KR20190117834A - A System of Lightening Big Data of Modular Packing Machine Using PLC Data - Google Patents

A System of Lightening Big Data of Modular Packing Machine Using PLC Data Download PDF

Info

Publication number
KR20190117834A
KR20190117834A KR1020180034296A KR20180034296A KR20190117834A KR 20190117834 A KR20190117834 A KR 20190117834A KR 1020180034296 A KR1020180034296 A KR 1020180034296A KR 20180034296 A KR20180034296 A KR 20180034296A KR 20190117834 A KR20190117834 A KR 20190117834A
Authority
KR
South Korea
Prior art keywords
data
input data
input
abnormal
plc
Prior art date
Application number
KR1020180034296A
Other languages
Korean (ko)
Other versions
KR102085277B1 (en
Inventor
김철홍
오일동
Original Assignee
(주)뉴텍오토메이션
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 (주)뉴텍오토메이션 filed Critical (주)뉴텍오토메이션
Priority to KR1020180034296A priority Critical patent/KR102085277B1/en
Publication of KR20190117834A publication Critical patent/KR20190117834A/en
Application granted granted Critical
Publication of KR102085277B1 publication Critical patent/KR102085277B1/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
    • G05B19/04—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], computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/10—Plc systems
    • G05B2219/14—Plc safety
    • G05B2219/14018—IN, plc and comparator, error detector, backup, standby plc, switch, update OUT
    • 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

A system of lightening big data of a modular packing machine using PLC data according to the present invention includes: a data input module designating data received from a packaging machine as input data; a data management module including a data storage part for storing the input data in time series; a data analysis module including an abnormal data setting part for analyzing the stored input data and generating abnormal data; and a driving control module controlling the driving of the packaging machine based on a result of comparing the input data with the abnormal data. It is possible to check and store the abnormal data.

Description

PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템{A System of Lightening Big Data of Modular Packing Machine Using PLC Data}A System of Lightening Big Data of Modular Packing Machine Using PLC Data}

본 발명은 PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템에 관한 것으로서, 보다 상세하게 설명하면 모듈형 포장기에 구비된 산업용 자동화 설비의 컨트롤러인 PLC로부터 수집된 빅데이터의 경량화 처리를 통해 데이터의 저장 공간을 효율적으로 사용할 수 있는 효과를 기대할 수 있는, PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템에 관한 것이다.The present invention relates to a big data lightening system of a modular packaging machine using PLC data, and more specifically, to storing data through a light weighting process of big data collected from a PLC which is a controller of an industrial automation facility equipped with a modular packaging machine. The present invention relates to a big data lightening system of a modular packaging machine using PLC data that can be expected to effectively use space.

PLC(Programmable Logic Controller)란 산업 플랜트의 자동 제어 및 감시에 사용하는 제어 장치로서, 자동으로 기계를 제어할 수 있으므로, 기계로부터 이상 동작이 감지되었을 때 이에 대한 데이터를 분석하여 사후 조치 및 문제의 예방을 할 수 있다.Programmable Logic Controller (PLC) is a control device used for the automatic control and monitoring of industrial plants. It can control the machine automatically. Therefore, when an abnormal operation is detected from the machine, it analyzes the data and prevents follow-up and problems. can do.

일반적으로 PLC에 저장된 데이터는 PC를 통해 HMI(Human Machine Interface) 소프트웨어에 축적된 데이터로 분석될 수 있으며, 히스토리안이라는 데이터 서버를 통해 데이터를 수집 및 분석하는 형태로 구현된다.In general, data stored in a PLC can be analyzed as data accumulated in HMI (Human Machine Interface) software through a PC. The data is collected and analyzed through a data server called a historian.

이와 관련한 선행기술로, 한국 등록특허 제 10-1591193호(발명의 명칭 : PLC 로그 데이터를 이용한 이상 발생 예측 시스템)는 PLC 데이터 로그모듈에서 수집한 데이터 중 이상 발생 시의 데이터를 분석한 뒤, 이와 비슷한 조건의 데이터가 발생하는 경우, 이상 징후 발생을 예보함으로써 신속하게 대책을 마련할 수 있도록 하는 PLC 로그 데이터를 이용한 이상 발생 예측 시스템을 제안하고 있다.In the related art, Korean Patent No. 10-1591193 (Invention name: Anomaly prediction system using PLC log data) analyzes data when an error occurs among data collected by a PLC data log module, When data with similar conditions occur, we propose a system for predicting abnormality using PLC log data, which can prepare countermeasures quickly by forecasting anomaly occurrence.

상기 발명은, PLC 로그 데이터를 이용한 이상 발생 예측 시스템은, PLC 데이터 로그모듈과 연결되는 하위 장치로부터 전송되는 데이터를 판단하여, 이상 발생 관련 데이터인 경우, 이벤트 저장부에 저장하는 제어부; 상기 이상 발생 관련 데이터를 분석하여, 이상 분석 결과를 생성하는 분석부; 및 상기 이상 분석 결과를 저장하는 분석 결과 저장부로 구성되고, 상기 제어부는 상기 하위 장치로부터 전송되는 데이터를 상기 분석 결과 저장부에 저장된 이상 분석 결과와 비교하여, 전송되는 데이터가 상기 이상 분석 결과와 유사한 것으로 판단하는 경우, 이상 발생 예측 신호를 생성하는 구성을 제안하고 있다.The present invention provides an error occurrence prediction system using PLC log data, including: a controller which determines data transmitted from a lower device connected to a PLC data log module and stores the event data in an event storage unit in case of abnormality related data; An analyzer configured to analyze the abnormality-related data and generate an abnormality analysis result; And an analysis result storage unit for storing the abnormality analysis result, wherein the controller compares the data transmitted from the lower device with the abnormality analysis result stored in the analysis result storage unit, and the transmitted data is similar to the abnormality analysis result. In the case of determining that the error is determined, a configuration for generating an abnormal occurrence prediction signal is proposed.

그러나 상기 발명은 기기의 문제 및 데이터 신뢰성을 고려하지 않은 제안으로서, 시계열적으로 데이터가 자동으로 저장되지 않아 데이터 저장 및 분석 시간이 많이 할애된다는 단점이 존재한다.However, the present invention is a proposal that does not consider the problem of the device and the data reliability, and there is a disadvantage that the data storage and analysis time is devoted because the data is not automatically stored in time series.

따라서 이러한 문제를 해결하기 위해 데이터를 시계열적으로 저장한 후 빅데이터 처리를 함으로써 방대한 양의 데이터를 관리할 수 있는데 이와 관련된 선행기술로, 한국 등록특허 제 10-1645396호(발명의 명칭 : 시계열 빅데이터 처리 방법과 그 시스템)에서는 시계열 빅데이터에 산재되어 있는 다양한 수준의 유의미한 정보를 추출 및 분석하는 방안을 제시하고 있다.Therefore, in order to solve this problem, it is possible to manage a large amount of data by storing data in time series and processing big data. As a related art, Korean Patent No. 10-1645396 (Invention: Time Series Big) Data processing methods and systems) propose a method of extracting and analyzing various levels of meaningful information interspersed with time series big data.

상기 발명은, 빅데이터의 로우(raw) 데이터들을 이용하여 상기 로우 데이터들의 획득 일시와 연관된 키(key) 및 값(value)으로 구성되는 하위 계층의 이벤트 데이터들을 생성하는 단계와, 키를 기준으로 하위 계층의 이벤트 데이터들을 소팅(sorting)하여, 키들 각각에 대해 시간 순으로 정렬된 값들을 갖는 리스트들을 생성하는 단계, 및 리스트들을 이용하여 상위 계층의 이벤트 데이터들을 생성하는 단계를 제안하고 있다.The present invention may further comprise generating event data of a lower layer consisting of a key and a value associated with an acquisition date and time of the row data using raw data of big data, and based on a key. It has been proposed to sort the lower layer event data to generate lists with time-ordered values for each of the keys, and to generate the upper layer event data using the lists.

상기 발명은 시계열적으로 데이터를 저장하여 이를 처리하는 방안을 제안하고 있으나, 방대한 양의 데이터에서 중복 데이터를 필터링하여 저장 공간을 효율적으로 사용할 수 없다는 단점이 존재한다.The present invention proposes a method of storing data and processing the data in time series, but there is a disadvantage in that storage space cannot be efficiently used by filtering redundant data in a large amount of data.

따라서 상술한 바와 같은 문제점을 해결하기 위해 입력된 빅데이터를 시계열적으로 저장한 다음, 중복된 데이터를 필터링하고 유의미한 데이터만을 저장하여 제한된 저장 공간을 효율적으로 사용할 수 있는 PLC 데이터를 이용한 빅데이터 경량화 시스템을 개발할 필요성이 대두되는 실정이다.Therefore, in order to solve the problems described above, big data reduction system using PLC data that can efficiently use limited storage space by storing input big data in time series, filtering redundant data, and storing only significant data There is a need to develop a system.

본 발명은 상기 기술의 문제점을 극복하기 위해 안출된 것으로, 모듈형 포장기로부터 입력받은 데이터를 분석한 후 포장기의 이상 동작을 일으키는 이상 데이터를 파악하여 저장하는 것을 주요 목적으로 한다.SUMMARY OF THE INVENTION The present invention has been made to overcome the problems of the above technology, and the main object of the present invention is to identify and store abnormal data causing abnormal operation of the packaging machine after analyzing the data input from the modular packaging machine.

본 발명의 다른 목적은, 입력 데이터로부터 파악한 불감대를 기반으로 데이터를 유지 및 삭제하는 것이다.Another object of the present invention is to maintain and delete the data based on the dead zone grasped from the input data.

본 발명의 또 다른 목적은, 포장기의 에러 시점 및 에러 시점에서의 데이터를 파악한 후 이를 기반으로 데이터를 유지 및 삭제하는 것이다.Still another object of the present invention is to grasp the data at the error time and the error time of the packaging machine and to maintain and delete the data based thereon.

본 발명의 추가 목적은, 입력 데이터의 노이즈를 제거하여 보정 데이터를 생성하고 이를 기반으로 데이터를 유지 및 삭제하는 것이다.It is a further object of the present invention to generate correction data by removing noise of the input data and to maintain and delete the data based thereon.

상기 목적을 달성하기 위하여, 본 발명에 따른 PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템은, 포장기로부터 입력받는 데이터를 입력 데이터로 지정하는 데이터 입력 모듈; 상기 입력 데이터를 시계열적으로 저장하는 데이터 저장부를 포함하는 데이터 관리 모듈; 저장된 상기 입력 데이터를 분석하여 이상 데이터를 생성하는 이상 데이터 설정부를 포함하는 데이터 분석 모듈; 상기 입력 데이터와 상기 이상 데이터를 비교 처리한 결과를 기반으로 상기 포장기의 구동을 제어하는 구동 제어 모듈;을 포함하는 것을 특징으로 한다.In order to achieve the above object, the big data reduction system of the modular packaging machine using the PLC data according to the present invention, a data input module for designating the data received from the packaging machine as input data; A data management module including a data storage for storing the input data in time series; A data analysis module including an abnormal data setting unit configured to generate the abnormal data by analyzing the stored input data; And a drive control module for controlling driving of the packaging machine based on a result of comparing the input data with the abnormal data.

또한, 상기 데이터 관리 모듈은, 상기 포장기의 전원 문제가 발생할 경우 저장된 상기 입력 데이터를 백업하는 데이터 백업부를 포함하는 것을 특징으로 한다.In addition, the data management module, characterized in that it comprises a data backup unit for backing up the stored input data when a power problem of the packaging machine occurs.

나아가, 상기 데이터 분석 모듈은, 시계열적으로 저장된 상기 입력 데이터가 특이적으로 변화하는 특이점을 불량 패턴으로 파악하는 패턴 분석부를 포함하며, 상기 이상 데이터 설정부는, 상기 불량 패턴을 기반으로 상기 입력 데이터를 이상 데이터로 설정하는 것을 특징으로 한다.Further, the data analysis module may include a pattern analyzer configured to identify a singular point in which the input data stored in time series changes specifically as a bad pattern, and the abnormal data setting unit may be configured to generate the input data based on the bad pattern. It is characterized by setting the abnormal data.

더하여, 상기 패턴 분석부는, 시간에 대한 입력 데이터 그래프를 생성한 후 상기 그래프에서 피크를 검출하는 피크 검출파트와, 상기 피크를 기준으로 상기 피크와 인접한 피크 사이의 구간을 반복 구간으로 파악하는 반복 구간 파악파트 및, 상기 피크와 상기 반복 구간을 불량 구간으로 지정하는 불량 구간 파악파트와, 상기 불량 구간이 일정 시간 간격마다 반복적으로 발생하는지 파악하는 반복 발생 파악파트 및, 반복되는 상기 불량 구간을 불량 패턴으로 설정하는 불량 패턴 설정파트를 포함하는 것을 특징으로 한다.In addition, the pattern analysis unit generates a input data graph with respect to time, and then repeats a peak detection part for detecting a peak in the graph and a section between the peak and an adjacent peak based on the peak as a repeating section. Detecting part and a bad section identifying part for designating the peak and the repeating section as a bad section, a repetition occurrence grasping part for identifying whether the bad section repeatedly occurs at a predetermined time interval, and the bad section being repeated bad pattern It characterized in that it comprises a bad pattern setting part to be set to.

본 발명에 따른 PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템은,Big data reduction system of modular packaging machine using PLC data according to the present invention,

1) 입력받은 데이터를 분석한 후 생성된 이상 데이터를 통해 포장기를 자동으로 구동 제어할 수 있고,1) After analyzing the input data, the abnormality data generated can automatically control the operation of the packing machine.

2) 입력 데이터로부터 파악한 불감대를 기반으로 데이터를 필터링함으로써 데이터의 저장 공간을 효율적으로 정리할 수 있을 뿐 아니라,2) By filtering the data based on the deadband identified from the input data, you can efficiently organize the storage space of the data,

3) 포장기의 에러 시점 및 에러 시점에서의 데이터를 파악한 것을 기반으로 데이터를 추가 필터링함으로써 데이터를 경량화할 수 있으며,3) The data can be lightened by additionally filtering the data based on the error time and the data at the time of the packing machine.

4) 입력 데이터의 노이즈를 제거함으로써 보다 정확한 입력 데이터만을 저장 공간에 저장하여 포장기의 정밀한 구동 제어를 제공하는 효과를 제시한다.4) By removing the noise of the input data, only the more accurate input data is stored in the storage space, thereby providing the effect of providing precise driving control of the packaging machine.

도 1은 본 발명의 시스템에 대한 개략적인 구성을 나타낸 개념도.
도 2는 본 발명의 시스템의 기본 구성을 나타낸 블록도.
도 3은 본 발명의 시스템의 세부 구성을 나타낸 블록도.
도 4는 본 발명의 데이터를 경량화 하는 프로세스를 나타낸 순서도.1 is a conceptual diagram showing a schematic configuration of a system of the present invention.
2 is a block diagram showing the basic configuration of the system of the present invention.
3 is a block diagram showing a detailed configuration of a system of the present invention.
4 is a flow chart showing a process for lightening the data of the present invention.

이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명하도록 한다. 첨부된 도면은 축척에 의하여 도시되지 않았으며, 각 도면의 동일한 참조 번호는 동일한 구성 요소를 지칭한다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings. The accompanying drawings are not drawn to scale, and like reference numerals in each of the drawings refer to like elements.

도 1은 본 발명의 시스템(1)에 대한 개략적인 구성을 나타낸 개념도이다.1 is a conceptual diagram showing a schematic configuration of a system 1 of the present invention.

도 1을 참조하면, 본 발명의 PLC(20) 데이터를 이용한 모듈형 포장기(10)의 빅데이터 경량화 시스템(1)은 산업용 자동화 설비의 컨트롤러인 PLC(20)에 입력된 모듈형 표장기의 빅데이터를 경량화 처리하는 것으로서, 일반적인 PLC(20)에 1초 단위로 입력된 데이터가 아닌 더 작은 시간 단위로 데이터를 입력받은 후 분류 처리를 통해 저장 공간 및 데이터 분석 시간의 효율성을 제공하는 기능을 수행한다.Referring to FIG. 1, the big data weight reduction system 1 of the modular packaging machine 10 using the PLC 20 data of the present invention is the big of the modular marking machine input to the PLC 20 which is a controller of an industrial automation facility. As the data is lightened, the data is input in a smaller time unit rather than the data input in the general PLC 20 in a unit of 1 second, and then, the classification process is performed to provide efficiency of storage space and data analysis time. do.

이러한 기능을 수행하기 위해 본 발명의 시스템(1)은 기본적으로 포장기(10)와 PLC(20)로 이루어진다.In order to perform this function, the system 1 of the present invention basically consists of a packaging machine 10 and a PLC 20.

포장기(10)는 제품이 송입되면 제품의 표면에 필름을 씌워 제품을 포장하는 것으로서, 이러한 기능을 수행하기 위해 제품을 이동시키는 이송부와 제품을 포장하는 필름을 공급하는 필름 롤러 및 필름의 가장자리를 가열 융착하여 절단하는 커터를 구비한다.The packaging machine 10 wraps the product by covering the film on the surface of the product when the product is fed, and heats the edges of the film roller and the film supplying the conveying part for moving the product and the film for packaging the product to perform this function. A cutter for fusion and cutting is provided.

PLC(20)는 포장기(10)가 공정을 수행하도록 구동을 직접 제어하는 주체로서, 데이터를 입력받으면 PLC(20)에 별도로 구비된 프로그램에 의해 순차적으로 데이터를 분석 처리하고 결과값을 출력하여 PLC(20)와 연결된 외부 장치인 포장기(10)를 제어하는 기능을 수행한다.The PLC 20 is a subject that directly controls the driving of the packaging machine 10 to perform a process. When the data is received, the PLC 20 sequentially analyzes the data and outputs a result value by using a program separately included in the PLC 20. It performs a function of controlling the packaging machine 10 that is an external device connected to the (20).

구체적으로 본 발명의 시스템(1)에서는 포장기(10)가 구동되면서 포장기(10)의 이송부와 커터 및 필름 롤러에 구비된 모터에서 시간 당 모터의 회전 속도, 토크, 전류값 및 위치와 같은 데이터가 발생하게 되는데, PLC(20)는 포장기(10)로부터 이와 같은 데이터를 입력받은 후 분석한 결과값을 출력할 수 있다.(이에 대한 자세한 설명은 후술하기로 한다.)Specifically, in the system 1 of the present invention, data such as the rotational speed, torque, current value and position of the motor per hour in the motor provided in the conveying part of the packaging machine 10 and the cutter and the film roller while the packaging machine 10 is driven is stored. The PLC 20 may output the analyzed result after receiving such data from the packager 10. (The detailed description thereof will be described later.)

이와 같은 기능을 수행하는 PLC(20)를 통해 PLC(20)의 저장 공간을 효율적으로 관리하고 분석 시간을 단축시키기 위하여 PLC(20)에 저장된 데이터를 경량화 처리할 수 있다. 이와 관련하여 PLC(20)는 다음과 같은 구성을 가질 수 있다.In order to efficiently manage the storage space of the PLC 20 and to shorten the analysis time through the PLC 20 performing such a function, data stored in the PLC 20 may be reduced in weight. In this regard, the PLC 20 may have the following configuration.

도 2는 본 발명의 시스템(1)의 기본 구성을 나타낸 블록도이다.2 is a block diagram showing the basic configuration of the system 1 of the present invention.

도 2를 참조하면, 본 발명의 PLC(20)는 단일 머신으로부터 데이터를 입력받고 이를 분석한 후 단일 머신의 구동을 제어하기 위해 기본적으로 데이터 입력 모듈(100), 데이터 관리 모듈(200), 데이터 분석 모듈(300) 및 구동 제어 모듈(400)을 포함한다.Referring to FIG. 2, the PLC 20 of the present invention basically receives data from a single machine, analyzes the data, and then basically controls the data input module 100, the data management module 200, and the data to control the driving of the single machine. The analysis module 300 and the drive control module 400 are included.

데이터 입력 모듈(100)은 포장기(10)의 구동에 의해 입력받은 데이터를 입력 데이터로 지정하는 기능을 제공한다. 예를 들어, 포장기(10)가 구동됨에 따라 PLC(20)에서 입력받는 입력 데이터는 상술한 바와 같이 모터의 RPM, 토크, 전류값 위치가 될 수 있다.The data input module 100 provides a function of designating data input by driving the packager 10 as input data. For example, as the packaging machine 10 is driven, input data received from the PLC 20 may be RPM, torque, and current value positions of the motor as described above.

데이터 관리 모듈(200)은 상술한 데이터 입력 모듈(100)에 의해 입력받은 데이터를 시계열적으로 저장하는 기능을 제공한다. 이때 데이터 저장 모듈은 PLC(20)에 별도로 구비된 플래쉬 메모리와 연동되어 플래쉬 메모리에 데이터를 저장할 수 있다. 이러한 기능을 수행하기 위해 데이터 관리 모듈(200)은 데이터 저장부(210)를 포함하여 입력 데이터를 시계열적으로 저장할 수 있다.The data management module 200 provides a function of time-storing data received by the data input module 100 described above. In this case, the data storage module may be interlocked with a flash memory separately provided in the PLC 20 to store data in the flash memory. In order to perform such a function, the data management module 200 may include the data storage 210 to store input data in time series.

또한, 포장기(10)가 갑자기 꺼지는 등과 같은 전원 문제가 발생함으로 인해 저장된 PLC(20) 데이터가 모두 삭제되는 것을 방지하기 위하여 데이터 관리 모듈(200)은 입력 데이터를 백업하는 데이터 백업부(220)를 더 포함할 수 있다. 이때 데이터 백업부(220)는 포장기(10)에 전원 문제가 발생하면 포장기(10)에 별도로 구비된 배터리의 잔량으로 데이터를 백업할 수 있다.In addition, in order to prevent all of the stored PLC 20 data from being deleted due to a power problem such as the packager 10 suddenly turns off, the data management module 200 may include a data backup unit 220 for backing up input data. It may further include. In this case, when a power problem occurs in the packaging machine 10, the data backup unit 220 may back up data to the remaining amount of battery separately provided in the packaging machine 10.

데이터 분석 모듈(300)은 상술한 데이터 저장 모듈에 의해 저장된 데이터를 분석하여 이상 데이터를 생성하는 것으로서, 이를 위해 이상 데이터 설정부(310)와 패턴 분석부(320)를 포함할 수 있다.The data analysis module 300 generates abnormal data by analyzing the data stored by the above-described data storage module. The data analysis module 300 may include an abnormal data setting unit 310 and a pattern analyzing unit 320.

이상 데이터 설정부(310)는 입력 데이터를 분석하여 이상 데이터를 생성하는 것으로서, 구체적으로 후술할 패턴 분석부(320)에 의해 파악된 불량 패턴에 해당하는 입력 데이터를 이상 데이터로 설정하는 기능을 수행한다. 이렇게 설정된 이상 데이터는 다시 데이터 저장부(210)에 의해 저장됨으로써 컨트롤러가 데이터를 입력받을 때 이상 데이터와 비교한 결과에 따라 포장기(10)의 구동을 제어할 수 있다.The abnormal data setting unit 310 generates abnormal data by analyzing the input data, and specifically, sets the input data corresponding to the defective pattern identified by the pattern analyzing unit 320 to be described later as the abnormal data. do. The abnormal data set as described above is stored by the data storage 210 again to control the driving of the packaging machine 10 according to a result of comparing the abnormal data when the controller receives the data.

패턴 분석부(320)는 시계열적으로 저장된 입력 데이터 값을 분석하여 특이적으로 변화하는 부분(예를 들어 관찰 시점에서의 입력 데이터의 값이 갑자기 크거나 작은 경우)을 특이점으로 지정한 후 이를 불량 패턴으로 파악하는 기능을 수행한다. 이의 구체적인 구성 및 패턴을 분석하는 원리는 후술하기로 한다.The pattern analyzer 320 analyzes the input data values stored in time series and designates a portion that specifically changes (for example, when the value of the input data suddenly becomes large or small) as a singular point and then a bad pattern. It performs the function of grasping. The principle of analyzing its specific configuration and pattern will be described later.

구동 제어 모듈(400)은 상술한 이상 데이터 설정부(310)에 의해 설정된 이상 데이터를 기반으로 입력 데이터와 이상 데이터를 비교 처리한 결과에 따라 포장기(10)의 구동을 제어하는 것으로서, 입력 데이터가 이상 데이터와 동일하면 포장기(10)의 구동을 멈추고 입력 데이터가 이상 데이터와 상이하면 포장기(10)를 가동하도록 포장기(10)의 구동을 제어할 수 있다.The drive control module 400 controls the driving of the packaging machine 10 according to a result of comparing and processing the input data and the abnormal data based on the abnormal data set by the abnormal data setting unit 310 as described above. When the same as the abnormal data, driving of the packaging machine 10 may be stopped, and when the input data is different from the abnormal data, the driving of the packaging machine 10 may be controlled to operate the packaging machine 10.

이와 같이 저장된 PLC(20) 데이터를 이용하여 포장기(10)를 자동으로 제어하는 구성에 대해 살펴보았다. 그러나 포장기(10)를 구동함에 따라 PLC(20)에는 방대한 양의 데이터가 지속적으로 축적되어 저장 공간의 한계가 발생할 수 있다. 따라서 본 발명의 시스템(1)은 빅데이터인 PLC(20) 데이터의 용량을 경량화하기 위한 방안으로 다음의 세부 구성을 더 갖출 수 있다.As described above, the configuration of automatically controlling the packaging machine 10 using the stored PLC 20 data was described. However, as the packaging machine 10 is driven, a large amount of data is continuously accumulated in the PLC 20, which may cause a limitation of storage space. Therefore, the system 1 of the present invention may further include the following detailed configuration as a method for reducing the capacity of the PLC 20 data, which is big data.

도 3은 본 발명의 시스템(1)의 세부 구성을 나타낸 블록도이며, 도 4는 본 발명의 데이터를 경량화 하는 프로세스를 나타낸 순서도이다.3 is a block diagram showing a detailed configuration of the system 1 of the present invention, and FIG. 4 is a flowchart showing a process for lightening the data of the present invention.

도 3 및 도 4를 참조하면, 본 발명의 시스템(1)에서 PLC(20) 데이터를 분석하는 방법은 시계열적으로 저장된 데이터에서 피크를 검출한 후 피크를 기준으로 불량 구간을 파악하여 불량 구간이 주기적으로 발생하는 불량 패턴을 분석하는 것이다. 이러한 기능을 수행하기 위해 데이터 분석 모듈(300) 중 패턴 분석부(320)는 피크 검출파트(321), 반복 구간 파악파트(322), 불량 구간 파악파트(323), 반복 발생 파악파트(324) 및 불량 패턴 설정파트(325)를 포함할 수 있다.3 and 4, in the method of analyzing the PLC 20 data in the system 1 of the present invention, after detecting a peak in time-series stored data, the defective section is identified based on the peak. It is to analyze bad patterns that occur periodically. In order to perform such a function, the pattern analyzer 320 of the data analysis module 300 includes a peak detection part 321, a repetition section grasp part 322, a defective section grasp part 323, and a repetition occurrence grasp part 324. And a bad pattern setting part 325.

피크 검출파트(321)는 시계열적으로 저장된 데이터로부터 시간에 따른 입력 데이터 그래프를 생성한 다음 피크를 검출하는 것으로서, 이는 후술할 불량 구간을 파악할 시 기준이 되는 지점이 될 수 있다. 이때 피크는 상술한 패턴 분석부(320)에서의 특이점이라고 할 수 있다.The peak detection part 321 generates an input data graph according to time from data stored in time series and then detects a peak, which may be a reference point when identifying a defective section to be described later. In this case, the peak may be a singular point in the pattern analyzer 320 described above.

반복 구간 파악파트(322)는 상술한 피크 검출파트(321)에 의해 검출된 피크를 기준으로 인접한 피크 사이의 구간을 반복 구간으로 파악하는 것으로서, 이는 한 피크를 기준으로 좌우에 반복적인 웨이블릿 파형이 파악되면 이를 반복 구간으로 지정하는 기능을 제공한다.The repetition section acquiring part 322 recognizes a section between adjacent peaks based on the peak detected by the peak detection part 321 as a repetition section. Once identified, it provides the ability to designate it as a repeat interval.

불량 구간 파악파트(323)는 상술한 피크 및 반복 구간을 불량 구간으로 파악하는 것으로서, 포장기(10)가 구동되면서 파악된 특이점인 피크와 반복 구간을 포함한 불량 구간을 파악함으로써 이상 데이터가 될 수 있는 입력 데이터를 알 수 있다.The bad section identifying part 323 identifies the peak and the repeat section as described above as the bad section, which may be abnormal data by identifying the bad section including the peak and the repeat section, which are the singularity identified while the packaging machine 10 is driven. Know the input data.

반복 발생 파악파트(324)는 불량 구간이 일정 시간 간격마다 반복적으로 발생하는지 파악하는 것으로서, 예를 들어 불량 구간이 1초마다 발생하는지 혹은 100ms마다 발생하는지를 파악하는 기능을 제공한다.The repetition occurrence detection part 324 is to determine whether the bad section occurs repeatedly at regular time intervals, for example, and provides a function to determine whether the bad section occurs every second or every 100 ms.

불량 패턴 설정파트(325)는 반복적인 불량 구간을 불량 패턴으로 설정하는 것으로서, 이는 중복되는 불량 구간에 해당하는 입력 데이터를 불량 패턴으로 설정하여 상술한 이상 데이터 설정부(310)에서 이러한 불량 패턴을 이상 데이터로 설정할 수 있는 기능을 제공한다.The bad pattern setting part 325 sets a repetitive bad section as a bad pattern, which sets the input data corresponding to the overlapping bad section as a bad pattern and sets the bad pattern in the above-described abnormal data setting unit 310. It provides a function to set the error data.

즉, 이렇게 파악된 불량 패턴은 반복적인 데이터가 저장되었음을 의미하고, 반복적인 데이터가 존재한다는 것은 결국 PLC(20)의 저장부에 중복적으로 데이터가 저장되어 저장 공간을 그만큼 효율적으로 사용할 수 없다는 것을 의미한다.That is, the bad pattern thus identified means that repetitive data is stored, and the existence of repetitive data means that data is repeatedly stored in the storage unit of the PLC 20 so that the storage space cannot be used so efficiently. it means.

따라서 불량 패턴 설정파트(325)에 의해 불량 패턴이 설정되면 데이터 저장부(210)에 의해 저장된 데이터 중 불량 구간과 중복된 데이터는 삭제됨으로써 저장 공간의 효율성을 더욱 증대시킴과 더불어 데이터의 분석 시간을 단축시킬 수 있다.Therefore, when the bad pattern is set by the bad pattern setting part 325, data duplicated with the bad section among the data stored by the data storage unit 210 are deleted, thereby further increasing the efficiency of the storage space and improving the analysis time of the data. It can be shortened.

이와 관련하여, 상술한 바와 같이 PLC(20) 데이터를 경량화하여 분할된 저장 공간에 저장하기 위해 데이터 관리 모듈(200)은 데이터 삭제부(230)를 더 포함할 수 있다.In this regard, as described above, the data management module 200 may further include a data deletion unit 230 to reduce the weight of the PLC 20 data and store the data in the divided storage space.

데이터 삭제부(230)는 데이터 저장부(210)에 저장된 데이터를 삭제하는 기능을 수행하는 것으로서, 데이터 저장부(210)에 저장된 중복된 데이터를 삭제함으로써 저장 공간을 효율적으로 사용할 수 있도록 한다. The data deleting unit 230 performs a function of deleting data stored in the data storage unit 210, and deletes duplicated data stored in the data storage unit 210 to efficiently use the storage space.

또한, 본 발명의 시스템(1)은 데이터의 경량화를 위하여 데이터 용량 설정 모듈(500)을 더 포함할 수 있다.In addition, the system 1 of the present invention may further include a data capacity setting module 500 to reduce data weight.

데이터 용량 설정 모듈(500)은 데이터 저장부(210)에 의해 저장된 데이터를 기 설정된 기준에 따라 유지 및 삭제하여 저장된 데이터의 용량을 경량화하는 것으로서, 상술한 불량 패턴과 일치하는 입력 데이터를 삭제함으로써 입력 데이터의 저장 용량을 감소시켜 저장 공간을 새로이 설정할 수 있다. 이를 위해 데이터 용량 설정 모듈(500)은 불감대 범위 설정부(510)와 이상 예측 수치 산출부(520)를 포함할 수 있다.The data capacity setting module 500 maintains and deletes the data stored by the data storage unit 210 according to a predetermined criterion to reduce the capacity of the stored data. By reducing the storage capacity of the data, a new storage space can be set. To this end, the data capacity setting module 500 may include a dead zone range setting unit 510 and an abnormal prediction numerical value calculation unit 520.

불감대 범위 설정부(510)는 관찰 시점에서의 입력 데이터로부터 불감대에 해당하는 데이터 값의 범위인 불감대 범위를 설정하는 것으로서, 이때 불감대는 관찰 시점에서 입력된 입력 데이터의 +, - 설정치 범위를 설정한 후 출력되는 데이터가 설정치 범위 내의 값이면 포장기(10)의 제어가 불안정해지는 것을 의미한다. 여기서 설정치 범위는 본 발명의 시스템(1)에 의해 설정될 수 있으며, 혹은 본 발명의 시스템(1) 관리자에 의해 미리 설정치 범위를 입력받을 수 있다.The dead zone range setting unit 510 sets the dead zone range, which is a range of data values corresponding to the dead zone, from the input data at the time of observation, wherein the dead zone is a +,-set value range of the input data input at the time of observation. If the data output after setting the value within the set value range means that the control of the packaging machine 10 becomes unstable. Herein, the setpoint range may be set by the system 1 of the present invention, or may be input in advance by the administrator of the system 1 of the present invention.

이상 예측 수치 산출부(520)는 상술한 불감대 범위 설정부(510)에 의해 설정된 불감대 범위에 해당하는 입력 데이터를 일정 시간 단위로 입력받은 후 이상 예측 수치를 산출하는 것으로서, 이때 이상 예측 수치는 다음의 수학식 1을 통해 산출될 수 있다.The abnormality predictive value calculator 520 calculates the abnormality predicted value after receiving input data corresponding to the deadband range set by the deadband range setting unit 510 in a predetermined time unit, and at this time, the abnormality predicted numerical value. May be calculated through Equation 1 below.

수학식 1.

Figure pat00001
Equation 1.
Figure pat00001

여기서, E는 이상 데이터의 이상 예측 수치, I(xi)는 시간 i일 때 입력된 이상 데이터, Q(xi)는 시간 i일 때 출력된 이상 데이터, F(xi)는 입력된 데이터가 이상 데이터일 확률 밀도 함수, t는 이상 데이터가 입력된 시간, N은 입력된 이상 데이터의 개수를 의미한다.Where E is an abnormality predicted value of the abnormal data, I (x i ) is abnormal data input at time i, Q (x i ) is abnormal data output at time i, and F (x i ) is input data Is a probability density function that is an ideal data, t is the time when the abnormal data is input, N is the number of the input abnormal data.

수학식 1은 입력 데이터와 이상 데이터의 값과 입력 데이터가 이상 데이터일 확률을 기반으로 이상 예측 수치를 산출하는 것으로서, 불감대 범위 내에 포함된 입력 데이터 값과 이상 데이터의 값에서 입력 데이터가 이상 데이터일 확률 밀도 함수까지 고려하여 이상 데이터 설정부(310)에 의해 입력 데이터가 이상 데이터일 가능성까지 반영하여 입력 데이터가 이상 데이터인지 예측할 수 있는 이상 예측 수치를 산출할 수 있다.Equation 1 calculates an abnormality prediction value based on the values of the input data and the abnormal data and the probability that the input data is the abnormal data, wherein the input data is abnormal data from the input data value and the abnormal data included in the dead band range. The abnormality data setting unit 310 may calculate the abnormality predictive value that may predict whether the input data is the abnormal data by reflecting the possibility that the input data is the abnormal data by considering one probability density function.

이와 같이 산출된 이상 예측 수치는 상술한 이상 데이터 설정부(310)에 의해 이상 데이터로 설정되며, 상술한 데이터 관리 모듈(200)은 입력 데이터가 이상 데이터와 동일하면 데이터 저장부(210)에 의해 입력 데이터를 저장하고, 입력 데이터가 이상 데이터와 다르면 데이터 삭제부(230)에 의해 입력 데이터를 삭제하여 데이터의 저장 공간을 관리할 수 있다.The abnormality predicted numerical value calculated as described above is set as abnormal data by the above-described abnormal data setting unit 310, and the data management module 200 described above by the data storage unit 210 when the input data is the same as the abnormal data. If the input data is stored and the input data is different from the abnormal data, the data deleting unit 230 may delete the input data to manage the storage space of the data.

정리하자면, 상술한 불감대 범위 설정부(510)와 이상 예측 수치 산출부(520)는 데이터를 필터링하는 과정으로서, 필터링을 통해 데이터의 저장 용량을 경량화함으로써 PLC(20)의 저장 공간을 효율적으로 사용할 수 있는 기능을 제공한다.In summary, the deadband range setting unit 510 and the abnormal prediction numerical value calculation unit 520 are a process of filtering data, and by efficiently reducing the storage space of the PLC 20 by filtering the data storage capacity. It provides a function that can be used.

또한, 상술한 불감대 범위 설정부(510) 및 이상 예측 수치 산출부(520)에 의해 데이터를 필터링하는 것에서 더 나아가 포장기(10)의 오류가 발생하는 시점에서의 데이터를 파악함으로써 포장기(10)의 작동 오류를 야기하는 데이터만을 저장하여 포장기(10)의 이상을 예측하도록 할 수 있다. 이를 위해 데이터 용량 설정 모듈(500)은 에러 시점 파악부(530) 및 에러 데이터 파악부(540)를 포함할 수 있다.In addition, the data is filtered by the dead band range setting unit 510 and the abnormality predicting numerical value calculating unit 520, and the data is obtained by identifying the data at the time when the error of the packing machine 10 occurs. Only data that causes an operation error of may be stored to predict the abnormality of the packaging machine 10. To this end, the data capacity setting module 500 may include an error time determiner 530 and an error data determiner 540.

에러 시점 파악부(530)는 포장기(10) 구동 시 에러가 발생한 시점을 파악하는 것으로서, 이때 에러라 함은 포장기(10)가 구동될 시 작동이 멈추거나 제품을 포장한 결과 하자가 발생한 경우를 의미한다.The error point determining unit 530 is to determine the point of time when an error occurs when the packaging machine 10 is driven. In this case, the error indicates a case where a defect occurs as a result of stopping the operation or packaging the product when the packaging machine 10 is driven. it means.

에러 데이터 파악부(540)는 상술한 에러 시점 파악부(530)에 의해 파악된 에러 시점에서 입력된 데이터의 최대값 및 최소값인 에러 데이터를 파악하는 것으로서, 포장기(10)의 에러가 발생하는 시점일 때 포장기(10)로부터 입력받은 데이터는 곧 포장기(10)의 에러를 유발하는 데이터라고 할 수 있으므로, 이러한 에러 데이터의 최대값(즉, 포장기(10)의 에러를 유발할 수 있는 데이터의 최대값)과 최소값(즉, 포장기(10)의 에러를 유발할 수 있는 데이터의 최소값)을 파악하여 에러 데이터 범위를 설정함으로써 에러 데이터 범위 내의 값을 가지는 데이터만을 저장하여 데이터를 경량화할 수 있다.The error data grasping unit 540 grasps the error data which is the maximum value and the minimum value of the input data at the error grasping point detected by the error point grasping unit 530 described above, and the time when an error of the packaging machine 10 occurs. When the data received from the packaging machine 10 is the data that causes the error of the packaging machine 10, the maximum value of such error data (that is, the maximum value of data that may cause an error of the packaging machine 10). ) And the minimum value (that is, the minimum value of the data that may cause the error of the packaging machine 10) and the error data range is set, so that only data having a value within the error data range can be stored to reduce the data weight.

구체적으로 설명하자면, 상기 에러 데이터 파악부(540)에 의해 파악된 에러 데이터 범위를 기반으로 하여 상술한 데이터 관리 모듈(200)은 입력 데이터가 상기 에러 데이터 범위에 포함될 시 상기 데이터가 입력된 시점으로부터 일정 시간 간격(예를 들어 전후 30초) 동안 입력된 데이터를 모두 이상 데이터로 설정하여 저장하고, 입력된 데이터가 에러 데이터 범위에 포함되지 않을 시 데이터 삭제부(230)에 의해 저장 공간에서 삭제시켜 PLC(20)에 저장된 데이터를 경량화할 수 있다.Specifically, based on the error data range identified by the error data checking unit 540, the above-described data management module 200 may start from the time point at which the data is input when the input data is included in the error data range. Set all the input data as abnormal data for a certain time interval (for example, 30 seconds before and after), and delete it from the storage space by the data deleting unit 230 when the input data is not included in the error data range. Data stored in the PLC 20 can be reduced in weight.

이는 상술한 불감대 범위 설정부(510)와 이상 예측 수치 산출부(520)에 의해 입력 데이터를 필터링하는 과정과 별개로 다른 방식으로 입력 데이터를 필터링하는 과정이며, 불감대 범위 설정부(510)와 이상 예측 수치 산출부(520)에 의해 설정된 이상 데이터를 상술한 에러 시점 파악부(530)와 에러 데이터 파악부(540)에 의해 필터링할 수 있다.This is a process of filtering the input data in a different manner from the process of filtering the input data by the dead zone range setting unit 510 and the abnormal prediction numerical calculator 520, and the dead zone range setting unit 510. And the abnormality data set by the abnormality predicting numerical value calculating unit 520 may be filtered by the above-described error time determining unit 530 and the error data determining unit 540.

더 나아가, 상기 데이터 분석 모듈(300)은 중복되는 데이터를 삭제하여 저장 공간을 경량화할 시 보다 정확하게 중복되는 데이터를 파악함으로써 포장기(10) 구동의 제어의 오류를 감소시키기 위하여 노이즈 제거부(330)를 더 포함할 수 있다.In addition, the data analysis module 300 detects the duplicated data more accurately when deleting the duplicated data to reduce the storage space, thereby reducing the error of the control of the drive of the packaging machine 10. It may further include.

노이즈 제거부(330)는 상기 입력 데이터의 노이즈를 파악한 후 상기 입력 데이터로부터 상기 노이즈를 제거하여 보정 데이터를 생성하는 것으로서, 입력 데이터의 노이즈를 제거하여 보정 데이터를 생성함으로써 데이터의 정확도를 더 높일 수 있다.The noise removing unit 330 detects the noise of the input data and then removes the noise from the input data to generate the correction data. The noise removing unit 330 may further increase the accuracy of the data by removing the noise of the input data to generate the correction data. have.

이때 상기 데이터 관리 모듈(200)은 새로 입력된 입력 데이터가 노이즈를 포함하지 않을 시 입력 데이터를 저장하고, 입력 데이터가 노이즈를 포함할 시 입력 데이터를 보정 데이터로 변환하여 저장함으로써 데이터의 저장 공간을 효율적으로 관리할 수 있다.In this case, the data management module 200 stores the input data when the newly input data does not include noise, and converts the input data into correction data when the input data includes noise to store the data storage space. It can be managed efficiently.

이에 더하여, 노이즈 제거부(330)는 구체적으로 기준값 산출파트(331), 노이즈 파악파트(332), 보정 데이터 생성파트(333)를 포함하여 입력 데이터로부터 노이즈를 파악하여 이를 제거할 수 있다.In addition, the noise removing unit 330 may specifically include a reference value calculation part 331, a noise grasping part 332, and a correction data generating part 333 to identify and remove noise from the input data.

기준값 산출파트(331)는 노이즈의 범위를 정의하는 기준값을 산출하는 것으로서, 이때 기준값은 다음의 수학식 2를 통해 산출될 수 있다.The reference value calculating part 331 calculates a reference value defining a range of noise. In this case, the reference value may be calculated through Equation 2 below.

수학식 2.

Figure pat00002
Equation 2.
Figure pat00002

여기서, C,P는 기준값, N은 상기 피크 값이다.Here, C and P are reference values and N is the peak value.

수학식 2는 상술한 피크 검출파트에 의해 검출된 피크 값에 따라 기준값을 산출하는 것으로서, 이때 기준값은 노이즈의 범위를 정의하는 것이고, 피크 값이 노이즈가 될 수 있으므로, 피크 값이 클수록 노이즈라고 판단되는 기준값이 커질 수 있음을 알 수 있다. Equation 2 calculates a reference value according to the peak value detected by the above-described peak detection part, wherein the reference value defines a range of noise, and since the peak value may be noise, the peak value is determined to be noise. It can be seen that the reference value can be large.

노이즈 파악파트(332)는 기준값 산출파트(331)에 의해 산출된 기준값을 기반으로 상기 입력 데이터로부터 상기 노이즈의 유무를 파악하는 것으로서, 기준값 이상의 값을 지니는 입력 데이터를 노이즈로 파악하여 입력 데이터에 노이즈가 있는지를 알 수 있다.The noise grasp part 332 grasps the presence or absence of the noise from the input data based on the reference value calculated by the reference value calculation part 331, and grasps the input data having a value greater than or equal to the reference value as noise to make noise into the input data. You can see if there is.

보정 데이터 생성파트(333)는 기준값을 기반으로 입력 데이터로부터 노이즈를 제거한 보정 데이터를 생성하는 것으로서, 이때 보정 데이터는 다음의 수학식 3을 통해 산출될 수 있다.The correction data generation part 333 generates correction data from which noise is removed from the input data based on the reference value. In this case, the correction data may be calculated through Equation 3 below.

수학식 3.

Figure pat00003
Equation 3.
Figure pat00003

여기서, S.S는 보정 데이터, SI,i는 저장된 상기 입력 데이터 중 i번째 입력 데이터, C.P는 상기 기준값, N은 상기 입력 데이터의 총 개수를 의미한다.Here, SS is correction data, S I, i is i-th input data among the stored input data, CP is the reference value, and N is the total number of the input data.

수학식 3은 입력 데이터로부터 노이즈가 제거된 보정 데이터 값을 산출하는 것으로서, 이때 보정 데이터 값은 입력 데이터의 값에서 기준값을 뺀 결과로부터 산출될 수 있으며, 보정 데이터는 결국 노이즈가 제거된 입력 데이터를 의미하므로 이를 기준으로 데이터의 저장 공간을 관리한다면 포장기(10)의 구동 제어를 보다 정확히 할 수 있다.Equation 3 calculates a correction data value from which noise is removed from the input data. The correction data value may be calculated from a result of subtracting a reference value from the value of the input data. Therefore, if the storage space of the data is managed based on this, it is possible to more accurately control the drive of the packaging machine 10.

따라서 데이터 관리 모듈(200)은 입력 데이터가 기준값 이하일 시 입력 데이터를 저장하고, 입력 데이터가 기준값 초과 시 입력 데이터를 보정 데이터로 변환하여 저장함으로써 데이터의 저장 공간으로 효율적으로 관리할 수 있다.Accordingly, the data management module 200 may efficiently store the input data when the input data is less than or equal to the reference value, and convert the input data into correction data when the input data exceeds the reference value, thereby efficiently managing the data storage space.

지금까지 설명한 바와 같이, 본 발명에 따른 PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템의 구성 및 작용을 상기 설명 및 도면에 표현하였지만 이는 예를 들어 설명한 것에 불과하여 본 발명의 사상이 상기 설명 및 도면에 한정되지 않으며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 변화 및 변경이 가능함은 물론이다.As described so far, the configuration and operation of the big data lightening system of the modular packaging machine using the PLC data according to the present invention have been expressed in the above description and the drawings, but this is merely an example and the idea of the present invention is described and described. The present invention is not limited to the drawings, and various changes and modifications are possible without departing from the technical spirit of the present invention.

1 : 시스템 10 : 포장기
20 : PLC 100 : 데이터 입력 모듈
200 : 데이터 관리 모듈 210 : 데이터 저장부
220 : 데이터 백업부 230 : 데이터 삭제부
300 : 데이터 분석 모듈 310 : 이상 데이터 설정부
320 : 패턴 분석부 321 : 피크 검출파트
322 : 반복 구간 파악파트 323 : 불량 구간 파악파트
324 : 반복 발생 파악파트 325 : 불량 패턴 설정파트
330 : 노이즈 제거부 331 : 기준값 산출파트
332 : 노이즈 파악파트 333 : 보정 데이터 생성파트
400 : 구동 제어 모듈 500 : 데이터 용량 설정 모듈
510 : 불감대 범위 설정부 520 : 이상 예측 수치 산출부
530 : 에러 시점 파악부 540 : 에러 데이터 파악부1: System 10: Packing Machine
20: PLC 100: data input module
200: data management module 210: data storage unit
220: data backup unit 230: data deletion unit
300: data analysis module 310: abnormal data setting unit
320: pattern analysis unit 321: peak detection part
322: Repetition section grasp part 323: Defective section grasp part
324: Repetition occurrence part 325: Poor pattern setting part
330: Noise removing unit 331: Reference value calculation part
332: Noise grasp part 333: Correction data generation part
400: drive control module 500: data capacity setting module
510: dead zone range setting unit 520: abnormal prediction numerical calculation unit
530: error time grasping unit 540: error data grasping unit

Claims (11)

PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템으로서,
포장기로부터 입력받는 데이터를 입력 데이터로 지정하는 데이터 입력 모듈;
상기 입력 데이터를 시계열적으로 저장하는 데이터 저장부를 포함하는 데이터 관리 모듈;
저장된 상기 입력 데이터를 분석하여 이상 데이터를 생성하는 이상 데이터 설정부를 포함하는 데이터 분석 모듈;
상기 입력 데이터와 상기 이상 데이터를 비교 처리한 결과를 기반으로 상기 포장기의 구동을 제어하는 구동 제어 모듈;을 포함하는 것을 특징으로 하는, PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템.Big data reduction system of modular packaging machine using PLC data,
A data input module for designating input data from the packaging machine as input data;
A data management module including a data storage for storing the input data in time series;
A data analysis module including an abnormal data setting unit configured to generate the abnormal data by analyzing the stored input data;
And a drive control module for controlling the drive of the packaging machine based on a result of comparing the input data with the abnormal data. The big data reduction system of a modular packaging machine using PLC data. 제 1항에 있어서,
상기 데이터 관리 모듈은,
상기 포장기의 전원 문제가 발생할 경우 저장된 상기 입력 데이터를 백업하는 데이터 백업부를 포함하는 것을 특징으로 하는, PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템.The method of claim 1,
The data management module,
And a data backup unit for backing up the stored input data when a power problem of the packager occurs. 제 1항에 있어서,
상기 데이터 분석 모듈은,
시계열적으로 저장된 상기 입력 데이터가 특이적으로 변화하는 특이점을 불량 패턴으로 파악하는 패턴 분석부를 포함하며,
상기 이상 데이터 설정부는,
상기 불량 패턴을 기반으로 상기 입력 데이터를 이상 데이터로 설정하는 것을 특징으로 하는, PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템.The method of claim 1,
The data analysis module,
It includes a pattern analysis unit for identifying a singularity in which the input data stored in time series changes specifically as a bad pattern,
The abnormal data setting unit,
Big data reduction system of a modular packaging machine using PLC data, characterized in that for setting the input data to the abnormal data based on the failure pattern. 제 3항에 있어서,
상기 패턴 분석부는,
시간에 대한 입력 데이터 그래프를 생성한 후 상기 그래프에서 피크를 검출하는 피크 검출파트와,
상기 피크를 기준으로 상기 피크와 인접한 피크 사이의 구간을 반복 구간으로 파악하는 반복 구간 파악파트 및,
상기 피크와 상기 반복 구간을 불량 구간으로 지정하는 불량 구간 파악파트와,
상기 불량 구간이 일정 시간 간격마다 반복적으로 발생하는지 파악하는 반복 발생 파악파트 및,
반복되는 상기 불량 구간을 불량 패턴으로 설정하는 불량 패턴 설정파트를 포함하는 것을 특징으로 하는, PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템.The method of claim 3,
The pattern analysis unit,
A peak detection part for generating a graph of an input data for time and then detecting peaks in the graph;
A repeating section grasp part for identifying a section between the peak and an adjacent peak based on the peak as a repeating section;
A bad section identifying part for designating the peak and the repeat section as a bad section;
A repetition occurrence identification part for recognizing whether the defective section is repeatedly generated at predetermined time intervals;
Big data reduction system of a modular packaging machine using PLC data, characterized in that it comprises a bad pattern setting part for setting the repeated bad section to a bad pattern. 제 1항에 있어서,
상기 데이터 관리 모듈은,
저장된 상기 입력 데이터를 삭제하는 데이터 삭제부를 포함하며,
상기 시스템은,
상기 반복 구간과 일치하는 입력 데이터를 삭제함으로써 상기 입력 데이터의 저장 용량을 감소시켜 상기 입력 데이터의 저장 공간을 새로 설정하는 데이터 용량 설정 모듈;을 포함하는 것을 특징으로 하는, PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템.The method of claim 1,
The data management module,
And a data deletion unit for deleting the stored input data.
The system,
And a data capacity setting module for setting a new storage space of the input data by reducing the storage capacity of the input data by deleting the input data corresponding to the repetition section. Big Data Lightweight System 제 5항에 있어서,
상기 데이터 용량 설정 모듈은,
기 설정된 불감대에 해당하는 입력 데이터의 범위를 불감대 범위로 설정하는 불감대 범위 설정부와,
상기 불감대 범위에 해당하는 입력 데이터를 일정 시간 단위로 입력받은 후 이상 예측 수치를 산출하는 이상 예측 수치 산출부를 포함하고,
상기 이상 데이터 설정부는,
상기 이상 예측 수치를 이상 데이터로 설정하며,
상기 데이터 관리 모듈은,
상기 입력 데이터가 상기 이상 데이터와 동일할 시 상기 입력 데이터를 저장하고, 상기 입력 데이터가 상기 이상 데이터와 동일하지 않을 시 상기 입력 데이터를 삭제하는 것을 특징으로 하는, PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템.The method of claim 5,
The data capacity setting module,
A dead zone range setting unit for setting a range of input data corresponding to a preset dead zone as a dead zone range;
And an abnormality prediction numerical value calculation unit configured to calculate an abnormality prediction value after receiving the input data corresponding to the dead zone in a predetermined time unit.
The abnormal data setting unit,
Setting the abnormality prediction value to abnormal data,
The data management module,
Storing the input data when the input data is the same as the abnormal data, and deleting the input data when the input data is not the same as the abnormal data; Data lightweighting system. 제 6항에 있어서,
상기 이상 예측 수치는,
다음의 수학식 1을 통해 산출되는 것을 특징으로 하는, PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템.
수학식 1.
Figure pat00004

(여기서, E는 이상 데이터의 이상 예측 수치, I(xi)는 시간 i일 때 입력된 이상 데이터, Q(xi)는 시간 i일 때 출력된 이상 데이터, F(xi)는 입력된 데이터가 이상 데이터일 확률 밀도 함수, t는 이상 데이터가 입력된 시간, N은 입력된 이상 데이터의 개수)The method of claim 6,
The abnormal prediction number,
Big data reduction system of a modular packaging machine using PLC data, characterized in that calculated through the following equation (1).
Equation 1.
Figure pat00004

Where E is the abnormality predicted value of the abnormal data, I (x i ) is the abnormal data input at time i, Q (x i ) is the abnormal data output at time i, and F (x i ) is inputted. Probability density function where the data is anomalous data, t is the time the abnormal data was entered, N is the number of abnormal data entered) 제 5항에 있어서,
상기 데이터 용량 설정 모듈은,
상기 포장기의 구동 시 에러가 발생하는 시점을 에러 시점으로 파악하는 에러 시점 파악부와,
상기 에러 시점에서의 입력 데이터의 최소값 및 최대값을 파악한 후 상기 최소값 및 상기 최대값을 기반으로 에러 데이터 범위를 설정하는 에러 데이터 파악부를 포함하며,
상기 데이터 관리 모듈은,
상기 입력 데이터가 상기 에러 데이터 범위에 포함될 시 상기 입력 데이터가 입력된 시점으로부터 일정 시간 간격 동안 입력된 상기 입력 데이터를 이상 데이터로 설정하여 저장하고, 상기 입력 데이터가 에러 데이터 범위에 포함되지 않을 시 상기 입력 데이터를 삭제하는 것을 특징으로 하는, PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템.The method of claim 5,
The data capacity setting module,
An error time determining unit for identifying a time point at which an error occurs when the packaging machine is driven as an error time point;
An error data checking unit configured to determine a minimum value and a maximum value of the input data at the error time point and then set an error data range based on the minimum value and the maximum value;
The data management module,
When the input data is included in the error data range, the input data inputted for a predetermined time interval from the time point at which the input data is input is set as abnormal data and stored, and when the input data is not included in the error data range, A big data reduction system for modular packaging machines using PLC data, characterized by deleting input data. 제 1항에 있어서,
상기 데이터 분석 모듈은,
상기 입력 데이터의 노이즈를 파악한 후 상기 입력 데이터로부터 상기 노이즈를 제거하여 보정 데이터를 생성하는 노이즈 제거부를 포함하며,
상기 데이터 관리 모듈은,
상기 입력 데이터가 상기 노이즈를 포함하지 않을 시 상기 입력 데이터를 저장하고, 상기 입력 데이터가 상기 노이즈를 포함할 시 상기 입력 데이터를 상기 보정 데이터로 변환하여 저장하는 것을 특징으로 하는, PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템.The method of claim 1,
The data analysis module,
A noise remover configured to determine noise of the input data and to remove the noise from the input data to generate correction data;
The data management module,
A module using PLC data, storing the input data when the input data does not include the noise, and converting and storing the input data into the correction data when the input data includes the noise. Big data reduction system of type packing machine. 제 9항에 있어서,
상기 노이즈 제거부는,
노이즈의 범위를 정의하는 기준값을 산출하는 기준값 산출파트와,
상기 기준값을 기반으로 상기 입력 데이터로부터 상기 노이즈의 유무를 파악하는 노이즈 파악파트와,
상기 기준값을 기반으로 상기 입력 데이터로부터 상기 노이즈를 제거한 보정 데이터를 생성하는 보정 데이터 생성파트를 포함하며,
상기 데이터 관리 모듈은,
상기 입력 데이터가 상기 기준값 이하일 시 상기 입력 데이터를 저장하고, 상기 입력 데이터가 상기 기준값 초과 시 상기 입력 데이터를 상기 보정 데이터로 변환하여 저장하고,
상기 이상 데이터 생성부는,
상기 보정 데이터를 기반으로 이상 데이터를 생성하는 것을 특징으로 하는, PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템.The method of claim 9,
The noise removing unit,
A reference value calculating part for calculating a reference value defining a range of noise;
A noise grasp part for grasping the presence or absence of the noise from the input data based on the reference value;
A correction data generation part for generating correction data from which the noise is removed from the input data based on the reference value,
The data management module,
Storing the input data when the input data is less than the reference value, and converting the input data into the correction data when the input data exceeds the reference value, and storing the input data;
The abnormal data generation unit,
Big data reduction system of modular packaging machine using PLC data, characterized in that for generating abnormal data based on the correction data. 제 10항에 있어서,
상기 기준값은,
다음의 수학식 2를 통해 산출되며,
상기 보정 데이터는,
다음의 수학식 3을 통해 산출되는 것을 특징으로 하는, PLC 데이터를 이용한 모듈형 포장기의 빅데이터 경량화 시스템.
수학식 2.
Figure pat00005

(여기서, C,P는 기준값, N은 상기 데이터 저장부에 저장된 상기 피크 값)
수학식 3.
Figure pat00006

(여기서, S.S는 보정 데이터, SI,i는 저장된 상기 입력 데이터 중 i번째 입력 데이터, C.P는 상기 기준값, N은 상기 입력 데이터의 총 개수)The method of claim 10,
The reference value is
It is calculated through Equation 2 below.
The correction data,
Big data reduction system of a modular packaging machine using PLC data, characterized in that calculated through the following equation (3).
Equation 2.
Figure pat00005

Where C and P are reference values and N is the peak value stored in the data storage.
Equation 3.
Figure pat00006

Where SS is correction data, S I, i is i-th input data among the stored input data, CP is the reference value, and N is the total number of input data.
KR1020180034296A 2018-03-26 2018-03-26 A System of Lightening Big Data of Modular Packing Machine Using PLC Data KR102085277B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180034296A KR102085277B1 (en) 2018-03-26 2018-03-26 A System of Lightening Big Data of Modular Packing Machine Using PLC Data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180034296A KR102085277B1 (en) 2018-03-26 2018-03-26 A System of Lightening Big Data of Modular Packing Machine Using PLC Data

Publications (2)

Publication Number Publication Date
KR20190117834A true KR20190117834A (en) 2019-10-17
KR102085277B1 KR102085277B1 (en) 2020-03-05

Family

ID=68424362

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180034296A KR102085277B1 (en) 2018-03-26 2018-03-26 A System of Lightening Big Data of Modular Packing Machine Using PLC Data

Country Status (1)

Country Link
KR (1) KR102085277B1 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005346655A (en) * 2004-06-07 2005-12-15 Omron Corp Process control system, process control method, process control program and recording medium for program
JP2006294011A (en) * 2005-03-15 2006-10-26 Omron Corp Control program development support apparatus
KR101573500B1 (en) * 2014-12-05 2015-12-02 한국생산기술연구원 Wireless communication data logger, plant monitoring system and methods using the same

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005346655A (en) * 2004-06-07 2005-12-15 Omron Corp Process control system, process control method, process control program and recording medium for program
JP2006294011A (en) * 2005-03-15 2006-10-26 Omron Corp Control program development support apparatus
KR101573500B1 (en) * 2014-12-05 2015-12-02 한국생산기술연구원 Wireless communication data logger, plant monitoring system and methods using the same

Also Published As

Publication number Publication date
KR102085277B1 (en) 2020-03-05

Similar Documents

Publication Publication Date Title
JP6404893B2 (en) Tool life estimation device
Paolanti et al. Machine learning approach for predictive maintenance in industry 4.0
US10809704B2 (en) Process performance issues and alarm notification using data analytics
CN108073497B (en) Multi-index transaction analysis method based on data center data acquisition platform
KR102334965B1 (en) Predictive maintenance system for efficient management of factory automation equipment and productivity improvement
US7647131B1 (en) Dynamic determination of sampling rates
US7827122B1 (en) Data mining of unfiltered controller data
CN103760820B (en) CNC milling machine process evaluation device of state information
CN104781740A (en) Modular system for real-time evaluation and monitoring of machining production-line overall performances calculated from each given workpiece, tool and machine
CN106407589B (en) Fan state evaluation and prediction method and system
CN104238491B (en) Information platform for the data processing based on industrial automation stream
CN116316613B (en) Power equipment operation monitoring method, system, electronic equipment and storage medium
Calabrese et al. An event based machine learning framework for predictive maintenance in industry 4.0
CN117055502A (en) Intelligent control system based on Internet of things and big data analysis
JP7168567B2 (en) Method and Apparatus for Collecting Motion Data for Industrial Robot Applications
Glawar et al. A holistic approach for quality oriented maintenance planning supported by data mining methods
KR102085277B1 (en) A System of Lightening Big Data of Modular Packing Machine Using PLC Data
CN114670062B (en) Method and system for detecting wear state of drilling tool in real time
KR101917477B1 (en) Pre-sensing apparatus for abnormal of coiling equipment
CN112966785B (en) Intelligent constellation state identification method and system
KR20210100399A (en) System and method for predicting manufacturing quality using artificial intelligence
Sobaszek et al. Survival analysis method as a tool for predicting machine failures
JP2022191680A (en) Data selection support device, and data selection support method
CN116141058B (en) Self-adaptive matching and control method, system and equipment for numerical control machine tool
EP4028173B1 (en) A plant for shredding metal waste and a method for the use thereof

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