KR20190093725A - Industrial controlling system using artificial intelligence and controlling method thereof - Google Patents

Industrial controlling system using artificial intelligence and controlling method thereof Download PDF

Info

Publication number
KR20190093725A
KR20190093725A KR1020180002558A KR20180002558A KR20190093725A KR 20190093725 A KR20190093725 A KR 20190093725A KR 1020180002558 A KR1020180002558 A KR 1020180002558A KR 20180002558 A KR20180002558 A KR 20180002558A KR 20190093725 A KR20190093725 A KR 20190093725A
Authority
KR
South Korea
Prior art keywords
server member
development
control program
values
reporting
Prior art date
Application number
KR1020180002558A
Other languages
Korean (ko)
Other versions
KR102040389B1 (en
Inventor
진성기
Original Assignee
진성기
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 진성기 filed Critical 진성기
Priority to KR1020180002558A priority Critical patent/KR102040389B1/en
Publication of KR20190093725A publication Critical patent/KR20190093725A/en
Application granted granted Critical
Publication of KR102040389B1 publication Critical patent/KR102040389B1/en

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Stored Programmes (AREA)

Abstract

Disclosed is an industrial control system using artificial intelligence, which comprises: an IoT sensor member; a checking and reporting server member; a development server member; a build server member; and a transmission server member. Based on values sensed in the IoT sensor member and checked in the checking and reporting server member, the development server member uses a deep learning algorithm to automatically develop a control program required for target equipment, and thus the control program for target equipment can be automatically formed.

Description

인공지능을 이용한 산업용 제어 시스템 및 그 제어 방법{Industrial controlling system using artificial intelligence and controlling method thereof}Industrial controlling system using artificial intelligence and controlling method

본 발명은 인공지능을 이용한 산업용 제어 시스템 및 그 제어 방법에 관한 것이다.The present invention relates to an industrial control system using artificial intelligence and a control method thereof.

산업용 제어 시스템은 자동차 부품 생산 공장 등의 각종 스마트 팩토리에서 모니터링 시스템 등을 일컫는 것으로, 종래 산업용 제어 시스템의 예로 제시될 수 있는 것이 아래 제시된 특허문헌의 그 것들이다.The industrial control system refers to a monitoring system and the like in various smart factories such as an automobile parts production plant, and those that can be presented as examples of the conventional industrial control system are those of the patent documents set forth below.

그러나, 종래의 산업용 제어 시스템에 의하면, 산업용 제어 시스템의 제어 대상인 대상 장비에 대한 제어 프로그램을 프로그래머 등의 작업자가 직접 수작업으로 작성해주어야 하는 단점이 있었다.However, according to the conventional industrial control system, a control program for the target equipment that is the control target of the industrial control system has to be manually written by an operator such as a programmer.

등록특허 제 10-1812088호, 등록일자: 2017.12.19., 발명의 명칭: 스마트 팩토리 구현을 위한 원격제어방식의 무인반송시스템Patent No. 10-1812088, Registered Date: 2017.12.19., Title of the invention: Remote control unmanned transport system for smart factory implementation 공개특허 제 10-2017-0090115호, 공개일자: 2017.08.07., 발명의 명칭: 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법Publication No. 10-2017-0090115, published date: 2017.08.07., Title of the invention: Smart factory analysis system and method based on big data

본 발명은 대상 장비에 대한 제어 프로그램이 자동적으로 형성될 수 있는 인공지능을 이용한 산업용 제어 시스템 및 그 제어 방법을 제공하는 것을 일 목적으로 한다.It is an object of the present invention to provide an industrial control system using artificial intelligence and a control method thereof, in which a control program for a target equipment can be automatically formed.

본 발명의 일 측면에 따른 인공지능을 이용한 산업용 제어 시스템은 대상 장비에 대한 요구되는 값들을 센싱하는 사물 인터넷 센서 부재; 상기 사물 인터넷 센서 부재에서 센싱된 값들을 체크하고 외부로 리포팅할 수 있는 체크 및 리포팅 서버 부재; 상기 체크 및 리포팅 서버 부재에서 체크된 값들을 베이스로 딥 러닝 알고리즘(deep learning algorithms)을 이용하여, 상기 대상 장비에 대한 요구되는 제어 프로그램을 형성하는 개발 서버 부재; 상기 개발 서버 부재에서 개발된 상기 제어 프로그램을 배포 및 그 배포를 관리하는 빌드 서버 부재; 및 상기 빌드 서버 부재에서 배포되는 상기 제어 프로그램을 상기 대상 장비로 전송하는 전송 서버 부재;를 포함한다.Industrial control system using artificial intelligence according to an aspect of the present invention is the IoT sensor member for sensing the required values for the target equipment; A check and reporting server member for checking and reporting values sensed by the IoT sensor member; A development server member configured to form a required control program for the target equipment by using deep learning algorithms based on the values checked in the check and reporting server member; A build server member that distributes the control program developed in the development server member and manages its distribution; And a transmission server member for transmitting the control program distributed from the build server member to the target equipment.

본 발명의 일 측면에 따른 인공지능을 이용한 산업용 제어 시스템의 제어 방법은 (a) 사물 인터넷 센서 부재가 대상 장비에 대해 요구되는 값들을 센싱하는 단계; (b) 체크 및 리포팅 서버 부재가 상기 사물 인터넷 센서 부재에서 센싱된 값들을 체크하고 외부로 리포팅하는 단계; (c) 개발 서버 부재가 상기 체크 및 리포팅 서버 부재에서 체크된 값들을 베이스로 딥 러닝 알고리즘을 이용하여 상기 대상 장비에 대한 요구되는 제어 프로그램을 형성하는 단계; (d) 빌드 서버 부재가 상기 개발 서버 부재에서 개발된 상기 제어 프로그램을 배포 및 그 배포를 관리하는 단계; 및 (e) 전송 서버 부재가 상기 빌드 서버 부재에서 배포되는 상기 제어 프로그램을 상기 대상 장비로 전송하는 단계;를 포함한다.According to an aspect of the present invention, there is provided a method of controlling an industrial control system using artificial intelligence, the method comprising: (a) sensing, by an IoT sensor member, values required for a target device; (b) the checking and reporting server member checking and reporting the values sensed by the IoT sensor member; (c) a development server member forming a required control program for the target equipment using a deep learning algorithm based on the values checked in the check and reporting server member; (d) the build server member distributing the control program developed in the development server member and managing the distribution; And (e) transmitting, by the transmission server member, the control program distributed from the build server member to the target equipment.

본 발명의 일 측면에 따른 인공지능을 이용한 산업용 제어 시스템 및 그 제어 방법에 의하면, 인공지능을 이용한 산업용 제어 시스템이 사물 인터넷 센서 부재와, 체크 및 리포팅 서버 부재와, 개발 서버 부재와, 빌드 서버 부재와, 전송 서버 부재를 포함함에 따라, 상기 사물 인터넷 센서 부재에서 감지되어 상기 체크 및 리포팅 서버 부재에서 체크된 값들을 베이스로 상기 개발 서버 부재가 딥 러닝 알고리즘을 이용하여 대상 장비에 대한 요구되는 제어 프로그램을 자동적으로 개발할 수 있으므로, 상기 대상 장비에 대한 상기 제어 프로그램이 자동적으로 형성될 수 있게 되는 효과가 있다.According to an industrial control system using artificial intelligence and a control method thereof according to an aspect of the present invention, an industrial control system using artificial intelligence includes an IoT sensor member, a check and reporting server member, a development server member, and a build server member. And a control program required for the target device by using the deep learning algorithm based on values detected by the IoT sensor member and checked by the check and reporting server member. Since it can be automatically developed, there is an effect that the control program for the target equipment can be automatically formed.

도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 산업용 제어 시스템의 구성을 보이는 도면.
도 2는 본 발명의 일 실시예에 따른 인공지능을 이용한 산업용 제어 시스템을 구성하는 균형 감지 부재의 내부 모습을 보이는 도면.
도 3은 본 발명의 일 실시예에 따른 인공지능을 이용한 산업용 제어 시스템의 제어 방법을 보이는 순서도.
도 4는 본 발명의 일 실시예에 따른 인공지능을 이용한 산업용 제어 시스템의 제어 방법을 구성하는 딥러닝 통한 개발 단계의 구체척 단계들을 보이는 순서도.1 is a view showing the configuration of an industrial control system using artificial intelligence according to an embodiment of the present invention.
Figure 2 is a view showing the inside of the balance sensing member constituting the industrial control system using artificial intelligence according to an embodiment of the present invention.
Figure 3 is a flow chart showing a control method of the industrial control system using artificial intelligence according to an embodiment of the present invention.
Figure 4 is a flow chart showing the specific steps of the development step through the deep learning constituting the control method of the industrial control system using artificial intelligence according to an embodiment of the present invention.

이하에서는 도면을 참조하여 본 발명의 일 실시예에 따른 인공지능을 이용한 산업용 제어 시스템 및 그 제어 방법에 대하여 설명한다.Hereinafter, an industrial control system using artificial intelligence and a method of controlling the same will be described with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 산업용 제어 시스템의 구성을 보이는 도면이고, 도 2는 본 발명의 일 실시예에 따른 인공지능을 이용한 산업용 제어 시스템을 구성하는 균형 감지 부재의 내부 모습을 보이는 도면이고, 도 3은 본 발명의 일 실시예에 따른 인공지능을 이용한 산업용 제어 시스템의 제어 방법을 보이는 순서도이고, 도 4는 본 발명의 일 실시예에 따른 인공지능을 이용한 산업용 제어 시스템의 제어 방법을 구성하는 딥러닝 통한 개발 단계의 구체척 단계들을 보이는 순서도이다.1 is a view showing the configuration of an industrial control system using artificial intelligence according to an embodiment of the present invention, Figure 2 is a balance sensing member of the industrial control system using artificial intelligence according to an embodiment of the present invention 3 is a flowchart illustrating a control method of an industrial control system using artificial intelligence according to an embodiment of the present invention, and FIG. 4 is an industrial control using artificial intelligence according to an embodiment of the present invention. This is a flowchart showing the concrete phases of the development phase through deep learning constituting the control method of the system.

도 1 내지 도 4를 함께 참조하면, 본 실시예에 따른 인공지능을 이용한 산업용 제어 시스템(100)은 사물 인터넷 센서 부재(150)와, 체크 및 리포팅 서버 부재(110)와, 개발 서버 부재(120)와, 빌드 서버 부재(130)와, 전송 서버 부재(140)를 포함한다.1 to 4 together, the industrial control system 100 using the artificial intelligence according to the present embodiment is the IoT sensor member 150, the check and reporting server member 110, the development server member 120 ), A build server member 130, and a transmission server member 140.

상기 사물 인터넷 센서 부재(150)는 자동차 부품 생산 장비 등의 대상 장비(10)에 배치되어, 상기 대상 장비(10)에 대한 각종 요구되는 값들, 예를 들어 그 작동 여부, 회전수, 온도, 습도 등을 센싱하는 것이다.The IoT sensor member 150 is disposed in the target equipment 10, such as an automobile parts production equipment, and various required values for the target equipment 10, for example, whether it is operated, rotational speed, temperature, and humidity. Sensing your back.

상기 체크 및 리포팅 서버 부재(110)는 상기 사물 인터넷 센서 부재(150)에서 센싱된 값들이 정상적으로 감지되었는지 여부를 체크하고, 디스플레이 모니터 등을 통해 외부로 리포팅할 수 있는 것이다.The check and reporting server member 110 may check whether the values sensed by the IoT sensor member 150 are normally sensed, and may report to the outside through a display monitor.

상기 개발 서버 부재(120)는 상기 체크 및 리포팅 서버 부재(110)에서 체크된 값들을 베이스로 딥 러닝 알고리즘(deep learning algorithms)을 이용하여, 상기 대상 장비(10)에 대한 요구되는 제어 프로그램을 형성하는 것이다.The development server member 120 forms a required control program for the target device 10 using deep learning algorithms based on the values checked by the check and reporting server member 110. It is.

여기서, 상기 개발 서버 부재(120)에 적용되는 딥 러닝 알고리즘으로는 파이브레인(pybrain)이라는 파이썬 머신러닝 라이브러리를 활용한 인공신경망이 이용될 수 있다.Here, as a deep learning algorithm applied to the development server member 120, an artificial neural network using a Python machine learning library called pybrain may be used.

상기 빌드 서버 부재(130)는 상기 개발 서버 부재(120)에서 개발된 상기 제어 프로그램을 배포 및 그 배포를 관리하는 것으로, 이러한 상기 빌드 서버 부재(130)의 예로는 젠킨스(jenkins) 등이 있고, 상기 빌드 서버 부재(130)는 상기 제어 프로그램을 저장할 수 있는 별도 저장부를 더 구비할 수 있다.The build server member 130 distributes the control program developed in the development server member 120 and manages its distribution. Examples of the build server member 130 include Jenkins, and the like. The build server member 130 may further include a separate storage unit for storing the control program.

상기 전송 서버 부재(140)는 상기 빌드 서버 부재(130)에서 배포되는 상기 제어 프로그램이 상기 대상 장비(10)에 적용될 수 있도록, 상기 제어 프로그램을 상기 대상 장비(10)로 전송하는 것으로, 그러한 전송은 와이파이, 유에스비(USB), 이더넷(ethernet) 등 다양한 통신 환경을 통해 이루어질 수 있다.The transmission server member 140 transmits the control program to the target equipment 10 so that the control program distributed by the build server member 130 can be applied to the target equipment 10, such transmission. This can be achieved through various communication environments such as Wi-Fi, USB, Ethernet, and the like.

상기 사물 인터넷 센서 부재(150)에서 상기 대상 장비(10)에 대한 각종 값들을 센싱하면, 그 센싱된 값들이 상기 체크 및 리포팅 서버 부재(110)를 경유하면서 체크된 다음, 상기 개발 서버 부재(120)로 전달된다. 그러면, 상기 개발 서버 부재(120)에서는, 상기 딥 러닝 알고리즘을 이용하여 상기 대상 장비(10)에 대한 모니터링 프로그램 등 상기 대상 장비(10)에 요구되는 제어 프로그램을 자동적으로 형성한다.When the IoT sensor member 150 senses various values for the target device 10, the sensed values are checked while passing through the check and reporting server member 110 and then the development server member 120. Is delivered. Then, the development server member 120 automatically forms a control program required for the target device 10 such as a monitoring program for the target device 10 using the deep learning algorithm.

상기와 같이 형성된 상기 제어 프로그램은 상기 빌드 서버 부재(130) 및 상기 전송 서버 부재(140)를 순차적으로 경유한 다음, 상기 대상 장비(10)에 적용된다.The control program formed as described above is applied to the target equipment 10 after sequentially passing through the build server member 130 and the transmission server member 140.

여기서, 상기 사물 인터넷 센서 부재(150), 상기 체크 및 리포팅 서버 부재(110), 상기 개발 서버 부재(120), 상기 빌드 서버 부재(130) 및 상기 전송 서버 부재(140)를 순환하면서 상기 제어 프로그램을 형성하는 과정은 트라이얼 앤드 에러(trial and error)를 통해 요구되는 수준에 도달될 때까지 반복되고, 그에 따라 상기 대상 장비(10)에 대한 보다 세밀한 제어가 가능해진다.Here, the control program is circulated through the IoT sensor member 150, the checking and reporting server member 110, the development server member 120, the build server member 130, and the transmission server member 140. The process of forming is repeated until the required level is reached through trial and error, thereby allowing finer control of the target equipment 10.

한편, 상기 사물 인터넷 센서 부재(150)는 상기 대상 장비(10)에 부착되어, 상기 대상 장비(10)의 수직도를 감지하는 균형 감지 부재(160)를 포함한다.Meanwhile, the IoT sensor member 150 includes a balance sensing member 160 attached to the target equipment 10 to sense a vertical degree of the target equipment 10.

상세히, 상기 균형 감지 부재(160)는 상기 대상 장비(10)에 부착되고 내부가 빈 원형 실린더 형태로 형성되는 균형 감지 부재 케이스(161)와, 상기 균형 감지 부재 케이스(161) 내부의 상단에서 반구형으로 돌출되는 회동 연결 링(162)과, 상기 회동 연결 링(162)에 회동 가능하게 걸려 중력 방향으로 향하도록 회동될 수 있고 상기 회동 연결 링(162)과 멀어지는 말단부 쪽으로 갈수록 상대적으로 점차 커지도록 형성되는 회동체(163)와, 상기 회동체(163)의 말단부에 배치되는 회동 마그넷(164)과, 상기 균형 감지 부재 케이스(161)의 내부의 저면에 배치되어 상기 회동체(163)에 매달려 회동되는 상기 회동 마그넷(164)의 자력 변화를 감지하는 균형 감지 홀 센서(166)와, 상기 균형 감지 부재 케이스(161)의 내부의 하측면에 배치되어 상기 회동체(163)에 매달려 회동되는 상기 회동 마그넷(164)의 접촉을 감지할 수 있는 압력 감지 센서 등의 균형 감지 접촉 센서(165)를 포함한다.In detail, the balance sensing member 160 is attached to the target equipment 10 and has a balance sensing member case 161 formed in a hollow circular cylinder shape, and a hemispherical shape at an upper end of the balance sensing member case 161. Rotating connection ring 162 protruding from the rotational connection ring, and can be rotated so as to be gravitationally caught in the rotational connection ring 162 toward the distal end portion away from the rotational connection ring 162 to form a relatively larger A rotating body 163, a rotating magnet 164 disposed at the distal end of the rotating body 163, and a bottom surface of the inside of the balance sensing member case 161, which is suspended from the rotating body 163. The balance detection Hall sensor 166 for detecting a change in the magnetic force of the rotating magnet 164 and the balance sensing member case 161 is disposed on the lower side of the inside is rotated hanging on the rotating body 163 And a balance sensing touch sensor 165, such as a pressure sensor that can sense the touch of the same magnet (164).

상기 회동체(163)와 상기 회동 마그넷(164)은 자중에 의해 상기 회동 연결 링(162)에 연결된 상태로 항상 중력 방향을 향하게 된다.The rotating body 163 and the rotating magnet 164 are always directed in the direction of gravity in a state connected to the rotating connecting ring 162 by its own weight.

감지 효과를 증진하기 위하여, 상기 균형 감지 홀 센서(166)는 상기 균형 감지 부재 케이스(161)의 내부의 저면 상의 중앙과 그 양 측으로 일정 간격 이격되도록 세 개 이상으로 설치된다.In order to enhance the sensing effect, three or more balance sensing hall sensors 166 may be installed to be spaced apart from each other by a predetermined distance from the center of the bottom surface of the balance sensing member case 161 and both sides thereof.

상기 대상 장비(10)가 정상적인 자세를 유지하는 동안, 상기 회동 마그넷(164)은 상기 균형 감지 홀 센서(166) 중 중앙의 것에 의해 감지되는 상태를 유지한다.While the target equipment 10 maintains a normal posture, the rotation magnet 164 maintains a state detected by the center of the balance sensing hall sensor 166.

그러다가, 상기 대상 장비(10)가 임의로 기울어지기 시작하면, 상기 대상 장비(10)의 기울어지는 정도만큼 상기 회동체(163)가 중력에 의해 회동되면서 상기 회동 마그넷(164)의 위치가 변동됨에 따라 상기 균형 감지 홀 센서(166)에 의해 감지되는 자력이 변화됨으로써, 상기 대상 장비(10)의 기울어지기 시작함이 감지될 수 있다.Then, when the target equipment 10 starts to tilt arbitrarily, the pivoting body 163 is rotated by gravity as much as the inclination of the target equipment 10 as the position of the rotating magnet 164 is changed. As the magnetic force sensed by the balance sensing hall sensor 166 is changed, it may be detected that the target equipment 10 starts to tilt.

상기 대상 장비(10)가 최대값으로 기울어지면, 상기 회동 마그넷(164)의 위치 변동에 따른 자력 변화 최대값이 상기 균형 감지 홀 센서(166)에 의해 감지됨과 함께, 상기 회동 마그넷(164)이 상기 균형 감지 접촉 센서(165)와 접촉됨으로써, 상기 대상 장비(10)의 최대 기울어짐이 감지될 수 있게 된다.When the target device 10 is inclined to the maximum value, the maximum change of the magnetic force according to the positional change of the rotation magnet 164 is detected by the balance detection hall sensor 166, and the rotation magnet 164 is By being in contact with the balance sensing contact sensor 165, the maximum tilt of the target equipment 10 may be detected.

상기와 같은 상기 대상 장비(10)의 기울어짐과 그 기울어지는 정도에 대한 정보는 상기 체크 및 리포팅 서버 부재(110)로 전달된다.Information about the inclination and the degree of inclination of the target equipment 10 as described above is transmitted to the check and reporting server member (110).

상기와 같이 구성됨으로써, 상기 대상 장비(10)의 임의적인 기울어짐과 그 기울어지는 정도가 신속하게 감지될 수 있게 된다.By configuring as described above, the arbitrary tilt of the target equipment 10 and the degree of tilt can be quickly detected.

이하에서는 도면을 참조하여 본 실시예에 따른 인공지능을 이용한 산업용 제어 시스템(100)의 제어 방법에 대하여 설명한다.Hereinafter, a control method of the industrial control system 100 using artificial intelligence according to the present embodiment will be described with reference to the accompanying drawings.

먼저, 상기 사물 인터넷 센서 부재(150)가 상기 대상 장비(10)에 대해 요구되는 값들을 센싱하고, 상기 체크 및 리포팅 서버 부재(110)가 상기 사물 인터넷 센서 부재(150)에서 센싱된 값들을 체크하고 외부로 리포팅한다(S100).First, the IoT sensor member 150 senses values required for the target device 10, and the check and reporting server member 110 checks values sensed by the IoT sensor member 150. And reporting to the outside (S100).

그런 다음, 상기 개발 서버 부재(120)가 상기 체크 및 리포팅 서버 부재(110)에서 체크된 값들을 베이스로 상기 딥 러닝 알고리즘을 이용하여 상기 대상 장비(10)에 대한 요구되는 제어 프로그램을 개발한다(S110).The development server member 120 then develops the required control program for the target equipment 10 using the deep learning algorithm based on the values checked by the check and reporting server member 110 ( S110).

그런 다음, 상기 빌드 서버 부재(130)가 상기 개발 서버 부재(120)에서 개발된 상기 제어 프로그램을 배포 및 그 배포를 관리한다(S120).Then, the build server member 130 distributes the control program developed in the development server member 120 and manages its distribution (S120).

그런 다음, 상기 전송 서버 부재(140)가 상기 빌드 서버 부재(130)에서 배포되는 상기 제어 프로그램을 상기 대상 장비(10)로 전송하여, 적용시킨다(S130).Then, the transmission server member 140 transmits the control program distributed from the build server member 130 to the target equipment 10 and applies it (S130).

여기서, 상기 개발 서버 부재(120)가 상기 제어 프로그램을 개발하는 단계(S110)는 다음과 같은 구체적인 과정을 통해 수행된다.Here, the step (S110) of the development server member 120 to develop the control program is performed through the following specific process.

먼저, 상기 개발 서버 부재(120)가 상기 체크 및 리포팅 서버 부재(110)에서 체크된 값들을 체크하고(S111), 상기 단계(S111)에서 체크된 값들이 요구되는 목표치에 도달되었는지 여부를 상기 개발 서버 부재(120)가 판단한다(S112).First, the development server member 120 checks the values checked in the check and reporting server member 110 (S111), and whether the values checked in the step (S111) have reached a required target value. The server member 120 determines (S112).

상기 판단(S112) 결과, 상기 단계(S111)에서 체크된 값들이 상기 요구되는 목표치에 도달된 것으로 판단되면, 상기 개발 서버 부재(120)가 개발을 종료한다(S113).As a result of the determination (S112), when it is determined that the values checked in the step (S111) have reached the required target value, the development server member 120 ends the development (S113).

반면, 상기 판단(S112) 결과, 상기 단계(S111)에서 체크된 값들이 상기 요구되는 목표치에 도달되지 아니한 것으로 판단되면, 상기 제어 프로그램 개발의 트라이얼 앤드 에러의 반복 횟수가 미리 설정된 요구되는 횟수에 도달되었는지 여부를 상기 개발 서버 부재(120)가 판단한다(S114).On the other hand, if it is determined that the values checked in the step S111 do not reach the required target value as a result of the determination (S112), the number of repetitions of the trial and error of the control program development reaches a preset required number of times. The development server member 120 determines whether or not (S114).

상기 판단(S114) 결과, 상기 제어 프로그램 개발의 트라이얼 앤드 에러의 반복 횟수가 상기 미리 설정된 요구되는 횟수에 도달된 것으로 판단되면, 상기 제어 프로그램 개발의 트라이얼 앤드 에러의 반복 횟수가 상기 미리 설정된 요구되는 횟수에 도달된 것을 외부에 알리는 알람을 상기 개발 서버 부재(120)가 음성 및/또는 영상을 통해 표시하고(S115), 개발을 종료한다(S113).As a result of the determination (S114), when it is determined that the number of repetitions of the trial and error of the control program development reaches the preset required number of times, the number of times of repetition of the trial and error of the control program development is required is set in advance. The development server member 120 displays an alarm to inform the outside that it has reached (S115), and ends the development (S113).

반면, 상기 판단(S114) 결과, 상기 제어 프로그램 개발의 트라이얼 앤드 에러의 반복 횟수가 상기 미리 설정된 요구되는 횟수에 도달되지 아니한 것으로 판단되면, 상기 개발 서버 부재(120)가 상기 제어 프로그램에 대한 트라이얼 앤드 에러의 반복을 통해 개발을 지속한다(S116).On the other hand, if it is determined that the number of repetitions of the trial and error of the control program development has not reached the preset required number of times as a result of the determination (S114), the development server member 120 may try and end the control program. Development continues through the repetition of the error (S116).

상기와 같이, 상기 인공지능을 이용한 산업용 제어 시스템(100)이 상기 사물 인터넷 센서 부재(150)와, 상기 체크 및 리포팅 서버 부재(110)와, 상기 개발 서버 부재(120)와, 상기 빌드 서버 부재(130)와, 상기 전송 서버 부재(140)를 포함함에 따라, 상기 사물 인터넷 센서 부재(150)에서 감지되어 상기 체크 및 리포팅 서버 부재(110)에서 체크된 값들을 베이스로 상기 개발 서버 부재(120)가 상기 딥 러닝 알고리즘을 이용하여 상기 대상 장비(10)에 대한 요구되는 상기 제어 프로그램을 자동적으로 개발할 수 있으므로, 상기 대상 장비(10)에 대한 상기 제어 프로그램이 자동적으로 형성될 수 있게 된다.As described above, the industrial control system 100 using the artificial intelligence includes the IoT sensor member 150, the check and reporting server member 110, the development server member 120, and the build server member. 130 and the development server member 120 based on the values detected by the Internet of Things sensor member 150 and checked by the check and reporting server member 110 as the transmission server member 140 is included. ) Can automatically develop the required control program for the target device 10 using the deep learning algorithm, so that the control program for the target device 10 can be automatically formed.

상기에서 본 발명은 특정한 실시예에 관하여 도시되고 설명되었지만, 당업계에서 통상의 지식을 가진 자라면 이하의 특허청구범위에 기재된 본 발명의 사상 및 영역을 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 알 수 있을 것이다. 그렇지만 이러한 수정 및 변형 구조들은 모두 본 발명의 권리범위 내에 포함되는 것임을 분명하게 밝혀두고자 한다.While the invention has been shown and described with respect to specific embodiments thereof, those skilled in the art can variously modify the invention without departing from the spirit and scope of the invention as set forth in the claims below. And that it can be changed. Nevertheless, it will be clearly understood that all such modifications and variations are included within the scope of the present invention.

본 발명의 일 측면에 따른 인공지능을 이용한 산업용 제어 시스템 및 그 제어 방법에 의하면, 대상 장비에 대한 제어 프로그램이 자동적으로 형성될 수 있으므로, 그 산업상 이용가능성이 높다고 하겠다.According to the industrial control system using the artificial intelligence and the control method thereof according to an aspect of the present invention, since the control program for the target equipment can be automatically formed, it is said that the industrial applicability is high.

100 : 인공지능을 이용한 산업용 제어 시스템
110 : 체크 및 리포팅 서버 부재
120 : 개발 서버 부재
130 : 빌드 서버 부재
140 : 전송 서버 부재
150 : 사물 인터넷 센서 부재100: Industrial control system using artificial intelligence
110: check and reporting server absence
120: lack of development server
130: build server absence
140: transport server absent
150: absence of the IoT sensor

Claims (5)

대상 장비에 대한 요구되는 값들을 센싱하는 사물 인터넷 센서 부재;
상기 사물 인터넷 센서 부재에서 센싱된 값들을 체크하고 외부로 리포팅할 수 있는 체크 및 리포팅 서버 부재;
상기 체크 및 리포팅 서버 부재에서 체크된 값들을 베이스로 딥 러닝 알고리즘(deep learning algorithms)을 이용하여, 상기 대상 장비에 대한 요구되는 제어 프로그램을 형성하는 개발 서버 부재;
상기 개발 서버 부재에서 개발된 상기 제어 프로그램을 배포 및 그 배포를 관리하는 빌드 서버 부재; 및
상기 빌드 서버 부재에서 배포되는 상기 제어 프로그램을 상기 대상 장비로 전송하는 전송 서버 부재;를 포함하는 인공지능을 이용한 산업용 제어 시스템.An IoT sensor member sensing the required values for the target equipment;
A check and reporting server member for checking and reporting values sensed by the IoT sensor member;
A development server member configured to form a required control program for the target equipment by using deep learning algorithms based on the values checked in the check and reporting server member;
A build server member that distributes the control program developed in the development server member and manages its distribution; And
And a transmission server member configured to transmit the control program distributed by the build server member to the target equipment. 제 1 항에 있어서,
상기 사물 인터넷 센서 부재, 상기 체크 및 리포팅 서버 부재, 상기 개발 서버 부재, 상기 빌드 서버 부재 및 상기 전송 서버 부재를 순환하면서 상기 제어 프로그램을 형성하는 과정은 트라이얼 앤드 에러(trial and error)를 통해 요구되는 수준에 도달될 때까지 반복되는 것을 특징으로 하는 인공지능을 이용한 산업용 제어 시스템.The method of claim 1,
The process of forming the control program while cycling the IoT sensor member, the check and reporting server member, the development server member, the build server member, and the transmission server member is required through trial and error. Industrial control system using artificial intelligence, characterized in that it is repeated until the level is reached. (a) 사물 인터넷 센서 부재가 대상 장비에 대해 요구되는 값들을 센싱하는 단계;
(b) 체크 및 리포팅 서버 부재가 상기 사물 인터넷 센서 부재에서 센싱된 값들을 체크하고 외부로 리포팅하는 단계;
(c) 개발 서버 부재가 상기 체크 및 리포팅 서버 부재에서 체크된 값들을 베이스로 딥 러닝 알고리즘을 이용하여 상기 대상 장비에 대한 요구되는 제어 프로그램을 형성하는 단계;
(d) 빌드 서버 부재가 상기 개발 서버 부재에서 개발된 상기 제어 프로그램을 배포 및 그 배포를 관리하는 단계; 및
(e) 전송 서버 부재가 상기 빌드 서버 부재에서 배포되는 상기 제어 프로그램을 상기 대상 장비로 전송하는 단계;를 포함하는 인공지능을 이용한 산업용 제어 시스템의 제어 방법.(a) sensing, by the IoT sensor member, values required for the target equipment;
(b) the checking and reporting server member checking and reporting the values sensed by the IoT sensor member;
(c) a development server member forming a required control program for the target equipment using a deep learning algorithm based on the values checked in the check and reporting server member;
(d) the build server member distributing the control program developed in the development server member and managing the distribution; And
and (e) transmitting, by the transmission server member, the control program distributed from the build server member to the target equipment. 제 3 항에 있어서,
상기 (c) 단계는
(c-1) 상기 개발 서버 부재가 상기 체크 및 리포팅 서버 부재에서 체크된 값들을 체크하는 단계와,
(c-2) 상기 (c-1) 단계에서 체크된 값들이 요구되는 목표치에 도달되었는지 여부를 상기 개발 서버 부재가 판단하는 단계와,
(c-3) 상기 (c-2) 단계의 판단 결과, 상기 (c-1) 단계에서 체크된 값들이 상기 요구되는 목표치에 도달된 것으로 판단되면, 상기 개발 서버 부재가 개발을 종료하는 단계를 포함하는 것을 특징으로 하는 인공지능을 이용한 산업용 제어 시스템의 제어 방법.The method of claim 3, wherein
Step (c) is
(c-1) the development server member checking the values checked in the check and reporting server member;
(c-2) the development server member determining whether the values checked in the step (c-1) have reached the required target values;
(c-3) If the determination result of the step (c-2) determines that the values checked in the step (c-1) have reached the required target value, the development server member stops the development. Control method of an industrial control system using artificial intelligence, comprising. 제 4 항에 있어서,
(c-4) 상기 (c-2) 단계의 판단 결과, 상기 (c-1) 단계에서 체크된 값들이 요구되는 목표치에 도달되지 아니한 것으로 판단되면, 상기 개발 서버 부재가 상기 제어 프로그램 개발의 반복 횟수가 미리 설정된 요구되는 횟수에 도달되었는지 여부를 판단하는 단계와,
(c-5) 상기 (c-4) 단계의 판단 결과, 상기 제어 프로그램 개발의 반복 횟수가 상기 미리 설정된 요구되는 횟수에 도달된 것으로 판단되면, 상기 개발 서버 부재가 알람을 표시하고, 개발을 종료하는 단계를 포함하는 것을 특징으로 하는 인공지능을 이용한 산업용 제어 시스템의 제어 방법.The method of claim 4, wherein
(c-4) If the determination result of the step (c-2) determines that the values checked in the step (c-1) do not reach the required target value, the development server member repeats the control program development. Determining whether the number has reached a preset required number of times;
(c-5) If it is determined that the number of iterations of the control program development reaches the preset required number of times as a result of the determination in the step (c-4), the development server member displays an alarm and ends the development. Control method of an industrial control system using artificial intelligence, characterized in that it comprises a step of.
KR1020180002558A 2018-01-09 2018-01-09 Industrial controlling system using artificial intelligence and controlling method thereof KR102040389B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180002558A KR102040389B1 (en) 2018-01-09 2018-01-09 Industrial controlling system using artificial intelligence and controlling method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180002558A KR102040389B1 (en) 2018-01-09 2018-01-09 Industrial controlling system using artificial intelligence and controlling method thereof

Publications (2)

Publication Number Publication Date
KR20190093725A true KR20190093725A (en) 2019-08-12
KR102040389B1 KR102040389B1 (en) 2019-11-04

Family

ID=67624777

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180002558A KR102040389B1 (en) 2018-01-09 2018-01-09 Industrial controlling system using artificial intelligence and controlling method thereof

Country Status (1)

Country Link
KR (1) KR102040389B1 (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09319420A (en) * 1996-05-31 1997-12-12 Ricoh Co Ltd Assembly robot
JP2005177924A (en) * 2003-12-19 2005-07-07 Hitachi Ltd Machining process monitoring system
KR101645378B1 (en) * 2008-11-21 2016-08-04 케바 아게 Setting method for the semi-automatic production of a process-capable basic setting for an injection molding machine
KR20170090115A (en) 2016-01-28 2017-08-07 주식회사 아임클라우드 Factory smart analysis system and method based on bigdata
KR101812088B1 (en) 2016-08-26 2017-12-26 (주)대성에스이 Remote control based Stereo Vision guided vehicle system for the next generation smart factory

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09319420A (en) * 1996-05-31 1997-12-12 Ricoh Co Ltd Assembly robot
JP2005177924A (en) * 2003-12-19 2005-07-07 Hitachi Ltd Machining process monitoring system
KR101645378B1 (en) * 2008-11-21 2016-08-04 케바 아게 Setting method for the semi-automatic production of a process-capable basic setting for an injection molding machine
KR20170090115A (en) 2016-01-28 2017-08-07 주식회사 아임클라우드 Factory smart analysis system and method based on bigdata
KR101812088B1 (en) 2016-08-26 2017-12-26 (주)대성에스이 Remote control based Stereo Vision guided vehicle system for the next generation smart factory

Also Published As

Publication number Publication date
KR102040389B1 (en) 2019-11-04

Similar Documents

Publication Publication Date Title
KR101898661B1 (en) Docking station apparatus supporting smart moving device for fet training and system thereof
JP6352285B2 (en) Method and apparatus for validating field devices in a control system
US20230259074A1 (en) Inference server and environment controller for inferring via a neural network one or more commands for controlling an appliance
CN106951221A (en) For the self-described diagnostic data presented on the mobile device
KR102137064B1 (en) Fishing reel capable of motion-sensing and operating method thereof
CN101540161A (en) Apparatus, method, and medium for controlling image orientation
US11236843B2 (en) Monitoring an operating state of a valve
US20160147211A1 (en) Methods, systems, and devices for configuring facility system devices
KR102040389B1 (en) Industrial controlling system using artificial intelligence and controlling method thereof
CA3061446A1 (en) Computing device and method for inferring an airflow of a vav appliance operating in an area of a building
US10298281B2 (en) Establishing communication with wireless devices using orientation data
US11803215B2 (en) Removable display and control module for a measuring device
CN104951055A (en) Method and device for setting operation mode of equipment
EP3805996A1 (en) Training server and method for generating a predictive model of a neural network through distributed reinforcement learning
EP3786732A1 (en) Environment controller and method for generating a predictive model of a neural network through distributed reinforcement learning
WO2005041104A1 (en) System for monitoring displacement of inclined plane
KR102277305B1 (en) 3-dimension distributed monitoring system or 3-dimension distributed monitoring method
KR20230026273A (en) Method and system for commissioning environmental sensors
US20220044127A1 (en) Method and environment controller for validating a predictive model of a neural network through interactions with the environment controller
US20230030683A1 (en) Measuring device for process automation in the industrial environment
US11796354B2 (en) Measuring device with position sensor
US11563316B2 (en) System including management apparatus and electronic device connected to cord reel
JP2019016147A (en) Field management system, method for field management, and management machine
US20180101189A1 (en) Integrated wireless display and remote configuration transmitter
US20230221915A1 (en) Display system, display device, and display method

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