KR102597039B1 - 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템 및 방법 - Google Patents

인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템 및 방법 Download PDF

Info

Publication number
KR102597039B1
KR102597039B1 KR1020230055243A KR20230055243A KR102597039B1 KR 102597039 B1 KR102597039 B1 KR 102597039B1 KR 1020230055243 A KR1020230055243 A KR 1020230055243A KR 20230055243 A KR20230055243 A KR 20230055243A KR 102597039 B1 KR102597039 B1 KR 102597039B1
Authority
KR
South Korea
Prior art keywords
sand
unit
moisture content
expected
temperature
Prior art date
Application number
KR1020230055243A
Other languages
English (en)
Inventor
박춘식
Original Assignee
주식회사 비즈에이앤씨
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 비즈에이앤씨 filed Critical 주식회사 비즈에이앤씨
Priority to KR1020230055243A priority Critical patent/KR102597039B1/ko
Application granted granted Critical
Publication of KR102597039B1 publication Critical patent/KR102597039B1/ko

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B28—WORKING CEMENT, CLAY, OR STONE
    • B28C—PREPARING CLAY; PRODUCING MIXTURES CONTAINING CLAY OR CEMENTITIOUS MATERIAL, e.g. PLASTER
    • B28C7/00—Controlling the operation of apparatus for producing mixtures of clay or cement with other substances; Supplying or proportioning the ingredients for mixing clay or cement with other substances; Discharging the mixture
    • B28C7/04—Supplying or proportioning the ingredients
    • B28C7/0404—Proportioning
    • B28C7/0409—Proportioning taking regard of the moisture content of the solid ingredients; Moisture indicators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B28—WORKING CEMENT, CLAY, OR STONE
    • B28C—PREPARING CLAY; PRODUCING MIXTURES CONTAINING CLAY OR CEMENTITIOUS MATERIAL, e.g. PLASTER
    • B28C7/00—Controlling the operation of apparatus for producing mixtures of clay or cement with other substances; Supplying or proportioning the ingredients for mixing clay or cement with other substances; Discharging the mixture
    • B28C7/04—Supplying or proportioning the ingredients
    • B28C7/0404—Proportioning
    • B28C7/0418—Proportioning control systems therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/56—Investigating or analyzing materials by the use of thermal means by investigating moisture content
    • G01N25/62—Investigating or analyzing materials by the use of thermal means by investigating moisture content by psychrometric means, e.g. wet-and-dry bulb thermometers
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dispersion Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Preparation Of Clay, And Manufacture Of Mixtures Containing Clay Or Cement (AREA)

Abstract

인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템 및 방법이 개시된다. 본 발명의 일측면에 따른 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템은, 시멘트, 모래 및 물을 포함하는 콘크리트제품 제조를 위한 재료들을 저장하기 위한 저장부; 재료들에 대한 재료량을 계량하는 계량부; DB화된 현장품질실험데이터 및 슬럼프/압축강도실험데이터를 기반으로, 계량된 재료량에 대한 입력계량값에 상응하는 예상슬럼프 및 예상압축강도를 예측하는 인공지능부; 및 예상슬럼프와 예상압축강도 및 입력계량값을 기반으로 목표품질을 위한 추가 투입 재료 및 투입물량을 결정하는 제조콘트롤부를 포함한다.

Description

인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템 및 방법{Concrete manufacturing control system and method for target quality based on artificial intelligence learning}
본 발명은 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템 및 방법에 관한 것이다.
레미콘, 인터로킹, 옹벽, 호안, 식생블록및 보강토, 건물벽체 등의 콘크리트 제품은 기본적으로 물, 시멘트, 모래, 자갈을 혼합하여 만든다. 콘크리트의 주요 특성은 압축강도(이하 강도)와 슬럼프(반죽질기)를 들 수 있는데 이들은 모두 콘크리트 단위수량에 따라 달라진다.
강도는 콘크리트 단위루베(1m3)당 사용되는 단위수량과 시멘트중량의 중량비율 즉 W(물)/C(콘크리트)의 역수와 일차 함수관계가 있으며, 슬럼프는 단위수량에 따라 달라지므로 결국 단위수량을 여하히 시방 배합 설계대로 투입하는 것이 제품의 설계강도 및 설계 슬럼프를 확보하는 관건이 된다.
따라서 콘크리트 생산 시 계량되는 시점의 모래의 수분 함유량을 실시간으로 보정하는 것이 시방 배합 설계량대로 투입할 수 있는 핵심요건이다.
시방배합이란 목표하는 설계강도와 슬럼프(반죽질기), 성형성 등을 얻기 위한 시험배치믹싱을 통하여 구한 각 재료량(물, 시멘트, 모래, 자갈)의 재료중량을 말하며 이때 모래와 자갈의 표면수는 0%, 즉 표면건조포화상태(모래 입자의 표면은 건조하고 내부는 포화상태로, 물을 흡수하지도 배출하지도 않은 상태)이다. 그러나 실제 콘크리트 제품을 생산할 경우의 모래는 입자 외부에 수분을 포함하고 있다. 이를 표면수율이라 하며 이것은 모래저장시설의 조건, 즉 날씨, 기온 및 습도에 따라 수시로 변동되므로 이를 정확히 보정하지 않으면 설계 단위수량보다 더 투입하게 되어 결국 설계강도 및 슬럼프 불량이 발생하여 제품을 폐기하게 되는 경우가 발생하기도 한다. 따라서 콘크리트 생산 시 계량되는 시점의 모래의 수분 함유량을 실시간으로 확인하여 보정하는 것이 시방 배합 설계량대로 투입할 수 있는 핵심요건이다.
그리고, 콘크리트의 품질의 핵심인 슬럼프는 설계 단위수량사용여부를 판단하는 핵심요소이며 이 값이 설계범위를 벗어나면 단위수량이 설계보다 과다 투입된 것으로 판단되어 압축강도가 불합격으로 간주되어 해당차량 이후의 생산된 모든 콘크리트를 불합격 시키는 결과로 이어질 수 있으며 이로 인하여 레미콘의 폐기로 인한 환경문제는 물론 생산자에게도 큰 손실이 발생하게 된다. 현행 슬럼프 시험은 현장도착 후 일정 로트(일반적으로 150m3:레미콘 차량25대)에 1회씩 랜덤 시험을 함으로써 품질예측의 신뢰성과 정확성이 떨어진다. 또한 압축강도 시험결과는 현장 타설 후 28일 후에나 알 수 있다는 특징을 갖고 있는데, 만일 28일전에 타설한 1층의 콘크리트 강도가 불합격일 경우에 1층 이상의 구조물이 축조되었다면 이것까지도 모두 철거해야 함으로 현실적으로 설정서의 조작 등 부정의 요소가 발생할 여지가 크다. 따라서 이러한 콘크리트의 슬럼프와 압축강도를 생산시점에서 사전에 예측관리 할 수 있게 되면 생산되는 콘크리트의 슬럼프와 압축강도의 전수검사가 가능하고 따라서 아파트붕괴사고 또는 교량붕괴와 같은 사고로 인한 막대한 인명과 재산의 손실을 사전예방 할 수 있을 뿐 아니라 각종 구조물의 안전성을 제고하여 국민 생활의 향상과 생산자의 품질 및 원가관리에도 혁신적인 결과를 갖고 올 수 있게 될 것이다.
대한민국 공개특허 제10-2012-0043632 양생실 외부로부터 물과 증기를 공급하지 않고 전기양생장치를 이용하여 순환시켜 콘크리트제품을 양생하는 방법
따라서, 본 발명은 상술한 문제점을 해결하기 위해 안출된 것으로서, 생산 시 바로 슬럼프값 및 일정 시간 후의 강도를 미리 예측함으로써 목표품질의 강도를 갖는 콘크리트를 생산할 수 있도록 하는, 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템 및 방법을 제공하기 위한 것이다.
또한 본 발명은 슬럼프 및 강도 결정에 중요 요소인 모래의 수분 함유량을 정확히 측정하여 실시간으로 보정하고, 슬럼프 및 강도와 관련된 제반변수들과의 상관관계를 분석하여 최적의 인공지능모델을 수립함으로써 설계목표품질과 일치하는 콘크리트 제조를 위한 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템 및 방법 을 제공하기 위한 것이다.
본 발명의 다른 목적들은 이하에 서술되는 바람직한 실시예를 통하여 보다 명확해질 것이다.
본 발명의 일 측면에 따르면, 시멘트, 모래 및 물을 포함하는 콘크리트제품 제조를 위한 재료들을 저장하기 위한 저장부; 상기 재료들에 대한 재료량을 계량하는 계량부; DB화된 현장품질실험데이터 및 슬럼프/압축강도실험데이터를 기반으로, 계량된 재료량에 대한 입력계량값에 상응하는 예상슬럼프 및 예상압축강도를 예측하는 인공지능부; 및 상기 예상슬럼프와 예상압축강도 및 상기 입력계량값을 기반으로 목표품질을 위한 추가 투입 재료 및 투입물량을 결정하는 제조콘트롤부를 포함하는, 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템을 제공한다.
여기서, 상기 모래에 포함된 수분함유량을 측정하는 수분측정부를 더 포함하되, 상기 인공지능부는 상기 수분함유량을 상기 예상슬럼프와 예상압축강도의 예측에 이용할 수 있다.
또한, 상기 수분측정부는, 계량전 상기 저장부에 저장된 모래의 표면수를 측정하는 표면수센서부; 상기 계량부에 쏟아진 모래의 영상을 촬영하는 영상측정부; 및 상기 모래의 영상에 대한 모래 입자의 크기, 색깔에 대한 분석 결과와 상기 모래의 표면수를 이용하여 상기 수분함유량을 산출하는 메인측정부를 포함할 수 있다.
또한, 상기 인공지능부는 상기 영상측정부에 의한 영상의 분석에 의해 재료량으로써 계량되는 물의 투명도를 분석하여 상기 예상슬럼프와 예상압축강도의 예측에 이용할 수 있다.
또한, 상기 수분측정부는 상기 계량부로부터 믹서부로 이동벨트에 의해 이동되는 모래의 온도를 측정하기 위한 온도측정부를 더 포함하되, 상기 메인측정부는 외부온도와 각 수분함유량에 따른 모래온도에 대한 상관관계정보를 기반으로 상기 모래의 온도에 상응하는 제2 수분함유량을 추정하여 상기 수분함유량의 산출에 이용할 수 있다.
또한, 상기 온도센서부는 상기 저장부 중 상기 모래가 저장되는 저장빈 내부에 구비된 제2 온도센서를 더 포함하되, 상기 제2 온도센서에 의한 온도정보를 이용하여 상기 제2 수분함유량을 추정할 수 있다.
또한, 상기 이동벨트에는 히터(heater)가 구비되고 상기 온도측정부는 상기 이동벨트의 양 끝단에 각각 구비되는 온도센서를 포함하되, 각 온도센서에 의해 측정된 온도값 및 온도차를 상기 제2 수분함유량의 예측에 이용할 수 있다.
또한, 상기 계량부에 의해 계량된 재료를 믹서부로 이동시키기 위한 이동벨트부; 및 상기 이동벨트부에 의해 이동되는 재료들을 촬영하기 위한 카메라부를 더 포함하되, 상기 인공지능부는 상기 카메라부에 의한 촬영영상의 분석에 의해 각 재료들에 대한 이동시간 및 누락물량을 확인하여 투입재료량을 추정하여 상기 예상슬럼프와 예상압축강도의 예측에 이용할 수 있다.
본 발명의 다른 측면에 따르면, 콘크리트 제조 콘트롤 시스템에서 수행되는 콘크리트 제조 콘트롤 방법에 있어서, 시멘트, 모래 및 물을 포함하는 콘크리트제품 제조를 위한 재료들에 대한 재료량을 계량하는 단계; DB화된 현장품질실험데이터 및 슬럼프/압축강도실험데이터를 기반으로, 계량된 재료량에 대한 입력계량값에 상응하는 예상슬럼프 및 예상압축강도를 인공지능에 의해 예측하는 단계; 및 상기 예상슬럼프와 예상압축강도 및 상기 입력계량값을 기반으로 목표품질을 위한 추가 투입 재료 및 투입물량을 결정하는 단계를 포함하는, 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 방법 및 방법을 실행하는 컴퓨터 프로그램이 제공된다.
여기서, 계량전 저장부에 저장된 모래의 표면수를 측정하는 단계; 계량을 위한 계량부에 쏟아진 모래의 영상을 촬영하는 단계; 및 상기 모래의 영상에 대한 모래 입자의 크기, 색깔에 대한 분석 결과와 상기 모래의 표면수를 이용하여 수분함유량을 산출하는 단계를 포함하되, 상기 수분함유량을 상기 예상슬럼프와 예상압축강도의 예측에 이용할 수 있다.
또한, 상기 모래의 영상에 대한 분석에 의해 재료량으로써 계량되는 물의 투명도를 분석하여 상기 예상슬럼프와 예상압축강도의 예측에 이용할 수 있다.
또한, 상기 계량부로부터 믹서부로 이동벨트에 의해 이동되는 모래의 온도를 측정하는 단계를 포함하되, 외부온도와 각 수분함유량에 따른 모래온도에 대한 상관관계정보를 기반으로 상기 모래의 온도에 상응하는 제2 수분함유량을 추정하여 상기 수분함유량의 산출에 이용할 수 있다.
또한, 상기 이동벨트에는 히터(heater)가 구비되고, 상기 이동벨트의 양 끝단에 각각 구비되는 온도센서에 의해 측정된 온도차를 상기 제2 수분함유량의 추정에 이용할 수 있다.
또한, 계량된 이후 이동벨트를 통해 믹서부로 이동되는 재료들을 촬영하는 단계; 및 촬영영상의 분석에 의해 각 재료들에 대한 이동시간 및 누락물량을 확인하여 투입재료량을 추정하는 단계를 포함하되, 상기 투입재료량을 상기 예상슬럼프와 예상압축강도의 예측에 이용할 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명에 따르면, 각 재료들의 투입량을 보다 정확히 측정 및 추정하고 이를 기반으로 일정 기간 경과 후의 강도를 미리 예측하고 그에 따른 각 재료의 투입물량을 제어함으로써 목표품질의 강도와 슬럼프를 갖는 콘크리트를 생산할 수 있다.
또한, 본 발명에 따르면 강도 및 슬럼프 결정에 중요 요소인 모래의 수분 함유량을 정확히 측정하여 실시간으로 보정함으로써 목표품질의 강도와 슬럼프를 실현할 수 있다.
도 1 및 도 2는 본 발명의 실시예에 따른 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템을 도시한 구성블록도 및 개념도.
도 3은 본 발명의 일 실시예에 따른 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 과정을 개략적으로 도시한 흐름도.
도 4 및 도 5는 본 발명의 일 실시예에 따른 수분측정부의 상세 구성과 배치 형태를 도시한 기능블록도 및 예시도.
도 6은 본 발명의 일 실시예에 따른 모래의 수분함유량을 측정하는 과정을 도시한 흐름도.
도 7은 본 발명의 다른 실시예에 따른 모래의 온도의 측정에 의한 수분함유량 예측 과정을 도시한 흐름도.
도 8은 본 발명의 일 실시예에 따른 영상을 이용한 투입재료량의 확인에 의한 예상압축강도의 예측 과정을 도시한 흐름도.
도 9는 본 발명의 일 실시예에 따른 믹서의 전류값을 이용한 투입물량 보정 과정을 도시한 흐름도.
도 10은 본 발명의 일 실시예에 따른 콘트롤 판넬의 유저 인터페이스 화면을 도시한 예시도.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 후술될 제1 임계값, 제2 임계값 등의 용어는 실질적으로는 각각 상이하거나 일부는 동일한 값인 임계값들로 미리 지정될 수 있으나, 임계값이라는 동일한 단어로 표현될 때 혼동의 여지가 있으므로 구분의 편의상 제1, 제2 등의 용어를 병기하기로 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 각 도면을 참조하여 설명하는 실시예의 구성 요소가 해당 실시예에만 제한적으로 적용되는 것은 아니며, 본 발명의 기술적 사상이 유지되는 범위 내에서 다른 실시예에 포함되도록 구현될 수 있으며, 또한 별도의 설명이 생략될지라도 복수의 실시예가 통합된 하나의 실시예로 다시 구현될 수도 있음은 당연하다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일하거나 관련된 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1 및 도 2는 본 발명의 실시예에 따른 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템을 도시한 구성블록도 및 개념도이다.
먼저 도 1을 참조하면, 본 실시예에 따른 콘크리트 제조 콘트롤 시스템은 저장부(10), 계량부(20), 수분측정부(30), 인공지능부(40), 이동벨트부(50), 믹서부(60) 및 제조콘트롤부(70)를 포함한다.
저장부(10)는 모래, 시멘트, 자갈, 물 등의 시멘트 제조를 위한 재료들을 저장하기 위한 것으로, 각 재료들을 개별로 저장하기 위한 각각의 저장빈 형태로 구현(도 4 참조)될 수 있다.
계량부(20)는 시멘트, 모래 및 물을 포함하는 콘크리트제품 제조를 위한 각 재료에 대한 재료량을 계량한다. 예를 들어, 모래가 저장된 저장빈에 구비된 도어를 개방함으로써, 모래를 계량부(20)로 이동시켜 계량할 수 있다.
인공지능부(40)는 DB화된 현장품질실험데이터 및 슬럼프/압축강도실험데이터를 기반으로, 계량된 각 재료들에 대한 재료량에 따른 입력계량값에 상응하는 예상슬럼프와 예상압축강도(예를 들어 28일 경과후의 압축강도를 예측)를 예측한다.
슬럼프란 간단히 말해서 아직 굳지 않은 시멘트의 반죽 질기를 뜻한다. 일반적으로 슬럼프가 낮으면 강도가 높고 재료 분리가 덜 일어나지만 유동성이 매우 작아 퍽퍽하고 작업하기가 힘들다. 반대로 슬럼프가 높으면 유동성과 작업성이 좋지만　재료 분리가 심해지고 강도가 떨어진다. 따라서 적절한 슬럼프를 갖도록 배합하는 것이 중요하다. 따라서 본 실시예에서는 입력계량값(및 수분함유량)에 상응하는 슬럼프를 미리 예측(예상슬럼프)하는 것이다. 또한, 일정기간(예로 28일 등) 경과후의 압축강도를 인공지능을 이용하여 미리 예측한다. 인공지능부(40)는 이외에도 모래의 수분함유량, 실제 투입되는 재료량에 대한 확인 등을 더 수행하여 예상슬럼프와 예상압축강도를 예측하는데, 이에 대해서는 상세히 후술하기로 한다.
제조콘트롤부(70)는 인공지능부(40)에 의한 예상슬럼프와 예상압축강도를 기반으로 목표품질을 위한 투입물량을 결정한다. 그리고 제조콘트롤부(70)는 믹서부(60)를 제어하여 투입된 재료들이 서로 섞이도록 한다.
또한, 수분측정부(30)에 의해 측정된 모래의 수분함유량을 더 이용할 수 있는데, 인공지능부(40) 또는 제조콘트롤부(70)는 수분함유량을 이용하여 예상슬럼프와 예상압축강도 또는 투입물량을 산출한다. 일반적으로 수분함유량을 측정하는 방식으로서, 무게에 의한 측정법, 부피에 의한 측정법, 메스실린더에 의한 간이 측정법, 마이크로웨이센서를 이용하는 방법 등이 있다. 본 실시예에 따르면, 수분함유량을 3번 측정하는데, 첫째는 마이크로웨이센서와 같은 센서에 의한 표면수 측정, 둘째는 카메라에 의해 모래를 촬영한 촬영영상의 분석에 의한 이미지분석을 이용한 측정, 셋째는 모래의 온도를 이용하는 추정방식의 측정을 수행한다. 이에 대해서는 차후 도 3 내지 도 4를 참조하여 상세히 설명하기로 한다.
이동벨트부(50)는 계량된 재료를 믹서부(60)로 이동시키기 위한 것으로 예를 들어 컨베이어벨트로 구현될 수 있다.
그리고, 믹서부(60)는 투입된 재료량(시멘트, 모래, 자갈, 물 등)을 서로 섞기 위한 것이며, 제조콘트롤부(70)는 믹서부(60)의 구동을 제어하며, 믹서부(60)에서 이용되는 전류값 정보, 믹서부(60)의 날개 회전속도(즉, 투입된 재료를 섞기(mix) 위한 회전날이 회전되는 속도)에 대한 정보를 취득하고 이를 상술한 예상슬럼프와 예상압축강도의 예측 및/또는 투입물량의 결정에 이용한다.
여기서, 레미콘의 압축 강도는 단위 루베(m3)당 물과 시멘트의 중량비율 (이하 W/C비 라고 함)의 역수와 1차 함수 관계가 있다.
즉 콘크리트 1m3당
1.물 200kg/m3 시멘트 400kg/m3 (W/C=200/400*100=50%)
2.물 150kg/m3 시멘트 300kg/m3 (W/C=150/300*100=50%)
위 2가지 콘크리트의 W/C비가 50%로서 동일 하기 때문에 압축강도는 동일 하다. 따라서 압축강도는
Y = aX +B (Y:압축강도, X: C/W(W/C의 역수) 로 표시된다(a:기울기 상수,B:절편).
도 2를 함께 참조하면, 생산 시 투입되는 시멘트량과 단위수량값을 정확히 파악하여 이 값을 일정시간(예를 들어 28일) 경과후의 압축강도 데이터와 연계하여 인공지능 분석시스템을 구축하여 학습시킴으로써, 이 결과를 콘트롤판넬과 연동시켜 콘크리트 생산 시 실시간으로 설계강도에 적합하도록 추가 재료의 종류와 투입물량을 제어한다.
도 3은 본 발명의 일 실시예에 따른 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 과정을 개략적으로 도시한 흐름도이다.
도 3을 참조하면, 콘크리트 제조 콘트롤 시스템은 재료량을 계량하고 모래의 수분함유량을 측정한다(S310).
DB화된 현장품질실험데이터 및 슬럼프/압축강도실험데이터를 기반으로, 계량된 재료량에 대한 입력계량값에 상응하는 예상슬럼프와 예상압축강도를 예측하는데, 이때 모래의 수분함유량을 더 이용하여 예측한다(S320). 모래에 포함된 수분함유량은 콘크리트의 강도에 중대한 영향을 미친다.
통상적으로 시방 배합상의 모래 표면수는 0%인 경우를 가정하나, 실제 투입되는 모래는 불규칙하게 표면수를 포함하고 있다. 따라서 실제 모래를 투입하고 믹싱하여 콘크리트를 제조할 때에는 모래의 표면수와 같은 수분함유량을 정확히 측정하고 그에 따라 투입되는 물(water)의 양을 적절히 조절해야 할 필요가 있다. 예를 들어, 시방 배합상 모래가 800kg, 물이 180kg이고 모래 표면수가 3%라면, 모래는 824kg(800x3%), 물은 156kg(180-24)를 계량해야 시방배합대로 계량이 되어 설계강도와 슬럼프가 나오게 된다. 그러므로 모래의 수분함유량에 따른 불규칙한 변동을 실시간으로 보정(투입 물의 양 또는 모래의 양을 조절)하여 계량 데이터의 정확도를 높이고 이러한 계량데이터를 포함하여 강도 및 슬럼프와 관련된 다수의 파라미터들의 상관관계를 분석하여 최적의 모델을 구축함으로써, 레미콘 제조 공정에서 강도와 슬럼프를 예측하는 품질 보증 시스템을 구축할 수 있다.
예측된 예상슬럼프와 예상압축강도를 기반으로 추가 투입할 재료 및 투입물량을 결정한다(S330). 예를 들어 모래의 수분함유량이 많아 강도가 낮다 판단되는 경우 추가 투입할 모래의 양을 산출하여 추가 투입시킨다. 또한 다른 일례에 따르면, 1차적으로 계량시 계획된 물의 양의 90% 정도만을 계량하여 투입하고, 그 때의 예상슬럼프와 예상압축강도를 예측한 이후 추가 투입할 물의 양을 결정할 수도 있다. 물론 상수한 예시 외에도 예측된 예상슬럼프와 예상압축강도를 고려하여 목표품질을 위해 재료들의 추가 투입하는 모든 방식이 적용될 수 있을 것이다.
도 4 및 도 5는 본 발명의 일 실시예에 따른 수분측정부의 상세 구성과 배치 형태를 도시한 기능블록도 및 예시도이고, 도 6은 본 발명의 일 실시예에 따른 모래의 수분함유량을 측정하는 과정을 도시한 흐름도이다.
도 4 및 도 5를 함께 참조하면, 수분측정부(30)는 표면수센서부(31), 영상측정부(32), 온도측정부(33) 및 메인측정부(34)를 포함할 수 있다.
수분측정부(30)의 표면수센서부(31)는 저장부(10)에 저장된 모래의 표면수를 측정한다. 즉, 모래를 계량하기 전 저장부(10)에 저장된 모래의 표면수를 표면수센서부(31)에 의해 측정하는 것이며, 표면수센서부(31)는 마이크로웨이센서와 같은 센서장치일 수 있다.
그리고, 영상측정부(32)는 계량부(20)에 쏟아진 모래를 촬영하며, 메인측정부(34)는 이렇게 촬영된 이미지를 분석하여 수분함유량을 측정한다. 이미지 분석에 의해 모래의 입자크기, 모래의 색깔 등을 분석함으로써 수분함유량을 추정하는 방식으로 측정할 수 있는데, 예를 들어 모래의 입자크기가 크거나 색깔이 진할수록 수분함유량이 많은 것으로 판단될 수 있다.
여기서, 일례에 따르면, 영상측정부(32)에 의해 촬영되는 계량부(20) 내의 재료를 촬영한 영상을 이용하여 투입되는 물의 상태를 확인하고 그에 따라 예상압축강도를 산출할 수 있다. 콘크리트 제조시, 통상적으로 지하수를 이용하는데 지하수의 상태에 따라 또는 청소 등에 이용된 물 등이 재사용되는 경우 불순물(예를 들어, 흙, 모래 등)이 포함될 수도 있는데, 이러한 경우 계량된 양에 비해 물의 양은 적을 수 있다. 따라서, 인공지능부(40)는 영상측정부(32)에 의한 영상의 분석에 의해 재료량으로써 계량되는 물의 투명도를 이미지 분석하여 예상압축강도의 예측에 이용한다. 물이 불투명할 수록 불순물이 섞여있다 판단하여 물의 계량값에 1미만의 상수를 곱함으로써 입력계량값을 산출하여 예상압축강도의 예측에 이용할 수 있다.
온도측정부(33)는 계량이 완료된 모래가 컨베이어벨트와 같은 이동벨트를 따라 믹서부로 이동되는 동안 모래의 온도를 측정하며, 메인측정부(34)는 측정된 온도정보를 이용하여 모래의 수분함유량을 추정방식으로 측정한다. 모래에 비해 수분이 덜 외부 온도에 민감하게 반응하는 점을 이용하여, 모래의 온도를 이용하여 수분함유량을 판단할 수 있다. 메인측정부(34)는 외부 온도와 각가지 수분함유량에 따른 모래의 온도에 따른 상관관계에 대한 정보를 미리 저장함으로써, 현재의 외부온도를 고려하여 모래의 온도에 따른 수분함유량을 측정한다. 외부온도(및/또는 모래가 저장된 저장부(10) 내의 온도 등)를 센싱하기 위한 별도의 온도센서(미도시)가 구비되거나, 또는 인터넷을 통한 날씨정보를 활용할 수 있을 것이다.
도 6을 참조하면, 계량전 저장빈에 저장된 모래의 표면수를 측정한다(S610). 전술한 바와 같이 표면수센서부(31)와 같은 구성부를 이용하여 모래 표면수를 측정할 수 있다.
그리고, 계량을 위한 계량부(20)에 쏟아진 모래의 영상을 촬영하고(S630), 이후 컨베이어벨트와 같은 이동벨트부(50)에 의해 믹서부(60)로 이동되는 모래의 온도를 측정한다(S630).
S620에서 촬영된 모래의 영상에 대한 모래 입자의 크기, 색깔에 대한 분석 결과 및 S630에서 측정된 온도를 이용하여 추정되는 수분함유량(이하 제2 수분함유량이라 칭함)과 S610에서 측정한 모래 표면수에 대한 정보를 이용하여 최종적으로 모래의 수분함유량을 산출한다(S640). 전술한 바와 같이 외부온도와 각 수분함유량에 따른 모래온도에 대한 상관관계정보를 기반으로 모래의 온도에 상응하는 수분함유량을 추정할 수 있다.
다른 일례에 따르면, 이동벨트부(50)에는 히터(heater. 미도시)가 구비되고 온도측정부(33)는 이동벨트의 양 끝단에 각각 구비되는 온도센서(미도시)를 포함하되, 각 온도센서에 의해 측정된 온도값과 온도차를 제2 수분함유량의 추정에 이용할 수 있다.
도 7은 본 발명의 다른 실시예에 따른 모래의 온도의 측정에 의한 수분함유량 예측 과정을 도시한 흐름도이다.
도 7을 참조하면, 모래의 계량이 시작(또는 완료)되면 이동벨트에 구비되는 히터를 구동한다(S631).
그리고, 모래의 계량이 완료되어 이동벨트를 통해 믹서로 이동이 시작되면, 이동벨트의 양 끝단에 각각 구비되는 온도센서의 값을 각각 취득한다(S632). 즉 이동이 시작된 모래의 온도와 이동이 종료되는 모래의 온도를 각각 측정하는 것이다.
취득된 각 온도값과 그 차이값을 산출하고(S633), 이를 이용하여 수분함유량의 추정에 이용한다(S634). 모래에 포함된 수분함유량에 따라 온도값 및 그 차이값은 달라질 수 있다. 수분에 비해 모래는 열에 더 빠르게 온도변화가 발생하기 때문이다. 따라서, 수분함유량이 많을 수록 온도의 차이값은 낮아질 수 있다. 이에 대한 상관관계에 대한 많은 정보를 기계학습에 의해 학습함으로써 인공지능부(40)는 보다 정확히 온도 차이값에 따른 수분함유량에 대한 보다 정확한 추정이 가능해질 수 있을 것이다.
도 8은 본 발명의 일 실시예에 따른 영상을 이용한 투입재료량의 확인에 의한 예상압축강도의 예측 과정을 도시한 흐름도이다.
도 8을 참조하면, 계량 후 믹서부(60)로 이동되는 각 재료들을 촬영한다(S810). 이를 위해 이동벨트부(50) 위의 재료들을 촬영하기 위한 촬영수단(카메라 등)이 구비되어야 하는데, 일례에 따르면 믹서부(20)를 촬영하는 영상측정부(32)를 활용(예를 들어 촬영방향을 제어하거나 반사경을 활용)할 수 있을 것이다.
촬영된 영상을 분석하여 각 재료들의 이동시간 및 누락물량을 확인하여 투입재료량을 추정한다(S820). 계량부(20)에 잔존하거나 이동 시에 누락되는 재료들에 의해 계량된 입력계량값과 실제 투입되는 투입량은 상이할 수 있다. 따라서, 실제 투입되는 투입재료량을 추정할 필요가 있다.
이동시간이 길다는 것은 재료량이 많다는 것을 의미하므로, 영상을 분석하여 이동벨트부(50)에 쏟아진 재료가 이동을 시작한 시점부터 모두 믹서부(60)로 이동이 완료될 때까지의 총 이동시간을 측정한다. 이동시간과 투입재료량의 상관관계에 대한 정보를 많은 시험데이터를 이용한 기계학습에 의해 보다 정확한 추정이 가능해질 수 있을 것이다. 또한 영상분석에 의해 이동 시에 누락되는 물량을 확인함으로써 보다 정확한 투입재료량을 추정한다.
이렇게 추정된 투입재료량과 계량에 의한 입력계량값을 이용하여 실제 투입된 물량을 추정함으로써 예상슬럼프와 예상압축강도를 보다 정확히 예측할 수 있다(S830).
도 9는 본 발명의 일 실시예에 따른 믹서의 전류값을 이용한 투입물량 보정 과정을 도시한 흐름도이고, 도 10은 본 발명의 일 실시예에 따른 콘트롤 판넬의 유저 인터페이스 화면을 도시한 예시도이다.
먼저 도 10을 참조하면, 콘크리트 제조를 위한 각 재료를 믹싱하는 믹서에서 사용되는 전류값(암페어)에 대한 정보(1000)가 콘트롤 판넬의 유저 인터페이스로서 제공될 수 있다.
믹서 암페어는 물이 많을수록 콘크리트가 질기 때문에 믹싱하기 위한 기계적인 힘이 적어 사용 암페어가 적게 나온다. 그래서 통상적으로는 오퍼레이터가 암페어값을 확인해서 반죽질기(즉 물량)를 수동으로 임의로 조절한다. 따라서 콘트롤판넬 운전자체는 1~2시간이면 배우지만 실제로 믹서 암페어값 변화 그래프를 보고 반죽질기를 맞추는데 상당한 숙련이 필요하기 ‹š문에 보통 10년 이상의 경험이 있어야 가능하다. 따라서 본 실시예에 따른 콘트롤 판넬을 사용하면 이러한 고급 숙련자가 아니더라도 초보자도 손쉽게 정확하고 안정적인 품질의 콘크리트를 생산 할 수 있게 된다.
그리고 시간에 따른 믹서 암페어 변화그래프도 중요하지만 믹싱 시작부터 종료까지(약40초) 동안 초당 암페어값 변동값 및 누적 암페어값이 예상압축강도의 예측에 더 효율적으로 이용될 수 있다.
이를 이용한 처리 과정을 도시한 도 9를 참조하면, 콘크리트 제조 콘트롤 시스템은 믹서부(60)의 일정시간 동안의 암페어값을 취득하고(S910), 암페어값에 상응하는 제2 예상슬럼프/예상압축강도를 예측한다(S920). 즉, 계량된 재료값에 따른 제1 예상슬럼프/예상압축강도를 예측한 이후, 제1 예상슬럼프/예상압축강도에 상응하도록 결정된 실제 투입물량이 믹싱된 이후, 그 믹싱에 의한 정보를 기반으로 제2 예상슬럼프/예상압축강도를 예측하는 것이다.
여기서, 믹서부(40)의 사용 암페어값에 대한 정보 뿐 아니라, 일례에 따르면 믹서부(60)의 회전속도에 대한 정보를 제2 예상슬럼프/예상압축강도의 예측에 이용할 수도 있다. 즉, 반죽이 질수록 동일한 힘으로 섞기 위한 날개의 회전속도는 미세하게라도 빨라질 수 있는데, 이를 슬럼프 및 강도 예측에 활용하는 것이다.
그리고, 예측된 제2 예상슬럼프/예상압축강도에 따른 투입물량을 보정한다(S930). 예를 들어, 물량이 너무 적다 판단되면 물을 더 투입하며, 반죽이 너무 질어 물량이 많다 판단되면 시멘트 및/또는 모래를 시방배합설계 배합비율에 맞도록 투입을 조정하여 슬럼프 및 압축강도를 일치시키도록 할 수 있을 것이다.
상술한 본 발명에 따른 본 발명은 강도예측에 의한 목표품질을 위한 콘크리트 제조 콘트롤 방법을 수행하도록 하는 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램이 제공될 수 있다.
또한, 상술한 강도예측에 의한 목표품질을 위한 콘크리트 제조 콘트롤 방법은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체로는 컴퓨터 시스템에 의하여 해독될 수 있는 데이터가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래쉬 메모리, 광 데이터 저장장치 등이 있을 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 통신망으로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 읽을 수 있는 코드로서 저장되고 실행될 수 있다.
또한, 상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10 : 저장부 20 : 계량부
30 : 수분측정부 31 : 표면수센서부
32 : 영상측정부 33 : 온도측정부
34 : 메인측정부 40 : 인공지능부
50 : 이동벨트부 60 : 믹서부
70 : 제조콘트롤부

Claims (15)

  1. 시멘트, 모래 및 물을 포함하는 콘크리트제품 제조를 위한 재료들을 저장하기 위한 저장부;
    상기 재료들에 대한 재료량을 계량하는 계량부;
    상기 모래에 포함된 수분함유량을 측정하는 수분측정부;
    DB화된 현장품질실험데이터 및 슬럼프/압축강도실험데이터를 기반으로, 계량된 재료량에 대한 입력계량값과 상기 수분함유량에 상응하는 예상슬럼프 및 예상압축강도를 예측하는 인공지능부; 및
    상기 예상슬럼프와 예상압축강도 및 상기 입력계량값을 기반으로 목표품질을 위한 추가 투입 재료 및 투입물량을 결정하는 제조콘트롤부를 포함하되,
    상기 수분측정부는,
    계량전 상기 저장부에 저장된 모래의 표면수를 측정하는 표면수센서부;
    상기 계량부에 쏟아진 모래의 영상을 촬영하는 영상측정부;
    상기 계량부로부터 믹서부로 이동벨트에 의해 이동되는 모래의 온도를 측정하기 위한 온도측정부; 및
    상기 모래의 영상에 대한 모래 입자의 크기, 색깔에 대한 분석 결과와 상기 모래의 표면수를 이용하여 상기 수분함유량을 산출하되, 외부온도와 각 수분함유량에 따른 모래온도에 대한 상관관계정보를 기반으로, 상기 저장부 중 상기 모래가 저장되는 저장빈 내부에 구비된 온도센서에 의한 온도정보와 상기 온도측정부에서 측정된 모래의 온도에 상응하는 제2 수분함유량을 추정하여 상기 수분함유량의 산출에 이용하는 메인측정부를 포함하는, 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템.
  2. 삭제
  3. 삭제
  4. 청구항 1에 있어서,
    상기 인공지능부는 상기 영상측정부에 의한 영상의 분석에 의해 재료량으로써 계량되는 물의 투명도를 분석하여 상기 예상슬럼프와 예상압축강도의 예측에 이용하는, 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템.
  5. 삭제
  6. 삭제
  7. 청구항 1에 있어서,
    상기 이동벨트에는 히터(heater)가 구비되고 상기 온도측정부는 상기 이동벨트의 양 끝단에 각각 구비되는 온도센서를 포함하되, 각 온도센서에 의해 측정된 온도값과 온도차를 상기 제2 수분함유량의 예측에 이용하는, 인공지능 학습 기반의 목표품질을위한 콘크리트 제조 콘트롤 시스템.
  8. 청구항 1에 있어서,
    상기 이동벨트에 의해 이동되는 재료들을 촬영하기 위한 카메라부를 더 포함하되,
    상기 인공지능부는 상기 카메라부에 의한 촬영영상의 분석에 의해 각 재료들에 대한 이동시간 및 누락물량을 확인하여 투입재료량을 추정하여 상기 예상슬럼프와 예상압축강도의 예측에 이용하는, 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템.
  9. 콘크리트 제조 콘트롤 시스템에서 수행되는 콘크리트 제조 콘트롤 방법에 있어서,
    시멘트, 모래 및 물을 포함하는 콘크리트제품 제조를 위한 재료들에 대한 재료량을 계량하는 단계;
    상기 모래에 포함된 수분함유량을 측정하는 단계;
    DB화된 현장품질실험데이터 및 슬럼프/압축강도실험데이터를 기반으로, 계량된 재료량에 대한 입력계량값과 상기 수분함유량에 상응하는 예상슬럼프 및 예상압축강도를 인공지능에 의해 예측하는 단계; 및
    상기 예상슬럼프와 예상압축강도 및 상기 입력계량값을 기반으로 목표품질을 위한 추가 투입 재료 및 투입물량을 결정하는 단계를 포함하되,
    상기 수분함유량을 측정하는 단계는,
    계량전 저장부에 저장된 상기 모래의 표면수를 측정하는 단계;
    계량을 위한 계량부에 쏟아진 모래의 영상을 촬영하는 단계;
    상기 계량부로부터 믹서부로 이동벨트에 의해 이동되는 모래의 온도를 측정하기 단계; 및
    상기 모래의 영상에 대한 모래 입자의 크기, 색깔에 대한 분석 결과와 상기 모래의 표면수를 이용하여 상기 수분함유량을 산출하되, 외부온도와 각 수분함유량에 따른 모래온도에 대한 상관관계정보를 기반으로, 상기 모래의 온도에 상응하는 제2 수분함유량을 추정하여 상기 수분함유량의 산출에 이용하는 단계를 포함하는, 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 방법.
  10. 삭제
  11. 청구항 9에 있어서,
    상기 모래의 영상에 대한 분석에 의해 재료량으로써 계량되는 물의 투명도를 분석하여 상기 예상슬럼프와 예상압축강도의 예측에 이용하는, 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 방법.
  12. 삭제
  13. 청구항 9에 있어서,
    상기 이동벨트에는 히터(heater)가 구비되고, 상기 이동벨트의 양 끝단에 각각 구비되는 온도센서에 의해 측정된 온도차를 상기 제2 수분함유량의 추정에 이용하는, 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 방법.
  14. 청구항 9에 있어서,
    계량된 이후 이동벨트를 통해 믹서부로 이동되는 재료들을 촬영하는 단계; 및
    촬영영상의 분석에 의해 각 재료들에 대한 이동시간 및 누락물량을 확인하여 투입재료량을 추정하는 단계를 더 포함하되,
    상기 투입재료량을 상기 예상슬럼프와 예상압축강도의 예측에 이용하는, 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 방법.
  15. 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 방법을 수행하도록 하는 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 컴퓨터로 하여금 이하의 단계들을 수행하도록 하며, 상기 단계들은,
    시멘트, 모래 및 물을 포함하는 콘크리트제품 제조를 위한 재료들에 대한 재료량을 계량하는 단계;
    상기 모래에 포함된 수분함유량을 측정하는 단계;
    DB화된 현장품질실험데이터 및 슬럼프/압축강도실험데이터를 기반으로, 계량된 재료량에 대한 입력계량값과 상기 수분함유량에 상응하는 예상슬럼프 및 예상압축강도를 인공지능에 의해 예측하는 단계; 및
    상기 예상슬럼프와 예상압축강도 및 상기 입력계량값을 기반으로 목표품질을 위한 추가 투입 재료 및 투입물량을 결정하는 단계를 포함하되,
    상기 수분함유량을 측정하는 단계는,
    계량전 저장부에 저장된 상기 모래의 표면수를 측정하는 단계;
    계량을 위한 계량부에 쏟아진 모래의 영상을 촬영하는 단계;
    상기 계량부로부터 믹서부로 이동벨트에 의해 이동되는 모래의 온도를 측정하기 단계; 및
    상기 모래의 영상에 대한 모래 입자의 크기, 색깔에 대한 분석 결과와 상기 모래의 표면수를 이용하여 상기 수분함유량을 산출하되, 외부온도와 각 수분함유량에 따른 모래온도에 대한 상관관계정보를 기반으로, 상기 모래의 온도에 상응하는 제2 수분함유량을 추정하여 상기 수분함유량의 산출에 이용하는 단계를 포함하는, 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램.
KR1020230055243A 2023-04-27 2023-04-27 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템 및 방법 KR102597039B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230055243A KR102597039B1 (ko) 2023-04-27 2023-04-27 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230055243A KR102597039B1 (ko) 2023-04-27 2023-04-27 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102597039B1 true KR102597039B1 (ko) 2023-11-01

Family

ID=88746332

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230055243A KR102597039B1 (ko) 2023-04-27 2023-04-27 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102597039B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120043632A (ko) 2011-09-06 2012-05-04 김찬한 양생실 외부로부터 물과 증기를 공급하지 않고 전기양생장치를 이용하여 순환시켜 콘크리트제품을 양생하는 방법
KR101734953B1 (ko) * 2015-12-14 2017-05-24 다성기업(주) 골재의 실시간 수분함량 측정에 따른 콘크리트 자동배합 시스템 및 방법
KR101936218B1 (ko) * 2018-07-11 2019-01-08 주식회사 삼표 인공지능 학습기반 레디믹스트 콘크리트 생산 시스템
KR102367915B1 (ko) * 2020-09-25 2022-03-02 주식회사 비즈에이앤씨 콘크리트제품 제조 물량 조절 장치 및 방법
KR20220072926A (ko) * 2020-11-25 2022-06-03 한국전자통신연구원 소포구분기 인입 제어 시스템 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120043632A (ko) 2011-09-06 2012-05-04 김찬한 양생실 외부로부터 물과 증기를 공급하지 않고 전기양생장치를 이용하여 순환시켜 콘크리트제품을 양생하는 방법
KR101734953B1 (ko) * 2015-12-14 2017-05-24 다성기업(주) 골재의 실시간 수분함량 측정에 따른 콘크리트 자동배합 시스템 및 방법
KR101936218B1 (ko) * 2018-07-11 2019-01-08 주식회사 삼표 인공지능 학습기반 레디믹스트 콘크리트 생산 시스템
KR102367915B1 (ko) * 2020-09-25 2022-03-02 주식회사 비즈에이앤씨 콘크리트제품 제조 물량 조절 장치 및 방법
KR20220072926A (ko) * 2020-11-25 2022-06-03 한국전자통신연구원 소포구분기 인입 제어 시스템 및 방법

Similar Documents

Publication Publication Date Title
KR101936218B1 (ko) 인공지능 학습기반 레디믹스트 콘크리트 생산 시스템
US10324078B2 (en) Embedded wireless monitoring sensors
JP6782867B2 (ja) 生コンクリートの品質予測方法
US7398131B2 (en) Method and system for concrete quality control based on the concrete's maturity
KR102458198B1 (ko) 넓은 스피드 범위의 콘크리트 모니터링 교정
JP7131951B2 (ja) コンクリートの製造方法
US20060058904A1 (en) Method and system for concrete quality control based on the concrete's maturity
JP2019181813A (ja) コンクリートの製造システム及びコンクリートの製造方法
KR102235712B1 (ko) 콘크리트 슬럼프 예측 시스템
KR102597039B1 (ko) 인공지능 학습 기반의 목표품질을 위한 콘크리트 제조 콘트롤 시스템 및 방법
CN114925876A (zh) 基于混凝土成熟度函数模型的拆模预测方法、装置、电子设备和介质
US11305459B2 (en) Device and method for semi-automatic concrete mixing and for training operators for use thereof
JP7475303B2 (ja) 地盤強化用締固め材の品質予測方法
KR102367915B1 (ko) 콘크리트제품 제조 물량 조절 장치 및 방법
Gavilan et al. Variations of in situ concrete strength by European Standard and American Code
Ding et al. A method for real-time moisture estimation based on self-compacting concrete workability detected during the mixing process
Fjendbo et al. When and How Should Chloride Profiles be Calibrated for Paste Fraction?
JP3168911B2 (ja) フレッシュコンクリートの水セメント比評価方法
JP6180019B2 (ja) フレッシュコンクリート又はフレッシュモルタルの単位水量測定方法
Nguyen et al. Applications of Neural Network and Neuro-Fuzzy Network to Estimate the Parameters of Self-Compacting Concrete
Thiel et al. Compliance testing for probabilistic durability design purposes
JP2019157551A (ja) 地盤改良体の品質管理システム及び地盤改良工法
Cazacliu et al. New methods for accurate water dosage in concrete central mix plants
Ahmed et al. Surface Bubbles Emergence as an Indicator for Optimal Concrete Compaction
JP2023065743A (ja) コンクリートの品質予測方法

Legal Events

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