KR102535230B1 - 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 fems - Google Patents
빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 fems Download PDFInfo
- Publication number
- KR102535230B1 KR102535230B1 KR1020220146902A KR20220146902A KR102535230B1 KR 102535230 B1 KR102535230 B1 KR 102535230B1 KR 1020220146902 A KR1020220146902 A KR 1020220146902A KR 20220146902 A KR20220146902 A KR 20220146902A KR 102535230 B1 KR102535230 B1 KR 102535230B1
- Authority
- KR
- South Korea
- Prior art keywords
- facilities
- data
- facility
- industrial
- cloud server
- Prior art date
Links
- 238000010801 machine learning Methods 0.000 claims abstract description 14
- 230000005856 abnormality Effects 0.000 claims abstract description 11
- 238000012423 maintenance Methods 0.000 claims abstract description 6
- 238000003745 diagnosis Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 14
- 238000013480 data collection Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 29
- 230000008859 change Effects 0.000 description 12
- 230000006866 deterioration Effects 0.000 description 11
- 230000032683 aging Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 238000000059 patterning Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000002699 waste material Substances 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—Information and communication technology [ICT] specially adapted for implementation of business processes of 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
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/25—Manufacturing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/30—Information sensed or collected by the things relating to resources, e.g. consumed power
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Toxicology (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Biomedical Technology (AREA)
- Manufacturing & Machinery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 FEMS에 관한 것으로, 공장 또는 산업설비, 건물을 포함함과 아울러 센서 네트워크를 구성하여 설비의 상태를 확인할 수 있는 데이터를 제공하는 다수의 산업 시설부와, 상기 산업 시설부와 통신하며 전력 관리 데이터, 시설 관리 데이터를 수집하여 빅데이터를 구현하고, 기계학습하여, 그 결과를 제공하는 클라우드 서버와, 상기 클라우드 서버의 정보에 따라 특정 산업 시설부의 설비 이상을 검출하여 유지보수를 수행하는 기계 설비 업체 단말과, 상기 클라우드 서버의 정보에 따라 상기 산업 시설부에서 사용하는 센서 및 IoT 플랫폼의 이상 여부를 검출하고, 유지보수하는 센서 및 IoT 업체 단말을 포함할 수 있다.
Description
본 발명은 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 FEMS에 관한 것으로, 클라우드 서버를 이용하여 기기 및 플랫폼들의 진단 및 사고 예측이 가능한 엣지 컴퓨팅 및 클라우드 기반 FEMS에 관한 것이다.
일반적으로 네트워크를 통한 산업 관리는 일부분에 한정되어 있으며, 이에 따라 산업 시설물의 전반적인 관리가 이루어지지 못하고 있으며, 이로 인한 산업 시설물의 총괄적인 시스템 관리에 있어 인력이 낭비되고 있는 실정이다.
또한, 인력을 통한 산업 시설물의 총괄 제어가 이루어짐에 따라, 실시간 제어가 어려워 산업 시설물에 대한 이상 징후 발생을 사전에 예방하지 못하고, 그에 따라 산업 시설물 운영에 따른 재해, 불량 및 위험에 대해 즉각적인 대응이 어려운 문제점이 있다.
이러한 문제점을 개선하기 위해, 공장이나 산업현장에서는 시설이나 장비의 모니터링하기 위해 네트워크를 통한 모니터링 시스템을 이용하고 있다. 이는 관리자가 현장에 상주해야하는 불편을 덜어주며, 중앙 제어실에서 전반적인 현장의 상황을 감시, 제어할 수 있으므로 시간적으로, 또 공간적으로 효율을 높일 수 있다. 뿐만 아니라, 사람이 접근하기 힘든 환경이나 제한된 지역을 통합하여 관리할 수 있으므로 그 중요성이 매우증가하고 있는 추세이다.
전술한 바와 같은 문제점을 개선하기 위한 선행기술로는 대한민국 공개특허 제2016-0034023호((2016.03.29.공개)가 있다.
그러나 종래에는 산업 시설의 관리를 전력 관리와 시설 관리를 나누어 수행하기 때문에 관리를 위한 시스템이 복잡하고, 비용이 증가하게 되는 문제점이 있었다.
상기와 같은 문제점을 감안한 본 발명의 목적은, 전력 관리와 기기 및 플랫폼을 포함하는 설비를 통합 관리할 수 있는 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 FEMS를 제공함에 있다.
상기와 같은 기술적 과제를 해결하기 위한 본 발명 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 FEMS는, 공장 또는 산업설비, 건물을 포함함과 아울러 센서 네트워크를 구성하여 설비의 상태를 확인할 수 있는 데이터를 제공하는 다수의 산업 시설부와, 상기 산업 시설부와 통신하며 전력 관리 데이터, 시설 관리 데이터를 수집하여 빅데이터를 구현하고, 기계학습하여, 그 결과를 제공하는 클라우드 서버와, 상기 클라우드 서버의 정보에 따라 특정 산업 시설부의 설비 이상을 검출하여 유지보수를 수행하는 기계 설비 업체 단말과, 상기 클라우드 서버의 정보에 따라 상기 산업 시설부에서 사용하는 센서 및 IoT 플랫폼의 이상 여부를 검출하고, 유지보수하는 센서 및 IoT 업체 단말을 포함할 수 있다.
본 발명의 실시 예에서, 상기 센서 네트워크는, 설비의 전류, 전압 등 전기적 데이터를 검출하는 센서와, 설비의 온도, 습도 등 환경적 데이터를 검출하는 센서를 포함할 수 있다.
본 발명의 실시 예에서, 상기 센서 네트워크는, 설비의 사진, 영상, 음향을 검출하는 사용자 단말을 더 포함하고, 상기 사용자 단말은 검출된 사진, 영상, 음향 데이터를 위치데이터와 함께 클라우드 서버로 송신할 수 있다.
본 발명의 실시 예에서, 산업 시설부는, 다수의 설비와 상기 센서 네트워크;
상기 다수의 설비에 전력을 공급하는 수배전반과, 다수의 설비를 제어하는 분산 제어 시스템을 포함하고, 상기 수배전반은 AI 기반 감시진단 모듈을 내장한 IED를 포함할 수 있다.
본 발명의 실시 예에서, 상기 산업 시설부는, 다수의 설비 및 상기 센서 네트워크와, 상기 다수의 설비에 전력을 공급하는 수배전반과, 다수의 설비를 제어하는 분산 제어 시스템과, AI 기반 감시진단 모듈을 내장하고, 데이터를 수집하여 상기 클라우드 서버로 제공하는 데이터 수집 및 제어장치를 포함할 수 있다.
본 발명의 실시 예에서, 상기 AI 기반 감시진단 모듈은, 단기 데이터를 이용하여 응급-순시 사고 예측 및 보호를 수행할 수 있다.
본 발명의 실시 예에서, 상기 클라우드 서버는, 기계학습을 수행하되, 기계학습의 레이어를 분할하여, 낮은 수준의 자산 관리 및 중장기 전력요금 저감을 위한 학습을 수행하고, 그 결과정보를 상기 산업 시설부로 제공하고, 정부 제공 목적으로 높은 수준의 자산관리 및 산업 시설부들에 제공된 유사설비의 연관성 분석결과를 상기 기계 설비 업체 단말과 센서 및 IoT 업체 단말로 제공할 수 있다.
본 발명은, 빅데이터를 이용항 전력 관리와 기기 및 플랫폼을 포함하는 설비를 통합관리하여, 관리의 편의성을 향상시키고, 비용을 줄일 수 있는 효과가 있다.
산업 시설은 전력요금 저감, 낮은 수준의 자산 관리, 플랫폼/관리 비용의 최소화, 간편한 모니터링 체계를 구축하며, 기존 SCADA/DCS와의 연계가 가능한 효과를 예측할 수 있다.
또한, 기계설비 업체에서는 신규 설비 납품, 설비에 대한 높은 수준의 자산 관리, 산업 시설과의 신규 유지보수 서비스 계약에 의한 수익창출을 기대할 수 있는 효과가 있다.
또한, 센서/IoT 플랫폼 업체에서는 산업 시설에 플랫폼 확대 적용, 기존 설비 튜닝 최소화, 산업 시설과의 신규 편의 서비스 갱신 계약에 의한 수익창출을 기대할 수 있는 효과가 있다.
도 1은 본 발명의 바람직한 실시예에 따른 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 FEMS의 구성도이다.
도 2는 클라우드 서버의 빅데이터 처리 과정의 일예를 보인 흐름도이다.
도 3은 클라우드 서버에서 설비 부분품의 잔여수명을 예측하는 프로세스 흐름도이다.
도 4는 도 3에서 S500단계의 상세 흐름도이다.
도 5는 도 3에서 S600단계의 상세 흐름도이다.
도 2는 클라우드 서버의 빅데이터 처리 과정의 일예를 보인 흐름도이다.
도 3은 클라우드 서버에서 설비 부분품의 잔여수명을 예측하는 프로세스 흐름도이다.
도 4는 도 3에서 S500단계의 상세 흐름도이다.
도 5는 도 3에서 S600단계의 상세 흐름도이다.
본 발명의 구성 및 효과를 충분히 이해하기 위하여, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예들을 설명한다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라, 여러가지 형태로 구현될 수 있고 다양한 변경을 가할 수 있다. 단지, 본 실시예에 대한 설명은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위하여 제공되는 것이다. 첨부된 도면에서 구성요소는 설명의 편의를 위하여 그 크기를 실제보다 확대하여 도시한 것이며, 각 구성요소의 비율은 과장되거나 축소될 수 있다.
'제1', '제2' 등의 용어는 다양한 구성요소를 설명하는데 사용될 수 있지만, 상기 구성요소는 위 용어에 의해 한정되어서는 안 된다. 위 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용될 수 있다. 예를 들어, 본 발명의 권리범위를 벗어나지 않으면서 '제1구성요소'는 '제2구성요소'로 명명될 수 있고, 유사하게 '제2구성요소'도 '제1구성요소'로 명명될 수 있다. 또한, 단수의 표현은 문맥상 명백하게 다르게 표현하지 않는 한, 복수의 표현을 포함한다. 본 발명의 실시예에서 사용되는 용어는 다르게 정의되지 않는 한, 해당 기술분야에서 통상의 지식을 가진 자에게 통상적으로 알려진 의미로 해석될 수 있다.
도 1은 본 발명의 바람직한 실시예에 따른 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 FEMS 구성도이다.
도 1을 참조하면 본 발명은, 공장 또는 산업설비, 건물을 포함하는 다수의 산업 시설부(10)와, 상기 산업 시설부(10)와 통신하며 전력 관리 데이터, 시설 관리 데이터를 수집하는 클라우드 서버(20)와, 상기 클라우드 서버(20)에서 수집된 전력 관리 빅데이터 및 시설 관리 빅데이터를 확인하여, 특정 산업 시설부(10)의 설비 이상을 검출하여 유지보수를 수행하는 기계 설비 업체 단말(30)과, 상기 클라우드 서버(20)에 수집된 데이터를 확인하여, 상기 산업 시설부(10)에서 사용하는 센서 및 IoT 플랫폼의 이상 여부를 검출하고, 유지보수하는 센서 및 IoT 업체 단말(40)을 포함하여 구성된다.
이하, 상기와 같이 구성되는 본 발명 빅데이터를 이용한 클라우드 기반의 초경량 분산 에지 전력 관리 시스템의 구성과 작용을 보다 상세히 설명한다.
먼저, 산업 시설부(10)는 생산 공장, 빌딩 등이 될 수 있으며, 적어도 수배전반(11)이 설치되어 설비(12)들에 전력을 공급하며, 설비(12)들의 상태를 검출하는 센서(13) 네트워크를 포함하는 구성이면, 그 종류에 무관하게 본 발명에 적용할 수 있다.
또한, 분산 제어시스템(14)을 포함하여 수배전반(11) 및 설비(12)들과 직렬 통신을 통해 제어가 가능한 구조일 수 있다. 분산 제어시스템은 SCADA 또는 DCS일 수 있다.
이때 수배전반(11)에는 IED(Intelligent Electronic Device)를 적용하여 분산 에지 네트워크를 구현할 수 있으며, 데이터 수집 및 제어장치(DAU, 15)를 적용하여 분산 에지 네트워크를 구현할 수 있다.
또한, 산업 시설부(10)에는 PC 또는 모바일 기기인 사용자 단말(16)을 포함하여, 클라우드 서버(20)에 수집된 데이터를 사용자 단말(16)을 통해 확인할 수 있다.
이때, 사용자 단말(16)은 산업 시설부(10)의 센서로 작용할 수 있다. 산업 시설부(10)는 그 규모가 광범위할 수 있으며, 산업 시설부(10) 내의 모바일 기기인 사용자 단말(16)들을 이용하여 데이터를 수집할 수 있다.
사용자 단말(16)을 이용하여 수집하는 데이터는 수배전반(11) 등 산업 시설부(10) 구성요소의 사진, 동영상, 음향 정보일 수 있다.
사용자 단말(16)은 GPS를 이용한 위치정보와 함께 획득한 사진, 동영상, 음향 정보를 센서(13) 네트워크에 제공할 수 있다.
본 발명은 사용자 단말(16)을 센서로 사용함으로써, 감시 및 관리를 위한 비용을 줄일 수 있으며, 고해상도의 이미지 및 영상을 사용하여 설비(12)의 특정 이상 부분을 검출할 수 있다.
또한, 음향 정보를 이용하여 이후 음향 분석을 통해 특정 설비(12)의 고장 발생 예측이 가능하게 응용될 수 있다.
즉, 본 발명은 설비(12)의 감시를 위한 고정형 센서(13) 이외에 복수의 사용자가 휴대하는 사용자 단말(16)을 센서 네트워크에 연결하여, 보다 다양한 정보를 획득할 수 있으며, 이를 데이터화하여 다양한 응용을 할 수 있는 특징이 있다.
도 1에는 산업 시설부(10)의 구현 가능한 다른 예를 함께 도시하였다.
좌측의 산업 시설부(10)는 IED를 적용한 예이며, 우측의 산업 시설부(10)는 데이터 수집 및 제어장치(15)가 적용된 예를 나타낸다.
상기 IED는 AI 기반 감시 진단 모듈을 내장한 프로텍션(Protection) IED인 것으로 한다.
상기 설비(12)들은 수배전반(11)으로부터 전력을 공급받아 동작하며, 공급되는 전력 데이터는 IDE를 통해 클라우드 서버(20)로 제공된다. 또한 설비(12)의 상태를 검출하는 센서(13) 및 사용자 단말(16)의 검출 데이터도 클라우드 서버(20)로 제공되는 것으로 한다.
각 기계설비에 전력요금 저감을 위한 신규 밸브 등의 엑츄에이터를 부착하여 전력 소비를 줄일 수 있다. 예를 들어, 압축공기 설비 및 분기되는 많은 출력 배관에 밸브를 부착하여, 수요가 없는 압축공기 공정의 밸브를 닫아 압축공기 설비의 소비 전력을 낮출 수 있다.
또한, 기존 10년 넘은 분산 제어시스템(14)에 데이터를 연결하여, 설비팀에서 관리될 수 있도록 할 수 있다. 이때 수용할 수 없는 감시/제어 카테고리를, 모바일 및 PC 등의 사용자 단말(16)을 이용하여 쉽게 접근할 수 있도록 할 수 있다.
우측의 산업 시설부(10)의 예는 수배전반(11)의 시설 교체가 어렵거나 필요성이 없는 경우, AI 기반 감시 진단 모듈을 내장한 데이터 수집 및 제어장치(15, DAU)를 부가하여 사용할 수 있다.
이때의 데이터 수집 및 제어장치(15)는 앞서 설명한 IDE와 동일한 역할을 하는 것으로 이해될 수 있다.
이처럼 산업 시설부(10)에서 수집된 데이터들은 클라우드 서버(20)로 전송되며, 클라우드 서버(20)는 데이터를 저장하고, 다양한 목적의 기계학습을 수행한다.
이때 기계학습의 목적은 전력관리를 위한 학습, 시설관리를 위한 학습을 포함한다. 또한 사용자 단말(16)을 통해 수집된 사진, 영상, 음향을 이용하여 설비(12)의 이상 유무를 확인하는 학습을 수행할 수 있다.
이처럼 클라우드 서버(20)에 수집된 빅데이터를 이용하여, 다양한 목적의 처리를 수행할 수 있다.
앞서 산업 시설부(10)의 IED 또는 데이터 수집 및 제어장치(15)에 포함된 AI 기반 감시 진단 모듈은 응급-순시 사고 예측 및 보호 목적이며, 단기 데이터를 이용하여 빠른 판단을 수행한다.
이에 대하여 클라우드 서버(20)에서의 기계학습은 빅데이터를 이용하여 산업 시설부(10)에 각종 정보를 제공하기 위한 것으로, 낮은 수준의 자산관리(설비, 전력 관리) 및 중장기 전력 요금 저감을 위한 정보를 제공하는 것으로 한다.
또한, 클라우드 서버(20)는 기계 설비 업체 단말(30)과 센서 및 IoT 업체 단말(40)에 정보 제공 목적의 높은 수준 자산관리 정보 및 다양한 유사 설비들의 연관성 분석 결과를 제공하는 것으로 할 수 있다.
상기 클라우드 서버(20)를 통해 제공되는 정보를 이용하여 기계 설비 업체 단말(30)과 센서 및 IoT 업체 단말(40)은 특정 산업 시설부(10)의 시설 또는 센서 이상을 감지하고, 이에 대응하여 유지보수 및 신규 서비스를 제공할 수 있도록 한다.
특히, 사용자 단말(16)에서 촬영된 사진, 영상, 음향 빅데이터를 이용하여 기계학습을 통해 설비(12)의 고장 또는 이상 여부를 진단한 후, 진단 결과를 기계 설비 업체 단말(30)과 IoT 업체 단말(40)에 제공하여 설비의 이상에 대하여 보다 정확하고 빠른 조치를 수행할 수 있도록 한다.
또한, 설비나 센서에 대하여 업데이트된 펌웨어 등 소프트웨어를 클라우드 서버(20)를 통해 제공될 수 있다.
이때 제공된 소프트웨어는 분산 제어시스템(14)을 통해 각 설비(12)나 센서(13), 수배전반(11)에 직렬 통신을 통해 제공되어, 소프트웨어 업데이트가 자동으로 이루어질 수 있게 된다.
도 2는 클라우드 서버(20)의 빅데이터 처리 과정의 일예를 보인 흐름도이다.
도 2를 참조하면, 본 발명은 센서(13)와 사용자 단말(16)을 연계하여 센서 네트워크를 구성하고, 센서(13)와 사용자 단말(16)에서 제공되는 검출 데이터를 입력받는다(S10).
클라우드 서버(20)는 센서(13)와 사용자 단말(16)의 데이터를 저장하여, 광범위한 빅데이터를 얻을 수 있으며, 이를 이용하여 앞서 설명한 설비(12)에 대한 다양한 진단을 수행할 수 있다.
클라우드 서버(20)는 수집된 데이터는 전압, 전류, 온도 등의 설비(12)에서 검출되는 데이터와, 설비(12)의 특정 부품의 사진, 동영상을 포함할 수 있으며, 특정 위치에서 녹음된 음향 데이터를 포함할 수 있다.
클라우드 서버(20)는 수집된 데이터와 설비(12)를 매칭한다(S20).
전압, 전류, 온도 등 설비(12)에서 센서(13)에 의해 검출된 데이터들은 각 센서(13)의 번호에 의해 특정 설비(12)와 매칭이 이루어진다.
반면, 사용자 단말(16)을 통해 수집된 설비(12)의 특정 부품 사진, 동영상, 음향은 어떤 설비(12)의 사진, 영상 또는 음향인지 구분하기 어렵다.
이를 위하여 클라우드 서버(20)는 각 설비(12)의 위치 정보를 저장하고, 사용자 단말(16)에서 수집된 데이터의 위치 정보를 이용하여 데이터와 설비를 매칭한다.
이와 같이 매칭이 이루어지면, 클라우드 서버(20)는 각 설비(12)에 대한 데이터들을 기계학습 모델을 이용하여 학습하고, 학습 결과인 진단을 수행한다(S30).
학습 진단 결과는 센서(13)에서 검출된 전압, 전류 검출값의 학습 결과인 전기적 진단을 포함할 수 있다. 또한 온도, 습도 등 환경정보를 이용한 환경 진단을 포함할 수 있다.
또한, 사용자 단말(16)을 통해 검출된 사진, 영상을 통해 설비(12)를 구성하는 부품들의 물리적 진단을 포함하고, 음향의 분석 및 학습을 통한 음향 진단을 통해 부품 및 고장 진단을 수행할 수 있다.
이처럼 본 발명은 설비로부터 보다 더 다양한 데이터를 획득하여, 광범위한 빅데이터를 구성하고, 설비에 대한 종합적인 진단을 수행할 수 있다.
도 3은 본 발명의 구체적인 실시 예의 순서도이다.
앞서 설명에서 센서(13)는 설비(12)의 온도를 검출하는 것으로 설명되었으며, 이때 온도를 검출하는 센서는 설비(12)의 내부 부품 온도를 검출하는 내부온도센서와, 설비(12) 외부의 온도를 검출하는 외부온도센서를 포함할 수 있다. 이하에서 설명하는 실시 예는, 앞서 설명한 S30단계의 구체적인 예인 것으로 한다.
먼저, 클라우드 서버(20)는 센서(13) 중 다수의 내부온도센서를 통해 설비(12)를 구성하는 구성품들의 온도를 검출하는 단계(S100)와, 외부온도센서를 통해 설비(12) 외측의 외기 온도를 검출하는 단계(S200)와, 클라우드 서버(20)에서 상기 구성품들의 온도와 외기 온도를 이용하여 패턴화하는 온도패턴 산출단계(S300)와, 상기 온도패턴을 시계열적으로 배열하여 각 구성품에 대한 기간별 온도패턴 변화를 확인하는 단계(S400)와, 온도패턴의 시간적 변화 추이를 확인하여 화재 발생 가능성을 모니터링하는 단계(S500)와, 클라우드 서버(20)에 저장된 각 구성품의 종류와 기능 정보와 상기 패턴화된 각 구성품의 온도 패턴을 이용하여 경년열화 정도를 추정하는 단계(S600)를 포함하여, 각 설비(12)의 구성품에 대한 잔여수명을 예측할 수 있다.
내부온도센서는 설치시 각각이 검출하는 구성품의 종류를 확인하여, 내부온도센서와 구성품의 종류를 1:1 매칭하여, 매칭정보를 클라우드 서버(20)에 저장할 수 있다.
또한, 외부온도센서는 설비(12)의 외부 온도를 검출하는 것으로 한다. 이때 외부 온도는 설비(12)의 외부를 뜻하는 것으로, 반드시 실외 온도를 뜻하는 것은 아니다. 즉, 설비가 실내에 배치된 경우 실내의 온도일 수 있다.
S100단계에서는 설비의 내부 구성품의 온도를 검출하고, S200단계에서는 설비의 외부 온도를 검출한다.
S100단계와 S200단계 각각의 온도 검출결과는 클라우드 서버(20)로 송신된다. 클라우드 서버(20)는 S300단계와 같이 동일 시간에 검출된 S10단계의 각 구성품 온도 검출결과와 S200단계의 외기 온도 검출결과의 차이를 이용하여 온도패턴을 구한다.
여기서 각 구성품의 온도 검출결과는 차이가 있을 수 있으며, 동일 시점에서 외기 온도는 하나의 값으로 측정되므로, 외기 온도에 대한 각 구성품의 온도 특징을 구할 수 있다.
본 발명에서 사용하는 온도의 패턴화는 구성품의 온도 검출결과에서 외기 온도를 감하여 이룰 수 있으며, 다른 예로서 구성품의 온도 검출결과를 외기 온도로 나누어 상대적인 비를 검출할 수도 있다.
이처럼 온도패턴은 온도를 이용한 처리시 외기 온도의 영향을 배제한 값을 형성하기 위한 것으로, 외기의 영향을 제외한 실제 설비의 운전시 발생하는 각 구성품의 온도 변화를 확인할 수 있다.
특히 온도패턴은 주기적으로 수집되는 것으로 할 수 있다. 온도패턴의 수집주기는 임의로 설정될 수 있다.
이처럼 얻어진 온도패턴은 클라우드 서버(20)에서 S400단계와 같이 시계열적으로 배치되어, 각 구성품에 대한 온도패턴의 변화를 검출할 수 있다.
그 다음, S500단계에서는 기계학습 모델을 이용하여 온도패턴의 변화 추이를 검출하고 학습하여 화재 발생 가능성을 예측한다.
좀 더 구체적으로, 도 4는 S500단계의 상세 순서도이다.
도 4를 참조하면 온도패턴의 변화 추이가 설정된 기울기 이상으로 변화되는 구간이 발생했는지 판단(S510)하고, 설정된 기울기 이상의 변화 구간이 있으면 현재 온도패턴의 값이 화재위험 설정온도 이상인지 확인한다(S520).
상기 S520단계의 확인 결과 화재위험 설정온도 이상이면, 화재위험 경보를 발령한다(S54).
화재위험 설정온도 미만이면, 현재 설정 기울기 이상의 변화 구간이 설정 횟수 이상 발생했는지 확인한다(S530).
설정 횟수 이상 발생하지 않은 경우에는 다시 S510단계를 재수행하고, 설정 횟수 이상 발생한 경우에는 경년열화 추정을 수행한다(S600).
이와 같은 과정을 통해 외기 온도의 영향을 배제한 구성품의 온도와 온도 변화 추이를 확인하여, 보다 정확한 구성품의 온도를 검출하고 그에 따른 화재 위험을 모니터링할 수 있다.
도 5는 경년열화 추정 단계의 상세 순서도이다.
도 5를 참조하면 경년열화 추정 단계(S600)는, 클라우드 서버(20)에 저장된 해당 구성품의 재료 특성을 확인하는 단계(S610)와, 해당 구성품이 가동 부품인지 고정 부품인지 확인하는 구성품 종류 확인 단계(S620)와, 확인된 재료 특성과 구성품의 종류 특성에 따라 온도패턴의 크기 및 변화 추이를 기계학습모델을 이용하여 학습하여, 해당 구성품의 열화도를 추정하는 단계(S630)를 포함한다.
설비(12)의 구성품들은 고온에서 장시간 동작하는 것으로, 고온에서 장시간 노출되는 경우 재료에 따라 고유 원소의 결핍층이 형성되거나, 입계로의 불순물의 석출 정도에 차이가 있을 수 있다.
클라우드 서버(20)에는 재료에 따른 고유 원소의 결핍층 형성도와, 불순물의 석출 정도에 대한 값이 저장되어 있으며, S610단계에서는 이와 같은 재료 특성을 확인하여 내부 구조 변화에 의한 상태를 확인할 수 있다.
또한, S620단계에서는 구성품의 종류를 확인한다. 이때 구성품의 종류는 구성품의 기계적 성질을 확인하기 위한 것으로, 구성품이 기계적으로 가동되는 것일 때는 기계적 가동에 따른 스트레스가 반복적으로 발생하여 경년열화에 따른 기대 수명이 가동하지 않고 고정 설치된 구성품에 비하여 더 짧은 특징이 있다.
이와 같이 구성품의 기계적 가동 여부를 확인하여, 경년열화를 추정하여 보다 정확한 경년열화 추정을 수행할 수 있다.
그 다음, 클라우드 서버(20)는 앞서 구해진 온도패턴의 크기와 온도패턴의 증가 추이를 이용하여 해당 구성품의 경년열화를 추정한다. 즉 구성품의 수명을 예측하고 교체 시기를 추정할 수 있다.
구체적인 경년열화 추정은 순차적으로 이루어질 수 있다.
먼저, 온도패턴의 크기를 확인하여 구성품의 재질에 따른 수명을 예측한다(제1추정값).
그 다음, 구성품의 종류에 따라 상기 구해진 제1추정값을 보정하여 제2추정값을 구한다.
이때 제2추정값을 보정하기 위한 보정값은 가동 없이 고정된 구성품은 0, 보가동품인 구성품의 경우는 -N의 값을 부여할 수 있다. 여기서 N은 임의의 수로 제1추정값이 나타내는 잔여 수명을 가동품의 경우 더 줄이는 보정을 수행하여 제2추정값을 구하게 된다.
그 다음, 온도패턴의 증가 추이를 이용하여 제2추정값을 보정하여 최종 수명 예측 결과인 제3추정값을 추정한다.
이때 제3추정값을 추정하기 위한 보정값은 -X/n의 식으로 구할 수 있다.
X는 해당 구성품의 온도패턴 추이의 기울기이며, n은 상수인 것으로 한다.
즉, 기울기가 클수록 보정값의 절대값은 더 커지게 되며, 온도패턴의 변화 추이가 급하게 변화될수록 잔여 수명 추정치가 더 짧아지도록 보정된다.
이처럼 추정된 경년열화 정도는 표시부(도면 미도시) 등에 표시되거나, 통신부(도면 미도시)를 통해 관리자가 인식할 수 있도록 처리할 수 있다.
이와 같이 본 발명은 외기 온도를 제외한 설비 내부 구성품의 온도를 이용하여 화재 위험의 모니터링이 가능함과 아울러 구성품 온도 및 구성품의 온도 변화 추이를 이용하여 각 구성품의 잔여 수명을 추정할 수 있다.
이상에서 본 발명에 따른 실시예들이 설명되었으나, 이는 예시적인 것에 불과하며, 당해 분야에서 통상적 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 범위의 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 다음의 청구범위에 의해서 정해져야 할 것이다.
10:산업 시설부 20:클라우드 서버
30:기계 설비 업체 단말 40:IoT 업체 단말
30:기계 설비 업체 단말 40:IoT 업체 단말
Claims (7)
- 공장 또는 산업설비, 건물을 포함함과 아울러 센서 네트워크를 구성하여 설비의 상태를 확인할 수 있는 데이터를 제공하는 다수의 산업 시설부;
상기 산업 시설부와 통신하며 전력 관리 데이터, 시설 관리 데이터를 수집하여 빅데이터를 구현하고, 기계학습하여, 그 결과를 제공하는 클라우드 서버;
상기 클라우드 서버의 정보에 따라 특정 산업 시설부의 설비 이상을 검출하여 유지보수를 수행하는 기계 설비 업체 단말; 및
상기 클라우드 서버의 정보에 따라 상기 산업 시설부에서 사용하는 센서 및 IoT 플랫폼의 이상 여부를 검출하고, 유지보수하는 센서 및 IoT 업체 단말을 포함하되,
상기 클라우드 서버는,
기계학습을 수행하되, 기계학습의 레이어를 분할하여,
낮은 수준의 자산 관리 및 중장기 전력요금 저감을 위한 학습을 수행하고, 그 결과정보를 상기 산업 시설부로 제공하고,
정부 제공 목적으로 높은 수준의 자산관리 및 산업 시설부들에 제공된 유사설비의 연관성 분석결과를 상기 기계 설비 업체 단말과 센서 및 IoT 업체 단말로 제공하는 것을 특징으로 하는 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 FEMS(Factory Energy Management System). - 제1항에 있어서,
상기 센서 네트워크는,
설비의 전류, 전압 등 전기적 데이터를 검출하는 센서; 및
설비의 온도, 습도 등 환경적 데이터를 검출하는 센서를 포함하는 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 FEMS. - 제2항에 있어서,
상기 센서 네트워크는,
설비의 사진, 영상, 음향을 검출하는 사용자 단말을 더 포함하고,
상기 사용자 단말은 검출된 사진, 영상, 음향 데이터를 위치데이터와 함께 클라우드 서버로 송신하는 것을 특징으로 하는 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 FEMS. - 제1항에 있어서,
산업 시설부는,
다수의 설비와 상기 센서 네트워크;
상기 다수의 설비에 전력을 공급하는 수배전반; 및
다수의 설비를 제어하는 분산 제어 시스템을 포함하고,
상기 수배전반은 AI 기반 감시진단 모듈을 내장한 IED를 포함하는 것을 특징으로 하는 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 FEMS. - 제1항에 있어서,
상기 산업 시설부는,
다수의 설비 및 상기 센서 네트워크;
상기 다수의 설비에 전력을 공급하는 수배전반;
다수의 설비를 제어하는 분산 제어 시스템; 및
AI 기반 감시진단 모듈을 내장하고, 데이터를 수집하여 상기 클라우드 서버로 제공하는 데이터 수집 및 제어장치를 포함하는 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 FEMS. - 제4항 또는 제5항에 있어서,
상기 AI 기반 감시진단 모듈은,
단기 데이터를 이용하여 응급-순시 사고 예측 및 보호를 수행하는 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 FEMS. - 삭제
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220146902A KR102535230B1 (ko) | 2022-11-07 | 2022-11-07 | 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 fems |
| JP2022184249A JP7465008B1 (ja) | 2022-11-07 | 2022-11-17 | ビッグデータを用いたエッジコンピューティング及びクラウドベースの工場エネルギー管理システム（ｆｅｍｓ） |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220146902A KR102535230B1 (ko) | 2022-11-07 | 2022-11-07 | 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 fems |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102535230B1 true KR102535230B1 (ko) | 2023-05-26 |
Family
ID=86536842
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220146902A KR102535230B1 (ko) | 2022-11-07 | 2022-11-07 | 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 fems |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP7465008B1 (ko) |
| KR (1) | KR102535230B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101621653B1 (ko) * | 2015-03-10 | 2016-05-31 | 박윤수 | 양방향통신 기반 자동복구 전문가 시스템을 적용한 배전반 및 그의 동작 방법 |
| KR102128708B1 (ko) * | 2020-03-27 | 2020-07-02 | 주식회사 이엘 | 지능형 원격단말장치를 이용한 사물인터넷 기반의 하천 재해 감시 및 시설물 자율 점검 시스템 |
| KR20220099497A (ko) * | 2021-01-06 | 2022-07-13 | (주) 지에스티 | 스마트 팩토리 관리 시스템 |
| KR20220105510A (ko) * | 2021-01-20 | 2022-07-27 | 한전케이디엔주식회사 | 인공지능 기반 모바일 전력설비 정보안내 및 점검 시스템 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180164353A1 (en) | 2016-12-09 | 2018-06-14 | Sejoongis Co., Ltd. | Platform for dyeing industry comprising factory energy management system linked with optimized production management system |
| JP7445928B2 (ja) | 2018-05-07 | 2024-03-08 | ストロング フォース アイオーティ ポートフォリオ ２０１６，エルエルシー | 産業用のモノのインターネットを利用した解析及びメンテナンスのための機械信号のデータ収集、学習、ストリーミングのための方法並びにシステム |
| JP7074932B1 (ja) | 2020-06-17 | 2022-05-24 | 株式会社東芝 | エネルギー運用システム、エネルギー運用方法、および記憶媒体 |
-
2022
- 2022-11-07 KR KR1020220146902A patent/KR102535230B1/ko active IP Right Grant
- 2022-11-17 JP JP2022184249A patent/JP7465008B1/ja active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101621653B1 (ko) * | 2015-03-10 | 2016-05-31 | 박윤수 | 양방향통신 기반 자동복구 전문가 시스템을 적용한 배전반 및 그의 동작 방법 |
| KR102128708B1 (ko) * | 2020-03-27 | 2020-07-02 | 주식회사 이엘 | 지능형 원격단말장치를 이용한 사물인터넷 기반의 하천 재해 감시 및 시설물 자율 점검 시스템 |
| KR20220099497A (ko) * | 2021-01-06 | 2022-07-13 | (주) 지에스티 | 스마트 팩토리 관리 시스템 |
| KR20220105510A (ko) * | 2021-01-20 | 2022-07-27 | 한전케이디엔주식회사 | 인공지능 기반 모바일 전력설비 정보안내 및 점검 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7465008B1 (ja) | 2024-04-10 |
| JP2024068019A (ja) | 2024-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106462126B (zh) | 外壳诊断和控制系统 | |
| KR101331579B1 (ko) | 피어슨 상관계수 분석기법을 적용한 고장진단 예측 및 잔존 수명 관리 자동제어 시스템 | |
| KR101824718B1 (ko) | 지능형 통합 사전 전기재해 분석 및 안전 자가진단기능이 내장된 원격 자동제어감시반 | |
| AU2013257529B2 (en) | Monitoring system | |
| US11152126B2 (en) | Abnormality diagnosis system and abnormality diagnosis method | |
| US11774124B2 (en) | Systems and methods for managing building signature intelligent electronic devices | |
| US20050027374A1 (en) | System and method for continuous online safety and reliability monitoring | |
| JP2011524591A (ja) | インテリジェント電子装置の保守を予測するためのシステムおよび方法 | |
| US20170184675A1 (en) | Prognostic and health monitoring systems for circuit breakers | |
| KR102488820B1 (ko) | 웹기반 실시간 팩토리 제어 시스템 | |
| KR101410333B1 (ko) | 태양전지 모듈 모니터링 방법 | |
| JP4229602B2 (ja) | 機器監視／運転支援方法 | |
| KR102535230B1 (ko) | 빅데이터를 이용한 엣지 컴퓨팅 및 클라우드 기반 fems | |
| KR102296561B1 (ko) | 지그비를 이용한 인공지능 기반 복수개의 배전반 통합 관제시스템 | |
| JP2003186531A (ja) | 産業用機器の遠隔監視システム及びその装置 | |
| KR102512805B1 (ko) | 상하수 처리 시설의 원격 감시 제어 시스템 및 그 방법 | |
| JP7418157B2 (ja) | 設備監視装置及び設備監視方法 | |
| KR20230077994A (ko) | 제조 설비의 고장 예측 시스템 | |
| KR102164363B1 (ko) | Bas와 fms가 통합된 지능형 빌딩 자동 제어 시스템 및 상기 지능형 빌딩 자동 제어 시스템에 의한 설비 관리 방법 | |
| CN114460890A (zh) | 一种无人值守配电房的远程监控系统及方法 | |
| KR20230100145A (ko) | 엣지 컴퓨팅 및 클라우드 기반 fems | |
| KR101758100B1 (ko) | 그린에너지를 이용한 원클릭 물관리 자동화시스템 | |
| KR102579966B1 (ko) | Ai에 기반한 모니터링 기능이 내장된 전력기기 | |
| KR102582311B1 (ko) | 모니터링 기능이 내장된 전력기기 | |
| KR102480440B1 (ko) | 태양광 발전시설의 관리 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |