KR20190106369A - 공장 자동화 설비의 수명과 생산성 향상을 위한 ｐｌｃ 패턴 분석 시스템 및 패턴 분석 방법 - Google Patents
공장 자동화 설비의 수명과 생산성 향상을 위한 ｐｌｃ 패턴 분석 시스템 및 패턴 분석 방법 Download PDFInfo
- Publication number
- KR20190106369A KR20190106369A KR1020180027777A KR20180027777A KR20190106369A KR 20190106369 A KR20190106369 A KR 20190106369A KR 1020180027777 A KR1020180027777 A KR 1020180027777A KR 20180027777 A KR20180027777 A KR 20180027777A KR 20190106369 A KR20190106369 A KR 20190106369A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- plc
- pms
- productivity
- pattern
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 15
- 208000024891 symptom Diseases 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 16
- 238000007405 data analysis Methods 0.000 claims description 13
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 238000013075 data extraction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 22
- 238000007726 management method Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000013500 data storage Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000003066 decision tree Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000003449 preventive effect Effects 0.000 description 5
- 238000007635 classification algorithm Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000003252 repetitive effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000003307 slaughter Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—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] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Programmable Controllers (AREA)
Abstract
본 발명은 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템 및 패턴 분석 방법에 관한 것이다. 본 발명은, Active PMS 장치(100)가 PLC 데이터, 그리고 AI/AO 데이터 및 DI/DO 데이터를 수집하는 제 1 단계; Active PMS 장치(100)는 자동 동기화에 따라 네트워크(300)를 통해 중앙관제 서버(400) 및 클라우드 서버(500)로 수집된 PLC 데이터, 그리고 AI/AO 데이터 및 DI/DO 데이터에 대한 2차 저장을 수행하는 제 2 단계; 및 Active PMS 장치(100)가 PLC 데이터, 그리고 AI/AO 데이터 및 DI/DO 데이터에 대한 데이터 분석, 추출, 비교를 통한 데이터 출력을 수행하는 제 3 단계; 를 포함하는 것을 특징으로 한다.
이에 의해 공장 설비를 제어하는 PLC(Programmable Logic Controller)로부터 해당 설비를 동작시키는 모든 데이터(DI/DO, AI/AO, Timer, counter 등)의 발생신호, 타이밍, 신호 지속 시간에 대한 무작위 데이터를 저장하고, 로직(logic)의 반복된 패턴을 인식 및 분석하여 로직에 따른 패턴을 정형화한 뒤, PLC의 정형화된 정상 사이클 패턴에 벗어나는 이상 징후 발생 신호를 추출함으로써, 설비의 비정상 작동 시점을 예측하고 사용자에게 피드백을 주도록 하여 공장 자동화 설비의 수명과 생산성을 향상할 수 있는 효과를 제공할 수 있다.
이에 의해 공장 설비를 제어하는 PLC(Programmable Logic Controller)로부터 해당 설비를 동작시키는 모든 데이터(DI/DO, AI/AO, Timer, counter 등)의 발생신호, 타이밍, 신호 지속 시간에 대한 무작위 데이터를 저장하고, 로직(logic)의 반복된 패턴을 인식 및 분석하여 로직에 따른 패턴을 정형화한 뒤, PLC의 정형화된 정상 사이클 패턴에 벗어나는 이상 징후 발생 신호를 추출함으로써, 설비의 비정상 작동 시점을 예측하고 사용자에게 피드백을 주도록 하여 공장 자동화 설비의 수명과 생산성을 향상할 수 있는 효과를 제공할 수 있다.
Description
본 발명은 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템 및 패턴 분석 방법에 관한 것으로, 보다 구체적으로는, 공장 설비를 제어하는 PLC(Programmable Logic Controller)로부터 해당 설비를 동작시키는 모든 데이터(DI/DO, AI/AO, Timer, counter 등)의 발생신호, 타이밍, 신호 지속 시간에 대한 무작위 데이터를 저장하고, 로직(logic)의 반복된 패턴을 인식 및 분석하여 로직에 따른 패턴을 정형화한 뒤, PLC의 정형화된 정상 사이클 패턴에 벗어나는 이상 징후 발생 신호를 추출함으로써, 설비의 비정상 작동 시점을 예측하고 사용자에게 피드백을 주도록 하여 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템 및 패턴 분석 방법에 관한 것이다.
설비를 제어하는데 중요한 역할을 하는 PLC 장치상의 PLC 로직(logic)에 대하여 실시간으로 모니터링할 수는 있으나 기존에는 지속적인 관찰이 현실적으로 어렵고, 예상 범위를 벗어나는 장애의 발생 등 다양한 원인으로 설비의 비정상 작동을 예측하여 예방할 수 없다.
이러한 이유들로 인하여 기존에는 PLC 장치에 장애가 발생하고 난 후, PLC 장치에 접속하여 오랜 시간 관찰을 통해 문제점을 찾고 해결하여야만 하였다.
이때 PLC 장치에 의해 제어되는 설비의 비 가동시간이 증가하여 생산율이 감소하게 되는 문제점이 발생한다.
이에 따라 해당 기술분야에 있어서는 PLC 로직의 패턴 정형화를 추출하여 정상 사이클 데이터에서 벗어난 이상 징후를 분석하여 장애 예측을 하여 사용자에게 유용한 데이터를 제공하고 이 데이터를 기반으로 하는 공장 설비의 예방보전 활동을 통해 공장 자동화 설비의 수명을 향상시키기 위한 기술 개발이 요구되고 있다.
본 발명은 상기의 문제점을 해결하기 위한 것으로, PLC 로직의 패턴 정형화를 통해 추출한 정상 사이클 데이터에서 벗어난 이상 징후를 분석하여 장애 예측을 하여 사용자에게 유용한 데이터를 제공하고 이 데이터를 기반으로 하는 예방보전 활동을 통해 공장 자동화 설비의 수명을 향상시키기 위한 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템 및 패턴 분석 방법을 제공하기 위한 것이다.
또한, 본 발명은 반복 작업시 하나의 전체 프로세스에 소요되는 시간인 사이클 타임(Cycle time)과, 각 공정시간의 최대 시간인 택트 타임(Tact time)을 줄여 생산량 향상에 도움을 줄 수 있도록 하기 위한 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템 및 패턴 분석 방법을 제공하기 위한 것이다.
그러나 본 발명의 목적들은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법은, Active PMS 장치(100)가 PLC 데이터, 그리고 AI/AO 데이터 및 DI/DO 데이터를 수집하는 제 1 단계; Active PMS 장치(100)는 자동 동기화에 따라 네트워크(300)를 통해 중앙관제 서버(400) 및 클라우드 서버(500)로 수집된 PLC 데이터, 그리고 AI/AO 데이터 및 DI/DO 데이터에 대한 2차 저장을 수행하는 제 2 단계; 및 Active PMS 장치(100)가 PLC 데이터, 그리고 AI/AO 데이터 및 DI/DO 데이터에 대한 데이터 분석, 추출, 비교를 통한 데이터 출력을 수행하는 제 3 단계; 를 포함하는 것을 특징으로 한다.
이때, 본 발명의 다른 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법은, 상기 제 4 단계 이후, Active PMS 장치(100)가 네트워크(300)를 통해 중앙관제 서버(400) 및 클라우드 서버(500)에 대한 액세스(access)를 통해 동기화되어 저장된 데이터 조회를 수행하는 것을 특징으로 한다.
또한, 본 발명의 또 다른 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법에 있어서, 상기 제 1 단계는, Active PMS 장치(100)가 PLC 장치(100)와 외부 통신 모듈(110)을 통해 연결하여 수집을 원하는 전체 또는 지정된 PLC 장치(100)의 각 주소의 하드웨어 주소를 관리프로그램에 해당하는 주소 지정을 수행한 뒤, 공장 설비를 제어하는 각 PLC 장치(200)에서 추출할 PLC 데이터를 위한 저장 주소를 각 PLC 장치(200)에 대해서 메타데이터로 지정한 뒤, 각 PLC 데이터별 저장 주소 정보를 PMS DB(150)에 저장하며, 지정된 주소 정보에 따라 각 PLC 장치(200)로부터 수신되는 복수의 PLC 데이터에 대해서 각 주소 정보에 따른 PLC 데이터를 무작위로 추출하여 PMS DB(150)에 저장하고, DI/DO 및 AI/AO 모듈(120)의 포트를 통해 연결된 PLC 장치(200)에 대해서나, PLC 장치(200)와 공장 설비 간의 디지털/아날로그 입출력 상태를 RS-232/485 또는 TCP/IP 통신을 통하여 AI/AO 데이터 및 DI/DO 데이터를 수집한 뒤, 각 주소 정보에 따른 PLC 데이터와 함께 PMS DB(150)에 저장하는 것을 특징으로 한다.
또한, 본 발명의 또 다른 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법에 있어서, 상기 제 2 단계는, PMS DB(150)와 중앙관제 DB(401) 및 클라우드 DB(501)가 자동으로 동기화를 진행하여, 동기는 실시간으로 이루어지며, 각 개소별 Active PMS 장치(100)가 DataNode가 되고, 클라우드 서버(500)는 NameNode가 되어 데이터가 통합되며, 네트워크(300) 이상, PLC 장치(200) 이상을 포함한 장애가 발생하더라도 장애가 복구되는 즉시 1차 저장된 데이터를 토대로 데이터 동기화를 실행하여 데이터의 누락이 없도록 하는 것을 특징으로 한다.
또한, 본 발명의 또 다른 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법에 있어서, 상기 제 3 단계는, Active PMS 장치(100)가 PMS DB(500)에 무작위로 저장된 각 주소 정보별 PLC 데이터에 대해 로직(logic)의 패턴을 분석하여 인식하고 PLC 데이터 분석 정보에 해당하는 PLC 패턴 데이터를 생성하여 PMS DB(150)에 다시 저장하며, 분석된 PLC 패턴 데이터를 기반으로 정상 사이클 데이터 및 이상 발생 징후 데이터를 추출한 뒤, 정상 사이클 데이터 및 이상 발생 징후 데이터를 실시간 PLC 데이터와 비교를 수행하는 것을 특징으로 한다.
본 발명의 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템 및 패턴 분석 방법은, PLC 장치에서 발생하는 모든 데이터를 저장하고, 패턴의 로직을 분석하여 가공된 데이터도 보관함으로써, 현실적으로 지속적인 관찰이 힘든 PLC 데이터에 대하여 지속적인 관리가 가능하도록 하는 효과를 제공한다.
또한, 본 발명의 다른 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템 및 패턴 분석 방법은, PLC 패턴으로 분석된 데이터를 통한 설비 관리를 통해 설비 수명을 향상시킬 뿐만 아니라, 설비 이상이 발생하기 전에 알람을 받아 사전 조치를 통해 설비 가동시간을 최소화하여 생산성 향상에 크게 기여할 수 있는 효과를 제공한다.
또한, 본 발명의 다른 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템 및 패턴 분석 방법은, 수집된 데이터의 비교 기능을 통해 문제가 발생한 PLC 신호의 종류 및 위치를 찾을 수 있어 신속한 작업 재개 가능한 효과를 제공한다.
뿐만 아니라, 본 발명의 다른 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템 및 패턴 분석 방법은, 넓은 작업 현장에서 제한된 인원으로 관리할 시 생기는 문제점을 보완할 수 있으며 업무의 효율과 인건비 절약을 할 뿐만 아니라, 수집되는 데이터를 활용한 데이터 분석 솔루션을 사용함으로써 생산량, 안전 관리, 예방 보전 등 효율적으로 할 수 있도록 하는 효과를 제공한다.
도 1은 본 발명의 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1)을 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1) 중 Active PMS 장치(100)의 구성요소를 나타내는 블록도이다.
도 3은 본 발명의 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1)에서 클라우드 서버(500)를 구성하는 소프트웨어 구성을 나타내는 블록도이다.
도 4는 본 발명의 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법을 나타내는 흐름도이다.
도 5는 본 발명의 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1) 및 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법에 의한 기능을 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1) 중 Active PMS 장치(100)의 구성요소를 나타내는 블록도이다.
도 3은 본 발명의 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1)에서 클라우드 서버(500)를 구성하는 소프트웨어 구성을 나타내는 블록도이다.
도 4는 본 발명의 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법을 나타내는 흐름도이다.
도 5는 본 발명의 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1) 및 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법에 의한 기능을 나타내는 도면이다.
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.
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.
도 1은 본 발명의 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1)을 나타내는 도면이다. 도 1을 참조하면, 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1)을 나타내는 도면이다. 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1)은 Active PMS 장치(Active PLC Management System Terminal)(100), PLC 장치(200), 네트워크(300), 중앙관제 서버(400), 클라우드 서버(500), 사용자 스마트 디바이스(600)를 포함할 수 있다.
Active PMS 장치(100)는 PLC 장치(200) 외에, 그리고 공장 설비의 제반 조건을 센싱하기 위한 센서 모듈(미도시), 그 밖의 시퀀스 회로 등과 신호 및 데이터 송수신을 수행할 수 있다. 여기서 센서 모듈은 공장 설비의 온도, 습도, 대기질, 진동, 소음, 에너지 사용량 등의 데이터를 수집할 수 있다. 한편, Active PMS 장치(100)는 적어도 하나 이상의 PLC 장치(200)와 신호 및 데이터 송수신을 수행할 수 있다.
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.
이러한 PLC 장치(200)는 공장 설비 자동화 시스템에서 공장 설비들을 PLC 출력신호에 따라 구동하며, 구동 중 또는 구동 후의 공정 상황은 다수의 센서에 해당하는 센서 모듈(130)에 의해 파악되고, PLC 데이터를 Active PMS 장치(100)에 제공할 수 있다.
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.
도 2는 본 발명의 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1) 중 Active PMS 장치(100)의 구성요소를 나타내는 블록도이다. 도 2를 참조하면, Active PMS 장치(100)는 외부 통신 모듈(110), DI/DO 및 AI/AO 모듈(120), HMI 모듈(130), 제어부(140), PMS 데이터베이스(이하, 'PMS DB')(150), 네트워크 모뎀(160)을 포함할 수 있다.
외부 통신 모듈(110)은 PLC 장치(200), 시퀀스 회로, 센서 모듈 등과 신호 및 데이터 송수신을 수행한다.
DI/DO 및 AI/AO 모듈(120)은 DI(Digital Input)/DO(Digital Output), 그리고 AI(Analog Input)/AO(Analog Output)에 해당하는 PLC 장치(100)와 공장 설비, Timer, counter 등에 대한 입출력을 담당한다.
HMI 모듈(130)은 제어부(140)의 제어에 따라 LCD 디스플레이 패널과 터치 패널과 같은 입출력장치로의 입출력 인터페이스를 제공할 수 있다.
네트워크 모뎀(160)은 중앙관제 서버(400), 클라우드 서버(500), 사용자 스마트 디바이스(600)와 네트워크(300)를 통해 연결하기 위한 WIFI, 3G, LTE 모듈 및 무선센서 수집을 위한 Beacon, Zigbee 모듈 등을 구비할 수 있다.
한편, 여기서 제어부(140)는 PLC 통신 수단(141), 주소 지정 수단(142), 데이터 저장 수단(143), 데이터 분석 수단(144), 데이터 추출 수단(145), 데이터 비교 수단(146), 데이터 출력 수단(147), 알람 수단(148)을 구비할 수 있다.
PLC 통신 수단(141)은 PLC 장치(100)와 Active PMS 장치(100) 간을 외부 통신 모듈(110)을 통해 연결하여 수집을 원하는 전체 또는 지정된 PLC 장치(100)의 각 주소의 하드웨어 주소를 관리프로그램에 해당하는 주소 지정 수단(142)으로 통지하여 지정하도록 할 수 있다.
주소 지정 수단(142)은 공장 설비를 제어하는 각 PLC 장치(200)에서 추출할 PLC 데이터를 위한 저장 주소를 각 PLC 장치(200)에 대해서 메타데이터로 지정한 뒤, 메타데이터에 해당하는 각 PLC 데이터별 저장 주소 정보를 PMS DB(150)에 저장할 수 있다.
데이터 저장 수단(143)은 주소 지정 수단(142)으로부터 지정된 주소 정보에 따라 각 PLC 장치(200)로부터 수신되는 복수의 PLC 데이터에 대해서 각 주소 정보에 따른 PLC 데이터를 무작위로 PMS DB(150)에 저장할 수 있다.
한편, 데이터 저장 수단(143)은 지정된 주소 정보에 따른 PLC 데이터들을 무작위로 수집하여 PMS DB(150)에 1차로 저장시킬 뿐만 아니라, 네트워크(300)와 연결된 중앙관제 서버(400) 및 클라우드 서버(500)로 전송하도록 네트워크 모뎀(160)을 제어함으로써, 각 PLC 데이터가 중앙관제 DB(401) 및 클라우드 DB(501)에 2차로 저장되도록 할 수 있다.
본 발명의 다른 실시예로, 데이터 저장 수단(143)은 DI/DO 및 AI/AO 모듈(120)의 포트를 통해 연결된 각 포트의 디지털/아날로그 입출력 상태를 RS-232/485 또는 TCP/IP 통신을 통하여 AI/AO 데이터 및 DI/DO 데이터를 수집한 뒤, PMS DB(150)에 1차로 저장시킬 뿐만 아니라, 네트워크(300)와 연결된 중앙관제 서버(400) 및 클라우드 서버(500)로 전송하도록 네트워크 모뎀(160)을 제어함으로써, 각 PLC 데이터가 중앙관제 DB(401) 및 클라우드 DB(501)에 2차로 저장되도록 하여, 현장 내 중앙관제 서버(400) 또는 현장 외 클라우드 서버(500)의 각 DB와 데이터 동기화를 진행할 수 있다.
한편, 이하에서는 설명의 편의를 위해 PLC 데이터를 기준으로 설명하나 AI/AO 데이터 및 DI/DO 데이터에 대해서 동일하게 적용될 수 있다.
그리고, 데이터 동기는 실시간으로 이루어지며, 각 개소별로 Active PMS 장치(100)가 설치시, 각 Active PMS 장치(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 할 수 있다.
데이터 분석 수단(144)은 데이터 저장 수단(143)으로부터 미리 설정된 제 1 시간 동안 무작위로 저장된 각 주소 정보별 PLC 데이터를 통해 로직(logic)의 패턴을 분석하여 인식한 뒤, PLC 데이터 분석 정보에 해당하는 PLC 패턴 데이터를 생성하여 PMS DB(150)에 저장할 수 있다.
데이터 추출 수단(145)은 데이터 분석 수단(144)으로부터 분석된 PLC 패턴 데이터를 기반으로 미리 설정된 제 2 시간 동안 정상 사이클 데이터 및 이상 발생 징후 데이터를 추출한 뒤, 데이터 비교 수단(146)으로 제공할 수 있다. 여기서 제 1 시간 및 제 2 시간은 같거나 다를 수 있다.
데이터 비교 수단(146)은 데이터 추출 수단(145)에 의해 제공된 정상 사이클 데이터 및 이상 발생 징후 데이터를 실시간 PLC 데이터와 비교를 수행한다.
데이터 출력 수단(147)은 데이터 분석 수단(144)에 의해 생성된 PLC 패턴 데이터 로직에 따른 타임 라인에 따른 정상 사이클 데이터 그래프와, 실시간 PLC 데이터 그래프를 함께 입출력장치로 출력하도록 HMI 모듈(130)을 제어함으로써, 정상 사이클 데이터 그래프와 실시간 PLC 데이터 그래프를 이용한 PLC 데이터 수집, 저장 및 분석 기능 및 생산성 향상을 위한 Tact Time 단축 기능을 수행할 수 있다.
또한, 본 발명의 다른 실시예로, 데이터 출력 수단(147)은 데이터 분석 수단(144)에 의해 생성된 PLC 패턴 데이터 로직에 따른 타임 라인에 따른 이상 발생 징후 데이터 그래프, 그리고 실시간 PLC 데이터 그래프를 함께 입출력장치로 출력하도록 HMI 모듈(130)을 제어함으로써, 이상 발생 징후 데이터 그래프와 실시간 PLC 데이터 그래프를 이용한 예방보전을 위한 데이터 제공 기능, 고장 예측 기능, 이상 징후 발생시 알림 기능을 제공할 수 있다.
알람 수단(148)은 이상 징후 신호 발생 시 사용자에게 알람을 제공하기 위해 네트워크 모뎀(160)을 제어함으로써, 네트워크(300)를 통해 사용자 스마트 디바이스(600)로 제공할 뿐만 아니라, 관리자가 즉시 확인하고 조치하여야 할 사항들에 대해서는 문자, PUSH 알람 등 다양한 방법을 통해 자체적인 출력 또는 담당자의 유무선 단말에 해당하는 사용자 스마트 디바이스(600)로 자동으로 경고 메시지를 송신할 수 있다.
도 3은 본 발명의 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1)에서 클라우드 서버(500)를 구성하는 소프트웨어 구성을 나타내는 블록도이다. 도 3을 참조하면, 클라우드 서버(500)를 구성하는 소프트웨어는 WEB 프로그램(500a), 제어 미들웨어 프로그램(500b), 드라이버 및 관리 프로그램(500c), 수집 프로그램(500d), 통신 및 데이터 보안 프로그램(500e), 분산 파일 프로그램(500f), 분석/제어 프로그램(500g), 대량 데이터 배치처리 프로그램(500h), NoSQL 데이터베이스 관리 프로그램(500i), 딥러닝 알고리즘 프로그램(500j) 및 변환 프로그램(500k)을 포함할 수 있다.
WEB 프로그램(500a)은 네트워크(300)를 통해 WAS(Web Application Server, 웹 애플리케이션 서버)로 데이터베이스를 구비한 클라우드 서버(500)에 대한 Active PMS 장치(100), 사용자 스마트 디바이스(600)에 의한 액세스(access)에 따라, 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 Active PMS 장치(100), 사용자 스마트 디바이스(600)로부터 웹 기반의 사용자 명령을 제공받으며, 사용자 명령에 따라 수행된 프로세스 결과를 반환할 수 있다.
제어 미들웨어 프로그램(500b)은 각 Active PMS 장치(100)로부터 수집된 데이터에 대한 저장 및 관리를 통합 제어하며, 수집된 데이터 기반으로, 시간과 공간의 제약 없이 WEB 플랫폼상에서 'PLC 제어 명령', 'DI/DO(Digital Input/Digital Output) 및 AI(Analog Input), AO(Analog Output) 명령'을 네트워크(300)와 연결된 Active PMS 장치(100)로 전송하여 Active PMS 장치(100)에 의한 PLC 장치(200)에 대한 PLC 제어를 수행하도록 하며, 동일한 방식으로 시퀀스 회로에 대한 시퀀스 제어도 제공할 수 있다.
이를 위해 제어 미들웨어 프로그램(500b)은 PLC 장치(200) 및 시퀀스 회로 등에 대한 관리자 명령을 전송하기 위해 Active PMS 장치(100) 및 사용자 스마트 디바이스(600)로 네트워크(300)를 통해 반응형 WEB 페이지(Responsive Web page)를 제공할 수 있다.
드라이버 및 관리 프로그램(500c)은 Active PMS 장치(100)와 PLC 장치(200) 간의 통신을 위한 드라이버 및 관리를 제공할 수 있다. 보다 구체적으로, 드라이버 및 관리 프로그램(500c)은 Active PMS 장치(100)의 DI/DO, AI/AO 모듈(120) 외에 자체 내장된 통신 드라이버를 갖는 외부 통신 모듈(communication module)(110)을 통해 PLC 장치(200) 및/또는 시퀀스 회로와 통신하여 PLC 장치(200) 및/또는 시퀀스 회로에 직접 값을 입력하거나 출력하는 드라이버 기능을 Active PMS 장치(100)와 PLC 장치(200)에 개별적으로 제공할 수 있다.
수집 프로그램(500d)은 공장 설비에 부착된 다양한 센서들에 해당하는 센서 모듈로부터 정보를 Active PMS 장치(100)를 통해 수신한 뒤, 공장 설비의 온도, 습도, 대기 질, 진동, 소음, 에너지 사용량 등의 데이터를 Active PMS 장치(100)의 1차 저장 후에 연동 절차에 따라 2차 저장을 수행할 수 있다.
또한, 수집 프로그램(500d)은 수집된 센서 데이터들에 대해서 저장과 분석을 통해 사용자에게 유용한 정보를 디스플레이함과 동시에 자동제어를 위한 피드백을 제공할 수 있다. 수집 프로그램(500d)은 센서 모듈을 구성하는 센서로부터 수집된 센서 데이터, PLC 및 시퀀스 회로 작동 상태 정보를 포함하는 PLC/시퀀스 회로 데이터, PLC 장치(200) 또는 시퀀스 회로와 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 디바이스(600)로 자동으로 경고 메시지를 송신할 수 있다.
통신 및 데이터 보안 프로그램(500e)은 센서 모듈, PLC 장치(200), 시퀀스 회로, Active PMS 장치(100), 클라우드 서버(500), 사용자 스마트 디바이스(600) 간의 신호 및 데이터 송수신의 경우 암호화를 통해 통신 및 데이터 보안을 수행할 수 있다.
분산 파일 프로그램(500f)은 각 개소에서 분산 파일 시스템 형식으로 Active PMS 장치(100)에 의해 수집된 센서 데이터, PLC 및 시퀀스 회로 작동 상태 정보를 포함하는 PLC/시퀀스 회로 데이터, PLC 장치(200) 또는 시퀀스 회로와 연결된 포트의 아날로그 및 디지털 입력, 아날로그 및 디지털 출력 상태 정보를 포함하는 AI/AO 데이터 및 DI/DO 데이터 등을 클라우드 DB(501)에 분산 저장할 수 있다.
분석/제어 프로그램(500g)은 수집 데이터, 그 중 PLC 데이터에 대해서 독자적인 패턴 데이터 생성시 머신러닝 알고리즘을 통해 분석한 뒤 네트워크(300)를 통해 Active PMS 장치(100)로 PLC 장치(200)에 대한 상태 관리 명령을 내릴 수 있다. 보다 구체적으로, 분석/제어 프로그램(500g)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.
분석/제어 프로그램(500g)은 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.
즉, 분석/제어 프로그램(500g)은 상태 여부 판단 결과의 정확도 향상을 위해 다수의 상호 보완적인 머신러닝 알고리즘들로 구성된 앙상블 구조를 적용할 수 있다.
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.
결과적으로 분석/제어 프로그램(500g)은 PLC 장치(200), 그 밖의 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.
대량 데이터 배치처리 프로그램(500h)은 대용량 데이터(NoSQL) 분산처리 및 분석이 가능하도록 관계형 모델을 사용하지 않는 데이터 저장 구조로 데이터를 수신할 수 있다. 즉, 대량 데이터 배치처리 프로그램(500h)은 수집 데이터를 수신하여 대용량 데이터(NoSQL) 분산처리 및 분석을 수행할 수 있다.
NoSQL 데이터베이스 관리 프로그램(500i)은 클라우드 서버(500)의 클라우드 DB(501)에 저장된 데이터에 대한 NoSQL 데이터베이스에 대한 액세스 관리를 수행할 수 있으며, 각 Active PMS 장치(100), 사용자 스마트 디바이스(600)에 의한 네트워크(300)를 통한 클라우드 서버(500)로의 데이터 조회를 수행할 수 있도록 한다.
딥러닝 알고리즘 프로그램(500j)은 공장에 설치된 각각의 설비 정보를 분산 수집하여 분석/제어 프로그램(500g)에 의한 머신러닝(Machine learning) 알고리즘을 통해 데이터 분석이 완료되면, 상황에 따른 조치 결과를 분석/제어 프로그램(500g)이 설비에 직접 명령하는 것에 추가하여 분석/제어 프로그램(500g)에 의해 머신러닝을 통해 분석된 데이터들 중 심화 분석이 필요한 데이터들만 정제하여 딥러닝(Deep learning)을 통해 2차 분석을 진행한다. 이에 따라 딥러닝 알고리즘 프로그램(500j)은 딥러닝을 통해 얻어진 분석 결과를 수집된 PLC 데이터의 다음 사이클의 PLC 데이터 패턴으로 적용함으로써, 생산 계획에 반영되어 향후 설비 운영 계획을 수립할 수 있다.
여기서 딥러닝 방식은 Active PMS 장치(100)에 의한 PLC 데이터를 분석하여 형성된 패턴 데이터별 반복 작업시 하나의 전체 프로세스에 소요되는 시간인 사이클 타임(Cycle time)과, 각 공정시간의 최대 시간인 택트 타임(Tact time)의 감소를 최소화하는 방식으로 각 PLC 데이터의 공정 파라미터에 대한 딥러닝 알고리즘 프로그램(500j)의 변환 및 적용을 통해 수행될 수 있다.
변환 프로그램(500k)은 클라우드 서버(500)의 클라우드 DB(501)에 저장된 NoSQL 형식의 데이터에 대해서 Active PMS 장치(100) 및/또는 사용자 스마트 디바이스(600)의 요청에 따라 RDBMS(Relational Database Management System) 형식의 데이터로 변환하여 제공할 수 있다.
즉, 변환 프로그램(500k)은 NoSQL 형식의 데이터에 대해서 행과 열로 된 2차원의 표로 데이터를 표현하는 데이터베이스를 제공함으로써, 클라우드 서버(500) 상으로 대규모 컴퓨터 시스템을 대상으로 많은 이용자가 대량의 데이터를 다룰 때 데이터베이스를 관리하도록 하고 Active PMS 장치(100), 모바일단말 또는 PC와 같은 유선단말용 데이터베이스 구조에 비해 클라우드 서버(500)에 의해 대량의 데이터를 취급할 수 있고 신뢰성 측면에서도 뛰어난 업무 시스템을 구축할 수 있도록 한다.
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 PMS 장치(100)에서 클라우드 서버(500)의 데이터를 조작할 수 있도록 하는 효과를 제공한다.
도 4는 본 발명의 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법을 나타내는 흐름도이다. 도 4를 참조하면, Active PMS 장치(100)는 PLC 데이터, 그리고 AI/AO 데이터 및 DI/DO 데이터를 수집한다(S11).
보다 구체적으로, Active PMS 장치(100)는 PLC 장치(100)와 외부 통신 모듈(110)을 통해 연결하여 수집을 원하는 전체 또는 지정된 PLC 장치(100)의 각 주소의 하드웨어 주소를 관리프로그램에 해당하는 주소 지정을 수행한 뒤, 공장 설비를 제어하는 각 PLC 장치(200)에서 추출할 PLC 데이터를 위한 저장 주소를 각 PLC 장치(200)에 대해서 메타데이터로 지정한 뒤, 각 PLC 데이터별 저장 주소 정보를 PMS DB(150)에 저장할 수 있다. 이 경우, Active PMS 장치(100)는 지정된 주소 정보에 따라 각 PLC 장치(200)로부터 수신되는 복수의 PLC 데이터에 대해서 각 주소 정보에 따른 PLC 데이터를 무작위로 추출하여 PMS DB(150)에 저장할 수 있다.
뿐만 아니라, Active PMS 장치(100)는 DI/DO 및 AI/AO 모듈(120)의 포트를 통해 연결된 PLC 장치(200)에 대해서나, PLC 장치(200)와 공장 설비 간의 디지털/아날로그 입출력 상태를 RS-232/485 또는 TCP/IP 통신을 통하여 AI/AO 데이터 및 DI/DO 데이터를 수집한 뒤, 각 주소 정보에 따른 PLC 데이터와 함께 PMS DB(150)에 저장할 수 있다.
단계(S11) 이후, Active PMS 장치(100)는 자동 동기화에 따라 네트워크(300)를 통해 중앙관제 서버(400) 및 클라우드 서버(500)로 단계(S11)에서 수집된 PLC 데이터, 그리고 AI/AO 데이터 및 DI/DO 데이터에 대한 2차 저장을 수행한다(S12). 즉, Active PMS 장치(100)는 PMS DB(150)에 1차로 저장된 PLC 데이터, AI/AO 데이터 및 DI/DO 데이터에 대해서 네트워크(300)와 연결된 중앙관제 서버(400) 및 클라우드 서버(500)로 전송하도록 제어함으로써, 각 PLC 데이터, AI/AO 데이터 및 DI/DO 데이터가 중앙관제 DB(401) 및 클라우드 DB(501)에 2차로 저장되도록 할 수 있다.
즉, PMS DB(150)와 중앙관제 DB(401) 및 클라우드 DB(501)가 자동으로 동기화를 진행할 수 있다. 이에 따라, 데이터 동기는 실시간으로 이루어지며, 각 개소별 Active PMS 장치(100)는 DataNode가 되고, 클라우드 서버(500)는 NameNode가 되어 데이터가 통합될 수 있다. 데이터 통합은 실시간으로 이루어지며, 네트워크(300) 이상, PLC 장치(200) 이상 등 예측할 수 없는 장애가 발생하더라도 장애가 복구되는 즉시 1차 저장된 데이터를 토대로 데이터 동기화를 실행하여 데이터의 누락이 없도록 할 수 있다.
단계(S12) 이후, Active PMS 장치(100)는 PLC 데이터, 그리고 AI/AO 데이터 및 DI/DO 데이터에 대한 데이터 분석, 추출, 비교를 통한 데이터 출력을 수행한다(S13).
Active PMS 장치(100)는 PMS DB(500)에 무작위로 저장된 각 주소 정보별 PLC 데이터에 대해 로직(logic)의 패턴을 분석하여 인식하고 PLC 데이터 분석 정보에 해당하는 PLC 패턴 데이터를 생성하여 PMS DB(150)에 다시 저장할 수 있다. 한편, Active PMS 장치(100)는 PLC 데이터뿐만 아니라, AI/AO 데이터 및 DI/DO 데이터에 대한 로직 패턴도 분석할 수 있다.
이후, Active PMS 장치(100)는 분석된 PLC 패턴 데이터를 기반으로 정상 사이클 데이터 및 이상 발생 징후 데이터를 추출한 뒤, 정상 사이클 데이터 및 이상 발생 징후 데이터를 실시간 PLC 데이터와 비교를 수행할 수 있다.
최종적으로 Active PMS 장치(100)는 생성된 PLC 패턴 데이터 로직에 따른 정상 사이클 데이터 그래프와, 실시간 PLC 데이터 그래프를 함께 입출력장치로 출력하도록 HMI 모듈(130)을 제어할 수 있다.
단계(S13) 이후, Active PMS 장치(100)는 네트워크(300)를 통해 중앙관제 서버(400) 및 클라우드 서버(500)에 대한 액세스(access)를 통해 동기화되어 저장된 데이터 조회를 수행한다(S14). 즉, Active PMS 장치(100)는 PMS DB(150)에 등록된 전체 또는 지정된 주소의 실시간 PLC 데이터를 조회 및 모니터링 할 수 있다. Active PMS 장치(100)는 실시간으로 전송되는 PLC 데이터를 정상 사이클 데이터와 비교하여 수집되고 있는 실시간 PLC 데이터를 조회 및 분석할 수 있으므로, 각 주소 정보별 PLC 데이터에 대해 로직(logic)의 패턴을 기반으로 이상 징후 신호 발생시 미리 확인 및 조치를 취할 수 있다.
또한, 단계(S14)에서 모바일단말이나, PC와 같은 유선단말에 해당하는 사용자 스마트 디바이스(600)에서 네트워크(300)를 통해 중앙관제 서버(400) 및 클라우드 서버(500)에 대한 액세스(access)를 통해 동기화되어 저장된 데이터 조회를 수행할 수도 있다. 즉, 사용자 스마트 디바이스(600)는 동기화된 데이터를 기반으로 작업 현장에서 발생된 다양한 데이터들을 WEB 플랫폼으로 확인할 수 있다.
여기서, Active PMS 장치(100)는 네트워크(300)를 통해 클라우드 서버(500)와 1:1로 연결되어 PLC 장치(200)의 실시간 PLC 데이터를 확인할 수 있고, 사용자 스마트 디바이스(600)는 동일 네트워크(300)에 연결되어 있는 모든 Active PMS 장치(100)의 종합 데이터를 확인 가능하다. 이와 같이, 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법에 의하면 동기화되어 저장된 데이터를 조회, 검색 및 분석함으로써, PLC 장치(200)를 통한 설비 운용의 안정성을 높이는 효과를 볼 수 있다.
도 5는 본 발명의 실시예에 따른 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1) 및 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법에 의한 기능을 나타내는 도면이다. 도 5를 참조하면, [PLC 데이터 수집, 저장 및 분석 기능], [예방보전을 위한 데이터 제공 기능], [생산성 향상을 위한 Tact Time 단축 기능], [고장 예측 기능], [이상 징후 발생시 알림 기능] 등을 수행할 수 있다.
먼저, PLC 데이터 수집, 저장 및 분석 기능으로, 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1)은 무작위로 발생하는 모든 PLC 데이터 신호를 저장하고, 저장된 데이터는 패턴 분석을 통해 정상 사이클 및 이상 징후 발생 신호와 같은 분석된 데이터를 추출하여 제공할 수 있다.
다음으로, 예방보전을 위한 데이터 제공 기능으로, 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1)은 비교(Compare) 기능을 통해 PLC 데이터에 문제 발생 시 실시간 데이터가 정상 사이클 데이터와 벗어나는 부분에 대한 시각적, 수치적 데이터를 제공하여 PLC 장치(200)로 인해 발생하는 문제에 대한 예방보전에 활용할 수 있다.
다음으로, 생산성 향상을 위한 Tact Time 단축 기능으로, 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1)은 수집, 저장되어 분석과정을 통해 가공된 데이터는 각 작업 공정에 걸리는 시간(공정시간)의 최대 시간인 택트 타임(Tact Time)을 증가시키는 원인을 찾는 자료로 활용할 수 있다.
다음으로, 고장 예측 기능으로, 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1)은 저장된 로직(logic)을 분석하여 얻은 패턴 데이터를 통해서 이상 징후 발생 전 후의 누적 데이터를 정렬하여 고장 예측 자료로 활용할 수 있다.
마지막으로, 이상 징후 발생시 알림 기능으로, 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템(1)은 고장 예측 기능으로 발견된 신호를 trigger에 등록하여 해당 신호 발생 시 사용자 스마트 디바이스(600)로 네트워크(300)를 통해 SMS, PUSH 알람 등의 형태로 제공할 수 있다.
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.
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.
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.
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.
1 : 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 시스템
100 : Active PMS 장치(Active PLC Management System Terminal)
110 : 외부 통신 모듈
120 : DI/DO 및 AI/AO 모듈
130 : HMI 모듈
140 : 제어부
LC 통신 수단(141), 주소 지정 수단(142), 데이터 저장 수단(143), 데이터 분석 수단(144), 데이터 추출 수단(145), 데이터 비교 수단(146), 데이터 출력 수단(147), 알람 수단(148)
150 : PMS 데이터베이스(DB)
160 : 네트워크 모뎀
200 : PLC 장치
300 : 네트워크
400 : 중앙관제 서버
500 : 클라우드 서버
100 : Active PMS 장치(Active PLC Management System Terminal)
110 : 외부 통신 모듈
120 : DI/DO 및 AI/AO 모듈
130 : HMI 모듈
140 : 제어부
LC 통신 수단(141), 주소 지정 수단(142), 데이터 저장 수단(143), 데이터 분석 수단(144), 데이터 추출 수단(145), 데이터 비교 수단(146), 데이터 출력 수단(147), 알람 수단(148)
150 : PMS 데이터베이스(DB)
160 : 네트워크 모뎀
200 : PLC 장치
300 : 네트워크
400 : 중앙관제 서버
500 : 클라우드 서버
Claims (5)
- Active PMS 장치(100)가 PLC 데이터, 그리고 AI/AO 데이터 및 DI/DO 데이터를 수집하는 제 1 단계;
Active PMS 장치(100)는 자동 동기화에 따라 네트워크(300)를 통해 중앙관제 서버(400) 및 클라우드 서버(500)로 수집된 PLC 데이터, 그리고 AI/AO 데이터 및 DI/DO 데이터에 대한 2차 저장을 수행하는 제 2 단계; 및
Active PMS 장치(100)가 PLC 데이터, 그리고 AI/AO 데이터 및 DI/DO 데이터에 대한 데이터 분석, 추출, 비교를 통한 데이터 출력을 수행하는 제 3 단계; 를 포함하는 것을 특징으로 하는 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법.
- 청구항 1에 있어서, 상기 제 4 단계 이후,
Active PMS 장치(100)가 네트워크(300)를 통해 중앙관제 서버(400) 및 클라우드 서버(500)에 대한 액세스(access)를 통해 동기화되어 저장된 데이터 조회를 수행하는 것을 특징으로 하는 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법.
- 청구항 1에 있어서, 상기 제 1 단계는,
Active PMS 장치(100)가 PLC 장치(100)와 외부 통신 모듈(110)을 통해 연결하여 수집을 원하는 전체 또는 지정된 PLC 장치(100)의 각 주소의 하드웨어 주소를 관리프로그램에 해당하는 주소 지정을 수행한 뒤, 공장 설비를 제어하는 각 PLC 장치(200)에서 추출할 PLC 데이터를 위한 저장 주소를 각 PLC 장치(200)에 대해서 메타데이터로 지정한 뒤, 각 PLC 데이터별 저장 주소 정보를 PMS DB(150)에 저장하며, 지정된 주소 정보에 따라 각 PLC 장치(200)로부터 수신되는 복수의 PLC 데이터에 대해서 각 주소 정보에 따른 PLC 데이터를 무작위로 추출하여 PMS DB(150)에 저장하고,
DI/DO 및 AI/AO 모듈(120)의 포트를 통해 연결된 PLC 장치(200)에 대해서나, PLC 장치(200)와 공장 설비 간의 디지털/아날로그 입출력 상태를 RS-232/485 또는 TCP/IP 통신을 통하여 AI/AO 데이터 및 DI/DO 데이터를 수집한 뒤, 각 주소 정보에 따른 PLC 데이터와 함께 PMS DB(150)에 저장하는 것을 특징으로 하는 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법.
- 청구항 1에 있어서, 상기 제 2 단계는,
PMS DB(150)와 중앙관제 DB(401) 및 클라우드 DB(501)가 자동으로 동기화를 진행하여, 동기는 실시간으로 이루어지며, 각 개소별 Active PMS 장치(100)가 DataNode가 되고, 클라우드 서버(500)는 NameNode가 되어 데이터가 통합되며, 네트워크(300) 이상, PLC 장치(200) 이상을 포함한 장애가 발생하더라도 장애가 복구되는 즉시 1차 저장된 데이터를 토대로 데이터 동기화를 실행하여 데이터의 누락이 없도록 하는 것을 특징으로 하는 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법.
- 청구항 1에 있어서, 상기 제 3 단계는,
Active PMS 장치(100)가 PMS DB(500)에 무작위로 저장된 각 주소 정보별 PLC 데이터에 대해 로직(logic)의 패턴을 분석하여 인식하고 PLC 데이터 분석 정보에 해당하는 PLC 패턴 데이터를 생성하여 PMS DB(150)에 다시 저장하며,
분석된 PLC 패턴 데이터를 기반으로 정상 사이클 데이터 및 이상 발생 징후 데이터를 추출한 뒤, 정상 사이클 데이터 및 이상 발생 징후 데이터를 실시간 PLC 데이터와 비교를 수행하는 것을 특징으로 하는 공장 자동화 설비의 수명과 생산성 향상을 위한 PLC 패턴 분석 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180027777A KR102097453B1 (ko) | 2018-03-09 | 2018-03-09 | 공장 자동화 설비의 수명과 생산성 향상을 위한 ｐｌｃ 패턴 분석 시스템 및 패턴 분석 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180027777A KR102097453B1 (ko) | 2018-03-09 | 2018-03-09 | 공장 자동화 설비의 수명과 생산성 향상을 위한 ｐｌｃ 패턴 분석 시스템 및 패턴 분석 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190106369A true KR20190106369A (ko) | 2019-09-18 |
| KR102097453B1 KR102097453B1 (ko) | 2020-04-06 |
Family
ID=68071359
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180027777A KR102097453B1 (ko) | 2018-03-09 | 2018-03-09 | 공장 자동화 설비의 수명과 생산성 향상을 위한 ｐｌｃ 패턴 분석 시스템 및 패턴 분석 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102097453B1 (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111857470A (zh) * | 2020-07-15 | 2020-10-30 | 杭州真鹏科技有限公司 | 一种生产设备的无人值守控制方法、装置和控制器 |
| KR102486990B1 (ko) * | 2022-07-04 | 2023-01-10 | 주식회사 데이터메이커 | 인공지능 학습용 라벨 데이터의 라벨링 공정에 대한 어뷰징 자동 검출 방법 |
| KR20230015648A (ko) * | 2021-07-23 | 2023-01-31 | 주식회사 유디엠텍 | Graph autoencoder를 활용한 자동화 설비 동작 시퀀스 이상 감지 방법 |
| WO2023091784A3 (en) * | 2021-11-22 | 2023-07-06 | Jabil Inc. | Apparatus, engine, system and method for predictive analytics in a manufacturing system |
| US11914349B2 (en) | 2016-05-16 | 2024-02-27 | Jabil Inc. | Apparatus, engine, system and method for predictive analytics in a manufacturing system |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102377572B1 (ko) | 2020-08-20 | 2022-03-22 | 황은미 | 통신 드라이버 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180012548A (ko) * | 2016-07-27 | 2018-02-06 | 다운정보통신(주) | 자동제어 시스템에서의 이상 행위 판별 방법 |
-
2018
- 2018-03-09 KR KR1020180027777A patent/KR102097453B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180012548A (ko) * | 2016-07-27 | 2018-02-06 | 다운정보통신(주) | 자동제어 시스템에서의 이상 행위 판별 방법 |
Non-Patent Citations (1)
| 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 (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11914349B2 (en) | 2016-05-16 | 2024-02-27 | Jabil Inc. | Apparatus, engine, system and method for predictive analytics in a manufacturing system |
| CN111857470A (zh) * | 2020-07-15 | 2020-10-30 | 杭州真鹏科技有限公司 | 一种生产设备的无人值守控制方法、装置和控制器 |
| CN111857470B (zh) * | 2020-07-15 | 2022-02-22 | 杭州真鹏科技有限公司 | 一种生产设备的无人值守控制方法、装置和控制器 |
| KR20230015648A (ko) * | 2021-07-23 | 2023-01-31 | 주식회사 유디엠텍 | Graph autoencoder를 활용한 자동화 설비 동작 시퀀스 이상 감지 방법 |
| WO2023091784A3 (en) * | 2021-11-22 | 2023-07-06 | Jabil Inc. | Apparatus, engine, system and method for predictive analytics in a manufacturing system |
| KR102486990B1 (ko) * | 2022-07-04 | 2023-01-10 | 주식회사 데이터메이커 | 인공지능 학습용 라벨 데이터의 라벨링 공정에 대한 어뷰징 자동 검출 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102097453B1 (ko) | 2020-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102097453B1 (ko) | 공장 자동화 설비의 수명과 생산성 향상을 위한 ｐｌｃ 패턴 분석 시스템 및 패턴 분석 방법 | |
| CN113112086B (zh) | 一种基于边缘计算和标识解析的智能生产系统 | |
| CN110719210B (zh) | 一种基于云边协同的工业设备预测性维护方法 | |
| KR102097448B1 (ko) | 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템, 그리고 이를 위한 분산 데이터 수집 및 분산 제어 방법 | |
| CN105427193B (zh) | 一种基于分布式时序数据服务的大数据分析装置及方法 | |
| CN105608758B (zh) | 一种基于算法组态和分布式流计算的大数据分析平台装置及方法 | |
| CN105608144B (zh) | 一种基于多层模型迭代的大数据分析平台装置及方法 | |
| US20190219993A1 (en) | System and method for monitoring factory facilities using active black box | |
| CN116846987B (zh) | 一种工业互联网的交互界面生成方法及系统 | |
| JP6901243B2 (ja) | プロセス環境のための制御システムを最適化するためのシステムおよび方法 | |
| US20110166912A1 (en) | Plant analysis system | |
| CN109032099A (zh) | 工程机械总装生产线在线感知系统 | |
| CN107409140A (zh) | 用于收集工业过程控制和自动化系统风险数据的基础设施监视工具 | |
| CN108989466A (zh) | 工业云平台管理系统 | |
| CN110971666A (zh) | 一种物联网管理系统及其通讯方法 | |
| JP2017076385A (ja) | 分散型工業パフォーマンス監視及び分析プラットフォーム | |
| CN110430260A (zh) | 一种基于大数据云计算支撑的机器人云平台及工作方法 | |
| CN102521781A (zh) | 一种基于独立监控服务的跨安全区的设备统一监控方法及其监控系统 | |
| CN104954242A (zh) | 用于将工业数据迁移至云平台的统一数据摄取适配器 | |
| CN106292580A (zh) | 一种智能集成式半导体制造执行系统 | |
| CN104142663A (zh) | 云平台中的工业设备和系统证明 | |
| CN112462696A (zh) | 一种智能制造车间数字孪生模型构建方法与系统 | |
| CN109066971A (zh) | 基于全站业务数据的变电站智能运检管控系统及方法 | |
| CN109507924A (zh) | 用于油田作业设备的远程监控系统 | |
| CN102968101A (zh) | 基于图形化的矿井多系统联动控制系统及其控制方法 |
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 |