KR102415711B1 - 실시간 데이터 전처리 및 이상치 감지를 위한 모니터링 시스템 - Google Patents

Abstract

본 발명은 다양한 종류의 제조 설비로부터 실시간 발생하는 공정 데이터들에 대한 전처리 및 이상치 감지 작업을 수행하며, 상기 작업에 필요한 알고리즘을 쉽게 변경할 수 있는 모니터링 시스템을 개시한다. 본 발명의 모니터링 시스템은, 복수 개의 공정설비의 공정 데이터를 수집하는 데이터 수집 서버와, 상기 공정 데이터를 실시간 저장하는 시계열 데이터 베이스(Time-series table), 그리고 공정 데이터들에 대한 전처리(Preprocessing) 및 이상치 감지(Anomaly Detection) 동작을 수행하도록 대응하는 알고리즘들이 제공되는 데이터 처리모듈이 포함한다. 상기 알고리즘들은 미리 개발된 알고리즘들로서, 공정 변경에 따라 알고리즘을 교체해야할 경우 작업자가 GUI 환경에서 선택, 적용할 수 있도록 설계되어 있다.

Description

실시간 데이터 전처리 및 이상치 감지를 위한 모니터링 시스템{Monitoring system for real-time based data preprocessing and anomaly detection}

본 발명은 모니터링 시스템에 관한 것으로, 특히 각종 산업현장에 설치된 다양한 종류의 설비(ex: CNC, 머시닝 센터)로부터 실시간 발생하는 공정 데이터들에 대한 전처리 및 이상치 감지 작업을 수행하며, 상기 작업에 필요한 알고리즘을 쉽게 변경할 수 있는 모니터링 시스템에 관한 것이다.

소재/부품 산업은 주요 핵심 소재 및 부품 개발 성공시 장기간 시장지배가 가능한 고부가 산업이고, 이러한 이유로 각국의 주요한 글로벌 소재/부품 기업들은 4차 산업혁명의 기반기술과 연관된 첨단 소재/부품에 핵심역량을 집중하고 있다. 그러나 국내 소재/부품 중소기업은 전체 산업에서 큰 비중을 차지하고 있지만 노동 생산성은 대기업에 훨씬 못미치고 있는 것이 현실이다. 국내의 소재/부품 중소기업은 인력부족 및 높은 이직률 등의 문제를 겪고 있고, 정보화 수준이 낮기 때문에 생산 품질 관리의 경쟁력이 취약할 수 있다.

따라서 국내의 소재/부품 중소기업에 대한 클라우드 기반 솔루션 및 데이터 플랫폼 개발에 대한 필요성이 대두되고 있다. 표준 기술을 활용한 공장설비 데이터 수집, 데이터 전처리 및 저장 플랫폼 제공, 전사 정보 공유 체계 구축, 공정 품질분석 및 분석 알고리즘 적용이 가능하기 때문이다. 그래서 국내의 소재/부품 중소기업의 경우, 공정 데이터에 대한 모니터링 시스템 구축이 무엇보다 필요하다. 그러나 데이터 모니터링 시스템을 구축하기 위해서는 복잡한 소프트웨어 모듈 및 설치비용이 요구된다. 이는 규모가 작고 영세한 국내 대부분의 중소 제조기업들이 데이터 기반의 품질관리를 위한 모니터링 시스템의 필요성을 충분하게 인지하면서도 적극적으로 개발 및 구축할 수 없는 원인이라 할 수 있다.

소재/부품 제조기업들은 고객사들의 주문에 따라 다양한 제품을 제조생산하기 때문에 주문 변경 및 공정 변경 등이 종종 발생하게 되며, 이때마다 제조기업들은 데이터 전처리 알고리즘 및 이상치 감지 알고리즘을 수정해야 한다. 그러나 대부분의 소재/부품 중소 제조기업들은 SW 업체에게 모니터링 솔루션을 외주 처리하고 있는 실정이기 때문에 이러한 알고리즘 수정 작업이 원활하지 못하였다. 이는 제조기업들이 모니터링 시스템에 대한 전문 지식이 부족하기 때문에 현장 작업자들이 이를 수정하지 못하였고, 따라서 각종 알고리즘의 수정이 필요할 때마다 제조기업들은 SW 개발 업체에게 수정 요청을 의뢰할 수 밖에 없는 구조였다. 그만큼 제조기업 입장에서는 알고리즘의 운영 및 수리에 들어가는 비용과 시간을 줄이지 못하는 문제를 안고 있다. 물론 제조기업들이 모니터링 시스템을 전담할 인력을 보강할 수도 있지만, 규모가 영세한 제조기업들 입장에는 인건비 등의 상승으로 인하여 이 역시 쉬운 문제가 아니다.

그렇기 때문에 중소, 중견 제조업체가 손쉽게 개발 및 운영할 수 있는 모니터링 시스템에 대한 필요성이 대두되고 있다. 또 클라우드 기반 데이터 플랫폼을 활용하여 소재/부품 제조업종별로 특화된 데이터를 쉽게 확인할 수 있는 대시보드의 구현이 필요하고, 품질 원인의 추적 및 분석, 공정과 제조 연관 관계 분석 등 이상 발생에 대한 원인을 확인할 수 있는 툴(Tool) 개발에 대한 필요성이 요구되었다.

한국등록특허 10-1827108호(2018. 02. 01, 플랜트 이상 감지 학습 시스템 및 방법) 한국등록특허 10-1343403호(2013. 12. 13, 공작기계 운전시의 이상 검출방법) 한국공개특허 10-2018-0074473호(2018. 07. 03, 권취 설비 이상 사전 감지장치)

본 발명의 목적은 상기한 문제점을 해결하기 위한 것으로, 실시간 발생하는 공정 데이터를 수집 및 전처리하고, 이상치 감지를 수행할 수 있는 모니터링 시스템을 제공하는 것이다.

본 발명의 다른 목적은 주문이나 공정 변경에 따라 알고리즘이 변경되어도 작업자가 데이터 전처리 및 이상치 프로그램을 간단하게 선택하여 시스템에 적용할 수 있는 실시간 기반의 모니터링 시스템을 제공하는 것이다.

본 발명의 또 다른 목적은 공정 결과값을 쉽게 확인하고 해석할 수 있도록 한 실시간 기반의 모니터링 시스템을 제공하는 것이다.

이와 같은 목적을 달성하기 위한 본 발명은, 복수 개의 공정설비의 공정 데이터를 수집하는 데이터 수집 서버; 상기 공정 데이터를 실시간 저장하는 시계열 데이터 베이스(Time-series table); 상기 저장된 공정 데이터의 전처리 및 이상치 감지동작을 수행하는 데이터 처리모듈; 및 상기 전처리 및 이상치 감지결과를 출력하는 데이터 모니터링 대시보드를 포함하는 것을 특징으로 하는 모니터링 시스템을 제공한다.

상기 데이터 수집 서버는, 상기 공정설비에서 실시간 발생하는 데이터를 수집하는 제1 수집부; 제조현장에서 발생하는 스페셜 이벤트 데이터를 수집하는 제2 수집부를 포함하며, 상기 제1 수집부는, CNC 컨트롤러의 프로토콜에 맞춰 데이터를 수집하는 프로그램이 제공되고, 상기 제2 수집부는, 바코드 라벨 기반의 수집 프로그램과 산업용 터치패널 기반의 이벤트 수집 프로그램이 제공된다.

상기 데이터 수집 서버는 발행(publishing)/ 구독(subscribe) 기반의 데이터 송수신 프로토콜에 의하여 공정 데이터를 상기 시계열 데이터 베이스로 전달한다.

상기 시계열 데이터 베이스는 둘 이상의 어플리케이션과 확장 가능한 API를 제공하며, 상기 발행(publishing)/ 구독(subscribe) 기반의 데이터 송수신 프로토콜에 의해 전달되는 데이터들과의 연결성을 제공하는 데이터 베이스이고, 상기 데이터 베이스는 Influx DB가 사용된다.

상기 데이터 처리모듈은, 상기 공정 데이터에 대한 잡음요소 제거나 변환과정을 수행하는 전처리부; 이상 이벤트 감지와 비선형 예측을 위한 신경망 모형을 이용하여 공정 데이터를 분석하는 이상치 감지부; 작업자가 직접 원하는 함수를 등록하여 사용하도록 스크립트를 통해 데이터 변환 및 분석 알고리즘이 정의되어 제공되는 사용자 정의 함수부; 및 상기 신경망 모형을 제공하는 신경망 모델부를 포함한다.

상기 전처리부 및 이상치 감지부는 각각 복수 개의 알고리즘을 가지며, 어느 하나의 알고리즘이 선택되면 모니터링 시스템에 적용된다.

상기 알고리즘은 GUI 기반의 데이터 전처리 및 이상치 감지 알고리즘이고, 상기 GUI 환경에서 선택된다.

상기 데이터 처리모듈은, 공정설비의 공정 변경 및 주문 변경에 따라 현재 실행중인 알고리즘 대신 적용 가능한 알고리즘 정보를 제공한다.

상기 알고리즘은 복수 개의 룰(Rule)이 제공되며, 상기 룰은 미리 정해진 절차 및 규칙에 따라 반복적으로 데이터 처리 로직을 수행하여 전처리 및 이상치 감지를 수행한다.

상기 전처리부는, 상기 시계열 데이터 베이스(Time-series table)에 저장되는 공정 데이터의 분석결과에 시간에 대한 정보를 추가하도록 국소 푸리에 변환(Short term fourier transform)을 이용한 스펙트럼그램을 시각화하여 표시하는 제1 분석방법; 및 공정 데이터로부터 잠재변수를 추출할 수 있는 비지도 학습 기능을 이용하여 데이터의 통계량을 확인하는 제2 분석방법 중 어느 하나에 의해 이상치를 감지한다.

상기 데이터 모니터링 대시보드는, 공정 데이터용 모니터링 대시보드; 및 데이터 서버 모니터링 대시보드를 포함하여 제공된다.

이상과 같은 본 발명의 실시간 데이터 전처리 및 이상치 감지를 위한 모니터링 시스템에 따르면, 공정설비 등의 구동시 공정 변화 등이 발생하더라도 작업자는 최적의 전처리 알고리즘 및 이상치 감지 알고리즘을 GUI 환경에서 쉽게 선택할 수 있다. 따라서 기존에 전문 인력에 의해서만 알고리즘을 수정하는 것 대비 시간 및 비용을 절약하면서도 수정된 알고리즘을 간단하게 시스템에 적용할 수 있다. 이를 통해 생산하는 제품의 품질 관리를 데이터화하여 수작업 및 어림짐작 방식의 영세 제조기업의 생산 프로세스를 개선할 수 있다.

본 발명에 따르면 사용자 정의 함수부를 통해 적절한 알고리즘을 제공할 수 있어 제조현장에 맞는 알고리즘을 맞춤 사용할 수 있다. 그만큼 생산성 향상을 기대할 수 있다.

본 발명에 따르면 복잡한 제조공정에 따른 공정 데이터의 비선형성을 고려할 수 있는 기계학습 및 신경망 기능을 적용할 수 있어, 공정 데이터에 대한 효과적인 분석도 가능하다.

도 1은 본 발명의 실시 예에 따른 모니터링 시스템의 전체 구성도이다.
도 2는 본 발명에서 공정 설비들과 데이터 수집 서버의 연결 상태를 보인 구성도
도 3은 본 발명의 데이터 수집 서버의 제1 수집부의 구성도
도 4는 본 발명의 데이터 수집 서버의 제2 수집부의 구성도
도 5는 본 발명에 따라 사용자 정의 함수 등록을 위한 위젯 화면 예시도
도 6은 본 발명에 따른 신경망 학습 위젯 예시 도면
도 7의 본 발명에 따른 신경망 학습 결과 및 등록을 위한 위젯 예시 도면
도 8 및 도 9은 본 발명에 따른 신경망 모델의 선택 및 등록을 위한 예시 도면
도 10은 본 발명에 따른 룰(Rule) 등록 예시 도면
도 11 및 도 12은 본 발명에 따른 전처리 결과의 예시도면
도 13 내지 도 16은 본 발명의 결과 화면 예시도면들

본 발명의 목적 및 효과, 그리고 그것들을 달성하기 위한 기술적 구성들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.

그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다.

그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있다. 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

이하에서는 도면에 도시한 실시 예에 기초하면서 본 발명에 대하여 더욱 상세하게 설명하기로 한다. 본 발명의 모니터링 시스템은 데이터 수집 기능부터 전처리 SW의 모듈화를 통해 시스템 구축이 간편하면서도 사용자 편의를 강조한 GUI 기반 데이터 전처리 및 이상치 감지가 가능한 시스템이고, 도 1을 참조하여 상세하게 살펴본다.

도 1은 본 발명의 실시 예에 따른 모니터링 시스템의 전체 구성도이다.

제조현장에는 복수 개의 공정 설비(equipment 1 ~ N)(10)들이 마련된다. 공정 설비(equipment 1 ~ N)들은 고객사들의 주문에 따라 다양한 제품을 생산하게 되는, 동일하거나 다른 장치들일 수 있다. 공정 설비(equipment 1 ~ N)마다 고유 ID가 부여된다. 고유 ID는 추후에 제품의 품질 불량 또는 공정 이상 발생시 해당 데이터를 추적할 수 있는 용도로 이용할 수 있다.

그리고 이러한 복수 개의 공정 설비들(equipment 1 ~ N)과 데이터를 송수신하며, 공정 데이터들을 저장하는 데이터 수집 서버(Data acquistion server)(20)가 마련된다.

상기 다수의 공정 설비들(equipment 1 ~ N)과 데이터 수집 서버(20)는 이더넷 LAN을 통해 연결된다. 이러한 연결 구성의 예는 도 2에 도시하였다. 도 2를 보면 공정 설비들 즉, CNC들과 데이터 수집 PC(데이터 수집 서버)들이 이더넷 LAN 방식으로 연결되며, 데이터 수집 PC는 복수 대의 공정 설비들에서 발생하는 각종 공정 데이터들을 수집하게 된다.

데이터 수집 서버(20)는 도 1에서 보듯이 'Data protocol'(21), 'MQTT(Message Queuing Telemetry Transport) Client(22)'를 포함한다. MQTT 방식으로 데이터를 송/수신하기 위해 필요한 구성들이다. 여기서 상기 공정 설비들(equipment 1 ~ N), 데이터 수집 서버(20)는 본 발명의 모니터링 시스템(즉, 도면에서 '데이터 플랫폼(100)'을 말함)에 반드시 포함될 필요는 없다. 모니터링 시스템(100)과 연동하면서 공정 설비들(equipment 1 ~ N)의 데이터를 상기 모니터링 시스템(100)으로 전달하는 역할을 한다고 보면 된다. 다만 데이터 수집 서버(20)는 추가되거나 제거되는 공정 설비들(equipment 1 ~ N)에 대한 정보를 확인할 수 있고, 후술하는 메시지 중개부(MQTT Broker)(110)와의 데이터 흐름이 정상적으로 이루어지고 있는 지에 대한 현황 정보를 사용자가 확인할 수 있도록 기능을 제공한다. 그래서 필요에 따라 데이터 수집 서버(20)는 모니터링 시스템(100)에 포함될 수 있을 것이다.

데이터 수집 서버(20)는, 수집하는 데이터의 카테고리에 따라 제1 수집부(23) 및 제2 수집부(24)를 더 포함한다. 제1 수집부(23)는 'CNC Controller Protocol 기반 데이터 수집기', 제2 수집부(24)는 'Human-Label Event Trigger 기반 데이터 수집기'일 수 있다. 제1 수집부(23)는 공정설비(ex: 머시닝 센터, CNC)가 제품을 생산하면서 실시간으로 발생하는 데이터들, 예를 들면 밀링툴의 온도, 속도, 위치, 밀링툴에 주어지는 부하 정보들을 수집한다. 그리고 제1 수집부(23)는 CNC 컨트롤러의 프로토콜에 맞추어 데이터를 수집하기 위한 프로그램이 지원되며, 예를 들면 'FANUC Focas Library 기반 CNC 데이터 수집 프로그램'과 'MTConnect 기반 CNC 데이터 수집 프로그램'일 수 있다. 이러한 제1 수집부(23)는 도 3과 같은 분류에 따라 데이터를 수집하게 된다.

제2 수집부(24)는 생산 현장에서의 스페셜 이벤트 데이터(special event data)를 수집하기 위한 것이다. 이러한 데이터들은 상기 CNC 컨트롤러가 제공하지 못하는 데이터들을 말한다. 제2 수집부(24)는 바코드 라벨 기반 이벤트 수집 프로그램과, 산업용 터치패널 기반 이벤트 수집 프로그램으로 분류되는 형태로 프레임워크를 설계한다. 이러한 제2 수집부(24)는 도 4와 같은 분류에 따라 데이터를 수집하게 된다.

상기 바코드 라벨 기반 이벤트 수집 프로그램은 생산현장에 프로그램 개발자의 도움 없이도 바코드 라벨의 출력과 스캐닝이 가능하도록 설계되며 현장 작업자들은 특정 이벤트에 해당하는 바코드를 프로그램을 통해 직접 발행하여, 해당 바코드를 공장 내 원하는 장소에 부착 및 설치하는 방식을 통하여 원하는 이벤트를 발생시키고자 할 때, 스캐닝된 이벤트를 데이터 수집 서버로 보낼 수 있도록 한다. 툴 이벤트 ID에 대한 규칙설계는 다음 [표 1]과 같다.

1. @로 시작: 설비 ID 지정 예) @MCT16: 현재 수집되는 데이터 및 이벤트는 MCT16 장비라는 지정 2. #로 시작: 이벤트 트리거 예) #TCO1: 01번 SLOT 밀링툴 교체 이벤트 이벤트 종류 예) #TC01 ~ TC99: 00번 SLOT 공구 교체 예) #START, #END: 작업시작, 작업 종료 예) #TEST_START, #TEST_END: Test Run 시작, 종료 장비명과 이벤트 조합해서 처리가능 예) @MCT16#TC01: MCT16 장비에서 02번 SLOT 밀링툴 교체 이벤트 트리거 3. 일반 문자, 숫자: 현재 투입된 제품의 Lot ID, Serial Number로 간주하여 처리

본 발명의 모니터링 시스템(100)은 데이터 수집 서버(20)와 연결되는 데이터 플랫폼(Data Platform)이 구비된다. 데이터 플랫폼이 모니터링 시스템이라고 할 수 있고, 그래서 혼용하여 사용할 수도 있다. 데이터 플랫폼(100)에는 데이터 수집 서버(20)와의 데이터 송수신 프로토콜을 지원하도록 메시지 중개부인 'MQTT Broker'(110)가 구비된다. 상기 MQTT Broker(110)는 아래의 MQTT API(210)와 함께 Pub/Sub 기반의 MQTT 프로토콜에 의해 데이터를 전달하기 위한 구성이라 할 수 있다. 상기 MQTT 프토토콜은 메시지를 발행(publishing)하고 관심있는 주제를 구독(subscribe)하는 것을 기본으로 한다. 다만 본 실시 예에서 상기 MQTT Broker(110)은 일 실시 예에 불과하다. 제조현장(공정장비)에 상기 MQTT Client의 통신 프로토콜 대신 다른 통신 프로토콜이 마련된다면, 모니터링 시스템(100)에도 이와 대응되는 다른 메시지 브로커가 설치되기 때문이다.

앞서 설명한 바와 같이 본 발명은 Pub/Sub 기반의 데이터 송수신 프로토콜을 사용한다. 종래 산업현장에서 장비에 대한 정보를 제어하기 위해 사용되던 TCP/UIP 환경의 HTTP 프로토콜은 본 발명과 같이 공정 데이터를 실시간으로 스트림 형태로 전송하고자 하는 환경을 구축할 경우 오버헤드가 발생하여 효율 및 성능이 저하되고, 방대한 양의 데이터 처리로 인해 발생하는 시스템의 과부하 문제도 발생하기 때문이다. 그래서 본 발명은 HTTP 프로토콜 대신 Pub/Sub 기반의 데이터 송수신 프로토콜을 채택한다. 이러한 프로토콜의 경우 상대적으로 규모가 작은 소재/부품 중소기업의 산업현장에서 실시간으로 발생하는 공정 데이터를 원활하게 수집 및 분석할 수 있어, 각종 공정 설비의 이상 유무 및 생산되는 제품 불량을 효과적으로 모니터링할 수 있을 것이다.

상기 데이터 수집 서버(20)로부터 Pub/Sub 기반의 데이터 송수신 프로토콜에 의해 데이터를 전달받는 데이터 저장모듈(data storage module)(200)이 구비된다. 데이터 저장모듈(200)은 MQTT Broker(110)와 통신하기 위한 MQTT API(210)와, 실시간 스트림 형식으로 전달되는 공정 설비들의 데이터를 충분하게 수용할 수 있도록 시계열 DB(Time-series database)(220)를 포함한다. 상기 시계열 DB(220)를 이용하면 속도 및 편의성을 향상시킬 수 있다.

본 발명에서 시계열 DB(220)를 사용하는 이유는 상기 제1 수집부(23) 및 제2 수집부(24)가 실시간으로 수집한 공정 데이터 및 이벤트 데이트가 MQTT 프로토콜을 통해 MQTT 브로커로 발행됨에 따라 해당 데이터들을 실시간으로 Subscription하여 저장해야 하는데, 일반적인 관계형 데이터베이스의 경우 속도 및 사용서 측면에서 부족하기 때문이다. 본 실시 예에서 상기 시계열 DB(220)는 'Influx DB'를 사용한다. 상기 DB는 오픈소스 DB로서 여러 어플리케이션들과 확장이 가능한 다양한 API를 제공하며, Pub/Sub 기반의 데이터 송수신 프로토콜에 의해 전달되는 데이터들과의 연결성을 제공할 수 있기 때문이다.

그리고 상기 시계열 DB(220)에는 로우 데이터 테이블(raw data table)(221), 테스트 데이터 테이블(test data table)(222), 공정 데이터 테이블(processed data table)(223) 등이 포함되어 있다.

도 1에서 보듯이 본 발명의 모니터링 시스템(100)은 데이터 처리유닛(Data processing function)(310), 룰(Rule) 리스트 유닛(320), TS-DB API 유닛(330)을 구비하는 데이터 처리모듈(300)을 포함한다. 데이터 처리모듈(300)은 데이터 플랫폼(100)과 독립적으로 동작할 수 있다. 데이터 플랫폼(100)에 데이터 처리모듈(300)이 장착되어 정상 동작하면 실시간으로 수집되는 데이터에 대한 전처리, 이상치 감지 등의 공작을 수행한다. 반면 데이터 플랫폼(100)에서 데이터 처리모듈(300)이 제거되거나 데이터 처리모듈(300)이 장애로 인하여 구동이 중단되면, 데이터 처리모듈(300)에 의한 기능만 중단될 뿐 데이터 플랫폼(100)의 기능들, 즉 설비통신, 데이터 송수신, 데이터 수집, 모니터링 등의 다른 기능들은 정상 구동된다.

상기 데이터 처리 유닛(310)은 상기 데이터 저장모듈(200)에 저장된 데이터를 전달받아 처리하는 유닛이다. 기본적으로 이상치 감지 기능, 데이터 전처리 및 분석기능, 사용자 정의 함수 기능, 신경망 분석 기능 등을 제공한다. 이러한 기능들을 제공하도록 데이터 처리 유닛(310)은 전처리부(preprocessing)(311), 이상치 감지부(anomaly detection)(312), 사용자 정의 함수부(user define function)(313), ML(Machine learning)/DL(Deep learning) 모델부(314)를 가진다.

상기 전처리부(311) 및 이상치 감지부(312)는 각각 다양한 데이터 전처리 알고리즘과 이상치 감지 알고리즘을 포함하고 있다. 그리고 이러한 알고리즘들은 사용자 경험 중심의 UI/UX가 적용된 GUI 프로그램에 의해 어느 하나가 선택 적용될 수 있는 환경으로 설계된다. 즉 제조하는 제품의 변경에 따라 알고리즘이 변경되는 경우가 종종 발생할 수 있다. 이때 사용자 편의를 고려하여 GUI 기반의 데이터 전처리 및 이상치 프로그램을 미리 개발 해둔 뒤, 클릭 및 터치를 통해 원하는 알고리즘을 적용하여 시스템에 적용할 수 있어야 한다. 이처럼 둘 이상의 알고리즘을 제공하기 때문에 주문 변경이나 공정 변경이 발생하더라도 사용자는 그에 대응하는 알고리즘을 쉽게 선택 적용할 수 있는 것이다. 그리고 이러한 알고리즘들은 개발자에 의해 미리 개발된 알고리즘들이고, 필요에 따라 삭제 및 추가할 수 있다.

본 발명에 따르면 상기 전처리부(311)는 실시간으로 데이터 전처리 기능을 제공한다. 전처리부(311)는 공정 데이터에 대한 잡음요소 등을 제거하거나 변환하여 로우 공정/설비 데이터를 사용자가 쉽게 해석하기 쉬운 형태로 제공하는 것이며, 공정 데이터의 수집과 동시에 전처리 과정을 수행하기 때문에, 분석모형의 인자에 데이터의 해석을 방해하는 요소들은 제거하고 대신 유의미한 인자들로 구성된 데이터의 형태로 전처리된 결과를 입력하도록 설계할 수 있다.

또 전처리부(311)는 공정 이상 발생시 원인인자를 추적하고 분석하는 기능을 제공한다. 분석기능은 신호처리이론을 기반으로 한 제1 분석방법과, 기계학습이론을 기반으로 한 제2 분석방법이 있다.

상기 제1 분석방법은 시계열 DB(220)에 저장되는 데이터의 분석결과에 시간에 대한 정보를 추가하도록 국소 푸리에 변환(Short term fourier transform)을 이용한 스펙트럼그램을 시각화하여 표시하는 방법이다. 상기 제2 분석방법은 데이터로부터 잠재변수를 추출할 수 있는 비지도 학습 기능을 이용하여 데이터의 통계량을 확인하는 방법이다. 제2 분석방법은 주성분 분석 기반의 다변량 관리도 기법으로 예를 들면 'Hotelling'의 'T-squared 관리도 기법'을 말할 수 있다.

이와 같은 전처리부(311)는 데이터의 시각화를 통해 소정 데이터가 가지는 정보를 시간에 따라 쉽게 확인할 수 있는 기능을 제공한다.

본 발명에 따르면 상기 이상치 감지부(312)는 실시간으로 수집되는 공정 데이터에서 이상 이벤트의 감지와 함께, 비선형 예측을 위한 신경망 모형을 이용하여 공정 데이터를 분석하는 기능을 제공한다. 그래서 이상치 감지부(312)는 후술하는 ML(Machine learning)/DL(Deep learning) 모델부(314)와 연동하여 동작할수 있다.

본 발명에 따르면 상기 사용자 정의 함수부(313)는 상기 전처리부(311) 및 이상치 감지부(312)에 미리 개발되어 제공되는 알고리즘 이외에 사용자가 직접 원하는 알고리즘을 개발, 적용할 수 있도록 하는 것이다. 즉 상기한 데이터 전처리 알고리즘 및 이상치 감지 알고리즘과 같은 보편적인 분석 알고리즘 대신에 공정 상황에 따라 사용자가 직접 원하는 함수를 등록하여 사용할 수 있도록 스크립트를 통해 데이터 변환/분석 알고리즘을 직접 정의할 수 있도록 한 것이다. 그리고 사용자가 적절한 알고리즘을 직접 설계해야 하는 경우, 사용자 정의 함수를 직접 프로그램에 이식하여 운용할 수 있도록 한다. 여기서 사용자 정의 함수기능을 등록하는 스크립트는 데이터 분석에 용이한 'Python Script'를 기반으로 하였고, GUI 환경에서 직접 코드를 작성하여 구현한다.

도 5는 상기 사용자 정의 함수 등록을 위한 위젯 화면의 예시도면이다. 위젯 화면은 직접 함수를 등록하면 되기 때문에 원하는 룰을 생성할 수 있는 하나의 버튼만 있으면 된다.

본 발명에 따르면 상기 ML(Machine learning)/DL(Deep learning) 모델부(314)는 신경망 모형의 장착기능을 위한 것이다. 신경망은 내부 신경망 또는 외부에서 제공되는 외부 신경망일 수 있다. 실시 예에 따른 상기 ML(Machine learning)/DL(Deep learning) 모델부(314)는 상대적으로 복잡한 비선형성을 가진 공정 데이터에 대한 분석을 수행하기 위한 것이다. 상기 모델부(314)는 연속적인 시계열 데이터에 효과적이라고 알려져 있는 신경망 모형 아케텍쳐가 프로그램에 포함되어 있고, 사용자가 GUI 화면을 통해 해당 신경망 모델을 원하는 데이터 속성으로 학습할 수 있다. 모델부(314)를 이용하면 공정변수, 설비/공정 상태 변수 및 수집된 과거 데이터를 활용하여 비선형 예측모델을 개발할 수 있다.

상기 모델부(314)에 제공되는 신경망 모델은 복수 개이다. 사용자가 어느 하나의 신경망 모델을 선택할 수 있고, 따라서 사용자는 원하는 신경망으로 데이터 출력을 직접 정의하는 것이 가능하다.

도 6은 신경망 학습 위젯의 예시 도면이다. 이를 보면 우측의 트레이닝 로그(training log)을 학습과정을 확인할 수 있다. 그리고 도 7의 신경망 학습 결과 및 등록 위젯 도면을 참조하면 훈련 및 검증 손실을 확인할 수 있고, 원하는 기준에 맞추워 신경망 룰을 등록할 수도 있다.

본 발명에 따르면 상기 신경망은 기 훈련된 신경망을 제공하는 것이 가능하다. 원하는 신경망 모델을 선택하고, 선택된 신경망과 데이터 속성을 입력으로 하여 신경망을 등록하게 된다. 이에 대한 예시 도면은 도 8 및 도 9에 도시하였다.

본 발명의 룰 리스트 유닛(320)은 작업자가 상기 전처리부 알고리즘, 이상치 감지 알고리즘, 사용자 알고리즘들의 모수들을 GUI 환경을 통해 직접 입력하여 룰(Rule)이라는 이름으로 등록 관리하는 부분이다. 적어도 하나의 룰이 제공되며, 바람직하게는 각각의 알고리즘마다 복수 개의 룰이 제공될 수 있다. 룰 리스트 유닛(313)에 등록된 각각의 룰은 미리 셋팅된 절차 및 규칙에 따라 반복적으로 데이터 처리 로직이 수행되면서 전처리 로직 및 이상치 감지 로직을 수행하게 된다. 실시 예에서 상기 룰(Rule)은 Qt에서 제공하는 이벤트 처리 로직인 타이머(timer)를 이용하여 구현한다. 상기 타이머를 통하여 룰 등록 시 입력된 시간마다 반복적으로 해당 알고리즘을 반복 수행되도록 하였다.

상기 룰 리스트 유닛(320)은 작업자가 전처리 결과를 미리보기 기능을 통해 확인할 수 있고, 작업자가 원하는 분석결과에 맞는 모수를 재설정할 수도 있다. 그리고 설정한 모수에 따라 분석결과가 어떻게 변화하는지 미리 확인할 수도 있다. 또 상기 룰 리스트 유닛(320)에 등록된 룰 리스트는 사용자가 GUI 환경을 통해 확인할 수 있고, 작업자가 룰에 대한 CRUD(Create, Read, Update, Delete)를 자유롭게 할 수 있다.

이와 같은 룰 등록의 예는 도 10에 도시하였다. 이를 보면 사비츠키 골레이 전처리 기능이 룰로 등록되어 있음을 알 수 있다. 룰은 수정 및 삭제 버튼을 조작하여 룰에 대한 CRUD를 수행할 수 있으며, 상기 룰에 의한 전처리 결과로서 푸리에 변환 및 웨이블릿 분해 결과를 해당 버튼을 조작하면 도 11 및 도 12와 같이 미리 볼 수 있다. 도 11은 푸리에 변환을 통한 스펙트럼그램 분석 결과를 도시한 예시 도면이고, 도 12는 웨이블릿 변환 기반의 데이터 분해 기능 결과를 도시한 예시 도면이다. 이를 통해 분석결과가 어떻게 변화하는지 확인할 수 있다.

본 발명에는 데이터 전처리 및 이상치 결과 값을 출력하는 데이터 모니터링 대시보드(400)가 구비된다. 즉 어느 하나의 룰에 의해 반복 수행되는 데이터 전처리 및 이상치 결과는 TS-DB와 오픈소스 모니터링 툴을 이용하여 표시된다. 실시 예는 'Chronograf', 'Grafana'를 이용할 수 있지만, 여러 데이터 소스에 대한 확장성을 지원하도록 'Grafana'를 사용한다.

상기 데이터 모니터링 대시보드(400)는 표시하는 데이터 종류에 따라 제1 대시보드(410)인 공정설비 데이터 모니터링 대시보드와 제2 대시보드(420)인 데이터 서버 모니터링 대시보드를 포함한다. 제1 대시보드(410)는 공정 설비들을 모니터링하기 위한 것이고, 제2 대시보드(420)는 데이터 저장, 처리 및 분석등을 수행하는 서버를 모니터링하기 위한 것이다. 여기서 제1 대시보드(410)가 제공하는 주요 구성요소로는, spindle speed data 대시보드, servo & spindle load data 대시보드, servo & pulsecoder temperature 대시보드, servo & spindle total 대시보드, milling tool 위치좌표 대시보드, 설비 알람 대시보드 등이다. 그리고 제2 대시보드(420)가 수행하는 데이터 속성들로는, 서버 cpu 사용 점유율, 서버 메모리 사용 점유율, 서버네트워크 트래픽, Disk 사용량 변화, 밀링 툴 위치좌표 대시보드, 설비 알람 대시보드 등이다. 물론 상기한 구성요소들은 공정설비(equipment 1 ~ N)(10)의 종류나 사양 등에 따라 달라질 수 있을 것이다.

본 발명의 모니터링 시스템(100)은, 앞서 설명한 바와 같이 전처리 알고리즘 및 이상치 감지 알고리즘들이 프로그램속에 내장되어 있고 사용자에 의해 해당 알고리즘들의 모수들을 GUI를 통해 직접 입력하여 룰(Rule)이라는 이름을 등록된 상태이다. 그래서 공정설비들(equipment 1 ~ N)(10)이 구동되면 공정설비들(equipment 1 ~ N)(10)에서 실시간 발생하는 공정 데이터들은 데이터 저장모듈(200)로 전달된 후 시계열 DB(220)에 저장되고, 이후 데이터 처리모듈(300)이 상기 시계열 DB(220)에 저장된 공정 데이터들을 리드하여 처리하게 된다. 이때 공정 데이터들에 대한 처리는 적용된 규칙에 따라 룰들이 반복적으로 동작하면서 전처리 및 이상치 감지 로직을 수행하게 된다.

전처리 및 이상치 감지로직에 따른 결과는 상기한 오픈소스 웹 대시보드인'Grafana'를 통해 확인할 수 있다. 결과에 대한 예시 도면들은 도 13 내지 도 16에 도시하였다. 도 13은 관리도 기능인 Xbar의 결과 모니터링이고, 도 14는 다변량관리도인 T-squared 관리도 기능의 결과 모니터링, 도 15은 웨이블릿 변환을 통해 등록된 데이터 분해 기능의 결과 모니터링, 도 16은 공정설비의 데이터 모니터링 대시보드 전체 화면을 나타내고 있다.

이와 같이 본 발명은 공정설비(equipment 1 ~ N)(10)의 공정 변경이나 제조 할 제품 변경에 따라 전처리 및 이상치 감지 알고리즘을 선택할 수 있고, 이를 시스템에 적용할 수 있으며, 전처리 및 이상치 감지 결과 또한 쉽게 확인할 수 있음을 알 수 있다.

이상과 같이 본 발명의 도시된 실시 예를 참고하여 설명하고 있으나, 이는 예시적인 것들에 불과하며, 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자라면 본 발명의 요지 및 범위에 벗어나지 않으면서도 다양한 변형, 변경 및 균등한 타 실시 예들이 가능하다는 것을 명백하게 알 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위의 기술적인 사상에 의해 정해져야 할 것이다.

10: 공정설비
20: 데이터 수집 서버
100: 모니터링 시스템(데이터 플랫폼)
200: 데이터 저장모듈
220: 시계열 데이터 베이스(Time-Series Database)
300: 데이터 처리모듈
310: 데이터 처리유닛
311: 전처리부
312: 이상치 감지부
313: 사용자 정의 함수부
314: ML/DL 모델부
320: 룰 리스트 유닛부
400: 데이터 모니터링 대시보드

Claims (12)

1. 복수 개의 공정설비의 공정 데이터를 수집하는 데이터 수집 서버;
   상기 공정 데이터를 실시간 저장하는 시계열 데이터 베이스(Time-series table);
   상기 저장된 공정 데이터의 전처리(Preprocessing) 및 이상치 감지(Anomaly Detection) 동작을 수행하는 데이터 처리모듈; 및
   상기 전처리 및 이상치 감지결과를 출력하는 데이터 모니터링 대시보드를 포함하고,
   상기 데이터 모니터링 대시보드는,
   공정 데이터용 모니터링 대시보드; 및
   데이터 서버 모니터링 대시보드를 포함하는 것을 특징으로 하는 모니터링 시스템.
2. 제 1 항에 있어서, 상기 데이터 수집 서버는,
   상기 공정설비에서 실시간 발생하는 데이터를 수집하는 제1 수집부;
   제조현장에서 발생하는 스페셜 이벤트 데이터를 수집하는 제2 수집부를 포함하며,
   상기 제1 수집부는, CNC 컨트롤러의 프로토콜에 맞춰 데이터를 수집하는 프로그램이 제공되고, 상기 제2 수집부는, 바코드 라벨 기반의 수집 프로그램과 산업용 터치패널 기반의 이벤트 수집 프로그램이 제공되는 모니터링 시스템.
3. 제 1 항에 있어서,
   상기 데이터 수집 서버는,
   발행(publishing)/ 구독(subscribe) 기반의 데이터 송수신 프로토콜에 의하여 공정 데이터를 상기 시계열 데이터 베이스(Time-series table)로 전달하는 모니터링 시스템.
4. 제 3 항에 있어서,
   상기 시계열 데이터 베이스(Time-series table)는,
   둘 이상의 어플리케이션과 확장 가능한 API를 제공하며, 상기 발행(publishing)/ 구독(subscribe) 기반의 데이터 송수신 프로토콜에 의해 전달되는 데이터들과의 연결성을 제공하는 데이터 베이스이고,
   상기 데이터 베이스는 'Influx DB'인 모니터링 시스템.
5. 제 1 항에 있어서, 상기 데이터 처리모듈은,
   상기 공정 데이터에 대한 잡음요소 제거나 변환과정을 수행하는 전처리부; 및
   이상 이벤트 감지와 비선형 예측을 위한 신경망 모형을 이용하여 공정 데이터를 분석하는 이상치 감지부를 포함하는 모니터링 시스템.
6. 제 5 항에 있어서, 상기 데이터 처리모듈은,
   사용자가 직접 원하는 함수를 등록하여 사용하도록 스크립트를 통해 데이터 변환 및 분석 알고리즘이 정의되어 제공되는 사용자 정의 함수부; 및
   상기 신경망 모형을 제공하는 신경망 모델부를 더 포함하는 모니터링 시스템.
7. 제 5 항에 있어서,
   상기 전처리부 및 이상치 감지부는 각각 복수 개의 알고리즘을 가지며, 어느 하나의 알고리즘이 선택되면 모니터링 시스템에 적용되는 모니터링 시스템.
8. 제 7 항에 있어서,
   상기 알고리즘은 GUI 기반의 데이터 전처리 및 이상치 감지 알고리즘이고, 상기 GUI 환경에서 선택되는 모니터링 시스템.
9. 제 7 항에 있어서,
   상기 데이터 처리모듈은,
   공정설비의 공정 변경 및 주문 변경에 따라 현재 실행중인 알고리즘 대신 적용 가능한 알고리즘 정보를 제공하는 모니터링 시스템.
10. 제 9 항에 있어서,
    상기 알고리즘은 복수 개의 룰(Rule)이 제공되며,
    상기 룰은 미리 정해진 절차 및 규칙에 따라 반복적으로 데이터 처리 로직을 수행하여 상기 전처리 및 이상치 감지를 수행하는 모니터링 시스템.
11. 제 5 항에 있어서, 상기 전처리부는,
    상기 시계열 데이터 베이스(Time-series table)에 저장되는 공정 데이터의 분석결과에 시간에 대한 정보를 추가하도록, 국소 푸리에 변환(Short term fourier transform)을 이용한 스펙트럼그램을 시각화하여 표시하는 제1 분석방법; 및
    공정 데이터로부터 잠재변수를 추출할 수 있는 비지도 학습 기능을 이용하여 데이터의 통계량을 확인하는 제2 분석방법 중 어느 하나에 의해 이상치를 감지하는 모니터링 시스템.
12. 삭제

Images