KR20200099863A

KR20200099863A - 대상물의 분석 방법

Info

Publication number: KR20200099863A
Application number: KR1020190018035A
Authority: KR
Inventors: 권진만
Original assignee: 주식회사 크레스프리
Priority date: 2019-02-15
Filing date: 2019-02-15
Publication date: 2020-08-25

Abstract

본 발명의 일 실시예는, 대상물의 상태 및 특성에 대한 데이터베이스를 구축하는 DB 구축 단계; 대상물의 동작 상태를 추출하는 상태 추출 단계; 대상물의 특성을 측정하고, 측정된 특성에 대한 해당 동작 상태를 매칭하는 특성 감지 단계; 해당 상태에서 대상물의 측정 특성과 DB에 구축된 기준 특성을 비교하는 특성 분석 단계; 대상물의 측정 특성과 기준 특성의 비교 후 대상물의 이상 유무를 판단하는 이상 유무 판단 단계;를 포함하는 대상물의 이상 검출 방법을 제공한다.

Description

대상물의 분석 방법{METHOD FOR ANALYZING OF OBJECT}

본 발명은 대상물의 작동 시 발생하는 진동을 분석하여 대상물의 이상을 검출하는 방법에 관한 것이다.

일반적으로 차량, 반도체, 핸드폰 등은 다양한 부품들이 조립됨으로써 제조된다. 예컨대, 부품에 대한 이송 공정, 조립 공정 등의 제조 공정을 거쳐 제품을 제조하게 된다. 공정 라인에는 복수의 산업용 로봇이 설치되어 상술한 제조 공정을 수행할 수 있다.

이러한 산업용 로봇은 설비 집약형 LCD 제조공정이나 고밀도화된 자동차 제조 공정 등 다양한 제조 공정에서 핵심 장비로 사용된다. 따라서, 산업용 로봇의 고장에 대한 진단 시스템이 절실히 요구되고 있다.

기존의 산업용 로봇의 고장 진단 시스템은 별도의 센서 없이 모터 등 부품에 공급되는 전류, 신호 로봇에서 출력되는 이상 상태 플래그로부터 로봇의 이상을 진단한다. 이에 따라, 기존의 산업용 로봇의 고장 진단 시스템은 다음과 같은 문제가 있다.

공급되는 전류 분석에 따른 산업용 로봇의 고장 진단 시스템은 전류 신호를 이용하여 이상을 진단하므로, 하나의 부품으로부터 이상 전류 신호가 발생하면 이에 연계된 수많은 부품에서 이상 전류 신호가 발생한다. 이에 따라, 최초 이상 전류 신호가 발생한 부품을 판별하기 위하여 별도의 기술이 필요할 뿐만 아니라 고장 진단에 오랜 시간이 걸리고, 정확도가 떨어지는 문제가 있었다.

이와 같이, 제품 생산을 위한 설비의 급작스런 고장 또는 이상 발생은 설비의 운영 효율 및 제품의 수율을 크게 떨어뜨릴 수 있다. 따라서, 이러한 설비의 고장 발생 전에, 이상 여부를 미리 진단할 필요가 있다. 특히, 이러한 설비 중 회전 기계는 그 진동 상태의 변화로부터 그 장치의 미세한 변화를 감지할 수 있다.

기계 진동에 대한 모니터링, 검출 및 분석은 공정 라인의 기계 장치를 유지 관리하는데 도움이 될 수 있다. 기계 장치에서의 소정의 진동은 기계의 동작 상황을 나타내고 기계를 모니터링하는데, 예를 들어 유지보수가 필요한 시기를 결정하는데 사용될 수 있다.

이에 따라 기계 장치의 이상 상태를 파악하기 위해 진동 데이터를 이용한 연구가 진행되어 왔다.

진동 데이터를 기반으로 한 기계 장치의 이상 상태 분석은 단순 회전체인 모터나 펌프 등에는 보편적으로 많이 사용되고 있으나, 복잡한 동작을 하는 기계 혹은 주변 환경에 따라 상태가 달라지는 기계는 일반적인 진동 분석으로는 그 상태를 파악하거나 분석하는 것이 쉽지 않다. 이는 기계의 동작이나 주변 환경에 따라서 기계에서 발생하는 진동이 변화할 수 있기 때문이다. 즉, 기계의 동작 상태나 주변 환경에 따라 정상 진동 범위가 달라짐에도 불구하고 획일적인 기준 데이터를 적용함으로써 정확한 진단이 어렵다.

또한, 종래 기술은 진동 데이터를 토대로 기계의 이상 유무는 검출할 수 있다고 해도 기계의 이상 원인 또는 이상 발생 부위를 파악하는 것은 어려운 문제가 있었다.

한국공개특허 10-2015-0120160

본 발명의 실시예는 대상물의 동작 상태 또는 주변 환경에 따라 분류된 진동 데이터를 토대로 대상물의 이상 유무를 신속하고 정확하게 진단할 수 있는 대상물의 분석 방법을 제공한다.

또한, 본 발명의 실시예는 대상물의 이상 유무뿐만 아니라 대상물의 이상 발생 원인 또는 이상 발생 부위를 검출할 수 있는 대상물의 분석 방법을 제공한다.

본 발명의 목적은 전술한 바에 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있다.

본 발명의 실시예에 의한 대상물의 분석 방법은, 대상물의 상태 및 특성에 대한 데이터베이스를 구축하는 DB 구축 단계; 대상물의 동작 상태를 추출하는 상태 추출 단계; 대상물의 동작 시 발생하는 특성을 감지하고, 감지된 특성에 대한 해당 동작 상태를 매칭하는 특성 감지 단계; 해당 상태에서 대상물의 감지 특성과 DB에 구축된 기준 특성을 비교하는 특성 분석 단계; 대상물의 감지 특성과 기준 특성의 비교 후 대상물의 이상 유무를 판단하는 이상 유무 판단 단계;를 포함할 수 있다.

DB 구축 단계에서, 정상 동작을 하는 적어도 하나의 대상물로부터 얻은 데이터를 정상 데이터로 정의하고 저장할 수 있다. 또는, 일련의 동작을 하는 복수의 대상물로부터 얻은 다수의 데이터 중 서로 일치하거나 또는 유사한 복수의 데이터를 정상 데이터로 정의하고 저장할 수 있다. 또는, 비정상 동작을 하는 적어도 하나의 대상물로부터 얻은 데이터를 이상 데이터로 정의하고 저장할 수 있다.

상태 추출 단계에서는, 대상물의 일련의 동작을 촬영하여 대상물의 각 동작 상태에 대한 영상 데이터를 얻을 수 있다.

특성 감지 단계에서는, 대상물의 진동 또는 소리를 감지할 수 있다.

또한, 본 발명의 실시예에 의한 대상물의 분석 장치는, 대상물의 동작 상태를 추출하는 상태 추출 유닛; 대상물의 동작 시 발생하는 특성을 감지하는 특성 감지 유닛; 상술한 이상 검출 방법을 수행하는 제어 유닛;을 포함할 수 있다.

제어 유닛은, 중앙 서버; 대상물로부터 측정된 데이터와 기준 데이터의 분석 을 수행하는 분산 처리부;를 포함할 수 있다.

본 발명의 실시예에 따르면, 비전센서를 이용하여 대상물의 동작 상태 또는 주변 환경 상태를 파악하고, 대상물이 어떤 상태에 있을 때 어떠한 진동 또는 소리가 발생하는지 상관 관계를 기반으로 대상물을 분석함으로써 분석 정확도를 높일 수 있다.

또한, 본 발명의 실시예에 따르면, 대상물로부터 감지된 진동 데이터를 대상물의 동작 상태 또는 주변 환경 상태 별로 데이터베이스에 분류된 진동 데이터와 비교 분석함으로써, 어떤 동작 상태에서 대상물의 이상 진동이 발생하였는지를 파악할 수 있고, 이를 통해 대상물의 이상 발생 원인 또는 이상 발생 부위를 파악할 수 있다.

본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.

본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 후술하는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이다. 따라서, 본 발명은 이러한 도면에 기재된 사항에만 한정되어 해석될 필요는 없다.
도 1은 본 발명의 일 실시예에 의한 대상물의 분석 방법의 개념을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 적용되는 대상물의 작동 상태를 분류한 도면이다.
도 3은 본 발명의 일 실시예에 의한 대상물의 분석 방법을 도시한 흐름도이다.
도 4는 본 발명의 일 실시예에 의한 대상물의 상태 추출 과정을 도시한 도면이다.
도 5는 본 발명의 일 실시예에 의한 대상물의 상태별 특성 데이터를 분류하는 과정을 도시한 도면이다.
도 6은 본 발명의 일 실시예에 의한 대상물의 이상 유무를 분석하는 과정을 도시한 도면이다.

이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.

본 발명을 명확하게 설명하기 위해서 본 발명의 본질과 관계없는 부분은 그에 대한 상세한 설명을 생략할 수 있으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 부여할 수 있다.

또한, 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. 여기서 사용되는 용어는 단지 특정 실시예를 언급하기 위한 것으로서 본 발명을 한정하도록 의도되지 않으며, 본 명세서에서 다르게 정의되지 않는 한 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 이해되는 개념으로 해석될 수 있다.

도 1은 본 발명의 일 실시예에 의한 대상물의 분석 방법의 개념을 설명하기 위한 것이다.

도 1을 참고하면, 대상물의 분석 방법은 대상물(100)의 동작 상태 또는 주변 환경 상태를 파악하고, 대상물(100)이 어떤 상태에 있을 때 어떠한 진동 또는 소리 등의 특성이 발생하는지의 상관 관계를 기반으로 대상물(100)을 분석한다.

대상물(100)의 동작 상태 또는 주변 환경 상태는 상태 추출 유닛(200)에 의해 파악될 수 있다. 상태 추출 유닛(200)은 CMOS 카메라 또는 CCD 카메라 등의 비전센서를 포함할 수 있다. 비전센서는 대상물(100)의 상태를 촬영하고, 그 영상 데이터는 제어 유닛(400)에 입력된다.

대상물(100)의 동작 특성은 특성 감지 유닛(300)에 의해 파악될 수 있다. 대상물(100)은 각 동작 상태마다 진동 및 소리 등의 특성 신호가 상이할 수 있다. 예를 들면, 대상물(100)은 각 동작 시 발생하는 특성(진동 또는 소리)에 대해 서로 다른 신호(파형)를 가지며, 특성 감지 유닛(300)은 대상물(100)에 부착되어 특성 신호를 직접 측정하게 된다. 특성 감지 유닛(300)은 진동센서, 소리센서 등을 포함할 수 있다. 특성 감지 유닛(300)에 의해 측정된 특성 데이터는 제어 유닛(400)에 입력된다.

대상물(100)의 분석 및 이상 유무 판단은 제어 유닛(400)에 의해 수행된다. 제어 유닛(400)은 대상물(100)의 특정 상태에 대한 특성 데이터를 기준 데이터와 비교 분석하고, 이를 토대로 대상물(100)의 이상 유무 및 이상 발생 부위를 판단한다.

제어 유닛(400)은 중앙 서버(410)를 포함한다. 중앙 서버(410)는 대상물(100)의 상태 데이터 및 특성 데이터를 저장할 수 있다. 물론, 중앙 서버(410)는 데이터의 저장뿐만 아니라 대상물(100)의 분석 및 이상 유무 판단 등 모든 과정을 처리할 수도 있으나, 이러한 경우 처리 작업이 중앙 서버(410)에 집중됨으로써 효율성이 저하될 수 있다.

예를 들면, 중앙 서버(410)가 모든 데이터를 처리할 경우 수용성 초과 문제를 유발할 수 있다. 즉, 처리해야 할 데이터의 양이 많아지면, 그만큼 중앙 서버(410)에서 처리해야 할 부하가 많아진다는 것을 의미한다. 영상 기술의 발달 또한 중앙 서버(410)에 부담으로 작용할 수 있다. 특히, 비전센서로부터 입력되는 영상 데이터가 고화질이고, 이러한 고화질 영상 데이터가 많아지게 되면 중앙 서버(410)에서 처리해야 할 규모가 커지기 때문이다.

또한, 중앙 서버(410)가 모든 데이터를 처리할 경우, 이는 처리 속도 지연 문제와 관련이 있다. 즉, 중앙 서버(410)에서 처리된 결과를 대상물로 제공해야 하므로, 대상물(100)로의 처리 결과 전송을 위한 네트워크 시간도 시간 소요에 계산해야 한다. 중앙 서버(410)에 연결된 대상물(100) 수의 증가 또한 처리 속도를 지연시킬 수 있다.

이에 따라, 제어 유닛(400)은 복수의 대상물(100)과 각각 연결되어 분석 및 이상 유무 판단 작업을 수행하는 분산 처리부(420)를 더 포함한다. 분산 처리부(420)는 각각의 대상물(100)에서 발생하는 데이터를 중앙 서버(410)로 보내지 않고 데이터가 발생한 현장 혹은 근거리에서 실시간으로 처리할 수 있다.

분산 처리부(420)는 대상물(100)에서 발생한 부하 일부를 처리해 줄 수 있다. 이에 따라 중앙 서버(410)가 모든 부하를 처리할 필요가 없다. 이는 중앙 서버 집중 방식의 수용성 초과 문제를 해결할 수 있다. 즉, 분산 처리부(420)는 중앙 서버(410)의 부담을 줄여주는 역할을 하고, 수용성 초과 문제를 해결해 줄 수 있다.

또한, 분산 처리부(420)는 실시간 서비스가 필요한 디바이스의 시간적 지연을 막을 수 있다. 분산 처리부(420)는 대상물(100)과 근접 위치할 수 있으며, 이에 따라 실시간 처리 작업이 가능하다. 이와 같이, 분산 처리부(420)는 처리 가능한 데이터를 발생지(소스) 주변에서 효율적으로 처리함으로써 데이터 처리 시간이 중앙 서버 집중 방식에 비해 현저하게 단축될 수 있다.

예를 들면, 분산 처리부(420)를 구비할 경우, 대상물(100)에 부착되거나 근접 배치된 각 센서들로 대상물(100)의 주변 환경이나 대상물(100)의 동작 상태, 특성(진동 또는 소리) 등을 파악해 데이터를 수집하고, 공정 진행 중 일어날 수 있는 다양한 상황에 신속하게 대처할 수 있다. 즉, 대상물(100)에 대한 방대한 데이터의 수집, 처리와 실시간 대응을 위한 빠른 데이터 분석이 가능하다.

정보 공유의 효율성 관점에서 분산 처리부(420)들 간에는 정보를 송수신할 수 있도록 연결될 수 있다. 예를 들면, 분산 처리부(420)들은 이더넷 같은 유선으로 연결될 수도 있고, 블루투스나 와이파이 같은 무선 통신으로 연결될 수도 있으나, 이에 반드시 한정되지는 않는다.

분산 처리부(420)는 중앙 서버(410)와도 연결된다. 이때, 중앙 서버(410)로의 업로드 부하를 줄이기 위해 필터링한 정보를 송신하는 것이 바람직하다. 물론, 경우에 따라서는 필터링을 안하고 모든(raw) 정보를 전송할 수도 있고 전혀 정보를 전송하지 않을 수도 있다.

분산 처리부(420)와 중앙 서버(410)와의 연결은 다양한 방법이 있을 수 있는데, 이더넷 같은 유선으로 연결될 수도 있고, 와이파이 또는 이동통신망 같은 무선 통신으로 연결될 수도 있으나, 이에 반드시 한정되지는 않는다.

분산 처리부(420)는 중앙 서버(410)로부터 데이터를 전달 받을 수도 있다. 중앙 서버(410)에서 복수의 대상물로부터 수집한 상태 데이터 및 특성 데이터, 또는 이러한 데이터를 응용하여 생성된 데이터가 분산 처리부(420)에 전송되면, 분산 처리부(420)는 실시간으로 지능적인 동작을 하여 중앙 서버와 역할을 분담하는 것이 바람직하다.

일 실시예에 적용되는 대상물(100)은 공정 진행을 위한 물품을 일측 지점으로부터 타측 지점으로 이송하는 이송로봇일 수 있다. 이송로봇은 복수의 암 및 암과 암을 연결하는 관절을 포함할 수 있으며, 물품을 이송하기 위해 승강, 회전 등의 동작을 수행할 수 있다.

예를 들면, 이송로봇의 일련의 동작 메커니즘은 도 2와 같이, 공정을 진행하기 위해 대기하는 물품을 파지하는 제1동작, 파지된 물품을 이송 또는 회전하여 공정 진행 위치로 로딩하는 제2동작, 공정이 완료된 물품을 언로딩하는 제3동작 등으로 구분할 수 있다.

이때, 일련의 동작 메커니즘이 정상적으로 진행되더라도 대상물(100)은 각 동작 상태마다 진동 및 소리 등의 특성 신호가 상이할 수 있다. 즉, 제1동작에 대해서는 제1진동(또는 제1소리) 데이터를 가지고, 제2동작에 대해서는 제1진동 데이터와 상이한 제2진동(또는 제2소리) 데이터를 가지며, 제3동작에 대해서는 제1진동 데이터 및 제2진동 데이터와 상이한 제3진동(또는 제3소리) 데이터를 가질 수 있다.

물론, 이송로봇의 동작 메커니즘은 상기한 것보다 더 세분화될 수 있으며, 동작 메커니즘이 더 세분화될 경우 그것에 대응되도록 대상물(100)의 상태 데이터 역시 세분화될 수 있다.

도 3은 본 발명의 일 실시예에 의한 대상물의 분석 방법을 순차적으로 도시한 것이다.

도 3을 참고하면, 대상물의 이상 검출 방법은 DB 구축 단계(S10), 대상물의 상태를 추출하는 상태 추출 단계(S20), 해당 상태에 대한 대상물의 특성을 감지하는 특성 감지 단계(S30), 해당 상태에서 대상물의 감지 특성과 기준 특성을 비교 분석하는 대상물 분석 단계(S40), 비교 분석 후 대상물의 이상 유무를 판단하는 이상 유무 판단 단계(S50)를 포함한다.

DB 구축 단계(S10)에서는 대상물에 대한 기준 데이터를 저장하여 데이터베이스를 구축한다. 즉, 대상물의 상태 별로 대상물의 특성에 대한 기준 데이터는 상이할 수 있으며, DB 구축 단계(S10)에서는 대상물의 상태별 특성에 대한 기준 데이터를 저장한다. 이 기준 데이터는 제어 유닛의 중앙 서버 또는 분산 처리부에 저장될 수 있다. 상태 데이터는 대상물의 일련의 동작 메커니즘을 세분화하여 분류하고, 세분화된 동작 상태를 프레임 별로 저장한 데이터일 수 있다. 상태 데이터는 카메라 등의 비전센서에 의해 획득한 영상 데이터일 수 있다. 특성 데이터는 해당 동작 시 발생하는 대상물의 진동 또는 소리 데이터일 수 있다. 특성 데이터는 파형으로 변환하여 저장될 수 있다.

DB 구축 단계(S10)에서는 정상 동작을 하는 적어도 하나의 대상물로부터 얻은 데이터를 정상 데이터로 정의하여 저장할 수 있다. 또는, 일련의 동작을 하는 복수의 대상물로부터 얻은 다수의 데이터 중 서로 일치하거나 또는 유사한 복수의 데이터를 정상 데이터로 정의하고, 이러한 복수의 정상 데이터를 저장할 수 있다. 또는, 비정상 동작을 하는 적어도 하나의 대상물로부터 얻은 데이터를 이상 데이터로 정의하여 저장할 수 있다. 저장된 데이터들은 이후 측정 데이터와의 비교를 위한 기준 데이터로 활용할 수 있다.

상태 추출 단계(S20)에서는 도 4와 같이, 대상물의 일련의 동작 메커니즘에 대한 상태 데이터 및 주변 환경에 대한 상태 데이터를 얻을 수 있다. 상태 추출 단계에서는 영상 데이터를 얻을 수 있는 카메라 등의 비전센서가 적용될 수 있다. 이에 따라, 대상물의 전체 동작 메커니즘에서 각 동작 상태 별로 대상물의 상태를 구분할 수 있다.

예를 들면, 대상물의 상태 추출은 비전센서에 의한 영상 데이터를 취득하여 대상물의 동작 상태에 대한 프레임을 추출하고, 추출된 동작 상태를 중앙 서버에 저장된 상태 데이터와 비교하며, 상호 간의 유사도를 측정하여 현재의 대상물 상태를 판단할 수 있다.

유사도 측정은 영상 해석을 이용하거나 AI, 신경회로망을 이용한 방법이 적용될 수 있다. 예를 들면, AI, 신경회로망을 이용한 방법은 뉴론(neuron)이라고 부르는 구조 단위로 구성된 두뇌의 정보 처리 과정을 모방한 인공 신경망 알고리즘을 이용한 것이다. 즉, AI, 신경회로망을 이용한 방법은 비전센서로부터 촬영된 영상 이미지에 대한 전처리 과정을 거치거나 영상이미지를 그대로 신경회로망에 입력하고, 인공 신경망 알고리즘을 이용하여 데이터베이스에 등록된 대상물의 상태 데이터와의 비교를 통해 유사도를 측정하게 된다.

특성 감지 단계(S30)에서는 도 5와 같이, 대상물의 진동이나 소리 등의 특성을 감지한다. 즉, 대상물에는 특성 감지 유닛 예를 들면, 진동센서 또는 소리센서 등이 적어도 하나 이상 구비된다. 대상물이 복수의 암 및 관절을 가질 경우, 특성 감지 유닛은 관절로 구분된 각각의 암에 모두 구비될 수 있다.

진동센서 또는 소리센서에서의 데이터가 연속적으로 입력되면, 상태 추출 단계에서 분류된 대상물의 상태에 따라 각각 해당하는 진동 데이터 또는 소리 데이터를 매칭할 수 있다.

특성 분석 단계(S40)에서는 도 5와 같이, 대상물의 특정 동작 상태에 대해 감지된 특성 데이터를 데이터베이스에 저장된 기준 데이터와 비교 분석한다. 즉, 대상물의 전체 동작 상태가 저장된 데이터베이스로부터 특성 감지 유닛에 의해 감지된 진동 또는 소리에 대한 해당 동작 상태를 분류하고, 해당 동작 상태에 대해 데이터베이스에 저장된 기준 데이터와 비교 분석한다.

이상 유무 판단 단계(S50)에서는 대상물의 감지된 특성 데이터와 저장된 기준 특성 데이터의 비교 후 대상물의 이상 유무를 판단한다. 즉, 대상물의 경우 일련의 동작 메커니즘을 이루는 각 동작마다 발생하는 진동 및 소리가 상이할 수 있다. 각각의 동작 상태에 대한 진동 및 소리 등의 특성 데이터가 분산 처리부로 입력되면, 분산 처리부는 저장된 기준 데이터와 비교하여 대상물의 이상 유무를 판단할 수 있다. 예를 들면, 도 6과 같이 대상물의 제1동작 시 감지된 특성 데이터가 저장된 기준 데이터와 유사할 경우 정상 진동으로 판단하고, 그렇지 않을 경우 이상 진동으로 판단할 수 있다.

또한, 분산 처리부는 대상물로부터 감지된 진동 데이터를 대상물의 동작 상태 또는 주변 환경 상태 별로 데이터베이스에 분류된 진동 데이터와 비교 분석함으로써, 어떤 동작 상태에서 대상물의 이상 진동이 발생되었는지를 파악할 수 있고, 이를 통해 대상물의 이상 발생 원인 또는 이상 발생 부위를 파악할 수 있다.

예를 들면, 도 4 및 도 5를 참고할 때, 복수의 암(110) 및 관절(120)을 가진 대상물(100)이 제2동작에서는 이상 진동이 발생하지 않고 제3동작 시에만 이상 진동이 발생하면 제2관절(122) 부위에서 이상이 발생한 것으로 판단할 수 있다. 또한, 제2동작 및 제3동작에서 이상 진동이 발생할 경우, 제1관절(121)과 제2관절(122) 부위 중 어느 하나 또는 제2관절(122)과 제1관절(121) 모두에서 이상이 발생한 것으로 판단할 수 있다.

본 발명이 속하는 기술 분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있으므로, 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다.

본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

100; 대상물
200; 상태 추출 유닛
300; 특성 감지 유닛
400; 제어 유닛
410; 중앙 서버
420; 분산 처리부

Claims

대상물의 상태 및 특성에 대한 데이터베이스를 구축하는 DB 구축 단계;
대상물의 동작 상태를 추출하는 상태 추출 단계;
대상물의 동작 시 발생하는 특성을 감지하고, 감지된 특성에 대한 해당 동작 상태를 매칭하는 특성 감지 단계;
해당 상태에서 대상물의 감지 특성과 DB에 구축된 기준 특성을 비교하는 특성 분석 단계;
를 포함하는 대상물의 분석 방법.
제1항에 있어서,
DB 구축 단계에서, 정상 동작을 하는 적어도 하나의 대상물로부터 얻은 데이터를 정상 데이터로 정의하고 저장하는 대상물의 분석 방법.
제1항에 있어서,
DB 구축 단계에서, 일련의 동작을 하는 복수의 대상물로부터 얻은 다수의 데이터 중 서로 일치하거나 또는 유사한 복수의 데이터를 정상 데이터로 정의하고 저장하는 대상물의 분석 방법.
제1항에 있어서,
DB 구축 단계에서, 비정상 동작을 하는 적어도 하나의 대상물로부터 얻은 데이터를 이상 데이터로 정의하고 저장하는 대상물의 분석 방법.
제1항에 있어서,
상태 추출 단계에서는, 대상물의 일련의 동작을 촬영하여 대상물의 각 동작 상태에 대한 영상 데이터를 얻는 대상물의 분석 방법.
제1항에 있어서,
특성 감지 단계에서는, 대상물의 진동 또는 소리를 감지하는 대상물의 분석 방법.
제1항에 있어서,
대상물의 감지 특성과 기준 특성의 비교 후 대상물의 이상 유무를 판단하는 이상 유무 판단 단계;를 더 포함하는 대상물의 분석 방법.
대상물의 동작 상태를 추출하는 상태 추출 유닛;
대상물의 동작 시 발생하는 특성을 감지하는 특성 감지 유닛;
제1항 내지 제6항 중 적어도 하나의 분석 방법을 수행하는 제어 유닛;
을 포함하는 대상물의 분석 장치.
제8항에 있어서,
상기 제어 유닛은,
중앙 서버;
대상물의 측정 데이터와 기준 데이터의 비교 분석을 수행하는 분산 처리부;
를 포함하는 대상물의 분석 장치.