KR102561675B1 - 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템 - Google Patents
생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템 Download PDFInfo
- Publication number
- KR102561675B1 KR102561675B1 KR1020230038015A KR20230038015A KR102561675B1 KR 102561675 B1 KR102561675 B1 KR 102561675B1 KR 1020230038015 A KR1020230038015 A KR 1020230038015A KR 20230038015 A KR20230038015 A KR 20230038015A KR 102561675 B1 KR102561675 B1 KR 102561675B1
- Authority
- KR
- South Korea
- Prior art keywords
- failure
- factors
- production site
- diagnosis
- facility
- Prior art date
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 81
- 238000003745 diagnosis Methods 0.000 title claims abstract description 65
- 238000012544 monitoring process Methods 0.000 title abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 51
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 8
- 230000002596 correlated effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000013021 overheating Methods 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
-
- 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
- G06Q50/04—Manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
본 발명은 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템에 관한 것으로, 다수의 생산현장 설비와, 상기 생산현장 설비 각각의 고장 요인들을 검출하는 상태 검출부와, 상기 상태 검출부에서 검출된 고장 요인들을 수신하여, 생산현장 설비의 고장 진단 및 예측을 수행하되, 고장 요인들의 상관관계를 분석하여, 고장 진단 및 예측을 수행하는 진단 서버를 포함할 수 있다.
Description
본 발명은 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템에 관한 것으로, 더 상세하게는 제조 산업 분야의 다양한 생산설비 운영에 필요한 고장 요인 및 인자를 분석하여 작업 현장에 부합하도록 데이터를 수집하고, 실시간 관제할 수 있는 시스템에 관한 것이다.
특정 제품을 생산하는 공장은 최근 자동화 시스템에 의해 운영되고 있다. 이러한 공장의 자동화 시스템은 이전까지는 외부 네트워크와 연결되지 않고, 공장별 자동화 시스템 단위로 독립적인 네트워크를 구성하여 운영되는 폐쇄적인 형태였으나, 최근에는 이러한 공장 자동화 시스템을 외부 네트워크와 연결하여 제어하고, 생산 장치로부터 생산되는 데이터를 생산 및 관리에 재이용하려는 시도가 활발하게 이루어지고 있다.
이러한 공장 자동화 시스템의 각 장치들을 네트워크로 연결하려는 시도는 최근 사물인터넷(INTERNET OF THINGS)에 대한 관심의 증대와, 기술의 보편화에 따라 산업용 IoT(INDUSTRIAL IoT) 형태로 이용하려는 노력이 이루어지고 있다. 이러한 산업용 IoT는 단순히 공장의 생산 설비만을 네트워크화 하여 자동화 하는데 그치지 않고 공장 시스템의 세부적인 부분들까지 IoT에 참여시킴으로써, 자동제어, 각종관리가 이루어지도록 함과 아울러, 내외부의 다양한 데이터를 공장 운영에 이용하여 운영 효율을 크게 향상시키는 것이 가능하다.
특히, IoT를 적용하게 됨으로써 다양한 프로토콜의 다양한 장치를 시스템에 참여시킬 수 있게 되어 과거에 이용한 자동화 시스템에 비해 진보된 시스템의 구성이 가능하다.
대규모의 스마트 팩토리를 구성하는 개별 설비들은 상호 유기적인 연계 작용을 한다. 예를 들어 전처리 설비에서 전처리된 제품은 제조 공정상 다음 처리 설비로 이송 로봇을 이용하여 이송된다. 이와 같은 설비들의 연계 구조에서 하나의 설비에 고장이 발생하는 경우, 그 고장난 설비를 포함하는 제조라인을 모두 정지시켜야 하기 때문에 설비에 대한 고장 예측은 스마트 팩토리의 운영에서 매우 중요하다.
통상 제조 설비는 자체 진단 기능을 가지고 있을 수 있으나, 앞서 설명한 바와 같이 스마트 팩토리 내외부의 다양한 대량의 데이터들이 공유되기 때문에 개별 설비의 이상신호를 정확하게 검출하기 어려운 문제점이 있었다.
스마트 팩토리의 관제를 위한 선행기술로서 공개특허 10-2019-0062739호(복수의 센서를 활용하여 제조 공정상의 장비 고장을 예지하는 데이터 분석 방법, 알고리즘 및 장치, 2019년 6월 7일 공개)에는 하나의 생산 장비에 다수의 센서를 부착하고, 각 센서의 복합 패턴을 비정상 복합 패턴과 비교하여, 생산 장비의 고장을 예지할 수 있는 기술이 기재되어 있다.
그러나 종래기술은 특정 설비의 고장 점검 및 이상 발생 감지는 하나의 목표인자를 기준으로 패턴 분석을 통해 이상 유무를 판별할 수 있으며, 다차원 인자의 상호 작용을 교차분석할 수 없는 문제점이 있었다.
즉, 하나의 고장 요인은 설비의 다른 고장 요인으로 발전할 수 있으나, 종래에는 하나의 고장 요인의 발생만을 확인하고, 고장 요인들 간의 교차 분석이 불가능한 문제점이 있었다.
또한, 종래에는 고장의 진행 정도를 확인할 수 없어, 고장 발생의 예측이 어려운 문제점이 있었다.
상기와 같은 문제점을 감안한 본 발명이 해결하고자 하는 과제는, 고장 인자 지표 분석을 통해 상관관계 분석을 수행할 수 있는 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템을 제공함에 있다.
아울러 본 발명은 고장의 진행 정도를 확인할 수 있는 지표를 선정하고, 확인하여 고장 예측이 가능한 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템을 제공함에 있다.
상기와 같은 기술적 과제를 해결하기 위한 본 발명 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템은, 다수의 생산현장 설비와, 상기 생산현장 설비 각각의 고장 요인들을 검출하는 상태 검출부와, 상기 상태 검출부에서 검출된 고장 요인들을 수신하여, 생산현장 설비의 고장 진단 및 예측을 수행하되, 고장 요인들의 상관관계를 분석하여, 고장 진단 및 예측을 수행하는 진단 서버를 포함할 수 있다.
본 발명의 실시 예에서, 상기 상태 검출부는, 고장 요인들을 각각 검출하는 다수의 센서와, 다수의 상기 센서들에서 검출된 정보를 송신하는 통신부를 포함할 수 있다.
본 발명의 실시 예에서, 다수의 상기 센서는, 상기 생산현장 설비의 종류에 따라 결정될 수 있다.
본 발명의 실시 예에서, 상기 진단 서버는, 전압 요인 또는 전류 요인과 온도 요인의 상관관계에 따라 고장 진단을 수행할 수 있다.
본 발명의 실시 예에서, 상기 진단 서버는, 전류 요인과 진동 또는 소음 요인의 상관관계에 따라 고장 진단을 수행할 수 있다.
본 발명은, 고장 인자 지표 분석을 통해 각 고장 인자들의 상관관계를 분석하여, 특정한 고장 요인이 이후 다른 고장 요인에 미치는 영향에 따라 생산현장의 가동 설비 상태를 모니터링함으로써, 보다 정확한 고장 진단 및 예측이 가능한 효과가 있다.
또한, 본 발명은 고장 인자들의 상관관계를 분석하여 고장의 진행 정도를 확인할 수 있어, 향후 설비의 교체 또는 유지 및 보수 시점을 정확하게 결정할 수 있는 효과가 있다.
도 1은 본 발명의 바람직한 실시예에 따른 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템의 블록 구성도이다.
도 2와 도 3은 각각 상태 검출부의 일 실시 블록 구성도이다.
도 4는 본 발명의 진단 처리 흐름도이다.
도 5는 본 발명의 다른 실시 예에 따른 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템의 블록 구성도이다.
도 6은 환경정보 검출부의 일실시 블록 구성도이다.
도 2와 도 3은 각각 상태 검출부의 일 실시 블록 구성도이다.
도 4는 본 발명의 진단 처리 흐름도이다.
도 5는 본 발명의 다른 실시 예에 따른 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템의 블록 구성도이다.
도 6은 환경정보 검출부의 일실시 블록 구성도이다.
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.
이하에서는, 도면을 참조하여 본 발명의 일실시예에 따른 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템에 대하여 구체적으로 설명한다.
도 1은 본 발명의 바람직한 실시예에 따른 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템의 구성도이다.
도 1을 참조하면 본 발명의 바람직한 실시예에 따른 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템은, 생산현장 설비(40)의 섹터별로 설치되어 생산현장 설비(40)의 상태를 검출하는 상태 검출부(30)와, 상기 상태 검출부(30)에서 검출된 생산현장 설비(40)의 상태를 원격지에서 수신하여, 각 고장 요인의 상관 관계에 따라 고장 여부를 진단하는 진단 서버(10)와, 상기 진단 서버(10)의 진단 결과를 수신하여 표시하는 현장 단말(20)을 포함한다.
이하, 상기와 같이 구성된 본 발명 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템의 구성과 작용에 대하여 보다 상세히 설명한다.
먼저, 생산현장 설비(40)는 자동화된 설비들을 포함하며, 각 설비들의 연계 구성에 의해 제품을 생산한다. 이때의 제품은 유형의 제품 또는 전력과 같은 무형의 제품일 수 있다.
생산현장 설비(40)는 모터 등 전력의 공급에 따라 동작하는 구동 설비를 포함하며, 터빈이나 컨베이어 벨트 등 수동적인 설비를 포함할 수 있다.
즉, 생산현장 설비(40)는 생산현장에서 사용하는 다양한 설비 및 부품을 포함하는 개념으로 이해되어야 한다.
생산현장 설비(40)의 동작 상태는 상태 검출부(30)에 의해 이루어진다.
상태 검출부(30)는 다양한 센서를 이용하여 생산현장 설비(40)의 다양한 고장 요인을 검출한다.
고장 요인은 열, 전압, 전류, 진동, 소음을 포함할 수 있으며, 상태 검출부(30)는 각 고장 요인의 검출을 위한 다양한 센서 집합체일 수 있다.
이때 상태 검출부(30)는 생산현장 설비(40)의 종류에 따라 서로 다른 센서를 각각 포함할 수 있다.
예를 들어 생산현장 설비(40)가 모터인 경우, 상태 검출부(30)는 도 2에 도시한 바와 같이 생산현장 설비(40)의 온도를 검출하는 온도센서(31), 전압을 검출하는 전압센서(32), 전류를 검출하는 전류센서(33), 진동을 검출하는 진동센서(34), 소음을 검출하는 음향센서(35)를 포함할 수 있다.
또한, 상기 각 센서들에서 검출된 검출결과를 진단서버(10)로 송신하기 위한 통신부(36)를 포함한다.
생산현장 설비(40)가 모터와 같이 전력의 공급에 의해 구동하는 설비인 경우에는 전압과 전류를 검출하여 고장 진단을 수행할 필요가 있으나, 컨베이어 벨트와 같이 기구적인 구성의 설비는 전압 및 전류를 검출할 수 없다.
즉, 도 3에 도시한 바와 같이 생산현장 설비(40)가 전력으로 구동되는 설비가 아닌 경우에, 상기 상태 검출부(30)는 온도센서(31), 진동센서(34), 음향센서(35) 및 통신부(36)로 구성될 수 있다.
상기 생산현장 설비(40)의 상태를 검출한 상태 검출부(30)의 검출결과는 진단 서버(10)로 송신된다.
진단 서버(10)는 다수의 생산현장 설비(40)로부터 획득된 상태 정보를 수신한다.
상기 진단 서버(10)에는 각 생산현장 설비(40)에서 생산되는 제품의 품목과, 설비에 대한 정보가 각각 저장되어 있으며, 유사 또는 동일한 설비가 배치된 생산현장 설비(40)의 섹터에서 수집된 소음 데이터를 하나의 군으로 묶어 진단할 수 있다.
상기 진단 서버(10)는, 딥러닝을 수행하거나, 기존의 학습된 모델들과 비교를 통해 고장 예후를 진단하게 된다. 이때, 진단 서버(10)는 고장 요인에 의한 직접 고장 여부를 먼저 판단한다.
진단 서버(10)는 특정한 생산현장 설비(40)에서 검출된 온도 정보가 설정 온도 이상이면 고장으로 판단하거나, 전압 이상, 전류 이상을 검출하여 설비의 고장으로 판단할 수 있다.
또한, 진단 서버(10)는 생산현장 설비(40)의 진동과 소음을 확인하여 설정된 값 이상인 경우 고장으로 판단할 수 있다.
예를 들어 생산현장 설비(40)가 모터인 경우, 상기 상태 검출부(30)에서 검출된 온도, 전압, 전류, 진동 또는 소음 중 하나 이상이 기준값 이상인 경우, 모터의 고장으로 진단할 수 있다.
생산현장 설비(40)가 컨베이어 벨트인 경우, 상기 상태 검출부(30)에서 검출된 온도, 진동 또는 소음 중 하나 이상이 기준값 이상인 경우, 모터의 고장으로 진단할 수 있다.
본 발명에서 진단 서버(10)는 고장 요인인 온도, 전압, 전류, 진동, 소음 중 하나가 이상으로 진단된 경우, 해당 생산현장 설비(40)의 고장으로 판단할 수 있다.
또한, 본 발명의 진단 서버(10)는 고장 요인간 상관관계를 이용하여 고장을 진단할 수 있다.
예를 들어, 전압 요인 및 전류 요인과 온도 요인은 서로 상관관계가 있다. 전압 또는 전류의 증가에 의해 과열이 발생할 수 있다.
또한, 전류 요인과 소음 요인 또한 상관관계가 있다. 전류의 이상으로 인해 모터에서 소음이 발생할 수 있다.
그리고 진동의 발생에 의해 소음이 발생할 수 있으며, 온도 요인 또한 변화될 수 있다.
이처럼 진단 서버(10)는 상기 상태 검출부(30)에서 검출된 다양한 고장 요인들의 상관관계를 이용하여 고장을 진단하거나, 고장 예측을 수행할 수 있다.
도 4는 진단 서버(10)에서 고장 요인들의 상관관계를 이용하여 고장 진단 및 예측을 하는 과정의 흐름도이다.
도 4를 참조하면, 상태 검출부(30)에 의해 검출된 고장 요인들이 제1기준범위 이내인지 판단하는 단계(S41)와, 고장 요인중 하나라도 제1기준범위를 벗어난 경우, 해당 생산현장 설비(40)의 고장으로 진단하는 단계(S42)와, 검출된 고장 요인들이 모두 제1기준범위 이내이면, 상관관계에 있는 고장 요인들 모두가 제2기준범위 이내인지 확인하는 단계(S43)와, 고장 요인들 모두가 제2기준범위 이내이면 정상으로 진단하는 단계(S44)와, 상기 S43단계의 판단결과 상관 관계에 있는 고장 요인이 모두 제2기준범위와 제1기준범위 사이에 위치하는지 판단하는 단계(S45)와, 상관관계에 있는 고장 요인이 모두 제2기준범위와 제1기준범위 사이에 위치하면 고장으로 진단하는 단계(S46)와, 상관관계에 있는 고장 요인 중 적어도 하나가 제2기준범위와 제1기준범위 사이에 위치하며, 다른 고장 요인은 제2기준범위 이내인 경우 고장이 발생할 것으로 예측하는 단계(S47)를 포함한다.
이와 같은 고장 요인의 상관관계를 이용한 고장 진단 및 예측에 대하여 좀 더 구체적으로 설명하면 다음과 같다.
생산현장 설비(40)가 모터인 경우, 상태 검출부(30)는 온도, 전압, 전류, 진동 및 소음인 고장 요인을 검출한다.
S41단계에서는 온도 요인, 전압 요인, 전류 요인, 진동 요인, 소음 요인이 모두 제1기준범위 이내인지 판단한다. 제1기준범위는 상한과 하한을 가지는 범위의 개념이나 이는 전압 요인과 전류 요인, 온도 요인에 적용될 수 있는 개념이다.
즉, 전압 요인의 고장 검출은 과전압 및 저전압에 의한 고장을 판단할 수 있기 때문에 범위 개념이 적용된다.
진동 및 소음 요인은 상한에 대한 기준값이 있으면 판단이 가능하지만, 일관된 처리를 위하여 범위에 의한 판단이 이루어지도록 한다.
그 다음, S42단계에서 상기 고장 요인들 중 하나 이상이 제1기준범위를 벗어나는 경우, 해당 생산현장 설비(40)인 모터의 고장으로 진단한다.
즉, 온도 요인, 전압 요인, 전류 요인, 진동 요인, 소음 요인 중 하나라도 제1기준범위를 벗어나는 경우, 모터의 고장으로 진단한다.
그 다음, S43단계와 같이 검출된 고장 요인들이 모두 제1기준범위 이내이면, 상관관계에 있는 고장 요인들 모두가 제2기준범위 이내인지 확인한다.
이때, 제2기준범위는 제1기준범위 내에 있는 범위인 것으로 한다.
제2기준범위는 각 고장 요인들의 정상범위인 것으로 할수 있다.
그 다음, S44단계와 같이 고장 요인들 모두가 제2기준범위 이내이면 정상으로 진단한다.
이는 모든 고장 요인들이 정상인 것을 나타내며, 고장 발생의 염려가 없는 것으로 진단한다.
그 다음, S45단계에서는 상기 S43단계의 판단결과 상관관계에 있는 고장 요인이 모두 제2기준범위와 제1기준범위 사이에 위치하는지 판단한다.
즉, 모든 고장 요인이 정상범위를 벗어났지만, 개별 고장 요인에 의해 고장으로 진단되지 않는 경우를 판단한다.
예를 들어 소음과 진동이 각각 정상범위인 제2기준범위를 벗어나고, 제1기준범위 이내인 경우를 판단한다.
그 다음, S46단계에서는 S45단계의 판단결과 상관관계에 있는 고장 요인이 모두 제2기준범위와 제1기준범위 사이에 위치하면 고장으로 진단한다.
즉, 진동과 소음 요인이 모두 제2기준범위와 제1기준범위 내에 위치하면, 상관관계에 의하여 앞으로 고장이 발생할 확률이 매우 크며, 따라서 고장으로 진단한다.
그 다음, S47단계에서는, 상관관계에 있는 고장 요인 중 적어도 하나가 제2기준범위와 제1기준범위 사이에 위치하며, 다른 고장 요인은 제2기준범위 이내인 경우 고장이 발생할 것으로 예측한다.
즉, 고장 요인 중 일부가 정상범위를 벗어난 경우에는 앞으로 고장이 발생할 가능성이 있는 것으로 진단하여, 고장 예측을 수행한다.
이때 고장 예측은 상관관계에 있는 고장 요인들의 과거 이력의 학습 결과에 따라 이루어지는 것으로 할 수 있다.
과거 이력의 학습 결과에 따라 현 수준의 고장 요인들 발생시, 고장발생까지의 기간을 판단하여, 고장 예측을 수행할 수 있다.
도 5는 본 발명의 다른 실시 예에 따른 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템의 블록 구성도이다.
도 5를 참조하면, 본 발명은 더미 설비(50) 및 더미 설비(50)의 환경 정보를 검출하는 환경정보 검출부(60)를 더 포함하여 구성될 수 있다.
더미 설비(50)는 하나 또는 둘 이상이 설치될 수 있으며, 적어도 생산현장 설비(40)들과 같이 함체에 의해 수용되는 기계적 또는 전기적 설비를 포함할 수 있다.
다만, 생산현장 설비(40)와는 다르게 전력이 공급되지 않으며, 따라서 운전되지 않는 것으로 한다.
더미 설비(50)의 내부 및 외부에는 환경정보 검출부(60)의 센서들이 설치될 수 있다.
도 6은 환경정보 검출부(60)의 예시도이다.
환경정보 검출부(60)는 외부 온도 센서(61), 내부 온도 센서(62), 진동 센서(63), 외부 습도 센서(64), 내부 습도 센서(65), 외부 음향 센서(66), 내부 음향 센서(67)를 포함하며, 각 센서들에서 검출된 정보를 진단 서버(10)로 송신하는 통신부(68)를 포함할 수 있다.
이하, 상기와 같이 구성되는 본 발명의 다른 실시 예의 구성과 작용에 대하여 보다 상세히 설명한다.
먼저, 생산현장 설비(40)의 상태 정보를 검출한 상태 검출부(30)의 검출 결과는 진단 서버(10)로 제공된다.
상태 검출부(30)는 다양한 센서를 이용하여 생산현장 설비(40)의 다양한 고장 요인을 검출하며, 특히 고장 요인인 열, 전압, 전류, 진동, 소음을 포함하는 정보를 검출한다.
이때 상태 검출부(30)는 생산현장 설비(40)의 종류에 따라 서로 다른 센서를 각각 포함할 수 있으며, 앞서 도 2와 도 3을 각각 예로한 구성일 수 있다.
상태 검출부(30)에서 검출된 다양한 고장 요인에 대한 정보는 주변의 환경 정보를 고려하지 않은 검출값 그대로이며, 진단 서버(10)는 더미 설비(30)의 환경 정보를 검출한 환경정보 검출부(60)의 검출 결과를 이용하여 상태 검출부(30)의 검출 결과를 보상할 수 있다.
상기 환경정보 검출부(60)는 더미 설비(50)의 외부 온도와 내부 온도를 각각 외부 온도 센서(61)와 내부 온도 센서(62)를 이용하여 검출한다.
외부 온도 센서(61)와 내부 온도 센서(62)의 검출값은 더미 설비(50)의 함체 외부와 내부의 온도차를 구할 수 있는 자료가 된다.
즉, 진단 서버(10)는 외부 온도 센서(61)에서 검출된 외기 온도와 내부 온도 센서(62)에서 검출된 더미 설비(50)인 미동작 상태 설비의 내부 온도의 차를 구하여 온도차 정보를 확인할 수 있다.
이때 외기 온도와 온도차 정보는 상태 검출부(30)에서 검출된 생산현장 설비(40)의 검출 온도 보정에 사용된다.
즉, 상태 검출부(30)의 온도 센서(31)는 생산현장 설비(40)의 내부 온도를 검출하며, 이때 검출된 내부 온도는 절대적인 온도가 아니라 외부(외기) 온도에 따라 영향을 받는 상대적인 온도일 수 있다.
따라서 온도 센서(31)에서 검출된 온도는 상기 환경정보 검출부(60)에서 검출된 외기 온도 및 온도차 정보에 따라 보정될 수 있다.
외기 온도가 기준 값에 비해 높은 경우, 온도 센서(31)에서 검출된 온도를 낮추는 보정을 하며, 반대로 외기 온도가 기준 값에 비해 낮은 경우 온도 센서(31)에서 검출된 온도를 높이는 보정을 할 수 있다.
이때 온도 보정값은 온도차 정보를 기준으로 할 수 있다.
만약 외부 온도 센서(61)와 내부 온도 센서(62) 각각의 검출 온도의 차가 양의 값인 경우 외기 온도가 더 높은 것이며, 이때 외기 온도와 내부 온도의 차가 클수록 온도 보정값을 크게한다.
반대로 외부 온도가 내부 온도에 비하여 낮은 경우에는 온도 보정값을 더 낮게 설정한다.
또한, 환경정보 검출부(60)는 진동 센서(63)를 이용하여 더미 설비(50)의 진동을 검출한다. 더미 설비(50)는 미가동 설비이기 때문에 자체에서는 진동이 발생하지 않는 것이지만, 주변 환경의 진동에 의한 영향으로 진동하거나 주변 소음에 공명하여 진동이 발생할 수 있다.
진동 센서(63)의 진동 검출 결과는 진단 서버(10)에 통신부(68)를 통해 제공되며, 진단 서버(10)는 진동 센서(34)를 통해 검출된 생산현장 설비(40)의 진동 검출값에서 외부의 진동 환경을 나타내는 진동 센서(63)의 검출값을 제외시켜 생산현장 설비(40) 자체의 진동을 검출할 수 있다.
따라서 보다 정확한 진동 정도를 검출할 수 있게 된다.
또한, 외부 습도 센서(64)와 내부 습도 센서(65)의 검출 결과에 따라 진단 서버(10)는 상태 검출부(30)의 전압 센서(32), 전류 센서(33) 및 음향 센서(35)에서 검출된 검출값을 보정할 수 있다.
이때 진단 서버(10)는 외부 습도 센서(64)와 내부 습도 센서(65)의 검출값을 생산현장 설비(40)의 검출 위치에 따라 선택적으로 적용할 수 있다.
만약 음향 센서(35)가 생산현장 설비(40)의 내부에 설치되는 것이며, 내부 습도 센서(65)의 검출 결과를 이용하여 음향 센서(35)의 검출결과를 보정한다.
음향은 습도와 관계가 있으며, 습도가 상대적으로 높은 경우 에너지 감쇠가 상대적으로 적어 더 큰 소리가 나며, 반대로 습도가 낮은 경우 에너지 감쇠가 상대적으로 커 더 작은 소리가 난다.
따라서 외부 습도 센서(64) 또는 내부 습도 센서(65)의 검출값을 상태 검출부(30)의 음향 센서(35) 설치 위치에 따라 선택적으로 적용하여, 음향 센서(35)의 검출 값을 보정 또는 보상할 수 있게 된다.
또한, 습도는 누설 전류의 발생에 영향을 주며, 습도가 높을 때 누설전류가 더 크게 발생한다. 따라서 상태 검출부(30)의 전류 센서(33)에서 검출되는 전류는 습도가 상대적으로 높을 때 누설전류의 영향으로 감소하게 되며, 반대로 습도가 낮을수록 상대적으로 증가하게 된다.
따라서 진단 서버(10)는 특정 습도(기준 습도)를 기준으로 습도의 변화에 따른 누설전류 증감 테이블을 이용하여 전류 센서(33)의 검출값을 보정할 수 있다.
습도에 따른 누설전류의 변화는 습도가 높으면 누설전류의 증가로 전압이 낮아질 수 있는 것과 같이 전압 센서(32)의 검출 결과에도 영향을 줄 수 있으며, 본 발명에서는 전압 검출 결과를 습도 정보에 따라 보상하여 보다 정확한 전압 검출 결과를 얻을 수 있다.
환경정보 검출부(60)는 외부 음향 센서(66)와 내부 음향 센서(67)를 이용하여 더미 설비(50)의 외부와 내부 음향을 각각 검출할 수 있다.
이때 외부 음향 센서(66)와 내부 음향 센서(67)는 외부 원인 음향과 내부 원인 음향을 구분하기 위하여 사용되는 것으로 하며, 외부 음향 센서(66)의 외부 음향 파형 정보와 내부 음향 센서(67)의 내부 음향 파형 정보를 각각 통신부(68)를 통해 진단 서버(10)로 제공하여 현재 특정 생산현장 설비(40)에서 검출된 음향에서 외부 요인에 의한 음향을 제거할 수 있다.
더미 설비(50)는 실질적으로 내부에서 발생하는 음향이 없으며, 내부 음향 센서(67)를 통해 검출된 음향은 실질적으로 외부에서 발생한 음향을 함체 내에서 검출한 것이며, 크기만 다를 뿐 외부 음향과 동일한 파형를 가지게 된다.
따라서 진단 서버(10)는 상태 검출부(35)에서 검출한 음향 정보에서 외부 음향 요소를 제거할 수 있으며, 순수하게 생산현장 설비(40)에서 발생한 음향을 검출할 수 있게 된다.
이처럼 진단 서버(10)는 상태 검출부(30)에서 검출된 다양한 정보를 환경 정보에 따라 보상하고, 보상된 결과를 이용하여 고장 진단을 할 수 있다.
상기 진단 서버(10)에는 각 생산현장 설비(40)에서 생산되는 제품의 품목과, 설비에 대한 정보가 각각 저장되어 있으며, 유사 또는 동일한 설비가 배치된 생산현장 설비(40)의 섹터에서 수집된 소음(음향) 데이터를 각각 보상한 후 하나의 군으로 묶어 진단할 수 있다.
상기 진단 서버(10)는, 딥러닝을 수행하거나, 기존의 학습된 모델들과 비교를 통해 고장 예후를 진단하게 된다. 이때, 진단 서버(10)는 고장 요인에 의한 직접 고장 여부를 먼저 판단한다.
진단 서버(10)는 특정한 생산현장 설비(40)에서 검출된 온도 정보의 보상치가 설정 온도 이상이면 고장으로 판단하거나, 전압 및 전류의 보상치를 확인하여 설비의 고장으로 판단할 수 있다.
또한, 진단 서버(10)는 생산현장 설비(40)의 진동과 소음의 보상치를 확인하여 설정된 값 이상인 경우 고장으로 판단할 수 있다.
본 발명에서 진단 서버(10)는 고장 요인인 온도, 전압, 전류, 진동, 소음의 보상치 중 하나가 이상으로 진단된 경우, 해당 생산현장 설비(40)의 고장으로 판단할 수 있다.
또한, 본 발명의 진단 서버(10)는 고장 요인간 상관관계를 이용하여 고장을 진단할 수 있다.
예를 들어, 전압 요인 및 전류 요인과 온도 요인은 서로 상관관계가 있다. 전압 또는 전류의 증가에 의해 과열이 발생할 수 있다.
또한, 전류 요인과 소음 요인 또한 상관관계가 있다. 전류의 이상으로 인해 모터에서 소음이 발생할 수 있다.
그리고 진동의 발생에 의해 소음이 발생할 수 있으며, 온도 요인 또한 변화될 수 있다.
이처럼 진단 서버(10)는 상기 상태 검출부(30)에서 검출된 다양한 고장 요인들의 상관관계를 이용하여 고장을 진단하거나, 고장 예측을 수행할 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:진단 서버 20:현장 단말
30:상태 검출부 31:온도 센서
32:전압 센서 33:전류 센서
34:진동 센서 35:음향 센서
36:통신부 40:생산현장 설비
30:상태 검출부 31:온도 센서
32:전압 센서 33:전류 센서
34:진동 센서 35:음향 센서
36:통신부 40:생산현장 설비
Claims (5)
- 다수의 생산현장 설비;
상기 생산현장 설비 각각의 고장 요인들을 검출하는 상태 검출부;
상기 생산현장 설비와 동일한 함체에 수용되는 기계적 또는 전기적 설비이며, 전력이 공급되지 않는 더미 설비;
상기 더미 설비의 내부 및 외부의 온도, 진동, 습도 및 음향을 검출하는 환경정보 검출부; 및
상기 상태 검출부에서 검출된 고장 요인들을 수신하여, 생산현장 설비의 고장 진단 및 예측을 수행하되, 상기 상태 검출부에서 검출된 고장 요인을 상기 환경정보 검출부에서 검출된 환경정보의 차를 이용하여 고장 진단 및 예측을 수행하고, 보정된 고장 요인들의 상관관계를 분석하여, 고장 진단 및 예측을 수행하는 진단 서버를 포함하되,
상기 진단 서버는,
상관관계에 있는 보정된 고장 요인 중 하나라도 제1기준범위를 벗어나면 고장으로 진단하고,
보정된 고장 요인 모두가 제1기준범위 이내이면, 제2기준범위 이내인지 판단하여, 모든 고장 요인들이 제2기준범위 이내이면 정상으로 진단하고,
보정된 모든 고장 요인이 제1기준범위와 제2기준범위 사이에 있으면 고장으로 진단하고, 보정된 모든 고장 요인 중 적어도 하나가 제1기준범위와 제2기준범위에 있으며 다른 보정된 고장 요인은 제2기준범위 이내인 경우 고장이 발생할 것을 예측하는 것을 특징으로 하는 고장 진단 및 예측 시스템. - 제1항에 있어서,
상기 상태 검출부는,
고장 요인들을 각각 검출하는 다수의 센서들; 및
다수의 상기 센서들에서 검출된 정보를 송신하는 통신부를 포함하는 고장 진단 및 예측 시스템. - 제2항에 있어서,
다수의 상기 센서는,
상기 생산현장 설비의 종류에 따라 결정되는 고장 진단 및 예측 시스템. - 제1항에 있어서,
상기 진단 서버는,
전압 요인 또는 전류 요인과 온도 요인의 상관관계에 따라 고장 진단을 수행하는 고장 진단 및 예측 시스템. - 제1항에 있어서,
상기 진단 서버는,
전류 요인과 진동 또는 소음 요인의 상관관계에 따라 고장 진단을 수행하는 고장 진단 및 예측 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230038015A KR102561675B1 (ko) | 2023-03-23 | 2023-03-23 | 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230038015A KR102561675B1 (ko) | 2023-03-23 | 2023-03-23 | 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR102561675B1 true KR102561675B1 (ko) | 2023-07-31 |
| KR102561675B9 KR102561675B9 (ko) | 2024-04-16 |
Family
ID=87458379
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230038015A KR102561675B1 (ko) | 2023-03-23 | 2023-03-23 | 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102561675B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102572628B1 (ko) * | 2023-04-03 | 2023-08-31 | 주식회사 이에스피 | 생산설비 통합 관리 시스템 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020052459A (ja) * | 2018-09-21 | 2020-04-02 | 株式会社Ｙｅ Ｄｉｇｉｔａｌ | 故障予知方法、故障予知装置および故障予知プログラム |
| KR20200081796A (ko) * | 2018-12-28 | 2020-07-08 | (주)큐센텍 | 전류센서 및 유동감지센서 패턴정보를 이용한 장비 이상유무 판단 방법 및 장치 |
| KR20210071438A (ko) * | 2019-12-06 | 2021-06-16 | 김영주 | 설비상태 감지를 위한 데이터 분석 방법 |
-
2023
- 2023-03-23 KR KR1020230038015A patent/KR102561675B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020052459A (ja) * | 2018-09-21 | 2020-04-02 | 株式会社Ｙｅ Ｄｉｇｉｔａｌ | 故障予知方法、故障予知装置および故障予知プログラム |
| KR20200081796A (ko) * | 2018-12-28 | 2020-07-08 | (주)큐센텍 | 전류센서 및 유동감지센서 패턴정보를 이용한 장비 이상유무 판단 방법 및 장치 |
| KR20210071438A (ko) * | 2019-12-06 | 2021-06-16 | 김영주 | 설비상태 감지를 위한 데이터 분석 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102572628B1 (ko) * | 2023-04-03 | 2023-08-31 | 주식회사 이에스피 | 생산설비 통합 관리 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102561675B9 (ko) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230280740A1 (en) | Intelligent condition monitoring and fault diagnostic system for preventative maintenance | |
| US6970804B2 (en) | Automated self-learning diagnostic system | |
| US20120136629A1 (en) | Apparatus abnormality monitoring method and system | |
| WO2007008940A2 (en) | Intelligent condition-monitoring and dault diagnostic system | |
| CN114576152B (zh) | 水泵状态监测系统、监测方法、装置、电子设备和介质 | |
| KR102561675B1 (ko) | 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템 | |
| KR20190062739A (ko) | 복수의 센서를 활용하여 제조 공정상의 장비 고장을 예지하는 데이터 분석 방법, 알고리즘 및 장치 | |
| GB2476246A (en) | Diagnosing an operation mode of a machine | |
| KR20200014129A (ko) | 딥러닝을 이용한 변압기 진단 방법 | |
| WO2008116966A2 (en) | Method and apparatus for monitoring condition of electric machines | |
| US11941521B2 (en) | Vibrating machine automated diagnosis with supervised learning | |
| JP4635194B2 (ja) | 異常検知装置 | |
| KR102470112B1 (ko) | 원전의 지능형 상태감시 방법 및 시스템 | |
| Klein et al. | Data Generation with a Physical Model to Support Machine Learning Research for Predictive Maintenance. | |
| KR102545672B1 (ko) | 기계고장 진단 방법 및 장치 | |
| Leonidovich et al. | The development and use of diagnostic systems and estimation of residual life in industrial electrical equipment | |
| CN117082105A (zh) | 一种绿色智慧医院设施监控系统及方法 | |
| CN117435883A (zh) | 一种基于数字孪生的设备故障预测的方法和系统 | |
| KR102572628B1 (ko) | 생산설비 통합 관리 시스템 | |
| US11339763B2 (en) | Method for windmill farm monitoring | |
| KR102648729B1 (ko) | 생산설비 통합 관제 서비스 플랫폼 | |
| KR102357754B1 (ko) | 인공지능을 이용한 스마트 팩토리의 고장 진단 시스템 | |
| JP2014026327A (ja) | 実稼働データによる機器の状態診断装置 | |
| KR20190069109A (ko) | 에너지 공급망의 이상징후 검출을 위한 데이터 증강 및 학습 장치 | |
| Singer et al. | A pattern-recognition-based, fault-tolerant monitoring and diagnostic technique |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| G170 | Re-publication after modification of scope of protection [patent] |