KR20140141052A - 센싱 데이터 분석 시스템 및 방법 - Google Patents

센싱 데이터 분석 시스템 및 방법 Download PDF

Info

Publication number
KR20140141052A
KR20140141052A KR20130062301A KR20130062301A KR20140141052A KR 20140141052 A KR20140141052 A KR 20140141052A KR 20130062301 A KR20130062301 A KR 20130062301A KR 20130062301 A KR20130062301 A KR 20130062301A KR 20140141052 A KR20140141052 A KR 20140141052A
Authority
KR
South Korea
Prior art keywords
sensing data
reference signal
data
sensor
value
Prior art date
Application number
KR20130062301A
Other languages
English (en)
Other versions
KR101606239B1 (ko
Inventor
신계영
Original Assignee
삼성에스디에스 주식회사
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 삼성에스디에스 주식회사 filed Critical 삼성에스디에스 주식회사
Priority to KR1020130062301A priority Critical patent/KR101606239B1/ko
Priority to US14/012,395 priority patent/US20140358487A1/en
Priority to CN201310384887.4A priority patent/CN104216350B/zh
Priority to PCT/KR2013/007827 priority patent/WO2014193040A1/ko
Publication of KR20140141052A publication Critical patent/KR20140141052A/ko
Application granted granted Critical
Publication of KR101606239B1 publication Critical patent/KR101606239B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2136—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on sparsity criteria, e.g. with an overcomplete basis

Abstract

센싱 데이터 분석 시스템 및 방법이 개시된다. 본 발명의 일 실시예에 따른 센싱 데이터 분석 시스템은, 특정 영역 또는 장치에 구비된 복수 개의 센서들로부터 센싱 데이터를 추출하는 데이터 추출부, 상기 센싱 데이터로부터 상기 복수 개의 센서 각각의 기준 신호(Reference Signal)를 생성하는 기준 신호 생성부, 및 상기 센싱 데이터 및 상기 기준 신호를 이용하여 상기 특정 영역 또는 장치의 상태와 상관관계가 존재하는 하나 이상의 센서를 검출하는 센서 검출부를 포함한다.

Description

센싱 데이터 분석 시스템 및 방법{SYSTEM AND METHOD FOR ANALYZING SENSING DATA}
본 발명의 실시예들은 센서로부터 출력되는 데이터를 분석하기 위한 기술과 관련된다.
센서 및 이와 관련된 기술이 발달하면서, 다양한 분야에서 각종 센서들이 광범위하게 이용되고 있다. 예를 들어, 건물관리시스템(BMS; Building Management System)의 경우 건물 전체, 또는 건물 내 특정 구역에 온도 센서, 습도 센서, 압력 센서 등을 배치하고, 배치된 센서로부터 수신되는 센싱값에 따라 건물의 상태를 확인하거나 그에 따라 필요한 조치를 취할 수 있도록 구성된다. 또한 엘리베이터, 교량 등의 구조물, 자동차, 선박, 항공기 등의 장치 내부에도 다양한 종류의 센서가 구비됨으로써, 센싱값에 따라 해당 장치의 이상 유무 및 이상 발생 위치를 용이하게 파악하는 것이 가능하게 되었다.
그러나 종래의 센싱 데이터 분석 시스템의 경우, 단순히 센서로부터 출력되는 데이터가 기 설정된 기준에 부합하는 지의 여부에 따라 해당 장치 또는 영역의 이상 여부를 표시하도록 구성될 뿐, 센서가 구비된 장치 또는 영역의 상태에 영향을 주는 센서를 파악하는 데에는 한계가 있었다.
본 발명의 실시예들은 특정 영역 또는 장치에 설치된 센서로부터 출력되는 데이터를 분석함으로써 상기 특정 영역 또는 장치의 상태와 관련된 센서를 정확히 파악할 수 있는 센싱 데이터 분석 수단을 제공하기 위한 것이다.
본 발명의 일 실시예에 따른 센싱 데이터 분석 시스템은, 특정 영역 또는 장치에 구비된 복수 개의 센서들로부터 센싱 데이터를 추출하는 데이터 추출부, 상기 센싱 데이터로부터 상기 복수 개의 센서 각각의 기준 신호(Reference Signal)를 생성하는 기준 신호 생성부, 및 상기 센싱 데이터 및 상기 기준 신호를 이용하여 상기 특정 영역 또는 장치의 상태와 상관관계가 존재하는 하나 이상의 센서를 검출하는 센서 검출부를 포함한다.
본 발명의 일 실시예에 따른 센싱 데이터 분석 방법은, 데이터 추출부에서 특정 영역 또는 장치에 구비된 복수 개의 센서들로부터 센싱 데이터를 추출하는 단계, 기준 신호 생성부에서 상기 센싱 데이터로부터 상기 복수 개의 센서 각각의 기준 신호(Reference Signal)를 생성하는 단계, 및 센서 검출부에서 상기 센싱 데이터 및 상기 기준 신호를 이용하여 상기 특정 영역 또는 장치의 상태와 상관관계가 존재하는 하나 이상의 센서를 검출하는 단계를 포함한다.
한편, 본 발명의 일 실시예에 따른 장치는, 하나 이상의 프로세서, 메모리, 및 하나 이상의 프로그램을 포함하는 장치로서, 상기 하나 이상의 프로그램은 상기 메모리에 저장되고 상기 하나 이상의 프로세서에 의해 실행되도록 구성되며, 상기 프로그램은 특정 영역 또는 장치에 구비된 복수 개의 센서들로부터 센싱 데이터를 추출하는 과정, 상기 센싱 데이터로부터 상기 복수 개의 센서 각각의 기준 신호(Reference Signal)를 생성하는 과정, 및 상기 센싱 데이터 및 상기 기준 신호를 이용하여 상기 특정 영역 또는 장치의 상태와 상관관계가 존재하는 하나 이상의 센서를 검출하는 과정을 실행하기 위한 명령어들을 포함한다.
본 발명의 실시예들에 따를 경우, 특정 영역 또는 장치에 설치된 센서로부터 출력되는 데이터를 분석함으로써 상기 특정 영역 또는 장치의 상태와 관련된 센서를 정확히 파악할 수 있는 장점이 있다.
또한, 방대한 용량을 가지는 센싱 데이터에 대한 전처리 과정을 통하여 센싱 데이터를 요약함으로써 데이터의 용량을 감소시킴과 동시에 센싱 과정에서 발생되는 노이즈를 효과적으로 제거할 수 있는 장점이 있다. 이에 따라 데이터의 시계열적 특정을 그대로 살리면서도 효과적으로 센싱 데이터의 분석을 수행할 수 있게 된다.
도 1은 본 발명의 일 실시예에 따른 센싱 데이터 분석 시스템(100)을 설명하기 위한 블록도이다.
도 2는 본 본 발명의 일 실시예에 따른 센싱 데이터 분석 분석 방법(200)을 설명하기 위한 순서도이다.
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명의 기술적 사상은 청구범위에 의해 결정되며, 이하의 실시예는 본 발명의 기술적 사상을 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 효율적으로 설명하기 위한 일 수단일 뿐이다.
도 1은 본 발명의 일 실시예에 따른 센싱 데이터 분석 시스템(100)을 설명하기 위한 블록도이다. 본 발명의 실시예들에서, 센싱 데이터 분석 시스템(100)은 특정 영역 또는 장치에 설치된 하나 이상의 센서로부터 출력되는 센싱 데이터를 해당 영역 또는 장치의 상태 정보와 연계하여 분석함으로써 상기 영역 또는 장치의 상태에 영향을 미치는 요소를 파악하기 위한 것이다.
본 발명의 예시적 실시예들에서, 센싱 데이터 분석 시스템(100)은 엘리베이터 또는 대형 발전기 등의 구조물에 설치된 온도 센서, 압력 센서 등 각종 센서로부터 출력되는 센싱 데이터를 상기 구조물의 상태 정보(예를 들어, 정상 상태, 또는 이상 상태 등)와 연계하여 분석함으로써 구조물의 이상 발생과 관련이 높은 혐의 요소가 어떤 것인지를 알아낼 수 있다. 예를 들어, 만약 특정 구역의 온도 센서가 소정값 이상일 경우 해당 구조물에 이상이 발생한 예가 많았다면, 관리자는 센싱 데이터 분석 시스템(100)의 분석 결과에 따라 구조물 내의 해당 온도 센서가 센싱하고 있는 영역이 구조물의 이상과 관련이 높은 것으로 판단할 수 있다.
이 밖에도, 센싱 데이터 분석 시스템(100)은 특정 건물, 건물 내 특정 구역, 또는 차량, 선박 등 각종 장치에 구비된 센싱 데이터로부터 해당 건물, 구역, 또는 장치의 상태와 관련성이 높은 센서의 존재를 탐지할 수 있다. 즉, 본 발명의 실시예들은 센서가 센싱하고 있는 특정한 대상에 한정되는 것은 아님을 유의한다.
도시된 바와 같이, 본 발명의 일 실시예에 따른 센싱 데이터 분석 시스템(100)은 데이터 추출부(102), 기준 신호 생성부(104), 전처리부(106) 및 센서 검출부(108)를 포함한다.
데이터 추출부(102)는 특정 영역 또는 장치 등에 구비된 복수 개의 센서들로부터 센싱 데이터를 획득한다. 기준 신호 생성부(104)는 데이터 추출부(102)에서 획득된 상기 센싱 데이터로부터 상기 복수 개의 센서 각각의 기준 신호(Reference Signal)를 생성한다. 전처리부(106)는 상기 센싱 데이터 및 상기 기준 신호의 용량 감소 및 노이즈 제거를 위한 전처리를 수행한다. 그리고 센서 검출부(108)는 전처리된 상기 센싱 데이터와 상기 기준 신호간의 거리를 계산하고, 계산된 상기 거리를 이용하여 상기 영역 또는 장치의 상태와 상관관계가 존재하는 하나 이상의 센서를 검출한다.
이하에서는 상기와 같이 구성된 센싱 데이터 분석 시스템(100)의 각 구성요소들을 상세히 설명한다.
데이터 추출
데이터 추출부(102)는 분석의 대상이 특정 영역 또는 장치로부터 원시 데이터(Raw Data)를 추출하고 이를 분석이 가능한 형태로 가공한다. 먼저, 데이터 추출부(102)는 특정 영역 또는 장치에 구비된 복수 개의 센서들로부터 센싱 데이터를 획득한다.
이때, 상기 센서는 상기 영역 또는 장치를 구성하는 각 요소들의 변화를 감지하기 위한 것으로서, 예를 들어 건물 내의 특정 구역 내에 일정 간격으로 설치된 온도 센서 또는 압력 센서 등일 수 있다. 즉, 이 경우 상기 온도 센서 또는 압력 센서는 상기 구역의 시간대별 온도 변화 또는 압력 변화를 센싱하도록 구성될 수 있다. 데이터 추출부(102)는 이와 같은 센서들로부터 상기 영역 또는 장치로부터 센싱된 센싱 데이터를 추출하게 된다.
또한, 데이터 추출부(102)는 상기 영역 또는 장치의 상태 정보, 예를 들어 해당 영역 또는 장치의 이상 발생 여부 정보를 획득하고, 이를 상기 센싱 데이터와 연계하여 저장할 수 있다. 즉, 데이터 추출부(102)는 특정 영역 또는 장치 내에 구비된 각 센서들이 센싱한 센싱 데이터 및 상기 영역 또는 장치의 상태 정보를 연계하여 저장함으로써, 향후 데이터 분석 과정에서 센싱 데이터의 변화에 따른 상태 변화를 추적할 수 있게 된다.
한편, 데이터 추출부(102)에서 추출되는 센싱 데이터에는, 센서의 오작동, 센싱 오류, 데이터 수집 오류 등의 다양한 이유로 인하여 결측값이 존재할 수 있다. 이에 따라, 데이터 추출부(102)는 상기 센싱 데이터의 결측값의 개수를 고려하여 상기 센싱 데이터를 보정 또는 필터링하도록 구성된다.
예를 들어, 데이터 추출부(102)는 특정 센서로부터 추출된 센싱 데이터의 결측값의 개수가 설정된 기준값을 초과하는 경우, 상기 특정 센서로부터 추출된 센싱 데이터를 제거함으로써 해당 센서의 센싱값을 이후 분석에서 배제할 수 있다. 또한, 데이터 추출부(102)는 상기 특정 영역 또는 장치와 관계된 센싱 데이터의 결측값이 설정된 기준값을 초과하는 경우, 상기 특정 영역 또는 장치와 관계된 센싱 데이터를 모두 제거하도록 구성될 수 있다. 예를 들어, 데이터 추출부(102)는 분석 대상인 특정 장치가 이상 상태로 판단되는 구간에서 수집되는 센싱 데이터의 결측값의 개수가 기준값보다 많은 경우 해당 구간에서 수집되는 센싱 데이터를 모두 제거하여 이후의 분석에서 해당 구간을 배제할 수 있다. 즉, 본 발명의 실시예에서는 센싱 데이터의 결측값이 지나치게 많은 경우 관련된 모두 분석에서 배제함으로써 분석 결과에 오류가 발생하는 것을 최소화하도록 구성된다.
한편, 데이터 추출부(102)는 센싱 데이터에 결측값이 존재하나, 그 결측값의 개수가 설정된 기준값을 초과하지 않는 경우 전후의 센싱 데이터를 이용하여 결측값을 보정할 수 있다. 예를 들어, 데이터 추출부(102)는 다음의 수학식 1을 이용하여 결측값을 보정할 수 있다.
Figure pat00001
이때, y는 결측값, x는 결측 시각, ya는 결측 직전 센싱값, yb는 결측 직후 센싱값, xa 및 xb는 각각 ya 및 yb의 센싱 시각을 의미한다. 다만, 상기 수학식 1의 결측값 보정식은 단지 예시일 뿐이며, 이 외에도 결측값 보정을 위한 다양한 방법들이 적용될 수 있다. 즉, 본 발명은 특정한 결측값 보정 알고리즘에 한정되는 것은 아님에 유의한다.
데이터 전처리 및 기준 신호( Reference Signal ) 생성
상기와 같이 센싱 데이터가 추출되면, 다음으로 기준 신호 생성부(104)는 획득된 상기 센싱 데이터로부터 상기 복수 개의 센서 각각의 기준 신호(Reference Signal)를 생성하고, 전처리부(106)는 상기 센싱 데이터 및 상기 기준 신호에 대한 압축, 정규화 또는 심볼화 중 적어도 하나를 포함하는 전처리를 수행한다.
먼저, 전처리부(106)는 상기 센싱 데이터를 복수 개의 시간 구간으로 압축한다. 구체적으로 전처리부(106)는 상기 센싱 데이터를 복수 개(w개)의 시간 구간으로 분할하고, 분할된 상기 시간 구간별로 상기 센싱 데이터의 대표값을 계산함으로써 상기 센싱 데이터를 압축하게 된다. 이때 상기 대표값은 분할된 상기 시간 구간별 센싱 데이터의 평균값 또는 중간값으로 설정될 수 있다. 이와 같이 센싱 데이터를 압축할 경우 센싱 데이터의 전체 용량을 축소하는 동시에 데이터에 존재하는 노이즈를 감소시킬 수 있는 장점이 있다. 이때, 상기 w값, 즉 센싱 데이터를 분할하기 위한 구간의 개수를 결정하기 위하여, 예를 들어 SAX(Symbolic ApproXimation) 알고리즘 등이 사용될 수 있으나 반드시 이에 한정되는 것은 아니다.
이와 같은 센싱 데이터의 압축 과정을 예를 들어 설명하면 다음과 같다. 먼저, 특정 센서로부터 1초 간격으로 센싱된 센싱 데이터가 다음과 같다고 가정하자.
3.5, 3.8, 3.9, 4.1, 4.5, 4.7, 4.8, 4.8, 4.8, 4.7, 4.8, 4.9, ...
상기 센싱 데이터를 4개의 시간 구간으로 분할하고(w = 4), 각 구간 별 평균값을 계산하면 다음과 같다.
구간 1: (3.5 + 3.8 + 3.9) / 3 = 3.7
구간 2: (4.1 + 4.5 + 4.7) / 3 = 4.4
구간 3: (4.8 + 4.8 + 4.8) / 3 = 4.8
구간 4: (4.7 + 4.8 + 4.9) / 3 = 4.8
즉 상기 예에서, 센싱 데이터는 다음과 같이 압축될 수 있다.
3.7, 4.4, 4.8, 4.8
이후, 기준 신호 생성부(104)는 압축된 상기 센싱 데이터로부터 기준 신호(Reference Signal)를 생성한다. 본 발명의 실시예에서, 기준 신호는 센서 별 센싱 데이터의 거리를 계산하는 데 기준이 되는 신호를 의미한다.
기준 신호 생성부(104)에서의 기준 신호 생성 과정을 설명하면 다음과 같다. 먼저, 기준 신호 생성부(104)는 각 센서 별로, 상기 영역 또는 장치의 상태 정보를 이용하여 압축된 상기 센싱 데이터를 정상(good) 그룹 및 불량(bad) 그룹으로 분류한다. 즉, 상기 정상 그룹에는 상기 영역 또는 장치가 정상 상태인 경우의 센싱 데이터가 포함되며, 상기 불량 그룹에는 이상 상태인 경우의 센싱 데이터가 포함된다.
이후, 기준 신호 생성부(104)는 상기 시간 구간(w)별로 상기 정상 그룹에 속하는 센싱 데이터의 평균값 또는 중간값 중 어느 하나를 계산함으로써 상기 기준 신호를 생성한다. 즉, 본 발명에서 기준 신호는 각 구간 별 정상 그룹에 속한 센싱 데이터의 평균값 또는 중간값으로 정의될 수 있다.
한편, 기준 신호 생성부(104)는 상기 기준 신호를 생성하기 전, 먼저 상기 정상 그룹으로부터 이상치(outlier)를 제거하도록 구성될 수 있다. 상기 이상치는 정상 그룹에 속한 다른 센싱 데이터와 비교하여 볼 때 비정상적으로 차이가 큰 센싱 데이터를 의미한다. 이와 같은 이상치의 경우 센서 또는 설비의 일시적 장애 등 특수한 상황에서 발생하는 것이 일반적이므로, 이를 제외하지 않을 경우 오히려 기준 신호가 왜곡될 가능성이 있다. 기준 신호를 생성하기 전 이를 제거할 경우 기준 신호를 정확도를 향상할 수 있다.
예를 들어, 상기 센싱 데이터 별로 데이터 시작 시각 및 데이터 종료 시각이 존재하는 경우, 기준 신호 생성부(104)는 상기 정상 그룹에 속한 센싱 데이터들의 데이터 시작 시각 또는 데이터 종료 시각들의 분포를 계산하고, 데이터 시작 시각 또는 데이터 종료 시각 중 적어도 하나가 기 설정된 정상 범위에 포함되지 않는 센싱 데이터가 존재하는 경우, 해당 센싱 데이터를 제거하도록 구성될 수 있다. 이때 상기 정상 범위는 상기 정상 그룹에 포함된 센싱 데이터의 데이터 시작 시각 또는 데이터 종료 시각의 평균값 또는 표준 편차 중 하나 이상을 이용하여 계산될 수 있다.
예를 들어, 상기 정상 그룹에 포함된 센싱 데이터의 데이터 시작 시간의 평균값을 m, 표준편차를 s라 하면 상기 데이터 시작 시간의 정상 범위는 다음의 수학식 2와 같이 정해질 수 있다.
Figure pat00002
즉, 기준 신호 생성부(104)는 상기 정상 그룹에 속한 센싱 데이터 중 데이터 시작 시간이 상기 범위를 벗어나는 센싱 데이터를 제외하고 나머지 센싱 데이터만으로 기준 신호를 생성할 수 있다. 앞선 수학식에서는 데이터 시작 시간의 정상 범위만을 기재하였으나, 데이터 종료 시간 또한 동일한 방법으로 계산할 수 있음은 자명하다.
다음으로, 전처리부(106)는 압축된 상기 센싱 데이터를 정규화(normalization)한다. 구체적으로, 전처리부(106)는 상기 기준 신호의 평균 및 분산을 이용하여 다음의 수학식 3과 같이 센싱 데이터를 정규화할 수 있다.
Figure pat00003
이때, xi는 센싱 데이터의 i번째 센싱값, yi는 정규화된 센싱값, μ는 기준 신호의 평균, σ는 기준 신호의 분산을 의미한다.
다음으로, 전처리부(106)는 정규화된 상기 센싱 데이터의 센싱값 및 상기 기준 신호를 기 설정된 센싱값 범위에 따라 복수 개의 심볼(symbol)로 변환한다(symbolization). 구체적으로, 전처리부(106)는 정규화된 센싱값들이 분포하는 전체 구간을 복수 개(α개)의 소구간으로 분할하고, 분할된 각 소구간에 각각 다른 심볼(예를 들어, 알파벳 문자)을 부여함으로써 센싱 데이터를 심볼화할 수 있다. 예를 들어, 전처리부(106)는 다음의 수학식 4를 이용하여 센싱값들이 분포하는 구간을 분할할 수 있다.
Figure pat00004
이때, yi는 i번째 소구간의 임계값, n은 전체 소구간 개수, Φ는 누적정규분포를 각각 의미한다.
예를 들어, 정규화된 센싱 데이터가 다음과 같다고 가정하자.
-0.3, -0.7, -0.2, 0.4, 0.8, ...
만약 상기 센싱 데이터를 다음의 표 1과 같은 방법으로 심볼화한다고 가정할 경우, 상기 센싱 데이터는 다음과 같이 변환될 수 있다.
구간 심볼
-1.0 이상 -0.5 미만 A
-0.5 이상 0 미만 B
0 이상 0.5 미만 C
0.5 이상 1.0 미만 D
심볼화된 센싱 데이터: B A B C D
거리 테이블 생성 및 센서 검출
상기 과정을 거쳐 전처리부(106)에서의 센싱 데이터 전처리가 완료되면, 센서 검출부(108)는 전처리된 상기 센싱 데이터와 상기 기준 신호간의 거리를 계산하고, 계산된 상기 거리를 이용하여 상기 영역 또는 장치의 상태와 상관관계가 존재하는 하나 이상의 센서를 검출한다.
먼저, 센서 검출부(108)는 전처리된 상기 센싱 데이터의 각 센싱값들과 기준 신호간의 거리(MDIST)를 계산한다. 상기 거리는 예를 들어 아래의 수학식 5에 의하여 계산될 수 있다.
Figure pat00005
상기 수학식 5는 n개의 심볼(Symbol)로 표현된 두 시계열 데이터 Q, P의 번째 요소(Qi, Pi)간의 거리(MDISTi)를 계산하기 위한 수학식이다. 상기 수학식에서, r, c는 Qi 및 Pi로 구성된 룩업 테이블(Lookup Table)의 행(r)과 열(c)의 위치를 각각 나타낸다.
상기와 같이 각 센싱값들과 기준 신호간의 거리가 계산되면, 센서 검출부(108)는 상기 거리값 및 상기 영역 또는 장치의 상태 정보를 이용하여 거리 테이블(Distance Table)을 생성한다. 본 발명의 실시예에서, 센서 검출부(108)는 제1 거리 테이블 및 제2 거리 테이블을 포함하는 2개의 거리 테이블을 생성할 수 있다. 이 중 제1 거리 테이블은 각 센서들의 시간 구간에 따른 기준 신호와의 거리차를 기록한 테이블이다. 예를 들어, 구간 I1, I2, I3에서 특정 장치에 구비된 압력 센서와 온도 센서의 센싱값 및 기준 신호가 다음의 표 2와 같다고 가정하자.
센서 압력 온도 상태 정보
구간 I1 I2 I3 I1 I2 I3
기준 신호 C C C C D A
센싱 데이터1 C C B C D B 정상
센싱 데이터 2 A C D A C E 이상
이 경우 제1 거리 테이블은 다음의 표 3과 같이 계산될 수 있다.
센서 압력 온도 상태 정보
구간 I1 I2 I3 I1 I2 I3
센싱 데이터 1 0 0 1 0 0 1 정상
센싱 데이터 2 2 0 1 2 1 4 이상
제2 거리 테이블은 제1 거리 테이블의 센서별 거리(MDIST)의 합을 기록한 테이블이다. 예를 들어, 상기 표 3에 기재된 거리 테이블로부터 제2 거리 테이블을 생성하면 다음의 표 4와 같다.
센서 압력 온도 상태 정보
센싱 데이터 1 1 1 정상
센싱 데이터 2 3 7 이상
상기와 같이 거리 테이블이 생성되면, 다음으로 센서 검출부(108)는 상기 거리 테이블에 CART(Classification And Regression Tree) 알고리즘을 적용함으로써 디시젼 트리를 생성한다. 구체적으로, 센서 검출부(108)는 상기 제1 거리 테이블, 제2 거리 테이블 각각에 CART 알고리즘을 적용하여 2개의 디시젼 트리를 생성할 수 있다. 이때 제1 거리 테이블은 각 센싱 데이터의 어떤 구간이 상기 영역 또는 장치의 상태에 영향을 미치는지를 파악하는데, 제2 거리 테이블은 전반적으로 어떤 센서가 상기 영역 또는 장치의 상태에 영향을 미치는지를 파악하는데 각각 이용될 수 있다.
상기와 같이 거리 테이블에 CART 알고리즘을 적용할 경우, 디시젼 트리의 각 노드를 구성하는 센서들의 지니 지수(Gini Index)가 계산된다. 상기 지니 지수는 해당 노드에 대응되는 센서가 상기 영역 또는 장치의 상태에 미치는 영향을 나타내는 지수로서, 지니 지수가 높을수록 해당 센서가 상기 영역 또는 장치의 상태에 미치는 영향이 크다는 것을 의미한다. 따라서 센서 검출부(108)는 상기 CART 알고리즘 적용 결과 도출되는 지니 지수(Gini Index)에 따라 센서들을 정렬하고, 지니 지수가 기 설정된 값 이상인 센서를 상기 영역 또는 장치의 상태에 상관관계가 높은 센서로 검출할 수 있다.
도 2는 본 본 발명의 일 실시예에 따른 센싱 데이터 분석 방법(200)을 설명하기 위한 순서도이다. 먼저, 데이터 추출부(102)에서 특정 영역 또는 장치에 구비된 복수 개의 센서들로부터 센싱 데이터를 추출한다(202). 전술한 바와 같이, 상기 202단계는 센싱 데이터의 결측값의 개수를 고려하여 센싱 데이터를 보정 또는 필터링하는 단계를 더 포함할 수 있다. 예를 들어, 데이터 추출부(102)는 특정 센서로부터 추출된 센싱 데이터의 결측값의 개수가 설정된 기준값을 초과하는 경우, 특정 센서로부터 추출된 센싱 데이터를 제거할 수 있다. 또한 데이터 추출부(102)는 특정 상태와 관계된 센싱 데이터의 결측값이 설정된 기준값을 초과하는 경우, 상기 특정 상태와 관계된 센싱 데이터를 제거할 수 있다.
다음으로, 전처리부(106)에서 추출된 센싱 데이터를 압축한다(204). 구체적으로, 상기 204단계는 상기 센싱 데이터를 복수 개의 시간 구간으로 분할하는 단계, 및 분할된 시간 구간별 센싱 데이터의 대표값을 계산하는 단계를 더 포함할 수 있다. 이때 상기 대표값은 분할된 시간 구간별 센싱 데이터의 평균값 또는 중간값 중 어느 하나일 수 있다.
다음으로, 기준 신호 생성부(104)에서 상기 센싱 데이터로부터 복수 개의 센서 각각의 기준 신호(Reference Signal)를 생성한다(206). 이때 상기 206 단계는 각 센서 별로, 상기 영역 또는 장치의 상태 정보를 이용하여 압축된 센싱 데이터를 정상(good) 그룹 및 불량(bad) 그룹으로 분류하는 단계, 및 상기 시간 구간별로 정상 그룹에 속하는 센싱 데이터의 평균값 또는 중간값 중 어느 하나를 계산하는 단계를 포함할 수 있다.
또한, 전술한 바와 같이 기준 신호 생성부(104)는 기준 신호를 생성하기 이전, 상기 정상 그룹으로부터 이상치(outlier)를 제거하도록 구성될 수 있다. 이때 상기 이상치는 데이터 시작 시각 또는 데이터 종료 시각 중 적어도 하나가 기 설정된 정상 범위에 포함되지 않는 센싱 데이터를 의미함은 전술하였다. 상기 정상 범위는 상기 정상 그룹에 포함된 센싱 데이터의 데이터 시작 시각 또는 데이터 종료 시각의 평균값 또는 표준 편차 중 하나 이상을 이용하여 계산될 수 있다.
상기와 같이 기준 신호가 생성되면, 다음으로 전처리부(106)에서 기준 신호의 평균 및 분산을 이용하여 압축된 센싱 데이터를 정규화하고(208), 정규화된 센싱 데이터의 센싱값 및 기준 신호를 기 설정된 센싱값 범위에 따라 복수 개의 심볼(symbol)로 변환한다(210).
이후, 센서 검출부(108)는 센싱 데이터와 기준 신호와의 거리를 계산하고, 계산된 거리를 이용하여 거리 테이블을 생성하며(212), 상기 거리 테이블을 이용하여 상기 영역 또는 장치의 상태와 상관관계가 존재하는 하나 이상의 센서를 검출한다(214). 전술한 바와 같이, 센서 검출부(108)는 상기 거리 테이블에 CART(Classification And Regression Tree) 알고리즘을 적용하고, CART 알고리즘 적용 결과 도출되는 지니 지수(Gini Index)가 설정된 값 이상인 센서를 상기 영역 또는 장치의 상태와 상관관계가 존재하는 센서로 검출하도록 구성될 수 있다.
한편, 본 발명의 실시예는 본 명세서에서 기술한 방법들을 컴퓨터상에서 수행하기 위한 프로그램을 포함하는 컴퓨터 판독 가능 기록매체를 포함할 수 있다. 상기 컴퓨터 판독 가능 기록매체는 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야에서 통상의 지식을 가진 자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광 기록 매체, 플로피 디스크와 같은 자기-광 매체, 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
이상에서 대표적인 실시예를 통하여 본 발명에 대하여 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다.
그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100: 센싱 데이터 분석 시스템
102: 데이터 추출부
104: 기준 신호 생성부
106: 전처리부
108: 센서 검출부

Claims (31)

  1. 특정 영역 또는 장치에 구비된 복수 개의 센서들로부터 센싱 데이터를 추출하는 데이터 추출부;
    상기 센싱 데이터로부터 상기 복수 개의 센서 각각의 기준 신호(Reference Signal)를 생성하는 기준 신호 생성부; 및
    상기 센싱 데이터 및 상기 기준 신호를 이용하여 상기 특정 영역 또는 장치의 상태와 상관관계가 존재하는 하나 이상의 센서를 검출하는 센서 검출부를 포함하는 센싱 데이터 분석 시스템.
  2. 청구항 1에 있어서,
    상기 데이터 추출부는, 상기 센싱 데이터의 결측값의 개수를 고려하여 상기 센싱 데이터를 보정 또는 필터링하는, 센싱 데이터 분석 시스템.
  3. 청구항 2에 있어서,
    상기 데이터 추출부는, 특정 센서로부터 추출된 센싱 데이터의 결측값의 개수가 설정된 기준값을 초과하는 경우, 상기 특정 센서로부터 추출된 센싱 데이터를 제거하는, 센싱 데이터 분석 시스템.
  4. 청구항 2에 있어서,
    상기 데이터 추출부는, 특정 상태와 관계된 센싱 데이터의 결측값이 설정된 기준값을 초과하는 경우, 상기 특정 상태와 관계된 센싱 데이터를 제거하는, 센싱 데이터 분석 시스템.
  5. 청구항 1에 있어서,
    상기 센서 검출부는, 상기 센싱 데이터와 상기 기준 신호간의 거리를 계산하고, 계산된 상기 거리를 이용하여 상기 특정 영역 또는 장치의 상태와 상관관계가 존재하는 하나 이상의 센서를 검출하는, 센싱 데이터 분석 시스템.
  6. 청구항 1에 있어서,
    상기 센싱 데이터 및 상기 기준 신호에 대한 압축, 정규화 또는 심볼화 중 적어도 하나를 포함하는 전처리를 수행하는 전처리부를 더 포함하는, 센싱 데이터 분석 시스템.
  7. 청구항 6에 있어서,
    상기 전처리부는, 상기 센싱 데이터를 복수 개의 시간 구간으로 분할하고, 분할된 상기 시간 구간별로 상기 센싱 데이터의 대표값을 계산함으로써 상기 센싱 데이터를 압축하는, 센싱 데이터 분석 시스템.
  8. 청구항 7에 있어서,
    상기 대표값은 분할된 상기 시간 구간별 센싱 데이터의 평균값 또는 중간값 중 어느 하나인, 센싱 데이터 분석 시스템.
  9. 청구항 7에 있어서,
    상기 기준 신호 생성부는, 상기 각 센서 별로, 상기 특정 영역 또는 장치의 상태 정보를 이용하여 압축된 상기 센싱 데이터를 정상(good) 그룹 및 불량(bad) 그룹으로 분류하고,
    상기 시간 구간별로 상기 정상 그룹에 속하는 센싱 데이터의 평균값 또는 중간값 중 어느 하나를 계산함으로써 상기 기준 신호를 생성하는, 센싱 데이터 분석 시스템.
  10. 청구항 9에 있어서,
    상기 기준 신호 생성부는, 상기 기준 신호를 생성하기 이전, 상기 정상 그룹으로부터 이상치(outlier)를 제거하는, 센싱 데이터 분석 시스템.
  11. 청구항 10에 있어서,
    상기 이상치는, 데이터 시작 시각 또는 데이터 종료 시각 중 적어도 하나가 기 설정된 정상 범위에 포함되지 않는 센싱 데이터인, 센싱 데이터 분석 시스템.
  12. 청구항 11에 있어서,
    상기 정상 범위는 상기 정상 그룹에 포함된 센싱 데이터의 데이터 시작 시각 또는 데이터 종료 시각의 평균값 또는 표준 편차 중 하나 이상을 이용하여 계산되는, 센싱 데이터 분석 시스템.
  13. 청구항 6에 있어서,
    상기 전처리부는, 상기 기준 신호의 평균 및 분산을 이용하여 압축된 상기 센싱 데이터를 정규화하고, 정규화된 상기 센싱 데이터의 센싱값 및 상기 기준 신호를 기 설정된 센싱값 범위에 따라 복수 개의 심볼(symbol)로 변환하는, 센싱 데이터 분석 시스템.
  14. 청구항 13에 있어서,
    상기 센서 검출부는, 심볼화된 상기 센싱 데이터, 상기 기준 신호 및 상기 특정 영역 또는 장치의 상태 정보를 이용하여 거리 테이블(Distance Table)을 생성하고, 상기 거리 테이블에 CART(Classification And Regression Tree) 알고리즘을 적용함으로써 디시젼 트리를 생성하는, 센싱 데이터 분석 시스템.
  15. 청구항 14에 있어서,
    상기 센서 검출부는, 상기 CART 알고리즘 적용 결과 도출되는 지니 지수(Gini Index)가 설정된 값 이상인 센서를 상기 특정 영역 또는 장치의 상태와 상관관계가 존재하는 센서로 검출하는, 센싱 데이터 분석 시스템.
  16. 데이터 추출부에서, 특정 영역 또는 장치에 구비된 복수 개의 센서들로부터 센싱 데이터를 추출하는 단계;
    기준 신호 생성부에서, 상기 센싱 데이터로부터 상기 복수 개의 센서 각각의 기준 신호(Reference Signal)를 생성하는 단계; 및
    센서 검출부에서, 상기 센싱 데이터 및 상기 기준 신호를 이용하여 상기 특정 영역 또는 장치의 상태와 상관관계가 존재하는 하나 이상의 센서를 검출하는 단계를 포함하는 센싱 데이터 분석 방법.
  17. 청구항 16에 있어서,
    상기 센싱 데이터를 추출하는 단계는, 상기 센싱 데이터의 결측값의 개수를 고려하여 상기 센싱 데이터를 보정 또는 필터링하는 단계를 더 포함하는, 센싱 데이터 분석 방법.
  18. 청구항 17에 있어서,
    상기 센싱 데이터를 보정 또는 필터링하는 단계는, 특정 센서로부터 추출된 센싱 데이터의 결측값의 개수가 설정된 기준값을 초과하는 경우, 상기 특정 센서로부터 추출된 센싱 데이터를 제거하도록 구성되는, 센싱 데이터 분석 방법.
  19. 청구항 17에 있어서,
    상기 센싱 데이터를 보정 또는 필터링하는 단계는, 특정 상태와 관계된 센싱 데이터의 결측값이 설정된 기준값을 초과하는 경우, 상기 특정 상태와 관계된 센싱 데이터를 제거하도록 구성되는, 센싱 데이터 분석 방법.
  20. 청구항 1에 있어서,
    상기 센서를 검출하는 단계는, 상기 센싱 데이터와 상기 기준 신호간의 거리를 계산하고, 계산된 상기 거리를 이용하여 상기 특정 영역 또는 장치의 상태와 상관관계가 존재하는 하나 이상의 센서를 검출하는, 센싱 데이터 분석 방법.
  21. 청구항 16에 있어서,
    상기 센싱 데이터를 추출하는 단계의 수행 후 및 상기 기준 신호를 생성하는 단계의 수행 전,
    전처리부에서, 추출된 상기 센싱 데이터를 압축하는 단계를 더 포함하는, 센싱 데이터 분석 방법.
  22. 청구항 21에 있어서,
    상기 센싱 데이터를 압축하는 단계는,
    상기 센싱 데이터를 복수 개의 시간 구간으로 분할하는 단계; 및
    분할된 상기 시간 구간별 센싱 데이터의 대표값을 계산하는 단계를 더 포함하는, 센싱 데이터 분석 방법.
  23. 청구항 22에 있어서,
    상기 대표값은 분할된 상기 시간 구간별 센싱 데이터의 평균값 또는 중간값 중 어느 하나인, 센싱 데이터 분석 방법.
  24. 청구항 21에 있어서,
    상기 각 센서별 기준 신호를 생성하는 단계는,
    상기 각 센서 별로, 상기 특정 영역 또는 장치의 상태 정보를 이용하여 상기 압축된 센싱 데이터를 정상(good) 그룹 및 불량(bad) 그룹으로 분류하는 단계; 및
    상기 시간 구간별로 상기 정상 그룹에 속하는 센싱 데이터의 평균값 또는 중간값 중 어느 하나를 계산하는 단계를 포함하는, 센싱 데이터 분석 방법.
  25. 청구항 24에 있어서,
    상기 압축된 센싱 데이터를 정상(good) 그룹 및 불량(bad) 그룹으로 분류하는 단계는, 상기 정상 그룹으로부터 이상치(outlier)를 제거하는 단계를 더 포함하는, 센싱 데이터 분석 방법.
  26. 청구항 25에 있어서,
    상기 이상치는, 데이터 시작 시각 또는 데이터 종료 시각 중 적어도 하나가 기 설정된 정상 범위에 포함되지 않는 센싱 데이터인, 센싱 데이터 분석 방법.
  27. 청구항 26에 있어서,
    상기 정상 범위는 상기 정상 그룹에 포함된 센싱 데이터의 데이터 시작 시각 또는 데이터 종료 시각의 평균값 또는 표준 편차 중 하나 이상을 이용하여 계산되는, 센싱 데이터 분석 방법.
  28. 청구항 21에 있어서,
    상기 하나 이상의 센서를 검출하는 단계의 수행 전,
    상기 전처리부에서, 상기 기준 신호의 평균 및 분산을 이용하여 압축된 상기 센싱 데이터를 정규화하는 단계; 및
    상기 전처리부에서, 정규화된 상기 센싱 데이터의 센싱값 및 상기 기준 신호를 기 설정된 센싱값 범위에 따라 복수 개의 심볼(symbol)로 변환하는 단계를 더 포함하는, 센싱 데이터 분석 방법.
  29. 청구항 28에 있어서,
    상기 하나 이상의 센서를 검출하는 단계는,
    심볼화된 상기 센싱 데이터, 상기 기준 신호 및 상기 특정 영역 또는 장치의 상태 정보를 이용하여 거리 테이블(Distance Table)을 생성하는 단계; 및
    상기 거리 테이블에 CART(Classification And Regression Tree) 알고리즘을 적용하는 단계를 포함하는, 센싱 데이터 분석 방법.
  30. 청구항 29에 있어서,
    상기 하나 이상의 센서를 검출하는 단계는, 상기 CART 알고리즘 적용 결과 도출되는 지니 지수(Gini Index)가 설정된 값 이상인 센서를 상기 특정 영역 또는 장치의 상태와 상관관계가 존재하는 센서로 검출하는, 센싱 데이터 분석 방법.
  31. 하나 이상의 프로세서;
    메모리; 및
    하나 이상의 프로그램을 포함하는 장치로서,
    상기 하나 이상의 프로그램은 상기 메모리에 저장되고 상기 하나 이상의 프로세서에 의해 실행되도록 구성되며,
    상기 프로그램은, 특정 영역 또는 장치에 구비된 복수 개의 센서들로부터 센싱 데이터를 추출하는 과정;
    상기 센싱 데이터로부터 상기 복수 개의 센서 각각의 기준 신호(Reference Signal)를 생성하는 과정; 및
    상기 센싱 데이터 및 상기 기준 신호를 이용하여 상기 특정 영역 또는 장치의 상태와 상관관계가 존재하는 하나 이상의 센서를 검출하는 과정을 실행하기 위한 명령어들을 포함하는, 장치.
KR1020130062301A 2013-05-31 2013-05-31 센싱 데이터 분석 시스템 및 방법 KR101606239B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020130062301A KR101606239B1 (ko) 2013-05-31 2013-05-31 센싱 데이터 분석 시스템 및 방법
US14/012,395 US20140358487A1 (en) 2013-05-31 2013-08-28 System and method for analyzing sensed data
CN201310384887.4A CN104216350B (zh) 2013-05-31 2013-08-29 感测数据分析系统及方法
PCT/KR2013/007827 WO2014193040A1 (ko) 2013-05-31 2013-08-30 센싱 데이터 분석 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130062301A KR101606239B1 (ko) 2013-05-31 2013-05-31 센싱 데이터 분석 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20140141052A true KR20140141052A (ko) 2014-12-10
KR101606239B1 KR101606239B1 (ko) 2016-03-24

Family

ID=51986084

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130062301A KR101606239B1 (ko) 2013-05-31 2013-05-31 센싱 데이터 분석 시스템 및 방법

Country Status (4)

Country Link
US (1) US20140358487A1 (ko)
KR (1) KR101606239B1 (ko)
CN (1) CN104216350B (ko)
WO (1) WO2014193040A1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101694708B1 (ko) * 2016-07-01 2017-01-23 김기웅 부스바를 이용하여 온도 감지 및 조절하는 수배전반
KR20180046984A (ko) * 2016-10-28 2018-05-10 주식회사 포스코아이씨티 전후공정의 데이터 연계를 위한 데이터의 정렬 방법 및 정렬 시스템
KR101876408B1 (ko) * 2016-12-30 2018-07-09 한국건설기술연구원 다점 센싱 데이터의 상호상관관계를 이용한 계측자료 압축 시스템, 방법, 및 상기 방법을 실행하기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체
KR101977310B1 (ko) * 2018-02-05 2019-05-10 한국생산기술연구원 생산공정에서 품질을 관리하는 방법 및 장치
KR20210046521A (ko) * 2019-10-18 2021-04-28 주식회사 네오펙트 센싱 장치, 센싱데이터의 처리 방법 및 프로그램
KR102310735B1 (ko) * 2020-12-21 2021-10-08 (주)위세아이텍 회전설비의 진동 신호에 대한 이상 탐지 장치 및 방법
KR102338505B1 (ko) * 2021-04-08 2021-12-13 주식회사 인코어드 테크놀로지스 태양광 발전 이상 탐지 시스템 및 방법

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2916260A1 (en) * 2014-03-06 2015-09-09 Tata Consultancy Services Limited Time series analytics
US20170261406A1 (en) * 2016-03-10 2017-09-14 Simmonds Precision Products, Inc. Physical component fault diagnostics
US20180137218A1 (en) * 2016-11-11 2018-05-17 General Electric Company Systems and methods for similarity-based information augmentation
KR101930766B1 (ko) 2017-01-25 2018-12-19 강릉원주대학교산학협력단 센서 데이터 선택 방법
JP6724847B2 (ja) * 2017-03-31 2020-07-15 オムロン株式会社 制御装置、制御プログラム、制御システム、および制御方法
KR102023627B1 (ko) * 2017-12-12 2019-11-04 인천대학교 산학협력단 저속 무선 통신을 위한 효율적인 센서 데이터 압축 및 복원 방법과 장치
EP3511795A1 (en) * 2018-01-12 2019-07-17 Siemens Aktiengesellschaft Industrial process data processing
JP7189499B2 (ja) 2018-05-07 2022-12-14 オムロン株式会社 センサシステム
US20200090314A1 (en) * 2018-09-13 2020-03-19 Virtual Control Limited System and method for determining a condition of an object
JP2022537360A (ja) * 2019-06-19 2022-08-25 ビルト エンバイロメント コンプライアンス プロプライエタリー リミテッド 安全管理及び建物の運用評価システムならびに複数入居建築物用の方法
JP7314692B2 (ja) 2019-07-31 2023-07-26 コニカミノルタ株式会社 画像形成装置および画像形成装置診断システム
JP7423945B2 (ja) * 2019-09-13 2024-01-30 コニカミノルタ株式会社 画像形成装置および画像形成装置診断システム
JP7379977B2 (ja) 2019-09-17 2023-11-15 コニカミノルタ株式会社 画像形成装置および画像形成装置診断システム
DE102019219922B4 (de) * 2019-12-17 2023-07-20 Volkswagen Aktiengesellschaft Verfahren zur Übertragung einer Mehrzahl an Signalen sowie Verfahren zum Empfang einer Mehrzahl an Signalen

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6101275A (en) * 1998-01-26 2000-08-08 International Business Machines Corporation Method for finding a best test for a nominal attribute for generating a binary decision tree
JP2002214185A (ja) * 2001-01-16 2002-07-31 Nissin Electric Co Ltd センサ異常の検出方法及び検出装置
JP2004177990A (ja) * 2002-11-22 2004-06-24 Ntt Docomo Inc 情報提示システム、情報提示方法、プログラム及び記録媒体
JP2005147821A (ja) 2003-11-14 2005-06-09 Mitsutoyo Corp センサ信号処理装置、センサ信号処理方法、測定機、センサ信号処理プログラム、および記録媒体
JP2005164378A (ja) * 2003-12-02 2005-06-23 Hitachi Ltd 移動体データ解析装置および移動体データ解析システム
JP3950135B2 (ja) * 2004-11-26 2007-07-25 株式会社日立製作所 ガス検知システム
JP4501750B2 (ja) * 2005-03-29 2010-07-14 セイコーエプソン株式会社 検出装置および認証装置
US7873673B2 (en) * 2007-03-02 2011-01-18 Samsung Electronics Co., Ltd. Method and system for data aggregation in a sensor network
US7696866B2 (en) 2007-06-28 2010-04-13 Microsoft Corporation Learning and reasoning about the context-sensitive reliability of sensors
KR100918117B1 (ko) * 2007-11-29 2009-09-22 한국전자통신연구원 센서 네트워크 관리 장치 및 그 방법
EP2131292A1 (en) * 2008-06-06 2009-12-09 NTT DoCoMo, Inc. Method and apparatus for searching a plurality of realtime sensors
JP4961417B2 (ja) * 2008-12-17 2012-06-27 株式会社テイエルブイ 機器状態情報収集方法、及び、それに用いる機器状態情報収集キット
KR20110038208A (ko) * 2009-10-08 2011-04-14 주식회사코어벨 스마트센서시스템에서 상황인지 기반 정보처리 방법
US9443201B2 (en) * 2010-06-09 2016-09-13 Siemens Aktiengesellschaft Systems and methods for learning of normal sensor signatures, condition monitoring and diagnosis
US8471702B2 (en) * 2010-12-22 2013-06-25 General Electric Company Method and system for compressor health monitoring

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101694708B1 (ko) * 2016-07-01 2017-01-23 김기웅 부스바를 이용하여 온도 감지 및 조절하는 수배전반
KR20180046984A (ko) * 2016-10-28 2018-05-10 주식회사 포스코아이씨티 전후공정의 데이터 연계를 위한 데이터의 정렬 방법 및 정렬 시스템
KR101876408B1 (ko) * 2016-12-30 2018-07-09 한국건설기술연구원 다점 센싱 데이터의 상호상관관계를 이용한 계측자료 압축 시스템, 방법, 및 상기 방법을 실행하기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체
KR101977310B1 (ko) * 2018-02-05 2019-05-10 한국생산기술연구원 생산공정에서 품질을 관리하는 방법 및 장치
KR20210046521A (ko) * 2019-10-18 2021-04-28 주식회사 네오펙트 센싱 장치, 센싱데이터의 처리 방법 및 프로그램
KR102310735B1 (ko) * 2020-12-21 2021-10-08 (주)위세아이텍 회전설비의 진동 신호에 대한 이상 탐지 장치 및 방법
KR102338505B1 (ko) * 2021-04-08 2021-12-13 주식회사 인코어드 테크놀로지스 태양광 발전 이상 탐지 시스템 및 방법

Also Published As

Publication number Publication date
CN104216350A (zh) 2014-12-17
CN104216350B (zh) 2018-02-02
KR101606239B1 (ko) 2016-03-24
WO2014193040A1 (ko) 2014-12-04
US20140358487A1 (en) 2014-12-04

Similar Documents

Publication Publication Date Title
KR101606239B1 (ko) 센싱 데이터 분석 시스템 및 방법
KR101538843B1 (ko) 제조 설비의 센서 데이터를 활용한 수율 분석 시스템 및 방법
US10514974B2 (en) Log analysis system, log analysis method and program recording medium
RU2618359C2 (ru) Способ анализа полетных данных
US20150219530A1 (en) Systems and methods for event detection and diagnosis
US20150220847A1 (en) Information Processing Apparatus, Diagnosis Method, and Program
US20140149325A1 (en) System monitor and method of system monitoring
US20130331723A1 (en) Respiration monitoring method and system
WO2014132612A1 (ja) システム分析装置、及び、システム分析方法
CN111919242B (zh) 用于处理多个信号的系统和方法
CN113868006A (zh) 时间序列的检测方法、装置、电子设备及计算机存储介质
CN115828170B (zh) 一种基于掘进机电控数据的故障检测方法
US9672677B2 (en) Method and apparatus for detecting magnetic signal of paper money
CN116047164A (zh) 一种电动汽车绝缘电阻异常的检测方法和检测装置
US9696717B2 (en) Apparatus and method of segmenting sensor data output from a semiconductor manufacturing facility
JP6135192B2 (ja) 時系列データの異常監視装置、異常監視方法及びプログラム
Harmouche et al. Faults diagnosis and detection using principal component analysis and kullback-leibler divergence
KR20180126949A (ko) 개인인증을 위한 웨어러블 디바이스의 ecg 템플릿 검출 방법
KR101749798B1 (ko) 이력데이터의 이상치 평가 장치 및 방법
US9317386B2 (en) Event processing method and apparatus performing the same
KR102504421B1 (ko) 진동 측정 오류 판단 방법 및 이를 이용하는 진동 오류 판별 시스템
KR20130097300A (ko) 계층적 뇌파인식 방법 및 시스템
US20220342407A1 (en) Irregularity detection system, irregularity detection method, and computer readable medium
JP6213655B2 (ja) 時系列データの異常監視装置、異常監視方法及びプログラム
US20140210632A1 (en) Amplitude and frequency-based determination

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E902 Notification of reason for refusal
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190102

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20200121

Year of fee payment: 5