KR20190088581A - Ｆｂｄ 머신러닝 기반의 동적 모니터링 시스템 및 그 방법 - Google Patents
Ｆｂｄ 머신러닝 기반의 동적 모니터링 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR20190088581A KR20190088581A KR1020180000123A KR20180000123A KR20190088581A KR 20190088581 A KR20190088581 A KR 20190088581A KR 1020180000123 A KR1020180000123 A KR 1020180000123A KR 20180000123 A KR20180000123 A KR 20180000123A KR 20190088581 A KR20190088581 A KR 20190088581A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- smart
- dynamic monitoring
- machine learning
- fbd
- Prior art date
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000010801 machine learning Methods 0.000 title claims abstract description 29
- 238000004519 manufacturing process Methods 0.000 claims abstract description 50
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000010586 diagram Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 19
- 210000000988 bone and bone Anatomy 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 7
- 230000007547 defect Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000010422 painting Methods 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000007591 painting process Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 239000003973 paint Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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] or computer integrated manufacturing [CIM]
- G05B19/4184—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 fault tolerance, reliability of production system
-
- 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]
- G05B19/41885—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 modeling, simulation of the manufacturing system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
-
- 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
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- 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]
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Manufacturing & Machinery (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
본 발명은 동적 모니터링 시스템 및 그 방법에 관한 것이다. 본 동적 모니터링 시스템은, 스마트 센서 기반으로 제조 현장에서, 공정 관련 정보, 기기 관련 정보, 및 환경 관련 정보 중 적어도 하나를 수집하는 스마트 센서부, 스마트 센서부로부터 전달되는 데이터를 실시간으로 측정 및 분석하는 제1 내지 제n 스마트 게이트웨이, 및 제1 내지 제n 스마트 게이트웨이와 통신 가능하게 연결되며, 제1 내지 제n 스마트 게이트웨이를 통해 측정 및 분석된 데이터와, FBD(Fish Bone Diagram) 데이터를 이용한 머신러닝을 통해 학습된 패턴에 기초하여, 제조 현장의 생산운영에 필요한 분석 및 예측 정보를 제공하는 동적 모니터링 제공부를 포함한다. 본 발명에 따르면, FBD 데이터를 이용한 머신러닝을 통해 학습된 패턴에 기초하여, 제조 현장의 생산운영에 필요한 분석 및 예측 정보를 제공할 수 있다.
Description
본 발명은 동적 모니터링 시스템 및 그 방법에 관한 것으로, 더욱 상세하게는 FBD(Fish Bone Diagram) 머신 러닝을 기반으로 제조 현장에 대한 동적 모니터링 서비스를 제공할 수 있는 동적 모니터링 시스템 및 그 방법에 관한 것이다.
도장·도료산업은 자동차, 선박, 건축, 전기·전자 및 기타 생활 산업용품 등에 중간재 또는 마감재로 사용되어 제품의 부가가치를 높여주는 가치사슬상 최전방 연계고리에 위치한 매우 중요한 산업이다.
그런데, 도장의 페인트 품질은 주변 온도나 압력 상태에 따라 결정되며, 도장 공정 중에 불량이 발생하면 특정 전문가를 제외하고는 분석할 수 있는 능력이 없기 때문에 현장에서 그 원인을 파악하기가 매우 어렵다. 외국 자동차 회사의 경우, 도장 공정의 정보를 실시간으로 수집/생산 손실 유발 요인 가시화 시스템을 도입하였으나, 품질관리 핵심 포인트에 대한 실시간 측정 불가 요소가 많아 도입 효과가 매우 미흡하고 단순 모니터링 수준에 머물고 있다.
도장·도료산업 이외에도 특정 전문가가 아니면 공정 중 발생한 불량의 원인을 파악하여 적절하게 조치를 취할 수 없는 산업 분야나 이와 관련된 분야가 수없이 존재하고 있다.
따라서, 도장 도료 산업이나 기타 다양한 제조 환경이나 산업 분야에 적용 가능하도록 머신러닝 기반 전문가 학습 모델이 연계된 동적 모니터링 서비스를 제공하여, 이를 기반으로 최적의 생산 운영을 지원할 수 있도록 하는 방안을 고려해 볼 필요가 있다.
따라서, 본 발명의 목적은, 전문가와의 협의를 통해 작성된 FBD와 머신러닝을 기반으로 제조 현장에 대한 동적 모니터링 서비스를 제공할 수 있는 동적 모니터링 시스템 및 그 방법을 제공함에 있다.
상기 목적을 달성하기 위한 본 발명에 따른 동적 모니터링 시스템은, 스마트 센서 기반으로 제조 현장에서, 공정 관련 정보, 기기 관련 정보, 및 환경 관련 정보 중 적어도 하나를 수집하는 스마트 센서부, 상기 스마트 센서부로부터 전달되는 데이터를 실시간으로 측정 및 분석하는 제1 내지 제n 스마트 게이트웨이, 및 상기 제1 내지 제n 스마트 게이트웨이와 통신 가능하게 연결되며, 상기 제1 내지 제n 스마트 게이트웨이를 통해 측정 및 분석된 데이터와, FBD(Fish Bone Diagram) 데이터를 이용한 머신러닝을 통해 학습된 패턴에 기초하여, 상기 제조 현장의 생산운영에 필요한 분석 및 예측 정보를 제공하는 동적 모니터링 제공부를 포함한다.
상기 분석 및 예측 정보는, 품질 불량 예측 정보, 설비 이상발생 예측 정보, 설비수명 예측 정보, 현장 이상발생 예측 정보를 포함할 수 있다.
또한, 상기 목적을 달성하기 위한 본 발명에 따른 동적 모니터링 방법은, 제조 현장에 스마트 센서부와 제1 내지 제n 스마트 게이트웨이를 설치하는 단계, 상기 스마트 센서부에서 스마트 센서 기반으로 공정 관련 정보, 기기 관련 정보, 및 환경 관련 정보 중 적어도 하나를 수집하는 단계, 상기 제1 내지 제n 스마트 게이트웨이에서 상기 스마트 센서부로부터 전달되는 데이터를 실시간으로 측정 및 분석하는 단계, 및 동적 모니터링 제공부가 상기 제1 내지 제n 스마트 게이트웨이와 통신 가능하게 연결되어, 상기 제1 내지 제n 스마트 게이트웨이를 통해 측정 및 분석된 데이터와, FBD(Fish Bone Diagram) 데이터를 이용한 머신러닝을 통해 학습된 패턴에 기초하여, 상기 제조 현장의 생산운영에 필요한 분석 및 예측 정보를 제공하는 단계를 포함한다.
그리고, 상기 목적을 달성하기 위하여 본 발명에서는, 상기 동적 모니터링 방법을 프로세서에서 실행시키기 위한 프로그램을 기록한 프로세서가 읽을 수 있는 기록매체를 제공할 수 있다.
본 발명에 따르면, FBD(Fish Bone Diagram) 데이터를 이용한 머신러닝을 통해 학습된 패턴에 기초하여, 제조 현장의 생산운영에 필요한 분석 및 예측 정보를 제공할 수 있다. 또한, 제조 현황과 관련된 데이터의 분석 및 예측을 통해, 사전 진단 기능을 제공할 수 있으며, 비효율적인 장비에 대한 분석 및 기존 장비에 대한 개선도 가능하며, 이를 통해 생산 운영의 최적화를 실현할 수 있다.
도 1은 본 발명의 일실시예에 따른 동적 모니터링 시스템의 구성을 나타낸 도면,
도 2는 도 1에서 스마트 게이트웨이의 블럭 구성도,
도 3은 FBD의 일 예를 나타낸 도면,
도 4는 FBD 기반의 머신러닝 과정에 대한 설명에 제공되는 흐름도,
도 5는 FBD 기반의 머신러닝에 대한 설명에 참조되는 도면, 그리고
도 6은 도장 공정에 본 발명의 일실시예에 따른 동적 모니터링 시스템이 적용된 예를 나타낸 도면이다.
도 2는 도 1에서 스마트 게이트웨이의 블럭 구성도,
도 3은 FBD의 일 예를 나타낸 도면,
도 4는 FBD 기반의 머신러닝 과정에 대한 설명에 제공되는 흐름도,
도 5는 FBD 기반의 머신러닝에 대한 설명에 참조되는 도면, 그리고
도 6은 도장 공정에 본 발명의 일실시예에 따른 동적 모니터링 시스템이 적용된 예를 나타낸 도면이다.
본 명세서에서, 어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 경우, 그 다른 구성요소에 직접적으로 연결되어 있거나 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에" 또는 "~에 이웃하는" 등과, 어떤 구성요소가 다른 구성요소로 신호를 "전송한다" 와 같은 표현도 마찬가지로 해석되어야 한다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 동적 모니터링 시스템의 구성을 나타낸 도면이다.
도 1을 참조하면, 본 동적 모니터링 시스템(100)은, 스마트 센서부(150), 제1 내지 제n 스마트 게이트웨이(Smart Gateway)(200a ~ 200n), 및 동적 모니터링 제공부(300)를 포함할 수 있다.
스마트 센서부(150)는 센서 어댑터(110a ~ 110n) 및 스마트 센서(130a ~ 130n) 등을 포함할 수 있으며, 제조 현장에 설치되어, 제조 현황과 관련된 각종 데이터를 수집할 수 있다. 예컨대, 스마트 센서부(150)는 공정 관련 정보, 기기 관련 정보, 환경 정보 등을 수집할 수 있다.
센서 어댑터(110a ~ 110n)는 기존에 제조 현장에 설치되어 있는 센서로부터 유무선을 통해 모니터링 데이터를 수신하여, 제1 내지 제n 스마트 게이트웨이(200a ~ 200n)로 전송할 수 있다.
스마트 센서(130a ~ 130n)는 지능화된 센서로 측정 대상물의 물리, 화학적 정보를 감지하는 일반 센서기술에 나노기술 또는 MEMS 기술을 접목하여 데이터 처리, 자동보정, 자가진단, 의사결정, 통신 등의 신호처리 기능을 내장할 수 있다.
제1 내지 제n 스마트 게이트웨이(200a ~ 200n)는 스마트 센서부(150)로부터 전달되는 제조 현황과 관련된 데이터를 실시간으로 측정 및 분석한다.
동적 모니터링 제공부(300)는 제1 내지 제n 스마트 게이트웨이(200a ~ 200n)와 유선이나 무선 네트워크를 통해 통신 가능하게 연결된다. 동적 모니터링 제공부(300)는, 제1 내지 제n 스마트 게이트웨이(200a ~ 200n)를 통해 측정 및 분석된 데이터와, 후술하는 FBD(Fish Bone Diagram) 머신러닝에 기초하여, 공장 스마트화에 필요한 각종 정보를 제공할 수 있다.
예컨대, 동적 모니터링 제공부(300)는 실적 데이터를 기반으로 새로운 주문에 대한 세팅 레시피를 도출하고, 불량 발생의 실시간 예측 및 알림 기능을 제공할 수 있다. 동적 모니터링 제공부(300)는 특정한 상황 변화에 따른 즉각적인 대처가 가능하도록 관련 정보를 제공하며, 전문가를 포함한 사용자 중심의 UI 환경을 제공하여, 축적된 정보를 원하는 공정 처리 순서로 데이터를 조회할 수 있도록 한다. 또한, 동적 모니터링 제공부(300)는 머신러닝을 통한 모델링과 시뮬레이션 기법을 활용하여, 다양한 분야에서 단위 설비 분석, 공정 에너지 효율 분석, 생산성 분석 등에 필요한 정보를 제공할 수 있다. 동적 모니터링 제공부(300)는 품질 불량 예측 정보, 설비 이상발생 예측 정보, 설비수명 예측 정보, 현장 이상발생 예측 정보 등도 제공할 수 있으며, 최적의 작업 조건도 제시할 수도 있다.
또한, 동적 모니터링 제공부(300)는 제1 내지 제n 스마트 게이트웨이(200a ~ 200n)를 통해 측정 및 분석된 데이터에 기초하여, REST(REpresentational State Trnsfer) 기반 제조자원 관리 정보, 3D 기반 제조자원 가상화 정보, 4M1E(Man, Machine, Material, Method, Environment) 프로파일 기반 기준정보 매핑을 통해 기준정보 시스템과 센싱 데이터의 연계를 통해 엔지니어링 협업을 지원하는 정보 등과 같은 생산운영 최적화에 필요한 분석 정보를 제공할 수 있다.
이외에도 동적 모니터링 제공부(300)는 제1 내지 제n 스마트 게이트웨이(200a ~ 200n)를 통하여 수집 및 분석되는 데이터를 기반으로, 협력업체나 단위공장별로 에너지 사용 현황을 모니터링하고, 에너지 최적화를 위한 의사 결정에 필요한 다양한 분석 정보를 제공할 수 있다. 이러한 분석 정보의 예로는, 시설 기준 최적의 ESS(Energy Storage System) 도입을 위한 정보, 사무실 및 현장 조명의 LED 도입 여부에 대한 정보 등이 있다. 또한, 동적 모니터링 제공부(300)는 선진 사례 수집 및 분석, 에너지 사용 개요(Energy Profile) 정보의 설계, 에너지관리 성과 분석, 유지보수 필요 정보의 설계. 모니터링 관련 주요 기능의 설계 등에 필요한 정보를 제공할 수 있다.
동적 모니터링 제공부(300)는, 통신망을 통해 클라우드 시스템에 연결될 수 있으며, 이를 통해 ERP(Enterprise Resource Planning), MES(Manufacturing Execution System), SCADA(Supervisory Control And Data Acquisition) 시스템 등에 연결할 수 있으며, 여러 개의 단위공장이나 협력업체에 각각 배치된 여러 개의 통합 모니터링 제공부(300)를 연결할 수도 있다. 또한, 이러한 구성에 의해, 단위공장이나 협력업체 등을 모기업 업체에서 통합적으로 관리할 수도 있다.
이와 같은 구성의 동적 모니터링 시스템(100)은, 상시적인 다변량 품질 모니터링 및 분석을 가능하게 하고, 개별 공정변수를 독립적인 대상으로 하는 접근 방식으로 해결하지 못하는 품질 문제들에 대해서, 빅데이터를 기반으로 다중 변수를 함께 고려하는 기계학습 기반의 품질 진단 및 예지 체계를 제공할 수 있다.
또한, 동적 모니터링 시스템(100)은, 제조 현장의 원격 감시 및 각종 장치에 대한 접속을 가능하게 하여, 유지보수 기술자는 물론 제어 기술자와 공장 관리자에 이르기까지 다양한 이들이 쉽게 진단 정보에 접속할 수 있도록 한다. 또한, 제조 현황과 관련된 정보의 분석을 통해, 사전 진단 기능을 제공할 수 있으며, 비효율적인 장비에 대한 분석 및 기존 장비에 대한 개선도 가능하며, 이를 통해 생산 운영의 최적화를 실현할 수 있도록 한다.
또한, 동적 모니터링 시스템(100)은, 생산기술과 에너지 관리 기술 융합하여, 설비 제어 및 신재생 에너지 기술의 적용 기반을 마련할 수 있고, 제조공정(manufacturing process)에 에너지 관리 기술을 접목한 에너지 절감형 생산공정 시스템 기술을 적용하며, 협력업체들이 에너지를 간접비용의 한 요소로 취급하는 것에서 벗어나 특정 제품을 생산하기 위한 원가로서 관리하기 위한 방법론을 제시할 수 있으며, 에너지 사용을 능동적으로 관리하고 이에 대한 문서화된 계획 및 통제를 통하여 생산량과 연계된 에너지 집약도 개선을 위한 인프라 구축이 가능케 한다. 또한, 동적 모니터링 시스템(100)은, 제조업체들이 에너지 자원을 전략적 경쟁우위 확보를 위한 필수 수단으로 인식하게 하고, 공장 내에서 에너지 자원을 효과적으로 모니터링하고 그 결과를 에너지 관리 정책에 활용할 수 있도록 지원할 수 있다.
도 2는 도 1에서 스마트 게이트웨이의 블럭 구성도이다.
도 2를 참조하면, 스마트 게이트웨이(200)는 이동통신부(210), 무선 통신부(220), GPS부(230), 메모리(240), 디스플레이부(250), 인터페이스부(260), 센서 연결부(270), 상황인지 모듈(280), 전원 공급부(280), 및 제어부(295)를 포함할 수 있다. 이와 같은 구성요소들은 실제 응용에서 구현될 때 필요에 따라 2 이상의 구성요소가 하나의 구성요소로 합쳐지거나, 혹은 하나의 구성요소가 2 이상의 구성요소로 세분되어 구성될 수 있다.
이동통신부(210)는 이동통신망에서 기지국, 사용자 단말기, 서버 등과 무선 신호를 송수신할 수 있다. 여기서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호, 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다. 무선통신부(220)는 무선 인터넷 접속이나 기타 무선 통신을 위한 기능을 제공한다. GPS부(230)는 복수 개의 GPS 인공위성으로부터 위치 정보를 수신한다.,
메모리(240)는 제어부(290)의 처리 및 제어를 위한 프로그램이 저장될 수도 있고, 입력되거나 출력되는 데이터들의 임시 저장을 위한 기능을 수행할 수도 있다. 디스플레이부(250)는 스마트 게이트웨이(200)에서 처리되거나 분석된 정보나 화면을 표시한다.
인터페이스부(260)는 스마트 게이트웨이(200)에 연결되는 모든 외부기기와의 인터페이스 역활을 수행한다. 센서 연결부(270)는 각종 센서나 측정 장치들이 연결되는 인터페이스 역할을 수행한다.
상황인지 모듈(280)은 제조 현장의 상황을 인지하여 필요하다고 판단된 경우, 미리 설정된 담당자에게 메신저 기능을 제공할 수 있는 상황인지 메신저 기능을 제공한다. 상황인지 메신저는 이기종 장치의 상호 운용성 확보, 이기종 운영체제상의 동일 서비스를 제공하고, 데이터 기반 설비 예지 진단을 지원하며, 직관적 상황인지를 위한 협업체계를 구축할 수 있도록 한다.
전원 공급부(290)는 제어부(295)의 제어에 따라, 각 구성요소들에 필요한 전원을 공급하고, 외부로 전원을 인가할 수 있다. 전원 공급부(290)는 역률 유지를 위한 ESS(Energy storage System)를 포함할 수 있으며, 일반적인 UPS의 한계를 극복하기 위하여 LIB(Lithium Ion Battery) 및 BMS(Battery Monitoring System) 모듈 등을 포함할 수 있다.
제어부(295)는 통상적으로 상기 각 부의 동작을 제어하여 스마트 게이트웨이(200)의 전반적인 동작을 제어한다.
이와 같은 구성에 의해, 스마트 게이트웨이(200)는 스마트 센서부(150)로부터 전달되는 제조 현황과 관련된 데이터를 실시간으로 측정 및 분석하여 동적 모니터링 제공부(300)에 전달할 수 있다.
스마트 게이트웨이(200)는 위치와 상황에 따른 인식 및 판단 기반 동적 네트워킹 기능, 전통적 방식의 시리얼통신 기능, TCP/IP 및 Fieldbus 데이터 통신 지원기능, 주변 장비와 무선통신을 위한 ZigBee, RFID, Bluetooth 및 W-Lan 지원 기능, 추가 센서 및 기존 제어기기의 입출력 디바이스 인터페이스 지원 기능, 및 데이터 포맷 변환/가공용 논리 구성 기능 등을 제공할 수 있다.
또한, 스마트 게이트웨이(200)는 센서 연결부(270)를 통해 연결된 센서나 측정 장치를 통해, 3상(RST)의 전압 및 전류의 실효값 및 역률 등을 측정할 수 있으며, 이외에도 전력 품질, 주파수, 유효전력량, 무효전력량, 고조파 등을 측정하고, 단선을 감지할 수 있다. 또한, 스마트 게이트웨이(200)는 ESS(Energy Storage System)와 연동하여 역률 유지 및 피크치 제어, 전력 품질 및 전력량 모니터링을 통해 공장 전력 유지관리, 전력품질 안정화 기능을 수행하고, ESS의 BMS(Battery Monitoring System), PCS(Power Conversion System) 상태 진단 기능 등을 수행할 수도 있다. 스마트 게이트웨이(200)는 신규 도입시 비용 최소화를 위하여 오픈 API 형태로 개발할 수 있다.
스마트 게이트웨이(200)는 현장의 실무자가 휴대 가능하도록 이동형으로 만들 수도 있다. 이러한 이동형 스마트 게이트웨이를 사용하여, 현장의 엔지니어가 변경 및 추가 등의 유지보수 작업을 손쉽게 수행할 수 있으며, 각 공정별 설비에 대한 지식, 설비와 운영 시스템을 연계하는 지식 등 각 현장의 일부 담당자가 보유한 지식을 전사가 공유하고 상호 교환하여 발전시킬 수 있는 환경 구축할 수 있으며, 반제품 생산 환경 이상으로부터 발생하는 완제품 품질 발생 문제를 해결하고, 생산·설비·품질 개념 공통화를 위한 추론 엔진 개발에 적용할 수 있도록 하며, Ubiquitous 환경을 위한 One Touch UI 기반 App 개발 적용이 가능하도록 한다.
도 3은 FBD의 일 예를 나타낸 도면이다.
도 3에 도시한 바와 같이, FBD, 또는 피쉬본 다이어그램은 자료분석 도구로서, 생긴모양이 생선뼈처럼 생겼다하여 붙여진 이름으로, 문제가 커다란 가시를 이루고, 해결 또는 원인, 영향 등이 가시에 살처럼 붙어있는 형상이다. FDM는 원인과 결과를 확인하기 위한 용도, 프로세스 초기 단계에 있는 문제점들을 파악하기 위해서 사용하기도 하며, 예상과 결과치를 분석하기 위해서도 사용한다. 대부분 자료분석툴로 사용하지만 최근 스타트업에서도 시장성 및 수익성 파악을 위한 도구로서 사용하기도 한다.
도 4는 FBD 기반의 머신러닝 과정에 대한 설명에 제공되는 흐름도이다.
머신러닝(machine learning) 또는 기계 학습은 인공 지능의 한 분야로, 컴퓨터에 미리 준비된 학습데이터를 훈련시켜, 훈련된 지식을 기반으로 새로운 입력에 대하여 적절한 답을 찾고자 하는 일련의 과정이라 할 수 있다. 이때, 컴퓨터를 훈련시키는 학습데이터가 질문(training input)과 정답(training output)이 모두 주어진 경우, 레이블링(labeling) 되어 있다고 한다.
도 4를 참조하면, 공장 전문가 등에 의해 작성된 FBD 데이터를 입력받아서(S400), 머신 러닝의 학습데이터로 사용하기 위한 원인 결과 데이터를 생성한다(S410). 그리고, 원인 결과 데이터를 학습데이터로 이용한 머신러닝을 통해 패턴을 파악한다(S420).
이와 같은 과정은 동적 모니터링 제공부(300)에서 수행할 수도 있고, 별도의 서버 시스템에서 수행할 수도 있다. 또한, 모니터링 제공부(300)나 별도의 서버 시스템을 통해 FBD 데이터의 입력 등을 위한 메뉴나 프로그램을 제공할 수 있다.
다음으로 동적 모니터링 제공부(300)는 스마트 센서부(150)를 통해 수집된 데이터와 머신러닝을 통해 파악된 패턴에 따라 동적 모니터링 서비스를 제공한다(S430).
이와 같은 과정에 의해, 동적 모니터링 시스템(100)은 FBD 머신러닝 기반의 동적 모니터링 서비스를 제공할 수 있다.
도 5는 FBD 기반의 머신러닝에 대한 설명에 참조되는 도면이다.
도 5를 참조하면, 스마트 선세 등을 통해 수집된 데이터는 데이터 질의 처리성능 개선 레이어, 데이터 분석 레이어 등을 거친 후, FBD 기반 후 처리 과정을 통해 파악된 원인 결과 패턴 등에 따라 동적 모니터링을 수행하여, 에너지 낭비 추적, 에너지 비용 예측, 이상탐지 예측, 패턴 유사도 파악, IoT 필요 감지, 피크 상황 검출 등에 사용될 수 있다.
또한, 동적 모니터링 시스템(100)은 수집된 데이터의 오류 검출 및 수정, 제거 방안을 수립할 수 있으여, 다양한 비정형 데이터 가공 및 융합을 통한 통합 관리 모델을 도출할 수 있다. 또한, 동적 모니터링 시스템(100)은 메타 데이터 수집을 통한 데이터 특성 분석과 구조 단일화 방안 등을 수립할 수 있다.
도 6은 도장 공정에 본 발명의 일실시예에 따른 동적 모니터링 시스템이 적용된 예를 나타낸 것이다.
도 6을 참조하면, 도장 공정 중에 불량이 발생하게 되면, 비전문가의 경우에도 동적 모니터링 시스템(100)을 통해 제공되는 머신러닝 기반의 동적 모니터링 서비스를 통해 추론된 원인을 조회하여, 적절한 조치를 취할 수 있으며, 이상 상황 발생 예측에 따른 경보도 받을 수 있다. 또한, 동적 모니터링 시스템(100)은 자기학습 모델 결과를 반영하여, 도장 현장의 다양한 특성별로 분류 축적된 FBD 데이터를 갱신하고, 산업용 IoT를 위한 빅데이터로 활용할 수 있도록 한다.
이외에도, 동적 모니터링 시스템(100)은, 품질/설비 이상 예측을 위한 머신러닝 결과 가시화, 도장 맞춤형 Light MES(Manufacturing Execution System) 일체형 개발, [품질 데이터] + [작업조건환경조건 데이터]를 기반으로 해석용 데이터 생성, 다양한 분야의 전문가들이 Fish-Bon Chart 작성에 참여할 수 있도록 Drag & Drop UI Tool 기반 메뉴 개발, 결과에 대한 원인 항목을 중요도 중심으로 Ranking 正反合 모델 제시, 자기학습 모델(의사결정 Tree를 기반) 결과를 반영하여 Fish-Bone Chary 갱신, 갱신된 결과를 기반으로 One Touch 동적 조회 기능 제공, 기존 MES의 한계성 극복할 수 있으며, Fish-Bone Chart 데이터는 도장 현장의 다양한 특성별로 분류 축적하여 향후 IIoT화 핵심인 빅데이터 확보(제조 품질설비 중심)가 가능하도록 한다.
한편, 본 발명에 따른 동적 모니터링 시스템 및 그 방법은 상기한 바와 같이 설명된 실시예들의 구성에 한정되게 적용될 수 있는 것이 아니라, 상기한 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
또한, 본 발명은 프로그램 가능한 컴퓨터상에서 컴퓨터 프로그램으로 구현 가능하다. 이러한 컴퓨터는 프로세서, 저장장치, 입력장치, 출력 장치를 포함할 수 있다. 본 발명에서 설명한 내용을 구현하기 위해 프로그램 코드는 마우스 또는 키보드 입력장치로 입력될 수 있다. 이러한 프로그램들은 고차원적인 언어나, 객체지향적인 언어로 구현될 수 있다. 또한 어셈블리나 기계어 코드로 구현된 컴퓨터 시스템으로도 구현될 수 있다.
또한, 본 발명의 내용은 하드웨어나 소프트웨어 사용에만 국한되지는 않으며, 다른 어떤 컴퓨팅 또는 처리 환경에 대해서도 적용 가능하다. 본 발명에서 설명하는 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 본 발명은 회로를 사용하여 구현될 수 있다. 즉, 한 개 이상의 프로그램 가능한 논리회로, 즉 ASIC(application specific integrated circuit) 또는 논리회로(AND, OR NAND gates) 또는 프로세싱 장치(예컨대, 마이크로 프로세서, 콘트롤러)로 구현가능하다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.
150: 스마트 센서부
200a ~ 200n : 스마트 게이트웨이
300 : 동적 모니터링 제공부
200a ~ 200n : 스마트 게이트웨이
300 : 동적 모니터링 제공부
Claims (10)
- 스마트 센서 기반으로 제조 현장에서, 공정 관련 정보, 기기 관련 정보, 및 환경 관련 정보 중 적어도 하나를 수집하는 스마트 센서부;
상기 스마트 센서부로부터 전달되는 데이터를 실시간으로 측정 및 분석하는 제1 내지 제n 스마트 게이트웨이; 및
상기 제1 내지 제n 스마트 게이트웨이와 통신 가능하게 연결되며, 상기 제1 내지 제n 스마트 게이트웨이를 통해 측정 및 분석된 데이터와, FBD(Fish Bone Diagram) 데이터를 이용한 머신러닝을 통해 학습된 패턴에 기초하여, 상기 제조 현장의 생산운영에 필요한 분석 및 예측 정보를 제공하는 동적 모니터링 제공부를 포함하는 동적 모니터링 시스템. - 제1항에 있어서,
상기 분석 및 예측 정보는, 품질 불량 예측 정보, 설비 이상발생 예측 정보, 설비수명 예측 정보, 현장 이상발생 예측 정보를 포함하는 것을 특징으로 하는 동적 모니터링 시스템. - 제1항에 있어서,
상기 머신러닝 과정은, 입력받은 FBD 데이터에 기초하여 학습데이터로 사용하기 위한 원인 결과 데이터를 생성하고, 상기 원인 결과 데이터를 이용한 머신러닝을 통해 상기 패턴을 파악하는 것을 특징으로 하는 동적 모니터링 시스템. - 제1항에 있어서,
상기 동적 모니터링 제공부는, 네트워크를 통해 클라우클라우드 시스템에 연결되어 데이터를 송수신하는 것을 특징으로 하는 동적 모니터링 시스템. - 제1항에 있어서,
상기 스마트 게이트웨이는, 상기 제조 현장의 소정 생산 라인이나 설비 단위로 각각 설치되어, 상기 측정 및 분석한 데이터에 기초하여 상기 제조 현장의 상황을 인지하여, 통보할 상황정보가 있다고 판단되는 경우, 미리 설정된 단말기로 상기 상황정보를 전송하는 것을 특징으로 하는 동적 모니터링 시스템. - 제조 현장에 스마트 센서부와 제1 내지 제n 스마트 게이트웨이를 설치하는 단계;
상기 스마트 센서부에서 스마트 센서 기반으로 공정 관련 정보, 기기 관련 정보, 및 환경 관련 정보 중 적어도 하나를 수집하는 단계;
상기 제1 내지 제n 스마트 게이트웨이에서 상기 스마트 센서부로부터 전달되는 데이터를 실시간으로 측정 및 분석하는 단계; 및
동적 모니터링 제공부가 상기 제1 내지 제n 스마트 게이트웨이와 통신 가능하게 연결되어, 상기 제1 내지 제n 스마트 게이트웨이를 통해 측정 및 분석된 데이터와, FBD(Fish Bone Diagram) 데이터를 이용한 머신러닝을 통해 학습된 패턴에 기초하여, 상기 제조 현장의 생산운영에 필요한 분석 및 예측 정보를 제공하는 단계를 포함하는 동적 모니터링 방법. - 제6항에 있어서,
상기 머신러닝 과정은, FBD 데이터를 입력받는 단계;
상기 FBD 데이터에 기초하여 학습데이터로 사용하기 위한 원인 결과 데이터를 생성하는 단계; 및
상기 원인 결과 데이터를 이용한 머신러닝을 통해 상기 패턴을 파악하는 단계를 포함하는 것을 특징으로 하는 동적 모니터링 방법. - 제6항에 있어서,
상기 동적 모니터링 제공부가 통신망을 통해 클라우드 시스템에 연결되어, 데이터를 송수신하는 단계를 더 포함하는 동적 모니터링 방법. - 제6항에 있어서,
상기 스마트 게이트웨이에서, 상기 제조 현장의 상황을 인지하여 미리 설정된 담당자에게 메신저 기능을 제공하는 단계를 더 포함하는 동적 모니터링 방법. - 제6항 내지 제9항 중 어느 한 항의 동적 모니터링 방법을 프로세서에서 실행시키기 위한 프로그램을 기록한 프로세서가 읽을 수 있는 기록매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180000123A KR102073085B1 (ko) | 2018-01-02 | 2018-01-02 | Ｆｂｄ 머신러닝 기반의 동적 모니터링 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180000123A KR102073085B1 (ko) | 2018-01-02 | 2018-01-02 | Ｆｂｄ 머신러닝 기반의 동적 모니터링 시스템 및 그 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190088581A true KR20190088581A (ko) | 2019-07-29 |
| KR102073085B1 KR102073085B1 (ko) | 2020-03-03 |
Family
ID=67480638
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180000123A KR102073085B1 (ko) | 2018-01-02 | 2018-01-02 | Ｆｂｄ 머신러닝 기반의 동적 모니터링 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102073085B1 (ko) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021055420A1 (en) * | 2019-09-16 | 2021-03-25 | Aveva Software, Llc | Intelligent process anomaly detection and trend projection system |
| KR102258487B1 (ko) * | 2021-01-07 | 2021-05-31 | 주식회사 네오비젼 | 인공지능을 이용한 동적 유저인터페이스를 제공하는 빌딩 에너지 관리 시스템 및 방법 |
| KR20210067492A (ko) * | 2019-11-29 | 2021-06-08 | 강상찬 | 안전 관리 시스템 |
| KR20210080060A (ko) * | 2019-12-20 | 2021-06-30 | (주)엘탑 | Ess 성능검증 및 예측정비 시스템 |
| KR20210082677A (ko) * | 2019-12-26 | 2021-07-06 | 한국브로치주식회사 | IoT 기반의 예방 보전 기술 적용이 가능한 능동형 브로칭머신의 제어 시스템 |
| KR102295045B1 (ko) * | 2021-03-03 | 2021-08-31 | 주식회사 누리온 | 게이트웨이 기반의 상황 모니터링 시스템 |
| JP2021189702A (ja) * | 2020-05-29 | 2021-12-13 | 株式会社日立製作所 | 製造管理支援システム及び方法 |
| WO2022114654A1 (ko) * | 2020-11-26 | 2022-06-02 | (주)심플랫폼 | 공정 모니터링 시스템 및 방법 |
| KR20220083867A (ko) * | 2020-12-10 | 2022-06-21 | (주)코에버정보기술 | 인공지능 기반의 공장 에너지 관리 시스템 및 그 방법 |
| KR20220090681A (ko) * | 2020-12-22 | 2022-06-30 | (주)코에버정보기술 | 인공지능 기반의 피쉬본 다이어그램 관리 시스템 및 그 방법 |
| KR102488820B1 (ko) * | 2022-05-18 | 2023-01-17 | 영일엔지니어링(주) | 웹기반 실시간 팩토리 제어 시스템 |
| KR102520244B1 (ko) * | 2022-04-29 | 2023-04-10 | 권은정 | 전력 사용량 감소를 위한 공조설비 운영 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램 |
| WO2023234616A1 (ko) * | 2022-05-30 | 2023-12-07 | 주식회사 레티그리드 | 모바일 에너지 계측기 임대형 에너지 관리 시스템 및 방법 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| IT201800004579A1 (it) * | 2018-04-16 | 2019-10-16 | Attrezzatura di monitoraggio, sistema monitorato comprendente tale attrezzatura, e relativo procedimento di monitoraggio | |
| KR20220120968A (ko) | 2021-02-24 | 2022-08-31 | 주식회사 와이넷 | 데이터 분석 관리가 용이한 머신러닝 기반의 빅데이터 분석 및 성능 감시 방법 |
| KR20220120963A (ko) | 2021-02-24 | 2022-08-31 | 주식회사 와이넷 | 머신러닝 기반의 빅데이터 분석 및 성능 감시 시스템 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160034023A (ko) * | 2014-09-19 | 2016-03-29 | 주식회사 티이에스 | 인터넷 기반의 통합 웹 모니터링 시스템 |
| KR101730450B1 (ko) * | 2016-09-08 | 2017-04-26 | 진이진 | 액티브 블랙박스를 이용한 공장설비 모니터링 시스템 및 방법 |
| KR20170104705A (ko) * | 2016-03-07 | 2017-09-18 | 한국전자통신연구원 | 설비 고장 진단 장치 및 방법 |
-
2018
- 2018-01-02 KR KR1020180000123A patent/KR102073085B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160034023A (ko) * | 2014-09-19 | 2016-03-29 | 주식회사 티이에스 | 인터넷 기반의 통합 웹 모니터링 시스템 |
| KR20170104705A (ko) * | 2016-03-07 | 2017-09-18 | 한국전자통신연구원 | 설비 고장 진단 장치 및 방법 |
| KR101730450B1 (ko) * | 2016-09-08 | 2017-04-26 | 진이진 | 액티브 블랙박스를 이용한 공장설비 모니터링 시스템 및 방법 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021055420A1 (en) * | 2019-09-16 | 2021-03-25 | Aveva Software, Llc | Intelligent process anomaly detection and trend projection system |
| KR20210067492A (ko) * | 2019-11-29 | 2021-06-08 | 강상찬 | 안전 관리 시스템 |
| KR20210080060A (ko) * | 2019-12-20 | 2021-06-30 | (주)엘탑 | Ess 성능검증 및 예측정비 시스템 |
| KR20210082677A (ko) * | 2019-12-26 | 2021-07-06 | 한국브로치주식회사 | IoT 기반의 예방 보전 기술 적용이 가능한 능동형 브로칭머신의 제어 시스템 |
| JP2021189702A (ja) * | 2020-05-29 | 2021-12-13 | 株式会社日立製作所 | 製造管理支援システム及び方法 |
| US11580481B2 (en) | 2020-05-29 | 2023-02-14 | Hitachi, Ltd. | Production management support system and production management support method that automatically determine loss factors |
| WO2022114654A1 (ko) * | 2020-11-26 | 2022-06-02 | (주)심플랫폼 | 공정 모니터링 시스템 및 방법 |
| KR20220073314A (ko) * | 2020-11-26 | 2022-06-03 | (주)심플랫폼 | 공정 모니터링 시스템 및 방법 |
| KR20220083867A (ko) * | 2020-12-10 | 2022-06-21 | (주)코에버정보기술 | 인공지능 기반의 공장 에너지 관리 시스템 및 그 방법 |
| KR20220090681A (ko) * | 2020-12-22 | 2022-06-30 | (주)코에버정보기술 | 인공지능 기반의 피쉬본 다이어그램 관리 시스템 및 그 방법 |
| KR102258487B1 (ko) * | 2021-01-07 | 2021-05-31 | 주식회사 네오비젼 | 인공지능을 이용한 동적 유저인터페이스를 제공하는 빌딩 에너지 관리 시스템 및 방법 |
| KR102295045B1 (ko) * | 2021-03-03 | 2021-08-31 | 주식회사 누리온 | 게이트웨이 기반의 상황 모니터링 시스템 |
| KR102520244B1 (ko) * | 2022-04-29 | 2023-04-10 | 권은정 | 전력 사용량 감소를 위한 공조설비 운영 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램 |
| KR102488820B1 (ko) * | 2022-05-18 | 2023-01-17 | 영일엔지니어링(주) | 웹기반 실시간 팩토리 제어 시스템 |
| WO2023234616A1 (ko) * | 2022-05-30 | 2023-12-07 | 주식회사 레티그리드 | 모바일 에너지 계측기 임대형 에너지 관리 시스템 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102073085B1 (ko) | 2020-03-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102073085B1 (ko) | Ｆｂｄ 머신러닝 기반의 동적 모니터링 시스템 및 그 방법 | |
| EP3285127B1 (en) | Remote industrial automation site operation in a cloud platform | |
| Mourtzis et al. | A cloud-based cyber-physical system for adaptive shop-floor scheduling and condition-based maintenance | |
| CN111835628B (zh) | 智能网关平台、方法和非暂态计算机可读介质 | |
| US20220156435A1 (en) | Using cloud-based data for industrial simulation | |
| US10713307B2 (en) | Dynamic search engine for an industrial environment | |
| US10528021B2 (en) | Automated creation of industrial dashboards and widgets | |
| CN107272608B (zh) | 云平台中的工业设备和系统证明 | |
| US11513477B2 (en) | Cloud-based industrial controller | |
| US9253054B2 (en) | Remote industrial monitoring and analytics using a cloud infrastructure | |
| US20170351226A1 (en) | Industrial machine diagnosis and maintenance using a cloud platform | |
| EP3018597A1 (en) | Crawler for discovering control system data in an industrial automation environment | |
| US11687064B2 (en) | IBATCH interactive batch operations system enabling operational excellence and competency transition | |
| KR102419053B1 (ko) | 통합 제조 운영 관리 시스템 및 방법 | |
| Caiazzo et al. | An IoT-based and cloud-assisted AI-driven monitoring platform for smart manufacturing: design architecture and experimental validation | |
| CN102449567A (zh) | 作为用于装备健康状况监视服务的基础的云计算 | |
| Chhotaray et al. | Enhancement of Manufacturing Sector Performance with the Application of Industrial Internet of Things (IIoT) | |
| Jovith et al. | Industrial IoT Sensor Networks and Cloud Analytics for Monitoring Equipment Insights and Operational Data | |
| KR102411824B1 (ko) | 인공지능 기반의 공장 에너지 관리 시스템 및 그 방법 | |
| KR101956703B1 (ko) | 통합 모니터링 시스템 및 그 방법 | |
| Hribernik et al. | Unified Predictive Maintenance System-Findings Based on its Initial Deployment in Three Use Case | |
| Karpagavalli | Smart factory of Industry 4.0 | |
| Widya et al. | Dies Process Performance Improvement Maintenance With e-DMIS Based on Iot Technology | |
| KR20180030334A (ko) | 상황인지 메신저 제공 방법 및 그 시스템 | |
| Wortel et al. | DIGITAL MANUFACTURING PLATFORMS FOR CONNECTED SMART FACTORIES |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |