KR102385000B1 - Predictive maintenance method of equipment through cumulative waveform - Google Patents
Predictive maintenance method of equipment through cumulative waveform Download PDFInfo
- Publication number
- KR102385000B1 KR102385000B1 KR1020200114001A KR20200114001A KR102385000B1 KR 102385000 B1 KR102385000 B1 KR 102385000B1 KR 1020200114001 A KR1020200114001 A KR 1020200114001A KR 20200114001 A KR20200114001 A KR 20200114001A KR 102385000 B1 KR102385000 B1 KR 102385000B1
- Authority
- KR
- South Korea
- Prior art keywords
- waveform
- time
- real
- standard model
- current value
- Prior art date
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
- G05B23/0243—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
-
- 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
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
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 파형을 수집하고, 그 수집된 실시간 파형과 상기 표준모델 파형을 중첩 비교하되, 적어도 하나 이상의 선택된 시간대 지점에 해당하는 상기 표준모델 파형의 전류 값과 상기 실시간 파형의 전류 값을 비교하여 차이 값을 검출하는 검출단계(S30);와, 상기 실시간 파형에 대한 임계값을 설정하고, 상기 검출단계(S30)에서 검출에서 검출된 차이 값이 상기 임계값을 초과하면 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, 수집된 실시간 파형과 상기 표준모델 파형을 중첩 비교하되, 선택된 시간대 지점에 해당하는 표준모델 파형의 전류 값과 실시간 파형의 전류 값의 차이 값이 임계값을 초과하는 이상징후가 검출되면 경보하여 적합한 시기에 기기의 정비 및 교체를 수행할 수 있도록 유도하여 기기의 고장으로 인한 막대한 금전적인 손실을 미연에 예방할 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 waveform representing the current value to be obtained over time is collected, and the collected real-time waveform and the standard model waveform are overlapped and compared, but the current value of the standard model waveform corresponding to at least one selected time point and the real-time waveform A detection step (S30) of detecting a difference value by comparing the current values of 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 expressed as a waveform over time, and a standard model waveform is built based on the waveform information, and then the collected real-time waveform and the standard model waveform are overlapped and compared. However, if an abnormality is detected in which the difference between the current value of the standard model waveform corresponding to the selected time point and the current value of the real-time waveform exceeds the threshold, an alarm is issued to induce maintenance and replacement of the equipment in an appropriate time. This has the effect of preventing in advance a huge financial loss due to device failure.
Description
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, 수집된 실시간 파형과 상기 표준모델 파형을 중첩 비교하되, 선택된 시간대 지점에 해당하는 표준모델 파형의 전류 값과 실시간 파형의 전류 값의 차이 값이 임계값을 초과하는 이상징후가 검출되면 경보하여 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 the standard model waveform is built, the collected real-time waveform and the standard model waveform are overlapped and compared, but the difference between the current value of the standard model waveform and the current value of the real-time waveform corresponding to the selected time point exceeds the threshold value It relates to a predictive maintenance method of equipment through accumulated waveforms that can prevent huge financial loss due to equipment failure in advance by alerting when signs are detected and inducing maintenance and replacement of equipment at an appropriate time.
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 have already been 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, 수집된 실시간 파형과 상기 표준모델 파형을 중첩 비교하되, 선택된 시간대 지점에 해당하는 표준모델 파형의 전류 값과 실시간 파형의 전류 값의 차이 값이 임계값을 초과하는 이상징후가 검출되면 경보하여 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 the standard model waveform is built, the collected real-time waveform and the standard model waveform are overlapped and compared, but the difference between the current value of the standard model waveform and the current value of the real-time waveform corresponding to the selected time point exceeds the threshold value It is to provide a predictive maintenance method of equipment through accumulated waveforms that can prevent huge financial loss due to equipment failure in advance by alerting when signs are detected and inducing maintenance and replacement of equipment at an appropriate time.
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 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. 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 파형을 수집하고, 그 수집된 실시간 파형과 상기 표준모델 파형을 중첩 비교하되, 적어도 하나 이상의 선택된 시간대 지점에 해당하는 상기 표준모델 파형의 전류 값과 상기 실시간 파형의 전류 값을 비교하여 차이 값을 검출하는 검출단계(S30);와, 상기 실시간 파형에 대한 임계값을 설정하고, 상기 검출단계(S30)에서 검출에서 검출된 차이 값이 상기 임계값을 초과하면 상기 기기를 이상상태로 판단하고 경보하는 판단단계(S40);를 포함하여 이루어지며,
상기 검출단계(S30)에서 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 검출하며,
상기 판단단계(S40)에서 상기 매칭률에 대한 경보 값을 설정하고, 상기 검출단계(S30)에서 검출에서 검출된 매칭률이 상기 경보 값 미만으로 형성되면 상기 기기를 이상상태로 판단하고 경보하는 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 waveform representing the current value consumed in the performance is collected over time, and the collected real-time waveform and the standard model waveform are overlapped and compared, but the current value of the standard model waveform corresponding to at least one selected time point and A detection step (S30) of detecting a difference value by comparing the current values of the real-time waveform; and setting a threshold value for the real-time waveform, and the difference value detected in the detection in the detection step (S30) is the threshold value If it exceeds, a determination step (S40) of judging the device as an abnormal state and alarming;
In the detection step (S30), a real-time waveform representing the current value consumed to perform an operation in the driving state of the real-time device over time is collected, and a matching rate between the collected real-time waveform and the standard model waveform is detected. and
Setting an alarm value for the matching rate in the determining step (S40), and judging the device as an abnormal state when the matching rate detected in the detection in the detection step (S30) is formed to be less than the alarm value characterized.
또한, 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 addition, the model building step (S20) includes a waveform accumulation process (S21) of accumulating (overlapping) a plurality of waveforms collected in the base information collection step (S10), and a waveform accumulated in the waveform accumulation process (S21) An extraction process (S22) of dividing at regular time intervals, summing and averaging the current values for each waveform at the division point to extract an average value for each division point (S22), and each average value extracted in the extraction process (S22) It is characterized in that it consists of a modeling process (S23) of connecting to build a standard model waveform.
삭제delete
삭제delete
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, 수집된 실시간 파형과 상기 표준모델 파형을 중첩 비교하되, 선택된 시간대 지점에 해당하는 표준모델 파형의 전류 값과 실시간 파형의 전류 값의 차이 값이 임계값을 초과하는 이상징후가 검출되면 경보하여 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 the standard model waveform is built, the collected real-time waveform and the standard model waveform are overlapped and compared, but the difference between the current value of the standard model waveform and the current value of the real-time waveform corresponding to the selected time point exceeds the threshold value When a symptom is detected, an alarm is made to induce maintenance and replacement of the device at an appropriate time, thereby preventing huge financial loss due to device failure.
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 the predictive maintenance method of the 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
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
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) a 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 as 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), which will 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 파형을 수집하고, 그 수집된 실시간 파형과 상기 표준모델 파형을 중첩 비교하되, 적어도 하나 이상의 선택된 시간대 지점에 해당하는 상기 표준모델 파형의 전류 값과 상기 실시간 파형의 전류 값을 비교하여 차이 값을 검출하는 단계이다.As shown in Fig. 1, the detecting step (S30) collects a waveform representing the current value consumed to perform one operation in the driving state of the real-time device over time, and the collected real-time waveform and the standard The overlapping comparison of the model waveforms is a step of detecting a difference value by comparing the current values of the standard model waveforms corresponding to at least one selected time point with the current values of the real-time waveforms.
즉, 도 6에 도시된 바와 같이 실시간으로 수집되는 기기의 실시간 파형과 상기 표준모델 파형을 대비하여 검출되는 차이 값을 관리자에게 제공하는데, 상기 표준모델 파형은 기기가 매우 정상(안정)적인 상태에서 구축된 파형이므로 검출된 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.That is, as shown in FIG. 6 , a difference value detected by comparing the real-time waveform of the device collected in real time and the standard model waveform is provided to the manager. Since it is a built-up waveform, if the detected difference value is large, the load is somewhat high in the device running in real time, and it can be seen that the device is in rather poor condition. Conversely, if the difference value is small, the load is almost It can be seen as a stable state without
여기서, 기기의 이상징후를 검출하기 위해 선택되는 시간대 지점을 상기 추출공정(S22)의 구획 지점과 동일한 지점으로 설정하고, 상기 검출단계(S30)에서 각 구획 지점에서 상기 표준모델 파형과 실시간 파형의 전류 값을 추출하여 차이 값을 검출하도록 하였으나, 이러한 시간대 지점으로 한정하여 차이 값을 검출하는 것은 물론 아니다.Here, the time point selected to detect the abnormal symptom of the device is set to the same point as the division point of the extraction process (S22), and the standard model waveform and the real-time waveform at each division point in the detection step (S30) Although the difference value is detected by extracting the current value, of course, the difference value is not detected by limiting it to such a time point.
도 1에 도시된 바와 같이, 상기 판단단계(S40)는 상기 실시간 파형에 대한 임계값을 설정하고, 상기 검출단계(S30)에서 검출에서 검출된 차이 값이 상기 임계값을 초과하면 상기 기기를 이상상태로 판단하고 경보하는 단계이다.As shown in Fig. 1, the determining step (S40) sets a threshold value for the real-time waveform, and if the difference value detected in the detection in the detection step (S30) exceeds the threshold value, the device is abnormal It is the stage that judges the state and alerts.
여기서, 설정되는 실시간 파형에 대한 임계값은 기기의 종류, 사용환경, 수명 등의 조건을 고려하여 다양한 크기의 값으로 설정될 수 있으며, 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 for the set real-time waveform 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, and the threshold value is at least two or more threshold values, for example, an alarm threshold. It goes without saying that by dividing the value and the danger threshold of a water level higher than the alarm threshold value, the level for the alarm can be formed in various ways, and an abnormal symptom of the device can be alarmed step by step.
즉, 도 7에 도시된 바와 같이 기기의 실시간 구동상태에서 수집된 실시간 파형과 상기 표준모델 파형을 대비하여 상기 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. 7 , when the difference value of the dividing 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 an abnormal state 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.
한편, 도 8에 도시된 바와 같이 상기 검출단계(S30)에서 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 검출한다. On the other hand, as shown in FIG. 8 , in the detection step S30 , a real-time waveform indicating 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 A matching rate of the standard model waveform is detected.
여기서, 실시간으로 수집된 기기의 실시간 파형과 상기 표준모델 파형과 매칭시켜 매칭률을 검출하여 관리자에게 제공하는데, 상기 검출단계(S30)에서 검출된 매칭률이 놓을수록 기기를 정상적인 상태로 볼 수 있고, 매칭률이 낮을수록 기기를 불안정한 상태로 볼 수 있다.Here, by matching the real-time waveform of the device collected in real time with the standard model waveform, the matching rate is detected and provided to the manager. , the lower the matching rate, the more unstable the device is.
그런 후, 상기 판단단계(S40)에서 상기 매칭률에 대한 경보 값을 설정하고, 상기 검출단계(S30)에서 검출에서 검출된 매칭률이 상기 경보 값 미만으로 형성되면 상기 기기를 이상상태로 판단하고 경보하여 기기를 이상상태로 검출하도록 한다.Then, in the determination 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 is determined to be in an abnormal state, Alarm to detect an abnormal state 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 8에 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. 8 , 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 administrator is immediately alerted.
이러한 상기 경보 값을 둘 이상의 값으로 설정하여 경보에 대한 수위를 다양하게 설정하여 관리자에게 기기의 이상징후를 경보할 수 있음은 물론이다.It goes without saying that by setting the alarm value to two or more values, the level for the alarm can be set in various ways to alert the administrator to an abnormal symptom of the device.
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, 수집된 실시간 파형과 상기 표준모델 파형을 중첩 비교하되, 선택된 시간대 지점에 해당하는 표준모델 파형의 전류 값과 실시간 파형의 전류 값의 차이 값이 임계값을 초과하는 이상징후가 검출되면 경보하여 적합한 시기에 기기의 정비 및 교체를 수행할 수 있도록 유도하여 기기의 고장으로 인한 막대한 금전적인 손실을 미연에 예방할 수 있는 효과가 있다.The
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 claims and technical spirit thereof to be described later.
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)
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 파형을 수집하고, 그 수집된 실시간 파형과 상기 표준모델 파형을 중첩 비교하되, 적어도 하나 이상의 선택된 시간대 지점에 해당하는 상기 표준모델 파형의 전류 값과 상기 실시간 파형의 전류 값을 비교하여 차이 값을 검출하는 검출단계(S30); 및
상기 실시간 파형에 대한 임계값을 설정하고, 상기 검출단계(S30)에서 검출에서 검출된 차이 값이 상기 임계값을 초과하면 상기 기기를 이상상태로 판단하고 경보하는 판단단계(S40);를 포함하여 이루어지며,
상기 검출단계(S30)에서 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 검출하며,
상기 판단단계(S40)에서 상기 매칭률에 대한 경보 값을 설정하고, 상기 검출단계(S30)에서 검출에서 검출된 매칭률이 상기 경보 값 미만으로 형성되면 상기 기기를 이상상태로 판단하고 경보하는 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);
In the driving state of the real-time device, a waveform representing the current value consumed to perform an operation over time is collected, and the collected real-time waveform and the standard model waveform are overlapped and compared, but corresponding to at least one selected time point a detecting step of detecting a difference value by comparing the current value of the standard model waveform with the current value of the real-time waveform (S30); and
A determination step (S40) of setting a threshold value for the real-time waveform, and determining the device as an abnormal state and alerting if the difference value detected in detection in the detection step (S30) exceeds the threshold value; including; is made,
In the detection step (S30), a real-time waveform representing the current value consumed to perform an operation in the driving state of the real-time device over time is collected, and a matching rate between the collected real-time waveform and the standard model waveform is detected. and
Setting an alarm value for the matching rate in the determining step (S40), and judging the device as an abnormal state when the matching rate detected in the detection in the detection step (S30) is formed to be less than the alarm value Predictive maintenance method of equipment through accumulated waveforms.
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.
The method of claim 1,
The model building step (S20) is,
A waveform accumulation step (S21) of accumulating (overlapping) a plurality of waveforms collected in the base information collection step (S10);
An extraction process (S22) of dividing the waveforms accumulated in the waveform accumulation process (S21) at regular time intervals, summing and averaging the current values for each waveform at the division point, and extracting the average value for each division point;
The predictive maintenance method of a device through a cumulative waveform, characterized in that it comprises a modeling process (S23) of constructing a standard model waveform by connecting each average value extracted in the extraction process (S22).
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200114001A KR102385000B1 (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 |
|---|---|---|---|
| KR1020200114001A KR102385000B1 (en) | 2020-09-07 | 2020-09-07 | Predictive maintenance method of equipment through cumulative waveform |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220032340A KR20220032340A (en) | 2022-03-15 |
| KR102385000B1 true KR102385000B1 (en) | 2022-04-11 |
Family
ID=80816867
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200114001A KR102385000B1 (en) | 2020-09-07 | 2020-09-07 | Predictive maintenance method of equipment through cumulative waveform |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102385000B1 (en) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20240043284A (en) * | 2022-09-27 | 2024-04-03 | (주)아이티공간 | Predictive maintenance method of cylinder using differential pressure |
| KR20240043281A (en) * | 2022-09-27 | 2024-04-03 | (주)아이티공간 | Predictive maintenance method of cylinder using differential pressure |
Citations (1)
| 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)
| 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 |
-
2020
- 2020-09-07 KR KR1020200114001A patent/KR102385000B1/en active IP Right Grant
Patent Citations (1)
| 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 |
|---|---|
| KR20220032340A (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 | |
| KR102385000B1 (en) | Predictive maintenance method of equipment through cumulative waveform | |
| US11720093B2 (en) | Method for predictive maintenance of equipment via distribution chart | |
| KR102385002B1 (en) | Method for detecting the health index of a device through a cumulative waveform | |
| KR20190108270A (en) | Predictive maintenance method of driving device | |
| KR20190108271A (en) | Predictive maintenance method of driving device | |
| KR102384999B1 (en) | Predictive maintenance method of equipment through cumulative waveform | |
| KR102385001B1 (en) | Predictive maintenance method of equipment through cumulative waveform | |
| KR102316493B1 (en) | Method for maintaining the predictive value of the device of the control output signal | |
| KR102316520B1 (en) | Method of detecting the health index of the device through the distribution chart | |
| KR102477713B1 (en) | Predictive maintenance method of equipment through constant velocity definition for time | |
| KR102385004B1 (en) | Predictive maintenance method of equipment through cumulative waveform | |
| KR102382650B1 (en) | Predictive maintenance method of equipment through angle to peak | |
| KR102316477B1 (en) | Method for maintaining the predictive value of the device of the control output signal | |
| KR102385005B1 (en) | Predictive maintenance method of equipment through cumulative waveform | |
| KR102385003B1 (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 | |
| KR102510102B1 (en) | Predictive maintenance method of equipment through constant velocity definition for peak | |
| KR102477709B1 (en) | Predictive maintenance method of equipment through constant velocity definition for area | |
| KR102477707B1 (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 |