KR20180130614A - System for part lifetime prediction of elevator - Google Patents
System for part lifetime prediction of elevator Download PDFInfo
- Publication number
- KR20180130614A KR20180130614A KR1020170065947A KR20170065947A KR20180130614A KR 20180130614 A KR20180130614 A KR 20180130614A KR 1020170065947 A KR1020170065947 A KR 1020170065947A KR 20170065947 A KR20170065947 A KR 20170065947A KR 20180130614 A KR20180130614 A KR 20180130614A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- elevator
- lifetime
- failure
- life
- Prior art date
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
- B66B5/0037—Performance analysers
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Abstract
Description
본 발명은 엘리베이터의 부품 수명 예측 시스템에 관한 것으로, 보다 상세하게는 기존의 부품 수명 데이터에 실시간 고장/진단 예측의 개념을 포함하여 해당 엘리베이터의 특별한 상황에 의해 발생되는 부품 수명 변화에 대해 수명 데이터의 보정을 수행하여 보다 정확하게 부품의 수명을 예측할 수 있도록 한 엘리베이터의 부품 수명 예측 시스템에 관한 것이다.The present invention relates to a part lifetime prediction system for an elevator, and more particularly, to a part lifetime prediction system for an elevator, including a concept of real-time failure / diagnosis prediction for existing part life data, And more particularly, to a system for predicting the service life of an elevator in which the compensation is performed so as to predict the life of the part more accurately.
일반적으로, 주거용이나 업무용, 상업용 등으로 건축되는 다양한 종류의 고층 건물에는 해당 건물을 출입하는 승객들의 원활한 층간 이동을 위해 엘리베이터 장치가 구비된다. Generally, various types of high-rise buildings such as residential, commercial, and commercial buildings are provided with an elevator system for smooth inter-floor movement of passengers entering and exiting the building.
상기 엘리베이터 장치는 그 내부에 승객이 탑승한 상태에서 건물 내부에 수직방향으로 형성된 승강로를 따라 상.하방향으로 이동하면서 탑승객을 이동시키는 엘리베이터 카와, 소정 동력을 발생시키는 모터부와 권상기 등이 구비되어 상기 엘리베이터 카를 승객의 버튼 조작에 따른 해당 층으로 이동시키는 기계부 및, 승객의 버튼 조작에 따라 상기 기계부를 제어하면서 상기 엘리베이터 카가 원활하고 안정적으로 운행될 수 있도록 제어를 행하는 엘리베이터 제어부 등을 포함하여 구성된다. The elevator apparatus includes an elevator car for moving a passenger while moving up and down along a hoistway formed in a vertical direction in a building with a passenger on the inside thereof, a motor unit for generating a predetermined power and a hoisting machine And an elevator control unit for controlling the elevator car so as to smoothly and stably operate the elevator car while controlling the mechanical unit according to a button operation of a passenger do.
한편, 상술한 바와 같은 엘리베이터 장치는 다수의 부품을 포함하여 구성되는데, 일반적으로 각종 부품의 수명은 정상상태에서 고장까지의 시간을 의미하며 확률 변수로 간주하게 된다. Meanwhile, the elevator apparatus as described above includes a plurality of components. Generally, the lifetime of various components means a time from a steady state to a failure, and is regarded as a random variable.
통상적으로 잘 알려진 분포를 따른다고 가정하고, 확률 밀도함수 또는 누적 분포함수로 표현되며, 이를 이용하여 부품의 수명을 도출할 수가 있게 된다. 추정되는 분포함수는 일반적으로 지수 분포, 와이블 분포, 대수 정규 분포 등이 사용된다. 즉, 샘플 수집된 고장 이력 데이터로부터 모수를 추정하여 누적 분포 함수를 구하는데, 일반적으로는 최대 우도 추정법을 사용하여 분포 함수의 파라미터를 추정하게 된다. 또 이렇게 추정된 함수는 적합도 평가를 통해 추정된 함수가 실제 고장 실적과 비교해서 얼마나 잘 맞는지에 대한 평가를 내리게 된다. 검정 방식은 Anderson-Darling 검정, Kolmogorov-Smirnov 검정, Cramer-Von Mises 검정 방법 등이 사용된다. Typically, it is assumed that it follows a well-known distribution, and is expressed by a probability density function or a cumulative distribution function, which can be used to derive the service life of the part. The estimated distribution functions are generally exponential, weibull, lognormal, and so on. In other words, the parameter is estimated from the collected fault history data to obtain the cumulative distribution function. In general, the parameter of the distribution function is estimated using the maximum likelihood estimation method. In addition, the estimated function evaluates how well the estimated function compares with the actual failure performance. The test method is the Anderson-Darling test, the Kolmogorov-Smirnov test and the Cramer-Von Mises test.
그러나, 상술한 바와 같은 방법을 통해 부품의 수명을 예측하는데 있어서, 종래의 기술에는 두 가지 문제점이 존재하게 되며, 이에 따라 예측된 수명은 단순히 참고자료로만 쓰일 뿐, 실제로 사용하기에는 정확도가 떨어지는 문제점이 발생하게 된다. However, in predicting the service life of a component through the above-described method, there are two problems in the conventional technology, and thus, the predicted service life is only used as reference data, .
먼저, 종래의 기술에서는 부품의 수명을 예측하는데 있어서, 그 부품이 설치된 엘리베이터의 상태와 무관하게 동일한 부품으로 간주하고 수명을 예측하게 된다. 예컨대, 로프라고 하면 모든 엘리베이터에 설치된 로프의 평균적인 수명이 구해지는 것이다. 그런데 부품의 수명은 엘리베이터의 종류나 사용패턴, 사용시간, 엘리베이터의 속도, 평균 탑승인원에 따라 개별 부품의 수명에 차이가 생기게 되는데 반하여, 일반적인 신뢰성 이론에서의 수명예측은 이러한 차이를 무시한 채 일반적인 부품의 수명만 예측하기 때문에 정확한 값이 될 수 없는 문제점이 발생하게 된다. In the prior art, in predicting the service life of a component, the component is regarded as the same component regardless of the state of the installed elevator, and the service life is predicted. For example, in the case of a rope, the average lifetime of ropes installed in all elevators is obtained. However, the lifetime of the parts will vary depending on the type of elevator, the usage pattern, the use time, the speed of the elevator, and the average number of passengers. On the other hand, life expectancy in the general reliability theory, It is impossible to obtain an accurate value.
또한, 일반적인 수명이 예측되더라도 그 엘리베이터의 상태에 따라 고장이 조기 발생할 수 있으며, 이미 고장이 발생하였다면 기존에 예측된 수명 데이터는 무의미해지게 된다. 즉, 수명 예측이라는 것이 기존 부품의 수명이 다하여 고장나기 전에 수명이 다한 부품을 교체하여 고장이 발생하는 것을 예방하는 것이 목적인데, 만약 특정 부품이 수명 만료 이전에 이미 고장이 발생된다면 예측한 수명은 큰 의미가 없게 된다. 기존의 신뢰성 이론에서 고장의 개념으로 단순히 고장 이력, 횟수 만으로 추정한 수명 데이터는 이런 이유로 인해 실제 효용가치가 떨어지는 문제점이 발생하게 된다. Also, even if a general life span is predicted, a failure can be caused early depending on the state of the elevator. If a failure has already occurred, predicted life span data becomes meaningless. In other words, the purpose of life prediction is to prevent the failure by replacing parts that have reached the end of their life before they are out of order due to the lifetime of the existing parts. If a part fails before its life expires, There is no big meaning. In the existing reliability theory, the lifetime data estimated from only the failure history and the number of failures merely have a problem that the utility value is lowered due to this reason.
따라서, 본 발명은 상기한 바와 같은 종래의 문제점을 개선하기 위하여 안출된 것으로, 그 목적은 기존의 부품 수명 데이터에 실시간 고장/진단 예측의 개념을 포함하여 해당 엘리베이터의 특별한 상황에 의해 발생되는 부품 수명 변화에 대해 수명 데이터의 보정을 수행하여 보다 정확한 수명을 얻을 수 있도록 한 엘리베이터의 부품 수명 예측 시스템을 제공하고자 하는 것이다.SUMMARY OF THE INVENTION Accordingly, the present invention has been made keeping in mind the above problems occurring in the prior art, and it is an object of the present invention to provide a real- And to provide a system for predicting the service life of an elevator in which lifetime data correction is performed to obtain a more accurate lifetime.
상기한 바와 같은 목적을 달성하기 위한 본 발명에 따른 엘리베이터의 부품 수명 예측 시스템은, 사용자로부터 고장 이력을 입력받아 데이터를 수집하는 수집부와; 상기 수집부를 통해 수집된 데이터를 데이터베이스화 하여 저장하는 관리부와; 상기 관리부에 저장된 고장데이터 정보를 이용하여 일련의 수명 분석 과정을 수행하여 부품의 실제 수명에 대한 예측을 행하는 분석부 및; 사용자와 인터페이스를 행하면서 수명 분석에 따른 결과를 전송한 후 피드백을 수행하는 UI부를 포함하여 구성된 것;을 특징으로 한다. According to an aspect of the present invention, there is provided a system for predicting the service life of an elevator, comprising: a collecting unit for receiving a fault history from a user and collecting data; A management unit configured to store data collected through the collecting unit in a database; An analysis unit for performing a series of life analysis processes using the failure data information stored in the management unit to predict the actual life of the part; And a UI unit for performing feedback after performing a result of the life analysis while performing an interface with the user.
바람직하게, 상기 분석부에서의 수명 예측 과정은, 사용자로부터 부품의 고장 발생 데이터를 수집한 후 엘리베이터의 부품 별 고장 이력을 호기 마스터로부터의 정보를 통해 카테고리 별로 분류하는 데이터 분류 단계와, 일정 기간마다 자동으로 고장 확률 분포 함수를 통해 부품 수명을 예측하는 데이터 분석 단계와, 예측된 모델에 대해 적합성 검정을 수행하는 평가 단계와, 모델 적합성이 이전 데이터 보다 우수한 경우 수명 데이터를 새롭게 갱신하는 데이터 갱신 단계 및, 실시간 고장예측을 통해 이전 단계에서 확보된 수명 데이터를 보정하는 보정 단계의 과정을 자동으로 수행하도록 이루어진 것을 특징으로 한다. Preferably, the life predicting process in the analysis unit includes: a data classifying step of collecting fault occurrence data of a part from a user and then classifying the fault history of each part of the elevator into categories according to information from the expiration master; A data analysis step of automatically predicting a part life time through a failure probability distribution function; an evaluation step of performing conformity test on a predicted model; a data updating step of renewing the life data when the model conformity is better than the previous data; And a correction step of correcting the life data acquired in the previous step through the real-time failure prediction.
바람직하게, 상기 분석부에서의 데이터 분석 단계에서는 엘리베이터 수명에 유의미한 영향을 미치는 카테고리를 추출하여 그 카테고리 별로 수명을 예측함과 아울러, 카테고리의 조합을 통해 수명을 예측한 후, 각각의 수명 예측 모델에 대해 적합성 검정을 수행하고, 그 중 적합성이 가장 높은 카테고리 또는 카테고리의 조합을 통해 얻어진 수명 데이터를 선택하도록 이루어진 것을 특징으로 한다. Preferably, in the data analysis step in the analyzing unit, a category having a significant influence on the lifetime of the elevator is extracted and the lifetime is predicted for each category. In addition, the lifetime is predicted through a combination of categories, And the lifetime data obtained through the combination of the category or the category with the highest suitability is selected.
더 바람직하게, 상기 데이터 분석단계에서 엘리베이터 수명에 유의미한 영향을 미치는 카테고리는 엘리베이터의 속도, 엘리베이터의 기종, 엘리베이터의 용도, 엘리베이터의 운행량, 도어 개폐 회수가 포함되는 것을 특징으로 한다. More preferably, the categories that significantly affect the lifetime of the elevator in the data analysis step include the speed of the elevator, the type of elevator, the use of the elevator, the amount of operation of the elevator, and the number of door openings.
또한, 상기 분석부에서의 보정 단계에서는 실시간으로 예측된 엘리베이터의 고장에 대하여, 만약 고장이 예측되면 그 고장 확률에 따라서 기존의 분석 단계에서 얻어진 부품의 수명에 반영하여 기존 부품 수명 데이터를 보정하도록 이루어짐이 바람직하다. In the correction step of the analysis unit, if the failure is predicted in real time, the existing component life data is corrected by reflecting the failure in the life of the component obtained in the existing analysis step according to the failure probability. .
상기에서 설명한 바와 같이 이루어진 본 발명에 따르면, 엘리베이터 수명에 유의미한 영향을 끼치는 카테고리 별로 부품의 수명을 추정함으로써, 보다 정확한 수명을 얻을 수 있는 효과가 있게 된다.According to the present invention as described above, it is possible to obtain a more accurate lifetime by estimating the service life of each component by category that significantly affects the service life of the elevator.
또한, 실시간 고장 예측기능을 적용함에 따라, 특별한 상황에 의해 발생되는 부품 수명 변화에 대해서도 대처 가능해짐으로, 단순 참고용이 아닌 실제 부품의 교체시기를 판단할 수 있는 수명을 산출할 수 있는 효과가 있게 된다. In addition, since the real-time failure prediction function is applied, it is possible to cope with a change in part life caused by a special situation, so that it is possible to calculate a service life that can determine the replacement time of an actual part, do.
도 1은 본 발명에 따른 엘리베이터의 부품 수명 예측 시스템의 개략적인 구성을 나타내는 블록도,
도 2는 본 발명에 따른 엘리베이터의 부품 수명 예측 시스템에 구비되는 분석부의 세부적인 구성을 나타내는 도면이다.1 is a block diagram showing a schematic configuration of a part life prediction system of an elevator according to the present invention;
2 is a view showing a detailed configuration of an analysis unit included in the part life prediction system of an elevator according to the present invention.
이하, 상기한 바와 같이 구성된 본 발명에 대해 첨부도면을 참조하여 상세히 설명한다.Hereinafter, the present invention configured as described above will be described in detail with reference to the accompanying drawings.
도 1은 본 발명에 따른 엘리베이터의 부품 수명 예측 시스템의 개략적인 구성을 나타내는 블록도, 도 2는 본 발명에 따른 엘리베이터의 부품 수명 예측 시스템에 구비되는 분석부의 세부적인 구성을 나타내는 도면이다.FIG. 1 is a block diagram showing a schematic configuration of a part lifetime predicting system of an elevator according to the present invention, and FIG. 2 is a diagram showing a detailed configuration of an analyzing part provided in a part lifetime predicting system of an elevator according to the present invention.
먼저, 본 발명에 따른 엘리베이터의 부품 수명 예측 시스템은, 두 가지 측면에서 새로운 방법을 제시하여 부품 수명의 보다 정확한 예측이 가능하도록 구현된다.First, the part lifetime prediction system of an elevator according to the present invention is implemented in a way that a new method can be proposed in two aspects to enable a more accurate prediction of part lifetime.
첫째, 고장확률 밀도 함수를 이용해서 구해진 수명 데이터는 일반적인 수명이기 때문에 엘리베이터의 다양한 설치환경, 사용 패턴 등에는 무관하게 구해지게 된다. 하지만 부품의 수명이라는 것은 그 부품이 설치된 환경이나 사용 패턴에 따라 달라질 수 있는 것으로, 예를 들어 같은 로프라고 하더라도 아파트에 설치하느냐 기타건물에 설치하느냐에 따라 수명이 달라질 수 있는 것이다. First, since lifetime data obtained using the failure probability density function is a general lifetime, it can be obtained irrespective of various installation environments, usage patterns, and the like of the elevator. However, the lifetime of a part depends on the environment in which the part is installed and the usage pattern. For example, even if it is the same rope, the lifetime may vary depending on whether it is installed in an apartment or other building.
따라서, 보다 정확한 부품의 수명 예측을 위해서는 개별 엘리베이터의 호기별 부품 수명 예측이 필요하게 된다. 하지만 호기별로 획득된 개별 고장 이력 데이터만으로 확률 밀도 함수를 추정하기에는 데이터 샘플 수가 부족하게 되므로 적당한 샘플 수를 확보하기 위하여 유사 카테고리 별로 묶어서 확률 밀도 함수를 추정하는 방식을 사용한다. 이를 위해 각 카테고리 별로 데이터를 구분한 후, 모수 추정을 통해 고장 누적 확률 함수를 구해낸다. 이렇게 구해진 고장 누적 확률 함수의 모델 적합도를 검증하여 가장 적합도가 높은 카테고리 또는 카테고리의 조합을 찾아낸 후, 그 카테고리 또는 카테고리 조합에 의해 구해진 고장 누적 확률 함수를 이용하여 더 정확한 수명 데이터를 얻어 낼 수가 있게 되며, 이를 통해 확보한 수명 데이터는 엘리베이터의 부품의 일반적인 수명이 아닌 특정 카테고리 별 엘리베이터에 대한 부품의 수명이므로, 더 정확한 결과를 보장할 수가 있게 되는 것이다.Therefore, in order to predict the life of a more accurate part, it is necessary to predict the part lifetime of each elevator. However, since the number of data samples is insufficient to estimate the probability density function using only individual failure history data acquired for each expiration date, a method of estimating a probability density function by grouping by similar categories is used in order to secure a proper number of samples. To do this, we divide the data for each category, and then calculate the fault cumulative probability function through parameter estimation. After verifying the model fits of the failure cumulative probability functions thus obtained to find a combination of categories or categories with the highest fitness, more precise lifetime data can be obtained using the failure cumulative probability function obtained by the category or category combination , The lifetime data obtained through this is not the usual lifetime of the parts of the elevator but the lifetime of the parts for the elevator by specific category, so that a more accurate result can be guaranteed.
둘째, 기존의 신뢰성 이론에 의거하여 구해진 수명 데이터에 실시간 고장/진단 예측의 개념을 포함하여 해당 엘리베이터의 특별한 상황에 의해 발생하는 부품 수명 변화에 대해 수명 데이터의 보정을 수행한다. 즉, 기존의 누적 고장 확률 밀도 함수를 통해 얻어진 수명 데이터를 기반으로 하고, 해당 엘리베이터에서 수행된 실시간 고장/진단 예측 결과에 따라 구해진 고장이 발생할 확률을 고려하여 남은 수명을 예측한다. 따라서, 예측된 수명은 엘리베이터 부품의 고장 확률이 증가할수록 줄어들게 되며, 이렇게 예측된 수명 데이터를 지속적으로 보정함으로써 단순히 참고자료로서의 부품 수명데이터가 아니라 실제로 교체 시점을 판단할 수 있는 의미있는 데이터로 사용할 수 있게 되는 것이다.Second, the lifetime data is corrected for the component lifetime change caused by the special situation of the elevator including the concept of real-time failure / diagnosis prediction based on the lifetime data obtained based on the existing reliability theory. That is, based on the lifetime data obtained through the existing cumulative failure probability density function, the remaining life is predicted in consideration of the probability of occurrence of the failure that is obtained according to the real-time failure / diagnosis prediction result performed in the elevator. Therefore, the predicted lifespan decreases as the failure probability of elevator parts increases, and by continuously correcting the predicted lifetime data, it can be used as meaningful data that can actually determine the replacement point, It will be.
이를 위해, 본 발명에 따른 엘리베이터의 부품 수명 예측 시스템은, 수집부(10)와 관리부(20)와 분석부(30) 및 UI부(40) 등을 포함하여 구성된다.To this end, the part life prediction system of an elevator according to the present invention comprises a
상기 수집부(10)는 사용자로부터 고장 이력을 입력받아 수집하도록 구성된 것으로, 사용자가 해당 엘리베이터의 프로젝트 번호와 호기 번호, 고장 부품, 고장 시점을 입력하게 되면, 이 정보를 기반으로 호기 마스터를 통해 엘리베이터의 설치 정보를 얻어서 상기 관리부(20)로 전송하는 기능을 수행하게 된다.The
상기 관리부(20)는 상기 수집부(10)로부터 넘어온 데이터를 DB에 저장하도록 구성된 것으로, 해당 데이터는 프로젝트 번호/호기 번호, 고장 부품, 고장 시점, 엘리베이터 설치 정보 등을 포함하여 구성되며, 이 정보를 DB에 저장한 후 상기 분석부(30)로 전송하는 기능을 수행하게 된다. The
상기 분석부(30)는 수집된 고장데이터를 이용하여 부품의 수명 분석을 수행하도록 구성된 것으로, 상기 분석부(30)는 DB로부터 읽어온 데이터를 카테고리 별로 분류하는 데이터 분류단계, 일정 기간마다 자동으로 고장확률 분포 함수를 통해 수명을 예측하는 데이터 분석 단계, 예측된 모델에 대해 적합성 검정을 수행하는 평가단계, 모델 적합성이 이전 데이터 보다 우수한 경우 수명데이터를 새롭게 갱신하는 데이터 갱신 단계, 실시간 고장 예측을 통해 기존 수명데이터를 보정하는 보정 단계로 이루어지며, 상술한 바와 같은 데이터 분류, 분석, 평가, 갱신, 보정 등의 5단계 프로세스는 모두 일정 기간마다 자동으로 이루어지기 때문에 고장 이력 데이터가 갱신됨에 따라 다시 분석되고, 이렇게 획득한 모델과 데이터가 기존 모델과 데이터에 비해 유의미하게 향상되었다면 새로운 수명 데이터를 확보할 수 있게 되며, 이를 통해 수명 데이터의 정확도를 향상시킬 수가 있게 되는 것이다. The
상기 UI부(40)는 상기 분석부(30)로부터의 수명 예측 정보를 사용자에게 전송한 후, 피드백을 수행하는 기능을 행하도록 제공된다. The
이어, 상기한 바와 같이 이루어진 본 발명에 따른 엘리베이터의 부품 수명 예측 시스템에서의 수명 예측을 위한 데이터 분석, 평가, 갱신 및 보정 단계에 대해 상세히 설명하면 다음과 같다.Next, data analysis, evaluation, update and correction steps for lifetime prediction in the part lifetime prediction system of an elevator according to the present invention will be described in detail.
먼저, 신뢰성 기반 분포 예측 과정에서는, 수집된 고장이력을 매개로 고장확률 밀도 함수 생성하게 된다. 이는 일반적인 신뢰성 이론을 바탕으로 고장 수명을 예측하는 방식이다. 즉 부품별 고장 이력으로 모수를 추정하여 확률 분포 함수를 계산한다. 샘플 수집된 고장 이력 데이터로부터 모수를 추정하여 누적 분포 함수를 구하는데, 일반적으로는 최대 우도 추정법을 사용하여 분포 함수의 파라미터를 추정하게 된다. 이렇게 추정된 함수는 적합도 평가를 통해 추정된 함수가 실제 고장 실적과 비교해서 얼마나 잘 맞는지에 대한 평가를 내리게 된다. 검정 방식은 Anderson-Darling 검정, Kolmogorov-Smirnov 검정 등을 사용하여 적합도를 검증하게 된다. First, in the reliability-based distribution estimation process, the failure probability density function is generated through the collected failure history. This is a method to predict failure life based on general reliability theory. In other words, the probability distribution function is calculated by estimating the parameter by the failure history of each part. The cumulative distribution function is obtained by estimating the parameters from the collected fault history data. In general, the maximum likelihood estimation method is used to estimate the parameters of the distribution function. This estimated function evaluates how well the estimated function is in comparison with the actual failure performance. The test method is to verify the fitness using the Anderson-Darling test and the Kolmogorov-Smirnov test.
그리고, 카테고리 별 분류를 통한 예측 과정에서는, 먼저 엘리베이터의 부품 수명에 영향을 줄만한 카테고리 항목인 엘리베이터 속도, 엘리베이터 건물 용도, 엘리베이터 기종, 엘리베이터 일 평균 운행량, 도어 개폐 회수(도어 관련 부품인 경우) 등을 정의하고, 해당 카테고리 별로 데이터를 분류한 후, 이를 통해 누적 분포 함수를 구하고 수명을 예측하게 된다. 또 해당 카테고리의 조합으로 데이터를 분류한 후, 이를 통해 누적 분포 함수를 구하고 수명을 예측하고, 각 카테고리 별 혹은 카테고리 조합으로 예측된 모델의 성능을 검증하여 최상위의 카테고리 또는 카테고리 조합을 선정하여 이 카테고리 또는 카테고리 조합에 해당하는 수명 데이터를 구하게 된다. 이렇게 구해진 데이터가 기존 데이터보다 향상되었다면 새로운 모델과 데이터로 갱신을 행하게 된다. In the forecasting process based on category classification, first, a category item that may affect the lifetime of an elevator, such as an elevator speed, an elevator building use, an elevator model, an average daily elevator operation amount, a door opening / And classifies the data by the category, and then, the cumulative distribution function is obtained and the lifetime is predicted. In addition, we classify the data by the combination of the categories, obtain the cumulative distribution function, estimate the lifetime, verify the performance of the predicted model by each category or combination of categories, select the top category or category combination, Or lifetime data corresponding to the category combination is obtained. If the obtained data is improved over the existing data, it is updated with the new model and data.
마지막으로, 실시간 고장 진단/예측을 통한 수명 데이터의 실시간 보정 과정에서는 상술한 바와 같은 과정을 통해 예측된 수명 데이터를 기반으로 하여 실시간으로 수명 데이터를 보정하게 된다. 즉, 수집된 센서 데이터 및 이력 데이터를 바탕으로 개별 부품의 고장에 대한 진단/예측을 수행하고, 이를 부품의 수명에 반영한다. 즉, 일반적인 부품의 수명이 구해지더라도 해당 엘리베이터에서 고장이 예측된다면 해당 부품 수명 데이터는 정확한 교체시기를 알려주는 데이터라고 할 수 없기 때문에 고장이 예측되면 그 고장 예측 확률에 따라서 수명 데이터를 수정하게 되는 것이다. Finally, in the real-time correction of the life data through the real-time fault diagnosis / prediction, the life data is corrected in real time based on the life data predicted through the above-described process. That is, based on the collected sensor data and historical data, diagnosis / prediction of failure of individual parts is performed and reflected in the life of the part. That is, even if the lifetime of a general part is obtained, if the failure is predicted in the elevator, the lifetime data of the part can not be referred to as a precise replacement time data. Therefore, if the failure is predicted, will be.
한편, 본 발명에서 기재된 내용과 다른 변형된 실시예들이 돌출 된다고 하더라도 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안되며, 본 발명에 첨부된 청구범위 내에 속하게 됨은 물론이다. While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, but, on the contrary, is intended to cover various modifications and equivalent arrangements included within the scope of the appended claims.
10: 수집부, 20: 관리부,
30: 분석부, 40: UI부.10: collection section, 20: management section,
30: Analysis section, 40: UI section.
Claims (5)
상기 수집부를 통해 수집된 데이터를 데이터베이스화 하여 저장하는 관리부와;
상기 관리부에 저장된 고장데이터 정보를 이용하여 일련의 수명 분석 과정을 수행하여 부품의 실제 수명에 대한 예측을 행하는 분석부 및;
사용자와 인터페이스를 행하면서 수명 분석에 따른 결과를 전송한 후 피드백을 수행하는 UI부를 포함하여 구성된 것;을 특징으로 하는 엘리베이터의 부품 수명 예측 시스템.A collection unit for receiving a failure history from a user and collecting data;
A management unit configured to store data collected through the collecting unit in a database;
An analysis unit for performing a series of life analysis processes using the failure data information stored in the management unit to predict the actual life of the part;
And a UI unit for transmitting a result of the life analysis while performing an interface with the user and performing feedback.
상기 분석부에서의 수명 예측 과정은,
사용자로부터 부품의 고장 발생 데이터를 수집한 후 엘리베이터의 부품 별 고장 이력을 호기 마스터로부터의 정보를 통해 카테고리 별로 분류하는 데이터 분류 단계와,
일정 기간마다 자동으로 고장 확률 분포 함수를 통해 부품 수명을 예측하는 데이터 분석 단계와,
예측된 모델에 대해 적합성 검정을 수행하는 평가 단계와,
모델 적합성이 이전 데이터 보다 우수한 경우 수명 데이터를 새롭게 갱신하는 데이터 갱신 단계 및,
실시간 고장예측을 통해 이전 단계에서 확보된 수명 데이터를 보정하는 보정 단계의 과정을 자동으로 수행하도록 이루어진 것을 특징으로 하는 엘리베이터의 부품 수명 예측 시스템.The method according to claim 1,
The life predicting process in the analyzing unit includes:
A data classification step of collecting fault occurrence data of a part from a user and classifying the fault history of each part of the elevator into categories according to information from the expiration master,
A data analysis step of automatically predicting a part life time through a failure probability distribution function at predetermined intervals,
An evaluation step of performing conformity test on the predicted model,
A data updating step of newly updating the life data when the model conformity is better than the previous data;
And a correction step of correcting lifetime data acquired in a previous step through real-time failure prediction is automatically performed.
상기 분석부에서의 데이터 분석 단계에서는 엘리베이터 수명에 유의미한 영향을 미치는 카테고리를 추출하여 그 카테고리 별로 수명을 예측함과 아울러, 카테고리의 조합을 통해 수명을 예측한 후, 각각의 수명 예측 모델에 대해 적합성 검정을 수행하고, 그 중 적합성이 가장 높은 카테고리 또는 카테고리의 조합을 통해 얻어진 수명 데이터를 선택하도록 이루어진 것을 특징으로 하는 엘리베이터의 부품 수명 예측 시스템.3. The method of claim 2,
In the data analysis step in the analysis unit, a category having a significant influence on the lifetime of the elevator is extracted, and the lifetime is predicted for each category. In addition, the lifetime is predicted through a combination of categories, And selects lifetime data obtained through a combination of categories or categories with the highest suitability among them.
상기 데이터 분석단계에서 엘리베이터 수명에 유의미한 영향을 미치는 카테고리는 엘리베이터의 속도, 엘리베이터의 기종, 엘리베이터의 용도, 엘리베이터의 운행량, 도어 개폐 회수가 포함되는 것을 특징으로 하는 엘리베이터의 부품 수명 예측 시스템.The method of claim 3,
Wherein the category that significantly affects the lifetime of the elevator in the data analysis step includes the speed of the elevator, the type of the elevator, the use of the elevator, the operation amount of the elevator, and the number of door openings and closings.
상기 분석부에서의 보정 단계에서는 실시간으로 예측된 엘리베이터의 고장에 대하여, 만약 고장이 예측되면 그 고장 확률에 따라서 기존의 분석 단계에서 얻어진 부품의 수명에 반영하여 기존 부품 수명 데이터를 보정하도록 이루어진 것을 특징으로 하는 엘리베이터의 부품 수명 예측 시스템.3. The method of claim 2,
In the correction step of the analyzing unit, when the failure of the elevator predicted in real time is predicted, the existing component lifetime data is corrected by reflecting the failure in the life of the component obtained in the existing analysis step according to the failure probability Of the elevator.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170065947A KR20180130614A (en) | 2017-05-29 | 2017-05-29 | System for part lifetime prediction of elevator |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170065947A KR20180130614A (en) | 2017-05-29 | 2017-05-29 | System for part lifetime prediction of elevator |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20180130614A true KR20180130614A (en) | 2018-12-10 |
Family
ID=64670852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170065947A KR20180130614A (en) | 2017-05-29 | 2017-05-29 | System for part lifetime prediction of elevator |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20180130614A (en) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113158362A (en) * | 2021-03-18 | 2021-07-23 | 浙江理工大学 | Physical failure and data drive fused elevator residual life prediction method |
| CN113469453A (en) * | 2021-07-19 | 2021-10-01 | 广州广日电梯工业有限公司 | Elevator evaluation method and elevator evaluation device based on information physical system |
| KR20210132352A (en) * | 2020-04-27 | 2021-11-04 | 주식회사 글로비즈 | Method and system of diagnosing defect and calculating remaining life of components of railway vehicle |
| CN113682919A (en) * | 2021-09-22 | 2021-11-23 | 赵福杰 | Intelligent repair elevator based on Internet of things |
| KR102385986B1 (en) | 2021-10-21 | 2022-04-14 | 주식회사 솔리데오시스템즈 | Method for predicting replacement time of elevator system and computer program peeforming the same |
| CN114590668A (en) * | 2022-05-10 | 2022-06-07 | 大汉科技股份有限公司 | Operation management system for unmanned elevator based on big data |
| KR20220090980A (en) * | 2020-12-23 | 2022-06-30 | 주식회사 글로비즈 | Method and system of diagnosing defect and calculating remaining life of door of railway vehicle |
-
2017
- 2017-05-29 KR KR1020170065947A patent/KR20180130614A/en not_active Application Discontinuation
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210132352A (en) * | 2020-04-27 | 2021-11-04 | 주식회사 글로비즈 | Method and system of diagnosing defect and calculating remaining life of components of railway vehicle |
| KR20220090980A (en) * | 2020-12-23 | 2022-06-30 | 주식회사 글로비즈 | Method and system of diagnosing defect and calculating remaining life of door of railway vehicle |
| CN113158362A (en) * | 2021-03-18 | 2021-07-23 | 浙江理工大学 | Physical failure and data drive fused elevator residual life prediction method |
| CN113158362B (en) * | 2021-03-18 | 2023-11-28 | 浙江理工大学 | Elevator residual life prediction method integrating physical failure and data driving |
| CN113469453A (en) * | 2021-07-19 | 2021-10-01 | 广州广日电梯工业有限公司 | Elevator evaluation method and elevator evaluation device based on information physical system |
| CN113682919A (en) * | 2021-09-22 | 2021-11-23 | 赵福杰 | Intelligent repair elevator based on Internet of things |
| KR102385986B1 (en) | 2021-10-21 | 2022-04-14 | 주식회사 솔리데오시스템즈 | Method for predicting replacement time of elevator system and computer program peeforming the same |
| CN114590668A (en) * | 2022-05-10 | 2022-06-07 | 大汉科技股份有限公司 | Operation management system for unmanned elevator based on big data |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20180130614A (en) | System for part lifetime prediction of elevator | |
| KR101880353B1 (en) | System for prognosticating failure of elevator | |
| KR101962739B1 (en) | Failure Prediction Analysis System of Machine Equipment Using Big Data Analysis and Method Thereof | |
| CN107991870B (en) | Fault early warning and service life prediction method for escalator equipment | |
| EP3617117B1 (en) | Model development framework for remote monitoring condition-based maintenance | |
| EP3587326A1 (en) | Maintenance scheduling based on remote monitoring data and service data analytics | |
| KR102242630B1 (en) | Maintenance planning system and maintenance planning method | |
| CN111137773B (en) | Method and system for detecting faults in an elevator system | |
| US20210253394A1 (en) | Control device for passenger traffic system | |
| CN116910680B (en) | Remote fault detection method and system for fitness equipment | |
| KR102546093B1 (en) | Elevator brake device deterioration prediction system | |
| CN113191506B (en) | Aperiodic condition-based maintenance method considering equipment detection uncertainty | |
| US10884405B2 (en) | Method for assessing health conditions of industrial equipment | |
| CN111382946B (en) | Autonomous evaluation method and system for health state of equipment and industrial internet equipment | |
| CN112966785B (en) | Intelligent constellation state identification method and system | |
| KR102651107B1 (en) | Elevator abnormality detection system and method | |
| Ebeling | Condition monitoring for elevators–an overview | |
| CN116348406B (en) | Fault diagnosis device for elevator | |
| CN115190038B (en) | State determination method and device | |
| CN113682911B (en) | Sampling mode setting and elevator fault detection method and related device | |
| KR102452204B1 (en) | Failure prediction apparatus and method for platform screen door | |
| KR102437701B1 (en) | Method for estimating condition of elevator | |
| KR0167177B1 (en) | Elevator group control method and equipment | |
| Smith | The Need for Standardized Metrics and KPI’s for AI Performance | |
| CN117633715A (en) | Method and device for predicting residual life of complex equipment with main and auxiliary structures |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |