KR102384999B1 - Predictive maintenance method of equipment through cumulative waveform - Google Patents

Predictive maintenance method of equipment through cumulative waveform Download PDF

Info

Publication number
KR102384999B1
KR102384999B1 KR1020200113994A KR20200113994A KR102384999B1 KR 102384999 B1 KR102384999 B1 KR 102384999B1 KR 1020200113994 A KR1020200113994 A KR 1020200113994A KR 20200113994 A KR20200113994 A KR 20200113994A KR 102384999 B1 KR102384999 B1 KR 102384999B1
Authority
KR
South Korea
Prior art keywords
waveform
time
real
standard model
detection
Prior art date
Application number
KR1020200113994A
Other languages
Korean (ko)
Other versions
KR20220032336A (en
Inventor
이영규
Original Assignee
(주)아이티공간
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 (주)아이티공간 filed Critical (주)아이티공간
Priority to KR1020200113994A priority Critical patent/KR102384999B1/en
Publication of KR20220032336A publication Critical patent/KR20220032336A/en
Application granted granted Critical
Publication of KR102384999B1 publication Critical patent/KR102384999B1/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
    • 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
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • 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
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm

Landscapes

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

Abstract

본 발명은 누적 파형을 통한 기기의 예지 보전방법에 관한 것으로, 그 구성은 기기의 정상적인 구동 상태에서 한 동작을 수행하는데 소모되는 전류 값을 시간의 흐름에 따라 나타낸 파형을 반복적으로 수집하는 베이스 정보 수집단계(S10);와, 상기 베이스 정보 수집단계(S10)에서 수집된 파형 정보를 기반으로 표준모델 파형을 구축하는 모델 구축단계(S20);와, 실시간 기기의 구동 상태에서 한 동작을 수행하는데 소모되는 전류 값을 시간의 흐름에 따라 나타낸 실시간 파형을 수집하고, 그 수집된 실시간 파형과 상기 표준모델 파형의 매칭률을 검출하는 검출단계(S30);와, 상기 매칭률에 대한 경보 값을 설정하고, 상기 검출단계(S30)에서 검출에서 검출된 매칭률이 상기 경보 값 미만으로 형성되면 상기 기기를 이상상태로 판단하고 경보하는 판단단계(S40);로 이루어지는 것을 특징으로 하는 것으로서,
정상적인 상태의 기기가 한 동작을 수행하는데 소모되는 전류 값을 시간의 흐름에 따른 파형으로 나타내고, 그 파형 정보를 기반으로 표준모델 파형을 구축한 후, 실시간 구동되는 기기로부터 수집되는 실시간 파형과 표준모델 파형의 매칭률을 검출하는 방식으로 기기의 이상징후를 미리 예지 검출하여 적합한 시기에 기기의 정비 및 교체를 수행할 수 있도록 유도하여 기기의 고장으로 인한 막대한 금전적인 손실을 미연에 예방할 수 있는 효과가 있다.
또한, 기기에서 발생하는 이상징후를 효율적으로 검색하기 위해 다양한 검출조건을 제시하고, 그 검출조건을 만족하는 경우에 기기를 이상상태로 검출함으로, 기기에서 발생되는 이상징후를 매우 정밀하고 효과적으로 검출할 수 있을 뿐만 아니라, 검출결과에 대한 우수한 신뢰도를 확보할 수 있는 효과가 있다.The present invention relates to a method for predictive maintenance of a device through an accumulated waveform, the configuration of which is to collect base information repeatedly by collecting a waveform indicating a current value consumed to perform one operation in a normal driving state of the device over time Step (S10); and a model building step (S20) of building a standard model waveform based on the waveform information collected in the base information collecting step (S10); A detection step (S30) of collecting a real-time waveform representing the current value to be obtained over time, and detecting a matching rate between the collected real-time waveform and the standard model waveform; and, setting an alarm value for the matching rate, and , when the matching rate detected in the detection in the detection step (S30) is formed to be less than the alarm value, a determination step (S40) of judging the device as an abnormal state and alarming;
The current value consumed by a device in a normal state to perform an operation is displayed as a waveform over time, and a standard model waveform is built based on the waveform information, and then the real-time waveform and standard model collected from the device running in real time In a way that detects the matching rate of the waveform, it predicts and detects abnormal signs of the device in advance and induces maintenance and replacement of the device at an appropriate time, thereby preventing huge financial loss due to device failure in advance. there is.
In addition, various detection conditions are presented to efficiently search for abnormal signs occurring in the device, and when the detection conditions are satisfied, the device is detected as an abnormal state, thereby detecting abnormal symptoms occurring in the device very precisely and effectively. In addition, there is an effect of securing excellent reliability of the detection result.

Description

누적 파형을 통한 기기의 예지 보전방법{Predictive maintenance method of equipment through cumulative waveform}Predictive maintenance method of equipment through cumulative waveform

본 발명은 누적 파형을 통한 기기의 예지 보전방법에 관한 것으로, 더욱 상세하게는 정상적인 상태의 기기가 한 동작을 수행하는데 소모되는 전류 값을 시간의 흐름에 따른 파형으로 나타내고, 그 파형 정보를 기반으로 표준모델 파형을 구축한 후, 실시간 구동되는 기기로부터 수집되는 실시간 파형과 표준모델 파형의 매칭률을 검출하는 방식으로 기기의 이상징후를 미리 예지 검출하여 적합한 시기에 기기의 정비 및 교체를 수행할 수 있도록 유도하여 기기의 고장으로 인한 막대한 금전적인 손실을 미연에 예방할 수 있는 누적 파형을 통한 기기의 예지 보전방법에 관한 것이다.The present invention relates to a method for predictive maintenance of a device through a cumulative waveform, and more particularly, to represent a current value consumed by a device in a normal state to perform one operation as a waveform over time, and based on the waveform information After building the standard model waveform, it is possible to perform maintenance and replacement of equipment at an appropriate time by predicting and detecting abnormal signs in advance by detecting the matching rate between the real-time waveform and the standard model waveform collected from the real-time driven equipment. It relates to a predictive maintenance method of equipment through accumulated waveforms that can prevent huge financial loss due to equipment failure in advance.

일반적으로 설비의 자동화 공정을 위해 사용되는 각종 기기들은 안정적인 작동이 매우 중요하다. In general, stable operation of various devices used for automated process of equipment is very important.

일 예로, 대규모 생산 공장의 설비에는 수십, 수백 개의 기기가 설치되어 서로 연동 동작하면서 제품을 연속 생산하게 되는데, 만약 다수의 기기 중에서 어느 하나의 기기가 고장이 발생하면 설비의 동작이 전체적으로 중단되는 엄청난 상황이 발생할 수 있다.For example, dozens or hundreds of devices are installed in the facilities of a large-scale production plant to continuously produce products while working in conjunction with each other. situations can arise.

이때는 기기의 고장으로 인한 다운 타임의 발생으로 기기의 수리비용뿐만 아니라, 설비가 중단되는 동안 낭비되는 운영비와 비즈니스 효과에 의해 엄청난 손실이 발생될 수밖에 없다.In this case, due to the occurrence of downtime due to the failure of the equipment, not only equipment repair costs, but also huge losses are inevitably caused by wasted operating costs and business effects while equipment is stopped.

최근 고용노동부와 산업안전 관리공단의 자료에 따르면 연간 산업 안전사고로 인한 사상자는 총 10만 명 수준으로 집게 되고 있으며, 이를 비용으로 환산시 연간 18조원의 손실이 발생하고 있다고 집계되고 있다.According to the latest data from the Ministry of Employment and Labor and the Occupational Safety and Health Administration, the number of casualties due to occupational safety accidents is estimated at 100,000 per year, and when converted into expenses, it is estimated that an annual loss of 18 trillion won is generated.

이러한 예기치 않은 다운 타임 비용을 피하기 위한 방법으로 사전 예지 보전시스템의 도입이 시급한 실정이다. 이미 예지 보전이라는 명목하에 문제점을 개선하고자 노력하고 있으나 보다 효율적인 예지 보전을 위해 더 차원 높은 예지 보전방법의 개발이 필요한 실정이다.In order to avoid such unexpected downtime costs, it is urgent to introduce a predictive maintenance system. Efforts are already being made to improve the problems under the name of predictive conservation, but the development of higher-level predictive conservation methods is needed for more efficient predictive conservation.

본 발명은 상기한 바와 같은 제반 문제점을 해결하기 위하여 제안된 것으로, 그 목적은 정상적인 상태의 기기가 한 동작을 수행하는데 소모되는 전류 값을 시간의 흐름에 따른 파형으로 나타내고, 그 파형 정보를 기반으로 표준모델 파형을 구축한 후, 실시간 구동되는 기기로부터 수집되는 실시간 파형과 표준모델 파형의 매칭률을 검출하는 방식으로 기기의 이상징후를 미리 예지 검출하여 적합한 시기에 기기의 정비 및 교체를 수행할 수 있도록 유도하여 기기의 고장으로 인한 막대한 금전적인 손실을 미연에 예방할 수 있는 누적 파형을 통한 기기의 예지 보전방법을 제공함에 있다.The present invention has been proposed to solve the various problems as described above, and its purpose is to represent a current value consumed by a device in a normal state to perform one operation as a waveform over time, and based on the waveform information After building the standard model waveform, it is possible to perform maintenance and replacement of equipment at an appropriate time by predicting and detecting abnormal signs in advance by detecting the matching rate between the real-time waveform and the standard model waveform collected from the real-time driven equipment. It is to provide a predictive maintenance method for devices through the cumulative waveform that can prevent huge financial loss due to device failure in advance.

또한, 기기에서 발생하는 이상징후를 효율적으로 검색하기 위해 다양한 검출조건을 제시하고, 그 검출조건을 만족하는 경우에 기기를 이상상태로 검출함으로, 기기에서 발생되는 이상징후를 매우 정밀하고 효과적으로 검출할 수 있을 뿐만 아니라, 검출결과에 대한 우수한 신뢰도를 확보할 수 있는 누적 파형을 통한 기기의 예지 보전방법을 제공함에 있다.In addition, various detection conditions are presented to efficiently search for abnormal signs occurring in the device, and when the detection conditions are satisfied, the device is detected as an abnormal state, thereby detecting abnormal symptoms occurring in the device very precisely and effectively. It is to provide a predictive maintenance method of a device through a cumulative waveform that not only can, but can also secure excellent reliability for the detection result.

상기와 같은 목적을 달성하기 위한 본 발명에 따른 누적 파형을 통한 기기의 예지 보전방법은 기기의 정상적인 구동 상태에서 한 동작을 수행하는데 소모되는 전류 값을 시간의 흐름에 따라 나타낸 파형을 반복적으로 수집하는 베이스 정보 수집단계(S10);와, 상기 베이스 정보 수집단계(S10)에서 수집된 파형 정보를 기반으로 표준모델 파형을 구축하는 모델 구축단계(S20);와, 실시간 기기의 구동 상태에서 한 동작을 수행하는데 소모되는 전류 값을 시간의 흐름에 따라 나타낸 실시간 파형을 수집하고, 그 수집된 실시간 파형과 상기 표준모델 파형의 매칭률을 검출하는 검출단계(S30);와, 상기 매칭률에 대한 경보 값을 설정하고, 상기 검출단계(S30)에서 검출에서 검출된 매칭률이 상기 경보 값 미만으로 형성되면 상기 기기를 이상상태로 판단하고 경보하는 판단단계(S40);를 포함하여 이루어지며,
상기 모델 구축단계(S20)는 상기 베이스 정보 수집단계(S10)에서 수집된 다수의 파형을 누적(중첩)시키는 파형 누적공정(S21)과, 상기 파형 누적공정(S21)에서 누적된 파형을 일정한 시간 간격으로 구획하되, 그 구획 지점의 각 파형에 대한 전류 값을 합산 평균하여 각각의 구획 지점에 대한 평균값을 추출하는 추출공정(S22)과, 상기 추출공정(S22)에서 추출된 각각의 평균값을 연결하여 표준모델 파형을 구축하는 모델링 공정(S23)으로 이루어지는 것을 특징으로 한다.In order to achieve the above object, the predictive maintenance method of the device through the cumulative waveform according to the present invention is a method of repeatedly collecting waveforms indicating the current value consumed to perform one operation in a normal driving state of the device over time. A base information collection step (S10); and a model building step (S20) of building a standard model waveform based on the waveform information collected in the base information collection step (S10); and an operation performed in the driving state of the real-time device A detection step (S30) of collecting a real-time waveform representing a current value consumed in the performance over time, and detecting a matching rate between the collected real-time waveform and the standard model waveform; and an alarm value for the matching rate is set, and when the matching rate detected in the detection in the detection step (S30) is formed to be less than the alarm value, the determination step (S40) of judging the device as an abnormal state and alarming;
The model building step (S20) includes a waveform accumulation step (S21) of accumulating (overlapping) a plurality of waveforms collected in the base information collecting step (S10), and a waveform accumulated in the waveform accumulation step (S21) for a predetermined time. The extraction process (S22) of dividing at intervals, summing and averaging the current values for each waveform at the division point to extract the average value for each division point, and each average value extracted in the extraction process (S22) is connected It is characterized in that it consists of a modeling process (S23) of building a standard model waveform.

삭제delete

또한, 상기 검출단계(S30)에서 실시간 기기의 구동 상태에서 한 동작을 수행하는데 소모되는 전류 값을 시간의 흐름에 따라 나타낸 파형을 수집하고, 그 수집된 실시간 파형과 상기 표준모델 파형을 중첩 비교하되, 상기 표준모델 파형의 각 구획 지점의 전류 값과 상기 구획 지점에 해당하는 상기 실시간 파형 지점의 전류 값을 비교하여 차이 값을 검출하며,In addition, in the detection step (S30), a waveform representing the current value consumed to perform an operation in the driving state of the real-time device over time is collected, and the collected real-time waveform and the standard model waveform are overlapped and compared. , by comparing the current value of each division point of the standard model waveform with the current value of the real-time waveform point corresponding to the division point to detect a difference value,

상기 판단단계(S40)에서 실시간 파형에 대한 임계값을 설정하고, 상기 검출단계(S30)에서 검출에서 검출된 차이 값이 상기 임계값을 초과하면 상기 기기를 이상상태로 판단하고 경보하는 것을 특징으로 한다.In the determination step (S40), a threshold value for the real-time waveform is set, and when the difference value detected in the detection in the detection step (S30) exceeds the threshold value, the device is determined as an abnormal state and an alarm is performed. do.

이상에서와 같이 본 발명에 따른 누적 파형을 통한 기기의 예지 보전방법에 의하면, 정상적인 상태의 기기가 한 동작을 수행하는데 소모되는 전류 값을 시간의 흐름에 따른 파형으로 나타내고, 그 파형 정보를 기반으로 표준모델 파형을 구축한 후, 실시간 구동되는 기기로부터 수집되는 실시간 파형과 표준모델 파형의 매칭률을 검출하는 방식으로 기기의 이상징후를 미리 예지 검출하여 적합한 시기에 기기의 정비 및 교체를 수행할 수 있도록 유도하여 기기의 고장으로 인한 막대한 금전적인 손실을 미연에 예방할 수 있는 효과가 있다.As described above, according to the method for predictive maintenance of a device through a cumulative waveform according to the present invention, the current value consumed by the device in a normal state to perform one operation is expressed as a waveform over time, and based on the waveform information After building the standard model waveform, it is possible to perform maintenance and replacement of equipment at an appropriate time by predicting and detecting abnormal signs in advance by detecting the matching rate between the real-time waveform and the standard model waveform collected from the real-time driven equipment. It has the effect of preventing huge financial loss due to device failure in advance.

또한, 기기에서 발생하는 이상징후를 효율적으로 검색하기 위해 다양한 검출조건을 제시하고, 그 검출조건을 만족하는 경우에 기기를 이상상태로 검출함으로, 기기에서 발생되는 이상징후를 매우 정밀하고 효과적으로 검출할 수 있을 뿐만 아니라, 검출결과에 대한 우수한 신뢰도를 확보할 수 있는 효과가 있다.In addition, various detection conditions are suggested to efficiently search for abnormal signs occurring in the device, and when the detection conditions are satisfied, the device is detected as an abnormal state, so that the abnormal symptoms occurring in the device can be detected very precisely and effectively. In addition, there is an effect of securing excellent reliability of the detection result.

도 1은 본 발명의 실시예에 도시된 누적 파형을 통한 기기의 예지 보전방법의 블럭도
도 2 내지 도 8은 도 1에 도시된 누적 파형을 통한 기기의 예지 보전방법을 설명하기 위한 도면1 is a block diagram of a method for predictive maintenance of a device through a cumulative waveform shown in an embodiment of the present invention;
2 to 8 are diagrams for explaining a method for predictive maintenance of a device through the accumulated waveform shown in FIG. 1;

본 발명의 바람직한 실시예에 따른 누적 파형을 통한 기기의 예지 보전방법을 첨부된 도면에 의거하여 상세히 설명한다. 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 공지 기능 및 구성에 대한 상세한 기술은 생략한다.A method for predictive maintenance of a device through a cumulative waveform according to a preferred embodiment of the present invention will be described in detail with reference to the accompanying drawings. Detailed descriptions of well-known functions and configurations that are determined to unnecessarily obscure the gist of the present invention will be omitted.

도 1 내지 도 8은 본 발명의 실시예에 따른 누적 파형을 통한 기기의 예지 보전방법을 도시한 것으로, 도 1은 본 발명의 실시예에 도시된 누적 파형을 통한 기기의 예지 보전방법의 블럭도를, 도 2 내지 도 8은 도 1에 도시된 누적 파형을 통한 기기의 예지 보전방법을 설명하기 위한 도면을 각각 나타낸 것이다.1 to 8 are diagrams illustrating a method for predictive maintenance of a device using an accumulated waveform according to an embodiment of the present invention, and FIG. 1 is a block diagram of a method for predictive maintenance of a device using an accumulated waveform according to an embodiment of the present invention. , and FIGS. 2 to 8 are views for explaining a method for predictive maintenance of a device through the accumulated waveform shown in FIG. 1 , respectively.

상기 도면에 도시한 바와 같이, 본 발명의 실시예에 따른 누적 파형을 통한 기기의 예지 보전방법(100)은 베이스 정보 수집단계(S10)와, 모델 구축단계(S20)와, 검출단계(S30)와, 판단단계(S40)를 포함하고 있다.As shown in the figure, the predictive maintenance method 100 of the device through the accumulated waveform according to the embodiment of the present invention includes a base information collection step (S10), a model building step (S20), and a detection step (S30). and a determination step (S40).

도 1에 도시된 바와 같이, 상기 베이스 정보 수집단계(S10)는 기기의 정상적인 구동 상태에서 한 동작을 수행하는데 소모되는 전류 값을 시간의 흐름에 따라 나타낸 파형을 반복적으로 수집하는 단계이다.As shown in FIG. 1 , the base information collection step ( S10 ) is a step of repeatedly collecting waveforms indicating current values consumed to perform one operation in a normal driving state of the device over time.

즉, 상기와 같은 파형은 정상적인 기기로부터 수집되는 특성상, 매우 안정(정상)적인 파형으로 후설될 상기 모델 구축단계(S20)에서 표준모델 파형을 구축하는 기반이 된다.That is, the waveform as described above is a basis for building a standard model waveform in the model building step (S20), which will be described later as a very stable (normal) waveform due to the characteristics of being collected from a normal device.

통상적으로 대형 설비에 설치되어 유기적으로 동작하는 기기는 특정 작업공정을 반복적으로 수행하게 되는데, 일 예로, 천공기와 같은 기기는 소재에 구멍을 천공하는 동작을 반복하여 수행하게 되며, 이러한 천공기에서 구멍을 천공하는 동작에 소모되는 전류를 시간의 흐름에 따라 나타내면, 도 2에 도시된 파형으로 나타낼 수 있다.Typically, a device that is installed in a large facility and operates organically performs a specific work process repeatedly. For example, a device such as a perforator repeatedly performs the operation of perforating a hole in a material, and the hole in the perforator is repeatedly performed. If the current consumed in the drilling operation is expressed over time, it may be represented by the waveform shown in FIG. 2 .

상기와 같은 파형을 기반으로 본 발명의 예지 보전방법을 설명하도록 하나, 이러한 천공기와 같은 기기 및 천공 동작에 한정하여 적용하는 것은 물론 아니다.Although the predictive maintenance method of the present invention will be described based on the waveform as described above, it is of course not limited to a device such as a drilling machine and a drilling operation.

또한, 본 발명의 누적 파형을 통한 기기의 예지 보전방법(100)에서는 기기의 동작에 소모되는 전류 값을 기반으로 상기와 같은 파형을 수집하였으나, 기기에서 소모되는 공급 전원(전류)의 주파수, 기기에서 발생되는 진동, 온도, 압력 등이 전류 값과 대체되어 적용될 수 있다.In addition, in the predictive maintenance method 100 of the device through the accumulated waveform of the present invention, the waveform as described above was collected based on the current value consumed in the operation of the device, but the frequency of the supply power (current) consumed by the device, the device Vibration, temperature, pressure, etc. generated in the current can be applied by replacing the current value.

또한, 상기 베이스 정보 수집단계(S10)에서 기기로부터 수집되는 전류 값은 전류를 측정할 수 있는 통상의 각종 센서를 통해 측정 수집됨은 물론이다.In addition, it goes without saying that the current value collected from the device in the base information collection step S10 is measured and collected through various conventional sensors capable of measuring the current.

도 1에 도시된 바와 같이, 상기 모델 구축단계(S20)는 상기 베이스 정보 수집단계(S10)에서 수집된 파형 정보를 기반으로 표준모델 파형을 구축하는 단계로, 파형 누적공정(S21)과, 추출공정(S22)과, 모델링 공정(S23)으로 이루어진다.As shown in Figure 1, the model building step (S20) is a step of building a standard model waveform based on the waveform information collected in the base information collecting step (S10), the waveform accumulation step (S21), and extraction It consists of a process (S22) and a modeling process (S23).

상기 파형 누적공정(S21)은 상기 베이스 정보 수집단계(S10)에서 수집된 다수의 파형을 누적(중첩)시키는 공정이다.The waveform accumulation process (S21) is a process of accumulating (overlapping) the plurality of waveforms collected in the base information collection step (S10).

즉, 도 3에 도시된 바와 같이 다수의 파형이 중첩되면 소정의 두께를 갖는 하나의 파형과 같이 형성되는데, 상기 베이스 정보 수집단계(S10)에서 수집되는 파형은 정상적인 전류 값을 기반으로 형성됨으로 인해 얇은 두께를 갖는 파형으로 형성되며, 이러한 파형은 후설될 상기 추출공정(S22) 및 모델링 공정(S23)을 통해 구축되는 표준모델 파형의 기반이 된다.That is, as shown in FIG. 3 , when a plurality of waveforms are overlapped, they are formed as one waveform having a predetermined thickness. It is formed in a waveform having a thin thickness, and this waveform becomes the basis of the standard model waveform built through the extraction process (S22) and the modeling process (S23) to be described later.

만약, 기기가 열화, 노후, 부품의 마모 등의 이유로 인해 기기의 구동상태가 다소 불량하여 기기가 구동과정에서 부하가 발생하면, 그 부하로 인해 전류 값의 기복(흔들림)이 발생함으로 중첩되어 형성되는 파형의 두께가 두껍게 형성될 수 있는 특성상, 상기 파형 누적공정(S21)에서 추출된 파형의 두께가 얇다는 것은 정상적인 기기로부터 파형이 수집된 것으로 볼 수 있으므로 상기와 같은 얇은 두께의 파형은 기기로부터 추출될 수 있는 매우 바람직한 파형이다.If a load occurs in the process of driving the device due to the device’s rather poor driving condition due to deterioration, aging, wear of parts, etc., the current value will fluctuate due to the load. Due to the characteristics that the thickness of the waveform can be formed to be thick, the thin thickness of the waveform extracted in the waveform accumulation process (S21) can be regarded as a waveform collected from a normal device. It is a very desirable waveform that can be extracted.

상기 추출공정(S22)은 상기 파형 누적공정(S21)에서 누적된 파형을 일정한 시간 간격으로 구획하되, 그 구획 지점의 각 파형에 대한 전류 값을 합산 평균하여 각각의 구획 지점에 대한 평균값을 추출하는 공정이다.The extraction process (S22) divides the waveform accumulated in the waveform accumulation process (S21) at regular time intervals, and extracts the average value for each division point by summing and averaging the current values for each waveform at the division point it is fair

일 예로, 도 4에 도시된 바와 같이 7개의 파형이 중첩되면, 각 구획 지점에서 7개 파형 전류 값을 모두 합산한 후에 7로 나누어 각 구획 지점의 평균값을 추출하는데, 만약 상기 구획 지점의 각 파형의 전류 값이 10, 11, 12, 13, 15, 18, 19로 형성되면 평균값은 98/7=14가 되는 것이다.For example, when 7 waveforms are overlapped as shown in FIG. 4 , after summing all the 7 waveform current values at each division point, the average value of each division point is extracted by dividing by 7, if each waveform at the division point is If the current value of is formed as 10, 11, 12, 13, 15, 18, 19, the average value becomes 98/7=14.

이렇게 추출된 각 구획 지점의 평균값을 서로 연결하여 상기 표준모델 파형으로 구축하는데, 이때 상기 구획 지점과 인접하는 구획 지점 사이의 구간은 실질적으로 평균값이 반영되지 않는 부분이므로 상기 구획 지점 간의 시간 간격은 작을수록 바람직한 표준모델 파형을 구축할 수 있다.The average value of each division point extracted in this way is connected to each other and constructed as the standard model waveform. At this time, since the average value is not substantially reflected in the section between the division point and the adjacent division point, the time interval between the division points is small. The more desirable standard model waveforms can be constructed.

도 5에 도시된 바와 같이, 상기 모델링 공정(S23)은 상기 추출공정(S22)에서 추출된 각각의 평균값을 연결하여 표준모델 파형을 구축하는 공정이다.5, the modeling process (S23) is a process of constructing a standard model waveform by connecting each average value extracted in the extraction process (S22).

이렇게 구축되는 상기 표준모델 파형은 실시간 구동되는 기기의 상태를 판단하기 위한 기준이 된다.The standard model waveform constructed in this way becomes a reference for judging the state of the device driven in real time.

여기서, 상기 파형 누적공정(S21)에서 중첩된 파형으로부터 상기 표준모델 파형을 구축하기 위한 합리적인 방법으로 각 상기 구획 지점의 파형들의 전류 값을 평균한 평균값을 추출하여 구축하였으나, 중첩된 파형이 갖는 두께의 중간 값, Max 또는 Min 값, 선택되는 특정 위치의 값 등을 추출하여 구축할 수도 있다.Here, the average value obtained by averaging the current values of the waveforms at each of the division points was extracted and constructed in a reasonable way for building the standard model waveform from the overlapped waveform in the waveform accumulation process (S21), but the thickness of the overlapped waveform It can also be constructed by extracting the median value of , Max or Min value, and the value of a selected specific position.

도 1에 도시된 바와 같이, 상기 검출단계(S30)는 실시간 기기의 구동 상태에서 한 동작을 수행하는데 소모되는 전류 값을 시간의 흐름에 따라 나타낸 실시간 파형을 수집하고, 그 수집된 실시간 파형과 상기 표준모델 파형의 매칭률을 검출하는 단계이다.As shown in FIG. 1 , in the detecting step S30, a real-time waveform representing a current value consumed to perform an operation in a driving state of the real-time device over time is collected, and the collected real-time waveform and the This is a step of detecting the matching rate of the standard model waveform.

즉, 도 6에 도시된 바와 같이 실시간으로 수집된 기기의 실시간 파형과 상기 표준모델 파형과 매칭시켜 매칭률을 검출하여 관리자에게 제공하는데, 상기 표준모델 파형은 기기가 매우 정상(안정)적인 상태에서 구축된 파형이므로 검출된 매칭률이 놓을수록 기기를 정상적인 상태로 볼 수 있고, 매칭률이 낮을수록 기기를 불안정한 상태로 볼 수 있다.That is, as shown in FIG. 6 , the real-time waveform of the device collected in real time and the standard model waveform are matched to detect a matching rate and provided to the manager. The standard model waveform is in a very normal (stable) state Since it is a constructed waveform, the higher the detected matching rate is, the more normal the device is, and the lower the matching rate, the more unstable the device is.

도 1에 도시된 바와 같이, 상기 판단단계(S40)는 상기 매칭률에 대한 경보 값을 설정하고, 상기 검출단계(S30)에서 검출에서 검출된 매칭률이 상기 경보 값 미만으로 형성되면 상기 기기를 이상상태로 판단하고 경보하는 단계이다.1, in the determining step (S40), an alarm value for the matching rate is set, and when the matching rate detected in the detection in the detection step (S30) is formed to be less than the alarm value, the device This is the stage where an abnormal state is judged and an alarm is issued.

여기서, 설정되는 상기 매칭률에 대한 경보 값은 기기의 종류, 사용환경, 수명 등의 조건을 고려하여 다양한 크기의 값으로 설정될 수 있으며, 상기 경보 값을 둘 이상의 값으로 설정하여 경보에 대한 수위를 다양하게 설정하여 관리자에게 기기의 이상징후를 경보할 수 있음은 물론이다.Here, the set alarm value for the matching rate may be set to a value of various sizes in consideration of conditions such as the type of device, the usage environment, and the lifespan. Of course, it is possible to set various settings to alert the administrator to abnormal symptoms of the device.

즉, 상기 검출단계(S30)에서 검출된 매칭률이 설정된 경보 값 미만으로 형성되는 관리자에게 경보하여 기기의 고장이 발생하기 전에 기기의 점검 및 관리를 유도하여 갑작스럽게 기기의 고장으로 설비의 전체적인 가동이 중단되어 발생할 수 있는 경제적인 손실을 미연에 방지할 수 있도록 한다.That is, in the detection step (S30), the matching rate detected in the detection step (S30) alerts the manager who is formed to be less than the set alarm value to induce the inspection and management of the device before the failure of the device, so that the entire facility is operated due to a sudden device failure It is possible to prevent the economic loss that may occur due to this interruption in advance.

일 예로, 도 7에 도시된 바와 같이 경보 값이 97%로 설정되고, 상기 검출단계(S30)에서 매칭률이 96%로 검출되어 상기 경보 값 미만으로 형성되면, 곧바로 관리자에게 경보하게 되는 것이다.For example, as shown in FIG. 7 , when the alarm value is set to 97% and the matching rate is detected as 96% in the detection step S30 and is formed to be less than the alarm value, the manager is immediately alerted.

한편, 도 8에 도시된 바와 같이 상기 검출단계(S30)에서 실시간 기기의 구동 상태에서 한 동작을 수행하는데 소모되는 전류 값을 시간의 흐름에 따라 나타낸 파형을 수집하고, 그 수집된 실시간 파형과 상기 표준모델 파형을 중첩 비교하되, 상기 표준모델 파형의 각 구획 지점의 전류 값과 상기 구획 지점에 해당하는 상기 실시간 파형 지점의 전류 값을 비교하여 차이 값을 검출한다.Meanwhile, as shown in FIG. 8 , in the detection step S30 , a waveform representing the current value consumed to perform an operation in the driving state of the real-time device over time is collected, and the collected real-time waveform and the The standard model waveforms are overlapped and compared, and the difference value is detected by comparing the current value of each division point of the standard model waveform with the current value of the real-time waveform point corresponding to the division point.

여기서, 상기 실시간 파형과 상기 표준모델 파형을 대비하여 추출되는 차이 값이 크면, 실시간 구동하는 기기에서 부하가 다소 높게 나타나고 있는 것으로 기기의 상태가 다소 불량한 것으로 볼 수 있고, 반대로 상기 차이 값이 작으면 실시간 기기의 구동상태에서 부하가 거의 없는 안정적인 상태로 볼 수 있다.Here, if the difference value extracted by comparing the real-time waveform and the standard model waveform is large, the load appears to be rather high in the real-time driving device, and it can be seen that the state of the device is rather poor, and on the contrary, if the difference value is small It can be seen that the real-time device is in a stable state with almost no load.

그런 후, 상기 판단단계(S40)에서 실시간 파형에 대한 임계값을 설정하고, 상기 검출단계(S30)에서 검출에서 검출된 차이 값이 상기 임계값을 초과하면 상기 기기를 이상상태로 판단하고 경보하여 상기 기기를 이상상태로 검출하도록 한다.Then, in the determination step (S40), a threshold value for the real-time waveform is set, and if the difference value detected in the detection in the detection step (S30) exceeds the threshold value, the device is determined as an abnormal state and an alarm is performed. Let the device be detected as abnormal.

즉, 도 8에 도시된 바와 같이 기기의 실시간 구동상태에서 수집된 실시간 파형과 상기 표준모델 파형을 대비하여 각 구획 지점의 차이 값이 상기 임계값을 초과하면 기기를 이상상태로 검출 경보하여 기기의 고장이 발생하기 전에 미리 교체나 수리 등의 관리를 수행하여 기기의 고장으로 설비의 가동의 중단되어 발생할 수 있는 막대한 경제적 손실을 미연에 예방하도록 한다.That is, as shown in FIG. 8, when the difference value of each division point exceeds the threshold value in comparison with the real-time waveform collected in the real-time driving state of the device and the standard model waveform, the device is detected as abnormal and alerted to Before a failure occurs, management such as replacement or repair is performed in advance to prevent a huge economic loss that may occur due to the interruption of operation of equipment due to equipment failure.

여기서, 상기 임계값은 적어도 둘 이상의 임계값, 예를 들어 경보 임계값과 상기 경보 임계값보다 높은 수위의 위험 임계값 등으로 구분하여 경보에 대한 수위를 다양하게 형성하여 단계적으로 기기의 이상징후를 경보할 수 있음은 물론이다.Here, the threshold value is divided into at least two or more threshold values, for example, an alarm threshold value and a risk threshold value higher than the alarm threshold value, so that the level for the alarm is formed in various ways to detect abnormal symptoms of the device in stages. Of course, you can be alerted.

상기와 같은 공정으로 이루어진 본 발명의 누적 파형을 통한 기기의 예지 보전방법(100)은 정상적인 상태의 기기가 한 동작을 수행하는데 소모되는 전류 값을 시간의 흐름에 따른 파형으로 나타내고, 그 파형 정보를 기반으로 표준모델 파형을 구축한 후, 실시간 구동되는 기기로부터 수집되는 실시간 파형과 표준모델 파형의 매칭률을 검출하는 방식으로 기기의 이상징후를 미리 예지 검출하여 적합한 시기에 기기의 정비 및 교체를 수행할 수 있도록 유도하여 기기의 고장으로 인한 막대한 금전적인 손실을 미연에 예방할 수 있는 효과가 있다.The predictive maintenance method 100 of the device through the accumulated waveform of the present invention made with the above process shows the current value consumed by the device in a normal state to perform one operation as a waveform over time, and the waveform information is displayed After building the standard model waveform based on the standard model waveform, it detects the matching rate between the real-time waveform and the standard model waveform collected from the device running in real time. It has the effect of preventing huge financial loss due to device failure in advance.

또한, 기기에서 발생하는 이상징후를 효율적으로 검색하기 위해 다양한 검출조건을 제시하고, 그 검출조건을 만족하는 경우에 기기를 이상상태로 검출함으로, 기기에서 발생되는 이상징후를 매우 정밀하고 효과적으로 검출할 수 있을 뿐만 아니라, 검출결과에 대한 우수한 신뢰도를 확보할 수 있는 효과가 있다.In addition, various detection conditions are suggested to efficiently search for abnormal signs occurring in the device, and when the detection conditions are satisfied, the device is detected as an abnormal state, so that the abnormal symptoms occurring in the device can be detected very precisely and effectively. In addition, there is an effect of securing excellent reliability of the detection result.

본 발명은 첨부된 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것으로 상술한 실시예에 한정되지 않으며, 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 실시예가 가능하다는 점을 이해할 수 있을 것이다. 또한, 본 발명의 사상을 해치지 않는 범위 내에서 당업자에 의한 변형이 가능함은 물론이다. 따라서, 본 발명에서 권리를 청구하는 범위는 상세한 설명의 범위 내로 정해지는 것이 아니라 후술되는 청구범위와 이의 기술적 사상에 의해 한정될 것이다.Although the present invention has been described with reference to the embodiments shown in the accompanying drawings, which are illustrative and not limited to the above-described embodiments, those of ordinary skill in the art will realize that various modifications and equivalent embodiments are possible therefrom. point can be understood. In addition, it goes without saying that modifications by those skilled in the art are possible within the scope that does not impair the spirit of the present invention. Accordingly, the scope of claiming the right in the present invention is not defined within the scope of the detailed description, but will be limited by the following claims and the technical spirit thereof.

S10. 베이스 정보 수집단계 S20. 모델 구축단계
S21. 파형 누적공정 S22. 추출공정
S23. 모델링 공정 S30. 검출단계
S40. 판단단계
100. 누적 파형을 통한 기기의 예지 보전방법S10. Base information collection step S20. Model building stage
S21. Waveform accumulation process S22. extraction process
S23. Modeling process S30. detection stage
S40. judgment stage
100. Predictive maintenance method of equipment through accumulated waveform

Claims (3)

각종 설비에 사용되는 것으로, 동일한 동작을 반복 수행하는 기기의 예지 보전방법에 있어서,
상기 기기의 정상적인 구동 상태에서 한 동작을 수행하는데 소모되는 전류 값을 시간의 흐름에 따라 나타낸 파형을 반복적으로 수집하는 베이스 정보 수집단계(S10);
상기 베이스 정보 수집단계(S10)에서 수집된 파형 정보를 기반으로 표준모델 파형을 구축하는 모델 구축단계(S20);
실시간 기기의 구동 상태에서 한 동작을 수행하는데 소모되는 전류 값을 시간의 흐름에 따라 나타낸 실시간 파형을 수집하고, 그 수집된 실시간 파형과 상기 표준모델 파형의 매칭률을 검출하는 검출단계(S30); 및
상기 매칭률에 대한 경보 값을 설정하고, 상기 검출단계(S30)에서 검출에서 검출된 매칭률이 상기 경보 값 미만으로 형성되면 상기 기기를 이상상태로 판단하고 경보하는 판단단계(S40);를 포함하여 이루어지며,
상기 모델 구축단계(S20)는 상기 베이스 정보 수집단계(S10)에서 수집된 다수의 파형을 누적(중첩)시키는 파형 누적공정(S21)과, 상기 파형 누적공정(S21)에서 누적된 파형을 일정한 시간 간격으로 구획하되, 그 구획 지점의 각 파형에 대한 전류 값을 합산 평균하여 각각의 구획 지점에 대한 평균값을 추출하는 추출공정(S22)과, 상기 추출공정(S22)에서 추출된 각각의 평균값을 연결하여 표준모델 파형을 구축하는 모델링 공정(S23)으로 이루어지는 것을 특징으로 하는 누적 파형을 통한 기기의 예지 보전방법.
In the predictive maintenance method of equipment that is used in various facilities and repeatedly performs the same operation,
a base information collection step (S10) of repeatedly collecting a waveform representing a current value consumed to perform an operation in a normal driving state of the device over time;
a model building step (S20) of constructing a standard model waveform based on the waveform information collected in the base information collecting step (S10);
A detection step (S30) of collecting a real-time waveform representing a current value consumed to perform an operation in a driving state of the real-time device over time, and detecting a matching rate between the collected real-time waveform and the standard model waveform; and
A determination step (S40) of setting an alarm value for the matching rate, and judging the device as an abnormal state and alarming if the matching rate detected in detection in the detection step (S30) is formed to be less than the alarm value; is done by
The model building step (S20) includes a waveform accumulation step (S21) of accumulating (overlapping) a plurality of waveforms collected in the base information collecting step (S10), and a waveform accumulated in the waveform accumulation step (S21) for a predetermined time. The extraction process (S22) of dividing at intervals, summing and averaging the current values for each waveform at the division point to extract the average value for each division point, and each average value extracted in the extraction process (S22) is connected The predictive maintenance method of the device through the accumulated waveform, characterized in that consisting of a modeling process (S23) to build a standard model waveform.
 삭제delete 제 1 항에 있어서,
상기 검출단계(S30)에서 실시간 기기의 구동 상태에서 한 동작을 수행하는데 소모되는 전류 값을 시간의 흐름에 따라 나타낸 파형을 수집하고, 그 수집된 실시간 파형과 상기 표준모델 파형을 중첩 비교하되, 상기 표준모델 파형의 각 구획 지점의 전류 값과 상기 구획 지점에 해당하는 상기 실시간 파형 지점의 전류 값을 비교하여 차이 값을 검출하며,
상기 판단단계(S40)에서 실시간 파형에 대한 임계값을 설정하고, 상기 검출단계(S30)에서 검출에서 검출된 차이 값이 상기 임계값을 초과하면 상기 기기를 이상상태로 판단하고 경보하는 것을 특징으로 하는 누적 파형을 통한 기기의 예지 보전방법.The method of claim 1,
In the detection step (S30), a waveform representing the current value consumed to perform an operation in the driving state of the real-time device over time is collected, and the collected real-time waveform and the standard model waveform are overlapped and compared, but the Comparing the current value of each division point of the standard model waveform with the current value of the real-time waveform point corresponding to the division point, the difference value is detected,
In the determination step (S40), a threshold value for the real-time waveform is set, and when the difference value detected in the detection in the detection step (S30) exceeds the threshold value, the device is determined as an abnormal state and an alarm is performed. Predictive maintenance method of equipment through accumulated waveforms.
KR1020200113994A 2020-09-07 2020-09-07 Predictive maintenance method of equipment through cumulative waveform KR102384999B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200113994A KR102384999B1 (en) 2020-09-07 2020-09-07 Predictive maintenance method of equipment through cumulative waveform

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200113994A KR102384999B1 (en) 2020-09-07 2020-09-07 Predictive maintenance method of equipment through cumulative waveform

Publications (2)

Publication Number Publication Date
KR20220032336A KR20220032336A (en) 2022-03-15
KR102384999B1 true KR102384999B1 (en) 2022-04-11

Family

ID=80816865

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200113994A KR102384999B1 (en) 2020-09-07 2020-09-07 Predictive maintenance method of equipment through cumulative waveform

Country Status (1)

Country Link
KR (1) KR102384999B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230162418A (en) * 2022-05-20 2023-11-28 (주)아이티공간 Smart motor control center with predictive maintenance function

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101893745B1 (en) * 2017-08-11 2018-10-04 (주)아이티공간 Preventive maintenance method of driving device

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101822018B1 (en) * 2016-03-18 2018-01-29 임국화 Server for discriminating quality of welding integratingly and method for discriminating quality of welding integratingly thereof

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101893745B1 (en) * 2017-08-11 2018-10-04 (주)아이티공간 Preventive maintenance method of driving device

Also Published As

Publication number Publication date
KR20220032336A (en) 2022-03-15

Similar Documents

Publication Publication Date Title
KR102316496B1 (en) Method of preserving the prediction of a device through distribution chart
KR102316510B1 (en) Method of preserving the prediction of a device through distribution chart
KR102477710B1 (en) Predictive maintenance method of equipment through constant velocity definition for area
KR102385002B1 (en) Method for detecting the health index of a device through a cumulative waveform
US11720093B2 (en) Method for predictive maintenance of equipment via distribution chart
KR102385000B1 (en) Predictive maintenance method of equipment through cumulative waveform
KR102384999B1 (en) Predictive maintenance method of equipment through cumulative waveform
KR20190108271A (en) Predictive maintenance method of driving device
KR102385001B1 (en) Predictive maintenance method of equipment through cumulative waveform
KR102316520B1 (en) Method of detecting the health index of the device through the distribution chart
KR102316493B1 (en) Method for maintaining the predictive value of the device of the control output signal
KR102382650B1 (en) Predictive maintenance method of equipment through angle to peak
KR102385004B1 (en) Predictive maintenance method of equipment through cumulative waveform
KR102510102B1 (en) Predictive maintenance method of equipment through constant velocity definition for peak
KR102477713B1 (en) Predictive maintenance method of equipment through constant velocity definition for time
KR102316477B1 (en) Method for maintaining the predictive value of the device of the control output signal
KR102385003B1 (en) Method for detecting the health index of a device through a cumulative waveform
KR102385005B1 (en) Predictive maintenance method of equipment through cumulative waveform
KR102385006B1 (en) Method for detecting the health index of a device through a cumulative waveform
KR102316481B1 (en) Method for maintaining the predictive value of the device of the control output signal
KR102477711B1 (en) Predictive maintenance method of equipment through constant velocity definition for area
KR102477714B1 (en) Predictive maintenance method of equipment through constant velocity definition for time
KR102477712B1 (en) Predictive maintenance method of equipment through constant velocity definition for time
KR102477709B1 (en) Predictive maintenance method of equipment through constant velocity definition for area
KR102477708B1 (en) Predictive maintenance method of equipment through constant velocity definition for peak

Legal Events

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