KR20200031208A - 센서 고장 자동 탐지 방법 및 시스템 - Google Patents

센서 고장 자동 탐지 방법 및 시스템 Download PDF

Info

Publication number
KR20200031208A
KR20200031208A KR1020180109909A KR20180109909A KR20200031208A KR 20200031208 A KR20200031208 A KR 20200031208A KR 1020180109909 A KR1020180109909 A KR 1020180109909A KR 20180109909 A KR20180109909 A KR 20180109909A KR 20200031208 A KR20200031208 A KR 20200031208A
Authority
KR
South Korea
Prior art keywords
sensor
curve map
reference curve
group
subgroup
Prior art date
Application number
KR1020180109909A
Other languages
English (en)
Other versions
KR102103270B1 (ko
Inventor
류재환
Original Assignee
삼미정보시스템 주식회사
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 삼미정보시스템 주식회사 filed Critical 삼미정보시스템 주식회사
Priority to KR1020180109909A priority Critical patent/KR102103270B1/ko
Publication of KR20200031208A publication Critical patent/KR20200031208A/ko
Application granted granted Critical
Publication of KR102103270B1 publication Critical patent/KR102103270B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

본 발명의 실시예에 따른 센서 고장 자동 탐지 방법은, 제1 센서와 제1 센서에 인접한 8개의 센서들을 제1 그룹으로 정의하는 단계와, 8개의 센서들을 제1 센서를 기준으로 반대 방향에 위치하는 제1 센서그룹, 제2 센서그룹, 제3 센서그룹, 및 제4 센서그룹으로 구분하고, 제1 센서와 제1 센서그룹을 제1 서브그룹, 제1 센서와 제2 센서그룹을 제2 서브그룹, 제1 센서와 제3 센서그룹을 제3 서브그룹, 및 제1 센서와 제4 센서그룹을 제4 서브그룹으로 정의하는 단계와, 제1 서브그룹, 제2 서브그룹, 제3 서브그룹, 및 제4 서브그룹으로부터 센싱된 데이터를 기초로 일정 시간 간격으로 제1 기준곡선맵(Reference Curve Map: RCM), 제2 기준곡선맵, 제3 기준곡선맵, 및 제4 기준곡선맵을 생성하고 저장하는 단계와, 제1 서브그룹, 제2 서브그룹, 제3 서브그룹, 및 제4 서브그룹으로부터 센싱된 데이터를 기초로 제1 곡선맵, 제2 곡선맵, 제3 곡선맵 및, 제4 곡선맵을 생성하고, 제1 기준곡선맵, 제2 기준곡선맵, 제3 기준곡선맵, 및 제4 기준곡선맵과 비교하는 단계와, 제1 곡선맵, 제2 곡선맵, 제3 곡선맵, 및 제4 곡선맵이 제1 기준곡선맵, 제2 기준곡선맵, 제3 기준곡선맵, 및 제4 기준곡선맵 중 3개 이상의 기준곡선맵과 차이가 있는 경우, 제1 센서를 고장으로 판단하는 단계를 포함한다.

Description

센서 고장 자동 탐지 방법 및 시스템{METHOD AND SYSTEM FOR AUTOMATIC DETECTION OF SENSOR MALFUNCTION}
본 발명은 센서 고장 자동 탐지 방법 및 시스템에 관한 것이다.
IT 기술의 발전으로 근로자의 업무 환경, 정보 수집, 안전사고 방지 등을 위하여 다양한 센서를 이용한 작업 환경 모니터링 시스템 구축 연구가 활발히 진행되고 있다. O2, CO2, NH3, Pm2 등의 기후 센서들을 이용한 작업환경 모니터링 시스템은 근로자의 안전과 건강을 보호할 수 있기 때문에 최근 산업현장에서 필수 시스템으로 자리잡고 있다.
기후 센서들은 정확한 근로환경 정보를 취득하고 분석하기 위하여 일정한 간격으로 근거리에 최대한 많은 센서들을 배치하는 망형태의 배치 방법으로 구성한다. 하지만 센서의 수가 증가함에 따라 오류가 발생한 센서를 발견하는 것이 어렵고, 최악의 경우 잘못된 센싱 정보로 인하여 안전사고가 발생할 수 있다. 따라서 기후 센서를 이용한 작업환경 모니터링 시스템에서는 자동으로 센서의 고장을 탐지하는 기능이 필요하다.
위 기재된 내용은 오직 본 발명의 기술적 사상들에 대한 배경 기술의 이해를 돕기 위한 것이며, 따라서 그것은 본 발명의 기술 분야의 당업자에게 알려진 선행 기술에 해당하는 내용으로 이해될 수 없다.
본 발명의 실시예는 산업 현장에서 센서의 고장이 발생했을 때, 센서 고장을 정확하게 탐지하고, 더 나아가 손실된 센서 값을 복원하기 위한 센서 고장 자동 탐지 방법 및 시스템을 제공함을 목적으로 한다.
상기 목적을 달성하기 위하여 본 발명의 실시예에 따른 센서 고장 자동 탐지 방법은 제1 센서와 상기 제1 센서에 인접한 8개의 센서들을 제1 그룹으로 정의하는 단계와; 상기 8개의 센서들을 상기 제1 센서를 기준으로 반대 방향에 위치하는 제1 센서그룹, 제2 센서그룹, 제3 센서그룹, 및 제4 센서그룹으로 구분하고, 상기 제1 센서와 상기 제1 센서그룹을 제1 서브그룹, 상기 제1 센서와 상기 제2 센서그룹을 제2 서브그룹, 상기 제1 센서와 상기 제3 센서그룹을 제3 서브그룹, 및 상기 제1 센서와 상기 제4 센서그룹을 제4 서브그룹으로 정의하는 단계와; 상기 제1 서브그룹, 상기 제2 서브그룹, 상기 제3 서브그룹, 및 상기 제4 서브그룹으로부터 센싱된 데이터를 기초로 일정 시간 간격으로 제1 기준곡선맵(Reference Curve Map: RCM), 제2 기준곡선맵, 제3 기준곡선맵, 및 제4 기준곡선맵을 생성하고 저장하는 단계와; 상기 제1 서브그룹, 상기 제2 서브그룹, 상기 제3 서브그룹, 및 상기 제4 서브그룹으로부터 센싱된 데이터를 기초로 제1 곡선맵, 제2 곡선맵, 제3 곡선맵 및, 제4 곡선맵을 생성하고, 상기 제1 기준곡선맵, 상기 제2 기준곡선맵, 상기 제3 기준곡선맵, 및 상기 제4 기준곡선맵과 비교하는 단계와; 상기 제1 곡선맵, 상기 제2 곡선맵, 상기 제3 곡선맵, 및 상기 제4 곡선맵이 상기 제1 기준곡선맵, 상기 제2 기준곡선맵, 상기 제3 기준곡선맵, 및 상기 제4 기준곡선맵 중 3개 이상의 기준곡선맵과 차이가 있는 경우, 상기 제1 센서를 고장으로 판단하는 단계를 포함한다.
상기 센서 고장 자동 탐지 방법은, 상기 제1 센서의 고장을 사용자에게 알리는 단계와; 상기 제1 센서의 고장 확정 신호를 수신하는 단계를 더 포함할 수 있다.
상기 센서 고장 자동 탐지 방법은, 상기 제1 곡선맵, 상기 제2 곡선맵, 상기 제3 곡선맵, 상기 제4 곡선맵, 상기 제1 기준곡선맵, 상기 제2 기준곡선맵, 상기 제3 기준곡선맵, 및 상기 제4 기준곡선맵을 활용하여 상기 제1 센서의 값을 유추하는 단계를 더 포함할 수 있다.
상기 제1 곡선맵, 상기 제2 곡선맵, 상기 제3 곡선맵, 상기 제4 곡선맵, 상기 제1 기준곡선맵, 상기 제2 기준곡선맵, 상기 제3 기준곡선맵, 및 상기 제4 기준곡선맵을 활용하여 상기 제1 센서의 값을 유추하는 단계는, 상기 제1 곡선맵, 상기 제2 곡선맵, 상기 제3 곡선맵, 상기 제4 곡선맵, 상기 제1 기준곡선맵, 상기 제2 기준곡선맵, 상기 제3 기준곡선맵, 및 상기 제4 기준곡선맵의 데이터를 기초로 선형보간법을 이용하여 상기 제1 센서의 값을 유추하는 단계를 포함할 수 있다.
상기 센서 고장 자동 탐지 방법은, 상기 제1 센서의 값을 가중평균을 이용하여 결정하는 단계를 더 포함할 수 있다.
상기 센서 고장 자동 탐지 방법은, 상기 제1 센서의 고장을 사용자에게 알리는 단계와; 상기 제1 곡선맵, 상기 제2 곡선맵, 상기 제3 곡선맵, 및 상기 제4 곡선맵의 데이터를 기초로 상기 제1 기준곡선맵, 상기 제2 기준곡선맵, 상기 제3 기준곡선맵, 및 상기 제4 기준곡선맵을 업데이트하는 단계를 더 포함할 수 있다.
본 발명의 실시예에 따른 센서 고장 자동 탐지 시스템은, 다수의 센서들 중 제1 센서와 상기 제1 센서에 인접한 8개의 센서들을 제1 그룹으로 정의하고, 상기 8개의 센서들을 4개의 센서그룹들로 구분한 후, 상기 제1 센서와 상기 4개의 센서그룹들로 각각 구성된 4개의 서브그룹들로부터 데이터를 수신하여 4개의 기준곡선맵(Reference Curve Map: RCM)을 생성하고 이를 활용하여 상기 제1 센서의 고장을 판단하는 프로세서와; 상기 기준곡선맵을 저장하는 메모리를 포함한다.
상기 제1 그룹은 상기 제1 센서와 상기 제1 센서를 중심으로 격자 형태로 인접하여 배치된 8개의 센서들을 포함할 수 있다.
상기 4개의 센서그룹들은 상기 제1 센서를 기준으로 반대 방향에 위치하는 제1 센서그룹, 제2 센서그룹, 제3 센서그룹, 및 제4 센서그룹을 포함할 수 있다.
상기 다수의 센서들은 기후 센서, 환경 센서 중 적어도 어느 하나를 포함할 수 있다.
이와 같은 본 발명의 실시예에 따른 센서 고장 자동 탐지 방법 및 시스템에 의하면 기준곡선맵을 활용하여 센서 고장을 정확하게 탐지하고, 손실된 센서 값을 복원함으로써 산업 현장에서 지속적이고 신뢰성있는 환경 정보를 제공할 수 있도록 한다. 또한, 센서 고장 자동 탐지 방법이 간단한 알고리즘으로 구성되어 있기 때문에 로우 엔드 시스템에서도 구현 가능하고, 기존 센서를 사용할 수 있기 때문에 추가 비용 발생을 최소화 할 수 있다.
도 1은 본 발명의 일 실시예에 따른 센서 및 센서 고장 자동 탐지 시스템의 관계를 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 센서 고장 자동 탐지 방법을 보여주는 순서도이다.
도 3은 본 발명의 일 실시예에 따른 제1 그룹으로 정의된 센서들을 보여주는 도면이다.
도 4는 본 발명의 다른 실시예에 따른 제1 그룹으로 정의된 센서들을 보여주는 도면이다.
도 5는 본 발명의 일 실시예에 따른 제1 내지 제4 서브그룹을 보여주는 도면이다.
도 6은 본 발명의 일 실시예에 따른 제1 내지 제4 기준곡선맵을 보여주는 그래프이다.
도 7은 본 발명의 일 실시예에 따른 제1 내지 제4 곡선맵과 제1 내지 제4 기준곡선맵의 비교를 보여주는 그래프이다.
도 8은 본 발명의 일 실시예에 따른 센서 고장 자동 탐지 방법 및 시스템을 이용한 평균 정확도와 오탐지율에 대한 실험 결과를 보여주는 그래프이다.
위 발명의 배경이 되는 기술 란에 기재된 내용은 오직 본 발명의 기술적 사상에 대한 배경 기술의 이해를 돕기 위한 것이며, 따라서 그것은 본 발명의 기술 분야의 당업자에게 알려진 선행 기술에 해당하는 내용으로 이해될 수 없다.
아래의 서술에서, 설명의 목적으로, 다양한 실시예들의 이해를 돕기 위해 많은 구체적인 세부 내용들이 제시된다. 그러나, 다양한 실시예들이 이러한 구체적인 세부 내용들 없이 또는 하나 이상의 동등한 방식으로 실시될 수 있다는 것은 명백하다. 다른 예시들에서, 잘 알려진 구조들과 장치들은 장치는 다양한 실시예들을 불필요하게 이해하기 어렵게 하는 것을 피하기 위해 블록도로 표시된다. 도면에서, 구성 요소들의 크기 또는 상대적인 크기는 명확한 설명을 위해 과장될 수 있다. 또한, 동일한 참조 번호는 동일한 구성 요소를 나타낸다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본 발명의 일 실시예에 따른 센서 및 센서 고장 자동 탐지 시스템의 관계를 나타낸 도면이다.
도 1을 참조하면, 본 발명의 실시예에 따른 센서 고장 자동 탐지 시스템(20)은 프로세서(210), 메모리(220), 및 디스플레이(230)를 포함한다. 실시예로서, 센서 고장 자동 탐지 시스템(20)은 프로세서(210) 및 메모리(220)로만 구성될 수 있다.
센서(10)는 산업 현장에 설치되어 환경 상태를 감지하기 위한 다양한 센서들을 포함하고, 센싱된 데이터를 센서 고장 자동 탐지 시스템(20)에 제공한다. 실시예로서, 센서(10)는 기후 센서, 환경 센서 중 적어도 어느 하나를 포함할 수 있다. 센서(10)와 센서 고장 자동 탐지 시스템(20)은 네트워크를 통해 서로 연결되어 구성된다.
네트워크는 다양한 형태의 통신망이 이용될 수 있으며, 예컨대, 무선랜(WLAN, Wireless LAN), 와이파이(Wi-Fi), 와이브로(Wibro), 와이맥스(Wimax), 고속하향패킷접속(HSDPA, High Speed Downlink Packet Access)등의 무선 통신방식 또는 이더넷(Ethernet), xDSL(ADSL, VDSL), HFC(Hybrid Fiber Coax), FTTC(Fiber to The Curb), FTTH(Fiber To The Home) 등의 유선 통신방식이 이용될 수 있다. 한편, 통신망은 상기에 제시된 통신방식에 한정되는 것은 아니며, 상술한 통신 방식 이외에도 기타 널리 공지되었거나 향후 개발될 모든 형태의 통신 방식을 포함할 수 있다. 일 실시예로서, 센서(10)와 센서 고장 자동 탐지 시스템(20)은 근거리 무선통신, 예를 들어, 블루투스, RF(Radio Frequency) 무선방식 또는 I2C 등의 시리얼 통신으로 데이터를 송수신할 수 있다.
센서 고장 자동 탐지 시스템(20)은 센서(10)로부터 데이터를 수신하여 기준곡선맵(Reference Curve Map: RCM)을 생성하고 이를 활용하여 센서(10)의 고장을 판단하는 프로세서(210)와 기준곡선맵을 저장하는 메모리(220)를 포함한다. 프로세서(210)는 센서(10)의 고장 판단 결과를 디스플레이(230)를 통해 사용자에게 알린다. 실시예로서, 센서 고장 자동 탐지 시스템(20)은 서버 컴퓨터, PC, 노트북, 넷북, 태블릿PC, PDA, 모바일, 스마트폰 등 통상의 컴퓨팅 단말기, 또는 스마트폰, 패블릿, 태블릿PC 등 통상의 모바일 단말 중 적어도 어느 하나를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 프로세서(210)에서는 다수의 센서들 중 제1 센서와 제1 센서에 인접한 8개의 센서들을 제1 그룹으로 정의하고, 8개의 센서들을 4개의 센서그룹들로 구분한 후, 제1 센서와 4개의 센서그룹들로 각각 구성된 4개의 서브그룹들로부터 데이터를 수신하여 4개의 기준곡선맵을 생성하고 이를 활용하여 제1 센서의 고장을 판단한다. 실시예로서, 제1 그룹은 제1 센서와 제1 센서를 중심으로 격자 형태로 인접하여 배치된 8개의 센서들을 포함할 수 있다. 또한, 4개의 센서그룹들은 제1 센서를 기준으로 반대 방향에 위치하는 제1 센서그룹, 제2 센서그룹, 제3 센서그룹, 및 제4 센서그룹을 포함할 수 있다.
도 2는 본 발명의 일 실시예에 따른 센서 고장 자동 탐지 방법을 보여주는 순서도이다. 도 3은 본 발명의 일 실시예에 따른 제1 그룹으로 정의된 센서들을 보여주는 도면이다. 도 4는 본 발명의 다른 실시예에 따른 제1 그룹으로 정의된 센서들을 보여주는 도면이다. 도 5는 본 발명의 일 실시예에 따른 제1 내지 제4 서브그룹을 보여주는 도면이다. 도 6은 본 발명의 일 실시예에 따른 제1 내지 제4 기준곡선맵을 보여주는 그래프이다. 도 7은 본 발명의 일 실시예에 따른 제1 내지 제4 곡선맵과 제1 내지 제4 기준곡선맵의 비교를 보여주는 그래프이다.
도 2를 참조하면, S110단계에서, 본 발명의 일 실시예에 따른 센서 고장 자동 탐지 시스템은 제1 센서와 제1 센서에 인접한 8개의 센서들을 제1 그룹으로 정의한다. 일 실시예로서, 도 3을 참조하면, 센서(10)는 25개의 센서들이 격자 형태로 배치되어 있고, 센서 고장 자동 탐지 시스템은 제1 센서(1)와 제1 센서에 인접한 8개의 센서들(2, 3, 4, 5, 6, 7, 8, 9)을 제1 그룹(100)으로 정의할 수 있다. 제1 그룹(100)과 제1 센서(1)는 일 실시예에서 설명의 편의를 위해 지정된 것으로 본 발명은 이에 한정되지 않는다. 다른 실시예로서, 도 4를 참조하면, 제1 그룹(101)은 제1 센서(2)와 제1 센서(2)에 인접한 8개의 센서들로 정의될 수 있다. 또 다른 실시예로서, 도 4를 참조하면, 제1 그룹(102)은 제1 센서(6)와 제1 센서(6)에 인접한 8개의 센서들로 정의될 수 있다.
S120단계에서, 본 발명의 일 실시예에 따른 센서 고장 자동 탐지 시스템은 8개의 센서들을 제1 센서를 기준으로 반대 방향에 위치하는 제1 센서그룹, 제2 센서그룹, 제3 센서그룹, 및 제4 센서그룹으로 구분하고, 제1 센서와 제1 센서그룹을 제1 서브그룹, 제1 센서와 제2 센서그룹을 제2 서브그룹, 제1 센서와 제3 센서그룹을 제3 서브그룹, 및 제1 센서와 제4 센서그룹을 제4 서브그룹으로 정의한다. 일 실시예로서, 도 3 및 도 5를 참조하면, 센서 고장 자동 탐지 시스템은 8개의 센서들(2, 3, 4, 5, 6, 7, 8, 9)을 제1 센서(1)를 기준으로 반대 방향에 위치하는 제1 센서그룹(2, 6), 제2 센서그룹(3, 7), 제3 센서그룹(4, 8), 및 제4 센서그룹(5, 9)으로 구분하고, 제1 센서(1)와 제1 센서그룹(2, 6)을 제1 서브그룹(110), 제1 센서(1)와 제2 센서그룹(3, 7) 을 제2 서브그룹(120), 제1 센서(1)와 제3 센서그룹(4, 8)을 제3 서브그룹(130), 및 제1 센서(1)와 제4 센서그룹(5, 9)을 제4 서브그룹(140)으로 정의할 수 있다.
S130단계에서, 본 발명의 일 실시예에 따른 센서 고장 자동 탐지 시스템은 제1 서브그룹, 제2 서브그룹, 제3 서브그룹, 및 제4 서브그룹으로부터 센싱된 데이터를 기초로 일정 시간 간격으로 제1 기준곡선맵, 제2 기준곡선맵, 제3 기준곡선맵, 및 제4 기준곡선맵을 생성하고 저장한다. 실시예로서, 기준곡선맵은 주위 기체량의 변화를 기록하기 위해 생성될 수 있고, 기체의 변화에 따른 3개의 센서가 센싱한 값을 기초로 생성될 수 있다. 일 실시예로서, 도 5 및 도 6을 참조하면, 센서 고장 자동 탐지 시스템은 제1 서브그룹(110), 제2 서브그룹(120), 제3 서브그룹(130), 및 제4 서브그룹(140)으로부터 센싱된 데이터를 기초로 일정 시간 간격으로 도 6(a)의 제1 기준곡선맵, 도 6(b)의 제2 기준곡선맵, 도 6(c)의 제3 기준곡선맵, 및 도 6(d)의 제4 기준곡선맵을 생성하고 저장할 수 있다. 실시예로서, 일정 시간은 1/1000초부터 수십초에 이르기까지 필요에 따라 다양한 간격으로 설정될 수 있다.
S140단계에서, 본 발명의 일 실시예에 따른 센서 고장 자동 탐지 시스템은 제1 서브그룹, 제2 서브그룹, 제3 서브그룹, 및 제4 서브그룹으로부터 센싱된 데이터를 기초로 제1 곡선맵, 제2 곡선맵, 제3 곡선맵 및, 제4 곡선맵을 생성하고, 제1 기준곡선맵, 제2 기준곡선맵, 제3 기준곡선맵, 및 제4 기준곡선맵과 비교한다. 일 실시예로서, 도 5 및 도 7을 참조하면, 센서 고장 자동 탐지 시스템은 제1 서브그룹(110), 제2 서브그룹(120), 제3 서브그룹(130), 및 제4 서브그룹(140)으로부터 센싱된 데이터를 기초로 도 7(a)의 오른쪽 그래프인 제1 곡선맵, 도 7(b)의 오른쪽 그래프인 제2 곡선맵, 도 7(c)의 오른쪽 그래프인 제3 곡선맵 및, 도 7(d)의 오른쪽 그래프인 제4 곡선맵을 생성하고, 도 7(a)의 왼쪽 그래프인 제1 기준곡선맵, 도 7(b)의 왼쪽 그래프인 제2 기준곡선맵, 도 7(c)의 왼쪽 그래프인 제3 기준곡선맵, 및 도 7(d)의 왼쪽 그래프인 제4 기준곡선맵과 비교할 수 있다. 도 7을 참조하면, 제2 곡선맵과 제2 기준곡선맵을 비교한 도 7(b)의 그래프가 일치할 뿐, 제1 곡선맵과 제1 기준곡선맵을 비교한 도 7(a)의 그래프, 제3 곡선맵과 제3 기준곡선맵을 비교한 도 7(c)의 그래프, 제4 곡선맵과 제4 기준곡선맵을 비교한 도 7(d)의 그래프는 차이가 있음을 확인할 수 있다.
S150단계에서, 본 발명의 일 실시예에 따른 센서 고장 자동 탐지 시스템은 제1 곡선맵, 제2 곡선맵, 제3 곡선맵, 및 제4 곡선맵이 제1 기준곡선맵, 제2 기준곡선맵, 제3 기준곡선맵, 및 제4 기준곡선맵 중 3개 이상의 기준곡선맵과 차이가 있는 경우, S160단계에서, 제1 센서를 고장으로 판단한다. 일 실시예로서, 도 5 및 도 7을 참조하면, 센서 고장 자동 탐지 시스템은 제2 곡선맵과 제2 기준곡선맵을 비교한 도 7(b)의 그래프가 일치할 뿐, 제1 곡선맵과 제1 기준곡선맵을 비교한 도 7(a)의 그래프, 제3 곡선맵과 제3 기준곡선맵을 비교한 도 7(c)의 그래프, 제4 곡선맵과 제4 기준곡선맵을 비교한 도 7(d)의 그래프는 차이가 있으므로, 제1 센서(1)를 고장으로 판단할 수 있다.
본 발명의 일 실시예에 따르면, 센서 고장 자동 탐지 시스템은 제1 센서의 고장을 디스플레이를 통해 사용자에게 알리고, 사용자로부터 제1 센서 고장에 대한 최종 판정에 대한 입력 신호인 제1 센서의 고장 확정 신호를 수신할 수 있다.
본 발명의 일 실시예에 따르면, 센서 고장 자동 탐지 시스템은 제1 센서의 고장 확정 신호를 수신하여 제1 센서가 고장으로 최종 판정되는 경우, 제1 곡선맵, 제2 곡선맵, 제3 곡선맵, 제4 곡선맵, 제1 기준곡선맵, 제2 기준곡선맵, 제3 기준곡선맵, 및 제4 기준곡선맵을 활용하여 제1 센서의 값을 유추할 수 있다. 실시예로서, 제1 센서의 값은 선형보간법을 이용하여 유추될 수 있다. 실시예로서, 제1 센서의 값은 가중평균을 이용하여 최종 결정될 수 있다.
본 발명의 일 실시예에 따르면, 제1 센서는 제 1그룹의 4개의 기준곡선맵들을 포함하여 총 36개의 기준곡선맵을 가질 수 있고, 센서 고장 탐지와 고장 센서 값의 유추의 정확도의 향상을 위해 필요에 따라 36개의 기준곡선맵이 모두 사용될 수 있다.
S150단계에서, 본 발명의 일 실시예에 따른 센서 고장 자동 탐지 시스템은 제1 곡선맵, 제2 곡선맵, 제3 곡선맵, 및 제4 곡선맵이 제1 기준곡선맵, 제2 기준곡선맵, 제3 기준곡선맵, 및 제4 기준곡선맵 중 3개 이상의 기준곡선맵과 차이가 있지 않은 경우, 즉 2개 이하의 기준곡선맵과 차이가 있는 경우, S140단계로 이동하여 제1 서브그룹, 제2 서브그룹, 제3 서브그룹, 및 제4 서브그룹으로부터 센싱된 데이터를 기초로 제1 곡선맵, 제2 곡선맵, 제3 곡선맵 및, 제4 곡선맵을 생성하고, 제1 기준곡선맵, 제2 기준곡선맵, 제3 기준곡선맵, 및 제4 기준곡선맵과 비교한다.
본 발명의 일 실시예에 따르면, 센서 고장 자동 탐지 시스템은 제1 곡선맵, 제2 곡선맵, 제3 곡선맵, 및 제4 곡선맵이 제1 기준곡선맵, 제2 기준곡선맵, 제3 기준곡선맵, 및 제4 기준곡선맵 중 3개 이상의 기준곡선맵과 차이가 있지 않은 경우, 즉 2개 이하의 기준곡선맵과 차이가 있는 경우, 제1 곡선맵, 제2 곡선맵, 제3 곡선맵, 및 제4 곡선맵의 데이터를 기초로 제1 기준곡선맵, 제2 기준곡선맵, 제3 기준곡선맵, 및 제4 기준곡선맵을 업데이트하여 정확도를 향상 시킬 수 있다.
본 발명의 일 실시예에 따르면, 센서 고장 자동 탐지 시스템은 제1 센서의 고장을 디스플레이를 통해 사용자에게 알리고, 사용자로부터 제1 센서가 고장이 아니라는 고장 확정 신호를 수신하는 경우, 제1 곡선맵, 제2 곡선맵, 제3 곡선맵, 및 제4 곡선맵의 데이터를 기초로 제1 기준곡선맵, 제2 기준곡선맵, 제3 기준곡선맵, 및 제4 기준곡선맵을 업데이트하여 정확도를 향상 시킬 수 있다.
도 8은 본 발명의 일 실시예에 따른 센서 고장 자동 탐지 방법 및 시스템을 이용한 평균 정확도와 오탐지율에 대한 실험 결과를 보여주는 그래프이다.
본 발명의 일 실시예로서, 실험에는 3m 간격으로 3x3 매트릭스 형태로 배치한 9개의 센서, 센서로부터의 데이터 수신 및 전송을 위한 IoT 단말기, 및 센서 고장 자동 탐지 시스템으로 1개의 서버 컴퓨터가 사용되었다. 기후 데이터는 MiCS-5914를 이용하여 NH3, C4H10, CO2의 3가지를 입력받았다. IoT 단말기는 SAMMI 정보통신에서 개발하는 TA400을 사용했다. TA400은 다양한 센서를 탑재할 수 있으며, LTE-M기술이 포함되어 있는 IoT 장치이다. 본 실험에서는 센서 고장 자동 탐지 방법 및 시스템의 센서 고장 탐지 정확도를 측정하고, 선형보간법 및 가중 평균을 이용하여 유추한 고장 센서의 값을 실제 센서 값과 비교하였다.
도 8(a)를 참조하면, 본 발명의 일 실시예에 따른 센서 고장 자동 탐지 방법에 따른 실험 결과는 센서 고장 탐지 정확도가 평균 약 97%인 것을 확인할 수 있다. 도 8(b)를 참조하면, 본 발명의 일 실시예에 따른 센서 고장 자동 탐지 방법에 따른 선형보간법 및 가중 평균을 이용하여 유추한 고장 센서의 값을 실제 센서 값과 비교한 결과는 그 오차가 NH3, C4H10, CO2 각각 약 62ppm, 71ppm, 39ppm임을 확인할 수 있다.
전술한 바와 같은 본 발명의 실시예들에 따르면, 본 발명의 일 실시예에 따른 센서 고장 자동 탐지 방법 및 시스템은 기준곡선맵을 활용하여 센서 고장을 정확하게 탐지하고, 손실된 센서 값을 복원함으로써 산업 현장에서 지속적이고 신뢰성있는 환경 정보를 제공할 수 있도록 한다. 또한, 센서 고장 자동 탐지 방법이 간단한 알고리즘으로 구성되어 있기 때문에 로우 엔드 시스템에서도 구현 가능하고, 기존 센서를 사용할 수 있기 때문에 추가 비용 발생을 최소화 할 수 있다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (10)

  1. 제1 센서와 상기 제1 센서에 인접한 8개의 센서들을 제1 그룹으로 정의하는 단계;
    상기 8개의 센서들을 상기 제1 센서를 기준으로 반대 방향에 위치하는 제1 센서그룹, 제2 센서그룹, 제3 센서그룹, 및 제4 센서그룹으로 구분하고, 상기 제1 센서와 상기 제1 센서그룹을 제1 서브그룹, 상기 제1 센서와 상기 제2 센서그룹을 제2 서브그룹, 상기 제1 센서와 상기 제3 센서그룹을 제3 서브그룹, 및 상기 제1 센서와 상기 제4 센서그룹을 제4 서브그룹으로 정의하는 단계;
    상기 제1 서브그룹, 상기 제2 서브그룹, 상기 제3 서브그룹, 및 상기 제4 서브그룹으로부터 센싱된 데이터를 기초로 일정 시간 간격으로 제1 기준곡선맵(Reference Curve Map: RCM), 제2 기준곡선맵, 제3 기준곡선맵, 및 제4 기준곡선맵을 생성하고 저장하는 단계;
    상기 제1 서브그룹, 상기 제2 서브그룹, 상기 제3 서브그룹, 및 상기 제4 서브그룹으로부터 센싱된 데이터를 기초로 제1 곡선맵, 제2 곡선맵, 제3 곡선맵 및, 제4 곡선맵을 생성하고, 상기 제1 기준곡선맵, 상기 제2 기준곡선맵, 상기 제3 기준곡선맵, 및 상기 제4 기준곡선맵과 비교하는 단계; 및
    상기 제1 곡선맵, 상기 제2 곡선맵, 상기 제3 곡선맵, 및 상기 제4 곡선맵이 상기 제1 기준곡선맵, 상기 제2 기준곡선맵, 상기 제3 기준곡선맵, 및 상기 제4 기준곡선맵 중 3개 이상의 기준곡선맵과 차이가 있는 경우, 상기 제1 센서를 고장으로 판단하는 단계를 포함하는 센서 고장 자동 탐지 방법.
  2. 제 1항에 있어서, 상기 센서 고장 자동 탐지 방법은, 상기 제1 센서의 고장을 사용자에게 알리는 단계;
    및 상기 제1 센서의 고장 확정 신호를 수신하는 단계를 더 포함하는 센서 고장 자동 탐지 방법.
  3. 제 2항에 있어서, 상기 센서 고장 자동 탐지 방법은, 상기 제1 곡선맵, 상기 제2 곡선맵, 상기 제3 곡선맵, 상기 제4 곡선맵, 상기 제1 기준곡선맵, 상기 제2 기준곡선맵, 상기 제3 기준곡선맵, 및 상기 제4 기준곡선맵을 활용하여 상기 제1 센서의 값을 유추하는 단계를 더 포함하는 센서 고장 자동 탐지 방법.
  4. 제 3항에 있어서, 상기 제1 곡선맵, 상기 제2 곡선맵, 상기 제3 곡선맵, 상기 제4 곡선맵, 상기 제1 기준곡선맵, 상기 제2 기준곡선맵, 상기 제3 기준곡선맵, 및 상기 제4 기준곡선맵을 활용하여 상기 제1 센서의 값을 유추하는 단계는,
    상기 제1 곡선맵, 상기 제2 곡선맵, 상기 제3 곡선맵, 상기 제4 곡선맵, 상기 제1 기준곡선맵, 상기 제2 기준곡선맵, 상기 제3 기준곡선맵, 및 상기 제4 기준곡선맵의 데이터를 기초로 선형보간법을 이용하여 상기 제1 센서의 값을 유추하는 단계를 포함하는 센서 고장 자동 탐지 방법.
  5. 제 3항에 있어서, 상기 센서 고장 자동 탐지 방법은,
    상기 제1 센서의 값을 가중평균을 이용하여 결정하는 단계를 더 포함하는 센서 고장 자동 탐지 방법.
  6. 제 1항에 있어서, 상기 센서 고장 자동 탐지 방법은,
    상기 제1 센서의 고장을 사용자에게 알리는 단계; 및
    상기 제1 곡선맵, 상기 제2 곡선맵, 상기 제3 곡선맵, 및 상기 제4 곡선맵의 데이터를 기초로 상기 제1 기준곡선맵, 상기 제2 기준곡선맵, 상기 제3 기준곡선맵, 및 상기 제4 기준곡선맵을 업데이트하는 단계를 더 포함하는 센서 고장 자동 탐지 방법.
  7. 다수의 센서들 중 제1 센서와 상기 제1 센서에 인접한 8개의 센서들을 제1 그룹으로 정의하고, 상기 8개의 센서들을 4개의 센서그룹들로 구분한 후, 상기 제1 센서와 상기 4개의 센서그룹들로 각각 구성된 4개의 서브그룹들로부터 데이터를 수신하여 4개의 기준곡선맵(Reference Curve Map: RCM)을 생성하고 이를 활용하여 상기 제1 센서의 고장을 판단하는 프로세서; 및
    상기 기준곡선맵을 저장하는 메모리를 포함하는 센서 고장 자동 탐지 시스템.
  8. 제 7항에 있어서, 상기 제1 그룹은 상기 제1 센서와 상기 제1 센서를 중심으로 격자 형태로 인접하여 배치된 8개의 센서들을 포함하는 센서 고장 자동 탐지 시스템.
  9. 제 7항에 있어서,
    상기 4개의 센서그룹들은 상기 제1 센서를 기준으로 반대 방향에 위치하는 제1 센서그룹, 제2 센서그룹, 제3 센서그룹, 및 제4 센서그룹을 포함하는 센서 고장 자동 탐지 시스템.
  10. 제 7항에 있어서,
    상기 다수의 센서들은 기후 센서, 환경 센서 중 적어도 어느 하나를 포함하는 센서 고장 자동 탐지 시스템.
KR1020180109909A 2018-09-14 2018-09-14 센서 고장 자동 탐지 방법 및 시스템 KR102103270B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180109909A KR102103270B1 (ko) 2018-09-14 2018-09-14 센서 고장 자동 탐지 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180109909A KR102103270B1 (ko) 2018-09-14 2018-09-14 센서 고장 자동 탐지 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20200031208A true KR20200031208A (ko) 2020-03-24
KR102103270B1 KR102103270B1 (ko) 2020-04-22

Family

ID=70004630

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180109909A KR102103270B1 (ko) 2018-09-14 2018-09-14 센서 고장 자동 탐지 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102103270B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220116644A (ko) 2021-02-15 2022-08-23 에스케이플래닛 주식회사 가설 가지치기 방식 생산적 적대 신경망 기반 미세먼지센서의 이상을 탐지하기 위한 장치 및 이를 위한 방법
KR20220127605A (ko) 2021-03-11 2022-09-20 에스케이플래닛 주식회사 다중 가설 오토인코더 기반 센서의 이상을 탐지하기 위한 장치 및 이를 위한 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100792142B1 (ko) * 2007-01-31 2008-01-04 아주대학교산학협력단 무선 센서 네트워크에서의 센싱 데이터 검증방법
KR20080097911A (ko) * 2007-05-03 2008-11-06 중앙대학교 산학협력단 센서의 고장 검출 및 분리 방법 그리고 이를 이용한 센서의고장 적응 방법
KR20120068718A (ko) * 2010-12-17 2012-06-27 제너럴 일렉트릭 캄파니 전력 생산 시스템 내의 결함 센서를 식별하는 시스템 및 방법
JP2016103187A (ja) * 2014-11-28 2016-06-02 ローム株式会社 センサネットワークシステムおよびその動作方法
WO2018104985A1 (ja) * 2016-12-08 2018-06-14 日本電気株式会社 異常分析方法、プログラムおよびシステム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100792142B1 (ko) * 2007-01-31 2008-01-04 아주대학교산학협력단 무선 센서 네트워크에서의 센싱 데이터 검증방법
KR20080097911A (ko) * 2007-05-03 2008-11-06 중앙대학교 산학협력단 센서의 고장 검출 및 분리 방법 그리고 이를 이용한 센서의고장 적응 방법
KR20120068718A (ko) * 2010-12-17 2012-06-27 제너럴 일렉트릭 캄파니 전력 생산 시스템 내의 결함 센서를 식별하는 시스템 및 방법
JP2016103187A (ja) * 2014-11-28 2016-06-02 ローム株式会社 センサネットワークシステムおよびその動作方法
WO2018104985A1 (ja) * 2016-12-08 2018-06-14 日本電気株式会社 異常分析方法、プログラムおよびシステム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220116644A (ko) 2021-02-15 2022-08-23 에스케이플래닛 주식회사 가설 가지치기 방식 생산적 적대 신경망 기반 미세먼지센서의 이상을 탐지하기 위한 장치 및 이를 위한 방법
KR20220127605A (ko) 2021-03-11 2022-09-20 에스케이플래닛 주식회사 다중 가설 오토인코더 기반 센서의 이상을 탐지하기 위한 장치 및 이를 위한 방법

Also Published As

Publication number Publication date
KR102103270B1 (ko) 2020-04-22

Similar Documents

Publication Publication Date Title
EP3745271B1 (en) Abnormality determination device, abnormality detection model creation server, and program
Liu et al. Attack-resistant location estimation in wireless sensor networks
Guo et al. Find: faulty node detection for wireless sensor networks
Mehdi et al. A game theory based trust model for Vehicular Ad hoc Networks (VANETs)
Chen et al. Securing DV-Hop localization against wormhole attacks in wireless sensor networks
EP3121727A1 (en) Information processing device and error detection method
KR102103270B1 (ko) 센서 고장 자동 탐지 방법 및 시스템
Zawaideh et al. An efficient weighted trust‐based malicious node detection scheme for wireless sensor networks
CN107508815B (zh) 基于网站流量分析预警方法及装置
US9510204B2 (en) Apparatus and method of determining fraudulent use of a mobile device based on behavioral abnormality
KR20090122235A (ko) 광역 감시를 위한 제한된 개수의 센서들의 공정한 배치 방법
US10184974B2 (en) Systems and methods for determining whether a circuit is operating properly
KR101585342B1 (ko) 이상행위 탐지 장치 및 방법
CN112702202B (zh) 电表通信链路故障恢复方法、装置和计算机设备
US20240104198A1 (en) Method and apparatus for attestation
KR20230011384A (ko) 배터리 열 폭주 조기 경고 방법 및 장치, 및 매체 및 디바이스
Manisha et al. Fault detection in wireless sensor networks
KR101747233B1 (ko) 노면 상태 정보 제공 시스템, 및 방법
CN104159251A (zh) 基于被动端到端的传感器网络故障链路推断方法
CN111769987B (zh) 基于大数据管理模型的网络信息安全测试系统及方法
CN108040067B (zh) 一种云平台入侵检测方法、装置及系统
Agarwal Rogue twin attack detection: A discrete event system paradigm approach
US20220400120A1 (en) Method for partitioning a plurality of devices in a communications system and a device therefor
Zhang et al. Lossy links diagnosis for wireless sensor networks by utilising the existing traffic information
CN115022078A (zh) 一种控制器内建网络安全防护方法、装置及电子设备

Legal Events

Date Code Title Description
GRNT Written decision to grant