KR20200040015A - 설비 진단을 위한 데이터 이미지화 방법 및 이를 이용한 진단 방법 - Google Patents

Abstract

본 발명은 설비 진단을 위한 데이터 이미지화 방법 및 이를 이용한 진단 방법에 관한 것으로, 제어부가 설비 진단을 위한 데이터를 입력받는 단계, 상기 제어부가 입력된 데이터를 이미지의 픽셀 범주의 데이터로 칼리브레이션 하는 단계, 상기 제어부가 칼리브레이션된 데이터를 픽셀 정보로 변환하여 픽셀 어레이를 생성하는 단계 및 상기 제어부가 생성된 픽셀 어레이를 스택킹하여 설비 진단을 위한 이미지를 생성하는 단계 것을 특징으로 한다.

Description

설비 진단을 위한 데이터 이미지화 방법 및 이를 이용한 진단 방법{METHOD OF DATA IMAGING FOR EQUIPMENTS DIAGNOSIS AND DIAGNOSIS METHOD USING THE SAME}

본 발명은 설비로부터 얻어진 진동, 압력, 온도 등의 산업 데이터를 이용해 설비의 이상 상태의 종류와 정도를 추정하는 기술에 관한 것이다.

근래의 발전 설비 등과 같은 대형 설비는 다수의 설비(기기, 장치 등)들이 복잡하게 연결되어 운전되고 있으며, 자동화가 진행됨에 따라 이러한 설비를 운영하는 관리자의 수가 점차 줄어들고 있다.

이에 중앙 제어 시설에서 설비들의 운전 및 모니터링이 수행되고 있으며, 컴퓨팅 장치 기반의 GUI(graphical user interface)를 이용한 조작이 주로 수행되고 있다.

이렇게 산업 설비나 기기의 종류 및 사용이 다양해지고 복잡해짐에 따라 설비의 파손, 고장에 의한 사고 및 운전 정지에 따른 손실의 규모가 커지게 되며, 관리자의 수 또한 줄어들고 있어 설비의 이상 상태를 진단하는 기술의 중요성이 점차 높아지고 있다.

이러한 진단 기술은 설비로부터 얻어진 진동, 압력, 온도 등의 산업 데이터를 이용해 설비의 이상 상태의 종류와 정도를 추정하는 방식으로 수행되며, 각종 알고리즘, 진단 모델 등을 이용한 다양한 진단 방식이 제안되고 있다.

한편 본 발명의 배경기술은 대한민국 공개특허 10-2017-0125265호 (2017.11.14)에 개시되어 있다.

본 발명은 입력된 데이터를 이미지화 하여 설비 진단을 수행할 수 있도록 하는 데이터 이미지화 방법 및 이러한 데이터 이미지화 방법을 이용한 설비 진단 방법을 제공하는데 그 목적이 있다.

본 발명에 따른 설비 진단을 위한 데이터 이미지화 방법은 제어부가 설비 진단을 위한 데이터를 입력받는 단계; 상기 제어부가 입력된 데이터를 이미지의 픽셀 범주의 데이터로 칼리브레이션 하는 단계; 상기 제어부가 칼리브레이션된 데이터를 픽셀 정보로 변환하여 픽셀 어레이를 생성하는 단계; 및 상기 제어부가 생성된 픽셀 어레이를 스택킹하여 설비 진단을 위한 이미지를 생성하는 단계를 포함하는 것을 특징으로 한다.

본 발명에서 상기 칼리브레이션 하는 단계는, 상기 제어부가 입력된 데이터를 정규화 하는 단계; 및 상기 제어부가 정규화된 데이터를 상기 이미지의 픽셀 범주의 데이터로 증폭하는 단계를 포함하는 것을 특징으로 한다.

본 발명에서 상기 이미지의 픽셀 범주는 0 ~ 255의 값을 가지는 것을 특징으로 한다.

본 발명의 상기 픽셀 어레이를 생성하는 단계에서, 상기 제어부는, 상기 칼리브레이션된 데이터를 정수값으로 변환하여 각각의 픽셀 데이터를 생성하는 것을 특징으로 한다.

본 발명의 상기 이미지를 생성하는 단계에서, 상기 제어부는, 하나의 종류의 데이터의 각기 다른 시점에서 획득된 데이터들에 기반한 복수의 픽셀 어레이를 스택킹하여 이미지를 생성하는 것을 특징으로 한다.

본 발명의 상기 이미지를 생성하는 단계에서, 상기 제어부는, 동일 시점에서 획득된 서로 다른 종류의 데이터들에 기반한 복수의 픽셀 어레이를 스택킹하여 이미지를 생성하는 것을 특징으로 한다.

본 발명에 따른 데이터 이미지화 방법을 이용한 설비 진단 방법은 제어부가 설비 진단을 위한 데이터를 입력받는 단계; 상기 제어부가 입력된 데이터를 이미지의 픽셀 범주의 데이터로 칼리브레이션 하는 단계; 상기 제어부가 칼리브레이션된 데이터를 픽셀 정보로 변환하여 픽셀 어레이를 생성하는 단계; 상기 제어부가 생성된 픽셀 어레이를 스택킹하여 설비 진단을 위한 이미지를 생성하는 단계; 및 상기 제어부가 생성된 이미지를 학습 모델에 입력하여 설비 진단 결과를 생성하는 단계를 포함하는 것을 특징으로 한다.

본 발명에서 상기 학습 모델은 이미지화된 데이터와 이에 대응하는 설비의 상태를 학습하여 생성된 모델인 것을 특징으로 한다.

본 발명에서 상기 학습 모델은 CNN(convolutional neural network) 등을 포함한 이미지 인식 모델인 것을 특징으로 한다.

본 발명에 따른 설비 진단을 위한 데이터 이미지화 방법 및 이를 이용한 진단 방법은, 종래의 진단 방식과 같이 산업 기기의 작동원리, 고장 발생에 대한 물리적 메커니즘에 대한 고려 없이도 산업데이터의 특징을 이미지 형태로 일괄적으로 추출할 수 있도록 하는 효과가 있다.

또한 본 발명에 따른 설비 진단을 위한 데이터 이미지화 방법 및 이를 이용한 진단 방법은, 이미지를 기반으로 한 딥러닝 알고리즘의 적용을 통해 설비의 상태를 설비의 종류에 상관없이 일관된 방법으로 진단할 수 있도록 하는 효과가 있다.

도 1은 본 발명의 실시예에 따른 진단 방법이 수행되는 시스템을 나타낸 예시도이다.
도 2는 본 발명의 실시예에 따른 진단 방법이 수행되는 시스템을 나타낸 다른 예시도이다.
도 3은 본 발명의 일 실시예에 따른 데이터 이미지화 방법을 설명하기 위한 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 데이터 이미지화 방법에서의 데이터 칼리브레이션을 설명하기 위한 예시도이다.
도 5는 본 발명의 일 실시예에 따른 데이터 이미지화 방법에서의 데이터 픽셀화를 설명하기 위한 예시도이다.
도 6 및 도 7은 본 발명의 일 실시예에 따른 데이터 이미지화 방법에서의 픽셀 어레이 스택킹을 통한 이미지 생성을 설명하기 위한 예시도이다.
도 8은 본 발명의 일 실시예에 따른 데이터 이미지화를 이용한 진단 방법을 설명하기 위한 흐름도이다.

이하, 첨부된 도면을 참조하여 본 발명에 따른 설비 진단을 위한 데이터 이미지화 방법 및 이를 이용한 진단 방법의 실시예를 설명한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로, 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

도 1은 본 발명의 실시예에 따른 진단 방법이 수행되는 시스템을 나타낸 예시도이고, 도 2는 본 발명의 실시예에 따른 진단 방법이 수행되는 시스템을 나타낸 다른 예시도이다.

센서(300)는 설비의 상태를 측정할 수 있으며, 예를 들어, 온도 센서, 진동 센서, 압력 센서 등이 이러한 센서(300)의 예시일 수 있다.

제어부(100)는 각종 센서(300)와 연결되어, 각종 산업 데이터, 예를 들어, 진동, 압력, 온도 등의 측정 데이터를 입력받을 수 있다.

제어부(100)는 이렇게 얻어진 데이터를 처리하여 설비 진단을 위한 이미지를 생성하고, 생성된 이미지를 바탕으로 설비의 상태를 진단할 수 있다.

제어부(100)는 이렇게 생성된 진단 결과를 출력부(200)를 통해 출력할 수 있으며, 이러한 출력부(200)는 진단 결과를 표시하는 디스플레이 장치나 진단 결과를 다른 제어 장치(예: 중앙 제어 시설)로 전달하기 위한 통신 장치로 구성될 수 있다.

한편 도 2에 도시된 것과 같이, 제어부(100)는 각종 센서(30)와 직접 연결되는 것이 아니라, 센서들의 측정 결과를 수집하는 상위 제어 장치(310)(스카다(SCADA) 등)에 연결되어, 이로부터 데이터를 입력받도록 구성될 수도 있다.

제어부(100)는 프로세서, 기억 매체(메모리) 등을 포함하는 컴퓨팅 장치의 적어도 일부에 해당할 수 있으며, 기억 매체에는 명령(instructions)들이 저장될 수 있으며, 이러한 명령은 프로세서로 하여금, 후술할 데이터 이미지화 방법 및 이를 이용한 진단 방법의 각 단계를 수행하도록 할 수 있다.

도 3은 본 발명의 일 실시예에 따른 데이터 이미지화 방법을 설명하기 위한 흐름도이고, 도 4는 본 발명의 일 실시예에 따른 데이터 이미지화 방법에서의 데이터 칼리브레이션을 설명하기 위한 예시도이며, 도 5는 본 발명의 일 실시예에 따른 데이터 이미지화 방법에서의 데이터 픽셀화를 설명하기 위한 예시도이고, 도 6 및 도 7은 본 발명의 일 실시예에 따른 데이터 이미지화 방법에서의 픽셀 어레이 스택킹을 통한 이미지 생성을 설명하기 위한 예시도로서, 이를 참조하여 본 발명의 일 실시예에 따른 데이터 이미지화 방법을 설명하면 다음과 같다.

도 3에 도시된 것과 같이, 제어부(100)는 먼저 데이터를 입력받는다(S300). 상술한 것과 같이, 제어부(100)는 각종 센서(300)로부터 직접 또는 다른 장치를 거쳐 각종 산업 데이터를 입력받는다.

이어서 제어부(100)는 상기 단계(S300)에서 입력받은 데이터의 칼리브레이션을 수행한다(S310).

제어부가(100)가 입력받는 산업 데이터는 산업 시스템의 온도, 압력, 진동, 회전 시스템의 회전수 등과 같은 데이터이며, 일반적인 산업데이터의 구조는 시간에 따른 1차원 데이터의 변화로서 나타난다.

이러한 데이터를 이미지 형태의 데이터로 변환하기 위해서는 매 측정된 포인트(시점)의 데이터를 이미지에서 표현되는 각각의 픽셀의 값으로 변환하는 과정이 필요하며, 이를 데이터 칼리브레이션으로 지칭하기로 한다.

구체적으로 도 4에 도시된 것과 같이, 입력된 데이터를 [0 ~ 1] 범주의 데이터로 선형 변환하는 데이터 정규화(normalize)를 먼저 수행한다. 이때 정규화를 위한 최대 및 최소값은 입력된 데이터의 최대 및 최소값을 사용하는 방식이나 데이터의 종류마다 미리 설정된 기준을 적용하는 방식이 사용 가능하다.

이어서 제어부(100)는 이렇게 [0 ~ 1] 범주로 변환된 정규화된 데이터를 [0 ~ 255]의 픽셀 범주의 데이터로 증폭시킬 수 있으며, 이러한 과정을 거쳐 이미지의 픽셀 범주를 가지는 데이터를 칼리브레이션된 데이터라고 지칭하기로 한다.

한편 일부 실시예에서, 제어부(100)는 입력된 데이터를 정규화하고, 증폭하는 과정을 한 번에 수행하도록 즉, 입력된 데이터를 [0~255]의 범위로 곧바로 변환하도록 구성될 수도 있다.

상기 단계(S310) 이후 제어부(100)는 칼리브레이션된 데이터를 픽셀 정보로 변환한다(S320).

상술한 단계(S310)에서 칼리브레이션된 데이터를 픽셀 정보로 변환하기 위해서는 데이터를 [0 ~ 255] 범주의 정수로 변환하여야 한다. 즉, 제어부(100)는 매 측정된 포인트(시점)의 칼리브레이션된 데이터의 소수점 이하를 버림, 반올림, 올림 등의 처리를 하여 정수값으로 변환한다.

미리 설정된 특정 시간 간격(시점)에서 이렇게 변환된 데이터는 도 5에 도시된 것과 같이, 이미지의 하나의 행(또는 열)을 구성하는 어레이의 형태가 되므로, 이를 픽셀 어레이라고 지칭하기로 한다.

한편 제어부(100)는 입력된 데이터의 매 측정된 포인트를 하나의 픽셀로 변환하는 방식뿐만 아니라, 미리 설정된 시간 간격으로 데이터를 샘플링(sampling)하여 픽셀로 변환할 수도 있다.

이러한 샘플링의 수행 여부 및 시간 간격의 설정은 이미지의 생성될 이미지의 해상도를 고려하여 사용자의 의도에 따라 설계될 수 있다.

이어서 제어부(100)는 픽셀 어레이의 스태킹을 통해 설비 진단을 위한 이미지를 생성한다(S330).

제어부(100)는 칼리브레이션된 데이터를 픽셀 어레이의 형태로 변환한 이후, 다수의 픽셀 어레이를 열 방향(또는 행 방향)으로 쌓는 과정을 통해 이미지를 생성할 수 있다. 여기서 다수의 픽셀 어레이를 쌓는 과정을 픽셀 어레이 스택킹(stacking)으로 지칭하기로 한다.

이때 스택킹이 수행되는 픽셀 어레이들은 다른 종류의 산업 데이터이거나, 또는 서로 다른 시간대(시점)에서 얻어진 데이터일 수 있다.

즉, 도 6에 도시된 것과 같이, 하나의 종류의 데이터의 각기 다른 시점에서의 데이터들로부터 복수의 픽셀 어레이가 생성될 수 있고, 이를 스택킹하여 데이터 이미지를 생성할 수 있다.

또는 도 7에 도시된 것과 같이, 동일 시점에 각기 다른 종류의 산업 데이터로부터 얻어진 픽셀 어레이들을 스택킹하는 방식으로 데이터 이미지를 생성하는 것도 가능하다.

도 8은 본 발명의 일 실시예에 따른 데이터 이미지화를 이용한 진단 방법을 설명하기 위한 흐름도이다.

도 8에 도시된 것과 같이, 제어부(100)는 먼저 데이터를 입력받고(S800), 데이터의 이미지화를 수행한다(S810). 이러한 데이터의 입력 및 이를 이미지 데이터로 변환하는 것은 상술한 도 3에 따른 본 발명의 데이터 이미지화 방법과 같은 방식으로 수행될 수 있다.

이어서 제어부(100)는 생성된 이미지를 딥러닝 모델에 입력하여 설비의 진단 결과를 생성한다(S820).

예를 들어, 제어부(100)는 CNN(Convolutional Neural Network)을 기반으로 생성된 딥러닝 모델에 이미지를 입력하여 진단 결과를 생성할 수 있다.

이러한 CNN은 이미지 기반 지도학습의 대표적인 알고리즘으로, 수집된 설비의 산업 데이터와 이에 대응하는 설비의 상태들을 이용한 학습을 통해 설비의 상태에 대한 딥러닝 모델을 생성할 수 있고, 이를 통해 설비의 상태 진단을 수행할 수 있다.

이러한 CNN은 컨볼류션 계층의 계산, 비선형성을 갖는 활성함수(ReLU(Rectified Linear Unit))를 통한 데이터 처리, 풀링 기법 적용을 적어도 1회 이상 반복하도록 구성되며, 이러한 과정을 거친 데이터는 최종적으로 Fully Connected layer를 통해 진단 결과(예: 경고 상태, 위험 상태, 정상 상태 등)가 생성될 수 있다.

이러한 이미지 기반의 고장 진단 방식은, 종래의 방식과 같이 산업 데이터에서 고장에 대한 특성 인자를 별도로 추출 및 선별하지 않아도 설비의 상태를 파악할 수 있도록 한다.

따라서 이러한 이미지 기반의 고장 진단 방식은, 고장 진단을 위해서 설비마다 다른 데이터의 종류나 특성을 고려해 특성인자를 추출 및 분석하는 알고리즘을 개발할 필요 없이, 다양한 설비의 다양한 형태의 데이터를 사용하더라도 데이터를 이미지화 시키고, 이를 설비의 상태 정보와 대응시켜 학습시킴으로써, 딥러닝 알고리즘을 적용하여 설비의 고장 진단을 가능하도록 하는, 기술적 편리성을 가질 수 있다.

본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 기술적 보호범위는 아래의 특허청구범위에 의해서 정하여져야 할 것이다.

100: 제어부
200: 출력부
300: 센서
310: 상위 제어 장치

Claims (9)

1. 제어부가 설비 진단을 위한 데이터를 입력받는 단계;
   상기 제어부가 입력된 데이터를 이미지의 픽셀 범주의 데이터로 칼리브레이션 하는 단계;
   상기 제어부가 칼리브레이션된 데이터를 픽셀 정보로 변환하여 픽셀 어레이를 생성하는 단계; 및
   상기 제어부가 생성된 픽셀 어레이를 스택킹하여 설비 진단을 위한 이미지를 생성하는 단계를 포함하는 설비 진단을 위한 데이터 이미지화 방법.
   
2. 제1항에 있어서, 상기 칼리브레이션 하는 단계는,
   상기 제어부가 입력된 데이터를 정규화 하는 단계; 및
   상기 제어부가 정규화된 데이터를 상기 이미지의 픽셀 범주의 데이터로 증폭하는 단계를 포함하는 것을 특징으로 하는 설비 진단을 위한 데이터 이미지화 방법.
   
3. 제2항에 있어서,
   상기 이미지의 픽셀 범주는 0 ~ 255의 값을 가지는 것을 특징으로 하는 설비 진단을 위한 데이터 이미지화 방법.
   
4. 제1항에 있어서, 상기 픽셀 어레이를 생성하는 단계에서,
   상기 제어부는, 상기 칼리브레이션된 데이터를 정수값으로 변환하여 각각의 픽셀 데이터를 생성하는 것을 특징으로 하는 설비 진단을 위한 데이터 이미지화 방법.
   
5. 제1항에 있어서, 상기 이미지를 생성하는 단계에서,
   상기 제어부는, 하나의 종류의 데이터의 각기 다른 시점에서 획득된 데이터들에 기반한 복수의 픽셀 어레이를 스택킹하여 이미지를 생성하는 것을 특징으로 하는 설비 진단을 위한 데이터 이미지화 방법.
   
6. 제1항에 있어서, 상기 이미지를 생성하는 단계에서,
   상기 제어부는, 동일 시점에서 획득된 서로 다른 종류의 데이터들에 기반한 복수의 픽셀 어레이를 스택킹하여 이미지를 생성하는 것을 특징으로 하는 설비 진단을 위한 데이터 이미지화 방법.
   
7. 제1항 내지 제6항 중 어느 한 항에 따른 데이터 이미지화 방법을 통해, 제어부가 이미지를 생성하는 단계; 및
   상기 제어부가 생성된 이미지를 학습 모델에 입력하여 설비 진단 결과를 생성하는 단계를 포함하는 데이터 이미지화 방법을 이용한 설비 진단 방법.
   
8. 제7항에 있어서,
   상기 학습 모델은 이미지화된 데이터와 이에 대응하는 설비의 상태를 학습하여 생성된 모델인 것을 특징으로 하는 데이터 이미지화 방법을 이용한 설비 진단 방법.
   
9. 제8항에 있어서,
   상기 학습 모델은 CNN(convolutional neural network) 기반 모델인 것을 특징으로 하는 데이터 이미지화 방법을 이용한 설비 진단 방법.

Images