KR102575629B1 - 설비 고장 예측 시스템 및 그 방법 - Google Patents

설비 고장 예측 시스템 및 그 방법 Download PDF

Info

Publication number
KR102575629B1
KR102575629B1 KR1020220112277A KR20220112277A KR102575629B1 KR 102575629 B1 KR102575629 B1 KR 102575629B1 KR 1020220112277 A KR1020220112277 A KR 1020220112277A KR 20220112277 A KR20220112277 A KR 20220112277A KR 102575629 B1 KR102575629 B1 KR 102575629B1
Authority
KR
South Korea
Prior art keywords
signal
facility
information
failure prediction
abnormal
Prior art date
Application number
KR1020220112277A
Other languages
English (en)
Other versions
KR20220127209A (ko
Inventor
이원근
Original Assignee
주식회사 모빅랩
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 모빅랩 filed Critical 주식회사 모빅랩
Priority to KR1020220112277A priority Critical patent/KR102575629B1/ko
Publication of KR20220127209A publication Critical patent/KR20220127209A/ko
Application granted granted Critical
Publication of KR102575629B1 publication Critical patent/KR102575629B1/ko

Links

Classifications

    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/09—Analysing solids by measuring mechanical or acoustic impedance
    • 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
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • 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
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37032—Generate vibrations, ultrasound

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Human Computer Interaction (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

본 발명은 설비 고장 예측 시스템 및 그 방법에 관한 것이다.
본 발명의 일례에 따른 설비 고장 예측 시스템은 설비에 인접하여 위치하고, 상기 설비가 동작할 때 발생되는 소리로부터 음파 신호를 수집하는 감지 센서; 및 상기 음파 신호로부터 초음파 대역인 타겟 신호를 추출하고, 상기 타겟 신호로부터 상기 타겟 신호가 정상 신호인지 여부를 판별하고 분석하여, 상기 설비에 대한 고장 예측 정보를 제공하는 서버;를 포함한다.
본 발명의 일례에 따른 설비 고장 예측 방법은 음파 신호를 수집하는 단계; 초음파 대역의 신호를 추출하는 단계; 노이즈를 제거하여 타겟 신호를 추출하는 단계; 상기 타겟 신호가 정상 신호 여부를 판별하고, 업데이트하는 단계; 및 상기 축적된 이상 신호 정보를 분석하여 상기 설비에 대한 고장 예측 정보를 제공하는 단계;를 포함한다.

Description

설비 고장 예측 시스템 및 그 방법{Equipment failure prediction system and method}
본 발명은 설비 고장 예측 시스템 및 그 방법에 관한 것이다. 보다 구체적으로 본 발명은 설비에서 발생되는 음파 신호 중 초음파 대역의 신호를 이용하여 설비에 대한 고장 예측 정보를 제공하는 설비 고장 예측 시스템 및 그 방법에 관한 것이다.
일반적으로 산업현장에서 안정적이고 연속적으로 운전되어야 하는 설비는 설비라인 자체에 치명적인 손상을 주는 돌발 고장과, 예기치 못한 고장으로 설비라인이 중지되어 이로 인한 생산량 감소를 사전에 미리 방지하기 위해 설비고장을 미리 예측하는 방법이 연구 개발되고 있다.
현재 사용되고 있는 고장 예측방법은 설비의 이상 상태 변화를 감지하고, 이때 나타나는 결함을 검출하여 설비나 부품의 상태를 판정하고 수명을 예측하는 방식을 사용하고 있다.
*그러나, 종래의 설비의 고장 예측 시스템 내지 방법은 설비의 결함과 관련된 신호를 센싱하는 센서가 설비에 직접 부착되어, 설비의 소리나 진동, 열, 또는 전류 변화를 계측하여 설비의 문제를 탐지하는 것이 대부분이 이었다.
그러나, 이와 같이 설비에 부착되는 센서의 경우, 설비의 지속적인 진동으로 인하여, 센서의 감지에 방해하는 하나의 요소로 작용하여, 정확한 고장 예측에 문제를 발생시켰다.
아울러, 설비의 동작 중 소리를 센싱하여, 설비의 문제를 탐지하는 고장 예측 시스템은 가청 주파수 내에서 설비의 이상음을 감지하는 기존의 사례가 있으나, 이와 같은 경우, 설비의 이상음을 가청 주파수 내에서만 감지하여, 고장 예측의 정확성이 떨어지는 문제점이 있다.
본 발명의 배경이 되는 기술로는 대한민국 등록특허 제1362898호 및 대한민국 등록특허 제1448841호 등이 공개되어 있다.
본 발명은 설비 고장 예측 시스템 및 그 방법을 제공하는데, 그 목적이 있다. 보다 구체적으로 본 발명은 설비에서 발생되는 음파 신호 중 초음파 대역의 신호를 이용하여 설비에 대한 고장 예측 정보를 제공하는 설비 고장 예측 시스템 및 그 방법을 제공하는데, 그 목적이 있다.
본 발명의 일례에 따른 설비 고장 예측 시스템은 설비에 인접하여 위치하고, 상기 설비가 동작할 때 발생되는 소리로부터 음파 신호를 수집하는 감지 센서; 및 상기 음파 신호로부터 초음파 대역인 타겟 신호를 추출하고, 상기 타겟 신호로부터 상기 타겟 신호가 이상 신호인지 여부를 판별하고 분석하여, 상기 설비에 대한 고장 예측 정보를 제공하는 서버;를 포함한다.
상기 감지 센서는 상기 설비로부터 이격되어 있을 수 있다.
상기 감지 센서는 수집된 상기 음파 신호를 디지털 신호로 변환하되, 상기 디지털 신호로 변환하기 위한 샘플링비(sampling rate)는 35KHz 보다 높을 수 있다. 일례로, 상기 샘플링비는 35KHz ~ 300KHz 사이일 수 있다.
상기 감지 센서 또는 상기 서버 중 어느 하나는 상기 수집된 음파 신호로부터 초음파 대역의 신호를 필터링하여 추출할 수 있다.
상기 감지 센서 또는 상기 서버 중 어느 하나는 상기 추출된 초음파 대역의 신호로부터 노이즈를 제거하여 상기 타겟 신호를 추출할 수 있다.
상기 서버는 상기 타겟 신호를 상기 서버와 연동되는 데이터 베이스에 사전에 저장된 샘플링 신호와 비교하여 정상 신호인지 판별하고, 판별된 정보에 따라 타겟 신호 정보를 업데이트할 수 있다.
타겟 신호가 정상 신호가 아닌 것으로 판별되어 이상 신호 정보로 분류된 경우, 상기 이상 신호 정보는 이상 신호의 횟수, 이상 신호의 종류, 이상 신호의 크기 또는 이상 신호의 패턴에 따른 정보 중 적어도 하나를 포함할 수 있다.
상기 서버는 상기 이상 신호 정보를 분석하여 상기 설비에 대한 고장 예측 정보를 제공하거나, 상기 이상 신호 정보와 상기 정상 신호 정보를 함께 분석하여 상기 고장 예측 정보를 제공할 수 있다.
상기 고장 예측 정보는 적어도 상기 설비의 현재 상태 및 상기 설비의 고장이 발생될 때까지의 예측 시간 정보를 포함할 수 있다.
본 발명의 일례에 따른 설비 고장 예측 방법은 설비가 동작할 때 발생되는 소리로부터 음파 신호를 수집하는 음파 수집 단계; 상기 수집된 음파 신호를 필터링하여 초음파 대역의 신호를 추출하는 초음파 대역 필터링 단계; 상기 추출된 초음파 대역의 신호로부터 노이즈를 제거하여 타겟 신호를 추출하는 타겟 신호 추출 단계; 상기 타겟 신호가 정상 신호인지를 판별하고, 판별된 정보에 따라 타겟 신호 정보를 업데이트하여 축적하는 신호 판별 및 축적 단계; 및 상기 축적된 이상 신호 정보를 분석하여 상기 설비에 대한 고장 예측 정보를 제공하는 분석 단계;를 포함한다.
상기 음파 수집 단계에서는 수집된 상기 음파 신호를 디지털 신호로 변환하되, 상기 디지털 신호로 변환하기 위한 샘플링비(sampling rate)는 35KHz 보다 높을 수 있다.
타겟 신호가 정상 신호가 아닌 것으로 판별되어 이상 신호 정보로 분류된 경우, 상기 이상 신호 정보는 이상 신호의 횟수, 이상 신호의 종류, 이상 신호의 크기 또는 이상 신호의 패턴에 따른 정보 중 적어도 하나를 포함할 수 있다.
상기 고장 예측 정보는 적어도 상기 설비의 현재 상태 및 상기 설비의 고장이 발생될 때까지의 예측 정보를 포함할 수 있다.
본 발명의 일례에 따른 설비 고장 예측 시스템 및 그 방법은 설비의 동작 과정에서 발생되는 음파 신호 중 초음파 대역의 신호를 이용하여 설비에 대한 고장 예측 정보를 제공함으로써, 사용자가 공장 내의 설비에 대해 신속한 대응을 하도록 안내할 수 있고, 이로 인하여 공장의 가동 중단에 따른 손해 비용을 최소화하도록 할 수 있다.
도 1은 본 발명의 일례에 따른 3차원 카메라 모듈의 개념을 간략하게 설명하기 위한 도이다.
도 2는 도 1에 도시된 감지 센서의 일례에 대해 설명하기 위한 도이다.
도 3은 도 1에 도시된 서버의 일례에 서버의 일례에 대해 설명하기 위한 도이다.
도 4는 본 발명의 일례에 따른 설비 고장 예측 시스템이 동작하는 방법의 일례를 설명하기 위한 도이다.
도 5는 도 4에 기재된 신호 판별 및 축적 단계의 일례를 보다 구체적으로 설명하기 위한 도이다.
도 6은 본 발명의 일례에 따른 설비 고장 예측 시스템이 제공하는 고장 예측 정보의 일례를 설명하기 위한 도이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다. 본 발명을 설명하는데 있어서, 해당 분야에 이미 공지된 기술 또는 구성에 대한 구체적인 설명을 부가하는 것이 본 발명의 요지를 불분명하게 할 수 있다고 판단되는 경우에는 상세한 설명에서 이를 일부 생략하도록 한다. 또한, 본 명세서에서 사용되는 용어들은 본 발명의 실시예들을 적절히 표현하기 위해 사용된 용어들로서, 이는 해당 분야의 관련된 사람 또는 관례 등에 따라 달라질 수 있다. 따라서, 본 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 설비 고장 예측 시스템 및 설비 고장 예측 방법에 대해서 설명한다.
도 1은 본 발명의 일례에 따른 설비 고장 예측 시스템의 개요를 설명하기 위한 도이다.
제조 현장에서 설비(10)의 결함이나 손상이 발생할 경우, 설비(10)의 가동 중단을 야기할 수 있으며 이로 인해 발생하는 경제적 피해의 규모는 막대하기 때문에 고장이 발생하기 전에 조치를 취하는 것이 비용 절감을 위해 매우 중요하게 인식되어 있다.
설비 고장 예측이란 설비(10)의 상태를 실시간으로 진단하여 이상 상태를 조기에 발견하고 미래에 발생할 고장까지 미리 예측하여 적절한 조치를 취할 수 있게 하는 기술로 설비(10)의 안정성을 높일 수 있다.
최근에는 이와 같은 설비 고장 예측을 적용하고자 하는 산업 분야도 확대되고 있는 추세이며, 설비 고장 예측은 생산 매출에 크게 기여될 것으로 전망된다.
이를 위해, 본 발명의 일례에 따른 설비 고장 예측 시스템은 도 1에 도시된 바와 같이, 설비 고장 예측을 위해 필요한 감지 센서(100)와 서버(200)를 포함할 수 있다.
감지 센서(100)는 설비(10)에 인접하여 위치하되, 설비(10)로부터 물리적으로 이격되어 위치할 수 있고, 상기 설비(10)가 동작할 때 발생되는 소리로부터 음파 신호를 수집할 수 있다.
이와 같은 본 발명의 일례에 따른 감지 센서(100)는 초음파 음파 신호를 수집하기 때문에 설비(10)에 직접적인 접촉을 하지 않아도 되며 설비(10) 작동 중 발생하는 충격이 제품에 전달되지 않아 상대적으로 내구성을 보다 향상시킬 수 있다.
서버(200)는 상기 음파 신호로부터 초음파 대역인 타겟 신호를 추출하고, 상기 타겟 신호로부터 상기 타겟 신호가 이상 신호인지를 판별하고, 상기 설비(10)에 대한 고장 예측 정보를 제공할 수 있다.
이를 위해, 서버(200)는 감지 센서(100)로부터 전송된 음파 신호를 분석해 설비(10)의 상태를 진단하고 유형에 맞게 분류하고, 분석 결과에 따른 고장 예측 정보를 관리자에게 제공하여 설비(10)가 완전히 고장 나기 전에 미리 조치할 수 있도록 할 수 있다.
이와 같은 본 발명의 일례에 따른 설비 고장 예측 시스템은 일반적인 기계 설비(10)의 경우 물리적 고장 발생시 고장 부분뿐만 아니라 연결된 부분의 손상까지 동반하므로 사전 조치를 통해 수리비용 절감 효과를 기대할 수 있다.
또한, 본 발명의 일례에 따른 설비 고장 예측 시스템은 설비(10)의 고장 발생 시, 고장 설비(10)의 수리에 상당한 시간이 소요되기 때문에 사전 조치를 통해 설비(10)의 고장을 예방하여 가동률이 저하되는 상황을 차단할 수 있으므로 제품 생산성 향상 효과를 기대할 수 있다.
아울러, 본 발명의 일례에 따른 설비 고장 예측 시스템은 설비 고장 예측을 통해 설비(10)의 이상 상태에 대한 사전 조치가 가능하여 설비(10) 고장의 전조 증상 중 하나인 제품 품질 저하를 예방할 수 있어 생산 제품의 품질 유지 및 향상을 기대할 수 있다.
이와 같은 설비 고장 예측 시스템에서는 미세한 감지를 위해 초음파 대역에 대해 측정 가능한 고감도 오디오 카드가 감지 센서(100)에 포함될 수 있다.
또한, 효율적인 데이터 분석을 위해, 음파 신호를 분석하기 이전에 공장 환경의 노이즈가 제거될 수 있으며, 타겟 신호의 이상 유무에 따른 고장 진단 알고리즘이 적용될 수 있으며, 설비 고장 예측에 대한 분석을 위한 고성능 딥러닝 알고리즘이 적용될 수 있다.
이하에서는 이와 같은 본 발명의 일례에 적용되는 감지 센서(100)와 서버(200)의 구성에 대해 보다 구체적으로 설명한다.
도 2는 도 1에 도시된 감지 센서(100)의 일례에 대해 설명하기 위한 도이고, 도 3은 도 1에 도시된 서버(200)의 일례에 서버(200)의 일례에 대해 설명하기 위한 도이다.
도 2 및 도 3에서는 감지 센서(100)가 초음파 대역 필터링 모듈(130)을 구비하고, 서버(200)는 초음파 대역 필터링 모듈(130)을 구비하지 않는 경우를 일례로 도시하였으나, 본 발명은 반드시 이에 한정되는 것은 아니고, 도 2 및 도 3과 다르게 초음파 대역 필터링 모듈(130)은 감시 센서가 아닌 서버(200)에 구비되는 것도 가능하다.
다만, 이하에서는 설명의 편의상 도 2 및 도 3에 도시된 바와 같이, 감지 센서(100)가 초음파 대역 필터링 모듈(130)을 구비하고, 서버(200)는 초음파 대역 필터링 모듈(130)을 구비하지 않는 경우를 일례로 설명한다.
또한, 도 2 및 도 3에서는 서버(200)가 타겟 신호 추출 모듈(213)을 구비하고, 감지 센서(100)는 타겟 신호 추출 모듈(213)을 구비하지 않는 경우를 일례로 도시하였으나, 본 발명이 반드시 이에 한정되는 것은 아니고, 도 2 및 도 3과 다르게, 감지 센서(100)가 타겟 신호 추출 모듈(213)을 구비하고, 서버(200)가 타겟 신호 추출 모듈(213)을 구비하지 않는 경우도 가능하다.
다만, 이하에서는 설명의 편의상 도 2 및 도 3에 도시된 바와 같이, 서버(200)가 타겟 신호 추출 모듈(213)을 구비하고, 감지 센서(100)는 타겟 신호 추출 모듈(213)을 구비하지 않는 경우를 일례로 설명한다.
감지 센서(100)는 설비(10)가 동작할 때 발생되는 소리로부터 음파 신호를 수집하기 위해, 센싱부(110), 샘플링부(120), 초음파 대역 필터링 모듈(130) 및 통신부(140)를 포함할 수 있다.
센싱부(110)는 설비(10)와 물리적으로 이격된 상태에서 설비(10)가 동작할 때 발생되는 소리로부터 음파 신호를 수집할 수 있다. 일례로, 센싱부(110)에는 MEMS 마이크로 회로가 구비될 수 있다.
샘플링부(120)는 센싱부(110)에서 아나로그 신호 형태로 수집된 음파 신호를 디지털 신호로 변환하는 역할을 할 수 있으며, 고감도 측정 및 분석이 가능하도록 하기 위하여, 별도의 필터와 증폭 회로를 구비하여, 디지털 신호로 변환하기 위한 샘플링비(sampling rate)를 35KHz 보다 높게 할 수 있다.
일례로, 상기 샘플링비는 35KHz ~ 300KHz 사이일 수 있으며, 바람직하게는 100KHz ~ 300KHz, 보다 바람직하게는 190KHz ~ 300KHz 사이일 수 있다.
초음파 대역 필터링 모듈(130)은 고감도로 샘플링된 디지털 음파 신호로부터 초음파 대역의 신호를 필터링하여 추출할 수 있다. 즉, 음파 신호에서 초음파 대역보다 낮은 대역의 신호를 제거하고, 초음파 대역의 음파 신호만 추출할 수 있다.
이와 같이 추출되는 초음파 대역의 음파 신호는 35KHz 이상일 수 있으며, 일례로 35KHz~300KHz 대역의 음파 신호를 포함할 수 있다.
통신부(140)는 감지 센서(100)에서 수집된 음파 신호를 무선 또는 유선을 통하여 서버(200)로 전송할 수 있다. 도 1에서는 감지 센서(100)와 서버(200)가 유선으로 연결된 경우를 일례로 도시하였으나, 본 발명은 반드시 이에 한정되는 것은 아니고, 감지 센서(100)가 서버(200)가 인터넷 망을 통하여 무선으로 연동되는 것도 가능하다.
서버(200)는 도 3에 도시된 바와 같이, 제어부(210)와 데이터 베이스부(220)를 포함할 수 있다.
데이터 베이스부(220)에는 샘플링 데이터 DB(221), 감지된 이상 신호 정보 DB(223) 및 감지된 정상 신호 정보 DB(225)를 포함할 수 있다.
설비(10)의 고장 예측을 위한 시스템이 구축되고, 초기에 감지되는 음파 신호의 이상 신호 여부를 판별하기 위해, 샘플링 데이터 DB(221)에는 사전에 샘플링 데이터가 저장될 수 있다. 이와 같은 샘플링 데이터는 해당 설비(10)에 따른 정상 신호 샘플 정보와 이상 신호 샘플 정보를 포함할 수 있다.
이와 같은 샘플링 데이터 DB(221)는 초기뿐만 아니라, 설비 고장 예측 시스템이 초기 이후 동작하는 내내 사용 가능하고, 타겟 신호의 정상 신호 여부를 판별하는데 이용될 수 있다.
감지된 이상 신호 정보 DB(223)는 타겟 신호가 정상 신호가 아니라고 판별되어 이상 신호로 분류된 경우, 이상 신호로 분류된 타겟 신호를 저장할 수 있으며, 저장될 때, 해당되는 이상 신호의 (1) 이상 신호 종류, (2) 이상 신호 발생 횟수, (3) 이상 신호 크기, (4) 이상 신호 패턴, (5) 이상 신호 발생 간격이 저장되면서, 축적 내지 누적될 수 있다.
즉, 타겟 신호가 정상 신호가 아니라고 판별되어, 이상 신호로 분류된 경우, 이상 신호의 패턴이 저장되고, 이상 신호의 패턴에 따른 이상 신호의 종류로 분류되어 저장되고, 해당 이상 신호의 크기가 저장될 수 있으며, 몇번의 정상 신호 개수에 이상 신호가 발생되었는지에 대한 이상 신호 발생 간격이 저장될 수 있다.
감지된 정상 신호 정보 DB(225)는 타겟 신호가 정상 신호라고 판별된 경우, 정상 신호로 판별된 타겟 신호를 저장할 수 있으며, 저장될 때, 해당되는 정상 신호의 (1) 정상 신호 발생 횟수, (2) 정상 신호 종류가 저장되면서, 축적 내지 누적될 수 있다.
이와 같은 감지된 이상 신호 정보 DB(223)와 감지된 정상 신호 정보 DB(225)는 정보가 축적됨에 따라, 음파 신호의 정상 신호 여부를 판별할 때, 샘플링 데이터 DB(221)와 함께 이용될 수 있다.
제어부(210)는 상기 음파 신호로부터 초음파 대역인 타겟 신호를 추출하고, 상기 타겟 신호로부터 상기 타겟 신호가 정상 신호인지를 판별하고, 상기 설비(10)에 대한 고장 예측 정보를 제공할 수 있다.
이를 위해, 제어부(210)는 통신 모듈(211), 타겟 신호 추출 모듈(213), 신호 판별 및 업데이트 모듈(215), 분석 모듈(217)을 포함할 수 있다.
통신 모듈(211)은 감지 센서(100)와 유선 또는 무선으로 연동되어, 감지 센서(100)로부터 전송되는 초음파 대역의 음파 신호를 수신할 수 있다.
타겟 신호 추출 모듈(213)은 초음파 대역의 신호로부터 노이즈를 제거하여 상기 타겟 신호를 추출할 수 있다. 구체적으로, 설비(10)가 위치한 공장 환경에서 들어오는 음파 신호는 설비(10)의 물리적 기계음 및 인적 소음과 같은 불필요한 노이즈 정보가 합성된 음파 신호일 수 있다.
이와 같은 음파 신호에서 타겟 신호 추출 모듈(213)은 노이즈를 필터링하여 제거함으로써, 설비(10)의 특정 부분이 발생시키는 타겟 신호를 추출하고, 추출된 타겟 신호를 데이터 분석에 사용하여, 분석의 정확도를 높일 수 있다.
신호 판별 및 업데이트 모듈(215)은 타겟 신호를 상기 서버(200)와 연동되는 데이터 베이스에 사전에 저장된 신호와 비교하여 정상 신호인지 판별하고, 판별된 정보에 따라 타겟 신호를 업데이트할 수 있다.
여기서, 타겟 신호가 정상 신호가 아닌 것으로 판별되어 이상 신호로 판단된 경우, 이상 신호 정보는 이상 신호의 횟수, 이상 신호의 종류, 이상 신호의 크기 또는 이상 신호의 패턴, 발생 간격에 따른 정보 중 적어도 하나를 포함할 수 있다.
여기서, 시스템 구동 초기에는 데이터 베이스에 사전에 저장된 신호는 샘플링 데이터 DB(221)에 저장된 정상 신호 샘플 정보와 이상 신호 샘플 정보일 수 있다.
그러나, 감지된 이상 신호 정보 DB(223)와 감지된 정상 신호 정보 DB(225)의 데이터가 특정 분량 이상으로 축적된 경우에는 감지된 이상 신호 정보 DB(223)와 감지된 정상 신호 정보 DB(225) 역시, 타겟 신호에 대한 정상 신호 여부 판별시 이용될 수 있다.
일례로, 신호 판별 및 업데이트 모듈(215)은 타겟 신호가 샘플링 데이터 DB(221)에 저장된 정상 신호 샘플 정보와 비교하여, 유사도 판단을 수행하고, 타겟 신호가 샘플링 데이터 DB(221)에 저장된 정상 신호 샘플 정보와 유사도가 미리 정해진 임계값 이상으로 높은 경우, 정상 신호로 판단하고, 그렇지 않은 경우, 이상 신호로 판단할 수 있다.
만약, 타겟 신호가 정상 신호로 판별된 경우, 이와 같이 판별된 타겟 신호를 데이터 베이스부(220)에 저장할 수 있다.
예를 들어, 타겟 신호가 정상 신호로 판별된 경우, 타겟 신호는 데이터 베이스부의 감지된 정상 신호 정보 DB에 업데이트될 수 있으며, 타겟 신호가 정상 신호가 아닌 것으로 판별되어, 이상 신호로 분류된 경우, 감지된 이상 정보 DB에 업데이트될 수 있다.
여기서, 이상 신호가 데이터 베이스부(220)에 저장될 때에는 이상 신호의 종류 또는 패턴에 따라 분류되어 저장될 수 있다.
분석 모듈(217)은 감지된 이상 신호 정보 DB(223)와 감지된 정상 신호 정보 감지된 이상 신호 정보를 분석하여 상기 설비(10)에 대한 고장 예측 정보를 제공하거나, 감지된 이상 신호 정보 DB(223)와 감지된 정상 신호 정보 DB(225)로부터 상기 이상 신호 정보와 상기 정상 신호 정보를 함께 분석하여 상기 고장 예측 정보를 제공할 수 있다.
이하에서는 이와 같은 고장 설비(10) 예측 시스템이 동작하는 방법의 일례에 대해 설명한다.
도 4는 본 발명의 일례에 따른 설비 고장 예측 시스템이 동작하는 방법의 일례를 설명하기 위한 도이고, 도 5는 도 4에 기재된 신호 판별 및 축적 단계(S4)의 일례를 보다 구체적으로 설명하기 위한 도이다.
본 발명의 일례에 따른 설비 고장 예측 방법은 도 4에 도시된 바와 같이, 음파 수집 단계(S1), 초음파 대역 필터링 단계(S2), 타겟 신호 추출 단계(S3), 신호 판별 및 축적 단계(S4), 및 분석 단계(S5)를 포함할 수 있다.
음파 수집 단계(S1)에서는 감지 센서(100)가 설비(10)가 동작할 때 발생되는 소리로부터 음파 신호를 수집할 수 있다. 여기서 수집되는 음파 신호는 아나로그 신호일 수 있으며, 디지털 신호로 변환될 수 있다.
음파 수집 단계(S1)에서는 수집된 상기 음파 신호를 디지털 신호로 변환될 때, 상기 디지털 신호로 변환하기 위한 샘플링비(sampling rate)는 35KHz ~ 300KHz 사이일 수 있으며, 바람직하게는 100KHz ~ 300KHz, 보다 바람직하게는 190KHz ~ 300KHz 사이일 수 있다.
초음파 대역 필터링 단계(S2)에서는 디지털 신호로 변환된 음파 신호에서 초음파 대역이 필터링되어, 초음파 대역의 음파 신호가 추출될 수 있다.
타겟 신호 추출 단계(S3)는 상기 추출된 초음파 대역의 신호로부터 노이즈를 제거하여 타겟 신호를 추출할 수 있다.
일례로, 노이즈 필터링 방법은 타겟 신호 추출될 해당 음파 신호가 수집되기 이전에 수집된 음파 신호로부터 환경 소음 또는 배경 소음에 대한 신호 정보를 취득하여, 해당 음파 신호에 대한 노이즈 필터로 적용할 수 있다. 그러나, 본 발명의 노이즈 필터링 방법은 반드시 이에 한정되는 것은 아니고, 얼마든지 다른 방법으로 수행될 수 있다.
신호 판별 및 축적 단계(S4)는 상기 타겟 신호가 정상 신호 인지 또는 정상 신호가 아닌지를 판별하고, 판별된 정보에 따라 타겟 신호를 업데이트할 수 있다.
이를 위해, 일례로 신호 판별 및 축적 단계(S4)는 도 5에 도시된 바와 같이, 판별 단계(S41), 이상 신호 저장 단계(S42) 및 정상 신호 저장 단계(S43)를 포함할 수 있다.
판별 단계(S41)는 타겟 신호를 샘플링 데이터 DB(221)의 신호와 비교하여, 타겟 신호가 정상 신호인지 여부를 판별할 수 있다.
일례로, 판별 단계(S41)는 정상 신호 정보를 근거로 이상 신호인지 여부를 구분하는 이상 감지(Anomaly Detection)를 활용할 수 있다. 여기서, 이상 감지(Anomaly Detection)를 하기 위해 K-mean Algorithm을 적용할 수 있으며, 이상 감지(Anomaly Detection)의 누적 패턴을 분석하여, 고장을 진단할 수 있다.
또한, 판별 단계(S41)는 유클리드 거리 공식을 활용하여 기존 정상 데이터를 통해 얻은 기준치로부터 오차율을 계산하여 일정 이상의 오차를 발생 했을 시, 이상 신호라 판별할 수 있다.
이상 신호 저장 단계(S42)는 타겟 신호가 정상 신호가 아닌 것으로 판별되어 이상 신호로 분류된 경우, 타겟 신호를 이상 신호 정보 DB(223)에 (1) 이상 신호 종류, (2) 이상 신호 발생 횟수, (3) 이상 신호 크기, (4) 이상 신호 패턴, (5) 이상 신호 발생 간격의 항목에 따라 분류하여 저장할 수 있다.
정상 신호 저장 단계(S43)는 타겟 신호가 정상 신호라 판별된 경우, 타겟 신호를 정상 신호 정보 DB(225)에 (1) 정상 신호 종류, (2) 정상 신호 발생 횟수의 항목에 따라 저장할 수 있다.
분석 단계(S5)에서는 데이터 베이스부(220)에 감지된 이상 신호 정보 DB(223)로부터 이상 신호 정보를 분석하여 상기 설비(10)에 대한 고장 예측 정보를 제공할 수 있다.
이와 같은 분석 단계(S5)에서는 이상 신호 정보뿐만 아니라 데이터 베이스부(220)에 감지된 정상 신호 정보 DB(225)로부터 정상 신호 정보도 함께 분석하여 설비(10)에 대한 고장 예측 정보를 제공하는 것도 가능하다.
분석 단계(S5)에서는 시간에 따른 이상 신호의 발생 빈도와 패턴을 다양한 방식으로 분석할 수 있다. 예를 들어, 시스템은 미리 정해진 조건 등을 이용하여 고장 예측 정보를 제공할 수 있다.
또한, 시스템은 분석 단계(S5)에서 시간에 따른 이상 신호의 발생 빈도와 패턴을 HMM(Hidden Markov Model) 기반으로 분석하는 것도 가능하다.
아울러, 분석 단계(S5)에서는 Deep Learning 학습 모델 중 시계열 데이터 분석에 특화되어 있는 Recurrent Neural Network를 학습 모델을 이용하거나, 장기간 또는 단기간 데이터의 정보를 활용하여 다양한 경우의 데이터 패턴 학습을 위해 LSTM(Long-Short Term Memory)을 적용하는 것도 가능하다. 그러나, 본 발명이 반드시 이에 한정되는 것은 아니다.
아울러, 분석 단계(S5)에서는 딥러닝 학습시, 이상신호의 판별 결과를 재확인하기 위해 정상 신호 정보도 함께 학습할 수 있다. 또한, 양한 원인의 이상신호가 중첩되어 데이터로 전송될 경우를 고려하여 Multi-label Classification을 구현하는 것도 가능하다.
도 6은 본 발명의 일례에 따른 설비 고장 예측 시스템이 제공하는 고장 예측 정보의 일례를 설명하기 위한 도이다.
본 발명의 일례에 따른 설비 고장 예측 시스템은 도 6에 도시된 바와 같이, 고장 예측 정보를 제공할 수 있다.
구체적으로, 상기 고장 예측 정보는 적어도 상기 설비(10)의 현재 상태 및 상기 설비(10)의 고장이 발생될 때까지의 예측 정보를 포함할 수 있다.
일례로, 도 6에 도시된 바와 같이, 고장 예측 정보는 설비(10)의 이름, 고장이 발생될 때까지의 가능성을 퍼센트로 표시한 예측 정보, 정상 신호 발생 횟수, 이상 신호 발생 횟수, 이상 신호 발생 평균 간격, 설비(10) 고장 신호까지 예상되는 이상 신호 발생 횟수 등이 표시될 수 있다.
이와 같은 본 발명의 일례에 따른 설비 고장 예측 시스템 및 방법은 설비(10)의 동작 과정에서 발생되는 음파 신호 중 초음파 대역의 신호를 이용하여 설비(10)에 대한 고장 예측 정보를 제공함으로써, 사용자가 공장 내의 설비(10)에 대해 신속한 대응을 하도록 안내할 수 있고, 이로 인하여 공장의 가동 중단에 따른 손해 비용을 최소화하도록 할 수 있다.
본 발명은 상술한 실시예 및 첨부한 도면에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자의 관점에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명의 범위는 본 명세서의 청구범위뿐만 아니라 이 청구범위와 균등한 것들에 의해 정해져야 한다.
10: 설비 100: 감지 센서
110: 센싱부 120: 샘플링부
130: 초음파 대역 필터링 모듈
140: 통신부 200: 서버
210: 제어부 220: 데이터 베이스부

Claims (2)

  1. 설비에 인접하여 위치하고, 상기 설비가 동작할 때 발생되는 소리로부터 음파 신호를 수집하는 감지 센서; 및
    상기 음파 신호로부터 초음파 대역인 타겟 신호를 추출하고, 상기 타겟 신호로부터 상기 타겟 신호가 정상 신호인지 여부를 판별하고 분석하여, 상기 설비에 대한 고장 예측 정보를 제공하는 서버;를 포함하되,
    상기 서버는
    상기 타겟 신호에 대해 K-mean Algorithm을 적용하여, 상기 타겟 신호가 정상 신호인지 또는 이상 신호인지를 판별하고,
    상기 타겟 신호가 정상 신호로 판별된 경우 정상 신호 정보로 분류하고 상기 타겟 신호가 이상 신호로 판별된 경우 이상 신호 정보로 분류하고,
    상기 타겟 신호가 상기 이상 신호 정보로 분류된 경우, 상기 이상 신호로 분류된 상기 타겟 신호를 저장하며, 상기 타겟 신호에 대해 상기 이상 신호의 종류 또는 크기에 대한 정보 중 적어도 하나를 출력하여 업데이트하고,
    상기 업데이트된 상기 이상 신호 정보의 빈도와 시계열적 패턴에 대해 순환 신경망(Recurrent Neural Network, RNN) 학습 모델 및 장단기 메모리(Long Short-Term Memory, LSTM) 학습 모델 중 적어도 하나를 이용하여 분석하고,
    상기 이상 신호의 종류를 출력하여 업데이트 하는 과정에서 상기 이상 신호가 중첩되어 데이터로 전송되는 경우, Multi-label Classification을 구현하여 상기 이상 신호를 구분하는 설비 고장 예측 시스템.
  2. 제1 항에 있어서,
    상기 서버는
    상기 이상 신호 정보를 분석하여 상기 설비에 대한 고장 예측 정보를 제공하거나, 상기 이상 신호 정보와 상기 정상 신호 정보를 함께 분석하여 상기 고장 예측 정보를 제공하는 설비 고장 예측 시스템.
KR1020220112277A 2019-10-28 2022-09-05 설비 고장 예측 시스템 및 그 방법 KR102575629B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220112277A KR102575629B1 (ko) 2019-10-28 2022-09-05 설비 고장 예측 시스템 및 그 방법

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190134701A KR20210050274A (ko) 2019-10-28 2019-10-28 초음파 대역의 음향 신호를 이용한 설비 고장 예측 시스템 및 그 방법
KR1020220112277A KR102575629B1 (ko) 2019-10-28 2022-09-05 설비 고장 예측 시스템 및 그 방법

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020190134701A Division KR20210050274A (ko) 2019-10-28 2019-10-28 초음파 대역의 음향 신호를 이용한 설비 고장 예측 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20220127209A KR20220127209A (ko) 2022-09-19
KR102575629B1 true KR102575629B1 (ko) 2023-09-06

Family

ID=75916695

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020190134701A KR20210050274A (ko) 2019-10-28 2019-10-28 초음파 대역의 음향 신호를 이용한 설비 고장 예측 시스템 및 그 방법
KR1020220112277A KR102575629B1 (ko) 2019-10-28 2022-09-05 설비 고장 예측 시스템 및 그 방법

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020190134701A KR20210050274A (ko) 2019-10-28 2019-10-28 초음파 대역의 음향 신호를 이용한 설비 고장 예측 시스템 및 그 방법

Country Status (1)

Country Link
KR (2) KR20210050274A (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113404540A (zh) * 2021-06-11 2021-09-17 安徽中科昊音智能科技有限公司 一种应用于煤矿场景的声纹综合监测系统
CN114184955A (zh) * 2021-11-22 2022-03-15 无锡新泰克电机有限公司 电机故障检测方法、系统及存储介质
CN114439405A (zh) * 2022-01-22 2022-05-06 北京石油机械有限公司 一种防喷器控制装置故障监测方法、装置、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150276540A1 (en) * 2014-03-26 2015-10-01 General Monitors, Inc. Ultrasonic gas leak detectors and testing methods
KR101962739B1 (ko) * 2018-08-27 2019-03-28 서울교통공사 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템 및 그 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1151300A (ja) * 1997-07-30 1999-02-26 Toshiba Corp リーク監視装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150276540A1 (en) * 2014-03-26 2015-10-01 General Monitors, Inc. Ultrasonic gas leak detectors and testing methods
KR101962739B1 (ko) * 2018-08-27 2019-03-28 서울교통공사 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템 및 그 방법

Also Published As

Publication number Publication date
KR20210050274A (ko) 2021-05-07
KR20220127209A (ko) 2022-09-19

Similar Documents

Publication Publication Date Title
KR102575629B1 (ko) 설비 고장 예측 시스템 및 그 방법
US20210149387A1 (en) Facility failure prediction system and method for using acoustic signal of ultrasonic band
US8938404B2 (en) System and method for detecting abnormal audio events
US20150219530A1 (en) Systems and methods for event detection and diagnosis
EP3552067B1 (en) Methods and systems for discovery of prognostic subsequences in time series
CN112660745B (zh) 托辊故障智能诊断方法、系统及可读存储介质
KR20210125015A (ko) 산업 프로세스들에서 이용되는 부품들로부터 기원하는 시그널링에 있어서의 이상을 검출 및 측정하는 시스템 및 방법
CN117131110B (zh) 一种基于关联分析的容性设备介质损耗监测方法及系统
EP3759558A1 (en) Intelligent audio analytic apparatus (iaaa) and method for space system
CN114371353A (zh) 一种基于声纹识别的电力设备异常监测方法及系统
JP6876589B2 (ja) 異常検知装置及び異常検知方法並びに異常検知プログラム
KR102392951B1 (ko) 초음파 대역의 음향 신호를 수신하는 다채널 감지 센서를 구비한 설비 고장 예측 시스템
JP4412306B2 (ja) 異常判定方法および異常判定装置
WO2017213810A1 (en) Automatic visual and acoustic analytics for event detection
KR102325439B1 (ko) 사출 성형 설비의 고장 예측 시스템 및 그 방법
KR102374980B1 (ko) 복합센서 기반의 인공지능형 결함 진단 시스템
CN116720073A (zh) 一种基于分类器的异常检测提取方法与系统
KR102500140B1 (ko) 초음파 대역의 음향 신호를 이용한 설비 고장 예측 시스템 및 그 방법
CN117435908A (zh) 一种用于旋转机械的多种故障特征提取方法
US20220343113A1 (en) Automatic model reconstruction method and automatic model reconstruction system for component recognition model
CN115238904A (zh) 用于在车辆中创建训练数据的方法、设备和计算机程序
CN110758478B (zh) 铁路信号设备预告警系统及方法
KR20210073108A (ko) 대상 기계에 대한 노후화 판단 장치, 이를 이용한 노후화 판단 방법 및 컴퓨터 프로그램
JP7193491B2 (ja) 音点検システム
CN117672255B (zh) 基于人工智能和设备运行声音的异常设备识别方法及系统

Legal Events

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