KR20170075267A - 빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템 - Google Patents

Abstract

본 발명은 빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템에 관한 것으로, 엘리베이터의 보수환경 개선 및 고장 예측을 위해 빅데이터 및 인공지능 학습 기술을 이용하여, 이를 기반으로 엘리베이터의 운행 정보를 실시간으로 수집 축적하고, 이를 분석 및 학습하여 고장 가능성이 있는 현장들을 미리 파악하고 발생할 수 있는 고장들을 미리 예측하여 대비할 수 있도록 한 빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템을 제공함에 그 목적이 있다.
이를 위해, 본 발명에 따른 빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템은, 각 엘리베이터 현장에서 발생하는 운행시간 및 운행거리를 포함하는 정형데이터와 함께 사용자 층별 분포도, 평균 탑승 사용자수, 입구 대비 호기 접근성을 포함하는 비정형 데이터를 수집 및 축적하는 빅데이터 수집 및 분류 서브시스템과; 고장이 발생한 현장을 기준으로 축적된 정형 및 비정형의 빅데이터를 상기 빅데이터 수집 및 분류시스템으로부터 전달받아 반복적으로 학습한 후, 이러한 학습을 바탕으로 고장 패턴을 추론하여 저장하는 인공신경망 학습 서브시스템 및; 상기 인공신경망 학습 서브시스템에서 추출된 고장 패턴 및, 상기 빅데이터 수집 및 분류 서브시스템에 실시간으로 축적되는 빅데이터를 비교 분석하여 고장 패턴에 부합하는 또는 유사한 형태로 운행이 이루어지는 엘리베이터의 현장을 파악하여 발생할 수 있는 고장을 미리 예측하고 해당 정보를 예보하는 고장 패턴 기반 고장 예측 서브시스템을 포함하여 구성된다.

Description

빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템{SYSTEM FOR PROGNOSTICATING FAILURE OF ELEVATOR}

본 발명은 빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템에 관한 것으로, 보다 상세하게는 빅데이터 기술을 이용하여 엘리베이터의 각종 운행 정보를 실시간으로 수집 축적하고, 이를 매개로 인공신경망 기반의 인공지능 학습법으로 고장이 발생한 상황 또는 패턴을 추론하여 차후 발생할 수 있는 엘리베이터의 고장을 사전에 예측하고 대비할 수 있도록 한 빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템에 관한 것이다.

일반적으로, 주거용이나 업무용, 상업용 등으로 건축되는 다양한 종류의 고층 건물에는 해당 건물을 출입하는 승객들의 원활한 층간 이동을 위해 엘리베이터 장치가 구비된다.

상기 엘리베이터 장치는 그 내부에 승객이 탑승한 상태에서 건물 내부에 수직방향으로 형성된 승강로를 따라 상ㆍ하방향으로 이동하면서 탑승객을 이동시키는 엘리베이터 카와, 소정 동력을 발생시키는 모터부와 권상기 등이 구비되어 상기 엘리베이터 카를 승객의 버튼 조작에 따른 해당 층으로 이동시키는 기계부 및, 승객의 버튼 조작에 따라 상기 기계부를 제어하면서 상기 엘리베이터 카가 원활하고 안정적으로 운행될 수 있도록 제어를 행하는 엘리베이터 제어부 등을 포함하여 구성된다.

한편, 종래의 엘리베이터 장치의 보수작업은 통상적으로 자재나 부품별로 정해진 교환주기 및 보수기사의 현장 점검 결과에 따라 이루어지게 된다.

그러나, 상술한 바와 같은 엘리베이터의 보수 방식은 엘리베이터 현장의 특성이나 사용자의 패턴, 운행량 등이 고려되지 않게 되므로, 정해진 교환주기 이전에 소모품의 고장이 발생하더라도 파악하기가 어려운 문제점이 발생하게 되었으며, 이에 엘리베이터의 보급 대수가 증가함과 비례하여 그러한 문제점은 보다 빈번하게 발생될 우려가 있게 된다.

특히, 초고층 엘리베이터의 보급이 증대됨과 동시에 이를 이용하는 승객이 급속도로 증가함에 따라, 운행 패턴이나 운행량 등이 서로 상이하여 엘리베이터의 제조 또는 출하 시에 결정되는 교환주기만으로는 해당 부품의 정확한 라이프 사이클을 예측하기 어려운 문제점이 발생하게 되었으며, 더욱이 고장이 발생하기 전에 선조치를 행하기는 현실적으로 매우 어려운 문제점이 발생하게 되었다.

국내 등록특허 제10-0275579호

따라서, 본 발명은 상기한 바와 같은 종래의 문제점을 개선하기 위하여 안출된 것으로, 그 목적은 엘리베이터의 보수환경 개선 및 고장 예측을 위해 빅데이터 및 인공지능 학습 기술을 이용하여, 이를 기반으로 엘리베이터의 운행 정보를 실시간으로 수집 축적하고, 이를 분석 및 학습하여 고장 가능성이 있는 현장들을 미리 파악하고 발생할 수 있는 고장들을 미리 예측하여 대비할 수 있도록 한 빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템을 제공하고자 하는 것이다.

상기한 바와 같은 목적을 달성하기 위한 본 발명에 따른 빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템은, 각 엘리베이터 현장에서 발생하는 운행시간 및 운행거리를 포함하는 정형데이터와 함께 사용자 층별 분포도, 평균 탑승 사용자수, 입구 대비 호기 접근성을 포함하는 비정형 데이터를 수집 및 축적하는 빅데이터 수집 및 분류 서브시스템과; 고장이 발생한 현장을 기준으로 축적된 정형 및 비정형의 빅데이터를 상기 빅데이터 수집 및 분류시스템으로부터 전달받아 반복적으로 학습한 후, 이러한 학습을 바탕으로 고장 패턴을 추론하여 저장하는 인공신경망 학습 서브시스템 및; 상기 인공신경망 학습 서브시스템에서 추출된 고장 패턴 및, 상기 빅데이터 수집 및 분류 서브시스템에 실시간으로 축적되는 빅데이터를 비교 분석하여 고장 패턴에 부합하는 또는 유사한 형태로 운행이 이루어지는 엘리베이터의 현장을 파악하여 발생할 수 있는 고장을 미리 예측하고 해당 정보를 예보하는 고장 패턴 기반 고장 예측 서브시스템을 포함하여 구성된 것;을 특징으로 한다.

바람직하게, 상기 빅데이터 수집 및 분류 서브시스템은, 빅데이터 수집 모듈과, 빅데이터 분류 및 처리 모듈 및, 빅데이터부를 포함하여 구성된 것을 특징으로 한다.

바람직하게, 상기 인공신경망 학습 서브시스템은, 인공신경망 입력층 분류 모듈과, 인경신경망 기반 학습 모듈 및, 고장 패턴 데이터베이스부를 포함하여 구성된 것을 특징으로 한다.

또한, 상기 고장 패턴 기반 고장 예측 서브시스템은, 고장 패턴 기반 고장 예측 모듈 및, 고장 예보 모듈을 포함하여 구성됨이 바람직하다.

상기에서 설명한 바와 같이 이루어진 본 발명에 따르면, 사물인터넷(IoT)과 빅데이터 기술을 이용하여 다수의 엘리베이터에서 발생하는 정형 및 비정형 데이터를 축적하고 응용하여 다양한 서비스에 응용함과 동시에 새로운 서비스를 창출할 수 있는 효과가 있게 된다.

즉, 인공신경망 학습을 통하여 빅데이터를 분석하여 고장 패턴을 추론하고, 해당 패턴에 따라 실시간으로 엘리베이터의 운행상태를 비교 분석하므로서, 사전에 엘리베이터의 고장을 예측하고 대비하여 미연의 사고를 예방할 수 있는 효과가 있게 된다.

도 1은 본 발명에 따른 빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템의 구성을 나타내는 블록도이다.

이하, 상기한 바와 같이 구성된 본 발명에 대해 첨부도면을 참조하여 상세히 설명한다.

도 1은 본 발명에 따른 빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템의 구성을 나타내는 블록도이다.

먼저, 본 발명에 따른 빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템은, 빅데이터 기술을 이용하여 엘리베이터의 각종 운행 정보를 실시간으로 수집 및 축적하고, 이를 바탕으로 인공신경망 기반의 인공지능 학습법으로 고장이 발생한 상황 및 패턴을 추론하여 차후 발생할 수 있는 고장을 미리 예측하고 대비할 수 있도록 구현된다.

이를 위해, 본 발명에 따른 빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템은, 사물인터넷(IoT) 기반 엘리베이터 정보 수집시스템(1)과 연계된 빅데이터 수집 및 분류 서브시스템(10)과, 인공신경망 학습 서브시스템(20) 및, 고장 패턴 기반 고장 예측 서브시스템(30) 등을 포함하여 구성된다.

상기 빅데이터 수집 및 분류 서브시스템(10)은 각 엘리베이터 현장에서 발생하는 운행시간 및 운행거리를 포함하는 정형데이터와 함께 사용자 층별 분포도, 평균 탑승 사용자수, 입구 대비 호기 접근성을 포함하는 비정형 데이터를 수집 및 축적하는 기능을 수행하도록 구비된다.

상기 빅데이터 수집 및 분류 서브시스템(10)은 각각의 현장에 설치되어 연계된 사물인터넷(IoT)에 기반하여 각종 엘리베이터의 정보를 수집하는 빅데이터 수집 모듈(12)과, 상기 빅데이터 수집 모듈(12)에서 수집된 빅데이터에 대한 분류 및 처리작업을 행하는 빅데이터 분류 및 처리 모듈(14)과, 상기 빅데이터 분류 및 처리 모듈(14)에서 작업된 빅데이터가 저장되는 빅데이터부(16)로 이루어진다.

상기 인공신경망 학습 서브시스템(20)은 고장이 발생한 현장을 기준으로 축적된 정형 및 비정형의 빅데이터를 상기 빅데이터 수집 및 분류시스템(10)으로부터 전달받아 반복적으로 학습한 후, 이러한 학습을 바탕으로 고장 패턴을 추론하여 저장하는 기능을 수행하도록 구비된다.

상기 인공신경방 학습 서브시스템(20)은 상기 빅데이터부(12)로부터 전달받은 빅데이터를 인공신경망에 입력하기 위한 분류작업을 행하는 인공신경망 입력층 분류 모듈(22)과, 인공신경망을 매개로 고장 패턴을 추론하는 인공신경망 기반 학습 모듈(24)과, 상기 인공신경망 기반 학습 모듈(24)에서 추론된 고장 패턴에 관한 데이터가 저장되는 고장 패턴 데이터베이스부(26)로 이루어진다.

상기 고장 패턴 기반 고장 예측 서브시스템(30)은 상기 인공신경망 학습 서브시스템(20)에서 추출된 고장 패턴 및, 상기 빅데이터 수집 및 분류 서브시스템(10)에 실시간으로 축적되는 빅데이터를 비교 분석하여 고장 패턴에 부합하는 또는 유사한 형태로 운행이 이루어지는 엘리베이터의 현장을 파악하여 발생할 수 있는 고장을 미리 예측하고 해당 정보를 예보하는 기능을 수행하는 것으로서, 상기 빅데이터부(16) 및 고장 패턴 데이터베이스(26)에 저장된 데이터들을 기반으로 고장이 예측되는 상황으로 운행이 이루어지는 엘리베이터 현장을 파악하는 고장 패턴 기반 고장 예측 모듈(32) 및, 상기 고장 패턴 기반 고장 예측 모듈(32)의 예측 정보를 기초로 고장 예보를 수행하는 고장 예보 모듈(34)로 이루어진다.

이어, 상기한 바와 같이 이루어진 본 발명의 작용에 대해 도를 참조하여 상세히 설명하면 다음과 같다.

먼저, 본 발명에 따라, 상기 빅데이터 수집 및 분류 서브시스템(10)에서 네트워크망을 매개로 연결된 각 엘리베이터의 대량의 운행정보를 실시간으로 수집한 후, 상기 인공신경망 학습 서브시스템(20)에서는 인공지능 학습 기술을 이용하여 상기 빅데이터 수집 및 분류 서브시스템(10)로부터의 빅데이터 정보에서 다양한 고정 발생 상황을 분석하게 되며, 그 후 상기 고장 패턴 기반 고장 예측 서브시스템(30)에서는 이를 바탕으로 유사한 운행량이나 패턴, 환경의 현장에서 발생할 수 있는 엘리베이터의 고장을 미리 예측 예보할 수가 있게 된다.

특히, 본 발명에서는 인공신경망 기반의 인공지능 학습 기술을 이용하여 고장이 발생했던 현장들의 운행 정보, 사용자 분포도나 이용률 등의 비정형 데이터를 학습하여 고장 패턴을 추론하고, 이를 바탕으로 유사 고장이 발생할 수 있는 현장을 미리 예측할 수가 있게 된다.

따라서, 본 발명을 통해서는 인공신경망 학습을 통하여 빅데이터를 분석하여 고장 패턴을 추론하고, 해당 패턴에 따라 실시간으로 엘리베이터의 운행상태를 비교 분석함에 따라, 각각의 현장에서 운행중인 엘리베이터의 고장을 사전에 예측하여 대비할 수가 있게 되는 것이다.

한편, 본 발명에서 기재된 내용과 다른 변형된 실시예들이 돌출 된다고 하더라도 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안되며, 본 발명에 첨부된 청구범위 내에 속하게 됨은 물론이다.

10: 빅데이터 수집 및 분류 서브시스템,
20: 인공신경망 학습 서브시스템,
30: 고장 패턴 기반 고장 예측 서브시스템.

Claims (4)

1. 각 엘리베이터 현장에서 발생하는 운행시간 및 운행거리를 포함하는 정형데이터와 함께 사용자 층별 분포도, 평균 탑승 사용자수, 입구 대비 호기 접근성을 포함하는 비정형 데이터를 수집 및 축적하는 빅데이터 수집 및 분류 서브시스템과;
   고장이 발생한 현장을 기준으로 축적된 정형 및 비정형의 빅데이터를 상기 빅데이터 수집 및 분류시스템으로부터 전달받아 반복적으로 학습한 후, 이러한 학습을 바탕으로 고장 패턴을 추론하여 저장하는 인공신경망 학습 서브시스템 및;
   상기 인공신경망 학습 서브시스템에서 추출된 고장 패턴 및, 상기 빅데이터 수집 및 분류 서브시스템에 실시간으로 축적되는 빅데이터를 비교 분석하여 고장 패턴에 부합하는 또는 유사한 형태로 운행이 이루어지는 엘리베이터의 현장을 파악하여 발생할 수 있는 고장을 미리 예측하고 해당 정보를 예보하는 고장 패턴 기반 고장 예측 서브시스템을 포함하여 구성된 것;을 특징으로 하는 빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템.
2. 제 1항에 있어서,
   상기 빅데이터 수집 및 분류 서브시스템은,
   빅데이터 수집 모듈과, 빅데이터 분류 및 처리 모듈 및, 빅데이터부를 포함하여 구성된 것을 특징으로 하는 빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템.
3. 제 1항에 있어서,
   상기 인공신경망 학습 서브시스템은,
   인공신경망 입력층 분류 모듈과, 인경신경망 기반 학습 모듈 및, 고장 패턴 데이터베이스부를 포함하여 구성된 것을 특징으로 하는 빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템.
4. 제 1항에 있어서,
   상기 고장 패턴 기반 고장 예측 서브시스템은,
   고장 패턴 기반 고장 예측 모듈 및, 고장 예보 모듈을 포함하여 구성된 것을 특징으로 하는 빅데이터 및 인공지능 학습 기반의 엘리베이터 고장 예측 시스템.

Images