KR102417694B1 - 다중 ai 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템 및 그 방법 - Google Patents

다중 ai 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템 및 그 방법 Download PDF

Info

Publication number
KR102417694B1
KR102417694B1 KR1020200159057A KR20200159057A KR102417694B1 KR 102417694 B1 KR102417694 B1 KR 102417694B1 KR 1020200159057 A KR1020200159057 A KR 1020200159057A KR 20200159057 A KR20200159057 A KR 20200159057A KR 102417694 B1 KR102417694 B1 KR 102417694B1
Authority
KR
South Korea
Prior art keywords
data
analysis
learning
processing unit
manufacturing
Prior art date
Application number
KR1020200159057A
Other languages
English (en)
Other versions
KR20220071665A (ko
Inventor
남기효
김윤홍
윤보람
Original Assignee
(주)유엠로직스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)유엠로직스 filed Critical (주)유엠로직스
Priority to KR1020200159057A priority Critical patent/KR102417694B1/ko
Publication of KR20220071665A publication Critical patent/KR20220071665A/ko
Application granted granted Critical
Publication of KR102417694B1 publication Critical patent/KR102417694B1/ko

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
    • G05B23/0218—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
    • G05B23/0218—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

본 발명은 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템 및 그 방법에 관한 것으로서, 더욱 상세하게는, 스마트 제조 환경에서, 각 스마트 공장에서의 공정에 따라 수집되는 데이터들에 대한 이상 행위 탐지를 수행하는 시스템에 있어서, 공공의 공유를 통해 입력되는 제1 데이터를 기반으로, 실시간으로 수집되는 제조 데이터의 AI(Artificial Intelligence) 분석을 수행하는 입력데이터 처리부(100), 개별의 수집을 통해 입력되는 제2 데이터를 기반으로, 실시간으로 수집되는 제조 데이터의 AI 분석을 수행하는 수집데이터 처리부(200) 및 상기 입력데이터 처리부(100)의 분석 결과와 상기 수집데이터 처리부(200)의 분석 결과를 통합 이용하여, 상기 제조 데이터에 대한 이상 여부를 탐지하는 통합 분석부(300)를 포함하여 구성되는 것을 특징으로 하는 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템에 관한 것이다.

Description

다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템 및 그 방법 {Anomaly detection system and method in smart manufacturing environment using multiple AI techniques}
본 발명은 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템 및 그 방법에 관한 것으로, 더욱 상세하게는 스마트 제조 환경에서 공유받는 공공 데이터와 각 스마트 공장에서 수집되는 제조 데이터를 독립적으로 AI 기법에 적용하여, 각각의 학습 모델을 이용하여 실시간 수집 데이터에 대한 이상 행위 탐지를 수행할 수 있는 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템 및 그 방법에 관한 것이다.
스마트 제조(smart manufacturing)란, 정보와 통신 기술을 현재 제조 과정에 적극 적용하는 기술을 의미하며, 전 세계 제조 산업 경제를 혁신적으로 변화시키고 있다.
오늘날 부각되고 있는 4차 산업 혁명은 최첨단 정보통신기술(ICT)을 기반으로 스마트 제조 환경을 구축하는 시대를 의미하며, 정확한 정의는 없으나, 미국 연방정부 주도로 설립된 범국가 차원의 R&D 컨소시엄인 SMLC(Smart Manufacturing Leadership Coalition)는 스마트 제조를 '신제품의 신속한 제조, 제품 수요의 적극적 대응, 생산 및 공급 사슬망의 실시간 최적화를 가능하게 하는 첨단 지능형 시스템의 심화 적용(Intensified Application)'이라고 말하고 있다.
이를 통해서, 한층 더 진보한 디지털 기술을 생산 시스템과 접목하는 것을 가능케 하며, 수반되는 기술에는 무선통신 기술, 사물 인터넷 기술, 클라우드 컴퓨팅 기술, 재프로그램이 가능한 로봇 기술, 기계 지능화 기술 등이 있다.
이러한 스마트 제조의 최종 결과물은 스마트 공장일 것이며, 이러한 스마트 제조의 핵심은 데이터로서, 데이터의 습득, 관리, 사용 방법이 중요하다.
스마트 공장 수준은 레벨 0에서부터 레벨 5로 나뉘고 있으며, 레벨 0은 ICT 미적용 단계, 레벨 1(기초 1)은 식별과 점검(Identified & checked), 레벨 2(기초 2)는 측정과 확인(Measured & Monitored), 레벨 3(중간 1)은 분석과 제어(Analyzed & Controlled), 레벨 4(중간 2)는 최적화와 통합(Optimized & Integrated), 레벨 5(고도화)는 맞춤과 자율(Customized & Autonomy)로서, 레벨 5를 가장 이상적인 단계의 공장 자동화 수준으로 보고 있다.
이러한 스마트 제조 환경에서의 이상 행위 탐지란, 제조 환경에서 수집된 데이터를 빅데이터 분석 기법과 결합하여 설비 및 공장 운영 상태에 대한 비정상 행위를 탐지하는 것을 의미한다.
효과적인 이상 행위를 탐지하기 위해서는, 각 스마트 공장 별로 정상적인 제조 환경에 대한 제조 데이터를 충분히 확보되어야 하지만, 이를 충분히 확보하기 위해서는 많은 시간이 걸리기 때문에, 단일 스마트 공장에서 수집되는 데이터만으로는 이상 행위 탐지를 하기에는 현실적으로 많은 어려움이 있다.
이에 따라, 제품 개발부터 판매 후 서비스에 이르기까지 제조의 전, 후방의 데이터를 공유/활용하는 것이 세계적인 트랜드로 자리매김하고 있으며, 우리나라 역시도 제조 데이터의 수집, 분석 및 공유 네트워크를 구축하여, 국내 제조 생태계 내 제조 데이터를 공유할 수 있는 기반을 마련하고 있다.
이러한 공유 데이터(공공 데이터, Public data)는 각 스마트 공장으로부터 각각의 포맷에 맞춰 생성된 제조 데이터를 수집하고, 수집된 데이터를 정제 및 가공하여 하나의 플랫폼 형태로 구축한 후, 빅 데이터 활용에 이용될 수 있도록 각 스마트 공장으로 재전송하여 공유되고 있다.
상기 공유 데이터는 각기 다른 스마트 공장의 제조 데이터를 하나의 플랫폼 형태로 구축하고 있기 때문에, 제조 데이터들을 통합 분석하여 제조 데이터들이 갖고 있는 항목들 중 공통되면서 공개할 수 있을 만한 데이터만을 수집하여 생성하게 된다. 그렇기 때문에, 다량의 데이터 값을 얻을 수 있는 장점이 있지만, 데이터에 포함된 특성(feature)의 수가 한정적일 수 밖에 없는 단점이 있다.
이 때, 각 스마트 공장에서는 공유되는 공공 데이터 외에도 자체적으로 생성되는 데이터를 수집하게 된다. 이러한 데이터는 빅 데이터 분석에 필요한 항목을 모두 포함하고 있지만, 생성되는 데이터의 양이 적은 문제점이 있다.
즉, 효과적인 이상 행위를 탐지하기 위해서는, 충분한 제조 데이터가 확보되어야 하지만, 공유되는 공공 데이터와 수집되는 생성 데이터 모두 이상 행위를 탐지하기 위한 기초 학습 데이터로 활용하기에는 충분하지 않아, 탐지의 정확성이 낮은 문제점이 있다.
이와 관련해서, 국내등록특허 제10-2157031호("서보모터의 전력 소모량을 이용한 이상행위 탐지장치 및 방법")에서는 스마트 팩토리에서 서보모터 전력 소모량을 이용하여 이상행위를 탐지하는 시스템 및 방법을 개시하고 있다.
국내등록특허 제10-2157031호(등록일자 2020.09.11.)
본 발명은 상기한 바와 같은 종래 기술의 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 스마트 제조 환경에서 공유받는 공공 데이터와 각 스마트 공장에서 수집되는 제조 데이터를 독립적으로 활용하여, 실시간 수집 데이터에 대한 이상 행위 탐지를 수행할 수 있는 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템 및 그 방법을 제공하는 것이다.
본 발명의 일 실시예에 따른 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템은, 스마트 제조 환경에서, 각 스마트 공장에서의 공정에 따라 수집되는 데이터들에 대한 이상 행위 탐지를 수행하는 시스템에 있어서, 공공의 공유를 통해 입력되는 제1 데이터를 기반으로, 실시간으로 수집되는 제조 데이터의 AI(Artificial Intelligence) 분석을 수행하는 입력데이터 처리부(100), 개별의 수집을 통해 입력되는 제2 데이터를 기반으로, 실시간으로 수집되는 제조 데이터의 AI 분석을 수행하는 수집데이터 처리부(200) 및 상기 입력데이터 처리부(100)의 분석 결과와 상기 수집데이터 처리부(200)의 분석 결과를 통합 이용하여, 상기 제조 데이터에 대한 이상 여부를 탐지하는 통합 분석부(300)를 포함하여 구성되는 것이 바람직하다.
더 나아가, 상기 입력데이터 처리부(100)는 기설정된 다수의 스마트 공장으로부터 제조 데이터를 수집하여, 소정의 양식에 맞춰 가공한 후, 공유되는 상기 제1 데이터를 입력받는 제1 데이터 입력부(110), 상기 제1 데이터 입력부(110)를 통해서 입력된 상기 제1 데이터들을 학습 데이터로 생성하고, AI 분석 기법을 이용하여 상기 학습 데이터에 대한 학습을 수행하는 제1 학습 처리부(120) 및 상기 제1 학습 처리부(120)의 학습 결과에 따른 학습 모델을 이용하여, 실시간으로 수집되는 제조 데이터의 분석을 수행하여 이상 여부를 판단하는 제1 분석부(130)를 더 포함하여 구성되는 것이 바람직하다.
더 나아가, 상기 수집데이터 처리부(200)는 공정에 따라 수집되는 데이터들에 대한 이상 행위 탐지를 수행하고자 하는 각 스마트 공장의 생성되는 상기 제2 데이터를 수집하는 제2 데이터 입력부(210), 상기 제2 데이터 입력부(120)를 통해서 입력된 상기 제2 데이터들을 학습 데이터로 생성하고, AI 분석 기법을 이용하여 상기 학습 데이터에 대한 학습을 수행하는 제2 학습 처리부(220) 및 상기 제2 학습 처리부(220)의 학습 결과에 따른 학습 모델을 이용하여, 실시간으로 수집되는 제조 데이터의 분석을 수행하여 이상 여부를 판단하는 제2 분석부(230)를 더 포함하여 구성되는 것이 바람직하다.
더 나아가, 상기 제1 분석부(130)와 제2 분석부(230)는 동일한 상기 제조 데이터의 분석을 수행하는 것이 바람직하다.
더 나아가, 상기 통합 분석부(300)는 각각의 상기 입력데이터 처리부(100)의 분석 결과와 상기 수집데이터 처리부(200)의 분석 결과를 기저장된 행위 분석 알고리즘에 적용하여, 이상 행위 발생 여부를 판단하는 판단부(310) 및 상기 판단부(310)의 판단 결과에 따라, 각각의 판단 결과에 매칭되는 대응방안 정보를 생성하여 외부로 전송하는 제어부(320)를 더 포함하여 구성되는 것이 바람직하다.
본 발명의 일 실시예에 따른 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 방법은, 스마트 제조 환경에서, 각 스마트 공장에서의 공정에 따라 수집되는 데이터들에 대한 이상 행위 탐지를 수행하는 방법에 있어서, 입력데이터 처리부에서, 기설정된 다수의 스마트 공장으로부터 각각 생성되는 제조 데이터를 수집하여, 소정의 양식에 맞춰 가공 후 생성된 데이터를 공공의 공유를 통해 제1 데이터로 입력받는 데이터 입력단계(S100), 수집데이터 처리부에서, 공정에 따라 수집되는 데이터들에 대한 이상 행위 탐지를 수행하고자 하는 각 스마트 공장의 생성되는 제조 데이터를 수집하여 제2 데이터로 입력받는 데이터 수집단계(S200), 입력데이터 처리부 또는 수집데이터 처리부에서, 상기 데이터 입력단계(S100)와 데이터 수집단계(S200)에 의해 각각 입력된 상기 제1 데이터 또는 제2 데이터들을 각각의 학습 데이터로 생성하고, AI 분석 기법을 이용하여 각 학습 데이터에 대한 학습을 수행하여 학습 결과에 따른 각각의 학습 모델을 생성하고, 각각의 학습 모델을 이용하여, 실시간으로 수집되는 제조 데이터의 분석을 각각 수행하는 AI 분석단계(S300) 및 통합 분석부에서, 상기 AI 분석단계(S300)에 의해 각각 수행한 분석 결과를 전달받아, 기저장된 행위 분석 알고리즘에 적용하여 실시간으로 수집되는 제조 데이터의 이상 행위 발생 여부를 판단하는 이상행위 탐지단계(S400)를 포함하여 구성되는 것이 바람직하다.
더 나아가, 상기 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 방법은, 상기 이상행위 탐지단계(S400)를 수행하고 난 후, 상기 판단 결과에 따라, 각각의 판단 결과에 매칭되는 대응방안 정보를 생성하여, 외부로 전송하여 이상 행위 발생에 따른 대응을 수행하는 대응단계(S500)를 더 포함하여 구성되는 것이 바람직하다.
상기와 같은 구성에 의한 본 발명의 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템 및 그 방법은 스마트 제조 환경에서 공유받는 공공 데이터와 각 스마트 공장에서 수집되는 제조 데이터를 독립적으로 AI 기법에 적용하여, 각각의 학습 모델을 생성하고, 이를 통해서 실시간 수집 데이터에 대한 이상 행위를 분석하고, 이에 대한 이상 행위 탐지를 수행함으로써, 높은 정확성을 가지면서도 효과적으로 이상 행위 탐지를 수행할 수 있는 장점이 있다.
또한, 이상 행위 탐지 결과에 따라, 각 결과에 맞는 대응 방안을 수립하여 외부 관리자(사용자 등)에게 전달하여, 스마트 제조 환경의 구축을 최적화하기 위해 효과적으로 적용할 수 있는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템을 나타낸 구성 예시도이다.
도 2는 본 발명의 일 실시예에 따른 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 방법을 나타낸 순서 예시도이다.
이하 첨부한 도면들을 참조하여 본 발명의 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템 및 그 방법을 상세히 설명한다. 다음에 소개되는 도면들은 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 따라서, 본 발명은 이하 제시되는 도면들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 또한, 명세서 전반에 걸쳐서 동일한 참조번호들은 동일한 구성요소들을 나타낸다.
이 때, 사용되는 기술 용어 및 과학 용어에 있어서 다른 정의가 없다면, 이 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 통상적으로 이해하고 있는 의미를 가지며, 하기의 설명 및 첨부 도면에서 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 설명은 생략한다.
더불어, 시스템은 필요한 기능을 수행하기 위하여 조직화되고 규칙적으로 상호 작용하는 장치, 기구 및 수단 등을 포함하는 구성 요소들의 집합을 의미한다.
본 발명의 일 실시예에 따른 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템 및 그 방법은, 다중 AI 기반 빅데이터 분석을 통해, 스마트 공장에서 발생하는 비정상 행위를 탐지하기 위한 기술로서, 공유되는 공공 데이터와 스마트 공장 자체적으로 수집되는 제조 데이터를 모두 활용하여, 높은 정확도로 비정상 행위를 탐지할 수 있는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템을 나타낸 구성도이며, 도 1을 참조로 하여 본 발명의 일 실시예에 따른 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템을 상세히 설명한다.
본 발명의 일 실시예에 따른 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템은 도 1에 도시된 바와 같이, 입력데이터 처리부(100), 수집데이터 처리부(200) 및 통합 분석부(300)를 포함하여 구성되는 것이 바람직하며, 스마트 제조 환경에서, 각 스마트 공장에서 공정에 따라 수집되는 데이터들에 대한 이상 행위 탐지를 수행하는 것이 바람직하다.
또한, 각 구성들에서 발생하는 데이터들을 전송받아, 이를 데이터베이스화하여 저장 및 관리하는 데이터베이스부(미도시)를 더 포함하여 구성되는 것이 바람직하며, 각 구성들은 하나의 연산처리수단 또는 각각의 연산처리수단에 구성되어 동작을 수행하게 된다.
각 구성에 대해서 자세히 알아보자면,
상기 입력데이터 처리부(100)는 공유를 통해서 입력되는 공공 데이터, 즉, 스마트 제조 환경에서, 각기 다른 스마트 공장의 제조 데이터를 수집하여, 하나의 플랫폼으로 구축하여 공유되는 다량의 공공 데이터를 입력받아, 이를 제1 데이터로 설정하고, 상기 제1 데이터를 기반으로 실시간으로 입력되는 제조 데이터의 AI(Artificial Intelligence) 분석을 수행하는 것이 바람직하다.
이 때, 실시간으로 입력되는 제조 데이터란, 공정에 따라 수집되는 데이터들에 대한 이상 행위 탐지를 원하는 스마트 공장으로부터 생성되는 모든 종류의 데이터들을 실시간으로 수집한 데이터로서, 이에 대해서 한정하는 것은 아니다.
상세하게는, 상기 입력데이터 처리부(100)는 도 1에 도시된 바와 같이, 제1 데이터 입력부(110), 제1 학습 처리부(120) 및 제1 분석부(130)를 포함하여 구성되는 것이 바람직하다.
상기 제1 데이터 입력부(110)는 미리 설정된 다수의 각기 다른 스마트 공장으로부터 제조 데이터를 수집하여, 소정의 양식, 즉, 하나의 플랫폼에 맞춰 가공한 후, 공유되는 상기 제1 데이터를 입력받는 것이 바람직하다.
즉, 상기 제1 데이터의 장점인 다량의 데이터 값을 활용하여 상기 실시간으로 입력되는 제조 데이터에 대한 이상 행위 탐지를 위해서, 상기 제1 데이터 입력부(110)를 통해서 입력받는 것이 바람직하다.
상기 제1 학습 처리부(120)는 상기 제1 데이터 입력부(110)를 통해서 입력된 상기 제1 데이터들을 학습 데이터로 생성하여, AI 분석 기법을 이용하여 상기 학습 데이터에 대한 학습을 수행하는 것이 바람직하다.
이 때, 학습에 이용되는 상기 AI 분석 기법에 대해서는 한정하는 것이 아니다.
상기 제1 분석부(130)는 상기 제1 학습 처리부(120)에 의한 학습 결과에 따른 학습 모델을 이용하여, 상기 실시간으로 입력되는 제조 데이터의 분석을 수행하여, 이상 여부를 판단하는 것이 바람직하다.
상기 수집데이터 처리부(200)는 개별의 수집을 통해 입력되는 제2 데이터, 즉, 스마트 제조 환경에서, 각각의 스마트 공장에서 공정에 따라 생성되는 데이터들을 수집하여, 상기 제2 데이터로 설정하고, 입력된 상기 제2 데이터를 기반으로 상기 실시간으로 입력되는 제조 데이터의 AI 분석을 수행하는 것이 바람직하다.
이 때, 각 스마트 공장에서 공정에 따라 생성되는 데이터의 수집 기간은 외부 사용자(관리자 등)의 입력에 따라 제어되는 것이 바람직하며, 이를 통해서, 상기 제2 데이터의 장점인 분석에 필요한 모든 항목(feature)을 포함하고 있는 데이터를 활용하여 상기 실시간으로 입력되는 제조 데이터에 대한 이상 행위 탐지할 수 있다.
이를 위해, 상기 수집데이터 처리부(200)는 도 1에 도시된 바와 같이, 제2 데이터 입력부(210), 제2 학습 처리부(220) 및 제2 분석부(230)를 포함하여 구성되는 것이 바람직하다.
상기 제2 데이터 입력부(210)는 공정에 따라 입력되는 데이터들에 대한 이상 행위 탐지를 수행하고자 하는 각 스마트 공장에서, 생성되는 데이터들을 소정기간 수집하여 상기 제2 데이터로 입력하는 것이 바람직하다.
상기 제2 학습 처리부(220)는 상기 제2 데이터 입력부(210)를 통해서 입력된 상기 제2 데이터들을 학습 데이터로 생성하여, AI 분석 기법을 이용하여 상기 학습 데이터에 대한 학습을 수행하는 것이 바람직하다.
이 때, 학습에 이용되는 상기 AI 분석 기법에 대해서는 한정하는 것이 아니다.
상기 제2 분석부(230)는 상기 제2 학습 처리부(220)에 의한 학습 결과에 따른 학습 모델을 이용하여, 상기 실시간으로 입력되는 제조 데이터의 분석을 수행하여, 이상 여부를 판단하는 것이 바람직하다.
여기서, 상기 제2 분석부(230)가 분석을 수행하는 상기 실시간으로 입력되는 제조 데이터는 상기 제1 분석부(130)가 분석을 수행한 상기 실시간으로 입력되는 제조 데이터와 동일한 데이터로서, 동일한 데이터를 이용한 결과를 통합 이용하여 보다 높은 정확도의 이상 행위 탐지 결과를 도출해 내는 것이 바람직하다.
상기 통합 분석부(300)는 상기 입력데이터 처리부(100)의 분석 결과 정보와 상기 수집데이터 처리부(200)의 분석 결과 정보를 통합 이용하여, 상기 실시간으로 입력되는 제조 데이터에 대한 이상 행위 여부를 탐지하는 것이 바람직하다.
즉, 상기 입력데이터 처리부(100)와 상기 수집데이터 처리부(200)에 의해 학습이 완료되면, 그 이후 시점에서 수집되는 상기 실시간으로 입력되는 제조 데이터를 각각의 학습 결과 모델에 적용하여, 이상 행위 여부를 탐지할 수 있다.
이를 위해, 상기 통합 분석부(300)는 도 1에 도시된 바와 같이, 판단부(310) 및 제어부(320)를 포함하여 구성되는 것이 바람직하다.
상기 판단부(310)는 상기 입력데이터 처리부(100)의 분석 결과 정보와 상기 수집데이터 처리부(200)의 분석 결과 정보를 각각 미리 저장된 행위 분석 알고리즘에 적용하여, 상기 실시간으로 입력되는 제조 데이터의 이상 행위 발생 여부를 판단하는 것이 바람직하다.
이 때, 상기 미리 저장된 행위 분석 알고리즘은 하기의 표 1과 같이, 두 개의 학습 모델을 이용한 결과로 인해 발생할 수 있는 결과 경우의 수를 고려한 행위 분석 알고리즘인 것이 바람직하다.
Case 1 Case 2 Case 3 Case 4
수집데이터 처리부의 분석 결과 정상 정상 이상 이상
입력데이터 처리부의 분석 결과 정상 이상 정상 이상
판단 결과 정상 저의심 고의심 이상
상기 판단부(310)는 상기 표 1에 기재된 바와 같이, 상기 수집데이터 처리부(200)의 분석 결과와 상기 입력데이터 처리부(100)의 분석 결과 모두 '정상'인 경우에는 상기 실시간으로 입력되는 제조 데이터의 행위를 '정상'으로 판단하게 된다.
물론, 상기 수집데이터 처리부(200)의 분석 결과와 상기 입력데이터 처리부(100)의 분석 결과 모두 '이상'인 경우에는 상기 실시간으로 입력되는 제조 데이터의 행위를 '이상'으로 판단하게 된다.
단, 상기 수집데이터 처리부(200)의 분석 결과와 상기 입력데이터 처리부(100)의 분석 결과가 상이할 경우, 각각의 스마트 공장에서 개별적으로 이루어지는 이상 행위 탐지가 이루어지는 점을 고려하여, 일부 항목(feature)에 대한 데이터만을 포함하고 있는 상기 제1 데이터(공공 데이터) 보다는 해당하는 공장에서 수집된 모든 항목에 대한 데이터를 포함하고 있는 상기 제2 데이터를 더 신뢰할 수 있다는 가정 하에, 상기 수집데이터 처리부(200)의 분석 결과만 '이상'인 경우가 상기 실시간으로 입력되는 제조 데이터의 행위가 '비정상'일 가능성이 보다 높다고 판단하게 된다.
이에 따라, 상기 입력데이터 처리부(100)의 분석 결과만 '이상'인 경우에는 상기 실시간으로 입력되는 제조 데이터가 '비정상'일 가능성은 있으나, 그 확률이 비교적 낮은 것으로 판단하게 된다.
상기 제어부(320)은 상기 판단부(310)의 판단 결과에 따라, 각각의 판단 결과에 매칭되는 대응방안 정보를 생성하여 외부 관리자(사용자 등)에게 전송하는 것이 바람직하다. 상기 대응방안 정보의 일 예를 들자면, Case 4에 해당할 경우, 즉각 제조 환경을 차단하도록 생성할 수도 있다.
이를 통해서, 스마트 공장에서는 행위 판단 결과를 활용하여, 추가 탐지를 요청 제어하거나, 상술한 바와 같은 즉각 제조 환경 차단 등 각 상황에 맞는 대응을 수행할 수 있는 장점이 있다.
도 2는 본 발명의 일 실시예에 따른 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 방법을 나타낸 순서도이며, 도 2를 참조로 하여 본 발명의 일 실시예에 따른 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 방법을 상세히 설명한다.
본 발명의 일 실시예에 따른 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 방법은 도 2에 도시된 바와 같이, 데이터 입력단계(S100), 데이터 수집단계(S200), AI 분석단계(S300) 및 이상행위 탐지단계(S400)를 포함하여 구성되는 것이 바람직하며, 각 단계는 스마트 제조 환경에서, 각 스마트 공장에서 공정에 따라 수집되는 데이터들에 대한 이상 행위 탐지를 수행하는 것이 바람직하다.
각 단계에 대해서 자세히 알아보자면,
상기 데이터 입력단계(S100)는 상기 입력데이터 처리부(100)에서, 미리 설정된 다수의 각기 다른 스마트 공장으로부터 제조 데이터를 수집하여, 소정의 양식, 즉, 하나의 플랫폼에 맞춰 가공한 후, 공유되는 다량의 공공 데이터를 제1 데이터로 설정하여, 이를 입력받는 것이 바람직하다.
이를 통해서, 상기 제1 데이터의 장점인 다량의 데이터 값을 활용하여 상기 실시간으로 입력되는 제조 데이터에 대한 이상 행위 탐지를 수행할 수 있다.
상기 데이터 수집단계(S200)는 상기 수집데이터 처리부(200)에서, 공정에 따라 입력되는 데이터들에 대한 이상 행위 탐지를 수행하고자 하는 각 스마트 공장에서, 생성되는 데이터들을 소정기간 수집하여 상기 제2 데이터로 입력받는 것이 바람직하다.
이 때, 각 스마트 공장에서 공정에 따라 생성되는 데이터의 수집 기간은 외부 사용자(관리자 등)의 입력에 따라 제어되는 것이 바람직하며, 이를 통해서, 상기 제2 데이터의 장점인 분석에 필요한 모든 항목(feature)을 포함하고 있는 데이터를 활용하여 상기 실시간으로 입력되는 제조 데이터에 대한 이상 행위 탐지할 수 있다.
상기 AI 분석단계(S300)는 상기 입력데이터 처리부(100) 및 상기 수집데이터 처리부(200) 각각에서, 상기 데이터 입력단계(S100) 또는 상기 데이터 수집단계(S200)에 의해 각각 입력된 상기 제1 데이터 또는 상기 제2 데이터를 활용하여 동작을 수행하는 것이 바람직하다.
상세하게는, 상기 AI 분석단계(S300)는 도 2에 도시된 바와 같이, 상기 데이터 입력단계(S100)에 의한 AI 분석단계(S310)와 상기 데이터 수집단계(S200)에 의한 AI 분석단계(S320)를 포함하여 구성되는 것이 바람직하다.
상기 AI 분석단계(S310)는 상기 입력데이터 처리부(100)에서, 상기 데이터 입력단계(S100)에 의해 입력된 상기 제1 데이터들을 학습 데이터로 생성하여, AI 분석 기법을 이용하여 상기 학습 데이터에 대한 학습을 수행하는 것이 바람직하다.
이 때, 학습에 이용되는 상기 AI 분석 기법에 대해서는 한정하는 것이 아니다.
이 후, 상기 AI 분석단계(S310)는 학습 결과에 따른 학습 모델을 이용하여, 상기 실시간으로 입력되는 제조 데이터의 분석을 수행하여, 이상 여부를 판단하는 것이 바람직하다.
상기 AI 분석단계(S320) 역시도 상기 수집데이터 처리부(200)에서, 상기 데이터 수집단계(S200)에 의해 입력된 상기 제2 데이터들을 학습 데이터로 생성하여, AI 분석 기법을 이용하여 상기 학습 데이터에 대한 학습을 수행하는 것이 바람직하다.
이 때, 학습에 이용되는 상기 AI 분석 기법에 대해서는 한정하는 것이 아니다.
이 후, 상기 AI 분석단계(S320)는 학습 결과에 따른 학습 모델을 이용하여, 상기 실시간으로 입력되는 제조 데이터의 분석을 수행하여, 이상 여부를 판단하는 것이 바람직하다.
이 때, 상기 AI 분석단계(S300)에 의해 상기 입력데이터 처리부(100) 및 상기 수집데이터 처리부(200) 각각에서, 분석이 이루어지는 상기 실시간으로 입력되는 제조 데이터는 동일한 데이터로서, 동일한 데이터를 이용한 결과를 통합 이용하여 보다 높은 정확도의 이상 행위 탐지 결과를 도출해 내는 것이 바람직하다.
또한, 상기 AI 분석단계(S300)는 상기 입력데이터 처리부(100)와 상기 수집데이터 처리부(200)에 의해 학습이 완료되면, 그 이후 시점에서 수집되는 상기 실시간으로 입력되는 제조 데이터를 각각의 학습 결과 모델에 적용하여, 이상 행위 여부를 탐지할 수 있다.
상기 이상행위 탐지단계(S400)는 상기 통합 분석부(300)에서, 상기 AI 분석단계(S300)에 의해 각각 수행한 둘 이상의 분석 결과를 전달받아, 미리 저장된 행위 분석 알고리즘에 적용하여 상기 실시간으로 입력되는 제조 데이터에 대한 이상 행위 여부를 탐지하는 것이 바람직하다.
상세하게는, 상기 이상행위 탐지단계(S400)는 상기 AI 분석단계(S300)에 의해 상기 입력데이터 처리부(100)의 분석 결과 정보와 상기 수집데이터 처리부(200)의 분석 결과 정보를 각각 미리 저장된 행위 분석 알고리즘에 적용하여, 상기 실시간으로 입력되는 제조 데이터의 이상 행위 발생 여부를 판단하는 것이 바람직하다.
이 때, 상기 미리 저장된 행위 분석 알고리즘은 상기의 표 1과 같이, 적어도 두 개의 학습 모델을 이용한 결과로 인해 발생할 수 있는 결과 경우의 수를 고려한 행위 분석 알고리즘인 것이 바람직하다.
이를 통해서, 상기 수집데이터 처리부(200)의 분석 결과와 상기 입력데이터 처리부(100)의 분석 결과 모두 '정상'인 경우에는 상기 실시간으로 입력되는 제조 데이터의 행위를 '정상'으로 판단하게 된다.
물론, 상기 수집데이터 처리부(200)의 분석 결과와 상기 입력데이터 처리부(100)의 분석 결과 모두 '이상'인 경우에는 상기 실시간으로 입력되는 제조 데이터의 행위를 '이상'으로 판단하게 된다.
단, 상기 수집데이터 처리부(200)의 분석 결과와 상기 입력데이터 처리부(100)의 분석 결과가 상이할 경우, 각각의 스마트 공장에서 개별적으로 이루어지는 이상 행위 탐지가 이루어지는 점을 고려하여, 일부 항목(feature)에 대한 데이터만을 포함하고 있는 상기 제1 데이터(공공 데이터) 보다는 해당하는 공장에서 수집된 모든 항목에 대한 데이터를 포함하고 있는 상기 제2 데이터를 더 신뢰할 수 있다는 가정 하에, 상기 수집데이터 처리부(200)의 분석 결과만 '이상'인 경우가 상기 실시간으로 입력되는 제조 데이터의 행위가 '비정상'일 가능성이 보다 높다고 판단하게 된다.
이에 따라, 상기 입력데이터 처리부(100)의 분석 결과만 '이상'인 경우에는 상기 실시간으로 입력되는 제조 데이터가 '비정상'일 가능성은 있으나, 그 확률이 비교적 낮은 것으로 판단하게 된다.
더불어, 본 발명의 일 실시예에 따른 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 방법은 도 2에 도시된 바와 같이, 상기 이상행위 탐지방법(S400)을 수행하고 난 후, 대응단계(S500)를 더 수행하는 것이 바람직하다.
상기 대응단계(S500)는 상기 통합 분석부(300)에서, 상기 이상행위 탐지방법(S400)의 판단 결과에 따라, 각각의 판단 결과에 매칭되는 대응방안 정보를 생성하여 외부 관리자(사용자 등)에게 전송하는 것이 바람직하다. 상기 대응방안 정보의 일 예를 들자면, Case 4에 해당할 경우, 즉각 제조 환경을 차단하도록 생성할 수도 있다.
이를 통해서, 스마트 공장에서는 행위 판단 결과를 활용하여, 추가 탐지를 요청 제어하거나, 상술한 바와 같은 즉각 제조 환경 차단 등 각 상황에 맞는 대응을 수행할 수 있는 장점이 있다.
즉, 다시 말하자면, 본 발명의 일 실시예에 따른 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템은, 스마트 제조 환경에서 공유되는 공공 데이터 뿐 아니라, 스마트 공장에서 생성되는 제조 데이터를 수집하여, 각각의 AI 기법에 적용하여 적어도 둘 이상의 다중 AI 기법을 이용한, 학습 이후 입력되는 제조 데이터의 행위에 대한 이상 여부를 정확도 높게 탐지할 수 있는 장점이 있다.
이상과 같이 본 발명에서는 구체적인 구성 소자 등과 같은 특정 사항들과 한정된 실시예 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것 일 뿐, 본 발명은 상기의 일 실시예에 한정되는 것이 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허 청구 범위뿐 아니라 이 특허 청구 범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
100 : 입력데이터 처리부
110 : 제1 데이터 입력부 120 : 제1 학습 처리부
130 : 제1 분석부
200 : 수집데이터 처리부
210 : 제2 데이터 입력부 220 : 제2 학습 처리부
230 : 제2 분석부
300 : 통합 분석부
310 : 판단부 320 : 제어부

Claims (7)

  1. 스마트 제조 환경에서, 각 스마트 공장에서의 공정에 따라 수집되는 데이터들에 대한 이상 행위 탐지를 수행하는 시스템에 있어서,
    공공의 공유를 통해, 기설정된 다수의 스마트 공장으로부터 제조 데이터를 수집하여, 소정의 양식에 맞춰 가공한 후, 공유되는 제1 데이터를 입력받는 제1 데이터 입력부(110)와, 상기 제1 데이터를 학습 데이터로 생성하고, AI 분석 기법을 이용하여 상기 학습 데이터에 대한 학습을 수행하는 제1 학습 처리부(120)와, 상기 제1 학습 처리부(120)의 학습 결과에 따른 학습 모델을 이용하여, 학습이 완료된 후, 실시간으로 수집되는 제조 데이터의 AI(Artificial Intelligence) 분석을 수행하여 이상 여부를 판단하는 제1 분석부(130)를 포함하는 입력데이터 처리부(100);
    개별의 수집을 통해, 공정에 따라 수집되는 데이터들에 대한 이상 행위 탐지를 수행하고자 하는 각 스마트 공장에서 생성되는 제2 데이터를 수집하는 제2 데이터 입력부(210)와, 상기 제2 데이터를 학습 데이터로 생성하고, AI 분석 기법을 이용하여 상기 학습 데이터에 대한 학습을 수행하는 제2 학습 처리부(220)와, 상기 제2 학습 처리부(230)의 학습 결과에 따른 학습 모델을 이용하여, 학습이 완료된 후, 실시간으로 수집되는 상기 제조 데이터의 AI 분석을 수행하여 이상 여부를 판단하는 제2 분석부(230)를 포함하는 수집데이터 처리부(200); 및
    상기 입력데이터 처리부(100)의 분석 결과와 상기 수집데이터 처리부(200)의 분석 결과를 통합 이용하여, 상기 제조 데이터에 대한 이상 여부를 탐지하는 통합 분석부(300);
    를 포함하여 구성되며,
    상기 제1 분석부(130)와 제2 분석부(230)는
    상기 제1 학습 처리부(120)와 제2 학습 처리부(220)에 의해 학습이 완료된 후, 실시간으로 수집되는 동일한 상기 제조 데이터에 대해 각각의 AI 분석을 수행하는 것을 특징으로 하는 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 제 1항에 있어서,
    상기 통합 분석부(300)는
    각각의 상기 입력데이터 처리부(100)의 분석 결과와 상기 수집데이터 처리부(200)의 분석 결과를 기저장된 행위 분석 알고리즘에 적용하여, 이상 행위 발생 여부를 판단하는 판단부(310); 및
    상기 판단부(310)의 판단 결과에 따라, 각각의 판단 결과에 매칭되는 대응방안 정보를 생성하여 외부로 전송하는 제어부(320);
    를 더 포함하여 구성되는 것을 특징으로 하는 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템.
  6. 스마트 제조 환경에서, 각 스마트 공장에서의 공정에 따라 수집되는 데이터들에 대한 이상 행위 탐지를 수행하는 방법에 있어서,
    입력데이터 처리부에서, 기설정된 다수의 스마트 공장으로부터 각각 생성되는 제조 데이터를 수집하여, 소정의 양식에 맞춰 가공 후 생성된 데이터를 공공의 공유를 통해 제1 데이터로 입력받는 데이터 입력단계(S100);
    수집데이터 처리부에서, 공정에 따라 수집되는 데이터들에 대한 이상 행위 탐지를 수행하고자 하는 각 스마트 공장의 생성되는 제조 데이터를 수집하여 제2 데이터로 입력받는 데이터 수집단계(S200);
    입력데이터 처리부에서, 상기 데이터 입력단계(S100)에 의해 입력된 상기 제1 데이터를 학습 데이터로 생성하여, AI 분석 기법을 이용하여 상기 학습 데이터에 대한 학습을 수행하고, 학습 결과에 따른 학습 모델을 이용하여, 학습이 완료된 후, 실시간으로 수집되는 제조 데이터의 AI 분석을 수행하는 AI 분석단계(S310)와, 수집 데이터 처리부에서, 상기 데이터 수집 단계(S200)에 의해 입력된 상기 제2 데이터를 학습 데이터로 생성하여, AI 분석 기법을 이용하여 상기 학습 데이터에 대한 학습을 수행하고, 학습 결과에 따른 학습 모델을 이용하여, 학습이 완료된 후, 실시간으로 수집되는 제조 데이터의 AI 분석을 수행하는 AI 분석단계(S320)를 포함하여, 학습이 완료된 후, 실시간으로 수집되는 동일한 상기 제조 데이터에 대해 각각의 AI 분석을 수행하는 AI 분석단계(S300); 및
    통합 분석부에서, 상기 AI 분석단계(S310)와 AI 분석단계(S320)에 의해 각각 수행한 분석 결과를 전달받아, 기저장된 행위 분석 알고리즘에 적용하여 실시간으로 수집되는 제조 데이터의 이상 행위 발생 여부를 각각 판단하는 이상행위 탐지단계(S400);
    를 포함하여 구성되는 것을 특징으로 하는 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 방법.
  7. 제 6항에 있어서,
    상기 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 방법은,
    상기 이상행위 탐지단계(S400)를 수행하고 난 후,
    상기 판단 결과에 따라, 각각의 판단 결과에 매칭되는 대응방안 정보를 생성하여, 외부로 전송하여 이상 행위 발생에 따른 대응을 수행하는 대응단계(S500);
    를 더 포함하여 구성되는 것을 특징으로 하는 다중 AI 기법을 이용한 스마트 제조 환경에서의 이상탐지 방법.
KR1020200159057A 2020-11-24 2020-11-24 다중 ai 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템 및 그 방법 KR102417694B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200159057A KR102417694B1 (ko) 2020-11-24 2020-11-24 다중 ai 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200159057A KR102417694B1 (ko) 2020-11-24 2020-11-24 다중 ai 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20220071665A KR20220071665A (ko) 2022-05-31
KR102417694B1 true KR102417694B1 (ko) 2022-07-07

Family

ID=81780207

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200159057A KR102417694B1 (ko) 2020-11-24 2020-11-24 다중 ai 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102417694B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115238769B (zh) * 2022-06-23 2023-12-01 李雷 一种基于人工智能的异常数据监测方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101713985B1 (ko) * 2016-09-02 2017-03-09 에이블맥스(주) 예지 정비 방법 및 장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102008231B1 (ko) * 2017-08-25 2019-08-07 주식회사 펠코리아 자동화 설비의 고장 예측 장치, 이를 이용한 고장 예측 시스템 및 고장 예측 방법
KR102157031B1 (ko) 2018-12-27 2020-09-18 동서대학교 산학협력단 서보모터의 전력 소모량을 이용한 이상행위 탐지장치 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101713985B1 (ko) * 2016-09-02 2017-03-09 에이블맥스(주) 예지 정비 방법 및 장치

Also Published As

Publication number Publication date
KR20220071665A (ko) 2022-05-31

Similar Documents

Publication Publication Date Title
CN107024917B (zh) 发现制造机械的异常的原因的单元控制装置
Lee et al. Service innovation and smart analytics for industry 4.0 and big data environment
JP6444851B2 (ja) ノイズの発生原因を検出する学習機能を有する制御装置
CN110394688B (zh) 基于边缘计算的机床状态监测方法
KR101825881B1 (ko) 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템
US20180307203A1 (en) Machining defect factor estimation device
US10885620B2 (en) Neural network image processing system
CN105094092B (zh) 自动化工业设备的作业矫正方法
JP6832327B2 (ja) 生産プロセス中に異常なワークピースを自動検出するためのデータ駆動方法
Liang et al. Data-driven anomaly diagnosis for machining processes
Cohen et al. A smart process controller framework for Industry 4.0 settings
CN114118673A (zh) 一种基于数字孪生技术的车间智能化故障诊断预警方法
KR102417694B1 (ko) 다중 ai 기법을 이용한 스마트 제조 환경에서의 이상탐지 시스템 및 그 방법
Rocha et al. Implementation of a vision-based worker assistance system in assembly: A case study
KR20210075358A (ko) 스마트공장의 운영 분석 시스템 및 방법
Chen et al. Exploring equipment electrocardiogram mechanism for performance degradation monitoring in smart manufacturing
Yang et al. Streaming data analysis framework for cyber-physical system of metal machining processes
KR102429393B1 (ko) 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템 및 그 방법
US20200202178A1 (en) Automatic visual data generation for object training and evaluation
WO2021042233A1 (en) Remote diagnosis system, apparatus and method for power tool
CN112363465A (zh) 一种专家规则集训练方法、训练器和工业设备预警系统
EP3818421B1 (en) System and method for remotely managing configuration of industrial machines
CN115826506B (zh) 水处理控制系统及控制装置
KR20230037743A (ko) 클라우드 기반의 스마트 팩토리 플랫폼 제공 시스템 및 방법
CN103679374A (zh) 印刷电路板生产工具品质管理系统及其管理方法

Legal Events

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