KR20200045058A - smart sensing and monitoring system of risk detection for small business to switch to smart factories, and method thereof - Google Patents

smart sensing and monitoring system of risk detection for small business to switch to smart factories, and method thereof Download PDF

Info

Publication number
KR20200045058A
KR20200045058A KR1020180125238A KR20180125238A KR20200045058A KR 20200045058 A KR20200045058 A KR 20200045058A KR 1020180125238 A KR1020180125238 A KR 1020180125238A KR 20180125238 A KR20180125238 A KR 20180125238A KR 20200045058 A KR20200045058 A KR 20200045058A
Authority
KR
South Korea
Prior art keywords
sensor
module
smart
sensor module
network
Prior art date
Application number
KR1020180125238A
Other languages
Korean (ko)
Other versions
KR102199321B1 (en
Inventor
오덕신
최광진
오선근
안병천
Original Assignee
삼육대학교산학협력단
주식회사 아트랩코퍼레이션
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 삼육대학교산학협력단, 주식회사 아트랩코퍼레이션 filed Critical 삼육대학교산학협력단
Priority to KR1020180125238A priority Critical patent/KR102199321B1/en
Publication of KR20200045058A publication Critical patent/KR20200045058A/en
Application granted granted Critical
Publication of KR102199321B1 publication Critical patent/KR102199321B1/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
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • 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]
    • G05B19/41865—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 job scheduling, process planning, material flow
    • 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
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Alarm Systems (AREA)

Abstract

The present invention relates to a risk detection smart sensing and monitoring system for conversion to a smart factory in a small business, and a method thereof. The risk detection smart sensing and monitoring system (1) for conversion to a smart factory in a small business comprises a sensor module group (100g) composed of a plurality of sensor modules (100); a network (200); an AI-based real-time monitoring server (300); a bigdata server (400); and a manager smart device group (500g) composed of a plurality of manager smart devices (500). The AI-based real-time monitoring server (300) comprises a sensor automatic recognition module (321); an H/W sink setting module (322); and a sensor value registration module (323). Accordingly, the present invention can establish a smart factory of a small business for establishing mutual communication system between production equipment and products of the small business and optimizing production processes by using IoT-based sensor modules.

Description

중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템, 그리고 그 방법{smart sensing and monitoring system of risk detection for small business to switch to smart factories, and method thereof}A smart sensing and monitoring system of risk detection for small business to switch to smart factories, and method thereof

본 발명은 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템, 그리고 그 방법에 관한 것으로, 보다 구체적으로는, IoT 기반의 센서 모듈을 중소기업의 생산기기와 생산품 간 상호 소통 체계를 구축하고, 생산 과정 최적화를 위한 중소기업의 스마트 팩토리 구축을 제공하도록 하기 위한 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템, 그리고 그 방법에 관한 것이다. The present invention relates to a smart sensing and monitoring system for risk detection and a method for converting a small factory into a small factory, and more specifically, to establish an IoT-based sensor module to establish a communication system between SME's production equipment and products. , Smart sensing and monitoring system for risk detection for SME smart factory conversion to provide SME smart factory construction for production process optimization, and a method thereof.

중소기업에서 발생되는 다양한 이벤트를 자동으로 관리함으로써 중소기업의 생산효율을 향상시키기 위해 중소기업 관리 시스템이 이용되고 있다.SME management systems are used to improve production efficiency of SMEs by automatically managing various events that occur in SMEs.

특히, 최근에는 센서 기술들의 발달에 힘입어 중소기업의 각 설비들에 센서 노드를 부착하고, 센서 노드들에 의해 센싱된 센싱 데이터들을 이용하여 설비나 공장의 상황을 실시간으로 분석하는 기술이 개발되고 있다. 이러한 기술의 경우, 많은 센서 노드들이 초기에 설치될 뿐만 아니라 각 센서 노드들의 센싱 주기 또한 짧아 대량의 수집 데이터가 생성된다는 특징이 있다. 이에 따라, 각 센서 노드들로부터 각 센서 노드들이 생성한 수집 데이터를 누락 없이 수신할 수 있어야만 정확한 분석을 수행할 수 있다.In particular, in recent years, thanks to the development of sensor technologies, a technology for attaching a sensor node to each facility of a small and medium-sized company and analyzing the situation of a facility or a factory in real time using sensing data sensed by the sensor nodes has been developed. . In the case of such a technique, not only are many sensor nodes installed initially, but the sensing period of each sensor node is also short, so that a large amount of collected data is generated. Accordingly, accurate analysis can be performed only when collection data generated by each sensor node can be received from each sensor node without omission.

이러한 종래의 중소기업 관리 시스템에서는 초기의 센서 노드에 대한 설정시 변경이 어려우며, 변경시 센서 노드를 관리하는 센서 보드 등을 포함하는 하드웨어(H/W) 뿐만 아니라, 소프트웨어(S/W)도 변경해야하는 문제점이 있어 왔다. In such a conventional SME management system, it is difficult to change when setting the initial sensor node, and when changing, it is necessary to change not only hardware (H / W) including a sensor board managing the sensor node, but also software (S / W). There have been problems.

대한민국 특허출원 출원번호 제10-2018-0073845호 "스마트팩토리 구현을 위한 머시닝 센터 모니터링 시스템 및 이를 이용한 머시닝 센터 모니터링 방법(A machining center monitoring system for implementing smart factory and a machining center monitoring method using the same)"Republic of Korea Patent Application No. 10-2018-0073845 "A machining center monitoring system for implementing a smart factory and a machining center monitoring method using the same (A machining center monitoring system for implementing smart factory and a machining center monitoring method using the same)"

본 발명은 상기의 문제점을 해결하기 위한 것으로, 물체의 접근, 누수, 연기 발생 등 다양한 위기 상황을 카메라 하나로 감지할 수 있어, 도입해야 하는 센서 노드의 종류를 줄일 수 있으며, 영상 정보로 감지하기 어려운 위기 상황에 한해 온도 센서, 가스 감지 센서 등을 추가 플러그-인 방식으로 제공하여 철저한 감시가 가능하도록 하기 위한 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템, 그리고 그 방법을 제공하기 위한 것이다.The present invention is to solve the above problems, it is possible to detect a variety of crisis situations, such as the approach of objects, leaks, smoke, etc. with one camera, it is possible to reduce the type of sensor node to be introduced, it is difficult to detect with video information To provide a temperature sensor, gas detection sensor, etc. in an additional plug-in method only for crisis situations, to provide thorough monitoring, a smart sensing and monitoring system for risk detection for a small and medium-sized company to switch to a smart factory, and a method for providing the method will be.

또한, 본 발명은 카메라의 영상 정보를 신경망 학습에 기반을 둔 알고리즘이 판정함으로써 위기 상황과 평상시를 기존 센서보다 더욱 정확하게 구별할 수 있도록 하여 정확한 상황 판단을 제공하도록 하기 위한 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템, 그리고 그 방법을 제공하기 위한 것이다.In addition, the present invention is an algorithm based on the neural network learning to determine the image information of the camera to determine the crisis situation and the usual situation more accurately than the existing sensor to provide an accurate situation judgment for small and medium enterprises to switch to the smart factory It is to provide a smart sensing and monitoring system for risk detection and a method therefor.

또한, 본 발명은 센서 노드를 플러그-인 방식으로 제공하므로 수요자의 상황에 맞춰 센서 노드를 구성할 수 있으며, 언제 어디서나 스마트 디바이스를 통해 센서 노드를 모니터링하고 위기 상황에 대한 알람을 받을 수 있도록 하기 위한 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템, 그리고 그 방법을 제공하기 위한 것이다.In addition, the present invention provides a sensor node in a plug-in manner so that a sensor node can be configured according to a consumer's situation, and to monitor a sensor node through a smart device anytime and anywhere and receive an alarm for a crisis situation. It is intended to provide a smart sensing and monitoring system for risk detection and a method for converting a small factory into a small factory.

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

상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템은, 복수의 센서 모듈(100)로 이루어진 센서 모듈 그룹(100g), 네트워크(200), AI 기반 리얼타임 모니터링 서버(300), 빅데이터 서버(400), 그리고 복수의 관리자 스마트 디바이스(500)로 이루어진 관리자 스마트 디바이스 그룹(500g)을 포함하는 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템(1)에 있어서, AI 기반 리얼타임 모니터링 서버(300)는, 각 센서 모듈(100)로부터 네트워크(200)를 통해 플러그 앤 플레이 방식으로 구동되는 각 센서 노드(110 내지 160)에 대한 포트, 종류에 대한 인식에 따라 센서 네트워크(sensor network) 구성 설정을 위한 사전 과정을 수행하는 센서 자동 인식 모듈(321); 각 센서 모듈(100)로의 하드웨어 장비인 센서 노드 장착과 관리자 스마트 디바이스(500)의 애플리케이션 간의 리얼타임 데이터 전송을 위한 준비를 위해 싱크 설정을 수행하는 H/W 싱크 설정 모듈(322); 및 H/W 싱크 설정 모듈(322)에 의해 싱크 채널이 설정된 센서 모듈 ID 및 센서 노드 ID에 해당하는 각 센서 노드와 관리자 스마트 디바이스(500)의 애플리케이션 간의 리얼 타임(real time) 모니터링과 대시보드를 네트워크(200)를 통해 관리자 스마트 디바이스(500)로 제공하여 구현되도록 하기 위해서는, 각 센서 모듈(100)로부터 센서 모듈 ID, 센서 노드 ID를 기본으로, 추가로 센서값을 수신하여 네트워크(200)를 통해 빅데이터 서버(400)로 전송하여 등록하도록 하는 센서값 등록 모듈(323); 을 포함하는 것을 특징으로 한다.In order to achieve the above object, a smart sensing and monitoring system for risk detection for a small factory switching of small and medium enterprises according to an embodiment of the present invention, a sensor module group (100g), a network (200) consisting of a plurality of sensor modules (100) ), AI-based real-time monitoring server 300, big data server 400, and a plurality of manager smart devices 500 comprising manager smart device group (500g) for risk detection for small and medium enterprises to switch to smart factories In the smart sensing and monitoring system (1), the AI-based real-time monitoring server (300), each sensor node (110 to 160) driven in a plug-and-play manner through the network (200) from each sensor module (100) A sensor automatic recognition module 321 that performs a pre-process for setting a sensor network configuration according to the recognition of the port and type for the sensor network; A H / W sink setting module 322 that performs sink setting to prepare for real-time data transmission between a sensor node mounted as a hardware device to each sensor module 100 and an application of the manager smart device 500; And a real time monitoring and dashboard between each sensor node corresponding to the sensor module ID and the sensor node ID whose sink channel is set by the H / W sink setting module 322 and the application of the manager smart device 500. In order to be implemented by providing it to the manager smart device 500 through the network 200, the sensor 200 is additionally received based on the sensor module ID and the sensor node ID from each sensor module 100 to receive the network 200. A sensor value registration module 323 for transmission to the big data server 400 for registration; It characterized in that it comprises a.

이때, 센서 자동 인식 모듈(321)은, 플러그-인 방식으로 센서 노드(110 내지 160)를 제공하기 위해 센서 모듈(100)을 구성하는 각 센서 노드(110 내지 160)의 플러그-인(plug-in) 여부를 탐지하고 어떤 센서 노드가 플러그-인 되었는지와 함께 언플러그드(unplugged) 상태인지에 대한 데이터를 수집하는 것을 특징으로 한다.At this time, the sensor automatic recognition module 321 is a plug-in of each sensor node 110 to 160 constituting the sensor module 100 to provide the sensor nodes 110 to 160 in a plug-in method. It detects in) and collects data about which sensor node is plugged in and whether it is unplugged.

또한, H/W 싱크 설정 모듈(322)은, 센서 자동 인식 모듈(321)에 의해 플러그-인 상태 및 언플러그드 상태로 인식된 센서 모듈(100)의 '센서 모듈 ID', 센서 모듈(110)에서 인식 또는 센서값 수집을 수행한 '센서 노드 ID'를 각 센서 모듈(100)로부터 네트워크(200)를 통해 수신하도록 송수신부(310)를 제어한 뒤, 센서 모듈 ID 및 센서 노드 ID에 해당하는 센서 노드(110 내지 160)에 대한 관리 책임자로 설정된 관리자 스마트 디바이스(500)로의 데이터 싱크(sync) 채널을 설정하도록 송수신부(310)를 제어하는 것을 특징으로 한다. In addition, the H / W sink setting module 322 may be configured as the 'sensor module ID' of the sensor module 100 recognized by the sensor automatic recognition module 321 as a plug-in state and an unplugged state, and the sensor module 110. After controlling the transceiver 310 to receive the 'sensor node ID' that has performed recognition or sensor value collection from each sensor module 100 through the network 200, the sensors corresponding to the sensor module ID and the sensor node ID It is characterized in that it controls the transceiver 310 to set a data sync (sync) channel to the manager smart device 500, which is set as the manager in charge for the nodes 110 to 160.

또한, 센서값 등록 모듈(323)은, 각 센서 모듈(100)로부터 '센서 모듈 ID', 센서 모듈(110)에서 인식된 카메라(110) 또는 경광등(160)에 해당하는 '센서 노드 ID'를 포함하는 "제 1 인식 정보"나, 각 센서 모듈(100)로부터 '센서 모듈 ID', 센서 모듈(110)에서 센서값 수집을 수행한 센서(120 내지 150)의 '센서 노드 ID', 그리고 수집된 리얼 타임 센서값이 있는 경우 '센서값'을 포함하는 제 2 인식 정보에 대해서, 각 센서 모듈(100)로부터 네트워크(200)를 통해 수신한 뒤, 제 1 인식 정보 또는 제 2 인식 정보에 대해서 빅데이터 서버(400)에 네트워크(200)를 통해 전송하도록 송수신부(410)를 제어함으로써, 빅데이터 서버(400)에 등록되도록 하는 것을 특징으로 한다.In addition, the sensor value registration module 323, the 'sensor module ID' from each sensor module 100, the 'sensor node ID' corresponding to the camera 110 or the warning light 160 recognized by the sensor module 110. Includes "first recognition information", 'sensor module ID' from each sensor module 100, 'sensor node ID' of sensors 120 to 150 that have collected sensor values from the sensor module 110, and collection When there is a real-time sensor value, for the second recognition information including the 'sensor value', after receiving through the network 200 from each sensor module 100, for the first recognition information or the second recognition information It is characterized in that it is registered to the big data server 400 by controlling the transceiver 410 to transmit to the big data server 400 through the network 200.

또한, 센서값 등록 모듈(323)은, 제 2 인식 정보에 대해서는 센서 모듈 ID를 제 1 메타데이터 센서 노드 ID를 제 2 메타데이터로 지정한 센서값을 빅데이터 서버(400)에 네트워크(200)를 통해 전송하도록 송수신부(410)를 제어함으로써, 빅데이터 서버(400)에 등록되도록 하는 것을 특징으로 한다.In addition, the sensor value registration module 323 transmits the network 200 to the big data server 400 with the sensor value specifying the sensor module ID as the first metadata sensor node ID as the second metadata for the second recognition information. It is characterized in that it is registered to the big data server 400 by controlling the transmitting and receiving unit 410 to transmit through.

상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 방법은, AI 기반 리얼타임 모니터링 서버(300)가 각 센서 모듈(100)로부터 네트워크(200)를 통해 플러그 앤 플레이 방식으로 구동되는 각 센서 노드(110 내지 160)에 대한 포트, 종류에 대한 인식에 따라 센서 네트워크(sensor network) 구성 설정을 위한 사전 과정을 수행하는 제 1 단계; 및 AI 기반 리얼타임 모니터링 서버(300)가 상기 제 1 단계에서 플러그-인 상태 및 언플러그드 상태로 인식된 센서 모듈(100)의 '센서 모듈 ID', 센서 모듈(110)에서 인식 또는 센서값 수집을 수행한 '센서 노드 ID'를 각 센서 모듈(100)로부터 네트워크(200)를 통해 수신한 뒤, 센서 모듈 ID 및 센서 노드 ID에 해당하는 센서 노드(110 내지 160)에 대한 관리 책임자로 설정된 관리자 스마트 디바이스(500)로의 데이터 싱크(sync) 채널을 설정함으로써, 하드웨어 장비인 센서 노드 장착과 관리자 스마트 디바이스(500)의 애플리케이션 간의 리얼타임 데이터 전송을 위한 준비 과정을 수행하는 제 2 단계; 를 포함하는 것을 특징으로 한다.In order to achieve the above object, a smart sensing and monitoring method for risk detection for switching a smart factory of a small and medium-sized business according to an embodiment of the present invention, the AI-based real-time monitoring server 300 is a network from each sensor module 100 ( A first step of performing a preliminary process for setting a sensor network configuration according to recognition of ports and types for each sensor node 110 to 160 driven by a plug and play method through 200); And the 'sensor module ID' of the sensor module 100 recognized by the AI-based real-time monitoring server 300 as a plug-in state and an unplugged state in the first step, or collect sensor values from the sensor module 110. After receiving the performed 'sensor node ID' from each sensor module 100 through the network 200, the manager smart set as the manager of the sensor nodes 110 to 160 corresponding to the sensor module ID and the sensor node ID A second step of setting a data sync channel to the device 500 to perform a preparation process for real-time data transmission between a sensor node, which is a hardware device, and an application of the manager smart device 500; It characterized in that it comprises a.

이때, 본 발명은, 상기 제 2 단계 이후, AI 기반 리얼타임 모니터링 서버(300)가 상기 제 2 단계에서 싱크 채널이 설정된 센서 모듈 ID 및 센서 노드 ID에 해당하는 각 센서 노드와 관리자 스마트 디바이스(500)의 애플리케이션 간의 리얼 타임(real time) 모니터링과 대시보드를 네트워크(200)를 통해 관리자 스마트 디바이스(500)로 제공하여 구현되도록 하기 위해서는, 각 센서 모듈(100)로부터 '센서 모듈 ID', 센서 모듈(110)에서 인식된 카메라(110) 또는 경광등(160)에 해당하는 '센서 노드 ID'를 포함하는 "제 1 인식 정보"나, 각 센서 모듈(100)로부터 '센서 모듈 ID', 센서 모듈(110)에서 센서값 수집을 수행한 센서(120 내지 150)의 '센서 노드 ID', 그리고 수집된 리얼 타임 센서값이 있는 경우 '센서값'을 포함하는 제 2 인식 정보에 대해서, 각 센서 모듈(100)로부터 네트워크(200)를 통해 수신한 뒤, 제 1 인식 정보 또는 제 2 인식 정보에 대해서 빅데이터 서버(400)에 네트워크(200)를 통해 전송함으로써, 빅데이터 서버(400)에 등록되도록 하는 제 3 단계; 를 더 포함하는 것을 특징으로 한다.At this time, the present invention, after the second step, the AI-based real-time monitoring server 300 is the sensor module ID and the sensor node ID corresponding to the sink channel is set in the second step, each sensor node and the manager smart device 500 ) To provide real-time monitoring and dashboards between applications by providing them to the manager smart device 500 through the network 200, a 'sensor module ID' from each sensor module 100, and a sensor module The "first identification information" including the 'sensor node ID' corresponding to the camera 110 or the warning light 160 recognized by the 110, or the 'sensor module ID', the sensor module ( For the second recognition information including the 'sensor node ID' of the sensors 120 to 150 performing the sensor value collection at 110, and the 'sensor value' when the collected real-time sensor value exists, each sensor module ( 100) from network 200 A third step such that the rear, registered in the first identification information or the second, by sending over the network 200 to the big data server 400 for the identification information, big data server 400 received through; Characterized in that it further comprises.

본 발명의 실시예에 따른 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템, 그리고 그 방법은, 물체의 접근, 누수, 연기 발생 등 다양한 위기 상황을 카메라 하나로 감지할 수 있어, 도입해야 하는 센서 노드의 종류를 줄일 수 있으며, 영상 정보로 감지하기 어려운 위기 상황에 한해 온도 센서, 가스 감지 센서 등을 추가 플러그-인 방식으로 제공하여 철저한 감시가 가능한 효과를 제공한다. A smart sensing and monitoring system for risk detection for a small factory switching of SMEs according to an embodiment of the present invention, and a method thereof, can detect various crisis situations such as object access, leaks, smoke generation, etc. with a camera, and should be introduced The sensor node type can be reduced, and in the case of a crisis situation that is difficult to detect with image information, a temperature sensor and a gas detection sensor are provided in an additional plug-in method to provide a thorough monitoring effect.

또한, 본 발명의 다른 실시예에 따른 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템, 그리고 그 방법은, 카메라의 영상 정보를 신경망 학습에 기반을 둔 알고리즘이 판정함으로써 위기 상황과 평상시를 기존 센서보다 더욱 정확하게 구별할 수 있도록 하여 정확한 상황 판단을 제공하는 효과가 있다. In addition, a smart sensing and monitoring system for risk detection for switching a smart factory of a small and medium-sized business according to another embodiment of the present invention, and a method thereof, the algorithm based on the neural network learning determines the image information of the camera, and the situation is normal. It has the effect of providing an accurate situation judgment by allowing to distinguish more accurately than the existing sensor.

뿐만 아니라, 본 발명의 다른 실시예에 따른 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템, 그리고 그 방법은, 센서 노드를 플러그-인 방식으로 제공하므로 수요자의 상황에 맞춰 센서 노드를 구성할 수 있으며, 언제 어디서나 스마트 디바이스를 통해 센서 노드를 모니터링하고 위기 상황에 대한 알람을 받을 수 있도록 하는 효과를 제공한다. In addition, a smart sensing and monitoring system for risk detection for a small and medium-sized enterprise to switch to a smart factory according to another embodiment of the present invention, and a method thereof, provide a sensor node in a plug-in manner, so that a sensor node is configured according to a user's situation. It can be configured and provides the effect of monitoring the sensor node through a smart device anytime, anywhere and receiving an alarm for a crisis.

도 1은 본 발명의 실시예에 따른 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템(1)을 나타내는 도면이다.
도 2는 도 1의 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템(1) 중 각 센서 모듈(100)의 구성요소를 나타내는 블록도이다.
도 3은 도 1의 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템(1) 중 AI 기반 리얼타임 모니터링 서버(300)의 구성요소를 나타내는 도면이다.
도 4 내지 도 6은 도 1의 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템(1) 중 관리자 스마트 디바이스(600)의 어플리케이션에 의해 제공되는 유저 인터페이스(User Interface, 'UI') 화면을 나타내는 도면이다.
도 7은 본 발명의 실시예에 따른 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 방법을 나타내는 흐름도이다. 1 is a view showing a smart sensing and monitoring system (1) for risk detection for switching a smart factory of a small and medium-sized business according to an embodiment of the present invention.
FIG. 2 is a block diagram showing the components of each sensor module 100 of the smart sensing and monitoring system 1 for risk detection for switching the smart factory of the small and medium-sized enterprise of FIG. 1.
FIG. 3 is a diagram showing the components of the AI-based real-time monitoring server 300 among the smart sensing and monitoring systems 1 for risk detection for the SME smart factory conversion of FIG. 1.
4 to 6 is a user interface (User Interface, 'UI') provided by the application of the manager smart device 600 of the smart sensing and monitoring system (1) for risk detection for the small factory of the small and medium enterprises of Figure 1 It is a drawing showing a screen.
7 is a flowchart illustrating a smart sensing and monitoring method for risk detection for switching a smart factory of a small business according to an embodiment of the present invention.

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

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

도 1은 본 발명의 실시예에 따른 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템(1)을 나타내는 도면이다. 도 1을 참조하면, 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템(1)은 복수의 센서 모듈(100)로 이루어진 센서 모듈 그룹(100g), 네트워크(200), AI(Artificial Intelligence) 기반 리얼타임 모니터링 서버(300), 빅데이터 서버(400), 그리고 복수의 관리자 스마트 디바이스(500)로 이루어진 관리자 스마트 디바이스 그룹(500g)을 포함할 수 있다. 1 is a view showing a smart sensing and monitoring system (1) for risk detection for switching a smart factory of a small and medium-sized business according to an embodiment of the present invention. Referring to FIG. 1, a smart sensing and monitoring system 1 for risk detection for switching a smart factory of a small and medium-sized company includes a sensor module group 100g consisting of a plurality of sensor modules 100, a network 200, and artificial intelligence (AI). ) -Based real-time monitoring server 300, big data server 400, and a plurality of manager smart devices 500 may include a manager smart device group 500g.

네트워크(200)는 대용량, 장거리 음성 및 데이터 서비스가 가능한 대형 통신망의 고속 기간 망인 통신망이며, 인터넷(Internet) 또는 고속의 멀티미디어 서비스를 제공하기 위한 차세대 유선 및 무선 망일 수 있다. 네트워크(200)가 이동통신망일 경우 동기식 이동 통신망일 수도 있고, 비동기식 이동 통신망일 수도 있다. 비동기식 이동 통신망의 일 실시 예로서, WCDMA(Wideband Code Division Multiple Access) 방식의 통신망을 들 수 있다. 이 경우 도면에 도시되진 않았지만, 네트워크(200)는 RNC(Radio Network Controller)을 포함할 수 있다. 한편, WCDMA망을 일 예로 들었지만, 3G LTE망, 4G망 그 밖의 5G 등 차세대 통신망, 그 밖의 IP를 기반으로 한 IP망일 수 있다. 네트워크(200)는 복수의 센서 모듈(100)로 이루어진 센서 모듈 그룹(100g), AI 기반 리얼타임 모니터링 서버(300), 빅데이터 서버(400), 그리고 복수의 관리자 스마트 디바이스(500)로 이루어진 관리자 스마트 디바이스 그룹(500g), 그 밖의 시스템 상호 간의 신호 및 데이터를 상호 전달하는 역할을 한다. The network 200 is a communication network, which is a high-speed period network of a large communication network capable of high-capacity, long-distance voice and data services, and may be an Internet or next-generation wired and wireless networks for providing high-speed multimedia services. When the network 200 is a mobile communication network, it may be a synchronous mobile communication network or an asynchronous mobile communication network. An example of an asynchronous mobile communication network is a wideband code division multiple access (WCDMA) communication network. In this case, although not shown in the drawing, the network 200 may include a radio network controller (RNC). On the other hand, although the WCDMA network is taken as an example, it may be a 3G LTE network, a 4G network, a next-generation communication network such as 5G, or an IP network based on other IPs. The network 200 is a group of sensor modules 100g composed of a plurality of sensor modules 100, an AI-based real-time monitoring server 300, a big data server 400, and a manager consisting of a plurality of manager smart devices 500 Smart device group (500g), and serves to mutually transfer signals and data between other systems.

도 2는 도 1의 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템(1) 중 각 센서 모듈(100)의 구성요소를 나타내는 블록도이다. FIG. 2 is a block diagram showing the components of each sensor module 100 of the smart sensing and monitoring system 1 for risk detection for switching the smart factory of the small and medium-sized enterprise of FIG. 1.

도 2를 참조하면, 센서 모듈(100)은 카메라(110), 동작감지 센서(120), 온도 센서(130), 습도 센서(140), 가스 감지 센서(150), 경광등(160) 및 센서 보드(100a)를 포함할 수 있다. 즉, 센서 보드(100a)는 라즈베리 파이(Raspberry Pi) 기반의 각 센서(120 내지 150), 그리고 경광등(160)에 대한 제어를 수행하며, AI 기반 리얼타임 모니터링 서버(300)에 의한 이상 시점을 감지하면 카메라(100)로부터 제공되는 영상 정보를 네트워크(200)를 통해 AI 기반 리얼타임 모니터링 서버(300)를 거쳐 관리자 스마트 디바이스(500)로 제공할 수 있다.2, the sensor module 100 includes a camera 110, a motion detection sensor 120, a temperature sensor 130, a humidity sensor 140, a gas detection sensor 150, a warning light 160 and a sensor board It may include (100a). That is, the sensor board 100a performs control for each sensor 120 to 150 based on the Raspberry Pi, and the warning light 160, and detects an abnormal point in time by the AI-based real-time monitoring server 300. Upon detection, the video information provided from the camera 100 may be provided to the manager smart device 500 via the AI-based real-time monitoring server 300 through the network 200.

센서 보드(100a)는 플러그 앤 플레이 방식으로 센서 노드를 구성함으로써, 카메라(110), 측정 센서(120 내지 150) 및 경광등(160)에 대한 플러그(plug) 하거나 언플러그(unplug)시 자동으로 각 포트에 대한 제 1 인식과, 인식된 카메라, 측정 센서 및 경광등의 종류에 대한 제 2 인식, 그리고 인식된 종류에 따라 측정 센서인 경우 센서값에 대해서 제 3 인식을 수행할 수 있다.The sensor board 100a configures a sensor node in a plug-and-play manner, so that each plug is automatically plugged or unplugged to the camera 110, the measurement sensors 120 to 150, and the warning light 160, respectively. The first recognition for the port, the second recognition for the type of the recognized camera, the measurement sensor, and the warning light, and the third recognition for the sensor value in the case of the measurement sensor according to the recognized type may be performed.

즉, 각 센서 모듈(100)은 신경망 학습에 기반을 둔 위험 감지 알고리즘을 수행하기 위해 중소기업에서 각 정해진 영역에 해당하는 생산 기기 및 생산품 보관 영역 등에 개별적인 배치를 위해 모듈 방식으로 센서 제어 설계 및 구축됨으로써, 자동 플러그-인(plug-in) 감지 알고리즘을 수행한다.That is, each sensor module 100 is designed and constructed in a modular manner for sensor control for individual placement in production equipment and product storage areas corresponding to each designated area in small and medium-sized enterprises to perform a risk detection algorithm based on neural network learning. , Perform automatic plug-in detection algorithm.

이에 따라 각 센서 모듈(100)은 사물 인터넷(internet of things)을 통해 생산기기와 생산품 간 상호 소통 체계를 구축하고, 생산 과정 최적화를 위한 중소기업의 스마트 팩토리 구축을 제공할 수 있다.Accordingly, each sensor module 100 may establish a communication system between production devices and products through the Internet of Things, and provide a smart factory construction of small and medium-sized enterprises for optimizing the production process.

도 3은 도 1의 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템(1) 중 AI 기반 리얼타임 모니터링 서버(300)의 구성요소를 나타내는 도면이다. 도 3을 참조하면, AI 기반 리얼타임 모니터링 서버(300)는 송수신부(310) 및 제어부(320)를 포함하며, 제어부(320)는 센서 자동 인식 모듈(321), H/W 싱크 설정 모듈(322), 센서값 등록 모듈(323), 센서값 앱 제공 모듈(324), 센서값 분석 모듈(325) 및 라이브 영상 제공 모듈(326)을 포함할 수 있다.FIG. 3 is a diagram showing the components of the AI-based real-time monitoring server 300 among the smart sensing and monitoring systems 1 for risk detection for the SME smart factory conversion of FIG. 1. Referring to FIG. 3, the AI-based real-time monitoring server 300 includes a transceiver 310 and a control unit 320, and the control unit 320 includes a sensor automatic recognition module 321 and an H / W sink setting module ( 322), a sensor value registration module 323, a sensor value app providing module 324, a sensor value analysis module 325, and a live image providing module 326.

센서 자동 인식 모듈(321)은 각 센서 모듈(100)로부터 네트워크(200)를 통해 플러그 앤 플레이 방식으로 구동되는 각 센서 노드(110 내지 160)에 대한 포트, 종류에 대한 인식에 따라 센서 네트워크(sensor network) 구성 설정을 위한 사전 과정을 수행한다. 즉, 센서 자동 인식 모듈(321)은 플러그-인 방식으로 센서 노드(110 내지 160)를 제공하기 위해 센서 모듈(100)을 구성하는 각 센서 노드(110 내지 160)의 플러그-인(plug-in) 여부를 탐지하고 어떤 센서 노드가 플러그-인 되었는지와 함께 언플러그드(unplugged) 상태인지에 대한 데이터를 수집하는 것이다. Sensor automatic recognition module 321 is a sensor network (sensor according to the recognition of the port, type for each sensor node (110 to 160) driven in a plug-and-play manner through the network 200 from each sensor module 100 network) Performs a preliminary process for configuration setting. That is, the sensor automatic recognition module 321 is a plug-in of each sensor node 110 to 160 constituting the sensor module 100 to provide the sensor nodes 110 to 160 in a plug-in method. ) And collect data on which sensor nodes are plugged in and unplugged.

H/W 싱크 설정 모듈(322)은 센서 자동 인식 모듈(321)에 의해 플러그-인 상태 및 언플러그드 상태로 인식된 센서 모듈(100)의 '센서 모듈 ID', 센서 모듈(110)에서 인식 또는 센서값 수집을 수행한 '센서 노드 ID'를 각 센서 모듈(100)로부터 네트워크(200)를 통해 수신하도록 송수신부(310)를 제어한 뒤, 센서 모듈 ID 및 센서 노드 ID에 해당하는 센서 노드(110 내지 160)에 대한 관리 책임자로 설정된 관리자 스마트 디바이스(500)로의 데이터 싱크(sync) 채널을 설정하도록 송수신부(310)를 제어함으로써, 하드웨어 장비인 센서 노드 장착과 관리자 스마트 디바이스(500)의 애플리케이션 간의 리얼타임 데이터 전송을 위한 준비 과정을 수행하는 것이다. The H / W sink setting module 322 is recognized as a 'sensor module ID' of the sensor module 100 recognized by the sensor automatic recognition module 321 in a plug-in state and an unplugged state, or the sensor module 110. After controlling the transceiver 310 to receive the 'sensor node ID' from which each sensor module 100 performed the value collection through the network 200, the sensor node 110 corresponding to the sensor module ID and the sensor node ID (160) by controlling the transceiver 310 to set a data sync channel to the manager smart device 500, which is set as the manager in charge of management, between the sensor node, which is a hardware device, and the application of the manager smart device 500. The process is to prepare for real-time data transmission.

센서값 등록 모듈(323)은 H/W 싱크 설정 모듈(322)에 의해 싱크 채널이 설정된 센서 모듈 ID 및 센서 노드 ID에 해당하는 각 센서 노드와 관리자 스마트 디바이스(500)의 애플리케이션 간의 리얼 타임(real time) 모니터링과 대시보드를 네트워크(200)를 통해 관리자 스마트 디바이스(500)로 제공하여 구현되도록 하기 위해서는, 각 센서 모듈(100)로부터 '센서 모듈 ID', 센서 모듈(110)에서 인식된 카메라(110) 또는 경광등(160)에 해당하는 '센서 노드 ID'를 포함하는 "제 1 인식 정보"나, 각 센서 모듈(100)로부터 '센서 모듈 ID', 센서 모듈(110)에서 센서값 수집을 수행한 센서(120 내지 150)의 '센서 노드 ID', 그리고 수집된 리얼 타임 센서값이 있는 경우 '센서값'을 포함하는 제 2 인식 정보에 대해서, 각 센서 모듈(100)로부터 네트워크(200)를 통해 수신한 뒤, 제 1 인식 정보 및/또는 제 2 인식 정보에 대해서 빅데이터 서버(400)에 네트워크(200)를 통해 전송하도록 송수신부(410)를 제어함으로써, 빅데이터 서버(400)에 등록되도록 한다. The sensor value registration module 323 is a real time between each sensor node corresponding to the sensor module ID and the sensor node ID that the sink channel is set by the H / W sink setting module 322 and the application of the manager smart device 500. time) In order to be implemented by providing monitoring and dashboard to the manager smart device 500 through the network 200, the 'sensor module ID' from each sensor module 100 and the camera recognized by the sensor module 110 ( 110) or "first identification information" including the 'sensor node ID' corresponding to the warning light 160, or 'sensor module ID' from each sensor module 100, and collecting sensor values from the sensor module 110 For the second recognition information including the 'sensor node ID' of one sensor 120 to 150, and the 'sensor value' when there is a collected real-time sensor value, the network 200 is transmitted from each sensor module 100. After receiving through the first recognition information and / or By controlling the transmitting and receiving unit 410 to transmit the second recognition information to the big data server 400 through the network 200, it is registered to the big data server 400.

여기서, 센서값 등록 모듈(323)은 제 2 인식 정보에 대해서는 센서 모듈 ID를 제 1 메타데이터 센서 노드 ID를 제 2 메타데이터로 지정한 센서값을 빅데이터 서버(400)에 네트워크(200)를 통해 전송하도록 송수신부(410)를 제어함으로써, 빅데이터 서버(400)에 등록되도록 한다. Here, the sensor value registration module 323, for the second recognition information, the sensor value specifying the sensor module ID as the first metadata sensor node ID as the second metadata to the big data server 400 through the network 200 By controlling the transmitting and receiving unit 410 to transmit, it is registered to the big data server 400.

센서값 앱 제공 모듈(324)은 빅데이터 서버(400)에 제 1 인식 정보 또는 제 2 인식 정보가 등록되면, 등록된 인식 정보에 대한 빅데이터 서버(400) 상의 제 1 메타데이터(센서 모듈 ID) 및 제 2 메타데이터(센서 노드 ID)에 대한 "제 1 주소정보"를 네트워크(200)를 통해 관리자 스마트 디바이스(500)로 전송하도록 송수신부(310)를 제어함으로써, 『제 1 인식 정보의 경우』 관리자 스마트 디바이스(500)의 어플이케이션에 의해 네트워크(200)를 통해 빅데이터 서버(400)로의 액세스를 통해 제 1 주소정보를 열람하도록 하거나, 『제 2 인식 정보의 경우』 관리자 스마트 디바이스(500)의 어플이케이션에 의해 네트워크(200)를 통해 빅데이터 서버(400)로의 액세스를 통해 제 1 주소정보와 함께 센서값을 열람하도록 할 수 있다. 한편, 제 2 인식 정보에 대한 열람의 경우, 관리자 스마트 디바이스(500)는 하나의 센서값과 동시에 수신된 다른 제 1 또는 제 2 메타데이터를 갖는 다른 센서값에 대한 제 1 주소정보도 함께 센서값 앱 제공 모듈(324)로부터 수신함으로써, 수신된 제 1 주소정보에 해당하는 모든 센서값을 열람하여 출력하여 관리자가 열람할 수 있도록 한다. The sensor value app providing module 324 first metadata (sensor module ID) on the big data server 400 for the registered recognition information when the first recognition information or the second recognition information is registered in the big data server 400 ) And the second metadata (sensor node ID) by controlling the transmitting and receiving unit 310 to transmit the "first address information" to the manager smart device 500 through the network 200, "the first recognition information Case 』The application of the manager smart device 500 allows the first address information to be read through access to the big data server 400 through the network 200, or" in the case of the second recognition information "manager smart device By accessing the big data server 400 through the network 200 by the application of 500, the sensor value can be viewed together with the first address information. On the other hand, in the case of reading the second recognition information, the manager smart device 500 also detects the first address information for the other sensor values having different first or second metadata received simultaneously with one sensor value. By receiving from the app providing module 324, all sensor values corresponding to the received first address information are retrieved and output so that the administrator can view them.

센서값 분석 모듈(325)은 센서값 등록 모듈(323)에 의해 빅데이터 서버(400)에 등록된 제 2 인식 정보에 포함되는 센서값에 대한 빅데이터 서버(400)에 제 1 메타데이터(센서 모듈 ID) 및 제 2 메타데이터(센서 노드 ID)에 따라 미리 설정된 최소값(min) 내지 최대값(max) 사이의 기준 범위 내인지를 분석한 뒤, 기준 범위를 벗어난 경우, 카메라(110)에 대한 제어를 통해 영상 정보를 수신하도록 송수신부(110)를 제어할 수 있다.The sensor value analysis module 325 first metadata (sensor) to the big data server 400 for the sensor value included in the second recognition information registered in the big data server 400 by the sensor value registration module 323 Module ID) and the second metadata (sensor node ID) according to a predetermined range between the minimum value (min) and the maximum value (max) after analyzing whether it is out of the reference range, the camera 110 The transceiver 110 may be controlled to receive image information through control.

이후, 센서값 분석 모듈(325)은 패턴 인식에 뛰어난 성능을 발휘하는 딥 러닝(Deep Learning) 기반의 위험감지 알고리즘(algorithm)에 하나인 CNN(Convolutional Neural Networks)를 통해 센서 모듈(100) 중 카메라(110)에 의해 촬영된 영상 정보에서 위험 물체를 감지한다. Thereafter, the sensor value analysis module 325 is a camera in the sensor module 100 through a convolutional neural network (CNN), which is one of deep learning-based risk detection algorithms that exhibit excellent performance in pattern recognition. A dangerous object is detected from the image information captured by (110).

센서값 분석 모듈(325)은 감지된 위험 물체별 이상 상황에 대해서 이상 상황 감지 알고리즘(algorithm)에 하나인 CNN(Convolutional Neural Networks)를 통해 각 위험 물체별 이상 상황인 접근, 누수, 연기 발생 등에 대한 분석을 수행할 수 있다.The sensor value analysis module 325 is configured to detect an abnormal situation for each dangerous object, such as access, leak, smoke, etc. through convolutional neural networks (CNN), which is one of the abnormality detection algorithms for the detected abnormal situation for each dangerous object. Analysis can be performed.

또한, 센서값 분석 모듈(325)은 이상 상황을 분석하여 형성된 제 1 메타데이터 및 제 2 메타데이터로 설정된 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 위험 물체별 이상 상황에 대한 딥 러닝 알고리즘을 변환 및 적용할 수 있다. In addition, the sensor value analysis module 325 is a cycle time (Cycle time), which is the time required for one entire process when iterating through pattern data set with the first metadata and the second metadata formed by analyzing an abnormal situation, In a way that minimizes the decrease in tact time, which is the maximum time of each process time, deep learning algorithms for abnormal situations for each dangerous object can be transformed and applied.

라이브 영상 제공 모듈(326)은 센서값 분석 모듈(325)에 의해 이상 상황으로 분석된 경우, 제 2 인식 정보의 제 1 메타데이터(센서 모듈 ID)에 해당하는 센서 모듈(100)의 카메라(110)에 대한 제 2 인식 정보의 제 2 메타데이터(센서 노드 ID)에 해당하는 센서(120 내지 150) 중 하나가 설치된 미리 설정된 지정 영역으로 팬/틸트/줌 기능을 통한 촬영 명령을 네트워크(200)를 통해 센서값을 제공한 센서 모듈(100)로 전송하도록 송수신부(310)를 제어할 수 있다.When the live image providing module 326 is analyzed as an abnormal situation by the sensor value analysis module 325, the camera 110 of the sensor module 100 corresponding to the first metadata (sensor module ID) of the second recognition information ) Is a preset designation area in which one of the sensors 120 to 150 corresponding to the second metadata (sensor node ID) of the second recognition information for) is installed, and the network command 200 is photographed through the pan / tilt / zoom function. The transmitter / receiver 310 may be controlled to be transmitted to the sensor module 100 that provides the sensor value.

이에 따라, 라이브 영상 제공 모듈(326)은 촬영 명령에 따라 센서 모듈(100)로부터 수신된 리얼타임 영상 정보에 대해서 제 1 메타데이터(센서 모듈 ID), 제 2 메타데이터(센서 노드 ID), 제 3 메타데이터(센서값)으로 하는 "제 2 주소정보"를 생성한 뒤, 빅데이터 서버(400) 상의 제 2 주소 정보로 저장하도록 영상 정보를 네트워크(200)를 통해 빅데이터 서버(400)로 전송하도록 송수신부(310)를 제어할 수 있다.Accordingly, the live image providing module 326 first, metadata (sensor module ID), second metadata (sensor node ID), second, with respect to real-time image information received from the sensor module 100 according to a shooting command. 3 After generating the "second address information" as the metadata (sensor value), the video information is transmitted to the big data server 400 through the network 200 to be stored as second address information on the big data server 400. The transmitting and receiving unit 310 may be controlled to transmit.

이에 따라 빅데이터 서버(400)에 리얼타임 영상 정보가 등록되기 시작하면, 라이브 영상 제공 모듈(326)은 제 2 주소정보를 네트워크(200)를 통해 관리자 스마트 디바이스(500)로 전송하도록 송수신부(310)를 제어함으로써, 관리자 스마트 디바이스(500)의 어플이케이션에 의해 네트워크(200)를 통해 빅데이터 서버(400)로의 액세스를 통해 제 2 주소정보에 저장된 리얼타임 영상 정보를 리얼타임으로 수신하여 출력하도록 함으로써, 관리자가 열람할 수 있도록 한다. Accordingly, when real-time video information starts to be registered in the big data server 400, the live video providing module 326 transmits and receives the second address information to the manager smart device 500 through the network 200 ( 310), real-time image information stored in the second address information is received in real time through access to the big data server 400 through the network 200 by the application of the manager smart device 500. By outputting it, the administrator can read it.

도 4a는 관리자 스마트 디바이스(600)의 어플리케이션에 의해 제공되는 로그인 유저 인터페이스(User Interface, 'UI') 화면이며, 도 4b는 관리자 스마트 디바이스(600)의 어플리케이션에 의해 제공되는 로그인에 따라 최초로 제공되는 메뉴 UI 화면으로, 도 4b를 참조하면, 메뉴 UI 화면에는 대시보드 메뉴, SMS Device 메뉴, 사용법(how to use) 메뉴, 사용자 설정(user setting) 메뉴를 포함할 수 있다.FIG. 4A is a login user interface ('UI') screen provided by an application of the manager smart device 600, and FIG. 4B is initially provided according to a login provided by an application of the manager smart device 600. As a menu UI screen, referring to FIG. 4B, the menu UI screen may include a dashboard menu, an SMS device menu, a how to use menu, and a user setting menu.

다음으로 도 4c는 메뉴 UI 화면에서 대시보드 메뉴 선택시의 대시보드 UI 화면이며, 도 5a는 메뉴 UI 화면에서 SMS Device 메뉴 선택시의 SMS Device UI 화면이며, 도 5b는 SMS Device UI 화면에서 ADD/UPDATE 메뉴 선택시의 각 센서 모듈(100)을 구성하는 센서 노드(110 내지 160)에 대한 관리 책임자로 설정을 위한 등록 UI 화면이며, 도 5c는 도 5b에서 설정된 센서 노드(110 내지 160)에 대한 블루투스 등과 같은 근거리 무선통신 방식을 활용한 네트워크 구성을 위한 설정 UI 화면이며, 도 5d는 도 5b 및 도 5c에 의해 제 1 인식 정보 또는 제 2 인식 정보에 대한 수신이 설정된 센서 노드(110 내지 160)에 대한 리스트를 나타내는 UI 화면이다.Next, FIG. 4C is a dashboard UI screen when a dashboard menu is selected on the menu UI screen, FIG. 5A is an SMS Device UI screen when an SMS Device menu is selected on the menu UI screen, and FIG. 5B is an ADD / on the SMS Device UI screen. When the UPDATE menu is selected, it is a registration UI screen for setting as a manager in charge of the sensor nodes 110 to 160 constituting each sensor module 100, and FIG. 5C is for sensor nodes 110 to 160 set in FIG. 5B. It is a setting UI screen for network configuration using a short-range wireless communication method such as Bluetooth, and FIG. 5D is a sensor node (110 to 160) configured to receive first recognition information or second recognition information by FIGS. 5B and 5C. It is a UI screen that shows a list for.

다음으로, 도 6a는 메뉴 UI 화면에서 사용법(how to use) 메뉴 선택시의 UI 하면이며, 도 6b는 메뉴 UI 화면에서 사용자 설정(user setting) 메뉴 선택시의 UI 화면을 나타낸다.Next, FIG. 6A is a UI bottom surface when a how to use menu is selected on the menu UI screen, and FIG. 6B shows a UI screen when a user setting menu is selected on the menu UI screen.

도 4 내지 도 6과 같이, UI 화면은 데이터를 시각화하여 관리자가 센서 모듈(100)의 상태를 효율적이고 직관적으로 모니터링할 수 있게 구성되며, 실시간으로 데이터가 갱신되어 제공된다. 4 to 6, the UI screen is configured to visualize the data so that the administrator can efficiently and intuitively monitor the state of the sensor module 100, and the data is updated and provided in real time.

도 7은 본 발명의 실시예에 따른 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 방법을 나타내는 흐름도이다. 도 7을 참조하면, AI 기반 리얼타임 모니터링 서버(300)는 각 센서 모듈(100)로부터 네트워크(200)를 통해 플러그 앤 플레이 방식으로 구동되는 각 센서 노드(110 내지 160)에 대한 포트, 종류에 대한 인식에 따라 센서 네트워크(sensor network) 구성 설정을 위한 사전 과정을 수행한다(S11). 보다 구체적으로, AI 기반 리얼타임 모니터링 서버(300)는 플러그-인 방식으로 센서 노드(110 내지 160)를 제공하기 위해 센서 모듈(100)을 구성하는 각 센서 노드(110 내지 160)의 플러그-인(plug-in) 여부를 탐지하고 어떤 센서 노드가 플러그-인 되었는지와 함께 언플러그드(unplugged) 상태인지에 대한 데이터를 수집하는 것이다. 7 is a flowchart illustrating a smart sensing and monitoring method for risk detection for switching a smart factory of a small business according to an embodiment of the present invention. Referring to FIG. 7, the AI-based real-time monitoring server 300 is based on ports and types for each sensor node 110 to 160 driven in a plug-and-play manner through the network 200 from each sensor module 100. According to the recognition of the sensor network (sensor network) performs a pre-process for the configuration configuration (S11). More specifically, the AI-based real-time monitoring server 300 is plug-in of each sensor node 110 to 160 constituting the sensor module 100 to provide the sensor nodes 110 to 160 in a plug-in method. It detects whether it is (plug-in) and collects data about which sensor node is plugged in and unplugged.

단계(S11) 이후, AI 기반 리얼타임 모니터링 서버(300)는 단계(S11)에서 플러그-인 상태 및 언플러그드 상태로 인식된 센서 모듈(100)의 '센서 모듈 ID', 센서 모듈(110)에서 인식 또는 센서값 수집을 수행한 '센서 노드 ID'를 각 센서 모듈(100)로부터 네트워크(200)를 통해 수신한 뒤, 센서 모듈 ID 및 센서 노드 ID에 해당하는 센서 노드(110 내지 160)에 대한 관리 책임자로 설정된 관리자 스마트 디바이스(500)로의 데이터 싱크(sync) 채널을 설정함으로써, 하드웨어 장비인 센서 노드 장착과 관리자 스마트 디바이스(500)의 애플리케이션 간의 리얼타임 데이터 전송을 위한 준비 과정을 수행한다(S12).After the step S11, the AI-based real-time monitoring server 300 recognizes the sensor module ID and sensor module 110 of the sensor module 100 recognized as a plug-in state and an unplugged state in step S11. Alternatively, after receiving the 'sensor node ID' that performs sensor value collection from each sensor module 100 through the network 200, management of sensor nodes 110 to 160 corresponding to the sensor module ID and the sensor node ID By setting up a data sync channel to the manager smart device 500 set as the responsible person, a preparation process for real-time data transmission between a sensor node as a hardware device and an application of the manager smart device 500 is performed (S12). .

단계(S12) 이후, AI 기반 리얼타임 모니터링 서버(300)는 단계(S12)에서 싱크 채널이 설정된 센서 모듈 ID 및 센서 노드 ID에 해당하는 각 센서 노드와 관리자 스마트 디바이스(500)의 애플리케이션 간의 리얼 타임(real time) 모니터링과 대시보드를 네트워크(200)를 통해 관리자 스마트 디바이스(500)로 제공하여 구현되도록 하기 위해서는, 각 센서 모듈(100)로부터 '센서 모듈 ID', 센서 모듈(110)에서 인식된 카메라(110) 또는 경광등(160)에 해당하는 '센서 노드 ID'를 포함하는 "제 1 인식 정보"나, 각 센서 모듈(100)로부터 '센서 모듈 ID', 센서 모듈(110)에서 센서값 수집을 수행한 센서(120 내지 150)의 '센서 노드 ID', 그리고 수집된 리얼 타임 센서값이 있는 경우 '센서값'을 포함하는 제 2 인식 정보에 대해서, 각 센서 모듈(100)로부터 네트워크(200)를 통해 수신한 뒤, 제 1 인식 정보 및/또는 제 2 인식 정보에 대해서 빅데이터 서버(400)에 네트워크(200)를 통해 전송함으로써, 빅데이터 서버(400)에 등록되도록 한다(S13).After the step S12, the AI-based real-time monitoring server 300 is real-time between each sensor node corresponding to the sensor module ID and the sensor node ID where the sync channel is set in step S12 and the application of the manager smart device 500. (real time) In order to be implemented by providing monitoring and dashboard to the manager smart device 500 through the network 200, the 'sensor module ID' from each sensor module 100, recognized by the sensor module 110 "First identification information" including the 'sensor node ID' corresponding to the camera 110 or the warning light 160, or 'sensor module ID' from each sensor module 100, and collecting sensor values from the sensor module 110 For the second recognition information including the 'sensor node ID' of the sensors 120 to 150 and the 'sensor value' when there is a collected real-time sensor value, the network 200 from each sensor module 100 ), The first recognition With respect to the beam and / or the second identification information by transmitting over the network 200 to the big data server 400, and to register the big data server 400 (S13).

단계(S13)에서 AI 기반 리얼타임 모니터링 서버(300)는 제 2 인식 정보에 대해서는 센서 모듈 ID를 제 1 메타데이터 센서 노드 ID를 제 2 메타데이터로 지정한 센서값을 빅데이터 서버(400)에 네트워크(200)를 통해 전송함으로써, 빅데이터 서버(400)에 등록되도록 한다. In step S13, the AI-based real-time monitoring server 300 networks the sensor value with the sensor module ID as the first metadata sensor node ID as the second metadata for the second recognition information to the big data server 400. By transmitting through 200, it is registered to the big data server 400.

단계(S13) 이후, AI 기반 리얼타임 모니터링 서버(300)는 빅데이터 서버(400)에 제 1 인식 정보 또는 제 2 인식 정보가 등록되면, 등록된 인식 정보에 대한 빅데이터 서버(400) 상의 제 1 메타데이터(센서 모듈 ID) 및 제 2 메타데이터(센서 노드 ID)에 대한 "제 1 주소정보"를 네트워크(200)를 통해 관리자 스마트 디바이스(500)로 전송함으로써, 『제 1 인식 정보의 경우』 관리자 스마트 디바이스(500)의 어플이케이션에 의해 네트워크(200)를 통해 빅데이터 서버(400)로의 액세스를 통해 제 1 주소정보를 열람하도록 하거나, 『제 2 인식 정보의 경우』 관리자 스마트 디바이스(500)의 어플이케이션에 의해 네트워크(200)를 통해 빅데이터 서버(400)로의 액세스를 통해 제 1 주소정보와 함께 센서값을 열람하도록 한다(S14). 단계(S14)에서 제 2 인식 정보에 대한 열람의 경우, 관리자 스마트 디바이스(500)는 하나의 센서값과 동시에 수신된 다른 제 1 또는 제 2 메타데이터를 갖는 다른 센서값에 대한 제 1 주소정보도 함께 AI 기반 리얼타임 모니터링 서버(300)로부터 수신함으로써, 수신된 제 1 주소정보에 해당하는 모든 센서값을 열람하여 출력하여 관리자가 열람할 수 있도록 한다. After the step (S13), the AI-based real-time monitoring server 300, when the first recognition information or the second recognition information is registered in the big data server 400, the AI-based real-time monitoring server 300 on the big data server 400 for the registered recognition information By transmitting "first address information" for 1 metadata (sensor module ID) and 2nd metadata (sensor node ID) to the manager smart device 500 through the network 200, "in the case of first recognition information 』The application of the manager smart device 500 allows the first address information to be read through the access to the big data server 400 through the network 200, or the` `in the case of the second recognition information '' manager smart device ( Through the application of 500), access to the big data server 400 through the network 200 allows the sensor value to be read together with the first address information (S14). In the case of reading the second recognition information in step S14, the manager smart device 500 also has first address information for other sensor values having different first or second metadata received simultaneously with one sensor value. Together, by receiving from the AI-based real-time monitoring server 300, all sensor values corresponding to the received first address information are retrieved and output so that the administrator can view them.

단계(S14) 이후, AI 기반 리얼타임 모니터링 서버(300)는 단계(S13)에서 빅데이터 서버(400)에 등록된 제 2 인식 정보에 포함되는 센서값에 대한 빅데이터 서버(400)에 제 1 메타데이터(센서 모듈 ID) 및 제 2 메타데이터(센서 노드 ID)에 따라 미리 설정된 최소값(min) 내지 최대값(max) 사이의 기준 범위 내인지를 분석한 뒤, 기준 범위를 벗어난 경우, 카메라(110)에 대한 제어를 통해 영상 정보를 수신한 뒤, 영상 정보를 네트워크(200)를 통해 관리자 스마트 디바이스(500)로 전송한다(S15).After step (S14), the AI-based real-time monitoring server 300 is first to the big data server 400 for the sensor value included in the second recognition information registered in the big data server 400 in step S13. After analyzing whether it is within a reference range between a preset minimum value (min) and a maximum value (max) according to the metadata (sensor module ID) and the second metadata (sensor node ID), the camera ( After receiving the image information through the control for 110), and transmits the image information to the manager smart device 500 through the network (200) (S15).

보다 구체적으로, AI 기반 리얼타임 모니터링 서버(300)는 패턴 인식에 뛰어난 성능을 발휘하는 딥 러닝(Deep Learning) 기반의 위험감지 알고리즘(algorithm)에 하나인 CNN(Convolutional Neural Networks)를 통해 센서 모듈(100) 중 카메라(110)에 의해 촬영된 영상 정보에서 위험 물체를 감지한다. 그리고 AI 기반 리얼타임 모니터링 서버(300)는 감지된 위험 물체별 이상 상황에 대해서 이상 상황 감지 알고리즘(algorithm)에 하나인 CNN(Convolutional Neural Networks)를 통해 각 위험 물체별 이상 상황인 접근, 누수, 연기 발생 등에 대한 분석을 수행할 수 있다.More specifically, the AI-based real-time monitoring server 300 is a sensor module through a convolutional neural network (CNN), one of deep learning-based risk detection algorithms that exhibits excellent performance in pattern recognition. 100) Among the image information photographed by the camera 110, a dangerous object is detected. And the AI-based real-time monitoring server 300 approaches, leaks, and postpones abnormalities for each dangerous object through convolutional neural networks (CNN), which is one of the abnormality detection algorithms, for the detected abnormalities for each dangerous object. Analysis of occurrence and the like can be performed.

또한, AI 기반 리얼타임 모니터링 서버(300)는 이상 상황을 분석하여 형성된 제 1 메타데이터 및 제 2 메타데이터로 설정된 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 위험 물체별 이상 상황에 대한 딥 러닝 알고리즘을 변환 및 적용할 수 있다. In addition, the AI-based real-time monitoring server 300 is a cycle time, which is the time required for one entire process when iterative work for each pattern data set by the first metadata and the second metadata formed by analyzing an abnormal situation. In addition, a deep learning algorithm for an abnormal situation for each dangerous object can be transformed and applied in a manner that minimizes a decrease in tact time, which is a maximum time of each process time.

결과적으로 AI 기반 리얼타임 모니터링 서버(300)는 이상 상황으로 분석된 경우, 제 2 인식 정보의 제 1 메타데이터(센서 모듈 ID)에 해당하는 센서 모듈(100)의 카메라(110)에 대한 제 2 인식 정보의 제 2 메타데이터(센서 노드 ID)에 해당하는 센서(120 내지 150) 중 하나가 설치된 미리 설정된 지정 영역으로 팬/틸트/줌 기능을 통한 촬영 명령을 네트워크(200)를 통해 센서값을 제공한 센서 모듈(100)로 전송한 뒤, 촬영 명령에 따라 센서 모듈(100)로부터 수신된 리얼타임 영상 정보에 대해서 제 1 메타데이터(센서 모듈 ID), 제 2 메타데이터(센서 노드 ID), 제 3 메타데이터(센서값)으로 하는 "제 2 주소정보"를 생성한 뒤, 빅데이터 서버(400) 상의 제 2 주소 정보로 저장하도록 영상 정보를 네트워크(200)를 통해 빅데이터 서버(400)로 전송하고, 빅데이터 서버(400)에 리얼타임 영상 정보가 등록되기 시작하면, 제 2 주소정보를 네트워크(200)를 통해 관리자 스마트 디바이스(500)로 전송함으로써, 관리자 스마트 디바이스(500)의 어플이케이션에 의해 네트워크(200)를 통해 빅데이터 서버(400)로의 액세스를 통해 제 2 주소정보에 저장된 리얼타임 영상 정보를 리얼타임으로 수신하여 출력하도록 함으로써, 관리자가 열람할 수 있도록 한다. As a result, when the AI-based real-time monitoring server 300 is analyzed as an abnormal situation, the second for the camera 110 of the sensor module 100 corresponds to the first metadata (sensor module ID) of the second recognition information. A preset designation area in which one of the sensors 120 to 150 corresponding to the second metadata (sensor node ID) of the recognition information is installed, and a sensor value is acquired through the network 200 by a shooting command through a pan / tilt / zoom function. After transmitting to the provided sensor module 100, the first metadata (sensor module ID), the second metadata (sensor node ID) for the real-time image information received from the sensor module 100 according to the shooting command, After generating the "second address information" as the third metadata (sensor value), the big data server 400 stores the video information through the network 200 to store the second address information on the big data server 400. Data, and real time to the big data server 400 When the phase information starts to be registered, the second address information is transmitted to the manager smart device 500 through the network 200, and the big data server is transmitted through the network 200 by the application of the manager smart device 500. By accessing (400), real-time video information stored in the second address information is received and output in real time, so that the administrator can view it.

본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.The present invention can also be embodied as computer readable codes on a computer readable recording medium. The computer-readable recording medium includes all kinds of recording devices in which data readable by a computer system is stored.

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

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

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

1 : 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템
100 : 센서 모듈
100g : 센서 모듈 집합
100a : 센서 보드
110 : 카메라
120 : 동작감지 센서
130 : 온도 센서
140 : 습도 센서
150 : 가스 감지 센서
160 : 경광등
200 : 네트워크
300 : AI 기반 리얼타임 모니터링 서버
310 : 송수신부
320 : 제어부
321 : 센서 자동 인식 모듈
322 : H/W 싱크 설정 모듈
323 : 센서값 등록 모듈
324 : 센서값 앱 제공 모듈
325 : 센서값 분석 모듈
326 : 라이브 영상 제공 모듈
400 : 빅데이터 서버
500 : 관리자 스마트 디바이스
500g : 관리자 스마트 디바이스 그룹1: Smart sensing and monitoring system for risk detection for small and medium enterprises to switch to smart factory
100: sensor module
100g: sensor module assembly
100a: sensor board
110: camera
120: motion detection sensor
130: temperature sensor
140: humidity sensor
150: gas detection sensor
160: warning light
200: network
300: AI-based real-time monitoring server
310: transceiver
320: control unit
321: sensor automatic recognition module
322: H / W sink setting module
323: sensor value registration module
324: sensor value app providing module
325: sensor value analysis module
326: Live video provision module
400: big data server
500: manager smart device
500g: manager smart device group

Claims (7)

복수의 센서 모듈(100)로 이루어진 센서 모듈 그룹(100g), 네트워크(200), AI 기반 리얼타임 모니터링 서버(300), 빅데이터 서버(400), 그리고 복수의 관리자 스마트 디바이스(500)로 이루어진 관리자 스마트 디바이스 그룹(500g)을 포함하는 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템(1)에 있어서, AI 기반 리얼타임 모니터링 서버(300)는,
각 센서 모듈(100)로부터 네트워크(200)를 통해 플러그 앤 플레이 방식으로 구동되는 각 센서 노드(110 내지 160)에 대한 포트, 종류에 대한 인식에 따라 센서 네트워크(sensor network) 구성 설정을 위한 사전 과정을 수행하는 센서 자동 인식 모듈(321);
각 센서 모듈(100)로의 하드웨어 장비인 센서 노드 장착과 관리자 스마트 디바이스(500)의 애플리케이션 간의 리얼타임 데이터 전송을 위한 준비를 위해 싱크 설정을 수행하는 H/W 싱크 설정 모듈(322); 및
H/W 싱크 설정 모듈(322)에 의해 싱크 채널이 설정된 센서 모듈 ID 및 센서 노드 ID에 해당하는 각 센서 노드와 관리자 스마트 디바이스(500)의 애플리케이션 간의 리얼 타임(real time) 모니터링과 대시보드를 네트워크(200)를 통해 관리자 스마트 디바이스(500)로 제공하여 구현되도록 하기 위해서는, 각 센서 모듈(100)로부터 센서 모듈 ID, 센서 노드 ID를 기본으로, 추가로 센서값을 수신하여 네트워크(200)를 통해 빅데이터 서버(400)로 전송하여 등록하도록 하는 센서값 등록 모듈(323); 을 포함하는 것을 특징으로 하는 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템.
Sensor module group (100g) consisting of a plurality of sensor modules (100g), network (200), AI-based real-time monitoring server (300), big data server (400), and a plurality of managers Smart device (500) Manager In the smart sensing and monitoring system (1) for risk detection for the conversion of smart factories of small and medium enterprises including a smart device group (500g), the AI-based real-time monitoring server 300,
Pre-process for setting the sensor network configuration according to the recognition of ports and types for each sensor node 110 to 160 driven in a plug-and-play manner through the network 200 from each sensor module 100 Sensor automatic recognition module for performing the 321;
A H / W sink setting module 322 that performs sink setting to prepare for real-time data transmission between a sensor node mounted as a hardware device to each sensor module 100 and an application of the manager smart device 500; And
The real-time monitoring and dashboard network between each sensor node corresponding to the sensor module ID and the sensor node ID whose sink channel is set by the H / W sink setting module 322 and an application of the manager smart device 500 is networked. In order to be implemented and provided to the manager smart device 500 through the 200, the sensor module ID and the sensor node ID from each sensor module 100 are additionally received, and additional sensor values are received through the network 200. A sensor value registration module 323 for transmitting to the big data server 400 to register; Smart sensing and monitoring system for risk detection for the conversion of smart factories of SMEs, characterized in that it comprises a.
청구항 1에 있어서, 센서 자동 인식 모듈(321)은,
플러그-인 방식으로 센서 노드(110 내지 160)를 제공하기 위해 센서 모듈(100)을 구성하는 각 센서 노드(110 내지 160)의 플러그-인(plug-in) 여부를 탐지하고 어떤 센서 노드가 플러그-인 되었는지와 함께 언플러그드(unplugged) 상태인지에 대한 데이터를 수집하는 것을 특징으로 하는 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템.
The method according to claim 1, Automatic sensor recognition module 321,
In order to provide the sensor nodes 110 to 160 in a plug-in method, it detects whether or not a plug-in of each sensor node 110 to 160 constituting the sensor module 100 is plugged in, and which sensor node is plugged in -Smart sensing and monitoring system for risk detection for small and medium-sized enterprises' smart factory conversion, characterized by collecting data on whether they are unplugged together with whether they are signed in.
청구항 1에 있어서, H/W 싱크 설정 모듈(322),
센서 자동 인식 모듈(321)에 의해 플러그-인 상태 및 언플러그드 상태로 인식된 센서 모듈(100)의 '센서 모듈 ID', 센서 모듈(110)에서 인식 또는 센서값 수집을 수행한 '센서 노드 ID'를 각 센서 모듈(100)로부터 네트워크(200)를 통해 수신하도록 송수신부(310)를 제어한 뒤, 센서 모듈 ID 및 센서 노드 ID에 해당하는 센서 노드(110 내지 160)에 대한 관리 책임자로 설정된 관리자 스마트 디바이스(500)로의 데이터 싱크(sync) 채널을 설정하도록 송수신부(310)를 제어하는 것을 특징으로 하는 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템.
The method according to claim 1, H / W sink setting module (322),
The 'sensor module ID' of the sensor module 100 recognized by the sensor automatic recognition module 321 in a plug-in state and an unplugged state, and a 'sensor node ID' that performs recognition or sensor value collection in the sensor module 110. After receiving and controlling the transmitter / receiver 310 to receive the data from each sensor module 100 through the network 200, an administrator set as a manager in charge of sensor nodes 110 to 160 corresponding to the sensor module ID and the sensor node ID Smart sensing and monitoring system for risk detection for small and medium-sized enterprises to switch to the smart factory, characterized by controlling the transceiver 310 to set a data sync (sync) channel to the smart device (500).
청구항 3에 있어서, 센서값 등록 모듈(323)은,
각 센서 모듈(100)로부터 '센서 모듈 ID', 센서 모듈(110)에서 인식된 카메라(110) 또는 경광등(160)에 해당하는 '센서 노드 ID'를 포함하는 "제 1 인식 정보"나, 각 센서 모듈(100)로부터 '센서 모듈 ID', 센서 모듈(110)에서 센서값 수집을 수행한 센서(120 내지 150)의 '센서 노드 ID', 그리고 수집된 리얼 타임 센서값이 있는 경우 '센서값'을 포함하는 제 2 인식 정보에 대해서, 각 센서 모듈(100)로부터 네트워크(200)를 통해 수신한 뒤, 제 1 인식 정보 또는 제 2 인식 정보에 대해서 빅데이터 서버(400)에 네트워크(200)를 통해 전송하도록 송수신부(410)를 제어함으로써, 빅데이터 서버(400)에 등록되도록 하는 것을 특징으로 하는 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템.
The method according to claim 3, the sensor value registration module (323),
The "first identification information" including the 'sensor node ID' corresponding to the 'sensor module ID' from each sensor module 100, the camera 110 recognized by the sensor module 110, or the warning light 160, or The 'sensor module ID' from the sensor module 100, the 'sensor node ID' of the sensors 120 to 150 that have collected sensor values from the sensor module 110, and the 'sensor value when the collected real-time sensor values are present. For the second recognition information including ', after receiving through the network 200 from each sensor module 100, the network 200 to the big data server 400 for the first recognition information or the second recognition information Smart sensing and monitoring system for risk detection for SMEs switching to a smart factory, characterized in that it is registered in the big data server 400 by controlling the transmission / reception unit 410 to transmit through.
청구항 4에 있어서, 센서값 등록 모듈(323)은,
제 2 인식 정보에 대해서는 센서 모듈 ID를 제 1 메타데이터 센서 노드 ID를 제 2 메타데이터로 지정한 센서값을 빅데이터 서버(400)에 네트워크(200)를 통해 전송하도록 송수신부(410)를 제어함으로써, 빅데이터 서버(400)에 등록되도록 하는 것을 특징으로 하는 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 시스템.
The method according to claim 4, Sensor value registration module (323),
For the second recognition information, the sensor module ID is the first metadata and the sensor node ID is the second metadata and the sensor value is transmitted to the big data server 400 through the network 200 by controlling the transceiver 410. , Smart sensing and monitoring system for risk detection for small and medium-sized enterprises to switch to the smart factory, characterized in that to be registered in the big data server (400).
AI 기반 리얼타임 모니터링 서버(300)가 각 센서 모듈(100)로부터 네트워크(200)를 통해 플러그 앤 플레이 방식으로 구동되는 각 센서 노드(110 내지 160)에 대한 포트, 종류에 대한 인식에 따라 센서 네트워크(sensor network) 구성 설정을 위한 사전 과정을 수행하는 제 1 단계; 및
AI 기반 리얼타임 모니터링 서버(300)가 상기 제 1 단계에서 플러그-인 상태 및 언플러그드 상태로 인식된 센서 모듈(100)의 '센서 모듈 ID', 센서 모듈(110)에서 인식 또는 센서값 수집을 수행한 '센서 노드 ID'를 각 센서 모듈(100)로부터 네트워크(200)를 통해 수신한 뒤, 센서 모듈 ID 및 센서 노드 ID에 해당하는 센서 노드(110 내지 160)에 대한 관리 책임자로 설정된 관리자 스마트 디바이스(500)로의 데이터 싱크(sync) 채널을 설정함으로써, 하드웨어 장비인 센서 노드 장착과 관리자 스마트 디바이스(500)의 애플리케이션 간의 리얼타임 데이터 전송을 위한 준비 과정을 수행하는 제 2 단계; 를 포함하는 것을 특징으로 하는 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 방법.
AI-based real-time monitoring server 300 is a sensor network according to the recognition of the port, type for each sensor node (110 to 160) driven in a plug-and-play manner through the network 200 from each sensor module 100 (sensor network) a first step of performing a pre-process for configuration configuration; And
The AI-based real-time monitoring server 300 performs the 'sensor module ID' of the sensor module 100 recognized in the plug-in state and the unplugged state in the first step, or collects sensor values in the sensor module 110. After receiving a 'sensor node ID' from each sensor module 100 through the network 200, an administrator smart device set as a management officer for sensor nodes 110 to 160 corresponding to the sensor module ID and the sensor node ID A second step of performing a preparation process for real-time data transmission between an application of the manager smart device 500 and a sensor node, which is a hardware device, by setting a data sync channel to 500; Smart sensing and monitoring method for risk detection for the transition to a smart factory of SMEs, characterized in that it comprises a.
청구항 6에 있어서, 상기 제 2 단계 이후,
AI 기반 리얼타임 모니터링 서버(300)가 상기 제 2 단계에서 싱크 채널이 설정된 센서 모듈 ID 및 센서 노드 ID에 해당하는 각 센서 노드와 관리자 스마트 디바이스(500)의 애플리케이션 간의 리얼 타임(real time) 모니터링과 대시보드를 네트워크(200)를 통해 관리자 스마트 디바이스(500)로 제공하여 구현되도록 하기 위해서는, 각 센서 모듈(100)로부터 '센서 모듈 ID', 센서 모듈(110)에서 인식된 카메라(110) 또는 경광등(160)에 해당하는 '센서 노드 ID'를 포함하는 "제 1 인식 정보"나, 각 센서 모듈(100)로부터 '센서 모듈 ID', 센서 모듈(110)에서 센서값 수집을 수행한 센서(120 내지 150)의 '센서 노드 ID', 그리고 수집된 리얼 타임 센서값이 있는 경우 '센서값'을 포함하는 제 2 인식 정보에 대해서, 각 센서 모듈(100)로부터 네트워크(200)를 통해 수신한 뒤, 제 1 인식 정보 또는 제 2 인식 정보에 대해서 빅데이터 서버(400)에 네트워크(200)를 통해 전송함으로써, 빅데이터 서버(400)에 등록되도록 하는 제 3 단계; 를 더 포함하는 것을 특징으로 하는 중소기업의 스마트 팩토리 전환을 위한 위험 감지용 스마트 센싱 및 모니터링 방법.
The method according to claim 6, After the second step,
The AI-based real-time monitoring server 300 monitors real time between each sensor node corresponding to the sensor module ID and the sensor node ID for which the sink channel is set in the second step, and the application of the manager smart device 500. In order to provide the dashboard to the manager smart device 500 through the network 200 to be implemented, a 'sensor module ID' from each sensor module 100, a camera 110 recognized by the sensor module 110, or a warning light A sensor 120 that collects sensor values from the “first identification information” including the “sensor node ID” corresponding to 160, or the “sensor module ID” from each sensor module 100, or the sensor module 110. To the sensor ID of '150', and the second recognition information including the 'sensor value' when the collected real-time sensor value exists, after receiving through the network 200 from each sensor module 100 , The first recognition information or A third step of transmitting the second recognition information to the big data server 400 through the network 200, so that it is registered in the big data server 400; Smart sensing and monitoring method for risk detection for the transition to a smart factory of SMEs, characterized in that it further comprises.
KR1020180125238A 2018-10-19 2018-10-19 smart sensing and monitoring system of risk detection for small business to switch to smart factories, and method thereof KR102199321B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180125238A KR102199321B1 (en) 2018-10-19 2018-10-19 smart sensing and monitoring system of risk detection for small business to switch to smart factories, and method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180125238A KR102199321B1 (en) 2018-10-19 2018-10-19 smart sensing and monitoring system of risk detection for small business to switch to smart factories, and method thereof

Publications (2)

Publication Number Publication Date
KR20200045058A true KR20200045058A (en) 2020-05-04
KR102199321B1 KR102199321B1 (en) 2021-01-07

Family

ID=70732644

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180125238A KR102199321B1 (en) 2018-10-19 2018-10-19 smart sensing and monitoring system of risk detection for small business to switch to smart factories, and method thereof

Country Status (1)

Country Link
KR (1) KR102199321B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3952319A1 (en) * 2020-08-04 2022-02-09 Deutsche Telekom AG Flexible sensor network in an iot environment

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102656893B1 (en) 2021-11-18 2024-04-17 다온 주식회사 Industrial smart sensor device and monitoring system using the same

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101716582B1 (en) * 2015-10-26 2017-03-14 현대오토에버 주식회사 Integrated processing system based on data distribution service and operating method thereof
KR20170112937A (en) * 2016-03-31 2017-10-12 울랄라랩 주식회사 Smart factory system, factory management information providing method and computer readable recording medium based on collecting machine operating information automatically

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101716582B1 (en) * 2015-10-26 2017-03-14 현대오토에버 주식회사 Integrated processing system based on data distribution service and operating method thereof
KR20170112937A (en) * 2016-03-31 2017-10-12 울랄라랩 주식회사 Smart factory system, factory management information providing method and computer readable recording medium based on collecting machine operating information automatically

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
대한민국 특허출원 출원번호 제10-2018-0073845호 "스마트팩토리 구현을 위한 머시닝 센터 모니터링 시스템 및 이를 이용한 머시닝 센터 모니터링 방법(A machining center monitoring system for implementing smart factory and a machining center monitoring method using the same)"

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3952319A1 (en) * 2020-08-04 2022-02-09 Deutsche Telekom AG Flexible sensor network in an iot environment

Also Published As

Publication number Publication date
KR102199321B1 (en) 2021-01-07

Similar Documents

Publication Publication Date Title
CN102752574B (en) Video monitoring system and method
CN108109207B (en) Visual three-dimensional modeling method and system
EP1434185B1 (en) Sensor management apparatus and corresponding control method
CN111208748B (en) Linkage control method and system based on Internet of things and computer equipment
US20170332049A1 (en) Intelligent sensor network
KR101961258B1 (en) Multi-channel network camera monitoring system and constructing method thereof
US11039110B2 (en) Method and apparatus for managing object in wireless communication system
CN111614784B (en) Edge computing box for heterogeneous data of a worksite
KR102199321B1 (en) smart sensing and monitoring system of risk detection for small business to switch to smart factories, and method thereof
CN105025099A (en) Smart camera network system and camera network dynamic task allocation method
CN103297765A (en) Dynamic identifying and pre-warning system for monitoring picture
KR102094639B1 (en) Factory manufacturing line management system, and method thereof
CN104581064A (en) Method and device for integrating camera alarm information
CN114490053A (en) Context awareness strategy recommendation system based on edge calculation and supervised learning method
CN107610260B (en) Intelligent attendance system and attendance method based on machine vision
KR100862959B1 (en) A real-time video monitoring system using wireless sensor network and the operating method thereof
KR20150069923A (en) System for processing data
CN109218049B (en) Control method, related equipment and system
KR102415461B1 (en) Ai camera and monitering system able to detect situation and give an alarm
KR101859883B1 (en) Network device
CN104994342A (en) Intelligent and dynamic high-definition video face recognition pre-warning system
KR102245389B1 (en) Smart type total monitoring system using multi-purposes alarm apparatus, and method thereof
CN211294138U (en) Video monitoring system for weak current engineering
CN112448940B (en) Information processing method, sensing device and network packet in Internet of things
KR102197817B1 (en) Network terminal device for analyzing image data of surveilance area of school zone to provide abnormal behavior message to electronic device within specific range

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant