KR20190106368A - Distributed data acquisition and distributed control command system for factory automation, and Distributed data collection and distributed control method for the same - Google Patents

Distributed data acquisition and distributed control command system for factory automation, and Distributed data collection and distributed control method for the same Download PDF

Info

Publication number
KR20190106368A
KR20190106368A KR1020180027776A KR20180027776A KR20190106368A KR 20190106368 A KR20190106368 A KR 20190106368A KR 1020180027776 A KR1020180027776 A KR 1020180027776A KR 20180027776 A KR20180027776 A KR 20180027776A KR 20190106368 A KR20190106368 A KR 20190106368A
Authority
KR
South Korea
Prior art keywords
data
distributed
program
dcs
cloud server
Prior art date
Application number
KR1020180027776A
Other languages
Korean (ko)
Other versions
KR102097448B1 (en
Inventor
진이진
이성미
Original Assignee
타이아(주)
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 타이아(주) filed Critical 타이아(주)
Priority to KR1020180027776A priority Critical patent/KR102097448B1/en
Publication of KR20190106368A publication Critical patent/KR20190106368A/en
Application granted granted Critical
Publication of KR102097448B1 publication Critical patent/KR102097448B1/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]
    • 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], 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
    • 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
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/414—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller
    • G05B19/4148—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller characterised by using several processors for different functions, distributed (real-time) systems
    • 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]
    • 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], 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], computer integrated manufacturing [CIM]
    • G05B19/41875—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] characterised by quality surveillance of production
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

The present invention relates to a distributed data collection and distributed control command system for factory automation, which is capable of increasing utilization of human resources; and a distributed data collection and distributed control method therefor. The distributed data collection and distributed control method of the present invention comprises: a first step of collecting AI/AO data and DI/DO data; a second step of analyzing sensor data, PLC/sequence circuit data, the AI/AO data and the DI/DO data; and a third step of analyzing data integrated by a cloud server (500) through a deep learning algorithm.

Description

공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템, 그리고 이를 위한 분산 데이터 수집 및 분산 제어 방법 {Distributed data acquisition and distributed control command system for factory automation, and Distributed data collection and distributed control method for the same}Distributed data acquisition and distributed control command system for factory automation, and Distributed data collection and distributed control method for the same}

본 발명은 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템, 그리고 이를 위한 분산 데이터 수집 및 분산 제어 방법에 관한 것으로, 보다 구체적으로는, 공장 내의 설비, 유틸리티 등의 정보를 분산된 파일 시스템을 통해 수집, 분석하고 DI/DO, AI/AO 모듈, PLC 장치 등에 최적화된 명령을 내려 각 개소 별 분산 제어 가능하도록 하기 위한 하드웨어 및 소프트웨어 통합 솔루션을 제공하는, 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템, 그리고 이를 위한 분산 데이터 수집 및 분산 제어 방법에 관한 것이다. The present invention relates to a distributed data collection and distributed control command system for factory automation, and a distributed data collection and distributed control method for the same. More specifically, the information on facilities, utilities, etc. in a factory is distributed through a distributed file system. Distributed data acquisition and distributed control commands for factory automation, providing hardware and software integrated solutions for collecting, analyzing, and giving optimized control to DI / DO, AI / AO modules, PLC devices, etc. to enable distributed control of each location. System, and distributed data collection and distribution control method for the same.

현재 생산관리 시스템은 PLC 데이터를 PC 데이터로 변환하여 수집하고 결과를 웹으로 확인하며 문제 상황에 대한 대응은 관리자가 현장에 있는 설비에 직접 방문해서 제어하는 방식으로 이루어진다. The current production management system converts PLC data into PC data, collects it, checks the results on the web, and responds to problem situations by the manager visiting the facility on site and controlling it.

그러나 이러한 방식은 문제 상황 발생으로부터 조치까지 걸리는 시간이 원격 제어 방식에 비해 오래 걸리기 때문에 생산율 저하와 같은 문제가 발생한다. However, this approach causes problems such as reduced production rate because the time from the occurrence of a problem situation to the action is longer than that of the remote control method.

이에 따라, 해당 기술분야에 있어서는 이러한 문제를 해결하기 위해 설비데이터, 생산데이터의 수집뿐만 아니라 수집 데이터를 머신러닝, 딥러닝 알고리즘을 통해 분석하고, 분석된 결과에 대한 조치 사항을 설비에 직접 제어 명령을 내릴 수 있도록 하기 위한 기술개발이 요구되고 있다. Accordingly, in the technical field, in order to solve such a problem, not only the collection of facility data and production data, but also the collected data are analyzed through machine learning and deep learning algorithms, and the actions of the analyzed results are directly controlled to the facility. There is a need for technology development to make it possible.

대한민국 특허출원 출원번호 제10-2010-0071973호 "자동화 제조 시스템을 위한 PLC 제어 로직 실행 방법(execution method of PLC control logic for automated manufacturing system)"Korean Patent Application No. 10-2010-0071973 "execution method of PLC control logic for automated manufacturing system"

본 발명은 상기의 문제점을 해결하기 위한 것으로, 각 소단위 시스템에 서버에서 전달된 데이터 분석 결과의 대응을 각각의 개소를 통해 수행되며, 각 소단위 시스템 별로, 각 설비에 명령을 내려, 제어 가능하도록 하기 위한 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템, 그리고 이를 위한 분산 데이터 수집 및 분산 제어 방법을 제공하기 위한 것이다.The present invention is to solve the above problems, the response of the data analysis results transmitted from the server to each sub-unit system is performed through each location, and to control each sub-unit system, command to each facility, to be able to control To provide a distributed data collection and distributed control command system for factory automation, and distributed data collection and distributed control method therefor.

또한, 본 발명은 소단위 시스템별로 제어기능을 분산시킴으로써 신뢰성을 향상하고 이상발생시 파급효과를 최소화하는 효과를 제공하며, 소단위 시스템을 적용하면 중앙의 관리자가 현장에 직접 가지 않고 중앙에서 분산되어 있는 설비를 제어할 수 있고, 실시간으로 수집 데이터를 모니터링 할 수 있도록 하기 위한 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템, 그리고 이를 위한 분산 데이터 수집 및 분산 제어 방법을 제공하기 위한 것이다.In addition, the present invention improves reliability by distributing control functions for each sub-unit system and provides an effect of minimizing the ripple effect when an abnormality occurs. When the sub-unit system is applied, the central manager does not go directly to the site and distributes the facilities distributed centrally. It is to provide a distributed data collection and distributed control command system for factory automation, and a distributed data collection and distributed control method for the factory automation to control and monitor the collected data in real time.

또한, 본 발명은 1차적인 분석 처리는 각 개소 소단위 시스템에서 가능하며, 분산저장 및 분산처리로 서버에 부하를 줄일 수 있고, 처리 속도를 향상시킬 수 있을 뿐만 아니라, 관리자의 조치사항을 분산 또는 통합 제어 가능하도록 하기 위한 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템, 그리고 이를 위한 분산 데이터 수집 및 분산 제어 방법을 제공하기 위한 것이다.In addition, in the present invention, the primary analysis processing is possible in each sub-unit system, and the distributed storage and distributed processing can reduce the load on the server, improve the processing speed, and distribute or reduce the administrator's measures. It is to provide a distributed data collection and distributed control command system for factory automation to enable integrated control, and a distributed data collection and distributed control method therefor.

그러나 본 발명의 목적들은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.However, the objects of the present invention are not limited to the above-mentioned objects, and other objects not mentioned will be clearly understood by those skilled in the art from the following description.

상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 방법은, Active DCS(100)가 수집 프로그램(100d)을 통해 센서 데이터를 수집하고, PLC 장치(200) 및 시퀀스 회로(600)에 대해서 PLC/시퀀스 회로 데이터를 수집하고, DI/DO, AI/AO 모듈(120)에 대해서 AI/AO 데이터 및 DI/DO 데이터를 수집하는 제 1 단계; Active DCS(100)가 수집된 센서 데이터, PLC/시퀀스 회로 데이터, AI/AO 데이터 및 DI/DO 데이터에 대해서 Active DCS(100)의 제어 미들웨어 프로그램(100b)에 의해 1차로 Active DCS(100)에 내장된 분산 파일 시스템으로 저장하고, 머신러닝 알고리즘 프로그램을 통해 분석하는 제 2 단계; 및 Active DCS(100)가 2차로 Active DCS(100)와 네트워크(300)(유선, WIFI, 3G, LTE)를 통해 연결된 현장 내의 중앙 관제 서버(400) 또는 현장 외의 클라우드 서버(500)로 네트워크(300)를 통해 데이터를 전송하고, 클라우드 서버(500)에 의해 통합된 데이터가 딥러닝 알고리즘을 통해 분석되도록 하는 제 3 단계; 를 포함하는 것을 특징으로 한다.In order to achieve the above object, in the distributed data collection and distribution control method for factory automation according to an embodiment of the present invention, the active DCS 100 collects sensor data through a collection program 100d, and the PLC device 200 And a first step of collecting PLC / sequence circuit data for the sequence circuit 600 and collecting AI / AO data and DI / DO data for the DI / DO, AI / AO module 120; Active DCS 100 collects sensor data, PLC / sequence circuit data, AI / AO data, and DI / DO data by the control middleware program 100b of Active DCS 100. Storing in an embedded distributed file system and analyzing through a machine learning algorithm program; And the active DCS 100 to the central control server 400 or the cloud server 500 outside the site connected to the active DCS 100 and the network 300 (wired, WIFI, 3G, LTE) secondly ( A third step of transmitting data through the 300 and allowing the data integrated by the cloud server 500 to be analyzed through a deep learning algorithm; Characterized in that it comprises a.

이때, 본 발명의 다른 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 방법에 있어서, 상기 제 3 단계는, 각 개소별 Active DCS(100)가 DataNode가 되고, 클라우드 서버(500)가 NameNode가 되어 데이터가 통합되며, 데이터 통합은 실시간으로 이루어지며, 네트워크(300) 이상, 디바이스 이상을 포함한 예측할 수 없는 장애가 발생하더라도 장애가 복구되는 즉시 1차 저장된 데이터를 토대로 데이터 동기화를 실행하여 데이터의 누락이 없도록 하는 것을 특징으로 한다.In this case, in the distributed data collection and distribution control method for factory automation according to another embodiment of the present invention, the third step, Active DCS (100) for each location is a DataNode, cloud server 500 is NameNode The data is integrated, and the data is integrated in real time, and even if an unforeseen failure including the network 300 or more occurs, a data synchronization is performed based on the primary stored data immediately after the failure is recovered. It is characterized in that there is no.

또한, 본 발명의 또 다른 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 방법은, 상기 제 3 단계 이후, 각 개소별 Active DCS(100)가 데이터 조회를 수행시, Active DCS(100)에서 수집되는 모든 데이터는 1차로 DCS DB(100-1)에 저장되므로, 저장된 데이터를 기반으로 한 중앙제어부(110) 상에 설치되어 있는 WEB Service 프로그램인 WEB 프로그램(100a)을 사용하여 네트워크(300)를 통해 중앙관제 서버(400) 또는 클라우드 서버(500)에 수집된 데이터 및 분석된 데이터를 조회하고, 조회된 데이터에 따라 알람, 장애 발생 위험이 있는 경우 미리 확인하고 조치하는 제 4 단계; 를 더 포함하는 것을 특징으로 한다.In addition, in the distributed data collection and distribution control method for factory automation according to another embodiment of the present invention, after the third step, when the active DCS 100 for each location performs data inquiry, Active DCS (100) Since all the data collected in the first is stored in the DCS DB (100-1), the network 300 by using the WEB program (100a) which is a WEB service program installed on the central control unit 110 based on the stored data A fourth step of querying the collected data and the analyzed data to the central control server 400 or the cloud server 500 through (), and checking and acting in advance when there is an alarm or a risk of failure according to the inquired data; It characterized in that it further comprises.

본 발명의 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템, 그리고 이를 위한 분산 데이터 수집 및 분산 제어 방법은, 일관된 공정관리가 가능하므로 신뢰도 향상 및 다양한 응용으로 유연성 있는 제어가 가능하고, 최소의 인원으로 정보처리 및 제어기능을 수행할 수 있어 인력 활용도를 높일 수 있는 효과를 제공한다. Distributed data collection and distributed control command system for factory automation, and distributed data collection and distributed control method for the same according to an embodiment of the present invention, since it is possible to achieve consistent process management, it is possible to improve the reliability and flexible control with various applications. In addition, since it can perform information processing and control functions with a minimum number of people, it provides the effect of increasing the utilization of manpower.

또한, 본 발명의 다른 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템, 그리고 이를 위한 분산 데이터 수집 및 분산 제어 방법은, 복잡한 연산 및 데이터 수집, 레포트 기능을 내장해 개별 시스템을 추가하더라도 손쉬운 접속이 가능하고, 용도에 적합하게 선택할 수 있는 다양한 데이터 전송 버스와 입출력 모듈을 확보할 수 있는 효과를 제공한다.In addition, the distributed data collection and distributed control command system for factory automation according to another embodiment of the present invention, and the distributed data collection and distributed control method therefor, add a separate system by embedding a complex operation, data collection, report function Even if it is easy to connect, it provides the effect of securing various data transfer buses and input / output modules that can be selected according to the purpose.

또한, 본 발명의 다른 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템, 그리고 이를 위한 분산 데이터 수집 및 분산 제어 방법은, 소단위 시스템별로 제어기능을 분산시킴으로써 신뢰성을 향상하고 이상 발생시 파급효과 최소화 가능하고, 분산 설치된 시스템을 중앙제어 시스템에 집중화시킴으로써 다양한 자료 처리와 원활한 운영관리 가능한 효과를 제공한다.In addition, the distributed data collection and distributed control command system, and distributed data collection and distributed control method for factory automation according to another embodiment of the present invention, by improving the reliability by distributing the control function for each sub-unit system and spreads when an error occurs It can minimize the effect and centralize the distributed installation system to the central control system to provide various data processing and smooth operation management effect.

또한, 본 발명의 다른 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템, 그리고 이를 위한 분산 데이터 수집 및 분산 제어 방법은, 수집되는 데이터를 활용한 데이터 분석 솔루션을 사용함으로써 생산량, 안전 관리, 예방 보전 등의 관리를 효율적으로 할 수 있는 효과를 제공한다.In addition, distributed data collection and distributed control command system for factory automation, and distributed data collection and distributed control method for the same according to another embodiment of the present invention, by using a data analysis solution using the collected data, yield, safety It provides the effect of efficient management such as management and preventive maintenance.

뿐만 아니라, 본 발명의 다른 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템, 그리고 이를 위한 분산 데이터 수집 및 분산 제어 방법은, 특정 상황이나 문제 발생시 관리자가 직접 설비, 센서 위치로 이동하여 관리하는 개념이 아닌 장소의 구애를 받지 않고 원격지에서 제어 가능하기 때문에 문제 상황을 신속하게 처리 가능하고, 각 개소에 설치된 Active DCS를 통해 설비 수명주기 관리가 가능하기 때문에 공장의 상태기반 보전이 가능한 효과를 제공한다.In addition, the distributed data collection and distributed control command system for factory automation according to another embodiment of the present invention, and the distributed data collection and distributed control method therefor, the administrator directly moves to the facility, sensor location when a specific situation or problem occurs Because it can be controlled remotely regardless of the place, not the concept of managing it, it is possible to deal with the problem quickly and the life cycle management of the plant is possible through the active DCS installed at each location. Provide effect.

도 1은 본 발명의 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템을 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템 중 Active Distributed Command System Terminal(100)에 대한 하드웨어 구성을 나타내는 도면이다.
도 3은 본 발명의 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템 중 Active Distributed Command System Terminal(100)의 외관을 나타내는 도면이다.
도 4는 본 발명의 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템에서 Active Distributed Command System Terminal(100)의 중앙제어부(110)를 구성하는 소프트웨어 구성을 나타내는 블록도이다.
도 5는 본 발명의 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 방법을 나타내는 흐름도이다. 1 is a diagram illustrating a distributed data collection and distributed control command system for factory automation according to an embodiment of the present invention.
2 is a diagram illustrating a hardware configuration of an Active Distributed Command System Terminal 100 among distributed data collection and distributed control command systems for factory automation according to an exemplary embodiment of the present invention.
3 is a view showing the appearance of an Active Distributed Command System Terminal 100 among distributed data collection and distributed control command systems for factory automation according to an embodiment of the present invention.
4 is a block diagram illustrating a software configuration of the central control unit 110 of the Active Distributed Command System Terminal 100 in the distributed data collection and distributed control command system for factory automation according to an embodiment of the present invention.
5 is a flowchart illustrating a distributed data collection and distribution control method for factory automation according to an embodiment of the present invention.

이하, 본 발명의 바람직한 실시예의 상세한 설명은 첨부된 도면들을 참조하여 설명할 것이다. 하기에서 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.Hereinafter, the detailed description of the preferred embodiment of the present invention will be described with reference to the accompanying drawings. In the following description of the present invention, detailed descriptions of well-known functions or configurations will be omitted when it is deemed that they may unnecessarily obscure the subject matter of the present invention.

본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터 또는 신호를 '전송'하는 경우에는 구성요소는 다른 구성요소로 직접 상기 데이터 또는 신호를 전송할 수 있고, 적어도 하나의 또 다른 구성요소를 통하여 데이터 또는 신호를 다른 구성요소로 전송할 수 있음을 의미한다.In the present specification, when one component 'transmits' data or a signal to another component, the component may directly transmit the data or signal to another component, and through at least one other component. This means that data or signals can be transmitted to other components.

도 1은 본 발명의 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템을 나타내는 도면이다. 도 1을 참조하면, 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템(1)은 Active Distributed Command System Terminal(이하, 'Active DCS')(100), 공정 제어를 위한 Programmable Logic Controller(이하, 'PLC 장치')(200), 네트워크(300), 중앙관제 서버(400), 그리고 클라우드 서버(500)를 포함할 수 있다.1 is a diagram illustrating a distributed data collection and distributed control command system for factory automation according to an embodiment of the present invention. Referring to FIG. 1, a distributed data collection and distributed control command system 1 for factory automation includes an Active Distributed Command System Terminal (hereinafter, 'Active DCS') 100, a programmable logic controller for process control (hereinafter, ' PLC device ') 200, the network 300, the central control server 400, and a cloud server 500.

중앙관제 서버(400)는 공장 내 서버에 해당하는 공장 서버 관리자가 운영하며,클라우드 서버(500)는 공장 외에 클라우드 웹하드 파일 및 폴더 아키텍처에 의한 WEB 홈페이지를 제공할 수 있다.The central control server 400 is operated by a factory server manager corresponding to a server in the factory, and the cloud server 500 may provide a web homepage by a cloud web hard file and folder architecture in addition to the factory.

각 Active DCS(100)는 PLC 장치(200), 센서 모듈(130), 터치패널(170), 시퀀스 회로(600)와 함께 소단위 시스템을 구성하여, 각 PLC 장치(200), 센서 모듈(130), 터치패널(170), 시퀀스 회로(600)에 대해서 신호 및 데이터를 송수신할 수 있다.Each Active DCS 100 forms a sub-unit system together with the PLC device 200, the sensor module 130, the touch panel 170, and the sequence circuit 600, and each PLC device 200 and the sensor module 130. Signals and data may be transmitted and received to the touch panel 170 and the sequence circuit 600.

즉, Active DCS(100)는 다양한 센서들에 해당하는 센서 모듈(130)로부터 센서 컨트롤러를 통해 공장설비의 온도, 습도, 대기질, 진동, 소음, 에너지 사용량 등의 데이터를 수집할 수 있다. 이에 따라, Active DCS(100)는 수집된 센서 데이터들에 대해서 저장과 분석을 통해 사용자에게 유용한 정보를 디스플레이함과 동시에 자동제어를 위한 피드백을 제공할 수 있다. Active DCS(100)는 센서로부터 수집된 센서 데이터, PLC 및 시퀀스 회로 작동 상태 정보를 포함하는 PLC/시퀀스 회로 데이터, PLC 장치(200) 또는 시퀀스 회로(600), 그 밖의 설비들과 연결된 포트의 아날로그 및 디지털 입력, 아날로그 및 디지털 출력 상태 정보를 포함하는 AI/AO 데이터 및 DI/DO 데이터 등을 통해서 관리자가 즉시 확인하고 조치하여야 할 사항들에 대해서는 문자, PUSH 알람 등 다양한 방법을 통해 자체적인 출력 또는 담당자의 유무선 단말로 자동으로 경고 메시지를 송신할 수 있다.That is, the active DCS 100 may collect data such as temperature, humidity, air quality, vibration, noise, energy usage, etc. of the plant through the sensor controller from the sensor module 130 corresponding to various sensors. Accordingly, the active DCS 100 may display useful information to the user through storage and analysis of collected sensor data and provide feedback for automatic control. Active DCS 100 is an analogue of a port connected to the sensor data collected from the sensor, PLC / sequence circuit data including PLC and sequence circuit operating status information, PLC device 200 or sequence circuit 600, and other facilities. In addition, AI / AO data and DI / DO data including digital input, analog and digital output status information, etc., require administrators to immediately check and take action through various methods such as text and push alarms. Alert messages can be automatically sent to the wired or wireless terminal of the person in charge.

여기서 PLC 장치(200)는 공장 설비 자동화 시스템을 구축하기 위해 다수의 공장 설비를 제어하고 구동하며, 내부에 불리안(Boolean) 로직 형태의 래더 다이어그램(Ladder Diagram) 정보를 제어 프로그램으로서 저장하고 있을 수 있다. Here, the PLC device 200 controls and drives a plurality of factory facilities to build a factory facility automation system, and may store ladder diagram information in the form of Boolean logic as a control program therein. have.

이러한 PLC 장치(200)는 공장 설비 자동화 시스템에서 공장 설비들을 PLC 출력신호에 따라 구동하며, 구동 중 또는 구동 후의 공정 상황을 다수의 센서에 해당하는 센서 모듈(130)을 통해 파악하고, PLC 입력신호를 Active DCS(100)에 제공할 수 있다.The PLC device 200 drives the factory facilities in accordance with the PLC output signal in the factory facility automation system, and grasps the process status during or after driving through the sensor module 130 corresponding to a plurality of sensors, and the PLC input signal. May be provided to the Active DCS (100).

한편, 시퀀스 회로(600)는 PLC 장치(200) 내부에 일 구성요소로 구비되거나 별도로 형성됨으로써, 롬에 저장된 시스템 오퍼레이션 프로그램에 따라 공장 설비 자동화 시스템에 있어서 시퀀스 출력을 통해 각 공장 설비들 간의 시퀀스 제어를 수행할 수 있다. On the other hand, the sequence circuit 600 is provided as a component within the PLC device 200 or separately formed, and according to the system operation program stored in the ROM, the sequence control between the respective plant facilities through the sequence output in the factory facility automation system Can be performed.

도 2는 본 발명의 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템 중 Active Distributed Command System Terminal(이하, 'Active DCS')(100)에 대한 하드웨어 구성을 나타내는 도면이다. 도 3은 본 발명의 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템 중 Active DCS(100)의 외관을 나타내는 도면이다. 2 is a diagram illustrating a hardware configuration of an Active Distributed Command System Terminal (hereinafter, 'Active DCS') 100 among distributed data collection and distributed control command systems for factory automation according to an embodiment of the present invention. 3 is a view showing the appearance of the Active DCS 100 in the distributed data collection and distributed control command system for factory automation according to an embodiment of the present invention.

도 2 및 도 3을 참조하면, 각 DCS(100)는 중앙처리 및 제어를 담당하는 중앙제어부(110), 입출력을 담당하는 DI(Digital Input)/DO(Digital Output), AI(Analog Input)/AO(Analog Output) 모듈(120), DI/DO, AI/AO 모듈(120)과 중앙제어부(110)를 연결하고 센서(130)로부터 센서값 수집 외에 분산처리, 제어명령을 담당하는 마이크로 컨트롤러(140), PLC 장치(200)와 신호 및 데이터 송수신을 수행하는 외부 통신 모듈(150) 등으로 구성되어 있으며, 그 밖에 LCD 디스플레이 패널과 터치 패널과 같은 입출력장치(170)와의 인터페이스를 위한 HMI(160)를 구비할 수 있다.2 and 3, each DCS 100 is a central control unit 110 for central processing and control, DI (Digital Input) / DO (Digital Output) / AI (Analog Input) / A micro controller that connects the AO (Analog Output) module 120, the DI / DO, AI / AO module 120 and the central control unit 110, and is responsible for distributed processing and control commands in addition to collecting sensor values from the sensor 130 ( 140, an external communication module 150 for transmitting and receiving signals and data with the PLC device 200, and an HMI 160 for interfacing with an input / output device 170 such as an LCD display panel and a touch panel. ) May be provided.

그 외 부가적인 구성으로는 수집에 필요한 각종 센서 모듈과 중앙관제 서버(400)와 네트워크(300)를 통해 연결하기 위한 WIFI, 3G, LTE 모듈(180) 및 무선센서 수집을 위한 Beacon, Zigbee 모듈(190) 등이 있다. Other additional components include various sensor modules required for collection, WIFI, 3G, LTE module 180, and Beacon and Zigbee modules for wireless sensor collection (connected via the central control server 400 and the network 300). 190).

도 4는 본 발명의 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템에서 Active DCS(100)의 중앙제어부(110)를 구성하는 소프트웨어 구성을 나타내는 블록도이다. 도 4를 참조하면, 중앙제어부(110)를 구성하는 소프트웨어는 WEB 프로그램(100a), 제어 미들웨어 프로그램(100b), 드라이버 및 관리 프로그램(100c), 수집 프로그램(100d), 통신 및 데이터 보안 프로그램(100e), 분산 파일 프로그램(100f), 분석/제어 프로그램(100g), 대량 데이터 배치처리 프로그램(100h), NoSQL 데이터베이스 관리 프로그램(100i), 딥러닝 알고리즘 프로그램(100j) 및 변환 프로그램(100k)을 포함할 수 있다.4 is a block diagram illustrating a software configuration of the central control unit 110 of the active DCS 100 in the distributed data collection and distributed control command system for factory automation according to an embodiment of the present invention. Referring to FIG. 4, the software constituting the central control unit 110 includes a WEB program 100a, a control middleware program 100b, a driver and management program 100c, a collection program 100d, a communication and data security program 100e. ), Distributed file program 100f, analysis / control program 100g, mass data batch processing program 100h, NoSQL database management program 100i, deep learning algorithm program 100j and conversion program 100k. Can be.

WEB 프로그램(100a)은 네트워크(300)를 통해 WAS(Web Application Server, 웹 애플리케이션 서버)로 데이터베이스를 구비한 중앙관제 서버(400) 및 클라우드 서버(500)에 대한 액세스(access)를 통해 WEB 환경을 구동케 하여 애플리케이션 실행 환경과 데이터베이스 접속 기능을 제공하고, 트랜잭션을 관리하며, 업무를 처리하는 비즈니스 로직을 수행하고, 다른 기종 시스템 간의 애플리케이션 연동 등을 수행하기 위해 웹 기반의 사용자 명령을 입력받아 수행하도록 WIFI, 3G, LTE 모듈(180) 및 Beacon, Zigbee 모듈(190)을 제어할 수 있다. The WEB program 100a accesses the WEB environment through access to the central control server 400 and the cloud server 500 having a database as a web application server (WAS) via the network 300. To provide application execution environment and database connection function, manage transaction, perform business logic to process work, and receive and execute web based user command to execute application interworking between different systems. WIFI, 3G, LTE module 180 and Beacon, Zigbee module 190 can be controlled.

제어 미들웨어 프로그램(100b)은 센서(120)를 통해 수집된 센서 데이터를 저장 및 관리하며, 수집된 센서 데이터 기반으로, 시간과 공간의 제약 없이 WEB 플랫폼상에서 DI/DO(Digital Input/Digital Output) 및 AI(Analog Input), AO(Analog Output) 기반 명령을 내려 PLC 장치(200)에 대한 PLC 제어, 그리고 시퀀스 회로(600)에 대한 시퀀스 제어를 제공하기 위해 사용자 명령과 디지털/아날로그 입출력을 연결을 제어한다. The control middleware program 100b stores and manages sensor data collected through the sensor 120, and based on the collected sensor data, DI / DO (Digital Input / Digital Output) and DI on the WEB platform without limitation of time and space. Controls the connection between user command and digital / analog input / output to provide AI (Analog Input), AO (Analog Output) based commands to provide PLC control for PLC device 200 and sequence control for sequence circuit 600. do.

제어 미들웨어 프로그램(100b)은 PLC 장치(200) 및 시퀀스 회로(600)에 대한 관리자 명령을 전송하기 위해 중앙관제 서버(400) 및 클라우드 서버(500)로부터 반응형 WEB 페이지(Responsive Web page)를 제공받아서 구동되는 것이 바람직하다. The control middleware program 100b provides a responsive web page from the central control server 400 and the cloud server 500 to transmit manager commands to the PLC device 200 and the sequence circuit 600. It is preferable to receive and drive.

드라이버 및 관리 프로그램(100c)은 PLC 장치(200)와 통신을 위한 외부 통신 모듈(communication module)(150) 및 DI/DO, AI/AO 모듈(120)의 드라이버 및 관리를 수행한다. 보다 구체적으로, 드라이버 및 관리 프로그램(100c)은 DI/DO, AI/AO 모듈(120) 외에 자체 내장된 통신 드라이버를 갖는 외부 통신 모듈(communication module)(150)을 통해 PLC 장치(200) 및/또는 시퀀스 회로(600)와 통신하여 PLC 장치(200) 및/또는 시퀀스 회로(600)에 직접 값을 입력하거나 출력하는 기능을 수행할 수 있다. The driver and management program 100c performs a driver and management of an external communication module 150 for communicating with the PLC device 200 and the DI / DO and AI / AO modules 120. More specifically, the driver and the management program (100c) is a PLC device 200 and / / through an external communication module (communication module) 150 having its own built-in communication driver in addition to the DI / DO, AI / AO module 120 Alternatively, the controller may communicate with the sequence circuit 600 to directly input or output a value to the PLC device 200 and / or the sequence circuit 600.

수집 프로그램(100d)은 다양한 센서들에 해당하는 센서 모듈(130)로부터 센서 모듈(130)에 부착된 센서 컨트롤러를 통해 공장설비의 온도, 습도, 대기질, 진동, 소음, 에너지 사용량 등의 데이터를 수집하도록 마이크로 컨트롤러(140)를 제어한 뒤, 분산 파일 프로그램(100f)로 제공할 수 있다. The collection program 100d collects data such as temperature, humidity, air quality, vibration, noise, and energy usage of the plant through a sensor controller attached to the sensor module 130 from the sensor module 130 corresponding to various sensors. The microcontroller 140 may be controlled to collect and then provided to the distributed file program 100f.

또한, 수집 프로그램(100d)은 수집된 센서 데이터들에 대해서 저장과 분석을 통해 사용자에게 유용한 정보를 디스플레이함과 동시에 자동제어를 위한 피드백을 제공할 수 있다. 수집 프로그램(100d)은 센서 모듈(130)을 구성하는 센서로부터 수집된 센서 데이터, PLC 및 시퀀스 회로 작동 상태 정보를 포함하는 PLC/시퀀스 회로 데이터, PLC 장치(200) 또는 시퀀스 회로(600)와 연결된 포트의 아날로그 및 디지털 입력, 아날로그 및 디지털 출력 상태 정보를 포함하는 AI/AO 데이터 및 DI/DO 데이터 등을 통해서 관리자가 즉시 확인하고 조치하여야 할 사항들에 대해서는 문자, PUSH 알람 등 다양한 방법을 통해 자체적인 출력 또는 담당자의 스마트 디바이스로 자동으로 경고 메시지를 송신할 수 있다.In addition, the collection program 100d may display useful information to the user through storage and analysis of collected sensor data and provide feedback for automatic control. The acquisition program 100d is connected to the sensor data collected from the sensors constituting the sensor module 130, the PLC / sequence circuit data including the PLC and sequence circuit operating state information, the PLC device 200, or the sequence circuit 600. Through the various methods such as text and PUSH alarm, the administrator should immediately check and take action through AI / AO data and DI / DO data including analog and digital input of the port, analog and digital output status information. Alert messages can be automatically sent to the printout or to the person's smart device.

통신 및 데이터 보안 프로그램(100e)은 센서 모듈(130), PLC 장치(200), 시퀀스 회로(600), 그리고 네트워크(300)를 통한 중앙관제 서버(400) 및 클라우드 서버(500) 간의 신호 및 데이터 송수신의 경우 암호화를 통해 통신 및 데이터 보안을 수행할 수 있다. The communication and data security program 100e includes signals and data between the sensor module 130, the PLC device 200, the sequence circuit 600, and the central control server 400 and the cloud server 500 via the network 300. For transmission and reception, communication and data security can be performed through encryption.

분산 파일 프로그램(100f)은 각 개소에서 분산 파일 시스템 형식으로 수집 프로그램(100d)에 의해 수집된 센서 데이터, PLC 및 시퀀스 회로 작동 상태 정보를 포함하는 PLC/시퀀스 회로 데이터, PLC 장치(200) 또는 시퀀스 회로(600)와 연결된 포트의 아날로그 및 디지털 입력, 아날로그 및 디지털 출력 상태 정보를 포함하는 AI/AO 데이터 및 DI/DO 데이터 등을 DCS DB(100-1)에 분산 저장할 수 있다.The distributed file program 100f is a PLC / sequence circuit data, PLC device 200 or a sequence including sensor data, PLC and sequence circuit operating state information collected by the acquisition program 100d in a distributed file system format at each location. The AI / AO data and the DI / DO data including analog and digital input, analog and digital output state information of the port connected to the circuit 600 may be distributed and stored in the DCS DB 100-1.

분석/제어 프로그램(100g)은 분산 파일 프로그램(100f)에 의해 DCS DB(100-1)에 분산 저장된 수집 데이터를 머신러닝 알고리즘을 통해 분석하고 상태 관리 명령을 내릴 수 있다. 보다 구체적으로, 분석/제어 프로그램(100g)에서 사용되는 머신러닝 알고리즘은 결정 트리(DT, Decision Tree) 분류 알고리즘, 랜덤 포레스트 분류 알고리즘, SVM(Support Vector Machine) 분류 알고리즘 중 하나일 수 있다. The analysis / control program 100g may analyze the collected data distributed in the DCS DB 100-1 by the distributed file program 100f through a machine learning algorithm and issue a state management command. More specifically, the machine learning algorithm used in the analysis / control program 100g may be one of a decision tree (DT) classification algorithm, a random forest classification algorithm, and a support vector machine (SVM) classification algorithm.

분석/제어 프로그램(100g)은 분산 파일 프로그램(100f)에 의해 DCS DB(100-1)에 분산 저장된 수집 데이터를 분석하여 그 분석한 결과로 다수의 특징 정보를 추출하고 추출된 특징 정보를 복수의 머신러닝 알고리즘 중 적어도 하나 이상을 이용하여 학습하여 학습한 결과로 이상 상태 여부를 판단할 수 있다.The analysis / control program 100g analyzes the collected data distributed and stored in the DCS DB 100-1 by the distributed file program 100f, extracts a plurality of feature information as a result of the analysis, and extracts a plurality of extracted feature information. As a result of learning by using at least one of the machine learning algorithms, it may be determined whether the abnormal state.

즉, 분석/제어 프로그램(100g)은 상태 여부 판단 결과의 정확도 향상을 위해 다수의 상호 보완적인 머신러닝 알고리즘들로 구성된 앙상블 구조를 적용할 수 있다. That is, the analysis / control program 100g may apply an ensemble structure composed of a plurality of complementary machine learning algorithms to improve the accuracy of the state determination result.

결정 트리 분류 알고리즘은 트리 구조로 학습하여 결과를 도출하는 방식으로 결과 해석 및 이해가 용이하고, 데이터 처리 속도가 빠르며 탐색 트리 기반으로 룰 도출이 가능할 수 있다. DT의 낮은 분류 정확도를 개선하기 위한 방안으로 RF를 적용할 수 있다. 랜덤 포레스트 분류 알고리즘은 다수의 DT를 앙상블로 학습한 결과를 도축하는 방식으로, DT보다 결과 이해가 어려우나 DT보다 결과 정확도가 높을 수 있다. DT 또는 RF 학습을 통해 발생 가능한 과적합의 개선 방안으로 SVM을 적용할 수 있다. SVM 분류 알고리즘은 서로 다른 분류에 속한 데이터를 평면 기반으로 분류하는 방식으로, 일반적으로 높은 정확도를 갖고, 구조적으로 과적합(overfitting)에 낮은 민감도를 가질 수 있다. Decision tree classification algorithm is a method of learning the tree structure to derive the result, it is easy to interpret and understand the result, the data processing speed is fast, and the rule can be derived based on the search tree. RF can be applied to improve the low classification accuracy of DT. The random forest classification algorithm is a method of slaughtering a result of ensemble of a plurality of DTs, and it is more difficult to understand the result than the DT, but the result accuracy may be higher than the DT. SVM can be applied to improve overfitting that can occur through DT or RF learning. The SVM classification algorithm classifies data belonging to different classifications on a plane basis, and generally has high accuracy and may have low sensitivity to overfitting.

결과적으로 분석/제어 프로그램(100g)은 공장 내의 설비, 유틸리티의 운용, 관리, 제어를 반복된 학습으로 최적화하고, 각 개소에 설치된 설비의 운전 상태를 파악하여 사고방지 및 분석 등 효율적인 운용을 도모하며, 근무자 및 관리자가 실시간으로 공장 내의 현황을 파악할 수 있고 원격 분산제어 명령 기능을 제공하기 위한 "상태 관리 명령"을 생성할 수 있다. As a result, the analysis / control program (100g) optimizes the operation, management, and control of the facilities and utilities in the factory with repetitive learning, and understands the operation status of the facilities installed at each location to promote efficient operation such as accident prevention and analysis. In addition, workers and managers can identify the status of the plant in real time and generate "status management commands" to provide remote distributed control commands.

대량 데이터 배치처리 프로그램(100h)은 클라우드 서버(500)에서 대용량 데이터(NoSQL) 분산처리 및 분석 가능하도록 관계형 모델을 사용하지 않는 데이터 저장 구조로 클라우드 서버(500)로 데이터를 전송한다. 즉, 대량 데이터 배치처리 프로그램(100h)은 분산 파일 프로그램(100f)에 의해 DCS DB(100-1)에 분산 저장된 "수집 데이터", 그리고 분석/제어 프로그램(100g)에 의해 생성된 "상태 관리 명령 정보"를 클라우드 서버(500)에서 대용량 데이터(NoSQL) 분산처리 및 분석 가능하도록 네트워크(300)를 통해 클라우드 서버(500)에 제공할 수 있다. The mass data batch processing program 100h transmits data from the cloud server 500 to the cloud server 500 in a data storage structure that does not use a relational model so as to enable distributed processing and analysis of large data (NoSQL). That is, the mass data batch processing program 100h is " collection data " distributed and stored in the DCS DB 100-1 by the distributed file program 100f, and " status management command generated by the analysis / control program 100g. Information ”may be provided to the cloud server 500 through the network 300 such that the cloud server 500 may distribute and analyze a large amount of data (NoSQL).

NoSQL 데이터베이스 관리 프로그램(100i)은 클라우드 서버(500)의 클라우드 DB(500a)에 저장된 데이터에 대한 NoSQL 데이터베이스에 대한 액세스 관리를 수행할 수 있으며, 각 개소별 Active DCS(100)에 의한 클라우드 서버(500)로의 데이터 조회를 수행할 수 있도록 한다. The NoSQL database manager 100i may manage access to a NoSQL database for data stored in the cloud DB 500a of the cloud server 500, and the cloud server 500 by the active DCS 100 for each location. Allows you to search the data with).

딥러닝 알고리즘 프로그램(100j)은 공장에 설치된 각각의 설비 정보를 분산 수집하여 각 개소에 설치된 Active DCS(100) 내의 머신러닝(Machine learning) 알고리즘을 통해 데이터를 분석하고, 상황에 따른 조치 결과를 분석/제어 프로그램(100g)이 설비에 직접 명령하는 것에 추가하여 각 개소에서 머신러닝을 통해 분석된 데이터들은 심화 분석이 필요한 데이터들만 정제하여 대량 데이터 배치처리 프로그램(100h)에 의해 클라우드 서버(500)로 전송해 딥러닝(Deep learning)을 통해 2차 분석을 진행한다. 이에 따라 딥러닝 알고리즘 프로그램(100j)은 딥러닝을 통해 얻어진 분석 결과를 생산 계획에 반영되어 향후 설비 운영 계획을 수립할 수 있다.The deep learning algorithm program 100j collects and collects information on each facility installed in a factory, analyzes data through machine learning algorithms in the Active DCS 100 installed at each location, and analyzes the result of actions according to the situation. In addition to the control program 100g directly instructing the facility, the data analyzed through machine learning at each location is purified to the data required for further analysis, and the mass data batch processing program 100h is transferred to the cloud server 500. The secondary analysis is performed through deep learning. Accordingly, the deep learning algorithm program 100j may reflect the analysis result obtained through deep learning in the production plan to establish a future facility operation plan.

여기서 딥러닝 방식은 분석/제어 프로그램(100g)에 의해 분석된 데이터를 이용한 공정 작업 반복시 하나의 전체 프로세스에 소요되는 시간인 사이클 타임(Cycle time)과, 각 공정시간의 최대 시간인 택트 타임(Tact time)의 감소를 최소화하는 방식으로 각 분석된 데이터의 공정 파라미터에 대한 딥러닝 알고리즘 프로그램(100j)의 변환 및 적용을 통해 수행될 수 있다. Here, the deep learning method is a cycle time, which is the time required for one entire process when the process work is repeated using the data analyzed by the analysis / control program 100g, and the tact time, which is the maximum time of each process time, The method may be performed through the conversion and application of the deep learning algorithm program 100j to the process parameter of each analyzed data in a manner that minimizes the reduction of the tact time.

변환 프로그램(100k)은 클라우드 서버(500)의 클라우드 DB(500a)에 저장된 NoSQL 형식의 데이터에 대해서 클라우드 서버(500)의 요청에 따라 RDBMS(Relational Database Management System) 형식의 데이터로 변환하여 제공할 수 있다.The conversion program 100k may convert the NoSQL format data stored in the cloud DB 500a of the cloud server 500 into data in a relational database management system (RDBMS) format at the request of the cloud server 500. have.

즉, 변환 프로그램(100k)은 NoSQL 형식의 데이터에 대해서 행과 열로 된 2차원의 표로 데이터를 표현하는 데이터베이스로 제공함으로써, 클라우드 서버(500) 상으로 대규모 컴퓨터 시스템을 대상으로 많은 이용자가 대량의 데이터를 다룰 때 데이터베이스를 관리하도록 하고 Active DCS(100), 모바일단말 또는 PC와 같은 유선단말용 데이터베이스에 비해 클라우드 서버(500)에 의해 대량의 데이터를 취급할 수 있고 신뢰성 측면에서도 뛰어난 업무 시스템을 구축할 수 있도록 한다.That is, the conversion program 100k provides a database representing data in a two-dimensional table of rows and columns for data in NoSQL format, so that a large amount of data is generated by a large number of users on a cloud server 500. To manage the database when dealing with the data, the cloud server 500 can handle a large amount of data compared to the database for wired terminal such as Active DCS (100), mobile terminal or PC to build a business system with excellent reliability. To help.

여기서, RDBMS은 구조화 조회 언어(SQL)로 작성된 데이터 조작용 명령에 따라 클라우드 서버(500) 상의 데이터를 조작하며, 수정 등의 명령을 클라우드 서버(500)로 보낼 수 있으므로, Active DCS(100)에서 클라우드 서버(500)의 데이터를 조작할 수 있도록 하는 효과를 제공한다. Here, the RDBMS manipulates data on the cloud server 500 according to a data manipulation command written in a structured query language (SQL), and may send a command such as a modification to the cloud server 500, so that the Active DCS 100 It provides an effect to manipulate the data of the cloud server 500.

한편, 대량 데이터 배치처리 프로그램(100h), NoSQL 데이터베이스 관리 프로그램(100i), 딥러닝 알고리즘 프로그램(100j) 및 변환 프로그램(100k)은 Active DCS(100)의 중앙제어부(110) 뿐만 아니라, 클라우드 서버(500)에도 동일하게 형성됨으로써, NoSQL 타입의 데이터를 수신한 뒤, RDBMS 타입으로의 변환과 딥러닝 알고리즘에 따른 데이터 분석 기능을 제공할 수 있다. On the other hand, the mass data batch processing program 100h, the NoSQL database management program 100i, the deep learning algorithm program 100j and the conversion program 100k are not only the central control unit 110 of the active DCS 100 but also the cloud server ( In the same manner as in 500, it is possible to provide a data analysis function according to a deep learning algorithm after converting to the RDBMS type after receiving the NoSQL type data.

이러한 프로그램의 집합에 따라 각 개소에 클라우드 서버(500)에서 전달된 데이터 분석 결과의 대응을 각각의 Active DCS(100)을 통해 수행되며, Active DCS(100)가 각 설비에 명령을 내려 제어가 가능하다. 제어 명령의 대상은 DI/DO, AI/AO 모듈(120), PLC 장치(200), 시퀀스 회로(600) 등이 된다. 즉, 소단위 시스템별로 제어기능을 분산시킴으로써 신뢰성을 향상하고 이상발생시 파급효과를 최소화하는 효과를 제공하며, Active DCS(100)을 적용하면 중앙의 관리자가 현장에 직접 가지 않고 중앙에서 분산되어 있는 설비를 제어할 수 있고, 실시간으로 수집 데이터를 모니터링 할 수 있다. According to the set of such programs, the response of the data analysis result delivered from the cloud server 500 to each place is performed through each Active DCS 100, and the Active DCS 100 can control each facility by giving a command to each facility. Do. The target of the control command is DI / DO, AI / AO module 120, PLC device 200, sequence circuit 600, or the like. In other words, by distributing control functions for each sub-unit system, it improves reliability and provides the effect of minimizing the ripple effect in the event of an abnormality. When the Active DCS (100) is applied, the central manager does not go directly to the site, You can control and monitor the collected data in real time.

또한, 1차 적인 분석처리는 각 개소별 Active DCS(100)에서 가능하며, 분산저장 및 분산처리로 클라우드 서버(500)에 부하를 줄일 수 있고, 처리 속도를 향상시킬 수 있다. In addition, the primary analysis process is possible in the active DCS (100) for each location, the load on the cloud server 500 can be reduced by distributed storage and distributed processing, and the processing speed can be improved.

또한, 디지털/아날로그 입출력 외에 자체 내장된 외부 통신 모듈(150)에 해당하는 통신 드라이버를 통해 PLC 장치(200)에 값을 입력하거나 출력하는 기능이 있으며, 관리자의 조치사항을 분산 또는 통합 제어가 가능할 수 있다. In addition to digital / analog input and output, there is a function of inputting or outputting a value to the PLC device 200 through a communication driver corresponding to an internal communication module 150 that is internally built therein. Can be.

도 5는 본 발명의 실시예에 따른 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 방법을 나타내는 흐름도이다. 도 5를 참조하면, Active DCS(100)는 수집 프로그램(100d)을 통해 센서 데이터를 수집하고, PLC 장치(200) 및 시퀀스 회로(600)에 대해서 PLC/시퀀스 회로 데이터를 수집하고, DI/DO, AI/AO 모듈(120)에 대해서 AI/AO 데이터 및 DI/DO 데이터를 수집한다(S11). 5 is a flowchart illustrating a distributed data collection and distribution control method for factory automation according to an embodiment of the present invention. Referring to FIG. 5, the active DCS 100 collects sensor data through the acquisition program 100d, collects PLC / sequence circuit data for the PLC device 200 and the sequence circuit 600, and performs DI / DO. In step S11, AI / AO data and DI / DO data are collected for the AI / AO module 120.

먼저, 각종 센서로 이루어진 센서 모듈(130)에서 수집된 센서 데이터는 센서 컨트롤러로 전송되고 센서 컨트롤러에 의해 수집된 센서 데이터는 유/무선 통신(Zigbee, Bluetooth, Wifi, Beacon 등)을 통해 Active DCS(100)에 전송될 수 있다. 여기서 Active DCS(100)에서 수집된 데이터들은 PLC 장치(200)에 전송하여 PLC에(200) 직접 값을 쓰거나, 내장되어 있는 DCS DB(100-1)에 1차 저장되고 머신러닝 알고리즘으로 분석된 후 네트워크(300)를 통해 클라우드 서버(500)에 전송되어 2차 저장되고 분석될 수 있다. First, the sensor data collected by the sensor module 130 composed of various sensors is transmitted to the sensor controller, the sensor data collected by the sensor controller is active DCS (Zigbee, Bluetooth, Wifi, Beacon, etc.) through the active DCS ( 100). Here, the data collected by the active DCS 100 is transmitted to the PLC device 200 to write the value directly to the PLC 200, or stored in the built-in DCS DB 100-1 and analyzed by a machine learning algorithm. Thereafter, the data may be transmitted to the cloud server 500 through the network 300, and then secondarily stored and analyzed.

다음으로, PLC 장치(200)와 Active DCS(100)를 통신으로 연결하고 수집을 원하는 PLC 주소를 수집 프로그램(100d)에서 지정한다. 지정된 주소의 PLC 값들은 주기적으로 Active DCS(100)에서 수집하여 내장되어 있는 DCS DB(100-1)에 1차 저장되고 필요에 따라 클라우드 서버(500) 등에 2차 전송될 수 있다. Next, the PLC device 200 and the Active DCS 100 are connected by communication and the PLC address desired to be collected is designated in the collection program 100d. PLC values of the designated addresses are periodically stored in the DCS DB 100-1 collected and collected by the Active DCS 100 periodically, and may be secondarily transmitted to the cloud server 500 or the like as needed.

마지막으로 DI/DO, AI/AO 모듈(120)과 연결된 포트의 디지털/아날로그 입출력 상태를 Active DCS(100)에 내장되어 있는 수집 프로그램(100d)에서 RS-232/485 또는 TCP/IP 통신을 통하여 데이터를 수집한다.Finally, the digital / analog input / output states of the ports connected to the DI / DO and AI / AO modules 120 are acquired through RS-232 / 485 or TCP / IP communication in the acquisition program 100d built in the Active DCS 100. Collect data.

단계(S11) 이후, Active DCS(100)는 단계(S11)에서 수집되는 센서 데이터, PLC/시퀀스 회로 데이터, AI/AO 데이터 및 DI/DO 데이터를 Active DCS(100)의 제어 미들웨어 프로그램(100b)에 의해 1차로 Active DCS(100)에 내장된 분산 파일 시스템으로 저장하고(S12), 머신러닝 알고리즘 프로그램을 통해 분석을 수행한다(S13). After step S11, the active DCS 100 controls the sensor data, PLC / sequence circuit data, AI / AO data, and DI / DO data collected in step S11 to control middleware program 100b of the active DCS 100. By the first to store the distributed file system embedded in the Active DCS (100) (S12), and performs the analysis through the machine learning algorithm program (S13).

단계(S13) 이후, Active DCS(100)는 2차로 Active DCS(100)와 네트워크(300)(유선, WIFI, 3G, LTE)를 통해 연결된 현장 내의 중앙 관제 서버(400) 또는 현장 외의 클라우드 서버(500)로 네트워크(300)를 통해 데이터를 전송하고(S14), 클라우드 서버(500)에 의해 통합된 데이터가 딥러닝 알고리즘을 통해 분석되도록 한다(S15). After the step S13, the Active DCS 100 is secondly connected to the Active DCS 100 and the network 300 (wired, WIFI, 3G, LTE) in the field connected to the central control server 400 or off-site cloud server ( In step 500, the data is transmitted through the network 300 (S14), and the data integrated by the cloud server 500 is analyzed through the deep learning algorithm (S15).

이에 따라, 각 개소별 Active DCS(100)는 DataNode가 되고, 클라우드 서버(500)는 NameNode가 되어 데이터가 통합될 수 있다. 데이터 통합은 실시간으로 이루어지며, 네트워크(300) 이상, 디바이스 이상 등 예측할 수 없는 장애가 발생하더라도 장애가 복구되는 즉시 1차 저장된 데이터를 토대로 데이터 동기화를 실행하여 데이터의 누락이 없도록 한다. Accordingly, the active DCS 100 for each location becomes a DataNode, and the cloud server 500 becomes a NameNode so that data can be integrated. Data integration is performed in real time, and even if an unforeseen failure occurs such as a network abnormality or a device abnormality, data synchronization is performed based on the primary stored data as soon as the failure is recovered so that there is no missing data.

한편, 각 개소별 Active DCS(100)는 데이터 조회를 수행할 수 있다.Meanwhile, the active DCS 100 for each location may perform data inquiry.

즉, Active DCS(100)에서 수집되는 모든 데이터는 1차로 DCS DB(100-1)에 저장된다. 저장된 데이터를 기반으로 한 WEB Service 프로그램인 WEB 프로그램(100a)이 중앙제어부(110) 상에 설치되어 있으므로, Active DCS(100)은 WEB 프로그램(100a)을 사용하여 네트워크(300)를 통해 중앙관제 서버(400) 또는 클라우드 서버(500)에 수집된 데이터 및 분석된 데이터를 조회할 수 있으므로, 조회된 데이터에 따라 알람, 장애 발생 위험이 있는 경우 미리 확인하고 조치할 수 있다. That is, all data collected by the Active DCS 100 is primarily stored in the DCS DB 100-1. Since the WEB program 100a, which is a WEB service program based on the stored data, is installed on the central controller 110, the Active DCS 100 uses the WEB program 100a to control the central control server through the network 300. Since the collected data and the analyzed data may be inquired at 400 or the cloud server 500, when there is an alarm or a risk of failure according to the inquired data, it may be checked in advance.

한편, 각 개소별 Active DCS(100)가 아닌 모바일 단말 및 PC와 같은 유선단말에서 네트워크(300)를 통해 중앙관제 서버(400) 또는 클라우드 서버(500)에 수집된 데이터 및 분석된 데이터를 조회할 수 있다.Meanwhile, in the wired terminals such as mobile terminals and PCs, not the active DCS 100 for each location, the collected data and the analyzed data can be inquired from the central control server 400 or the cloud server 500 through the network 300. Can be.

즉, 각 개소별 Active DCS(100)에 의해 수집되는 모든 데이터는 1차로 DCS DB(100-1)에 저장된 후 2차로 중앙관제 서버(400) 또는 클라우드 서버(500)와 데이터 동기화를 진행하게 된다. 동기화된 데이터를 기반으로 클라우드 서버(500)에서는 작업 현장에서 발생된 다양한 데이터들을 딥러닝 알고리즘으로 분석하는 프로그램이 실행되고, 분석 결과는 클라우드 DB(500a)에 저장되며 사용자는 WEB 플랫폼으로 분석 결과를 확인할 수 있다.That is, all data collected by the active DCS 100 for each location is first stored in the DCS DB 100-1 and secondly, data synchronization with the central control server 400 or the cloud server 500 is performed. . Based on the synchronized data, the cloud server 500 executes a program that analyzes various data generated at the work site using a deep learning algorithm, and the analysis result is stored in the cloud DB 500a, and the user analyzes the analysis result using the WEB platform. You can check it.

한편, 단계(S13) 또는 단계(S15) 이후, Active DCS(100)의 제어 미들웨어 프로그램(100b)은 PLC 장치(200), 시퀀스 회로(600), 그 밖의 DI/DO, AI/AO 모듈(120)에 대한 분산 제어 기능을 수행한다(S16).On the other hand, after step S13 or step S15, the control middleware program 100b of the active DCS 100 includes the PLC device 200, the sequence circuit 600, other DI / DO, and AI / AO modules 120. In step S16, the distributed control function is performed.

단계(S16)에서 제어시 각각의 데이터 수집 개소 별로 설치된 Active DCS(100)를 통해 분산제어가 가능하다. 제어 방식으로는 자동제어, 수동제어 두 가지 방식이 있다. 자동제어는 Active DCS(100)를 통해 수집된 정보를 바탕으로 단계(S13)에 따라 머신러닝 알고리즘 분석 결과를 기반으로 Active DCS(100)가 설비인 PLC 장치(200), 시퀀스 회로(600), 그 밖의 DI/DO, AI/AO 모듈(120)에 직접 제어명령을 내려 제어하는 방식이다.When controlling in step S16, distributed control is possible through the Active DCS 100 installed for each data collection point. There are two control methods: automatic control and manual control. Automatic control is based on the information collected through the active DCS (100) based on the results of the machine learning algorithm analysis according to the step (S13) PLC device 200, the sequence circuit 600, the active DCS 100 is equipped with In addition, it is a method of directly giving control commands to the DI / DO and AI / AO modules 120.

수동제어는 관리자가 단계(S15)에 따라 클라우드 서버(500)에서 딥러닝 알고리즘을 통해 분석한 결과 보고서를 바탕으로 설비를 제어할 때 사용할 수 있으며 웹 플랫폼(WEB Platform)을 통하여 Active DCS(100)가 설치된 각 개소 중에서 선택해서 제어 명령을 내리거나 일괄 제어 명령이 가능하다. Manual control can be used when the administrator controls the facility based on the report of the results analyzed by the deep learning algorithm in the cloud server 500 according to the step (S15), Active DCS (100) through the Web Platform (WEB Platform) It is possible to give a control command or select a batch control command from each installed location.

자동, 수동제어 두 가지 방식 모두 Active DCS(100)를 통해 분산 제어가 가능하며 Active DCS(100)가 설치된 개소 별, 라인별, 공장별로 제어할 수 있는 장점을 제공할 수 있다. Both automatic and manual control can be distributed control through the Active DCS (100) and can provide the advantage that can be controlled by the location, line, factory by the Active DCS 100 is installed.

한편, 데이터 분석 방식으로는 Active DCS(100) 자체 머신러닝 알고리즘 분석(단계(S13))과, 클라우드 통합 데이터 딥러닝 알고리즘 분석(단계(S15)) 두 종류가 있다. 즉, 1차적으로 Active DCS(100) 자체에 수집된 데이터를 머신러닝의 지도학습을 통해 패턴을 파악하고 분석 결과를 바탕으로 생산, 품질 관련 지표를 제공한다. 1차 분석된 데이터는 클라우드 서버(500)로 전송되며 클라우드 서버(500)의 클라우드 DB(500a)에서 통합된 데이터는 딥러닝 알고리즘 분석을 통해 사용자에게 생산 계획이나 공장 운영 계획을 제안하는데 활용될 수 있다. On the other hand, there are two types of data analysis methods: Active DCS 100 own machine learning algorithm analysis (step S13) and cloud integrated data deep learning algorithm analysis (step S15). In other words, the data collected in the Active DCS 100 itself is first identified through machine learning and learning, and the production and quality related indicators are provided based on the analysis results. The first analyzed data is transmitted to the cloud server 500, and the data integrated in the cloud DB 500a of the cloud server 500 may be utilized to suggest a production plan or a plant operation plan to the user through deep learning algorithm analysis. have.

본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.The invention can also be embodied as computer readable code on a computer readable recording medium. Computer-readable recording media include all kinds of recording devices that store data that can be read by a computer system.

컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기테이프, 플로피 디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. Examples of computer-readable recording media include ROM, RAM, CD-ROM, magnetic tape, floppy disks, optical data storage devices, and the like, which are also implemented in the form of carrier waves (eg, transmission over the Internet). It also includes.

또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의해 용이하게 추론될 수 있다.The computer readable recording medium can also be distributed over network coupled computer systems so that the computer readable code is stored and executed in a distributed fashion. And functional programs, codes and code segments for implementing the present invention can be easily inferred by programmers in the art to which the present invention belongs.

이상과 같이, 본 명세서와 도면에는 본 발명의 바람직한 실시예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.As described above, the present specification and drawings have been described with respect to preferred embodiments of the present invention, although specific terms are used, it is only used in a general sense to easily explain the technical contents of the present invention and to help the understanding of the present invention. It is not intended to limit the scope of the present invention. It will be apparent to those skilled in the art that other modifications based on the technical idea of the present invention can be carried out in addition to the embodiments disclosed herein.

1 : 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템
100 : Active Distributed Command System Terminal
100a : WEB 프로그램
100b : 제어 미들웨어 프로그램
100c : 드라이버 및 관리 프로그램
100d : 수집 프로그램
100e : 통신 및 데이터 보안 프로그램
100f : 분산 파일 프로그램
100g : 분석/제어 프로그램
100h : 대량 데이터 배치처리 프로그램
100i : NoSQL 데이터베이스 관리 프로그램
100j : 딥러닝 알고리즘 프로그램
100k : 변환 프로그램
200 : PLC 장치(Programmable Logic Controller)
300 : 네트워크
400 : 중앙관제 서버
500 : 클라우드 서버1: Distributed data collection and distributed control command system for factory automation
100: Active Distributed Command System Terminal
100a: WEB program
100b: control middleware program
100c: Drivers and Management Program
100d: collection program
100e: communication and data security program
100f: distributed file program
100g: Analysis / Control Program
100h: Bulk data batch processing program
100i: NoSQL database manager
100j: Deep Learning Algorithm Program
100k: conversion program
200: PLC device (Programmable Logic Controller)
300: network
400: central control server
500: cloud server

Claims (3)

Active DCS(100)가 수집 프로그램(100d)을 통해 센서 데이터를 수집하고, PLC 장치(200) 및 시퀀스 회로(600)에 대해서 PLC/시퀀스 회로 데이터를 수집하고, DI/DO, AI/AO 모듈(120)에 대해서 AI/AO 데이터 및 DI/DO 데이터를 수집하는 제 1 단계;
Active DCS(100)가 수집된 센서 데이터, PLC/시퀀스 회로 데이터, AI/AO 데이터 및 DI/DO 데이터에 대해서 Active DCS(100)의 제어 미들웨어 프로그램(100b)에 의해 1차로 Active DCS(100)에 내장된 분산 파일 시스템으로 저장하고, 머신러닝 알고리즘 프로그램을 통해 분석하는 제 2 단계; 및
Active DCS(100)가 2차로 Active DCS(100)와 네트워크(300)(유선, WIFI, 3G, LTE)를 통해 연결된 현장 내의 중앙 관제 서버(400) 또는 현장 외의 클라우드 서버(500)로 네트워크(300)를 통해 데이터를 전송하고, 클라우드 서버(500)에 의해 통합된 데이터가 딥러닝 알고리즘을 통해 분석되도록 하는 제 3 단계; 를 포함하는 것을 특징으로 하는 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 방법.
The active DCS 100 collects sensor data through the acquisition program 100d, collects PLC / sequence circuit data for the PLC device 200 and the sequence circuit 600, and uses DI / DO, AI / AO modules ( A first step of collecting AI / AO data and DI / DO data for step 120);
Active DCS 100 collects sensor data, PLC / sequence circuit data, AI / AO data, and DI / DO data by the control middleware program 100b of Active DCS 100. Storing in an embedded distributed file system and analyzing through a machine learning algorithm program; And
Active DCS (100) is a network 300 to the central control server 400 or off-site cloud server 500 connected on-site via the active DCS 100 and the network 300 (wired, WIFI, 3G, LTE) A third step of transmitting the data through the data transmission method and allowing the data integrated by the cloud server 500 to be analyzed through a deep learning algorithm; Distributed data collection and distribution control method for factory automation comprising a.
청구항 1에 있어서, 상기 제 3 단계는,
각 개소별 Active DCS(100)가 DataNode가 되고, 클라우드 서버(500)가 NameNode가 되어 데이터가 통합되며, 데이터 통합은 실시간으로 이루어지며, 네트워크(300) 이상, 디바이스 이상을 포함한 예측할 수 없는 장애가 발생하더라도 장애가 복구되는 즉시 1차 저장된 데이터를 토대로 데이터 동기화를 실행하여 데이터의 누락이 없도록 하는 것을 특징으로 하는 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 방법.
The method of claim 1, wherein the third step,
Active DCS 100 in each location becomes DataNode, cloud server 500 becomes NameNode, data is integrated, data integration takes place in real time, and network 300 or more, device failure occurs unpredictable Distributed data collection and distributed control method for factory automation, characterized in that there is no missing data by performing data synchronization based on the primary stored data as soon as the failure is recovered.
청구항 1에 있어서, 상기 제 3 단계 이후,
각 개소별 Active DCS(100)가 데이터 조회를 수행시, Active DCS(100)에서 수집되는 모든 데이터는 1차로 DCS DB(100-1)에 저장되므로, 저장된 데이터를 기반으로 한 중앙제어부(110) 상에 설치되어 있는 WEB Service 프로그램인 WEB 프로그램(100a)을 사용하여 네트워크(300)를 통해 중앙관제 서버(400) 또는 클라우드 서버(500)에 수집된 데이터 및 분석된 데이터를 조회하고, 조회된 데이터에 따라 알람, 장애 발생 위험이 있는 경우 미리 확인하고 조치하는 제 4 단계; 를 더 포함하는 것을 특징으로 하는 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 방법.
The method according to claim 1, After the third step,
When the active DCS 100 for each location performs a data inquiry, all data collected by the active DCS 100 is first stored in the DCS DB 100-1, and thus the central control unit 110 based on the stored data. Using the WEB program 100a, which is a WEB service program installed on the server, the collected data and the analyzed data are inquired by the central control server 400 or the cloud server 500 through the network 300, and the inquired data According to the fourth step of checking in advance and there is a risk of alarm, failure; Distributed data collection and distribution control method for factory automation, characterized in that it further comprises.
KR1020180027776A 2018-03-09 2018-03-09 Distributed data acquisition and distributed control command system for factory automation, and Distributed data collection and distributed control method for the same KR102097448B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180027776A KR102097448B1 (en) 2018-03-09 2018-03-09 Distributed data acquisition and distributed control command system for factory automation, and Distributed data collection and distributed control method for the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180027776A KR102097448B1 (en) 2018-03-09 2018-03-09 Distributed data acquisition and distributed control command system for factory automation, and Distributed data collection and distributed control method for the same

Publications (2)

Publication Number Publication Date
KR20190106368A true KR20190106368A (en) 2019-09-18
KR102097448B1 KR102097448B1 (en) 2020-04-06

Family

ID=68071144

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180027776A KR102097448B1 (en) 2018-03-09 2018-03-09 Distributed data acquisition and distributed control command system for factory automation, and Distributed data collection and distributed control method for the same

Country Status (1)

Country Link
KR (1) KR102097448B1 (en)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102334965B1 (en) * 2020-05-26 2021-12-03 타이아(주) Predictive maintenance system for efficient management of factory automation equipment and productivity improvement
CN114527709A (en) * 2022-03-04 2022-05-24 广西网数云科技有限公司 Distributed cloud regulation and control system and method for waste incineration power plant
KR102407886B1 (en) * 2021-11-26 2022-06-10 (주)미래융합정보기술 Softsensor analysis measurement system to provide the output by new progress variable based on collected data from a sort of sensors
WO2022139326A1 (en) * 2020-12-24 2022-06-30 한국공학대학교산학협력단 Distributed edge computing-based autonomous factory operating system
KR102482240B1 (en) * 2021-09-03 2022-12-28 재단법인차세대융합기술연구원 Apparatus and method for detecting abnormality of equipment
KR20230059538A (en) * 2021-10-26 2023-05-03 (주) 넥스트랩 Network-based information collection device multi-linkage and collection data analysis system and method

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150049420A (en) * 2013-10-30 2015-05-08 (주)에이시에스 Two-way monitoring system of production resources for manufacturing series
JP2016076218A (en) * 2014-10-06 2016-05-12 フィッシャー−ローズマウント システムズ，インコーポレイテッド Automatic signal processing-based learning in process plant, system and method for providing big data-based learning in process plant, and system for automatically processing big data-based learning in process plant

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150049420A (en) * 2013-10-30 2015-05-08 (주)에이시에스 Two-way monitoring system of production resources for manufacturing series
JP2016076218A (en) * 2014-10-06 2016-05-12 フィッシャー−ローズマウント システムズ，インコーポレイテッド Automatic signal processing-based learning in process plant, system and method for providing big data-based learning in process plant, and system for automatically processing big data-based learning in process plant

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
대한민국 특허출원 출원번호 제10-2010-0071973호 "자동화 제조 시스템을 위한 PLC 제어 로직 실행 방법(execution method of PLC control logic for automated manufacturing system)"

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102334965B1 (en) * 2020-05-26 2021-12-03 타이아(주) Predictive maintenance system for efficient management of factory automation equipment and productivity improvement
WO2022139326A1 (en) * 2020-12-24 2022-06-30 한국공학대학교산학협력단 Distributed edge computing-based autonomous factory operating system
KR102482240B1 (en) * 2021-09-03 2022-12-28 재단법인차세대융합기술연구원 Apparatus and method for detecting abnormality of equipment
KR20230059538A (en) * 2021-10-26 2023-05-03 (주) 넥스트랩 Network-based information collection device multi-linkage and collection data analysis system and method
KR102407886B1 (en) * 2021-11-26 2022-06-10 (주)미래융합정보기술 Softsensor analysis measurement system to provide the output by new progress variable based on collected data from a sort of sensors
CN114527709A (en) * 2022-03-04 2022-05-24 广西网数云科技有限公司 Distributed cloud regulation and control system and method for waste incineration power plant
CN114527709B (en) * 2022-03-04 2024-03-19 广西网数云科技有限公司 Distributed cloud regulation and control system and method for garbage incineration power plant

Also Published As

Publication number Publication date
KR102097448B1 (en) 2020-04-06

Similar Documents

Publication Publication Date Title
KR102097448B1 (en) Distributed data acquisition and distributed control command system for factory automation, and Distributed data collection and distributed control method for the same
US10742680B2 (en) Method of industrial data communication with dedicated physical channel isolation and a system applying the method
US20220138183A1 (en) Web services platform with integration and interface of smart entities with enterprise applications
KR102262321B1 (en) IoT GATEWAY SYSTEM FOR INDUSTRIAL
CN110430260B (en) Robot cloud platform based on big data cloud computing support and working method
KR102097453B1 (en) Programmable Logic Controller pattern analysis system for improving lifetime and productivity of factory automation facilities, and method thereof
CN102449567B (en) Cloud computing as a basis for equipment health monitoring service
CN104636421A (en) Industrial monitoring using cloud computing
RU2547708C2 (en) Information system for industrial machines, including cyclically repeating information machine reporting
CN105589349A (en) Crawler for discovering control system data in an industrial automation environment
KR101337619B1 (en) Integrated control system and method
US20090082880A1 (en) Wireless device for a building control system
CN104954242A (en) Unified data ingestion adapter for migration of industrial data to a cloud platform
CN110661861A (en) Wisdom logistics business system
CN107409140A (en) For collecting the infrastructure adviser tool of industrial stokehold and automated system risk data
US20190095517A1 (en) Web services platform with integration of data into smart entities
CN102521781A (en) Safe region-crossing equipment uniform monitoring method based on independent monitoring services, and monitoring system for the same
CN113179190B (en) Edge controller, edge computing system and configuration method thereof
CN113176948B (en) Edge gateway, edge computing system and configuration method thereof
CN104656609A (en) Robot remote real-time monitoring system and method based on cloud computing
KR20210072473A (en) Data collection gateway having AI module
CN104270432A (en) Real-time data service system and data interaction method based on drilling industry
Linares Garcia et al. Technology requirements for CPS implementation in construction
Kazarian et al. Development of a «smart» home system based on the modular structure and architectural data flow pattern Redux
KR20210081065A (en) Data collection edge device and data collection gateway having AI module

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