KR102404889B1 - Field Data Based Equipment Life Prediction System and Prediction Method of the Same - Google Patents
Field Data Based Equipment Life Prediction System and Prediction Method of the Same Download PDFInfo
- Publication number
- KR102404889B1 KR102404889B1 KR1020200014403A KR20200014403A KR102404889B1 KR 102404889 B1 KR102404889 B1 KR 102404889B1 KR 1020200014403 A KR1020200014403 A KR 1020200014403A KR 20200014403 A KR20200014403 A KR 20200014403A KR 102404889 B1 KR102404889 B1 KR 102404889B1
- Authority
- KR
- South Korea
- Prior art keywords
- facility
- unit
- lifespan
- sensor
- equipment
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
본 발명은 산업 공정에서 활용되는 설비의 수명을 예측하는 시스템 및 이의 예측 방법에 관한 것으로, 더욱 상세하게는 뿌리산업 공정에서 활용하고 있는 분야별 설비를 분류 및 세분화하고, 체계적인 설비 분석을 수행하여 작업 환경에 따라 분석되어진 설비나 부품의 수명을 예측하여 설비 보전과 유지 보수를 수행하는 현장 데이터 기반 설비 수명 예측 시스템 및 이의 예측 방법에 관한 것이다.The present invention relates to a system for predicting the lifespan of equipment used in an industrial process and a method for predicting the same, and more particularly, to classify and subdivide equipment by field used in the root industrial process, and perform systematic equipment analysis to perform a work environment It relates to an on-site data-based facility life prediction system and its prediction method that perform facility maintenance and maintenance by predicting the lifespan of the equipment or parts analyzed according to the
Description
본 발명은 산업 공정에서 활용되는 설비의 수명을 예측하는 시스템 및 이의 예측 방법에 관한 것으로, 더욱 상세하게는 뿌리산업 공정에서 활용하고 있는 분야별 설비를 분류 및 세분화하고, 체계적인 설비 분석을 수행하여 작업 환경에 따라 분석되어진 설비나 부품의 수명을 예측하여 설비 보전과 유지 보수를 수행하는 현장 데이터 기반 설비 수명 예측 시스템 및 이의 예측 방법에 관한 것이다.The present invention relates to a system for predicting the lifespan of equipment used in an industrial process and a method for predicting the same, and more particularly, to classify and subdivide equipment by field used in the root industrial process, and perform systematic equipment analysis to perform a work environment It relates to an on-site data-based facility life prediction system and its prediction method that perform facility maintenance and maintenance by predicting the lifespan of the equipment or parts analyzed according to the
4차 산업혁명으로 제조업의 스마트화가 점점 중요해지고 있다. 공장 내 각 설비의 전력 진동 등의 정보를 수집하여, 미리 예지 보전할 수 있다. 즉, 사전 예지 보전을 통해 경제적 비용을 절감 할 수 있다.With the 4th industrial revolution, smartization of manufacturing is becoming increasingly important. Information such as electric power vibration of each facility in the factory can be collected and preserved in advance. In other words, it is possible to reduce economic costs through predictive maintenance.
설비 관리는 생산성을 높이고 기회 손실을 감소시켜, 수익성 향상을 위하여 기업 방침에 따라 장치에 대한 설비계획, 유지, 개선을 실시함으로써 설비의 기능을 최대한으로 활용하려는 제반의 활동이다. 즉, 최초에 설비 또는 플랜트(plant)가 탄생하여 없어질 때까지 전 과정을 항상 완전한 상태로 유지하며 생산 능률과 품질을 향상시키고 정비 비용을 경감하는 활동이 설비 관리로 지칭될 수 있다.Facility management is a general activity to maximize the use of facility functions by planning, maintaining, and improving facilities according to company policy to increase productivity, reduce opportunity loss, and improve profitability. That is, the activity of improving production efficiency and quality and reducing maintenance costs by always maintaining the entire process in a perfect state from the time a facility or plant is initially created until it disappears may be referred to as facility management.
현대의 설비(장치 또는 시스템)에 기계화, 자동화가 적용되고, 기업의 경영에 있어서도 설비의 비중이 점점 더 커져가고 있어 제품의 품질, 비용(cost), 생산량 등이 설비의 신예도, 신뢰도에 좌우되는 경우가 더욱 빈번해지고 있다.Mechanization and automation are applied to modern equipment (devices or systems), and the proportion of equipment in business management is increasing. The quality, cost, and production volume of products depend on the freshness and reliability of the equipment. is becoming more and more frequent.
또한, 기업 주변의 환경은 긴급성과 다양성을 동시에 요구하는 소비자의 니즈에 부응하여야 생존 가능한 형태로 변화되고 있다. 즉, 설비면에서 얼마나 유연성을 갖고, 신뢰성을 가질 수 있는 지가 기업의 경쟁력의 원천으로 나타나고 있는 실정이고, 설비의 보전과 개선은 제조 생산 공정에 있어서 중요한 위치를 차지하고 있다.In addition, the environment around the company is changing into a form that can survive only in response to the needs of consumers who demand urgency and diversity at the same time. That is, how much flexibility and reliability can have in terms of equipment is the source of competitiveness of a company, and maintenance and improvement of equipment occupies an important position in the manufacturing process.
기존에는 설비의 수명 예측 관련 기술 부재로, 설비로부터 파상된 제조품의 불량 여부에 따라 설비의 변형이나 파손을 인지하여 이를 보수하거나 교체하는 방식으로 설비 보전이 이루어지기 때문에 불량품 발생으로 인한 손실을 감수해야 하고, 고장 이후 사후 조치에 따른 비용이나 시간이 가중되는 문제가 발생되었다. In the past, there is no technology related to predicting the life of the equipment, and depending on the defect of the manufactured product that is damaged from the equipment, the equipment maintenance is carried out by recognizing the deformation or damage of the equipment and repairing or replacing it. In addition, there was a problem in that the cost or time for follow-up measures after the failure was aggravated.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서 본 발명의 목적은, 주조ㆍ금형ㆍ용접ㆍ소성가공ㆍ표면처리ㆍ열처리 등 6개 기술분야의 뿌리 산업에서 현재 활용하고 있는 분야별 설비를 분류 및 세분화하고, 설비나 부품의 권장 사용 환경 및 수명 대비 실제 작업 환경을 비교하여 현장에서 사용되는 설비나 부품의 수명의 예측이 가능하도록 한 현장 데이터 기반 설비 수명 예측 시스템 및 이의 예측 방법을 제공함에 있다. The present invention has been devised to solve the above problems, and the purpose of the present invention is to classify equipment by field currently used in the root industry of six technical fields, such as casting, mold, welding, plastic working, surface treatment, and heat treatment. and to provide an on-site data-based equipment life prediction system and its prediction method that enable prediction of the life of equipment or parts used in the field by subdividing and comparing the recommended use environment and lifespan of the equipment or parts to the actual working environment. .
또한, 축적되는 현장 데이터를 이용하여 설비 수명 예측을 위한 계산식 및 로직을 보정함으로써 설비의 보다 정밀한 수명 예측이 가능하도록 한 현장 데이터 기반 설비 수명 예측 시스템 및 이의 예측 방법을 제공함에 있다. In addition, it is to provide an on-site data-based facility life prediction system and a method for predicting the life of the facility, which enable more accurate life expectancy of the facility by correcting the calculation formula and logic for predicting the facility life using the accumulated field data.
또한, 축적되는 현장 데이터를 이용하여 수명 예측을 위해 최적화된 파라미터와 이를 측정하기 위한 센서를 도출하고, 사용자에게 설비의 수명 예측에 필요한 센서를 가이드 하는 현장 데이터 기반 설비 수명 예측 시스템 및 이의 예측 방법을 제공함에 있다.In addition, a field data-based facility life prediction system that derives optimized parameters for life expectancy and a sensor to measure it using accumulated field data, and guides users to the sensors required to predict the life of the facility, and its prediction method is in providing.
본 발명의 일실시 예에 따른 현장 데이터 기반 설비 수명 예측 시스템은, 수명 예측을 위한 설비의 종류를 입력받는 설비 입력부(120); 상기 설비 입력부(120)로부터 입력 받은 설비의 종류에 따라 상기 설비의 권장 사용 환경 및 이에 따른 권장 수명을 저장하는 데이터부(140); 상기 데이터부(140)에서 전송된 설비의 권장 사용 환경과, 설비의 실제 사용 환경을 비교하여 설비의 수명을 예측하는 판단부(150); 및 설비에 장착되며, 설비의 실제 사용 환경을 측정하여 상기 판단부(150)에 전송하는 센서부(220)를 포함한다. An on-site data-based facility life prediction system according to an embodiment of the present invention includes: a
또한, 상기 현장 데이터 기반 설비 수명 예측 시스템(1000)은, 상기 설비 입력부(120), 데이터부(140) 및 판단부(150)를 포함하는 예측부(100)와, 상기 센서부(220)를 포함하는 측정부(200)로 구성되며, 상기 예측부(100)와, 상기 측정부(200)의 정보 전송을 위해 상기 예측부(100)에는 제1 통신부(110)가 구비되고, 상기 측정부(200)에는 제2 통신부(210)가 구비되고, 상기 제1 통신부(110)와 제2 통신부(210)는 유선 또는 무선으로 연결된다. In addition, the on-site data-based facility
또한, 상기 예측부(100)는, 상기 설비 입력부(120)로부터 입력 받은 설비의 종류에 따라 설비 수명 예측을 위한 파라미터를 선정하고, 상기 파라미터의 측정을 위한 센서를 선정하는 센서 선정부(130)를 포함하고, 상기 측정부(200)는, 상기 센서 선정부(130)로부터 선정된 센서정보를 전달 받아 해당 센서를 통해 설비의 실제 사용 환경을 측정하여 상기 판단부(150)로 전달한다. In addition, the
또한, 상기 데이터부(140)는, 상기 판단부(150)로부터 산출된 수명 예측 값을 지속적으로 축적하고, 상기 예측부(100)는, 상기 데이터부(140)를 통해 축적된 예측 수명과, 실제 사용 환경에 따른 설비의 실제 수명을 비교하고, 이를 통해 수명 산출을 위한 계산식을 보정하여 상기 판단부(150)에 전달하는 보정부(160)를 더 포함한다. In addition, the
또한, 상기 보정부(160)는, 상기 센서 선정부(130)를 통해 선정된 파라미터 중에 수명 예측에 영향을 미치지 않는 파라미터는 배제하도록 상기 센서 선정부(130)의 파라미터 정보를 업데이트 한다. Also, the
아울러, 상기 보정부(160)는, 복수의 센싱 정보 중 다른 센싱 정보가 동일한 상태에서 어느 하나의 센싱 정보가 변화 하여도 실제 설비의 예측 수명에 변화가 없는 경우 또는 변화율이 0.1~1% 이내 인 경우 상기 어느 하나의 센싱 정보를 측정하는 센서를 배제한다. In addition, the
본 발명의 일실시 예에 따른 현장 데이터 기반 설비 수명 예측 방법은, 산업 공정에 따라 필요한 설비를 입력 받는 설비 분류 단계(S10); 상기 설비 분류 단계(S10)를 통해 분류된 각각의 설비의 수명에 영향을 미치는 파라미터 수집을 위한 파라미터 선정단계(S20); 상기 파라미터 선정단계(S20)를 통해 선정된 파라미터의 값을 측정하기 위한 센서 선정단계(S30); 상기 센서 선정단계(S30)를 통해 선정된 센서를 통해 상기 파라미터의 값을 측정하여 실제 사용 환경을 정의하고, 이를 기준 사용 환경과 비교하는 수명 산출 준비 단계(S40); 및 상기 실제 사용 환경에 따른 설비의 실제 수명을 측정하고, 이를 피드백 받아 계산된 팩터를 적용하여 설비의 수명을 산출하는 단계(S50)를 포함한다. In accordance with an embodiment of the present invention, a method for predicting equipment life based on field data includes a facility classification step of receiving equipment required according to an industrial process (S10); a parameter selection step (S20) for collecting parameters affecting the lifespan of each facility classified through the facility classification step (S10); a sensor selection step (S30) for measuring the value of the parameter selected through the parameter selection step (S20); a lifespan calculation preparation step (S40) of measuring the value of the parameter through the sensor selected through the sensor selection step (S30), defining an actual use environment, and comparing it with a reference use environment; and measuring the actual lifespan of the equipment according to the actual use environment, and calculating the lifespan of the equipment by receiving the feedback and applying the calculated factor (S50).
또한, 상기 기준 사용 환경은, 각각의 설비의 권장 사용 환경이고, 상기 수명 산출 준비 단계(S40); 는 상기 권장 사용 환경과 이에 따른 권장 수명을 실제 사용 환경과 비교하여 설비의 수명을 산출을 준비한다. In addition, the reference use environment is a recommended use environment of each facility, and the lifespan calculation preparation step (S40); prepares to calculate the lifespan of the equipment by comparing the recommended use environment and the recommended lifespan accordingly with the actual use environment.
또한, 상기 기준 사용 환경은, 각각의 설비의 테스트에 적용된 특정 사용 환경이고, 상기 수명 산출 준비 단계(S40); 는 상기 특정 사용 환경과 상기 테스트에 따른 특정 수명을 실제 사용 환경과 비교하여 설비의 수명을 산출을 준비한다. In addition, the reference use environment is a specific use environment applied to the test of each facility, and the lifespan calculation preparation step (S40); prepares to calculate the lifetime of the equipment by comparing the specific usage environment and the specific lifetime according to the test with the actual usage environment.
또한, 상기 예측 방법은, 상기 실제 사용 환경에 따른 설비의 수명 산출 값을 지속적으로 축적하여 데이터베이스화 하고, 이를 통해 상기 계산식을 보정하는 계산식 보정단계(S60)를 더 포함한다. In addition, the prediction method further includes a calculation formula correction step (S60) of continuously accumulating the lifetime calculation value of the equipment according to the actual use environment into a database, and correcting the calculation formula through this.
아울러, 상기 예측 방법은, 상기 계산식 보정단계(S60)에 상대적으로 적은 영향을 미치는 파라미터는 배제하는 파라미터 배제 단계(S70)를 더 포함한다. In addition, the prediction method further includes a parameter exclusion step (S70) of excluding a parameter having a relatively small influence on the calculation formula correction step (S60).
상기와 같은 구성에 의한 본 발명의 현장 데이터 기반 설비 수명 예측 시스템 및 이의 예측 방법은, 설비의 사용 조건 일예로 이동속도나 회전속도와 같은 가공조건 및 이에 따른 마모나 부하율에 따라 늘어나거나 줄어들 수 있는 설비의 수명을 예측하여 사용자가 설비가 변형 또는 파손되기 전에 보수나 교체하도록 하여 설비의 변형이나 파손에 따른 비용이나 시간 낭비 및 더 나아가 생산성 감소를 방지할 수 있는 효과가 있다. The on-site data-based facility life prediction system and the prediction method of the present invention according to the configuration as described above, may increase or decrease depending on the use conditions of the facility, for example, the processing conditions such as the moving speed or the rotation speed, and the wear or load rate accordingly. By predicting the life of the equipment, the user can repair or replace the equipment before the equipment is deformed or damaged, thereby preventing cost or time wastage and further reduction in productivity due to the deformation or damage of the equipment.
또한, 축적되는 데이터를 이용하여 수명 예측에 필요한 계산식이나 로직을 보정하기 때문에 시간이 지날수록 설비의 보다 정밀한 수명 예측이 가능한 효과가 있다. In addition, since the calculation formula or logic required for life prediction is corrected using the accumulated data, it is possible to more accurately predict the life of the equipment as time goes by.
아울러, 축적되는 데이터를 이용하여 설비의 수명 예측에 중요한 파라미터를 감지하기 위한 센서를 선별하고, 최적화하여 도출함에 따라 사용자가 설비 수명 예측에 필요한 센서를 가이드 받을 수 있어 불필요한 센서의 설치에 따른 비용과 시간을 줄일 수 있는 효과가 있다. In addition, by selecting, optimizing, and deriving a sensor for detecting a parameter important for predicting the life of a facility using the accumulated data, the user can receive a guide to the sensor required for predicting the life of the facility, thereby reducing the cost of installing unnecessary sensors It has the effect of saving time.
도 1은 본 발명의 일실시 예에 따른 현장 데이터 기반 설비 수명 예측 시스템의 블록도
도 2는 본 발명의 일실시 예에 따른 현장 데이터 기반 설비 수명 예측 방법의 순서도1 is a block diagram of an on-site data-based facility life prediction system according to an embodiment of the present invention;
2 is a flowchart of a method for predicting the life of a facility based on field data according to an embodiment of the present invention;
이하, 상기와 같은 본 발명의 일실시예에 대하여 도면을 참조하여 상세히 설명한다.Hereinafter, an embodiment of the present invention as described above will be described in detail with reference to the drawings.
도 1에는 본 발명의 일실시 예에 따른 현장 데이터 기반 설비 수명 예측 시스템(1000)의 블록도가 도시되어 있다. 1 is a block diagram of an on-site data-based facility
도시된 바와 같이 본 발명의 현장 데이터 기반 설비 수명 예측 시스템(1000)은 예측부(100)와 측정부(200)로 구성된다. 예측부(100)는 측정부(200)로부터 측정되는 설비의 실제 운용정보와, 설비의 권장 운용조건에 따른 수명을 비교하여 실제 운용정보 일예로 기본 운용조건보다 가혹하거나, 기본 운용조건보다 수월한 경우에 따른 설비의 수명을 예측하기 위해 구성되며, 측정부(200)는 설비에 장착되어 설비의 가공조건에 따른 마모나 부하율 등과 같은 실제 운용정보를 획득하도록 구성된다. As shown, the on-site data-based facility
이를 위해 예측부(100)는 제1 통신부(110), 설비 입력부(120), 센서 선정부(130), 데이터부(140), 판단부(150), 보정부(160) 및 디스플레이부(170)로 구성되며, 측정부(200)는 제2 통신부(210) 및 센서부(220)로 구성된다.To this end, the
제1 통신부(110)는 측정부(200)의 제2 통신부(210)와 연결되어 센서부(220)에서 측정된 설비의 실제 운용정보를 측정부(200)로부터 수신 받도록 구성된다. 따라서 제1 통신부(110)와 제2 통신부(210)는 센서부(220)의 측정 신호 정보를 송수신 할 수 있는 통신 모듈로 구성될 수 있다. 또한, 제1 통신부(110)와 제2 통신부(210)는 유선 또는 무선으로 연결될 수 있다. The
설비 입력부(120)는 해당 설비의 수명 예측을 위한 설비의 종류를 입력 받도록 구성된다. The
센서 선정부(130)는, 설비 입력부(120)로부터 입력 받은 설비의 종류에 따라 설비의 수명을 예측하기 위한 파라미터 선정하고, 상기 파라미터의 측정을 위한 센서를 선정하게 된다. 따라서 센서 선정부(130)를 통해 선정된 센서들의 측정값을 측정부(200)로부터 수신 받게 된다. The
데이터부(140)는, 설비 입력부(120)로부터 입력 받은 설비의 종류에 따라 각각의 설비의 권장 사용 환경 및 이에 따른 권장 수명을 저장하고, 이를 판단부(150)에 전달하여 판단부(150)를 통해 설비의 실제 사용 환경과 권장 사용 환경을 비교하도록 하여 수명을 예측하게 된다. 또한 데이터부(140)는, 판단부(150)로부터 예측된 수명의 정확도를 향상시키기 위해 판단부(150)로부터 산출된 수명 예측 값을 지속적으로 축적 하여 데이터베이스화 한다. The
판단부(150)는, 데이터부(140)에서 전송된 설비의 권장 사용 환경과, 측정부(200)로부터 측정된 센싱 값을 이용한 실제 사용 환경을 비교하여 설비의 수명을 예측하도록 구성된다. 보다 구체적으로 실제 사용 환경이 권장 사용 환경 보다 가혹한 경우에는 권장 사용 환경 보다 설비의 수명이 줄어들 수 있고, 실제 사용 환경이 권장 사용 환경 보다 수월한 경우에는 권장 사용 환경 보다 설비의 수명이 늘어날 수 있으므로, 설비의 사용 환경에 따라 가혹정도 및 수월정도를 감안하여 설비의 수명을 예측하도록 구성된다. The
보정부(160)는, 데이터부(140)를 통해 축정된 예측 수명을 통해 판단부(150)의 설비 수명 예측을 위한 계산식을 보정하기 위해 구성된다. 즉 판단부(150)를 통해 예측된 설비의 예측 수명과, 실제 사용 환경에 따른 설비의 실제 수명을 비교하여 오차가 발생한 경우 판단부(150)를 통해 이를 보정하도록 하여 보다 정밀한 수명 예측이 가능하도록 구성된다. 또한, 센서 선정부(130)를 통해 선정된 파라미터들 중에 수명 예측에 영향을 미치지 않는 파라미터는 배제하도록 하여 해당 설비의 수명 예측에 불필요한 센서의 운용으로 인한 비용 증가를 방지할 수 있다. The
디스플레이부(170)는 판단부(150)를 통해 예측된 설비의 수명을 사용자가 인식할 수 있도록 수치화하여 보여준다. The
측정부(200)는 예측부(100)로부터 선정된 센서정보를 전달 받고 센서부(220)에서 측정된 측정값을 예측부(100)로 전달하기 위한 제2 통신부(210)와, 설비의 실제 운용 정보를 실시간으로 획득하기 위한 센서부(220)로 구성된다. 센서부(220)는 일예로 시간 및 온도를 측정하기 위해서는 타이머 및 온도센서, 부하량이나 압력 측정을 위한 압력센서, 회전속도의 측정을 위해서는 가속도센서, 마모도 측정을 위한 레이저 센서 등을 포함할 수 있다. The
이하, 위와 같은 현장 데이터 기반 설비 수명 예측 시스템(1000)을 이용한 현장 데이터 기반 설비 수명 예측 방법에 대하여 도면을 참조하여 상세히 설명하기로 한다. Hereinafter, the on-site data-based facility life prediction method using the above-described field data-based facility
도 2에는 본 발명의 일실시 예에 따른 현장 데이터 기반 설비 수명 예측 방법의 순서도가 도시되어 있다.2 is a flowchart of a method for predicting the life of a facility based on field data according to an embodiment of the present invention.
도시된 바와 같이 우선 산업 공정에 따라 설비를 분류하는 설비 분류 단계(S10)를 수행한다.As shown, first, an equipment classification step (S10) of classifying equipment according to an industrial process is performed.
산업 공정에는 일예로 침탄 기술에 해당하는 열처리 공정, 플라스틱 금형 기술에 해당하는 사출 금형 공정 및 원하는 형상으로 금속을 천공 및 절삭하는 금속가공 공정 등으로 나눌 수 있다.Industrial processes can be divided into, for example, a heat treatment process corresponding to carburizing technology, an injection mold process corresponding to a plastic mold technology, and a metal processing process of drilling and cutting metal into a desired shape.
열처리 공정에 사용되는 설비로는 일예로 단조용 고주파 열처리로, 진공 열처리로 및 가스 연질화로 등의 설비가 사용될 수 있고, 사출 금형공정에는 사출 성형기 및 조형기 등의 설비가 사용될 수 있고, 금속가공 공정에는 연삭기, MCT 및 CNC 선반 등의 설비가 사용될 수 있다. As the equipment used in the heat treatment process, for example, facilities such as a high-frequency heat treatment furnace for forging, a vacuum heat treatment furnace, and a gas softening furnace may be used. Equipment such as grinding machines, MCTs and CNC lathes can be used.
또한, 각각의 설비는 아래 표 1 및 표 2와 같이 유지보수나 설비보전을 필요로 하는 부품의 조합으로 세분화 될 수 있고, 각각의 부품은 유지보수가 필요한 부품인지 설비보전(교체)이 필요한 부품인지 구분하게 된다. In addition, each facility can be subdivided into a combination of parts that require maintenance or equipment maintenance as shown in Table 1 and Table 2 below, and each part is a part requiring maintenance or equipment maintenance (replacement) distinguish between cognition.
<CNC 선반의 부품 세분화><Part segmentation of CNC lathe>
<MCT의 부품 세분화><Part segmentation of MCT>
위와 같이 공정에 따라 설비를 분류한 다음에는 각각의 설비의 수명을 예측하기 위한 파라미터 선정단계(S20)를 수행한다. 이를 위해 예측부(100)의 설비 입력부(120)로부터 설비의 종류에 대하여 입력 받고, 센서 선정부(130)를 통해 파라미터를 선정하게 된다.After classifying the equipment according to the process as described above, a parameter selection step (S20) for predicting the life of each equipment is performed. To this end, the type of equipment is input from the
일예로 열처리 공정에는 주로 열처리로가 사용되며, 열처리로의 수명을 예측하기 위해서는 운용시간 및 운용온도가 파라미터로 선정될 수 있다. For example, a heat treatment furnace is mainly used in the heat treatment process, and in order to predict the lifespan of the heat treatment furnace, an operating time and an operating temperature may be selected as parameters.
또한, 사출 금형공정에는 사출 성형기가 사용되며, 사출 성형기의 수명을 예측하기 위해서는 제조 수량, 부하량 및 압력이 파라미터로 선정될 수 있다. In addition, an injection molding machine is used in the injection molding process, and in order to predict the lifespan of the injection molding machine, a manufacturing quantity, a load amount, and a pressure may be selected as parameters.
아울러, 금속가공 공정에서는 연삭기가 사용되며, 연삭기의 수명을 예측하기 위해서는 스핀들의 회전속도, 마모도 및 진동이 파라미터로 선정될 수 있다.In addition, a grinding machine is used in the metal processing process, and rotational speed, wear, and vibration of the spindle may be selected as parameters in order to predict the lifespan of the grinder.
다음으로는 위와 같이 선정된 파라미터의 값을 측정하기 위한 센서 선정 단계(S30)를 수행한다. Next, the sensor selection step (S30) for measuring the value of the parameter selected as above is performed.
시간 및 온도를 측정하기 위해서는 타이머와, 온도센서가 요구되고, 부하량이나 압력 측정을 위해서는 압력센서가 요구되며, 회전속도의 측정을 위해서는 가속도센서, 마모도 측정을 위해서는 레이저 센서 등이 요구될 수 있다.A timer and a temperature sensor are required to measure time and temperature, a pressure sensor is required to measure load or pressure, an acceleration sensor to measure rotational speed, and a laser sensor to measure wear and tear.
따라서 열처리로의 수명 예측을 위해서는 타이머와 온도센서가 선정될 수 있고, 사출 성형기의 수명 예측을 위해서는 압력센서와 온도센서가 선정될 수 있고, 연삭기의 수명 예측을 위해서는 레이저센서, 진동센서 및 온도센서가 선정될 수 있다. Therefore, a timer and a temperature sensor can be selected to predict the lifespan of a heat treatment furnace, a pressure sensor and a temperature sensor can be selected to predict the lifespan of an injection molding machine, and a laser sensor, a vibration sensor, and a temperature sensor to predict the lifespan of a grinding machine can be selected.
다음으로 측정부(200)의 센서부(220)를 통해 측정된 센싱 값을 통해 각각의 설비의 수명 산출을 준비하는 단계(S40)를 수행한다. 수명을 산출하기 위한 준비 단계는 다음과 같이 크게 두 가지로 분류될 수 있다. Next, a step (S40) of preparing to calculate the lifespan of each facility is performed through the sensing value measured by the
각각의 설비에는 권장 사용 환경 및 이에 따른 권장 수명이 기재되어 있으므로, 이를 센싱 값과 비교하여 수명을 예측하게 된다. 위 권장 사용 환경과, 측정된 센싱 값을 이용한 실제 사용 환경을 비교하여 실제 사용 환경이 권장 사용 환경 보다 가혹한 경우에는 권장 사용 환경 보다 설비의 수명이 줄어들 수 있고, 실제 사용 환경이 권장 사용 환경 보다 수월한 경우에는 권장 사용 환경 보다 설비의 수명이 늘어날 수 있으므로, 설비의 사용 환경에 따라 가혹정도 및 수월정도를 감안하여 설비의 수명을 산출할 수 있게 된다.Since the recommended use environment and the recommended lifespan are described for each facility, the lifespan is predicted by comparing it with the sensed value. Comparing the above recommended usage environment with the actual usage environment using the measured sensing values, if the actual usage environment is harsher than the recommended usage environment, the lifespan of the equipment may be shortened than the recommended usage environment, and the actual usage environment may be easier than the recommended usage environment. In this case, since the lifespan of the equipment may be longer than the recommended use environment, it is possible to calculate the lifespan of the equipment in consideration of the severity and ease of use according to the use environment of the equipment.
다른 실시 예로는 설비를 실제로 운용하는 테스트를 통해 기준 환경에 따른 설비의 실제 수명을 측정하고, 이를 센싱 값과 비교하여 수명을 예측하게 된다. 위 기준 사용 환경과, 측정된 센싱 값을 이용한 실제 사용 환경을 비교하여 실제 사용 환경이 기준 사용 환경 보다 가혹한 경우에는 권장 사용 환경 보다 설비의 수명이 줄어들 수 있고, 실제 사용 환경이 기준 사용 환경 보다 수월한 경우에는 기준 사용 환경 보다 설비의 수명이 늘어날 수 있으므로, 설비의 사용 환경에 따라 가혹정도 및 수월정도를 감안하여 설비의 수명을 산출할 수 있게 된다.In another embodiment, the actual lifespan of the equipment according to the reference environment is measured through a test in which the equipment is actually operated, and the lifespan is predicted by comparing it with the sensed value. By comparing the above reference environment with the actual use environment using the measured sensing values, if the actual use environment is harsher than the standard use environment, the lifespan of the equipment may be shortened than the recommended use environment, and the actual use environment may be easier than the standard use environment. In this case, since the lifespan of the equipment may be longer than the standard use environment, it is possible to calculate the lifespan of the equipment in consideration of the severity and ease of use according to the use environment of the equipment.
일예로 권장 사용 환경이 1000 rpm 이고, 이에 따른 권장 수명이 5년인 연삭기의 수명 예측을 위해, 가속도 센서를 사용하여 연삭기의 실제 사용 환경을 측정한 결과, 연삭기의 실제 사용 환경이 1500 rpm 인 경우 연삭기의 예측 수명은 권장 수명인 5년 보다 적게 산출될 수 있다. 이때 연삭기의 실제 사용 환경에 따른 가혹정도 및 수월정도를 가늠하기 위한 지표로는 다음 단계를 통해 계산되는 팩터를 적용하게 된다. For example, in order to predict the lifespan of a grinding machine with a recommended operating environment of 1000 rpm and a recommended life of 5 years, the actual operating environment of the grinding machine is measured using an acceleration sensor. As a result, when the actual operating environment of the grinding machine is 1500 rpm The predicted lifespan of can be calculated to be less than the recommended lifespan of 5 years. At this time, the factor calculated through the following steps is applied as an index for estimating the degree of severity and ease according to the actual use environment of the grinding machine.
다음으로 보다 정밀한 수명 예측을 위해 실제 사용 환경에 따른 실제 수명을 측정하고, 이를 피드백 받아 계산된 팩터를 적용하여 설비의 수명을 산출하는 단계(S50)를 수행한다. Next, in order to predict a more precise lifespan, the actual lifespan according to the actual use environment is measured, and a step (S50) of calculating the lifespan of the equipment by receiving the feedback and applying the calculated factor is performed.
즉 연삭기의 가속도 센서에 의한 실제 사용 환경이 1500 rpm 이고, 실제 수명이 4년인 경우 이에 따른 팩터를 계산하고, 이를 수명 산출 수식에 적용하여 연삭기의 회전속도에 따른 수명을 보다 정밀하게 산출할 수 있도록 한다. 즉 권장 사용 환경 대비 실사용 환경이 50% 증가한 경우 실제 수명은 20% 감소하므로, 실 회전수의 증감률을 x라고 할 경우 예측 수명 증감률은 ??0.4x 일 수 있다. That is, when the actual usage environment by the acceleration sensor of the grinding machine is 1500 rpm and the actual lifespan is 4 years, calculate the corresponding factor and apply this to the lifespan calculation formula to more precisely calculate the lifespan according to the rotational speed of the grinding machine. do. In other words, if the actual use environment increases by 50% compared to the recommended use environment, the actual lifespan decreases by 20%.
위 팩터를 사용하여 연삭기의 실사용 환경이 70% 증가한 경우 실제 수명은 28% 감소할 수 있다. 위 증감률은 당업자의 이해를 돕기 위한 것으로 실제로 적용되는 수명 예측 계산식은 보다 많은 변수를 포함할 수 있다. Using the above factors, if the actual operating environment of the grinding machine is increased by 70%, the actual service life can be reduced by 28%. The above increase/decrease rate is intended to help those of ordinary skill in the art understand, and the life expectancy calculation formula that is actually applied may include more variables.
다음으로 산출된 수명 예측 값을 지속적으로 축적 하여 데이터베이스화하고, 이를 통해 수명 산출을 위한 계산식을 보정하는 단계(S60)를 수행한다. Next, the calculated life expectancy value is continuously accumulated and converted into a database, and a step (S60) of correcting the calculation formula for calculating the life span is performed.
일예로 각각의 설비의 사용 환경은 항상 일정한 형태를 나타내지 않기 때문에 특정 사용 환경에서는 변수가 발생하여 위 팩터를 적용하여도 오차로 인해 정밀한 수명 예측이 불가능할 수 있으므로, 이러한 경우가 모두 포함될 수 있는 자료를 축적하여 어떠한 경우에도 정밀하게 적용될 수 있는 팩터 산출을 위한 보정 단계를 수행하게 된다. For example, since the usage environment of each facility does not always show a certain shape, variables occur in a specific usage environment, and even if the above factors are applied, accurate life expectancy prediction may not be possible due to errors. By accumulating, a correction step for calculating a factor that can be precisely applied in any case is performed.
또한, 각 산업 및 설비별 부품에 대한 초기 측정을 통한 데이터베이스에 주기적 사용으로 인해 발생하게 되는 마모율과 부하율 측정값을 피드백 데이터로 적용하여 부품별 데이터를 비교하여 실시간으로 유지보수 및 설비보전 시기를 모니터링 하도록 할 수 있다. In addition, the wear rate and load rate measurement values that occur due to periodic use are applied to the database through the initial measurement of parts for each industry and facility as feedback data, and the data for each part is compared to monitor the maintenance and facility maintenance time in real time. can make it
추가적으로 산출된 수명 예측 값에 크게 영향을 미치지 않는 파라미터는 배제하는 파라미터 배제 단계(S70)를 수행한다.A parameter exclusion step (S70) of excluding a parameter that does not significantly affect the additionally calculated life expectancy value is performed.
즉 복수의 센싱 정보 중 다른 센싱 정보가 유사한 상태에서 어느 하나의 센싱 정보가 변화 하여도 실제 설비의 수명에 변화가 없는 경우 또는 변화율이 0.1~1% 이내 인 경우에는 보정부(160)를 통해 상기 어느 하나의 센싱을 배제하도록 할 수 있다.That is, if there is no change in the actual lifespan of the equipment even if any one sensing information is changed in a state where other sensing information is similar among the plurality of sensing information, or if the change rate is within 0.1 to 1%, the It is possible to exclude any one sensing.
일예로 연삭기의 다른 실제 사용 환경은 동일한 상태에서 연삭기의 이동 속도 변화에 따른 수명 변화율이 1% 이내인 경우에는 연삭기의 이동 속도 측정을 위한 센서는 연삭기의 수명 예측에서 배제시키도록 사용자에게 안내할 수 있다. For example, in the other actual use environment of the grinding machine, if the life change rate according to the change in the movement speed of the grinding machine is within 1% under the same condition, the sensor for measuring the movement speed of the grinding machine may guide the user to exclude it from the life prediction of the grinding machine. have.
위와 같은 단계를 통해 불필요한 센서의 설치로 인한 비용 증가는 방지할 수 있고, 보다 정밀한 설비의 수명을 예측할 수 있는 효과가 있다. Through the above steps, an increase in cost due to unnecessary sensor installation can be prevented, and the lifespan of the equipment can be predicted more precisely.
본 발명의 상기한 실시 예에 한정하여 기술적 사상을 해석해서는 안 된다. 적용범위가 다양함은 물론이고, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당업자의 수준에서 다양한 변형 실시가 가능하다. 따라서 이러한 개량 및 변경은 당업자에게 자명한 것인 한 본 발명의 보호범위에 속하게 된다.The technical idea should not be construed as being limited to the above-described embodiment of the present invention. Various modifications can be made at the level of those skilled in the art without departing from the gist of the present invention as claimed in the claims. Accordingly, such improvements and modifications fall within the protection scope of the present invention as long as it is apparent to those skilled in the art.
1000 : 현장 데이터 기반 설비 수명 예측 시스템
100 : 예측부
110 : 제1 통신부
120 : 설비 입력부
130 : 센서 선정부
140 : 데이터부
150 : 판단부
160 : 보정부
170 : 디스플레이부
200 : 측정부
210 : 제2 통신부
220 : 센서부1000: On-site data-based facility life prediction system
100: prediction unit
110: first communication unit
120: equipment input unit
130: sensor selection unit
140: data part
150: judgment unit
160: correction unit
170: display unit
200: measurement unit
210: second communication unit
220: sensor unit
Claims (11)
상기 설비 입력부(120)로부터 입력 받은 설비의 종류에 따라 상기 설비의 권장 사용 환경 및 이에 따른 권장 수명을 저장하는 데이터부(140)와,
상기 데이터부(140)에서 전송된 설비의 권장 사용 환경과, 설비의 실제 사용 환경을 비교하여 설비의 수명을 예측하는 판단부(150)를 포함하는 예측부(100); 및
설비에 장착되며, 설비의 실제 사용 환경을 측정하여 상기 판단부(150)에 전송하는 센서부(220)를 포함하는, 측정부(200)로 구성되고,
상기 예측부(100)는, 상기 설비 입력부(120)로부터 입력 받은 설비의 종류에 따라 설비 수명 예측을 위한 파라미터를 선정하고, 상기 파라미터의 측정을 위한 센서를 선정하는 센서 선정부(130)를 포함하며,
상기 측정부(200)는, 상기 센서 선정부(130)로부터 선정된 센서정보를 전달 받아 해당 센서를 통해 설비의 실제 사용 환경을 측정하여 상기 판단부(150)로 전달하고,
상기 예측부(100)는, 상기 센서 선정부(130)를 통해 선정된 파라미터 중에 수명 예측에 영향을 미치지 않는 파라미터는 배제하도록 상기 센서 선정부(130)의 파라미터 정보를 업데이트 하는 보정부(160)를 더 포함하되,
상기 보정부(160)는, 복수의 센싱 정보 중 다른 센싱 정보가 동일한 상태에서 어느 하나의 센싱 정보가 변화 하여도 실제 설비의 예측 수명에 변화가 없는 경우 또는 변화율이 일정 % 이하인 경우 상기 어느 하나의 센싱 정보를 측정하는 센서를 배제하고,
상기 예측부(100)는, 상기 보정부(160)를 통해 축적된 데이터를 이용하여 상기 설비 입력부를 통해 입력받은 설비의 수명 예측에 필요한 파라미터의 측정을 위한 센서를 선별 및 도출하여 사용자에게 상기 입력받은 설비의 수명 예측에 필요한 센서를 가이드하는, 현장 데이터 기반 설비 수명 예측 시스템.
A facility input unit 120 for receiving an input of the type of facility for life prediction;
a data unit 140 for storing the recommended usage environment of the facility and its recommended lifespan according to the type of facility input from the facility input unit 120;
a prediction unit 100 including a determination unit 150 for estimating the life of the facility by comparing the recommended usage environment of the facility transmitted from the data unit 140 with the actual usage environment of the facility; and
It is mounted on the facility and consists of a measurement unit 200, including a sensor unit 220 that measures the actual use environment of the facility and transmits it to the determination unit 150,
The prediction unit 100 includes a sensor selection unit 130 that selects a parameter for predicting a facility lifespan according to the type of facility input from the facility input unit 120 and selects a sensor for measuring the parameter. and
The measurement unit 200 receives the sensor information selected from the sensor selection unit 130, measures the actual use environment of the facility through the corresponding sensor, and transmits it to the determination unit 150,
The prediction unit 100 is a correction unit 160 that updates the parameter information of the sensor selection unit 130 so as to exclude parameters that do not affect the lifespan prediction among the parameters selected through the sensor selection unit 130 . further comprising,
The correction unit 160 is, when there is no change in the predicted lifespan of the actual facility even if any one of the sensing information is changed in a state in which other sensing information among the plurality of sensing information is the same, or when the change rate is less than a certain percentage, any one of the above Excluding sensors that measure sensing information,
The prediction unit 100 selects and derives a sensor for measuring a parameter required for life prediction of a facility input through the facility input unit using the data accumulated through the correction unit 160, and provides the input to the user. An on-site data-based facility life prediction system that guides the sensors required to predict the life of the received equipment.
상기 데이터부(140)는,
상기 판단부(150)로부터 산출된 수명 예측 값을 지속적으로 축적하고,
상기 예측부(100)는,
상기 데이터부(140)를 통해 축적된 예측 수명과, 실제 사용 환경에 따른 설비의 실제 수명을 비교하고, 이를 통해 수명 산출을 위한 계산식을 보정하여 상기 판단부(150)에 전달하는 보정부(160)를 더 포함하는, 현장 데이터 기반 설비 수명 예측 시스템.
The method of claim 1,
The data unit 140,
Continuously accumulates the life expectancy value calculated from the determination unit 150,
The prediction unit 100,
A correction unit 160 that compares the predicted lifespan accumulated through the data unit 140 with the actual lifespan of the equipment according to the actual use environment, corrects the calculation formula for calculating the lifespan, and transmits it to the determination unit 150 . ) further comprising, on-site data-based facility life prediction system.
상기 설비 분류 단계(S10)를 통해 분류된 각각의 설비의 수명에 영향을 미치는 파라미터 수집을 위한 파라미터 선정단계(S20);
상기 파라미터 선정단계(S20)를 통해 선정된 파라미터의 값을 측정하기 위한 센서 선정단계(S30);
상기 센서 선정단계(S30)를 통해 선정된 센서를 통해 상기 파라미터의 값을 측정하여 실제 사용 환경을 정의하고, 이를 기준 사용 환경과 비교하는 수명 산출 준비 단계(S40);
상기 실제 사용 환경에 따른 설비의 실제 수명을 측정하고, 이를 피드백 받아 계산된 팩터를 적용하여 설비의 수명을 산출하는 단계(S50);
상기 실제 사용 환경에 따른 설비의 수명 산출 값을 지속적으로 축적하여 데이터베이스화 하고, 이를 통해 상기 설비의 수명 산출을 위한 계산식을 보정하는 계산식 보정단계(S60);
상기 계산식 보정단계(S60)에 상대적으로 적은 영향을 미치는 파라미터는 배제하는 파라미터 배제 단계(S70); 및
상기 파라미터 배제 단계를 통해 축적된 데이터를 이용하여 상기 입력받은 설비의 수명 예측에 필요한 파라미터의 측정을 위한 센서를 선별 및 도출하여 사용자에게 상기 입력받은 설비의 수명 예측에 필요한 센서를 가이드하는 단계;
를 포함하는, 현장 데이터 기반 설비 수명 예측 방법.
Equipment classification step of receiving the necessary equipment according to the industrial process (S10);
a parameter selection step (S20) for collecting parameters affecting the lifespan of each facility classified through the facility classification step (S10);
a sensor selection step (S30) for measuring the value of the parameter selected through the parameter selection step (S20);
a lifespan calculation preparation step (S40) of measuring the value of the parameter through the sensor selected through the sensor selection step (S30), defining an actual use environment, and comparing it with a reference use environment;
measuring the actual lifespan of the equipment according to the actual use environment, and calculating the lifespan of the equipment by receiving the feedback and applying the calculated factor (S50);
a calculation formula correction step (S60) of continuously accumulating a lifespan calculation value of a facility according to the actual use environment and converting it into a database, and correcting a calculation formula for calculating the lifetime of the facility through this;
a parameter exclusion step (S70) of excluding a parameter having a relatively small influence on the calculation formula correction step (S60); and
selecting and deriving a sensor for measuring a parameter necessary for predicting the life of the received equipment using the data accumulated through the parameter exclusion step, and guiding the user to a sensor necessary for predicting the life of the received equipment;
Including, on-site data-based facility life prediction method.
상기 기준 사용 환경은,
각각의 설비의 권장 사용 환경이고,
상기 수명 산출 준비 단계(S40); 는 상기 권장 사용 환경과 이에 따른 권장 수명을 실제 사용 환경과 비교하여 설비의 수명을 산출을 준비하는, 현장 데이터 기반 설비 수명 예측 방법.
8. The method of claim 7,
The standard use environment is,
It is the recommended use environment of each facility,
the lifespan calculation preparation step (S40); is an on-site data-based facility life prediction method that prepares to calculate the life of the equipment by comparing the recommended use environment and the recommended lifespan accordingly with the actual use environment.
상기 기준 사용 환경은,
각각의 설비의 테스트에 적용된 특정 사용 환경이고,
상기 수명 산출 준비 단계(S40); 는 상기 특정 사용 환경과 상기 테스트에 따른 특정 수명을 실제 사용 환경과 비교하여 설비의 수명을 산출을 준비하는, 현장 데이터 기반 설비 수명 예측 방법.
8. The method of claim 7,
The standard use environment is,
It is a specific use environment applied to the test of each facility,
the lifespan calculation preparation step (S40); is a method of predicting a lifespan of a facility based on field data to prepare to calculate the lifespan of the facility by comparing the specific usage environment and the specific lifetime according to the test with the actual usage environment.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200014403A KR102404889B1 (en) | 2020-02-06 | 2020-02-06 | Field Data Based Equipment Life Prediction System and Prediction Method of the Same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200014403A KR102404889B1 (en) | 2020-02-06 | 2020-02-06 | Field Data Based Equipment Life Prediction System and Prediction Method of the Same |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210100427A KR20210100427A (en) | 2021-08-17 |
| KR102404889B1 true KR102404889B1 (en) | 2022-06-07 |
Family
ID=77466248
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200014403A KR102404889B1 (en) | 2020-02-06 | 2020-02-06 | Field Data Based Equipment Life Prediction System and Prediction Method of the Same |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102404889B1 (en) |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110107481A (en) * | 2010-03-25 | 2011-10-04 | 김한규 | Integrated maintenance management system |
| KR20130107807A (en) * | 2012-03-23 | 2013-10-02 | 현대자동차주식회사 | Device and method for controling tools |
| KR200490344Y1 (en) | 2018-06-08 | 2019-10-31 | 두산중공업 주식회사 | Monitoring and checking cycle notification system of part life for thermal processing equipment |
-
2020
- 2020-02-06 KR KR1020200014403A patent/KR102404889B1/en active IP Right Grant
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210100427A (en) | 2021-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10493583B2 (en) | Detection device, detection method and compensation method for tool wear | |
| US11745298B2 (en) | Method for correcting tool parameters of a machine tool for machining of workpieces | |
| US10732619B2 (en) | Method for monitoring driving unit of car body assembly line, and device therefor | |
| EP3045992B1 (en) | Compensating for errors occurring in a production process | |
| US20200356069A1 (en) | Machine tool management system | |
| US20200089191A1 (en) | Method for monitoring cutting-tool abrasion | |
| CN110214059B (en) | Method and apparatus for incremental forming of metal workpieces | |
| US20200004221A1 (en) | Method and system for tool life monitoring and management in a cnc environment | |
| CN116300690B (en) | Radial drilling machine fault monitoring and early warning system based on edge calculation | |
| JP2007052797A (en) | Monitoring method for working process | |
| CN116540631A (en) | Numerical control machine tool machining precision monitoring system and method | |
| Gittler et al. | Towards predictive quality management in assembly systems with low quality low quantity data–a methodological approach | |
| KR102404889B1 (en) | Field Data Based Equipment Life Prediction System and Prediction Method of the Same | |
| Parkash et al. | Statistical process control | |
| CN113093648A (en) | Automatic machining system and method for motor base | |
| Yuan et al. | Online overall equipment effectiveness (OEE) improvement using data analytics techniques for CNC machines | |
| CN106217129B (en) | A kind of plate wear automatic-compensation method of forging a knife of contact Tool Broken Detect system | |
| KR101801897B1 (en) | Process management system and method for quality control of aviation parts industry | |
| KR102668061B1 (en) | Blast furnace abnormality determination device, blast furnace abnormality determination method, blast furnace operation method, and molten iron manufacturing method | |
| KR102669049B1 (en) | Smart Control Based Automatic Tool Changer Tool Information Monitoring and Calibration Devices and Calibration Method of the Same | |
| Shagluf et al. | Derivation of a cost model to aid management of CNC machine tool accuracy maintenance | |
| KR20230119360A (en) | Thermal displacement compensation device of machine tool and method thereof | |
| Shagluf et al. | Towards a downtime cost function to optimise machine tool calibration schedules | |
| EP3705964B1 (en) | A method for the scalable real-time state recognition of processes and/or sub-processes during production with electrically driven production plants | |
| CN218018601U (en) | Multi-axis manipulator assembly service life and information early warning device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |