KR102355264B1 - Vessel remote management system and method using vibration sensor and sound sensor - Google Patents

Vessel remote management system and method using vibration sensor and sound sensor Download PDF

Info

Publication number
KR102355264B1
KR102355264B1 KR1020200066581A KR20200066581A KR102355264B1 KR 102355264 B1 KR102355264 B1 KR 102355264B1 KR 1020200066581 A KR1020200066581 A KR 1020200066581A KR 20200066581 A KR20200066581 A KR 20200066581A KR 102355264 B1 KR102355264 B1 KR 102355264B1
Authority
KR
South Korea
Prior art keywords
ship
engine
sensing information
defect
information
Prior art date
Application number
KR1020200066581A
Other languages
Korean (ko)
Other versions
KR20210149484A (en
Inventor
강희욱
박진영
Original Assignee
주식회사 하버맥스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 하버맥스 filed Critical 주식회사 하버맥스
Priority to KR1020200066581A priority Critical patent/KR102355264B1/en
Publication of KR20210149484A publication Critical patent/KR20210149484A/en
Application granted granted Critical
Publication of KR102355264B1 publication Critical patent/KR102355264B1/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/30—Monitoring properties or operating parameters of vessels in operation for diagnosing, testing or predicting the integrity or performance of vessels
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/10—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/20—Monitoring properties or operating parameters of vessels in operation using models or simulation, e.g. statistical models or stochastic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/30—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Ocean & Marine Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Emergency Management (AREA)
  • Operations Research (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

본 발명은 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템 및 방법에 관한 것으로, 선박 내 기관의 적어도 일 영역에 설치된 진동센서와 음향센서를 포함하는 센서부, 상기 센서부로부터 수집된 센싱 정보를 수신하는 통신부, 상기 센싱 정보에서 특징 데이터를 추출하고, 상기 추출된 특징 데이터를 기반으로, 상기 센싱 정보와 상기 선박 내 기관의 결함발생정보를 매칭하여 데이터베이스에 저장하는 제어부 및 상기 선박 내 기관의 결함발생정보와 매칭된 상기 센싱 정보의 특징 데이터를 학습 데이터로 학습하여 인공지능 기반의 학습 모델을 생성하는 학습부를 포함하고, 상기 센싱 정보는, 상기 진동센서로부터 수집되는 제1센싱 정보 및 상기 음향센서로부터 수집되는 제2센싱 정보를 포함하고, 상기 제어부는, 상기 제1센싱 정보 및 상기 제2센싱 정보를 조합하여 상기 특징 데이터를 추출하는 것을 특징으로 한다.The present invention relates to a ship remote management system and method using a vibration sensor and an acoustic sensor. a communication unit that extracts characteristic data from the sensing information, and based on the extracted characteristic data, a control unit that matches the sensing information with the defect occurrence information of the engine in the vessel and stores it in a database, and the occurrence of defects in the engine in the vessel and a learning unit for generating an artificial intelligence-based learning model by learning the characteristic data of the sensing information matched with the information as learning data, wherein the sensing information is obtained from the first sensing information collected from the vibration sensor and the sound sensor. and the collected second sensing information, wherein the control unit extracts the feature data by combining the first sensing information and the second sensing information.

Description

진동센서 및 음향센서를 이용한 선박 원격 관리 시스템 및 방법{VESSEL REMOTE MANAGEMENT SYSTEM AND METHOD USING VIBRATION SENSOR AND SOUND SENSOR}Vessel remote management system and method using vibration sensor and sound sensor

본 발명은 선박 관리 시스템 및 선박 관리 방법에 관한 것이다.The present invention relates to a ship management system and a ship management method.

바다에서 일어나는 선박 사고는 마땅히 대피할 곳이 없는 상태에서 발생하기 때문에 그 피해가 매우 크다. 이러한 선박 사고는, 선박의 기관 손상에 의한 사고, 기상 현상에 의한 사고, 제3의 물체와의 충돌에 의한 사고, 또는 운항 중의 부주의에 의한 사고 등 그 원인이 다양하다. Ship accidents at sea are very damaging because they occur when there is no proper place to evacuate. Such ship accidents have various causes, such as accidents due to engine damage, accidents due to weather phenomena, accidents due to collision with a third object, or accidents due to negligence during operation.

특히, 연안 해상에서 발생하는 선박 사고는, 선박의 관리 소홀 및 인재로 인한 기관의 고장이 다수를 차지한다.In particular, in the case of ship accidents occurring in coastal waters, failure of the engine due to negligence of ship management and human resources occupies a large number.

이러한 선박 사고를 미연에 방지하고자, 선박을 수시로 정비 및 관리함으로써, 선박의 기관 손상을 예방할 수 있다.In order to prevent such ship accidents in advance, by frequently maintaining and managing the ship, it is possible to prevent damage to the engine of the ship.

그러나 이는 선박의 상태를 고려하지 않고, 일정한 주기에 따라 정비함으로써, 선박의 기관이 정상적인 상태임에도 불구하고 불필요하게 정비가 발생할 수 있다. 나아가 불필요한 정비가 발생하는 경우, 비용, 시간 및 인력을 낭비하게 되는 문제점이 있다.However, this does not take into account the state of the ship and maintains it according to a certain cycle, so maintenance may occur unnecessarily even though the engine of the ship is in a normal state. Furthermore, when unnecessary maintenance occurs, there is a problem in that money, time, and manpower are wasted.

따라서 본 발명은 선박 내 기관의 결함을 진단하고, 잔여 수명을 예측하는 등 선박을 관리할 수 있는 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템 및 방법을 제안한다.Accordingly, the present invention proposes a ship remote management system and method using a vibration sensor and an acoustic sensor capable of managing a ship, such as diagnosing a defect in an engine in a ship and predicting the remaining lifespan.

본 발명의 일 목적은, 선박 내 기관의 고장을 진단하고, 결함을 예측하기 위한 진동센서 및 음향센서를 이용한 선박 관리 시스템 및 방법을 제공하는 것이다.An object of the present invention is to provide a ship management system and method using a vibration sensor and an acoustic sensor for diagnosing a failure of an engine in a ship and predicting a defect.

한편 본 발명의 일 목적은, 선박 내 기관에 설치된 진동센서 및 음향센서를 통해 센싱된 정보를 이용하여 학습 모델을 구축하기 위한 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템 및 방법을 제공하는 것이다.Meanwhile, an object of the present invention is to provide a ship remote management system and method using a vibration sensor and an acoustic sensor for building a learning model using information sensed through a vibration sensor and an acoustic sensor installed in an engine in a ship.

또한 본 발명의 일 목적은, 구축된 학습 모델을 기반으로, 선박 내 기관의 결함을 보다 정확하게 예측함으로써, 선박을 관리할 수 있는 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템 및 방법을 제공하는 것이다.It is also an object of the present invention to provide a ship remote management system and method using a vibration sensor and an acoustic sensor capable of managing a ship by more accurately predicting the defects of the engine in the ship based on the built learning model. .

본 발명은 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템에 관한 것으로, 선박 내 기관의 적어도 일 영역에 설치된 진동센서와 음향센서를 포함하는 센서부, 상기 센서부로부터 수집된 센싱 정보를 수신하는 통신부, 상기 센싱 정보에서 특징 데이터를 추출하고, 상기 추출된 특징 데이터를 기반으로, 상기 센싱 정보와 상기 선박 내 기관의 결함발생정보를 매칭하여 데이터베이스에 저장하는 제어부 및 상기 선박 내 기관의 결함발생정보와 매칭된 상기 센싱 정보의 특징 데이터를 학습 데이터로 학습하여 인공지능 기반의 학습 모델을 생성하는 학습부를 포함하고, 상기 센싱 정보는, 상기 진동센서로부터 수집되는 제1센싱 정보 및 상기 음향센서로부터 수집되는 제2센싱 정보를 포함하고, 상기 제어부는, 상기 제1센싱 정보 및 상기 제2센싱 정보를 조합하여 상기 특징 데이터를 추출하는 것을 특징으로 한다.The present invention relates to a ship remote management system using a vibration sensor and an acoustic sensor. , a control unit that extracts feature data from the sensing information, matches the sensing information with the defect occurrence information of the in-ship engine based on the extracted feature data, and stores it in a database, and defect occurrence information of the in-ship engine and a learning unit for generating an artificial intelligence-based learning model by learning the matched characteristic data of the sensing information as learning data, wherein the sensing information is collected from the first sensing information collected from the vibration sensor and the sound sensor and second sensing information, wherein the control unit extracts the feature data by combining the first sensing information and the second sensing information.

일 예로서, 상기 제1센싱 정보는, 상기 선박 내 기관의 속도, 가속도 및 변위 정보를 포함하고, 상기 제2센싱 정보는, 상기 선박 내 기관에서 발생하는 음향 신호 정보를 포함하는 것을 특징으로 한다.As an example, the first sensing information includes speed, acceleration, and displacement information of the engine in the ship, and the second sensing information includes acoustic signal information generated by the engine in the ship. .

일 예로서, 상기 제어부는, 상기 선박 내 기관의 속도 정보, 가속도 정보, 변위 정보, 및 음향 신호 정보에 가중치를 적용하여 조합하고, 조합된 결과를 기반으로 상기 특징 데이터를 추출하는 것을 특징으로 한다.As an example, the control unit applies a weight to the speed information, acceleration information, displacement information, and sound signal information of the engine in the ship and combines them, and extracts the feature data based on the combined result .

한편, 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템은, 선박 내 기관의 적어도 일 영역에 설치된 진동센서와 음향센서를 포함하는 센서부,상기 센서부로부터 수집된 특정 센싱 정보를 수신하는 통신부 및 상기 특정 센싱 정보에서 특징 데이터를 추출하고, 상기 특징 데이터를 학습 모델에 입력하여 상기 특징 데이터에 매칭되는 상기 선박 내 기관의 결함발생정보를 기반으로 상기 선박 내 기관의 결함을 예측하는 제어부를 포함하고, 상기 특정 센싱 정보는, 상기 진동센서로부터 수집되는 특정 제1센싱 정보 및 상기 음향센서로부터 수집되는 특정 제2센싱 정보를 포함하고, 상기 제어부는, 상기 특정 제1센싱 정보 및 상기 특정 제2센싱 정보를 조합하여 상기 특징 데이터를 추출하는 것을 특징으로 한다.On the other hand, the ship remote management system using the vibration sensor and the acoustic sensor according to the present invention, a sensor unit including a vibration sensor and an acoustic sensor installed in at least one area of an engine in a ship, receiving specific sensing information collected from the sensor unit a communication unit and a control unit that extracts feature data from the specific sensing information, inputs the feature data into a learning model, and predicts a defect in the engine in the ship based on the defect occurrence information of the engine in the ship that matches the feature data including, wherein the specific sensing information includes specific first sensing information collected from the vibration sensor and specific second sensing information collected from the acoustic sensor, wherein the control unit includes the specific first sensing information and the specific information It is characterized in that the feature data is extracted by combining the second sensing information.

일 예로서, 상기 제1센싱 정보는, 상기 선박 내 기관의 속도, 가속도 및 변위 정보를 포함하고, 상기 제2센싱 정보는, 상기 선박 내 기관에서 발생하는 음향 신호 정보를 포함하는 것을 특징으로 한다.As an example, the first sensing information includes speed, acceleration, and displacement information of the engine in the ship, and the second sensing information includes acoustic signal information generated by the engine in the ship. .

일 예로서, 상기 제어부는, 상기 선박 내 기관의 속도 정보, 가속도 정보, 변위 정보, 및 음향 신호 정보에 가중치를 적용하여 조합하고, 조합된 결과를 기반으로 상기 특징 데이터를 추출하는 것을 특징으로 한다.As an example, the control unit applies a weight to the speed information, acceleration information, displacement information, and sound signal information of the engine in the ship and combines them, and extracts the feature data based on the combined result .

일 예로서, 상기 제어부는, 상기 선박 내 기관의 결함발생정보에 대응되는 상기 선박 내 기관의 적어도 하나의 결함을 확률에 기반하여 예측하는 것을 특징으로 한다.As an example, the control unit, characterized in that the prediction based on the probability of at least one defect of the engine in the ship corresponding to the defect occurrence information of the engine in the ship.

일 예로서, 상기 제어부는, 상기 선박 내 기관의 결함이 예측되는 경우, 결함알림정보를 생성하고, 상기 생성된 결함알림정보를 상기 통신부를 통해 단말기로 전송하도록 제어하는 것을 특징으로 한다.As an example, when the defect of the engine in the ship is predicted, the control unit generates defect notification information and controls to transmit the generated defect notification information to the terminal through the communication unit.

한편, 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 원격 관리 방법은, 수집된 학습 데이터를 기반으로 학습 모델을 생성하는 단계, 선박 내 기관의 적어도 일 영역에 설치된 센서부로부터 특정 센싱 정보를 수신하는 단계, 상기 특정 센싱 정보에서 특징 데이터를 추출하는 단계, 상기 추출된 특징 데이터를 기반으로, 상기 센싱 정보와 상기 선박의 결함발생정보를 매칭하여 데이터베이스에 저장하는 단계 및 상기 특징 데이터를 상기 학습 모델에 입력하여 상기 특징 데이터에 매칭되는 상기 선박 내 기관의 결함발생정보를 기반으로 상기 선박 내 기관의 결함을 예측하는 단계를 포함하고, 상기 센서부는, 진동센서와 음향센서를 포함하고, 상기 특정 센싱 정보는, 상기 진동센서로부터 수집되는 특정 제1센싱 정보 및 상기 음향센서로부터 수집되는 특정 제2센싱 정보를 포함하고, 상기 특징 데이터를 추출하는 단계에서는, 상기 특정 제1센싱 정보 및 상기 특정 제2센싱 정보를 조합하여 상기 특징 데이터를 추출하는 것을 특징으로 한다.On the other hand, the remote ship management method using the vibration sensor and the acoustic sensor according to the present invention includes the steps of generating a learning model based on the collected learning data, receiving specific sensing information from a sensor unit installed in at least one area of an engine in the ship step, extracting feature data from the specific sensing information, based on the extracted feature data, matching the sensing information with the defect occurrence information of the ship and storing it in a database, and storing the feature data in the learning model and predicting a defect in the engine in the ship based on the defect occurrence information of the engine in the ship matching the characteristic data by inputting it into, wherein the sensor unit includes a vibration sensor and an acoustic sensor, and the specific sensing The information includes specific first sensing information collected from the vibration sensor and specific second sensing information collected from the acoustic sensor, and in extracting the feature data, the specific first sensing information and the specific second sensing information It is characterized in that the characteristic data is extracted by combining the sensing information.

일 예로서, 상기 선박 내 기관의 결함이 예측되는 경우, 결함알림정보를 생성하고, 상기 생성된 결함알림정보를 단말기로 전송하는 단계를 더 포함하는 것을 특징으로 한다.As an example, when the defect of the engine in the ship is predicted, generating defect notification information, and transmitting the generated defect notification information to the terminal characterized in that it further comprises.

본 발명에 따른 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템 및 방법은, 진동센서와 음향센서를 이용하여 선박 내 기관의 결함을 예측함으로써 보다 효율적으로 선박을 관리할 수 있다.The ship remote management system and method using the vibration sensor and the acoustic sensor according to the present invention can manage the ship more efficiently by predicting the defects of the engine in the ship using the vibration sensor and the acoustic sensor.

또한, 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템 및 방법은, 진동센서 및 음향센서로부터 센싱된 센싱 정보를 조합하여 특징 데이터를 추출하고, 추출된 특징 데이터와 선박 내 기관의 결함발생정보를 매칭하여 이를 학습데이터로 학습 모델을 구축함으로써, 보다 정확도 높은 선박 내 기관의 결함 예측이 가능하다.In addition, the ship remote management system and method using a vibration sensor and an acoustic sensor according to the present invention extracts characteristic data by combining sensing information sensed from the vibration sensor and the acoustic sensor, and the extracted characteristic data and the defects of the engine in the ship By matching the occurrence information and building a learning model with the learning data, it is possible to predict the defects of the internal organs with higher accuracy.

또한, 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템 및 방법은, 실시간으로 수집된 선박 내 기관의 센싱 정보를 구축된 학습 모델을 통해 선박 내 기관의 결함을 예측하고, 선박 내 기관의 결함이 예측되는 경우 운영자(또는 관리자)의 단말기로 결함알림정보를 전송함으로써, 보다 신속하게 선박 내 기관의 결함에 대응할 수 있다.In addition, the ship remote management system and method using the vibration sensor and the acoustic sensor according to the present invention predicts the defects of the in-ship organs through a learning model built on the sensing information of the in-ship organs collected in real time, and the in-ship organs When a defect in the ship is predicted, defect notification information is transmitted to the terminal of the operator (or manager), so that it is possible to respond to the defect of the engine in the ship more quickly.

도 1은 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템의 동작을 설명하기 위한 도면이다.
도 2는 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템의 구성도를 도시한 도면이다.
도 3은 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 원격 관리 방법에 따른 학습 모델 구축 방법을 설명하기 위한 흐름도이다.
도 4는 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 원격 관리 방법에 따라 구축된 학습 모델을 통해 선박 내 기관의 결함을 예측하기 위한 방법을 설명하기 위한 흐름도이다.
도 5a, 도 5b 내지 도 9은 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템 및 방법을 설명하기 위한 참조도면이다.1 is a view for explaining the operation of a ship remote management system using a vibration sensor and an acoustic sensor according to the present invention.
2 is a diagram showing the configuration of a ship remote management system using a vibration sensor and an acoustic sensor according to the present invention.
3 is a flowchart for explaining a learning model building method according to the ship remote management method using a vibration sensor and an acoustic sensor according to the present invention.
4 is a flowchart for explaining a method for predicting a defect in an engine in a ship through a learning model built according to a method for remote management of a ship using a vibration sensor and an acoustic sensor according to the present invention.
5A, 5B to 9 are reference views for explaining a ship remote management system and method using a vibration sensor and an acoustic sensor according to the present invention.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소에는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. Hereinafter, the embodiments disclosed in the present specification will be described in detail with reference to the accompanying drawings, but the same or similar components will be given the same reference numbers regardless of reference numerals, and redundant descriptions thereof will be omitted. The suffixes "module" and "part" for components used in the following description are given or mixed in consideration of only the ease of writing the specification, and do not have distinct meanings or roles by themselves. In addition, in describing the embodiments disclosed in the present specification, if it is determined that detailed descriptions of related known technologies may obscure the gist of the embodiments disclosed in this specification, the detailed description thereof will be omitted. In addition, the accompanying drawings are only for easy understanding of the embodiments disclosed in the present specification, and the technical idea disclosed herein is not limited by the accompanying drawings, and all changes included in the spirit and scope of the present invention , should be understood to include equivalents or substitutes.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.Terms including an ordinal number such as 1st, 2nd, etc. may be used to describe various elements, but the elements are not limited by the terms. The above terms are used only for the purpose of distinguishing one component from another.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.When a component is referred to as being “connected” or “connected” to another component, it may be directly connected or connected to the other component, but it is understood that other components may exist in between. it should be On the other hand, when it is said that a certain element is "directly connected" or "directly connected" to another element, it should be understood that the other element does not exist in the middle.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. The singular expression includes the plural expression unless the context clearly dictates otherwise.

본 출원에서, "포함한다" 또는 "가지다" 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.In the present application, terms such as “comprises” or “have” are intended to designate that a feature, number, step, operation, component, part, or combination thereof described in the specification exists, but one or more other features It should be understood that this does not preclude the existence or addition of numbers, steps, operations, components, parts, or combinations thereof.

본 발명은 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템 및 방법에 관한 것이다. 이는 진동센서 및 음향센서 뿐만 아니라, 선박 내 기관의 결함을 예측할 수 있는 각종 센서를 추가로 이용하여 선박을 관리할 수 있다.The present invention relates to a ship remote management system and method using a vibration sensor and an acoustic sensor. It can manage the ship by additionally using various sensors that can predict the defects of the engine in the ship as well as the vibration sensor and the acoustic sensor.

이하에서 도면을 참조하여 본 발명을 보다 구체적으로 설명하도록 한다. Hereinafter, the present invention will be described in more detail with reference to the drawings.

도 1은 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템의 동작을 설명하기 위한 도면이다. 도 2는 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템의 구성도를 도시한 도면이다. 도 3은 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 원격 관리 방법에 따른 학습 모델 구축 방법을 설명하기 위한 흐름도이다. 도 4는 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 원격 관리 방법에 따라 구축된 학습 모델을 통해 선박 내 기관의 결함을 예측하기 위한 방법을 설명하기 위한 흐름도이다. 도 5a, 도 5b 내지 9는 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템 및 방법을 설명하기 위한 참조도면이다.1 is a view for explaining the operation of a ship remote management system using a vibration sensor and an acoustic sensor according to the present invention. 2 is a diagram showing the configuration of a ship remote management system using a vibration sensor and an acoustic sensor according to the present invention. 3 is a flowchart for explaining a method of constructing a learning model according to a method for remote management of a ship using a vibration sensor and an acoustic sensor according to the present invention. 4 is a flowchart for explaining a method for predicting a defect of an engine in a ship through a learning model built according to a method for remote management of a ship using a vibration sensor and an acoustic sensor according to the present invention. 5A, 5B to 9 are reference views for explaining a ship remote management system and method using a vibration sensor and an acoustic sensor according to the present invention.

먼저 도 1을 참조하여, 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템(이하에서는, "선박 관리 시스템"이라 명명함)의 전반적인 동작을 설명하도록 한다.First, with reference to FIG. 1, the overall operation of the ship remote management system (hereinafter, referred to as "ship management system") using the vibration sensor and the acoustic sensor according to the present invention will be described.

본 발명에 따른 선박 관리 시스템(10)은, 선박 관리 장치(100)를 포함할 수 있다. 이때 선박 관리 장치(100)는, 서버(도 1에는 서버라고 도시됨)라고도 명명할 수 있다. 선박 관리 시스템(10)은 선박을 관리하기 위한 것으로 선박(200)으로부터 정보를 수신할 수 있다. 이때 선박으로부터 수신하는 정보는, 선박에 설치된 진동센서 및 음향센서로부터 센싱된 센싱 정보를 포함할 수 있다.The ship management system 10 according to the present invention may include the ship management apparatus 100 . In this case, the vessel management apparatus 100 may also be called a server (shown as a server in FIG. 1 ). The ship management system 10 is for managing a ship and may receive information from the ship 200 . In this case, the information received from the ship may include sensing information sensed by a vibration sensor and an acoustic sensor installed in the ship.

선박 관리 장치(또는 서버)(100)는, 선박(200)으로부터 수신한 센싱 정보를 기반으로 학습 모델을 구축하고, 구축된 학습 모델을 기반으로 선박(200) 내 기관의 고장/결함을 예측할 수 있다. 이때 선박 관리 장치(100)는 예측된 결함과 관련된 정보를, 단말기(300)로 전송할 수 있다. 이때 단말기(300)는, 선박에 포함된 단말기, 선박의 운영자의 단말기, 선박 관리자의 단말기 또는 관제소의 단말기 등으로 알림 정보를 전송하여 선박 내 기관의 결함을 모니터링하고 이를 원격으로 관리함으로써, 선박과 관련된 사고의 발생을 예방할 수 있다.The vessel management device (or server) 100 builds a learning model based on the sensing information received from the vessel 200 , and predicts failures/defects of organs in the vessel 200 based on the built learning model. have. In this case, the ship management apparatus 100 may transmit information related to the predicted defect to the terminal 300 . At this time, the terminal 300 transmits notification information to the terminal included in the ship, the terminal of the operator of the ship, the terminal of the ship manager or the terminal of the control center, etc. to monitor the defects of the organs in the ship and manage it remotely, so that the ship and related accidents can be prevented.

즉, 본 발명에 따른 선박 관리 시스템(10)은, 도 6에 도시된 것과 같이, 학습 단계와 진단 단계를 거쳐보다 정확도 높은 선박 내 기관의 결함 예측이 가능하다.That is, the ship management system 10 according to the present invention, as shown in FIG. 6, through a learning step and a diagnosis step, it is possible to predict the defects of the engine in the ship with higher accuracy.

이상에서는 본 발명에 따른 선박 관리 시스템(10)의 개략적인 동작을 살펴보았다.In the above, the schematic operation of the ship management system 10 according to the present invention has been reviewed.

이하에서는 본 발명에 따른 선박 관리 시스템(10) 및 선박 관리 방법을 도 2 내지 도 9를 참조하여 각 구성요소 별로 보다 구체적으로 설명하도록 한다.Hereinafter, the ship management system 10 and the ship management method according to the present invention will be described in more detail for each component with reference to FIGS. 2 to 9 .

본 발명에 따른 선박 관리 시스템(10)은, 크게 센서부(210)와 선박 관리 장치(또는 서버)(100)로 구성된다. 다만 상기 구성요소로 제한되는 것은 아니며, 상기 구성요소 중 어느 하나가 생략될 수 있고, 추가 구성 요소를 더 포함할 수 있다. 일 예로서, 선박 관리 시스템(10)은, 운영자(또는 관리자)에게 선박 내 기관의 결함발생 정보를 알리기 위한 운영자(또는 관리자)의 단말기(300)를 더 포함할 수 있다.The ship management system 10 according to the present invention is largely composed of a sensor unit 210 and a ship management device (or server) 100 . However, it is not limited to the above components, and any one of the above components may be omitted, and additional components may be further included. As an example, the ship management system 10 may further include a terminal 300 of the operator (or manager) for notifying the operator (or manager) of the defect occurrence information of the engine in the ship.

센서부(210)는 선박(또는 선박 내 기관)의 적어도 일 영역에 설치될 수 있다. 센서부(210)는, 진동센서(211)와 음향센서(212)를 포함할 수 있다. 다만, 센서부(210)는 진동센서(211) 및 음향센서(212)만으로 제한되는 것은 아니며, 그 밖에 초음파 센서, 이미지센서, 온도센서 등 선박을 관리하기 위한 다양한 센서를 더 포함할 수 있다.The sensor unit 210 may be installed in at least one area of a ship (or an engine in a ship). The sensor unit 210 may include a vibration sensor 211 and an acoustic sensor 212 . However, the sensor unit 210 is not limited to only the vibration sensor 211 and the acoustic sensor 212, and may further include various sensors for managing the vessel, such as an ultrasonic sensor, an image sensor, and a temperature sensor.

센서부(210)는, 선박 내 기관의 결함을 감지하기 위한 영역에 설치될 수 있다.The sensor unit 210 may be installed in an area for detecting a defect in an engine in a ship.

먼저 진동센서(211)는, 선박에 포함된 기관(또는 장치)들 중 결함 발생 시 진동신호가 발생하는 위치와 근접한 위치에 설치될 수 있다. 즉 진동센서(211)는, 감지된 진동신호의 패턴에 따라 선박 내 기관의 고장 또는 결함 발생을 예측할 수 있다.First, the vibration sensor 211 may be installed at a position close to a position where a vibration signal is generated when a defect occurs among the engines (or devices) included in the ship. That is, the vibration sensor 211 may predict the occurrence of a failure or a defect in the engine in the ship according to the pattern of the detected vibration signal.

또한, 음향센서(212)는, 선박에 포함된 기관(또는 장치)들 중 결함 발생 시 음향신호가 발생하는 위치와 근접한 위치에 설치될 수 있다. 즉 음향센서(212)는, 감지된 음향신호의 패턴에 따라 선박 내 기관의 고장 또는 결함 발생을 예측할 수 있다.In addition, the acoustic sensor 212 may be installed at a location close to a location where an acoustic signal is generated when a defect occurs among the engines (or devices) included in the ship. That is, the acoustic sensor 212 may predict the occurrence of a failure or a defect in the engine in the ship according to the pattern of the detected acoustic signal.

따라서 진동센서(211)와 음향센서(212)는 동일한 위치에 설치될 수 있고, 또는 서로 다른 위치에 설치될 수도 있다. 센서부(210)에 포함된 진동센서(211)와 음향센서(212)는 적어도 하나를 포함할 수 있으며, 선박 내 여러 위치에 복수의 진동센서(211) 및 음향센서(212)가 설치될 수 있다.Therefore, the vibration sensor 211 and the acoustic sensor 212 may be installed at the same location, or may be installed at different locations. The vibration sensor 211 and the acoustic sensor 212 included in the sensor unit 210 may include at least one, and a plurality of vibration sensors 211 and acoustic sensors 212 may be installed at various locations in the ship. have.

한편, 선박 관리 장치(100)는, 선박 또는 외부 서버로부터 데이터를 수신하고, 수신된 데이터를 기반으로 선박의 고장을 진단하고, 결함의 발생을 예측할 수 있다. 이러한 선박 관리 장치(100)는, 육지에 위치한 구조물 내에 위치하거나, 해상에 위치한 구조물 내에 위치하거나, 또는 선박의 내부에 위치할 수 있다.Meanwhile, the vessel management apparatus 100 may receive data from a vessel or an external server, diagnose a vessel failure based on the received data, and predict the occurrence of a defect. The vessel management apparatus 100 may be located in a structure located on land, located in a structure located in the sea, or located inside a vessel.

선박 관리 장치(100)는, 통신부(110), 데이터베이스(120), 제어부(130) 및 학습부(140) 중 적어도 하나를 포함할 수 있다. The vessel management apparatus 100 may include at least one of a communication unit 110 , a database 120 , a control unit 130 , and a learning unit 140 .

통신부(110)는, 선박(200)의 센서부(210)로부터 센싱된 센싱 정보를 수신할 수 있다(S310).The communication unit 110 may receive sensing information sensed from the sensor unit 210 of the ship 200 (S310).

통신부(110)는, 선박의 진동센서(211)로부터 제1센싱 정보를 수신하고, 음향센서(212)로부터 제2센싱 정보를 수신할 수 있다. 센싱된 센싱 정보는 데이터베이스(120)에 저장될 수 있다. The communication unit 110 may receive the first sensing information from the vibration sensor 211 of the ship, and receive the second sensing information from the acoustic sensor 212 . The sensed sensing information may be stored in the database 120 .

이때 진동센서(211)로부터 수신된 제1센싱 정보는, 선박 내 기관의 속도, 가속도 및 변위 정보를 포함할 수 있다. 즉 센싱된 진동 신호는, 진동센서(211)가 센싱하는 선박 내 기관의 속도, 가속도 또는 변위에 따라 신호의 파형이 달라질 수 있다.In this case, the first sensing information received from the vibration sensor 211 may include speed, acceleration, and displacement information of an engine in the ship. That is, the sensed vibration signal may have a different waveform according to the speed, acceleration, or displacement of the engine in the vessel sensed by the vibration sensor 211 .

한편, 음향센서(212)로부터 수신된 제2센싱 정보는, 선박 내 기관에서 발생하는 음향 신호 정보를 포함할 수 있다. 이러한 음향 신호 정보는, 센싱된 음향의 크기, 높낮이, 주파수 등에 따라 신호의 파형이 달라질 수 있다.Meanwhile, the second sensing information received from the acoustic sensor 212 may include acoustic signal information generated by an engine in the ship. In the acoustic signal information, the waveform of the signal may vary according to the magnitude, height, frequency, etc. of the sensed sound.

한편, 센싱된 정보는, 선박 내 기관에 발생한 결함의 종류에 따라, 또는 결함이 발생한 선박 내 기관의 종류에 따라 달라질 수 있다. 구체적으로 결함의 종류(또는 기관의 종류)에 따라 진동 신호만 발생할 수도 있고, 또는 음향 신호만 발생할 수도 있으며, 진동 신호와 음향 신호가 동시에 또는 순차적으로 발생할 수도 있다. Meanwhile, the sensed information may vary according to the type of the defect occurring in the engine in the ship or the type of the engine in the ship in which the defect has occurred. Specifically, only a vibration signal may be generated, or only an acoustic signal may be generated depending on the type of defect (or the type of the organ), and the vibration signal and the acoustic signal may be generated simultaneously or sequentially.

도 5a를 참고하여 선박으로부터 센싱 정보를 수신하는 과정을 예를 들어 설명하도록 한다. A process of receiving sensing information from a ship will be described as an example with reference to FIG. 5A .

일 예로서, A 선박 내 기관에 결함이 발생한 경우, 제어부(130)는 센서부(210)로부터 센싱 정보를 통신부(110)를 통해 수신하도록 제어할 수 있다. 이 경우 센싱 정보는 진동센서(211)에 의해서 감지된 진동 신호만을 포함할 수 있다. As an example, when a defect occurs in the engine in the vessel A, the control unit 130 may control to receive sensing information from the sensor unit 210 through the communication unit 110 . In this case, the sensing information may include only the vibration signal sensed by the vibration sensor 211 .

다른 예로서, B 선박 내 기관에 결함이 발생한 경우, 제어부(130)는 센서부(210)로부터 센싱 정보를 통신부(110)를 통해 수신하도록 제어할 수 있다. 이 경우 센싱 정보는 음향센서(212)에 의해서 감지된 음향 신호만을 포함할 수 있다.As another example, when a defect occurs in the engine in the ship B, the control unit 130 may control to receive sensing information from the sensor unit 210 through the communication unit 110 . In this case, the sensing information may include only the sound signal detected by the sound sensor 212 .

또 다른 예로서, C 선박 내 기관에 결함이 발생한 경우, 제어부(130)는 센서부(210)로부터 센싱 정보를 통신부(110)를 통해 수신하도록 제어할 수 있다. 이 경우 센싱 정보는 진동센서(211)에 의해서 감지된 진동 신호와 음향센서(212)에 의해서 감지된 음향 신호를 모두 포함할 수 있다.As another example, when a defect occurs in the engine in the vessel C, the control unit 130 may control to receive sensing information from the sensor unit 210 through the communication unit 110 . In this case, the sensing information may include both a vibration signal detected by the vibration sensor 211 and an acoustic signal detected by the acoustic sensor 212 .

따라서 A 선박에 발생한 'A 결함'은 진동센서(211)로부터 수집된 센싱 정보와 매칭되어 데이터베이스에 저장될 수 있다. 또한 B 선박에서 발생한 'B 결함'은 음향센서(212)로부터 수집된 센싱 정보와 매칭되어 데이터베이스에 저장될 수 있다. C 선박에 발생한 'C 결함'은 진동센서(211)와 음향센서(212)로부터 수집된 센싱 정보와 매칭되어 데이터베이스에 저장될 수 있다.Accordingly, 'defect A' occurring in vessel A may be matched with sensing information collected from the vibration sensor 211 and stored in the database. In addition, the 'B defect' generated in the B ship may be matched with the sensing information collected from the acoustic sensor 212 and stored in the database. The 'C defect' occurring in the C ship may be matched with the sensing information collected from the vibration sensor 211 and the acoustic sensor 212 and stored in the database.

한편 통신부(110)는, 외부 서버로부터 데이터를 수신할 수 있다. 여기서 외부 서버는, 인터넷 서버, 연구소 서버, 또는 선박 내 기관에 대한 결함 판단기준이 저장된 기타 서버를 포함할 수 있다.Meanwhile, the communication unit 110 may receive data from an external server. Here, the external server may include an Internet server, a research lab server, or other servers in which defect determination criteria for an institution in a ship are stored.

일 예로서, 선박 내 기관(또는 구성요소 또는 장치)은, 베어링(bearing), 축, 블레이드(blade) 및 기어(gear) 등을 포함할 수 있다. 이러한 기관의 결함판단기준은, 도 8을 참조하면, 베어링 결함 판단기준, 축 결함 판단기준, 블레이드 결함 판단기준, 및 기어 결함 판단기준을 포함할 수 있다. 이때 결함 판단기준은, 연구 및 조사를 통한 데이터가 저장된 기타 서버, 또는 인터넷 서버, 연구소 서버로부터 통신부(110)를 통해 다운로드 받을 수 있다. 이때 다운로드 받은 선박 내 기관의 결함판단기준과 관련된 데이터는, 데이터베이스(120)에 저장될 수 있다. 이러한 결함판단기준과 관련된 데이터를 이용하여 결함 정도를 판단할 수 있는 평가 지표를 산출할 수 있다.As an example, an engine (or component or device) in a ship may include a bearing, a shaft, a blade, a gear, and the like. The defect determination criteria of such an institution may include, referring to FIG. 8 , a bearing defect determination standard, a shaft defect determination standard, a blade defect determination standard, and a gear defect determination standard. In this case, the defect determination criteria may be downloaded through the communication unit 110 from other servers in which data through research and investigation are stored, or from an Internet server or a laboratory server. In this case, the downloaded data related to the defect judgment criteria of the engine in the ship may be stored in the database 120 . An evaluation index capable of judging the degree of a defect can be calculated by using the data related to the defect judgment criterion.

일 예로서, 수신된 신호가 입력되는 경우, 휴리스틱 기반의 부대역 탐색 알고리즘을 통해 부대역 신호들을 추출하고, 추출된 부대역 신호들에서 상기 결함 정도를 판단할 수 있는 평가 지표를 통해 부대역 신호를 선택할 수 있다. 이 경우 선택된 부대역 신호의 분석을 통해서 상기 선박 내 기관의 결함을 진단할 수 있다.As an example, when a received signal is input, subband signals are extracted through a heuristic-based subband search algorithm, and the subband signal is extracted through an evaluation index capable of determining the defect degree from the extracted subband signals. can be selected. In this case, a defect in the engine in the ship may be diagnosed through analysis of the selected subband signal.

한편 제어부(130)는, 선박 관리 장치(100)의 전반적인 구성요소들의 동작을 제어할 수 있다. Meanwhile, the controller 130 may control operations of overall components of the ship management apparatus 100 .

제어부(130)는, 센서부로부터 수신한 센싱 정보에서 특징 데이터를 추출할 수 있다(S320). The controller 130 may extract feature data from the sensing information received from the sensor unit (S320).

제어부(130)는, 센싱 정보에서 특징 데이터를 추출하기에 앞서 잡음 신호를 제거, 증폭, 샘플링 등 전처리 과정을 수행할 수 있다.The controller 130 may perform pre-processing such as removing, amplifying, and sampling a noise signal before extracting the feature data from the sensing information.

도 7을 참고하면, 잡음 신호를 인공 신경망에 입력하고, 인공 신경망을 통해 잡음이 제거된 신호를 얻을 수 있다. 그리고 새로운 잡음 유형이 발견되는 경우에는 다시 새로운 잡음 유형을 상기 인공 신경망에 입력하여 잡음이 제거된 신호를 얻을 수 있다. 이러한 인공 신경망을 활용하여, 신호에 포함된 잡음에 대한 제거 정확도를 향상시킬 수 있다.Referring to FIG. 7 , a noise signal may be input to an artificial neural network, and a noise-removed signal may be obtained through the artificial neural network. And when a new noise type is found, the noise-removed signal may be obtained by inputting the new noise type into the artificial neural network again. By utilizing such an artificial neural network, it is possible to improve the removal accuracy of noise included in a signal.

한편, 제어부(130)는, 진동센서(211)로부터 수집되는 제1센싱 정보 및 음향센서(212)로부터 수집되는 제2센싱 정보에 대해서 각각 개별적인 특징 데이터를 추출할 수 있고, 또는 제1센싱 정보와 제2센싱 정보를 조합하여 선박 내 기관의 결함 발생 정보와 관련된 특징 데이터를 추출할 수 있다.Meanwhile, the controller 130 may extract individual characteristic data from each of the first sensing information collected from the vibration sensor 211 and the second sensing information collected from the acoustic sensor 212 , or the first sensing information and the second sensing information can be combined to extract feature data related to the defect occurrence information of the engine in the ship.

일 예로서, 제어부(130)는, 제1센싱 정보로부터 제1패턴을 추출하고, 제2센싱 정보로부터 제2패턴을 추출할 수 있다.As an example, the controller 130 may extract a first pattern from the first sensing information and extract a second pattern from the second sensing information.

다른 예로서, 제어부(130)는, 제1센싱 정보와 제2센싱 정보를 조합하여 제3패턴을 추출할 수 있다.As another example, the controller 130 may extract the third pattern by combining the first sensing information and the second sensing information.

이때 제1센싱 정보와 제2센싱 정보를 조합하는 방법은, 다양한 방법이 있을 수 있다. In this case, there may be various methods for combining the first sensing information and the second sensing information.

일 예로서, 제어부(130)는, 제1센싱 정보와 제2센싱 정보를 각각 수치 데이터로 환산하여, 환산된 값을 합산하여 특징 데이터를 추출할 수 있다.As an example, the controller 130 may convert the first sensing information and the second sensing information into numerical data, respectively, and may extract the feature data by summing the converted values.

다른 예로서, 제어부(130)는, 관리하고자 하는 선박 내 기기기의 종류에 따라, 음향센서와 진동센서의 가중치를 서로 다르게 적용하여 특징 데이터를 추출할 수 있다. 즉 제어부(130)는, 상기 선박 내 기관의 속도 정보, 가속도 정보, 변위 정보, 및 음향 신호 정보에 가중치를 적용하여 조합하고, 조합된 결과를 기반으로 상기 특징 데이터를 추출하도록 제어할 수 있다.As another example, the controller 130 may extract characteristic data by applying different weights of the acoustic sensor and the vibration sensor according to the type of device in the vessel to be managed. That is, the controller 130 may control the speed information, acceleration information, displacement information, and sound signal information of the engine in the ship to be combined by applying a weight, and to extract the characteristic data based on the combined result.

한편 제어부(130)는, 센싱 정보로부터 추출된 특징 데이터를 기반으로, 상기 센싱 정보와 선박 내 기관의 결함발생정보를 매칭하여 데이터베이스에 저장한다(S330).On the other hand, the control unit 130, based on the feature data extracted from the sensing information, matches the sensing information with the defect occurrence information of the engine in the ship and stores it in the database (S330).

예를 들어, 제어부(130)는, 센싱 정보에서 제3패턴이 검출된 경우, 선박 내 기관 중 제1기관에 결함이 발생하였다면, 제3패턴이 검출된 센싱 정보와 제1기관에 발생한 결함발생정보를 매칭하여 데이터베이스에 저장할 수 있다.For example, when a third pattern is detected in the sensing information, the control unit 130, if a defect occurs in the first engine among the engines in the ship, the sensing information in which the third pattern is detected and the defect occurring in the first engine Information can be matched and stored in a database.

한편, 학습부(140)는, 선박 내 기관의 결함발생정보와 매칭된 상기 센싱 정보를 학습 데이터로 특징 데이터를 학습하여 인공지능 기반의 학습 모델을 생성한다(S340).On the other hand, the learning unit 140 generates an AI-based learning model by learning the feature data using the sensing information matched with the defect occurrence information of the engine in the ship as learning data (S340).

선박 내 기관의 결함발생정보란, 선박 내 기관의 결함 발생을 예측할 수 있는 정보로써, 예를 들어, 기관의 정렬 불량, 윤활 불량, 온도 증가, 이물질 발견, 흡임양정 감소 및 유체압력 증가 중 적어도 하나의 정보를 포함할 수 있다.Defect occurrence information of an engine in a ship is information that can predict the occurrence of a failure in an engine in a ship. may include information from

인공지능 기술은 기계학습(예를 들어, 딥러닝) 및 기계학습을 활용한 요소 기술을 포함할 수 있다. 기계학습(machine learning)은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.Artificial intelligence technology may include machine learning (eg, deep learning) and element technology utilizing machine learning. Machine learning is an algorithm technology that categorizes/learns characteristics of input data by itself, and element technology is a technology that uses machine learning algorithms such as deep learning to simulate functions such as cognition and judgment of the human brain. It consists of technical fields such as logical comprehension, visual comprehension, reasoning/prediction, knowledge expression, and motion control.

학습부(140)는, 데이터베이스에 수집된 복수의 선박 내 기관의 결함발생정보와 매칭된 상기 센싱 정보들을 학습 데이터로 입력하여, 기계학습을 통해 특징 데이터에 따라 분석하고 분류하는 알고리즘을 이용하여 학습할 수 있다.The learning unit 140 inputs the sensing information matched with the defect occurrence information of a plurality of in-ship organs collected in the database as learning data, and uses an algorithm to analyze and classify according to the feature data through machine learning. can do.

이상에서는 수집된 데이터를 활용하여 선박 내 기관의 결함을 보다 정확도 높게 예측하기 위한 인공지능 기반의 학습모델을 구축하는 방법을 중심으로 설명하였다.In the above, the method of constructing an artificial intelligence-based learning model to predict the defects of organs in a ship with higher accuracy using the collected data has been mainly explained.

이하에서는, 구축된 학습 모델을 기반으로 실시간으로 선박으로부터 수신된 센싱 정보를 이용하여 선박 내 기관의 결함을 예측하는 방법을 도 4 및 도 5b를 참고하여 설명하도록 한다.Hereinafter, a method of predicting a defect in an engine in a ship using sensing information received from a ship in real time based on the built-up learning model will be described with reference to FIGS. 4 and 5B .

통신부는, 선박에 설치된 센서부로부터 수집된 특정 센싱 정보를 수신할 수 있다(S410). 이때 '특정 센싱 정보'는, 학습 데이터로 활용되는 센싱 정보와 구분하기 위한 것으로, 학습 데이터가 아닌 실제 선박 내 기관의 결함을 예측하기 위한 데이터를 의미한다. 다만, 특정 센싱 정보도 선박 내 기관의 결함이 예측되는 경우에는 이후에 데이터베이스에 저장되어 학습 데이터로 활용될 수 있다.The communication unit may receive specific sensing information collected from the sensor unit installed on the ship (S410). In this case, the 'specific sensing information' is to be distinguished from the sensing information used as learning data, and refers to data for predicting defects in an actual vessel in a ship, not learning data. However, specific sensing information may also be stored in a database later and used as learning data when a defect of an engine in a ship is predicted.

특정 센싱 정보는, 선박(또는 선박 내 기관)의 진동센서(211)로부터 특정 제1센싱 정보 및 음향센서(212)로부터 특정 제2센싱 정보를 포함할 수 있다.The specific sensing information may include specific first sensing information from the vibration sensor 211 of the vessel (or an engine in the vessel) and specific second sensing information from the acoustic sensor 212 .

한편 제어부는, 수신한 특정 센싱 정보에서 특징 데이터를 추출한다(S420).Meanwhile, the control unit extracts feature data from the received specific sensing information (S420).

제어부(130)는, 특정 센싱 정보에서 특징 데이터를 추출하기에 앞서 잡음 신호를 제거, 증폭, 샘플링 등 전처리 과정을 수행할 수 있다.The controller 130 may perform pre-processing such as removing, amplifying, and sampling a noise signal before extracting feature data from specific sensing information.

한편, 제어부(130)는, 진동센서(211)로부터 수집되는 특정 제1센싱 정보 및 음향센서(212)로부터 수집되는 특정 제2센싱 정보에 대해서 각각 개별적인 특징 데이터를 추출할 수 있고, 또는 제1센싱 정보와 제2센싱 정보를 조합하여 선박 내 기관의 결함 발생 정보와 관련된 특징 데이터를 추출할 수 있다.On the other hand, the control unit 130, the specific first sensing information collected from the vibration sensor 211 and the specific second sensing information collected from the acoustic sensor 212 may each extract individual characteristic data, or the first By combining the sensing information and the second sensing information, it is possible to extract characteristic data related to the defect occurrence information of the engine in the ship.

한편, 제어부(130)는, 특정 센싱 정보에서 추출된 특징 데이터를 구축된 학습 모델에 입력하여 상기 특징 데이터에 매칭되는 선박 내 기관의 결함발생정보를 기반으로 선박 내 기관의 결함을 예측할 수 있다(S440).On the other hand, the control unit 130 may input the feature data extracted from specific sensing information into the built learning model, and predict the defects of the in-ship organs based on the defect occurrence information of the in-ship organs matching the characteristic data ( S440).

선박 내 기관의 결함을 예측하는 구체적은 방법은 다음과 같다. The specific method of predicting the defects of the engine in a ship is as follows.

도 9을 참조하면, 제어부(130)는, 구축된 학습 모델의 기계학습 알고리즘을 통해, 특정 센싱 정보에 매칭되는 선박 내 기관의 결함발생정보를 분석할 수 있다. Referring to FIG. 9 , the control unit 130 may analyze defect occurrence information of an engine in a ship matching specific sensing information through a machine learning algorithm of the constructed learning model.

전술한 바와 같이, 결함발생정보는, 예를 들어, 기관의 윤활유 불량, 기관의 정렬 불량, 기관의 온도 증가, 기관의 과부하 중 적어도 하나를 포함할 수 있다. 다만 이들은 결함발생정보의 일 예로서, 상기 항목들로 제한되는 것은 아니다.As described above, the defect occurrence information may include, for example, at least one of an engine lubricating oil defect, an engine misalignment, an engine temperature increase, and an engine overload. However, these are examples of defect occurrence information and are not limited to the above items.

일 예로서, 특정 센싱 정보를 학습 모델에 입력한 결과, 매칭된 선박 내 기관의 결함발생정보가 기관의 정렬 불량과 기관의 온도 증가로 출력될 수 있다. As an example, as a result of inputting specific sensing information into the learning model, the matched defect occurrence information of the engine in the ship may be output due to the misalignment of the engine and the increase in the temperature of the engine.

이 경우, 기관의 정렬 불량으로 인해 발생되는 선박 내 기관의 결함은 베어링 결함과 축 결함(예를 들어, 굽힘 또는 균열)이 42%와 55%의 확률로 발생할 수 있다. 이때 결함발생정보에 대응되는 확률에 따른 선박의 결함은 외부 서버로부터 수신한 데이터로부터 추출될 수 있다.In this case, the defects of the engine in the ship caused by the misalignment of the engine can occur with a probability of 42% and 55% of bearing defects and shaft defects (eg bending or cracking). In this case, the defect of the ship according to the probability corresponding to the defect occurrence information may be extracted from the data received from the external server.

또한, 기관의 온도 증가로 인해 발생되는 선박 내 기관의 결함은, 베어링 결함, 축 결함(예를 들어, 굽힘 또는 균열) 과 메카니컬 씰(mechanical seal) 결함이 17%, 45% 및 20%의 확률로 발생할 수 있다.In addition, defects in engines in ships caused by increased engine temperature include bearing failures, shaft defects (eg bending or cracking) and mechanical seal defects with 17%, 45% and 20% probability. can occur with

따라서, 선박에서 수신된 특정 센싱 정보로부터 선박 내 기관의 결함을 예측한 결과, 베어링 결함(32.96%), 축 결함(예를 들어, 굽힘 또는 균열)(55.86%) 과 메카니컬 씰(mechanical seal) 결함(11.17%)이 발생할 가능성이 있음을 알 수 있다. Therefore, as a result of predicting the defects of the internal organs from the specific sensing information received from the vessel, bearing defects (32.96%), shaft defects (eg, bending or cracking) (55.86%) and mechanical seal defects (11.17%) is likely to occur.

한편, 제어부(130)는, 선박 내 기관의 결함 예측 결과, 선박 내 기관의 결함이 예측되는 경우, 결함알림정보를 생성하고, 생성된 결함알림정보를 통신부를 이용하여 단말기(300)로 전송하도록 제어할 수 있다. 이때 단말기(300)는, 선박에 포함된 단말기, 선박의 운영자의 단말기, 선박 관리자의 단말기 또는 관제소의 단말기 등을 포함할 수 있다. 제어부(130)는 단말기(300)로 선박 내 기관의 결함과 관련된 결함알림정보를 전송하여 결함이 예측되는 기관의 정비 또는 관찰을 통해 집중적으로 관리함으로써, 선박과 관련된 사고의 발생을 예방할 수 있다.On the other hand, the control unit 130, when the defect of the engine in the ship is predicted as a result of the prediction of the defect of the engine in the ship, generates defect notification information and transmits the generated defect notification information to the terminal 300 using the communication unit. can be controlled In this case, the terminal 300 may include a terminal included in a ship, a terminal of a ship operator, a terminal of a ship manager, or a terminal of a control center. The control unit 130 transmits defect notification information related to a defect of an engine in a vessel to the terminal 300 and intensively manages it through maintenance or observation of an organ in which the defect is predicted, thereby preventing the occurrence of an accident related to the vessel.

이러한 결함알림정보는, 시각적, 청각적, 및 촉각적 알림 정보를 포함할 수 있다. 시각적 알림 정보는, 단말기를 통해 팝업창 또는 메세지(또는 푸쉬 메세지)로 선박 내 기관의 결함이 발생하였음을 알림과 동시에, 구체적으로 결함이 발생한 선박 내 기관의 식별 정보와 발생한 결함의 종류 정보(예를 들어, 베어링 결함 또는 축 결함)를 단말기를 통해 제공할 수 있다. 이러한 시각적 알림 정보와 함께 청각적 알림에 해당하는 경보음, 또는 촉각적 알림에 해당하는 진동음을 단말기에 동시에 제공함으로써, 운영자(또는 관리자)에게 즉각적으로 선박 내 기관의 결함 예측 정보를 제공할 수 있다.Such defect notification information may include visual, auditory, and tactile notification information. The visual notification information is a pop-up window or message (or push message) through the terminal to notify that a defect has occurred in an engine in the ship, and at the same time, specifically, identification information of the engine in the ship in which the defect has occurred and information on the type of the defect (e.g., For example, bearing faults or shaft faults) can be provided through the terminal. By simultaneously providing the terminal with an alarm sound corresponding to an audible notification or a vibrating sound corresponding to a tactile notification together with such visual notification information, it is possible to provide the operator (or manager) with the defect prediction information of the internal organs immediately. .

한편, 제어부(130)는, 선박 내 기관의 결함 예측 결과, 선박 내 기관의 결함이 예측되지 않는 경우, 계속적으로 선박으로부터 수집한 센싱 정보를 모니터링할 수 있다.Meanwhile, the controller 130 may continuously monitor the sensing information collected from the ship when, as a result of predicting the defect of the engine in the ship, the failure of the engine in the ship is not predicted.

전술한 바와 같이 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 관리 시스템 및 방법은, 진동센서와 음향센서를 이용하여 선박 내 기관의 결함을 예측함으로써 보다 효율적으로 선박을 관리할 수 있다.As described above, the ship management system and method using the vibration sensor and the acoustic sensor according to the present invention can manage the ship more efficiently by predicting the defects of the engine in the ship using the vibration sensor and the acoustic sensor.

또한, 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 관리 시스템 및 방법은, 진동센서 및 음향센서로부터 센싱된 센싱 정보를 조합하여 특징 데이터를 추출하고, 추출된 특징 데이터와 선박 내 기관의 결함발생정보를 매칭하여 이를 학습데이터로 학습 모델을 구축함으로써, 보다 정확도 높은 선박 내 기관의 결함 예측이 가능하다.In addition, the ship management system and method using the vibration sensor and the acoustic sensor according to the present invention extracts characteristic data by combining the sensing information sensed from the vibration sensor and the acoustic sensor, and the extracted characteristic data and the defect occurrence of the engine in the ship By matching the information and building a learning model with the learning data, it is possible to predict the defects of the internal organs with higher accuracy.

또한, 본 발명에 따른 진동센서 및 음향센서를 이용한 선박 관리 시스템 및 방법은, 실시간으로 수집된 선박 내 기관의 센싱 정보를 구축된 학습 모델을 통해 선박 내 기관의 결함을 예측하고, 선박 내 기관의 결함이 예측되는 경우 운영자(또는 관리자)의 단말기로 결함알림정보를 전송함으로써, 보다 신속하게 선박 내 기관의 결함에 대응할 수 있다.In addition, the ship management system and method using the vibration sensor and the acoustic sensor according to the present invention predicts the defects of the engine in the ship through a learning model built on the sensing information of the engine in the ship collected in real time, and When a defect is predicted, by transmitting defect notification information to the terminal of the operator (or manager), it is possible to respond to the defect of the engine in the ship more quickly.

10: 선박 관리 시스템
100: 서버
110: 통신부
120: 데이터베이스
130: 제어부
140: 학습부
200: 선박
210: 센서부
211: 진동센서
212: 음향센서
300: 단말기10: Ship management system
100: server
110: communication department
120: database
130: control unit
140: study unit
200: ship
210: sensor unit
211: vibration sensor
212: acoustic sensor
300: terminal

Claims (10)

선박 내 기관의 적어도 일 영역에 설치된 진동센서와 음향센서를 포함하는 센서부;
상기 센서부로부터 수집된 센싱 정보를 수신하는 통신부;
상기 센싱 정보에서 특징 데이터를 추출하고,
상기 추출된 특징 데이터를 기반으로, 상기 센싱 정보와 상기 선박 내 기관에서 발생된 결함과 관련된 결함발생정보를 매칭하여 데이터베이스에 저장하는 제어부; 및
상기 선박 내 기관의 결함발생정보와 매칭된 상기 센싱 정보의 특징 데이터를 학습 데이터로 학습하여 인공지능 기반의 학습 모델을 생성하는 학습부를 포함하고,
상기 센싱 정보는,
상기 진동센서로부터 수집되는 제1센싱 정보 및 상기 음향센서로부터 수집되는 제2센싱 정보를 포함하고,
상기 제어부는,
상기 선박 내 기관에서 결함이 발생된 경우, 상기 선박 내 기관의 적어도 일 영역에 설치된 상기 진동센서와 상기 음향센서로부터 상기 선박 내 기관에서 발생된 결함과 관련된 센싱 정보를 수집하고,
상기 선박 내 기관에서 발생된 결함과 관련된 센싱 정보로부터 특징 데이터를 추출하고,
상기 특징 데이터가 추출된, 상기 선박 내 기관에서 발생된 결함과 관련된 센싱 정보와 상기 선박 내 기관에서 발생된 결함과 관련된 결함발생정보를 매칭시켜 저장하고,
상기 저장된 데이터를 학습 데이터로 학습하여 상기 인공지능 기반의 학습 모델을 생성하고,
상기 제1센싱 정보 및 상기 제2센싱 정보를 조합하여 상기 특징 데이터를 추출하고,
상기 결함발생정보는 상기 선박 내 기관의 정렬 불량, 윤활 불량, 온도 증가, 이물질 발견, 흡임양정 감소 및 유체압력 증가 중 적어도 하나를 포함하는 것을 특징으로 하는 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템.a sensor unit including a vibration sensor and an acoustic sensor installed in at least one area of an engine in a ship;
a communication unit for receiving the sensing information collected from the sensor unit;
extracting feature data from the sensing information,
a control unit configured to match the sensing information with defect occurrence information related to a defect occurring in an engine in the ship based on the extracted feature data and store the matching information in a database; and
A learning unit for generating an artificial intelligence-based learning model by learning the characteristic data of the sensing information matched with the defect occurrence information of the engine in the ship as learning data,
The sensing information is
Includes first sensing information collected from the vibration sensor and second sensing information collected from the acoustic sensor,
The control unit is
When a defect occurs in the engine in the ship, sensing information related to the defect occurring in the engine in the ship is collected from the vibration sensor and the acoustic sensor installed in at least one area of the engine in the ship,
extracting feature data from sensing information related to defects occurring in the internal organs of the ship;
The characteristic data is extracted, and the sensing information related to the defect occurring in the engine in the ship matches and stores the defect occurrence information related to the defect generated in the engine in the ship,
By learning the stored data as learning data to generate the artificial intelligence-based learning model,
extracting the feature data by combining the first sensing information and the second sensing information,
The defect occurrence information is a ship remote management system using a vibration sensor and an acoustic sensor, characterized in that it includes at least one of misalignment of the engine in the ship, poor lubrication, temperature increase, foreign matter detection, suction lift reduction, and fluid pressure increase . 제1항에 있어서,
상기 제1센싱 정보는, 상기 선박 내 기관의 속도, 가속도 및 변위 정보를 포함하고,
상기 제2센싱 정보는, 상기 선박 내 기관에서 발생하는 음향 신호 정보를 포함하는 것을 특징으로 하는 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템.According to claim 1,
The first sensing information includes speed, acceleration and displacement information of the engine in the ship,
The second sensing information, a ship remote management system using a vibration sensor and an acoustic sensor, characterized in that it includes information on the acoustic signal generated by the engine in the ship. 제2항에 있어서,
상기 제어부는,
상기 선박 내 기관의 속도 정보, 가속도 정보, 변위 정보, 및 음향 신호 정보에 가중치를 적용하여 조합하고, 조합된 결과를 기반으로 상기 특징 데이터를 추출하는 것을 특징으로 하는 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템.3. The method of claim 2,
The control unit is
A ship using a vibration sensor and an acoustic sensor, characterized in that the speed information, acceleration information, displacement information, and sound signal information of the engine in the ship are combined by applying a weight, and the characteristic data is extracted based on the combined result remote management system. 선박 내 기관의 적어도 일 영역에 설치된 진동센서와 음향센서를 포함하는 센서부;
상기 센서부로부터 수집된 특정 센싱 정보를 수신하는 통신부; 및
상기 특정 센싱 정보에서 특징 데이터를 추출하고,
상기 특징 데이터를 학습 모델에 입력하여 상기 특징 데이터에 매칭되는 상기 선박 내 기관에서 발생된 결함과 관련된 결함발생정보를 기반으로 상기 선박 내 기관의 결함을 예측하는 제어부를 포함하고,
상기 특정 센싱 정보는,
상기 진동센서로부터 수집되는 특정 제1센싱 정보 및 상기 음향센서로부터 수집되는 특정 제2센싱 정보를 포함하고,
상기 제어부는,
상기 선박 내 기관에서 결함이 발생된 경우, 상기 선박 내 기관의 적어도 일 영역에 설치된 상기 진동센서와 상기 음향센서로부터 상기 선박 내 기관에서 발생된 결함과 관련된 센싱 정보를 수집하고,
상기 선박 내 기관에서 발생된 결함과 관련된 센싱 정보로부터 특징 데이터를 추출하고,
상기 특징 데이터가 추출된, 상기 선박 내 기관에서 발생된 결함과 관련된 센싱 정보와 상기 선박 내 기관에서 발생된 결함과 관련된 결함발생정보를 매칭시켜 저장하고,
상기 저장된 데이터를 학습 데이터로 학습하여 상기 인공지능 기반의 학습 모델을 생성하고,
상기 특정 제1센싱 정보 및 상기 특정 제2센싱 정보를 조합하여 상기 특징 데이터를 추출하고,
상기 결함발생정보는 상기 선박 내 기관의 정렬 불량, 윤활 불량, 온도 증가, 이물질 발견, 흡임양정 감소 및 유체압력 증가 중 적어도 하나를 포함하는 것을 특징으로 하는 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템.a sensor unit including a vibration sensor and an acoustic sensor installed in at least one area of an engine in a ship;
a communication unit for receiving specific sensing information collected from the sensor unit; and
extracting feature data from the specific sensing information,
A control unit for predicting a defect in the engine in the ship based on the defect occurrence information related to the defect occurring in the engine in the ship matching the feature data by inputting the feature data into a learning model,
The specific sensing information is
It includes specific first sensing information collected from the vibration sensor and specific second sensing information collected from the acoustic sensor,
The control unit is
When a defect occurs in the engine in the ship, sensing information related to the defect occurring in the engine in the ship is collected from the vibration sensor and the acoustic sensor installed in at least one area of the engine in the ship,
extracting feature data from sensing information related to defects occurring in the internal organs of the ship;
The characteristic data is extracted, and the sensing information related to the defect occurring in the engine in the ship matches and stores the defect occurrence information related to the defect generated in the engine in the ship,
By learning the stored data as learning data to generate the artificial intelligence-based learning model,
extracting the feature data by combining the specific first sensing information and the specific second sensing information;
The defect occurrence information is a ship remote management system using a vibration sensor and an acoustic sensor, characterized in that it includes at least one of misalignment of the engine in the ship, poor lubrication, temperature increase, foreign matter detection, suction lift reduction, and fluid pressure increase . 제4항에 있어서,
상기 특정 제1센싱 정보는, 상기 선박 내 기관의 속도, 가속도 및 변위 정보를 포함하고,
상기 특정 제2센싱 정보는, 상기 선박 내 기관에서 발생하는 음향 신호 정보를 포함하는 것을 특징으로 하는 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템.5. The method of claim 4,
The specific first sensing information includes speed, acceleration and displacement information of the engine in the ship,
The specific second sensing information, a ship remote management system using a vibration sensor and an acoustic sensor, characterized in that it includes information on the acoustic signal generated by the engine in the ship. 제5항에 있어서,
상기 제어부는,
상기 선박 내 기관의 속도 정보, 가속도 정보, 변위 정보, 및 음향 신호 정보에 가중치를 적용하여 조합하고, 조합된 결과를 기반으로 상기 특징 데이터를 추출하는 것을 특징으로 하는 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템.6. The method of claim 5,
The control unit is
A ship using a vibration sensor and an acoustic sensor, characterized in that the speed information, acceleration information, displacement information, and sound signal information of the engine in the ship are combined by applying a weight, and the characteristic data is extracted based on the combined result remote management system. 제4항에 있어서,
상기 제어부는,
상기 선박 내 기관의 결함발생정보에 대응되는 상기 선박 내 기관의 적어도 하나의 결함을 확률에 기반하여 예측하는 것을 특징으로 하는 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템.5. The method of claim 4,
The control unit is
A ship remote management system using a vibration sensor and an acoustic sensor, characterized in that predicting at least one defect of the engine in the ship corresponding to the defect occurrence information of the engine in the ship based on probability. 제4항에 있어서,
상기 제어부는,
상기 선박 내 기관의 결함이 예측되는 경우, 결함알림정보를 생성하고,
상기 생성된 결함알림정보를 상기 통신부를 통해 단말기로 전송하도록 제어하는 것을 특징으로 하는 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템.5. The method of claim 4,
The control unit is
When the defect of the engine in the ship is predicted, the defect notification information is generated,
A ship remote management system using a vibration sensor and an acoustic sensor, characterized in that controlling the generated defect notification information to be transmitted to the terminal through the communication unit. 수집된 학습 데이터를 기반으로 학습 모델을 생성하는 단계;
선박 내 기관의 적어도 일 영역에 설치된 센서부로부터 특정 센싱 정보를 수신하는 단계;
상기 특정 센싱 정보에서 특징 데이터를 추출하는 단계;
상기 추출된 특징 데이터를 기반으로, 상기 센싱 정보와 상기 선박의 결함발생정보를 매칭하여 데이터베이스에 저장하는 단계; 및
상기 특징 데이터를 상기 학습 모델에 입력하여 상기 특징 데이터에 매칭되는 상기 선박 내 기관의 결함발생정보를 기반으로 상기 선박 내 기관의 결함을 예측하는 단계를 포함하고,
상기 센서부는,
진동센서와 음향센서를 포함하고,
상기 특정 센싱 정보는,
상기 진동센서로부터 수집되는 특정 제1센싱 정보 및 상기 음향센서로부터 수집되는 특정 제2센싱 정보를 포함하고,
상기 특징 데이터를 추출하는 단계에서는,
상기 특정 제1센싱 정보 및 상기 특정 제2센싱 정보를 조합하여 상기 특징 데이터를 추출하고,
상기 결함발생정보는 상기 선박 내 기관의 정렬 불량, 윤활 불량, 온도 증가, 이물질 발견, 흡임양정 감소 및 유체압력 증가 중 적어도 하나를 포함하고,
상기 선박 내 기관에서 결함이 발생된 경우,
상기 선박 내 기관의 적어도 일 영역에 설치된 상기 진동센서와 상기 음향센서로부터 상기 선박 내 기관에서 발생된 결함과 관련된 센싱 정보를 수집하는 단계;
상기 선박 내 기관에서 발생된 결함과 관련된 센싱 정보로부터 특징 데이터를 추출하는 단계;
상기 특징 데이터가 추출된, 상기 선박 내 기관에서 발생된 결함과 관련된 센싱 정보와 상기 선박 내 기관에서 발생된 결함과 관련된 결함발생정보를 매칭시켜 저장하는 단계; 및
상기 저장된 데이터를 학습 데이터로 학습하여 상기 인공지능 기반의 학습 모델을 생성하는 단계를 더 포함하는 것을 특징으로 하는 진동센서 및 음향센서를 이용한 선박 원격 관리 방법.generating a learning model based on the collected learning data;
Receiving specific sensing information from a sensor unit installed in at least one area of an engine in a ship;
extracting feature data from the specific sensing information;
matching the sensing information with the defect occurrence information of the ship based on the extracted characteristic data and storing the matching information in a database; and
Including the step of inputting the characteristic data into the learning model and predicting a defect of the engine in the ship based on the defect occurrence information of the engine in the ship matching the feature data,
The sensor unit,
Including a vibration sensor and an acoustic sensor,
The specific sensing information is
It includes specific first sensing information collected from the vibration sensor and specific second sensing information collected from the acoustic sensor,
In the step of extracting the feature data,
extracting the feature data by combining the specific first sensing information and the specific second sensing information;
The defect occurrence information includes at least one of misalignment of the engine in the ship, lubrication failure, temperature increase, foreign matter discovery, suction lift reduction, and fluid pressure increase,
If a defect occurs in the engine in the ship,
collecting sensing information related to a defect occurring in the engine in the ship from the vibration sensor and the acoustic sensor installed in at least one area of the engine in the ship;
extracting feature data from sensing information related to a defect occurring in an engine in the ship;
matching and storing sensing information related to a defect occurring in an engine in the ship from which the feature data is extracted and defect occurrence information related to a defect occurring in the engine in the ship; and
The method for remote management of a ship using a vibration sensor and an acoustic sensor further comprising the step of generating the artificial intelligence-based learning model by learning the stored data as learning data. 제9항에 있어서,
상기 선박 내 기관의 결함이 예측되는 경우, 결함알림정보를 생성하고, 상기 생성된 결함알림정보를 단말기로 전송하는 단계를 더 포함하는 것을 특징으로 하는 진동센서 및 음향센서를 이용한 선박 원격 관리 방법.10. The method of claim 9,
When a defect of the engine in the ship is predicted, generating defect notification information, and transmitting the generated defect notification information to a terminal.
KR1020200066581A 2020-06-02 2020-06-02 Vessel remote management system and method using vibration sensor and sound sensor KR102355264B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200066581A KR102355264B1 (en) 2020-06-02 2020-06-02 Vessel remote management system and method using vibration sensor and sound sensor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200066581A KR102355264B1 (en) 2020-06-02 2020-06-02 Vessel remote management system and method using vibration sensor and sound sensor

Publications (2)

Publication Number Publication Date
KR20210149484A KR20210149484A (en) 2021-12-09
KR102355264B1 true KR102355264B1 (en) 2022-01-25

Family

ID=78866277

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200066581A KR102355264B1 (en) 2020-06-02 2020-06-02 Vessel remote management system and method using vibration sensor and sound sensor

Country Status (1)

Country Link
KR (1) KR102355264B1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230158314A (en) 2022-05-11 2023-11-20 한국씨비엠주식회사 A System for Monitering a Vibration and a Noise Remotely
KR102673228B1 (en) * 2023-07-19 2024-06-10 사단법인 한국선급 Developing system for ship failure diagnosis and prediction algorithm and method for developing ship failure diagnosis and prediction algorithm using the same

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015508734A (en) * 2012-02-29 2015-03-23 エービービー・オーワイ Apparatus and method in a ship

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2669173A1 (en) * 2012-06-01 2013-12-04 ABB Technology AG Method and system for evaluation of ship performance
KR102568410B1 (en) * 2018-04-10 2023-08-22 한국전자통신연구원 Artificial intelligence system including preprocessor unit for sorting valid data

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015508734A (en) * 2012-02-29 2015-03-23 エービービー・オーワイ Apparatus and method in a ship

Also Published As

Publication number Publication date
KR20210149484A (en) 2021-12-09

Similar Documents

Publication Publication Date Title
US11346200B2 (en) Method and system for guaranteeing safety of offshore oil well control equipment
EP3085937B1 (en) System and method for detecting vehicle system faults
US8332337B2 (en) Condition-based monitoring system for machinery and associated methods
Liu et al. An audio-based fault diagnosis method for quadrotors using convolutional neural network and transfer learning
KR102355264B1 (en) Vessel remote management system and method using vibration sensor and sound sensor
CN112061988B (en) Crane distributed network monitoring and single machine monitoring management system and method
NO20101425L (en) System and method for condition assessment of downhole tool
US20180018641A1 (en) Method of estimating an expected service life of a component of a machine
KR102374980B1 (en) Multi-Sensor Based Artificial Intelligent Fault Diagnosis System Of Mechanical Device
KR102321607B1 (en) Rotating machine fault detecting apparatus and method
Flah et al. Localization and classification of structural damage using deep learning single-channel signal-based measurement
CN116228186A (en) Ship cabin intelligent operation and maintenance system based on human engineering
WO2019107315A1 (en) Method and system for detecting symptom of abnormality in apparatus being monitored
CN113847950A (en) Intelligent ship equipment state monitoring system based on cloud computing and information interaction method
JP2017021790A (en) Systems and methods for verification and anomaly detection using mixture of hidden markov models
CN111753603A (en) EDG fault diagnosis system of emergency generator set
CN112906775A (en) Equipment fault prediction method and system
CN116862740A (en) Intelligent prison management and control system based on Internet
JP4412306B2 (en) Abnormality determination method and abnormality determination device
Singh et al. Structural health monitoring and damage detection through machine learning approaches
CN114019935A (en) Real-time detection and diagnosis system based on industrial Internet of things equipment
EP3748450B1 (en) Data driven machine learning for modeling aircraft sensors
Miguelanez et al. Fault diagnosis of a train door system based on semantic knowledge representation
CN115165362A (en) Intelligent bearing fault detection system and method based on inspection and vibration signals
CN114626400A (en) Equipment fault diagnosis device, equipment fault diagnosis method, intelligent factory system and application agent

Legal Events

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