KR102652764B1 - 시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 서버 및 이를 이용한 방법 - Google Patents

Abstract

본 개시의 실시예에 따른 시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 서버는 통신부, 메모리, 및 상기 통신부 및 상기 메모리와 전기적으로 연결된 프로세서를 포함하고, 상기 프로세서는 상기 통신부를 통해 제1 시설에 대한 검사 데이터를 수신하고, 상기 제1 시설에 대한 검사 데이터를 기설정된 데이터 트리에 따라 클래스를 분류하여 저장하고, 상기 분류하여 저장한 데이터를 상기 제1 시설 내 적어도 하나의 장비에 매칭하여 상기 적어도 하나의 장비 상태 정보를 제공하도록 설정될 수 있다.

Description

시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 서버 및 이를 이용한 방법{INTELLIGENT SERVER FOR MONITORING EQUIPMENT CONDITION IN FACILITY AND METHOD USING THE SAME}

본 개시는 인공지능을 기반으로 한 시설 내 장비들의 상태 모니터링을 수행하는 지능형 모니터링 서버 및 이를 이용한 방법에 관한 것이다.

공장과 같은 시설 내에서 제조를 목표로 하는 제품을 제조하는 과정에서 제품을 제조하는 장비의 상태를 정확하게 파악하는 것은 시설의 지속성 및 생산성에 있어서 중요하다. 최근에는 스마트팩토리와 같은 플랫폼의 도입으로 인해 시설 내 다양한 정보를 수집하여 실시간으로 모니터링하는 것이 가능하다.

예를 들어, 시설 내에서 자주 발생하는 장비의 비정상 상태를 분류하여 그 데이터를 누적적으로 저장한다면 시설 운영을 담당하는 중앙 서버는 이러한 데이터를 토대로 장비들의 수리 또는 교체 등을 미리 알 수 있다. 이를 위하여 시설 내 장비들에 대한 데이터를 계층화하여 보다 체계적으로 관리하고 이를 활용하여 사용자에게 필요한 데이터로 가공하는 필요성이 대두된다.

이와 관련하여 대한민국등록특허 제10-2054469호가 있다.

(특허문헌 1) KR 10-2054469 B

본 개시의 실시예는 상술한 문제점을 해결하기 위하여 제안된 것으로, 복수의 시설 내에 구비되어 있는 복수의 장비들의 상태가 정상 상태인지 비정상 상태인지 여부를 판단하는 것에 그 목적이 있다. 지능형 모니터링 시스템은 실시간으로 수집되는 개별 시설 내 장비들의 상태 정보를 통해 사용자에게 필요한 정보를 제공할 수 있다.

본 개시가 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

본 개시의 실시예에 따른 시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 서버는 통신부, 메모리, 및 상기 통신부 및 상기 메모리와 전기적으로 연결된 프로세서를 포함하고, 상기 프로세서는 상기 통신부를 통해 제1 시설에 대한 검사 데이터를 수신하고, 상기 제1 시설에 대한 검사 데이터를 기설정된 데이터 트리에 따라 클래스를 분류하여 저장하고, 상기 분류하여 저장한 데이터를 상기 제1 시설 내 적어도 하나의 장비에 매칭하여 상기 적어도 하나의 장비 상태 정보를 제공하도록 설정될 수 있다.

본 개시의 실시예에 따른 시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 서버의 상기 제1 시설에 대한 검사 데이터는 상기 제1 시설의 정보, 상기 제1 시설에 대응하는 고객의 정보, 상기 제1 시설의 제조 라인의 정보, 및 상기 제1 시설 내 장비의 정보 중 적어도 하나를 포함하는 것을 특징으로 할 수 있다.

본 개시의 실시예에 따른 시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 서버의 상기 기설정된 데이터 트리는 시설에 대응하는 고객의 정보를 제1 클래스, 상기 시설의 정보를 제2 클래스, 상기 시설의 제조 라인의 정보를 제3 클래스, 및 상기 시설 내 장비의 정보를 제4 클래스로 분류하는 것을 특징으로 할 수 있다.

본 개시의 실시예에 따른 시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 서버의 상기 프로세서는 상기 메모리로부터 상기 적어도 하나의 장비 상태 정보를 판단하는 기준이 되는 코드 데이터를 확인하고, 상기 코드 데이터를 기반으로 상기 적어도 하나의 장비 상태를 정상 상태 또는 비정상 상태로 판단하도록 설정될 수 있다.

본 개시의 실시예에 따른 시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 서버의 상기 코드 데이터는 스크래치, 찍힘, 및 녹 중 적어도 하나를 개별 코드에 매칭한 데이터를 포함하고, 상기 프로세서는 상기 적어도 하나의 장비 상태를 비정상 상태로 판단한 경우, 개별 장비에 대하여 상기 개별 코드에 매칭하고, 상기 개별 장비 상태를 개별 코드 별로 분류하여 비정상 위치 및 비정상 크기를 판별하도록 설정될 수 있다.

본 개시의 실시예에 따른 시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 서버의 상기 프로세서는 상기 비정상 위치가 기설정된 위치에 대응하거나 상기 비정상 크기가 기설정된 크기 이상인 경우, 경고 알람 정보를 제공하도록 설정될 수 있다.

본 개시의 실시예에 따른 시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 서버의 상기 프로세서는 상기 통신부를 통해 제2 시설에 대한 검사 데이터를 수신하고, 상기 제1 시설 내 적어도 하나의 장비 상태 정보 및 상기 제2 시설 내 적어도 하나의 장비 상태 정보를 기반으로 상기 개별 코드에 매칭한 데이터를 상기 메모리에 업데이트하여 저장하고, 상기 개별 코드 중 최다 매칭된 개별 코드에 대응하는 장비 상태 정보부터 순차적으로 제공하도록 설정될 수 있다.

본 개시의 실시예에 따른 시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 서버의 상기 프로세서는 상기 업데이트하여 저장한 데이터를 기반으로 비정상 상태 비율을 연산하고, 기설정된 기간동안 상기 업데이트를 진행한 경우, 상기 기설정된 기간동안에 비례하는 기간에 대한 상기 비정상 상태 비율의 예측 결과를 제공하도록 설정될 수 있다.

본 개시의 실시예에 따른 시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 서버의 상기 프로세서는 상기 제1 시설 내 장비의 가동 상태를 개별 장비에 대응하여 판단하고, 상기 개별 장비의 가동 상태를 기반으로 상기 개별 장비의 일일 목표 가동 수량에 따라 상기 개별 장비의 가동 효율 정보를 제공하도록 설정될 수 있다.

본 개시의 실시예에 따른 시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 방법은 통신부를 통해 제1 시설에 대한 검사 데이터를 수신하는 단계, 상기 제1 시설에 대한 검사 데이터를 기설정된 데이터 트리에 따라 클래스를 분류하여 저장하는 단계, 및 상기 분류하여 저장한 데이터를 상기 제1 시설 내 적어도 하나의 장비에 매칭하여 상기 적어도 하나의 장비 상태 정보를 제공하는 단계를 포함할 수 있다.

본 개시의 전술한 과제 해결 수단에 의하면, 지능형 모니터링 시스템은 개별 시설을 모니터링하고 있는 개별 외부 장치로부터 수신한 개별 시설 내 장비들에 대한 데이터를 통해 해당 장비들의 상태를 판단할 수 있다. 이에 따라, 지능형 모니터링 시스템은 사람의 눈으로 일일히 확인해왔던 프로세스를 신속하고 정확하게 수행할 수 있다.

또한, 본 개시의 다양한 실시예에 따르면 지능형 모니터링 서버는 개별 장비들의 정상 상태 이미지를 학습한 모델을 통해 실시간으로 개별 장비들의 정상 상태 여부를 판단할 수 있고, 개별 장비들의 비정상 상태의 정도를 설정된 기준에 따라 분류하여 심각한 정도의 비정상인 경우 사용자에게 경고 알람을 제공할 수 있다.

본 개시의 다양한 실시예에 따르면 지능형 모니터링 서버는 개별 장비들에 대한 비정상 상태를 판단하여 특정 기간에 대한 통계치와 그에 대응하는 특정 기간의 미래 예측치를 제공할 수 있으며, 이에 따라 사용자가 시설을 효율적으로 관리할 수 있도록 한다.

본 개시의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 개시의 다양한 실시예에 따른 시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 시스템의 블록도이다.
도 2는 본 개시의 다양한 실시예에 따른 지능형 모니터링 서버의 구성요소들에 관한 개략적인 블록도이다.
도 3a 및 도 3b는 본 개시의 다양한 실시예에 따른 지능형 모니터링 시스템의 모니터링 구조도이다.
도 4는 본 개시의 다양한 실시예에 따른 지능형 모니터링 방법의 개략적인 흐름도이다.
도 5는 본 개시의 다양한 실시예에 따른 지능형 모니터링 방법의 시설 내 장비 상태판단 프로세스에 관한 흐름도이다.
도 6은 본 개시의 다양한 실시예에 따른 지능형 모니터링 방법의 경고 알람 프로세스에 관한 상세한 흐름도이다.
도 7은 본 개시의 다양한 실시예에 따른 지능형 모니터링 시스템의 시설 내 장비 정보 활용에 관한 흐름도이다.

본 개시 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다. 본 개시가 실시예들의 모든 요소들을 설명하는 것은 아니며, 본 개시가 속하는 기술분야에서 일반적인 내용 또는 실시예들 간에 중복되는 내용은 생략한다. 명세서에서 사용되는 '부, 모듈, 부재, 블록'이라는 용어는 소프트웨어 또는 하드웨어로 구현될 수 있으며, 실시예들에 따라 복수의 '부, 모듈, 부재, 블록'이 하나의 구성요소로 구현되거나, 하나의 '부, 모듈, 부재, 블록'이 복수의 구성요소들을 포함하는 것도 가능하다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐 아니라, 간접적으로 연결되어 있는 경우를 포함하고, 간접적인 연결은 무선 통신망을 통해 연결되는 것을 포함한다.

또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

명세서 전체에서, 어떤 부재가 다른 부재 "상에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.

제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로, 구성요소가 전술된 용어들에 의해 제한되는 것은 아니다.

단수의 표현은 문맥상 명백하게 예외가 있지 않는 한, 복수의 표현을 포함한다.

각 단계들에 있어 식별부호는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다.

이하 첨부된 도면들을 참고하여 본 개시의 작용 원리 및 실시예들에 대해 설명한다.

본 명세서에서 '본 개시에 따른 장치'는 연산처리를 수행하여 사용자에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 본 개시에 따른 장치는, 컴퓨터, 서버 장치 및 휴대용 단말기를 모두 포함하거나, 또는 어느 하나의 형태가 될 수 있다.

여기에서, 상기 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), 태블릿 PC, 슬레이트 PC 등을 포함할 수 있다.

상기 서버 장치는 외부 장치와 통신을 수행하여 정보를 처리하는 서버로써, 애플리케이션 서버, 컴퓨팅 서버, 데이터베이스 서버, 파일 서버, 게임 서버, 메일 서버, 프록시 서버 및 웹 서버 등을 포함할 수 있다.

상기 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), WiBro(Wireless Broadband Internet) 단말, 스마트 폰(Smart Phone) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치와 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD) 등과 같은 웨어러블 장치를 포함할 수 있다.

도 1은 본 개시의 다양한 실시예에 따른 시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 시스템의 블록도이다.

도 1을 참고하면, 지능형 모니터링 시스템(10)(이하 '시스템')은 지능형 모니터링 서버(100) 및 외부 장치(200)를 포함한다. 각각의 노드는 서로 다른 노드와 데이터를 주고받을 수 있다. 각 노드들은 네트워크를 통해 연결될 수 있다. 본 개시의 실시예에서 활용되는 인공지능 네트워크는 대표적으로 지도 학습을 기반으로 구축된 네트워크가 이용될 수 있다.

본 개시의 다양한 실시예에 따른 지능형 모니터링 서버(100)는 시스템(10)을 통해 관리되는 전체 시설에 대한 모니터링을 한 눈에 볼 수 있도록 데이터를 가공하여 사용자 또는 관리자에게 제공할 수 있다. 지능형 모니터링 서버(100)는 각각의 시설을 모니터링 및/또는 관리하는 외부 장치(200)를 통해 수집된 모니터링 데이터를 기반으로 각각의 시설 내 장비 상태 데이터를 제공할 수 있다. 지능형 모니터링 서버(100)는 시설 내 장비들에 대한 전체 가동 프로세스를 확인하고 그 결과를 제공 및 관리하는 장치일 수 있다. 또한, 지능형 모니터링 서버(100)는 유선 및/또는 무선 연결을 통해 다른 장치로 시설 내 장비 상태 모니터링에 관한 데이터를 전송하거나 수신할 수 있다.

실시예에 따른 지능형 모니터링 서버(100)는 시설 내 장비들의 이미지를 통해 개별 장비들의 상태(예: 정상 상태, 비정상 상태)를 판단할 수 있다. 예를 들어, 지능형 모니터링 서버(100)는 장비 이미지 중 정상 상태인 것에 해당하는 이미지를 학습하고, 비정상 상태인 것에 해당하는 이미지를 학습할 수 있다. 이와 같은 장비 이미지는 제조, 제작되는 장비의 이미지라면 어떤 것이든 적용 가능할 수 있다. 장비는 하나의 부품 자체일 수 있고, 또는 두 개 이상의 부품이 결합된 것일 수 있다. 여기서, 장비 정상 상태 이미지는 양품 이미지에 대응하고, 장비에서 불량이 존재하지 않는 것으로 분류된 것일 수 있다. 장비 비정상 상태 이미지는 장비에 불량이 존재하는 것으로 분류된 이미지일 수 있다. 예를 들어, 비정상 상태는 스크래치, 찍힘, 녹 등이 장비에 존재하는 상태일 수 있으며, 각각의 비정상 상태는 그 이미지를 통해 명확하게 분류되도록 학습하는데 활용된다. 또한, 장비 정상 상태가 아니면서 미리 학습된 비정상 상태가 아닌 경우, 지능형 모니터링 서버(100)는 해당 장비를 별도의 비정상 상태로 상정하여 다른 종류의 비정상 상태로 그 결과를 도출할 수 있다. 본 개시의 실시예에서 비정상 상태 검출은 불량 검출, 불량 검사 등과 같은 의미로 해석될 수 있다.

본 개시의 다양한 실시예에 따른 외부 장치(200)는 지능형 모니터링 서버(100)로부터 시설 내 장비 상태 모니터링에 관한 데이터를 전송하거나 수신하는 장치일 수 있다.

도 2는 본 개시의 다양한 실시예에 따른 지능형 모니터링 서버의 구성요소들에 관한 개략적인 블록도이다.

도 2를 참고하면, 지능형 모니터링 서버(100)는 내부 구성요소로 프로세서(110), 통신부(120), 및 메모리(130)를 포함할 수 있으며, 이에 한정되지 않는다. 각각의 노드는 서로 다른 노드와 데이터를 주고받을 수 있다. 각 노드들은 직접적으로 전기적으로 연결되거나 네트워크를 통해 유선 및/또는 무선으로 연결될 수 있다. 본 개시의 지능형 모니터링 서버(100)는 프로세서(110) 대신 별도의 프로세싱 서버 또는 클라우드 서버를 통해 프로세서(110)의 기능을 수행할 수 있다.

본 개시의 다양한 실시예에 따른 지능형 모니터링 서버(100)는 시스템(예: 도 1의 시스템(10))을 통해 관리되는 전체 시설 내 모든 장비들의 상태를 모니터링할 수 있다. 예를 들어, 지능형 모니터링 서버(100)는 시스템을 통해 관리되고 있는 개별 시설(예: 제1 시설)의 장비 상태를 모니터링한 결과를 통합하여 제어할 수 있다. 즉, 본 개시의 지능형 모니터링 서버(100)는 시스템을 통해 개별 시설에서 개별 시설 내 장비 상태를 모니터링하고 있는 외부 장치(예: 도 1의 외부 장치(200))를 통해 수집되는 데이터를 총괄하여 모니터링할 수 있다. 지능형 모니터링 서버(100)는 단순히 그 결과를 확인하는 것 뿐만 아니라, 그 결과를 가공하여 각각의 외부 장치로 제공하고 장비 상태에 따른 대응 수칙이나 통계 데이터 등을 제공할 수 있다. 여기서, 지능형 모니터링 서버(100)와 외부 장치가 활용하는 소프트웨어, 어플리케이션, 및/또는 웹 서비스 플랫폼 등은 동일 또는 유사할 수 있으며, 상호 간 연결을 통해 데이터를 전송하거나 수신할 수 있도록 설정된다. 이에 따라, 지능형 모니터링 서버(100)는 개별 외부 장치에 개별 시설 내 장비 상태에 따른 관리에 필요한 유의미한 정보를 제공할 수 있게 된다.

도 2를 참고하면, 프로세서(110)는 지능형 모니터링 서버(100) 내의 구성요소들의 동작을 제어하기 위한 알고리즘 또는 알고리즘을 재현한 프로그램에 대한 데이터를 저장하는 메모리(130) 및 메모리(130)에 저장된 데이터를 이용하여 전술한 동작을 수행하는 적어도 하나의 기능 블록으로 구현될 수 있다. 이때, 프로세서(110)와 메모리(130)는 각각 별개의 칩으로 구현될 수 있다. 또는, 프로세서(110)와 메모리는 단일의 칩으로 구현될 수도 있다.

프로세서(110)는 이하의 도 3a 내지 도 7에서 설명되는 본 개시에 따른 다양한 실시예들을 지능형 모니터링 서버(100)에서 구현하기 위해 위에서 살펴본 구성요소들 중 어느 하나 또는 복수를 조합하여 제어할 수 있다.

실시예에 따른 통신부(120)는 외부 장치(예: 도 1의 외부 장치(200))와 통신을 가능하게 하는 하나 이상의 구성 요소를 포함할 수 있으며, 예를 들어, 방송 수신 모듈, 유선통신 모듈, 무선통신 모듈, 근거리 통신 모듈, 위치정보 모듈 중 적어도 하나를 포함할 수 있다.

유선 통신 모듈은, 지역 통신(Local Area Network; LAN) 모듈, 광역 통신(Wide Area Network; WAN) 모듈 또는 부가가치 통신(Value Added Network; VAN) 모듈 등 다양한 유선 통신 모듈뿐만 아니라, USB(Universal Serial Bus), HDMI(High Definition Multimedia Interface), DVI(Digital Visual Interface), RS-232(recommended standard232), 전력선 통신, 또는 POTS(plain old telephone service) 등 다양한 케이블 통신 모듈을 포함할 수 있다.

무선 통신 모듈은 와이파이(Wifi) 모듈, 와이브로(Wireless broadband) 모듈 외에도, GSM(global System for Mobile Communication), CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), UMTS(universal mobile telecommunications system), TDMA(Time Division Multiple Access), LTE(Long Term Evolution), 4G, 5G, 6G 등 다양한 무선 통신 방식을 지원하는 무선 통신 모듈을 포함할 수 있다.

근거리 통신 모듈은 근거리 통신(Short range communication)을 위한 것으로서, 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra Wideband), ZigBee, NFC(Near Field Communication), Wi-Fi(Wireless-Fidelity), Wi-Fi Direct, Wireless USB(Wireless Universal Serial Bus) 기술 중 적어도 하나를 이용하여, 근거리 통신을 지원할 수 있다.

실시예에 따른 메모리(130)는 지능형 모니터링 서버(100)의 다양한 기능을 지원하는 데이터와, 프로세서(110)의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들(예를 들어, 이미지, 영상 등)을 저장할 있고, 지능형 모니터링 서버(100)에서 구동되는 다수의 응용 프로그램(application program 또는 어플리케이션(application)), 지능형 모니터링 서버(100)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다.

이러한, 메모리(130)는 네트워크 결합 스토리지(Network Attached Storage, NAS), 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(random access memory; RAM), SRAM(static random access memory), 롬(read-only memory; ROM), EEPROM(electrically erasable programmable read-only memory), PROM(programmable read-only memory), 자기 메모리, 자기 디스크 및 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 메모리는 지능형 모니터링 서버(100)와는 분리되어 있으나, 유선 또는 무선으로 연결된 데이터베이스가 될 수도 있다.

실시예에 따른 출력부(미도시)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 것으로, 디스플레이부를 포함할 수 있다. 디스플레이부는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, 지능형 모니터링 서버(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부로써 기능함과 동시에, 지능형 모니터링 서버(100)와 사용자 간에 출력 인터페이스를 제공할 수 있다.

디스플레이부는 지능형 모니터링 서버(100)에서 처리되는 정보를 표시(출력)한다. 예를 들어, 디스플레이부는 지능형 모니터링 서버(100)에서 구동되는 응용 프로그램(예: 어플리케이션)의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.

도 2에 도시된 구성 요소들의 성능에 대응하여 적어도 하나의 구성요소가 추가되거나 삭제될 수 있다. 또한, 구성 요소들의 상호 위치는 장치의 성능 또는 구조에 대응하여 변경될 수 있다는 것은 당해 기술 분야에서 통상의 지식을 가진 자에게 용이하게 이해될 것이다.

한편, 도 2에서 도시된 각각의 구성요소는 소프트웨어 및/또는 Field Programmable Gate Array(FPGA) 및 주문형 반도체(ASIC, Application Specific Integrated Circuit)와 같은 하드웨어 구성요소를 의미한다.

도 3a 및 도 3b는 본 개시의 다양한 실시예에 따른 지능형 모니터링 시스템의 모니터링 구조도이다.

도 3a를 참고하면, 시스템(예: 도 1의 시스템(10))은 지능형 모니터링 서버(100)와 각각의 시설을 관리하는 외부 장치(예: 제1 외부 장치(210), 제2 외부 장치(220))의 장비 모니터링을 수행하는 환경을 조성한다. 시스템 내에서 지능형 모니터링 서버(100)는 각각의 외부 장치(210, 220)에서 수집한 데이터를 수신하여 모니터링한 결과를 처리하고, 그 처리 결과를 각각의 외부 장치(210, 220)에 제공할 수 있다.

실시예에 따른 제1 외부 장치(210)는 제1 시설(300)에 대한 검사 데이터를 수집한다. 제1 시설(300)에 대한 검사 데이터는 제1 시설(300)의 정보, 제1 시설(300)에 대응하는 고객의 정보, 제1 시설(300)의 제조 라인의 정보, 제1 시설(300) 내 장비의 정보 중 적어도 하나를 포함한다. 여기서, 제1 시설(300)의 정보는 광양 공장, 김포 공장, 포항 공장 등 제1 시설(300)을 지칭하는 정보일 수 있다. 제1 시설(300)에 대응하는 고객의 정보는 제1 시설(300)을 소유하고 있는 소유자인 A의 정보일 수 있다. 제1 시설(300)의 제조 라인의 정보는 제1 시설(300)에 구비되어 있는 다양한 제조 라인(310)의 정보로, 제1 아이템을 제조하는 제1 제조 라인, 제2 아이템을 제조하는 제2 제조 라인 등일 수 있다. 제1 시설(300)내 장비의 정보는 제1 시설(300) 내 제조 라인(310)에 포함된 적어도 하나의 장비(311) 정보일 수 있다.

실시예에 따른 제1 외부 장치(210)는 제1 시설(300)에 대한 검사 데이터를 지능형 모니터링 서버(100)로 제공할 수 있다. 제1 외부 장치(210)는 제1 시설(300)에 대한 검사 데이터를 수집(320)할 수 있다. 제1 외부 장치(210)를 통해 수집(320)되는 제1 시설(300)에 대한 검사 데이터는 지능형 모니터링 서버(100)에서 인공지능을 통한 학습으로 장비(311) 상태 판단의 기반이 된다.

도 3a를 참고하면, 제2 외부 장치(220), 제2 시설(400), 제2 시설(400)의 정보, 제2 시설(400)에 대응하는 고객의 정보, 제2 시설(400)의 제조 라인의 정보, 제2 시설(400) 내 장비의 정보, 제2 시설(400)의 제조 라인(410), 제2 시설(400) 내 제조 라인(410)에 포함된 적어도 하나의 장비(411), 제2 외부 장치(220)를 통해 수집(420)되는 제2 시설(400)에 대한 검사 데이터 등에 대한 설명은 상기 제1 외부 장치(210)에 관한 것으로 대체한다.

실시예에 따른 지능형 모니터링 서버(100)는 제1 외부 장치(210) 및 제2 외부 장치(220)로부터 제1 시설(300)에 대한 검사 데이터 및 제2 시설(400)에 대한 검사 데이터를 수신한다. 지능형 모니터링 서버(100)는 복수의 시설(300, 400) 내 장비들(311, 411)에 대한 상태 판단을 위해 메모리(예: 도 2의 메모리(130))에 저장된 장비들(311, 411)의 상태 판단 기준의 데이터를 확인할 수 있다. 예를 들어, 장비들(311, 411)의 상태 판단 기준의 데이터는 지능형 모니터링 서버(100)가 메모리에 기저장된 장비들(311, 411)의 정상 상태 이미지, 비정상 상태 이미지, 정상 상태 라벨, 비정상 상태 라벨 등을 통해 반복 학습하여 형성한 데이터일 수 있다. 지능형 모니터링 서버(100)는 학습된 데이터를 기반으로 장비들(311, 411)의 상태 판단을 수행할 수 있다.

실시예에 따른 지능형 모니터링 서버(100)는 인공지능을 통해 장비들(311, 411)의 상태 판단을 위한 데이터를 학습할 수 있다. 여기서, 이미지는 장비들(311, 411)의 실제 촬영 이미지로, 정상 상태 촬영 이미지, 비정상 상태를 분류한 각각의 비정상 상태에 대응하는 촬영 이미지 등일 수 있다.

실시예에 따르면, 지능형 모니터링 서버(100)는 머신러닝 알고리즘을 수행할 수 있는 프로세서를 통해 인공지능 학습이 가능하다. 여기서, 프로세서는 도 2의 프로세서(110)에 대응할 수 있으며, 지능형 모니터링 서버(100)는 인공지능을 통해 업데이트되어 저장되는 장비들(311, 411)의 상태 판단과 관련된 데이터를 다시 활용하여 재학습을 수행하여 보다 정밀한 상태 정보를 제공할 수 있다.

실시예에 따른 프로세서는 복수의 시설 내 장비들을 통해 제조하는 제품들의 정상 상태 및 비정상 상태를 판단할 수 있다. 이는 장비들의 정상 상태를 판단하는 프로세스와 유사할 수 있다. 즉, 본 개시의 다양한 실시예에 따른 지능형 모니터링 시스템은 개별 시설 내 제조 라인의 장비들의 상태(예: 정상 상태 여부)과 그 장비들을 통해 생산(제조)하는 제품들의 정상 상태(예: 양품 여부)를 판단할 수 있다.

도 3b를 참고하면, 실시예에 따른 프로세서는 내부에서 각종 프로세스를 수행할 수 있다. 프로세서는 어플리케이션 및/또는 웹 상에서 모니터링(101), 라벨링(102), 데이터베이스(103)에 저장, 학습(104), 및 모델 업데이트(105) 등의 프로세스를 수행할 수 있다.

실시예에 따른 프로세서는 지능형 모니터링 서버(100)를 통해 외부 장치들의 장비 운영 효율을 극대화하기 위한 데이터 통합 관리 웹 소프트웨어 및/또는 어플리케이션을 활용할 수 있다. 프로세서는 외부 장치가 관리하고 있는 시설들 내의 장비들에 대한 외관 검사기 및 치수 검사기 등의 장비 이력 관리, 장비 이력 통계를 유저 중심적으로 가공하여 제공할 수 있다. 이를 통해, 프로세서는 복수의 시설들의 제조 라인의 다양한 장비들의 상태를 모니터링할 수 있으며, 커스터마이징을 통해 제조 라인의 다양한 장비에 대한 알림, 종료, 및 제어 기능 등을 추가 또는 수정할 수 있다.

도 3b를 참고하면, 프로세서는 모니터링(101)을 통해 외관 검사기 및 치수 검사기와의 연동을 통해 해당 시설에서의 생산에 대한 이력을 취합하고 그 결과를 통계내어 제공할 수 있다. 여기서, 외관 검사기 및 치수 검사기는 시설 내 포함되어 있는 장비의 예시일 수 있다. 예를 들어, 모니터링(101)은 장비 바코드 별 외관 검사 및 치수 검사 조회, 장비 상태 정보, 치수 검사 리스트, 장비 상태 이미지 표시, 장비 별 치수 측정 위치 및 측정 값, 장비의 온도 등에 대한 모니터링일 수 있다.

실시예에 따른 프로세서는 모니터링(101)을 통해 장비의 검사 이력을 통계로 제공할 수 있다. 예를 들어, 모니터링(101)은 장비 유형 별 기간 조회 기능, 기간 별 총 생산 개수, 비정상 상태 수량, 비정상 유형 개수, 비정상 상태 유형 별 개수의 우선 순위에 따른 리스트, 바코드 별 외관 검사 및 치수 검사 비정상 상태 유무 리스트, 외관 검사 결과 비정상 상태 유형 별 발생 위치 맵 및 상세 리스트, 외관 검사 바코드 별 투입 시간 및 비정상 유형 개수, 치수 검사 비정상 유형 별 발생 빈도 그래프 및 상세 리스트, 치수 검사 장비 위치 별 측정 값 트렌드 그래프, 치수 검사 바코드 별 투입 시각 및 위치 별 측정 값, 장비 별 히스토리 정보 등을 취합하여 제공할 수 있다.

실시예에 따른 프로세서는 모니터링(101)을 통해 제조 라인에 설치된 각 장비 별 생산 현황을 제공할 수 있다. 또한, 프로세서는 장비 별 당일 가동 현황을 제공할 수 있다. 예를 들어, 프로세서는 장비 별 당일 목표 수량 대비 투입 수량, 배출 수량, 미배출 수량, 가동 시간 등에 관한 정보를 제공할 수 있다.

실시예에 따른 프로세서는 바코드 리더를 통한 제품 별 검사 기록을 검색할 수 있다. 이 때, 프로세서는 바코드 리더를 통한 입력 외에도 모니터링 서버(100)에 접근이 가능한 웹 또는 소프트웨어 ID를 통해 접근을 허용하여 검사 기록을 검색할 수 있도록 설정 가능할 수 있다.

실시예에 따르면, 프로세서는 시설 내 장비를 통한 생산 시 스캔된 제품 ID를 기반으로 외관 검사기 및 치수 검사기의 결과를 제공할 수 있다. 예를 들어, 외관 검사 및 치수 검사에 대한 기록 정보는 간략하게 제공될 수 있으며, 정상 상태인 경우 OK로 표시될 수 있다. 만약, 장비가 비정상 상태로 판단된 경우라면 NG로 표시될 수 있따. 또한, 비정상 상태인 경우, 프로세서는 비정상 상태의 유형을 표시하고 비정상 상태의 유형을 판별하게 된 근거가 되는 이미지(예: 썸네일 이미지)를 제공할 수 있다. 다른 예를 들어, 프로세서는 외관 검사기를 통한 장비 및/또는 제품의 검사 결과를 그 상태를 표시하는 이미지 클릭의 입력에 대응하여 비정상 상태 유형 별 발생한 항목, 위치, 크기 등에 대한 정보를 제공할 수 있다. 또한, 프로세서는 비정상 상태에 대한 리스트 선택 입력에 대응하여 해당하는 비정상 상태 유형의 위치로 이미지 데이터를 포커스(예: 크롭)하여 제공할 수 있다. 또 다른 예를 들어, 프로세서는 치수 검사기를 통해 장비 및/또는 제품의 치수를 검사한 결과를 검사 위치 별 정상 판별 범위 및 측정 값을 제공할 수 있다. 다른 예로, 프로세서는 치수 검사기의 온도를 표시하여 제공할 수 있으며, 각 측정 위치를 설명하는 일러스트와 함께 그 상세 측정 결과 정보를 제공할 수 있다.

실시예에 따른 프로세서는 검사 결과 조회 화면에서, 개별 장비 및/또는 제품 별 등록된 바코드를 기반으로 생산 이력에 대한 상세 조회 화면을 제공할 수 있다. 검사 결과 통계에는, 각 장비군 및/또는 제품군 별 기간 조회를 통해 주로 발생되는 비정상 상태 유형이 무엇인지 생산량, 비정상 수량, 비정상률에 대한 결과를 종합적으로 포함할 수 있다. 프로세서는 생산 장비 및/또는 제품 별 요약 화면을 제공할 수 있다. 예를 들어, 프로세서는 한 화면 내에서 좌측에는 장비군 및/또는 제품군을 표시하고, 장비군 및/또는 제품군에 대한 선택 입력에 대응하여 조회 기간 설정에 따라 우측 화면에 결과를 제공할 수 있다. 이 때, 프로세서는 현재 통계를 살펴보고 잇는 장비군 및/또는 제품군 조회 기간을 표시하고, 해당 기간의 총 생산량 및 비정상 수량 비정상률에 대한 요약 정보를 제공한다. 또한, 프로세서는 외관 검사기 비정상 및 치수 검사기 비정상의 top5 항목을 요약하여 제공할 수 있다. 이 때, 각 항목 별 비정상의 개수 및 비정상률을 비정상 상태 유형과 함께 제공한다. 프로세서는 개별 장비 및/또는 제품 별 바코드에 따른 외관 검사 및 치수 검사 요약 정보를 요약한 리스트 형태로 제공할 수 있다.

실시예에 따른 프로세서는 라벨링(102)을 통해 시설 내 장비의 정상 상태 및 비정상 상태에 관한 라벨링을 수행할 수 있다. 또한, 프로세서는 시설 내 장비를 통해 생산하게 되는 제품의 정상 상태 및 비정상 상태에 관한 라벨링을 수행할 수 있다. 여기서, 프로세서는 모니터링(101)을 통해 장비 및/또는 제품의 정상 상태와 비정상 상태에 대응하는 이미지 데이터를 라벨링(102)을 위해 제공할 수 있다.

실시예에 따른 프로세서는 모니터링(101)을 통해 외부 장치가 관리하고 있는 시설 내 장비 및/또는 제품의 실시간 이미지 데이터와 라벨링(102)을 통해 라벨링한 데이터를 데이터베이스(103)에 저장할 수 있다. 데이터베이스(103)는 이미지 데이터베이스와 라벨링 데이터베이스를 클라우드 형식으로 저장하는 것일 수 있다.

실시예에 따른 프로세서는 학습(104)을 수행하기 위하여 데이터베이스(103)에 저장하였던 데이터들을 매칭시킬 수 있다. 이를 통해, 프로세서는 장비 및/또는 제품들의 정상 상태 및 비정상 상태를 판단하기 위한 학습(104)을 수행할 수 있다.

실시예에 따른 프로세서는 학습된 데이터를 기반으로 모델 업데이트(105)를 수행할 수 있다. 프로세서는 모델 업데이트(105)를 수행하는 과정에서 밸리데이션 및분석을 통해 장비 및/또는 제품들의 정상 상태 및 비정상 상태를 판단할 수 있게 된다.

도 4는 본 개시의 다양한 실시예에 따른 지능형 모니터링 방법의 개략적인 흐름도이다.

도 4를 참고하면, 단계 S410에서, 프로세서(예: 도 2의 프로세서(110))는 제1 시설에 대한 검사 데이터를 수신한다. 프로세서는 통신부(예: 도 2의 통신부(120))를 통해 제1 시설에 대한 검사 데이터를 수신할 수 있으며, 프로세서는 메모리(예: 도 2의 메모리(130))에 저장된 기설정된 데이터 트리를 확인한다.

실시예에 따르면, 기설정된 데이터 트리는 시설에 대응하는 고객의 정보를 제1 클래스, 시설의 정보를 제2 클래스, 시설의 제조 라인의 정보를 제3 클래스, 시설 내 장비의 정보를 제4 클래스로 분류한 트리일 수 있다. 프로세서는 기설정된 데이터 트리를 통해 제1 시설에 대한 검사 데이터를 하이라키(hierachy)에 따라 분류할 수 있다. 여기서, 하이라키는 제1 클래스를 가장 높은 계층으로 하고 순차적으로 제4 클래스를 가장 낮은 계층으로 구분한 것이다.

단계 S420에서, 프로세서는 제1 시설에 대한 검사 데이터를 기설정된 데이터 트리에 따라 클래스를 분류하여 저장할 수 있다. 프로세서는 제1 시설을 소유하고 있는 고객의 정보를 제1 시설의 제1 클래스로 분류하고, 제1 시설의 정보를 제2 클래스로 분류하고, 제1 시설의 적어도 하나의 제조 라인의 정보를 제3 클래스로 분류하고, 제1 시설 내 적어도 하나의 장비의 정보를 제4 클래스로 분류하여 메모리에 저장할 수 있다.

단계 S430에서, 프로세서는 S420에서 분류하여 저장한 데이터를 제1 시설 내 적어도 하나의 장비에 매칭하여 적어도 하나의 장비 상태 정보를 제공할 수 있다. 프로세서는 데이터 트리에 따라 클래스가 분류되어 저장된 장비에 관한 데이터를 확인할 수 있다. 예를 들어, 프로세서는 제1 시설 내 적어도 하나의 장비의 정보를 제4 클래스로 분류한 데이터를 학습하여 라벨링된 데이터를 기준으로 매칭하여 적어도 하나의 장비 상태 정보를 제공한다. 이는 도 5에서 설명한다.

도 5는 본 개시의 다양한 실시예에 따른 지능형 모니터링 방법의 시설 내 장비 상태판단 프로세스에 관한 흐름도이다.

단계 S510에서, 프로세서(예: 도 2의 프로세서(110))는 메모리(예: 도 2의 메모리(130))로부터 적어도 하나의 장비 상태 정보를 판단하는 기준이 되는 코드 데이터를 확인한다.

실시예에 따르면, 코드 데이터는 적어도 하나의 장비의 상태 중 비정상 상태에 대응하는 데이터를 포함한다. 예를 들어, 코드 데이터는 적어도 하나의 장비의 상태가 비정상 상태인 스크래치, 찍힘, 및 녹 중 적어도 하나를 매칭한 데이터를 포함한다. 각각의 비정상 상태인 스크래치는 제1 코드 데이터, 찍힘은 제2 코드 데이터, 녹은 제3 코드 데이터 등에 매칭될 수 있다. 프로세서는 적어도 하나의 장비의 상태를 적어도 하나의 코드 데이터에 매칭할 수 있다. 이는 장비의 상태가 비정상 상태인 경우, 해당하는 비정상 상태가 하나 이상일 수 있기 때문이다.

실시예에 따른 프로세서는 코드 데이터를 기반으로 적어도 하나의 장비 상태를 정상 상태 또는 비정상 상태로 판단할 수 있다. 일 예를 들어, 적어도 하나의 장비 상태가 정상 상태인 경우, 프로세서는 해당 장비에 대응하는 코드 데이터가 없는 것을 확인하여 해당 장비에 코드 데이터를 매칭하지 않고 정상 상태로 판단할 수 있다. 다른 예를 들어, 적어도 하나의 장비 상태가 정상 상태인 경우, 프로세서는 해당 장비에 대응하는 코드 데이터를 매칭하여 정상 상태로 판단할 수 있다. 이는 코드 데이터를 정상 상태에 미리 설정해두는 경우 가능하다. 또 다른 예를 들어, 적어도 하나의 장비 상태가 비정상 상태인 경우, 프로세서는 해당 장비에 대응하는 코드 데이터를 매칭하여 비정상 상태로 판단할 수 있다. 이 때, 프로세서는 비정상 상태의 유형을 분류하여 코드 데이터를 매칭할 수 있다.

단계 S520에서, 프로세서는 적어도 하나의 장비 상태를 비정상 상태로 판단한 경우에 개별 장비에 대하여 개별 코드에 매칭한다. 프로세서는 개별 장비 상태를 개별 코드 별로 분류하여 비정상으로 판단이 되는 위치와 비정상으로 판단이 되는 상태의 크기를 판별한다. 예를 들어 프로세서는, 비정상 위치가 기설정된 위치에 대응하거나 비정상 크기가 기설정된 크기 이상인 경우, 경고 알람 정보를 제공할 수 있다.

실시예에 따른 프로세서는 적어도 하나의 장비가 정상 상태가 아니지만 기설정된 유형의 비정상 상태가 아닌 경우, 기설정된 유형의 비정상 상태 중 유사도가 가장 높은 비정상 상태로 판단할 수 있다. 예를 들어, 프로세서는 제1 장비에 대한 기 저장된 비정상 상태의 이미지(V_ref)를 토대로 하여 제1 장비에 대한 모니터링 이미지(V_image)를 가장 유사도가 높은 비정상 상태로 판단할 수 있다. 프로세서는 cos()>k 인 경우, 좌측 항의 값이 가장 큰 비정상 상태를 제1 장비에 대한 비정상 상태로 판단할 수 있다. 즉, 상기 식에서의 V_ref는 각각의 비정상 상태 이미지인 스크래치 이미지, 찍힘 이미지, 녹 이미지 등일 수 있다.

실시예에 따른 프로세서는 적어도 하나의 장비가 정상 상태가 아니지만 기설정된 유형의 비정상 상태가 아닌 경우, 별도의 비정상 상태로 판단할 수 있다. 예를 들어, 프로세서가 제1 장비를 정상 상태가 아니지만 기설정된 유형인 스크래치, 찍힘, 및 녹 중 어느 하나에도 해당하지 않는 비정상 상태인 것으로 판단한 경우, 프로세서는 제1 장비를 새로운 유형의 비정상 상태로 판단할 수 있다. 이와 같이, 프로세서가 새로운 판단을 수행하는 일련의 과정에서 획득되는 데이터는 메모리(예: 도 2의 메모리(130))에 누적적으로 업데이트되어 저장됨으로써, 지능형 모니터링 서버(예: 도 1의 지능형 모니터링 서버(100))의 인공지능을 통한 장비 상태 판단 학습에 활용될 수 있다.

단계 S530에서, 프로세서는 개별 장비의 상태를 모니터링한 정보를 제공할 수 있다. 이 때, 프로세서는 개별 장비의 상태가 정상 상태 또는 비정상 상태인 것과 더불어 비정상 상태의 유형 및 비정상 상태의 정도에 관한 정보를 제공한다.

도 6은 본 개시의 다양한 실시예에 따른 지능형 모니터링 방법의 경고 알람 프로세스에 관한 상세한 흐름도이다.

단계 S610에서, 프로세서(예: 도 2의 프로세서(110))는 시설 내 장비의 비정상 상태를 판단할 수 있다. 일 예를 들어, 프로세서는 장비가 정상 상태인 경우, S610에서 S620으로 분기하여 해당 장비의 상태를 정상 상태로 판단한다. 다른 예를 들어, 프로세서는 장비가 비정상 상태인 경우, S610에서 S630으로 분기하여 해당 장비의 상태를 개별 코드 데이터에 매칭할 수 있다. 이 때, 프로세서가 활용하는 개별 코드 데이터는 메모리(예: 도 2의 메모리(130))에 저장된 것일 수 있다.

단계 S640에서, 프로세서는 장비의 상태를 비정상 상태로 판단한 후 비정상으로 판단하게 된 비정상의 위치가 기설정된 위치에 대응되는지 확인할 수 있다. 프로세서는, 비정상 위치가 기설정된 위치에 대응하는 경우, 해당 장비가 비정상 상태이면서 고위험도의 비정상인 것으로 판단할 수 있다. 이 때, 프로세서는 S660으로 분기하여 경고 알람 정보를 제공한다. 예를 들어, 프로세서는 기설정된 위치(P_ref)와 수신한 검사 데이터 내 포함된 장비의 비정상 위치(P)의 차를 통해 경고 알람 정보를 제공할 수 있다. 이는 을 만족하는 경우일 수 있다. 여기서, L은 실험에 의해 L 미만인 경우에는 해당 장비의 비정상 위치가 크리티컬한 결함을 가져올 수 있는 위치로 판별될 수 있는 정도의 값일 수 있다.

단계 S650에서, 프로세서는 장비의 상태를 비정상 상태로 판단한 후 비정상으로 판단하게 된 비정상 크기가 기설정된 크기 이상인지 확인할 수 있다. 프로세서는, 비정상 부위의 크기가 기설정된 크기 이상인 경우, 해당 장비가 비정상 상태이면서 고위험도의 비정상인 것으로 판단할 수 있다. 이 때, 프로세서는 S660으로 분기하여 경고 알람 정보를 제공한다. 예를 들어, 프로세서는 기설정된 크기(S_ref)와 수신한 검사 데이터 내 포함된 장비의 비정상 상태 크기(S)를 비교하여 일정 비율 이상인 경우에 경고 알람 정보를 제공할 수 있다. 이는 를 만족하는 경우일 수 있다. 여기서, ratio는 실험에 의해 설정되는 값일 수 있다.

도 7은 본 개시의 다양한 실시예에 따른 지능형 모니터링 시스템의 시설 내 장비 정보 활용에 관한 흐름도이다.

도 7을 참고하면, 단계S710에서 프로세서(예: 도 2의 프로세서(110))는 통신부(예: 도 2의 통신부(120))를 통해 제2 시설에 대한 검사 데이터를 수신하고, S720에서 제1 시설 내 적어도 하나의 장비 상태 정보 및 제2 시설 내 적어도 하나의 장비 상태 정보를 기반으로 개별 코드에 매칭한 데이터를 메모리(예: 도 2의 메모리(130))에 업데이트하여 저장할 수 있다.

실시예에 따른 프로세서는 복수의 시설에 대한 장비 상태 정보를 기반으로 개별 코드 중 최다 매칭된 개별 코드에 대응하는 장비 상태 정보부터 순차적으로 제공할 수 있다. 이를 통해, 사용자는 가장 문제가 되는 장비의 상태에 대응하여 장비를 수리할 수 있는 처리 프로세스를 실행할 수 있게 된다. 또한, 사용자는 자주 발생하는 비정상 상태를 모니터링하여 해당 비정상 상태가 발생하지 않도록 제조 라인을 정비하거나 재배치할 수 있다. 이와 같은 정비나 재배치에 대한 프로세스는 별도로 메모리에 저장되어 프로세서를 통해 자동적으로 사용자 및/또는 외부 장치로 제공될 수 있다.

단계 S730에서, 프로세서는 비정상 상태 비율 예측 결과를 제공할 수 있다. 프로세서는 업데이트하여 저장한 데이터를 기반으로 시설 내 장비의 비정상 상태 비율을 연산한다. 예를 들어, 프로세서는 제1 제조 라인 내 복수의 제1 장비들의 비정상 상태 비율을 연산하고, 제1 시설 내 복수의 제1 장비들의 비정상 상태 비율을 연산할 수 있다. 이와 같이, 프로세서는 사용자가 얻고자 하는 비정상 상태 비율에 대한 설정에 따라 그 하이라키를 분류하여 데이터를 연산 및 제공할 수 있다. 다른 예를 들어, 프로세서는 비정상 상태의 유형을 누적하여 연산하고, 전체 비정상 상태의 유형 중 자주 발생하는 유형의 순으로 정보를 제공할 수 있다.

단계 S740에서, 프로세서는 개별 장비의 가동 효율 정보를 제공할 수 있다. 프로세서는 제1 시설 내 장비의 가동 상태를 개별 장비에 대응하여 판단할 수 있다. 메모리는 제1 시설 내 모든 장비들의 동작 프로세스를 단계를 나누어 저장하고 있으며, 프로세서는 외부 장치로부터 모니터링된 검사 데이터를 기반으로 제1 시설 내 모든 장비들의 동작 단계를 확인할 수 있다. 이에 따라, 프로세서는 실시간으로 모니터링 중인 제1 시설 내 장비들의 동작 단계를 알 수 있다.

실시예에 따른 프로세서는 개별 장비의 가동 상태를 기반으로 개별 장비의 일일 목표 가동 수량에 따라 개별 장비의 가동 효율 정보를 제공할 수 있다. 여기서, 개별 장비의 일일 목표 가동 수량은 메모리에 저장되어 있거나 외부 장치로부터 수신될 수 있다. 프로세서는 사용자에게 시설 내 장비의 가동 효율이 일정 수준보다 낮은 경우 별도의 알람을 제공하여 해당 장비의 교체 혹은 수리를 하도록 할 수 있다.

실시예에 따른 프로세서는 메모리에 업데이트하여 저장한 데이터를 기반으로 비정상 상태 비율을 연산할 수 있다. 이는 일반적으로 시설 내 장비의 불량률을 연산하는 프로세스일 수 있다. 프로세서는 기설정된 기간동안 업데이트를 진행한 경우에, 기설정된 기간동안에 비례하는 기간에 대한 비정상 상태 비율의 예측 결과를 제공할 수 있다. 예를 들어, 프로세서는 1달의 기설정된 기간동안 메모리에 업데이트하여 저장한 데이터를 기반으로 하여, 그 이후의 1달에 대한 비정상 상태 비율을 예측한 결과를 제공할 수 있다. 이는 프로세서가 반복 학습과 시설 내 장비들의 상태를 파악하고 있는 것에서 기인할 수 있다. 즉, 프로세서는 시설 내 장비들이 구비된 시기, 수리된 시기, 및 가동 효율 등의 데이터를 통합적으로 메모리에 저장하여 업데이트하고 읽어들이므로, 시설 내 장비들에 대해 누적적으로 저장한 데이터를 기반으로 하여 추후 장비들의 상태를 예측할 수 있다. 이는 미래의 비정상 상태 비율(예: 불량률)을 예측하는 것일 수 있다. 이 때, 프로세서는 기본 외삽을 이용하거나 RNN, LSTM 등의 시계열적 모델을 이용하여 학습 후 예측할 수 있다. 또한, 프로세서는 장비들의 제품군이나 사용자가 지정한 기간 등을 입력으로 수신하여 그에 대응하는 결과를 출력할 수 있다.

한편, 개시된 실시예들은 컴퓨터에 의해 실행 가능한 명령어를 저장하는 기록매체의 형태로 구현될 수 있다. 명령어는 프로그램 코드의 형태로 저장될 수 있으며, 프로세서에 의해 실행되었을 때, 프로그램 모듈을 생성하여 개시된 실시예들의 동작을 수행할 수 있다. 기록매체는 컴퓨터로 읽을 수 있는 기록매체로 구현될 수 있다.

컴퓨터가 읽을 수 있는 기록매체로는 컴퓨터에 의하여 해독될 수 있는 명령어가 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.

이상에서와 같이 첨부된 도면을 참조하여 개시된 실시예들을 설명하였다. 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자는 본 개시의 기술적 사상이나 필수적인 특징을 변경하지 않고도, 개시된 실시예들과 다른 형태로 본 개시가 실시될 수 있음을 이해할 것이다. 개시된 실시예들은 예시적인 것이며, 한정적으로 해석되어서는 안 된다.

10: 지능형 모니터링 시스템
100: 지능형 모니터링 서버
200: 외부 장치
110: 프로세서
120: 통신부
130: 메모리

Claims (10)

1. 시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 서버에 있어서,
   통신부;
   메모리; 및
   상기 통신부 및 상기 메모리와 전기적으로 연결된 프로세서를 포함하고,
   상기 프로세서는,
   상기 통신부를 통해 시설에 대한 검사 데이터를 수신하고,
   상기 시설에 대한 검사 데이터를 기설정된 데이터 트리에 따라 클래스를 분류하여 저장하고,
   상기 분류하여 저장한 데이터를 상기 시설 내 적어도 하나의 장비에 매칭하여 적어도 하나의 장비 상태 정보를 제공하도록 설정되고,
   기 설정된 제1 기간 동안 상기 메모리에 누적된 상기 적어도 하나의 장비의 구입 시기, 수리 시기 및 가동 효율에 대한 데이터를 분석하여, 상기 제1 기간 이후에 상기 제1 기간과 동일한 시간 간격으로 설정된 제2 기간에 대한 상기 적어도 하나의 장비의 비정상 상태 비율을 예측하고,
   상기 프로세서는,
   상기 메모리로부터 상기 적어도 하나의 장비 상태 정보를 판단하는 기준이 되는 코드 데이터를 확인하고,
   상기 코드 데이터를 기반으로 상기 적어도 하나의 장비 상태를 정상 상태 또는 비정상 상태로 판단하고,
   상기 비정상 상태는 기 설정된 유형의 비정상 상태 및 기 설정된 유형이 아닌 비정상 상태를 포함하고,
   상기 코드 데이터는 스크래치, 찍힘, 및 녹 중 적어도 하나를 개별 코드에 매칭한 데이터를 포함하고,
   상기 프로세서는,
   상기 적어도 하나의 장비 상태를 상기 기 설정된 유형의 비정상 상태로 판단한 경우, 개별 장비에 대하여 상기 개별 코드에 매칭하고,
   상기 개별 장비의 상태를 개별 코드 별로 분류하여 비정상 위치 및 비정상 크기를 판별하고,
   수학식 1을 기초로 기 설정된 위치와 상기 비정상 위치 간의 차이가 기 설정된 값보다 작은 경우, 경고 알람 정보를 제공하고,
   [수학식 1]
   
   (P_ref : 기 설정된 위치, P : 비정상 위치, L : 비정상 위치가 치명적 결함을 가져올 수 있는 위치로 판별될 수 있는 값)
   수학식 2를 기초로 기 설정된 크기 대비 상기 비정상 크기가 기 설정된 비율 이상인 경우, 상기 경고 알람 정보를 제공하는,
   [수학식 2]
   
   (S_ref : 기 설정된 크기, S : 비정상 크기, ratio : 기 설정된 비율 값)
   지능형 모니터링 서버.
2. 제1항에 있어서,
   상기 시설에 대한 검사 데이터는,
   상기 시설의 정보, 상기 시설에 대응하는 고객의 정보, 상기 시설의 제조 라인의 정보, 및 상기 시설 내 장비의 정보 중 적어도 하나를 포함하는 것을 특징으로 하는, 지능형 모니터링 서버.
3. 제2항에 있어서,
   상기 기설정된 데이터 트리는,
   상기 시설에 대응하는 고객의 정보를 제1 클래스, 상기 시설의 정보를 제2 클래스, 상기 시설의 제조 라인의 정보를 제3 클래스, 및 상기 시설 내 장비의 정보를 제4 클래스로 분류하는 것을 특징으로 하는, 지능형 모니터링 서버.
4. 삭제
5. 삭제
6. 삭제
7. 삭제
8. 삭제
9. 제2항에 있어서,
   상기 프로세서는,
   상기 시설 내 장비의 가동 상태를 개별 장비에 대응하여 판단하고,
   상기 개별 장비의 가동 상태를 기반으로 상기 개별 장비의 일일 목표 가동 수량에 따라 상기 개별 장비의 가동 효율 정보를 제공하도록 설정된, 지능형 모니터링 서버.
10. 시설 내 장비 상태 모니터링을 수행하는 지능형 모니터링 방법에 있어서,
    통신부를 통해 시설에 대한 검사 데이터를 수신하는 단계;
    상기 시설에 대한 검사 데이터를 기설정된 데이터 트리에 따라 클래스를 분류하여 저장하는 단계;
    상기 분류하여 저장한 데이터를 상기 시설 내 적어도 하나의 장비에 매칭하여 적어도 하나의 장비 상태 정보를 제공하는 단계; 및
    기 설정된 제1 기간 동안 메모리에 누적된 상기 적어도 하나의 장비의 구입 시기, 수리 시기 및 가동 효율에 대한 데이터를 분석하여, 상기 제1 기간 이후에 상기 제1 기간과 동일한 시간 간격으로 설정된 제2 기간에 대한 상기 적어도 하나의 장비의 비정상 상태 비율을 예측하는 단계를 포함하고,
    상기 장비 상태 정보를 제공하는 단계는,
    상기 메모리로부터 상기 적어도 하나의 장비 상태 정보를 판단하는 기준이 되는 코드 데이터를 확인하는 단계; 및
    상기 코드 데이터를 기반으로 상기 적어도 하나의 장비 상태를 정상 상태 또는 비정상 상태로 판단하는 단계를 포함하고,
    상기 비정상 상태는 기 설정된 유형의 비정상 상태 및 기 설정된 유형이 아닌 비정상 상태를 포함하고,
    상기 코드 데이터는 스크래치, 찍힘, 및 녹 중 적어도 하나를 개별 코드에 매칭한 데이터를 포함하고,
    상기 정상 상태 또는 비정상 상태로 판단하는 단계는,
    상기 적어도 하나의 장비 상태를 상기 기 설정된 유형의 비정상 상태로 판단한 경우, 개별 장비에 대하여 상기 개별 코드에 매칭하고,
    상기 개별 장비의 상태를 개별 코드 별로 분류하여 비정상 위치 및 비정상 크기를 판별하고,
    수학식 1을 기초로 기 설정된 위치와 상기 비정상 위치 간의 차이가 기 설정된 값보다 작은 경우, 경고 알람 정보를 제공하고,
    [수학식 1]
    
    (P_ref : 기 설정된 위치, P : 비정상 위치, L : 비정상 위치가 치명적 결함을 가져올 수 있는 위치로 판별될 수 있는 값)
    수학식 2를 기초로 기 설정된 크기 대비 상기 비정상 크기가 기 설정된 비율 이상인 경우, 상기 경고 알람 정보를 제공하는,
    [수학식 2]
    
    (S_ref: 기 설정된 크기, S : 비정상 크기, ratio : 기 설정된 비율 값)
    지능형 모니터링 방법.

Images