여 제어 대상 시스템의 현재 상태와 실질적으로 동일한 상태를 구현하는 기법을 의미할 수 있다. 이러한 제어 대상 시스템 모델의 실행에 의하여 생성되는 데이터가 모사데이터일 수 있으며, 모사데이터는, 실데이터와 달리, 제어 대상 시스템의 미래의 상태를 나타낼 수 있다. Therefore, in the present disclosure, it is intended to predict in advance the future abnormal state of the control target system by using simulated data generated by simulation together with real data. Here, a model that mathematically expresses the structure and behavior of a control target system in a virtual space such as a simulation or a computer (hereinafter, a control target system model) is built, and this model is executed over time to It may refer to a technique for implementing a state substantially identical to the current state. Data generated by the execution of such a control target system model may be simulated data, and the simulated data may indicate a future state of the control target system, unlike real data.

특히, 본 개시에서는, 제어 대상 시스템에서의 이상 상태가 추정되기 전까지는 가까운 미래를 모사하는 단기 모사를 수행하는 반면, 제어 대상 시스템에서 이상 상태가 추정되는 경우에는 먼 미래를 모사하는 장기 모사를 수행함으로써, 제어 대상 상태의 이상 발생 시점을 보다 정확히 예측하고자 한다.In particular, in the present disclosure, a short-term simulation simulating the near future is performed until an abnormal state in the controlled system is estimated, whereas a long-term simulation simulating the distant future is performed when an abnormal state is estimated in the controlled system. By doing so, it is intended to more accurately predict the occurrence time of an abnormality in the control target state.

결과적으로, 본 개시에서는, 제어 시스템에서의 선제적인 의사 결정 및 그에 따른 조치를 가능하게 하고자 한다.As a result, in the present disclosure, it is intended to enable preemptive decision-making and actions accordingly in the control system.

또한, 도면의 설명에 앞서, 본 개시에서 사용하는 용어에 대한 정의는 다음과 같다.In addition, prior to the description of the drawings, definitions of terms used in the present disclosure are as follows.

- 단기 모사데이터: 단기 모사 행위를 통하여 생성되는 데이터.- Short-term imitation data: Data generated through short-term imitation.

- 단기 모사 단위 시간: 단기 모사를 통하여 예측하고자 하는 단위 시간. 이 기간 동안 단기 모사데이터가 생성될 수 있음.- Short-term simulation unit time: Unit time to be predicted through short-term simulation. Short-term simulations may be produced during this period.

- 단기 모사 연산 시간: 단기 모사데이터를 생성하기 위한 연산에 필요한 시간.- Short-term simulation operation time: The time required for calculation to generate short-term simulation data.

- 장기 모사데이터: 장기 모사 행위를 통하여 생성되는 데이터.- Long-term simulation data: Data generated through long-term simulation.

- 예측 시점: 장기 모사를 통하여 예측하고자 하는 미래의 시점. 현재 시점부터 이 예측 시점까지 장기 모사데이터가 생성될 수 있음.- Prediction time: The future time point to be predicted through long-term simulation. Long-term simulations can be generated from the present time to the time of this forecast.

- 장기 모사 연산 시간: 장기 모사데이터를 생성하기 위한 연산에 필요한 시간.- Long-term simulation operation time: The time required for calculation to generate long-term simulation data.

- 유사 판단 기준값: 실데이터와 단기 모사데이터 사이의 유사 여부를 판단하기 위한 기준값.- Similarity judgment standard value: A standard value for judging whether real data and short-term simulated data are similar.

- 오류 판단 기준값: 장기 모사데이터에 오류 데이터가 존재하는지를 판단하기 위한 기준값.- Error judgment standard value: The standard value for judging whether error data exists in the long-term simulation data.

- 초기 데이터: 단기 모사 또는 장기 모사의 시작 시점에서 사용되는 실데이터- Initial data: Actual data used at the start of short-term simulation or long-term simulation

이하, 첨부의 도면을 참조하여 본 개시의 실시예들에 대해서 설명한다.Hereinafter, embodiments of the present disclosure will be described with reference to the accompanying drawings.

도 1은 본 개시에 따른 제어 시스템 및 제어 대상 시스템을 설명하기 위한 도면이다.1 is a view for explaining a control system and a control target system according to the present disclosure.

도 1을 참조하면, 제어 시스템(100)은, 제어 대상 시스템(200)의 상태를 예측하기 위한 것으로서, 네트워크를 통하여 제어 대상 시스템(200)에 연결될 ㅅ 있다.Referring to FIG. 1 , the control system 100 is for predicting the state of the control target system 200 and may be connected to the control target system 200 through a network.

제어 시스템(100)은 제어 대상 시스템(200)으로부터 실데이터를 수집하는 실데이터 수집부(120), 모사를 수행하여 모사데이터를 생성하는 모사데이터 생성부(130), 및 실데이터 수집부(120)로부터 수집된 실데이터와 모사데이터 생성부(130)에 의하여 생성된 모사데이터를 이용하여 제어 대상 시스템(200)의 상태 예측을 수행하는 응용 프로그램부(110)를 포함할 수 있다. 제어 시스템(100)의 구체적인 구성 및 그 동작에 관하여는 도 2a 내지 도 2c를 참조하여 후술하기로 한다. The control system 100 includes a real data collection unit 120 that collects real data from the control target system 200 , a simulated data generator 130 that generates simulated data by performing a simulation, and a real data collection unit 120 . ) may include an application program unit 110 for performing state prediction of the control target system 200 using the real data collected from and the simulated data generated by the simulated data generation unit 130 . A detailed configuration of the control system 100 and its operation will be described later with reference to FIGS. 2A to 2C .

제어 대상 시스템(200)은 제어 시스템(100)에 의하여 제어되는 하나 이상의 장치, 공정, 이들의 조합 등을 포함할 수 있다. 본 실시예에서 제어 대상 시스템(200)에는 실데이터 수집을 위한 센서부(212)를 갖는 하나 이상의 임베디드 장치(210)가 연결될 수 있다. 그러나, 다른 실시예에서, 센서부(212)가 임베디드 장치(210)에 포함되지 않고 임베디드 장치(210)와 별개로 제어 대상 시스템(200)에 연결될 수도 있다. 센서부(212) 또는 임베디드 장치(210)는 네트워크를 통하여 제어 시스템(100)에 연결될 수 있다. The system to be controlled 200 may include one or more devices, processes, combinations thereof, etc. controlled by the control system 100 . In the present embodiment, one or more embedded devices 210 having a sensor unit 212 for collecting real data may be connected to the control target system 200 . However, in another embodiment, the sensor unit 212 may not be included in the embedded device 210 and may be connected to the control target system 200 separately from the embedded device 210 . The sensor unit 212 or the embedded device 210 may be connected to the control system 100 through a network.

특히, 센서부(212)는 제어 대상 시스템(200)의 소정 상태를 실시간으로 측정하여 이 상태 정보를 출력할 수 있다. 예컨대, 센서부(212)에 의해 측정되는 제어 대상 시스템(200)의 상태는 방안의 온도일 수 있다. 센서부(212)로부터 출력된 제어 대상 시스템(200)의 상태 정보는 제어 시스템(100) 특히, 제어 시스템(100)의 실데이터 수집부(120)로 전달될 수 있다. In particular, the sensor unit 212 may measure a predetermined state of the control target system 200 in real time and output this state information. For example, the state of the control target system 200 measured by the sensor unit 212 may be the temperature of the room. The state information of the control target system 200 output from the sensor unit 212 may be transmitted to the control system 100 , in particular, the real data collection unit 120 of the control system 100 .

이하, 도 2a 내지 도 2c를 참조하여, 도 1의 제어 시스템(100)의 구체적인 구성에 관하여 보다 상세히 설명하기로 한다.Hereinafter, a detailed configuration of the control system 100 of FIG. 1 will be described in more detail with reference to FIGS. 2A to 2C .

도 2a는 도 1의 제어 시스템의 실데이터 수집부의 보다 구체적인 구성을 나타내는 도면이다.FIG. 2A is a diagram showing a more specific configuration of a real data collection unit of the control system of FIG. 1 .

도 2a를 참조하면, 실데이터 수집부(120)는 실데이터 수집기(122), 실데이터 저장소(124) 및 실데이터 API(Application Programming Interface)(126)를 포함할 수 있다.Referring to FIG. 2A , the real data collection unit 120 may include a real data collector 122 , a real data storage 124 , and a real data application programming interface (API) 126 .

실데이터 수집기(122)는 제어 대상 시스템(200)에 연결된 임베디드 장치(210) 또는 센서부(212)로부터 제어 대상 시스템(200)의 상태와 관련된 실데이터를 수집할 수 있다. 이러한 실데이터에는, 단기 모사를 위한 초기 데이터. 단기 모사데이터와의 대비를 위하여 단기 모사 단위 시간 동안 수집된 데이터, 장기 모사를 위한 초기 데이터 등이 포함될 수 있다. The real data collector 122 may collect real data related to the state of the control target system 200 from the embedded device 210 or the sensor unit 212 connected to the control target system 200 . These real data include initial data for short-term simulation. For comparison with short-term simulation data, data collected during short-term simulation unit time, initial data for long-term simulation, etc. may be included.

실데이터 저장소(124)는 실데이터 수집기(122)로부터 수집된 실데이터를 저장할 수 있다.The real data storage 124 may store real data collected from the real data collector 122 .

실데이터 API(126)는 응용 프로그램부(110)와 모사데이터 생성부(130)가 실데이터 획득 등을 위하여 실데이터 수집부(120)에 접근하기 위한 기능을 제공할 수 있다.The real data API 126 may provide a function for the application program unit 110 and the simulated data generation unit 130 to access the real data collection unit 120 for real data acquisition and the like.

도 2b는 도 1의 제어 시스템의 모사데이터 생성부의 보다 구체적인 구성을 나타내는 도면이다.FIG. 2B is a diagram showing a more specific configuration of the simulation data generating unit of the control system of FIG. 1 .

도 2b를 참조하면, 모사데이터 생성부(130)는 모사기(132), 모사데이터 저장소(134), 모사데이터 API(136) 및 제어대상시스템 모델(138)을 포함할 수 있다.Referring to FIG. 2B , the replica data generation unit 130 may include a replicator 132 , a replica data storage 134 , a replica data API 136 and a control target system model 138 .

제어대상시스템 모델(138)은 제어 대상 시스템(200)의 구조와 행위를 수학적으로 표현한 모델을 나타낼 수 있다. 이러한 제어대상시스템 모델(138)이 실행됨으로써 모사데이터가 생성될 수 있다.The control target system model 138 may represent a model mathematically expressing the structure and behavior of the control target system 200 . By executing this control target system model 138, simulated data can be generated.

모사기(132)는 실데이터 수집부(120)로부터 수집된 초기 데이터와 제어대상시스템 모델(138)을 이용하는 단기 모사 연산 및 장기 모사 연산을 수행하여 단기 모사데이터 및 장기 모사데이터를 각각 생성할 수 있다. 단기 모사데이터는 현재 시각으로부터 상대적으로 가까운 미래에 대한 모사데이터일 수 있고, 장기 모사데이터는 현재 시각으로부터 상대적으로 먼 미래에 대한 모사데이터일 수 있다. 단기 모사 연산을 수행하는 시간 및 장기 모사 연산을 수행하는 시간을 제외하고, 모사기(132)는 대기 상태에 있을 수 있다. The simulator 132 may generate short-term simulated data and long-term simulated data, respectively, by performing short-term simulation operation and long-term simulation operation using the initial data collected from the real data collection unit 120 and the control target system model 138 . . The short-term simulated data may be simulated data for a relatively near future from the present time, and the long-term simulated data may be simulated data for a relatively distant future from the present time. Except for a time to perform a short-term simulation operation and a time to perform a long-term simulation operation, the simulator 132 may be in a standby state.

모사데이터 저장소(134)는 모사기(132)에 의해 생성된 모사데이터를 저장할 수 있다.The replica data storage 134 may store the replica data generated by the replicator 132 .

모사데이터 API(136)는 응용 프로그램부(110)와 실데이터 수집부(120)가 모사데이터 생성부(130)에 대한 제어 및 모사데이터 획득 등을 위하여 모사데이터 생성부(130)에 접근하기 위한 기능을 제공할 수 있다.The simulated data API 136 is for the application program unit 110 and the real data collection unit 120 to access the simulated data generation unit 130 for controlling and acquiring the simulated data for the simulated data generating unit 130. function can be provided.

도 2c는 도 1의 제어 시스템의 응용 프로그램부의 보다 구체적인 구성을 나타내는 도면이다.FIG. 2C is a diagram showing a more specific configuration of an application program unit of the control system of FIG. 1 .

도 2c를 참조하면, 응용 프로그램부(110)는 상태 예측기(112), 비교기(114) 및 시간관리기(116)를 포함할 수 있다.Referring to FIG. 2C , the application program unit 110 may include a state predictor 112 , a comparator 114 , and a time manager 116 .

상태 예측기(112)는 제어 대상 시스템(200)의 상태 예측을 위한 소정 기본 정보를 저장할 수 있다. 또한, 상태 예측기(112)는 비교기(114)와 시간관리기(116)를 이용함으로써 제어 대상 시스템(200)에 대한 상태 예측을 수행할 수 있다. 보다 구체적으로, 상태 예측기(112)는 모사기(132)에 단기 모사 또는 장기 모사를 요청함으로써 단기 모사 과정 또는 장기 모사 과정을 시작할 수 있다. 또한, 아래에서 설명하는 비교기(114)로부터 획득된 정보를 이용하여 단기 모사 과정에서 제어 대상 시스템(200)의 이상 상태를 추정하거나 또는 장기 모사 과정에서 제어 대상 시스템(200)의 오류 발생을 예측할 수 있다. 기타, 제어 시스템(100)에 대한 전반적인 제어 과정을 수행할 수 있다. The state predictor 112 may store predetermined basic information for predicting the state of the control target system 200 . Also, the state predictor 112 may predict the state of the control target system 200 by using the comparator 114 and the time manager 116 . More specifically, the state predictor 112 may start a short-term simulation process or a long-term simulation process by requesting a short-term simulation or a long-term simulation to the simulator 132 . In addition, by using the information obtained from the comparator 114 described below, it is possible to estimate the abnormal state of the control target system 200 in the short-term simulation process or to predict the occurrence of an error in the control target system 200 in the long-term simulation process. have. In addition, an overall control process for the control system 100 may be performed.

비교기(114)는 실데이터 수집부(120)로부터 획득된 실데이터와 모사데이터 생성부(130)로부터 획득된 모사데이터를 비교하거나, 또는, 모사데이터를 소정 기준값과 비교하는 등의 동작을 수행할 수 있다. 보다 구체적으로, 비교기(114)는 단기 모사데이터와 단기 모사 단위 시간 동안 수집된 실데이터의 유사도를 비교하여 그 결과를 상태 예측기(112)로 전달할 수 있다. 또는, 비교기(114)는 장기 모사데이터와 오류 판단 기준값을 비교하여 그 결과를 상태 예측기(112)로 전달할 수 있다. The comparator 114 compares the real data obtained from the real data collection unit 120 with the simulated data obtained from the simulated data generator 130, or compares the simulated data with a predetermined reference value. can More specifically, the comparator 114 may compare the similarity between the short-term simulated data and the real data collected during the short-term simulation unit time, and transmit the result to the state predictor 112 . Alternatively, the comparator 114 may compare the long-term simulated data with the error determination reference value and transmit the result to the state predictor 112 .

시간관리기(116)는 상태 예측기(112)에서 이용되는 여러 종류의 시간 데이터들에 관한 타이머를 제공할 수 있다. The time manager 116 may provide a timer for various types of time data used in the state predictor 112 .

도 3은 본 개시에 따른 제어 시스템의 상태 예측 방법을 설명하기 위한 도면이고, 도 4는 도 3의 이해를 돕기 위하여 실데이터의 흐름과 생성된 모사데이터 간의 시계열적 비교를 보여주는 도면이다. 이하, 도 3을 기준으로 설명하면서 필요에 따라 도 4를 함께 참조하기로 한다.3 is a view for explaining a method for predicting a state of a control system according to the present disclosure, and FIG. 4 is a view showing a time-series comparison between the flow of real data and the generated simulated data to help the understanding of FIG. 3 . Hereinafter, while explaining with reference to FIG. 3, reference will also be made to FIG. 4 as needed.

단계 S301에서, 상태 예측기(112)의 기본 정보가 설정될 수 있다. In step S301, basic information of the state predictor 112 may be set.

일례로서, 상태 예측기(112)의 기본 정보는, 단기 모사 단위 시간(Tunit), 단기 모사 연산 시간(Tsim-srt), 예측 시점(Tpred), 장기 모사 연산 시간(Tsim-long), 단기 모사를 위해 사용될 초기 데이터 수집 시간(Tinit), 유사 판단 기준값(Vsmr), 오류 판단 기준값(Estd) 등을 포함할 수 있다. As an example, the basic information of the state predictor 112 is a short-term simulation unit time (Tunit), a short-term simulation operation time (Tsim-srt), a prediction time (Tpred), a long-term simulation operation time (Tsim-long), a short-term simulation It may include an initial data collection time Tinit, a similarity determination reference value Vsmr, an error determination reference value Estd, etc. to be used for this purpose.

단계 S303에서, 상태 예측기(112)는 모사기(132)에 현재 시각(Treq)으로부터 단기 모사 단위 시간(Tunit) 동안 단기 모사를 수행할 것을 요청함으로써 제어 대상 시스템(200)에 대한 상태 예측이 시작될 수 있다.In step S303, the state predictor 112 requests the simulator 132 to perform a short-term simulation for a short-term simulation unit time (Tunit) from the current time (Treq). have.

단계 S305에서, 모사기(132)는 단계 S303의 단기 모사 요청에 따라 실데이터 수집부(120)로부터 단기 모사를 위한 초기 데이터를 획득할 수 있다. In step S305, the simulator 132 may acquire initial data for short-term simulation from the real data collection unit 120 according to the short-term simulation request of step S303.

여기서, 단기 모사를 위한 초기 데이터는, 현재 시각(Treq)으로부터 과거에 해당하는 초기 데이터 수집 기간(Tinit) 동안 수집된 실데이터일 수 있다. Here, the initial data for the short-term simulation may be real data collected during the initial data collection period Tinit corresponding to the past from the current time Treq.

단계 S307에서, 모사기(132)는 단계 S305에서 획득된 초기 데이터 및 제어 대상 시스템 모델(138)을 이용한 단기 모사를 수행하여 단기 모사데이터를 생성할 수 있다. In step S307, the simulator 132 may generate short-term simulation data by performing a short-term simulation using the initial data obtained in step S305 and the control target system model 138.

여기서, 단기 모사데이터 생성을 위한 연산은 현재 시각(Treq)으로부터 단기 모사 연산 시간(Tsim-srt) 동안 수행될 수 있다. 단기 모사 연산 시간(Tsim-srt)은 단기 모사 단위 시간(Tunit) 보다 작은 값을 가질 수 있다. 단, 단기 모사 연산 시간(Tsim-srt)이 단기 모사 단위 시간(Tunit)보다 작더라도, 이는 연산에 소요되는 시간일 뿐, 생성되는 단기 모사데이터는 단기 모사 단위 시간(Tunit) 동안의 데이터일 수 있다. Here, the operation for generating short-term simulation data may be performed from the current time (Treq) for a short-term simulation operation time (Tsim-srt). The short-term simulation operation time (Tsim-srt) may have a smaller value than the short-term simulation unit time (Tunit). However, even if the short-term simulation operation time (Tsim-srt) is smaller than the short-term simulation unit time (Tunit), this is only the time required for the operation, and the short-term simulation data generated may be data during the short-term simulation unit time (Tunit). have.

단기 모사 연산 시간(Tsim-srt)이 종료되면 생성된 단기 모사데이터는 비교기(114)에 저장될 수 있다. 모사기(132)는 단기 모사 연산 시간(Tsim-srt)이 종료되면 그 동작을 중지하고 단기 모사 단위 시간(Tunit)이 종료될 때까지 대기 상태에 있을 수 있다.When the short-term simulation operation time (Tsim-srt) ends, the generated short-term simulation data may be stored in the comparator 114 . The simulator 132 may be in a standby state until the short-term simulation operation time (Tsim-srt) is terminated, the operation is stopped and the short-term simulation unit time (Tunit) is terminated.

한편, 실데이터는 제어 시스템(100)의 다른 구성 요소 예컨대, 응용 프로그램부(110), 모사데이터 생성부(130) 등의 동작과 무관하게, 실데이터 수집부(120)에 의하여 연속적으로 수집 및 저장될 수 있다. 따라서, 단기 모사 단위 시간(Tunit) 동안에도 실데이터는 실데이터 수집부(120)에 의해 수집 및 저장되고 있는 상태일 수 있다. On the other hand, the real data is continuously collected and collected by the real data collection unit 120 irrespective of the operation of other components of the control system 100 , for example, the application program unit 110 , the simulated data generation unit 130 , etc. can be saved. Accordingly, even during the short-term simulation unit time (Tunit), the real data may be in a state of being collected and stored by the real data collection unit 120 .

단계 S309에서, 비교기(114)는 단기 모사 단위 시간(Tnuit)이 종료되면, 실데이터 수집부(120)로부터 단기 모사 단위 시간(Tunit) 동안 수집된 실데이터를 획득하고, 획득된 실데이터와 기 저장된 단기 모사데이터의 특성을 비교하여 그 유사 여부를 판단할 수 있다. 실데이터와 단기 모사데이터가 서로 유사하다는 것은, 적어도 해당 단기 모사 단위 시간(Tunit) 동안에는 실데이터에 이상 데이터가 포함되지 않은 것 즉, 제어 대상 시스템(200)에서 이상이 발생하지 않은 것을 추정할 수 있다, In step S309, the comparator 114 acquires the real data collected during the short-term simulation unit time (Tunit) from the real data collection unit 120 when the short-term simulation unit time (Tnuit) is terminated, and the obtained real data and The similarity can be determined by comparing the characteristics of the stored short-term simulated data. If the real data and the short-term simulated data are similar to each other, it can be estimated that the real data does not contain abnormal data, that is, no abnormality has occurred in the control target system 200 at least for the corresponding short-term simulation unit time (Tunit). have,

여기서, 실데이터와 단기 모사데이터의 유사 여부 판단은, 실데이터와 단기 모사데이터의 비교 결과, 유사도가 기 설정된 유사 판단 기준값(Vsmr) 이상인지 여부를 판단하는 방식으로 수행될 수 있다. 즉, 실데이터와 단기 모사데이터의 유사도가 유사 판단 기준값(Vsmr) 이상이면 실데이터와 단기 모사데이터는 유사한 것으로 보지만, 실데이터와 단기 모사데이터의 유사도가 유사 판단 기준값(Vsmr) 미만이면 실데이터와 단기 모사데이터가 유사하지 않은 것으로 볼 수 있다.Here, the determination of whether the real data and the short-term simulated data are similar may be performed in a manner of determining whether the degree of similarity is greater than or equal to a preset similarity determination reference value (Vsmr) as a result of comparing the real data and the short-term simulated data. That is, if the similarity between the real data and the short-term simulated data is greater than or equal to the similarity criterion value (Vsmr), the real data and the short-term simulated data are considered to be similar, but if the similarity between the real data and the short-term simulated data is less than the similarity judgment standard value (Vsmr), the real data and the short-term simulated data It can be seen that the short-term simulated data are not similar.

단계 S311에서, 실데이터와 단기 모사데이터가 서로 유사하다고 판단되면, 즉, 실데이터와 단기 모사데이터의 유사도가 유사 판단 기준값(Vsmr) 이상이면, 단기 모사 단위 시간(Tunit)이 종료되는 시점을 현재 시각(Treq)로 하는 등 모든 변수를 초기화한 상태에서 다시 단계 S303으로 진행할 수 있다. In step S311, if it is determined that the real data and the short-term simulated data are similar to each other, that is, if the similarity between the real data and the short-term simulated data is equal to or greater than the similarity determination reference value (Vsmr), the time point at which the short-term simulation unit time (Tunit) ends In a state in which all variables are initialized, such as the time Treq, the process may proceed to step S303 again.

단계 S303 내지 단계 S309의 단기 모사 과정은 단계 S311에서 실데이터와 단기 모사데이터가 서로 유사하지 않다고 판단될 때까지 반복하여 수행될 수 있다. The short-term simulation process of steps S303 to S309 may be repeatedly performed until it is determined in step S311 that the real data and the short-term simulated data are not similar to each other.

반면, 단계 S311에서, 실데이터와 단기 모사데이터가 서로 유사하지 않다고 판단되면, 즉, 실데이터와 단기 모사데이터 간의 유사도가 유사 판단 기준값(Vsmr) 미만이면, 단계 S303 내지 단계 S309의 단기 모사 과정이 종료되고, 장기 모사 과정이 시작될 수 있다.On the other hand, in step S311, if it is determined that the real data and the short-term simulated data are not similar to each other, that is, if the similarity between the real data and the short-term simulated data is less than the similarity determination reference value (Vsmr), the short-term simulation process of steps S303 to S309 is performed. is finished, and the long-term simulation process can begin.

구체적으로, 단계 S313에서, 상태 예측기(112)는 실데이터와 단기 모사데이터가 유사하지 않다고 판단된 해당 단기 모사 단위 시간(Tunit)의 시작 시점을 이상 발생 시점(Tabn)으로 저장할 수 있다. 여기서, 해당 단기 모사 단위 시간(Tunit)의 종료 시점이 장기 모사가 시작되는 현재 시각(Treq)에 해당할 수 있다.Specifically, in step S313, the state predictor 112 may store the start time of the short-term simulation unit time (Tunit) determined that the real data and the short-term simulated data are not similar to the abnormal occurrence time (Tabn). Here, the end time of the corresponding short-term simulation unit time (Tunit) may correspond to the current time (Treq) at which the long-term simulation starts.

단계 S315에서, 상태 예측기(112)는 모사기(132)에 현재 시각(Treq)으로부터 미래의 소정 예측 시점(Tpred)까지 장기 모사를 수행할 것을 요청할 수 있다. In step S315, the state predictor 112 may request the simulator 132 to perform a long-term simulation from the current time (Treq) to a predetermined prediction time (Tpred) in the future.

단계 S317에서, 모사기(132)는 단계 S315의 장기 모사 요청에 따라 실데이터 수집부(120)로부터 장기 모사를 위한 초기 데이터를 획득할 수 있다. In step S317, the simulator 132 may acquire initial data for long-term simulation from the real data collection unit 120 according to the long-term simulation request of step S315.

여기서, 장기 모사를 위한 초기 데이터는, 이상 발생 시점(Tabn)으로부터 현재 시각(Treq)까지 수집된 실데이터 즉, 실데이터와 단기 모사데이터가 유사하지 않다고 판단된 해당 단기 모사 단위 시간(Tunit) 동안 수집된 실데이터일 수 있다.Here, the initial data for long-term simulation is the real data collected from the abnormal occurrence time (Tabn) to the current time (Treq), that is, during the short-term simulation unit time (Tunit) in which it is determined that the real data and the short-term simulated data are not similar. It may be real data collected.

단계 S319에서, 모사기(132)는 단계 S315에서 획득된 초기 데이터 및 제어 대상 시스템 모델(138)을 이용한 장기 모사를 수행하여 장기 모사데이터를 생성할 수 있다. In step S319, the simulator 132 may generate long-term simulation data by performing long-term simulation using the initial data and control target system model 138 obtained in step S315.

여기서, 장기 모사데이터 생성을 위한 연산은 현재 시각(Treq)으로부터 장기 모사 연산 시간(Tsim-long) 동안 수행될 수 있다. 장기 모사 연산 시간(Tsim-long)은 현재 시각(Treq)으로부터 예측 시점(Tpred)까지의 시간보다 작은 값을 가질 수 있다. 단, 장기 모사 연산 시간(Tsim-long)이 현재 시각(Treq)으로부터 예측 시점(Tpred)까지의 시간보다 작더라도, 이는 연산에 소요되는 시간일 뿐, 생성되는 장기 모사데이터는 현재 시각(Treq)으로부터 예측 시점(Tpred)까지의 데이터일 수 있다. 아울러, 장기 모사 연산 시간(Tsim-long)은 단기 모사 연산 시간(Tsim-srt)보다 작은 값을 가질 수 있다. 장기 모사 연산 시간(Tsim-long)이 종료되면 생성된 장기 모사데이터는 비교기(114)에 저장될 수 있다. Here, the operation for long-term simulation data generation may be performed for a long-term simulation operation time (Tsim-long) from the current time (Treq). The long-term simulation operation time Tsim-long may have a smaller value than the time from the current time Treq to the prediction time Tpred. However, even if the long-term simulation operation time (Tsim-long) is smaller than the time from the current time (Treq) to the predicted time (Tpred), this is only the time required for the operation, and the long-term simulation data generated is the current time (Treq) It may be data from to the prediction time Tpred. In addition, the long-term simulation operation time (Tsim-long) may have a smaller value than the short-term simulation operation time (Tsim-srt). When the long-term simulation operation time (Tsim-long) is over, the generated long-term simulation data may be stored in the comparator 114 .

단계 S321에서, 장기 모사 연산 시간(Tsim-long)이 종료되면, 생성된 장기 모사데이터에 오류가 존재하는지 여부가 분석 및 판단될 수 있다. 장기 모사데이터에 오류가 존재한다는 것은, 현재 시각(Treq)으로부터 예측 시점(Tpred)까지의 기간 중 미래의 어느 시점에 제어 대상 시스템(200)에서 이상이 발생하리라는 것을 의미할 수 있다. In step S321, when the long-term simulation operation time (Tsim-long) ends, it can be analyzed and determined whether there is an error in the generated long-term simulation data. The existence of an error in the long-term simulation data may mean that an abnormality will occur in the control target system 200 at any point in the future during the period from the current time Treq to the prediction time Tpred.

여기서, 장기 모사데이터에 오류가 존재하는지 여부 판단은, 비교기(114)가 장기 모사데이터와 기 설정된 오류 판단 기준값(Estd)을 비교하여, 장기 모사데이터에 오류 판단 기준값(Estd) 이상의 오류 데이터가 존재하는지를 분석 및 판단하는 방식으로 수행될 수 있다. 즉, 장기 모사데이터에 오류 판단 기준값(Estd) 이상의 오류 데이터가 존재하는 경우, 장기 모사데이터에 오류가 존재한다고 볼 수 있다. 반면, 장기 모사데이터에 오류 판단 기준값(Estd) 이상의 오류 데이터가 존재하지 않는 경우, 장기 모사데이터에 오류가 존재하지 않는다고 볼 수 있다. 설명의 편의를 위하여, 일례로서, 도 4에서 보여지는 장기 모사데이터 중 오류 판단 기준값(Estd) 이상의 오류 데이터를 도면부호'E'로 표기하였다. Here, to determine whether there is an error in the long-term simulated data, the comparator 114 compares the long-term simulated data with a preset error determination reference value (Estd), and there is error data greater than or equal to the error determination reference value (Estd) in the long-term simulated data It can be performed in a way that analyzes and judges whether That is, when error data greater than or equal to the error determination reference value (Estd) exists in the long-term simulated data, it can be considered that there is an error in the long-term simulated data. On the other hand, when there is no error data greater than or equal to the error determination reference value (Estd) in the long-term simulated data, it can be considered that there is no error in the long-term simulated data. For convenience of explanation, as an example, error data greater than or equal to the error determination reference value (Estd) among the long-term simulated data shown in FIG. 4 are denoted by reference numeral 'E'.

단계 S323에서, 장기 모사데이터에 오류가 존재하지 않는다고 판단되면, 즉, 장기 모사데이터에 오류 판단 기준값(Estd) 이상의 오류 데이터가 존재하지 않는다면, 해당 장기 모사 연산 시간(Tsim-long)이 종료되는 시점을 현재 시각(Treq)로 하여 다시 단계 S315로 진행할 수 있다. 예컨대, 도 4에서 예시적으로 도시한 바와 같이, 제1 예측 시점(Tpred1)까지 오류 데이터(E)가 존재하지 않는 경우가 그러할 수 있다.In step S323, if it is determined that there is no error in the long-term simulated data, that is, if there is no error data greater than or equal to the error determination reference value (Estd) in the long-term simulated data, the corresponding long-term simulation operation time (Tsim-long) is terminated It can proceed to step S315 again with the current time Treq. For example, as exemplarily illustrated in FIG. 4 , there may be a case in which the erroneous data E does not exist until the first prediction time Tpred1 .

단계 S315 내지 단계 S321의 장기 모사 과정은 단계 S323에서 장기 모사데이터에 오류가 존재한다고 판단될 때까지 반복하여 수행될 수 있다.The long-term simulation process of steps S315 to S321 may be repeatedly performed until it is determined that there is an error in the long-term simulation data in step S323.

반면, 단계 S323에서, 장기 모사데이터에 오류가 존재한다고 판단되면, 즉, 장기 모사데이터에 오류 판단 기준값(Estd) 이상의 오류 데이터가 존재한다고 판단되면, 단계 S325에서 해당 시점 즉, 오류 발생 시점(Terr)을 반환할 수 있다. 예컨대, 도 4에서 예시적으로 도시한 바와 같이, 제2 예측 시점(Tpred2)까지의 기간 동안에 오류 데이터(E)가 존재하는 경우가 그러할 수 있다.On the other hand, in step S323, if it is determined that there is an error in the long-term simulated data, that is, if it is determined that there is error data greater than or equal to the error determination reference value (Estd) in the long-term simulated data, the corresponding time point, that is, the error occurrence time (Terr) in step S325 ) can be returned. For example, as exemplarily illustrated in FIG. 4 , there may be a case in which erroneous data E exists during the period up to the second prediction time Tpred2 .

여기서, 오류 발생 시점(Terr)은 제어 대상 시스템(200)에서 이상이 발생하리라고 예측되는 시점일 수 있다. Here, the error occurrence time Terr may be a time point at which an error is expected to occur in the control target system 200 .

이로써, 제어 대상 시스템(200)의 이상 상태에 대한 예측이 수행될 수 있다.Accordingly, prediction of an abnormal state of the control target system 200 may be performed.

도 5는 본 개시에 따른 제어 시스템의 실행 결과를 예시적으로 보여주는 도면이다.5 is a diagram exemplarily showing an execution result of a control system according to the present disclosure.

본 예시에서, 제어하고자 하는 것은, 방안의 온도일 수 있다. 또한, 본 예시에서, 상태 예측기(112)의 기본 정보는 아래의 [표 1]과 같이 설정될 수 있다.In this example, what is to be controlled may be the temperature of the room. Also, in this example, basic information of the state predictor 112 may be set as shown in [Table 1] below.

단기 모사 단위 시간(Tunit)Short simulation unit time (Tunit) 60s60s 단기 모사 연산 시간(Tsim-srt)Short simulation time (Tsim-srt) 10s10s 장기 모사 연산 시간(Tsim-long)Long simulation operation time (Tsim-long) 20s20s 예측 시점(Tpred)Prediction time (Tpred) 300s300s 초기 데이터 수집 시간(Tinit)Initial data collection time (Tinit) 30s30s 유사 판단 기준값(Vsmr)Similarity criterion value (Vsmr) 85%85% 오류 판단 기준값(Estd)Error Judgment Criteria (Estd) 80℃80℃

최초의 단기 모사 요청 시각 12:00:00으로부터 단기 모사 단위 시간(Tunit)인 60초 동안, 즉, 목표시각 12:01:00까지 실데이터가 수집되고 이와 대응하는 단기 모사데이터가 생성될 수 있다. 단, 단기 모사데이터 생성을 위한 연산은 최초의 단기 모사 요청 시각 12:00:00으로부터 단기 모사 연산 시간(Tsim-srt)인 10초 동안 수행될 수 있다. 이 구간에서의 실데이터와 단기 모사데이터를 비교하여 그 유사도가 93%로 측정되었고, 이는 유사 판단 기준값(Vsmr) 이상이므로, 이 구간에서는 제어 대상에 이상 상태가 발생하지 않았다고 추정할 수 있다. Real data is collected from the first short-term simulation request time 12:00:00 to the short-term simulation unit time (Tunit) of 60 seconds, that is, until the target time 12:01:00, and short-term simulation data corresponding thereto can be generated. . However, the calculation for short-term simulation data generation can be performed for 10 seconds, which is the short-term simulation operation time (Tsim-srt) from 12:00:00, the first short-term simulation request time. Comparing the real data and short-term simulated data in this section, the similarity was measured to be 93%, which is more than the similarity judgment standard value (Vsmr), so it can be estimated that no abnormal state occurred in the control target in this section.

위와 같은 단기 모사 과정은 제어 대상에 이상 상태가 발생하였다고 추정될 때까지 반복될 수 있다. 즉, 13:47:00까지는 60초마다 단기 모사 과정이 반복될 수 있다.The above short-term simulation process can be repeated until it is estimated that an abnormal condition has occurred in the control target. That is, the short-term simulation process can be repeated every 60 seconds until 13:47:00.

단기 모사 요청 시각 13:47:00으로부터 목표시각 13:48:00까지의 단기 모사 과정에서 실데이터와 단기 모사데이터의 유사도는 52%로 측정되었고, 이는 유사 판단 기준값(Vsmr) 미만이다. 따라서, 이 구간에서 제어 대상에 이상 상태가 발생하였다고 추정되고, 단기 모사 과정은 종료된다. 13:47:00은 이상 발생 시점으로 저장되고, 이 구간의 종료 시점 즉, 13:48:00을 현재 시각으로 하여 장기 모사 과정이 시작될 수 있다. In the short-term simulation process from the short-term simulation request time of 13:47:00 to the target time of 13:48:00, the similarity between the real data and the short-term simulated data was measured to be 52%, which is less than the similarity criterion (Vsmr). Therefore, it is assumed that an abnormal state has occurred in the control target in this section, and the short-term simulation process is terminated. 13:47:00 is stored as the time of occurrence of the abnormality, and the long-term simulation process may be started with the end point of this section, that is, 13:48:00 as the current time.

최초의 장기 모사 요청 시각 13:48:00으로부터 예측 시점(Tpred)인 300초 후까지 즉, 목표시각 13:53:00까지 장기 모사데이터가 생성될 수 있다. 단, 장기 모사데이터 생성을 위한 연산은 최초의 장기 모사 요청 시각 13:48:00으로부터 장기 모사 연산 시간(Tsim-long)인 20초 동안 수행될 수 있다. 이 구간에서의 장기 모사데이터를 분석하여 장기 모사데이터에 오류 판단 기준값(Estd) 이상의 오류 데이터가 존재하는지 판단할 수 있다. 즉, 13:48:00부터 13:53:00 사이의 장기 모사데이터에 80℃ 이상의 온도가 존재하는지가 판단될 수 있다. 판단 결과, 오류 발생이 예측되지 않으므로, 이 구간에서는 제어 대상에 오류가 발생하지 않는다고 판단할 수 있다. Long-term simulation data can be generated from the first long-term simulation request time of 13:48:00 until 300 seconds after the prediction time (Tpred), that is, until the target time of 13:53:00. However, the calculation for long-term simulation data generation can be performed for 20 seconds, which is the long-term simulation operation time (Tsim-long) from the first long-term simulation request time of 13:48:00. By analyzing the long-term simulated data in this section, it can be determined whether error data greater than or equal to the error determination reference value (Estd) exists in the long-term simulated data. That is, it can be determined whether a temperature of 80° C. or higher exists in the long-term simulated data between 13:48:00 and 13:53:00. As a result of the determination, since the occurrence of an error is not predicted, it may be determined that an error does not occur in the control target in this section.

위와 같은 장기 모사 과정은 장기 모사 연산 시간(Tsim-long)의 종료 시점을 다시 현재 시각으로 하여 장기 모사데이터에 오류 데이터가 존재한다고 판단될 때까지 반복될 수 있다. 즉, 13:48:20부터 300초 후의 장기 모사데이터가 생성되고, 이 장기 모사데이터에 오류데이터가 존재하지 않으므로, 13:48:40부터 300초 후의 장기 모사 데이터가 생성될 수 있다. The above long-term simulation process may be repeated until it is determined that error data exists in the long-term simulation data by setting the end point of the long-term simulation operation time (Tsim-long) as the current time again. That is, long-term simulated data is generated 300 seconds after 13:48:20, and since there is no error data in this long-term simulated data, long-term simulated data 300 seconds later from 13:48:40 can be generated.

장기 모사 요청 시각 13:48:40으로부터 목표시각 13:53:40까지의 장기 모사 과정에서 장기 모사 데이터에 오류 데이터가 존재한다고 판단되었다. 이 오류 데이터 발생 시점이 오류 발생 예상 시각 13:53:33으로 표시됨으로써 장기 모사 과정이 종료될 수 있다. 즉, 제어 대상에는 13:53:33에 오류가 발생할 것 즉, 방안의 온도가 80℃ 이상이 될 것임이 예측될 수 있다. 따라서, 13:53:33 이전에 제어 대상의 온도를 낮추기 위한 선제적 조치가 가능할 수 있다. In the long-term simulation process from the long-term simulation request time of 13:48:40 to the target time of 13:53:40, it was determined that error data existed in the long-term simulation data. The long-term simulation process can be ended by displaying the error data generation time as 13:53:33 error occurrence expected time. That is, it can be predicted that an error will occur at 13:53:33 in the control target, that is, the temperature of the room will be 80°C or higher. Therefore, it may be possible to take preemptive measures to lower the temperature of the controlled object before 13:53:33.

이상으로 설명한 개시들에 따르면, 제어 대상의 상태를 예측할 때 과거나 현재를 나타내는 실데이터뿐만 아니라 미래를 나타내는 모사데이터를 이용한 예측을 수행하고, 나아가 단기 모사와 장기 모사를 병행하여 수행함으로써, 상태 예측의 정확성을 향상시키고 이를 이용하여 제어 대상 시스템의 미래 상태에 대한 신속하고 선제적 대응을 가능하게 할 수 있다. According to the disclosures described above, when predicting the state of the control object, prediction is performed using not only real data representing the past or present but also simulated data representing the future, and further, by performing short-term simulation and long-term simulation in parallel, state prediction By improving the accuracy of the system, it can be used to enable a quick and preemptive response to the future state of the controlled system.

본 개시의 예시적인 방법들은 설명의 명확성을 위해서 동작의 시리즈로 표현되어 있지만, 이는 단계가 수행되는 순서를 제한하기 위한 것은 아니며, 필요한 경우에는 각각의 단계가 동시에 또는 상이한 순서로 수행될 수도 있다. 본 개시에 따른 방법을 구현하기 위해서, 예시하는 단계에 추가적으로 다른 단계를 포함하거나, 일부의 단계를 제외하고 나머지 단계를 포함하거나, 또는 일부의 단계를 제외하고 추가적인 다른 단계를 포함할 수도 있다.Example methods of the present disclosure are expressed as a series of operations for clarity of description, but this is not intended to limit the order in which the steps are performed, and if necessary, each step may be performed simultaneously or in a different order. In order to implement the method according to the present disclosure, other steps may be included in addition to the illustrated steps, other steps may be excluded from some steps, or additional other steps may be included except some steps.

본 개시의 다양한 실시 예는 모든 가능한 조합을 나열한 것이 아니고 본 개시의 대표적인 양상을 설명하기 위한 것이며, 다양한 실시 예에서 설명하는 사항들은 독립적으로 적용되거나 또는 둘 이상의 조합으로 적용될 수도 있다.Various embodiments of the present disclosure do not list all possible combinations, but are intended to describe representative aspects of the present disclosure, and matters described in various embodiments may be applied independently or in combination of two or more.

또한, 본 개시의 다양한 실시 예는 하드웨어, 펌웨어(firmware), 소프트웨어, 또는 그들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 하나 또는 그 이상의 ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), FPGAs(Field Programmable Gate Arrays), 범용 프로세서(general processor), 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다. In addition, various embodiments of the present disclosure may be implemented by hardware, firmware, software, or a combination thereof. For implementation by hardware, one or more Application Specific Integrated Circuits (ASICs), Digital Signal Processors (DSPs), Digital Signal Processing Devices (DSPDs), Programmable Logic Devices (PLDs), Field Programmable Gate Arrays (FPGAs), general purpose It may be implemented by a processor (general processor), a controller, a microcontroller, a microprocessor, and the like.

본 개시의 범위는 다양한 실시 예의 방법에 따른 동작이 장치 또는 컴퓨터 상에서 실행되도록 하는 소프트웨어 또는 머신-실행가능한 명령들(예를 들어, 운영체제, 애플리케이션, 펌웨어(firmware), 프로그램 등), 및 이러한 소프트웨어 또는 명령 등이 저장되어 장치 또는 컴퓨터 상에서 실행 가능한 비-일시적 컴퓨터-판독가능 매체(non-transitory computer-readable medium)를 포함한다. The scope of the present disclosure includes software or machine-executable instructions (eg, operating system, application, firmware, program, etc.) that cause an operation according to the method of various embodiments to be executed on a device or computer, and such software or and non-transitory computer-readable media in which instructions and the like are stored and executable on a device or computer.

100 제어 시스템
110 응용 프로그램부
112 상태 예측기
114 비교기
116 시간 관리기
120 실데이터 수집부
122 실데이터 수집기
124 실데이터 저장소
126 실데이터 API
130 모사데이터 생성부
132 모사기
134 모사데이터 저장소
136 모사데이터 API
138 제어대상시스템 모델
200 제어 대상 시스템
210 임베디드 장치
212 센서부100 control system
110 application department
112 state predictor
114 comparator
116 time manager
120 real data collection unit
122 Real Data Collector
124 Real Data Storage
126 Real Data API
130 simulation data generator
132 copy machine
134 Repository
136 Simulation Data API
138 Control target system model
200 Controlled system
210 Embedded Devices
212 sensor unit

Claims (10)

제어 대상 시스템의 상태를 예측하는 장치에 있어서,
제어 대상 시스템 모델을 통해 단기 모사를 수행하여 단기 모사 데이터를 생성하고, 상기 생성된 단기 모사 데이터와 상기 제어 대상 시스템으로부터 수집된 실 데이터가 유사한지 판단하고, 상기 실 데이터와 상기 단기 모사 데이터가 유사하지 않다고 판단될 때까지 상기 단기 모사를 재 수행하되, 상기 실 데이터와 상기 단기 모사 데이터가 유사하지 않다고 판단되면 장기 모사를 수행하여 장기 모사 데이터를 생성하는 프로세서; 및
상기 실 데이터를 저장하고, 상기 생성된 단기 모사 데이터 및 상기 생성된 장기 모사 데이터를 저장하는 메모리;를 포함하는 상태 예측 장치.
An apparatus for predicting a state of a control target system, comprising:
Short-term simulation is performed through the control target system model to generate short-term simulated data, and it is determined whether the generated short-term simulated data and the real data collected from the controlled system are similar, and the real data and the short-term simulated data are similar A processor that re-performs the short-term simulation until it is determined that it is not, and performs long-term simulation when it is determined that the real data and the short-term simulated data are not similar to generate long-term simulated data; and
State prediction device comprising a; storing the real data, and storing the generated short-term simulated data and the generated long-term simulated data.
 삭제delete 제1 항에 있어서,
상기 프로세서는,
상기 생성된 장기 모사 데이터에 오류 데이터가 존재하는지 판단하는 상태 예측 장치.
According to claim 1,
The processor is
A state prediction device for determining whether error data exists in the generated long-term simulated data.
 제1 항에 있어서,
상기 프로세서는,
유사 판단 기준 값을 이용하여 상기 단기 모사 데이터가 상기 실 데이터와 유사한지 판단하는 상태 예측 장치.
According to claim 1,
The processor is
A state prediction device for determining whether the short-term simulated data is similar to the real data by using a similarity criterion value.
 제3 항에 있어서,
상기 프로세서는,
오류 판단 기준 값을 이용하여 상기 장기 모사 데이터에 오류 데이터가 존재하는지 판단하는 상태 예측 장치.
4. The method of claim 3,
The processor is
A state prediction device for determining whether error data exists in the long-term simulated data using an error determination reference value.
 제3 항에 있어서,
상기 프로세서는,
상기 장기 모사 데이터에 상기 오류 데이터가 존재한다고 판단되면, 상기 제어 대상 시스템의 오류 발생 예상 시각을 반환하는 상태 예측 장치.
4. The method of claim 3,
The processor is
When it is determined that the error data exists in the long-term simulation data, the state prediction device for returning an error occurrence time of the control target system.
 제3 항에 있어서,
상기 프로세서는,
상기 장기 모사 데이터에 상기 오류 데이터가 존재하지 않는다고 판단되면,상기 장기 모사를 재 수행하는 상태 예측 장치.
4. The method of claim 3,
The processor is
If it is determined that the error data does not exist in the long-term simulation data, the state prediction device for re-performing the long-term simulation.
 제어 대상 시스템의 상태를 예측하는 방법에 있어서,
제어 대상 시스템 모델을 통해 단기 모사를 수행하여 단기 모사 데이터를 생성하는 단계;
상기 제어 대상 시스템으로부터 수집된 실 데이터와 상기 단기 모사 데이터가 유사한지 판단하는 단계;
상기 실 데이터와 상기 단기 모사 데이터가 유사하지 않다고 판단될 때까지 상기 단기 모사를 재 수행하는 단계; 및
상기 실 데이터와 상기 단기 모사 데이터가 유사하지 않다고 판단되면
장기 모사를 수행하여 장기 모사 데이터를 생성하는 단계;
를 포함하는 상태 예측 방법.
A method for predicting a state of a control target system, the method comprising:
generating short-term simulation data by performing short-term simulation through the control target system model;
determining whether the real data collected from the control target system and the short-term simulated data are similar;
re-performing the short-term simulation until it is determined that the real data and the short-term simulated data are not similar; and
When it is determined that the real data and the short-term simulated data are not similar
generating long-term simulation data by performing a long-term simulation;
A state prediction method comprising a.
 제8 항에 있어서,
상기 생성된 장기 모사 데이터에 오류데이터가 존재하는지 판단하는 단계;
를 포함하는 상태 예측 방법.
9. The method of claim 8,
determining whether error data exists in the generated long-term simulated data;
A state prediction method comprising a.
 제9 항에 있어서,
상기 장기 모사 데이터에 상기 오류 데이터가 존재한다고 판단되면, 상기 제어 대상 시스템의 오류 발생 예상 시각을 반환하는 단계;
를 포함하는 상태 예측 방법.

10. The method of claim 9,
returning an expected error occurrence time of the control target system when it is determined that the error data exists in the long-term simulation data;
A state prediction method comprising a.
KR1020170031151A 2017-03-13 2017-03-13 Method and apparatus for estimating state of controlee KR102335778B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170031151A KR102335778B1 (en) 2017-03-13 2017-03-13 Method and apparatus for estimating state of controlee

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170031151A KR102335778B1 (en) 2017-03-13 2017-03-13 Method and apparatus for estimating state of controlee

Publications (2)

Publication Number Publication Date
KR20180104421A KR20180104421A (en) 2018-09-21
KR102335778B1 true KR102335778B1 (en) 2021-12-06

Family

ID=63720987

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170031151A KR102335778B1 (en) 2017-03-13 2017-03-13 Method and apparatus for estimating state of controlee

Country Status (1)

Country Link
KR (1) KR102335778B1 (en)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0807775D0 (en) * 2008-04-29 2008-06-04 Romax Technology Ltd Methods for model-based diagnosis of gearbox
US8989887B2 (en) * 2009-02-11 2015-03-24 Applied Materials, Inc. Use of prediction data in monitoring actual production targets

Also Published As

Publication number Publication date
KR20180104421A (en) 2018-09-21

Similar Documents

Publication Publication Date Title
CN106951695B (en) Method and system for calculating residual service life of mechanical equipment under multiple working conditions
JP7082461B2 (en) Failure prediction method, failure prediction device and failure prediction program
KR102488923B1 (en) Abnormal data collecting method, apparatus, storage medium and computer program for automatic
CN110991036B (en) Spacecraft attitude and orbit control system fault case library construction system and construction method
CN109470946B (en) Power generation equipment fault detection method and system
US20190145860A1 (en) Method and apparatus for autonomous system performance and grading
CN109471698B (en) System and method for detecting abnormal behavior of virtual machine in cloud environment
JP2011184121A (en) Work content estimation device and work content estimation method
Wu et al. Automatic test case generation for structural testing of function block diagrams
CN105892304B (en) Curve data automatic interpretation method
CN114860542A (en) Trend prediction model optimization method, trend prediction model optimization device, electronic device, and medium
CN111373406A (en) Accelerated simulation setup procedure using a priori knowledge extraction for problem matching
KR102335778B1 (en) Method and apparatus for estimating state of controlee
KR101700832B1 (en) Apparatus and method for predicting computer simulation necessary resource
Ge et al. Anomaly detection of condition monitoring with predicted uncertainty for aerospace applications
CN117891234A (en) Method and device for detecting running state of machine room, storage medium and electronic equipment
Kuroiwa et al. Testing environment for CPS by cooperating model checking with execution testing
Najeh et al. Diagnosis of sensor grids in a building context: Application to an office setting
CN103677184B (en) The cpu temperature Forecasting Methodology of Virtual machine and device
CN116306240A (en) Device health and life prediction method and device, computer device and storage medium
US20220121195A1 (en) Predictive Maintenance Tool Based on Digital Model
CN114416415A (en) Remote online fault detection method and system for Hongmon operating system and storage medium
KR102088697B1 (en) Statistical process control system for website
Kong et al. A safe measurement-based worst-case execution time estimation using automatic test-data generation
Iglesias Virtual prototyping tools for the JET divertor

Legal Events

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