KR20180026596A - Distributed Parallel Processing System for Processing Data Of Continuous Process In Rea Time - Google Patents
Distributed Parallel Processing System for Processing Data Of Continuous Process In Rea Time Download PDFInfo
- Publication number
- KR20180026596A KR20180026596A KR1020160113151A KR20160113151A KR20180026596A KR 20180026596 A KR20180026596 A KR 20180026596A KR 1020160113151 A KR1020160113151 A KR 1020160113151A KR 20160113151 A KR20160113151 A KR 20160113151A KR 20180026596 A KR20180026596 A KR 20180026596A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- mapping
- real
- collected
- unit
- Prior art date
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
-
- 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
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/23—Pc programming
- G05B2219/23217—Parallel processing
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32407—Real time processing of data
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
Description
본 발명은 공장 데이터 처리에 관한 것으로서, 보다 구체적으로는 연속공정용 대용량 데이터의 실시간 처리에 관한 것이다.BACKGROUND OF THE
원재료를 이용하여 완제품을 생성하기 위한 복수개의 공정들이 연속적으로 수행되고, 각 공정의 산출물들이 서로 혼합되거나 특정 공정의 산출물의 상태가 변화하여 후속 공정으로 공급되는 것과 같이, 각 공정들이 서로 관련되어 있는 생산 방식을 연속공정 생산방식이라 한다. 철강산업, 에너지산업, 제지산업, 또는 정유산업 등이 연속공정 생산 방식이 적용되는 대표적인 산업들이다.A plurality of processes for producing the finished product using the raw material are successively performed and the processes of the respective processes are mixed with each other or the state of the output of the specific process is changed and supplied to the subsequent process, The production method is called continuous process production method. The steel industry, the energy industry, the paper industry, or the oil refining industry are representative industries to which the continuous process production method is applied.
예컨대, 철강산업은 제선공정, 제강공정, 연주공정 및 압연공정 등과 같은 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) 사이로 통과시켜 늘리거나 얇게 만들어 강판을 생산한다.For example, the steel industry is made up of a plurality of processes such as a milling process, a steelmaking process, a performance process, and a rolling process. The ironmaking process is a process of producing molten iron (iron charcoal), which iron ores are melted by the heat that comes from burning the coal into the blast furnace. The steelmaking process is a process to remove impurities from the molten metal. The molten steel and the molten iron are put together in the converter, and the impurities are removed by blowing oxygen. The casting process is a process in which liquid iron is solidified, and molten steel from which impurities have been removed is injected into a mold and cooled and solidified while passing through a continuous casting machine to be made of an intermediate material such as slab, bloom, or billet. The rolling process is a process of making steel into steel or wire, and slabs, blooms, or billets produced in the performance process are passed through rolls to produce steel sheets by stretching or thinning.
이러한 연속공정 생산방식이 적용되는 산업의 경우, 단일공정 생산방식이 적용되는 산업과 달리, 원재료 또는 중간재가 고속으로 이동하기 때문에 데이터 수집주기가 짧고 데이터의 양이 많을 뿐만 아니라, 소음, 먼지, 수분 등이 많은 공장 환경에서 제품이 생산되기 때문에 계측이상이 자주 발생하고, 작업 방법에 따라 중간재들이 서로 혼합되거나 소재의 위치가 이동한다는 특성이 있다.In the case of this type of continuous process production, unlike in the industry where a single process production method is applied, raw material or intermediate material moves at high speed, so data collection cycle is short and data amount is large, and noise, And so on. Therefore, there is a tendency that measurement errors occur frequently, and the intermediate materials are mixed with each other or the position of the material moves according to the working method.
이에 따라, 연속공정이 생산방식이 적용되는 산업의 경우 대용량의 데이터를 실시간으로 처리할 수 있고, 각 공정 별로 발생된 데이터들 간의 연관관계를 분석할 수 있는 시스템이 요구된다.Accordingly, a system capable of processing a large amount of data in real time and analyzing the relationship between data generated by each process is required in an industry in which a continuous process is applied to a production method.
하지만, 대한민국 공개특허공보 제10-2015-0033847호(발명의 명칭: 실시간 공장상황을 반영한 디지털 팩토리 생산능력 관리 시스템, 2015.04.02. 공개) 등에 개시되어 있는 일반적인 공장 데이터 처리 시스템(예컨대, 철강 데이터 처리 시스템)은 단일 공정에서 발생하는 데이터의 처리 및 분석을 위한 것이기 때문에, 연속 공정에서 발생하는 대용량의 데이터를 실시간으로 처리할 수 없을 뿐만 아니라, 각 공정별로 발생된 데이터들 간의 연관관계를 분석할 수 없다는 문제점이 있다.However, a general factory data processing system disclosed in, for example, Korean Patent Laid-Open Publication No. 10-2015-0033847 (titled " Digital Factory Production Capacity Management System Reflecting Real Time Factory Situation ", published on May 20, Processing system) is for processing and analyzing data generated in a single process, it is not possible to process a large amount of data generated in a continuous process in real time, but also to analyze the relationship between data generated in each process There is a problem that it can not be done.
본 발명은 상술한 문제점을 해결하기 위한 것으로서, 연속공정에서 발생된 대용량의 데이터를 실시간으로 처리할 수 있는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템을 제공하는 것을 그 기술적 특징으로 한다.Disclosure of Invention Technical Problem [8] The present invention is directed to solve the above-described problems and provides a distributed parallel processing system that processes data for a continuous process in real time that can process large amounts of data generated in a continuous process in real time.
또한, 본 발명은 데이터의 실시간 처리를 위한 실시간 프로세싱부의 부하를 균등하게 조절할 수 있는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템을 제공하는 것을 다른 기술적 특징으로 한다.Another aspect of the present invention is to provide a distributed parallel processing system that real-time processes data for a continuous process that can uniformly control the load of a real-time processing unit for real-time processing of data.
또한, 본 발명은 처리된 데이터가 저장되는 메모리부의 가용성을 향상시킬 수 있는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템을 제공하는 것을 또 다른 기술적 특징으로 한다.Another aspect of the present invention is to provide a distributed parallel processing system that processes data for a continuous process in real time that can improve the availability of a memory unit storing processed data.
상기 목적을 달성하기 위해서, 본 발명의 일 측면에 따른 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템은, 복수의 공정이 연결되는 연속공정에서 발생된 데이터를 처리하기 위한 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템에 있어서, 상기 연속공정으로부터 수집된 수집 데이터에 상기 수집 데이터가 발생된 공정의 공정 식별자를 매핑하고, 서로 다른 공정에서 수집된 수집 데이터간의 연계 처리를 위해 상기 매핑된 매핑 데이터를 정렬하는 적어도 하나의 실시간 프로세싱부; 및 상기 정렬 데이터가 분산 저장되는 복수개의 메모리부를 포함하는 것을 특징으로 한다.According to an aspect of the present invention, there is provided a distributed parallel processing system for processing data for a continuous process in real time according to one aspect of the present invention includes a data processing unit for processing continuous process data for processing data generated in a continuous process in which a plurality of processes are connected A distributed parallel processing system for processing in real time, the method comprising: mapping a process identifier of a process in which the collected data is generated to collected data collected from the continuous process; At least one real-time processing unit for sorting the mapping data; And a plurality of memory units in which the alignment data is dispersively stored.
본 발명에 따르면, 연속공정에서 발생된 대용량의 데이터를 실시간으로 처리할 수 있다는 효과가 있다.According to the present invention, it is possible to process a large amount of data generated in a continuous process in real time.
또한, 본 발명에 따르면 각 실시간 프로세싱부에 배포된 수행모듈의 실행으로 인한 시스템 자원 사용 정보를 기초로 각 실시간 프로세싱부에 배포될 수행모듈들을 결정함으로써, 모든 실시간 프로세싱부의 부하가 균등해지도록 할 수 있어 시스템 처리 성능을 향상시킬 수 있다는 효과가 있다.In addition, according to the present invention, the execution modules to be distributed to each real-time processing unit are determined based on the system resource usage information due to the execution of the execution module distributed to each real-time processing unit, So that the system processing performance can be improved.
또한, 본 발명에 따르면 메모리부를 1개의 마스터 인스턴스 및 2개의 슬레이브 인스턴스로 3중화하여 구성함으로써, 마스터 인스턴스가 다운되더라도 2개의 슬레이브 인스턴스 중 어느 하나가 마스터로 절체되어 마스터-슬레이브 2중화 구조로의 동작이 가능하여 메모리부의 가용성을 극대화시킬 수 있다는 효과가 있다.In addition, according to the present invention, the memory unit is configured by triplicating one master instance and two slave instances, so that even if the master instance is down, any one of the two slave instances is switched to the master and the operation to the master- So that the availability of the memory unit can be maximized.
도 1은 본 발명의 일 실시예에 따른 연속공정용 데이터를 실시간으로 처리하는 분산병렬처리시스템을 포함하는 스마트팩토리 아키텍처를 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 인터페이스 시스템의 구성을 보여주는 블록도이다.
도 3은 복수개의 인터페이스 프로세싱부 및 복수개의 큐 저장부를 포함하는 인터페이스 시스템의 구성을 보여주는 도면이다.
도 4는 본 발명의 일 실시예에 따른 분산병렬처리시스템의 구성을 구체적으로 나타내는 도면이다.
도 5는 복수개의 실시간 프로세싱부 및 복수개의 메모리부를 포함하는 분산병렬처리시스템의 구성을 보여주는 도면이다.
도 6은 데이터 매핑 및 정렬 작업의 분산병렬처리방법을 예시적으로 보여주는 개념도이다.
도 7은 3중화된 메모리부의 구성을 보여주는 도면이다.
도 8은 본 발명의 실시예에 따른 빅데이터 분석 시스템의 구성을 구체적으로 나타내는 도면이다.1 is a diagram illustrating a smart factory architecture including a distributed parallel processing system for processing data for a continuous process in real time according to an embodiment of the present invention.
2 is a block diagram illustrating a configuration of an interface system according to an embodiment of the present invention.
3 is a diagram illustrating a configuration of an interface system including a plurality of interface processing units and a plurality of queue storage units.
FIG. 4 is a block diagram of a distributed parallel processing system according to an embodiment of the present invention. Referring to FIG.
5 is a diagram illustrating a configuration of a distributed parallel processing system including a plurality of real-time processing units and a plurality of memory units.
6 is a conceptual diagram illustrating a distributed parallel processing method of data mapping and sorting operations.
7 is a diagram showing a configuration of a triple memory unit.
FIG. 8 is a diagram specifically illustrating a configuration of a big data analysis system according to an embodiment of the present invention.
이하, 첨부되는 도면을 참고하여 본 발명의 실시예들에 대해 상세히 설명한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.
본 명세서에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.The meaning of the terms described herein should be understood as follows.
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.The word " first, "" second," and the like, used to distinguish one element from another, are to be understood to include plural representations unless the context clearly dictates otherwise. The scope of the right should not be limited by these terms.
"포함하다" 또는 "가지다" 등의 용어는 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.It should be understood that the terms "comprises" or "having" does not preclude the presence or addition of one or more other features, integers, steps, operations, elements, components, or combinations thereof.
"적어도 하나"의 용어는 하나 이상의 관련 항목으로부터 제시 가능한 모든 조합을 포함하는 것으로 이해되어야 한다. 예를 들어, "제1 항목, 제2 항목 및 제 3항목 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.It should be understood that the term "at least one" includes all possible combinations from one or more related items. For example, the meaning of "at least one of the first item, the second item and the third item" means not only the first item, the second item or the third item, but also the second item and the second item among the first item, Means any combination of items that can be presented from more than one.
도 1은 본 발명의 일 실시예에 따른 연속공정용 데이터를 실시간으로 처리하는 분산병렬처리시스템을 포함하는 스마트팩토리 아키텍처를 보여주는 도면이다.FIG. 1 is a diagram illustrating a smart factory architecture including a distributed parallel processing system that processes data for a continuous process in real time according to an embodiment of the present invention.
도 1에 도시된 바와 같이, 본 발명에 따른 스마트팩토리 아키텍쳐는, 데이터 수집 장치(1), 네트워크(2), 스마트팩토리 플랫폼(1000), 및 어플리케이션 시스템(3)과 같은 계층으로 구성된다.1, the smart factory architecture according to the present invention is composed of layers such as a
데이터 수집 장치(1)는 연속공정에서 발생되는 데이터를 수집한다. 일 실시예에 있어서, 연속공정이란 원재료를 이용하여 완제품을 생성하기 위한 복수개의 공정들이 연속적으로 수행되고, 각 공정의 산출물들이 서로 혼합되거나 특정 공정의 산출물의 상태가 변화하여 후속 공정으로 공급되는 방식의 공정을 의미한다. 철강공정이 이러한 연속공정의 대표적인 예에 해당한다. 이하에서는 설명의 편의를 위해, 연속공정이 철강공정인 것으로 가정하여 설명하기로 한다.The
철강공정은 제선공정, 제강공정, 연주공정, 및 압연공정 등과 같은 다양한 공정으로 구성되므로, 데이터 수집 장치(10)는 제선공정, 제강공정, 연주공정, 및 압연공정 등과 같은 다양한 공정의 진행 과정에서 발생되는 마이크로 데이터(Micro Data)를 수집한다. 여기서, 마이크로 데이터는 다양한 센서 등을 통해 수집된 데이터 그 자체로서 원시 데이터(Raw Data)를 의미한다. 이하에서는, 설명의 편의를 위해 마이크로 데이터를 수집 데이터로 표기하기로 한다.Since the steel manufacturing process is composed of various processes such as a steelmaking process, a steelmaking process, a performance process, and a rolling process, the data collecting device 10 can perform various processes such as a steelmaking process, a steelmaking process, a performance process, And collects generated micro data. Here, micro data refers to raw data as data collected through various sensors and the like. Hereinafter, microdata will be referred to as collected data for convenience of explanation.
이를 위해, 데이터 수집 장치(1)는 마이크로 데이터를 수집하기 위한 다양한 계측기, 센서, 액츄에이터 등을 포함한다. 데이터 수집 장치(1)는 계측기, 센서, 액츄에이터 등에 의해 수집된 데이터를 통합하거나 제어하는 P/C, PLC(Programmable Logic Controller), DCS(Distributed Control System) 등을 더 포함할 수 있다.For this purpose, the
네트워크(2)는 데이터 수집 장치(1)에서 수집된 대용량의 데이터를 스마트팩토리 플랫폼(1000)으로 전달한다. 일 실시예에 있어서, 본 발명에 따른 네트워크(2)는 네트워크 케이블, 게이트웨이, 라우터, 또는 무선 AP(Access Point) 등을 포함할 수 있으나 이에 한정되는 것은 아니다.The
스마트팩토리 플랫폼(1000)은 데이터 수집 장치(1)에서 수집된 대용량의 마이크로 데이터를 네트워크(2)를 통해 수신한다. 스마트팩토리 플랫폼(1000)은 수신된 대용량의 마이크로 데이터를 실시간으로 가공한다. 또한, 스마트팩토리 플랫폼(100)은 가공된 마이크로 데이터를 기초로 설비 또는 재료 등의 이상유무를 실시간으로 판단할 뿐만 아니라 빅데이터 분석을 위해 가공된 마이크로 데이터를 빅데이터 저장부(미도시)에 저장하며, 저장된 데이터에 대한 조회 및 분석 서비스를 제공한다.The
일 실시예에 있어서, 본 발명에 따른 스마트팩토리 플랫폼(100)은 도 1에 도시된 바와 같이, 인터페이스 시스템(100), 분산병렬처리 시스템(200), 빅데이터 분석시스템(300)을 포함한다. 또한, 스마트팩토리 플랫폼(1000)은 서비스 시스템(400), 관리시스템(500), 및 보안시스템(500)을 더 포함할 수 있다.In one embodiment, the
인터페이스 시스템(100)은 Level 0 내지 Level 2의 이기종 장치들과 다양한 프로토콜을 통해 연결되기 위한 연결 수단을 제공하고 데이터 수집 장치(1)에서 수집된 마이크로 데이터를 전처리 하여 마이크로 데이터를 표준화한다.The
이하, 도 2를 참조하여 본 발명에 따른 인터페이스 시스템(100)에 대해 구체적으로 설명한다.Hereinafter, the
도 2는 본 발명의 일 실시예에 따른 인터페이스 시스템(100)의 구성을 보여주는 도면이다. 도 2에 도시된 바와 같이, 본 발명에 따른 인터페이스 시스템(100)은 인터페이스 프로세싱부(110) 및 큐 저장부(120)를 포함한다.2 is a diagram illustrating a configuration of an
인터페이스 프로세싱부(110)는 연속공정으로부터 수집된 수집 데이터의 연계처리를 위해, 수집된 데이터들을 전처리한다. 일 실시예에 있어서, 인터페이스 프로세싱부(110)는 수집된 데이터를 표준화함으로써 수집된 데이터를 전처리할 수 있다. 이를 위해, 인터페이스 프로세싱부(110)는 도 2에 도시된 바와 같이, 수신유닛(111), 파싱유닛(112), 표준화유닛(113), 필터링유닛(114), 및 전송유닛(115)를 포함한다.The
수신유닛(111)은 데이터 수집 장치(1)에 포함된 센서들에 의해 수집된 수집 데이터를 수신한다. 일 실시예에 있어서, 수신유닛(110)은 하나 이상의 통신 방식을 이용하여 수집 데이터를 수신할 수 있다. 일례로, 수신유닛(111)은 iBA, OPC(OLE for Process control), TCP/IP 등과 같은 다양한 통신방식을 이용할 수 있다. 즉, 데이터 수집 장치(1)에 포함된 센서 등의 종류에 따라서 네트워크(2)를 구성하는 각각의 게이트웨이 등에서 이용하는 통신방식이 다양할 수 있으므로, 본 발명의 실시예에 따른 수신유닛(111)은 다양한 네트워크(2)와 통신할 수 있는 모든 통신방식을 지원한다.The
파싱유닛(112)은 수신유닛(111)을 통해 수신된 수집 데이터를 파싱한다.The
구체적으로 데이터 수집 장치(1)에서 수집된 수집 데이터는 복수의 항목 ID를 포함하는 그룹 ID, 수집 시간, 및 복수의 측정값이 반복되는 구조를 가질 수 있다. 이 때, 항목 ID는 측정한 속성을 식별하기 위한 것으로 연속 공정 중 설비, 재료, 또는 제품의 어떤 속성을 측정한 것인지를 의미하는 값으로 온도나 습도 등이 될 수 있다. 그룹 ID는 특정 공장에서 위치 별 또는 각 공정 별로 몇 가지 항목을 그룹으로 편성한 대표값이 될 수 있다. 다만, 본 발명의 실시예에서 데이터 구조는 이에 한정되지 않으므로 그룹 ID 자체에 수집된 시간이 포함되어 있을 수도 있다.Specifically, the collected data collected by the
이와 같이, 수집 데이터가 별도의 구분없이 그룹 ID, 수집 시간, 및 복수의 측정값이 반복되는 형태로 구성되어 있는 경우, 분산병렬처리 시스템(200)이 표준화되어 있지 않은 그룹 ID, 항목 ID, 및 복수의 측정값을 해석하는 과정이 별도로 필요하기 때문에, 설비의 이상 또는 제품의 품질 이상 등의 실시간 분석이 어렵게 될 수 있다.In this manner, when the collected data is composed of a group ID, a collecting time, and a plurality of measured values repeatedly without any other distinction, the distributed
따라서, 파싱유닛(112)은 연속공정으로부터 수집된 수집 데이터의 연계 처리를 위해, 수집된 데이터를 미리 설정된 레이아웃에 기초하여 의미있는 단위로 파싱한다.Thus, the
일 실시예에 있어서, 파싱유닛(112)은 수집 데이터를 그룹 ID별로 파싱하고, 그룹 ID에 포함된 복수의 항목 ID와 복수의 측정값을 각각 매칭시켜 단일 항목 ID, 수집 시간, 및 단일 측정값을 갖는 형태의 데이터로 각각 변환할 수 있다.In one embodiment, the
이러한 실시에 따르는 경우, 파싱유닛(112)은 수집 데이터 전문에 대한 메시지 레이아웃이 정의되어 있는 메시지 레이아웃 저장부(117)를 참조하여 수집 데이터를 파싱할 수 있다. 메시지 레이아웃 저장부(117)는 별도의 구성으로 인터페이스 프로세싱부(110) 또는 다른 장치에 포함될 수 있다. 그러나, 본 발명은 이에 한정되지 않으므로 파싱유닛(112) 내부에 메시지 레이아웃에 관한 정보가 포함되어 있을 수도 있다.In accordance with this implementation, the
표준화유닛(113)은 파싱유닛(112)에 의해 파싱된 수집 데이터를 표준화한다. 일 실시예에 있어서, 표준화유닛(113)은 파싱유닛(112)으로부터 전달되는 단일 항목 ID, 수집된 시간, 및 단일 측정값을 갖는 각각의 수집 데이터에 대해서, 미리 설정된 표준변환기준에 따라 항목 ID를 표준항목 ID로 변환하고 측정값의 단위 및 자리수를 통일시킴으로써 파싱된 데이터를 표준화할 수 있다.The
구체적으로, 데이터 수집 장치(1)에 포함된 각각의 센서 또는 액츄에이터 등은 동일한 속성을 측정하더라도 이들이 생산된 업체나 이들이 포함된 공장의 특성에 따라 서로 다른 항목 ID를 가질 수 있다. 이와 같이 서로 다른 항목 ID를 기준으로 파싱된 데이터가 그대로 분산병렬처리시스템(200)으로 전달될 경우, 표준화되어 있지 않은 항목 ID 및 복수의 측정값을 해석하는 과정이 별도로 필요하기 때문에, 설비의 이상 또는 제품의 품질 이상 등을 모니터링하는 분산병렬처리시스템(200)의 성능이 저하될 수 있다. 따라서, 본 발명의 실시예에 따른 표준화유닛(113)은 동일한 속성을 측정한 데이터가 동일한 항목 ID를 갖도록 각 수집 데이터에 포함된 항목 ID를 표준항목 ID로 변경할 수 있다.Specifically, even though each sensor or actuator included in the
이와 같이, 표준화유닛(113)은 서로 동일한 속성을 측정한 측정값에 대해서는 동일한 표준항목 ID를 갖도록 수집 데이터를 전처리함으로써, 각각의 표준항목 ID에 기초하여 연속공정으로부터 수집된 수집 데이터가 연계 처리될 수 있도록 한다.In this manner, the
또한, 데이터 수집 장치(1)를 통해 수집된 수집 데이터에 포함된 측정값의 형식은 센서나 액츄에이터와 같은 데이터 수집 장치(1)의 종류에 따라 상이할 수 있다. 그 결과, 연속공정으로부터 각각 수집된 서로 다른 형식의 수집 데이터의 연계 처리를 위해서는 각 디바이스의 종류에 따라 데이터의 단위 및 길이를 환산하는 과정을 추가로 수행해야 하기 때문에 연속공정으로부터 수집되는 대용량의 데이터를 실시간으로 연계 처리하는 것이 불가능하다. 따라서, 본 발명의 실시예에 따른 표준화유닛(113)은 분산병렬처리시스템(200)이 실시간으로 대용량의 데이터를 처리할 수 있도록 수집 데이터를 표준화한다.In addition, the format of the measurement values included in the collected data collected through the
표준화유닛(113)은 별도의 구성으로 인터페이스 프로세싱부(110) 또는 다른 장치에 포함된 표준 변환기준 저장부(118)를 참조하여, 항목 ID, 측정값의 단위 및 자리수를 표준화할 수 있으나, 본 발명은 이에 한정되지 않으므로 표준화유닛(113) 내부에 표준화를 위한 표준 변환기준에 관한 정보가 포함되어 있을 수 있다.The
필터링유닛(114)은 미리 설정된 필터링 기준에 따라 표준화유닛(113)에서 표준화된 데이터를 큐 저장부(120)에 저장할 것인지 여부를 판단한다. 일례로, 수집된 수집 데이터의 종류에 따라 등급이 미리 설정되어 있고, 필터링유닛(114)은 상기 등급에 따라 큐 저장부(120)에 저장할 데이터 여부를 판단할 수 있다. 일 실시예에 있어서, 등급은 표준화된 데이터의 표준항목 ID를 기준으로 중요도에 따라 결정될 수 있으나 이에 한정되는 것은 아니다.The
필터링유닛(114)은 큐 저장부(120)에 저장될 필요가 있는 데이터를 필터링하기 위한 기준이 저장된 필터링 기준 저장부(119)를 참조하여 표준화된 데이터를 필터링할 수 있다. 필터링 기준 저장부(119)는 별도의 구성으로 인터페이스 프로세싱부(110) 또는 다른 장치에 포함될 수 있다. 그러나, 본 발명은 이에 한정되지 않으므로 필터링유닛(114) 내부에 필터링 기준에 관한 정보가 저장되어 있을 수도 있다.The
전송유닛(115)은 필터링유닛(114)을 통해 필터링된 데이터를 큐 저장부(120)의 큐에 저장한다. 일 실시예에 있어서, 전송유닛(115)는 필터링된 데이터를 그룹 ID 또는 표준항목 ID별로 큐 저장부(120)의 큐(121)에 저장할 수 있다. The
즉, 본 발명의 실시예에서는 서로 다른 형식을 갖는 각 공정 별 수집 데이터를 파싱 및 표준화하여 일정한 형식으로 변환하는 한편, 표준화된 데이터를 그룹 ID 또는 표준항목 ID 별로 저장하여 그룹 ID 또는 표준항목 ID 별로 데이터 확인이 가능하므로 연속공정으로부터 수집된 수집 데이터가 실시간으로 연계 처리될 수 있다.That is, in the embodiment of the present invention, the collected data for each process having different formats are parsed and standardized and converted into a certain format, and the standardized data is stored for each group ID or standard item ID, Since the data can be checked, the collected data collected from the continuous process can be processed in real time.
일 실시예에 있어서, 큐 저장부(120)는 복수개로 구성될 수 있다. 이러한 실시예에 따르는 경우, 전송유닛(115)이 복수개의 큐 저장부(120) 중 어느 하나의 큐 저장부(120)에 전처리된 수집 데이터를 저장하면 나머지 큐 저장부(120)에도 동일 데이터가 복제되어 저장된다. 이때, 전송유닛(115)은 복수의 큐 저장부(121)의 부하를 고려하여 부하가 적은 큐 저장부(121)에 수집 데이터를 저장할 수 있다.In one embodiment, the
또한, 전송유닛(115)은 복수개의 큐 저장부(120)의 동작모드에 따라 수집 데이터의 저장 여부를 결정할 수 있다. 구체적으로, 전송유닛(115)은 복수개의 큐 저장부(120)의 동작모드가 대기모드인 경우 데이터의 저장을 중지할 수 있다. 이때, 복수개의 큐 저장부(120)의 동작모드는 복수개의 큐 저장부(120) 중 정상 동작하는 큐 저장부(120)의 개수에 기초하여 결정될 수 있다.In addition, the
한편, 복수개의 큐 저장부(120)의 동작 모드가 대기 모드인 경우, 수신유닛(111)도 수집 데이터의 수신을 중지하게 된다. 즉, 큐 저장부(120)가 비정상적으로 동작하여 수집 데이터의 저장이 실시간으로 수행되지 않음에도 불구하고, 수신유닛(111)이 데이터 수집 장치(1)로부터 계속해서 수집 데이터를 수신할 경우 큐 저장부(120)의 장애로 인해 인터페이스 프로세싱부(110)의 수집 데이터 처리 동작에도 장애가 발생하게 된다.On the other hand, when the operation mode of the plurality of
따라서, 본 발명의 실시예에서 인터페이스 프로세싱부(110)는 큐 저장부(120)의 동작 모드가 대기 모드인 경우, 수집 데이터의 수신 및 저장을 중지함으로써 장애 발생을 방지하고, 큐 저장부(120)가 정상 동작하면 다시 수집 데이터의 수신 및 저장을 수행할 수 있다.Accordingly, in the embodiment of the present invention, when the operation mode of the
본 발명의 실시예에 따른 인터페이스 프로세싱부(110)는 수집 데이터 병합유닛(116), 메시지 레이아웃 저장부(117), 표준변환기준 저장부(118), 및 필터링 기준 저장부(119) 중 적어도 하나를 더 포함할 수 있다.The
수집 데이터 병합유닛(116)은 연속 공정에서의 처리 성능 향상을 위해 수집 데이터를 병합(Merge)하여 파싱유닛(112)으로 전달한다. 일 실시예에 있어서, 수집 데이터 병합유닛(116)은 일정시간 간격(예: 0.1초, 1초, 1분 등)으로 수신유닛(111)을 통해 수신되는 수집 데이터를 병합한다. 즉, 연속 공정의 특성상 아주 짧은 주기(예: 5㎳ 내지 20㎳)로 수집 데이터가 파싱유닛(112)으로 전달될 수 있는데, 이러한 짧은 주기로 파싱유닛(112)이 데이터를 연속해서 파싱하는 것은 전체 시스템의 실시간 처리 성능을 악화시킬 수 있다.The collection
따라서, 수집 데이터 병합유닛(116)은 실시간 모니터링을 위해 필요한 수집 데이터는 병합하지 않고 파싱유닛(112)로 바로 전달하고, 나머지 수집 데이터는 일정시간 간격으로 병합하여 파일 형태로 생성한 후 파싱유닛(112)으로 전달할 수 있다. 이 때, 실시간 모니터링을 위해 필요한 수집 데이터인지 여부는 수집 데이터의 중요도에 따라 설정될 수 있으며, 일례로 이상이 발생할 경우 즉각적인 조치가 필요한 설비 또는 재료로부터 수집되는 수집 데이터를 실시간 모니터링을 위해 필요한 수집 데이터로 설정할 수 있다.Accordingly, the collected
메시지 레이아웃 저장부(117)에는 수집 데이터 전문에 대한 레이아웃을 정의한 데이터가 저장되어 있으며, 파싱유닛(112)은 메시지 레이아웃 저장부(117)를 참조하여 바이너리 형태 또는 별도의 데이터 전송 기준으로 전달되는 수집 데이터를 해석하는 근거로 이용할 수 있다.The
표준변환기준 저장부(118)에는 데이터 수집 장치(1)를 구성하는 다양한 센서 등의 항목 ID를 표준화한 표준항목 ID와, 각 표준항목 ID에 따른 기준 단위와 자리수가 저장되어 있다. 즉, 다양한 센서로부터 대용량의 수집 데이터가 수집될 때부터 미리 표준화된 항목 ID와 통일된 단위와 자리수를 갖는 수집 데이터가 수집되는 것이 바람직하지만, 각 공정의 특성에 따라 각 센서에서 수집되는 마이크로 데이터의 특성이 상이할 수 있으므로 본 발명의 실시예에서는 향후 분석에 효율적으로 활용하기 위해 사전에 다양한 센서 등의 항목 ID를 표준화한 표준항목 ID와, 각 표준항목 ID에 따른 기준 단위와 자리수가 저장해 둔다.In the standard conversion
이러한 실시예에 따르는 경우, 상술한 표준화유닛(113)은 표준변환기준 저장부(118)를 참조하여 파싱된 데이터의 항목 ID를 표준항목 ID로 변경하고, 단위 및 자리수를 통일시킬 수 있다.According to this embodiment, the above-described
필터링 기준 저장부(119)에는 표준화된 데이터 중 큐 저장부(120)에 저장될 필요가 있는 데이터를 필터링하기 위한 기준이 저장되어 있으며, 상술한 필터링유닛(114)은 필터링 기준 저장부(119)를 참조하여 표준화된 데이터 중 큐 저장부(120)에 저장할 데이터를 필터링할 수 있다.The
큐 저장부(120)는 인터페이스 프로세싱부(110)에서 전처리된 데이터를 실시간 처리 전에 임시로 보관하는 영역으로 큐(121)를 포함한다.The
큐(121)는 인터페이스 프로세싱부(110)에서 전처리된 데이터를 일정시간 동안 보관하기 위한 저장소로 데이터 유실 방지를 위해 메모리가 아닌 디스크 기반으로 데이터를 저장할 수 있다. 복수의 큐(121)에서 데이터를 저장하는 공간은 토픽(Topic)으로 구분될 수 있고, 동일 토픽 내의 파티션을 여러개 분리하여 병렬로 처리하는 것도 가능하다.The
일 실시예에 있어서, 분산병렬처리시스템(200)이 큐 저장부(120)로부터 페치하는 데이터 그룹 별로 고유한 그룹 ID가 할당될 수 있고, 이 고유한 그룹 ID 별로 데이터 페치 주소가 관리될 수 있어, 데이터를 순차적으로 읽고 쓰는 큐 형태로 데이터가 저장 및 제공될 수 있다.In one embodiment, a group ID unique to each data group fetched from the
상술한 실시예에서는 하나의 인터페이스 프로세싱부(110) 및 하나의 큐 저장부(120)를 통해 수집 데이터를 전처리하는 것으로 설명하였지만, 변형된 실시예에 있어서는, 도 3에 도시된 바와 같이 복수개의 인터페이스 프로세싱부(110) 및 복수개의 큐 저장부(120)를 통해 수집 데이터를 전처리할 수도 있다.In the above-described embodiment, it is described that the collected data is preprocessed through one
이러한 실시예에 따르는 경우, 복수개의 인터페이스 프로세싱부(110)는 데이터 수집 장치(1)의 규모 및 공장의 물리적 위치 등에 따라 추가하는 형태로 확장될 수 있으며, 각각의 인터페이스 프로세싱부(110)는 고가용성(High Availability; HA)을 위해 이중화 구조로 구현될 수 있다.According to this embodiment, the plurality of
즉, 각각의 인터페이스 프로세싱부(110)는 운영 서버 및 백업 서버로 구비되어 평상시 운영 서버가 동작하다가 운영 서버에 장애가 발생할 경우 자동으로 백업 서버가 활성화됨으로써, 전술한 인터페이스 프로세싱부(110)의 동작이 중단되지 않고 연속적으로 수행될 수 있다.That is, each of the
또한, 복수개의 큐 저장부(120)는 클러스터링 구조로 구현됨으로써, 1대의 큐 저장부(120)에 데이터가 저장되면 다른 큐 저장부(120)로 데이터가 복제되어 어느 큐 저장부(120)에 장애가 발생할 경우에도 다른 큐 저장부(120)를 참조하여 서비스를 지속으로 제공할 수 있다. The plurality of
또한, 인터페이스 프로세싱부(110)는 수집된 수집 데이터에 대한 표준화가 완료되면 복수개의 큐 저장부(120) 중1대의 큐 저장부(120)를 선택하여 표준화된 데이터를 저장한다. 이 때, 데이터를 저장할 큐 저장부(120)를 선택하는 기준은 다양한 룰 중에서 선택될 수 있으며, 일례로 부하가 가장 낮은 큐 저장부(120)를 선택하거나, 순차적으로 선택하는 방식, 또는 데이터를 수집한 센서 별로 저장할 큐 저장부(120)를 사전에 미리 저장하여 선택하는 것이 가능하다.In addition, when standardization of collected collected data is completed, the
다시 도 1을 참조하면, 분산병렬처리시스템(200)은 인터페이스 장치(100)에서 표준화된 표준화 데이터에 공정 식별자를 매핑하고, 각 공정 별로 수집된 수집 데이터들의 연계 처리를 위해 각 공정에서의 매핑 데이터들을 정렬한다. 이하, 본 발명에 따른 분산병렬처리시스템(200)을 도 4를 참조하여 보다 구체적으로 설명한다.1, the distributed
도 4는 본 발명의 일 실시예에 따른 분산병렬처리시스템(200)의 구성을 보여주는 도면이다. 도 4에 도시된 바와 같이, 본 발명에 따른 분산병렬처리시스템(200)은 실시간 프로세싱부(210) 및 메모리부(220)를 포함한다.FIG. 4 is a diagram illustrating a configuration of a distributed
실시간 프로세싱부(210)는 인터페이스 시스템(100)에 의해 표준화된 데이터에 공정 식별자를 매핑하여 매핑 데이터를 생성하고, 조업-설비-품질 등 영역간 데이터를 연계분석할 수 있도록 매핑 데이터를 정렬한다. The real-
이를 위해, 본 발명에 따른 실시간 프로세싱부(210)는 도 4에 도시된 바와 같이, 페치(fetch) 수행모듈(211), 로딩 수행모듈(212), 공정매핑 수행모듈(213), 데이터 보정 수행모듈(215), 및 데이터 정렬 수행모듈(216)을 포함한다. 또한, 실시간 프로세싱부(210)는 설비 이상감지 수행모듈(217) 및 품질 이상감지 수행모듈(218)을 더 포함할 수 있다.4, the real-
일 실시예에 있어서, 도 4에 도시된 복수개의 수행모듈(211~218)들은 실시간 프로세싱부(210)에 배포되어 각각의 기능을 구현하는 어플리케이션(Application)으로 구현될 수 있고, 이러한 어플리케이션들이 실시간 프로세싱부(210)에 작업 공간을 생성한 후 복수개의 쓰레드(Thread)를 생성함으로써 각 수행모듈(211~218) 별로 할당된 기능들을 수행하게 된다.In one embodiment, the plurality of
이하, 복수개의 수행모듈(211~218) 각각의 기능에 대해 구체적으로 설명한다.Hereinafter, functions of each of the plurality of
페치 수행모듈(211)은 인터페이스 시스템(100)의 큐(121)로부터 표준화된 데이터를 독출하여 메모리부(220)의 수집데이터 저장부(221)에 저장한다. 일 실시예에 있어서, 페치 수행모듈(211)은 큐 저장부(120)에 포함된 복수의 큐(121) 각각에 대해서 이전에 데이터를 조회한 위치 정보를 기억함으로써, 이전까지 읽어 들인 데이터의 다음 데이터를 읽어 들일 수 있다.The fetch
이때, 인터페이스부(110)는 연속공정으로부터 수집된 수집 데이터의 연계 처리를 위해 표준화된 수집 데이터를 그룹 ID 또는 표준항목 ID 별로 큐(121)에 저장하므로, 페치 수행모듈(211)은 큐(121)에 저장된 표준화된 데이터를 그룹 ID 또는 표준항목 ID 별로 독출할 수 있다.At this time, the
로딩 수행모듈(212)은 수집데이터 저장부(221)에 저장된 데이터를 로딩하여 공정매핑 수행모듈(213)으로 전달한다.The
공정매핑 수행모듈(213)은 로딩 수행모듈(212)로부터 전달받은 표준화된 데이터에 해당 데이터가 수행된 공정을 식별하기 위한 공정 식별자를 매핑하고, 매핑 데이터를 데이터 보정 수행모듈(215)로 전달한다.The process
일 실시예에 있어서, 공정매핑 수행모듈(213)은 각 공정을 수행하는 설비의 설비 식별자 또는 해당 설비에 의해 가공되는 재료의 재료 식별자 중 적어도 하나를 공정 식별자로써 표준화된 데이터에 매핑할 수 있다. 이를 위해, 매핑 수행모듈(213)은 설비매핑 수행모듈(213a) 및 재료매핑 수행모듈(213b)을 포함할 수 있다.In one embodiment, the
설비매핑 수행모듈(213a)은 로딩 수행모듈(212)에 의해 로딩된 표준화된 데이터에 해당 데이터가 수집된 설비 식별자를 매핑한다. 일 실시예에 있어서, 설비 식별자는 각 설비 별로 부여된 설비 번호일 수 있다.The facility
일 실시예에 있어서 설비매핑 수행모듈(213a)은 수집 데이터의 수집 시간 및 수집 데이터를 수집한 센서의 속성 정보에 기초하여 수집 데이터가 발생한 설비의 설비 식별자를 추출할 수 있다. 이 때, 센서의 속성 정보는 측정한 속성을 식별하기 위한 정보로서 전술한 바와 같이 표준항목 ID를 포함할 수 있으나, 본 발명은 이에 한정되지 않는다.In one embodiment, the facility
즉, 전술한 바와 같이, 인터페이스 장치(100)에 의해 표준화된 데이터는 표준항목 ID, 수집된 시간, 및 표준화된 단위와 자리수를 갖는 단일 측정값을 포함하는데, 각 설비에 의해 수행되는 작업 별로 동작하는 시간이 정해져 있으므로 설비매핑 수행모듈(213a)은 수집 데이터의 수집 시간 정보에 기초하여 해당 시간에 동작한 설비를 확인할 수 있다. 또한, 센서의 속성 정보에는 해당 센서가 측정한 설비의 설비 식별자 정보가 포함되어 있으므로, 설비매핑 수행모듈(213a)은 특정 시간에 특정한 표준항목 ID를 갖는 센서가 측정한 설비의 설비 식별자를 추출할 수 있다.That is, as described above, the data standardized by the
그 결과, 설비 식별자가 매핑된 매핑 결과 데이터는 표준항목 ID, 수집된 시간, 설비 식별자 및 단일 측정값을 포함하게 된다.As a result, the mapping result data to which the equipment identifier is mapped includes the standard item ID, the collected time, the equipment identifier, and the single measurement value.
재료매핑 수행모듈(213b)은 설비 식별자가 매핑된 매핑 데이터에 해당 설비 식별자에 대응되는 설비를 통해 가공된 재료의 재료 식별자를 매핑한다. 일 실시예에 있어서, 재료 식별자는 각 재료 별로 부여되어 있는 재료번호일 수 있다. 상술한 실시예에 있어서 재료매핑 수행모듈(213b)은 설비 식별자가 매핑되어 있는 매핑 데이터에 재료 식별자를 매핑하는 것으로 설명하였지만, 설 변형된 실시예에 있어서 설비 식별자는 센서에 의해 수집된 데이터에 미리 포함되어 있을 수 있으므로, 재료매핑 수행모듈(213b)은 로딩 수행모듈(212)로부터 전달된 표준화된 데이터에 재료 식별자를 매핑할 수도 있다.The material
재료매핑 수행모듈(213b)은 각 공정에서 수행되는 작업 지시 정보에 기초하여 매핑 데이터에 매핑되어 있는 설비 식별자에 대응되는 설비에서 가공된 재료의 재료 식별자를 추출할 수 있다.The material
예컨대, 제1공정의 제1 설비를 통해 제1 재료 식별자가 부여되어 있는 제1재료가 생성되는 경우 재료매핑 수행모듈(213b)은 제1 설비의 설비 식별자가 매핑되어 있는 매핑 데이터에 제1 재료 식별자를 추가로 매핑한다. 또한, 제2공정을 수행하는 제2 설비를 통해 제2 재료 식별자가 부여되어 있는 제2재료가 생성되는 경우, 재료매핑 수행모듈(213b)은 제2 설비의 설비 식별자가 매핑되어 있는 매핑 데이터에 제2 재료 식별자를 추가로 매핑한다.For example, when the first material having the first material identifier is generated through the first facility of the first process, the material
설비매핑 수행모듈(213a)에 의해 설비 식별자가 매핑된 데이터는 표준항목 ID, 수집시간, 설비 식별자, 및 표준화된 단위와 자리수를 갖는 단일 측정값을 포함하므로, 재료매핑 수행모듈(213b)에서 출력되는 매핑 데이터는 표준항목 ID, 수집된 시간, 설비 식별자, 재료 식별자, 및 단일 측정값을 포함하게 된다.Since the data to which the equipment identifier is mapped by the equipment
이와 같이, 본 발명의 실시예에 따른 분산병렬처리 시스템(200)은 표준화된 데이터에 설비 식별자 및 재료 식별자 중 적어도 하나를 포함하는 공정 식별자를 매핑함으로써, 각 데이터 별로 어떠한 재료가 어떠한 설비를 통과하는 과정에서 수집된 데이터인지 확인할 수 있고, 이러한 데이터의 추적을 통해 각 공정들간의 연계분석이 가능하다.In this way, the distributed
또한, 인터페이스 시스템(100)을 통해 수집 데이터가 표준화되기 때문에 분산병렬처리 시스템(200)은 정형화된 구조를 갖는 표준화된 데이터에 설비 식별자와 재료 식별자를 매핑할 수 있으므로 시간 지연 없이 대용량의 데이터를 실시간으로 처리할 수 있다.In addition, since the collected data is standardized through the
한편, 데이터 수집 장치(1)를 통해 수집된 수집 데이터는 설비가 재료를 가공하고 있는 상태에서 수집된 데이터인 부하 데이터 및 설비가 재료를 가공하고 있지 않는 상태에서 수집된 데이터인 무부하 데이터를 포함할 수 있다.On the other hand, the collected data collected through the
무부하 데이터의 경우, 설비 식별자가 매핑된 수집 데이터에 추가로 매핑할 재료 식별자가 없으므로, 재료매핑 수행유닛(213b)은 설비 식별자가 매핑된 매핑 데이터를 바로 정렬 데이터 저장부(222)에 저장할 수 있다. 이러한 경우 부하 데이터와 무부하 데이터는 정렬 데이터 저장부(222)에서 분리되어 저장될 수 있다.In the case of no-load data, since there is no material identifier to be further mapped to the collection data to which the equipment identifier is mapped, the material
데이터 보정 수행모듈(215)은 공정 식별자가 매핑된 매핑 데이터 중 누락된 데이터가 있는 경우 누락된 데이터를 추가하여 매핑 데이터를 보정한다. 일 실시예에 있어서, 데이터 보정 수행모듈(215)은 매핑 데이터의 보정을 위해, 매핑 데이터에 포함된 수집 시간을 미리 정해진 수집 주기에 일치시킬 수 있다. 즉, 데이터 수집 장치(1)를 통해 미리 정해진 수집 주기로 수집 데이터가 발생해야 하는데 그렇지 않은 경우가 있을 수 있으므로, 데이터 보정 수행모듈(215)은 각 매핑 데이터의 수집 시간을 수집 주기에 일치시킨다. The data
예를 들어, 수집 주기를 20ms로 수집 데이터를 저장하는 경우 데이터 수집 장치(1)는 20ms 마다 수집 데이터를 발생시켜야 하므로, 데이터 보정 수행모듈(215)은 수집시간이 15시01분11초0005ms인 매핑 데이터의 수집시간을 15시01분11초0000ms로 변경하고, 수집시간이 15시01분11초0050ms인 매핑 데이터의 수집 시간을 15시01분11초0040ms로 변경할 수 있다.For example, when the collection period is 20 ms, the
그리고, 이와 같이 수집 주기가 20ms인 경우 20ms로 수집 데이터가 전달되어야 하는데, 일부 수집 데이터가 누락된 경우 각각의 수집 데이터들이 수집된 수집 주기가 20ms 보다 길게 된다. 따라서, 데이터 보정 수행모듈(215)은 누락이 발생한 데이터가 수집되었어야 하는 영역과 가장 인접한 위치에서의 매핑 데이터 또는 누락이 발생한 시간과 인접한 수집 시간의 매핑 데이터를 이용하여 누락된 데이터를 보정한다.If the collection period is 20 ms, the collected data should be transmitted in 20 ms. If some collected data is missing, the collected period of each collected data becomes longer than 20 ms. Therefore, the data
데이터 정렬 수행모듈(216)은 데이터 보정 수행모듈(215)에 의해 보정된 매핑 데이터 또는 공정 식별자가 매핑된 매핑 데이터를 각 공정의 데이터들 간의 연계처리를 위해 정렬한다.The data
일 실시예에 있어서, 데이터 정렬 수행모듈(216)은 동일한 재료 식별자가 매핑되어 있는 매핑 데이터들을 수집 시간에 따라 순차적으로 정렬한다. 즉, 데이터 정렬 수행모듈(216)은 연속공정에서 수집된 수집 데이터 간의 연계처리를 위해 매핑 데이터를 동일한 재료 식별자를 갖는 재료 단위로 시간 순서에 따라 정렬할 수 있다.In one embodiment, the data sorting performing
데이터 정렬 수행모듈(216)은 시간 순서에 따라 정렬된 매핑 데이터들을 동일한 재료 식별자에 대응되는 재료 상에서 해당 데이터가 수집된 위치를 기준으로 정렬한다.The data sorting performing
매핑 데이터들의 정렬을 위해, 데이터 정렬 수행모듈(216)은 재료의 길이, 재료의 이동 속도, 및 수집 데이터의 수집 주기 중 적어도 하나를 이용하여 상기 재료 상에서 상기 시간에 따라 정렬된 수집 데이터의 수집 위치를 결정할 수 있다. 예컨대, 데이터 정렬 수행 모듈(216)은 재료의 이동 속도와 수집 데이터의 수집 주기를 곱한 값 및 재료의 전체 길이를 기준으로 재료 상에서 각 주기 별로 수집 데이터가 수집된 수집 위치를 결정할 수 있다. 이에 따라, 시간에 따라 정렬된 매핑 데이터는 재료 상에서 일 방향으로 소정의 위치에서 측정된 데이터로 각각 정렬될 수 있다.For the alignment of the mapping data, the
데이터 정렬 수행모듈(216)은 서로 다른 수집 주기로 제1 공정 및 제2공정으로부터 각각 수집된 수집 데이터의 연계 처리를 위해, 각 재료 상에서 미리 정해진 간격으로 설정된 기준점들과 각 매핑 데이터의 수집 위치 간의 거리를 기초로 각 기준점들에서의 측정값을 산출하고, 산출된 측정값을 기초로 각 기준점들에서의 기준 데이터를 생성한다.The data sorting performing
데이터 정렬 수행모듈(216)은 시간에 따라 정렬된 수집 데이터 및 기준점들에서의 기준 데이터들을 재료 상에서 일 방향으로 순차적으로 정렬한다. 데이터 정렬 수행모듈(216)은 정렬된 데이터를 메모리부(220)의 정렬데이터 저장부(222)에 저장한다. 일 실시예에 있어서, 일 방향은 재료의 길이 방향, 재료의 폭 방향, 및 재료의 두께 방향 중 적어도 하나가 될 수 있으나, 본 발명은 이에 한정되지 않는다.The
제1공정 및 제2공정에서는 서로 다른 수집 주기로 각각의 수집 데이터가 수집되고 제1공정을 통과하는 재료의 길이, 폭, 또는 두께가 제2공정을 통과하는 재료의 길이, 폭 또는 두께와 서로 다를 수 있기 때문에, 각 공정 상에서 재료의 특정 영역에서 측정되는 측정값의 전후 관계 변화를 연계하여 관리하기 어려울 수 있다. 따라서, 본 발명에서는 제1 공정 및 제2공정으로부터 수집된 수집 데이터들간의 연계 처리를 위해, 각 공정에서 가공된 재료 상에서 설정된 복수개의 기준점에서의 측정값을 산출하고, 각 재료 별 기준점에서의 측정값을 이용하여 각 공정들간의 매핑 데이터들을 연계하여 관리한다.In the first and second steps, each collected data is collected at different collection periods and the length, width, or thickness of the material passing through the first process is different from the length, width, or thickness of the material passing through the second process It may be difficult to manage the change in the relationship of the measured values measured in a specific region of the material on each process in conjunction with each other. Therefore, in the present invention, in order to perform an association process between the collected data collected from the first process and the second process, measurement values at a plurality of reference points set on the material processed in each process are calculated, and measurement Value is used to manage the mapping data between each process.
이하에서는 데이터 정렬 수행 모듈(216)이 기준 데이터들을 재료 상에서 길이 방향으로 정렬하는 예를 구체적으로 설명한다.Hereinafter, an example in which the data
제1공정에서 가공된 제1 재료의 길이 방향으로 제1 기준점들이 소정 간격으로 설정되어 있고, 제2공정에서 가공된 제2 재료의 길이 방향으로 제2 기준점들이 소정의 간격으로 설정되어 있다. 이러한 경우, 제1 기준점들에서의 제1 기준 데이터에는 제1 재료에 대응되는 제1 재료 식별자가 매핑되어 있고, 제2 기준점들에서의 제2기준 데이터들에는 제2 재료에 대응되는 제2 재료 식별자가 매핑되어 있다. 따라서, 각 재료 별로 재료 식별자가 매핑되어 있는 재료 가계도(미도시) 상에서 제1재료 식별자 및 제2 식별자에 기초하여 제1 기준 데이터들과 제2 기준 데이터들이 연계된다.The first reference points are set at predetermined intervals in the longitudinal direction of the first material processed in the first process and the second reference points are set at predetermined intervals in the length direction of the processed second material in the second process. In this case, a first material identifier corresponding to the first material is mapped to the first reference data at the first reference points, and a second material identifier corresponding to the second material is mapped to the second reference data at the second reference points. The identifier is mapped. Accordingly, the first reference data and the second reference data are linked based on the first material identifier and the second identifier on the material pedestal (not shown) on which the material identifier is mapped for each material.
즉, 재료 가계도에는 각 재료 시겹라작 트리 형태로 연결되어 있어, 이러한 재료 가계도를 참조함으로써 제1공정 및 제2공정을 순차적으로 통과하면서 생성되는 재료에게 할당된 재료 식별자를 통해 각 공정의 매핑 데이터들이 서로 연계될 수 있다.That is, the material family diagram is connected in the form of a material seed layer tree. By referring to the material family diagram, mapping data of each process through the material identifiers assigned to the materials generated while sequentially passing through the first and second processes Can be linked to each other.
데이터 정렬 수행모듈(216)은 상기와 같이 재료의 길이 방향으로 정렬된 매핑 데이터 및 기준 데이터들을 메모리부(220)의 정렬데이터 저장부(222)에 저장한다. The
일례로, 데이터 정렬 수행모듈(216)은 재료 가계도에 기초하여 서로 연계되는 재료 식별자를 갖는 정렬 데이터들을 정렬데이터 저장부(222)의 동일한 공간에 저장할 수 있다. 이를 통해, 수집 데이터를 연계 처리할 때 동일한 저장 공간에서 간단하게 연계된 수집 데이터들을 함께 이용할 수 있게 된다.In one example, the
또한, 데이터 정렬 수행모듈(216)은 매핑 데이터를 시간에 따라 정렬한 제1정렬 데이터, 매핑 데이터를 수집 위치를 기준으로 정렬한 제2정렬 데이터, 및 기준점들에서의 기준 데이터들을 정렬데이터 저장부(222)에 분리하여 저장할 수 있다.In addition, the data sorting performing
즉, 데이터 정렬 수행모듈(216)은 제1 정렬 데이터, 제2 정렬 데이터, 및 기준 데이터들을 별도의 저장 장소에 각각 저장함으로써, 실제 측정된 값에 해당하는 제1정렬 데이터와 제2정렬 데이터를 시간 및 수집 위치를 기준으로 별도로 이용하도록 하고, 실제 데이터를 바탕으로 산출된 가상의 값에 해당하는 기준 데이터를 별도로 이용하도록 할 수 있으나, 본 발명은 이에 한정되지 않는다.That is, the data sorting performing
또한, 데이터 정렬 수행모듈(216)은 정렬 결과를 대용량 빅 데이터 분석 시스템(300)에서 이용할 수 있도록 정렬 완료를 알리는 이벤트를 완료이벤트 저장부(223)에 저장한다.In addition, the data sorting
이와 같이, 실시간 프로세싱부(210)는 수집 데이터에 설비 식별자 또는 재료 식별자와 같은 공정 식별자를 매핑하고, 매핑 데이터를 정렬함으로써 수집 데이터가 연계 처리될 수 있도록 한다.As such, the real-
설비이상감지 수행모듈(217)은 설비매핑 수행모듈(213a)로부터 설비 식별자가 매핑된 데이터를 전달받고, 미리 설정된 설비이상판단기준에 따라 설비이상여부를 판단한다. 판단결과, 특정 설비에 이상이 발생한 것으로 판단되면, 설비이상감지 수행모듈(217)은 메모리부(220)의 이상감지결과 저장부(224)에 판단 결과를 저장한다.The equipment abnormality
이 때, 설비의 이상여부를 판단하기 위한 설비이상판단기준의 일례로 수집된 수집 데이터가 소정의 기준값을 벗어난 형태로 소정의 시간 동안 지속되는 경우 설비에 이상이 발생한 것으로 판단하도록 설정될 수 있으나, 본 발명은 이에 한정되지 않는다.At this time, if it is determined that an abnormality has occurred in the facility when the collected data collected for the predetermined period of time exceeds a predetermined reference value, for example, The present invention is not limited thereto.
품질이상감지 수행모듈(218)은 정렬 데이터 저장부(222)로부터 정렬 데이터를 로딩하고, 정렬 데이터를 기초로 미리 설정된 품질이상판단기준에 따라 품질이상여부를 판단한다. 판단결과, 특정 재료의 품질에 이상이 발생한 것으로 판단되면, 품질이상감지 수행모듈(218)은 메모리부(220)의 이상감지결과 저장부(224)에 판단 결과를 저장한다.The quality abnormality
일 실시예에 있어서, 품질이상감지 수행모듈(218)은 수집 데이터의 평균 및 오차 예측 등의 작업을 통해 품질이상여부 판단식의 레퍼런스로 활용하기 위한 매크로 데이터를 생성하고, 수집 데이터를 품질이상여부 판단식에 입력하여 그 결과에 따라 품질이상을 판단할 수 있다.In one embodiment, the quality anomaly
이와 같이, 본 발명에 따른 분산병렬처리시스템(200)은 각 공정들간의 연계분석을 위해 표준화 데이터를 재료 단위로 정렬하는 한편, 수집 데이터 또는 정렬 데이터를 바탕으로 실시간으로 설비 또는 재료의 품질에 이상이 발생하는지 모니터링함으로써, 설비 고장을 미리 예측할 수 있다.In this way, the distributed
한편, 실시간 프로세싱부(210)는 설비정보 저장부(219a), 작업지시정보 저장부(219b), 센서속성정보 저장부(219c), 및 품질판정모델 저장부(219d)를 더 포함할 수 있다.Meanwhile, the real-
설비정보 저장부(219a)에는 설비가 어느 공장, 어느 공정의 어느 위치에 존재하는지에 대한 정보, 설비에 대한 정비이력 정보, 데이터에 매핑할 설비정보와 각 설비 별로 설비의 이상여부를 판단하기 위한 설비이상판단기준이 저장되어 있다.The facility
작업지시정보 저장부(219b)에는 MES(Manufacturing Execution System) 시스템의 작업에 대한 지시정보 및 해당 작업으로 특정 설비에서 발생하는 재료 식별자 정보, 해당 작업 수행에 대한 품질지표, 및 데이터에 매핑할 재료정보와 각 재료 별로 재료의 품질이상여부를 판단하기 위한 품질이상판단기준이 저장되어 있다.The work instruction
센서속성정보 저장부(219c)에는 센서에서 수집되는 데이터의 종류, 단위, 수집주기, 해당 설비 식별자, 공장/공정 등의 정보가 저장되며, 특히 설비 또는 재료를 측정하는 센서의 항목 ID가 저장되어 있다. In the sensor attribute
품질판정모델 저장부(219d)에는 설비이상판단기준 및 품질이상판단기준이 미리 저장되어 있으므로, 품질이상감지 수행모듈(218)은 품질판정모델 저장부(219d)를 참조하여 품질이상을 판단할 수 있다.Since the equipment abnormality criterion and the quality abnormality criterion are stored in advance in the quality judgment
메모리부(220)는 실시간 프로세싱부(210)에서 생성되는 다양한 데이터를 저장하되, 구체적으로 수집데이터 저장부(221), 정렬데이터 저장부(222), 완료이벤트 저장부(223), 및 이상감지결과 저장부(224)를 포함한다.The
수집데이터 저장부(221)에는 페치 수행모듈(211)를 통해 큐(121)에서 독출한 표준화된 데이터 즉, 매핑, 보정, 및 정렬이 이루어지기 이전의 표준화된 데이터가 표준항목 ID 별로 저장되고, 로딩 수행모듈(212)은 수집데이터 저장부(221)로부터 표준화된 데이터를 로딩하여 설비매핑 수행모듈(213a)로 전달한다.The standardized data read from the
정렬데이터 저장부(222)에는 설비 또는 재료의 품질을 판정할 수 있도록 설비매핑 수행모듈(213a) 및 재료매핑 수행모듈(213b)에 의해 설비 식별자 및 재료 식별자 중 적어도 하나가 매핑된 매핑 데이터가 재료 단위로 정렬된 상태로 저장된다. 일 실시예에 있어서, 정렬데이터 저장부(222)에는 설비 식별자와 재료 식별자가 모두 매핑된 부하 데이터 및 설비 식별자만이 매핑된 무부하 데이터가 별도로 저장될 수 있다.The mapping data in which at least one of the equipment identifier and the material identifier is mapped by the facility
완료이벤트 저장부(223)에는 수집주기에 따라 정렬되고 누락된 데이터가 보정된 데이터가 정렬데이터 저장부(222)에 저장되면, 정렬 결과를 빅데이터 분석 시스템(300)에서 이용할 수 있도록 정렬 완료를 알리는 이벤트가 저장된다. 따라서, 빅데이터 분석 시스템(300)은 완료이벤트 저장부(223)를 모니터링하여 새로운 완료 이벤트가 발생하면 정렬데이터 저장부(222)로부터 정렬 데이터를 추출하여 이용하게 된다.The completion
구체적으로, 완료 이벤트에는 해당 이벤트 전송시간, 데이터 수집시간, 정렬데이터 저장부(222)에서 데이터를 읽기 위한 키 정보, 이벤트를 저장하기 위한 파티션 및 디렉토리 정보 등이 포함된다. 따라서, 빅데이터 분석 시스템(300)은 완료이벤트 저장부(223)에서 새로운 완료 이벤트가 획득되면, 해당 완료 이벤트에 포함된 키 정보를 이용해서 해당 완료 이벤트에 대응되는 데이터가 정렬데이터 저장부(222)의 어느 파티션 및 디렉토리에 저장되어 있는지 확인하는 방식으로 새롭게 정렬된 데이터를 획득할 수 있다.Specifically, the completion event includes a corresponding event transmission time, a data collection time, key information for reading data from the sorting
이상감지결과 저장부(224)에는 설비이상감지 수행모듈(217)에서 감지된 특정 설비의 이상감지결과, 및 품질이상감지 수행모듈(218)에서 감지된 특정 재료의 품질 이상감지결과가 저장된다.The abnormality detection
따라서, 본 발명에 따르는 경우 사용자는 스마트팩토리 플랫폼(1000)의 외부에 구축된 별도의 이상감지 모니터링 시스템(미도시)을 통해 이상감지결과 저장부(224)에 접근함으로써 스마트팩토리 플랫폼(1000)의 특정 설비나 특정 재료의 품질에 이상이 발생했는지 확인할 수 있다.Therefore, according to the present invention, the user accesses the anomaly detection
다만, 본 발명은 이에 한정되지 않고 특정 설비 또는 특정 재료의 품질에서 이상이 발생한 경우 그 결과를 이상감지 모니터링 시스템으로 직접 전송함으로써 사용자가 이상을 바로 확인하도록 하는 것도 가능하다.However, the present invention is not limited to this, and if an abnormality occurs in the quality of a specific facility or a specific material, it is also possible to directly transmit the result to the abnormality detection monitoring system so that the user can immediately check the abnormality.
상술한 실시예에 있어서는 분산병렬처리시스템(200)이 하나의 실시간 프로세싱부(210) 및 하나의 메모리부(220)를 통해 표준화된 데이터를 매핑 및 정렬하는 것으로 설명하였지만, 변형된 실시예에 있어서 분산병렬처리시스템(200)은 도 4 및 도 5에 도시된 바와 같이 복수개의 실시간 프로세싱부(210a, 210b, 210c) 및 복수개의 메모리부(220)를 이용하여 표준화된 데이터를 매핑 및 정렬할 수도 있다.In the above-described embodiment, the distributed
이하, 도 4 및 도 5를 참조하여 변형된 실시예에 따른 분산병렬처리시스템에 대해 설명한다.Hereinafter, a distributed parallel processing system according to a modified embodiment will be described with reference to FIGS. 4 and 5. FIG.
도 5는 복수개의 실시간 프로세싱부 및 복수개의 메모리부를 포함하는 분산병렬처리시스템의 구성을 개략적으로 보여주는 도면이다.5 is a diagram schematically illustrating a configuration of a distributed parallel processing system including a plurality of real-time processing units and a plurality of memory units.
도 5에 도시된 바와 같이, 분산병렬처리시스템(200)은 복수개의 실시간 프로세싱부(210a, 210b, 210c), 복수개의 메모리부(220a, 220b, 220c), 및 수행모듈 배포부(230)를 포함한다.5, the distributed
복수개의 실시간 프로세싱부(210a, 210b, 210c)에는 표준화된 데이터를 매핑 및 정렬하는 복수개의 수행모듈(211~218)들 중 하나 이상의 수행모듈(211~218)이 분산되어 배포된다. 이와 같이, 본 발명은 복수개의 실시간 프로세싱부(210a, 210b, 210c)가 자신에게 배포된 수행모듈(211~218)을 각각 실행시킴으로써 표준화된 데이터의 매핑 및 정렬작업을 복수개의 실시간 프로세싱부(210a, 210b, 210c)를 통해 분산 병렬 처리할 수 있어, 단일의 실시간 프로세싱부에서 모든 수행모듈(211~218)이 수행됨에 따른 과부하를 방지할 수 있다.One or
즉, 복수의 실시간 프로세싱부(210a, 210b, 210c, 210d)는 페치 수행모듈(211), 로딩 수행모듈(212), 설비매핑 수행모듈(213a), 재료매핑 수행모듈(213b), 데이터 보정 수행모듈(215), 데이터 정렬 수행모듈(216), 설비이상감지 수행모듈(217), 및 품질이상감지 수행모듈(218) 중 적어도 하나의 수행모듈을 각각 분산하여 병렬처리하고, 최종 결과 데이터를 메모리부(220)에 저장함으로써, 인터페이스 시스템(100)으로부터 전달되는 대용량의 데이터를 실시간으로 처리하게 된다.That is, the plurality of real-
이러한 경우 하나의 실시간 프로세싱부(210a, 210b, 210c)에 동일한 기능을 수행하는 수행모듈(211~218)이 복수개 배포될 수도 있다. 예컨대, 하나의 실시간 프로세싱부(210a, 210b, 210c)에 설비매핑 수행모듈(213a)이 복수개 배치될 수도 있다.In this case, a plurality of
일 실시예에 있어서, 복수개의 실시간 프로세싱부(210a, 210b, 210c)는 클러스터링 구조로 구성될 수 있다. 이와 같이, 복수개의 실시간 프로세싱부(210a, 210b, 210c)는 클러스터링 구조를 가지기 때문에 특정 실시간 프로세싱부에 장애가 발생하면 장애가 발생된 실시간 프로세싱부에서 실행중이던 수행모듈(211~218)을 다른 실시간 프로세싱부로 이동시킬 수 있어 가용성을 확보할 수 있게 된다.In one embodiment, the plurality of real-
도 5에서는 분산병렬처리시스템(200)이 3개의 실시간 프로세싱부(210a, 210b, 210c)를 포함하는 것으로 도시하였지만, 데이터 처리 성능에 따라 실시간 프로세싱부는 추가로 증설될 수 있다.Although the distributed
복수개의 메모리부(220)에는 복수개의 실시간 프로세싱부(210a, 210b, 210c)에서 처리된 데이터가 저장된다. 일 실시예에 있어서, 처리 성능을 높이고 장애시 가용성을 보장하기 위해 복수개의 메모리부(220)는 전술한 큐 저장부(120)와 같이 클러스터링 구조를 가질 수 있다. The plurality of
즉, 1대의 메모리부(220)에 데이터가 저장되면 다른 메모리부(220)에도 데이터가 복제되어 저장되므로, 특정 메모리부(220)에 장애가 발생하더라도 다른 메모리부(220)를 통해 서비스가 지속적으로 제공될 수 있다. That is, when data is stored in one
일 실시예에 있어서, 복수개의 메모리부(220)는 고가용성(High Availability; HA)을 위해 이중화 구조로 구비될 수 있다. 즉, 각각의 메모리부(220)는 마스터 인스턴스(M) 및 슬레이브 인스턴스(S)를 포함한다. 이러한 경우 제1 메모리부(220a)에 포함된 마스터 인스턴스(M)과 제2 메모리부(220b)에 포함된 슬레이브 인스턴스(S)가 한 쌍으로 동작하고, 제2 메모리부(220b)에 포함된 마스터 인스턴스(M)와 제1 메모리부(220a)에 포함된 슬레이브 인스턴스(S)가 한 쌍으로 동작하게 된다.In one embodiment, the plurality of
이러한 경우, 제1 메모리부(220a)의 마스터 인스턴스(M)에 정렬 데이터가 저장되면 제2 메모리부(220b)의 슬레이브 인스턴스(S)에도 정렬 데이터가 복제되어 저장되고, 제2 메모리부(220b)의 마스터 인스턴스(M)에 정렬 데이터가 저장되면 제1 메모리부(220a)의 슬레이브 인스턴스(S)에도 정렬 데이터가 복제되어 저장된다.In this case, when the alignment data is stored in the master instance M of the
일 실시예에 있어서, 슬레이브 인스턴스(S)에 기록된 정렬 데이터는 장애시 복구를 위해 각 데이터가 스크립터(Scripter) 형태의 파일로 백업될 수 있다. 이때, 스크립터 형태의 파일이란 데이터의 쓰기 또는 읽기와 관련된 커맨드가 해당 데이터와 함께 저장되어 있는 형태의 파일을 의미한다. In one embodiment, the alignment data recorded in the slave instance S can be backed up as a file in the form of a scripter for each piece of data for failure recovery. At this time, a scripter-like file means a file in which a command related to writing or reading of data is stored together with the corresponding data.
한편, 제1 메모리부(220a)에 포함된 마스터 인스턴스(M)가 동작하다가 장애가 발생하는 경우 자동으로 제2 메모리부(220a)에 포함된 슬레이브 인스턴스(S)가 활성화됨으로써 전술한 실시간 프로세싱부(210)의 다양한 기능이 중단되지 않고 연속적으로 구현될 수 있다.Meanwhile, when a master instance M included in the
일 실시예에 있어서, 각 메모리부(220)의 마스터 인스턴스(M) 및 슬레이브 인스턴스(S)는 싱글 스레드(Rhread) 형태로 구성되고, 쓰기 및 읽기 별로 인스턴스 및 포트가 분리되어 있다.In one embodiment, the master instance M and the slave instance S of each
한편, 각 메모리부(220)에 포함된 마스터 인스턴스(M) 및 슬레이브 인스턴스(S)는 전술한 수집데이터 저장부(221), 정렬데이터 저장부(222), 완료이벤트 저장부(223) 및 이상감지결과 저장부(224)를 각각 포함하여 구성될 수 있다.The master instance M and the slave instance S included in each
이하, 도 6을 참조하여 표준화된 데이터의 매핑 및 정렬 작업을 분산병렬처리하는 방법을 예를 들어 설명한다.Hereinafter, with reference to FIG. 6, a method of performing distributed parallel processing of data mapping and sorting operations standardized will be described as an example.
도 6에 도시된 바와 같이, 제1 실시간 프로세싱부(210a)에 페치 수행모듈(211)이 배포되어 있기 때문에, 제1 실시간 프로세싱부(210a)는 페치 수행모듈(211)을 실행시킴으로써 페치 수행모듈(211)이 큐(121)에 접속하여 표준화된 데이터를 페치하고, 페치 데이터를 제1 메모리부(220a)의 마스터 인스턴스(M)에 저장하도록 한다. 이때, 제2 메모리부(220b)의 슬레이브 인스턴스(S)에도 데이터가 복제되어 저장된다. 상술한 실시예에 있어서는, 제1 메모리부(220a)의 마스터 인스턴스(M)에 데이터가 저장되는 것으로 설명하였지만 제2 메모리부(220b)의 마스터 인스턴스(M)에 데이터가 저장될 수도 있을 것이다. 이러한 경우 제1 메모리부(220a)의 슬레이브 인스턴스(S)에 데이터가 복제되어 저장된다.6, since the first real-
제2 실시간 프로세싱부(210b)에는 로딩 수행모듈(212), 설비매핑 수행모듈(213a), 및 재료매핑 수행모듈(213b)이 배포되어 있기 때문에, 제2 실시간 프로세싱부(210b)는 로딩 수행모듈(212)을 실행시킴으로써 로딩 수행모듈(212)이 제2 메모리부(220b)의 슬레이브 인스턴스(S) 또는 제1 메모리부(220a)의 슬레이브 인스턴스(S)로부터 데이터를 독출한다. The second real-
그리고, 제2 실시간 프로세싱부(210b)는 설비매핑 수행모듈(213a)을 실행시킴으로써 제2 메모리부(220b)의 슬레이브 인스턴스(S) 또는 제1 메모리부(220a)의 슬레이브 인스턴스(S)로부터 독출된 데이터에 설비 식별자를 매핑하고, 재료매핑 수행모듈(213b)을 실행시킴으로써 설비 식별자가 매핑된 데이터에 재료 식별자를 매핑시킨다.The second real-
제3 실시간 프로세싱부(210c)에는 데이터 보정 수행모듈(215) 및 데이터 정렬 수행모듈(216)이 배포되어 있기 때문에, 제3 실시간 프로세싱부(210c)는 데이터 보정 수행모듈(215)을 실행시킴으로써 매핑 데이터 중 누락된 데이터를 보정하고, 데이터 정렬 수행모듈(216)을 수행함으로써 보정된 매핑 데이터를 재료 단위로 정렬하여 제2 메모리부(220b)의 마스터 인스턴스(M)에 저장한다. 이때, 제1 메모리부(220a)의 슬레이브 인스턴스(S)에도 데이터가 복제되어 저장된다. 상술한 설명에서는, 제2 메모리부(220b)의 마스터 인스턴스(M)에 정렬 데이터가 저장되는 것으로 설명하였지만 제1 메모리부(220a)의 마스터 인스턴스(M)에 정렬 데이터가 저장될 수도 있을 것이다. 이러한 경우 제2 메모리부(220b)의 슬레이브 인스턴스(S)에 데이터가 복제되어 저장된다.The third real-
상술한 실시예에 있어서는, 복수개의 메모리부(220)가 이중화 되어 구성됨으로써 제1 메모리부(220a)에 포함된 마스터 인스턴스(M)과 제2 메모리부(220b)에 포함된 슬레이브 인스턴스(S)가 한 쌍으로 동작하고, 제2 메모리부(220b)에 포함된 마스터 인스턴스(M)와 제1 메모리부(220a)에 포함된 슬레이브 인스턴스(S)가 한 쌍으로 동작하는 것으로 설명하였다.The master instance M included in the
하지만, 이러한 실시예에 따르는 경우, 마스터 인스턴스(M) 및 슬레이브 인스턴스(S)가 싱글 쓰레드로 구현되기 때문에, 제1 메모리부(220a)의 마스터 인스턴스(M)가 다운되는 경우 제1 메모리부(220)의 마스터 인스턴스(M)가 정상화될 때까지의 다운타임 동안, 제2 메모리부(220b)의 슬레이브 인스턴스(S)가 쓰기동작과 읽기동작을 모두 서비스 할 수 는 없다는 한계가 있다.However, according to this embodiment, since the master instance M and the slave instance S are implemented as a single thread, when the master instance M of the
따라서, 변형된 실시예에 있어서, 메모리부(220)는 도 7에 도시된 바와 같이, 3중화 구조로 구현될 수 있다. 구체적으로, 변형된 실시예에 따른 메모리부(220) 각각은 마스터 인스턴스(M), 제1 슬레이브 인스턴스(S1), 및 제2 슬레이브 인스턴스(S2)를 포함한다.Thus, in a modified embodiment, the
이러한 경우, 제1 메모리부(220a)에 포함된 마스터 인스턴스(M)은 제2 및 제3 메모리부(220b, 220c)의 제1 슬레이브 인스턴스(S1)들과 한 쌍으로 동작한다. 이에 따라, 제1 메모리부(220a)에 포함된 마스터 인스턴스(M)에 데이터가 기입되면 제2 및 제3 메모리부(220b, 220c)의 제1 슬레이브 인스턴스(S1)들에도 데이터가 복제되어 저장된다.In this case, the master instance M included in the
또한, 제2 메모리부(220b)에 포함된 마스터 인스턴스(M)는 제1 메모리부(220a)에 포함된 제1 슬레이브 인스턴스(S1) 및 제3 메모리부(220c)에 포함된 제2 슬레이브 인스턴스(S2)들과 한 쌍으로 동작한다. 이에 따라, 제2 메모리부(220b)에 포함된 마스터 인스턴스(M)에 데이터가 기입되면 제1 메모리부(220a)에 포함된 제1 슬레이브 인스턴스(S1) 및 제3 메모리부(220c)에 포함된 제2 슬레이브 인스턴스(S2)들에도 데이터가 복제되어 저장된다.The master instance M included in the
또한, 제3 메모리부(220c)에 포함된 마스터 인스턴스(M)는 제1 메모리부(220a) 및 제2 메모리부(220b)에 포함된 제2 슬레이브 인스턴스(S1)들과 한 쌍으로 동작한다. 이에 따라, 제3 메모리부(220c)에 포함된 마스터 인스턴스(M)에 데이터가 기입되면 제1 메모리부(220a) 및 제2 메모리부(220b)에 포함된 제2 슬레이브 인스턴스(S1)들에도 데이터가 복제되어 저장된다.The master instance M included in the
다시 도 5를 참조하면, 수행모듈 배포부(230)는 복수개의 수행모듈들(211~218)을 복수개의 실시간 프로세싱부(210a~210c)에 배포한다. 또한, 수행모듈 배포부(230)는 실시간 프로세싱부(210a~210c)에 배포된 수행모듈들(211~218)의 실행으로 인한 실시간 프로세싱부(210a~210c)의 부하량에 따라 복수개의 수행모듈들(211~218)을 실시간 프로세싱부(210a~210c)에 재배포한다.Referring again to FIG. 5, the execution
구체적으로, 수행모듈 배포부(230)는 수행모듈 저장소(232), 배포순서 결정부(234), 및 배포 수행부(236)를 포함한다.Specifically, the execution
먼저, 수행모듈 저장소(232)에는 표준화된 데이터의 매핑 및 정렬을 수행하기 위한 복수개의 수행모듈(211~218)이 저장된다.First, the
배포순서 결정부(234)는 배포 수행부(236)에 의해 복수개의 수행모듈(211~218)들이 각 실시간 프로세싱부(210a~210c)에 초기 배포된 이후, 실시간 프로세싱부(210a~210c)의 자원 사용 정보를 기초로 수행모듈(211~218)들의 재배포를 위한 순서를 결정한다.The distribution
동일한 개수의 수행모듈(211~2180)들이 각 실시간 프로세싱부(210a~210c)에 배포되더라도 각 수행모듈(211~218) 마다 자원 사용율이 상이하기 때문에, 자원 사용율이 큰 수행모듈(211~218)이 많이 배포된 실시간 프로세싱부(210a~210c)는 자원 사용율이 낮은 수행모듈(211~218)이 많이 배포된 실시간 프로세싱부(210a~210c)에 비해 부하가 가중될 수 밖에 없으므로, 분산병렬처리스템(200)의 성능이 저하된다.Even if the same number of
따라서, 본 발명에 따른 배포순서 결정부(234)는 최초 배포된 수행모듈(211~2180)들의 실행에 의한 실시간 프로세싱부(210a~210c)의 자원 사용 정보를 판단하여, 복수개의 실시간 프로세싱부(210a~210c)의 부하량이 조절될 수 있도록 복수개의 수행모듈(211~218)의 재배포를 위한 배포순서를 결정한다. 일 실시예에 있어서, 배포순서 결정부(234)는 복수개의 실시간 프로세싱부(210a~210c)의 부하량이 균등해지도록 복수개의 수행모듈(211~218)의 재배포를 위한 배포순서를 결정할 수 있다. 여기서, 배포순서 결정이란 각 수행모듈(211~218)이 배포될 실시간 프로세싱부(210a~210c)를 결정하는 것을 의미한다. 이때, 각 실시간 프로세싱부(210a~210c)로 배포될 수행모듈(211~218)들의 개수는 동일하게 설정될 수 있다.Accordingly, the distribution
일 실시예에 있어서, 배포순서 결정부(234)는 최초 배포된 수행모듈의 실행에 따른 시스템 자원의 평균값 및 시스템 자원의 이용 패턴 중 적어도 하나를 이용하여 복수개의 수행모듈(211~218)의 배포순서를 결정한다. 이러한 실시예에 따르는 경우, 시스템 자원은, 각 실시간 프로세싱부(210a~210c)의 CPU 사용율, 메모리 사용량, 네트워크 통신량, 및 디스크 입출력 처리량 중 적어도 하나를 포함할 수 있다.In one embodiment, the distribution
배포 수행부(236)는 배포순서 결정부(234)에 결정된 배포순서에 따라 복수개의 수행모듈(211~218)들을 복수개의 실시간 프로세싱부(210a~210c)에 분산 배포한다.The
구체적으로, 배포 수행부(236)는 최초에는 수행모듈 저장소(232)에 저장되어 있는 복수개의 수행모듈(211~218)들을 임의로 실시간 프로세싱부(210a~210c)로 배포한다. 이후, 미리 정해진 휴지기가 되면 배포 수행부(236)는 각 실시간 프로세싱부(210a~210c)에 배포된 수행모듈(211~218)들을 회수하여 수행모듈 저장소(232)에 저장하고, 휴지기가 종료되면 수행모듈 저장소(232)에 저장되어 있는 복수개의 수행모듈(211~218)들을 배포순서 결정부(234)에 의해 결정된 배포순서에 따라 해당 실시간 프로세싱부(210a~210c)에 배포한다.Specifically, the
이와 같이, 본 발명은 수행모듈 배포부(230)에 의해 복수개의 수행모듈(211~218)을 실시간 프로세싱부(210a~210c)에 효율적으로 배포할 수 있어 실시간 프로세싱부(210a~210c)들 간의 부하를 균형있게 조절할 수 있고, 이로 인해 분산병렬처리시스템(200)의 전체 성능을 향상시킬 수 있다.As described above, according to the present invention, the execution
다시 도 2를 참조하면, 빅데이터 분석 시스템(300)은 분산병렬처리시스템(200)에 의해 정렬된 데이터를 빅데이터 저장 공간에 저장한다. 또한, 빅데이터 분석 시스템(300)은 데이터 유실이 되지 않도록 관리하며 히스토리컬 데이터에 대한 조회 기능을 제공한다. 이하, 도 8을 참조하여 본 발명에 따른 빅데이터 분석 시스템(300)을 구체적으로 설명한다.Referring back to FIG. 2, the big
도 8은 도 2에 도시된 빅데이터 분석 시스템의 구성을 보여주는 블록도이다.FIG. 8 is a block diagram showing the configuration of the big data analysis system shown in FIG. 2. FIG.
도 8에 도시된 바와 같이 빅데이터 분석 시스템(300)은 대용량 데이터 처리부(310), 빅데이터 저장부(320), 및 쿼리 처리부(330)를 포함한다.8, the big
대용량 데이터 처리부(310)는 정렬 데이터와 이상감지 결과를 분산 병렬 처리하는 것으로서, 완료이벤트 수신유닛(311), 정렬데이터 페치유닛(312), 메모리 큐(313), 파일생성유닛(314), 및 이상감지 데이터 수신유닛(315)을 포함한다.The large capacity
완료이벤트 수신유닛(311)은 분산병렬처리시스템(200)에 포함된 완료이벤트 저장부(223)를 모니터링하여 완료 이벤트가 새롭게 저장되면 해당 완료 이벤트를 정렬데이터 페치유닛(312)으로 전달한다.The completion
정렬데이터 페치유닛(312)은 완료이벤트 수신유닛(311)으로부터 완료 이벤트가 전달되면, 정렬데이터 저장부(222)로부터 완료 이벤트에 해당하는 정렬 데이터를 조회하여 메모리 큐(313)에 저장한다. 일 실시예에 있어서, 정렬데이터 페치유닛(312)은 완료 이벤트에 포함된 키 정보를 이용해서 해당 완료 이벤트에 대응되는 데이터가 정렬데이터 저장부(222)의 어느 파티션 및 디렉토리에 저장되어 있는지 확인함으로써, 정렬데이터 저장부(222)에 저장된 데이터를 조회하여 메모리 큐(313)에 저장할 수 있다.When the completion event is received from the completion
메모리 큐(313)는 데이터를 빅데이터 저장부(320)에 저장하기 전에 메모리 상에 임시로 데이터를 보관한다. 일 실시예에 있어서, 데이터 양이 많지 않고 유실 방지가 필요한 경우 메모리 큐(313)를 파일 기반으로 구현할 수도 있다.The
파일생성유닛(314)은 메모리 큐(313)에 저장된 데이터를 물리적인 파일로 생성하여 빅데이터 저장부(320)에 저장한다. 일 실시예에 있어서, 파일생성유닛(314)은 파일을 빅데이터 저장부(320)에 저장할 때, 파일포맷을 변경하거나 압축할 수 있다.The
이상감지 데이터 수신유닛(315)은 분산병렬처리시스템(200)에 포함된 이상감지결과 저장부(224)를 모니터링하여 새로운 이상감지 결과가 저장되면 이를 메모리 큐(313)에 저장한다.The anomaly detection
빅데이터 저장부(320)는 파일 생성유닛(314)에 의해 생성된 파일을 저장한다. 일 실시예에 있어서, 빅데이터 저장부(320)는 분산파일시스템(Distributed File System) 기반으로 구현될 수 있다. 예컨대, 빅데이터 저장부(320)는 하둡(Hadoop) 기반의 분산 파일 시스템으로 구현될 수 있다.The big data storage unit 320 stores the file generated by the
이러한 실시예에 따르는 경우, 빅데이터 저장부(320)는 마스터 노드(320a) 및 데이터 노드(320b)로 구성된다. 마스터 노드(320a)는 대용량 데이터 처리 장치(300)에 의해 생성된 많은 양의 파일을 데이터 노드들(320b)에 저장하고, 데이터 노드(320b)에 저장된 데이터들의 조회를 위한 작업(Job)을 생성 및 관리하며, 메타 데이터(Metadata)를 관리한다.According to this embodiment, the big data storage 320 is composed of a
여기서, 작업(Job)이란 데이터 노드(320b)에 저장된 데이터를 조회하기 위해 쿼리 처리부(330)로부터 수신되는 쿼리를 처리하기 위한 단위를 의미한다. 예를 들어, 데이터 노드(320b)에 기록된 1개의 테이블에 대해 데이터를 조회하는 쿼리가 실행된 경우, 해당 테이블의 데이터를 조회한 결과 대상이 되는 데이터 노드(320b)가 10개 선택되면, 10개의 데이터 노드(320b)에 대해 각 데이터 노드(320b) 별로 데이터를 조회하여 가져오는 작업(Job)과 데이터 노드(320b) 별로 획득된 데이터를 통합하는 작업(Job)이 실행되게 된다. Here, the job means a unit for processing a query received from the
메타 데이터(Metadata)에는 데이터 노드(320b)에 저장되는 파일의 위치, 파일명, 파일이 저장되는 블록 ID, 및 서버의 저장위치 등이 포함된다. 예컨대, 파일 생성유닛(314)에 파일이 생성되면 파일의 위치와 파일명이 메타데이터에 저장되고, 해당 파일이 블록 사이즈보다 커서 5개의 블록으로 나누어 각기 다른 3대의 서버에 저장되는 경우, 15개의 블록 ID와 각 서버의 저장위치가 메타데이터에 추가로 저장되게 된다.Metadata includes a location of a file stored in the
이러한 메타 데이터는 데이터 노드(320b)에 저장된 데이터의 조회에 대한 작업(Job) 실행시 각 작업(Job)에 대한 분배 및 특정 파일의 데이터를 로딩할 때, 데이터의 위치 정보로 활용된다.The meta data is used as location information of the data when distributing the job and loading the data of a specific file when executing a job for inquiring the data stored in the
데이터 노드(320b)에는 대용량 데이터 처리 장치(300)에 의해 생성된 많은 양의 파일이 저장된다. 일 실시예에 있어서, 데이터 노드(320b)는 복수개로 구현될 수 있고, 각각의 데이터 노드(320b)는 히스토리컬 데이터 저장부(322) 및 모델 저장부(324)를 포함한다. A large amount of files generated by the mass
각 데이터 노드(320b)에 포함된 히스토리컬 데이터 저장부(322)에는 파일 생성유닛(314)에 의해 생성된 파일뿐만 아니라 데이터 수집 장치(1)에 의해 실시간으로 수집된 대용량의 수집 데이터가 모두 저장된다. 일 실시예에 있어서, 파일 생성유닛(314)에 의해 생성된 파일은 별도의 관계형 데이터베이스(Relational DataBase; RDB)에 저장될 수도 있다.The historical
모델 저장부(324)에는 서비스 시스템(400)을 통해 재료나 제품에 대한 품질을 판정하기 위해 필요한 품질판정 모델과 이상예측 모델이 저장되어 있다.The
쿼리 처리부(330)는 빅데이터 저장소(320)에 저장된 데이터를 조회하여 데이터를 리턴해주는 구성으로, 쿼리수신유닛(332), 쿼리실행유닛(336), 및 쿼리결과전송유닛(338)을 포함한다. 쿼리 처리부(330)는 쿼리 스케줄링유닛(334)을 더 포함할 수 있다.The
구체적으로, 쿼리수신유닛(332)은 사용자로부터 쿼리를 수신하고 수신된 쿼리구문을 해석한다.Specifically, the
쿼리실행유닛(336)은 쿼리 수신유닛(322)을 통해 수신된 쿼리를 빅 데이터 저장소(320)로 전달함으로써 쿼리가 실행되도록 하고, 빅 데이터 저장소(320)로부터 쿼리 실행 결과를 획득한다.The
쿼리결과전송유닛(338)은 쿼리수행 결과 빅 데이터 저장소(320)로부터 획득되는 데이터를 해당 쿼리를 요청한 사용자에게 전달한다.The query
한편, 쿼리 스케줄링유닛(334)은 쿼리수신유닛(332)을 통해 수신된 쿼리가 복수개의 하부 쿼리들로 구성되어 있는 경우, 수신된 쿼리를 각 하부 쿼리로 분류하여 쿼리 실행유닛(336)으로 전달한다.Meanwhile, when the query received through the
다시 도 1을 참조하면, 서비스 시스템(400)은 표준화된 처리 프로세스와 업무 기준을 서비스로 재활용하는 구조로, 비즈니스 노하우를 리포지터리(Repository)화하여 기능 단위로 정의된 서비스 간 연결을 통해 계획-실행-제어 간의 연계를 용이하게 하며, 재료나 제품에 대한 품질판정 모델 또는 이상 예측 모델을 포함하는 분석모델을 호출하고 실행하여 분석 결과를 진행한다. Referring again to FIG. 1, the
분석모델은 도 8에 도시된 모델 저장부(324)에 미리 저장되어 있으므로 서비스 시스템(400)은 분석모델에 대한 실행 호출 이벤트가 입력되면 분석모델에 필요한 데이터를 모델 저장부(324)로부터 추출하여 그 결과를 제공한다.Since the analysis model is stored in the
즉, 서비스 시스템(400)은 분산병렬처리시스템(200)에 의해 처리된 정렬 데이터를 직접 수신하여 분석하거나, 정렬 데이터가 빅데이터 분석 시스템(300)의 빅데이터 저장부(320)에 저장된 경우 빅데이터 저장부(320)를 참조하여 해당 데이터를 분석할 수 있다.That is, the
관리시스템(500)은 스마트팩토리 플랫폼(1000)에 속한 개별 구성에 대한 관리 및 UI/UX의 관리 데이터 수집을 위한 구성들에 대한 설정파일 관리, 각 구성의 개별 모니터링, 미리 설정된 설정값들 간의 연계정보 관리, 전체 시스템의 처리 성능 및 통합 모니터링 정보를 제공한다.The
보안시스템(600)은 사용자에 대한 인증, 인가, 접근제어를 수행하며 데이터 자체에 대한 보안 및 전송 통로에 대한 보안을 관리한다.The
어플리케이션 시스템(3)은 스마트팩토리 플랫폼(1000)을 기반으로 사용자에게 필요한 화면과 데이터를 가공하여 제공한다.The
본 발명이 속하는 기술분야의 당업자는 상술한 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다.It will be understood by those skilled in the art that the present invention may be embodied in other specific forms without departing from the spirit or essential characteristics thereof.
그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.It is therefore to be understood that the above-described embodiments are illustrative in all aspects and not restrictive. The scope of the present invention is defined by the appended claims rather than the detailed description and all changes or modifications derived from the meaning and scope of the claims and their equivalents are to be construed as being included within the scope of the present invention do.
1: 데이터 수집 장치
2: 네트워크
3: 어플리케이션 시스템
1000: 스마트팩토리 플랫폼
100: 인터페이스 시스템
200: 분산병렬처리시스템
210: 실시간 프로세싱부
220: 메모리부
230: 수행모듈 배포부
300: 빅데이터 분석 시스템
1: data collecting device 2: network
3: Application System 1000: Smart Factory Platform
100: Interface system 200: Distributed parallel processing system
210: real-time processing unit 220:
230: executing module distributing unit 300: big data analyzing system
Claims (26)
상기 연속공정으로부터 수집된 수집 데이터에 상기 수집 데이터가 발생된 공정의 공정 식별자를 매핑하고, 서로 다른 공정에서 수집된 수집 데이터간의 연계 처리를 위해 상기 매핑된 매핑 데이터를 정렬하는 적어도 하나의 실시간 프로세싱부; 및
상기 정렬 데이터가 분산 저장되는 복수개의 메모리부를 포함하는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.A distributed parallel processing system for processing data for a continuous process for processing data generated in a continuous process in which a plurality of processes are connected,
At least one real-time processing unit for mapping the process identifiers of the process in which the collected data is generated to the collected data collected from the continuous process, and sorting the mapped mapping data for the association process between collected data collected in different processes ; And
And a plurality of memory units in which the alignment data is distributedly stored.
상기 공정 식별자 매핑은 상기 공정을 수행하는 각 설비의 설비 식별자 매핑 및 상기 설비를 통해 가공된 재료의 재료 식별자 매핑 중 적어도 하나의 매핑인 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.The method according to claim 1,
Wherein the process identifier mapping is a mapping of at least one of an equipment identifier mapping of each facility performing the process and a material identifier mapping of material processed through the facility. system.
상기 실시간 프로세싱부가 복수개로 구성되는 경우, 상기 복수개의 실시간 프로세싱부는 상기 공정 식별자 매핑 및 상기 매핑 데이터 정렬을 분산 수행하는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.3. The method of claim 2,
Wherein the plurality of real-time processing units distribute the process identifier mapping and the mapping data sorting when the real-time processing unit is composed of a plurality of real-time processing units.
각 실시간 프로세싱부의 부하량에 따라 상기 공정 식별자 매핑 및 상기 매핑 데이터 정렬을 상기 복수개의 실시간 프로세싱부에서 분산 수행시키는 수행모듈 배포부를 더 포함하는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.The method according to claim 1,
Further comprising an execution module distributing unit for distributing the process identifier mapping and the mapping data sorting in the plurality of real time processing units according to a load of each real time processing unit. system.
상기 수행모듈 배포부는,
상기 각 실시간 프로세싱부에 배포된 수행모듈의 실행에 따른 시스템 자원의 평균값 및 시스템 자원의 이용 패턴 중 적어도 하나를 이용하여 상기 각 실시간 프로세싱부의 부하량이 조절도록 상기 공정 식별자 매핑 및 상기 매핑 데이터 정렬을 분산시키는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.5. The method of claim 4,
Wherein the performance module distributor comprises:
The process identifier mapping and the mapping data sorting are controlled so that the load of each of the real-time processing units is adjusted using at least one of an average value of system resources and a usage pattern of system resources according to execution of an execution module distributed to each real- Wherein the data for the continuous process is processed in real time.
상기 시스템 자원은, 상기 각 실시간 프로세싱부의 CPU 사용율, 메모리 사용량, 네트워크 통신량, 및 디스크 입출력 처리량 중 적어도 하나를 포함하는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.6. The method of claim 5,
Wherein the system resource includes at least one of a CPU usage rate, a memory usage rate, a network communication rate, and a disk input / output throughput of each of the real-time processing units.
상기 실시간 프로세싱부는 상기 설비 식별자를 상기 수집 데이터에 매핑하는 설비매핑 수행모듈 및 상기 설비 식별자가 매핑된 데이터에 재료 식별자를 매핑하는 재료매핑 수행모듈을 포함하는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.3. The method of claim 2,
Wherein the real-time processing unit includes an equipment mapping performing module for mapping the equipment identifier to the collected data, and a material mapping performing module for mapping a material identifier to the data to which the equipment identifier is mapped. Distributed parallel processing system.
상기 설비매핑 수행모듈은 상기 수집 데이터가 수집된 시간 및 상기 수집 데이터를 수집한 센서의 속성 정보에 기초하여 추출된 상기 설비 식별자를 상기 수집 데이터에 매핑하는 것을 특징으로 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.8. The method of claim 7,
Wherein the facility mapping performing module maps the extracted facility identifier to the collected data based on the time at which the collected data is collected and the attribute information of the sensor that collected the collected data, A distributed parallel processing system.
상기 재료매핑 수행모듈은 각 공정 별 작업 지시 정보에 기초하여 추출된 상기 재료 식별자를 상기 수집 데이터에 매핑하는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.8. The method of claim 7,
Wherein the material mapping execution module maps the material identifier extracted based on the work instruction information for each process to the collected data, in real time.
상기 실시간 프로세싱부는 상기 매핑 데이터들을 수집 시간으로 정렬하는 시간정렬 및 상기 매핑 데이터들을 상기 공정에서 가공된 재료 단위로 정렬하는 단위정렬 중 적어도 하나의 정렬을 수행하는 데이터 정렬 수행모듈을 포함하는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.The method according to claim 1,
Wherein the real-time processing unit includes a data sorting module for performing at least one of sorting the time for sorting the mapping data by the collection time and unit sort for sorting the mapping data by the processed material in the process A distributed parallel processing system that processes data for a continuous process in real time.
상기 데이터 정렬 수행모듈은 상기 매핑 데이터들 중 동일한 재료 식별자가 매핑되어 있는 매핑 데이터들을 수집 시간에 따라 순차적으로 시간 정렬하는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.11. The method of claim 10,
Wherein the data sorting module sequentially arranges the mapping data in which the same material identifier is mapped among the mapping data according to the collection time in a real time manner.
상기 데이터 정렬 수행모듈은 상기 공정에서 가공된 재료 상에서 상기 수집 데이터가 수집된 수집 위치를 기준으로 상기 매핑 데이터를 단위정렬하는 것을 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.11. The method of claim 10,
Wherein the data sorting module processes data for a continuous process in real time by uniting the mapping data based on a collecting position where the collected data is collected on the material processed in the process.
상기 데이터 정렬 수행모듈은 상기 공정에서 가공된 재료의 길이, 상기 재료의 이동 속도, 및 상기 수집 데이터의 수집 주기 중 적어도 하나를 이용하여 상기 수집 데이터가 수집된 수집 위치를 결정하는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.13. The method of claim 12,
Wherein the data alignment performing module determines at least one of the length of the material processed in the process, the moving speed of the material, and the collection period of the collection data to determine a collection position at which the collection data is collected. Distributed parallel processing system that processes data for process in real time.
상기 데이터 정렬 수행모듈은
상기 매핑 데이터 및 기준 데이터들을 상기 공정에서 가공된 재료 상에서 일 방향으로 단위정렬하고,
상기 기준 데이터들은 상기 수집 데이터의 수집 위치 및 상기 재료의 기준점을 기초로 결정되는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.11. The method of claim 10,
The data sorting performing module
Aligning the mapping data and the reference data in one direction on the material processed in the process,
Wherein the reference data is determined based on a collecting position of the collected data and a reference point of the material.
상기 데이터 정렬 수행모듈은,
상기 공정에서 가공된 재료의 길이, 상기 재료의 이동 속도, 및 상기 수집 데이터의 수집 주기 중 적어도 하나를 이용하여 상기 수집 데이터가 수집된 수집 위치를 결정하고, 상기 재료 상에서 미리 정해진 간격으로 설정된 기준점들과 상기 각 수집 위치간의 거리를 기초로 산출된 상기 각 기준점들에서의 기준 데이터를 기준으로 상기 매핑 데이터를 단위정렬하는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.11. The method of claim 10,
Wherein the data alignment performing module comprises:
Determining a collection position at which the collection data is collected using at least one of a length of the material processed in the process, a moving speed of the material, and a collection period of the collection data, And the mapping data is arranged in units based on reference data at each of the reference points calculated based on a distance between the respective collecting positions.
상기 실시간 프로세싱부는 수집 데이터의 누락이 발생되면, 누락된 수집 데이터를 생성하는 데이터 보정 수행모듈을 포함하는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.3. The method of claim 2,
Wherein the real-time processing unit includes a data correction performing module that generates missing collection data when a missing collection data is generated, wherein the real-time processing unit processes the data for the continuous process in real time.
상기 데이터 보정 수행 모듈은, 특정 영역의 수집 데이터가 누락되면 상기 누락이 발생된 영역에 가장 인접한 전방 영역의 수집 데이터 또는 후방 영역의 수집 데이터를 상기 누락이 발생된 공간의 수집 데이터로 생성하는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.17. The method of claim 16,
The data correction execution module generates collection data of a front area closest to the area where the omission occurred and collection data of the rear area as collected data of the space where the omission occurred, To-parallel processing system.
상기 데이터 보정 수행 모듈은, 특정 시점의 수집 데이터가 누락되면 상기 누락이 발생된 시점의 직전 또는 직후 시점의 수집 데이터를 상기 누락이 발생된 시점의 수집 데이터로 생성하는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.17. The method of claim 16,
Wherein the data correction execution module generates collection data at a point in time immediately before or immediately after the point at which the omission occurred when the omission at a specific point of time is missing, In real time.
상기 매핑 데이터를 시간에 따라 정렬한 시간정렬 데이터, 상기 기준점들에서의 기준 데이터들, 및 상기 매핑 데이터를 상기 재료의 일 방향으로 순차적으로 정렬한 단위정렬 데이터는 상기 복수개의 메모리 서버에 분리 저장되는 것을 특징으로 하는 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.15. The method of claim 14,
Time alignment data obtained by arranging the mapping data according to time, reference data at the reference points, and unit alignment data obtained by sequentially arranging the mapping data in one direction of the material are separately stored in the plurality of memory servers Wherein the data for the continuous process is processed in real time.
상기 실시간 프로세싱부는 상기 매핑 데이터 및 기준 데이터들을 상기 공정에서 가공된 재료 상에서 일 방향으로 정렬하고,
상기 기준데이터들은 상기 수집 데이터의 수집 위치 및 상기 재료의 기준점을 기초로 결정되며,
상기 재료 상에서의 일 방향은, 상기 재료의 길이 방향, 상기 재료의 폭 방향, 및 상기 재료의 두께 방향 중 적어도 하나인 것을 특징으로 하는 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.The method according to any one of claims 3, 14, or 19,
The real-time processing unit arranges the mapping data and reference data in one direction on the processed material in the process,
The reference data being determined based on a collection point of the collection data and a reference point of the material,
Wherein one direction on the material is at least one of a longitudinal direction of the material, a width direction of the material, and a thickness direction of the material.
상기 제1공정에서 가공된 재료에 대한 제1기준 데이터 및 상기 제2공정에서 가성된 재료에 대한 제2기준 데이터는, 상기 제1기준 데이터에 포함된 제1재료 식별자 및 상기 제2기준 데이터에 포함된 제2재료 식별자에 기초하여 연계되는 것을 특징으로 하는 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.15. The method of claim 14,
The first reference data for the material processed in the first process and the second reference data for the material caulked in the second process are included in the first reference data and the second reference data included in the first reference data, Based on the first material identifier and the second material identifier included therein.
상기 실시간 프로세싱부는 상기 설비 식별자에 따라 미리 설정된 설비이상 판단기준과 상기 설비 식별자가 매핑된 매핑 데이터에 포함된 측정값을 비교하여 상기 설비의 이상여부를 판단하는 설비이상 감지 수행모듈을 포함하고, 상기 설비의 이상여부 판단은 상기 복수개의 실시간 프로세싱부에서 분산 수행되는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.The method of claim 3,
Wherein the real-time processing unit includes an equipment malfunction detection module that determines whether the equipment is malfunctioning by comparing a predetermined malfunction determination criterion according to the equipment identifier with a measurement value included in mapping data on which the equipment identifier is mapped, Wherein the plurality of real-time processing units are distributedly executed to determine whether the equipment is abnormal.
상기 실시간 프로세싱부는 상기 재료 식별자에 따라 미리 설정된 품질이상 판단기준과 상기 재료 식별자가 매핑된 매핑 데이터를 비교하여 재료의 품질이상여부를 판단하는 품질이상 감지 수행모듈을 포함하고, 상기 재료의 품질이상여부 판단은 상기 복수개의 실시간 프로세싱부에서 분산 수행되는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.The method of claim 3,
Wherein the real-time processing unit includes a quality anomaly detection module for determining whether a quality of the material is abnormal by comparing a predetermined quality aberration criterion according to the material identifier with mapping data mapped with the material identifier, And the determination is performed in a distributed manner in the plurality of real-time processing units.
상기 복수개의 메모리부는, 마스터 인스턴스 및 슬레이브 인스턴스를 포함하는 제1 메모리부 및 제2 메모리부를 포함하고,
상기 제1 메모리부의 마스터 인스턴스에 상기 정렬 데이터가 저장되면 동일한 데이터가 상기 제2 메모리부의 슬레이브 인스턴스에도 복제되고, 상기 제2 메모리부의 마스터 인스턴스에 상기 정렬 데이터가 저장되면 동일한 데이터가 상기 제1 메모리부의 슬레이브 인스턴스에 복제되며,
각 메모리부의 마스터 인스턴스에 오류가 발생되면 나머지 메모리부의 슬레이브 인스턴스들 중 어느 하나가 마스터 인스턴스로 동작하는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.The method according to claim 1,
Wherein the plurality of memory units include a first memory unit including a master instance and a slave instance, and a second memory unit,
When the sorting data is stored in the master instance of the first memory unit, the same data is also replicated in the slave instance of the second memory unit, and when the sorting data is stored in the master instance of the second memory unit, Replicated to the slave instance,
And when an error occurs in the master instance of each memory unit, any one of the slave instances of the remaining memory unit operates as a master instance, and processes the data for the continuous process in real time.
상기 복수개의 메모리부는, 마스터 인스턴스, 제1 슬레이브 인스턴스, 및 제2 슬레이브 인스턴스를 포함하는 제1 메모리부, 제2 메모리부, 및 제3메모리부를 포함하고,
상기 제1 메모리부의 마스터 인스턴스에 상기 정렬 데이터가 저장되면 동일한 데이터가 상기 제2 메모리부 및 제3 메모리부의 제1 슬레이브 인스턴스에도 복제되고, 상기 제2 메모리부의 마스터 인스턴스에 상기 정렬 데이터가 저장되면 동일한 데이터가 상기 제1 메모리부의 제1 슬레이브 인스턴스 및 제3 메모리부의 제2 슬레이브 인스턴스에도 복제되며, 상기 제3 메모리부의 마스터 인스턴스에 상기 정렬 데이터가 저장되면 동일한 데이터가 상기 제1 메모리부의 제2 슬레이브 인스턴스 및 제2 메모리부의 제2 슬레이브 인스턴스에도 복제되고,
각 메모리부의 마스터 인스턴스에 오류가 발생되면 나머지 메모리부의 슬레이브 인스턴스들 중 어느 하나가 마스터 인스턴스로 동작하는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.The method according to claim 1,
Wherein the plurality of memory units include a first memory unit including a master instance, a first slave instance, and a second slave instance, a second memory unit, and a third memory unit,
When the sorting data is stored in the master instance of the first memory unit, the same data is also replicated to the first slave instance of the second memory unit and the third memory unit, and when the sorting data is stored in the master instance of the second memory unit Data is copied to the first slave instance of the first memory unit and the second slave instance of the third memory unit, and when the sorting data is stored in the master instance of the third memory unit, the same data is transferred to the second slave instance of the first memory unit And the second slave instance of the second memory unit,
And when an error occurs in the master instance of each memory unit, any one of the slave instances of the remaining memory unit operates as a master instance, and processes the data for the continuous process in real time.
상기 마스터 인스턴스, 상기 제1 슬레이브 인스턴스, 및 상기 제2 슬레이브 인스턴스는 단일 쓰레드(Single Thread) 형태로 구성되고,
상기 복수개의 메모리부는 클러스터링되어 있는 것을 특징으로 하는 연속공정용 데이터를 실시간으로 처리하는 분산병렬 처리시스템.26. The method of claim 25,
Wherein the master instance, the first slave instance, and the second slave instance are configured in the form of a single thread,
Wherein the plurality of memory units are clustered. 2. The distributed parallel processing system according to claim 1, wherein the plurality of memory units are clustered.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020160113151A KR20180026596A (en) | 2016-09-02 | 2016-09-02 | Distributed Parallel Processing System for Processing Data Of Continuous Process In Rea Time |
US15/693,158 US11079728B2 (en) | 2016-09-01 | 2017-08-31 | Smart factory platform for processing data obtained in continuous process |
CN201710780183.7A CN107798460B (en) | 2016-09-01 | 2017-09-01 | Intelligent factory platform for processing data obtained in a continuous process |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020160113151A KR20180026596A (en) | 2016-09-02 | 2016-09-02 | Distributed Parallel Processing System for Processing Data Of Continuous Process In Rea Time |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190040965A Division KR102032680B1 (en) | 2019-04-08 | 2019-04-08 | Distributed Parallel Processing System for Processing Data Of Continuous Process In Real Time |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20180026596A true KR20180026596A (en) | 2018-03-13 |
Family
ID=61660979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020160113151A KR20180026596A (en) | 2016-09-01 | 2016-09-02 | Distributed Parallel Processing System for Processing Data Of Continuous Process In Rea Time |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20180026596A (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111209311A (en) * | 2018-11-06 | 2020-05-29 | 京东数字科技控股有限公司 | Method and apparatus for processing data |
KR20200075048A (en) * | 2018-11-30 | 2020-06-26 | 한국생산기술연구원 | Cyber-Physical Production Systems and data processing method using the same |
KR20200110998A (en) * | 2019-03-18 | 2020-09-28 | 주식회사 지엘 | Virtual reality interaction hand tracking system using multiple sensors and implementation method thereof |
KR20210039805A (en) * | 2019-10-02 | 2021-04-12 | 주식회사 유토비즈 | A smart factory management system with a management platform for industrial iot and un-iot modoule group using zone-master |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150091901A (en) * | 2014-02-04 | 2015-08-12 | 호남대학교 산학협력단 | Big data processing system |
-
2016
- 2016-09-02 KR KR1020160113151A patent/KR20180026596A/en active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150091901A (en) * | 2014-02-04 | 2015-08-12 | 호남대학교 산학협력단 | Big data processing system |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111209311A (en) * | 2018-11-06 | 2020-05-29 | 京东数字科技控股有限公司 | Method and apparatus for processing data |
CN111209311B (en) * | 2018-11-06 | 2024-02-06 | 京东科技控股股份有限公司 | Method and device for processing data |
KR20200075048A (en) * | 2018-11-30 | 2020-06-26 | 한국생산기술연구원 | Cyber-Physical Production Systems and data processing method using the same |
KR20200110998A (en) * | 2019-03-18 | 2020-09-28 | 주식회사 지엘 | Virtual reality interaction hand tracking system using multiple sensors and implementation method thereof |
KR20210039805A (en) * | 2019-10-02 | 2021-04-12 | 주식회사 유토비즈 | A smart factory management system with a management platform for industrial iot and un-iot modoule group using zone-master |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101892350B1 (en) | Smart factory flatform for processing mass data of continuous process in a real time | |
KR101892351B1 (en) | Big Data Analysis System for Smart Factory | |
KR102216311B1 (en) | Smart Factory System Based on Application Programming Interface | |
KR101951526B1 (en) | Interface Middleware System for Smart Factory Platform and Method for Operating The Same | |
KR20180026596A (en) | Distributed Parallel Processing System for Processing Data Of Continuous Process In Rea Time | |
CN107798460B (en) | Intelligent factory platform for processing data obtained in a continuous process | |
KR101938946B1 (en) | Interface Middleware System for Collecting Mass Data and Method for Collecting Data of Interface Middleware System | |
DE102015101370A1 (en) | Managing big data in process control systems | |
US20180067995A1 (en) | Sensor Data Search System, Sensor Data Search Method and Management Computer | |
US20120116827A1 (en) | Plant analyzing system | |
CN102931625B (en) | Online state maintenance intelligent decision analysis device used for relay protection device, and signal processing method and application thereof | |
KR101892352B1 (en) | Middleware system for standardizing data of continuous process | |
Huang et al. | Part family grouping method for reconfigurable manufacturing system considering process time and capacity demand | |
CN114429249B (en) | Method, system, equipment and storage medium for predicting service life of steel pipe bundle production equipment | |
KR20190040162A (en) | Distributed Parallel Processing System for Processing Data Of Continuous Process In Real Time | |
KR101951527B1 (en) | Real time processing system of mass data for managing memory cache automatically | |
KR102312523B1 (en) | Interface Middleware System for Collecting Mass Data | |
JP7210982B2 (en) | Information processing device, information processing method, and program | |
JP7460233B2 (en) | Information processing device, information processing method, program, and data structure | |
KR102026301B1 (en) | Distributed parallel processing system for preventing data loss and method thereof | |
JP3242031B2 (en) | FA information management method and system | |
CN107612721B (en) | Management system and method of operation and maintenance data, convergence server and processing server | |
JP2020057090A (en) | data structure | |
US10289635B2 (en) | Control apparatus and control system aggregating working data of manufacturing cells | |
Fimmers et al. | Asset Administration Shells in Tool Lifecycle Monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
AMND | Amendment | ||
E902 | Notification of reason for refusal | ||
AMND | Amendment | ||
E601 | Decision to refuse application | ||
E601 | Decision to refuse application | ||
E801 | Decision on dismissal of amendment | ||
A107 | Divisional application of patent |