KR20170030201A - 경보의 오류율 계산 방법 - Google Patents

경보의 오류율 계산 방법 Download PDF

Info

Publication number
KR20170030201A
KR20170030201A KR1020150127438A KR20150127438A KR20170030201A KR 20170030201 A KR20170030201 A KR 20170030201A KR 1020150127438 A KR1020150127438 A KR 1020150127438A KR 20150127438 A KR20150127438 A KR 20150127438A KR 20170030201 A KR20170030201 A KR 20170030201A
Authority
KR
South Korea
Prior art keywords
alarm
error rate
data
calculating
time
Prior art date
Application number
KR1020150127438A
Other languages
English (en)
Other versions
KR101748122B1 (ko
Inventor
권순목
강지훈
유동호
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 KR1020150127438A priority Critical patent/KR101748122B1/ko
Priority to US15/091,261 priority patent/US9704382B2/en
Priority to CN201610353057.9A priority patent/CN106529683A/zh
Publication of KR20170030201A publication Critical patent/KR20170030201A/ko
Application granted granted Critical
Publication of KR101748122B1 publication Critical patent/KR101748122B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/185—Electrical failure alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/02—Monitoring continuously signalling or alarm systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/187—Machine fault alarms

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Computer Security & Cryptography (AREA)
  • Game Theory and Decision Science (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Emergency Management (AREA)
  • Alarm Systems (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

설비의 고장 발생을 알리는 경보의 오류율을 계산하는 방법이 개시된다. 본 발명의 일 실시예에 따른 오류율 계산 방법은, 과거의 고장 기록 데이터로 시간대별 발생된 경보가 참일 확률 및 거짓일 확률을 계산하는 단계 및 상기 시간대별 발생된 경보가 참일 확률에 대한 거짓일 확률의 비율로상기 경보의 오류율을 계산하는 단계를 포함한다.

Description

경보의 오류율 계산 방법{METHOD FOR CALCULATING AN ERROR RATE OF ALARM}
본 발명은 경보의 오류율 계산 방법에 관한 것으로, 보다 상세하게는 경보가 발생된 시간대의 특징을 고려하여 경보의 오류율을 계산하고 계산 결과 발생된 경보가 오경보가 아니라고 판단된 경우에 한하여 이를 설비 운영자에게 제공하는 경보의 오류율 계산 방법에 관한 것이다.
이상 감지(Anomaly Detection)는 과거에 축적된 데이터를 기반으로 현재 상태가 정상인지 이상인지를 판정하여 경보를 생성하는 것으로 많은 분야에 활용되고 있다.
예를 들어, 공장 내 대형 모터나 펌프와 같은 각종 설비, 발전소 터빈, 빌딩 내부의 공조기 등 대형 인프라에 대해 이상 감지 방법을 적용하여 고장이 실제로 발생하기 전에 경보가 발생되도록 하는 것이 이에 해당된다.
그러나, 감지 대상의 운용에 문제가 없는데도 불구하고 경보가 발생되는 거짓 경보(False Alarm)는 이상 감지의 문제점 중 하나로 인식되었다. 거짓 경보가 초래하는 사용자 불편, 경제적 손실, 보안 업무의 공백 등은 이상 감지 솔루션의 효용을 감소시키게 된다.
따라서, 발생된 거짓 경보의 원인을 규명하고 규명된 요인들을 추출 및 분석하여 향후 발생될 수 있는 오경보를 배제할 수 있는 방법의 필요성이 대두되었다.
A Study of Data Mining Methodology for Effective Analysis of False Alarm Event on Mechanical Security System, 정보 보안 논문지 제12권 제2호(2012, 05), JonoMin Kim, KyongHo Choi, DongHwi Lee
본 발명은 상술한 문제점을 해결하기 위해 안출된 것으로, 본 발명의 목적은 경보가 일어난 시간대의 특징을 고려하여 경보의 오류율을 계산하는 방법을 제공하는데 있다.
본 발명의 또 다른 목적은 경보가 일어난 시간대의 특징을 고려할 때, 과거 설비 점검 기록과 고장 기록을 활용하여 경보의 오류율을 계산하는 방법을 제공하는데 있다.
본 발명의 또 다른 목적은 비모수추정 기법인 부트스트랩(bootstrap) 알고리즘을 활용하여 시간대별 발생된 경보가 참일 확률을 계산할 수 있는 경보의 오류율 계산 방법을 제공하는데 있다.
본 발명의 또 다른 목적은 발생된 경보 중 참일 가능성이 높은 경보를 선별하여 사용자에게 제공할 수 있는 오류율 계산 방법을 제공하는데 있다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속한 기술분야의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 목적을 달성하기 위한 설비의 고장 발생을 알리는 경보의 오류율을 계산하는 방법은, 과거의 고장 기록 데이터로 시간대별 발생된 경보가 참일 확률 및 거짓일 확률을 계산하는 단계 및 상기 시간대별 발생된 경보가 참일 확률에 대한 거짓일 확률의 비율로상기 경보의 오류율을 계산하는 단계를 포함한다.
본 발명의 일 실시예에 따르면, 상기 시간대별 발생된 경보가 참일 확률 및 거짓을 확률을 계산하는 단계는, 상기 과거의 고장 기록 데이터로 상기 설비 수명의 누적 분포 함수(CDF : Cumulative Distribution Function)를 산출하는 단계 및 상기 과거의 고장 기록 데이터로 리드 타임의 누적 분포 함수를 산출하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 상기 설비 수명의 누적 분포 함수를 산출하는 단계는, 설비 점검이 이루어진 시간 간격을 상기 설비의 수명으로 샘플링하는 단계 및 상기 샘플링된 상기 설비의 수명 데이터로 상기 설비 수명의 누적 분포 함수를 산출하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 상기 설비의 수명 데이터로 상기 설비 수명의 누적 분포 함수를 산출하는 단계는, 상기 샘플링된 복수의 설비 수명 데이터 중 임의의 개수의 데이터를 무작위로 추출하여 복수개의 설비 수명 데이터가 포함된 복수개의 데이터 군을 구성하는 단계, 각 데이터 군별로 임의의 설비 수명 데이터가 포함된 확률을 계산하는 단계, 상기 확률의 평균값을 산출하여 전체 데이터에서 상기 임의의 설비 수명 데이터에 대한 누적 분포 함수를 산출하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 상기 리드 타임의 누적 분포 함수를 산출하는 단계는, 과거 고장이 발생된 시간과 경보가 발생된 시간의 차이를 샘플링하는 단계 및 상기 샘플링된 고장 발생 시간과 경보 발생 시간 차이의 데이터로 상기 리드 타임의 누적 분포 함수를 산출하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 상기 계산된 경보의 오류율 및 상기 경보의 오류율을 계산하는데 사용된 고장 기록 데이터를 저장하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 따르면, 상기 고장 기록 데이터를 저장하는 단계는, 상기 설비에 대해 설비 점검이 수행된 시간, 경보 발생 시간, 고장 발생 시간 및 상기 경보 발생 시간의 리드 타임을 저장하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 신규 경보가 발생되면, 상기 신규 경보의 고장 데이터와 동일하거나 유사한 고장 데이터로 산출된 오류율을 상기 신규 경보의 오류율로 추정하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 따르면, 상기 추정된 상기 신규 경보의 오류율이 기 설정된 임계값 미만인 경우에 한하여 상기 신규 경보를 사용자에게 제공하는 단계를 더 포함할 수 있다.
본 발명의 또 다른 실시예에 따라 설비의 고장 발생을 알리는 경보의 오류율을 계산하는 경보의 오류율 계산 장치는, 상기 설비의 과거 고장 기록 데이터를 저장하는 저장부, 상기 설비의 과거 고장 기록 데이터로 시간대별 발생된 경보가 참일 확률 및 거짓일 확률을 계산하는 부트스트랩 추정부 및 상기 시간대별 발생된 경보가 참일 확률에 대한 거짓일 확률의 비율로상기 경보의 오류율을 계산하는 오류율 계산부를 포함한다.
본 발명의 일 실시예에 따르면, 상기 부트스트랩 추정부는, 상기 설비의 과거 고장 기록 데이터로 상기 설비 수명의 누적 분포 함수(CDF : Cumulative Distribution Function) 및 리드 타임의 누적 분포 함수를 산출할 수 있다.
본 발명의 일 실시예에 따르면, 상기 부트스트랩 추정부는, 설비 점검이 이루어진 시간 간격을 상기 설비의 수명으로 샘플링하고, 상기 샘플링된 상기 설비의 수명 데이터로 상기 설비 수명의 누적 분포 함수를 산출할 수 있다.
본 발명의 일 실시예에 따르면, 상기 부트스트랩 추정부는, 상기 샘플링된 복수의 설비 수명 데이터 중 임의의 개수의 데이터를 무작위로 추출하여 복수개의 설비 수명 데이터가 포함된 복수개의 데이터 군을 구성하고, 각 데이터 군별로 임의의 설비 수명 데이터가 포함된 확률을 계산한 후, 상기 확률의 평균값을 산출하여 전체 데이터에서 상기 임의의 설비 수명 데이터에 대한 누적 분포 함수를 산출할 수 있다.
본 발명의 일 실시예에 따르면, 상기 부트스트랩 추정부는, 과거 고장이 발생된 시간과 경보가 발생된 시간의 차이를 샘플링하고, 상기 샘플링된 고장 발생 시간과 경보 발생 시간 차이의 데이터로 상기 리드 타임의 누적 분포 함수를 산출할 수 있다.
본 발명의 일 실시예에 따르면, 상기 저장부는, 상기 계산된 경보의 오류율 및 상기 경보의 오류율을 계산하는데 사용된 고장 기록 데이터를 저장할 수 있다.
본 발명의 일 실시예에 따르면, 상기 고장 기록 데이터는, 상기 설비에 대해 설비 점검이 수행된 시간, 경보 발생 시간, 고장 발생 시간 및 상기 경보 발생 시간의 리드 타임 중 적어도 하나일 수 있다.
본 발명의 일 실시예에 따르면, 신규 경보가 발생되면, 상기 신규 경보의 고장 데이터와 동일하거나 유사한 고장 데이터로 산출된 오류율을 상기 신규 경보의 오류율로 추정하는 선별부를 더 포함할 수 있다.
본 발명의 일 실시예에 따르면, 상기 추정된 상기 신규 경보의 오류율이 기 설정된 임계값 미만인 경우에 한하여 상기 신규 경보를 사용자에게 제공하는 알람 발생부를 더 포함할 수 있다.
본 발명의 또 다른 실시예에 따라 설비의 고장 발생을 알리는 경보의 오류율을 계산하는 장치는, 하나 이상의 프로세서, 상기 프로세서의 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리 및 라이센스를 관리하는 컴퓨터 프로그램을 저장하는 스토리지를 포함하되, 상기 컴퓨터 프로그램은, 과거의 고장 기록 데이터로 시간대별 발생된 경보가 참일 확률 및 거짓일 확률을 계산하는 오퍼레이션 및 상기 시간대별 발생된 경보가 참일 확률에 대한 거짓일 확률의 비율로상기 경보의 오류율을 계산하는 오퍼레이션을 포함한다.
본 발명의 또 다른 실시예에 따라 컴퓨터 장치와 결합하여 설비의 고장 발생을 알리는 경보의 오류율을 계산하는 컴퓨터 프로그램은 과거의 고장 기록 데이터로 시간대별 발생된 경보가 참일 확률 및 거짓일 확률을 계산하는 단계, 상기 시간대별 발생된 경보가 참일 확률에 대한 거짓일 확률의 비율로 상기 경보의 오류율을 계산하는 단계를 실행하도록 저장 매체에 기록될 수 있다.
상술한 본 발명의 일 실시예에 따른 경보의 오류율 계산 장치 및 방법에 따르면, 연속된 시간 속에서 발생된 경보의 오류율을 과거의 데이터로부터 추정하여 사용자에게 제공할 수 있다는 효과를 달성할 수 있다.
또한, 따라서, 거짓 경보 발생에 따른 사용자 불편, 경제적 손실을 최소화시킬 수 있다는 효과를 달성할 수 있다.
도 1은 본 발명의 일 실시예에 따른 경보 오류율 계산 장치를 설명하기 위한 기능 블록도이다.
도 2는 본 발명의 일 실시예에 따라 과거의 고장 기록 데이터로 발생된 경보의 오류율을 계산하는 과정을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따라 설비 점검과 고장이 복수 회 존재하는 경우 f 함수와 g 함수를 계산하는 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따라 과거 고장 기록 데이터로부터 설비 수명을 추정하는 과정을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따라 과거 고장 기록 데이터로부터 경보 리드 타임 데이터를 축적하는 과정을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 부트스트랩 추정부의 구체적인 동작을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따라 현재 발생된 경보의 오류율을 추정하는 과정을 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시예에 따라 고장 데이터의 유사성을 이용하여 현재 발생된 경보의 오류율을 결정하는 방법을 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시예에 따라 오류율에 관한 정보가 최신으로 유지되는 과정을 설명하기 위한 흐름도이다.
도 10은 본 발명의 일 실시예에 따라 경보의 오류율을 고려하여 발생된 경보를 선별적으로 사용자에게 제공하는 방법을 설명하기 위한 흐름도이다.
도 11은 본 발명의 일 실시예에 따른 경보의 오류율 계산 방법을 설명하기 위한 흐름도이다.
도 12는 본 발명의 또 다른 실시예에 따른 경보의 오류율 계산 장치를 설명하기 위한 도면이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
또한, 본 명세서에서 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함될 수 있다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
도 1은 본 발명의 일 실시예에 따른 경보 오류율 계산 장치를 설명하기 위한 기능 블록도이다.
본 발명의 일 실시예에 따른 경보의 오류율 계산 장치(100)는 저장부(110), 부트스트랩 추정부(120), 오류율 계산부(130), 선별부(140) 및 알람 발생부(150)를 포함한다.
다만, 도 1에 도시된 오류율 계산 장치에는 본 발명의 실시예와 관련 있는 구성요소들만이 도시되어 있다. 따라서, 본 발명의 속한 기술분야의 통상의 기술자라면 도 1에 도시된 구성요소들 외에 다른 범용적은 구성요소들이 더 포함될 수 있음을 알 수 있다.
저장부(110)는 설비의 과거 고장 기록 데이터를 저장한다. 본 발명의 일 실시예에 따른 과거 고장 기록 데이터는 설비에 대해 설비 점검이 수행된 시간, 과거 경보 발생 시간, 실제 고장 발생 시간 및 상기 경보 발생 시간의 리드 타임 등에 관한 기록이 될 수 있다.
부트스트랩 추정부(120)는 설비의 과거 고장 기록 데이터로 시간대별 발생된 경보가 참일 확률 및 거짓일 확률을 계산한다. 발생된 경보가 참일 확률은 설비 수명에 대한 누적 분포 함수로부터 산출될 수 있고 거짓일 확률은 리드 타임의 누적 분포 함수로부터 산출될 수 있다. 여기에서, 경보 리드 타임이란 경보 후 실제 고장이 발생되기까지 소요된 시간을 의미한다.
설비 수명의 누적 분포 함수 및 리드 타임의 누적 분포 함수로부터 발생된 경고가 참일 확률 및 거짓일 확률을 계산하는 과정은 도 2 내지 도 6에서 상세하게 설명하도록 한다.
오류율 계산부(130)는 시간대별 발생된 경보가 거짓일 확률에 대한 참일 확률의 비율로 상기 경보의 오류율을 계산한다. 여기에서 경보의 오류율이란, 실제 고장이 발생될 가능성이 낮음에도 불구하고 경보가 발생된 확률, 즉, 그 경보가 거짓 경보일 확률을 의미한다.
오류율이 높을수록 발생된 경보가 거짓 경보일 확률이 높다는 것을 의미하고, 오류율이 낮을수록 발생된 경보가 거짓 경보일 확률이 낮다는 것을 의미한다.
선별부(140)는 신규 경보가 발생되면, 상기 신규 경보의 고장 데이터와 동일하거나 유사한 고장 데이터로 산출된 오류율을 상기 신규 경보의 오류율로 추정한다. 본 발명의 일 실시예에 따른 경보의 오류율 계산 방법은 실제 고장이 발생되기 전에는 경보의 오류율을 계산할 수 없으므로 과거에 계산된 경보의 오류율로부터 현재 발생된 경보의 오류율을 추정한다.
과거 고장 기록 데이터로부터 현재 발생된 경보의 오류율을 추정하는 방법은 도 7 내지 도 9에서 상세하게 설명하도록 한다.
알람 발생부(150)는 신규 경보의 오류율이 기 설정된 임계값 미만인 경우에 한하여 그 신규 경보를 사용자에게 제공한다. 즉, 알람 발생부(150)는 발생된 경보 중 거짓 경보가 아닌 경보만을 선별하여 사용자에게 제공하는 일종의 필터로써의 기능을 수행한다.
상술한 본 발명의 일 실시예에 따른 경보의 오류율 계산 장치에 따르면, 연속된 시간 속에서 발생된 경보의 오류율을 과거의 데이터로부터 추정하여 사용자에게 제공할 수 있다는 효과를 달성할 수 있다.
이하에서는, 경보의 오류율을 계산하는 방법 및 과거 고장 데이터로부터 현재 발생된 경보의 오류율을 추정하는 방법을 상세하게 설명하도록 한다.
도 2는 본 발명의 일 실시예에 따라 과거의 고장 기록 데이터로 발생된 경보의 오류율을 계산하는 과정을 설명하기 위한 도면이다.
도 2에 도시된 그래프에서 tP는 설비 점검이 이루어진 시간을 의미하고, tA는 경보가 발생된 시간을 의미하며, tB는 실제 고장이 발생된 시간을 의미한다.
본 발명의 일 실시예에 따라 시간대별 발생된 경보가 참일 확률을 나타내는 f 함수(210)는 시간대별 설비 수명의 누적 분포 함수로부터 계산될 수 있다. 구체적으로, 시간대별 발생된 경보가 참일 확률을 의미하는 f 함수(210)는 다음과 같은 과정을 통해 도출될 수 있다.
Figure pat00001
여기에서, f’(t)는 설비 수명의 누적 분포 함수(CDF : Cumulative Distribution Function)를 의미한다.
상술한 수학식 1에 따르면, f 함수(210)는 설비 수명의 누적 분포 함수를 설비 점검 시간 tP만큼 이동시켜 얻을 수 있다.
고장이 발생된 시간 tB에 근접할수록 설비 수명이 다할 확률이 커지게 되므로, tB에 근접하여 발생된 경보는 참일 확률이 커지게 된다. 따라서, 시간대별 발생된 경보가 참일 확률을 의미하는 f 함수(210)는 tB에 근접할수록 큰 값을 갖도록 도시된다.
한편, 시간대별 발생된 경보가 거짓일 확률을 의미하는 g 함수(220)는 시간대별 경보 리드 타임의 누적 분포 함수로부터 계산될 수 있다.
리드 타임이 짧을수록, 즉 실제 고장이 발생된 시간이 임박해서 발생된 경보일수록 거짓 알람일 확률이 작아지게 된다.
상술한 경보 리드 타임의 누적 분포 함수로부터 g 함수(220)는 다음과 같은 과정을 통해 도출될 수 있다.
Figure pat00002
여기에서, g’(t)는 경보 리드 타임의 누적 분포 함수를 의미한다. 상술한 수학식 2에 따르면, g 함수(220)는 경보 리드 타임의 누적 분포 함수를 y축으로 대칭 이동한 후 tB만큼 이동시켜 얻을 수 있다.
tB에 임박하여 발생된 경보일수록 리드 타임이 짧아지고, 실제 고장 발생에 임박하여 발생된 경보가 거짓일 확률은 낮아지므로, 시간대별 발생된 경보가 거짓을 확률을 의미하는 g 함수(220)는 도 2와 같이 도시될 수 있다.
임의의 시점 tA에서 발생된 경보의 오류율은 발생된 경보가 거짓일 확률인 g 함수(220)에 대한 경보가 참일 확률인 f 함수(210)의 비율로 계산될 수 있다.
이를 수식으로 나타내면, 임의의 시점 tA에서 발생된 경보의 오류율은
Figure pat00003
로 표시할 수 있다.
실제 고장이 발생된 시간인 tB에 근접할수록 g 함수(220) 값은 작아지고, f 함수(210)의 값은 커지므로 오류율은 작아지게 된다. 즉, tB에 근접하여 발생된 경보일수록 거짓 경보일 확률이 작아지게 되는 것을 의미한다.
반면, 설비 점검이 이루어진 tP 시점 직후에 발생된 경보의 경우 g 함수(220)는 큰 값을 가지게 되고 f 함수(210)는 작은 값을 가지게 되므로 오류율이 커지게 된다. 즉, tP에 근접하여 발생된 경보일수록 거짓 경보일 확률이 크다는 것을 의미한다.
통상적으로, 설비 점검을 마친 직후에 설비에 고장이 발생될 확률은 설비의 수명이 임박한 시점에 고장이 발생될 확률보다 작으므로 논리적인 예측 결과가 수식으로 표현한 오류율과 일치함을 알 수 있다.
한편, 상술한 f 함수(210) 및 g 함수(220)는 tA에서 경보가 발생되고 실제 고장이 발생된 후에 계산될 수 있다. 즉, 경보의 오류율은 그 경보가 발생된 시점에 계산되는 것이 아니고, 경보가 발생된 후 실제 고장이 발생된 시점에서 계산되는 것이다.
오류율을 계산하는데 사용되는 f 함수(210) 및 g 함수(220)는 설비 점검이 수행된 시간, 경보 발생 시간, 고장 발생 시간 및 경보 발생 시간의 리드 타임으로부터 산출되는데 상술한 데이터는 실제 고장이 발생된 이후에 얻을 수 있기 때문이다.
따라서, 현재 발생된 경보의 오류율은 과거에 계산된 오류율로부터 추정될 수 있다. 과거에 계산된 오류율로부터 현재 발생된 경보의 오류율을 추정하는 방법에 대해서는 이하에서 설명하도록 한다.
한편, 도 2에서는 설비 점검과 고장이 1회씩 발생하는 경우를 예로 들어 설명하였으나, 실제 설비를 운용하는 과정에서는 설비에 대한 점검과 고장이 복수회 발생될 수도 있다.
도 3은 본 발명의 일 실시예에 따라 설비 점검과 고장이 복수 회 존재하는 경우 f 함수와 g 함수를 계산하는 방법을 설명하기 위한 도면이다.
f 함수들(210-1, 210-2, 210-3, 210-4, 210-5)은 설비 수명의 누적 분포 함수로부터 산출된 것이므로 설비 점검이 있을 때마다 초기화 된다. 설비 점검이 이루어진 후에는 설비 수명이 초기값으로 갱신되기 때문이다.
따라서, 도 3에 도시된 그래프에서 설비 점검을 나타내는 tP1, tP2, tP3 마다 f 함수들(210-1, 210-2, 210-3, 210-4, 210-5)이 초기화되고 있음을 확인할 수 있다.
g 함수들(220-1, 220-2, 220-3)은 경보 리드 타임의 누적 분포 함수로부터 산출된 것이므로, 실제 고장이 발생될 때마다 초기화 된다.
따라서, 도 3에 도시된 그래프에서 실제 고장 발생을 나타내는 tB1, tB2, tB3마다 g 함수들이 초기화되고 있음을 확인할 수 있다.
한편, 임의의 시점에 발생된 경보의 오류율은 경보가 발생된 시점이 어느 구간에 속해 있는지에 따라 다르게 계산될 수 있다. 상술한 바와 같이 설비 점검이 있을 때마나 f 함수가 초기화 되고, 실제 고장이 발생될 때마다 g 함수가 초기화 되기 때문이다.
경보가 발생된 시점을 tA라고 했을 때, tA가 발생된 시점에 따라 계산되는 오류율은 다음과 같이 나타낼 수 있다.
Figure pat00004
where
Figure pat00005
if
Figure pat00006
where
Figure pat00007
if
Figure pat00008
where
Figure pat00009
if
Figure pat00010
where
Figure pat00011
if
Figure pat00012
where
Figure pat00013
if
Figure pat00014
where
Figure pat00015
if
Figure pat00016
where
Figure pat00017
if
Figure pat00018
where
Figure pat00019
if
Figure pat00020
또한, 상술한 수학식 4를 일반화하면 다음과 같이 나타낼 수 있다.
Figure pat00021
Figure pat00022
if,
Figure pat00023
,
Figure pat00024
,
Figure pat00025
Figure pat00026
Figure pat00027
if
Figure pat00028
,
Figure pat00029
,
Figure pat00030
,
Figure pat00031
Figure pat00032
한편, 발생된 경보가 참일 확률 및 거짓일 확률을 계산하는데 필요한 설비 수명의 누적 분포 함수 및 경보 리드 타임의 누적 분포 함수는 과거의 고장 기록 데이터로부터 추정될 수 있다.
도 4는 본 발명의 일 실시예에 따라 과거 고장 기록 데이터로부터 설비 수명을 추정하는 과정을 설명하기 위한 도면이다.
설비 수명의 누적 분포 함수를 산출하기 위해서는 설비 수명에 대한 다수개의 샘플 데이터가 있어야 한다. 이에, 본 발명의 일 실시예에 따른 부트스트랩 추정부(120)는 저장부(110)에 기 저장된 데이터를 활용하여 설비 수명에 대한 샘플 데이터를 생성하고 이를 이용하여 설비 수명의 누적 분포 함수를 산출할 수 있다.
부트스트랩 추정부(120)는 설비 점검 간의 간격을 설비의 수명으로 샘플링하고, 샘플링된 설비의 수명 데이터로 설비 수명의 누적 분포 함수를 산출할 수 있다.
예를 들어, 임의의 설비에 대해 기 설정된 시간 간격으로 tp1 시점(410), tp2 시점(420), tp3 시점(430)에 설비 점검이 있었던 경우, 각 설비 시점의 간격을 설비의 수명으로 샘플링할 수 있다.
통상적으로 설비 점검은 그 설비의 수명이 임박한 시점에 이루어지므로, 설비 점검의 간격을 샘플링하면 그 설비의 수명을 추정할 수 있게 된다.
도 4에 도시된 실시예에서 tp1 시점(410)과 tp2 시점(420) 간의 간격을 설비의 제1 수명(440)으로 샘플링 하고 tp3 시점(430)과 tp2 시점(420) 간의 간격을 설비의 제2 수명(450)으로 샘플링 하여 설비의 수명에 관한 데이터를 축적할 수 있다.
또한, 상술한 과정을 통해 취득된 데이터는 그 설비 수명의 누적 분포 함수를 추정하는데 사용될 수 있다.
도 5는 본 발명의 일 실시예에 따라 과거 고장 기록 데이터로부터 경보 리드 타임 데이터를 축적하는 과정을 설명하기 위한 도면이다.
경보 리드 타임의 누적 분포 함수를 산출하기 위해서는 리드 타임에 대한 다수개의 샘플 데이터가 있어야 한다. 이에, 본 발명의 일 실시예에 따른 부트스트랩 추정부(120)는 저장부(110)에 기 저장된 데이터를 활용하여 리드 타임에 대한 샘플 데이터를 생성하고 이를 이용하여 리드 타임의 누적 분포 함수를 산출할 수 있다.
부트스트랩 추정부(120)는 과거 고장이 발생된 시점과 경보가 발생된 시점의 차이를 샘플링하여, 샘플링된 데이터로 리드 타임의 누적 분포 함수를 산출할 수 있다.
상술한 바와 같이, 경보 리드 타임은 실제 고장이 발생된 시간과 경보가 발생된 시간의 차이이므로 과거 고장 이력을 확인하면 리드 타임에 대한 복수개의 데이터를 샘플링할 수 있게 된다.
예를 들어, 과거 tA1 시점(510)에서 경보가 발생된 후 실제 고장이 발생된 tB1 시점(520)까지 소요된 시간을 제1 리드 타임(550)으로 샘플링하고, 과거 tA3 시점(530)에서 경보가 발생된 후 실제 고장이 발생된 tB2 시점(540)까지 소요된 시간을 제2 리드 타임(560)으로 샘플링할 수 있다.
상술한 과정을 거쳐 복수개의 리드 타임에 대한 데이터를 샘플링 하면, 리드 타임의 누적 분포 함수를 산출할 수 있게 된다.
이하에서는, 부트스트랩 추정부(120)가 샘플링된 데이터를 이용하여 누적 분포 함수를 산출하는 과정을 보다 상세하게 설명하도록 한다.
도 6은 본 발명의 일 실시예에 따른 부트스트랩 추정부의 구체적인 동작을 설명하기 위한 도면이다.
부트스트랩 추정부(110)는 도 4 및 도 5에서 설명한 과정을 거쳐 복수개의 데이터를 샘플링한 후, 그 데이터를 이용하여 누적 분포 함수를 산출한다.
구체적으로, 부트스트랩 추정부(110)는 복수개의 데이터에 대해 중복을 허용하면서 데이터를 무작위로 추출한다. 또한, 추출된 데이터가 하나의 샘플 군을 형성하도록 한다.
예를 들어, 도 6에 도시된 바와 같이 무작위로 추출된 3개의 데이터가 하나의 군을 형성하도록 하여 데이터 추출을 N 번 반복하면 N 개의 샘플군이 구성된다. 이때, 하나의 군에서 특정 데이터, 예를 들어, tsample , 3이 포함될 확률을 계산한다. 마찬가지로 다른 군에 대해서도 특정 데이터가 포함될 확률을 계산한 후, 그 값의 평균값을 산출하면 전체 데이터에서 그 데이터에 대한 누적 분포 함수를 도출할 수 있게 된다.
상술한 바와 같이 특정 데이터에 대한 누적 분포 함수를 추정하면, 상대적으로 모집단의 분포가 알려져 있지 않고 가용한 데이터의 수가 적은 경우에도 누적 분포 함수를 효율적으로 추정할 수 있다는 효과를 달성할 수 있다.
도 7은 본 발명의 일 실시예에 따라 현재 발생된 경보의 오류율을 추정하는 과정을 설명하기 위한 도면이다.
본 발명의 일 실시예에 따른 오류율 계산 방법은 경보가 울린 시간 tA ,x가 설비 점검 시간 tP와 고장 시각 tB에 대하여 tP≤ tA ,x<tB 조건을 만족해야 계산이 가능하다.
따라서, 가장 마지막으로 고장이 발생된 이후에 발생된 경보에 대해서는 그 경보의 오류율을 계산할 수 없게 된다. 본 발명의 일 실시예에 따른 오류율 계산 방법은 경보 수명의 누적 분포 함수, 경보 리드 타임의 누적 분포 함수를 이용하여 계산되는데, 아직 고장이 발생되지 않은 경우에는 상술한 데이터를 정확하게 추정할 수 없기 때문이다.
예를 들어, 도 5에서 설비 점검 tP1 이후 발생된 경보 tA1에 대한 오류율은 실제 고장이 발생된 tB1 이후 계산할 수 있게 된다. 따라서, 아직 고장이 발생되지 않은 시점에서 tA2 시점에 발생된 경보의 오류율은 계산할 수 없게 된다.
따라서, 본 발명의 일 실시예에 따른 선별부(140)는 신규 고장이 발생되면 고장이 발생되기 전 생성된 경보의 오류율과 그 오류율을 산출하는데 사용된 고장 데이터들을 저장부(110)에 저장할 수 있다.
예를 들어, 경보의 오류율을 계산하는데 사용된 설비 수명의 누적 분포 함수, 경보 리드 타임의 누적 분포 함수 등을 계산된 오류율과 함께 저장할 수 있다.
이후, 신규 경보가 발생되면 그 경보가 발생된 시점에서 측정된 고장 데이터와 과거에 발생된 경보들의 고장 데이터를 비교하여 고장 데이터가 동일하거나 가장 유사한 경보의 오류율을 현재 발생된 경보의 오류율로 결정할 수 있다.
도 8은 본 발명의 일 실시예에 따라 고장 데이터의 유사성을 이용하여 현재 발생된 경보의 오류율을 결정하는 방법을 설명하기 위한 도면이다.
상술한 바와 같이, 선별부(140)는 고장 발생 전 생성된 경보의 오류율과 그 오류율을 산출하는데 사용된 고장 데이터들을 저장하는바, 저장부(110)에는 도 8에 도시된 데이터가 저장될 수 있다. 본 발명의 일 실시예에 따른 고장 데이터는 설비 점검 시간, 경보 발생 시간, 실제 고장 발생 시간 등이 될 수 있다.
신규 경보가 발생되면, 상술한 고장 데이터들이 선별부(140)로 전달된다. 선별부(140)는 기 저장된 복수의 고장 데이터들 중 신규 경보의 고장 데이터와 동일하거나 가장 유사한 고장 데이터들을 선택하고, 그 고장 데이터들을 기초로 계산된 경보의 오류율을 현재 발생된 경보의 오류율로 결정할 수 있다.
한편, 신규 경보의 고장 데이터와 기 저장된 복수의 고장 데이터들 간에 유사성을 산출하는 방법으로 Euclidian distance 등이 사용될 수 있으나 이에 한정되지 않으며 다른 범용적인 기술들이 사용되도록 구현할 수도 있다.
또한, 상술한 실시예에서는 신규 경보의 고장 데이터와 동일하거나 유사한 하나의 오류율이 선택되는 것을 예로 들어 설명하였으나, 이에 한정되지 않으며 복수의 경보들에 대한 오류율이 선택되고 그 오류율의 평균값을 산출하여 이를 신규 경보의 오류율로 결정할 수도 있다.
과거에 발생된 경보의 오류율로부터 신규 경보의 오류율을 결정하기 위해서는 오류율에 관한 정보가 최신으로 유지되어야 한다. 더 많은 데이터가 축적되어 있을수록 보다 정확한 값이 선택될 수 있기 때문이다.
이에, 고장이 발생된 경우 고장과 관련된 데이터 및 고장이 발생되기 전 발생된 경보의 오류율 등이 저장되도록 구현할 수 있다.
도 9는 본 발명의 일 실시예에 따라 오류율에 관한 정보가 최신으로 유지되는 과정을 설명하기 위한 흐름도이다.
설비에 신규 고장이 발생되면(S910), 고장이 발생되기 전 생성된 경보의 오류율을 계산하고 그와 관련된 데이터가 저장된다(S920). 마지막 고장 시간과 신규 고장 시간 사이에 복수 번의 경보가 발생된 경우에는 각 경보들 각각에 대한 오류율을 계산하고 관련된 데이터를 저장할 수 있다.
상술한 바와 같이 설비에 고장이 발생된 경우, 이전에 발생된 경보의 오류율과 관련 고장 데이터가 최신으로 유지되므로 새로 발생된 경보에 대해 보다 정확한 오류율을 선택할 수 있다는 효과를 달성할 수 있다.
한편, 본 발명의 일 실시예에 따른 경보의 오류율 계산 장치는, 경보의 오류율을 고려하여 사용자에게 선별된 경보만을 제공할 수도 있다.
도 10은 본 발명의 일 실시예에 따라 경보의 오류율을 고려하여 발생된 경보를 선별적으로 사용자에게 제공하는 방법을 설명하기 위한 흐름도이다.
신규 경보가 발생되었는지 여부를 판단하여(S1010) 경보가 발생된 경우, 경보가 발생된 시간 및 경보와 관련된 데이터를 저장한다(S1020). 이후, 기 저장된 복수의 고장 데이터 중 신규 경보의 고장 데이터와 동일하거나 유사한 고장 데이터를 선택하여 새로 발생된 경보의 오류율을 추정한다(S1030).
이후, 신규 경보의 오류율이 기 설정된 임계값 미만인 경우에 한하여 신규 경보가 사용자에게 제공되도록 한다(S1040). 신규 경보의 오류율이 기 설정된 임계값 이상이면 고장 가능성이 없는데도 불구하고 발생된 거짓 경보라고 판단하여 이를 필터링하는 것이다.
따라서, 거짓 경보 발생에 따른 사용자 불편, 경제적 손실을 최소화시킬 수 있다는 효과를 달성할 수 있다. 이때, 기 설정된 임계값은 설비의 특성에 따라 사용자에 의해 설정되도록 하거나, 설비의 동작 상태에 따라 자동으로 결정되도록 구현할 수 있다.
도 11은 본 발명의 일 실시예에 따른 경보의 오류율 계산 방법을 설명하기 위한 흐름도이다.
부트스트랩 추정부(120)는 과거의 고장 기록 데이터로부터 경보가 참일 확률을 의미하는 f 함수와 경보가 거짓일 확률을 의미하는 g 함수를 산출한다(S1110). 여기에서 f 함수는 설비 수명의 누적 분포 함수로부터 산출될 수 있고, g 함수는 리드 타임의 누적 분포 함수로부터 산출될 수 있다.
이후, g 함수에 대한 f 함수의 비율로 경보의 오류율을 계산한다(S1120). 계산된 오류율은 고장 기록 데이터와 함께 저장부(110)에 저장되어 다른 경보의 오류율을 결정하는데 사용될 수 있다.
상술한 본 발명의 일 실시예에 따른 경보의 오류율 계산 방법에 따르면, 연속된 시간 속에서 발생된 경보의 오류율을 과거의 데이터로부터 추정하여 사용자에게 제공할 수 있다는 효과를 달성할 수 있다.
도 12는 본 발명의 또 다른 실시예에 따른 경보의 오류율 계산 장치를 설명하기 위한 도면이다.
도 12에 도시된 경보의 오류율 계산 장치(1200)는 프로세서(1210), 메모리(1220), 스토리지(1230), 네트워크 인터페이스(1240) 및 버스(1250)를 포함한다.
도 12에 도시된 중계 장치(1000)에는 본 발명의 실시예들과 관련된 구성요소들만이 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 12에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 알 수 있다.
프로세서(1210)는 경보의 오류율을 계산할 수 있는 프로그램을 실행할 수 있다. 그러나, 프로세서(1210)에서 실행될 수 있는 프로그램은 이에 한정되지 않으며 다른 범용적인 프로그램이 실행될 수도 있다.
메모리(1220)는 경보의 오류율을 계산할 수 있는 프로그램을 로딩하여, 그 프로그램이 프로세서(1210)에서 실행될 수 있도록 한다.
스토리지(1230)는 경보의 오류율을 계산할 수 있는 프로그램, 설비에서 과거에 발생된 고장과 관련된 데이터, 과거에 발생된 경보의 오류율 등이 저장되어 있다.
여기에서, 경보의 오류율을 계산할 수 있는 프로그램은, 과거의 고장 기록 데이터로 시간대별 발생된 경보가 참일 확률 및 거짓일 확률을 계산하는 단계, 상기 시간대별 발생된 경보가 거짓일 확률에 대한 참일 확률의 비율로 상기 경보의 오류율을 계산하는 단계를 실행한다.
네트워크 인터페이스(1240)에는 다른 컴퓨팅 장치가 연결될 수 있다. 예를 들어, 관리 대상인 설비, 경보가 제공될 사용자 디바이스 등이 네트워크 인터페이스(1240)를 통해 연결될 수 있다.
버스(1250)는 상술한 프로세서(11210), 메모리(1220), 스토리지(1230), 및 네트워크 인터페이스(1240)가 연결되는 데이터 이동 통로로서의 역할을 수행한다.
한편, 상술한 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터로 읽을 수 있는 기록매체에 여러 수단을 통하여 기록될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.
본 실시예와 관련된 기술 분야에서 통상의 지식을 가진 자는 상기된 기재의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 방법들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (20)

  1. 설비의 고장 발생을 알리는 경보의 오류율을 계산하는 방법에 있어서,
    과거의 고장 기록 데이터로 시간대별 발생된 경보가 참일 확률 및 거짓일 확률을 계산하는 단계; 및
    상기 시간대별 발생된 경보가 참일 확률에 대한 거짓일 확률의 비율로 상기 경보의 오류율을 계산하는 단계를 포함하는 경보의 오류율 계산 방법.
  2. 제1항에 있어서,
    상기 시간대별 발생된 경보가 참일 확률 및 거짓을 확률을 계산하는 단계는,
    상기 과거의 고장 기록 데이터로 상기설비 수명의 누적 분포 함수(CDF : Cumulative Distribution Function)를 산출하는 단계; 및
    상기 과거의 고장 기록 데이터로 리드 타임의 누적 분포 함수를 산출하는 단계를 포함하는 경보의 오류율 계산 방법.
  3. 제2항에 있어서,
    상기 설비 수명의 누적 분포 함수를 산출하는 단계는,
    설비 점검이 이루어진 시간 간격을 상기 설비의 수명으로 샘플링하는 단계; 및
    상기 샘플링된 상기 설비의 수명 데이터로 상기 설비 수명의 누적 분포 함수를 산출하는 단계를 포함하는 경보의 오류율 계산 방법.
  4. 제3항에 있어서,
    상기 설비의 수명 데이터로 상기 설비 수명의 누적 분포 함수를 산출하는 단계는,
    상기 샘플링된 복수의 설비 수명 데이터 중 임의의 개수의 데이터를 무작위로 추출하여 복수개의 설비 수명 데이터가 포함된 복수개의 데이터 군을 구성하는 단계;
    각 데이터 군별로 임의의 설비 수명 데이터가 포함된 확률을 계산하는 단계;
    상기 확률의 평균값을 산출하여 전체 데이터에서 상기 임의의 설비 수명 데이터에 대한 누적 분포 함수를 산출하는 단계를 포함하는 경보의 오류율 계산 방법.
  5. 제2항에 있어서,
    상기 리드 타임의 누적 분포 함수를 산출하는 단계는,
    과거 고장이 발생된 시간과 경보가 발생된 시간의 차이를 샘플링하는 단계; 및
    상기 샘플링된 고장 발생 시간과 경보 발생 시간 차이의 데이터로 상기 리드 타임의 누적 분포 함수를 산출하는 단계를 포함하는 경보의 오류율 계산 방법.
  6. 제1항에 있어서,
    상기 계산된 경보의 오류율 및 상기 경보의 오류율을 계산하는데 사용된 고장 기록 데이터를 저장하는 단계를 더 포함하는 경보의 오류율 계산 방법.
  7. 제6항에 있어서,
    상기 고장 기록 데이터를 저장하는 단계는,
    상기 설비에 대해 설비 점검이 수행된 시간, 경보 발생 시간, 고장 발생 시간 및 상기 경보 발생 시간의 리드 타임을 저장하는 단계를 포함하는 경보의 오류율 계산 방법.
  8. 제1항에 있어서,
    신규 경보가 발생되면, 상기 신규 경보의 고장 데이터와 동일하거나 유사한 고장 데이터로 산출된 오류율을 상기 신규 경보의 오류율로 추정하는 단계를 더 포함하는 경보의 오류율 계산 방법.
  9. 제8항에 있어서,
    상기 추정된 상기 신규 경보의 오류율이 기 설정된 임계값 미만인 경우에 한하여 상기 신규 경보를 사용자에게 제공하는 단계를 더 포함하는 경보의 오류율 계산 방법.
  10. 설비의 고장 발생을 알리는 경보의 오류율을 계산하는 경보의 오류율 계산 장치에 있어서,
    상기 설비의 과거 고장 기록 데이터를 저장하는 저장부;
    상기 설비의 과거 고장 기록 데이터로 시간대별 발생된 경보가 참일 확률 및 거짓일 확률을 계산하는 부트스트랩 추정부; 및
    상기 시간대별 발생된 경보가 참일 확률에 대한 거짓일 확률의 비율로 상기 경보의 오류율을 계산하는 오류율 계산부를 포함하는 경보의 오류율 계산 장치.
  11. 제10항에 있어서,
    상기 부트스트랩 추정부는,
    상기 설비의 과거 고장 기록 데이터로 상기 설비 수명의 누적 분포 함수(CDF : Cumulative Distribution Function) 및 리드 타임의 누적 분포 함수를 산출하는 경보의 오류율 계산 장치.
  12. 제11항에 있어서,
    상기 부트스트랩 추정부는,
    설비 점검이 이루어진 시간 간격을 상기 설비의 수명으로 샘플링하고, 상기 샘플링된 상기 설비의 수명 데이터로 상기 설비 수명의 누적 분포 함수를 산출하는 경보의 오류율 계산 장치.
  13. 제12항에 있어서,
    상기 부트스트랩 추정부는,
    상기 샘플링된 복수의 설비 수명 데이터 중 임의의 개수의 데이터를 무작위로 추출하여 복수개의 설비 수명 데이터가 포함된 복수개의 데이터 군을 구성하고, 각 데이터 군별로 임의의 설비 수명 데이터가 포함된 확률을 계산한 후, 상기 확률의 평균값을 산출하여 전체 데이터에서 상기 임의의 설비 수명 데이터에 대한 누적 분포 함수를 산출하는 경보의 오류율 계산 장치.
  14. 제11항에 있어서,
    상기 부트스트랩 추정부는,
    과거 고장이 발생된 시간과 경보가 발생된 시간의 차이를 샘플링하고, 상기 샘플링된 고장 발생 시간과 경보 발생 시간 차이의 데이터로 상기 리드 타임의 누적 분포 함수를 산출하는 경보의 오류율 계산 장치.
  15. 제10항에 있어서,
    상기 저장부는,
    상기 계산된 경보의 오류율 및 상기 경보의 오류율을 계산하는데 사용된 고장 기록 데이터를 저장하는 경보의 오류율 계산 장치.
  16. 제15항에 있어서,
    상기 고장 기록 데이터는,
    상기 설비에 대해 설비 점검이 수행된 시간, 경보 발생 시간, 고장 발생 시간 및 상기 경보 발생 시간의 리드 타임 중 적어도 하나인 경보의 오류율 계산 장치.
  17. 제10항에 있어서,
    신규 경보가 발생되면, 상기 신규 경보의 고장 데이터와 동일하거나 유사한 고장 데이터로 산출된 오류율을 상기 신규 경보의 오류율로 추정하는 선별부를 더 포함하는 경보의 오류율 계산 장치.
  18. 제17항에 있어서,
    상기 추정된 상기 신규 경보의 오류율이 기 설정된 임계값 미만인 경우에 한하여 상기 신규 경보를 사용자에게 제공하는 알람 발생부를 더 포함하는 경보의 오류율 계산 장치.
  19. 설비의 고장 발생을 알리는 경보의 오류율을 계산하는 장치에 있어서,
    하나 이상의 프로세서;
    상기 프로세서의 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리; 및
    라이센스를 관리하는 컴퓨터 프로그램을 저장하는 스토리지를 포함하되,
    상기 컴퓨터 프로그램은,
    과거의 고장 기록 데이터로 시간대별 발생된 경보가 참일 확률 및 거짓일 확률을 계산하는 오퍼레이션; 및
    상기 시간대별 발생된 경보가 참일 확률에 대한 거짓일 확률의 비율로상기 경보의 오류율을 계산하는 오퍼레이션을 포함하는 경보의 오류율 계산 장치.
  20. 컴퓨터 장치와 결합하여 설비의 고장 발생을 알리는 경보의 오류율을 계산하는 컴퓨터 프로그램에 있어서,
    과거의 고장 기록 데이터로 시간대별 발생된 경보가 참일 확률 및 거짓일 확률을 계산하는 단계;
    상기 시간대별 발생된 경보가 참일 확률에 대한 거짓일 확률의 비율로상기 경보의 오류율을 계산하는 단계를 실행하도록 저장 매체에 기록된 컴퓨터 프로그램.
KR1020150127438A 2015-09-09 2015-09-09 경보의 오류율 계산 방법 KR101748122B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020150127438A KR101748122B1 (ko) 2015-09-09 2015-09-09 경보의 오류율 계산 방법
US15/091,261 US9704382B2 (en) 2015-09-09 2016-04-05 Method for calculating error rate of alarm
CN201610353057.9A CN106529683A (zh) 2015-09-09 2016-05-25 警报的错误率计算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150127438A KR101748122B1 (ko) 2015-09-09 2015-09-09 경보의 오류율 계산 방법

Publications (2)

Publication Number Publication Date
KR20170030201A true KR20170030201A (ko) 2017-03-17
KR101748122B1 KR101748122B1 (ko) 2017-06-16

Family

ID=58189395

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150127438A KR101748122B1 (ko) 2015-09-09 2015-09-09 경보의 오류율 계산 방법

Country Status (3)

Country Link
US (1) US9704382B2 (ko)
KR (1) KR101748122B1 (ko)
CN (1) CN106529683A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9865158B2 (en) 2015-10-30 2018-01-09 Samsung Sds Co., Ltd. Method for detecting false alarm
KR102268116B1 (ko) * 2019-12-30 2021-06-22 (주)로커스솔루션 선행강우를 고려한 홍수경보 시스템

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107995011B (zh) * 2016-10-26 2022-07-22 通用电气公司 患者监护仪的告警控制方法及装置、患者监护仪的自适应告警方法
CN107368898B (zh) * 2017-06-30 2020-11-10 佛山职业技术学院 一种智能报障维保监测方法
CN107479492A (zh) * 2017-10-18 2017-12-15 江西电力职业技术学院 变电站数据采集装置及系统
EP3514555B1 (en) 2018-01-22 2020-07-22 Siemens Aktiengesellschaft Apparatus for monitoring an actuator system, method for providing an apparatus for monitoring an actuator system and method for monitoring an actuator system
CN108599995B (zh) * 2018-03-28 2020-10-27 北京大米科技有限公司 网络线路故障判定方法及服务器
CN108897954A (zh) * 2018-06-29 2018-11-27 龙源（北京）风电工程技术有限公司 基于BootStrap置信度计算的风电机组温度预警方法及其系统
DE102018121349A1 (de) * 2018-08-31 2020-03-05 B. Braun Avitum Ag Selbstlernender Eingabefilter für Medizingeräte
CN109272599A (zh) * 2018-09-03 2019-01-25 深圳市智物联网络有限公司 一种数据处理方法及相关设备
CN110107992A (zh) * 2019-05-05 2019-08-09 珠海格力电器股份有限公司 基于设备的关联数据的运行参数控制方法
CN110782687B (zh) * 2019-08-30 2022-07-19 腾讯科技（深圳）有限公司 数据处理方法、装置以及电子设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2878637A1 (fr) * 2004-11-26 2006-06-02 France Telecom Suppression de fausses alertes parmi les alertes produites dans un systeme d'informations surveille
JP2007328522A (ja) * 2006-06-07 2007-12-20 Tokyo Electric Power Co Inc:The 故障確率算出装置、方法、及びプログラム
US7702971B2 (en) * 2007-06-06 2010-04-20 Dell Products L.P. System and method for predictive failure detection
US20090226032A1 (en) * 2007-09-28 2009-09-10 Matthew Allen Merzbacher Systems and methods for reducing false alarms in detection systems
JP5802619B2 (ja) * 2012-07-06 2015-10-28 株式会社日立製作所 設備維持管理業務支援システム
PL2904721T3 (pl) * 2012-10-01 2017-06-30 Telefonaktiebolaget Lm Ericsson (Publ) Sposób i urządzenie do szacowania metryki wydajności RF

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
A Study of Data Mining Methodology for Effective Analysis of False Alarm Event on Mechanical Security System, 정보 보안 논문지 제12권 제2호(2012, 05), JonoMin Kim, KyongHo Choi, DongHwi Lee

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9865158B2 (en) 2015-10-30 2018-01-09 Samsung Sds Co., Ltd. Method for detecting false alarm
KR102268116B1 (ko) * 2019-12-30 2021-06-22 (주)로커스솔루션 선행강우를 고려한 홍수경보 시스템

Also Published As

Publication number Publication date
US20170069198A1 (en) 2017-03-09
US9704382B2 (en) 2017-07-11
KR101748122B1 (ko) 2017-06-16
CN106529683A (zh) 2017-03-22

Similar Documents

Publication Publication Date Title
KR101748122B1 (ko) 경보의 오류율 계산 방법
JP6354755B2 (ja) システム分析装置、システム分析方法、及びシステム分析プログラム
CN109981328B (zh) 一种故障预警方法及装置
EP2963553B1 (en) System analysis device and system analysis method
CN110995482B (zh) 告警分析方法、装置、计算机设备及计算机可读存储介质
CN111010291B (zh) 业务流程异常告警方法、装置、电子设备及存储介质
US20140258187A1 (en) Generating database cluster health alerts using machine learning
CN106104496A (zh) 用于任意时序的不受监督的异常检测
JP5768983B2 (ja) 契約違反予測システム、契約違反予測方法および契約違反予測プログラム
EP2963552B1 (en) System analysis device and system analysis method
EP3663919A1 (en) System and method of automated fault correction in a network environment
JP2015028700A (ja) 障害検知装置、障害検知方法、障害検知プログラム及び記録媒体
CN112148561B (zh) 业务系统的运行状态预测方法、装置及服务器
KR101893563B1 (ko) 사물인터넷 기반 화재 블랙박스 시스템 및 그 운용 방법
CN111078513A (zh) 日志处理方法、装置、设备、存储介质及日志告警系统
US7949497B2 (en) Machine condition monitoring using discontinuity detection
CN115049410A (zh) 窃电行为识别方法、装置、电子设备及计算机可读存储介质
CN106652393B (zh) 假警报确定方法及装置
CN115495274B (zh) 基于时序数据的异常处理方法、网络设备和可读存储介质
US20220060487A1 (en) Priority determination apparatus, priority determination method, and computer readable medium
JP5261510B2 (ja) ネットワーク監視装置及び方法及びプログラム
US20230297095A1 (en) Monitoring device and method for detecting anomalies
US11885720B2 (en) Time series data processing method
CN116016238A (zh) 一种资产异常判定基线的确定方法及装置
CN116244150A (zh) 一种业务数据处理监控方法及装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant