KR20200119404A - 열처리 공정의 전력 빅데이터 분석을 위한 데이터 분산처리 관리방법 및 시스템 - Google Patents

열처리 공정의 전력 빅데이터 분석을 위한 데이터 분산처리 관리방법 및 시스템 Download PDF

Info

Publication number
KR20200119404A
KR20200119404A KR1020190035690A KR20190035690A KR20200119404A KR 20200119404 A KR20200119404 A KR 20200119404A KR 1020190035690 A KR1020190035690 A KR 1020190035690A KR 20190035690 A KR20190035690 A KR 20190035690A KR 20200119404 A KR20200119404 A KR 20200119404A
Authority
KR
South Korea
Prior art keywords
data
big data
management method
heat treatment
data management
Prior art date
Application number
KR1020190035690A
Other languages
English (en)
Other versions
KR102276600B1 (ko
Inventor
김태형
함경선
박용국
Original Assignee
한국전자기술연구원
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 한국전자기술연구원 filed Critical 한국전자기술연구원
Priority to KR1020190035690A priority Critical patent/KR102276600B1/ko
Publication of KR20200119404A publication Critical patent/KR20200119404A/ko
Application granted granted Critical
Publication of KR102276600B1 publication Critical patent/KR102276600B1/ko

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
    • G05B19/418—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]
    • G05B19/4183—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 data acquisition, e.g. workpiece identification
    • 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
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
    • G05B19/054—Input/output
    • 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
    • G05B19/408—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 data handling or data format, e.g. reading, buffering or conversion of data
    • 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]
    • G05B19/41835—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 programme execution
    • 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
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working
    • 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)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

열처리 공정의 전력 빅데이터 분석을 위한 데이터 분산처리 관리방법 및 시스템이 제공된다. 본 발명의 실시예에 따른 빅데이터 관리 방법은, 공장의 설비들을 계측기들로부터 데이터들을 수집하고, 수집한 데이터에 대한 샤드 키를 데이터를 생성한 계측기에 부여된 ID를 기초로 설정하며, 설정한 샤드 키를 기초로 데이터들을 분산 저장한다. 이에 의해, 각 데이터가 서버에 고르게 분산되는 것과 동시에 분석하고자 하는 데이터가 지역성을 가져서 반복 호출을 줄임으로써 데이터 인덱싱 속도를 높일 수 있어, 빅데이터의 효율적인 처리가 가능해진다.

Description

열처리 공정의 전력 빅데이터 분석을 위한 데이터 분산처리 관리방법 및 시스템{Method and System for Data Distribution Processing Management for Power-related Big Data Analysis in Heat Treatment Process}
본 발명은 빅데이터 관리 기술에 관한 것으로, 더욱 상세하게는 열처리 공정에서 전력 빅데이터 분석을 위한 데이터 관리 방법 및 시스템에 관한 것이다.
기존 스마트 팩토리 관련 기술은 대부분 공정 자동화에 관심을 두고 있으며, FEMS(Factory Energy Management System)의 경우 고가의 하이엔드 모델이 주를 이루고 있다.
따라서 EMS(Energy Management System) 및 설비장비 구축 시 큰 비용을 야기하기 때문에 뿌리산업과 같이 중소규모 수용가가 주를 이루는 산업에서 EMS 적용은 미흡한 상황이다.
현재, 뿌리산업 수용가 현장 실정에 맞는 맞춤형의 저가, 경량형 에너지 절감 서비스 시스템의 필요성이 증가하고 있다.
특히, 뿌리산업을 위한 에너지 절감 서비스는 설비 구축 등 비용이 큰 방식 대신 현장에서 수집되는 다양한 데이터를 기반으로 운영되는 특징을 보이고 있어, 수집되는 빅데이터를 효과적으로 관리하기 위한 방안의 모색이 요청된다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, 빅데이터의 효율적인 처리를 위한 방안으로, 각 데이터가 서버에 고르게 분산되는 것과 동시에 분석하고자 하는 데이터가 지역성을 가져서 반복 호출을 줄임으로써 데이터 인덱싱 속도를 높일 수 있는 방법을 제공함에 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 빅데이터 관리 방법은, 공장의 설비들을 계측기들로부터 데이터들을 수집하는 단계; 수집한 데이터에 대한 샤드 키를, 데이터를 생성한 계측기에 부여된 ID를 기초로 설정하는 단계; 설정한 샤드 키를 기초로 데이터들을 분산 저장하는 단계;를 포함한다.
그리고, 저장 단계는, 동일 계측기에서 생성된 데이터들을 동일 서버에 저장할 수 있다.
또한, 저장 단계는, 특정 관계에 있는 계측기들에서 생성된 데이터들을 동일 서버에 저장할 수 있다.
그리고, 연속 공정을 수행하는 설비들에 대한 계측기의 ID는, 공통 인자를 포함할 수 있다.
또한, 저장 단계는, Hashed Sharding 방식으로 데이터들을 분산 저장할 수 있다.
그리고, 계측기의 ID는, 계측하는 설비의 종류를 나타내는 인자를 포함할 수 있다.
또한, 설비는, 열처리 공정을 위한 설비일 수 있다.
한편, 본 발명의 다른 실시예에 따른, 빅데이터 관리 시스템은, 공장의 설비들을 계측기들로부터 데이터들을 수집하는 수집부; 및 수집한 데이터에 대한 샤드 키를 데이터를 생성한 계측기에 부여된 ID를 기초로 설정하고, 설정한 샤드 키를 기초로 데이터들을 분산 저장하는 DB;를 포함한다.
이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 각 데이터가 서버에 고르게 분산되는 것과 동시에 분석하고자 하는 데이터가 지역성을 가져서 반복 호출을 줄임으로써 데이터 인덱싱 속도를 높일 수 있어, 빅데이터의 효율적인 처리가 가능해진다.
도 1은 본 발명의 일 실시예에 따른 빅데이터 처리 시스템을 도시한 도면,
도 2는 샤딩을 통한 데이터 분산 저장 방식을 나타낸 도면,
도 3은 열처리 공정설비를 예시한 도면,
도 4는 설비들의 계측 포인트들을 예시한 도면,
도 5는 계측기에서 수집되는 데이터들을 예시한 도면,
도 6은 Hashed Sharding 방식을 통한 데이터 분산 저장 방식을 나타낸 도면이다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
에너지 효율화를 이루는 공장에너지관리시스템(FEMS, Factory Energy Management)은 주로 고가의 장비를 기반으로 공정 자동화에 관한 솔루션들이 대부분이다.
이러한 시스템들은 초기 도입 비용이 커 비용 부담을 초례하기 때문에 뿌리산업을 기반으로 하는 중소규모 사업장에서의 적용은 미흡한 상황이다.
따라서 에너지 절감을 위해 비용이 큰 기존 방식을 대체하여 사업 현장에서 수집 할 수 있는 다양한 서브미터링 데이터를 기반으로 설비별 부하패턴 및 에너지 수요 예측, 에너지 지표를 통한 Energy-aware 생산 스케쥴링 등의 정보를 제공할 수 있는 빅데이터 시스템이 새로운 해결책으로 제시되고 있다.
도 1은 본 발명의 일 실시예에 따른 빅데이터 처리 시스템인 빅데이터 플랫폼을 도시한 도면이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 빅데이터 처리 시스템(100)의 데이터 수집부(110)는 공장 설비들(10)로부터 IoT 플랫폼(20)이 수집한 데이터들, 서비스 플랫폼(30)이 분석한 데이터들, 기상청 서버(40)가 제공하는 기상 데이터들을 수집한다.
빅데이터 분석 엔진(120)은 수집된 데이터들을 주기적으로 분석하고, MongoDB(130)는 수집된 데이터와 분석 데이터를 저장하며, HDFS(Hadoop Distributed File System)(140)는 데이터들을 백업한다.
도 1에 도시된 빅데이터 처리 시스템에서 특히 중요한 부분은 데이터 적재 단에서의 빅데이터 분산처리 관리 방법이다. 데이터의 분산처리를 얼마나 효율적으로 수행했는가에 따라서 데이터 관리의 효율성, 데이터 분석 속도 등에서 차이가 발생한다.
다수의 분산 서버 기반의 NoSQL DB인 MongoDB(130)를 통해 빅데이터의 분산처리를 하기 위해서는, 도 2에 도시된 바와 같이 샤딩(Sharding)을 통해 데이터를 특정한 기준에 의해서 분리할 필요가 있다.
샤딩(Sharding)의 종류는 크게 두가지로 구분할 수 있다.
1) Hashed Sharding
- Hash Function 기반으로 Shard Key를 분리하여 저장하는 방식
2) Ranged Sharding
- Shard Key 값에 따라 범위로 데이터를 나누어 저장하는 방식
샤딩의 경우 Shard Key를 잘못 고려하면 데이터가 각 서버에 고르게 분산되지 않고 한 쪽에 쏠리는 현상이 발생할 수 있다.
또한 빅데이터의 효율적인 처리를 위해서는 각 데이터가 서버에 고르게 분산되는 것과 동시에 분석하고자 하는 데이터가 지역성(locality)을 가져서 반복 호출을 줄임으로써 데이터 인덱싱 속도를 높이는 것이 필요하다.
구체적으로, 데이터를 생성한 계측기의 ID를 기초로 샤드 키를 설정하여, Hashed Sharding 방식으로 데이터들을 분산 저장한다. 동일 계측기에서 생성된 데이터들이 동일 서버에 저장되도록 하는 것은 물론, 특정 관계, 이를 테면 연속 공정을 수행하는 설비들에서 계측된 데이터들도 동일 서버에 저장되도록 하기 위함이다.
본 발명의 실시예에 따른 빅데이터 처리 시스템이 대상으로 하고 있는 사이트는 금속 열처리 공장이며, 도 3에 도시된 바와 같이 열처리를 위한 다양한 공정설비를 갖추고 있으며, 도 4에 도시된 바와 같이 각 설비마다 아래의 계측 포인트를 가지고 있다. 나아가, 각 계측기는 도 5에 나타낸 데이터를 수집하고 있다.
열처리 공장에서 에너지 절감을 위해서는 각 설비별 전력사용 패턴을 분석하고 이를 통해 공정 스케줄링을 통해 최적 에너지 효율 운전을 수행함으로써 전력 사용량을 줄일 수 있다.
이를 위해서는 각 설비별 전력사용량을 예측할 수 있는 전력수요예측모델이 필요하며 이는 각 계측 포인트마다 시계열 기반의 데이터를 활용하여 모델링할 수 있다.
또한 연속로의 특성상 공정 내 일부 설비들은 운전 시점에 대해 서로 상관관계를 가진다(Q/T를 통해 금속이 투입되었다면 이후 TEMP로 전달될 것이므로 시간 도메인에서의 설비별 전력사용량 패턴 분석을 위해 필요한 정보이다).
따라서 데이터 모델링 및 전력 사용량 예측을 위해서 아래와 같은 기준을 통해 데이터를 분산 적재 및 관리할 필요가 있다.
- 설비별 계측 포인트(MeterID를 통해 판단)
- 설비의 연속 공정 여부(MeterID를 통해 판단)
각 설비별 MeterID는 연속 공정 여부를 고려하여 아래의 형태로 번호를 부여한다.
- 부여 규칙
1) 각 설비의 meterID는 1부터 시작함
2) meterID 10자리는 설비의 종류를 표현함
- NOR&CA(1), SRA(2), Q/T(3), TEM(4), NOR(5)
3) meterID 100자리는 연속 공정끼리 같은 숫자로 표현함
- NOR&CA 1호 -> SRA1호기(1)
- Q/T1호기 -> TEM1호기(2)
- Q/T2호기 -> TEM2호기(3)
- Q/T3호기 -> TEM3호기(4)
- 연속공정 없음(0)
- NOR&CA 1호기 : 111~5
- SRA 1호기(NOR&CA 연속) : 121~3
- QT 1호기 : 231~4
- TEMP 1호기(QT 연속) : 241~4
- QT 2호기 : 331~4
- TEMP 2호기(QT 연속) : 341~4
- QT 3호기 : 431~4
- TEMP 3호기(QT 연속) : 441~4
- NOR 2호기(독립) : 951~7
이에 따라 샤드 키는 MeterID로 설정하고, 도 6에 도시된 바와 같은 Hashed Sharding 방식을 통해 데이터를 분산한다.
각 데이터는 서버에 골고루 분산되면서 동시에 지역성을 가져야 하므로 Hashed Function은 아래의 수식으로 구성된다.
- 특정 설비의 전체 계량 정보와 연속공정의 계량 정보는 shard에 배치될 수 있도록 함
- 동시에 전체 데이터가 n개의 서버에 분산될 수 있도록 처리함
f(x) = [ (KEY(meterID) - (KEY(meterID) % 100) } / 100 % n ] + 1 (n은 분산 서버의 개수)
지금까지, 빅데이터의 효율적인 처리를 위해서는 각 데이터가 서버에 고르게 분산되는 것과 동시에 분석하고자 하는 데이터가 지역성을 가져서 반복 호출을 줄임으로써 데이터 인덱싱 속도를 높이는 데이터 분산처리 관리방법 및 시스템에 대해 바람직한 실시예를 들어 상세히 설명하였다.
위 실시예에서 공장의 설비는 열처리 공정을 위한 설비인 것을 상정하였는데 설명의 편의를 위한 일 예에 불과하다. 다른 공정을 위한 설비들에 대해서도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다.
한편, 본 실시예에 따른 장치와 방법의 기능을 수행하게 하는 컴퓨터 프로그램을 수록한 컴퓨터로 읽을 수 있는 기록매체에도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다. 또한, 본 발명의 다양한 실시예에 따른 기술적 사상은 컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터로 읽을 수 있는 코드 형태로 구현될 수도 있다. 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터에 의해 읽을 수 있고 데이터를 저장할 수 있는 어떤 데이터 저장 장치이더라도 가능하다. 예를 들어, 컴퓨터로 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광디스크, 하드 디스크 드라이브, 등이 될 수 있음은 물론이다. 또한, 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터로 읽을 수 있는 코드 또는 프로그램은 컴퓨터간에 연결된 네트워크를 통해 전송될 수도 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
10 : 공장 설비
20 : IoT 플랫폼
30 : 서비스 플랫폼
40 : 기상청 서버
100 : 빅데이터 처리 시스템
110 : 데이터 수집부
120 : 빅데이터 분석 엔진
130 : MongoDB
140 : HDFS(Hadoop Distributed File System)

Claims (8)

  1. 공장의 설비들을 계측기들로부터 데이터들을 수집하는 단계;
    수집한 데이터에 대한 샤드 키를, 데이터를 생성한 계측기에 부여된 ID를 기초로 설정하는 단계;
    설정한 샤드 키를 기초로 데이터들을 분산 저장하는 단계;를 포함하는 것을 특징으로 하는 빅데이터 관리 방법.
  2. 청구항 1에 있어서,
    저장 단계는,
    동일 계측기에서 생성된 데이터들을 동일 서버에 저장하는 것을 특징으로 하는 빅데이터 관리 방법.
  3. 청구항 1에 있어서,
    저장 단계는,
    특정 관계에 있는 계측기들에서 생성된 데이터들을 동일 서버에 저장하는 것을 특징으로 하는 빅데이터 관리 방법.
  4. 청구항 3에 있어서,
    연속 공정을 수행하는 설비들에 대한 계측기의 ID는,
    공통 인자를 포함하는 것을 특징으로 하는 빅데이터 관리 방법.
  5. 청구항 4에 있어서,
    저장 단계는,
    Hashed Sharding 방식으로 데이터들을 분산 저장하는 것을 특징으로 하는 빅데이터 관리 방법.
  6. 청구항 5에 있어서,
    계측기의 ID는,
    계측하는 설비의 종류를 나타내는 인자를 포함하는 것을 특징으로 하는 빅데이터 관리 방법.
  7. 청구항 1에 있어서,
    설비는,
    열처리 공정을 위한 설비인 것을 특징으로 하는 빅데이터 관리 방법.
  8. 공장의 설비들을 계측기들로부터 데이터들을 수집하는 수집부; 및
    수집한 데이터에 대한 샤드 키를 데이터를 생성한 계측기에 부여된 ID를 기초로 설정하고, 설정한 샤드 키를 기초로 데이터들을 분산 저장하는 DB;를 포함하는 것을 특징으로 하는 빅데이터 관리 시스템.
KR1020190035690A 2019-03-28 2019-03-28 열처리 공정의 전력 빅데이터 분석을 위한 데이터 분산처리 관리방법 및 시스템 KR102276600B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190035690A KR102276600B1 (ko) 2019-03-28 2019-03-28 열처리 공정의 전력 빅데이터 분석을 위한 데이터 분산처리 관리방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190035690A KR102276600B1 (ko) 2019-03-28 2019-03-28 열처리 공정의 전력 빅데이터 분석을 위한 데이터 분산처리 관리방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20200119404A true KR20200119404A (ko) 2020-10-20
KR102276600B1 KR102276600B1 (ko) 2021-07-13

Family

ID=73025213

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190035690A KR102276600B1 (ko) 2019-03-28 2019-03-28 열처리 공정의 전력 빅데이터 분석을 위한 데이터 분산처리 관리방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102276600B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022119328A1 (ko) * 2020-12-04 2022-06-09 김근석 데이터 샤딩 시스템, 데이터 샤딩 방법 및 기록 매체에 저장된 프로그램

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130101349A (ko) * 2012-03-05 2013-09-13 네이버비즈니스플랫폼 주식회사 데이터베이스 미들웨어를 이용한 데이터 관리 시스템 및 방법
KR20180072995A (ko) * 2016-12-22 2018-07-02 엘에스산전 주식회사 실시간 데이터베이스 장치 및 그를 포함하는 에너지 관리 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130101349A (ko) * 2012-03-05 2013-09-13 네이버비즈니스플랫폼 주식회사 데이터베이스 미들웨어를 이용한 데이터 관리 시스템 및 방법
KR20180072995A (ko) * 2016-12-22 2018-07-02 엘에스산전 주식회사 실시간 데이터베이스 장치 및 그를 포함하는 에너지 관리 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022119328A1 (ko) * 2020-12-04 2022-06-09 김근석 데이터 샤딩 시스템, 데이터 샤딩 방법 및 기록 매체에 저장된 프로그램

Also Published As

Publication number Publication date
KR102276600B1 (ko) 2021-07-13

Similar Documents

Publication Publication Date Title
Ding et al. Parallel machine scheduling under time-of-use electricity prices: New models and optimization approaches
CN103838668B (zh) 关联能量消耗与虚拟机
CN106156115B (zh) 一种资源调度方法及装置
EP3413197B1 (en) Task scheduling method and device
CN112100219B (zh) 基于数据库查询处理的报表生成方法、装置、设备和介质
US20100106436A1 (en) Power consumption calculation facility
CN112700131B (zh) 基于人工智能的ab测试方法、装置、计算机设备及介质
CN111737325A (zh) 一种基于大数据技术的电力数据分析方法和装置
Radovanovic et al. Power modeling for effective datacenter planning and compute management
CN112148779A (zh) 确定业务指标的方法、装置及存储介质
US20150347953A1 (en) Kpi specification apparatus and kpi specification method
Maghsoudlou et al. A framework for preemptive multi-skilled project scheduling problem with time-of-use energy tariffs
JP2018173837A (ja) 予測装置、予測システム、予測方法及びプログラム
Wang et al. Multi-agent reinforcement learning based distributed renewable energy matching for datacenters
JP2012194789A (ja) 環境情報管理装置、環境情報管理方法、及び環境情報管理プログラム
KR102276600B1 (ko) 열처리 공정의 전력 빅데이터 분석을 위한 데이터 분산처리 관리방법 및 시스템
Schuh et al. Cost-optimal spare parts inventory planning for wind energy systems
CN103577583A (zh) 从大数据中高效计算用户数的方法
CN112948353A (zh) 一种应用于DAstudio的数据分析方法、系统及存储介质
CN117687356A (zh) 生产调度方法、终端设备及计算机可读存储介质
CN116579884A (zh) 一种电力用户行为分析方法及系统
US20220253334A1 (en) Scheduling control apparatus, scheduling control method and program
CN104850923A (zh) 半导体生产仿真系统
CN114897394A (zh) 用电量监管系统及方法
Zhang et al. A simulation‐based differential evolution algorithm for stochastic parallel machine scheduling with operational considerations

Legal Events

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