KR20200118328A - Construction Method for failt predictive gateway of the robot automation equipment - Google Patents
Construction Method for failt predictive gateway of the robot automation equipment Download PDFInfo
- Publication number
- KR20200118328A KR20200118328A KR1020190040320A KR20190040320A KR20200118328A KR 20200118328 A KR20200118328 A KR 20200118328A KR 1020190040320 A KR1020190040320 A KR 1020190040320A KR 20190040320 A KR20190040320 A KR 20190040320A KR 20200118328 A KR20200118328 A KR 20200118328A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- facility
- failure prediction
- gateway
- sensor
- Prior art date
Links
- 238000010276 construction Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000001914 filtration Methods 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 claims abstract description 21
- 230000010354 integration Effects 0.000 claims abstract description 15
- 230000005540 biological transmission Effects 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims abstract description 7
- 238000003745 diagnosis Methods 0.000 claims description 48
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000002950 deficient Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- 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
- 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
- G05B19/4187—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 by tool management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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)
- Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Human Resources & Organizations (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Manipulator (AREA)
Abstract
Description
본 발명은 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이 및 그 게이트웨이 구성방법에 관한 것이다. 보다 상세하게는 중소기업 로봇 자동화 설비의 스마트 제조 고장 예지 진단 플랫폼을 위한 데이터 통합 수집 게이트웨이 구성에 관한 것이다.The present invention relates to a gateway for integrated collection of diagnostic data for predicting failure of a robot automation facility and a method for configuring the gateway. In more detail, it relates to the configuration of a data integrated collection gateway for a smart manufacturing failure prediction diagnosis platform for small and medium-sized robot automation facilities.
도 1은 로봇 자동화 설비를 포함한 기계의 유지보수방법을 모식화한 것이다. 도 1에 도시된 바와 같이, 로봇 자동화 설비를 포함한 기계의 유지보수는 크게 사후보전, 예방보전, 예지보전 3가지로 분류되어 짐을 알 수 있다. 1 is a schematic diagram of a maintenance method of a machine including a robot automation facility. As shown in Fig. 1, it can be seen that the maintenance of the machine including the robot automation facility is largely classified into three types of post-war maintenance, preventive maintenance, and predictive maintenance.
도 2는 기계장비의 불량상태 감쇠곡선그래프를 도시한 것이다. 이 중 예지보전은 근래 스마트 공장 구축에 있어 IoT, AI와 접목하여 가장 각광받고 있는 기술 중의 하나이며 도 2에 도시된 바와 같이, 기계장비의 불량 상태 감쇠 곡선을 기반으로 다양한 물리적 조건들을 파악할 수 있는 센서를 활용하여 예지 진단을 실시한다.2 shows a graph of attenuation curve in a defective state of the mechanical equipment. Among them, predictive maintenance is one of the most popular technologies in the recent smart factory construction in conjunction with IoT and AI, and as shown in Fig. 2, it is possible to grasp various physical conditions based on the attenuation curve of defective conditions of mechanical equipment. Predictive diagnosis is performed using sensors.
한국등록특허 10-1223898은 일정한 위치에 고정된 태양광 발전모듈에서 현재 추출된 온도, 일사량 및 전압, 전력 정보 등을 기준치와 비교하여 통계 분석을 하여 고장 진단 및 예지를 하는 방법을 기재하고 있으나, 본 발명의 대상물인 각 관절이 동적인 운동을 계속하는 로봇 자동화 설비에서는 적용하기 어려운 문제점이 존재한다 Korean Patent Registration No. 10-1223898 describes a method of diagnosing and predicting faults by performing statistical analysis by comparing current extracted temperature, insolation and voltage, and power information from a solar power generation module fixed at a certain position with a reference value. There is a problem that is difficult to apply in a robotic automation facility in which each joint, which is an object of the present invention, continues to move dynamically.
한국등록특허 10-1894697은 접점 신호를 사용 설비의 동작시간을 상한 및 하한으로 구분하여 고장을 진단하는 장치 및 방법에 대해 기재하고 있으나, 대상 장비의 물리적인 현상을 반영한 시스템으로 보기는 어려워 산업 현장에서 발생하는 수많은 환경 조건에 대처하기에는 어려운 문제점이 존재한다. Korean Patent Registration No. 10-1894697 describes an apparatus and method for diagnosing a fault by dividing the operating time of the facility using contact signals into upper and lower limits, but it is difficult to see as a system reflecting the physical phenomenon of the target equipment. There is a problem that is difficult to cope with the numerous environmental conditions occurring in
따라서 본 발명은 상기와 같은 종래의 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 실시예에 따르면, 사전에 고장 예지 진단 시스템을 고려해서 설계 및 제작한 설비보다는 현장에서 실제로 동작하고 있는 로봇 자동화 설비에 적용할 수 있는 최적의 고장 예지 진단 데이터 통합 수집 게이트웨이를 구성을 제공하는데 그 목적이 있다. Therefore, the present invention was conceived to solve the conventional problems as described above, and according to an embodiment of the present invention, a robot automation facility that is actually operating in the field rather than a facility designed and manufactured in consideration of a failure prediction diagnosis system in advance. Its purpose is to provide the configuration of an optimal fault prediction diagnostic data integrated collection gateway that can be applied to.
그리고 본 발명의 실시예에 따르면 선제적으로 로봇 자동화 설비의 물리적인(기구학, 동역학) 조건 등을 고려함으로써 신뢰성 있는 고장 예지 진단 데이터들을 취득할 수 있으며, 게이트웨이 단계에서 Raw 데이터 중 무의미한 데이터들을 걸러내고 핵심적인 데이터들을 취득함으로써 서버에서 AI 분석을 행하는 시간을 현저하게 줄일 수 있는, 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이 및 그 게이트웨이 구성방법을 제공하는데 그 목적이 있다. And according to the embodiment of the present invention, reliable failure prediction diagnosis data can be obtained by preemptively considering the physical (kinematics, dynamics) conditions of the robot automation facility, and insignificant data among raw data is filtered out at the gateway stage. Its purpose is to provide a gateway for integrated collection of diagnostic data for predicting failure of robot automation facilities and a method of configuring the gateway, which can significantly reduce the time to perform AI analysis in a server by acquiring key data.
한편, 본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.Meanwhile, the technical problems to be achieved in the present invention are not limited to the technical problems mentioned above, and other technical problems that are not mentioned are clearly to those of ordinary skill in the technical field to which the present invention belongs from the following description. It will be understandable.
본 발명의 제1목적은, 통합수집 게이트웨이에 있어서, 복수의 설비 각각에 대한 고장 예지 진단 로우데이터를 획득하기 위해 마운팅부에 의해 상기 설비 각각에 부착되는 예지센서; 상기 예지센서의 센서정보를 취득하기 위한 통신 프로토콜을 반영하여 구성되며, 데이터 샘플링을 동기화시키는 통신 인터페이스; 각 설비에 설치된 상기 예지센서에서 획득한 고장 예지 진단 로우데이터를 필터링하여 필터링된 고장 예지 진단데이터를 획득하는 단일설비 데이터 필터링부; 단일설비의 필터링된 고장 예지 진단데이터들을 다수의 로봇 자동화 설비의 정보로 통합하는 다수설비 데이터 통합부; 및 통합된 고장 예지 진단 데이터를 서버로 전송하는 데이터서버전송부;를 포함하는 것을 특징으로 하는 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이로서 달성될 수 있다. A first object of the present invention is an integrated collection gateway, comprising: a prediction sensor attached to each of the facilities by a mounting unit in order to obtain failure prediction diagnosis raw data for each of a plurality of facilities; A communication interface configured by reflecting a communication protocol for acquiring sensor information of the predictive sensor and synchronizing data sampling; A single facility data filtering unit for obtaining filtered failure prediction diagnosis data by filtering the failure prediction diagnosis raw data acquired from the prediction sensor installed in each facility; Multiple facility data integration unit for integrating the filtered failure prediction diagnosis data of a single facility into information of a plurality of robot automation facilities; And a data server transmission unit that transmits the integrated failure prediction diagnosis data to the server. It may be achieved as a gateway for integrated collection of failure prediction diagnosis data for robot automation facilities, comprising:
그리고 상기 단일설비 데이터 필터링부는, 1 ~ 10Hz 주기로 측정되어지는 고장 예지 진단 로우 데이터를 RMS 또는 Peak Velocity로 변환하여, 로봇 동작 패턴과 매칭하여 1Hz 단위 이하의 필터링된 고장 예지 진단데이터를 획득하는 것을 특징으로 할 수 있다. In addition, the single facility data filtering unit converts the fault prediction diagnostic raw data measured in a period of 1 to 10 Hz into RMS or Peak Velocity, and matches the robot motion pattern to obtain filtered fault prediction diagnostic data of 1 Hz or less. You can do it.
또한, 상기 단일설비 데이터 필터링부는, 로봇 작업시에만 고장 예지 진단 로우데이터를 추출하는 것을 특징으로 할 수 있다. In addition, the single facility data filtering unit may be characterized in that it extracts the failure prediction diagnosis raw data only when the robot is working.
그리고 관리자가 게이트웨이를 조작하고, 상기 예지센서와, 상기 통신 인터페이스와, 상기 단일설비 데이터 필터링부와, 상기 다수설비 데이터 통합부와, 상기 데이터서버전송부를 모니터링할 수 있도록 구성된 모니터링부;를 더 포함하는 것을 특징으로 할 수 있다. And a monitoring unit configured to allow an administrator to manipulate the gateway and monitor the prediction sensor, the communication interface, the single facility data filtering unit, the multiple facility data integration unit, and the data server transmission unit; It can be characterized by that.
본 발명의 제2목적은 통합수집 게이트웨이의 구성방법에 있어서, 다수의 설비 각각에 대한 고장 예지 진단 로우데이터를 획득하기 위해 예지센서를 선정하고, 센서 마운팅 방법을 선정하는 단계; 상기 예지센서의 센서정보를 취득하기 위한 통신 프로토콜을 반영하여 구성된 통신 인터페이스가 데이터 샘플링을 동기화시키는 단계; 단일설비 데이터 필터링부가 각 설비에 설치된 상기 예지센서에서 획득한 고장 예지 진단 로우데이터를 필터링하여 필터링된 고장 예지 진단데이터를 획득하는 단계; 다수설비 데이터 통합부가 단일설비의 필터링된 고장 예지 진단데이터들을 다수의 로봇 자동화 설비의 정보로 통합하는 단계; 및 데이터서버전송부를 통해 통합된 고장 예지 진단 데이터가 서버로 전송되는 단계;를 포함하는 것을 특징으로 하는 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이의 구성방법으로서 달성될 수 있다. A second object of the present invention is to provide a method of configuring an integrated collection gateway, comprising: selecting a predictive sensor and selecting a sensor mounting method to obtain failure predictive diagnosis raw data for each of a plurality of facilities; Synchronizing data sampling by a communication interface configured to reflect a communication protocol for acquiring sensor information of the predictive sensor; Obtaining filtered failure prediction diagnosis data by filtering the failure prediction diagnosis raw data obtained from the prediction sensor installed in each facility by a single facility data filtering unit; Integrating, by the multi-facility data integration unit, the filtered failure prediction diagnosis data of a single facility into information of a plurality of robot automation facilities; And transmitting the integrated failure prediction diagnosis data to the server through the data server transmission unit.
그리고 상기 선정하는 단계는, 각종 설비의 물리적인 조건 및 설비 담당자가 원하는 예측시기를 반영하여 예지센서를 선정하는 것을 특징으로 할 수 있다. In addition, the selecting may be characterized in that the predictive sensor is selected by reflecting the physical conditions of various facilities and the prediction timing desired by the person in charge of the facility.
또한 상기 예지센서를 선정한 후에, 로봇의 동적 연산을 통한 로봇 동작에 따른 최대 힘을 받는 위치를 도출하여, 상기 예지센서의 부착위치를 결정하는 것을 특징으로 할 수 있다. In addition, after selecting the predictive sensor, a position receiving the maximum force according to the robot motion is derived through dynamic calculation of the robot, and the attachment position of the predictive sensor may be determined.
그리고 상기 부착위치를 결정한 후에, 현장 설비 조건을 파악하여 상기 예지센서의 마운팅 방법을 선정하는 것을 특징으로 할 수 있다. And, after determining the attachment location, it may be characterized in that the mounting method of the predictive sensor is selected by grasping the field facility condition.
또한 상기 필터링된 고장 예지 진단데이터를 획득하는 단계에서, 1 ~ 10Hz 주기로 측정되어지는 고장 예지 진단 로우 데이터를 RMS 또는 Peak Velocity로 변환하여, 로봇 동작 패턴과 매칭하여 1Hz 단위 이하의 필터링된 고장 예지 진단데이터를 획득하는 것을 특징으로 할 수 있다. In addition, in the step of acquiring the filtered failure prediction diagnosis data, the failure prediction diagnosis raw data measured in a period of 1 to 10 Hz is converted into RMS or Peak Velocity, and the filtered failure prediction diagnosis of 1 Hz or less is matched with the robot motion pattern. It may be characterized by acquiring data.
본 발명의 실시예에 따른 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이 및 그 게이트웨이 구성방법에 따르면, 사전에 고장 예지 진단 시스템을 고려해서 설계 및 제작한 설비보다는 현장에서 실제로 동작하고 있는 로봇 자동화 설비에 적용할 수 있는 효과를 갖는다. According to the gateway for integrated collection of robot automation facility failure prediction diagnostic data and the gateway configuration method according to an embodiment of the present invention, the robot automation facility that is actually operating in the field rather than the facility designed and manufactured in consideration of the failure prediction diagnosis system in advance. It has an effect that can be applied.
그리고 본 발명의 실시예에 따른 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이 및 그 게이트웨이 구성방법에 따르면, 선제적으로 로봇 자동화 설비의 물리적인(기구학, 동역학) 조건 등을 고려함으로써 신뢰성 있는 고장 예지 진단 데이터들을 취득할 수 있으며, 게이트웨이 단계에서 Raw 데이터 중 무의미한 데이터들을 걸러내고 핵심적인 데이터들을 취득함으로써 서버에서 AI 분석을 행하는 시간을 현저하게 줄일 수 있는 효과를 갖는다. In addition, according to the integrated collection gateway of robot automation facility failure prediction diagnosis data and the gateway configuration method according to an embodiment of the present invention, reliable failure prediction diagnosis by preemptively considering the physical (kinematics, dynamics) conditions of the robot automation facility. Data can be acquired, and it has the effect of significantly reducing the time to perform AI analysis on the server by filtering out meaningless data from raw data and acquiring key data at the gateway stage.
한편, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.On the other hand, the effects obtainable in the present invention are not limited to the above-mentioned effects, and other effects not mentioned will be clearly understood by those of ordinary skill in the art from the following description. I will be able to.
본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 일실시예를 예시하는 것이며, 발명의 상세한 설명과 함께 본 발명의 기술적 사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석 되어서는 아니 된다.
도 1은 로봇 자동화 설비를 포함한 기계의 유지보수방법의 모식도,
도 2는 기계장비의 불량상태 감쇠곡선그래프,
도 3은 본 발명의 실시예에 따른 데이터 통합수집 게이트웨이가 적용되는 중소기업 스마트 제조 고정 예지 진단 플랫폼의 구성도,
도 4는 본 발명의 실시예에 따른 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이의 구성도,
도 5는 본 발명의 실시예에 따른 고장 예지 진단 센서 선정 및 마운팅 방법 결정의 구성을 나타낸 흐름도,
도 6은 본 발명의 실시예에 따른 고장 예지 진단 통신인터페이스,
도 7은 본 발명의 실시예에 따른 단일설비 고장 예지 진단 데이터 필터링 과정의 블록도,
도 8은 본 발명의 실시예에 따른 다수 설비의 고장 예지 진단 데이터 통합의 예시를 도시한 것이다 The following drawings attached to the present specification illustrate a preferred embodiment of the present invention, and serve to further understand the technical idea of the present invention together with the detailed description of the present invention, so the present invention is limited to the matters described in such drawings. It is limited and should not be interpreted.
1 is a schematic diagram of a maintenance method of a machine including a robot automation facility,
Fig. 2 is a graph of attenuation curve in a defective state of mechanical equipment
3 is a configuration diagram of a fixed predictive diagnosis platform for small and medium-sized businesses to which an integrated data collection gateway is applied according to an embodiment of the present invention;
Figure 4 is a configuration diagram of a robot automation facility failure prediction diagnostic data integrated collection gateway according to an embodiment of the present invention;
5 is a flowchart showing a configuration of selecting a failure prediction diagnostic sensor and determining a mounting method according to an embodiment of the present invention;
6 is a failure prediction diagnosis communication interface according to an embodiment of the present invention,
7 is a block diagram of a process of filtering diagnostic data for predicting failure of a single facility according to an embodiment of the present invention;
8 illustrates an example of integration of diagnostic data for predicting failure of multiple facilities according to an embodiment of the present invention.
이상의 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시예들은 개시된 내용이 철저하고 완전해질 수 있도록 그리고 통상의 기술자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.The above objects, other objects, features, and advantages of the present invention will be easily understood through the following preferred embodiments related to the accompanying drawings. However, the present invention is not limited to the embodiments described herein and may be embodied in other forms. Rather, the embodiments introduced herein are provided so that the disclosed contents may be thorough and complete, and the spirit of the present invention may be sufficiently conveyed to those skilled in the art.
본 명세서에서, 어떤 구성요소가 다른 구성요소 상에 있다고 언급되는 경우에 그것은 다른 구성요소 상에 직접 형성될 수 있거나 또는 그들 사이에 제 3의 구성요소가 개재될 수도 있다는 것을 의미한다. 또한 도면들에 있어서, 구성요소들의 두께는 기술적 내용의 효과적인 설명을 위해 과장된 것이다.In the present specification, when a component is referred to as being on another component, it means that it may be formed directly on the other component or that a third component may be interposed between them. In addition, in the drawings, the thickness of the components is exaggerated for effective description of the technical content.
본 명세서에서 기술하는 실시예들은 본 발명의 이상적인 예시도인 단면도 및/또는 평면도들을 참고하여 설명될 것이다. 도면들에 있어서, 막 및 영역들의 두께는 기술적 내용의 효과적인 설명을 위해 과장된 것이다. 따라서 제조 기술 및/또는 허용 오차 등에 의해 예시도의 형태가 변형될 수 있다. 따라서 본 발명의 실시예들은 도시된 특정 형태로 제한되는 것이 아니라 제조 공정에 따라 생성되는 형태의 변화도 포함하는 것이다. 예를 들면, 직각으로 도시된 영역은 라운드지거나 소정 곡률을 가지는 형태일 수 있다. 따라서 도면에서 예시된 영역들은 속성을 가지며, 도면에서 예시된 영역들의 모양은 소자의 영역의 특정 형태를 예시하기 위한 것이며 발명의 범주를 제한하기 위한 것이 아니다. 본 명세서의 다양한 실시예들에서 제1, 제2 등의 용어가 다양한 구성요소들을 기술하기 위해서 사용되었지만, 이들 구성요소들이 이 같은 용어들에 의해서 한정되어서는 안 된다. 이들 용어들은 단지 어느 구성요소를 다른 구성요소와 구별시키기 위해서 사용되었을 뿐이다. 여기에 설명되고 예시되는 실시예들은 그것의 상보적인 실시예들도 포함한다.Embodiments described herein will be described with reference to cross-sectional views and/or plan views, which are ideal exemplary views of the present invention. In the drawings, the thicknesses of films and regions are exaggerated for effective description of technical content. Accordingly, the shape of the exemplary diagram may be modified by manufacturing technology and/or tolerance. Accordingly, embodiments of the present invention are not limited to the specific form shown, but also include a change in form generated according to the manufacturing process. For example, an area shown at a right angle may be rounded or may have a shape having a predetermined curvature. Accordingly, the regions illustrated in the drawings have properties, and the shapes of the regions illustrated in the drawings are intended to illustrate a specific shape of a device region and are not intended to limit the scope of the invention. In various embodiments of the present specification, terms such as first and second are used to describe various elements, but these elements should not be limited by these terms. These terms are only used to distinguish one component from another component. The embodiments described and illustrated herein also include complementary embodiments thereof.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprises)' 및/또는 '포함하는(comprising)'은 언급된 구성요소는 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.The terms used in the present specification are for describing exemplary embodiments and are not intended to limit the present invention. In this specification, the singular form also includes the plural form unless specifically stated in the phrase. As used in the specification, "comprises" and/or "comprising" does not exclude the presence or addition of one or more other elements.
아래의 특정 실시예들을 기술하는데 있어서, 여러 가지의 특정적인 내용들은 발명을 더 구체적으로 설명하고 이해를 돕기 위해 작성되었다. 하지만 본 발명을 이해할 수 있을 정도로 이 분야의 지식을 갖고 있는 독자는 이러한 여러 가지의 특정적인 내용들이 없어도 사용될 수 있다는 것을 인지할 수 있다. 어떤 경우에는, 발명을 기술하는 데 있어서 흔히 알려졌으면서 발명과 크게 관련 없는 부분들은 본 발명을 설명하는데 있어 별 이유 없이 혼돈이 오는 것을 막기 위해 기술하지 않음을 미리 언급해 둔다.In describing the specific embodiments below, a number of specific contents have been prepared to explain the invention in more detail and to aid understanding. However, readers who have knowledge in this field to the extent that they can understand the present invention can recognize that it can be used without these various specific contents. In some cases, it is mentioned in advance that parts that are commonly known in describing the invention and are not largely related to the invention are not described in order to prevent confusion without any reason in describing the invention.
도 3은 본 발명의 실시예에 따른 데이터 통합수집 게이트웨이(100)가 적용되는 중소기업 스마트 제조 고정 예지 진단 플랫폼의 구성도를 도시한 것이다. 도 3에 도시된 바와 같이, 본 발명의 실시예는 중소기업 스마트 제조 고정 예지 진단 플랫폼을 위한 데이터 통합 수집 게이트웨이(100) 구성에 대한 것이다. 3 is a diagram showing the configuration of a small and medium-sized business smart manufacturing fixed predictive diagnosis platform to which the integrated
도 3에 도시된 바와 같이, 중소기업 스마트 제조 고정 예지 진단 플랫폼은 본 발명의 실시예에 따라 수집된 통합된 고장 예지 진단 데이터를 일정한 패킷으로 서버에 전송하게 되며, AI분석부를 통해 설비의 이상징후를 포착, 분석한 후, 담당자에게 알리게 된다. As shown in Fig. 3, the SME smart manufacturing fixed predictive diagnosis platform transmits the integrated failure prediction diagnosis data collected according to an embodiment of the present invention to the server in a certain packet, and detects abnormal symptoms of the facility through the AI analysis unit. After capture and analysis, the person in charge is notified.
이하에서는 본 발명의 실시예에 따른 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이(100)의 기능 및 그 게이트웨이의 구성방법에 대해 설명하도록 한다. Hereinafter, a function of the
도 4는 본 발명의 실시예에 따른 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이(100)의 구성도를 도시한 것이다. FIG. 4 is a block diagram of a robot automation facility failure prediction diagnostic data integrated
도 4에 도시된 바와 같이, 본 발명의 실시예에 따른 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이(100)는 예지센서(10), 통신인터페이스(20), 단일설비 데이터 필터링부(30), 다수설비 데이터 통합부(40), 데이터서버전송부(50), 모니터링부(60)를 포함하여 구성됨을 알 수 있다. As shown in Figure 4, the robot automation facility failure prediction diagnostic data integrated
예지센서(10)는 복수의 설비(1) 각각에 대한 고장 예지 진단 로우데이터를 획득하기 위해 마운팅부에 의해 설비(1) 각각에 부착된다. The
도 5는 본 발명의 실시예에 따른 고장 예지 진단 센서 선정 및 마운팅 방법 결정의 구성을 나타낸 흐름도를 도시한 것이다. 도 5에 도시된 바와 같이, 복수의 설비(1) 각각에 대한 고장 예지 진단 로우데이터를 획득하기 위해 예지센서(10)를 선정하고, 센서 마운팅 방법을 선정하게 됨을 알 수 있다. 5 is a flowchart illustrating a configuration of selecting a failure prediction diagnosis sensor and determining a mounting method according to an embodiment of the present invention. As shown in FIG. 5, it can be seen that the
보다 구체적으로, 각종 설비(1)의 물리적인 조건 및 설비 담당자가 원하는 예측시기를 반영하여 예지센서(10)를 선정하게 된다. More specifically, the
그리고 예지센서(10)를 선정한 후에, 로봇의 동적 연산을 통한 로봇 동작에 따른 최대 힘을 받는 위치를 도출하여, 상기 예지센서(10)의 부착위치를 결정하게 된다. Then, after selecting the
그리고 부착위치를 결정한 후에, 현장 설비 조건을 파악하여 상기 예지센서(10)의 마운팅 방법을 선정(예를들어, 설비 Tap치기 불가, 접착제 도포 불가)하게 된다. Then, after determining the attachment location, a mounting method of the
그리고 통신 인터페이스(20)는 예지센서(10)의 센서정보를 취득하기 위한 통신 프로토콜을 반영하여 구성되며, 데이터 샘플링을 동기화시키도록 구성된다. 도 6은 본 발명의 실시예에 따른 고장 예지 진단 통신인터페이스(20)를 도시한 것이다. 본 발명의 실시예에 따른 통신 인터페이스(20)는 기존 설비정보와 센서정보를 취득하기 위해 RS485/422, Modbus, TCP 등 다양한 통신 프로토콜 반영하여 구성하며 Data Sampling을 동기화 시킨다.Further, the
그리고 단일설비 데이터 필터링부(30)는 각 설비에 설치된 상기 예지센서(10)에서 획득한 고장 예지 진단 로우데이터를 필터링하여 필터링된 고장 예지 진단데이터를 획득하도록 구성된다. In addition, the single facility
도 7은 본 발명의 실시예에 따른 단일설비 고장 예지 진단 데이터 필터링 과정의 블록도를 도시한 것이다. 도 7에 도시된 바와 같이, 단일설비 데이터 필터링부(30)는, 1 ~ 10Hz 주기로 측정되어지는 고장 예지 진단 로우 데이터를 RMS 또는 Peak Velocity로 변환(1Hz 주기데이터)하여, 로봇데이터(관절각도, 전류데이터 등)로부터 로봇 동작 패턴을 확인한 후 이러한 동작패턴과 매칭(sorting)하여 1Hz 단위 이하의 필터링된 고장 예지 진단데이터를 획득하게 된다. 또한, 소팅작업은 로봇 작업시에만 고장 예지 진단 로우데이터를 추출하도록 구성된다. 7 is a block diagram illustrating a process of filtering diagnostic data for predicting failure of a single facility according to an embodiment of the present invention. As shown in FIG. 7, the single facility
그리고 다수설비 데이터 통합부(40)는 단일설비의 필터링된 고장 예지 진단데이터들을 다수의 로봇 자동화 설비의 정보로 통합하게 된다. 도 8은 본 발명의 실시예에 따른 다수 설비의 고장 예지 진단 데이터 통합의 예시를 도시한 것이다 In addition, the multiple facility
그리고 데이터서버전송부(50)는 통합된 고장 예지 진단 데이터들을 TCP프로토콜을 구성하여 서버로 전송하도록 구성된다. Further, the data
또한, 모니터링부(60)는 HMI로 구성될 수 있으며, 관리자가 게이트웨이(100)를 조작하고, 예지센서(10)와, 통신 인터페이스(20)와, 단일설비 데이터 필터링부(30)와, 다수설비 데이터 통합부(40)와, 데이터서버전송부(50)를 모니터링할 수 있도록 구성된다. In addition, the
따라서 본 발명의 실시예에 따른 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이 및 그 게이트웨이 구성방법에 따르면, 현장에서 실제로 가동 중인 시스템에 적용할 수 있으며, 선제적으로 로봇 자동화 설비의 물리적인(기구학, 동역학) 조건 등을 고려함으로써 신뢰성 있는 고장 예지 진단 데이터들을 취득할 수 있으며, 게이트웨이 단계에서 Raw 데이터 중 무의미한 데이터들을 걸러내고 핵심적인 데이터들을 취득함으로써 서버에서 AI 분석을 행하는 시간을 현저하게 줄일 수 있게 된다. Therefore, according to the gateway for integrated collection of diagnostic data for predicting failure of robot automation equipment and the method for configuring the gateway according to an embodiment of the present invention, it can be applied to a system that is actually operating in the field, and preemptively physical (kinematics, It is possible to obtain reliable failure prediction diagnosis data by considering conditions such as dynamics), and by filtering out meaningless data from raw data at the gateway stage and acquiring key data, it is possible to significantly reduce the time to perform AI analysis on the server. .
또한, 상기와 같이 설명된 장치 및 방법은 상기 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.In addition, the above-described apparatus and method are not limitedly applicable to the configuration and method of the above-described embodiments, but all or part of each of the embodiments may be selectively combined so that various modifications can be made. It can also be configured.
1:설비
2:서버
3:AI분석부
10:예지센서
20:통신인터페이스
30:단일설비 데이터 필터링부
40:다수설비 데이터 통합부
50:데이터서버전송부
60:모니터링부
100:로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이1: Equipment
2: server
3: AI analysis department
10: Predictive sensor
20: communication interface
30: single facility data filtering unit
40: Multiple facility data integration department
50: data server transmission unit
60: monitoring unit
100: Robot automation facility failure prediction diagnostic data integrated collection gateway
Claims (9)
복수의 설비 각각에 대한 고장 예지 진단 로우데이터를 획득하기 위해 마운팅부에 의해 상기 설비 각각에 부착되는 예지센서;
상기 예지센서의 센서정보를 취득하기 위한 통신 프로토콜을 반영하여 구성되며, 데이터 샘플링을 동기화시키는 통신 인터페이스;
각 설비에 설치된 상기 예지센서에서 획득한 고장 예지 진단 로우데이터를 필터링하여 필터링된 고장 예지 진단데이터를 획득하는 단일설비 데이터 필터링부;
단일설비의 필터링된 고장 예지 진단데이터들을 다수의 로봇 자동화 설비의 정보로 통합하는 다수설비 데이터 통합부; 및
통합된 고장 예지 진단 데이터를 서버로 전송하는 데이터서버전송부;를 포함하는 것을 특징으로 하는 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이.
In the integrated collection gateway,
A prediction sensor attached to each of the facilities by a mounting unit to obtain failure prediction diagnosis raw data for each of a plurality of facilities;
A communication interface configured by reflecting a communication protocol for acquiring sensor information of the predictive sensor and synchronizing data sampling;
A single facility data filtering unit for obtaining filtered failure prediction diagnosis data by filtering the failure prediction diagnosis raw data acquired from the prediction sensor installed in each facility;
Multiple facility data integration unit for integrating the filtered failure prediction diagnosis data of a single facility into information of a plurality of robot automation facilities; And
And a data server transmission unit that transmits the integrated failure prediction diagnosis data to the server.
상기 단일설비 데이터 필터링부는, 1 ~ 10Hz 주기로 측정되어지는 고장 예지 진단 로우 데이터를 RMS 또는 Peak Velocity로 변환하여, 로봇 동작 패턴과 매칭하여 1Hz 단위 이하의 필터링된 고장 예지 진단데이터를 획득하는 것을 특징으로 하는 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이.
The method of claim 1,
The single facility data filtering unit converts the fault prediction diagnostic raw data measured in a period of 1 to 10 Hz into RMS or Peak Velocity, and matches the robot motion pattern to obtain filtered fault prediction diagnostic data of 1 Hz or less. Robot automation facility failure prediction diagnostic data integrated collection gateway.
상기 단일설비 데이터 필터링부는, 로봇 작업시에만 고장 예지 진단 로우데이터를 추출하는 것을 특징으로 하는 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이.
The method of claim 2,
The single facility data filtering unit extracts the failure prediction diagnosis raw data only during robot operation.
관리자가 게이트웨이를 조작하고, 상기 예지센서와, 상기 통신 인터페이스와, 상기 단일설비 데이터 필터링부와, 상기 다수설비 데이터 통합부와, 상기 데이터서버전송부를 모니터링할 수 있도록 구성된 모니터링부;를 더 포함하는 것을 특징으로 하는
The method of claim 3,
A monitoring unit configured to allow an administrator to manipulate the gateway and monitor the predictive sensor, the communication interface, the single facility data filtering unit, the multiple facility data integration unit, and the data server transmission unit; Characterized by
복수의 설비 각각에 대한 고장 예지 진단 로우데이터를 획득하기 위해 예지센서를 선정하고, 센서 마운팅 방법을 선정하는 단계;
상기 예지센서의 센서정보를 취득하기 위한 통신 프로토콜을 반영하여 구성된 통신 인터페이스가 데이터 샘플링을 동기화시키는 단계;
단일설비 데이터 필터링부가 각 설비에 설치된 상기 예지센서에서 획득한 고장 예지 진단 로우데이터를 필터링하여 필터링된 고장 예지 진단데이터를 획득하는 단계;
다수설비 데이터 통합부가 단일설비의 필터링된 고장 예지 진단데이터들을 다수의 로봇 자동화 설비의 정보로 통합하는 단계; 및
데이터서버전송부를 통해 통합된 고장 예지 진단 데이터가 서버로 전송되는 단계;를 포함하는 것을 특징으로 하는 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이의 구성방법.
In the configuration method of the integrated collection gateway,
Selecting a predictive sensor and selecting a sensor mounting method in order to obtain failure predictive diagnosis raw data for each of a plurality of facilities;
Synchronizing data sampling by a communication interface configured to reflect a communication protocol for acquiring sensor information of the predictive sensor;
Obtaining filtered failure prediction diagnosis data by filtering the failure prediction diagnosis raw data obtained from the prediction sensor installed in each facility by a single facility data filtering unit;
Integrating, by the multi-facility data integration unit, the filtered failure prediction diagnosis data of a single facility into information of a plurality of robot automation facilities; And
And transmitting the integrated failure prediction diagnosis data to the server through the data server transmission unit.
상기 선정하는 단계는,
각종 설비의 물리적인 조건 및 설비 담당자가 원하는 예측시기를 반영하여 예지센서를 선정하는 것을 특징으로 하는 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이의 구성방법.
The method of claim 5,
The selecting step,
A method of constructing a gateway for integrated collection of diagnostic data for predicting failure of a robotic automation facility, characterized in that the predictive sensor is selected by reflecting the physical conditions of various facilities and the prediction timing desired by the facility manager.
상기 예지센서를 선정한 후에, 로봇의 동적 연산을 통한 로봇 동작에 따른 최대 힘을 받는 위치를 도출하여, 상기 예지센서의 부착위치를 결정하는 것을 특징으로 하는 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이의 구성방법.
The method of claim 6,
After selecting the predictive sensor, the robot automation facility failure prediction diagnostic data integrated collection gateway, characterized in that the position to which the predictive sensor is attached is determined by deriving the position receiving the maximum force according to the robot motion through dynamic calculation of the robot. How to configure.
상기 부착위치를 결정한 후에, 현장 설비 조건을 파악하여 상기 예지센서의 마운팅 방법을 선정하는 것을 특징으로 하는 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이의 구성방법.
The method of claim 7,
After determining the attachment location, a method of constructing a gateway for integrated collection of diagnostic data for predicting failure of a robot automation facility, characterized in that the method for mounting the predictive sensor is selected by grasping a field facility condition.
상기 필터링된 고장 예지 진단데이터를 획득하는 단계에서,
1 ~ 10Hz 주기로 측정되어지는 고장 예지 진단 로우 데이터를 RMS 또는 Peak Velocity로 변환하여, 로봇 동작 패턴과 매칭하여 1Hz 단위 이하의 필터링된 고장 예지 진단데이터를 획득하는 것을 특징으로 하는 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이의 구성방법.The method of claim 8,
In the step of obtaining the filtered failure prediction diagnostic data,
Fault prediction diagnosis, measured in 1 to 10 Hz cycles, converts raw data into RMS or Peak Velocity, matches the robot motion pattern, and obtains filtered fault prediction diagnostic data in units of 1 Hz or less. How to configure data integration gateway.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190040320A KR102238597B1 (en) | 2019-04-05 | 2019-04-05 | Construction Method for failt predictive gateway of the robot automation equipment |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190040320A KR102238597B1 (en) | 2019-04-05 | 2019-04-05 | Construction Method for failt predictive gateway of the robot automation equipment |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200118328A true KR20200118328A (en) | 2020-10-15 |
| KR102238597B1 KR102238597B1 (en) | 2021-04-12 |
Family
ID=72882865
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190040320A KR102238597B1 (en) | 2019-04-05 | 2019-04-05 | Construction Method for failt predictive gateway of the robot automation equipment |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102238597B1 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101223898B1 (en) | 2012-04-09 | 2013-01-21 | 삼성물산 주식회사 | Method for predicting and diagnosing error of the solar module |
| KR101866637B1 (en) * | 2016-05-25 | 2018-06-12 | 포항공과대학교 산학협력단 | Smart gateway and method of controlling facility thereof |
| KR101894697B1 (en) | 2018-02-27 | 2018-09-04 | 안재봉 | Fault estimated device based on programmable logic controller and method thereof |
| KR101938946B1 (en) * | 2016-12-30 | 2019-01-15 | 주식회사 포스코아이씨티 | Interface Middleware System for Collecting Mass Data and Method for Collecting Data of Interface Middleware System |
-
2019
- 2019-04-05 KR KR1020190040320A patent/KR102238597B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101223898B1 (en) | 2012-04-09 | 2013-01-21 | 삼성물산 주식회사 | Method for predicting and diagnosing error of the solar module |
| KR101866637B1 (en) * | 2016-05-25 | 2018-06-12 | 포항공과대학교 산학협력단 | Smart gateway and method of controlling facility thereof |
| KR101938946B1 (en) * | 2016-12-30 | 2019-01-15 | 주식회사 포스코아이씨티 | Interface Middleware System for Collecting Mass Data and Method for Collecting Data of Interface Middleware System |
| KR101894697B1 (en) | 2018-02-27 | 2018-09-04 | 안재봉 | Fault estimated device based on programmable logic controller and method thereof |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102238597B1 (en) | 2021-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104390657B (en) | A kind of Generator Unit Operating Parameters measurement sensor fault diagnosis method and system | |
| CN103246265B (en) | Electromechanical equipment detection maintaining method | |
| CN101825894B (en) | SF6 high-voltage circuit breaker state intelligent monitoring and health management system | |
| WO2018048219A1 (en) | System and method for managing plant facility by using wireless communication network | |
| Zonzini et al. | Structural health monitoring and prognostic of industrial plants and civil structures: A sensor to cloud architecture | |
| CN102760501A (en) | Method and system for troubleshooting of equipment in nuclear power plant | |
| CN105554474B (en) | A kind of safety monitoring system and method | |
| CN107991900B (en) | Simulation and self-healing method for latent and hidden faults of Antarctic telescope on semi-physical simulation platform | |
| CN113993763B (en) | Monitoring system for infrastructure and/or vehicles with event detection | |
| CN109982037A (en) | Intelligent patrol detection device | |
| CN203231813U (en) | Remote monitoring and fault diagnosis system of vibration | |
| CN116723211A (en) | Remote inspection device for large-space environment power equipment | |
| CN106899084B (en) | Distributor track website switch state analysis method and system based on video intelligent identification | |
| CN111487652A (en) | Power distribution monitoring device and monitoring method based on Beidou satellite and 5G network | |
| KR102238597B1 (en) | Construction Method for failt predictive gateway of the robot automation equipment | |
| CN101093239A (en) | Online detection and remote diagnosis system for automated power station | |
| CN107067524A (en) | A kind of intelligent residential district safety-protection system | |
| CN109711569A (en) | A kind of tobacco equipment inspection historical data processing system and method | |
| CN104316166A (en) | Video positioning method for abnormal sound of transformer station | |
| CN114323601A (en) | Method for monitoring abnormal opening and closing state of isolating switch | |
| CN112153330A (en) | Industrial Internet real-time monitoring system | |
| WO2020254971A1 (en) | Modular surveillance system for an infrastructure and/or a vehicle | |
| CN109507631A (en) | A kind of calibration method and device improving rate of plugging into | |
| CN117955243B (en) | Intelligent remote monitoring method for ring main unit | |
| Zhang et al. | Research on prognostic and health monitoring system for large complex equipment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |