KR102506255B1 - SYSTEM AND METHOD FOR MANUFACTURING Customer-Customized MACHINE EQUIPMENT BASED ON BIG DATA - Google Patents

SYSTEM AND METHOD FOR MANUFACTURING Customer-Customized MACHINE EQUIPMENT BASED ON BIG DATA Download PDF

Info

Publication number
KR102506255B1
KR102506255B1 KR1020220014399A KR20220014399A KR102506255B1 KR 102506255 B1 KR102506255 B1 KR 102506255B1 KR 1020220014399 A KR1020220014399 A KR 1020220014399A KR 20220014399 A KR20220014399 A KR 20220014399A KR 102506255 B1 KR102506255 B1 KR 102506255B1
Authority
KR
South Korea
Prior art keywords
design
information
customer
machine facility
machine
Prior art date
Application number
KR1020220014399A
Other languages
Korean (ko)
Inventor
박태성
Original Assignee
주식회사 태화팩
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 주식회사 태화팩 filed Critical 주식회사 태화팩
Priority to KR1020220014399A priority Critical patent/KR102506255B1/en
Application granted granted Critical
Publication of KR102506255B1 publication Critical patent/KR102506255B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/16—Customisation or personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/20—Configuration CAD, e.g. designing by assembling or positioning modules selected from libraries of predesigned modules
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

A system and method for manufacturing customized mechanical equipment based on big data are disclosed. A design server for manufacturing customized mechanical equipment based on big data included in the system includes: a customer management unit which communicates with a customer terminal and receives customer information and a design request message; a database which stores the customer information and machine equipment information; and a processing unit which generates optimal design information indicating a specification of at least one machine equipment corresponding to the design request message based on the customer information and the machine equipment information.

Description

빅데이터 기반 고객 맞춤형 기계설비 제작 시스템 및 방법{SYSTEM AND METHOD FOR MANUFACTURING Customer-Customized MACHINE EQUIPMENT BASED ON BIG DATA}System and method for manufacturing customized machine equipment based on big data {SYSTEM AND METHOD FOR MANUFACTURING Customer-Customized MACHINE EQUIPMENT BASED ON BIG DATA}

본 발명은 빅데이터 기반 고객 맞춤형 기계설비 제작 시스템 및 방법에 관한 것으로, 더욱 상세하게는 기계설비의 설계 시간을 대폭 단축시킬 수 있는 기계설비 제작 시스템 및 방법에 관한 것이다.The present invention relates to a big data-based customer-customized mechanical facility manufacturing system and method, and more particularly, to a mechanical facility manufacturing system and method capable of significantly reducing the design time of mechanical facilities.

기계 설비란, 원부자재가 생산현장에 투입되어 공장에서 완제품을 생산, 출하하여 최종 소비자에게 공급하는 수송, 하역, 포장 및 보관 등의 전 과정을 이르는 물를 수행하는 기계를 의미한다. 기계 설비로는 컨테이너, 트럭 등의 운송수단에 지게차와 같은 기계 설비의 접근을 용이하게 하기 위한 도크(Dock), 화물을 연속적으로 운반하는 컨베이어(Conveyor), 각 구역에 이송되는 제품을 하나의 라인으로 합병하고 인식기를 통하여 제품에 대한 정보를 확인한 후 세부적으로 분류하는 자동 분류기 및 박스, 포대 등을 파렛트에 적재하는 로봇인 파렛타이저 등이 있으며, 각각의 기계 설비들은 고객의 요구, 사용 용도 및 판매 물품 등의 다양한 조건에 따라 다양한 종류 및 수치가 결정되어 제작될 수 있다.Mechanical equipment refers to a machine that carries out the entire process of transportation, loading, unloading, packaging, and storage, in which raw and subsidiary materials are put into production sites to produce and ship finished products from factories and supply them to end consumers. The mechanical facilities include a dock to facilitate access of mechanical facilities such as forklifts to transportation means such as containers and trucks, a conveyor that continuously transports cargo, and a line for products transported to each zone. There is an automatic sorter that sorts products in detail after checking product information through a recognizer, and a palletizer, a robot that loads boxes and sacks onto pallets. Various types and values may be determined and manufactured according to various conditions such as items for sale.

한편, 종래에는 기계설비 또는 제어시스템을 개발하거나 개조하기 위해 다음의 과정을 거친다. 기계설비를 설계하고, 운전 방안을 작성한 후 제어시스템을 설계하며, 실 기계설비를 설치하고 실 제어시스템과 케이블 결선을 한 후 제어시스템과 설비의 동작을 테스트한다. 이러한 일련의 과정에 의해 기계설비 및 제어시스템의 검증은 설비가 설치된 후 이루어지므로, 설비개발 착수에서 시운전까지 많은 시간 및 비용이 소요된다.On the other hand, conventionally, the following process is performed to develop or remodel mechanical equipment or control systems. After designing mechanical facilities, drawing up an operation plan, designing a control system, installing actual mechanical facilities, connecting cables to the actual control system, and testing the operation of the control system and facilities. Verification of mechanical facilities and control systems through this series of processes is performed after the facilities are installed, so it takes a lot of time and money from facility development start to test operation.

한편, 고객이 필요한 설비를 직접 설계하는 것은 매우 어렵다. 고객의 자금사정, 설비 요구사항, 취향, 설치환경 등이 모두 다르기 때문이다. 이 때문에, 고객 개인의 상황이나 설비 관련 상황을 개별적으로 반영하여 최적화된 개인별 설비를 제작할 필요가 있다.On the other hand, it is very difficult for customers to directly design the equipment they need. This is because customers' financial circumstances, equipment requirements, tastes, and installation environments are all different. For this reason, there is a need to manufacture facilities for each individual that are optimized by individually reflecting the situation of the individual customer or facility-related situation.

본 발명이 해결하고자 하는 과제는, 빅 데이터를 기반으로 고객이 원하는 기계 설비를 맞추는 방법을 제공하고자 하는 것이다. The problem to be solved by the present invention is to provide a method for matching the machine equipment desired by the customer based on big data.

또한, 사용자의 고객 정보를 기계학습하여 고객의 패턴에 따른 빅데이터 기반 고객 맞춤형 설계 정보를 제공하고자 하는 것이다.In addition, it is intended to provide customer-customized design information based on big data according to customer patterns by machine learning of user customer information.

상기 과제를 해결하기 위한 본 발명의 일 측면은, 빅데이터 기반 고객 맞춤형 기계설비 제작을 위한 설계 서버를 제공한다.One aspect of the present invention for solving the above problems provides a design server for manufacturing customized machine equipment based on big data.

상기 빅데이터 기반 고객 맞춤형 기계설비 제작을 위한 설계 서버는, 고객 단말과 통신하여 고객 정보와 설계 요청 메시지를 수신하는 고객 관리부; 상기 고객 정보 및 기계설비 정보를 저장하는 데이터베이스; 및 상기 고객 정보 및 상기 기계설비 정보를 기반으로 상기 설계 요청 메시지에 대응하는 적어도 하나의 기계 설비에 대한 명세(specification)을 지시하는 최적 설계 정보를 생성하는 처리부를 포함한다.The big data-based design server for manufacturing customized mechanical equipment includes a customer management unit that communicates with a customer terminal and receives customer information and a design request message; a database for storing the customer information and machine facility information; and a processing unit generating optimal design information indicating a specification of at least one machine facility corresponding to the design request message based on the customer information and the machine facility information.

상기 설계 요청 메시지는, 기계 설비를 통해 생산, 제조 또는 제어하고자 하는 대상 물품의 종류, 규격, 용도, 제작기간 중 적어도 하나를 포함한다.The design request message includes at least one of the type, standard, use, and manufacturing period of a target product to be produced, manufactured, or controlled through mechanical facilities.

상기 처리부는, 상기 고객 정보를 가진 고객에 대응하는 설계 패턴을 생성하고, 생성된 설계 패턴과 상기 설계 요청 메시지를 기반으로 상기 최적 설계 정보를 상기 고객 단말에 제공한다.The processing unit generates a design pattern corresponding to the customer having the customer information, and provides the optimal design information to the customer terminal based on the generated design pattern and the design request message.

상기 처리부는, 상기 고객 정보를 가진 고객에 대응하는 설계 패턴을 생성하는 패턴 생성부; 상기 설계 패턴과 상기 설계 요청 메시지를 기반으로, 상기 데이터베이스에 저장된 기계설비 정보들 중에서 적어도 일부의 기계설비 정보들을 획득하는 기계설비 정보 획득부; 획득된 상기 기계설비 정보들 각각에 대응하는 가상의 3차원 기계설비를 모델링하고, 모델링된 3차원 기계설비에 따른 3차원 모델링 데이터를 생성하는 기계설비 모델링부; 상기 3차원 모델링 데이터를 이용하여 3차원 공간 상에 3차원 기계설비들을 배치하기 위한 사용자 인터페이스를 상기 고객 단말에 제공하는 기계설비 시뮬레이션부; 및 상기 사용자 인터페이스에 따른 상기 고객 단말의 조작 결과를 기반으로 피드백 정보를 획득하고, 획득된 상기 피드백 정보를 기반으로 상기 최적 설계 정보를 생성하는 최적 설계 정보 생성부를 포함한다.The processing unit may include: a pattern generating unit for generating a design pattern corresponding to a customer having the customer information; a machine facility information acquisition unit acquiring at least some pieces of machine facility information among machine facility information stored in the database based on the design pattern and the design request message; a hardware modeling unit that models a virtual 3D machine facility corresponding to each of the acquired machine facility information and generates 3D modeling data according to the modeled 3D machine facility; a machine facility simulation unit providing a user interface for arranging 3D machine tools in a 3D space using the 3D modeling data to the customer terminal; and an optimal design information generating unit that obtains feedback information based on a result of manipulation of the customer terminal according to the user interface and generates the optimal design information based on the obtained feedback information.

데이터베이스에는, 상기 기계설비 정보들 및 상기 기계설비 정보들 각각에 대응하는 설계패턴 보정 데이터를 저장된다.In the database, the machine facility information and design pattern correction data corresponding to each of the machine facility information are stored.

기계설비 정보들 각각은, 다양한 형태의 기계설비에 대응하는 3차원 캐드 도면 파일, 용도나 대상 물품, 기계설비들 각각을 구성하는 구성요소들 각각에 대한 재질, 규격, 및 단가를 포함한다.Each piece of hardware information includes a 3D CAD drawing file corresponding to various types of mechanical facilities, uses or target articles, and materials, specifications, and unit prices for each of the components constituting each of the mechanical facilities.

설계패턴 보정 데이터는, 상기 설계패턴에 따라 변경될 수 있는 상기 구성요소들의 종류 및 구성요소들마다 변경 가능한 재질, 규격, 및 단가를 포함한다.The design pattern correction data includes the types of the components that can be changed according to the design pattern, and the materials that can be changed for each component, standards, and unit prices.

상기 패턴 생성부는, 스태킹 앙상블 모델(Stacking Ensemble Model)을 응용하여 상기 고객 정보의 고객에 대응하는 설계 패턴을 생성한다.The pattern generator generates a design pattern corresponding to a customer of the customer information by applying a stacking ensemble model.

상기 설계패턴은, 재질 보정값, 규격 보정값, 및 단가 보정값으로 구성된다.The design pattern is composed of a material correction value, a standard correction value, and a unit price correction value.

상기 기계설비 정보 획득부는, 상기 설계 패턴에 따른 재질 보정값, 규격 보정값, 및 단가 보정값에 각각 대응하는 재질의 종류, 규격의 종류, 및 기계설비의 종류를 결정하고, 결정된 재질의 종류, 규격의 종류, 및 기계설비의 종류에 상응하는 기계설비 정보들을 획득한다.The mechanical facility information acquisition unit determines the type of material, standard type, and mechanical facility type corresponding to the material correction value, standard correction value, and unit price correction value according to the design pattern, the determined type of material, The type of standard and the machine information corresponding to the type of machine are acquired.

본 발명의 실시예에 따르면, 맞춤형 설계까지의 시간과 비용을 단축할 수 있다.According to an embodiment of the present invention, it is possible to reduce the time and cost of custom design.

또한, 사용자의 개인적 사정과 설비 자체의 환경을 종합적으로 고려하여 맞춤형 설계를 통해 개인에게 가장 최적의 기계설비를 제공할 수 있다.In addition, it is possible to provide the most optimal mechanical facilities to individuals through a customized design by comprehensively considering the personal circumstances of the user and the environment of the facility itself.

실시예들에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.Effects according to the embodiments are not limited by the contents exemplified above, and more various effects are included in this specification.

도 1은 본 발명의 일 실시예에 따른 고객 맞춤형 설계제작 시스템의 전체 구성을 개략적으로 나타낸 블록도이다.
도 2는 도 1에 따른 설계 서버의 기능적 블록을 나타낸 도면이다.
도 3은 도 2에 따른 고객 관리부 및 기계설비 정보 획득부의 동작을 설명하기 위한 도면이다.
도 4는 도 2에 다른 데이터베이스에 저장되는 데이터를 예시적으로 나타낸 도면이다.
도 5는 일 실시예에 따른 패턴 생성부의 동작을 구체적으로 설명하기 위한 개념도이다.
도 6은 일 실시예에 따른 설계 서버의 하드웨어 구성을 예시적으로 나타낸 도면이다.1 is a block diagram schematically showing the overall configuration of a customer-customized design and manufacturing system according to an embodiment of the present invention.
Figure 2 is a diagram showing functional blocks of the design server according to Figure 1;
FIG. 3 is a diagram for explaining operations of a customer management unit and a machine equipment information acquisition unit according to FIG. 2 .
4 is a diagram showing data stored in another database in FIG. 2 by way of example.
5 is a conceptual diagram for explaining in detail an operation of a pattern generating unit according to an exemplary embodiment.
6 is a diagram showing a hardware configuration of a design server according to an exemplary embodiment.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. Advantages and features of the present invention, and methods of achieving them, will become clear with reference to the detailed description of the following embodiments taken in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but will be implemented in various different forms, only these embodiments make the disclosure of the present invention complete, and common knowledge in the art to which the present invention belongs. It is provided to fully inform the holder of the scope of the invention, and the present invention is only defined by the scope of the claims.

비록 제1, 제2 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.Although first, second, etc. are used to describe various components, these components are not limited by these terms, of course. These terms are only used to distinguish one component from another. Accordingly, it goes without saying that the first element mentioned below may also be the second element within the technical spirit of the present invention. Singular expressions include plural expressions unless the context clearly dictates otherwise.

이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다. 도면상의 동일한 구성 요소에 대해서는 동일하거나 유사한 참조 부호를 사용한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. The same or similar reference numerals are used for like elements in the drawings.

도 1은 본 발명의 일 실시예에 따른 고객 맞춤형 설계제작 시스템의 전체 구성을 개략적으로 나타낸 블록도이다.1 is a block diagram schematically showing the overall configuration of a customer-customized design and manufacturing system according to an embodiment of the present invention.

도 1은 본 발명의 일 실시예에 따른 고객 맞춤형 설계제작 시스템의 전체 구성을 개략적으로 나타낸 블록도이다.1 is a block diagram schematically showing the overall configuration of a customer-customized design and manufacturing system according to an embodiment of the present invention.

고객 맞춤형 설계제작 시스템(이하, '시스템')은 설계 서버(100) 및 하나 이상의 고객 단말(20)을 포함한다. 이때, 설계 서버(100)와 하나 이상의 고객 단말(20)은 통신 네트워크(50)를 통해 서로간 유선 또는 무선으로 연결되어 통신을 수행할 수 있다.A customer-customized design and manufacturing system (hereinafter referred to as 'system') includes a design server 100 and one or more customer terminals 20. At this time, the design server 100 and one or more customer terminals 20 may be wired or wirelessly connected to each other through the communication network 50 to perform communication.

고객 단말(20)은 고객의 디스플레이 가능한 전자 장치로서, 예컨대 개인용 컴퓨터, 스마트폰, 테블릿 컴퓨터, PDA 등일 수 있으나, 이에 한정되지 않는다. 여기서, 고객은 설계제작의 수요자로서, 개인 또는 단체일 수 있다. 실시예로서, 고객은 고객 단말(20)에 설치된 어플리케이션의 실행 또는 고객 단말(20)을 이용한 인터넷 웹 사이트의 접속을 통해 설계 서버(100)에 접속할 수 있다. The customer terminal 20 is a displayable electronic device of the customer, and may be, for example, a personal computer, smart phone, tablet computer, PDA, etc., but is not limited thereto. Here, the customer is a consumer of design and production, and may be an individual or a group. As an example, the customer may access the design server 100 through execution of an application installed in the customer terminal 20 or access to an Internet web site using the customer terminal 20 .

또한, 고객은 고객 단말(20)을 통해 설계 서버(100)로 타겟 물품 정보 및 고객의 항목 별 최적화 정보를 송신할 수 있고, 설계 서버(100)로부터 설계 결과를 수신하여 표시할 수 있다.In addition, the customer may transmit target product information and optimization information for each item of the customer to the design server 100 through the customer terminal 20, and may receive and display a design result from the design server 100.

설계 서버(100)는 설계자가 운영하는 서버를 의미한다. 여기서, 설계자는 고객의 니즈(needs)에 맞추어 설계 서비스를 제공해주는 자로서, 개인 또는 단체일 수 있다. 일 실시예로, 설계 서버(100)는 고객 단말(20)로부터 수신된 요청에 기초하여 분석을 수행하고 고객에 개인화된 기계설비의 설계 안을 고객 단말(20)에 제공할 수 있다. 또한, 설계 서버(100)는 빅데이터와 기계학습 기반으로 고객에 따라 최적화된 기계설비의 설계 정보를 제공함으로써, 고객 최적의 설계 정보를 제공할 수 있다.The design server 100 means a server operated by a designer. Here, the designer is a person who provides design services according to the customer's needs, and may be an individual or a group. In one embodiment, the design server 100 may perform an analysis based on a request received from the customer terminal 20 and provide the customer terminal 20 with a design plan of a machine facility personalized to the customer. In addition, the design server 100 may provide customer-optimized design information by providing design information of machine facilities optimized according to the customer based on big data and machine learning.

설계 서버(100)는, 가상의 기계 설비(30)를 3차원 공간 상에서 구현하고, 구현된 가상의 기계 설비(30)에 대한 시뮬레이션을 위한 사용자 인터페이스를 고객 단말(20)에 제공할 수 있다.The design server 100 may implement the virtual machine facility 30 in a 3D space and provide a user interface for simulation of the implemented virtual machine facility 30 to the customer terminal 20 .

고객 단말(20)을 이용하는 고객은 설계 서버(100)에서 제공하는 사용자 인터페이스를 이용하여 원하는 물품을 생산하거나 제조 또는 제어하기 위한 각종 기계 설비(30)들을 3차원 공간 상에 배치하고 서로 연결할 수 있다.A customer using the customer terminal 20 can arrange and connect various mechanical facilities 30 in a 3D space for producing, manufacturing, or controlling a desired product by using a user interface provided by the design server 100. .

가상의 기계 설비(30)는 기계설비의 설계 정보를 기반으로 설계 서버(100)에 의해 구현된 가상의 3차원 공간에서 동작하는 기계 설비로서, 특정 물품이나 제품을 생산 또는 제조하는 기계 설비 및 그러한 기계 설비를 제어하는 제어 설비에 대한 3차원 모델링 데이터 또는 3차원 모델링 데이터에 대한 제어 정보를 포함할 수 있다.The virtual machine facility 30 is a machine facility operating in a virtual three-dimensional space implemented by the design server 100 based on the design information of the machine facility, and a machine facility that produces or manufactures a specific article or product and such It may include 3D modeling data for a control facility that controls a machine facility or control information for the 3D modeling data.

3차원 공간에서 동작하는 기계 설비(30)는 설계 서버(100)의 명령어에 의해 제어될 수 있으며, 고객이 고객 단말(20)을 통해 설계 서버(100)에 접속하고, 고객 단말(20)에서 설계 서버(100)로 제어 명령을 전달하면, 전달되는 제어 명령에 의해 설계 서버(100)가 기계 설비(30)를 제어하도록 구성될 수 있다. The mechanical equipment 30 operating in the 3D space can be controlled by commands of the design server 100, and the customer accesses the design server 100 through the customer terminal 20, and the customer terminal 20 When a control command is transmitted to the design server 100, the design server 100 may be configured to control the machine facility 30 by the transmitted control command.

이때, 사용자 인터페이스는, 3차원 공간 상에 배치된 가상의 기계 설비(30)들 각각의 구성요소들에 대한 재질, 규격 등을 조절하기 위한 인터페이스를 포함하며, 이러한 사용자 인터페이스를 이용하여 고객 단말(20)의 고객은, 3차원 공간 상에 구현된 기계 설비들 각각의 구성요소들을 실시간으로 변경할 수 있다.At this time, the user interface includes an interface for adjusting the material, standard, etc. of each component of the virtual machine facilities 30 arranged on the three-dimensional space, and using this user interface, the customer terminal ( 20) The customer can change in real time the components of each of the mechanical facilities implemented on the 3D space.

여기서, 변경되는 구성요소들 각각의 재질, 규격 등은 피드백 정보로서 설계 서버(100)에 저장되며, 설계 서버(100)를 피드백 정보를 기반으로 3차원 공간 상에 구현된 기계 설비들 각각에 대응하는 실제 기계 설비에 대한 명세(specification)를 나타내는 최적 설계 정보를 생성하고, 생성된 최적 설계 정보를 고객 단말(20)에 제공할 수 있다.Here, the material, standard, etc. of each of the changed components is stored in the design server 100 as feedback information, and the design server 100 corresponds to each of the mechanical facilities implemented in the 3D space based on the feedback information. It is possible to generate optimal design information indicating a specification of an actual machine facility to be used, and provide the generated optimal design information to the customer terminal 20 .

구체적으로, 명세는 적어도 하나의 실제 기계 설비(예를 들어, 컨베이어, 리프트, 도크, 파렛타이저 등)를 구성하는 구성요소들(벨트, 체인, 체결구 등) 각각의 재질, 규격, 단가 등을 지시할 수 있다.Specifically, the specification is the material, standard, unit price, etc. of each of the components (belt, chain, fastener, etc.) constituting at least one actual machine facility (eg, conveyor, lift, dock, palletizer, etc.) can instruct.

도 2는 도 1에 따른 설계 서버의 기능적 블록을 나타낸 도면이다. 도 3은 도 2에 따른 고객 관리부 및 기계설비 정보 획득부의 동작을 설명하기 위한 도면이다. 도 4는 도 2에 다른 데이터베이스에 저장되는 데이터를 예시적으로 나타낸 도면이다. Figure 2 is a diagram showing functional blocks of the design server according to Figure 1; FIG. 3 is a diagram for explaining operations of a customer management unit and a machine equipment information acquisition unit according to FIG. 2 . 4 is a diagram showing data stored in another database in FIG. 2 by way of example.

도 2를 참조하면, 설계 서버(100)는, 고객 단말(20)과 통신하여 고객 정보와 설계 요청 메시지를 수신하는 고객 관리부(101), 고객 정보 및 외부 서버로부터 수집된 기계설비 정보를 저장하는 데이터베이스(103), 및 데이터베이스(103)에 저장된 고객 정보 및 기계설비 정보를 기반으로 설계 요청 메시지에 대응하는 적어도 하나의 기계 설비에 대한 최적의 명세(specification)를 지시하는 최적 설계 정보를 생성하는 처리부(104)를 포함할 수 있다.Referring to FIG. 2 , the design server 100 communicates with the customer terminal 20 and stores the customer management unit 101 receiving customer information and design request messages and customer information and hardware information collected from external servers. A database 103, and a processing unit for generating optimal design information indicating an optimal specification for at least one machine facility corresponding to the design request message based on customer information and machine facility information stored in the database 103. (104).

고객 정보는, 고객이 현재 영위하는 업종, 취급 제품 종류, 업체 규모(매출액이나 영업이익, 고용인원 등), 및 기계 설비 구매 이력 중 적어도 하나를 포함할 수 있다.The customer information may include at least one of the type of business the customer currently operates, the type of products handled, the size of the company (sales or operating profit, number of employees, etc.), and purchase history of machinery and equipment.

설계 요청 메시지는, 기계 설비를 통해 생산, 제조 또는 제어하고자 하는 대상 물품의 종류, 규격, 용도, 제작 기간 등을 포함할 수 있다.The design request message may include the type, standard, use, production period, and the like of a target product to be produced, manufactured, or controlled through mechanical facilities.

기계설비 정보는 다양한 기계설비 정보를 제공하는 외부 서버를 크롤링(crawing)하는 방식으로 수집되거나 관리자로부터 직접 설계 서버(100)에 입력되는 방식으로 수집되어 데이터베이스(103)에 저장될 수 있다.Machine facility information may be collected by crawling an external server providing various machine facility information or directly input from a manager into the design server 100 and stored in the database 103 .

도 3을 참조하면, 고객 관리부(101)는, 설계 요청 메시지를 수신하기 위한 검색 인터페이스를 고객 단말(20)에 제공할 수 있다. 예를 들어, 검색 인터페이스를 통해 설계 요청 메시지에 대응하는 대상 물품(대상 물품은 기계 설비에 의해 생산 또는 제조될 대상물에 해당할 수 있음)의 종류나 명칭 등을 입력받을 수 있으며, 그 외에도 기계 설비에 대응하는 규격, 용도, 제작 기간 등을 입력받을 수도 있다.Referring to FIG. 3 , the customer manager 101 may provide the customer terminal 20 with a search interface for receiving a design request message. For example, the type or name of a target item (the target item may correspond to an object to be produced or manufactured by mechanical facilities) corresponding to the design request message may be input through the search interface, and other mechanical facilities may be inputted through the search interface. It is also possible to receive input of standards, uses, production periods, etc. corresponding to the .

데이터베이스(103)는 하나 이상의 데이터를 저장하도록 구성될 수 있다. 예를 들면, 데이터베이스(103)는 고객 정보와 기계설비 정보를 지속적으로 또는 주기적으로 수집하여 저장할 수 있다. 이때, 데이터베이스(103)는, 클라우드 기반으로 고객 정보와 기계설비 정보에 대한 열람을 허용할 수 있도록 구현되거나, 분산 컴퓨팅 디바이스들을 이용하여 고객 정보와 기계설비 정보를 분산하여 저장할 수도 있다.Database 103 may be configured to store one or more data. For example, the database 103 may continuously or periodically collect and store customer information and machine information. In this case, the database 103 may be implemented to allow access to customer information and machine information on a cloud basis, or may be distributed and stored using distributed computing devices.

구체적으로, 데이터베이스(103)는, 계층형 데이터베이스 관리시스템(HDBMS), 네트워크형 데이터베이스 관리시스템(NDBMS), 관계형 데이터베이스 관리시스템(RDBMS), 및 객체지향형 데이터베이스 관리시스템(OODBMS), 객체관계형 데이터베이스 관리시스템(ORDBMS) 중 하나의 형태로 구현될 수 있다.Specifically, the database 103 includes a hierarchical database management system (HDBMS), a network database management system (NDBMS), a relational database management system (RDBMS), and an object-oriented database management system (OODBMS), an object-relational database management system. (ORDBMS) can be implemented in one form.

도 4를 참조하면, 데이터베이스(103)에는, 기계설비 정보들 및 기계설비 정보들 각각에 대응하는 설계패턴 보정 데이터를 저장할 수 있다.Referring to FIG. 4 , the database 103 may store machine facility information and design pattern correction data corresponding to each of the machine facility information.

예를 들어, 기계설비 정보들 각각은, 다양한 형태의 기계설비에 대응하는 3차원 캐드 도면 파일, 용도나 대상 물품, 기계설비들 각각을 구성하는 구성요소들 각각에 대한 재질, 규격, 단가 등을 포함할 수 있다. 예를 들어, 컨베이어의 구성요소들로서 컨베이어를 제작하는 데 필요한 모터, 벨트 등이 있을 수 있다.For example, each of the machine facility information includes a 3D CAD drawing file corresponding to various types of machine facilities, a purpose or target product, and a material, standard, unit price, etc. for each of the components constituting each of the machine facilities. can include For example, as components of the conveyor, there may be a motor, a belt, and the like required to manufacture the conveyor.

설계패턴 보정 데이터는, 패턴 생성부(104a)에 의해 생성된 설계패턴에 따라 변경될 수 있는 상기 구성요소들의 종류 및 구성요소 별로 변경 가능한 재질, 규격, 및 단가를 지시할 수 있다. The design pattern correction data may indicate the type of the components that can be changed according to the design pattern generated by the pattern generation unit 104a and the material, standard, and unit price that can be changed for each component.

예를 들어, 설계패턴은, 재질 보정값, 규격 보정값, 및 단가 보정값으로 구성될 수 있으며, 설계패턴 보정 데이터는, 재질 보정값의 크기에 따라 대응되는 재질의 종류를 지시하고, 규격 보정값의 크기에 따라 대응되는 규격의 종류를 지시하고, 단가 보정값의 크기에 따라 대응하는 구성요소의 종류를 지시할 수 있다. 즉, 설계패턴으로서 재질 보정값, 규격 보정값, 및 단가 보정값만 결정되면, 설계패턴 보정 데이터를 참조하여, 해당 기계설비를 구성하는 구성요소들 각각의 재질, 규격, 단가를 개별적으로 결정할 수 있도록 데이터베이스(103)에 구현된다.For example, the design pattern may be composed of a material correction value, a standard correction value, and a unit price correction value, and the design pattern correction data indicates the type of material corresponding to the size of the material correction value, and the standard correction Depending on the size of the value, the type of the corresponding standard may be indicated, and the type of the corresponding component may be indicated according to the size of the unit price correction value. That is, if only the material correction value, standard correction value, and unit price correction value are determined as the design pattern, the material, standard, and unit price of each component constituting the machine equipment can be individually determined by referring to the design pattern correction data. It is implemented in the database 103 so that

처리부(104)는 데이터베이스(103)에 저장된 고객 정보 및 기계설비 정보를 참조하여 최적 설계 정보를 생성한다.The processing unit 104 refers to customer information and machine equipment information stored in the database 103 to generate optimal design information.

처리부(104)는, 적어도 하나의 프로세서(processor)에 의해 수행되는 적어도 하나의 기능을 구현하기 위한 명령어들을 나타내는 기능부들을 포함할 수 있다.The processing unit 104 may include functional units representing instructions for implementing at least one function performed by at least one processor.

구체적으로, 처리부(104)는, 고객 정보를 기반으로 해당 고객 정보를 가진 고객에 대응하는 설계 패턴을 생성하는 패턴 생성부(104a), 패턴 생성부(104a)에 의해 생성된 설계 패턴과 설계 요청 메시지를 기반으로 데이터베이스(103)에 저장된 기계설비 정보들 중 적어도 일부의 기계설비 정보들을 획득하는 기계설비 정보 획득부(104b), 획득된 기계설비 정보들 각각에 대응하는 가상의 3차원 기계설비를 모델링하고, 모델링된 3차원 기계설비에 따른 3차원 모델링 데이터를 생성하는 기계설비 모델링부(104c), 3차원 모델링 데이터를 이용하여 3차원 공간 상에 3차원 기계설비들을 배치하기 위한 사용자인터페이스를 고객 단말(20)에 제공하는 기계설비 시뮬레이션부(104d), 및 사용자인터페이스에 따른 고객 단말(20)의 조작 결과를 기반으로 피드백 정보를 획득하고, 획득된 피드백 정보를 기반으로 최적 설계 정보를 생성하는 최적 설계 정보 생성부(104e)를 포함할 수 있다.Specifically, the processing unit 104 includes a pattern generator 104a that generates a design pattern corresponding to a customer having corresponding customer information based on customer information, a design pattern generated by the pattern generator 104a, and a design request. A hardware information acquisition unit 104b for acquiring at least some of the hardware information stored in the database 103 based on the message, and a virtual 3D machine corresponding to each of the acquired hardware information. A machine facility modeling unit (104c) that models and generates 3D modeling data according to the modeled 3D machine facility, and provides a user interface for arranging 3D machine facilities on a 3D space using the 3D modeling data. Obtaining feedback information based on the operation result of the customer terminal 20 according to the machine facility simulation unit 104d and the user interface provided to the terminal 20, and generating optimal design information based on the obtained feedback information An optimal design information generating unit 104e may be included.

패턴 생성부(104a)는, 스태킹 앙상블 모델(Stacking Ensemble Model)을 응용하여 고객 정보의 고객에 대응하는 설계 패턴을 생성할 수 있다.The pattern generation unit 104a may generate a design pattern corresponding to a customer of customer information by applying a stacking ensemble model.

기계설비 정보 획득부(102)는, 설계 요청 메시지와 설계 패턴을 기반으로 데이터베이스(103)에 저장된 기계설비 정보들을 검색하고, 설계 요청 메시지에 상응하는 기계설비 정보들을 획득할 수 있다.The hardware information acquisition unit 102 may retrieve hardware information stored in the database 103 based on the design request message and the design pattern, and obtain hardware information corresponding to the design request message.

구체적으로 다시 도 3를 참조하면, 기계설비 정보 획득부(102)는, 설계 요청 메시지에 포함된 대상 물품의 종류, 규격, 용도, 제작 기간 등과 매칭되는 기계 설비들을 선정하고, 선정된 기계 설비들에 대한 기계설비 정보들을 획득할 수 있다.Specifically, referring to FIG. 3 again, the machine facility information acquisition unit 102 selects machine facilities that match the type, standard, use, production period, etc. of the target article included in the design request message, and selects the selected machine facilities. It is possible to obtain machine information about.

예를 들어, 도 3에 오른쪽에 도시된 것과 같이, 기계설비 정보 획득부(102)는, 대상 물품의 종류나 규격을 생산하는 데 필요한 기계 설비들에 대한 기계설비 정보들을 획득하고, 획득된 기계설비 정보들에 대한 리스트를 고객 단말(20)에 제공할 수 있고, 고객 단말(20)의 사용자(또는 고객)은 리스트에서 필요한 수량을 변경하거나 기계설비들 중 일부를 삭제 또는 추가하는 방식으로 보정할 수도 있다.For example, as shown on the right side of FIG. 3 , the machine facility information acquisition unit 102 acquires machine facility information on the machine facilities required to produce the type or standard of the target article, and obtains the acquired machine information. A list of equipment information can be provided to the customer terminal 20, and the user (or customer) of the customer terminal 20 can change the required quantity in the list or correct it by deleting or adding some of the equipment. You may.

이때, 기계설비 정보 획득부(102)는, 설계 요청 메시지 뿐만 아니라 설계 패턴을 추가로 고려하여 기계설비 정보들을 획득할 수 있다. 예를 들어, 기계설비 정보 획득부(102)는, 데이터베이스(103)에서 설계 요청 메시지에 상응하는 기계설비 정보들을 검색한 후, 검색된 기계설비 정보들 중에서 설계패턴에 따른 설계패턴 보정데이터를 고려하여 기계설비 정보들을 획득할 수 있다.At this time, the hardware information acquiring unit 102 may obtain the hardware information by additionally considering the design pattern as well as the design request message. For example, the machine facility information acquisition unit 102 searches the database 103 for machine facility information corresponding to the design request message, and then considers design pattern correction data according to the design pattern among the retrieved machine facility information. Machine information can be obtained.

즉, 설계패턴은, 재질 보정값, 규격 보정값, 및 단가 보정값으로 구성되어 있으므로, 기계설비 정보 획득부(102)는, 설계 패턴에 따른 재질 보정값, 규격 보정값, 및 단가 보정값에 각각 대응하는 재질의 종류, 규격의 종류, 및 기계설비의 종류를 결정하고, 결정된 재질의 종류, 규격의 종류, 및 기계설비의 종류에 상응하는 기계설비 정보들을 획득할 수 있다.That is, since the design pattern is composed of a material correction value, a standard correction value, and a unit price correction value, the machinery information acquisition unit 102 determines the material correction value, standard correction value, and unit price correction value according to the design pattern. It is possible to determine the type of material, the type of standard, and the type of equipment corresponding to each, and obtain information on machinery corresponding to the determined type of material, standard, and equipment.

도 5는 일 실시예에 따른 패턴 생성부의 동작을 구체적으로 설명하기 위한 개념도이다.5 is a conceptual diagram for explaining in detail an operation of a pattern generating unit according to an exemplary embodiment.

도 5를 참조하면, 패턴 생성부(104a)는, 스태킹 앙상블 모델(Stacking Ensemble Model)을 응용하여 고객 정보의 고객에 대응하는 설계 패턴을 생성할 수 있다.Referring to FIG. 5 , the pattern generator 104a may generate a design pattern corresponding to a customer of customer information by applying a stacking ensemble model.

스태킹 앙상블이란 복수의 예측 모델들이 생성한 예측 데이터들을 바탕으로 최종 메타 모델이 예측하기 위한 데이터 세트를 재생성하도록 동작하는 기법이다.The stacking ensemble is a technique that operates to regenerate a data set for a final meta-model to predict based on prediction data generated by a plurality of prediction models.

일 실시예로, 복수의 예측 모델들 각각은, 고객 정보를 입력받아 초기 설계패턴을 예측된 초기 설계패턴으로 출력하는 모델로서, Linear Regression, Support Vector Regressor, Linear Support Vector Regressor, DecisionTree Regressor, XGBoost Regressor, LightGBM Regressor, RandomForest Regressor, GradientBoosting Regressor, Ridge Regressor, Lasso Regressor 및/또는 ElasticNet Regressor을 포함할 수 있다.In one embodiment, each of the plurality of prediction models is a model that receives customer information and outputs an initial design pattern as a predicted initial design pattern, and includes Linear Regression, Support Vector Regressor, Linear Support Vector Regressor, DecisionTree Regressor, and XGBoost Regressor. , LightGBM Regressor, RandomForest Regressor, GradientBoosting Regressor, Ridge Regressor, Lasso Regressor, and/or ElasticNet Regressor.

그 밖에도 예측 모델들은, 인공신경망 기반의 예측 모델인 CNN, Fast-R CNN, RNN, AutoEncoder 등을 포함할 수 있다.In addition, prediction models may include artificial neural network-based prediction models such as CNN, Fast-R CNN, RNN, AutoEncoder, and the like.

이러한 예측 모델들 각각은, 고객 정보를 입력받고 설계패턴을 출력할 수 있도록 미리 지도학습된다. 이를 위해, 고객 정보에 따른 고객이 실제로 선택한 설계 정보를 훈련 데이터 셋트로 사용할 수 있다.Each of these predictive models is trained in advance to receive customer information and output design patterns. To this end, design information actually selected by a customer according to customer information may be used as a training data set.

한편, 이러한 개별적인 예측 모델은 예측 성능이 서로 상이한 특성을 지니며, 특히 입력 데이터의 형태나 크기가 변화할 때 예측 성능의 변화도 모두 제각각인 경향이 많다.On the other hand, these individual predictive models have different predictive performance characteristics, and in particular, when the shape or size of input data changes, the predictive performance tends to be different.

따라서, 특정 예측 모델을 사용하여 설계패턴을 예측하는 데에는 많은 예측 오류가 수반되는 문제가 있고, 이러한 문제를 해결하기 위한 방안으로 스태킹 앙상블 모델을 응용한 방법을 사용한다.Therefore, there is a problem that many prediction errors are involved in predicting a design pattern using a specific prediction model, and a method applying a stacking ensemble model is used as a solution to this problem.

구체적으로, 패턴 생성부(104a)는, 복수의 예측 모델들 각각에 대하여 동일하게 고객 정보를 입력하고, 예측 모델들 각각의 출력으로서 다수의 초기 설계패턴들을 획득할 수 있다.Specifically, the pattern generation unit 104a may equally input customer information for each of a plurality of predictive models and obtain a plurality of initial design patterns as outputs of each of the predictive models.

예를 들어, 도 5에서와 같이 n(2 이상의 자연수)개의 예측 모델이 존재하는 것으로 가정하는 경우, 제1 내지 제n 모델들 각각에 동일한 고객 정보를 입력하여 제1 내지 제n 초기 설계패턴들을 획득할 수 있다.For example, as shown in FIG. 5, assuming that n (2 or more natural numbers) predictive models exist, the same customer information is input to each of the first to nth models to generate the first to nth initial design patterns. can be obtained

패턴 생성부(104a)는, 획득된 다수의 초기 설계패턴들을 메타모델에 입력하고, 메타 모델의 출력으로서 설계패턴을 생성할 수 있다. The pattern generation unit 104a may input a plurality of obtained initial design patterns to a metamodel and generate a design pattern as an output of the metamodel.

한편, 스태킹 앙상블 기법에 따른 메타 모델은 초기 예측을 수행하는 예측 모델들과는 다른 모델을 적용하는 것이 일반적이다.Meanwhile, it is common to apply a model different from prediction models that perform initial prediction to the meta-model according to the stacking ensemble technique.

그러나, 스태킹 앙상블이 다수의 예측 모델들을 구비할수록 성능이 향상될 가능성이 크기 때문에, 본 발명의 일 실시예에 따른 패턴 생성부(104a)는, 다수의 예측 모델들 각각의 성능 평가를 통해 가장 우수한 성능을 가진 것으로 평가된 예측 모델과 동일한 형태의 모델을 메타 모델로 사용한다.However, since the performance is more likely to improve as the stacking ensemble includes a plurality of predictive models, the pattern generator 104a according to an embodiment of the present invention evaluates the performance of each of the plurality of predictive models to find the most excellent A model of the same type as the predictive model evaluated as having performance is used as a meta-model.

여기서 동일한 형태라는 의미는 동일한 알고리즘을 적용한다는 의미이고, 입력 데이터는 상이하게 구성된다.Here, the meaning of the same form means that the same algorithm is applied, and the input data is configured differently.

일 실시예로, 성능 평가는 아래의 수학식 1 내지 수학식 3과 같은 평가 지표들(MAE: Mean Absolute Error, RMSE: Root Mean Squared Error, R2: Coefficient of determination)을 사용하여 실제 설계패턴과 예측 모델들 각각에 의해 예측된 초기 설계패턴들 사이의 교차검증(Cross-Validation)을 수행하였다.In one embodiment, performance evaluation is based on actual design patterns and evaluation indicators (MAE: Mean Absolute Error, RMSE: Root Mean Squared Error, R 2 : Coefficient of determination) such as Equations 1 to 3 below. Cross-validation was performed between the initial design patterns predicted by each of the prediction models.

Figure 112022012356296-pat00001
Figure 112022012356296-pat00001

수학식 1에 따른 제1 평가지표(MAE)의 경우, 실제 설계패턴(Yi)과 예측된 초기 설계패턴(

Figure 112022012356296-pat00002
) 사이의 차이를 절대값으로 변환 후 평균한 값으로, 낮을수록 예측 정확도가 높은 것으로 평가될 수 있다.In the case of the first evaluation index (MAE) according to Equation 1, the actual design pattern (Yi) and the predicted initial design pattern (
Figure 112022012356296-pat00002
) is an average value after converting the difference between them into an absolute value, and the lower the difference, the higher the prediction accuracy.

Figure 112022012356296-pat00003
Figure 112022012356296-pat00003

수학식 2에 따른 제2 평가지표(RMSE)의 경우, 실제 설계패턴과 예측된 초기 설계패턴의 차이를 제곱 후 평균한 값(MSE)의 양의 제곱근으로, 낮을수록 예측 정확도가 높은 것으로 평가될 수 있다.In the case of the second evaluation index (RMSE) according to Equation 2, it is the positive square root of the average value (MSE) after squaring the difference between the actual design pattern and the predicted initial design pattern. can

Figure 112022012356296-pat00004
Figure 112022012356296-pat00004

수학식 3에 따른 제3 평가지표(R2)의 경우, 실제 설계패턴의 분산 대비 예측된 초기 설계패턴의 분산에 대한 비율로, 1에 가까울수록 예측 정확도가 높은 것으로 평가될 수 있다.In the case of the third evaluation index (R 2 ) according to Equation 3, it is a ratio of the variance of the predicted initial design pattern to the variance of the actual design pattern, and the closer to 1, the higher the prediction accuracy.

패턴 생성부(104a)는, 수학식 1 내지 3에 따른 제1 내지 제3 평가지표들을 기반으로 하기 수학식 4에 따른 최종평가지표(FNL)를 산출하고, 산출된 최종평가지표의 크기가 가장 크게 도출되는 예측 모델을 메타 모델로 선정할 수 있다.The pattern generation unit 104a calculates a final evaluation index (FNL) according to Equation 4 based on the first to third evaluation indexes according to Equations 1 to 3, and the size of the final evaluation index calculated is the largest. A predictive model that is largely derived can be selected as a meta model.

Figure 112022012356296-pat00005
Figure 112022012356296-pat00005

수학식 4에 따른 최종평가지표의 크기가 가장 큰 예측 모델을 메타 모델로 선정하면, 패턴 생성부(104a)는, 선정된 메타 모델에 대한 입력 데이터로서 복수의 초기설계패턴들을 모두 결합한 메타모델 입력 데이터를 사용할 수 있다.When a prediction model having the largest size of the final evaluation index according to Equation 4 is selected as a meta-model, the pattern generation unit 104a inputs a meta-model combining all of a plurality of initial design patterns as input data for the selected meta-model. data is available.

구체적으로, 패턴 생성부(104a)는, 예측 모델들 각각의 출력값인 초기 설계패턴들을 스태킹(stacking)하여 메타모델 입력 데이터를 생성할 수 있다.Specifically, the pattern generator 104a may generate metamodel input data by stacking initial design patterns that are output values of each of the predictive models.

즉, 초기 설계패턴들 각각이 재질 보정값, 규격 보정값, 및 단가 보정값을 갖는 3개의 데이터 값들로 구성되는 경우, 이를 예측 모델에 따른 순서대로 적층하여 n×3의 크기를 갖는 메타모델 입력 데이터를 생성한다.That is, when each of the initial design patterns is composed of three data values having a material correction value, a standard correction value, and a unit price correction value, they are stacked in order according to the prediction model to input a metamodel having a size of n × 3. generate data

다만, 이와 같이 순수하게 적층한 형태의 메타모델 입력 데이터를 메타 모델의 입력으로 사용할 경우, 입력 데이터의 크기가 예측 모델의 수만큼 증가하기 때문에 메타모델을 메타모델과 동일한 알고리즘을 사용한 예측모델과는 완전히 다르게 재구성하는 것이 필요하다.However, when the purely stacked metamodel input data is used as an input for the metamodel, the size of the input data increases by the number of prediction models, so the metamodel is different from the prediction model using the same algorithm as the metamodel. A completely different reconstruction is necessary.

메타 모델과 동일한 알고리즘을 사용하는 예측 모델을 큰 변경없이 메타 모델에 사용하기 위하여, 패턴 생성부(104a)는, 초기 설계패턴들을 아래 수학식 5에 따라 연산한 결과를 메타모델 입력데이터로서 생성할 수 있다.In order to use the prediction model using the same algorithm as the meta model for the meta model without significant change, the pattern generation unit 104a generates the result of calculating the initial design patterns according to Equation 5 below as meta model input data. can

Figure 112022012356296-pat00006
Figure 112022012356296-pat00006

수학식 5를 참조하면, Mmeta는 메타모델 입력데이터이고, Al1은 메타 모델과 동일한 알고리즘을 사용하는 예측 모델의 초기 설계패턴이고, Ali는 i번째 예측 모델의 초기 설계패턴이고, σ는 기준 상수값이다.Referring to Equation 5, M meta is the metamodel input data, Al 1 is the initial design pattern of the prediction model using the same algorithm as the meta model, Al i is the initial design pattern of the ith prediction model, and σ is is the standard constant value.

초기 설계패턴들 각각이 재질 보정값, 규격 보정값, 및 단가 보정값을 갖는 3개의 데이터 값들(3차원 데이터)로 구성되는 경우, 수학식 5에 따른 연산을 재질 보정값, 규격 보정값, 및 단가 보정값 각각에 대하여 동일하게 수행함으로써 초기 설계패턴과 동일한 3개의 데이터값들로 구성된 메타모델 입력데이터를 얻을 수 있다.When each of the initial design patterns is composed of three data values (three-dimensional data) having a material correction value, a standard correction value, and a unit price correction value, the calculation according to Equation 5 is performed as a material correction value, a standard correction value, and By performing the same for each unit price correction value, it is possible to obtain metamodel input data composed of the same three data values as the initial design pattern.

패턴 생성부(104a)는, 생성된 메타모델 입력 데이터를 메타모델에 입력하고, 메타모델의 출력으로 설계패턴을 획득할 수 있다.The pattern generating unit 104a may input the generated metamodel input data to the metamodel and obtain a design pattern as an output of the metamodel.

이와 같이 일련의 예측 모델들을 연결하는 작업을 통해 개별 모델보다 성능이 우수한 스태킹 앙상블 모델이 생성될 수 있으며, 이때 메타 모델을 예측 모델들 중 가장 우수한 성능을 가진 예측 모델로 구현함으로써 메타 모델을 예측 모델과 독립적으로 구현함에 따른 기계학습의 어려움을 줄일 수 있고, 스캐킹 앙상블에 따른 예측 성능을 최대한 유지할 수 있는 장점이 있다.In this way, a stacking ensemble model with better performance than individual models can be created through the work of connecting a series of predictive models. It has the advantage of being able to reduce the difficulty of machine learning as implemented independently of and maintaining the maximum prediction performance according to the stacking ensemble.

또한, 메타 모델에 입력되는 메타모델 입력데이터를 수학식 5에 따른 연산 결과를 사용함으로써 예측 성능을 저하시키지 않으면서도 메타 모델과 동일한 알고리즘을 사용하는 예측 모델을 큰 변경없이 메타 모델에 사용하여 구현을 쉽게 적용할 수 있도록 할 수 있다.In addition, by using the metamodel input data input to the metamodel as the result of calculation according to Equation 5, the predictive model using the same algorithm as the metamodel without deteriorating the prediction performance can be used in the metamodel without significant change to implement the implementation. You can make it easy to apply.

도 6은 일 실시예에 따른 설계 서버의 하드웨어 구성을 예시적으로 나타낸 도면이다.6 is a diagram showing a hardware configuration of a design server according to an exemplary embodiment.

도 6을 참조하면, 설계 서버(100)는, 적어도 하나의 프로세서(110), 및 적어도 하나의 프로세서(110)가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory, 120)를 포함할 수 있다.Referring to FIG. 6, the design server 100 stores at least one processor 110 and instructions instructing the at least one processor 110 to perform at least one operation. A memory 120 may be included.

상기 적어도 하나의 동작은 전술한 설계 서버(100)의 기능이나 동작들 중 적어도 일부를 포함하는 것으로 해석될 수 있다.The at least one operation may be interpreted as including at least some of functions or operations of the design server 100 described above.

적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120)는 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중 하나일 수 있다.The at least one processor 110 may refer to a central processing unit (CPU), a graphics processing unit (GPU), or a dedicated processor on which methods according to embodiments of the present invention are performed. there is. The memory 120 may include at least one of volatile storage media and non-volatile storage media. For example, the memory 120 may be one of read only memory (ROM) and random access memory (RAM).

또한, 설계 서버(100)는, 적어도 하나의 동작을 처리하는 과정에서 요구되는 입력 데이터, 중간 처리 데이터, 임시 데이터, 처리 결과 데이터, 각종 참조 데이터들을 저장할 수 있는 저장 장치(160)를 더 포함할 수 있다. 저장 장치(160)는, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD), 솔리드 스테이트 드라이브(SSD), 또는 각종 메모리 카드(예를 들어, micro SD 카드) 등일 수 있다.In addition, the design server 100 may further include a storage device 160 capable of storing input data, intermediate processing data, temporary data, processing result data, and various reference data required in the process of processing at least one operation. can The storage device 160 may be a flash-memory, a hard disk drive (HDD), a solid state drive (SSD), or various memory cards (eg, a micro SD card).

또한, 설계 서버(100)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver)(130)를 포함할 수 있다. 또한, 설계 서버(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 설계 서버(100)에 포함된 각각의 구성 요소들은 버스(bus)(170)에 의해 연결되어 서로 통신을 수행할 수 있다.In addition, the design server 100 may include a transceiver 130 that performs communication through a wireless network. In addition, the design server 100 may further include an input interface device 140, an output interface device 150, a storage device 160, and the like. Each component included in the design server 100 is connected by a bus 170 to communicate with each other.

이상, 첨부된 도면을 참조하여 본 발명의 기술적 사상에 따른 실시 예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해하여야 한다.In the above, embodiments according to the technical idea of the present invention have been described with reference to the accompanying drawings, but those skilled in the art to which the present invention pertains may find that the present invention is in another specific form without changing the technical idea or essential features. It will be understood that it can be implemented as. It should be understood that the embodiments described above are illustrative in all respects and not restrictive.

20: 고객 단말 30: 기계 설비
50: 통신 네트워크 100: 설계 서버
101: 고객 관리부 103: 데이터베이스
104: 처리부 104a: 패턴 생성부
104b: 기계설비 정보 획득부 104c: 기계설비 모델링부
104d: 기계설비 시뮬레이션부 104e: 최적 설계 정보 생성부
110: 프로세서 120: 메모리
130: 송수신장치 140: 입력 인터페이스 장치
150: 출력 인터페이스 장치 160: 저장 장치20: customer terminal 30: mechanical equipment
50: communication network 100: design server
101: customer management department 103: database
104: processing unit 104a: pattern generating unit
104b: mechanical facility information acquisition unit 104c: mechanical facility modeling unit
104d: Machine facility simulation unit 104e: Optimal design information generation unit
110: processor 120: memory
130: transceiver 140: input interface device
150: output interface device 160: storage device

Claims (5)

빅데이터 기반 고객 맞춤형 기계설비 제작을 위한 설계 서버로서,
고객 단말과 통신하여 고객 정보와 설계 요청 메시지를 수신하는 고객 관리부;
상기 고객 정보 및 기계설비 정보를 저장하는 데이터베이스; 및
상기 고객 정보 및 상기 기계설비 정보를 기반으로 상기 설계 요청 메시지에 대응하는 적어도 하나의 기계 설비에 대한 명세(specification)을 지시하는 최적 설계 정보를 생성하는 처리부;를 포함하고,
상기 설계 요청 메시지는, 기계 설비를 통해 생산, 제조 또는 제어하고자 하는 대상 물품의 종류, 규격, 용도, 제작기간 중 적어도 하나를 포함하고,
상기 처리부는,
상기 고객 정보를 가진 고객에 대응하는 설계 패턴을 생성하는 패턴 생성부;
상기 설계 패턴과 상기 설계 요청 메시지를 기반으로, 상기 데이터베이스에 저장된 기계설비 정보들 중에서 적어도 일부의 기계설비 정보들을 획득하는 기계설비 정보 획득부;
획득된 상기 기계설비 정보들 각각에 대응하는 가상의 3차원 기계설비를 모델링하고, 모델링된 3차원 기계설비에 따른 3차원 모델링 데이터를 생성하는 기계설비 모델링부;
상기 3차원 모델링 데이터를 이용하여 3차원 공간 상에 3차원 기계설비들을 배치하기 위한 사용자 인터페이스를 상기 고객 단말에 제공하는 기계설비 시뮬레이션부; 및
상기 사용자 인터페이스에 따른 상기 고객 단말의 조작에 의해 변경되는 상기 3차원 기계설비들 각각의 구성요소들을 지시하는 피드백 정보를 획득하고, 획득된 상기 피드백 정보를 기반으로 상기 3차원 기계설비들 각각에 대응하는 실제 기계 설비에 대한 명세를 나타내는 상기 최적 설계 정보를 생성하는 최적 설계 정보 생성부;를 포함하고,
상기 고객 정보는, 고객이 현재 영위하는 업종, 취급 제품 종류, 업체 규모, 및 기계 설비 구매 이력을 포함하고,
상기 패턴 생성부는,
복수의 n개의 예측 모델들 각각에 상기 고객 정보를 입력하고, 상기 예측 모델들 각각에 대한 출력으로 n개의 초기 설계패턴들을 획득하고, 획득된 상기 초기 설계패턴들을 하기 수학식에 따라 연산하여 메타모델 입력데이터를 생성하고, 생성된 상기 메타모델 입력데이터를 상기 예측 모델들 중에서 성능 평가가 가장 우수한 예측 모델과 동일한 형태의 메타 모델에 입력하고, 상기 메타 모델의 출력으로 상기 설계 패턴을 생성하되,
Figure 112022141710912-pat00013

상기 수학식에서, Mmeta 는 상기 메타모델 입력데이터이고, Al1 은 상기 예측 모델들 중에서 상기 메타 모델과 동일한 예측 모델의 초기 설계패턴이고, Ali 는 상기 n개의 예측 모델들 중에서 i번째 예측 모델의 초기 설계패턴이고, σ는 미리 정의된 기준 상수값인, 설계 서버. As a design server for manufacturing customized mechanical equipment based on big data,
a customer management unit that communicates with a customer terminal and receives customer information and a design request message;
a database for storing the customer information and machine facility information; and
A processing unit configured to generate optimal design information indicating a specification of at least one machine facility corresponding to the design request message based on the customer information and the machine facility information;
The design request message includes at least one of the type, standard, use, and manufacturing period of the target product to be produced, manufactured, or controlled through mechanical facilities,
The processing unit,
a pattern generator for generating a design pattern corresponding to a customer having the customer information;
a machine facility information acquisition unit acquiring at least some pieces of machine facility information among machine facility information stored in the database based on the design pattern and the design request message;
a hardware modeling unit that models a virtual 3D machine facility corresponding to each of the acquired machine facility information and generates 3D modeling data according to the modeled 3D machine facility;
a machine facility simulation unit providing a user interface for arranging 3D machine tools in a 3D space using the 3D modeling data to the customer terminal; and
Acquiring feedback information indicating components of each of the 3D machines that are changed by manipulation of the customer terminal according to the user interface, and corresponding to each of the 3D machines based on the obtained feedback information An optimal design information generation unit for generating the optimal design information indicating specifications for actual mechanical equipment to be used;
The customer information includes the type of business the customer currently operates, the type of product handled, the size of the company, and the purchase history of machinery and equipment,
The pattern generator,
The customer information is input to each of a plurality of n prediction models, n initial design patterns are obtained as outputs for each of the prediction models, and the obtained initial design patterns are calculated according to the following equation to form a metamodel. Generate input data, input the generated metamodel input data into a metamodel of the same form as the prediction model having the best performance evaluation among the prediction models, and generate the design pattern as an output of the metamodel,
Figure 112022141710912-pat00013

In the above equation, M meta is the metamodel input data, Al 1 is an initial design pattern of the same prediction model as the meta model among the prediction models, and Al i is the i-th prediction model among the n prediction models. An initial design pattern, and σ is a predefined standard constant value, a design server. 삭제delete 제1 항에서,
데이터베이스에는, 상기 기계설비 정보들 및 상기 기계설비 정보들 각각에 대응하는 설계패턴 보정 데이터가 저장되고,
기계설비 정보들 각각은, 다양한 형태의 기계설비에 대응하는 3차원 캐드 도면 파일, 용도나 대상 물품, 기계설비들 각각을 구성하는 구성요소들 각각에 대한 재질, 규격, 및 단가를 포함하고,
설계패턴 보정 데이터는, 상기 설계패턴에 따라 변경될 수 있는 상기 구성요소들의 종류 및 구성요소들마다 변경 가능한 재질, 규격, 및 단가를 포함하는, 설계 서버.In paragraph 1,
In the database, the machine facility information and design pattern correction data corresponding to each of the machine facility information are stored,
Each of the machine facility information includes a 3D CAD drawing file corresponding to various types of machine facilities, uses or target articles, materials for each of the components constituting each machine facility, specifications, and unit price,
The design pattern correction data includes the type of the components that can be changed according to the design pattern, and the material, standard, and unit price that can be changed for each component, the design server. 삭제delete 제3 항에서,
상기 설계패턴은, 재질 보정값, 규격 보정값, 및 단가 보정값으로 구성되고,
상기 기계설비 정보 획득부는,
상기 데이터베이스를 참조하여, 상기 설계 패턴에 따른 재질 보정값, 규격 보정값, 및 단가 보정값에 각각 대응하는 재질의 종류, 규격의 종류, 및 기계설비의 종류를 결정하고, 결정된 재질의 종류, 규격의 종류, 및 기계설비의 종류에 상응하는 기계설비 정보들을 획득하는, 설계 서버.In paragraph 3,
The design pattern is composed of a material correction value, a standard correction value, and a unit price correction value,
The mechanical facility information acquisition unit,
With reference to the database, the type of material, the type of standard, and the type of machinery corresponding to the material correction value, standard correction value, and unit price correction value according to the design pattern are determined, and the determined material type and standard are determined. A design server that obtains hardware information corresponding to the type of and the type of hardware.
KR1020220014399A 2022-02-03 2022-02-03 SYSTEM AND METHOD FOR MANUFACTURING Customer-Customized MACHINE EQUIPMENT BASED ON BIG DATA KR102506255B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220014399A KR102506255B1 (en) 2022-02-03 2022-02-03 SYSTEM AND METHOD FOR MANUFACTURING Customer-Customized MACHINE EQUIPMENT BASED ON BIG DATA

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220014399A KR102506255B1 (en) 2022-02-03 2022-02-03 SYSTEM AND METHOD FOR MANUFACTURING Customer-Customized MACHINE EQUIPMENT BASED ON BIG DATA

Publications (1)

Publication Number Publication Date
KR102506255B1 true KR102506255B1 (en) 2023-03-07

Family

ID=85513645

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220014399A KR102506255B1 (en) 2022-02-03 2022-02-03 SYSTEM AND METHOD FOR MANUFACTURING Customer-Customized MACHINE EQUIPMENT BASED ON BIG DATA

Country Status (1)

Country Link
KR (1) KR102506255B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102646478B1 (en) * 2023-04-24 2024-03-11 임병준 Apparatus and method for generating design information of motion control box based on consumer request

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5857946B2 (en) * 2012-11-30 2016-02-10 カシオ計算機株式会社 Image processing apparatus, image processing method, and program
KR102034125B1 (en) * 2018-11-23 2019-10-29 박명근 Customized design devices and methods for manufacturing logistics equipment

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5857946B2 (en) * 2012-11-30 2016-02-10 カシオ計算機株式会社 Image processing apparatus, image processing method, and program
KR102034125B1 (en) * 2018-11-23 2019-10-29 박명근 Customized design devices and methods for manufacturing logistics equipment

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102646478B1 (en) * 2023-04-24 2024-03-11 임병준 Apparatus and method for generating design information of motion control box based on consumer request

Similar Documents

Publication Publication Date Title
Wang et al. A proactive material handling method for CPS enabled shop-floor
Amini et al. A bi-objective truck scheduling problem in a cross-docking center with probability of breakdown for trucks
Lin et al. The procedure of determining the order picking strategies in distribution center
Uhlenkamp et al. Digital twins: A maturity model for their classification and evaluation
Paul et al. An artificial neural network model for optimization of finished goods inventory
Jauhar et al. Genetic algorithms in supply chain management: A critical analysis of the literature
dos Santos et al. Decision-making in a fast fashion company in the Industry 4.0 era: A Digital Twin proposal to support operational planning
Paul et al. Application of adaptive neuro-fuzzy inference system and artificial neural network in inventory level forecasting
He An inventory controlled supply chain model based on improved BP neural network
CN109767032A (en) A kind of business finance operation digital management optimization system based on data analysis
Momani et al. Material handling equipment selection using hybrid Monte Carlo simulation and analytic hierarchy process
Zhu et al. Production logistics digital twins: Research profiling, application, challenges and opportunities
KR102506255B1 (en) SYSTEM AND METHOD FOR MANUFACTURING Customer-Customized MACHINE EQUIPMENT BASED ON BIG DATA
Abosuliman et al. Computer vision assisted human computer interaction for logistics management using deep learning
Asthana et al. Supplier selection using artificial neural network and genetic algorithm
KR102034125B1 (en) Customized design devices and methods for manufacturing logistics equipment
Chen Estimating job cycle time in a wafer fabrication factory: A novel and effective approach based on post-classification
Wu et al. (DT4Smart) a digital twin-based modularized design approach for smart warehouses
Igor et al. Automated Logistics Processes Improvement in Logistics Facilities
Liu et al. E-commerce logistics intelligent warehousing system solution based on multimedia technology
JP6593194B2 (en) PBS shipping permutation determination device for automobile production line
Chołodowicz et al. Control of perishable inventory system with uncertain perishability process using neural networks and robust multicriteria optimization
Badhotiya et al. Multi-site planning and scheduling: state-of-the-art review and future research directions
Atwani et al. A Review of Artificial Intelligence applications in Supply Chain
Goli et al. Application of artificial intelligence in forecasting the demand for supply chains considering Industry 4.0

Legal Events

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