KR102507449B1 - 의류제조 스마트 팩토리 생산관리시스템 및 방법 - Google Patents
의류제조 스마트 팩토리 생산관리시스템 및 방법 Download PDFInfo
- Publication number
- KR102507449B1 KR102507449B1 KR1020220126261A KR20220126261A KR102507449B1 KR 102507449 B1 KR102507449 B1 KR 102507449B1 KR 1020220126261 A KR1020220126261 A KR 1020220126261A KR 20220126261 A KR20220126261 A KR 20220126261A KR 102507449 B1 KR102507449 B1 KR 102507449B1
- Authority
- KR
- South Korea
- Prior art keywords
- production
- sewing machine
- digital
- data
- sewing
- Prior art date
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 149
- 238000009958 sewing Methods 0.000 claims abstract description 167
- 238000007726 management method Methods 0.000 claims abstract description 95
- 238000004891 communication Methods 0.000 claims abstract description 21
- 239000004744 fabric Substances 0.000 claims abstract description 21
- 239000000463 material Substances 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 230000007547 defect Effects 0.000 claims description 63
- 230000002950 deficient Effects 0.000 claims description 41
- 238000011156 evaluation Methods 0.000 claims description 28
- 238000012423 maintenance Methods 0.000 claims description 26
- 238000010801 machine learning Methods 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 22
- 230000008569 process Effects 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009897 systematic effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000013068 supply chain management Methods 0.000 description 2
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- D—TEXTILES; PAPER
- D05—SEWING; EMBROIDERING; TUFTING
- D05B—SEWING
- D05B19/00—Programme-controlled sewing machines
- D05B19/02—Sewing machines having electronic memory or microprocessor control unit
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Abstract
본 발명은 의류제조 스마트 팩토리 생산관리시스템 및 방법에 관한 것으로, 본 발명의 일 실시예는 작업지시서에 따라 원단을 봉제하여 재봉물을 생산하는 디지털 재봉기, 상기 디지털 재봉기에서 전송되는 생산 데이터를 수집하여 통신망을 통해 외부로 전송하는 게이트웨이, 및 상기 게이트웨이에서 전송되는 생산 데이터에 기초하여 상기 디지털 재봉기의 작동상태를 모니터링하고, 상기 생산 데이터의 분석을 통해 상기 디지털 재봉기의 생산관리를 원격으로 제어하는 관리서버를 포함하는, 의류제조 스마트 팩토리 생산관리시스템을 제공한다.
Description
본 발명은 의류제조 스마트 팩토리 생산관리시스템 및 방법에 관한 것으로, 더욱 상세하게는 양방향 실시간 통신이 가능한 디지털 재봉기를 이용하여 자동화 봉제 및 생산 데이터의 디지털화를 구현하고 체계적인 생산관리를 수행할 수 있는, 의류제조 스마트 팩토리 생산관리시스템 및 방법에 관한 것이다.
의류 제조업은 전통적인 인력 집약적 산업으로, 인력에 의해 모든 작업이 이루어지고 있다. 현재 동남아시아 등으로 진출한 우리나라 의류생산업체의 생산 공장은 현지 근로자의 노동집약적 근무환경으로 IoT(사물 인터넷) 기반의 시스템으로 전환하는 대규모 투자는 불가한 상황이다. 작업의 효율성, 생산성을 극대화하고, 사고 예방 등을 위해서는 근로자들이 다루는 의류 생산 장비의 작업 상황 그리고 공장 내의 작업환경 등을 면밀히 모니터링 할 필요가 있다.
국내 봉제 생산 기업의 ICT(Information and Communication Technology) 수준은 주로 ERP(Enterprise Resources Planning) 도입을 중심으로 한 사전 원가 책정 및 원부자재 소요량 산정, 원부자재의 조달SCM(Supply Chain Management) 업무에 초점이 맞추어져 있다. 일부 기업의 경우, CAD와 연계된 자동 재단기 도입으로 재단 공정 자동화를 부분적으로 시행하고 있으나, 가장 많은 인력과 노력이 소요되는 봉제 공정의 경우, 4차 산업 혁명 기술을 이용한 스마트 팩토리의 도입은 늦어지고 있는 상황이다.
해외에 대형 봉제 생산 공장을 운영하는 국내 기업의 경우, GSD(General Sewing Data) 사의 봉제 작업 시간 기준과 스톱워치를 이용한 표본 측정으로 봉제 라인 설계 작업을 하고 있으며, 실시간 수집된 실적 데이터의 빅데이터 분석이나 자동화된 봉제 라인 시뮬레이터의 적용 사례는 찾아보기 어려운 실정이다.
일반적으로 다양한 종류의 의류, 가방, 신발 및 인형 등의 봉제품을 생산하는 봉제 생산 라인에는 복수 개의 봉제 공정에 따라 복수 개의 재봉기들이 구비된다. 이러한 봉제 생산 라인은 생산될 봉제품의 변경에 대응하여 각 재봉기들 일부 또는 전부가 처리하는 봉제 공정이 달라진다. 또 특정 봉제품의 경우에는 봉제 생산 라인의 봉제 공정이 증가되어 재봉기들을 추가해야만 생산이 가능하다. 각 재봉기는 봉제품의 종류나 봉제 공정에 따라 서로 다른 작업 시간이 설정된다.
이러한 기존의 봉제 생산 라인에서는 각 봉제 공정을 처리하는 재봉기에서 작업 완료된 봉제품의 수량을 수동으로 카운트하는 계수기를 구비하거나, 계수원 또는 작업자가 수작업에 의해 일일이 봉제품의 수량을 카운트한다.
또 관리자가 카운트된 생산량을 확인하기 위해서는 별도의 수작업을 통해 재봉기들 모두에 대한 생산량을 집계하는 작업이 필요하게 된다. 따라서 봉제 공정에서의 생산량이 저하되는 경우, 문제 파악에 많은 시간이 경과된 후 그 현황을 알 수 있게 되는 등의 문제가 있다.
만약, 봉제 생산 라인에서 생산성이 저하되는 문제가 발생되는 경우, 예를 들어, 어느 하나의 재봉기에서 설정된 작업 시간이 초과되어 봉제 공정이 이루어진다면, 이전 단계와 다음 단계에서 작업하는 재봉기들은 생산량을 조절하기 위하여 작업 시간이 지연되는 경우가 빈번하다.
이러한 기존의 봉제 생산 라인에서는 생산량이 저하되는 다양한 문제를 신속하게 파악하지 못하고, 이에 따른 조치 또한 신속히 이루어지지 못한다는 점에서 생산성을 향상시키기 위한 기술이 요구된다.
본 발명이 해결하고자 하는 기술적 과제는 양방향 실시간 통신이 가능한 디지털 재봉기를 이용하여 자동화 봉제 및 생산 데이터의 디지털화를 구현하고 체계적인 생산관리를 수행할 수 있는, 의류제조 스마트 팩토리 생산관리시스템 및 방법을 제공하는 것이다.
또한, 본 발명이 해결하고자 하는 기술적 과제는, 생산현장의 생산 데이터를 효과적으로 추출하고 실시간 양방향 무선통신을 통해 생산 데이터 전송과 각 재봉기별 작업지시서 수신이 가능하여 봉제 현장의 생산성 향상을 구현할 수 있는, 의류제조 스마트 팩토리 생산관리시스템 및 방법을 제공하는 것이다.
본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예는 작업지시서에 따라 원단을 봉제하여 재봉물을 생산하는 디지털 재봉기, 상기 디지털 재봉기에서 전송되는 생산 데이터를 수집하여 통신망을 통해 외부로 전송하는 게이트웨이, 및 상기 게이트웨이에서 전송되는 생산 데이터에 기초하여 상기 디지털 재봉기의 작동상태를 모니터링하고, 상기 생산 데이터의 분석을 통해 상기 디지털 재봉기의 생산관리를 원격으로 제어하는 관리서버를 포함하는, 생산관리시스템을 제공한다.
본 발명의 실시예에 있어서, 상기 관리서버는, 생산 데이터를 분석하여 상기 디지털 재봉기의 불량률을 산출 또는 집계하되, 생산 데이터로부터 상기 디지털 재봉기의 봉제 땀수를 확인하여 불량품 발생을 판단하고, 생산량 대비 불량품 발생수를 연산하여 불량류을 산출 또는 집계할 수 있다.
본 발명의 실시예에 있어서, 상기 관리서버는, 불량품 발생으로 판단하기 애매한 봉제 땀수가 확인된 경우, 완성품 데이터와 불량품 데이터 각각을 학습 데이터로 이용하여 기계학습모델에서 불량 판단 기준으로 활용할 제1 및 제2 학습 레이블을 설정하고, 상기 제1 및 제2 학습 레이블 사이의 경계 영역에 해당하는 데이터들을 포함하는 추가 데이터를 더 포함시켜 기계학습모델을 학습시켜 불량품 발생을 판단할 수 있다.
본 발명의 실시예에 있어서, 상기 관리서버는, 산출된 불량률을 반영하여 생산성평가지수를 산출하되, 상기 디지털 재봉기에 따른 땀수, 생산량, 불량률을 반영하여 원단별 불량발생확률과 불량 발생에 따른 손실강도를 산출하고, 산출된 불량발생확률 및 손실강도 결과값에 상기 디지털 재봉기의 정비강도를 반영하여 불량의 발생확률, 손실강도, 정비강도를 상기 생산성평가지수로 산출할 수 있다.
본 발명의 실시예에 있어서, 상기 불량발생확률 및 상기 손실강도는, 상기 디지털 재봉기의 불량 발생 가능성과 불량 발생에 따른 손실 정도를 반영하여 원단별 봉재 불량에 따른 손실액을 수치적 또는 금전적으로 도출되고, 상기 정비강도는, 설정된 기간 내 상기 디지털 재봉기의 정비빈도, 정비 경과 시간, 및 예상 정비 일정을 반영하여 상기 디지털 재봉기의 장치적 문제발생지표로 활용되도록 수치적 또는 등급으로 도출될 수 있다.
본 발명의 실시예에 있어서, 상기 관리서버는, 상기 생산성평가지수를 스케일 범위 내 점수로 수치화하거나, 상중하 등급으로 생성하거나, 화살표, 막대 및 그래프 중 적어도 하나의 형태로 표현된 이미지 자료로 생성할 수 있다.
상기 기술적 과제를 해결하기 위하여, 본 발명의 다른 실시예는 A) 작업지시서에 따라 원단을 봉제하여 재봉물을 생산하는 디지털 재봉기로부터 전송되는 생산 데이터를 게이트웨이에서 수집하여 통신망을 통해 관리서버로 전송하는 단계, 및 (B) 상기 관리서버가 생산 데이터에 기초하여 상기 디지털 재봉기의 작동상태를 모니터링하고, 생산 데이터의 분석을 통해 상기 디지털 재봉기의 생산관리를 원격으로 제어하는 단계를 포함하는, 생산관리방법을 제공한다.
본 발명의 실시예에 있어서, 상기 (B) 단계는, (B-1) 상기 관리서버가 생산 데이터를 분석하여 상기 디지털 재봉기의 불량률을 산출 또는 집계하는 단계, (B-2) 상기 관리서버가 산출된 불량률을 반영하여 생산성평가지수를 산출하는 단계, (B-3) 상기 관리서버가 산출된 생산성평가지수를 반영하여 상기 디지털 재봉기에 대한 작업지시서를 업데이트하는 단계, 및 (B-4) 상기 관리서버가 상기 게이트웨이를 통해 상기 디지털 재봉기로 상기 작업지시서를 전송하는 단계를 포함할 수 있다.
본 발명의 실시예에 있어서, 상기 (B-1) 단계에서, 불량품 발생으로 판단하기 애매한 봉제 땀수가 확인된 경우, 상기 관리서버가 완성품 데이터와 불량품 데이터 각각을 학습 데이터로 이용하여 기계학습모델에서 불량 판단 기준으로 활용할 제1 및 제2 학습 레이블을 설정하고, 상기 제1 및 제2 학습 레이블 사이의 경계 영역에 해당하는 데이터들을 포함하는 추가 데이터를 더 포함시켜 기계학습모델을 학습시켜 불량품 발생을 판단할 수 있다.
본 발명의 실시예에 있어서, 상기 (B-2) 단계에서, 상기 관리서버가 상기 디지털 재봉기에 따른 땀수, 생산량, 불량률을 반영하여 원단별 불량발생확률과 불량 발생에 따른 손실강도를 산출하고, 산출된 불량발생확률 및 손실강도 결과값에 상기 디지털 재봉기의 정비강도를 반영하여 불량의 발생확률, 손실강도, 정비강도를 상기 생산성평가지수로 산출할 수 있다.
본 발명의 실시예에 따르면, 양방향 실시간 통신이 가능한 디지털 재봉기를 이용하여 자동화 봉제 및 생산 데이터의 디지털화를 구현하고 체계적인 생산관리를 수행할 수 있다.
또한, 본 발명의 실시예에 따르면, 생산현장의 생산 데이터를 효과적으로 추출하고 실시간 양방향 무선통신을 통해 생산 데이터 전송과 각 재봉기별 작업지시서 수신이 가능하여 봉제 현장의 생산성 향상을 구현할 수 있다.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 본 발명의 일 실시예에 따른 의류제조 스마트 팩토리 생산관리시스템의 구성을 나타내는 도면이다.
도 2는 본 발명의 생산성평가지수를 예시적으로 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 원격 생산관리방법을 나타내는 순서도이다.
도 4는 도 3의 단계 S200에서 세부 과정을 나타내는 순서도이다.
도 2는 본 발명의 생산성평가지수를 예시적으로 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 원격 생산관리방법을 나타내는 순서도이다.
도 4는 도 3의 단계 S200에서 세부 과정을 나타내는 순서도이다.
이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 사용한다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉, 결합)"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐만 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하되, 동일한 구성에 대해서는 동일한 부호를 사용하며, 명료성을 위하여 가능한 중복되지 않게 상이한 부분만을 주로 설명한다.
도 1은 본 발명의 일 실시예에 따른 의류제조 스마트 팩토리 생산관리시스템의 구성을 나타내는 도면이고, 도 2는 본 발명의 생산성평가지수를 예시적으로 나타내는 도면이다.
도 1 및 도 2를 참조하면, 본 발명의 일 실시예에 따른 의류제조 스마트 팩토리 생산관리시스템(10)은 의류 생산현장의 생산관리를 원격으로 제어하기 위한 시스템으로서, 디지털 재봉기(100), 게이트웨이(200), 및 관리서버(300)를 포함할 수 있다.
구체적으로, 디지털 재봉기(100)는 작업지시서에 따라 원단을 봉제하여 재봉물을 생산할 수 있다. 여기서, 작업지시서는 원단에 따른 디지털 재봉기(100)의 재봉속도 및 땀수 중 적어도 하나를 설정할 수 있다.
디지털 재봉기(100)는 하나 또는 복수개(제1 내지 제n 디지털 재봉기, n은 2이상의 자연수)가 생산현장(생산라인 또는 공장), 예컨대 베트남 공장에 설치 및 운용될 수 있다. 이러한 디지털 재봉기(100)는 재봉 프로그램(S/W)에 의하여 자동으로 구동 또는 운용되고 원격으로 제어될 수 있다. 여기서, 재봉 프로그램은 재봉물의 규격에 의한 디자인의 패턴, 크기(size), 직물 또는 원단의 종류, 재봉에 사용되는 실, 단추와 지퍼 등을 포함하여 부착되는 액세서리(accessory) 등을 고려하여 작업지시서에 따라 디지털 재봉기(100)를 제어하기 위해 사용되는 것이다.
또한, 디지털 재봉기(100)는 통신모듈을 구비하여 유선 및 무선 중 적어도 하나의 통신방식으로 게이트웨이(200)와 통신할 수 있다. 예를 들면, 디지털 재봉기(100)는 IoT(사물인터넷) 기반으로 게이트웨이(200)에 생산 데이터를 전송할 수 있다. 이때, 생산 데이터는 디지털 재봉기(100)의 재봉속도 및 땀수가 반영된 작업속도, 작업시간, 단사정보, 생산량 중 적어도 하나를 포함할 수 있다. 또한, 생산 데이터는 누적 데이터 및 통계 데이터로 기록될 수 있다.
이러한 생산 데이터는 디지털 재봉기(100)의 작동상태 및 불량률 등을 판단할 수 있는 정보로 활용될 수 있다.
게이트웨이(200)는 디지털 재봉기(100)에서 전송되는 생산 데이터를 수집하여 통신망을 통해 외부로 전송할 수 있다. 이때, 게이트웨이(200)는 무선 메쉬 네트워크(Wireless Mesh Network, WMN)을 구성하는 복수개의 디지털 재봉기(100)로부터 생산 데이터를 전달받을 수 있다. 여기서, 무선 메쉬 네트워크는 복수의 메쉬 포인트(디지털 재봉기)가 하나 이상의 홉으로 연결되어 형성되고, 복수의 가용 통신채널을 보유하며, 각각 다른 통신채널을 이용하는 복수의 메쉬 네트워크를 포함할 수 있다.
게이트웨이(200)는 복수의 메쉬 포인트 중 하나의 메쉬 포인트를 지정하여 네트워크 성능 최적화를 위한 핑 테스트를 수행할 수 있다. 이때, 핑 테스트는 지정된 메쉬 포인트에서 수신신호강도(RSSI) 문턱값 세트를 변경하면서 반복 수행될 수 있고, 게이트웨이(200)는 핑 테스트 결과값을 이용하여 최적 RSSI 문턱값 세트를 결정할 수 있다.
관리서버(300)는 게이트웨이(200)에서 전송되는 생산 데이터에 기초하여 디지털 재봉기(100)의 작동상태를 모니터링하고, 생산 데이터의 분석을 통해 디지털 재봉기(100)의 생산관리를 원격으로 제어할 수 있다.
구체적으로, 관리서버(300)는 생산 데이터를 분석하여 디지털 재봉기(100)의 불량률을 산출 또는 집계할 수 있다. 여기서, 관리서버(300)는 생산 데이터로부터 디지털 재봉기(100)의 봉제 땀수를 확인할 수 있다. 만약, 작업지시서에 약 48 ~ 53 땀수가 완성품 땀수로 설정되어 있는 경우, 관리서버(300)는 약 30 땀수를 불량품 땀수로 판단하고, 생산량 대비 불량품 발생수를 연산하여 불량률을 산출 또는 집계할 수 있다. 예를 들면, 베트남 공장에 설치된 디지털 재봉기(100)로 원단을 봉제할 때 생산 데이터를 통해 봉제 땀수가 약 30 땀수 정도인 것으로 확인되면, IoT 기술을 이용하여 불량품 발생수가 한국의 본사에 설치된 관리서버(300)로 로딩되고 관리서버(300)는 불량률을 산출 또는 집계할 수 있다. 또한, 작업지시서에 불량품 땀수가 설정되어 있는 경우, 관리서버(300)는 생산 데이터로부터 쉽게 불량품 발생수를 검출하여 불량률을 산출 또는 집계할 수 있다.
다만, 약 40 ~ 42 땀수와 같이 봉제 땀수가 불량품 발생으로 판단하기 애매한 경우, 관리서버(300)는 기계학습모델을 이용하여 불량품 발생을 판단할 수 있다. 여기서, 관리서버(300)는 완성품 데이터와 불량품 데이터 각각을 학습 데이터로 이용하여 기계학습모델에서 불량 판단 기준으로 활용할 제1 및 제2 학습 레이블을 설정할 수 있다. 또한, 관리서버(300)는 완성품 데이터와 불량품 데이터 각각을 학습 데이터에 추가 데이터를 더 포함시켜 기계학습모델을 학습시킬 수 있다. 이때, 추가 데이터는 제1 및 제2 학습 레이블 사이의 경계 영역에 해당하는 데이터들을 포함할 수 있다. 또한, 경계 영역은 기계학습모델의 학습에 따른 손실(불량품 증가)을 최소화하도록 설정된 경계 구분 알고리즘으로 분석되어 구분 및 확정될 수 있다.
또한, 관리서버(300)는 산출된 불량률을 반영하여 생산성평가지수를 산출할 수 있다.
여기서, 생산성평가지수는 디지털 재봉기(100)의 생산관리(생산성 향상)를 위하여, 땀수, 불량률, 생산량에 따른 과거의 통계분석 결과에 기초한 생산성, 생산현장에 설치된 디지털 재봉기(100)를 통해 수집되는 데이터의 분석을 통한 실시간 생산성, 예측 알고리즘(몬테카를로 시뮬레이션 등)을 기반으로 하는 미래 예측에 따른 생산성을 기반으로 산출할 수 있다. 이때, 생산성평가지수는 1~10과 같은 스케일 범위 내 점수로 수치화(정량화)되거나, 상-중-하와 같은 등급으로 생성되거나, 화살표, 막대 또는 그래프 등의 이미지로 표현될 수 있다. 또한, 생산성평가지수는 땀수, 불량률, 생산량 중 어느 2개를 상호 조합하여, 과거 생산성, 현재 생산성, 미래 생산성을 기반으로 수치, 등급, 도표 등의 형태로 표현된 이미지 자료로 생성될 수 있다.
구체적으로, 관리서버(300)는 생산성평가 알고리즘을 이용하여 디지털 재봉기(100)에 따라 땀수, 생산량, 불량률을 반영하여 원단별 불량발생확률과 불량 발생에 따른 손실강도를 산출하고, 산출된 불량발생확률 및 손실강도 결과값에 디지털 재봉기(100)의 정비강도를 반영하여 불량의 발생확률, 손실강도, 정비강도를 생산성평가지수로 산출하고, 산출된 생산성평가지수를 반영하여 디지털 재봉기(100)에 대한 작업지시서를 업데이트한 후 디지털 재봉기(100)로 전송함으로써 생산관리를 원격으로 제어할 수 있다.
이때, 불량발생확률 및 손실강도는 디지털 재봉기(100)의 불량 발생 가능성과 불량 발생에 따른 손실 정도(금액)를 의미하며, 원단별 봉재 불량에 따른 손실액을 수치적, 금전적으로 도출될 수 있다. 또한, 정비강도는 설정된 기간 내 디지털 재봉기(100)의 정비빈도, 정비 경과 시간, 예상 정비 일정 등을 반영하여 디지털 재봉기(100)의 장치적 문제발생지표로 활용되도록 수치적 또는 등급으로 도출될 수 있다.
예시적으로, 생산성평가지수는 관리서버(300)에서 산출된 불량발생확률을 10점 기준으로 4.5점, 손실강도를 10점 기준으로 5점, 정비강도를 상/중/하 중 “중”등급으로 반영하며, 이러한 개별 값을 기준으로 3차원 벡터값(평균, 가중평균 또는 가감합산 등 미리 설정된 방식에 따라 산출되는 생산성)에 따른 지수(도 에서는 6.5)로 산출될 있다. 다만 상기 3차원 벡터값의 산출 방식은 별도로 미리 설정된 알고리즘이나 계산식에 의해 자동적으로 산출되거나, 불량발생확률, 손실강도, 정비강도 중 어느 하나 또는 하나 이상의 값에 대한 증감 상황을 감안하여 반영되어 산출되는 등 다양한 방식으로 산출되어 도식화될 수 있다.
이하에서는, 본 발명의 일 실시예에 따른 생산관리시스템에 의해 수행되는 원격 생산관리방법을 설명한다.
도 3은 본 발명의 일 실시예에 따른 원격 생산관리방법을 나타내는 순서도이고, 도 4는 도 3의 단계 S200에서 세부 과정을 나타내는 순서도이다.
도 3 및 도 4를 참조하면, 본 발명의 일 실시예에 따른 원격 생산관리방법은 작업지시서에 따라 원단을 봉제하여 재봉물을 생산하는 디지털 재봉기로부터 전송되는 생산 데이터를 게이트웨이에서 수집하여 통신망을 통해 관리서버로 전송하는 단계(S100) 및 관리서버가 생산 데이터에 기초하여 디지털 재봉기의 작동상태를 모니터링하고, 생산 데이터의 분석을 통해 디지털 재봉기의 생산관리를 원격으로 제어하는 단계(S200)를 포함할 수 있다.
단계 S100에서는, 게이트웨이가 하나 이상의 디지털 재봉기와 유선 및 무선 중 적어도 하나의 통신방식으로 통신하여 디지털 재봉기에서 작업지시서에 따라 원단을 봉제하여 재봉물을 생산한 생산 데이터를 수집할 수 있다.
여기서, 게이트웨이는 무선 메쉬 네트워크(Wireless Mesh Network, WMN)을 구성하는 복수개의 디지털 재봉기로부터 디지털 재봉기의 재봉속도 및 땀수가 반영된 작업속도, 작업시간, 단사정보, 생산량 중 적어도 하나를 포함하는 생산 데이터를 수신할 수 있다. 이때, 게이트웨이는 원활한 양방향 무선통신을 수행하기 위하여 복수의 메쉬 포인트 중 하나의 메쉬 포인트를 지정하여 네트워크 성능 최적화를 위한 핑 테스트를 수행할 수 있다.
단계 S200에서는, 관리서버가 생산 데이터를 분석하여 디지털 재봉기(100)의 불량률을 산출 또는 집계하는 단계(S210), 관리서버가 산출된 불량률을 반영하여 생산성평가지수를 산출하는 단계(S220), 관리서버가 산출된 생산성평가지수를 반영하여 디지털 재봉기(100)에 대한 작업지시서를 업데이트하는 단계(S230), 및 관리서버가 게이트웨이를 통해 디지털 재봉기로 작업지시서를 전송하는 단계(S240)를 포함할 수 있다.
세부 과정으로, 단계 S210에서는 관리서버가 생산 데이터로부터 디지털 재봉기의 봉제 땀수를 확인하고, 작업지시서에 설정된 땀수를 바탕으로 완성품 땀수 또는 불량품 땀수를 판단하고, 생산량 대비 불량품 발생수를 연산하여 불량률을 산출 또는 집계할 수 있다.
다만, 봉제 땀수가 불량품 발생으로 판단하기 애매한 경우, 관리서버는 기계학습모델을 이용하여 불량품 발생을 판단하되, 완성품 데이터와 불량품 데이터 각각을 학습 데이터로 이용하여 기계학습모델에서 불량 판단 기준으로 활용할 제1 및 제2 학습 레이블을 설정하고, 완성품 데이터와 불량품 데이터 각각을 학습 데이터에 추가 데이터를 더 포함시켜 기계학습모델을 학습시킬 수 있다. 이때, 추가 데이터는 제1 및 제2 학습 레이블 사이의 경계 영역에 해당하는 데이터들을 포함하고, 경계 영역은 기계학습모델의 학습에 따른 손실(불량품 증가)을 최소화하도록 설정된 경계 구분 알고리즘으로 분석하여 구분 및 확정할 수 있다.
다음, 단계 S220에서는 관리서버가 땀수, 불량률, 생산량에 따른 과거의 통계분석 결과에 기초한 생산성, 생산현장에 설치된 디지털 재봉기를 통해 수집되는 데이터의 분석을 통한 실시간 생산성, 예측 알고리즘을 기반으로 하는 미래 예측에 따른 생산성을 기반으로 산출할 수 있다. 더 상세하게는 관리서버는 생산성평가 알고리즘을 이용하여 디지털 재봉기에 따라 땀수, 생산량, 불량률을 반영하여 원단별 불량발생확률과 불량 발생에 따른 손실강도를 산출하고, 산출된 불량발생확률 및 손실강도 결과값에 디지털 재봉기의 정비강도를 반영하여 불량의 발생확률, 손실강도, 정비강도를 생산성평가지수로 산출할 수 있다.
다음, 단계 S230에서는 관리서버가 산출된 생산성평가지수를 반영하여 디지털 재봉기에 대한 작업지시서를 업데이트할 수 있다.
다음, 단계 S240에서는 관리서버가 업데이트된 작업지시서를 게이트웨이를 통해 디지털 재봉기로 전송하여 디지털 재봉기의 생산관리를 원격으로 제어할 수 있다.
본 발명의 실시예에 따르면, 양방향 실시간 통신이 가능한 디지털 재봉기를 이용하여 자동화 봉제 및 생산 데이터의 디지털화를 구현하고 체계적인 생산관리를 수행할 수 있다.
또한, 본 발명의 실시예에 따르면, 생산현장의 생산 데이터를 효과적으로 추출하고 실시간 양방향 무선통신을 통해 생산 데이터 전송과 각 재봉기별 작업지시서 수신이 가능하여 봉제 현장의 생산성 향상을 구현할 수 있다.
또한, 본 발명의 실시예에 따르면, 과거, 현재, 미래의 데이터를 반영하여 종합적으로 생산성평가지수를 산출할 수 있고, 이를 작업지시서에 반영하여 생산성을 향상시킬 수 있다.
한편, 본 발명의 실시예들에 따른 원격 생산관리방법은 적어도 하나의 컴퓨터 장치에 의해 구현될 수 있다. 이때, 컴퓨터 장치에는 본 발명의 일실시예에 따른 원격 생산관리방법이 적용된 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 원격 생산관리방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 원격 생산관리방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.
컴퓨터 판독 가능한 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플라피디스크, 광데이터 저장장치 등이 있다. 또한 컴퓨터 판독 가능한 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상기 방법을 구현하기 위한 기능적인(function) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10: 생산관리시스템
100: 디지털 재봉기
200: 게이트웨이
300: 관리서버
100: 디지털 재봉기
200: 게이트웨이
300: 관리서버
Claims (10)
- 생산현장의 생산관리를 원격으로 제어하는 생산관리시스템에 있어서,
작업지시서에 따라 원단을 봉제하여 재봉물을 생산하는 디지털 재봉기;
상기 디지털 재봉기에서 전송되는 생산 데이터를 수집하여 통신망을 통해 외부로 전송하는 게이트웨이; 및
상기 게이트웨이에서 전송되는 생산 데이터에 기초하여 상기 디지털 재봉기의 작동상태를 모니터링하고, 상기 생산 데이터의 분석을 통해 상기 디지털 재봉기의 생산관리를 원격으로 제어하는 관리서버;를 포함하며,
상기 관리서버는, 생산 데이터를 분석하여 상기 디지털 재봉기의 불량률을 산출 또는 집계하되, 생산 데이터로부터 상기 디지털 재봉기의 봉제 땀수를 확인하여 불량품 발생을 판단하고, 생산량 대비 불량품 발생수를 연산하여 불량률을 산출 또는 집계하며,
상기 관리서버는, 산출된 불량률을 반영하여 생산성평가지수를 산출하되, 상기 디지털 재봉기에 따른 땀수, 생산량, 불량률을 반영하여 원단별 불량발생확률과 불량 발생에 따른 손실강도를 산출하고, 산출된 불량발생확률 및 손실강도 결과값에 상기 디지털 재봉기의 정비강도를 반영하여 불량의 발생확률, 손실강도, 정비강도를 상기 생산성평가지수로 산출하는 것을 특징으로 하는, 의류제조 스마트 팩토리 생산관리시스템. - 삭제
- 제1항에 있어서,
상기 관리서버는,
불량품 발생으로 판단하기 애매한 봉제 땀수가 확인된 경우,
완성품 데이터와 불량품 데이터 각각을 학습 데이터로 이용하여 기계학습모델에서 불량 판단 기준으로 활용할 제1 및 제2 학습 레이블을 설정하고, 상기 제1 및 제2 학습 레이블 사이의 경계 영역에 해당하는 데이터들을 포함하는 추가 데이터를 더 포함시켜 기계학습모델을 학습시켜 불량품 발생을 판단하는 것을 특징으로 하는, 의류제조 스마트 팩토리 생산관리시스템. - 삭제
- 제1항에 있어서,
상기 불량발생확률 및 상기 손실강도는,
상기 디지털 재봉기의 불량 발생 가능성과 불량 발생에 따른 손실 정도를 반영하여 원단별 봉재 불량에 따른 손실액을 수치적 또는 금전적으로 도출되고,
상기 정비강도는,
설정된 기간 내 상기 디지털 재봉기의 정비빈도, 정비 경과 시간, 및 예상 정비 일정을 반영하여 상기 디지털 재봉기의 장치적 문제발생지표로 활용되도록 수치적 또는 등급으로 도출되는 것을 특징으로 하는, 의류제조 스마트 팩토리 생산관리시스템. - 제1항에 있어서,
상기 관리서버는,
상기 생산성평가지수를 스케일 범위 내 점수로 수치화하거나, 상중하 등급으로 생성하거나, 화살표, 막대 및 그래프 중 적어도 하나의 형태로 표현된 이미지 자료로 생성하는 것을 특징으로 하는, 의류제조 스마트 팩토리 생산관리시스템. - 생산현장의 생산관리를 원격으로 제어함에 있어서,
(A) 작업지시서에 따라 원단을 봉제하여 재봉물을 생산하는 디지털 재봉기로부터 전송되는 생산 데이터를 게이트웨이에서 수집하여 통신망을 통해 관리서버로 전송하는 단계; 및
(B) 상기 관리서버가 생산 데이터에 기초하여 상기 디지털 재봉기의 작동상태를 모니터링하고, 생산 데이터의 분석을 통해 상기 디지털 재봉기의 생산관리를 원격으로 제어하는 단계;를 포함하며,
상기 (B) 단계는,
(B-1) 상기 관리서버가 생산 데이터를 분석하여 상기 디지털 재봉기의 불량률을 산출 또는 집계하는 단계;
(B-2) 상기 관리서버가 산출된 불량률을 반영하여 생산성평가지수를 산출하는 단계;
(B-3) 상기 관리서버가 산출된 생산성평가지수를 반영하여 상기 디지털 재봉기에 대한 작업지시서를 업데이트하는 단계; 및
(B-4) 상기 관리서버가 상기 게이트웨이를 통해 상기 디지털 재봉기로 상기 작업지시서를 전송하는 단계;를 포함하며,
상기 (B-2) 단계에서,
상기 관리서버가 상기 디지털 재봉기에 따른 땀수, 생산량, 불량률을 반영하여 원단별 불량발생확률과 불량 발생에 따른 손실강도를 산출하고, 산출된 불량발생확률 및 손실강도 결과값에 상기 디지털 재봉기의 정비강도를 반영하여 불량의 발생확률, 손실강도, 정비강도를 상기 생산성평가지수로 산출하는 것을 특징으로 하는, 의류제조 스마트 팩토리 생산관리방법. - 삭제
- 제7항에 있어서,
상기 (B-1) 단계에서,
불량품 발생으로 판단하기 애매한 봉제 땀수가 확인된 경우, 상기 관리서버가 완성품 데이터와 불량품 데이터 각각을 학습 데이터로 이용하여 기계학습모델에서 불량 판단 기준으로 활용할 제1 및 제2 학습 레이블을 설정하고, 상기 제1 및 제2 학습 레이블 사이의 경계 영역에 해당하는 데이터들을 포함하는 추가 데이터를 더 포함시켜 기계학습모델을 학습시켜 불량품 발생을 판단하는 것을 특징으로 하는, 의류제조 스마트 팩토리 생산관리방법.
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220126261A KR102507449B1 (ko) | 2022-10-04 | 2022-10-04 | 의류제조 스마트 팩토리 생산관리시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220126261A KR102507449B1 (ko) | 2022-10-04 | 2022-10-04 | 의류제조 스마트 팩토리 생산관리시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102507449B1 true KR102507449B1 (ko) | 2023-03-07 |
Family
ID=85513625
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220126261A KR102507449B1 (ko) | 2022-10-04 | 2022-10-04 | 의류제조 스마트 팩토리 생산관리시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102507449B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101917157B1 (ko) * | 2018-07-03 | 2018-11-09 | 호전실업 주식회사 | 의류생산공장 스마트 모니터링 방법 및 시스템 |
| KR20210064956A (ko) * | 2019-11-26 | 2021-06-03 | 아리인포테크 주식회사 | 재봉틀 작업정보를 이용한 생산관리 방법 및 전자장치 |
| KR20210077956A (ko) | 2019-12-18 | 2021-06-28 | 한국생산기술연구원 | 의류생산 관리시스템 |
| KR20220065154A (ko) * | 2020-11-12 | 2022-05-20 | 코오롱글로텍주식회사 | IoT 기술을 이용한 봉제 생산관리 시스템 |
| KR20220084753A (ko) * | 2020-12-14 | 2022-06-21 | 서울대학교산학협력단 | 신경망 모델을 이용한 불량 재봉선 검출 방법, 불량 재봉선 검출 시스템 및 분석장치 |
-
2022
- 2022-10-04 KR KR1020220126261A patent/KR102507449B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101917157B1 (ko) * | 2018-07-03 | 2018-11-09 | 호전실업 주식회사 | 의류생산공장 스마트 모니터링 방법 및 시스템 |
| KR20210064956A (ko) * | 2019-11-26 | 2021-06-03 | 아리인포테크 주식회사 | 재봉틀 작업정보를 이용한 생산관리 방법 및 전자장치 |
| KR20210077956A (ko) | 2019-12-18 | 2021-06-28 | 한국생산기술연구원 | 의류생산 관리시스템 |
| KR20220065154A (ko) * | 2020-11-12 | 2022-05-20 | 코오롱글로텍주식회사 | IoT 기술을 이용한 봉제 생산관리 시스템 |
| KR20220084753A (ko) * | 2020-12-14 | 2022-06-21 | 서울대학교산학협력단 | 신경망 모델을 이용한 불량 재봉선 검출 방법, 불량 재봉선 검출 시스템 및 분석장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ante et al. | Developing a key performance indicators tree for lean and smart production systems | |
| KR101935652B1 (ko) | 빅데이터 플랫폼을 이용한 스마트 공장 운영 관리 솔루션 서비스 시스템 및 방법 | |
| Puvanasvaran et al. | Overall equipment efficiency improvement using time study in an aerospace industry | |
| Iannone et al. | Managing OEE to optimize factory performance | |
| US11403535B2 (en) | Model-based machine learning system | |
| CN114626615B (zh) | 一种生产过程监控管理方法及系统 | |
| KR20180131246A (ko) | 빅데이터 분석을 통한 공정 관리 방법 | |
| CN113610389B (zh) | 基于bim和rfid的预制构件生产质量管理系统 | |
| CN106570567A (zh) | 一种主网检修多约束多目标评估专家系统及优化方法 | |
| CN109117526A (zh) | 一种适用于机械系统设备维修指引数据记录及分析系统 | |
| CN117055502A (zh) | 基于物联网和大数据分析的智能控制系统 | |
| CN116911529A (zh) | 一种基于bim模型的物联网设备管理的方法与系统 | |
| KR102507449B1 (ko) | 의류제조 스마트 팩토리 생산관리시스템 및 방법 | |
| CN117434912B (zh) | 无纺布制品生产环境监控方法及系统 | |
| CN113468022B (zh) | 一种对产品集中监控的自动化运维方法 | |
| CN117709617A (zh) | 一种基于mes的生产车间智能排程系统 | |
| CN116307346B (zh) | 一种用于机械设备的运维管理系统及方法 | |
| JP7474303B2 (ja) | 管理システム | |
| KR20210097491A (ko) | Cnc 공작기계의 공구 관련 비정상 데이터 탐지 시스템 | |
| CN116611953A (zh) | 基于物联网的电能表生产制造实时数据管理方法和系统 | |
| Nazarevich et al. | Models of fuzzy logic in the processes of verification of the required level of automation of technological processes research and production complexes | |
| CN115167222A (zh) | 一种设备监控的方法及相关设备 | |
| KR101913343B1 (ko) | Kpi 지표를 이용한 스마트 공장의 모바일 어플리케이션 관리 시스템 | |
| US10126728B2 (en) | Method and system for collecting via a MES system time-stamps of working-statuses | |
| CN115760024A (zh) | 基于bim的智慧建造管控平台 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |