KR102425308B1 - 스마트팜의 구동기 고장 진단 예측 장치 및 그 방법 - Google Patents

스마트팜의 구동기 고장 진단 예측 장치 및 그 방법 Download PDF

Info

Publication number
KR102425308B1
KR102425308B1 KR1020200173320A KR20200173320A KR102425308B1 KR 102425308 B1 KR102425308 B1 KR 102425308B1 KR 1020200173320 A KR1020200173320 A KR 1020200173320A KR 20200173320 A KR20200173320 A KR 20200173320A KR 102425308 B1 KR102425308 B1 KR 102425308B1
Authority
KR
South Korea
Prior art keywords
phase deviation
driver
sound
target
vibration
Prior art date
Application number
KR1020200173320A
Other languages
English (en)
Other versions
KR20220083257A (ko
Inventor
이명훈
홍영기
김현종
김국환
김경철
Original Assignee
대한민국
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 대한민국 filed Critical 대한민국
Priority to KR1020200173320A priority Critical patent/KR102425308B1/ko
Publication of KR20220083257A publication Critical patent/KR20220083257A/ko
Application granted granted Critical
Publication of KR102425308B1 publication Critical patent/KR102425308B1/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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—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

Abstract

본 발명은 고장 진단 예측 장치에 관한 것으로, 자세하게는 기설정된 위상 편차의 범위 내에 해당하는지의 여부에 기초하여 구동기의 고장을 예측하는 고장 진단 예측 장치에 관한 것이다. 본 발명의 일 실시예에 따른 고장 예측 진단 장치는 스마트팜 내의 적어도 하나의 구동기로부터 상태 정보를 수집하는 수집부, 상기 상태 정보 내의 진동 위상 편차가 제1 위상 편차 범위 내에 해당하는지 여부 및 상기 상태 정보 내의 소리 위상 편차가 제2 위상 편차 범위 내에 해당하는지 여부를 판단하여 판단 결과를 생성하는 판단부, 및 상기 판단 결과에 기초하여 상기 적어도 하나의 구동기에 대해 고장 예측을 수행하는 고장 예측 결정부를 포함한다.

Description

스마트팜의 구동기 고장 진단 예측 장치 및 그 방법{SMART FARM ACTUATOR FAULT DIAGNOSIS PREDICTION DEVICE AND OPREATION METHOD THEREOF}
본 발명은 고장 진단 예측 장치에 관한 것으로, 자세하게는 구동기의 진동 및 소리 위상 중 적어도 하나에 기초하여 구동기의 고장을 예측하는 고장 진단 예측 장치에 관한 것이다.
최근 국내 농업 기술은 여러 가지 IT 기술을 접목하여 노동집약적 농업에서 노동력 절감을 위한 스마트 팜으로 발전하고 있다. IoT 기반 센싱 기술을 통하여 수집된 정보는 경험기반의 농업지식과 더불어 데이터 분석 기술을 통합하여 새로운 스마트 팜 서비스 제공이 가능하다.
그러나, 스마트팜 ICT 장비의 고장 및 오작동으로 인한 신뢰성 결여 문제가 스마트팜 확산의 장애요인으로 지적되고 있으며 스마트팜 기기의 고장 또는 농가 조작의 미숙, 인터넷 회선 등에 따른 농가와 기업 간 분쟁 증가하고 있다.
또한, 농업 생산시스템의 경우, 고장으로 인한 작동 중단(downtime)시에는 단순히 부품 교체로 인한 유지보수 비용뿐만 아니라, 회복하기 어려운 작물의 손상과 피해로 이어질 수 있어 농가에 매우 치명적인 문제점을 발생시킬 수 있다.
따라서, 최근 농업 생산시설에 증가하고 있는 ICT 장비와 이와 연관된 시설에 대해 데이터를 통해 면밀히 관측하여, 우발적 실수나 고장, 노후화로 인한 기능 상실로 인한 농가 피해를 예방하기 위해, 스마트팜 내의 구동기의 종류 및 작물을 고려한 시스템의 건전성 관리기술과 상태 기반의 예지정비 기술개발의 도입이 필요한 상황이다.
(특허문헌 1) KR 10-1967633 B1
본 출원은 고장 진단 예측 장치를 제공함으로써, 구동기의 고장 여부를 미리 예측하여 고장이 발생하기 전에 수리 및 점검을 할 수 있도록 하는 것에 목적이 있다.
본 출원은 고장 진단 예측 장치를 제공함으로써, 구동기의 고장 여부를 확인하여 우선 순위에 따른 작업 대상과 작업 내용을 식별하도록 하는 것에 목적이 있다.
본 발명의 일 실시예에 따른 고장 예측 진단 장치는 스마트팜 내의 적어도 하나의 구동기로부터 상태 정보를 수집하는 수집부, 상기 상태 정보 내의 진동 위상 편차가 제1 위상 편차 범위 내에 해당하는지 여부 및 상기 상태 정보 내의 소리 위상 편차가 제2 위상 편차 범위 내에 해당하는지 여부를 판단하여 판단 결과를 생성하는 판단부, 및 상기 판단 결과에 기초하여 상기 적어도 하나의 구동기에 대해 고장 예측을 수행하는 고장 예측 결정부를 포함한다.
본 발명의 일 실시예에 있어서, 상기 판단부는 상기 진동 위상 편차가 제1 진동 임계값 미만이면 상기 제1 위상 편차 범위 내에 해당된다고 판단하고, 상기 판단부는 상기 소리 위상 편차가 제1 소리 임계값 미만이면 상기 제2 위상 편차 범위 내에 해당된다고 판단할 수 있다.
본 발명의 일 실시예에 있어서, 상기 고장 예측 결정부는 상기 진동 위상 편차가 상기 제1 진동 임계값 이상이거나 상기 소리 위상 편차가 제1 소리 임계값 이상이면, 상기 적어도 하나의 구동기를 수리 예비 대상으로 결정할 수 있다.
본 발명의 일 실시예에 있어서, 상기 고장 예측 결정부는, 상기 수리 예비 대상인 해당 구동기를 제1 및 제2 등급에 기초하여 제1 조치 대상 및 제2 조치 대상 중 적어도 하나로 분류하는 대상 분류부를 포함하며, 상기 제1 및 제2 등급은 상기 적어도 하나의 구동기가 구동하는 상기 스마트팜의 시설 종류에 따라 결정될 수 있다.
본 발명의 일 실시예에 있어서, 상기 대상 분류부는 해당 구동기가 제1 등급이거나, 상기 소리 위상 편차가 제1 소리 임계값보다 큰 제2 소리 임계값 이상인 경우 상기 해당 구동기를 제1 조치 대상으로 분류하고, 상기 제1 조치 대상은 즉시 교체 대상이며, 상기 해당 구동기가 상기 스마트팜의 천창을 구동하면 상기 제1 등급으로 분류될 수 있다
본 발명의 일 실시예에 있어서, 상기 해당 구동기가 제2 등급이거나, 상기 소리 위상 편차가 상기 제1 소리 임계값보다 크고 제2 임계값보다 작은 경우 상기 해당 구동기를 제2 조치 대상으로 분류하고, 상기 해당 구동기의 동작시간에 기초하여 상기 제2 조치 대상을 수리 대상 및 점검 대상으로 구분할 수 있다.
본 발명의 일 실시예에 있어서, 상기 해당 구동기의 동작시간이 제1 기준치 미만이면 상기 제2 조치 대상을 상기 수리 대상으로 분류하고, 상기 해당 구동기의 동작시간이 제1 기준치 이상이면 상기 제2 조치 대상을 상기 점검 대상으로 분류할 수 있다.
본 발명의 일 실시예에 있어서, 상기 해당 구동기의 수리 이력 및 상기 스마트팜 내의 작물의 종류 중 적어도 하나에 기초하여 상기 제1 진동 임계값을 업데이트하는 업데이트부를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 구동기의 수리 이력 및 상기 스마트팜 내의 온도, 및 습도 정보 중 적어도 하나에 기초하여 상기 제1 기준치를 업데이트할 수 있다.
본 발명의 일 실시예에 따른 고장 진단 예측 장치의 동작 방법에 있어서, 스마트팜 내의 적어도 하나의 구동기로부터 상태 정보를 수집하는 단계, 상기 상태 정보 내의 진동 위상 편차가 제1 위상 편차 범위 내에 해당하는지 여부 및 상기 상태 정보 내의 소리 위상 편차가 제2 위상 편차 범위 내에 해당하는지 여부를 판단하여 판단 결과를 생성하는 단계, 및 상기 판단 결과에 기초하여 상기 적어도 하나의 구동기에 대해 고장 예측을 수행하는 단계를 포함한다.
본 발명의 일 실시예에 있어서, 상기 판단 결과를 생성하는 단계는, 상기 진동 위상 편차가 제1 진동 임계값 미만이면 상기 제1 위상 편차 범위 내에 해당된다고 판단하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 판단 결과를 생성하는 단계는, 상기 소리 위상 편차가 제1 소리 임계값 미만이면 상기 제2 위상 편차 범위 내에 해당된다고 판단하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 고장 예측을 수행하는 단계는, 상기 수리 예비 대상인 해당 구동기를 제1 및 제2 등급에 기초하여 제1 조치 대상 및 제2 조치 대상 중 적어도 하나로 분류하는 단계를 포함하며, 상기 제1 및 제2 등급은 상기 적어도 하나의 구동기가 구동하는 상기 스마트팜의 시설 종류에 따라 결정될 수 있다.
본 발명의 일 실시예에 있어서, 제1 조치 대상 및 제2 조치 대상 중 적어도 하나로 분류하는 단계는 해당 구동기가 제1 등급이거나, 상기 소리 위상 편차가 제1 소리 임계값보다 큰 제2 소리 임계값 이상인 경우 상기 해당 구동기를 제1 조치 대상으로 분류하고, 상기 제1 조치 대상은 즉시 교체 대상이며, 상기 해당 구동기가 상기 스마트팜의 천창을 구동하면 상기 제1 등급으로 분류될 수 있다.
본 발명의 일 실시예에 따른 고장 진단 예측 시스템은, 고장 진단 예측 장치, 및 구동기의 상태 정보를 센싱하는 적어도 하나의 센서를 포함하고, 상기 고장 진단 예측 장치는, 상기 적어도 하나의 센서에 기초하여 스마트팜 내의 적어도 하나의 구동기 상태 정보를 수집하는 수집부, 상기 상태 정보 내의 진동 위상 편차가 제1 위상 편차 범위 내에 해당하는지 여부 및 상기 상태 정보 내의 소리 위상 편차가 제2 위상 편차 범위 내에 해당하는지 여부를 판단하여 판단 결과를 생성하는 판단부, 및 상기 판단 결과에 기초하여 상기 적어도 하나의 구동기에 대해 고장 예측을 수행하는 고장 예측 결정부를 포함한다.
프로세서와 결합되어, 제10항 내지 제14항 중 어느 하나의 항의 방법을 수행하도록 매체에 저장된 컴퓨터 프로그램.
본 출원이 일 실시예에 따른 고장 진단 예측 장치는 구동기의 고장 여부를 미리 예측하여 고장이 발생하기 전에 수리 및 점검을 할 수 있다.
본 출원의 일 실시예에 따른 고장 진단 예측 장치는 구동기의 고장 여부를 확인하여 우선 순위에 따른 작업 대상과 작업 내용을 식별하도록 할 수 있다.
도 1은 본 발명의 일 실시예에 따른 고장 진단 예측 장치의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 업데이트부를 포함하는 고장 진단 예측 장치의 블록도이다.
도 3은 본 발명의 일 실시예에 따른 고장 진단 예측 장치의 동작 방법을 도시한 순서도이다.
도 4 및 도 5는 본 발명의 일 실시예에 따른 고장 예측을 수행하는 단계를 구체적으로 도시한 순서도이다.
도 6은 본 발명의 일 실시예에 따른 고장 진단 예측 시스템을 도시한 도면이다.
이하, 첨부된 도면을 참조하여 본 개시를 설명한다. 본 개시는 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들이 도면에 예시되고 관련된 상세한 설명이 기재되어 있다. 그러나, 이는 본 개시를 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 개시의 사상 및 기술 범위에 포함되는 모든 변경 및/또는 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용되었다.
본 개시에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 개시를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 개시에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 본 발명의 일 실시예에 따른 고장 진단 예측 장치의 블록도이다.
도 1을 참조하면, 고장 진단 예측 장치(10)는 수집부(100), 판단부(200), 및 고장 예측 결정부(300)를 포함한다.
수집부(100)는 스마트팜 내의 적어도 하나의 구동기로부터 상태 정보를 수집할 수 있다. 예를 들어, 구동기는 천창, 측창, 보온커튼, 차광막, 환풍기, 유동팬, 및 관수펌프 등 모터도 동작되는 장치일 수 있다.
일 실시예에 있어서, 수집부(100)는 변위 센서, 가속도 센서(진동 센서), 음향 센서, 및 온도 센서를 통해 구동기의 상태 정보를 수집할 수 있다. 예를 들어, 변위 센서 및 가속도 센서(진동 센서)를 이용하여 구동기의 진동 파형을 수집할 수 있다. 또한, 음향 센서를 이용하여 구동기의 소리 파형을 수집할 수 있다.
수집부(100)는 전처리 과정을 수행하는 전처리부를 포함할 수 있다. 전처리부는 수집된 구동기의 진동 파형에서 잡음을 제거할 수 있다. 또한, 수집된 구동기의 소리 파형에서 잡음을 제거할 수 있다. 전처리부에서 구동기의 진동 파형 및 소리 파형의 잡음을 제거함으로써, 고장 예측의 정확도를 높일 수 있다.
판단부(200)는 상태 정보 내의 진동 위상 편차가 제1 위상 편차 범위에 해당하는지 여부 및 상태 정보 내의 소리 위상 편차가 제2 위상 편차 범위 내에 해당하는지 여부를 판단하여 판단 결과를 생성할 수 있다. 예를 들어, 진동 위상 편차는 기준 진동 위상 대비 현재 진동 위상이 얼마나 이동하였는지를 수치화하여 나타낸 값일 수 있다. 소리 위상 편차는 기준 소리 위상 대비 현재 소리 위상이 얼마나 이동하였는지를 수치화하여 나타낸 값일 수 있다.
판단부(200)는 진동 위상 편차가 제1 진동 임계값 미만이면 구동기의 진동 위상 편차가 제1 위상 편차 범위 내에 해당된다고 판단할 수 있다. 이때, 진동 위상 편차는 진동 파형 중 잡음을 제거한 파형에서의 위상 차이를 의미할 수 있다.
반면, 진동 위상 편차의 정보가 전달되지 않을 경우, 판단부(200)는 수집부(100)를 통해 구동기의 진동 위상 편차를 재 요청할 수 있다. 구동기의 진동 위상 편차를 재 요청하였음에도 불구하고, 구동기의 진동 위상 편차가 인식되지 않는다면, 판단부(200)는 해당 구동기를 초기 고장으로 예측하고 사용자에게 교체 및 수리하라는 알림을 제공할 수 있다.
판단부(200)는 소리 위상 편차가 제1 소리 임계값 미만이면 구동기의 소리 위상 편차가 제2 위상 편차 범위 내에 해당된다고 판단할 수 있다. 이때, 소리 위상 편차는 소리 파형 중 잡음을 제거한 파형에서의 위상 차이를 의미할 수 있다.
반면, 소리 위상 편차의 정보가 전달되지 않을 경우, 판단부(200)는 수집부(100)를 통해 구동기의 소리 위상 편차를 재 요청할 수 있다. 구동기의 소리 위상 편차를 재 요청하였음에도 불구하고, 구동기의 소리 위상 편차가 인식되지 않는다면, 판단부(200)는 해당 구동기를 초기 고장으로 예측하고 사용자에게 교체 및 수리하라는 알림을 제공할 수 있다.
고장 예측 결정부(300)는 판단 결과에 기초하여 적어도 하나의 구동기에 대해 고장 예측을 수행할 수 있다.
고장 예측 결정부(300)는 진동 위상 편차가 제1 진동 임계값 이상이거나 소리 위상 편차가 제1 소리 임계값 이상이면, 적어도 하나의 구동기를 수리 예비 대상으로 결정할 수 있다. 예를 들어, 수리 예비 대상은 과부하, 정전, 및 개폐율 오류와 같은 구동기 오작동일 수 있으며, 정격 출력, 정격 전류, 정격 전압, 정격 부하, 및 각 구동기별 패턴과 같은 구동기별 오작동일 수 있으며, 시간 지연(Time delay), 신호 단락, 설치 및 정비 시 결선 오류와 같은 통신 오작동일 수 있다.
고장 예측 결정부(300)는 수리 예비 대상인 해당 구동기를 세분화하여 분류하는 대상 분류부를 포함할 수 있다. 대상 분류부는 수리 예비 대상인 해당 구동기를 제1 및 제2 등급에 기초하여 제1 조치 대상 및 제2 조치 대상 중 적어도 하나로 분류할 수 있다. 예를 들어, 제1 및 제2 등급은 적어도 하나의 구동기가 구동하는 스마트팜의 시설 종류에 따라 결정될 수 있다. 스마트팜의 시설 종류는 천창, 측창, 보온커튼, 차광막, 환풍기, 유동팬, 및 관수펌프 등 모터로 동작되는 시설 장치 중 하나일 수 있다. 일 실시예에 있어서, 제1 등급 및 제2 등급의 목록은 데이터 베이스에 저장되어 있을 수 있다.
일 실시예에 있어서, 대상 분류부는 해당 구동기가 제1 등급이거나, 소리 위상 편차가 제1 소리 임계값보다 큰 제2 소리 임계값 이상인 경우에 해당 구동기를 제1 조치 대상으로 분류할 수 있다. 이때, 제1 조치 대상은 즉시 교체 대상일 수 있다. 또한, 제1 등급은 자주 사용되는 시설 장치일 수 있다. 예를 들어, 스마트팜의 천창을 구동하는 구동기는 제1 등급으로 분류될 수 있다. 천창의 경우, 스마트팜 내부에 가장 큰 영향을 주기 때문에 제1 등급으로 분류하여, 가장 큰 영향을 주는 장치의 고장 예측을 더 정확하게 예측할 수 있다.
일 실시예에 있어서, 대상 분류부는 해당 구동기가 제2 등급이거나, 소리 위상 편차가 제1 소리 임계값보다 크고 제2 임계값보다 작은 경우에 해당 구동기를 제2 조치 대상으로 분류할 수 있다. 이때, 제2 조치 대상은 해당 구동기의 동작시간에 기초하여 수리 대상 및 점검 대상으로 구분될 수 있다. 예를 들어, 해당 구동기의 동작시간이 제1 기준치 미만이면 제2 조치 대상을 수리 대상으로 분류하고, 해당 구동기의 동작시간이 제1 기준치 이상이면 제2 조치 대상을 점검 대상으로 분류할 수 있다. 이와 관련하여, 자세한 내용은 도 3에서 후술될 것이다.
일 실시예에 있어서, 고장 진단 예측 장치(10)는 진동 위상 편차가 제1 위상 편차 범위 내에 있더라도, 소리 위상 편차가 제2 범위를 벗어나있다면 소리 위상 편차에 우선 순위를 두고 고장 예측을 수행할 수 있다. 또한, 진동 위상 편차 및 소리 위상 편차가 각각 제1 위상 편차 범위 및 제2 위상 편차 범위에 해당되지 않는다면, 고장 진단 예측 장치(10)는 소리 위상 편차에 대해 먼저 고장 예측을 수행할 수 있다.
일 실시예에 있어서, 고장 진단 예측 장치(10)는 구동기의 온도를 측정함으로써, 구동기의 온도에 따라 고장을 예측할 수도 있다. 예를 들어, 구동기의 온도가 기설정된 온도보다 높다면 구동기가 발열되었다고 판단하여 사용자에게 수리 또는 교체하라는 알림을 제공할 수 있다.
일 실시예에 있어서, 고장 진단 예측 장치(10)는 구동기에 흐르는 전류를 측정함으로써, 전류 여부에 따라 구동기의 고장을 예측할 수도 있다. 예를 들어, 구동기에 기설정된 전류보다 낮은 전류가 흐른다면, 전선이 단락 되었거나, 전류가 다른 곳으로 흘러나가고 있다고 판단하여 사용자에게 수리 또는 교체하라는 알림을 제공할 수 있다.
도 2는 본 발명의 일 실시예에 따른 업데이트부를 포함하는 고장 진단 예측 장치의 블록도이다.
도 2를 참조하면, 고장 진단 예측 장치(10')는 업데이트부(400)를 더 포함할 수 있다. 도 2에 개시된 수집부(100'), 판단부(200'), 고장 예측 결정부(300')는 도 시에 개시된 수집부(100), 판단부(200), 고장 예측 결정부(300)와 동일하므로 자세한 설명은 생략될 것이다.
업데이트부(400)는 제1 진동 임계값 및 구동기의 동작시간에 따른 제1 기준치를 업데이트할 수 있다. 일 실시예에 있어서, 해당 구동기의 수리 이력 및 스마트팜 내의 작물의 종류 중 적어도 하나에 기초하여 제1 진동 임계값을 업데이트할 수 있다. 예를 들어, 스마트팜 내의 작물이 포도이고, 포도의 경우 구동기 작동의 빈도수가 많다면, 제1 진동 임계값을 다른 작물의 진동 임계값보다 작은 값으로 설정해 놓고 구동기의 상태를 확인하는 빈도를 늘릴수 있다. 구동기의 사용이 빈번할 경우, 구동기의 상태를 확인하는 빈도를 늘림으로써 구동기가 고장나기 이전에 수리 및 점검하도록 할 수 있다. 상술한 바와 같이, 민감한 작물을 재배하는 스마트팜의 경우 구동기의 상태를 확인하는 빈도를 늘림으로써, 구동기의 고장 예측을 더 정확하게 예측할 수 있다.
또한, 구동기의 수리 이력 및 스마트팜 내의 온도, 및 습도 정보 중 적어도 하나에 기초하여 제1 기준치를 업데이트할 수 있다. 예를 들어, 스마트팜 내부가 고온이거나 다습한 경우에는 구동기가 빠른 시일 내에 노후 될 수 있으므로, 제1 기준치를 다른 조건의 기준치보다 낮게 설정하여 구동기의 동작시간이 얼마 되지 않았더라도, 구동기의 상태를 확인하는 빈도를 늘릴 수 있다. 상술한 바와 같이, 고온 다습한 스마트팜의 경우 구동기의 상태를 확인하는 빈도를 늘림으로써, 구동기의 고장 예측을 더 정확하게 예측할 수 있다.
상술한 바와 같이, 본 출원이 일 실시예에 따른 고장 진단 예측 장치는 구동기의 고장 여부를 미리 예측하여 고장이 발생하기 전에 수리 및 점검을 할 수 있다. 또한, 본 출원의 일 실시예에 따른 고장 진단 예측 장치는 구동기의 고장 여부를 확인하여 우선 순위에 따른 작업 대상과 작업 내용을 식별하도록 할 수 있다.
도 3은 본 발명의 일 실시예에 따른 고장 진단 예측 장치의 동작 방법을 도시한 순서도이다.
도 3을 참조하면, 고장 진단 예측 장치는 스마트팜 내의 적어도 하나의 구동기로부터 상태 정보를 수집하는 단계(S11), 진동 위상 편차가 제1 위상 편차 범위 내에 해당하는지 여부 및 소리 위상 편차가 제2 위상 편차 범위 내에 해당하는지 여부를 판단하여 판단 결과를 생성하는 단계(S13), 및 판단 결과에 기초하여 구동기에 대해 고장 예측을 수행하는 단계(S15)를 포함할 수 있다.
스마트팜 내의 적어도 하나의 구동기로부터 상태 정보를 수집하는 단계(S11)는 변위 센서, 가속도 센서(진동 센서), 음향 센서, 및 온도 센서를 통해 구동기의 상태 정보를 수집할 수 있다. 예를 들어, 변위 센서 및 가속도 센서(진동 센서)를 이용하여 구동기의 진동 파형을 수집할 수 있다. 또한, 음향 센서를 이용하여 구동기의 소리 파형을 수집할 수 있다.
진동 위상 편차가 제1 위상 편차 범위 내에 해당하는지 여부 및 소리 위상 편차가 제2 위상 편차 범위 내에 해당하는지 여부를 판단하여 판단 결과를 생성하는 단계(S13)는 진동 위상 편차가 제1 진동 임계값 미만이면 구동기의 진동 위상 편차가 제1 위상 편차 범위 내에 해당된다고 판단하고, 소리 위상 편차가 제1 소리 임계값 미만이면 구동기의 소리 위상 편차가 제2 위상 편차 범위 내에 해당된다고 판단할 수 있다.
판단 결과에 기초하여 구동기에 대해 고장 예측을 수행하는 단계(S15)는 진동 위상 편차가 제1 진동 임계값 이상이거나 상기 소리 위상 편차가 제1 소리 임계값 이상이면, 적어도 하나의 구동기를 수리 예비 대상으로 결정할 수 있다.
판단 결과에 기초하여 구동기에 대해 고장 예측을 수행하는 단계(S15)는 수리 예비 대상인 해당 구동기를 제1 및 제2 등급에 기초하여 제1 조치 대상 및 제2 조치 대상 중 적어도 하나로 분류하는 단계를 더 포함할 수 있다. 제1 및 제2 등급은 적어도 하나의 구동기가 구동하는 스마트팜의 시설 종류에 따라 결정될 수 있다. 예를 들어, 제1 등급 및 제2 등급은 데이터베이스에 저장되어 있을 수 있다. 제1 조치 대상 및 제2 조치 대상 중 적어도 하나로 분류하는 단계는 해당 구동기가 제1 등급이거나 소리 위상 편차가 제1 소리 임계값보다 큰 제2 소리 임계값 이상인 경우에 해당 구동기를 제1 조치 대상으로 분류하고, 제1 조치 대상은 즉시 교체 대상일 수 있다.
일 실시예에 있어서, 해당 구동기가 스마트팜의 천창을 구동하는 구동기라면, 해당 구동기는 제1 등급으로 분류될 수 있다. 이와 관련하여, 고장 예측을 수행하는 단계에 대한 구체적인 내용은 도 5 및 도 6에서 후술될 것이다.
도 4 및 도 5는 본 발명의 일 실시예에 따른 고장 예측을 수행하는 단계를 구체적으로 도시한 순서도이다.
도 4를 참조하면, 고장 예측을 수행하는 단계(S15)는 진동 위상 편차에 따라 수리 예비 대상을 분류할 수 있다.
진동 위상 편차가 제1 진동 임계값 미만인지 판단하는 단계(S152)는, 진동 위상 편차가 제1 진동 임계값 미만일 경우, 고장 진단 예측 장치는 진동 위상 편차가 제1 진동 임계값을 넘지 않았으므로, 구동기의 상태 정보를 수집하는 단계(S11)로 돌아갈 수 있다. 반면, 진동 위상 편차가 제1 진동 임계값 미만이 아닐 경우 진동 위상 편차가 제1 진동 임계값 이상이고, 제2 진동 임계값 미만인지를 판단하는 단계(S153)로 넘어갈 수 있다.
진동 위상 편차가 제1 진동 임계값 미만이 아닐 경우 진동 위상 편차가 제1 진동 임계값 이상이고, 제2 진동 임계값 미만인지를 판단하는 단계(S153)는, 진동 위상 편차가 해당 범위 내에 해당하지 않는다면, 진동 위상 편차가 제2 임계값보다 큰 지 판단하는 단계(S154)로 넘어갈 수 있다.
진동 위상 편차가 제2 임계값보다 큰 지 판단하는 단계(S154)에서 제2 임계값이 진동 위상 편차보다 크다고 판단되면 구동기를 교체(S155)하라는 알림을 사용자에게 제공할 수 있으며, 교체 이력을 업데이트 할 수 있다. 반면, 진동 위상 편차가 제2 임계값보다 큰 지 판단하는 단계에서 크지 않다고 판단된다면, 재 판단하기 위해 구동기의 상태 정보를 수집하는 단계(S11)로 돌아갈 수 있다.
진동 위상 편차가 제1 진동 임계값 미만이 아닐 경우 진동 위상 편차가 제1 진동 임계값 이상이고, 제2 진동 임계값 미만인지를 판단하는 단계(S153)에서, 진동 위상 편차가 해당 범위 내에 해당한다면, 고장 진단 예측 장치는 구동기의 동작시간이 제1 기준치 미만인지 판단하는 단계(S156)를 통해 구동기에 조치를 취할 수 있다.
구동기의 동작시간이 제1 기준치 미만인지 판단하는 단계(S156)에서, 구동기의 동작시간이 제1 기준치 미만이라면, 구동기를 점검(S157)하도록 할 수 있다. 반면, 구동기의 동작시간이 제1 기준치 이상이라면, 구동기를 수리(S159)하도록 할 수 있다. 구동기의 점검과 수리이력은 업데이트될 수 있다.
도 5를 참조하면, 고장 예측을 수행하는 단계는 소리 위상 편차에 따라 수리 예비 대상을 분류할 수 있다.
소리 위상 편차가 제1 소리 임계값 미만인지 판단하는 단계(S162)는, 소리 위상 편차가 제1 소리 임계값 미만일 경우, 고장 진단 예측 장치는 소리 위상 편차가 제1 소리 임계값을 넘지 않았으므로, 구동기의 상태 정보를 수집하는 단계(S11)로 돌아갈 수 있다. 반면, 소리 위상 편차가 제1 소리 임계값 미만이 아닐 경우 소리 위상 편차가 제1 소리 임계값 이상이고, 제2 소리 임계값 미만인지를 판단하는 단계(S163)로 넘어갈 수 있다.
소리 위상 편차가 제1 소리 임계값 미만이 아닐 경우 소리 위상 편차가 제1 소리 임계값 이상이고, 제2 소리 임계값 미만인지를 판단하는 단계(S163)는, 소리 위상 편차가 해당 범위 내에 해당하지 않는다면, 소리 위상 편차가 제2 임계값보다 큰 지 판단하는 단계(S164)로 넘어갈 수 있다.
소리 위상 편차가 제2 임계값보다 큰 지 판단하는 단계(S164)에서 제2 임계값이 소리 위상 편차보다 크다고 판단되면 구동기를 교체(S165)하라는 알림을 사용자에게 제공할 수 있으며, 교체 이력을 업데이트 할 수 있다. 반면, 소리 위상 편차가 제2 임계값보다 큰 지 판단하는 단계에서 크지 않다고 판단된다면, 재 판단하기 위해 구동기의 상태 정보를 수집하는 단계(S11)로 돌아갈 수 있다.
소리 위상 편차가 제1 소리 임계값 미만이 아닐 경우 소리 위상 편차가 제1 소리 임계값 이상이고, 제2 소리 임계값 미만인지를 판단하는 단계(S163)에서, 소리 위상 편차가 해당 범위 내에 해당한다면, 고장 진단 예측 장치는 구동기의 동작시간이 제1 기준치 미만인지 판단하는 단계(S166)를 통해 구동기에 조치를 취할 수 있다.
구동기의 동작시간이 제1 기준치 미만인지 판단하는 단계(S166)에서, 구동기의 동작시간이 제1 기준치 미만이라면, 구동기를 점검(S167)하도록 할 수 있다. 반면, 구동기의 동작시간이 제1 기준치 이상이라면, 구동기를 수리(S169)하도록 할 수 있다. 구동기의 점검과 수리이력은 업데이트될 수 있다. 일 실시예에 있어서, 도 4에 기재된 제1 기준치와 도 5에 기재된 제1 기준치는 같은 값일 수도 있으며, 다른 값일 수도 있다.
상술한 바와 같이. 본 출원이 일 실시예에 따른 고장 진단 예측 장치는 구동기의 고장 여부를 미리 예측하여 고장이 발생하기 전에 수리 및 점검을 할 수 있다. 또한, 본 출원의 일 실시예에 따른 고장 진단 예측 장치는 구동기의 고장 여부를 확인하여 우선 순위에 따른 작업 대상과 작업 내용을 식별하도록 할 수 있다
도 6은 본 발명의 일 실시예에 따른 고장 진단 예측 시스템을 도시한 도면이다.
도 6을 참조하면, 고장 진단 예측 시스템(1000)은, 고장 진단 예측 장치(10") 및 구동기의 상태 정보를 센싱하는 적어도 하나의 센서를 포함할 수 있다. 고장 진단 예측 장치(10")는 적어도 하나의 센서에 기초하여 스마트팜 내의 적어도 하나의 구동기 상태 정보를 수집하는 수집부(100"), 상태 정보 내의 진동 위상 편차가 제1 위상 편차 범위 내에 해당하는지 여부 및 상태 정보 내의 소리 위상 편차가 제2 위상 편차 범위 내에 해당하는지 여부를 판단하여 판단 결과를 생성하는 판단부(200"), 및 판단 결과에 기초하여 적어도 하나의 구동기에 대해 고장 예측을 수행하는 고장 예측 결정부(300")를 포함할 수 있다. 이와 관련하여, 도 6의 고장 진단 예측 장치(10")는 도 1에 개시된 고장 진단 예측 장치(10)와 동일하므로, 자세한 내용은 생략될 것이다.
구동기의 상태 정보를 센싱하는 적어도 하나의 센서는 구동기의 소리를 측정하기 위한 음향 센서 모듈(500)과 구동기의 진동을 측정하기 위한 진동 측정 센서 모듈(600)을 포함할 수 있다. 예를 들어, 음향 센서 모듈(500)은 마이크일 수 있으며, 진동 측정 센서 모듈(600)은 변위 센서 및 가속도 센서 중 하나일 수 있다.
본 명세서와 도면에 개시된 실시 예들은 본 개시의 내용을 쉽게 설명하고, 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 개시의 범위를 한정하고자 하는 것은 아니다. 따라서 본 개시의 범위는 여기에 개시된 실시 예들 이외에도 본 개시의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 개시의 범위에 포함되는 것으로 해석되어야 한다.
10, 10', 10" : 고장 진단 예측 장치
100, 100', 100" : 수집부
200, 200', 200" : 판단부
300, 300', 300" : 고장 예측 결정부
400 : 업데이트부
500 : 음향 센서 모듈
600 : 진동 측정 센서 모듈

Claims (16)

  1. 스마트팜 내의 적어도 하나의 구동기로부터 상태 정보를 수집하는 수집부;
    상기 상태 정보 내의 진동 위상 편차가 제1 위상 편차 범위 내에 해당하는지 여부 및 상기 상태 정보 내의 소리 위상 편차가 제2 위상 편차 범위 내에 해당하는지 여부를 판단하여 판단 결과를 생성하는 판단부; 및
    상기 판단 결과에 기초하여 상기 적어도 하나의 구동기에 대해 고장 예측을 수행하는 고장 예측 결정부를 포함하고,
    상기 판단부는 상기 진동 위상 편차가 제1 진동 임계값 미만이면 상기 제1 위상 편차 범위 내에 해당된다고 판단하고,
    상기 판단부는 상기 소리 위상 편차가 제1 소리 임계값 미만이면 상기 제2 위상 편차 범위 내에 해당된다고 판단하는, 고장 진단 예측 장치.
  2. 삭제
  3. 제1항에 있어서,
    상기 고장 예측 결정부는 상기 진동 위상 편차가 상기 제1 진동 임계값 이상이거나 상기 소리 위상 편차가 제1 소리 임계값 이상이면, 상기 적어도 하나의 구동기를 수리 예비 대상으로 결정하는, 고장 진단 예측 장치.
  4. 제3항에 있어서,
    상기 고장 예측 결정부는, 상기 수리 예비 대상인 해당 구동기를 제1 및 제2 등급에 기초하여 제1 조치 대상 및 제2 조치 대상 중 적어도 하나로 분류하는 대상 분류부를 포함하며,
    상기 제1 및 제2 등급은 상기 적어도 하나의 구동기가 구동하는 상기 스마트팜의 시설 종류에 따라 결정되는, 고장 진단 예측 장치.
  5. 제4항에 있어서,
    상기 대상 분류부는,
    상기 해당 구동기가 제1 등급이거나, 상기 소리 위상 편차가 제1 소리 임계값보다 큰 제2 소리 임계값 이상인 경우 상기 해당 구동기를 제1 조치 대상으로 분류하고,
    상기 제1 조치 대상은 즉시 교체 대상이며,
    상기 해당 구동기가 상기 스마트팜의 천창을 구동하면 상기 제1 등급으로 분류되는, 고장 진단 예측 장치.
  6. 제5항에 있어서,
    상기 대상 분류부는,
    상기 해당 구동기가 제2 등급이거나, 상기 소리 위상 편차가 상기 제1 소리 임계값보다 크고 제2 임계값보다 작은 경우 상기 해당 구동기를 제2 조치 대상으로 분류하고,
    상기 해당 구동기의 동작시간에 기초하여 상기 제2 조치 대상을 수리 대상 및 점검 대상으로 구분하는, 고장 진단 예측 장치.
  7. 제6항에 있어서,
    상기 대상 분류부는,
    상기 해당 구동기의 동작시간이 제1 기준치 미만이면 상기 제2 조치 대상을 상기 수리 대상으로 분류하고,
    상기 해당 구동기의 동작시간이 제1 기준치 이상이면 상기 제2 조치 대상을 상기 점검 대상으로 분류하는, 고장 진단 예측 장치.
  8. 제1항에 있어서,
    해당 구동기의 수리 이력 및 상기 스마트팜 내의 작물의 종류 중 적어도 하나에 기초하여 상기 제1 진동 임계값을 업데이트하는 업데이트부를 더 포함하는, 고장 진단 예측 장치.
  9. 제7항에 있어서,
    상기 구동기의 수리 이력 및 상기 스마트팜 내의 온도, 및 습도 정보 중 적어도 하나에 기초하여 상기 제1 기준치를 업데이트하는, 고장 진단 예측 장치.
  10. 고장 진단 예측 장치의 동작 방법에 있어서,
    스마트팜 내의 적어도 하나의 구동기로부터 상태 정보를 수집하는 단계;
    상기 상태 정보 내의 진동 위상 편차가 제1 위상 편차 범위 내에 해당하는지 여부 및 상기 상태 정보 내의 소리 위상 편차가 제2 위상 편차 범위 내에 해당하는지 여부를 판단하여 판단 결과를 생성하는 단계; 및
    상기 판단 결과에 기초하여 상기 적어도 하나의 구동기에 대해 고장 예측을 수행하는 단계를 포함하고,
    상기 판단 결과를 생성하는 단계는,
    상기 진동 위상 편차가 제1 진동 임계값 미만이면 상기 제1 위상 편차 범위 내에 해당된다고 판단하는 단계; 및
    상기 소리 위상 편차가 제1 소리 임계값 미만이면 상기 제2 위상 편차 범위 내에 해당된다고 판단하는 단계를 포함하는, 고장 진단 예측 장치의 동작 방법.
  11. 삭제
  12. 삭제
  13. 제10항에 있어서,
    고장 예측을 수행하는 단계는, 수리 예비 대상인 해당 구동기를 제1 및 제2 등급에 기초하여 제1 조치 대상 및 제2 조치 대상 중 적어도 하나로 분류하는 단계를 포함하며,
    상기 제1 및 제2 등급은 상기 적어도 하나의 구동기가 구동하는 상기 스마트팜의 시설 종류에 따라 결정되는, 고장 진단 예측 장치의 동작 방법.
  14. 제13항에 있어서,
    상기 제1 조치 대상 및 제2 조치 대상 중 적어도 하나로 분류하는 단계는 상기 해당 구동기가 제1 등급이거나, 상기 소리 위상 편차가 제1 소리 임계값보다 큰 제2 소리 임계값인 경우 상기 해당 구동기를 제1 조치 대상으로 분류하고,
    상기 제1 조치 대상은 즉시 교체 대상이며,
    상기 해당 구동기가 상기 스마트팜의 천창을 구동하면 상기 제1 등급으로 분류되는, 고장 진단 예측 장치의 동작 방법.
  15. 고장 진단 예측 장치; 및
    구동기의 상태 정보를 센싱하는 적어도 하나의 센서를 포함하고,
    상기 고장 진단 예측 장치는,
    상기 적어도 하나의 센서에 기초하여 스마트팜 내의 적어도 하나의 구동기 상태 정보를 수집하는 수집부;
    상기 상태 정보 내의 진동 위상 편차가 제1 위상 편차 범위 내에 해당하는지 여부 및 상기 상태 정보 내의 소리 위상 편차가 제2 위상 편차 범위 내에 해당하는지 여부를 판단하여 판단 결과를 생성하는 판단부; 및
    상기 판단 결과에 기초하여 상기 적어도 하나의 구동기에 대해 고장 예측을 수행하는 고장 예측 결정부를 포함하고,
    상기 판단부는 상기 진동 위상 편차가 제1 진동 임계값 미만이면 상기 제1 위상 편차 범위 내에 해당된다고 판단하고,
    상기 판단부는 상기 소리 위상 편차가 제1 소리 임계값 미만이면 상기 제2 위상 편차 범위 내에 해당된다고 판단하는, 고장 진단 예측 시스템.
  16. 프로세서와 결합되어, 제10항, 제13항 또는 제14항 중 어느 하나의 항의 방법을 수행하도록 매체에 저장된 컴퓨터 프로그램.
KR1020200173320A 2020-12-11 2020-12-11 스마트팜의 구동기 고장 진단 예측 장치 및 그 방법 KR102425308B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200173320A KR102425308B1 (ko) 2020-12-11 2020-12-11 스마트팜의 구동기 고장 진단 예측 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200173320A KR102425308B1 (ko) 2020-12-11 2020-12-11 스마트팜의 구동기 고장 진단 예측 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20220083257A KR20220083257A (ko) 2022-06-20
KR102425308B1 true KR102425308B1 (ko) 2022-07-29

Family

ID=82257780

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200173320A KR102425308B1 (ko) 2020-12-11 2020-12-11 스마트팜의 구동기 고장 진단 예측 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102425308B1 (ko)

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102103144B1 (ko) * 2018-03-14 2020-04-22 (주)아이티공간 구동부의 정밀 예지 보전방법

Also Published As

Publication number Publication date
KR20220083257A (ko) 2022-06-20

Similar Documents

Publication Publication Date Title
US9483049B2 (en) Anomaly detection and diagnosis/prognosis method, anomaly detection and diagnosis/prognosis system, and anomaly detection and diagnosis/prognosis program
CN114576152B (zh) 水泵状态监测系统、监测方法、装置、电子设备和介质
US8676387B2 (en) Methods and systems for determining operating states of pumps
JP2009098147A (ja) Ｄｃモータシステムの信頼性を判定する方法及びシステム
US20110060569A1 (en) Real-Time, Model-Based Autonomous Reasoner and Method of Using the Same
CN112285561A (zh) 电机故障监测装置、驱动电机系统和电机故障监测方法
CN107783495B (zh) 单元控制系统
CN116755964A (zh) 一种加固服务器的故障预测与健康管理系统
KR102425308B1 (ko) 스마트팜의 구동기 고장 진단 예측 장치 및 그 방법
CN107943654A (zh) 一种快速判定服务器环境温度监控异常原因的方法
CN113285654B (zh) 基于流体压力执行机构中的油田石化伺服马达系统
JP6574533B2 (ja) リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム
CN117114454B (zh) 一种基于Apriori算法的直流套管状态评估方法及系统
CN114139274A (zh) 一种健康管理系统
CN113723827A (zh) 地铁机电设备运行风险诊断及运维管控方法与系统
KR102561675B1 (ko) 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템
CN117331790A (zh) 一种用于数据中心的机房故障检测方法及装置
CN1669198A (zh) 用于监控技术设备、特别是实施诊断的方法和装置
US11339763B2 (en) Method for windmill farm monitoring
KR102411915B1 (ko) 시설 및 장비 실시간 모니터링 및 이상 징후 ai 진단 서비스 제공 시스템 및 방법
CN115943353A (zh) 用于确定机器的运行异常的原因的系统和方法以及计算机程序和电子可读的数据载体
KR20200121082A (ko) 장비 자산 관리를 위한 정비 예측 시뮬레이션 시스템 및 그 방법
TWI838134B (zh) 裝置診斷系統、裝置診斷裝置、半導體裝置製造系統及裝置診斷方法
JPWO2019049522A1 (ja) リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム
CN108808672A (zh) 一种基于保信系统的保护装置可靠性在线预测方法及系统

Legal Events

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