KR102677933B1 - System AND METHOD For DetectiNG Fault of Heating Furnaces based on data-driven models - Google Patents

System AND METHOD For DetectiNG Fault of Heating Furnaces based on data-driven models Download PDF

Info

Publication number
KR102677933B1
KR102677933B1 KR1020210161238A KR20210161238A KR102677933B1 KR 102677933 B1 KR102677933 B1 KR 102677933B1 KR 1020210161238 A KR1020210161238 A KR 1020210161238A KR 20210161238 A KR20210161238 A KR 20210161238A KR 102677933 B1 KR102677933 B1 KR 102677933B1
Authority
KR
South Korea
Prior art keywords
heating furnace
section
temperature
energy usage
heating
Prior art date
Application number
KR1020210161238A
Other languages
Korean (ko)
Other versions
KR20220077870A (en
Inventor
류광렬
김세영
Original Assignee
부산대학교 산학협력단
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 부산대학교 산학협력단 filed Critical 부산대학교 산학협력단
Publication of KR20220077870A publication Critical patent/KR20220077870A/en
Application granted granted Critical
Publication of KR102677933B1 publication Critical patent/KR102677933B1/en

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D21/00—Arrangements of monitoring devices; Arrangements of safety devices
    • F27D21/04—Arrangements of indicators or alarms
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21J—FORGING; HAMMERING; PRESSING METAL; RIVETING; FORGE FURNACES
    • B21J17/00—Forge furnaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D21/00—Arrangements of monitoring devices; Arrangements of safety devices
    • F27D2021/0057—Security or safety devices, e.g. for protection against heat, noise, pollution or too much duress; Ergonomic aspects

Abstract

예측 모형 기반 가열로 이상 감지 시스템 및 방법이 개시된다. 가열로 이상 감지 시스템은, 가열로의 내부 온도를 기준으로 상기 가열로의 상태를 상기 가열로의 온도가 상승하는 승온 구간과 목표 온도를 유지하는 홀딩 구간 중 하나로 구분하고, 상기 가열로의 상태가 상기 승온 구간에 해당하는 경우 상기 가열로의 에너지 사용량과 내부 온도를 기준으로 상기 가열로의 승온 구간에서의 이상을 감지하고, 상기 가열로의 상태가 상기 홀딩 구간에 해당하는 경우 상기 가열로의 에너지 사용량을 기준으로 상기 가열로의 홀딩 구간에서의 이상을 감지할 수 있다.A predictive model-based heating furnace abnormality detection system and method are disclosed. The heating furnace abnormality detection system divides the status of the heating furnace into one of a temperature rising section in which the temperature of the heating furnace rises and a holding section in which the target temperature is maintained, based on the internal temperature of the heating furnace. If it corresponds to the temperature increase section, an abnormality in the temperature increase section of the furnace is detected based on the energy usage and internal temperature of the furnace, and if the state of the furnace corresponds to the holding section, the energy of the furnace is detected. An abnormality in the holding section of the heating furnace can be detected based on the usage amount.

Figure R1020210161238
Figure R1020210161238

Description

예측 모형 기반 가열로 이상 감지 시스템 및 방법{System AND METHOD For DetectiNG Fault of Heating Furnaces based on data-driven models}Predictive model-based heating furnace fault detection system and method {System AND METHOD For DetectiNG Fault of Heating Furnaces based on data-driven models}

아래의 설명은 가열로 이상을 실시간 모니터링하는 기술에 관한 것이다.The explanation below is about technology for real-time monitoring of heating furnace abnormalities.

열간 자유단조는 고온으로 가열한 쇠에 고압을 가하는 과정을 반복하여 원하는 형상을 빚는 공정이다. 가열로에 여러 개의 소재를 장입하여 동시에 가열을 한다.Hot free forging is a process of forming the desired shape by repeating the process of applying high pressure to iron heated to a high temperature. Multiple materials are charged into the heating furnace and heated simultaneously.

가열로가 고장이 났을 때 추가로 소재를 장입할 수 있는 공간이 남아있는 가열로가 있는 경우에는 소재를 옮겨서 가열한다. 추가 장입 가능한 가열로가 없는 경우에는 가열로 가동을 멈추고 소재를 방치하는 수밖에 없다.If there is a heating furnace with space left for charging additional materials when the heating furnace breaks down, the materials are moved and heated. If there is no heating furnace capable of additional charging, there is no choice but to stop operating the heating furnace and leave the material unattended.

추가 장입 가능한 가열로가 있는 경우라도 소재를 옮기는 과정에 가열로의 문을 여닫으면서 열 손실이 발생하여 에너지 비용에 손실을 초래하며 타 가열로에 장입이 불가능한 상황은 그보다 더한 비용의 손실을 초래한다.Even if there is a heating furnace that can be charged additionally, heat loss occurs while opening and closing the door of the heating furnace during the process of moving the material, resulting in a loss in energy costs. In situations where charging to another heating furnace is not possible, even more cost loss is incurred. do.

이와 같이 가열로의 고장은 생산성 저하를 초래하는 중요한 원인임에도 불구하고 가열로의 고장을 감지하여 알려주는 시스템이 부재한 현실이다.Although the failure of the heating furnace is an important cause of reduced productivity, there is no system to detect and notify the failure of the heating furnace.

현장 작업자가 가열로 온도계의 감시를 통해 고장 상황을 직접 발견해야 하며 그로 인해 고장 상황에 대한 대처가 늦어짐에 따라 생산성 저하에 더욱 큰 영향을 끼친다.Field workers must directly discover malfunctions by monitoring the furnace thermometer, and as a result, response to malfunctions is delayed, which further reduces productivity.

가열로의 고장 상황을 작업자가 빠르게 인식할수록 고장이 난 가열로에 장입되어 있는 소재의 열을 최대한 보존하면서 프레스 공정의 생산성을 저하시키지 않도록 작업 계획의 빠른 수정이 가능하며 또한 타 가열로의 상황에 따라 대책을 마련하기가 수월하다.The faster the operator recognizes the malfunction of the furnace, the faster the work plan can be modified to preserve the heat of the material loaded in the malfunctioning furnace as much as possible and not reduce the productivity of the press process. It is easy to prepare countermeasures accordingly.

실시간으로 가열로의 이상 상황을 감지하여 알려줄 수 있는 시스템과 방법을 제공한다.We provide a system and method that can detect and notify abnormal situations in the heating furnace in real time.

정상 가동 시 가열 소요 시간, 온도, 에너지 사용량의 예측과 실시간 모니터링을 통해 획득한 가열 소요 시간, 온도, 에너지 사용량과의 비교를 통해 이상 상황을 감지하여 알려줄 수 있는 시스템과 방법을 제공한다.It provides a system and method that can detect and notify abnormal situations through prediction of heating time, temperature, and energy usage during normal operation and comparison with heating time, temperature, and energy usage obtained through real-time monitoring.

가열로의 내부 온도 및 에너지 사용량을 기반으로 가열로의 승온 구간 이상과 홀딩 구간 이상을 개별적으로 감지할 수 있는 시스템과 방법을 제공한다.Provides a system and method that can individually detect abnormalities in the heating section and holding section of the heating furnace based on the internal temperature and energy usage of the heating furnace.

컴퓨터 장치에서 실행되는 가열로 이상 감지 방법에 있어서, 상기 컴퓨터 장치는 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 가열로 이상 감지 방법은, 상기 적어도 하나의 프로세서에 의해, 가열로의 내부 온도를 기준으로 상기 가열로의 상태를 상기 가열로의 온도가 상승하는 승온 구간과 목표 온도를 유지하는 홀딩 구간 중 하나로 구분하는 단계; 상기 적어도 하나의 프로세서에 의해, 상기 가열로의 상태가 상기 승온 구간에 해당하는 경우 상기 가열로의 에너지 사용량과 내부 온도를 기준으로 상기 가열로의 승온 구간에서의 이상을 감지하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 가열로의 상태가 상기 홀딩 구간에 해당하는 경우 상기 가열로의 에너지 사용량을 기준으로 상기 가열로의 홀딩 구간에서의 이상을 감지하는 단계를 포함하는 가열로 이상 감지 방법을 제공한다.In a method for detecting a furnace abnormality executed on a computer device, the computer device includes at least one processor configured to execute computer-readable instructions included in a memory, and the method for detecting a furnace abnormality includes: the at least one processor dividing the state of the heating furnace into one of a temperature rising section in which the temperature of the heating furnace rises and a holding section maintaining the target temperature, based on the internal temperature of the heating furnace; detecting, by the at least one processor, an abnormality in the temperature increase section of the heating furnace based on the energy usage and internal temperature of the heating furnace when the state of the heating furnace corresponds to the temperature increasing section; and detecting, by the at least one processor, an abnormality in the holding section of the heating furnace based on the energy usage of the heating furnace when the state of the heating furnace corresponds to the holding section. Provides a detection method.

일 측면에 따르면, 상기 가열로의 승온 구간에서의 이상을 감지하는 단계는, 주어진 가열 소요 시간에 대해 에너지 사용량을 예측하는 승온 구간 에너지 사용량 예측 모형 및 주어진 가열 소요 시간과 에너지 사용량에 대해 내부 온도를 예측하는 승온 구간 온도 예측 모형을 이용하여 상기 승온 구간에서의 가열로 이상 상황을 감지할 수 있다.According to one aspect, the step of detecting an abnormality in the temperature increase section of the heating furnace includes a temperature increase section energy usage prediction model that predicts the energy usage for a given heating time and an internal temperature for a given heating time and energy usage. An abnormal condition of the heating furnace in the temperature increase section can be detected using the predicted temperature increase section temperature prediction model.

다른 측면에 따르면, 상기 가열로의 승온 구간에서의 이상을 감지하는 단계는, 현재 시각을 기준으로 상기 가열로의 실제 에너지 사용량과 실제 내부 온도를 모니터링하는 단계; 상기 승온 구간 에너지 사용량 예측 모형을 통해 가열 시작 시각부터 상기 현재 시각까지의 에너지 사용량을 예측하는 단계; 상기 실제 에너지 사용량과 상기 예측된 에너지 사용량을 비교하여 상기 승온 구간에서의 가열로 이상 상황을 판단하는 단계; 상기 승온 구간 온도 예측 모형을 통해 상기 현재 시각의 내부 온도를 예측하는 단계; 및 상기 실제 내부 온도와 상기 예측된 내부 온도를 비교하여 상기 승온 구간에서의 가열로 이상 상황을 판단하는 단계를 포함할 수 있다.According to another aspect, the step of detecting an abnormality in the temperature increase section of the heating furnace includes monitoring the actual energy usage and actual internal temperature of the heating furnace based on the current time; Predicting energy usage from the heating start time to the current time through the temperature increase section energy usage prediction model; Comparing the actual energy usage and the predicted energy usage to determine a heating furnace abnormality in the temperature increase section; predicting the internal temperature at the current time through the temperature increase section temperature prediction model; And it may include comparing the actual internal temperature and the predicted internal temperature to determine a heating furnace abnormality situation in the temperature increase section.

또 다른 측면에 따르면, 상기 가열로의 승온 구간에서의 이상을 감지하는 단계는, 상기 실제 에너지 사용량과 상기 예측된 에너지 사용량의 차이와 상기 실제 내부 온도와 상기 예측된 내부 온도 중 적어도 하나를 기초로 상기 가열로에 대한 이상 감지 주기를 조절할 수 있다.According to another aspect, the step of detecting an abnormality in the temperature increase section of the heating furnace is based on at least one of the difference between the actual energy usage and the predicted energy usage and the actual internal temperature and the predicted internal temperature. The abnormality detection cycle for the heating furnace can be adjusted.

또 다른 측면에 따르면, 상기 가열로의 홀딩 구간에서의 이상을 감지하는 단계는, 주어진 목표 온도 유지 시간에 대해 에너지 사용량을 예측하는 홀딩 구간 에너지 사용량 예측 모형을 이용하여 상기 홀딩 구간에서의 가열로 이상 상황을 감지할 수 있다.According to another aspect, the step of detecting an abnormality in the holding section of the furnace includes using a holding section energy usage prediction model that predicts energy usage for a given target temperature maintenance time. Can sense the situation.

또 다른 측면에 따르면, 상기 가열로의 홀딩 구간에서의 이상을 감지하는 단계는, 현재 시각을 기준으로 상기 가열로의 실제 에너지 사용량을 모니터링하는 단계; 상기 홀딩 구간 에너지 사용량 예측 모형을 통해 상기 목표 온도에 도달한 시점인 승온 완료 시점부터 상기 현재 시각까지의 에너지 사용량을 예측하는 단계; 및 상기 실제 에너지 사용량과 상기 예측된 에너지 사용량을 비교하여 상기 홀딩 구간에서의 가열로 이상 상황을 판단하는 단계를 포함할 수 있다.According to another aspect, the step of detecting an abnormality in the holding section of the heating furnace includes monitoring the actual energy usage of the heating furnace based on the current time; Predicting energy usage from the completion of temperature increase, which is when the target temperature is reached, to the current time through the holding section energy usage prediction model; And it may include comparing the actual energy usage and the predicted energy usage to determine a heating furnace abnormality situation in the holding section.

또 다른 측면에 따르면, 상기 가열로의 홀딩 구간에서의 이상을 감지하는 단계는, 상기 실제 에너지 사용량과 상기 예측된 에너지 사용량의 차이를 기초로 상기 가열로에 대한 이상 감지 주기를 조절할 수 있다.According to another aspect, the step of detecting an abnormality in the holding section of the heating furnace may adjust an abnormality detection cycle for the heating furnace based on the difference between the actual energy usage and the predicted energy usage.

가열로 이상 감지 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독가능한 기록 매체에 저장된 컴퓨터 프로그램에 있어서, 상기 가열로 이상 감지 방법은, 가열로의 내부 온도를 기준으로 상기 가열로의 상태를 상기 가열로의 온도가 상승하는 승온 구간과 목표 온도를 유지하는 홀딩 구간 중 하나로 구분하는 단계; 상기 가열로의 상태가 상기 승온 구간에 해당하는 경우 상기 가열로의 에너지 사용량과 내부 온도를 기준으로 상기 가열로의 승온 구간에서의 이상을 감지하는 단계; 및 상기 가열로의 상태가 상기 홀딩 구간에 해당하는 경우 상기 가열로의 에너지 사용량을 기준으로 상기 가열로의 홀딩 구간에서의 이상을 감지하는 단계를 포함하는, 컴퓨터 프로그램을 제공한다.In the computer program stored in a computer-readable recording medium for executing a heating furnace abnormality detection method on a computer device, the heating furnace abnormality detection method determines the state of the heating furnace based on the internal temperature of the heating furnace. A step of distinguishing between a temperature rising section in which the temperature rises and a holding section in which the target temperature is maintained; If the state of the heating furnace corresponds to the temperature increasing section, detecting an abnormality in the temperature increasing section of the heating furnace based on the energy usage and internal temperature of the heating furnace; and detecting an abnormality in the holding section of the heating furnace based on the energy usage of the heating furnace when the state of the heating furnace corresponds to the holding section.

컴퓨터 장치에 있어서, 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 가열로의 내부 온도를 기준으로 상기 가열로의 상태를 상기 가열로의 온도가 상승하는 승온 구간과 목표 온도를 유지하는 홀딩 구간 중 하나로 구분하는 과정; 상기 가열로의 상태가 상기 승온 구간에 해당하는 경우 상기 가열로의 에너지 사용량과 내부 온도를 기준으로 상기 가열로의 승온 구간에서의 이상을 감지하는 과정; 및 상기 가열로의 상태가 상기 홀딩 구간에 해당하는 경우 상기 가열로의 에너지 사용량을 기준으로 상기 가열로의 홀딩 구간에서의 이상을 감지하는 과정을 처리하는 컴퓨터 장치를 제공한다.A computer device comprising: at least one processor configured to execute computer-readable instructions included in a memory, wherein the at least one processor determines the state of the heating furnace based on the internal temperature of the heating furnace. A process of dividing into a temperature rising section where the temperature rises and a holding section where the target temperature is maintained; If the state of the heating furnace corresponds to the temperature increasing section, detecting an abnormality in the temperature increasing section of the heating furnace based on the energy usage and internal temperature of the heating furnace; and a computer device that processes a process of detecting an abnormality in the holding section of the heating furnace based on the energy usage of the heating furnace when the state of the heating furnace corresponds to the holding section.

본 발명의 실시예들에 따르면, 작업자가 가열로의 고장 상황을 빠르게 인지하여 고장 상황에 대해 신속하게 대처할 수 있도록 함으로써 단조 공장의 에너지 효율 및 생산성을 향상시킬 수 있다.According to embodiments of the present invention, the energy efficiency and productivity of a forging factory can be improved by allowing workers to quickly recognize a failure situation in a heating furnace and quickly respond to the failure situation.

본 발명의 실시예들에 따르면, 가열로의 승온 구간 이상 상황과 홀딩 구간 이상 상황을 구분하여 감지함으로써 가열로 이상 상황을 더욱 정확하게 파악할 수 있다.According to embodiments of the present invention, by detecting abnormalities in the heating section and abnormalities in the holding section of the heating furnace, abnormalities in the heating furnace can be identified more accurately.

도 1은 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 있어서 가열로 이상 감지 시스템의 구조를 도시한 블록도이다.
도 3은 본 발명의 일 실시예에 있어서 가열로의 에너지 사용량과 내부 온도를 예측하는 모형의 학습을 위한 입력과 출력을 도시한 것이다.
도 4는 본 발명의 일실시예에 있어서 가열로 이상 감지 방법의 예를 도시한 흐름도이다.1 is a block diagram showing an example of a computer device according to an embodiment of the present invention.
Figure 2 is a block diagram showing the structure of a heating furnace abnormality detection system in one embodiment of the present invention.
Figure 3 shows inputs and outputs for learning a model that predicts the energy usage and internal temperature of a heating furnace in one embodiment of the present invention.
Figure 4 is a flowchart showing an example of a method for detecting a heating furnace abnormality in one embodiment of the present invention.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the attached drawings.

본 발명의 실시예들은 가열로 이상을 실시간 모니터링하는 기술에 관한 것이다.Embodiments of the present invention relate to technology for real-time monitoring of abnormalities in a heating furnace.

본 명세서에서 구체적으로 개시되는 것들을 포함하는 실시예들은 정상 가동 시 가열 소요 시간, 온도, 에너지 사용량의 예측과 실시간 모니터링을 통해 획득한 가열 소요 시간, 온도, 에너지 사용량과의 비교를 통해 이상 상황을 감지하여 신속하게 대처할 수 있다.Embodiments including those specifically disclosed in this specification detect abnormal situations through prediction of heating time, temperature, and energy usage during normal operation and comparison with heating time, temperature, and energy usage obtained through real-time monitoring. So you can respond quickly.

도 1은 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다. 예를 들어, 본 발명의 실시예들에 따른 가열로 이상 감지 시스템은 도 1을 통해 도시된 컴퓨터 장치(100)에 의해 구현될 수 있다.1 is a block diagram showing an example of a computer device according to an embodiment of the present invention. For example, the heating furnace abnormality detection system according to embodiments of the present invention may be implemented by the computer device 100 shown in FIG. 1.

도 1에 도시된 바와 같이 컴퓨터 장치(100)는 본 발명의 실시예들에 따른 가열로 이상 감지 방법을 실행하기 위한 구성요소로서, 메모리(110), 프로세서(120), 통신 인터페이스(130) 그리고 입출력 인터페이스(140)를 포함할 수 있다.As shown in FIG. 1, the computer device 100 is a component for executing the heating furnace abnormality detection method according to embodiments of the present invention, and includes a memory 110, a processor 120, a communication interface 130, and It may include an input/output interface 140.

메모리(110)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(110)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 장치(100)에 포함될 수도 있다. 또한, 메모리(110)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(110)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(110)로 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 인터페이스(130)를 통해 메모리(110)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(160)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 컴퓨터 장치(100)의 메모리(110)에 로딩될 수 있다.The memory 110 is a computer-readable recording medium and may include a non-permanent mass storage device such as random access memory (RAM), read only memory (ROM), and a disk drive. Here, non-perishable large-capacity recording devices such as ROM and disk drives may be included in the computer device 100 as a separate permanent storage device that is distinct from the memory 110. Additionally, an operating system and at least one program code may be stored in the memory 110. These software components may be loaded into the memory 110 from a computer-readable recording medium separate from the memory 110. Such separate computer-readable recording media may include computer-readable recording media such as floppy drives, disks, tapes, DVD/CD-ROM drives, and memory cards. In another embodiment, software components may be loaded into the memory 110 through the communication interface 130 rather than a computer-readable recording medium. For example, software components may be loaded into memory 110 of computer device 100 based on computer programs installed by files received over network 160.

프로세서(120)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(110) 또는 통신 인터페이스(130)에 의해 프로세서(120)로 제공될 수 있다. 예를 들어, 프로세서(120)는 메모리(110)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.The processor 120 may be configured to process instructions of a computer program by performing basic arithmetic, logic, and input/output operations. Commands may be provided to the processor 120 by the memory 110 or the communication interface 130. For example, processor 120 may be configured to execute received instructions according to program code stored in a recording device such as memory 110.

통신 인터페이스(130)는 네트워크(160)를 통해 컴퓨터 장치(100)가 다른 장치와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 장치(100)의 프로세서(120)가 메모리(110)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(130)의 제어에 따라 네트워크(160)를 통해 다른 장치들로 전달될 수 있다. 역으로, 다른 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(160)를 거쳐 컴퓨터 장치(100)의 통신 인터페이스(130)를 통해 컴퓨터 장치(100)로 수신될 수 있다. 통신 인터페이스(130)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(120)나 메모리(110)로 전달될 수 있고, 파일 등은 컴퓨터 장치(100)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.The communication interface 130 may provide a function for the computer device 100 to communicate with other devices through the network 160. For example, a request, command, data, file, etc. generated by the processor 120 of the computer device 100 according to a program code stored in a recording device such as memory 110 is transmitted to the network ( 160) and can be transmitted to other devices. Conversely, signals, commands, data, files, etc. from other devices may be received by the computer device 100 through the communication interface 130 of the computer device 100 via the network 160. Signals, commands, data, etc. received through the communication interface 130 may be transmitted to the processor 120 or memory 110, and files, etc. may be stored in a storage medium (as described above) that the computer device 100 may further include. It can be stored as a permanent storage device).

통신 방식은 제한되지 않으며, 네트워크(160)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들 간의 근거리 유선/무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(160)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(160)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.The communication method is not limited, and may include not only a communication method utilizing communication networks that the network 160 may include (e.g., mobile communication network, wired Internet, wireless Internet, and broadcasting network), but also short-distance wired/wireless communication between devices. there is. For example, the network 160 may include a personal area network (PAN), a local area network (LAN), a campus area network (CAN), a metropolitan area network (MAN), a wide area network (WAN), and a broadband network (BBN). , may include one or more arbitrary networks such as the Internet. Additionally, the network 160 may include any one or more of network topologies including a bus network, star network, ring network, mesh network, star-bus network, tree or hierarchical network, etc. Not limited.

입출력 인터페이스(140)는 입출력 장치(150)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드, 카메라 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(140)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(150)는 컴퓨터 장치(100)와 하나의 장치로 구성될 수도 있다.The input/output interface 140 may be a means for interfacing with the input/output device 150. For example, input devices may include devices such as a microphone, keyboard, camera, or mouse, and output devices may include devices such as displays and speakers. As another example, the input/output interface 140 may be a means for interfacing with a device that integrates input and output functions, such as a touch screen. The input/output device 150 may be configured as a single device with the computer device 100.

또한, 다른 실시예들에서 컴퓨터 장치(100)는 도 1의 구성요소들보다 더 적은 혹은 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 장치(100)는 상술한 입출력 장치(150) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.Additionally, in other embodiments, computer device 100 may include fewer or more components than those of FIG. 1 . However, there is no need to clearly show most prior art components. For example, the computer device 100 may be implemented to include at least a portion of the input/output device 150 described above, or may further include other components such as a transceiver, a camera, various sensors, and a database.

도 2는 본 발명의 일 실시예에 있어서 가열로 이상 감지 시스템의 구조를 도시한 블록도이다.Figure 2 is a block diagram showing the structure of a heating furnace abnormality detection system in one embodiment of the present invention.

본 발명의 실시예들에 따른 가열로 이상 감지 시스템(200)은 도 1을 통해 설명한 컴퓨터 장치(100)에 의해 구현될 수 있다.The heating furnace abnormality detection system 200 according to embodiments of the present invention may be implemented by the computer device 100 described with reference to FIG. 1 .

도 2를 참조하면, 가열로 이상 감지 시스템(200)은 가열로 모니터링 시스템(20)을 포함하거나 가열로 모니터링 시스템(20)과 연동하는 형태로 구축될 수 있다. 다시 말해, 가열로 이상 감지 시스템(200)은 가열로 모니터링 시스템(20)과 하나의 시스템으로 구현되거나 혹은 별개 시스템으로 구현되어 가열로 모니터링 시스템(20)과 연동하는 형태로 구축될 수 있다.Referring to FIG. 2 , the heating furnace abnormality detection system 200 may include the heating furnace monitoring system 20 or may be constructed in a manner that is interlocked with the heating furnace monitoring system 20. In other words, the heating furnace abnormality detection system 200 may be implemented as one system with the heating furnace monitoring system 20, or may be implemented as a separate system and interlocked with the heating furnace monitoring system 20.

가열로 이상 감지 시스템(200)은 승온 구간 이상 감지 모듈(210)과 홀딩 구간 이상 감지 모듈(220)로 구성될 수 있다.The heating furnace abnormality detection system 200 may be composed of a temperature increase section abnormality detection module 210 and a holding section abnormality detection module 220.

승온 구간 이상 감지 모듈(210)과 홀딩 구간 이상 감지 모듈(220)은 가열로 이상을 감지하기 위해 가열로 모니터링 시스템(20)으로부터 온도, 에너지 사용량, 공정 정보 등을 입력받아 에너지 사용량 예측 모형과 온도 예측 모형을 기반으로 가열로 이상 상황을 감지할 수 있다.The temperature rise section abnormality detection module 210 and the holding section abnormality detection module 220 receive temperature, energy usage, and process information from the furnace monitoring system 20 to detect furnace abnormalities, and create an energy consumption prediction model and temperature. Based on the prediction model, abnormal situations in the heating furnace can be detected.

가열로 모니터링 시스템(20)은 현장 작업자로부터 가열로 가동을 시작한 시점, 가열 목표 온도와 가열로에 투입한 소재들에 대한 정보를 입력 받는다.The heating furnace monitoring system 20 receives information from field workers about the time when the furnace started operating, the heating target temperature, and the materials introduced into the furnace.

가열로 모니터링 시스템(20)은 작업자로부터 입력 받은 가열 목표 온도를 이용하여 현재 가열로가 온도가 상승하는 승온 상태인지 아니면 가열 목표 온도에 도달하여 온도를 계속해서 유지 중인 홀딩 구간인지를 판단한다.The heating furnace monitoring system 20 uses the heating target temperature input from the operator to determine whether the current heating furnace is in an elevated temperature state where the temperature is rising or is in a holding section where the temperature is continuously maintained after reaching the heating target temperature.

가열로 모니터링 시스템(20)은 가열로의 내부 온도를 모니터링하고 있으므로 가열 목표 온도에 도달했는지 여부를 판단하여 승온 구간과 홀딩 구간을 구분할 수 있다.Since the heating furnace monitoring system 20 monitors the internal temperature of the heating furnace, it can determine whether the heating target temperature has been reached and distinguish between a temperature increase section and a holding section.

현재 가열로가 승온 중인 경우에는 가열로 이상 감지 시스템(200)의 승온 구간 이상 감지 모듈(210)을 이용하여 가열로의 이상을 감지하고, 온도 유지 중인 경우에는 홀딩 구간 이상 감지 모듈(220)을 이용하여 가열로의 이상을 감지한다.If the furnace is currently raising the temperature, an abnormality in the heating furnace is detected using the temperature rising section abnormality detection module 210 of the heating furnace abnormality detection system 200, and if the temperature is being maintained, the holding section abnormality detection module 220 is used. Use it to detect abnormalities in the heating furnace.

가열로 이상 감지를 위해 승온 구간 이상 감지 모듈(210)은 승온 구간 에너지 사용량 예측 모형과 승온 구간 온도 예측 모형을 이용할 수 있고, 홀딩 구간 이상 감지 모듈(220)은 홀딩 구간 에너지 사용량 예측 모형을 이용할 수 있다.To detect an abnormality in the heating furnace, the temperature increase section abnormality detection module 210 can use the temperature increase section energy consumption prediction model and the temperature increase section temperature prediction model, and the holding section abnormality detection module 220 can use the holding section energy consumption prediction model. there is.

승온 구간 에너지 사용량 예측 모형과 승온 구간 온도 예측 모형 및 홀딩 구간 에너지 사용량 예측 모형은 가열로의 과거 공정 데이터로부터 기계학습 알고리즘을 이용하여 학습할 수 있다.The heating section energy consumption prediction model, the heating section temperature prediction model, and the holding section energy consumption prediction model can be learned using a machine learning algorithm from past process data of the heating furnace.

다시 말해, 가열로 이상 감지를 위해 필요한 모형은 승온 구간 에너지 사용량 예측 모형과 승온 구간 온도 예측 모형 및 홀딩 구간 에너지 사용량 예측 모형이다.In other words, the models required to detect a heating furnace abnormality are a heating section energy consumption prediction model, a heating section temperature prediction model, and a holding section energy consumption prediction model.

승온 구간 에너지 사용량 예측 모형은 가열로에 장입한 소재 조합에 대해서 가열 시작 온도에서 가열 목표 온도까지 가열할 때 소요되는 에너지 사용량을 예측하는 모형이다. 승온 구간 에너지 사용량 예측 모형은 장입소재중량총합, 장입소재최대중량, 장입소재수량, 가열시작온도, 가열목표온도, 가열소요시간을 입력 데이터로 하여 에너지 사용량을 예측하는 모델이다.The temperature rise section energy consumption prediction model is a model that predicts the energy consumption required to heat the material combination charged into the heating furnace from the heating start temperature to the heating target temperature. The temperature rise section energy consumption prediction model is a model that predicts energy consumption using the total weight of charged materials, maximum weight of charged materials, quantity of charged materials, heating start temperature, heating target temperature, and heating time as input data.

승온 구간 온도 예측 모형은 가열로에 장입한 소재 조합에 대해서 일정 시간 가열하고 가열에 소모된 에너지 사용량이 주어졌을 때 도달해야 하는 온도를 예측하는 모형이다. 승온 구간 온도 예측 모형은 장입소재중량총합, 장입소재최대중량, 장입소재수량, 가열시작온도, 가열소요시간, 에너지사용량을 입력 데이터로 하여 현재온도를 예측하는 모델이다.The temperature rise section temperature prediction model is a model that predicts the temperature that should be reached when the combination of materials charged into the heating furnace is heated for a certain period of time and the amount of energy consumed for heating is given. The temperature rise section temperature prediction model is a model that predicts the current temperature using the total weight of charged materials, maximum weight of charged materials, quantity of charged materials, heating start temperature, heating time, and energy usage as input data.

홀딩 구간 에너지 사용량 예측 모형은 가열로에 장입한 소재 조합에 대해서 일정 시간 온도 유지를 하였을 때 소요되는 에너지 사용량을 예측하는 모형이다. 홀딩 구간 에너지 사용량 예측 모형은 장입소재중량총합, 장입소재최대중량, 장입소재수량, 홀딩온도, 홀딩시간을 입력 데이터로 하여 에너지 사용량을 예측하는 모델이다.The holding section energy consumption prediction model is a model that predicts the energy consumption required when the temperature is maintained for a certain period of time for the combination of materials charged into the heating furnace. The holding section energy usage prediction model is a model that predicts energy usage using the total weight of charged materials, maximum weight of charged materials, quantity of charged materials, holding temperature, and holding time as input data.

도 3의 테이블은 세 가지 모형의 입력과 출력을 정리한 것이며, 과거 공정 데이터로부터 입력과 출력에 해당하는 데이터를 생성하고 기계학습 알고리즘을 이용하여 각 예측 모형을 학습할 수 있다.The table in Figure 3 summarizes the inputs and outputs of the three models, and data corresponding to the inputs and outputs can be generated from past process data and each prediction model can be learned using a machine learning algorithm.

승온 구간 가열로 이상 감지 방법은 다음과 같다.The method for detecting abnormalities in the heating section of the temperature increase section is as follows.

승온 구간 이상 감지 모듈(210)은 승온 구간에서 실제 에너지 사용량과 에너지 사용량의 예측 결과의 비교 혹은 실제 온도와 온도 예측 결과의 비교를 통해 가열로 이상 상황을 감지한다.The temperature increase section abnormality detection module 210 detects a heating furnace abnormality through comparison of actual energy consumption and predicted energy consumption results in the temperature increase section or comparison between actual temperature and temperature prediction results.

승온 구간 이상 감지 모듈(210)은 승온 구간 에너지 사용량 예측 모형을 이용하여 현재까지 가열에 소요된 시간을 입력하였을 때 예상되는 에너지 사용량을 획득하고 실제로 소모된 에너지 사용량과 비교하여 그 차이가 일정 기준을 넘어서는 경우 가열로 이상 상황으로 판단한다.The temperature increase section abnormality detection module 210 uses a temperature increase section energy consumption prediction model to obtain the expected energy usage when inputting the time required for heating to date, and compares it with the actual energy consumption, so that the difference meets a certain standard. If it exceeds this, it is judged as a heating furnace abnormality.

승온 구간 이상 감지 모듈(210)은 승온 구간 온도 예측 모형을 이용하여 현재까지 가열에 소요된 시간과 에너지 사용량을 입력하였을 때 예상되는 온도를 획득하고 실제 가열로 내부 온도를 비교하여 그 차이가 일정 기준을 넘어서는 경우 가열로 이상 상황으로 판단한다.The temperature increase section abnormality detection module 210 uses a temperature increase section temperature prediction model to obtain the expected temperature when inputting the time and energy usage for heating to date, and compares the actual temperature inside the heating furnace to set the difference to a certain standard. If it exceeds this, it is judged as a heating furnace abnormality.

홀딩 구간 가열로 이상 감지 방법은 다음과 같다.The method for detecting abnormalities in the holding section heating is as follows.

홀딩 구간 이상 감지 모듈(220)은 홀딩 구간에 대해 실제 온도와 가열 목표 온도와의 비교 혹은 실제 에너지 사용량과 에너지 사용량의 예측의 비교를 통해 가열로 이상 상황을 감지한다.The holding section abnormality detection module 220 detects a heating furnace abnormality by comparing the actual temperature and the heating target temperature for the holding section or comparing the actual energy usage and the predicted energy usage.

홀딩 구간은 가열로 내부 온도가 가열 목표 온도로 유지되도록 가열을 하는 구간으로, 홀딩 구간 이상 감지 모듈(220)은 가열 목표 온도와 실제 가열로 내부 온도를 비교하여 그 차이가 일정 기준을 넘어서는 경우 가열로 이상 상황으로 판단한다.The holding section is a section in which heating is performed so that the temperature inside the furnace is maintained at the heating target temperature. The holding section abnormality detection module 220 compares the heating target temperature with the actual inside temperature of the heating furnace and heats the furnace when the difference exceeds a certain standard. This is judged to be an abnormal situation.

홀딩 구간 이상 감지 모듈(220)은 홀딩 구간 에너지 사용량 예측 모형을 이용하여 현재까지 온도 유지에 소요된 시간을 입력하였을 때 예상되는 에너지 사용량을 획득하고 실제로 소모된 에너지 사용량과 비교하여 그 차이가 일정 기준을 넘어서는 경우 가열로 이상 상황으로 판단한다.The holding section abnormality detection module 220 uses a holding section energy usage prediction model to obtain the expected energy usage when inputting the time required to maintain temperature to date, compares it with the actual consumed energy usage, and sets the difference to a certain standard. If it exceeds this, it is judged as a heating furnace abnormality.

도 4는 본 발명의 일실시예에 있어서 가열로 이상 감지 방법의 예를 도시한 흐름도이다.Figure 4 is a flowchart showing an example of a method for detecting a heating furnace abnormality in one embodiment of the present invention.

본 실시예에 따른 가열로 이상 감지 방법은 앞서 설명한 컴퓨터 장치(100)로 구현된 가열로 이상 감지 시스템(200)에 의해 수행될 수 있다. 이 경우, 컴퓨터 장치(100)의 프로세서(120)는 메모리(110)가 포함하는 운영체제의 코드나 적어도 하나의 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다.The heating furnace abnormality detection method according to this embodiment may be performed by the heating furnace abnormality detection system 200 implemented with the computer device 100 described above. In this case, the processor 120 of the computer device 100 may be implemented to execute control instructions according to the code of an operating system or at least one program included in the memory 110.

프로세서(120)는 컴퓨터 장치(100)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(100)가 도 4의 가열로 이상 감지 방법이 포함하는 단계들을 수행하도록 컴퓨터 장치(100)를 제어할 수 있다.The processor 120 can control the computer device 100 so that the computer device 100 performs the steps included in the heating furnace abnormality detection method of FIG. 4 according to the control command provided by the code stored in the computer device 100. there is.

도 4를 참조하면, 프로세서(120)는 현장 작업자에 해당되는 사용자의 입력으로 가열 시작 시각(t0), 가열 목표 온도, 및 장입소재 정보를 입력받을 수 있다(S401).Referring to FIG. 4, the processor 120 may receive the heating start time (t 0 ), heating target temperature, and charging material information through input from a user corresponding to a field worker (S401).

프로세서(120)는 현재 시각(t)을 기준으로 가열로의 내부 온도 및 에너지 사용량을 모니터링할 수 있다(S402).The processor 120 may monitor the internal temperature and energy usage of the heating furnace based on the current time (t) (S402).

프로세서(120)는 가열로의 내부 온도를 기준으로 현재 승온 구간인지 혹은 홀딩 구간인지 판단할 수 있다(S403). 프로세서(120)는 현재 시각(t)을 기준으로 가열로의 내부 온도가 상승하고 있으나 가열 목표 온도에 아직 도달하지 않은 경우 승온 구간으로 판단하고 가열로의 내부 온도가 가열 목표 온도에 도달하여 유지하고 있는 경우 홀딩 구간으로 판단할 수 있다.The processor 120 may determine whether it is the current temperature increase section or the holding section based on the internal temperature of the heating furnace (S403). The processor 120 determines that it is a temperature increase section when the internal temperature of the heating furnace is rising based on the current time (t) but has not yet reached the heating target temperature, and maintains the internal temperature of the heating furnace by reaching the heating target temperature. If there is, it can be judged as a holding section.

프로세서(120)는 단계(S403)의 판단 결과 현재 시각(t)을 기준으로 가열로 상태가 승온 구간에 해당하는 경우 승온 구간 에너지 사용량 예측 모형을 통해 가열 시작 시각(t0)부터 현재 시각(t)까지의 에너지 사용량을 예측할 수 있다(S404).As a result of the determination in step S403, if the furnace state corresponds to the temperature increase section based on the current time (t), the processor 120 calculates the temperature from the heating start time (t 0 ) to the current time (t) through the temperature increase section energy consumption prediction model. ) can be predicted (S404).

프로세서(120)는 승온 구간 에너지 사용량 예측 모형을 통해 예측한 에너지 사용량과 단계(S402)에서 모니터링 된 실제 에너지 사용량을 비교하여 두 에너지 사용량의 차이가 임계치를 초과하는지 여부를 판단할 수 있다(S405).The processor 120 may compare the energy usage predicted through the temperature increase section energy usage prediction model with the actual energy usage monitored in step S402 to determine whether the difference between the two energy usage exceeds the threshold (S405). .

프로세서(120)는 단계(S405)의 판단 결과 승온 구간 에너지 사용량 예측 모형을 통해 예측한 에너지 사용량과 단계(S402)에서 모니터링 된 실제 에너지 사용량의 차이가 임계치를 초과하는 경우 가열로 이상 상황으로 판단하여 가열로 이상 알람을 출력할 수 있다(S406).If the difference between the energy usage predicted through the temperature increase section energy usage prediction model and the actual energy usage monitored in step S402 exceeds the threshold as a result of the judgment in step S405, the processor 120 determines that the heating furnace is abnormal. A heating abnormality alarm can be output (S406).

프로세서(120)는 단계(S405)의 판단 결과 승온 구간 에너지 사용량 예측 모형을 통해 예측한 에너지 사용량과 단계(S402)에서 모니터링 된 실제 에너지 사용량의 차이가 임계치를 넘지 않으면 승온 구간 온도 예측 모형을 통해 현재 시각(t)의 가열로 내부 온도를 예측할 수 있다(S407).If the difference between the energy usage predicted through the temperature increase section energy consumption prediction model and the actual energy usage monitored in step S402 does not exceed the threshold as a result of the judgment in step S405, the processor 120 determines the current temperature through the temperature increase section temperature prediction model. The internal temperature can be predicted by heating at time t (S407).

프로세서(120)는 승온 구간 온도 예측 모형을 통해 예측한 가열로 내부 온도와 단계(S402)에서 모니터링 된 실제 가열로 내부 온도를 비교하여 두 온도의 차이가 임계치를 초과하는지 여부를 판단할 수 있다(S408).The processor 120 may compare the internal temperature of the heating furnace predicted through the temperature rise section temperature prediction model with the actual internal temperature of the heating furnace monitored in step S402 to determine whether the difference between the two temperatures exceeds the threshold ( S408).

프로세서(120)는 단계(S408)의 판단 결과 승온 구간 온도 예측 모형을 통해 예측한 내부 온도와 단계(S402)에서 모니터링 된 실제 내부 온도의 차이가 임계치를 초과하는 경우 가열로 이상 상황으로 판단하여 가열로 이상 알람을 출력할 수 있다(S406).If the difference between the internal temperature predicted through the temperature increase section temperature prediction model and the actual internal temperature monitored in step S402 exceeds the threshold as a result of the judgment in step S408, the processor 120 determines the heating furnace to be an abnormal situation and heats it. An abnormality alarm can be output (S406).

프로세서(120)는 승온 구간 온도 예측 모형을 통해 예측한 내부 온도와 단계(S402)에서 모니터링 된 실제 내부 온도의 차이가 임계치를 넘지 않으면 다음 주기(t+h, 여기서 h는 이상 감지 프로세스를 실행하는 시간 간격)의 이상 감지 프로세스를 진행할 수 있다(409).If the difference between the internal temperature predicted through the temperature rise section temperature prediction model and the actual internal temperature monitored in step S402 does not exceed the threshold, the processor 120 executes the abnormality detection process in the next cycle (t+h, where h is An abnormality detection process of (time interval) can be performed (409).

프로세서(120)는 단계(S403)의 판단 결과 현재 시각(t)을 기준으로 가열로 상태가 홀딩 구간에 처음 진입한 경우 현재 시각(t)을 가열로 승온 완료 시점으로 판단할 수 있다(S410).If the furnace state first enters the holding section based on the current time (t) as a result of the determination in step (S403), the processor 120 may determine the current time (t) as the completion time of the furnace temperature increase (S410). .

프로세서(120)는 단계(S403)의 판단 결과 현재 시각(t)을 기준으로 가열로 상태가 홀딩 구간에 해당하는 경우 홀딩 구간 에너지 사용량 예측 모형을 통해 승온 완료 시점부터 현재 시각(t)까지의 에너지 사용량을 예측할 수 있다(S411).As a result of the determination in step S403, if the furnace state corresponds to the holding section based on the current time (t), the processor 120 uses the holding section energy consumption prediction model to determine the energy from the completion of the temperature increase to the current time (t). Usage can be predicted (S411).

프로세서(120)는 홀딩 구간 에너지 사용량 예측 모형을 통해 예측한 에너지 사용량과 단계(S402)에서 모니터링 된 실제 에너지 사용량을 비교하여 두 에너지 사용량의 차이가 임계치를 초과하는지 여부를 판단할 수 있다(S412).The processor 120 may compare the energy usage predicted through the holding section energy usage prediction model with the actual energy usage monitored in step S402 to determine whether the difference between the two energy usage exceeds the threshold (S412). .

프로세서(120)는 단계(S412)의 판단 결과 홀딩 구간 에너지 사용량 예측 모형을 통해 예측한 에너지 사용량과 단계(S402)에서 모니터링 된 실제 에너지 사용량의 차이가 임계치를 초과하는 경우 가열로 이상 상황으로 판단하여 가열로 이상 알람을 출력할 수 있다(S406).If the difference between the energy usage predicted through the holding section energy usage prediction model and the actual energy usage monitored in step S402 exceeds the threshold as a result of the judgment in step S412, the processor 120 determines that the heating furnace is abnormal. A heating abnormality alarm can be output (S406).

프로세서(120)는 홀딩 구간 온도 예측 모형을 통해 예측한 에너지 사용량과 단계(S402)에서 모니터링 된 실제 에너지 사용량의 차이가 임계치를 넘지 않으면 다음 주기(t+h)의 이상 감지 프로세스를 진행할 수 있다(409).The processor 120 may proceed with the abnormality detection process in the next cycle (t+h) if the difference between the energy usage predicted through the holding section temperature prediction model and the actual energy usage monitored in step S402 does not exceed the threshold ( 409).

프로세서(120)는 가열로에 대한 예측 에너지 사용량과 실제 에너지 사용량의 차이 및 가열로에 대한 예측 내부 온도와 실제 내부 온도의 차이 중 적어도 하나를 기초로 이상 감지 프로세스를 실행하는 시간 간격(h)을 조절할 수 있다. 예를 들어, 예측 값과 실제 값의 차이가 클수록 이상 감지 프로세스를 짧은 주기로 반복할 수 있다.The processor 120 sets a time interval (h) for executing the abnormality detection process based on at least one of the difference between the predicted energy usage for the heating furnace and the actual energy usage and the difference between the predicted internal temperature for the heating furnace and the actual internal temperature. It can be adjusted. For example, as the difference between the predicted value and the actual value becomes larger, the anomaly detection process can be repeated in a shorter period.

따라서, 본 실시예들은 가열로의 내부 온도 및 에너지 사용량을 기반으로 가열로의 승온 구간에서의 이상과 홀딩 구간에서의 이상을 구분하여 감지할 수 있다.Therefore, these embodiments can detect abnormalities in the heating section and holding sections of the heating furnace based on the internal temperature and energy usage of the heating furnace.

이처럼 본 발명의 실시예들에 따르면, 작업자가 가열로의 고장 상황을 빠르게 인지하여 고장 상황에 대해 신속하게 대처할 수 있도록 함으로써 단조 공장의 에너지 효율 및 생산성을 향상시킬 수 있다.In this way, according to embodiments of the present invention, the energy efficiency and productivity of the forging factory can be improved by allowing workers to quickly recognize a failure situation in the heating furnace and quickly respond to the failure situation.

그리고, 본 발명의 실시예들에 따르면, 가열로의 승온 구간 이상 상황과 홀딩 구간 이상 상황을 구분하여 감지함으로써 가열로 이상 상황을 더욱 정확하게 파악할 수 있다.And, according to embodiments of the present invention, by distinguishing between abnormal situations in the heating section and abnormal situations in the holding section of the heating furnace, abnormal situations in the heating furnace can be detected more accurately.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The device described above may be implemented with hardware components, software components, and/or a combination of hardware components and software components. For example, the devices and components described in the embodiments include a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate array (FPGA), and a programmable logic unit (PLU). It may be implemented using one or more general-purpose or special-purpose computers, such as a logic unit, microprocessor, or any other device capable of executing and responding to instructions. The processing device may execute an operating system (OS) and one or more software applications running on the operating system. Additionally, a processing device may access, store, manipulate, process, and generate data in response to the execution of software. For ease of understanding, a single processing device may be described as being used; however, those skilled in the art will understand that a processing device includes multiple processing elements and/or multiple types of processing elements. It can be seen that it may include. For example, a processing device may include a plurality of processors or one processor and one controller. Additionally, other processing configurations, such as parallel processors, are possible.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.Software may include a computer program, code, instructions, or a combination of one or more of these, which may configure a processing unit to operate as desired, or may be processed independently or collectively. You can command the device. The software and/or data may be embodied in any type of machine, component, physical device, computer storage medium or device for the purpose of being interpreted by or providing instructions or data to the processing device. there is. Software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored on one or more computer-readable recording media.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수 개의 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 어플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium. At this time, the medium may continuously store a computer-executable program, or temporarily store it for execution or download. In addition, the medium may be a variety of recording or storage means in the form of a single or several pieces of hardware combined. It is not limited to a medium directly connected to a computer system and may be distributed over a network. Examples of media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical recording media such as CD-ROMs and DVDs, magneto-optical media such as floptical disks, And there may be something configured to store program instructions, including ROM, RAM, flash memory, etc. Additionally, examples of other media include recording or storage media managed by app stores that distribute applications, sites or servers that supply or distribute various other software, etc.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described with limited examples and drawings, various modifications and variations can be made by those skilled in the art from the above description. For example, the described techniques are performed in a different order than the described method, and/or components of the described system, structure, device, circuit, etc. are combined or combined in a different form than the described method, or other components are used. Alternatively, appropriate results may be achieved even if substituted or substituted by an equivalent.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents of the claims also fall within the scope of the claims described below.

Claims (10)

컴퓨터 장치에서 실행되는 가열로 이상 감지 방법에 있어서,
상기 컴퓨터 장치는 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
상기 가열로 이상 감지 방법은,
상기 적어도 하나의 프로세서에 의해, 가열로의 내부 온도를 기준으로 상기 가열로의 상태를 상기 가열로의 온도가 상승하는 승온 구간과 목표 온도를 유지하는 홀딩 구간으로 구분하는 단계;
상기 적어도 하나의 프로세서에 의해, 상기 가열로의 상태가 상기 승온 구간에 해당하는 경우 상기 가열로의 에너지 사용량과 내부 온도를 기준으로 상기 가열로의 승온 구간에서의 이상을 감지하는 단계; 및
상기 적어도 하나의 프로세서에 의해, 상기 가열로의 상태가 상기 홀딩 구간에 해당하는 경우 상기 가열로의 에너지 사용량을 기준으로 상기 가열로의 홀딩 구간에서의 이상을 감지하는 단계
를 포함하고,
상기 구분하는 단계는,
현재 시각(t)을 기준으로 상기 가열로의 실제 에너지 사용량과 실제 내부 온도를 모니터링하는 단계;
상기 현재 시각(t)을 기준으로 상기 가열로의 실제 내부 온도가 상승하나 상기 목표 온도에 도달하지 않으면 상기 가열로의 상태를 상기 승온 구간으로 판단하는 단계; 및
상기 현재 시각(t)을 기준으로 상기 가열로의 실제 내부 온도가 상기 목표 온도에 도달하여 유지하는 경우 상기 가열로의 상태를 상기 홀딩 구간으로 판단하는 단계
를 포함하고,
상기 가열로의 승온 구간에서의 이상을 감지하는 단계는,
주어진 가열 소요 시간에 대해 에너지 사용량을 예측하는 승온 구간 에너지 사용량 예측 모형 및 주어진 가열 소요 시간과 에너지 사용량에 대해 내부 온도를 예측하는 승온 구간 온도 예측 모형을 이용하여 상기 승온 구간에서의 가열로 이상 상황을 감지하는 것으로,
상기 현재 시각(t)을 기준으로 상기 가열로의 상태가 상기 승온 구간에 해당하는 경우 상기 승온 구간 에너지 사용량 예측 모형을 통해 가열 시작 시각부터 상기 현재 시각(t)까지의 에너지 사용량을 예측하는 단계;
상기 실제 에너지 사용량과 상기 승온 구간 에너지 사용량 예측 모형을 통해 예측된 에너지 사용량을 비교하여 상기 승온 구간에서의 두 에너지 사용량의 차이가 임계치를 초과하면 상기 승온 구간에서의 가열로 이상 상황으로 판단하는 단계;
상기 승온 구간에서의 두 에너지 사용량의 차이가 임계치를 넘지 않으면 상기 승온 구간 온도 예측 모형을 통해 상기 현재 시각(t)의 내부 온도를 예측하는 단계;
상기 실제 내부 온도와 상기 승온 구간 온도 예측 모형을 통해 예측된 내부 온도를 비교하여 상기 승온 구간에서의 두 내부 온도의 차이가 임계치를 초과하면 상기 승온 구간에서의 가열로 이상 상황으로 판단하는 단계; 및
상기 승온 구간에서의 두 내부 온도의 차이가 임계치를 넘지 않으면 다음 주기(t+h, 여기서 h는 이상 감지 프로세시를 실행하는 시간 간격)의 이상 감지 프로세스를 진행하는 단계
를 포함하고,
상기 가열로의 홀딩 구간에서의 이상을 감지하는 단계는,
주어진 목표 온도 유지 시간에 대해 에너지 사용량을 예측하는 홀딩 구간 에너지 사용량 예측 모형을 이용하여 상기 홀딩 구간에서의 가열로 이상 상황을 감지하는 것으로,
상기 현재 시각(t)을 기준으로 상기 가열로의 상태가 상기 홀딩 구간에 처음 진입한 경우 상기 현재 시각(t)을 상기 목표 온도에 도달한 시점인 승온 완료 시점으로 판단하는 단계;
상기 현재 시각(t)을 기준으로 상기 가열로의 상태가 상기 홀딩 구간에 해당하는 경우 상기 홀딩 구간 에너지 사용량 예측 모형을 통해 상기 승온 완료 시점부터 상기 현재 시각(t)까지의 에너지 사용량을 예측하는 단계;
상기 실제 에너지 사용량과 상기 홀딩 구간 에너지 사용량 예측 모형을 통해 예측된 에너지 사용량을 비교하여 상기 홀딩 구간에서의 두 에너지 사용량의 차이가 임계치를 초과하면 상기 홀딩 구간에서의 가열로 이상 상황으로 판단하는 단계; 및
상기 홀딩 구간에서의 두 에너지 사용량의 차이가 임계치를 넘지 않으면 상기 다음 주기(t+h)의 이상 감지 프로세스를 진행하는 단계
를 포함하는 가열로 이상 감지 방법.In a heating furnace abnormality detection method executed on a computer device,
The computer device includes at least one processor configured to execute computer readable instructions contained in a memory,
The method for detecting abnormalities in the heating furnace is,
dividing the state of the heating furnace into a temperature rising section in which the temperature of the heating furnace increases and a holding section in which the target temperature is maintained, by the at least one processor, based on the internal temperature of the heating furnace;
detecting, by the at least one processor, an abnormality in the temperature increase section of the heating furnace based on the energy usage and internal temperature of the heating furnace when the state of the heating furnace corresponds to the temperature increasing section; and
Detecting, by the at least one processor, an abnormality in the holding section of the heating furnace based on the energy usage of the heating furnace when the state of the heating furnace corresponds to the holding section.
Including,
The above distinguishing steps are,
Monitoring the actual energy usage and actual internal temperature of the heating furnace based on the current time (t);
If the actual internal temperature of the heating furnace increases based on the current time (t) but does not reach the target temperature, determining the status of the heating furnace as the temperature increase section; and
When the actual internal temperature of the heating furnace reaches and maintains the target temperature based on the current time (t), determining the status of the heating furnace as the holding section.
Including,
The step of detecting an abnormality in the temperature increase section of the heating furnace is,
Abnormal situations in the heating section can be predicted using a heating section energy consumption prediction model that predicts energy usage for a given heating time and a heating section temperature prediction model that predicts internal temperature for a given heating time and energy usage. By sensing,
If the state of the heating furnace corresponds to the temperature increase section based on the current time (t), predicting energy usage from the heating start time to the current time (t) through the temperature increase section energy consumption prediction model;
Comparing the actual energy usage and the energy usage predicted through the temperature increase section energy usage prediction model and determining that the heating section in the temperature increase section is abnormal when the difference between the two energy usage amounts exceeds a threshold;
predicting the internal temperature at the current time (t) using the temperature increase section temperature prediction model if the difference between the two energy usage amounts in the temperature increase section does not exceed a threshold;
Comparing the actual internal temperature with the internal temperature predicted through the temperature prediction model for the temperature increase section, and determining a heating furnace abnormality situation in the temperature increase section when the difference between the two internal temperatures in the temperature increase section exceeds a threshold; and
If the difference between the two internal temperatures in the temperature increase section does not exceed the threshold, proceeding with the abnormality detection process in the next cycle (t+h, where h is the time interval for executing the abnormality detection process)
Including,
The step of detecting an abnormality in the holding section of the heating furnace is:
By detecting an abnormality in the heating section in the holding section using a holding section energy consumption prediction model that predicts energy use for a given target temperature maintenance time,
When the state of the heating furnace first enters the holding section based on the current time (t), determining the current time (t) as a temperature increase completion time, which is the time when the target temperature is reached;
If the state of the heating furnace corresponds to the holding section based on the current time (t), predicting energy consumption from the completion of the temperature increase to the current time (t) through the holding section energy consumption prediction model. ;
Comparing the actual energy usage and the energy usage predicted through the holding section energy usage prediction model, and determining that the heating section in the holding section is abnormal when the difference between the two energy usages in the holding section exceeds a threshold; and
If the difference between the two energy usage amounts in the holding section does not exceed the threshold, proceeding with the abnormality detection process in the next period (t+h)
A heating furnace abnormality detection method comprising: 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 제1항에 있어서,
상기 가열로 이상 감지 방법은,
상기 적어도 하나의 프로세서에 의해, 상기 실제 에너지 사용량과 상기 승온 구간 에너지 사용량 예측 모형 또는 상기 홀딩 구간 에너지 사용량 예측 모형을 통해 예측된 에너지 사용량의 차이와 상기 실제 내부 온도와 상기 승온 구간 온도 예측 모형을 통해 예측된 내부 온도의 차이 중 적어도 하나를 기초로 상기 시간 간격을 조절하는 단계
를 더 포함하는 가열로 이상 감지 방법.According to paragraph 1,
The method for detecting abnormalities in the heating furnace is,
By the at least one processor, the difference between the actual energy usage and the energy usage predicted through the heating section energy usage prediction model or the holding section energy usage prediction model and the actual internal temperature and the heating section temperature prediction model adjusting the time interval based on at least one of the predicted differences in internal temperature.
A heating furnace abnormality detection method further comprising: 가열로 이상 감지 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독가능한 기록 매체에 저장된 컴퓨터 프로그램에 있어서,
상기 가열로 이상 감지 방법은,
가열로의 내부 온도를 기준으로 상기 가열로의 상태를 상기 가열로의 온도가 상승하는 승온 구간과 목표 온도를 유지하는 홀딩 구간으로 구분하는 단계;
상기 가열로의 상태가 상기 승온 구간에 해당하는 경우 상기 가열로의 에너지 사용량과 내부 온도를 기준으로 상기 가열로의 승온 구간에서의 이상을 감지하는 단계; 및
상기 가열로의 상태가 상기 홀딩 구간에 해당하는 경우 상기 가열로의 에너지 사용량을 기준으로 상기 가열로의 홀딩 구간에서의 이상을 감지하는 단계
를 포함하고,
상기 구분하는 단계는,
현재 시각(t)을 기준으로 상기 가열로의 실제 에너지 사용량과 실제 내부 온도를 모니터링하는 단계;
상기 현재 시각(t)을 기준으로 상기 가열로의 실제 내부 온도가 상승하나 상기 목표 온도에 도달하지 않으면 상기 가열로의 상태를 상기 승온 구간으로 판단하는 단계; 및
상기 현재 시각(t)을 기준으로 상기 가열로의 실제 내부 온도가 상기 목표 온도에 도달하여 유지하는 경우 상기 가열로의 상태를 상기 홀딩 구간으로 판단하는 단계
를 포함하고,
상기 가열로의 승온 구간에서의 이상을 감지하는 단계는,
주어진 가열 소요 시간에 대해 에너지 사용량을 예측하는 승온 구간 에너지 사용량 예측 모형 및 주어진 가열 소요 시간과 에너지 사용량에 대해 내부 온도를 예측하는 승온 구간 온도 예측 모형을 이용하여 상기 승온 구간에서의 가열로 이상 상황을 감지하는 것으로,
상기 현재 시각(t)을 기준으로 상기 가열로의 상태가 상기 승온 구간에 해당하는 경우 상기 승온 구간 에너지 사용량 예측 모형을 통해 가열 시작 시각부터 상기 현재 시각(t)까지의 에너지 사용량을 예측하는 단계;
상기 실제 에너지 사용량과 상기 승온 구간 에너지 사용량 예측 모형을 통해 예측된 에너지 사용량을 비교하여 상기 승온 구간에서의 두 에너지 사용량의 차이가 임계치를 초과하면 상기 승온 구간에서의 가열로 이상 상황으로 판단하는 단계;
상기 승온 구간에서의 두 에너지 사용량의 차이가 임계치를 넘지 않으면 상기 승온 구간 온도 예측 모형을 통해 상기 현재 시각(t)의 내부 온도를 예측하는 단계;
상기 실제 내부 온도와 상기 승온 구간 온도 예측 모형을 통해 예측된 내부 온도를 비교하여 상기 승온 구간에서의 두 내부 온도의 차이가 임계치를 초과하면 상기 승온 구간에서의 가열로 이상 상황으로 판단하는 단계; 및
상기 승온 구간에서의 두 내부 온도의 차이가 임계치를 넘지 않으면 다음 주기(t+h, 여기서 h는 이상 감지 프로세시를 실행하는 시간 간격)의 이상 감지 프로세스를 진행하는 단계
를 포함하고,
상기 가열로의 홀딩 구간에서의 이상을 감지하는 단계는,
주어진 목표 온도 유지 시간에 대해 에너지 사용량을 예측하는 홀딩 구간 에너지 사용량 예측 모형을 이용하여 상기 홀딩 구간에서의 가열로 이상 상황을 감지하는 것으로,
상기 현재 시각(t)을 기준으로 상기 가열로의 상태가 상기 홀딩 구간에 처음 진입한 경우 상기 현재 시각(t)을 상기 목표 온도에 도달한 시점인 승온 완료 시점으로 판단하는 단계;
상기 현재 시각(t)을 기준으로 상기 가열로의 상태가 상기 홀딩 구간에 해당하는 경우 상기 홀딩 구간 에너지 사용량 예측 모형을 통해 상기 승온 완료 시점부터 상기 현재 시각(t)까지의 에너지 사용량을 예측하는 단계;
상기 실제 에너지 사용량과 상기 홀딩 구간 에너지 사용량 예측 모형을 통해 예측된 에너지 사용량을 비교하여 상기 홀딩 구간에서의 두 에너지 사용량의 차이가 임계치를 초과하면 상기 홀딩 구간에서의 가열로 이상 상황으로 판단하는 단계; 및
상기 홀딩 구간에서의 두 에너지 사용량의 차이가 임계치를 넘지 않으면 상기 다음 주기(t+h)의 이상 감지 프로세스를 진행하는 단계
를 포함하는, 컴퓨터 판독가능한 기록 매체에 저장된 컴퓨터 프로그램.In the computer program stored on a computer-readable recording medium for executing a heating furnace abnormality detection method on a computer device,
The method for detecting abnormalities in the heating furnace is,
Dividing the state of the heating furnace into a temperature rising section in which the temperature of the heating furnace increases and a holding section in which the target temperature is maintained based on the internal temperature of the heating furnace;
If the state of the heating furnace corresponds to the temperature increasing section, detecting an abnormality in the temperature increasing section of the heating furnace based on the energy usage and internal temperature of the heating furnace; and
If the state of the heating furnace corresponds to the holding section, detecting an abnormality in the holding section of the heating furnace based on the energy usage of the heating furnace.
Including,
The above distinguishing steps are,
Monitoring the actual energy usage and actual internal temperature of the heating furnace based on the current time (t);
If the actual internal temperature of the heating furnace increases based on the current time (t) but does not reach the target temperature, determining the status of the heating furnace as the temperature increase section; and
When the actual internal temperature of the heating furnace reaches and maintains the target temperature based on the current time (t), determining the status of the heating furnace as the holding section.
Including,
The step of detecting an abnormality in the temperature increase section of the heating furnace is,
Abnormal situations in the heating section can be predicted using a heating section energy consumption prediction model that predicts energy usage for a given heating time and a heating section temperature prediction model that predicts internal temperature for a given heating time and energy usage. By sensing,
If the state of the heating furnace corresponds to the temperature increase section based on the current time (t), predicting energy usage from the heating start time to the current time (t) through the temperature increase section energy consumption prediction model;
Comparing the actual energy usage and the energy usage predicted through the temperature increase section energy usage prediction model and determining that the heating section in the temperature increase section is abnormal when the difference between the two energy usage amounts exceeds a threshold;
predicting the internal temperature at the current time (t) using the temperature increase section temperature prediction model if the difference between the two energy usage amounts in the temperature increase section does not exceed a threshold;
Comparing the actual internal temperature with the internal temperature predicted through the temperature prediction model for the temperature increase section, and determining a heating furnace abnormality situation in the temperature increase section when the difference between the two internal temperatures in the temperature increase section exceeds a threshold; and
If the difference between the two internal temperatures in the temperature increase section does not exceed the threshold, proceeding with the abnormality detection process in the next cycle (t+h, where h is the time interval for executing the abnormality detection process)
Including,
The step of detecting an abnormality in the holding section of the heating furnace is:
By detecting an abnormality in the heating section in the holding section using a holding section energy consumption prediction model that predicts energy use for a given target temperature maintenance time,
When the state of the heating furnace first enters the holding section based on the current time (t), determining the current time (t) as a temperature increase completion time, which is the time when the target temperature is reached;
If the state of the heating furnace corresponds to the holding section based on the current time (t), predicting energy consumption from the completion of the temperature increase to the current time (t) through the holding section energy consumption prediction model. ;
Comparing the actual energy usage and the energy usage predicted through the holding section energy usage prediction model, and determining that the heating section in the holding section is abnormal when the difference between the two energy usages in the holding section exceeds a threshold; and
If the difference between the two energy usage amounts in the holding section does not exceed the threshold, proceeding with the abnormality detection process in the next period (t+h)
A computer program stored on a computer-readable recording medium, including a. 컴퓨터 장치에 있어서,
메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서
를 포함하고,
상기 적어도 하나의 프로세서는,
가열로의 내부 온도를 기준으로 상기 가열로의 상태를 상기 가열로의 온도가 상승하는 승온 구간과 목표 온도를 유지하는 홀딩 구간으로 구분하는 과정;
상기 가열로의 상태가 상기 승온 구간에 해당하는 경우 상기 가열로의 에너지 사용량과 내부 온도를 기준으로 상기 가열로의 승온 구간에서의 이상을 감지하는 과정; 및
상기 가열로의 상태가 상기 홀딩 구간에 해당하는 경우 상기 가열로의 에너지 사용량을 기준으로 상기 가열로의 홀딩 구간에서의 이상을 감지하는 과정
을 처리하고,
상기 구분하는 과정은,
현재 시각(t)을 기준으로 상기 가열로의 실제 에너지 사용량과 실제 내부 온도를 모니터링하고,
상기 현재 시각(t)을 기준으로 상기 가열로의 실제 내부 온도가 상승하나 상기 목표 온도에 도달하지 않으면 상기 가열로의 상태를 상기 승온 구간으로 판단하고,
상기 현재 시각(t)을 기준으로 상기 가열로의 실제 내부 온도가 상기 목표 온도에 도달하여 유지하는 경우 상기 가열로의 상태를 상기 홀딩 구간으로 판단하고,
상기 가열로의 승온 구간에서의 이상을 감지하는 과정은,
주어진 가열 소요 시간에 대해 에너지 사용량을 예측하는 승온 구간 에너지 사용량 예측 모형 및 주어진 가열 소요 시간과 에너지 사용량에 대해 내부 온도를 예측하는 승온 구간 온도 예측 모형을 이용하여 상기 승온 구간에서의 가열로 이상 상황을 감지하는 것으로,
상기 현재 시각(t)을 기준으로 상기 가열로의 상태가 상기 승온 구간에 해당하는 경우 상기 승온 구간 에너지 사용량 예측 모형을 통해 가열 시작 시각부터 상기 현재 시각(t)까지의 에너지 사용량을 예측하고,
상기 실제 에너지 사용량과 상기 승온 구간 에너지 사용량 예측 모형을 통해 예측된 에너지 사용량을 비교하여 상기 승온 구간에서의 두 에너지 사용량의 차이가 임계치를 초과하면 상기 승온 구간에서의 가열로 이상 상황으로 판단하고,
상기 승온 구간에서의 두 에너지 사용량의 차이가 임계치를 넘지 않으면 상기 승온 구간 온도 예측 모형을 통해 상기 현재 시각(t)의 내부 온도를 예측하고,
상기 실제 내부 온도와 상기 승온 구간 온도 예측 모형을 통해 예측된 내부 온도를 비교하여 상기 승온 구간에서의 두 내부 온도의 차이가 임계치를 초과하면 상기 승온 구간에서의 가열로 이상 상황으로 판단하고,
상기 승온 구간에서의 두 내부 온도의 차이가 임계치를 넘지 않으면 다음 주기(t+h, 여기서 h는 이상 감지 프로세시를 실행하는 시간 간격)의 이상 감지 프로세스를 진행하고,
상기 가열로의 홀딩 구간에서의 이상을 감지하는 과정은,
주어진 목표 온도 유지 시간에 대해 에너지 사용량을 예측하는 홀딩 구간 에너지 사용량 예측 모형을 이용하여 상기 홀딩 구간에서의 가열로 이상 상황을 감지하는 것으로,
상기 현재 시각(t)을 기준으로 상기 가열로의 상태가 상기 홀딩 구간에 처음 진입한 경우 상기 현재 시각(t)을 상기 목표 온도에 도달한 시점인 승온 완료 시점으로 판단하고,
상기 현재 시각(t)을 기준으로 상기 가열로의 상태가 상기 홀딩 구간에 해당하는 경우 상기 홀딩 구간 에너지 사용량 예측 모형을 통해 상기 승온 완료 시점부터 상기 현재 시각(t)까지의 에너지 사용량을 예측하고,
상기 실제 에너지 사용량과 상기 홀딩 구간 에너지 사용량 예측 모형을 통해 예측된 에너지 사용량을 비교하여 상기 홀딩 구간에서의 두 에너지 사용량의 차이가 임계치를 초과하면 상기 홀딩 구간에서의 가열로 이상 상황으로 판단하고,
상기 홀딩 구간에서의 두 에너지 사용량의 차이가 임계치를 넘지 않으면 상기 다음 주기(t+h)의 이상 감지 프로세스를 진행하는 것
을 특징으로 하는 컴퓨터 장치.In computer devices,
At least one processor configured to execute computer readable instructions contained in memory
Including,
The at least one processor,
A process of dividing the state of the heating furnace into a temperature rising section in which the temperature of the heating furnace increases and a holding section in which the target temperature is maintained based on the internal temperature of the heating furnace;
If the state of the heating furnace corresponds to the temperature increasing section, detecting an abnormality in the temperature increasing section of the heating furnace based on the energy usage and internal temperature of the heating furnace; and
A process of detecting an abnormality in the holding section of the heating furnace based on the energy usage of the heating furnace when the status of the heating furnace corresponds to the holding section.
Process it,
The above distinction process is,
Monitors the actual energy usage and actual internal temperature of the heating furnace based on the current time (t),
If the actual internal temperature of the heating furnace increases based on the current time (t) but does not reach the target temperature, the status of the heating furnace is determined to be in the temperature increase section,
If the actual internal temperature of the heating furnace reaches and maintains the target temperature based on the current time (t), the status of the heating furnace is determined to be in the holding section,
The process of detecting an abnormality in the temperature increase section of the heating furnace is,
Abnormal situations in the heating section can be predicted using a heating section energy consumption prediction model that predicts energy usage for a given heating time and a heating section temperature prediction model that predicts internal temperature for a given heating time and energy usage. By sensing,
If the state of the heating furnace corresponds to the temperature increase section based on the current time (t), predict the energy usage from the heating start time to the current time (t) through the temperature increase section energy consumption prediction model,
The actual energy usage is compared with the energy usage predicted through the temperature increase section energy usage prediction model, and if the difference between the two energy usage amounts in the temperature increase section exceeds a threshold, it is determined that there is an abnormality in the heating section in the temperature increase section,
If the difference between the two energy usage amounts in the temperature increase section does not exceed the threshold, predict the internal temperature at the current time (t) through the temperature increase section temperature prediction model,
The actual internal temperature is compared with the internal temperature predicted through the temperature prediction model for the temperature increase section, and if the difference between the two internal temperatures in the temperature increase section exceeds a threshold, it is determined that the heating furnace in the temperature increase section is abnormal,
If the difference between the two internal temperatures in the temperature increase section does not exceed the threshold, the abnormality detection process is performed in the next cycle (t+h, where h is the time interval for executing the abnormality detection process),
The process of detecting an abnormality in the holding section of the heating furnace is,
By detecting an abnormality in the heating section in the holding section using a holding section energy consumption prediction model that predicts energy use for a given target temperature maintenance time,
When the state of the heating furnace first enters the holding section based on the current time (t), the current time (t) is determined as the temperature increase completion point, which is the time when the target temperature is reached,
If the state of the heating furnace corresponds to the holding section based on the current time (t), predict the energy consumption from the completion of the temperature increase to the current time (t) through the holding section energy consumption prediction model,
The actual energy usage is compared with the energy usage predicted through the holding section energy usage prediction model, and if the difference between the two energy usages in the holding section exceeds a threshold, it is determined that the heating furnace in the holding section is abnormal,
If the difference between the two energy usage amounts in the holding section does not exceed the threshold, proceeding with the abnormality detection process in the next period (t+h)
A computer device characterized by a. 삭제delete
KR1020210161238A 2020-12-02 2021-11-22 System AND METHOD For DetectiNG Fault of Heating Furnaces based on data-driven models KR102677933B1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200166231 2020-12-02
KR20200166231 2020-12-02

Publications (2)

Publication Number Publication Date
KR20220077870A KR20220077870A (en) 2022-06-09
KR102677933B1 true KR102677933B1 (en) 2024-06-25

Family

ID=

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101431716B1 (en) * 2013-12-31 2014-08-21 주식회사 이엘텍 Heater Temperature Controlling System Of Heater For Blowing Hot Wind And Method For Detecting Of Fan Disorder Of Using The Same

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101431716B1 (en) * 2013-12-31 2014-08-21 주식회사 이엘텍 Heater Temperature Controlling System Of Heater For Blowing Hot Wind And Method For Detecting Of Fan Disorder Of Using The Same

Similar Documents

Publication Publication Date Title
KR20120089654A (en) Method and apparatus for efficiently coordinating data center cooling units
EP3771951B1 (en) Using data from plc systems and data from sensors external to the plc systems for ensuring data integrity of industrial controllers
US11687058B2 (en) Information processing method and information processing apparatus used for detecting a sign of malfunction of mechanical equipment
JP6320200B2 (en) PID controller and data collection method
CN110388773A (en) Fault detection method, system and the water cooler of water cooler
CN104465437B (en) Fault detection system and fault detection method
US10061365B2 (en) Temperature prediction system using prediction models, temperature prediction method using prediction models, and non-transitory computer readable recording medium having therein program for temperature prediction using prediction models
WO2020129545A1 (en) Control device and program
KR102430440B1 (en) Apparatus for monitoring facility abnormal detection employing predicted data model of time series energy
CN117436593B (en) Incinerator system fault prediction method and system based on artificial intelligence
KR102677933B1 (en) System AND METHOD For DetectiNG Fault of Heating Furnaces based on data-driven models
WO2020106018A1 (en) Heating furnace monitoring system and method
KR20220077870A (en) System AND METHOD For DetectiNG Fault of Heating Furnaces based on data-driven models
KR102287659B1 (en) Fault Detection System and Method in Plastic Injection Molding Process
JP6227558B2 (en) Method, system, carrier media and product for monitoring a fluid treatment network
US9607512B2 (en) Logical controller for vehicle barrier
CN102330608B (en) Systems and methods for determining steady state conditions in a gas turbine
KR101989579B1 (en) Apparatus and method for monitoring the system
JPWO2018193571A1 (en) Device management system, model learning method and model learning program
JP6216612B2 (en) Defect detection system and defect detection method
US20220026881A1 (en) Systems and methods for using intermediate data to improve system control and diagnostics
KR102366357B1 (en) System and method for monitoring heating furnaces in hot press forging factory
US20220179407A1 (en) Monitoring method, monitoring apparatus, and program
KR101946700B1 (en) Detection device and method
JP2007286707A (en) Equipment diagnostic system