KR20170081039A - 스마트 팩토리를 위한 실시간 빅데이터 처리 시스템 - Google Patents

스마트 팩토리를 위한 실시간 빅데이터 처리 시스템 Download PDF

Info

Publication number
KR20170081039A
KR20170081039A KR1020150191748A KR20150191748A KR20170081039A KR 20170081039 A KR20170081039 A KR 20170081039A KR 1020150191748 A KR1020150191748 A KR 1020150191748A KR 20150191748 A KR20150191748 A KR 20150191748A KR 20170081039 A KR20170081039 A KR 20170081039A
Authority
KR
South Korea
Prior art keywords
data
time
sensor data
sensor
processing system
Prior art date
Application number
KR1020150191748A
Other languages
English (en)
Other versions
KR102089818B1 (ko
Inventor
전춘수
이영래
박성철
이형문
이성용
정태승
Original Assignee
주식회사 포스코아이씨티
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 주식회사 포스코아이씨티 filed Critical 주식회사 포스코아이씨티
Priority to KR1020150191748A priority Critical patent/KR102089818B1/ko
Publication of KR20170081039A publication Critical patent/KR20170081039A/ko
Application granted granted Critical
Publication of KR102089818B1 publication Critical patent/KR102089818B1/ko

Links

Images

Classifications

    • 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
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • 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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • General Factory Administration (AREA)

Abstract

센서 데이터들 간에 연계 분석이 가능한 실시간 센서 데이터 처리 시스템은, 공장 내에 설치된 복수의 센서들로부터 센서 데이터를 수집하는 수집장치; 및 상기 수집된 센서 데이터를 재료 및 시간을 기준으로 정련하고, 정련된 센서 데이터를 이용하여 공장 내에 발생하는 이상을 실시간으로 탐지하는 실시간 처리 장치를 포함한다.

Description

스마트 팩토리를 위한 실시간 빅데이터 처리 시스템{SYSTEM FOR PROCESSING BIG DATA IN A REALTIME}
본 발명은 스마트 팩토리를 위한 빅데이터 처리 시스템에 관한 것으로서, 특히, 공장과 같은 환경에서 발생하는 대량의 데이터를 실시간으로 처리하는 데이터 처리 시스템에 관한 것이다.
철강공정은 제선공정, 제강공정, 연주공정 및 압연공정과 같이 복수개의 공정으로 이루어진다. 제선공정은 쇳물(용선)을 생산하는 공정으로서, 철광석을 고로에 넣고 원료탄이 타면서 나오는 열에 의해 철광석을 녹인다. 제강공정은 쇳물에서 불순물을 제거하는 공정으로, 전로 속에 고철과 용선을 함께 넣은 후 산소를 불어 넣어 불순물을 제거한다. 연주공정은 액체상태의 철이 고체가 되는 공정으로, 불순물이 제거된 용강을 주형(mold)에 주입하고 연속 주조기를 통과하면서 냉각, 응고되어 슬래브, 블룸, 또는 빌릿 등과 같은 중간 소재로 만들어진다. 압연공정은 철을 강판이나 선재로 만드는 공정으로, 연주공정에서 생산된 슬래브, 블룸, 또는 빌릿을 롤(Roll) 사이를 통과시켜 늘리거나 얇게 만들어 강판을 생산한다.
종래의 공장 데이터 처리 시스템(예컨대, 철강 데이터 처리 시스템)은 상술한 바와 같은 복수의 공정들 각각에 복수의 센서들을 설치하여 설비, 조업, 및 품질을 모니터링한다. 공장 데이터 처리 시스템은 복수의 센서들에 의하여 센서 데이터가 발생하면, 복수의 센서들로부터 센서 데이터를 수집 및 저장하고, 엔지니어가 저장된 대량의 센서 데이터를 검증한다. 그리고, 엔지니어는 대량의 센서 데이터에서 필요한 데이터를 추출하여 분석한다. 이때, 엔지니어는 전체 분석업무 중 데이터를 정제하는데 과다한 시간을 소요한다는 문제가 있다.
또한, 철강 데이터 처리 시스템은 센서별 설치위치 및 수집방식의 차이로 인하여 제품의 불량부위 파악이 미흡하다는 다른 문제가 있다.
또한, 종래의 공장 데이터 처리 시스템은 설비, 조업, 및 품질 데이터 간 연계 구조가 없어 공정상 문제가 발생하더라도 정확한 원인을 분석하기 어려웠다. 즉, 제품 표면의 스크래치 발생시, 설비, 조업 환경, 재료 중 어디에서 문제가 발생한 것인지 정확한 원인을 파악할 수 없다는 또 다른 문제가 있다.
본 발명은 상술한 문제점을 해결하기 위한 것으로서, 제품 불량에 대하여 복수의 공정들을 연계하여 추적 분석이 가능한 데이터 처리 시스템 및 방법을 제공하는 것을 그 기술적 과제로 한다.
또한, 본 발명은 상술한 문제점을 해결하기 위한 것으로서, 복수의 센서들로부터 수집되는 대량의 데이터들을 실시간으로 처리할 수 있는 데이터 처리 시스템 및 방법을 제공하는 것을 다른 기술적 과제로 한다.
또한, 본 발명은 상술한 문제점을 해결하기 위한 것으로서, 복수의 센서들로부터 누락된 데이터를 실시간으로 보간할 수 있는 데이터 처리 시스템 및 방법을 제공하는 것을 또 다른 기술적 과제로 한다.
또한, 본 발명은 상술한 문제점을 해결하기 위한 것으로서, 제품의 불량위치를 정확하게 분석할 수 있는 데이터 처리 시스템 및 방법을 제공하는 것을 또 다른 기술적 과제로 한다.
또한, 본 발명은 상술한 문제점을 해결하기 위한 것으로서, 공정상 발생한 이상을 실시간으로 탐지할 수 있는 데이터 처리 시스템 및 방법을 제공하는 것을 또 다른 기술적 과제로 한다.
상술한 목적을 달성하기 위한 본 발명의 일 측면에 따른 실시간 센서 데이터처리 시스템은, 공장 내에 설치된 복수의 센서들로부터 센서 데이터를 수집하는 수집장치; 및 상기 수집된 센서 데이터를 재료 및 시간을 기준으로 정련하고, 정련된 센서 데이터를 이용하여 공장 내에 발생하는 이상을 실시간으로 탐지하는 실시간 처리 장치를 포함한다.
상술한 목적을 달성하기 위한 본 발명의 다른 측면에 따른 실시간 센서 데이터처리 시스템은, 공장 내에 설치된 복수의 센서들로부터 센서 데이터를 수집하는 수집장치; 및 상기 수집된 센서 데이터를 재료, 및 상기 재료에 대한 위치를 기준으로 정련하고, 정련된 센서 데이터를 이용하여 공장 내에 발생하는 이상을 실시간으로 탐지하는 실시간 처리 장치를 포함한다.
본 발명에 따르면, 복수의 센서 데이터들을 재료 및 시간을 기준으로 정련함으로써, 제품의 불량에 대하여 복수의 공정들을 연계한 추적 분석이 가능하고, 불량원인을 정확하게 파악할 수 있다는 효과가 있다.
또한, 본 발명에 따르면, 복수의 센서 데이터들을 길이방향 위치 또는 폭방향 위치를 기준으로 정련함으로써, 재료 상에서 동일한 위치에서 측정한 복수의 센서 데이터들 간의 연계 분석이 가능하고, 이에 따라, 제품의 불량위치를 정확하게 파악할 수 있다는 다른 효과가 있다.
또한, 본 발명에 따르면, 손실된 센서 데이터를 실시간으로 보간할 수 있고, 이에 따라 공장 내 상황을 정확하게 모니터링할 수 있다는 또 다른 효과가 있다.
또한, 본 발명에 따르면, 센서 데이터에 대한 정련 처리를 센서 별로 분산 처리할 수 있고, 이에 따라 시스템 처리 속도를 향상시킬 수 있다는 또 다른 효과가 있다.
또한, 본 발명에 따르면, 공장 내에 발생한 이상을 실시간으로 탐지할 수 있고, 이를 엔지니어에게 실시간으로 통지하여 빠른 대응이 가능하다는 또 다른 효과가 있다.
또한, 본 발명에 따르면, 정련 센서 데이터를 2개의 메모리에 저장하여 데이터 저장 속도 및 데이터 분석 속도를 향상시킬 수 있다는 또 다른 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 데이터 처리 시스템을 보여주는 도면이다.
도 2는 도 1의 실시간 처리 장치를 보여주는 도면이다.
도 3은 제1 표준 데이터의 구조를 보여주는 도면이다.
도 4는 복수의 센서들의 수집주기에 따른 재료 상에 측정위치를 보여주는 도면이다.
도 5는 제2 표준 데이터의 구조를 보여주는 도면이다.
도 6은 본 발명에 일 실시예에 따른 데이터 처리 방법을 보여주는 흐름도이다.
도 7은 본 발명에 일 실시예에 따른 데이터 정련 및 보간 방법을 보여주는 흐름도이다.
본 명세서에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 정의하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다.
"포함하다" 또는 "가지다" 등의 용어는 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
"적어도 하나"의 용어는 하나 이상의 관련 항목으로부터 제시 가능한 모든 조합을 포함하는 것으로 이해되어야 한다. 예를 들어, "제1 항목, 제2 항목 및 제3항목 중에서 적어도 하나"의 의미는 제1 항목, 제2 항목 또는 제3 항목 각각 뿐만 아니라 제1 항목, 제2 항목 및 제3 항목 중에서 2개 이상으로부터 제시될 수 있는 모든 항목의 조합을 의미한다.
한편, 이하에서는 설명의 편의를 위하여, 본 발명이 철강 산업에 적용되는 것으로 가정하여 설명하기로 한다. 그러나, 본 발명은 철강 산업에만 적용되는 것은 아니며, 복수의 공정들을 통해 제품을 생산하는 산업에서도 적용될 수 있다.
본 발명의 일 실시예에 따른 센서 데이터 처리 방식은 복수의 센서들로부터 센서 데이터를 수집하고, 수집된 데이터를 처리한다. 종래의 센서 데이터 처리 방식에서는 수집된 데이터를 처리하기에 앞서 메모리에 저장하는 반면, 본 발명에 따른 센서 데이터 처리 방식은 수집된 데이터를 메모리에 저장하기에 앞서 재료 키와 매핑하고, 시간 또는 위치를 기준으로 정련 처리를 한다. 그리고, 데이터에 대한 정련 및 보간 처리가 완료되면, 정련된 데이터를 메모리에 저장한다. 이때, 정련된 데이터는 동일한 키 구조를 가짐으로써, 데이터들을 연계한 분석이 가능하다.
한편, 본 발명에 따른 센서 데이터 처리 방식은 정련된 데이터를 기초로 데이터 분석을 수행함으로써, 실시간 분석이 가능하다.
이하, 첨부되는 도면을 참고하여 본 발명의 일 실시예에 따른 실시간 센서 데이터 처리 시스템에 대해 보다 구체적으로 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른 데이터 처리 시스템을 보여주는 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 데이터 처리 시스템(100)은 수집장치(110), 인터페이스 장치(120), 실시간 처리 장치(130), 분석 장치(140) 및 모니터링 장치(150)를 포함한다. 일 실시예에 있어서, 데이터 처리 시스템(100)은 사용자 단말장치(160)를 더 포함할 수 있다.
먼저, 수집장치(110)는 공장 내에 설치된 복수의 센서들로부터 센서 데이터를 주기적으로 수집한다. 예를 들면, 수집장치(110)는 압연공정에서 롤(Roll)에 설치된 센서부터 롤(Roll)의 압하율을 센싱한 값을 포함하는 센서 데이터를 주기적으로 수신할 수 있다. 다른 예를 들면, 수집장치(110)는 압연공정에서 롤 후단에 설치된 제2 센서로부터 롤 사이를 통과하는 슬래브의 두께를 센싱한 값을 포함하는 센서 데이터를 주기적으로 수신할 수 있다.
이때, 수집장치(110)에 의하여 수집되는 센서 데이터는 조업과 관련된 센서 데이터, 설비와 관련된 센서 데이터, 및 품질과 관련된 센서 데이터를 포함한다.
다음, 인터페이스 장치(120)는 수집장치(110)에 의하여 수집된 센서 데이터를 표준 센서 데이터로 변환하여 실시간 처리 장치(130)에 전달한다. 이를 위하여, 인터페이스 장치(120)는 데이터 변환부(122) 및 복수의 메시지큐(124)를 포함한다.
데이터 변환부(122)는 수집장치(110)로부터 다양한 형태의 센서 데이터가 입력되면, 입력된 센서 데이터를 동일한 형태의 표준 센서 데이터로 변환한다. 이때, 데이터 변환부(122)는 데이터에 대한 속성정보를 포함하는 메타 데이터를 이용하여 센서 데이터를 표준 센서 데이터로 변환한다. 여기서, 메타 데이터는 센서 데이터에 관한 구조화된 데이터로서, 메타 데이터 저장부(220)에 미리 저장될 수 있다.
데이터 변환부(122)는 수집장치(110)로부터 센서를 식별하기 위한 센서 ID, 측정항목, 발생시각, 및 측정값을 포함하는 다양한 형태의 센서 데이터를 수신할 수 있다. 그리고, 데이터 변환부(122)는 다양한 형태의 센서 데이터를 센서를 식별하기 위한 헤더부, 발생시각, 및'측정항목:측정값'형태의 표준 센서 데이터로 변환할 수 있다.
한편, 복수의 메시지큐(124)는 대량의 표준 센서 데이터를 복수의 메시지큐(124)에 분산하여 실시간 처리 장치(130)로 전달한다.
다음, 실시간 처리 장치(130)는 표준 센서 데이터를 정련하고, 정련된 데이터를 이용하여 공장 내에서 발생한 이상을 탐지한다.
이하에서는 도 2를 참조하여 실시간 처리 장치(130)에 대하여 보다 구체적으로 설명하도록 한다.
도 2는 도 1의 실시간 처리 장치를 설명하기 위한 도면이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 실시간 처리 장치(130)는 메타 데이터 저장부(220), 데이터 처리부(230), 이상탐지부(240), 정련 데이터 저장부(250), 이상기준값 저장부(260), 이상탐지결과 저장부(270)를 포함한다.
먼저, 데이터 처리부(230)는 인터페이스 장치(120)로부터 입력되는 대량의 표준 센서 데이터를 정련하고, 손실된 데이터에 대하여 보간 처리한다. 이를 위하여, 데이터 처리부(230)는 메시지 파싱부(232), 데이터 정련부(234) 및 보간 처리부(236)를 포함한다.
메시지 파싱부(210)는 메타 데이터 저장부(220)에 저장된 메타 데이터를 이용하여 인터페이스 장치(120)로부터 입력되는 표준 센서 데이터를 파싱한다. 이때, 메시지 파싱부(110)는 표준 센서 데이터로부터 센서 ID, 시간정보, 및 측정값을 추출한다.
그리고, 메시지 파싱부(210)는 파싱된 데이터를 센서 별로 분산하여 데이터 처리부(230)에 전달한다.
데이터 정련부(234)는 재료 키 값을 매핑하고, 시간을 기준으로 복수의 데이터들을 정련하여 제1 표준 데이터로 변환한다. 재료 키(1차 키)는, 도 3에 도시된 바와 같이, 재료번호, 설비번호, 센서 ID, 및 시간을 포함한다.
재료번호는 공장에서 생산되고 있는 재료의 식별번호로서, 재료의 시작 이벤트 및 재료의 종료 이벤트로 알 수 있다. 설비번호는 설비를 식별하기 위한 식별번호로서, 메타 데이터 저장부(220)에 센서 ID와 매칭되어 미리 저장될 수 있다. 데이터 정련부(234)는 메시지 파싱부(232)에 의하여 추출된 센서 ID와 매칭되는 설비번호를 선택할 수 있다.
센서 ID는 센서를 식별하기 위한 식별번호로서, 메시지 파싱부(232)에 의하여 추출된다. 시간은 해당 데이터가 발생한 시간을 분(min) 단위로 나타낸 것으로서, 메시지 파싱부(232)에 의하여 추출된 시간정보로부터 알 수 있다.
데이터 정련부(234)는 재료 키가 매핑된 데이터에 수집주기(2차 키) 마다 수집되는 측정값을 저장한다. 수집주기는 센서 ID에 대응되는 센서로부터 센서 데이터를 수집하는 주기를 초(ms) 단위로 나타낸다.
제1 표준 데이터는 복수의 타임 슬롯을 포함하고, 데이터 정련부(234)는 센서 ID에 대응되는 센서에 의하여 수집주기마다 측정한 복수의 측정값들을 복수의 타임 슬롯에 저장한다.
예컨대, 수집주기를 50ms로 설정하면, 데이터 정련부(234)는 0ms, 50ms, 100ms,?, 900ms, 950ms에 측정한 값들을 복수의 타임 슬롯에 저장할 수 있다. 즉, 데이터 정련부(234)는 1초동안 20개의 타임 슬롯 각각에 측정값을 저장할 수 있다.
이러한 데이터 정련부(234)는 시간 보정을 통해 복수의 센서 데이터들 간의 시간을 동기화한다. 예컨대, 수집주기를 50ms로 시간을 동기화하여 저장하는 경우, 센서에서는 50ms 마다 센서 데이터를 발생시켜야 하지만, 이에 오차가 발생할 수 있다. 데이터 정련부(234)는 15시01분11초0010ms에 발생한 센서 데이터의 측정값을 15시01분11초0000ms에 대응되는 타임 슬롯에 저장하고, 15시01분11초0055ms에 발생한 센서 데이터의 측정값을 15시01분11초0050ms에 대응되는 타임 슬롯에 저장할 수 있다. 이를 통해, 데이터 정련부(234)는 복수의 센서 데이터들 간의 시간을 동기화할 수 있다.
데이터 정련부(234)는 상술한 바와 같이 재료 및 시간을 기준으로 복수의 센서 데이터들을 정련한다. 이에 따라, 데이터 처리 시스템(100)은 동일한 시간에 복수의 센서들로부터 발생한 복수의 센서 데이터를 연계하여 분석할 수 있고, 동일한 재료에 대하여 복수의 공정들 간에 시간을 추적하여 분석할 수 있다는 장점이 있다.
또한, 데이터 처리 시스템(100)은 조업과 관련된 조업 센서 데이터, 설비와 관련된 설비 센서 데이터, 및 품질과 관련된 품질 센서 데이터에 대하여 동일한 형태의 제1 표준 데이터로 변환하고 있다. 이에 따라, 데이터 처리 시스템(100)은 조업, 설비, 및 품질과 관련된 데이터들을 재료 및 시간을 기준으로 연관시킬 수 있고, 제품 불량에 대하여 정확한 원인 분석이 가능하다는 다른 장점이 있다.
예컨대, 압연공정에서 롤(Roll)에 설치된 제1 센서로부터 롤(Roll)의 압하율을 측정한 값을 포함하는 제1 센서 데이터를 1s 마다 수집하는 경우, 데이터 정련부(234)는 수집주기를 1s로 설정하고, 1s 마다 측정한 롤의 압하율을 복수의 타임 슬롯에 저장할 수 있다. 그리고, 압연공정에서 롤 후단에 설치된 제2 센서로부터 롤 사이를 통과하는 슬래브의 두께를 측정한 값을 포함하는 제2 센서 데이터를 1s 마다 수집하는 경우, 데이터 정련부(234)는 수집주기를 1s로 설정하고, 1s 마다 측정한 두께를 복수의 타임 슬롯에 저장할 수 있다.
이때, 동일한 시간에 발생한 제1 및 제2 센서 데이터는 동일한 재료, 즉, 슬래브에 대한 측정값으로 판단할 수 있고, 이를 이용하여 연계 분석이 가능하다.
한편, 복수의 센서들로부터 동시에 발생하는 복수의 센서 데이터들은 센서의 설치위치, 및 수집주기의 차이로 인하여 센서가 측정하는 재료의 물리적 위치가 달라지게 된다.
예를 들어 설명하면, 센서의 수집주기가 50ms인 경우에는 1분에 1200개의 측정값이 발생(A)하는 반면, 수집주기가 50ms 보다 커지는 경우에는, 도 4에 도시된 바와 같이, 1200개 보다 작은 개수의 측정값이 발생(B, C)하게 된다. 이와 같이 복수의 센서들 간에 수집주기가 상이하게 되면, 센서를 통해 측정하는 재료의 위치가 달라지게 되어 센서 데이터들 간에 연관성을 분석하기 어렵다.
이를 해결하고 센서 데이터들 간의 연관성을 분석하기 위해서는 복수의 센서들로부터 발생한 센서 데이터가 재료의 동일 위치로 맵핑되어야 한다.
예를 들어, 2분 동안 측정한 재료의 길이가 1000m인 경우, 수집주기가 50ms인 제1 센서는 1200개의 제1 센서 데이터를 발생하고, 수집주기가 1s인 제2 센서는 120개의 제2 센서 데이터를 발생할 수 있다. 이때, 발생한 제1 및 제2 센서 데이터는 제1 및 제2 센서로 측정한 재료의 위치가 서로 상이하게 될 수 있다. 이에 따라, 제1 및 제2 센서 데이터를 재료에 대하여 1m 간격으로 맵핑시킴으로써 제1 및 제2 센서 데이터의 연관성을 분석할 수 있다.
이를 위하여, 데이터 정련부(234)는 재료, 재료의 길이방향위치, 및 재료의 폭방향위치를 기준으로 복수의 센서 데이터들을 정련하여 제2 표준 데이터를 생성한다.
이때, 재료위치 데이터는, 도 5에 도시된 바와 같이, 기본 키, 및 데이터로 구성된다. 기본 키는 재료번호, 생성년도, 항목, 및 길이방향위치 또는 폭방향위치를 포함하고, 데이터는 추정데이터, 제1 수집시간 및 제2 수집시간을 포함한다.
재료번호는 공장에서 생산되고 있는 재료의 식별번호로서, 재료의 시작 이벤트 및 재료의 종료 이벤트로 알 수 있다. 생성년도는 해당 재료를 생성하는 년도를 나타내는 것으로서, 재료번호가 재사용될 때 과거의 재료번호와 구별하기 위한 것이다. 항목은 센서 데이터가 나타내는 값의 의미를 나타낸다. 길이방향위치는 센서 데이터를 일정길이 간격으로 정렬한 위치를 나타낸다. 폭방향위치는 센서 데이터를 일정폭 간격으로 정렬한 위치를 나타낸다.
추정데이터는 길이방향위치 및 폭방향위치와 근접한 위치에서 측정한 복수의 센서 데이터를 이용하여 추정한 길이방향위치 및 폭방향위치에서의 측정값을 나타낸다. 제1 수집시간은 추정데이터를 산출하기 위하여 이용된 복수의 센서 데이터들의 수집시간 중 최소값을 나타내고, 제2 수집시간은 추정데이터를 산출하기 위하여 이용된 복수의 센서 데이터들의 수집시간 중 최대값을 나타낸다.
예를 들어 설명하면, 센서 데이터를 재료의 길이 간격을 500mm으로 정련한다고 할 때, 데이터 정련부(630)는 센서를 통해 재료의 100mm에서 측정한 값을 포함하는 제1 센서 데이터, 센서를 통해 재료의 600mm에서 측정한 값을 포함하는 제2 센서 데이터를 이용하여 500mm에서의 측정값을 추정할 수 있다. 이때, 추정된 측정값은 추정데이터에 저장되고, 제1 센서 데이터가 수집된 시간이 제1 수집시간에 저장되고, 제2 센서 데이터가 수집된 시간이 제2 수집시간에 저장될 수 있다.
한편, 데이터 정련부(234)는 길이방향위치 또는 폭방향위치와 근접한 위치에서 측정한 복수의 센서 데이터를 이용하여 길이방향위치 및 폭방향위치에서의 측정값을 추정한다. 일 실시예에 있어서, 데이터 정련부(234)는 길이방향위치와 근접한 위치에서 측정한 복수의 센서 데이터들의 평균값을 길이방향위치의 측정값으로 추정할 수 있다. 또한, 데이터 정련부(234)는 폭방향위치와 근접한 위치에서 측정한 복수의 센서 데이터들의 평균값을 폭방향위치의 측정값으로 추정할 수 있다.
다른 일 실시예에 있어서, 데이터 정련부(234)는 길이방향위치와 가장 근접한 위치에서 측정한 센서 데이터를 길이방향위치의 측정값으로 추정할 수 있다. 또한, 데이터 정련부(234)는 폭방향위치와 가장 근접한 위치에서 측정한 센서 데이터를 폭방향위치의 측정값으로 추정할 수 있다.
또 다른 일 실시예에 있어서, 데이터 정련부(234)는 길이방향위치와 근접한 위치에서 측정한 복수의 센서 데이터들의 선형관계를 분석하여 길이방향위치의 측정값을 추정할 수 있다.
한편, 데이터 정련부(234)는 데이터를 길이방향위치 또는 폭방향위치와 매핑하기 위하여 공정속도를 고려할 수 있다. 보다 구체적으로, 데이터 정련부(234)는 해당 공정에 대한 재료의 시작 이벤트와 종료 이벤트를 이용하여 경과시간을 산출하고, 산출된 경과시간에 공정속도를 곱하여 재료 길이를 산출할 수 있다. 데이터 정련부(234)는 산출된 재료 길이를 일정 간격으로 정렬하여 길이방향위치를 결정할 수 있다. 이때, 데이터 정련부(234)는 센서들 간의 거리차이를 보정할 수 있다.
동일한 공정 내에 설치된 복수의 센서들은 설치위치에 따라 거리 차이가 발생한다. 예컨대, 롤에서 발생하는 압하율, 및 전력값에는 측정된 위치에 차이가 없으나, 롤 후단에 설치된 근접두께계에서 발생한 재료의 두께는 롤 중심으로부터 일정거리 차이가 발생한다. 데이터 정련부(234)는 상술한 센서들 간의 설치위치를 보정해서 길이방향위치를 정렬할 수 있다.
한편, 데이터 정련부(234)는 복수개로 구성되어 복수의 센서 데이터를 분산 처리할 수 있다. 각 데이터 정련부(234)는 센서 별로 분류된 센서 데이터를 정련할 수 있다. 예컨대, 제1 데이터 정련부(234)는 제1 센서로부터 수집된 복수의 제1 센서 데이터들을 정련할 수 있다. 제2 데이터 정련부(234)는 제2 센서로부터 수집된 복수의 제2 센서 데이터들을 정련할 수 있다. 이를 통해, 데이터 정련부(234)는 대량으로 수집되는 센서 데이터를 빠르게 정련하여 실시간으로 이상탐지가 가능하게 한다.
한편, 데이터 정련부(234)는 제1 또는 제2 정련 센서 데이터를 정련 데이터 저장부(250)에 저장한다.
다음, 보간 처리부(236)는 손실된 센서 데이터를 보간한다. 보다 구체적으로, 보간 처리부(236)는 제1 정련 센서 데이터에서 손실된 데이터가 존재하면, 이전 측정값 및 다음 측정값을 이용하여 손실된 데이터를 보간한다.
보간 처리부(236)는 복수의 타임 슬롯들 중 측정값이 저장되지 않은 손실 타임 슬롯이 존재하면, 손실 타임 슬롯에 대한 측정값을 추정하여 저장한다. 이때, 보간 처리부(236)는 이전 타임 슬롯의 측정값 및 다음 타임 슬롯의 측정값을 이용하여 손실 타임 슬롯에 대한 측정값을 추정한다. 일 실시예에 있어서, 보간 처리부(236)는 이전 타임 슬롯의 측정값 및 다음 타임 슬롯의 측정값의 평균값을 손실 타임 슬롯에 대한 측정값으로 추정할 수 있다.
다음, 이상 탐지부(240)는 표준 데이터를 이용하여 공장 내에 발생한 이상을 탐지한다. 보다 구체적으로, 이상 탐지부(240)는 표준 데이터에 저장된 측정값이 이상기준값 저장부(240)에 저장된 이상기준값을 초과하면, 공장 내에 이상이 발생한 것으로 판단한다.
이상 탐지부(240)는 공장 내에 이상이 발생한 것으로 판단되면, 이상탐지결과를 이상탐지결과 저장부(270)에 저장하고, 모니터링 장치(150)에 이상탐지결과를 알린다.
일 실시예에 있어서, 이상 탐지부(240)는 공장 내에 이상이 발생한 것으로 판단되면, 사용자 단말장치(160)에 이상탐지결과를 알릴 수 있다. 이를 통해, 엔지니어는 공장 내에 발생한 이상을 실시간으로 인지할 수 있어, 빠른 대응을 수행할 수 있다.
다시 도 1을 참조하면, 분석장치(140)는 실시간 처리 장치(130)에 의하여 정련된 표준 데이터를 분석하여 이상 상황에 대한 기준을 설정한다.
분석장치(140)는 표준 데이터 및 이상탐지결과를 저장부에 저장한다. 그리고, 분석장치(140)는 저장부에 저장된 표준 데이터 및 이상탐지결과를 분석하여 이상 원인을 분석한다.
이때, 분석장치(140)는 표준 데이터의 키 값들을 이용하여 복수의 공정들을 연계하여 분석할 수 있다. 예컨대, 분석장치(140)는 제품에 불량이 발생한 재료번호 및 불량이 발생한 위치로 검색할 수 있다. 이때, 분석장치(140)는 검색된 복수의 표준 데이터를 가지고 시간 순으로 추적 분석이 가능할 수 있다.
또한, 분석장치(140)는 표준 데이터 및 이상탐지결과를 분석하여 이상상황에 대한 기준값, 즉, 이상기준값을 결정한다. 분석장치(140)는 결정된 이상기준값을 실시간 처리 장치(130)에 제공한다.
다음, 모니터링 장치(150)는 정련 데이터 저장부(250)에 저장된 표준 데이터를 기초로 공장 내 상황을 모니터링하고, 이상탐지결과를 표시한다.
도 6은 본 발명의 일 실시예에 따른 데이터 처리 방법을 보여주는 흐름도이다.
도 6을 참조하면, 먼저, 본 발명에 일 실시예에 따른 데이터 처리 시스템(100)은 공장 내에 설치된 복수의 센서들로부터 센서 데이터를 주기적으로 수집한다(S601). 이때, 센서 데이터는 조업과 관련된 센서 데이터, 설비와 관련된 센서 데이터, 및 품질과 관련된 센서 데이터를 포함한다.
다음, 데이터 처리 시스템(100)은 센서 데이터를 표준 센서 데이터로 변환한다(S602).
데이터 처리 시스템(100)은 복수의 센서들로부터 다양한 형태의 센서 데이터가 입력되면, 입력된 센서 데이터를 동일한 형태의 표준 센서 데이터로 변환한다. 이때, 데이터 처리 시스템(100)은 데이터에 대한 속성정보를 포함하는 메타 데이터를 이용하여 센서 데이터를 표준 센서 데이터로 변환한다.
데이터 처리 시스템(100)은 대량의 표준 센서 데이터를 복수의 메시지큐에 분산하여 실시간 처리 장치(130)로 전달한다.
다음, 데이터 처리 시스템(100)은 표준 센서 데이터를 정련 및 보간한다(S603). 이하에서는 도 7을 참조하여 표준 센서 데이터를 정련 및 보간하는 방법에 대하여 구체적으로 설명하도록 한다.
도 7은 본 발명에 일 실시예에 따른 데이터 정련 및 보간 방법을 보여주는 흐름도이다.
도 7을 참조하면, 먼저, 데이터 처리 시스템(100)은 메타 데이터를 이용하여 표준 센서 데이터를 파싱한다(S701). 이때, 데이터 처리 시스템(100)은 표준 센서 데이터로부터 센서 ID, 시간정보, 및 측정값을 추출한다.
다음, 데이터 처리 시스템(100)은 파싱된 데이터를 센서 별로 분산하여 데이터 처리부(230)에 전달한다(S702).
다음, 데이터 처리 시스템(100)은 데이터에 대하여 재료 키 값을 매핑한다(S703). 재료 키(1차 키)는, 도 3에 도시된 바와 같이, 재료번호, 설비번호, 센서 ID, 및 시간을 포함한다.
재료번호는 공장에서 생산되고 있는 재료의 식별번호로서, 재료의 시작 이벤트 및 재료의 종료 이벤트로 알 수 있다. 설비번호는 설비를 식별하기 위한 식별번호로서, 메타 데이터 저장부(220)에 센서 ID와 매칭되어 미리 저장될 수 있다. 데이터 정련부(234)는 센서 ID와 매칭되는 설비번호를 선택할 수 있다. 센서 ID는 센서를 식별하기 위한 식별번호이다. 시간은 해당 데이터가 발생한 시간을 분(min) 단위로 나타낸 것으로서, 추출된 시간정보로부터 알 수 있다.
다음, 데이터 처리 시스템(100)은 데이터를 시간 또는 위치 기준으로 정련한다(S704). 데이터 처리 시스템(100)은 재료 키가 매핑된 데이터에 수집주기(2차 키) 마다 수집되는 측정값을 저장한다. 수집주기는 센서 ID에 대응되는 센서로부터 센서 데이터를 수집하는 주기를 초(ms) 단위로 나타낸다.
제1 표준 데이터는 복수의 타임 슬롯을 포함하고, 데이터 처리 시스템(100)은 센서 ID에 대응되는 센서에 의하여 수집주기마다 측정한 복수의 측정값들을 복수의 타임 슬롯에 저장한다.
한편, 데이터 처리 시스템(100)은 재료번호에 상응하는 재료에 대한 데이터를 재료의 길이방향위치, 및 재료의 폭방향위치 중 적어도 하나를 기준으로 복수의 센서 데이터들을 정련하여 제2 표준 데이터를 생성한다.
이때, 재료위치 데이터는 기본 키, 및 데이터로 구성된다. 기본 키는 재료번호, 생성년도, 항목, 및 길이방향위치 또는 폭방향위치를 포함하고, 데이터는 추정데이터, 제1 수집시간 및 제2 수집시간을 포함한다.
재료번호는 공장에서 생산되고 있는 재료의 식별번호로서, 재료의 시작 이벤트 및 재료의 종료 이벤트로 알 수 있다. 생성년도는 해당 재료를 생성하는 년도를 나타내고, 항목은 센서 데이터가 나타내는 값의 의미를 나타낸다. 길이방향위치는 센서 데이터를 일정길이 간격으로 정렬한 위치를 나타낸다. 폭방향위치는 센서 데이터를 일정폭 간격으로 정렬한 위치를 나타낸다.
추정데이터는 길이방향위치 및 폭방향위치와 근접한 위치에서 측정한 복수의 센서 데이터를 이용하여 추정한 길이방향위치 및 폭방향위치에서의 측정값을 나타낸다. 제1 수집시간은 추정데이터를 산출하기 위하여 이용된 복수의 센서 데이터들의 수집시간 중 최소값을 나타내고, 제2 수집시간은 추정데이터를 산출하기 위하여 이용된 복수의 센서 데이터들의 수집시간 중 최대값을 나타낸다.
데이터 처리 시스템(100)은 길이방향위치 또는 폭방향위치와 근접한 위치에서 측정한 복수의 센서 데이터를 이용하여 길이방향위치 및 폭방향위치에서의 측정값을 추정한다. 일 실시예에 있어서, 데이터 처리 시스템(100)은 길이방향위치와 근접한 위치에서 측정한 복수의 센서 데이터들의 평균값을 길이방향위치의 측정값으로 추정할 수 있다. 또한, 데이터 처리 시스템(100)은 폭방향위치와 근접한 위치에서 측정한 복수의 센서 데이터들의 평균값을 폭방향위치의 측정값으로 추정할 수 있다.
다른 일 실시예에 있어서, 데이터 처리 시스템(100)은 길이방향위치와 가장 근접한 위치에서 측정한 센서 데이터를 길이방향위치의 측정값으로 추정할 수 있다. 또한, 데이터 처리 시스템(100)은 폭방향위치와 가장 근접한 위치에서 측정한 센서 데이터를 폭방향위치의 측정값으로 추정할 수 있다.
또 다른 일 실시예에 있어서, 데이터 처리 시스템(100)은 길이방향위치와 근접한 위치에서 측정한 복수의 센서 데이터들의 선형관계를 분석하여 길이방향위치의 측정값을 추정할 수 있다.
다음, 데이터 처리 시스템(100)은 손실된 센서 데이터를 보간한다(S705). 데이터 처리 시스템(100)은 제1 정련 센서 데이터에서 손실된 데이터가 존재하면, 이전 측정값 및 다음 측정값을 이용하여 손실된 데이터를 보간한다.
데이터 처리 시스템(100)은 복수의 타임 슬롯들 중 측정값이 저장되지 않은 손실 타임 슬롯이 존재하면, 손실 타임 슬롯에 대한 측정값을 추정하여 저장한다. 이때, 데이터 처리 시스템(100)은 이전 타임 슬롯의 측정값 및 다음 타임 슬롯의 측정값을 이용하여 손실 타임 슬롯에 대한 측정값을 추정한다. 일 실시예에 있어서, 데이터 처리 시스템(100)은 이전 타임 슬롯의 측정값 및 다음 타임 슬롯의 측정값의 평균값을 손실 타임 슬롯에 대한 측정값으로 추정할 수 있다.
다시 도 6을 참조하면, 데이터 처리 시스템(100)은 표준 데이터를 이용하여 공장 내에 발생한 이상을 탐지한다(S604). 보다 구체적으로, 데이터 처리 시스템(100)은 표준 데이터에 저장된 측정값이 이상기준값을 초과하면, 공장 내에 이상이 발생한 것으로 판단한다.
다음, 데이터 처리 시스템(100)은 표준 데이터 및 이상탐지결과를 분석하여 이상 원인을 분석한다(S605). 이때, 데이터 처리 시스템(100)은 표준 데이터의 키 값들을 이용하여 복수의 공정들을 연계하여 분석할 수 있다. 예컨대, 데이터 처리 시스템(100)은 제품에 불량이 발생한 재료번호 및 불량이 발생한 위치로 검색할 수 있다. 이때, 데이터 처리 시스템(100)은 검색된 복수의 표준 데이터를 가지고 시간 순으로 추적 분석이 가능할 수 있다.
상기에서는 본 출원의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 출원의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 출원을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (1)

  1. 공장 내에 설치된 복수의 센서들로부터 센서 데이터를 수집하는 수집장치; 및
    상기 수집된 센서 데이터를 재료 및 시간을 기준으로 정련하고, 정련된 센서 데이터를 이용하여 공장 내에 발생하는 이상을 실시간으로 탐지하는 실시간 처리 장치를 포함하는 실시간 센서 데이터 처리 시스템.
KR1020150191748A 2015-12-31 2015-12-31 스마트 팩토리를 위한 실시간 빅데이터 처리 시스템 KR102089818B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150191748A KR102089818B1 (ko) 2015-12-31 2015-12-31 스마트 팩토리를 위한 실시간 빅데이터 처리 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150191748A KR102089818B1 (ko) 2015-12-31 2015-12-31 스마트 팩토리를 위한 실시간 빅데이터 처리 시스템

Publications (2)

Publication Number Publication Date
KR20170081039A true KR20170081039A (ko) 2017-07-11
KR102089818B1 KR102089818B1 (ko) 2020-03-17

Family

ID=59354965

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150191748A KR102089818B1 (ko) 2015-12-31 2015-12-31 스마트 팩토리를 위한 실시간 빅데이터 처리 시스템

Country Status (1)

Country Link
KR (1) KR102089818B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190100847A (ko) * 2018-02-08 2019-08-29 주식회사 포스코아이씨티 Api 기반의 스마트팩토리 시스템
KR20200050586A (ko) 2018-11-02 2020-05-12 주식회사 한컴엠디에스 가상의 스마트 팩토리 저작 시스템 및 방법
KR20200101520A (ko) * 2019-01-31 2020-08-28 상명대학교산학협력단 빅 데이터를 활용한 기계학습 시스템.
KR20200129869A (ko) * 2019-05-10 2020-11-18 주식회사 에스에프에이 스마트 팩토리를 위한 이동 설비의 실시간 센싱 데이터 처리 시스템 및 그 방법
KR20200129868A (ko) * 2019-05-10 2020-11-18 주식회사 에스에프에이 스마트 팩토리를 위한 이동 설비의 실시간 센싱 데이터 처리 시스템 및 그 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003025017A (ja) * 2001-07-11 2003-01-28 Nkk Corp 探傷結果情報が添付された熱延鋼板及びその製造方法
JP4020396B2 (ja) * 2004-05-11 2007-12-12 インターナショナル・ビジネス・マシーンズ・コーポレーション 製品を追跡するための装置及び方法
WO2014193041A1 (ko) * 2013-05-31 2014-12-04 삼성에스디에스 주식회사 제조 설비의 센서 데이터를 활용한 수율 분석 시스템 및 방법
KR20150136681A (ko) * 2014-05-27 2015-12-08 한국생산기술연구원 제조공정 실시간 모니터링 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003025017A (ja) * 2001-07-11 2003-01-28 Nkk Corp 探傷結果情報が添付された熱延鋼板及びその製造方法
JP4020396B2 (ja) * 2004-05-11 2007-12-12 インターナショナル・ビジネス・マシーンズ・コーポレーション 製品を追跡するための装置及び方法
WO2014193041A1 (ko) * 2013-05-31 2014-12-04 삼성에스디에스 주식회사 제조 설비의 센서 데이터를 활용한 수율 분석 시스템 및 방법
KR20150136681A (ko) * 2014-05-27 2015-12-08 한국생산기술연구원 제조공정 실시간 모니터링 시스템

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190100847A (ko) * 2018-02-08 2019-08-29 주식회사 포스코아이씨티 Api 기반의 스마트팩토리 시스템
KR20190100846A (ko) * 2018-02-08 2019-08-29 주식회사 포스코아이씨티 고속 빅데이터 분석을 수행하는 스마트팩토리 시스템
KR20200050586A (ko) 2018-11-02 2020-05-12 주식회사 한컴엠디에스 가상의 스마트 팩토리 저작 시스템 및 방법
KR20200101520A (ko) * 2019-01-31 2020-08-28 상명대학교산학협력단 빅 데이터를 활용한 기계학습 시스템.
KR20210068378A (ko) * 2019-01-31 2021-06-09 상명대학교산학협력단 빅 데이터를 활용한 스마트공장 제조공정 제어시스템.
KR20200129869A (ko) * 2019-05-10 2020-11-18 주식회사 에스에프에이 스마트 팩토리를 위한 이동 설비의 실시간 센싱 데이터 처리 시스템 및 그 방법
KR20200129868A (ko) * 2019-05-10 2020-11-18 주식회사 에스에프에이 스마트 팩토리를 위한 이동 설비의 실시간 센싱 데이터 처리 시스템 및 그 방법

Also Published As

Publication number Publication date
KR102089818B1 (ko) 2020-03-17

Similar Documents

Publication Publication Date Title
KR20170081039A (ko) 스마트 팩토리를 위한 실시간 빅데이터 처리 시스템
US6885907B1 (en) Real-time system and method of monitoring transient operations in continuous casting process for breakout prevention
JP5135393B2 (ja) 生産プラント監視システム、圧延プラント監視装置及びシステム、生産プラント遠隔監視方法、並びに圧延プラント遠隔監視方法
JP4956673B2 (ja) エンドレス熱間圧延工程における鋼板の接合部の検出装置及び方法
KR20180026495A (ko) 제조 설비 진단 지원 장치 및 제조 설비 진단 지원 방법
CN106413942A (zh) 连续铸造的铸造状态的判定方法、装置以及程序
CN109996615A (zh) 轧制设备的异常诊断方法及装置
JP6358215B2 (ja) 連続鋳造鋳片の表面欠陥判定方法及び装置、該表面欠陥判定方法を用いた鋼片の製造方法
JP2017119285A (ja) 小径ロールのベアリング劣化検出方法及びベアリング劣化検出装置
CN102019393B (zh) 用于连铸机的铸体质量判定方法和装置
US20140297638A1 (en) Data management apparatus, data management method and data management program
KR101430316B1 (ko) 데이터 해석 장치
CN203944811U (zh) 大方坯连铸坯凝固末端位置检测装置
CN101393454A (zh) 钢卷生产过程质量控制系统数据处理方法
JP2009276257A (ja) 台車の車輪軸受部の異常判定方法
CN105629921A (zh) 连铸板坯切割完成后的质量缺陷判定及二次处置方法
KR101775777B1 (ko) 철강 플랜트의 경향 감시 장치
JP5924490B2 (ja) 冷間圧延における異常検出方法および冷間圧延方法
CN107971347A (zh) 一种中厚热轧板在线热态测长方法
KR20080058915A (ko) 연연속 열간 압연 설비에서의 접합부 검출 방법
Lieftucht et al. Online prediction of longitudinal facial cracks in thin slab casting using principal component analysis
JP3537625B2 (ja) 連続鋳造における凝固シェル厚測定方法およびその装置
JP4205983B2 (ja) 連続鋳造機のロール間隔決定方法およびそのロール間隔決定システム
CN117539210B (zh) 一种融合机器视觉与过程控制的跟踪方法
CN113614253A (zh) 高炉异常判定装置、高炉异常判定方法以及高炉操作方法

Legal Events

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