KR102512857B1 - 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법 - Google Patents

빅데이터 기반의 스마트 팩토리 분석시스템 및 방법 Download PDF

Info

Publication number
KR102512857B1
KR102512857B1 KR1020160010590A KR20160010590A KR102512857B1 KR 102512857 B1 KR102512857 B1 KR 102512857B1 KR 1020160010590 A KR1020160010590 A KR 1020160010590A KR 20160010590 A KR20160010590 A KR 20160010590A KR 102512857 B1 KR102512857 B1 KR 102512857B1
Authority
KR
South Korea
Prior art keywords
big data
server
condition
factory
rule
Prior art date
Application number
KR1020160010590A
Other languages
English (en)
Other versions
KR20170090115A (ko
Inventor
이두식
송호석
노원석
Original Assignee
주식회사 아임클라우드
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 아임클라우드 filed Critical 주식회사 아임클라우드
Priority to KR1020160010590A priority Critical patent/KR102512857B1/ko
Publication of KR20170090115A publication Critical patent/KR20170090115A/ko
Application granted granted Critical
Publication of KR102512857B1 publication Critical patent/KR102512857B1/ko

Links

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
    • G06Q50/10—Services
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2219—Large Object storage; Management thereof
    • 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
    • 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)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • General Factory Administration (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)

Abstract

본 발명의 일 실시예에 따르면, 빅데이터 기반의 스마트 팩토리 분석시스템에 있어서, 팩토리에 설치된 기계들로부터 데이터-동작 상태를 나타내는 데이터를 포함-를 수집하는 빅데이터 수집 서버; 상기 빅데이터 수집 서버에 의해 수집된 데이터를 제공받아 검색을 위한 인덱싱 작업을 수행하고, 사용자로 하여금 검색 기능을 제공하는 검색 서버; 상기 빅데이터 수집 서버에 의해 수집된 데이터를 제공받아 분산처리 하는 하둡(Hadoop) 서버; 상기 빅데이터 수집 서버에 의해 수집된 데이터를 스트림 형태로 실시간으로 제공받고, 제공받은 데이터 스트림과 패턴, 룰, 및 조건 중에서 적어도 어느 하나를 비교하여 일치하는지 여부를 판단하는 실시간 스트림 분석 장치; 및 상기 실시간 스트림 분석 장치에 의해 분석된 결과를 저장하는 분석결과 저장 DB;를 저장하며, 상기 패턴, 룰, 및 조건은 상기 팩토리에 설치된 기계들의 이상 유무와 동작 상태를 판단할 수 있는 기준인 것을 특징으로 하는 빅데이터 기반의 스마트 팩토리 분석시스템이 제공된다.

Description

빅데이터 기반의 스마트 팩토리 분석시스템 및 방법{FACTORY SMART ANALYSIS SYSTEM AND METHOD BASED ON BIGDATA}
본 발명은 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법에 관한 것이다.
일반적으로 빅테이터는 생성되는 양, 생성 주기 또는 방식이 기존 데이터에 비하여 훨씬 크고 이로 인하여 기존의 방식으로 수집, 검색 또는 분석이 어려운 방대한 양의 데이터를 의미한다. 이와 같은 빅데이터는 기술의 발달에 따른 센서와 같은 탐지 또는 정보 기술의 발달 및 정보가 공유될 수 있는 인터넷의 발달로 인하여 데이터가 급격하게 증가되면서 나타나기 시작했다. 빅데이터는 예를 들어 페타바이트(PB) 크기의 규모(Volume), 모든 형태의 데이터 발생 원인을 포함하는 다양성(Variety), 빠른 데이터의 수집 및 처리가 요구되는 속도(Velocity) 및 데이터 자체가 가지는 불확실성에 대비에 필요한 정확성(Veracity)이라는 특성을 가지는 것으로 알려져 있다.
한편, 공장 운영 관리시스템은 운영 진행 정보 감시 및 제어, 설비의 감시 및 제어, 실적 정보 집계, 인력 관리, 공무 관리 등 공장 현장에서 발생할 수 있는 모든 데이터를 통합 관리하는데, 공장 현장에서 필요한 빅데이터를 수집하거나 저장 및 처리 기술에 한계가 있기 때문에 실시간으로 정확하게 장애를 파악하는 것이 쉽지 않다.
본 발명의 일 실시예에 따르면 팩토리에 설치된 대규모 장치들로부터 데이터를 수집하여 실시간으로 이상 유무를 판단할 수 있는 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법이 제공된다.
본 발명의 일 실시예에 따르면 팩토리에 설치된 대규모 장치들로부터 수집되는 빅데이터를 분석하여 이상유무를 판단하는 기준이 되는 정확한 룰/패턴/규칙을 지속적으로 생성할 수 있는 스마트 팩토리 분석시스템 및 방법이 제공된다.
본 발명의 일 실시예에 따르면, 빅데이터 기반의 스마트 팩토리 분석시스템에 있어서,
팩토리에 설치된 기계들로부터 데이터-동작 상태를 나타내는 데이터를 포함-를 수집하는 빅데이터 수집 서버;
상기 빅데이터 수집 서버에 의해 수집된 데이터를 제공받아 검색을 위한 인덱싱 작업을 수행하고, 사용자로 하여금 검색 기능을 제공하는 검색 서버;
상기 빅데이터 수집 서버에 의해 수집된 데이터를 제공받아 분산처리 하는 하둡(Hadoop) 서버;
상기 빅데이터 수집 서버에 의해 수집된 데이터를 스트림 형태로 실시간으로 제공받고, 제공받은 데이터 스트림과 패턴, 룰, 및 조건 중에서 적어도 어느 하나를 비교하여 일치하는지 여부를 판단하는 실시간 스트림 분석 장치; 및
상기 실시간 스트림 분석 장치에 의해 분석된 결과를 저장하는 분석결과 저장 DB;를 저장하며,
상기 패턴, 룰, 및 조건은 상기 팩토리에 설치된 기계들의 이상 유무와 동작 상태를 판단할 수 있는 기준인 것을 특징으로 하는 빅데이터 기반의 스마트 팩토리 분석시스템이 제공된다.
본 발명의 일 실시예에 따른 빅데이터 기반의 스마트 팩토리 분석시스템은, 상기 빅데이터 수집 서버에 의해 수집된 빅데이터를 상기 하둡(Hadoop) 서버와 상기 검색 서버와 상기 실시간 스트림 분석 장치가 처리할 수 있도록 정규화하는 빅데이터 정규화 모듈; 및 상기 빅데이터 정규화 모듈에 의해 정규화된 빅데이터를 저장하는 메시지 큐;를 더 포함할 수 있다.
상기 메시지 큐에 저장된 빅데이터는 상기 하둡(Hadoop) 서버와 상기 검색 서버와 상기 실시간 스트림 분석 장치에게 제공되는 것일 수 있다.
본 발명의 일 실시예에 따른 빅데이터 기반의 스마트 팩토리 분석시스템은,
상기 하둡(Hadoop) 서버에 의해 분산 처리된 빅데이터를 분석하여 패턴, 룰, 및 조건 중에서 적어도 어느 하나를 만족하는지 여부를 판단하는 배치 분석 모듈;을 더 포함할 수 있다.
상기 배치 분석 모듈은 판단 결과를 상기 분석결과 저장 DB에 저장할 수 있다.
본 발명의 일 실시예에 따른 빅데이터 기반의 스마트 팩토리 분석시스템은, 패턴, 룰, 및 조건 중 적어도 하나를 저장하는 룰/패턴/조건 DB;를 더 포함할 수 있다.
상기 배치 분석 모듈은 상기 룰/패턴/조건 DB에 저장된 룰/패턴/조건이 상기 팩토리에 설치된 기계들의 이상 유무와 동작 상태를 정확하게 판단할 수 있도록 정의된 것인지를 확인하고, 부정확하게 정의되었다고 판단되면 상기 룰/패턴/조건 DB에 저장된 룰/패턴/조건을 정정할 수 있다.
상기 배치 분석 모듈은 상기 하둡(Hadoop) 서버에 의해 분산 처리된 빅데이터에서 상기 팩토리에 설치된 기계들에 대하여 과거 발생되었던 이상 상태들과, 상기 룰/패턴/조건 DB에 저장된 룰, 패턴, 또는 조건을 비교하여 상기 룰/패턴/조건 DB에 저장된 룰, 패턴, 또는 조건이 정확하게 정의되었는지를 확인할 수 있다.
본 발명의 일 실시예에 따른 빅데이터 기반의 스마트 팩토리 분석시스템은, 상기 하둡(Hadoop) 서버, 상기 검색 서버, 상기 실시간 스트림 분석 장치, 상기 배치 분석 모듈, 상기 빅데이터 수집 서버에 의해 수행되는 잡(job)의 처리 일정을 계획하여 수립하는 스케줄러;를 더 포함할 수 있다.
본 발명의 일 실시예에 따르면, 팩토리에 설치된 대규모 장치들로부터 실시간으로 데이터를 수집하여 실시간으로 이상 유무를 판단하고 예측할 수 있게 된다. 또한, 대규모 장치들이 새로 설치되거나 현장 상황이 변경되더라도 이상 유무를 정확하게 판단할 수 있도록 정확한 룰/패턴/규칙을 생성하여 반영할 수 있게 된다.
도 1은 본 발명의 일 실시예에 따른 빅데이터 기반의 스마트 팩토리 분석시스템을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 빅데이터 기반의 스마트 팩토리 분석 방법을 설명하기 위한 도면이다.
이상의 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시예들은 개시된 내용이 철저하고 완전해질 수 있도록 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprises)' 및/또는 '포함하는(comprising)'은 언급된 구성요소는 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
이하, 도면을 참조하여 본 발명을 상세히 설명하도록 한다. 아래의 특정 실시예들을 기술하는데 있어서, 여러 가지의 특정적인 내용들은 발명을 더 구체적으로 설명하고 이해를 돕기 위해 작성되었다. 하지만 본 발명을 이해할 수 있을 정도로 이 분야의 지식을 갖고 있는 독자는 이러한 여러 가지의 특정적인 내용들이 없어도 사용될 수 있다는 것을 인지할 수 있다. 어떤 경우에는, 발명을 기술하는 데 있어서 흔히 알려졌으면서 발명과 크게 관련 없는 부분들은 본 발명을 설명하는 데 있어 별 이유 없이 혼돈이 오는 것을 막기 위해 기술하지 않음을 미리 언급해 둔다.
도 1은 본 발명의 일 실시예에 따른 빅데이터 기반의 스마트 팩토리 분석시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 빅데이터 기반의 스마트 팩토리 분석시스템은, 스케줄러(5), 빅데이터 소스(10), 빅데이터 수집 서버(20), 하둡(Hadoop) 서버(30), 검색 서버(40), 실시간 스트림 분석 장치(50), 배치 분석 모듈(60), 분석 결과를 저장하는 분석결과저장 DB(70), 및 룰/패턴/조건을 저장하는 룰/패턴/조건 DB(80)를 포함할 수 있다. 본 발명의 일 실시예에 따른 빅데이터 기반의 스마트 팩토리 분석시스템은, 또한, 빅데이터 정규화 모듈(21), 메시지 큐(23), 및 웹 서버(90) 중 적어도 하나의 장치를 더 포함하도록 구성될 수 있다.
빅데이터 소스(10)는 빅데이터의 수집 대상이며, 팩토리에 설치된 기계들(11, 13, 15, ...) - 공장 내부 또는 현장에 설치된 기계들 - 이 데이터의 수집 대상이 될 수 있다. 이러한 기계들에는 예를 들면 IP와 포트(Port)가 할당되어 있으며, 유선 또는 무선 통신 네트워크를 통해서 기계들의 동작 상태를 나타내는 데이터들이 빅데이터 수집 서버(20)로 제공된다.
빅데이터 수집 서버(20)는 팩토리에 설치된 기계들(11, 13, 15, ...)로부터 빅데이터를 수집한다. 빅데이터 수집 서버(20)는 주기적으로 또는 수시로 빅데이터를 수집할 수 있다.
빅데이터 수집 서버(20)는 빅데이터의 분실을 막기 위해서 수집한 빅데이터를 실시간으로 메시지 큐(23)에 저장한다.
빅데이터 정규화 모듈(21)은 메시지 큐(23)에 빅데이터가 저장되기 전에 하둡(Hadoop) 서버(30), 검색 서버(40), 실시간 스트림 분석 장치(50)가 처리할 수 있도록 정규화하며, 이렇게 정규화된 빅데이터가 메시지 큐(23)에 저장된다.
메시지 큐(23)에 저장된 빅데이터는 적어도 3 개의 장치로 동시 또는 순차적으로 제공된다. 즉, 메시지 큐(23)에 저장된 빅데이터는, 하둡(Hadoop) 서버(30), 검색 서버(40), 실시간 스트림 분석 장치(50)로 제공된다.
하둡(Hadoop) 서버(30)는 빅데이터에 대한 분산 병렬 처리 동작을 수행한다. 하둡(Hadoop) 서버(30)는 대용량의 빅데이터를 처리할 수 있도록 복수의 컴퓨터를 묶어서 분산 처리하며, 예를 들면 수백 또는 수천대 이상의 분산된 장비에 대용량 데이터를 저장할 수 있는 기능을 제공하는 분산파일 시스템과, 저장된 데이터를 분산된 서버의 CPU(중앙처리장치)와 메모리 자원을 이용해서 분석할 수 있는 컴퓨팅 플랫폼인 맵리듀스를 포함할 수 있다.
검색 서버(40)는 빅데이터 수집 서버(20)에 의해 수집된 데이터(메시지 큐(23)에 저장되어 있는 데이터)를 제공받아 검색을 위한 인덱싱 작업을 수행하고, 사용자로 하여금 검색 기능을 제공한다. 예를 들면, 웹 서버(9)의 요청에 의해 검색어에 대응되는 결과물을 분석결과저장 DB(70)에서 찾을 수 있는 기능을 제공한다.
실시간 스트림 분석 장치(50)는 빅데이터 수집 서버(20)에 의해 수집된 데이터(메시지 큐(23)에 저장되어 있는 데이터)를 스트림 형태로 실시간으로 제공받고, 제공받은 데이터 스트림과 패턴, 룰, 및 조건 중에서 적어도 어느 하나를 비교하여 일치하는지 여부를 판단하여 분석결과저장 DB(70)에 저장한다. 여기서, 패턴, 룰, 및 조건은 팩토리에 설치된 기계들(11, 13, 15, ...)의 이상 유무와 동작 상태를 판단할 수 있는 기준이 되는 데이터로서, 룰/패턴/조건 DB에 저장되어 있다.
실시간 스트림 분석 장치(50)는 메시지 큐(23)에 저장된 빅데이터를 스트림 형태로 제공받아 패턴, 룰, 및 조건 중 적어도 어느 하나와 실시간으로 비교하여 분석한다. 실시간 스트림 분석 장치(50)는 빅데이터와 패턴, 룰, 및 조건 중 적어도 어느 하나를 비교하여 일치 여부를 확인함으로써, 팩토리에 설치된 기계들(11, 13, 15, ...)의 이상 유무를 판단할 수 있다.
실시간 스트림 분석 장치(50)는, 예를 들면, 병렬 처리용 파이프 라인(51)과 복수의 서버들(53a, 53b, 53c, ...)을 포함하도록 구성될 수 있다. 복수의 서버들(53a, 53b, 53c, ...)은 각각 룰/패턴/조건 DB(80)에 저장되어 있는 룰, 패턴, 조건을 이용하여, 병렬 처리용 파이프 라인(51)을 통과하는 데이터 스트림을 비교하여 일치하는 데이터가 있는지를 판단한다. 룰, 패턴, 또는 조건에 일치하는 데이터가 있으면, 일치 결과를 분석결과저장 DB(70)에 저장한다.
배치 분석 모듈(60)은 하둡(Hadoop) 서버(30)에 의해 분산 병렬 처리되어 저장된 빅데이터를 분석하여 패턴, 룰, 및 조건 중에서 적어도 어느 하나를 만족하는지 여부를 판단한다.
배치 분석 모듈(60)은 룰/패턴/조건 DB(80)에 저장된 룰/패턴/조건이 팩토리에 설치된 기계들(11, 13, 15)의 이상(고장이나 정상적으로 동작하지 않는 경우) 유무와 동작 상태를 정확하게 판단할 수 있도록 정의된 것인지를 확인하고, 부정확하게 정의되었다고 판단되면 룰/패턴/조건 DB(80)에 저장된 룰/패턴/조건을 정정하는 동작을 수행할 수 있다.
배치 분석 모듈(60)은 하둡(Hadoop) 서버(30)에 의해 분산 병렬 처리된 빅데이터에서 팩토리에 설치된 기계들(11, 13, 15, ...)에 대하여 과거 발생되었던 이상 상태들과, 룰/패턴/조건 DB(80)에 저장된 룰, 패턴, 또는 조건을 비교하여 룰/패턴/조건 DB(80)에 저장된 룰, 패턴, 또는 조건이 정확하게 정의되었는지를 확인할 수 있다.
배치 분석 모듈(60)은 하둡(Hadoop) 서버(30)에 의해 분산 병렬 처리된 빅데이터를 분석한 결과, 과거에 소정의 이상 상태가 발생하였음에도, 그러한 소정의 이상 상태를 정의하는 룰, 패턴, 또는 조건이 룰/패턴/조건 DB(80)에 저장되어 있지 않은 경우에는, 그러한 소정의 이상 상태를 정의하는 룰, 패턴, 또는 조건을 생성하여, 룰/패턴/조건 DB(80)에 저장한다.
분석결과저장 DB(70)는 실시간 스트림 분석 장치(50)에 의한 분석 결과를 저장하고, 룰/패턴/조건 DB(80)는 룰/패턴/조건을 저장할 수 있다.
스케줄러(5)는 빅데이터 수집 서버(20), 하둡(Hadoop) 서버(30), 검색 서버(40), 실시간 스트림 분석 장치(50), 및 배치 분석 모듈(60)에 의해 수행되는 잡(job)의 처리 일정을 계획하여 수립한다. 빅데이터 수집 서버(20), 하둡(Hadoop) 서버(30), 검색 서버(40), 실시간 스트림 분석 장치(50), 및 배치 분석 모듈(60)은 스케줄러(5)에 수립된 계획에 따라서 각각의 동작을 수행한다.
웹 서버(90)는 분석된 결과를 사용자가 볼 수 있는 형태로 제공한다.
도 2는 본 발명의 일 실시예에 따른 빅데이터 기반의 스마트 팩토리 분석 방법을 설명하기 위한 도면이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 빅데이터 기반의 스마트 팩토리 분석 방법은 팩토리에 설치된 기계들로부터 빅데이터를 수집하는 단계(S101), 빅데이터를 정규화하는 단계(S103), 하둡(Hadoop) 서버가 빅데이터를 분산 병렬처리하는 단계(S104), 스트림 형태로 실시간 빅데이터를 분석하여 기계들의 이상 유무를 판단하는 단계(S106), 검색을 위한 인덱싱을 수행하는 단계(S108), 빅데이터를 배치 분석하여 기계들의 이상 유무를 판단하고 패턴, 룰, 조건을 검증하는 단계(S105), S106 단계의 수행 결과인 분석 결과를 저장하는 단계(S107), 분석결과를 가시적 형태로 제공하는 단계(S109)를 포함할 수 있다.
본 발명의 일 실시예에 따른 빅데이터 기반의 스마트 팩토리 분석 방법은 프로세서와 저장장치(메모리, HDD, ...)로 이루어진 컴퓨터에 의해 구현될 수 있으며, 예를 들면 도 1을 참조하여 설명한 장치들에 의해서도 구현될 수 있다.
이하에서는, 본 발명의 설명의 목적을 위해서, 본 발명의 일 실시예에 따른 빅데이터 기반의 스마트 팩토리 분석 방법이 도 1과 같은 장치에 구현되었다고 가정하고, 본 발명의 일 실시예에 따른 빅데이터 기반의 스마트 팩토리 분석 방법을 설명하기로 한다.
S101 단계에서, 빅데이터 수집 서버(20)는 팩토리에 설치된 기계들로부터 빅데이터를 수집한다.
S103 단계에서, 빅데이터 정규화 모듈(21)은 빅데이터 수집 서버(20)에 의해 수집된 빅데이터를 하둡(Hadoop) 서버(30), 검색 서버(40), 실시간 스트림 분석 장치(50)가 처리할 수 있도록 정규화한다. 이렇게 정규화된 빅데이터는 메시지 큐(23)에 저장되었다가, 하둡(Hadoop) 서버(30), 검색 서버(40), 및 실시간 스트림 분석 장치(50)에 제공된다.
S104 단계에서, 하둡(Hadoop) 서버(30)는 빅데이터에 대한 분산 병렬 처리 동작을 수행한다. 하둡(Hadoop) 서버(30)는 대용량의 빅데이터를 처리할 수 있도록 복수의 컴퓨터를 묶어서 분산 처리한다.
S105 단계에서, 배치 분석 모듈(60)은 S104 단계에서 분산 병렬 처리된 빅데이터를 분석하여 패턴, 룰, 및 조건 중에서 적어도 어느 하나를 만족하는지 여부를 판단한다. 예를 들면, 배치 분석 모듈(60)은 룰/패턴/조건이 팩토리에 설치된 기계들(11, 13, 15)의 이상 유무와 동작 상태를 정확하게 판단할 수 있도록 정의된 것인지를 확인하고, 부정확하게 정의되었다고 판단되면 룰/패턴/조건 DB(80)에 저장된 룰/패턴/조건을 정정하는 동작을 수행한다. S105 단계에서, 배치 분석 모듈(60)은 하둡(Hadoop) 서버(30)에 의해 분산 처리된 빅데이터에서 팩토리에 설치된 기계들(11, 13, 15, ...)에 대하여 과거 발생되었던 이상 상태들과, 룰, 패턴, 또는 조건을 비교하여 기존에 사용하던 룰, 패턴, 또는 조건이 정확하게 정의되었는지를 확인할 수 있다.
S106 단계에서, 실시간 스트림 분석 장치(50)는 S103 단계에 의해 정규화된 빅데이터를 스트림 형태로 실시간으로 제공받고, 제공받은 데이터 스트림과 패턴, 룰, 및 조건 중에서 적어도 어느 하나를 비교하여 일치하는지 여부를 판단하여 분석한다. S106 단계에서, 실시간 스트림 분석 장치(50)는 S103 단계에 의해 정규화된 빅데이터를 스트림 형태로 제공받아 패턴, 룰, 및 조건 중 적어도 어느 하나와 실시간으로 비교하여 분석한다. 즉, S106 단계에서, 실시간 스트림 분석 장치(50)는 빅데이터와 패턴, 룰, 및 조건 중 적어도 어느 하나를 비교하여 일치 여부를 확인함으로써, 팩토리에 설치된 기계들(11, 13, 15, ...)의 이상 유무를 판단할 수 있다.
S108 단계에서, 검색 서버(40)는 S103 단계에 의해 정규화된 빅데이터를 제공받아 검색을 위한 인덱싱 작업을 수행하고, 사용자로 하여금 검색하는 동작을 수행한다.
S107 단계에서, 분석결과저장 DB(70)는 S106 단계에서 분석된 결과를 저장하고, S105 단계와 S106 단계에서 사용되는 룰/패턴/조건을 DB에 저장하여 관리(수정, 추가, 삭제)한다.
S109 단계에서, 웹 서버(90)는 S106 단계에서 분석된 결과를 사용자가 볼 수 있는 형태로 제공한다.
상기와 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
5: 스케줄러 10: 빅데이터 소스
20: 빅데이터 수집 서버 30: 하둡 서버
40: 검색 서버 50: 실시간 스트림 분석 장치
60: 배치 분석 모듈 70: 분석결과 저장 DB
80: 룰/패턴/조건 DB 90: 웹 서버

Claims (6)

  1. 빅데이터 기반의 스마트 팩토리 분석시스템에 있어서,
    팩토리에 설치된 기계들로부터 데이터-동작 상태를 나타내는 데이터를 포함-를 수집하는 빅데이터 수집 서버;
    상기 빅데이터 수집 서버에 의해 수집된 데이터를 제공받아 분산처리 하는 하둡(Hadoop) 서버;
    상기 팩토리에 설치된 기계들의 이상 유무와 동작 상태를 판단할 수 있는 기준인 룰, 패턴, 및 조건 중 적어도 하나를 저장하는 룰/패턴/조건 데이터베이스(DB);
    상기 하둡 서버에 의해 분산 처리된 빅데이터를 분석하여 상기 룰, 패턴, 및 조건 중 적어도 어느 하나를 만족하는지 여부를 판단하는 배치 분석 모듈;
    상기 빅데이터 수집 서버에 의해 수집된 데이터를 스트림 형태로 실시간으로 제공받고, 제공받은 데이터 스트림과 룰, 패턴, 및 조건 중 적어도 어느 하나를 비교하여 일치하는지 여부를 판단하는 실시간 스트림 분석 장치; 및
    상기 실시간 스트림 분석 장치에 의해 분석된 결과를 저장하는 분석결과 저장 DB;를 포함하며,
    상기 배치 분석 모듈이,
    (i) 상기 하둡 서버에 의해 분산 처리된 빅데이터에서 상기 팩토리에 설치된 기계들에 대하여 과거 발생되었던 이상 상태들과, 상기 룰, 패턴, 또는 조건 중 적어도 하나를 비교하여 상기 룰/패턴/조건 DB에 저장된 룰, 패턴, 또는 조건이 정확하게 정의되었는지를 확인하는 동작, 및 (ii) 상기 하둡 서버에 의해 분산 병렬 처리된 빅데이터의 분석 결과, 과거에 소정의 이상 상태가 발생하였음에도 그러한 소정의 이상 상태를 정의하는 룰, 패턴, 또는 조건이 상기 룰/패턴/조건 DB에 저장되어 있지 않은 경우, 그러한 소정의 이상 상태를 정의하는 룰, 패턴, 또는 조건을 생성하여 상기 룰/패턴/조건 DB에 저장하는 동작을 수행할 수 있도록 구성된, 빅데이터 기반의 스마트 팩토리 분석시스템.
  2. 제 1 항에 있어서,
    상기 빅데이터 수집 서버에 의해 수집된 빅데이터를 상기 하둡 서버와 상기 실시간 스트림 분석 장치가 처리할 수 있도록 정규화하는 빅데이터 정규화 모듈; 을 더 포함하는 것을 특징으로 하는 빅데이터 기반의 스마트 팩토리 분석시스템.
  3. 제 1 항에 있어서,
    상기 배치 분석 모듈은 판단 결과를 상기 분석결과 저장 DB에 저장하는 것을 특징으로 하는 빅데이터 기반의 스마트 팩토리 분석시스템.
  4. 제 3 항에 있어서,
    상기 빅데이터 수집 서버, 상기 하둡 서버, 상기 배치 분석 모듈, 및 상기 실시간 스트림 분석 장치에 의해 수행되는 잡(job)의 처리 일정을 계획하여 수립하는 스케줄러;를 더 포함하는 것을 특징으로 하는 빅데이터 기반의 스마트 팩토리 분석시스템.
  5. 삭제
  6. 삭제
KR1020160010590A 2016-01-28 2016-01-28 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법 KR102512857B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160010590A KR102512857B1 (ko) 2016-01-28 2016-01-28 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160010590A KR102512857B1 (ko) 2016-01-28 2016-01-28 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20170090115A KR20170090115A (ko) 2017-08-07
KR102512857B1 true KR102512857B1 (ko) 2023-03-23

Family

ID=59653953

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160010590A KR102512857B1 (ko) 2016-01-28 2016-01-28 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102512857B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102020365B1 (ko) * 2017-12-19 2019-09-11 한국전력공사 빅데이터 기반의 배전설비 고장 예측 장치 및 그 방법
KR102040389B1 (ko) 2018-01-09 2019-11-04 진성기 인공지능을 이용한 산업용 제어 시스템 및 그 제어 방법
KR102586845B1 (ko) 2021-06-30 2023-10-06 주식회사 하이텍정보 딥러닝을 이용하여 예지보전이 가능한 설비관리시스템

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101435789B1 (ko) * 2013-01-29 2014-08-29 (주)소만사 Ｄｌｐ 시스템의 빅데이터 처리 시스템 및 방법
KR20150056266A (ko) * 2013-11-15 2015-05-26 (주)가이온 공장 운영 관리용 정형 및 비정형의 빅데이터 엔진 및 처리 방법
KR20150056268A (ko) * 2013-11-15 2015-05-26 (주)가이온 공장 운영 장애에 대한 분석용 어플리케이션 및 분석 방법
KR101560968B1 (ko) * 2014-02-26 2015-10-15 (주)우광에스디에스 설비 직결형 실시간 모니터링 고장 진단 및 고장 시기 예측 진단장치와 그에 따른 고장 진단 및 예측 진단방법
KR20150112357A (ko) * 2014-03-27 2015-10-07 (주)시엠아이코리아 센서 데이터 처리 시스템 및 방법

Also Published As

Publication number Publication date
KR20170090115A (ko) 2017-08-07

Similar Documents

Publication Publication Date Title
KR101845393B1 (ko) 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법
US11748227B2 (en) Proactive information technology infrastructure management
CN105677538B (zh) 一种基于故障预测的云计算系统自适应监测方法
US9942103B2 (en) Predicting service delivery metrics using system performance data
US9043647B2 (en) Fault detection and localization in data centers
US20170109668A1 (en) Model for Linking Between Nonconsecutively Performed Steps in a Business Process
CN102713861A (zh) 操作管理装置、操作管理方法以及程序存储介质
US20170109667A1 (en) Automaton-Based Identification of Executions of a Business Process
JP5933463B2 (ja) ログ生起異常検知装置及び方法
CN102257520A (zh) 应用的性能分析
Zhao et al. Identifying bad software changes via multimodal anomaly detection for online service systems
JP6564799B2 (ja) 閾値決定装置、閾値決定方法及びプログラム
US20170109639A1 (en) General Model for Linking Between Nonconsecutively Performed Steps in Business Processes
EP3503473A1 (en) Server classification in networked environments
KR102512857B1 (ko) 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법
Chen et al. Predicting job completion times using system logs in supercomputing clusters
Chen et al. Invariants based failure diagnosis in distributed computing systems
CN110188049A (zh) 容器管理方法、装置以及电子设备
CN106844170A (zh) 一种故障处理、分析故障的影响面方法和设备
RU148692U1 (ru) Система мониторинга событий компьютерной безопасности
CN111913824A (zh) 确定数据链路故障原因的方法及相关设备
CN115372748A (zh) 电缆的维护数据处理方法及系统
CN113282920B (zh) 日志异常检测方法、装置、计算机设备和存储介质
RU180789U1 (ru) Устройство аудита информационной безопасности в автоматизированных системах
US11665185B2 (en) Method and apparatus to detect scripted network traffic

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right