KR20190044812A - 제조 공정 빅데이터 서비스 제공 시스템 및 방법 - Google Patents
제조 공정 빅데이터 서비스 제공 시스템 및 방법 Download PDFInfo
- Publication number
- KR20190044812A KR20190044812A KR1020170137192A KR20170137192A KR20190044812A KR 20190044812 A KR20190044812 A KR 20190044812A KR 1020170137192 A KR1020170137192 A KR 1020170137192A KR 20170137192 A KR20170137192 A KR 20170137192A KR 20190044812 A KR20190044812 A KR 20190044812A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- process data
- synchronized
- manufacturing process
- module
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 105
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 99
- 230000001360 synchronised effect Effects 0.000 claims abstract description 56
- 238000013480 data collection Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 abstract description 7
- 238000007405 data analysis Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000002950 deficient Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- 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] or computer integrated manufacturing [CIM]
- G05B19/4183—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] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- 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]
-
- Y02P90/10—
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
제조 공정 빅데이터 서비스 제공 시스템 및 방법이 개시된다. 제조 공정(production process)의 각 세부 공정별로 공정 데이터(process data)를 수집하는 제조 공정 데이터 수집 모듈; 상기 제조 공정 데이터 수집 모듈에서 수집된 공정 데이터를 시간(time)에 따라 상호 간에 연동하여 동기화하는 동기화 모듈; 상기 동기화 모듈에서 시간 정보에 따라 상호 간에 연동되어 동기화된 공정 데이터(synchronized process data)가 저장되는 빅데이터 데이터베이스(big data database); 상기 빅데이터 데이터베이스에 저장된 동기화된 공정 데이터를 사용자 단말로 제공하는 제조 공정 데이터 제공 모듈을 구성한다. 상술한 제조 공정 빅데이터 서비스 제공 시스템 및 방법에 의하면, 실시간 수집되는 다양한 제조 공정 데이터들을 시간 정보에 연동되도록 동기화하여 저장하도록 구성됨으로써, 다양한 제조 공정 데이터들을 시간 정보와 연동하여 취합하고 모니터링하고 분석할 수 있는 효과가 있다. 특히, 이러한 제조 공정 데이터를 빅데이터로 활용하여 빅데이터 분석을 수행하여 다양한 문제점을 미리 예측하고 방지할 수 있는 효과가 있다.
Description
본 발명은 제조 공정 빅데이터(big data) 서비스 제공 시스템 및 방법에 관한 것으로, 보다 상세하게는 공정 데이터를 수집하고, 이를 사용자에게 편리하게 제공하기 위한 제조 공정 빅데이터 서비스 제공 시스템 및 방법에 관한 것이다.
종래에는 제조 공정의 효율적인 운영 및 관리를 위해 MES(manufactureing execution system) 공정, 전기, 설비 등의 다양한 센서 데이터를 수집하고 실시간 모니터링하고 있다.
그런데, 이러한 제조 분석 데이터는 대부분이 각각 별개로 취합되고 관리되고 있으므로, 현재 시각의 제조 공정 데이터를 모니터링하지 않는 경우 과거의 제조 공정 데이터를 종합적으로 파악하는 데에는 한계가 있다.
즉, MES와 설비, 세부적인 여러 제조 공정에서 센싱되는 다양한 온도, 압력 등의 데이터에 이르기까지 대부분의 제조 공정 데이터는 각각 별개로 분석되고 있다. 이에, 제조 공정상의 정확한 오류 파악이나 정확한 제조 공정에 대한 모니터링을 할 수 없으며 분석에 어려움을 겪는 문제점이 있다.
더 나아가 종래의 방식에 의하면 다양한 센서들을 통해 수집되는 제조 공정 데이터의 누적치들이 하나의 종합적인 빅데이터(big data)로서 분석에 활용될 수도 없다는 단점이 있다.
상기와 같은 문제를 해결하기 위한 본 발명의 목적은 공정 데이터를 수집하고, 이를 제조현장 공정에 내재된 문제점 분석과 제조 빅데이터를 사용자에게 편리하게 제공하기 위한 제조 공정 빅데이터 서비스 제공 시스템 및 방법을 제공하는 것이다.
본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기와 같은 목적을 달성하기 위한 본 발명의 구성은 제조 공정(production process)의 각 세부 공정별로 공정 데이터(process data)를 수집하는 제조 공정 데이터 수집 모듈; 상기 제조 공정 데이터 수집 모듈에서 수집된 공정 데이터를 시간(time)에 따라 상호 간에 연동하여 동기화하는 동기화 모듈; 상기 동기화 모듈에서 시간 정보에 따라 상호 간에 연동되어 동기화된 공정 데이터(synchronized process data)가 저장되는 빅데이터 데이터베이스(big data database); 및 상기 빅데이터 데이터베이스에 저장된 동기화된 공정 데이터를 사용자 단말로 제공하는 제조 공정 데이터 제공 모듈을 포함하는 제조 공정 빅데이터 서비스 제공 시스템을 제공한다.
본 발명의 실시예에 있어서, 상기 제조 공정 데이터 수집 모듈은, MES 로그 데이터(manufactureing execution system log data), 에너지 데이터, 품질 CTQ(critical to quality) 데이터, 설비 데이터 및 센서 데이터 중 적어도 하나 이상을 수집하도록 구성되는 것을 특징으로 할 수 있다.
본 발명의 실시예에 있어서, 상기 빅데이터 데이터베이스에 저장된 동기화된 공정 데이터에 대해 다양성(variety), 속도(velocity) 및 크기(volume)로 구성되는 3V 속성값을 부여하는 속성값 부여 모듈을 더 포함하도록 구성되는 것을 특징으로 할 수 있다.
본 발명의 실시예에 있어서, 상기 3V 속성값 중 다양성은, 상기 동기화된 공정 데이터가 정형 데이터인지 비정형 데이터인지를 나타내는 것을 특징으로 할 수 있다.
본 발명의 실시예에 있어서, 상기 3V 속성값 중 속도는, 상기 동기화된 공정 데이터가 스트림(stream) 데이터, 실시간(real time) 데이터 또는 배치(batch) 데이터인지를 나타내는 것을 특징으로 할 수 있다.
본 발명의 실시예에 있어서, 상기 3V 속성값 중 크기는, 상기 동기화된 공정 데이터의 크기가 기가바이트(gigabyte), 테라바이트(terabyte), 페타바이트(petabyte), 엑사바이트(exabyte), 제타바이트(zettabyte) 중 어느 단위에 해당하는지를 나타내는 것을 특징으로 할 수 있다.
상기와 같은 목적을 달성하기 위한 본 발명의 구성은 제조 공정 데이터 수집 모듈이 제조 공정(production process)의 각 세부 공정별로 공정 데이터(process data)를 수집하는 단계; 동기화 모듈이 상기 제조 공정 데이터 수집 모듈에서 수집된 공정 데이터를 시간(time)에 따라 상호 간에 연동하여 동기화하고 동기화된 공정 데이터(synchronized process data)를 빅데이터 데이터베이스(big data database)에 저장하는 단계; 및 제조 공정 데이터 제공 모듈이 상기 빅데이터 데이터베이스에 저장된 동기화된 공정 데이터를 사용자 단말로 제공하는 단계를 포함하는 제조 공정 빅데이터 서비스 제공 방법을 제공한다.
본 발명의 실시예에 있어서, 상기 제조 공정 데이터 수집 모듈이 제조 공정의 각 세부 공정별로 공정 데이터를 수집하는 단계는, MES 로그 데이터(manufactureing execution system log data), 에너지 데이터, 품질 CTQ(critical to quality) 데이터, 설비 데이터 및 센서 데이터 중 적어도 하나 이상을 수집하도록 구성되는 것을 특징으로 할 수 있다.
본 발명의 실시예에 있어서, 상기 제조 공정 데이터 제공 모듈이 상기 빅데이터 데이터베이스에 저장된 동기화된 공정 데이터를 사용자 단말로 제공하는 단계 이전에, 속성값 부여 모듈이 상기 빅데이터 데이터베이스에 저장된 동기화된 공정 이터에 대해 다양성(variety), 속도(velocity) 및 크기(volume)로 구성되는 3V 속성값을 부여하는 단계를 더 포함하도록 구성되는 것을 특징으로 할 수 있다.
본 발명의 실시예에 있어서, 상기 3V 속성값 중 다양성은, 상기 동기화된 공정 데이터가 정형 데이터인지 비정형 데이터인지를 나타내는 것을 특징으로 할 수 있다.
본 발명의 실시예에 있어서, 상기 3V 속성값 중 속도는, 상기 동기화된 공정 데이터가 스트림(stream) 데이터, 실시간(real time) 데이터 또는 배치(batch) 데이터인지를 나타내는 것을 특징으로 할 수 있다.
본 발명의 실시예에 있어서, 상기 3V 속성값 중 크기는, 상기 동기화된 공정 데이터의 크기가 기가바이트(gigabyte), 테라바이트(terabyte), 페타바이트(petabyte), 엑사바이트(exabyte), 제타바이트(zettabyte) 중 어느 단위에 해당하는지를 나타내는 것을 특징으로 할 수 있다.
상기와 같은 목적을 달성하기 위한 본 발명의 구성은 제조 공정 빅데이터 서비스 제공 시스템을 이용한 제조 공정 빅데이터 서비스 플랫폼을 제공한다.
상기와 같은 목적을 달성하기 위한 본 발명의 구성은 제조 공정 빅데이터 서비스 제공 방법을 이용한 제조 공정 빅데이터 서비스 플랫폼을 제공한다.
상기와 같은 구성에 따르는 본 발명의 효과는, 실시간 수집되는 다양한 제조 공정 데이터들을 시간 정보에 연동되도록 동기화하여 저장하도록 구성됨으로써, 다양한 제조 공정 데이터들을 시간 정보와 연동하여 취합하고 모니터링하고 분석할 수 있는 효과가 있다.
특히, 이러한 제조 공정 데이터를 빅데이터로 활용하여 빅데이터 분석을 수행하여 다양한 문제점을 미리 예측하고 방지할 수 있는 효과가 있다.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 본 발명의 일 실시예에 따른 제조 공정 빅데이터 서비스 제공 시스템의 블록 구성도이다.
도 2는 본 발명의 일 실시예에 따른 제조 공정 데이터의 동기화에 대한 모식도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 속성값의 예시도이다.
도 5는 본 발명의 일 실시예에 따른 제조 공정 빅데이터 서비스 제공 방법의 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 제조 공정 데이터의 동기화에 대한 모식도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 속성값의 예시도이다.
도 5는 본 발명의 일 실시예에 따른 제조 공정 빅데이터 서비스 제공 방법의 흐름도이다.
이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉, 결합)"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 제조 공정 빅데이터 서비스 제공 시스템의 블록 구성도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 제조 공정 빅데이터 서비스 제공 시스템(100)은 제조 공정 데이터 수집 모듈(110), 동기화 모듈(120), 빅데이터 데이터베이스(big data database)(130), 속성값 부여 모듈(140), 제조 공정 데이터 제공 모듈(150), 빅데이터 자동 분석 모듈(160)을 포함하도록 구성될 수 있다.
제조 공정 빅데이터 서비스 제공 시스템(100)은 실시간 수집되는 다양한 제조 공정 데이터를 시간 정보에 따라 연동하여 동기화하도록 구성된다. 이에, 제조 공정 데이터를 각각 별도로 분석하거나 모니터링하는 것이 아니라 시간 정보에 따라 모두 취합하여 다면적인 제조 공정에 대한 분석과 모니터링이 가능하다.
또한, 이러한 다양한 제조 공정 데이터를 시간 정보에 따라 동기화하여 빅데이터 분석을 수행하여 제조 공정상의 오류나 문제점의 발생을 미리 미연에 예측하고 방지할 수 있도록 구성된다.
이하, 세부적인 구성에 대하여 설명한다.
제조 공정 데이터 수집 모듈(110)은 제조 공정(production process)의 각 세부 공정별로 공정 데이터(process data)를 수집하도록 구성될 수 있다.
제조 공정 데이터 수집 모듈(110)은 MES 로그 데이터(manufactureing execution system log data), 에너지 데이터, 품질 CTQ(critical to quality) 데이터, 설비 데이터 및 센서 데이터 중 적어도 하나 이상을 수집하도록 구성될 수 있다.
센서 데이터는 제조 공정에 따라서 각 세부 공정의 온도, 압력, 습도 등은 물론 영상 테스트, 음향 테스트 등과 같이 다양한 데이터로 구성될 수 있다.
동기화 모듈(120)은 제조 공정 데이터 수집 모듈(110)에서 수집된 공정 데이터를 시간(time)에 따라 상호 간에 연동하여 동기화하도록 구성될 수 있다.
즉, MES 로그 데이터, 에너지 데이터, 품질 CTQ 데이터, 설비 데이터 및 센서 데이터 등은 동기화 모듈(120)에 실시간으로 취합되며, 실시간 취합되는 데이터마다 시간 정보(time information)이 부가되어 각 데이터 별로 실시간 생성 시간을 알 수 있게 된다. 또한, 동일한 시간 정보에 MES 로그 데이터, 에너지 데이터 품질 CTQ 데이터 등이 연동되므로, 하나의 시간 정보를 이용하여 그 시간의 다양한 데이터를 확인할 수 있다.
여기서, 동기화 모듈(120)은 MES 로그 데이터의 트랜색션(transaction) 정보를 통해 실시간 취합되는 모든 제조 공정 데이터를 인지하고 분석할 수 있다. 동기화 모듈(120)은 트랙색션 정보를 통해 분석되는 제조 공정 데이터를 시간 정보를 이용하여 동기화하여 동기화된 공정 데이터(synchronized process data)를 출력하도록 구성될 수 있다.
빅데이터 데이터베이스(130)는 동기화 모듈(120)에서 출력되는 동기화된 공정 데이터가 저장될 수 있다. 빅데이터 데이터베이스(130)에는 제조 공정 데이터가 시간에 따라 동기화되어 저장되기 때문에 언제든지 시간 정보를 이용하여 다양한 제조 공정 데이터를 조회할 수 있게 된다.
도 2는 본 발명의 일 실시예에 따른 제조 공정 데이터의 동기화에 대한 모식도이다. 도 2에서 보듯이 MES 로그 데이터, 에너지 데이터 등에 시간 정보를 부가하고, 그 시간 정보를 기준으로 다양한 제조 공정 데이터가 동기화되는 것을 나타내고 있다.
속성값 부여 모듈(140)은 빅데이터 데이터베이스(130)에 저장된 동기화된 공정 데이터에 대해 다양성(variety), 속도(velocity) 및 크기(volume)로 구성되는 3V 속성값을 부여하도록 구성될 수 있다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 속성값의 예시도이다.
도 3 및 도 4에서 보듯이, 3V 속성값 중 다양성은 동기화된 공정 데이터가 정형 데이터인지 비정형 데이터인지를 나타내도록 구성될 수 있다.
그리고 3V 속성값 중 속도는 동기화된 공정 데이터가 스트림(stream) 데이터, 실시간(real time) 데이터 또는 배치(batch) 데이터인지를 나타내도록 구성될 수 있다.
그리고 3V 속성값 중 크기는 동기화된 공정 데이터의 크기가 기가바이트(gigabyte), 테라바이트(terabyte), 페타바이트(petabyte), 엑사바이트(exabyte), 제타바이트(zettabyte) 중 어느 단위에 해당하는지를 나타내도록 구성될 수 있다.
이러한 속성값은 동기화된 공정 데이터들의 종류나 크기, 성질 등을 나타내어 분석에 참고하기 위한 값이다. 특히, 빅데이터 분석시에는 이러한 속성값들을 이용하여 빅데이터 분석을 보다 원활하고 효율적으로 수행할 수 있다.
제조 공정 데이터 제공 모듈(150)은 빅데이터 데이터베이스(130)에 저장된 동기화된 공정 데이터를 사용자 단말(10)로 제공하도록 구성될 수 있다.
제조 공정 데이터 제공 모듈(150)은 빅데이터 데이터베이스(130)에 저장되는 동기화된 공정 데이터를 실시간으로 또는 지연하여 사용자 단말(10)로 제공할 수 있다. 또한, 사용자 단말(10)의 요청에 따라 특정 시간 또는 특정 시간이나 기간의 동기화된 공정 데이터를 사용자 단말(10)로 제공하도록 구성될 수도 있다.
빅데이터 자동 분석 모듈(160)은 빅데이터 데이터베이스(130)에 저장된 동기화된 공정 데이터를 시간 정보를 기준으로 전체 제조 공정은 물론 세부 제조 공정의 흐름을 다각적으로 분석하도록 구성될 수 있다.
이에, 동기화된 공정 데이터에 따라 나타내는 각 제조 공정의 출력치의 변화를 분석하거나 오류 발생 여부도 분석할 수 있다.
또한, 특정 제조 공정 데이터의 변화에 따라 제조 공정의 오류가 발생하는지 여부 등을 분석하여 미리 제조 공정의 오류가 발생하기 전에 오류를 예측하도록 구성될 수 있다.
그리고 특정 시간 정보와 연계하여 다른 공정 데이터들의 변화치와 전기 데이터의 사용 패턴을 분석하여 전기 데이터의 낭비를 미연에 방지하는 것은 물론 전기 데이터의 절감을 위한 방안을 도출할 수도 있다.
그리고 제조 공정에 의한 불량품 발생율의 변화치와 그 시간 정보를 이용한 다른 제조 공정 데이터의 변화치를 분석하여 불량품의 발생 원인을 파악하고 이에 따라 불량율을 낮추기 위해 제조 공정을 변경하는 방안을 도출할 수도 있다.
이러한 빅데이터 분석에 의한 예측을 통해 미리 장비를 교체하거나 공정을 제어할 수 있으며, 사용자는 매우 편리하고 쉽게 분석과 예측을 할 수 있는 장점이 있다.
도 5는 본 발명의 일 실시예에 따른 제조 공정 빅데이터 서비스 제공 방법의 흐름도이다.
도 5를 참조하면, 제조 공정 데이터 수집 모듈(110)이 제조 공정(production process)의 각 세부 공정별로 공정 데이터(process data)를 수집한다(S101).
구체적으로는 MES 로그 데이터(manufactureing execution system log data), 에너지 데이터, 품질 CTQ(critical to quality) 데이터, 설비 데이터 및 센서 데이터 중 적어도 하나 이상을 수집하도록 구성될 수 있다.
다음으로, 동기화 모듈(120)이 제조 공정 데이터 수집 모듈(110)에서 수집된 공정 데이터를 시간(time)에 따라 상호 간에 연동하여 동기화하고 동기화된 공정 데이터(synchronized process data)를 빅데이터 데이터베이스(big data database)(130)에 저장한다(S102).
다음으로, 속성값 부여 모듈(140)이 빅데이터 데이터베이스(130)에 저장된 동기화된 공정 데이터에 대해 다양성(variety), 속도(velocity) 및 크기(volume)로 구성되는 3V 속성값을 부여한다(S103).
이때, 3V 속성값 중 다양성은, 동기화된 공정 데이터가 정형 데이터인지 비정형 데이터인지를 나타내는 것으로 구성될 수 있다.
그리고 3V 속성값 중 속도는,
동기화된 공정 데이터가 스트림(stream) 데이터, 실시간(real time) 데이터 또는 배치(batch) 데이터인지를 나타내는 것으로 구성될 수 있다.
그리고 3V 속성값 중 크기는,
동기화된 공정 데이터의 크기가 기가바이트(gigabyte), 테라바이트(terabyte), 페타바이트(petabyte), 엑사바이트(exabyte), 제타바이트(zettabyte) 중 어느 단위에 해당하는지를 나타내는 것으로 구성될 수 있다.
다음으로, 제조 공정 데이터 제공 모듈(150)이 빅데이터 데이터베이스(130)에 저장된 동기화된 공정 데이터를 사용자 단말(10)로 제공한다(S104).
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
110: 제조 공정 데이터 수집 모듈
120: 동기화 모듈
130: 빅데이터 데이터베이스
140: 속성값 부여 모듈
150: 제조 공정 데이터 제공 모듈
160: 빅데이터 자동 분석 모듈
120: 동기화 모듈
130: 빅데이터 데이터베이스
140: 속성값 부여 모듈
150: 제조 공정 데이터 제공 모듈
160: 빅데이터 자동 분석 모듈
Claims (14)
- 제조 공정(production process)의 각 세부 공정별로 공정 데이터(process data)를 수집하는 제조 공정 데이터 수집 모듈;
상기 제조 공정 데이터 수집 모듈에서 수집된 공정 데이터를 시간(time)에 따라 상호 간에 연동하여 동기화하는 동기화 모듈;
상기 동기화 모듈에서 시간 정보에 따라 상호 간에 연동되어 동기화된 공정 데이터(synchronized process data)가 저장되는 빅데이터 데이터베이스(big data database); 및
상기 빅데이터 데이터베이스에 저장된 동기화된 공정 데이터를 사용자 단말로 제공하는 제조 공정 데이터 제공 모듈을 포함하는 제조 공정 빅데이터 서비스 제공 시스템.
- 제1항에 있어서,
상기 제조 공정 데이터 수집 모듈은,
MES 로그 데이터(manufactureing execution system log data), 에너지 데이터, 품질 CTQ(critical to quality) 데이터, 설비 데이터 및 센서 데이터 중 적어도 하나 이상을 수집하도록 구성되는 것을 특징으로 하는 제조 공정 빅데이터 서비스 제공 시스템.
- 제1항에 있어서,
상기 빅데이터 데이터베이스에 저장된 동기화된 공정 데이터에 대해 다양성(variety), 속도(velocity) 및 크기(volume)로 구성되는 3V 속성값을 부여하는 속성값 부여 모듈을 더 포함하도록 구성되는 것을 특징으로 하는 제조 공정 빅데이터 서비스 제공 시스템.
- 제3항에 있어서,
상기 3V 속성값 중 다양성은,
상기 동기화된 공정 데이터가 정형 데이터인지 비정형 데이터인지를 나타내는 것을 특징으로 하는 제조 공정 빅데이터 서비스 제공 시스템.
- 제3항에 있어서,
상기 3V 속성값 중 속도는,
상기 동기화된 공정 데이터가 스트림(stream) 데이터, 실시간(real time) 데이터 또는 배치(batch) 데이터인지를 나타내는 것을 특징으로 하는 제조 공정 빅데이터 서비스 제공 시스템.
- 제3항에 있어서,
상기 3V 속성값 중 크기는,
상기 동기화된 공정 데이터의 크기가 기가바이트(gigabyte), 테라바이트(terabyte), 페타바이트(petabyte), 엑사바이트(exabyte), 제타바이트(zettabyte) 중 어느 단위에 해당하는지를 나타내는 것을 특징으로 하는 제조 공정 빅데이터 서비스 제공 시스템.
- 제조 공정 데이터 수집 모듈이 제조 공정(production process)의 각 세부 공정별로 공정 데이터(process data)를 수집하는 단계;
동기화 모듈이 상기 제조 공정 데이터 수집 모듈에서 수집된 공정 데이터를 시간(time)에 따라 상호 간에 연동하여 동기화하고 동기화된 공정 데이터(synchronized process data)를 빅데이터 데이터베이스(big data database)에 저장하는 단계; 및
제조 공정 데이터 제공 모듈이 상기 빅데이터 데이터베이스에 저장된 동기화된 공정 데이터를 사용자 단말로 제공하는 단계를 포함하는 제조 공정 빅데이터 서비스 제공 방법.
- 제7항에 있어서,
상기 제조 공정 데이터 수집 모듈이 제조 공정의 각 세부 공정별로 공정 데이터를 수집하는 단계는,
MES 로그 데이터(manufactureing execution system log data), 에너지 데이터, 품질 CTQ(critical to quality) 데이터, 설비 데이터 및 센서 데이터 중 적어도 하나 이상을 수집하도록 구성되는 것을 특징으로 하는 제조 공정 빅데이터 서비스 제공 방법.
- 제7항에 있어서,
상기 제조 공정 데이터 제공 모듈이 상기 빅데이터 데이터베이스에 저장된 동기화된 공정 데이터를 사용자 단말로 제공하는 단계 이전에,
속성값 부여 모듈이 상기 빅데이터 데이터베이스에 저장된 동기화된 공정 이터에 대해 다양성(variety), 속도(velocity) 및 크기(volume)로 구성되는 3V 속성값을 부여하는 단계를 더 포함하도록 구성되는 것을 특징으로 하는 제조 공정 빅데이터 서비스 제공 방법.
- 제9항에 있어서,
상기 3V 속성값 중 다양성은,
상기 동기화된 공정 데이터가 정형 데이터인지 비정형 데이터인지를 나타내는 것을 특징으로 하는 제조 공정 빅데이터 서비스 제공 방법.
- 제9항에 있어서,
상기 3V 속성값 중 속도는,
상기 동기화된 공정 데이터가 스트림(stream) 데이터, 실시간(real time) 데이터 또는 배치(batch) 데이터인지를 나타내는 것을 특징으로 하는 제조 공정 빅데이터 서비스 제공 방법.
- 제9항에 있어서,
상기 3V 속성값 중 크기는,
상기 동기화된 공정 데이터의 크기가 기가바이트(gigabyte), 테라바이트(terabyte), 페타바이트(petabyte), 엑사바이트(exabyte), 제타바이트(zettabyte) 중 어느 단위에 해당하는지를 나타내는 것을 특징으로 하는 제조 공정 빅데이터 서비스 제공 방법.
- 제1항 내지 제6항 중 어느 한 항에 따른 제조 공정 빅데이터 서비스 제공 시스템을 이용한 제조 공정 빅데이터 서비스 플랫폼.
- 제7항 내지 제12항 중 어느 한 항에 따른 제조 공정 빅데이터 서비스 제공 방법을 이용한 제조 공정 빅데이터 서비스 플랫폼.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170137192A KR20190044812A (ko) | 2017-10-23 | 2017-10-23 | 제조 공정 빅데이터 서비스 제공 시스템 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170137192A KR20190044812A (ko) | 2017-10-23 | 2017-10-23 | 제조 공정 빅데이터 서비스 제공 시스템 및 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20190044812A true KR20190044812A (ko) | 2019-05-02 |
Family
ID=66581708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170137192A KR20190044812A (ko) | 2017-10-23 | 2017-10-23 | 제조 공정 빅데이터 서비스 제공 시스템 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20190044812A (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021076736A1 (en) * | 2019-10-15 | 2021-04-22 | Sage Electrochromics, Inc. | Common database for supervisory control and on-site commissioning of an electrically switchable glass system |
KR20210047691A (ko) * | 2019-10-22 | 2021-04-30 | 주식회사전유산업 | 데이터 위조를 방지하고 빅데이터 분석을 통하여 공정조건을 최적화할 수 있는 제조장치 통합 모니터링 애플리케이션 구동방법 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150056266A (ko) | 2013-11-15 | 2015-05-26 | (주)가이온 | 공장 운영 관리용 정형 및 비정형의 빅데이터 엔진 및 처리 방법 |
KR101611013B1 (ko) | 2013-12-18 | 2016-04-11 | 추병조 | 빅데이터 거래시스템 및 거래방법 |
-
2017
- 2017-10-23 KR KR1020170137192A patent/KR20190044812A/ko not_active Application Discontinuation
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150056266A (ko) | 2013-11-15 | 2015-05-26 | (주)가이온 | 공장 운영 관리용 정형 및 비정형의 빅데이터 엔진 및 처리 방법 |
KR101611013B1 (ko) | 2013-12-18 | 2016-04-11 | 추병조 | 빅데이터 거래시스템 및 거래방법 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021076736A1 (en) * | 2019-10-15 | 2021-04-22 | Sage Electrochromics, Inc. | Common database for supervisory control and on-site commissioning of an electrically switchable glass system |
US11860500B2 (en) | 2019-10-15 | 2024-01-02 | Sage Electrochromics, Inc. | Common database for supervisory control and on-site commissioning of an electrically switchable glass system |
KR20210047691A (ko) * | 2019-10-22 | 2021-04-30 | 주식회사전유산업 | 데이터 위조를 방지하고 빅데이터 분석을 통하여 공정조건을 최적화할 수 있는 제조장치 통합 모니터링 애플리케이션 구동방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107925612B (zh) | 网络监视系统、网络监视方法和计算机可读介质 | |
KR102017561B1 (ko) | 기계학습 기법에 기반한 기계의 오류 데이터를 검출하기 위한 알고리즘 및 방법 | |
US11317019B2 (en) | Image capturing apparatus, system, and method | |
JP2017068816A (ja) | 管理システム | |
KR101951526B1 (ko) | 스마트팩토리 플랫폼을 위한 인터페이스 미들웨어 시스템 및 그 동작방법 | |
EP2992340B1 (en) | System and method for ups battery monitoring and data analysis | |
CN106815125A (zh) | 一种日志审计方法及平台 | |
CN102576328A (zh) | 系统操作管理装置、系统操作管理方法和程序存储介质 | |
CN109783552A (zh) | 一种数据清洗修复方法 | |
WO2016153783A1 (en) | System and method for asset fleet monitoring and predictive diagnostics using analytics for large and varied data sources | |
EP4020218B1 (en) | Analyzing large-scale data processing jobs | |
CN107066370A (zh) | 一种自动监控并收集故障硬盘日志的工具及方法 | |
WO2017056749A1 (ja) | 管理システムおよび管理方法 | |
CN112148733A (zh) | 确定故障类型的方法、装置、电子装置和计算机可读介质 | |
US8594822B2 (en) | Electronic supervisor | |
KR20190044812A (ko) | 제조 공정 빅데이터 서비스 제공 시스템 및 방법 | |
CN116993052A (zh) | 一种基于数字孪生的智慧工厂生产在线监测分析系统 | |
CN102610002B (zh) | 机台状态侦测系统及方法 | |
JP2000047707A (ja) | 情報管理装置およびその制御方法 | |
Winkelbauer et al. | Crucial elements and technical implementation of intelligent monitoring networks | |
JP2015118505A (ja) | コントローラシステム | |
CN103245915B (zh) | 基于实时pmu数据的励磁系统在线监视方法 | |
EP3407598B1 (en) | Image capturing apparatus, system, and method | |
JP6662489B2 (ja) | プレイバックシミュレーション試験システム | |
CN115580528A (zh) | 故障根因定位方法、装置、设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E90F | Notification of reason for final refusal | ||
E601 | Decision to refuse application |