KR20200127719A - 기계부품 고장예지 및 수명예측 시스템 및 이를 기반으로 한 b2b 유통 서비스 시스템 - Google Patents

기계부품 고장예지 및 수명예측 시스템 및 이를 기반으로 한 b2b 유통 서비스 시스템 Download PDF

Info

Publication number
KR20200127719A
KR20200127719A KR1020190052400A KR20190052400A KR20200127719A KR 20200127719 A KR20200127719 A KR 20200127719A KR 1020190052400 A KR1020190052400 A KR 1020190052400A KR 20190052400 A KR20190052400 A KR 20190052400A KR 20200127719 A KR20200127719 A KR 20200127719A
Authority
KR
South Korea
Prior art keywords
server
machine part
parts
machine
phm
Prior art date
Application number
KR1020190052400A
Other languages
English (en)
Other versions
KR102247013B1 (ko
Inventor
김광순
Original Assignee
한국콘베어공업주식회사
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 한국콘베어공업주식회사 filed Critical 한국콘베어공업주식회사
Priority to KR1020190052400A priority Critical patent/KR102247013B1/ko
Publication of KR20200127719A publication Critical patent/KR20200127719A/ko
Application granted granted Critical
Publication of KR102247013B1 publication Critical patent/KR102247013B1/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
    • G05B19/18—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
    • G05B19/4065—Monitoring tool breakage, life or condition
    • 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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Automation & Control Theory (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 기계부품 고장예지 및 수명예측 시스템 및 이를 기반으로 한 B2B 유통 서비스 시스템을 제공한다. 상기 기계부품 고장예지 및 수명예측 시스템은 진단 대상 기계 부품에 관련된 측정 정보를 수집하는 정보 수집 장치; 상기 기계 부품의 상태 진단을 수행하고 상기 기계 부품의 고장 또는 수명을 예측하며 상기 기계 부품의 교체 시기를 산출하는 PHM(prognostics and health management) 서버; 및 상기 정보 수집 장치로부터 상기 기계 부품의 측정 정보를 수신하고, 상기 기계 부품에 대한 분석을 요청하는 분석 요청을 상기 PHM 서버로 전송하고, 상기 PHM 서버로부터 상기 기계 부품의 부품의 교체 시기를 수신하여 상기 부품의 제조사에게 상기 교체 시기를 알리는 B2B 거래 플랫폼 서버를 포함한다.

Description

기계부품 고장예지 및 수명예측 시스템 및 이를 기반으로 한 B2B 유통 서비스 시스템{MACHINE PARTS FAILURE PREDICTION AND LIFE PREDICTION SYSTEM AND B2B DISTRIBUTION SERVICE SYSTEM BASED ON THE SAME}
본 발명은 기계부품 고장예지 및 수명예측 시스템 및 이를 기반으로 한 B2B 유통 서비스 시스템에 관한 것이다.
기계산업은 동력의 발생(원동기), 인간과 화물의 이동(자동차, 선박, 항공기 등), 제품의 제조(공작기계, 섬유기계 등), 음식료품의 재배와 가공(농기계, 음식료품 가공기계 등), 미지에의 탐험(우주선, 심해선 등), 진단 및 치료, 제어/계측/측정(의료용 기계, 계측기 등) 등 인간 생활의 전반에 걸쳐 있으며 산업화 등 인류발전의 전환기에 핵심적인 역할을 수행하고 있다.
예컨대, 기계 산업에서 사용되는 동력전달 기기가 있다.
동력전달 기기는 엔진에서 발생한 동력(기계적인 일에 직접 이용할 수 있는 에너지)을 작업부로 전달하기 위해 사용하는 설비를 말한다. 동력 전달 장치는 동력 공급 및 전달, 회전 속도 제어 등의 기능을 하며, 단독 또는 여러 장치가 어울려 동력 전달 계동을 이루어 사용되고 있다.
이러한 동력전달 기기는 일반적으로, 체인류 장치, 전동기류 장치, 감속기류 장치 및 베어링류 장치를 포함할 수 있다.
동력전달 기기는 동력이 요구되는 산업분야에서 사용되는 필수적인 장치로서 계속적으로 진단 및 수리가 필요하며, 동력전달 기기의 부품들은 마모, 주기적으로 교체되어야 한다.
따라서, 동력전달 기기를 운영하는 설비운영 주체, 동력전달 기기를 정비하거나 유지 보수하는 주체, 또는 동력전달 기기를 시공하는 주체는 동력전달 기기의 부품들이 고장나거나 수명이 다되면 새로운 부품들을 구입하여 동력전달 기기에 이용한다.
도 1은 종래 동력전달 기기의 부품들의 유통 과정을 나타낸 도면이다.
도 1을 참조하면, 동력전달 기기의 부품들은 제조사(10)에서 제조된다. 동력전달 기기의 부품들은 총판점(12), 지역 총판점(14) 및 대리점(16)을 통해 고객(18)에게 판매되고 있다. 고객(18)은 동력전달 기기가 고장이 나거나 문제가 생기는 경우 대리점(16)에서 부품을 구매한다. 이 때, 대리점(16)에 원하는 부품이 없는 경우, 고객(18)은 지역 총판점(14) 또는 총판점(12)에서 부품을 구입해야 한다. 원하는 부품이 지역 총판점(14) 또는 총판점(12)에도 없는 경우에는 해당 부품의 제조사(10)에 문의하거나 주문해야 했다.
특히, 제조업 공장의 스마트 생산 시스템의 경우, 고장으로 인한 작동 중단(downtime) 시에는 단순히 부품 교체로 인한 유지 보수 비용 뿐만 아니라 수리 기간 동안 제품 생산을 하지 못해 발생하는 손실 기회 비용이 상당히 치명적일 수 있다.
따라서, 부품이 고장나거나 수명이 다해 사용하지 못하기 전에 부품의 고장을 예지하거나 잔존 유효 수명을 예측할 필요가 있다. 또한, 종래에는 여러 단계의 유통 단계를 통해 부품의 가격이 높아지는 문제점이 있었다.
본 발명은 종래 기술의 문제점을 해결하여 기계 부품의 상태를 진단할 수 있고, 기계 부품의 수요를 미리 예측할 수 있는 기계부품 고장예지 및 수명예측 시스템 및 이를 기반으로 한 B2B 유통 서비스 시스템을 제공하는 것을 목적으로 한다.
본 발명의 일 실시예에 따른, 기계부품 고장예지 및 수명예측 시스템은 진단 대상 기계 부품에 관련된 측정 정보를 수집하는 정보 수집 장치, 상기 기계 부품의 상태 진단을 수행하고 상기 기계 부품의 고장 또는 수명을 예측하며 상기 기계 부품의 교체 시기를 산출하는 PHM(prognostics and health management) 서버, 및 상기 정보 수집 장치로부터 상기 기계 부품의 측정 정보를 수신하고, 상기 기계 부품에 대한 분석을 요청하는 분석 요청을 상기 PHM 서버로 전송하고, 상기 PHM 서버로부터 상기 기계 부품의 부품의 교체 시기를 수신하여 상기 부품의 제조사에게 상기 교체 시기를 알리는 B2B(Business to Business) 거래 플랫폼 서버를 포함한다.
상기 정보 수집 장치는 상기 진단 대상 기계 부품의 복수의 위치들에 각각 설치되며 상기 복수의 위치에서 측정 데이터를 각각 획득하는 복수의 IOT (Internet Of Things) 센서와, 상기 진단 대상 기계 부품으로부터 발생하는 소음 및 진동을 감지하고 상기 감지된 소음 및 진동에 기초하여 상기 진단 대상 기계 부품의 이상을 판단하고, 상기 진단 대상 기계 부품에 이상이 발생한 것으로 판단되면 상기 복수의 IOT 센서들에 웨이크업(wake-up signal) 신호를 출력하고, 상기 복수의 IOT 센서들로부터 복수의 측정 테이터를 수신하는 마스터 장치를 포함할 수 있다.
상기 마스터 장치는 상기 소음으로부터 기계 부품들 간의 마찰음을 분리하고 상기 마찰음에 기초하여 상기 부품들의 이상 여부를 판단할 수 있다.
상기 기계부품 고장예지 및 수명예측 시스템은 상기 정보 수집 장치로부터 상기 기계 부품에 관련된 측정 정보를 수신하여 상기 PHM 서버로 전송하는 단말기를 더 포함할 수 있다.
상기 정보 수집 장치는 상기 진단 대상 기계 부품의 복수의 위치들에 각각 설치되며 상기 복수의 위치에서 측정 데이터를 각각 획득하는 복수의 IOT (Internet Of Things) 센서와, 상기 단말기로부터 정보 수집 요청을 수신하면 상기 복수의 IOT 센서들에 웨이크업(wake-up signal) 신호를 출력하고, 상기 복수의 IOT 센서들로부터 측정 데이터를 수신하는 마스터 장치를 포함할 수 있다.
상기 분석 요청은 상기 복수의 IOT 센서들의 ID, 측정 데이터 및 상기 복수의 IOT 센서들이 설치되는 부품 규격을 포함할 수 있다.
상기 B2B 거래 플랫폼 서버는 상기 PHM 서버와 통신하여 상기 PHM 서버로부터 상기 기게 장치의 상태 진단 및 수명 예측 결과를 수신하고 모니터링 서비스를 위한 뷰 테이블을 생성하거나 갱신하는 PHM 서버 연동 모듈과, 상기 뷰 테이블을 저장하는 데이터베이스를 포함할 수 있다.
상기 PHM 서버는 상기 기계 부품의 상태 진단 및 수명 예측 알고리즘을 저장할 수 있다.
본 발명의 일 실시예에 따른, B2B(Business to Business) 유통 서비스 시스템은 진단 대상 기계 부품에 관련된 측정 정보를 수집하는 정보 수집 장치, 상기 기계 부품의 상태 진단을 수행하고 상기 기계 부품의 고장 또는 수명을 예측하며 상기 기계 부품의 교체 시기를 산출하는 PHM (prognostics and health management) 서버, 상기 기계 부품에 대한 분석을 요청하는 분석 요청을 수신하면 상기 분석 요청을 상기 PHM 서버로 전송하고, 상기 PHM 서버로부터 상기 기계 부품의 부품의 교체 시기를 수신하여 상기 부품의 제조사에게 상기 교체 시기를 알리는 B2B 거래 플랫폼 서버, 상기 기계 부품의 전반적인 관리를 수행하고, 상기 정보 수집 장치로부터 상기 기계 부품에 관련한 측정 정보를 수신하면 상기 B2B 마켓 플랫폼 서버로 상기 측정 정보를 포함한 분석 요청을 전송하는 기계 부품 관리 서버, 및 상기 B2B 마켓 플랫폼 서버로부터 상기 기계 부품에 관련된 부품 주문을 수신하고 부품의 생산을 관리하고 주문 부품의 출고시 상기 기계 부품 관리 서버 또는 B2B 마켓 플랫폼 서버로 부품의 출고를 통지하는 제조사 서버를 포함한다.
전술한 본 발명의 실시예들에 따르면, 기계 부품을 실시간으로 모니터링하고, 기계 부품의 수요를 미리 예측할 수 있으므로, 단순히 부품 교체로 인한 유지 보수 비용 뿐만 아니라 수리 기간 동안 제품 생산을 하지 못해 발생하는 손실의 발생을 방지할 수 있다.
도 1은 종래 동력전달 기기의 부품들의 유통 과정을 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 기계부품 고장예지 및 수명예측 시스템을 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 정보 수집 장치의 블록 구성도이다.
도 4는 본 발명의 일 실시예에 따른 B2B 마켓 플랫폼 서버 및 PHM 서버의 구성을 나타낸 블록도이다.
도 5는 본 발명의 일 실시예에 따른 정보 수집 장치와 PHM 서버 간의 신호 흐름을 나타낸 도면이다.
도 6은 본 발명의 다른 실시예에 따른 정보 수집 장치와 PHM 서버 간의 신호 흐름을 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 기계부품 고장예지 및 수명예측 시스템에서의 메시지 흐름을 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 B2B 유통 서비스 시스템에서 기계 부품들을 진단 및 주문하는 흐름을 설명하기 위한 도면이다.
이하, 본 발명의 실시 예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시 예를 설명함에 있어, 관련된 공지구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시 예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
또한, 본 발명의 실시 예의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
도 2는 본 발명의 일 실시예에 따른 기계부품 고장예지 및 수명예측 시스템을 나타낸 도면이다.
기계부품 고장예지 및 수명예측 시스템은 센서를 이용하여 기계 부품들의 상태를 모니터링하고 고장의 징후를 포착하는 진단기술(diagnostics)과 잔여유효수명(RUL: remaining useful life)의 예측(prognostics) 및 효과적인 건전성관리 기술(health management)을 채용한다.
도 2를 참조하면, 기계부품 고장예지 및 수명예측 시스템은 정보 수집 장치(200), B2B(Business to Business) 마켓 플랫폼 서버(410), 및 PHM (prognostics and health management) 서버(430)를 포함할 수 있다. B2B 마켓 플랫폼 서버(410), 및 PHM 서버(430)는 하나의 서버(400)로 구현될 수 있다.
정보 수집 장치(200)는 기계 부품들의 상태 변화를 나타내는 데이터를 측정하여 수집한다.
정보 수집 장치(200)는 진단 대상 기계 부품(100)에 관련된 측정 정보를 수집한다. 정보 수집 장치(200)는 측정 정보를 B2B 마켓 플랫폼 서버(410) 또는 PHM 서버(430)로 전송할 수 있다.
B2B 마켓 플랫폼 서버(410)는 정보 수집 장치(200)로부터 기계 부품들의 측정 정보를 수신하면 PHM 서버(430)로 분석 요청을 송신한다.
PHM 서버(430)는 B2B 마켓 플랫폼 서버(410)로부터 기계 부품의 분석 요청을 수신하면, 해당 기계 부품(100)에 대한 상태 진단 및 잔여유효수명의 예측을 수행한다. PHM 서버(430)는 해당 기계 부품(100)에 대한 진단 결과 및 예측된 잔여유효수명을 포함하는 분석 결과를 B2B 마켓 플랫폼 서버(410)로 전송한다.
B2B 마켓 플랫폼 서버(410)는 분석 결과에 기초하여 기계 부품(100)의 제조사(500)에게 기계 부품에 대한 수요 예측 정보를 제공할 수 있다. 또는 PHM 서버(430)가 제조사(500)에게 기계 부품의 수요 예측 정보를 전송할 수 있다.
한편, 단말기(300)는 정보 수집 장치(200)로 기계 부품(100)에 대한 측정 데이터를 요청할 수 있다. 단말기(330)는 예컨대, 기계 부품(100)에 관련된 업체 또는 사람에 속한 것이다. 전술한 바와 같이, 기계 부품(100)에 관련하여, 동력전달 기기를 운영하는 설비운영 주체, 동력전달 기기를 정비하거나 유지 보수하는 주체, 또는 동력전달 기기를 시공하는 주체가 존재한다. 이들은 모두 기계 부품의 상태 진단 정보 또는 수요 예측 정보를 필요로 한다.
따라서, 단말기(300)는 소정 어플리케이션을 통해 정보 수집 장치(200)로 기계 부품의 측정 데이터 또는 측정 정보를 요청할 수 있도록 구성될 수 있다. 이 경우 단말기(300)가 정보 수집 장치(200)로부터의 측정 데이터 또는 측정 정보를 B2B 마켓 플랫폼 서버(410)로 전송할 수 있다.
도 3은 본 발명의 일 실시예에 따른 정보 수집 장치(200)의 블록 구성도이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 정보 수집 장치(200)는 기계 부품(100)의 복수의 위치들에 각각 각각 설치되며 상기 복수의 위치들에서 측정 데이터를 각각 획득하는 복수의 IOT (Internet Of Things) 센서(210-1, 210-2,…, 210-n)를 포함하는 IOT 센서부(210) 및 IOT 센서부(210)로부터 복수의 측정 테이터를 수신하는 마스터 장치(220)를 포함할 수 있다.
IOT 센서부(210)는 제1 IOT 센서(210-1), 제2 IOT 센서(210-2), …, 제n IOT 센서(210-n)을 포함할 수 있다. 복수의 IOT 센서(210-1, 210-2,…, 210-n)는 진동 센서, 초음파 소음 센서, 적외선 온도 센서, 트라이볼로지 관련 센서, 모터 전류 검출기 등을 포함할 수 있다. 트라이볼로지 관련 센서는 마찰력/마찰계수 측정기, 마찰음 측정기, 베어링 음향 검사기, 파상도(waviness) 측정기, 그리이스 시험기 등을 포함할 수 있다.
복수의 IOT 센서(210-1, 210-2,…, 210-n)중 어떤 센서(certain sensor)는 특정 조건을 만족하는 경우에만 측정을 수행할 수 있다. 이 경우, 어떤 센서는 특정 조건이 만족하는 경우 측정을 수행하고, 측정 데이터를 저장하였다가 마스터 장치(220)가 측정 데이터를 요청할 때 마스터 장치(220)로 전송할 수 있다.
복수의 IOT 센서(210-1, 210-2,…, 210-n) 각각은 예컨대, 진단 대상인 복수의 부품에 설치되어 복수의 부품으로부터 진단 또는 수명 예측에 필요한 데이터를 측정할 수 있다. 측정 데이터는 진동, 소음, 초음파 소음, 적외선 온도, 트라이볼로지(Tribology), 및 모터 전류를 포함할 수 있다.
마스터 장치(220)는 기계 부품(100)으로부터 발생하는 소음 또는 진동을 감지하고 감지된 소음 또는 진동에 기초하여 기계 부품(100)의 이상을 판단할 수 있다.
마스터 장치(220)에서 판단되는 기계 부품(100)의 이상은 엄격하게 기계 부품(100)에 이상이 발생하는 지를 것을 판단하는 것은 아니며 기계 부품(100)의 상태 변화를 기계 부품의 이상으로 판단할 수 있다. 마스터 장치(220)는 기계 부품에 이상이 발생한 것으로 판단되면 복수의 IOT 센서(210-1, 210-2,…, 210-n)에 웨이크업(wake-up signal) 신호를 출력한다.
기계 부품의 이상을 소음으로 판단하는 경우, 마스터 장치(220)는 상기 소음으로부터 상기 진단 대상 기계 부품들 간의 마찰음을 분리하고 상기 마찰음에 기초하여 상기 부품들의 이상 여부를 판단할 수 있다.
다른 실시예에 따라, 마스터 장치(220)는 측정 요청을 수신할 수 있다. 측정 요청은 소정의 단말기에 의해 생성될 수 있다. 마스터 장치(220)는 측정 요청을 수신하면, 복수의 IOT 센서(210-1, 210-2,…, 210-n)에 웨이크업(wake-up signal) 신호를 출력할 수 있다.
한편, 복수의 IOT 센서(210-1, 210-2, …, 210-n)는 상기 마스터 장치(220)로부터 웨이크업 신호를 수신하면 대기 모드에서 깨어나 정해진 시간만큼 측정을 수행하여 측정 데이터를 획득한다. 복수의 IOT 센서(210-1, 210-2, …, 210-n)는 측정을 수행한 후 다시 대기 모드로 진입하여 최소 전력을 사용한다.
다른 실시예에 따라, 복수의 IOT 센서(210-1, 210-2, …, 210-n)는 실시간으로 또는 주기적으로 측정을 수행하여 측정 데이터를 획득한다. 예컨대, 복수의 IOT 센서(210-1, 210-2, …, 210-n)는 소정의 주기로 대기 모드에서 깨어나 정해진 시간만큼 측정을 수행한 후 다시 대기 모드로 복귀할 수 있다. 또는 복수의 IOT 센서(210-1, 210-2, …, 210-n)는 실시간으로 측정을 수행할 수 있다.
복수의 IOT 센서(210-1, 210-2, …, 210-n)는 측정을 수행한 후 측정 데이터를 마스터 장치(220)로 전송한다. 이 경우, 복수의 IOT 센서(210-1, 210-2, …, 210-n)는 측정 데이터와 함께 센서 ID를 마스터 장치(220)로 전송한다.
마스터 장치(220)는 복수의 IOT 센서(210-1, 210-2,…, 210-n)로부터 측정 데이터를 수신할 수 있다. 마스터 장치(220)는 복수의 IOT 센서(210-1, 210-2,…, 210-n)로부터 수신된 측정 데이터 및 센서 ID에 따라 측정 정보를 생성할 수 있다. 측정 정보는 측정 데이터, 센서 ID, 기계 부품 식별 정보, 작업장 식별 정보 등을 포함할 수 있다.
마스터 장치(220)는 측정 정보를 B2B 마켓 플랫폼 서버(410)로 전송할 수 있다. B2B 마켓 플랫폼 서버(410)는 정보 수집 장치(200)의 마스터 장치(220)로부터 측정 정보를 수신하면, PHM 서버(430)로 해당 기계 부품에 대한 상태 진단 및 수명 예측을 위한 분석을 요청한다.
PHM 서버(430)는 B2B 마켓 플랫폼 서버(410)로부터 소정 기계 부품에 대한 고장 진단 및 수명 예측을 위한 분석을 요청받으면 기계 부품의 상태를 진단하고 상기 기계 부품의 고장 또는 수명을 예측한다.
이하, 도 4를 참조하여 B2B 마켓 플랫폼 서버 및 PHM 서버에 대해 상세히 설명한다.
도 4는 본 발명의 일 실시예에 따른 B2B 마켓 플랫폼 서버 및 PHM 서버의 구성을 나타낸 블록도이다.
도 4를 참조하면, B2B 마켓 플랫폼 서버(410)는 PHM 서버(430)와 연동하도록 구성되어 있다.
B2B 마켓 플랫폼 서버(410)는 PHM 서버 연동 모듈(412), 유저 인터페이스(414), 기계 부품 관련 정보(418a, 418b) 및 하나 이상의 뷰 테이블(416a, 416b, 416c)를 포함한다. 기계 부품 관련 정보(418a, 418b)는 거래 내역 정보(418a) 및 부품 규격 정보(418a)를 포함한다.
PHM 서버 연동 모듈(412)은 정보 수집 장치(200)의 마스터 장치(220)로부터 측정 정보를 수신하면, PHM 서버(430)로 해당 기계 부품에 대한 상태 진단 및 수명 예측을 위한 분석을 요청하는 분석 요청을 전송한다. 분석 요청은 해당 기계 부품의 IOT 센서의 ID, 측정 데이터, 해당 기계 부품의 규격을 포함할 수 있다.
또한, PHM 서버 연동 모듈(412)은 PHM 서버(430)로부터 해당 기계 부품에 대한 상태 진단 및 수명 예측을 위한 분석을 수행한 분석 결과를 수신할 수 있다. 분석 결과는 해당 기계 부품의 상태 진단 결과 및 예측 수명을 포함할 수 있다. PHM 서버 연동 모듈(412)은 분석 결과를 메모리 또는 데이터베이스(도시 생략)에 저장할 수 있다.
또한, PHM 서버 연동 모듈(412)은 모니터링 서비스를 위한 뷰 테이블을 생성하거나 기저장된 뷰 테이블을 갱신할 수 있다. 뷰 테이블은 기계 부품의 제조업체를 위한 뷰테이블(416a), 기계 부품의 유지보수 업체를 위한 뷰 테이블(416b) 및 기계 부품의 설비 운영 업체를 위한 뷰 테이블(416c)를 포함할 수 있다. 뷰 테이블들은 유선 통신 또는 무선 통신을 통해 제조업체, 유지보수 업체 또는 설비운영 업체로 전송될 수 있다. 뷰테이블은 유저 인터페이스(414)를 통해 출력될 수 있다. 유저 인터페이스(414)는 사용자에게 텍스트, 이미지 등을 출력할 수 있으며, 사용자로부터의 입력을 수신할 수 있다.
유저 인터페이스(414)는 입력 수단 및 출력 수단을 포함할 수 있다. 입력수단은 키 버튼을 포함할 수 있으며, 마우스, 조이스틱, 조그셔틀, 스타일러스 펜 등을 포함할 수도 있다. 또한, 입력수단은 디스플레이 상에 구현되는 소프트 키를 포함할 수도 있다. 출력수단은 디스플레이를 포함할 수 있으며, 스피커와 같은 음성출력수단을 포함할 수도 있다. 이 경우, 터치 필름, 터치 시트, 터치 패드 등의 터치 센서가 디스플레이에 구비되는 경우, 디스플레이는 터치 스크린으로 동작하며, 입력수단과 출력수단이 통합된 형태로 구현될 수 있다.
이때, 디스플레이는 액정 디스플레이(Liquid Crystal Display, LCD), 박막 트랜지스터 액정 디스플레이(Thin Film Transistor-Liquid Crystal Display, TFT LCD), 유기 발광 다이오드(Organic Light-Emitting Diode, OLED), 플렉시블 디스플레이(Flexible Display), 전계 방출 디스플레이(Feld Emission Display, FED), 3차원 디스플레이(3D Display) 중에서 적어도 하나를 포함할 수 있다.
또한, B2B 마켓 플랫폼 서버(410)는 해당 기계 부품의 거래 내역(418a), 해당 기계 부품의 부품 규격(418b) 등과 같이 기계 부품들에 관한 정보를 저장할 수 있다.
PHM 서버(430)로부터 제공된 해당 기계 부품에 대한 분석 결과는 기계 부품들의 상태 진단 결과, 잔존 유효 수명 등을 포함할 수 있다.
PHM 서버(430)는 B2B 마켓 플랫폼 서버(410)로부터 소정 기계 부품에 대한 고장 진단 및 수명 예측을 위한 분석을 요청받으면 기계 부품의 상태를 진단을 수행하고 상기 기계 부품의 고장 또는 수명을 예측한다.
PHM 서버(430)는 기계 부품의 고장 또는 수명을 예측하기 위한 엔진들을 포함한다. 구체적으로, PHM 서버(430)는 수명 예측 엔진(432), 상태 진단 엔진(434), 및 소음 및 진동 빅데이터(436)를 포함할 수 있다.
수명 예측 엔진(432) 또는 상태 진단 엔진(434)은 기계 부품에 관련한 측정 정보에 대해 빅데이터 처리를 수행하고, 정비 시기 및 범위를 결정할 수 있다.
예컨대, 수명 예측 엔진(432)은 소음 및 진동 빅데이터(436)를 이용하여 기계 부품의 수명을 예측한다. 상기 수명을 예측하는 방법에 따라 크게 두 가지 방법으로 나눌 수 있다. 데이터 기반 방법(data-driven approach)은 기계학습 기법을 이용하여 하중(input) 대비 손상(damage)의 관계를 훈련시킨 뒤 미래 고장을 예측한다. 기계학습(machine learning)은 인공지능의 한 분야로 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야로 훈련 데이터를 통해 이미 알려진 과거의 추이를 기반으로 미래의 상태를 예측하는데 사용된다. 물리모델기반 방법의 경우 적용대상에 따라 물리적 모델이 달라지지만 보다 장기적인 손상의 거동에 대하여 비교적 정확한 예측이 가능하다. 이 때, 물리적 모델은 반드시 검증이 필요하며 그 방법에는 통계적 가설검정(hypothesis test)이나 베이지안 기법(bayesianmethod) 등의 통계적 방법을 이용한다.
수명 예측 엔진(432) 또는 상태 진단 엔진(434)은 기계 부품의 상태를 실시간으로 정보 수집 장치(200)를 통해 모니터링할 수 있다.
수명 예측 엔진(432) 또는 상태 진단 엔진(434)은 신호 처리, 기계학습, 통계분석 등의 빅데이터 처리 기법을 통해 적절한 건전성 지표(health index)를 추출(extraction)한 뒤 고장예지(prognostics) 기법을 활용해 잔여유효수명(RUL)을 예측하고 최적의 정비 주기와 범위를 결정할 수 있다. 이를 통해 사용자로 하여금 전반적인 건전성 관리(health management)를 할 수 있도록 해 준다.
수명 예측 엔진(432) 및 상태 진단 엔진(434)은 각각 측정 정보에 기초하여 이상 징후를 감지하고, 결함 또는 결함의 원인을 진단할 수 있다.
상태 진단 엔진(434)은 측정 데이터에 기초하여 기계 부품의 상태를 정상/비정상으로 판단하고, 기준 데이터와 비교하고, 결함의 유무를 판단할 수 있다. 상기 기준 데이터는 정상 상태의 측정 데이터가 될 수 있다.
기계 부품에 결함이 있는 경우 상태 진단 엔진(434)은 결함의 심각도를 결정하여 분류할 수 있다. 이에 따라, 상태 진단 엔진(434)은 적어도 하나의 기계 부품의 교체 시기를 산출할 수 있다 상태 진단 엔진(434)은 기계 부품에 관련한 측정 정보의 분석 결과를 B2B 마켓 플랫폼 서버(410)로 전송한다.
수명 예측 엔진(432)은 기계 부품의 상태에 기초하여 기계 부품의 잔여유효수명을 예측할 수 있다.
PHM 서버(430)는 전술한 바와 같이 기계 부품의 상태를 진단하고 수명을 예측한 후 부품 수명 데이터(438a) 및 부품 상태 데이터(438b)를 저장한다.
도 4에서는 B2B 마켓 플랫폼 서버(410)와 PHM 서버(430)는 별도의 구성으로서 도시되어 있지만, 통합되어 구성될 수 있음은 당업자에게 자명하다.
도 5는 본 발명의 일 실시예에 따른 정보 수집 장치와 PHM 서버 간의 신호 흐름을 나타낸 도면이다.
정보 수집 장치(200)는 전술한 바와 같이 B2B 마켓 플랫폼 서버(410)를 통해 PHM 서버(430)로 측정 정보를 전송한다.
전술한 바와 같이 정보 수집 장치(200)는 복수의 IOT 센서 복수의 IOT 센서(210-1, 210-2, …, 210-n) 및 마스터 장치(220)를 포함한다.
도 5를 참조하면, 먼저, 정보 수집 장치(200)의 마스터 장치(220)는 단계 502에서 기계 부품을 모니터링 한다. 예컨대, 마스터 장치(220)는 기계 부품으로부터 발생하는 소음 또는 진동과 같은 기계 부품의 상태를 감지할 수 있다.
마스터 장치(220)는 단계 504에서 감지된 기계 부품의 상태에 기초하여 기계 부품에 이상이 있는 지를 판단한다. 전술한 바와 같이, 마스터 장치(220)에서 판단되는 기계 부품의 이상은 엄격하게 기계 부품에 이상이 발생하는 지를 것을 판단하는 것은 아니며 기계 부품의 상태 변화를 기계 부품의 이상으로 판단할 수 있다.
따라서, 마스터 장치(220)는 기계 부품의 상태에 변화가 있으면 단계 506 및 단계 508에서 제1 IOT 센서(210-1) 및 제2 IOT 센서(210-2)로 웨이크업(Wake-up) 신호를 전송한다.
제1 IOT 센서(210-1) 및 제2 IOT 센서(210-2)는 마스터 장치(220)로부터 웨이크업 신호를 수신하면 단계 510 및 단계 511에서 대기 모드에서 깨어나 정해진 시간만큼 측정을 수행하여 측정 데이터를 획득한다. 제1 및 제2 IOT 센서(210-1 및 210-2)는 측정을 수행한 후 다시 대기 모드로 진입하여 최소 전력을 사용한다.
제1 IOT 센서(210-1)는 기계 부품의 상태를 측정한 후 단계 512에서 측정 데이터를 마스터 장치(220)로 전송하고 제2 IOT 센서(210-1)는 기계 부품의 상태를 측정한 후 단계 512에서 측정 데이터를 마스터 장치(220)로 전송한다.
마스터 장치(220)는 제1 IOT 센서(210-1) 및 제2 IOT 센서(210-2)로부터 측정 데이터를 수신하면 측정 정보를 생성하여 B2B 마켓 플랫폼 서버(410)를 통해 PHM 서버(430)으로 송신할 수 있다.
그에 따라, PHM 서버(430)는 단계 518에서 기계 부품의 측정 정보에 기초하여 기계 부품을 분석하여 기계 부품의 상태를 진단하고 잔여유효수명(RUL: remaining useful life)을 예측한다.
도 6은 본 발명의 다른 실시예에 따른 정보 수집 장치와 PHM 서버 간의 신호 흐름을 나타낸 도면이다.
도 6을 참조하면, 제1 IOT 센서(210-1) 및 제2 IOT 센서(210-2)는 단계 532 및 단계 533에서 실시간으로 또는 주기적으로 측정을 수행하여 측정 데이터를 획득한다. 예컨대, 복수의 IOT 센서(210-1, 210-2, …, 210-n)는 소정의 주기로 대기 모드에서 깨어나 정해진 시간만큼 측정을 수행한 후 다시 대기 모드로 복귀할 수 있다. 또는 복수의 IOT 센서(210-1, 210-2, …, 210-n)는 실시간으로 측정을 수행할 수 있다.
일 실시예에 따라, 주기적 측정의 경우, 도 6에 도시하지 않았지만, 제1 IOT 센서(210-1) 및 제2 IOT 센서(210-2)는 소정 주기가 도래하였는 지를 판단하고 소정 주기가 도래하였으면, 단계 532 및 단계 533에서 측정을 수행한다.
다른 실시예에 따라, 실시간 측정의 경우, 제1 IOT 센서(210-1) 및 제2 IOT 센서(210-2)는 단계 532 및 단계 533에서 실시간으로 측정을 수행하고 그 측정 데이터를 저장할 수 있다. 이 경우, 실시간은 컴퓨터가 사용자가 요구하는 만큼, 제어 프로세스가 필요한 만큼 신속하게 응답해야 하는 애플리케이션 관련 시간 단위이다. 따라서, 실시간의 단위를 10분 단위로 설정한 경우, 제1 IOT 센서(210-1) 및 제2 IOT 센서(210-2)는 10분 단위로 측정을 수행할 수 있다. 또한, 제1 IOT 센서(210-1) 및 제2 IOT 센서(210-2)는 단계 534 및 단계 536에서 실시간으로 마스터 장치(220)로 전송할 수 있다.
마스터 장치(220)는 제1 IOT 센서(210-1) 및 제2 IOT 센서(210-2)로부터 측정 데이터를 수신하면 단계 538에서 측정 정보를 생성하여 PHM 서버(430)으로 전송할 수 있다.
본 발명의 일 실시예에 따라, 측정의 실시간 단위와 측정 데이터 전송의 실시간 단위는 다를 수 있다. 예컨대, 제1 IOT 센서(210-1) 및 제2 IOT 센서(210-2)는 10분마다 측정을 수행하고 20분마다 측정 정보를 PHM 서버(340)로 전송할 수 있다.
PHM 서버(430)는 단계 540에서 기계 부품의 측정 정보에 기초하여 기계 부품을 분석하여 기계 부품의 상태를 진단하고 잔여유효수명(RUL: remaining useful life)을 예측한다.
도 7은 본 발명의 일 실시예에 따른 기계부품 고장예지 및 수명예측 시스템에서의 메시지 흐름을 나타낸 도면이다.
도 7을 참조하면, 먼저 정보 수집 장치(200)는 단계 602에서 측정 데이터를 수집하여 저장하고 있다. 단말기(300)는 단계 604에서 정보 수집 장치(200)로 측정 데이터를 요청할 수 있다.
정보 수집 장치(200)는 단계 606에서 측정 데이터의 요청에 응답하여 단말기(300)로 측정 데이터를 송신한다.
단말기(300)는 단계 608에서 측정 정보를 B2B 마켓 플랫폼 서버(410)로 전송할 수 있다. B2B 마켓 플랫폼 서버(410)는 단말기(300)로부터 기계 부품의 측정 정보를 수신하면 단계 610에서 PHM 서버(430)로 분석 요청을 송신한다.
PHM 서버(430)는 B2B 마켓 플랫폼 서버(410)로부터 기계 부품의 분석 요청을 수신하면, 단계 612 및 단계 614에서 해당 기계 부품에 대한 상태 진단 및 잔여유효수명의 예측을 수행한다. PHM 서버(430)는 단계 616에서 해당 기계 부품에 대한 진단 결과 및 예측된 잔여유효수명을 포함하는 분석 결과를 B2B 마켓 플랫폼 서버(410)로 전송한다.
B2B 마켓 플랫폼 서버(410)는 분석 결과를 수신하면 단계 618에서 해당 기계 부품에 관련하여 저장되어 있던 분석 결과를 갱신하고 단계 620에서 분석 결과를 뷰 테이블로 표시할 수 있다. 전술한 바와 같이, 기계 부품에 관련하여, 동력전달 기기를 운영하는 설비운영 주체, 동력전달 기기를 정비하거나 유지 보수하는 주체, 또는 동력전달 기기를 시공하는 주체가 존재한다. 이들은 모두 기계 부품의 상태 진단 정보 또는 수요 예측 정보를 필요로 한다.
상기 뷰 테이블은 기계 부품의 제조업체를 위한 뷰테이블, 기계 부품의 유지보수 업체를 위한 뷰 테이블 및 기계 부품의 설비 운영 업체를 위한 뷰 테이블을 포함할 수 있다.
이어서, B2B 마켓 플랫폼 서버(410)는 단계 622 및 624에서 단말기(300) 및 기계 부품의 제조사(500) 또는 관련 업체에게 기계 부품에 대한 상대 진단 정보 및 수요 예측 정보를 제공할 수 있다. 이때, 각 업체별로 상이한 뷰 테이블이 송신될 수 있다.
한편 본 발명의 일 실시예에 따라, 기계부품 고장예지 및 수명예측 시스템을 기반으로 기계 부품들을 유통하는 서비스를 제공하는 B2B 유통 서비스 시스템을 제공할 수 있다. B2B 유통 서비스 시스템은 기계 부품을 관리하는 기계 부품 관리 서버 및 제조사에 구비되어 기계 부품의 생산, 재고 관리 및 출고를 관리하는 제조사 서버를 포함할 수 있다.
도 8은 본 발명의 다른 실시예에 따른 B2B 유통 서비스 시스템에서 기계 부품들을 진단 및 주문하는 흐름을 설명하기 위한 도면이다.
도 8을 참조하면, B2B 유통 서비스 시스템은 기계 부품을 관리하는 기계 부품 관리 서버(110)를 포함할 수 있다. 기계 부품 관리 서버(110)는 기계 부품의 전반적인 관리를 수행하고, 소모성 기계 부품들의 상태 및 교체 시기 등을 관리한다.
또한, B2B 유통 서비스 시스템은 B2B 마켓 플랫폼 서버(410) 또는 PHM 서버(430)로부터 기계 부품의 주문을 수신하고 부품의 생산을 관리하고 주문 부품의 출고시 기계 부품 관리 서버(110) 또는 B2B 마켓 플랫폼 서버(410) 또는 PHM 서버(430)로 부품의 출고를 통지하는 제조사 서버(510)를 포함할 수 있다.
정보 수집 장치(200)의 마스터 장치(220)는 기계 부품의 이상 즉, 기계 부품의 상태 변화를 감지하면 IOT 센서부(210)로 웨이크업 신호를 송신한다. IOT 센서부(210)에 포함된 복수의 IOT 센서 각각은 예컨대, 진단 대상인 복수의 기계 부품에 설치되어 복수의 부품으로부터 진단 또는 수명 예측에 필요한 데이터를 측정할 수 있다. 측정 데이터는 진동, 소음, 초음파 소음, 적외선 온도, 트라이볼로지(Tribology), 및 모터 전류를 포함할 수 있다.
IOT 센서부(210)의 복수의 IOT 센서는 측정을 수행한 후 측정 데이터를 마스터 장치(220)로 제공한다. 마스터 장치(220)는 측정 데이터 및 기계 부품에 관련한 정보를 포함한 측정 정보를 기계 부품 관리 서버(110)로 전송한다.
기계 부품 관리 서버(110)는 측정 정보를 정보 수집 장치(200)로부터 수신하면 B2B 마켓 플랫폼 서버(410)로 측정 정보를 포함한 분석 요청을 전송할 수 있다. B2B 마켓 플랫폼 서버(410)는 기계 부품 관리 서버(110)로부터 분석 요청을 수신하면 PHM 서버(430) 해당 기계 부품에 대한 상태 진단 및 수명 예측을 위한 분석을 요청한다.
PHM 서버(430)는 B2B 마켓 플랫폼 서버(410)로부터 소정 기계 부품에 대한 고장 진단 및 수명 예측을 위한 분석을 요청받으면 기계 부품의 상태를 진단하고 상기 기계 부품의 고장 또는 수명을 예측한다.
PHM 서버(430)는 기계 부품에 대한 분석을 완료한 후 분석 결과를 B2B 마켓 플랫폼 서버(410)로 전달한다. B2B 마켓 플랫폼 서버(410)는 PHM 서버(430)로부터 기계 부품에 관련한 분석 결과를 수신하면 기계 부품 관리 서버(110)로 분석 결과를 송신한다.
기계 부품 관리 서버(110)는 B2B 마켓 플랫폼 서버(410)로부터 기계 부품에 관련한 분석 결과를 수신하면 해당 기계 부품에 관련하여 고장이 예측되는 장치 또는 부품을 판단하거나 교체가 필요한 장치 또는 부품을 판단할 수 있다. 기계 부품 관리 서버(110)는 교체가 필요한 장치나 부품이 있다면 해당 부품을 B2B 마켓 플랫폼 서버(410)로 주문한다.
B2B 마켓 플랫폼 서버(410)는 기계 부품 관리 서버(110)로부터 장치 또는 부품의 주문을 수신하면 해당 부품의 제조사 서버(510)로 해당 부품의 주문을 진행한다. 제조사 서버(501)는 B2B 마켓 플랫폼 서버(410)로부터 소정 기계 부품의 주문을 받으면 제조사 서버(510)는 해당 장치 또는 부품의 재고가 있는 지를 판단하고, 해당 장치 또는 부품의 재고가 없다면 해당 장치 또는 부품의 제조 또는 생산이 이루어지도록 한다.
이어서, 제조사 서버(510)는 해당 장치 또는 부품의 공급이 이루어지면 주문처로 납품한다 이 경우, 주문처는 기계 부품 관리 서버(110) 또는 B2B 마켓 플랫폼 서버(410)가 될 수 있다. 제조사 서버(510)는 해당 장치 또는 부품의 출고가 이루어지면 기계 부품 관리 서버(110) 또는 B2B 마켓 플랫폼 서버(410)로 해당 부품 및 장치의 출고가 이루어졌음을 통지할 수 있다.
전술한 본 발명의 실시예들에 따르면, 기계 부품을 실시간으로 모니터링하고, 기계 부품의 수요를 미리 예측할 수 있으므로, 단순히 부품 교체로 인한 유지 보수 비용 뿐만 아니라 수리 기간 동안 제품 생산을 하지 못해 발생하는 손실의 발생을 방지할 수 있다.
이상에서, 본 발명의 실시 예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 기계 부품
200: 정보 수집 장치
410: B2B 마켓 플랫폼 서버
430: PHM 서버

Claims (14)

  1. 기계부품 고장예지 및 수명예측 시스템에 있어서,
    진단 대상 기계 부품에 관련된 측정 정보를 수집하는 정보 수집 장치;
    상기 기계 부품의 상태 진단을 수행하고 상기 기계 부품의 고장 또는 수명을 예측하며 상기 기계 부품의 교체 시기를 산출하는 PHM(prognostics and health management) 서버; 및
    상기 정보 수집 장치로부터 상기 기계 부품의 측정 정보를 수신하고, 상기 기계 부품에 대한 분석을 요청하는 분석 요청을 상기 PHM 서버로 전송하고, 상기 PHM 서버로부터 상기 기계 부품의 부품의 교체 시기를 수신하여 상기 부품의 제조사에게 상기 교체 시기를 알리는 B2B(Business to Business) 거래 플랫폼 서버를 포함하는 기계부품 고장예지 및 수명예측 시스템.
  2. 제1항에 있어서, 상기 정보 수집 장치는
    상기 진단 대상 기계 부품의 복수의 위치들에 각각 설치되며 상기 복수의 위치에서 측정 데이터를 각각 획득하는 복수의 IOT (Internet Of Things) 센서와,
    상기 진단 대상 기계 부품으로부터 발생하는 소음 및 진동을 감지하고 상기 감지된 소음 및 진동에 기초하여 상기 진단 대상 기계 부품의 이상을 판단하고, 상기 진단 대상 기계 부품에 이상이 발생한 것으로 판단되면 상기 복수의 IOT 센서들에 웨이크업(wake-up signal) 신호를 출력하고, 상기 복수의 IOT 센서들로부터 복수의 측정 테이터를 수신하는 마스터 장치를 포함하는 기계부품 고장예지 및 수명예측 시스템.
  3. 제2항에 있어서, 상기 마스터 장치는 상기 소음으로부터 기계 부품들 간의 마찰음을 분리하고 상기 마찰음에 기초하여 상기 부품들의 이상 여부를 판단하는 기계부품 고장예지 및 수명예측 시스템.
  4. 제1항에 있어서,
    상기 정보 수집 장치로부터 상기 기계 부품에 관련된 측정 정보를 수신하여 상기 PHM 서버로 전송하는 단말기를 더 포함하는 기계부품 고장예지 및 수명예측 시스템.
  5. 제4항에 있어서, 상기 정보 수집 장치는
    상기 진단 대상 기계 부품의 복수의 위치들에 각각 설치되며 상기 복수의 위치에서 측정 데이터를 각각 획득하는 복수의 IOT (Internet Of Things) 센서와,
    상기 단말기로부터 정보 수집 요청을 수신하면 상기 복수의 IOT 센서들에 웨이크업(wake-up signal) 신호를 출력하고, 상기 복수의 IOT 센서들로부터 측정 데이터를 수신하는 마스터 장치를 포함하는 기계부품 고장예지 및 수명예측 시스템.
  6. 제2항 또는 제5항에 있어서,
    상기 분석 요청은 상기 복수의 IOT 센서들의 ID, 측정 데이터 및 상기 복수의 IOT 센서들이 설치되는 부품 규격을 포함하는 기계부품 고장예지 및 수명예측 시스템.
  7. 제1항에 있어서,
    상기 B2B 거래 플랫폼 서버는
    상기 PHM 서버와 통신하여 상기 PHM 서버로부터 상기 기게 장치의 상태 진단 및 수명 예측 결과를 수신하고 모니터링 서비스를 위한 뷰 테이블을 생성하거나 갱신하는 PHM 서버 연동 모듈과,
    상기 뷰 테이블을 저장하는 데이터베이스를 포함하는 기계부품 고장예지 및 수명예측 시스템.
  8. 제1항에 있어서,
    상기 PHM 서버는 상기 기계 부품의 상태 진단 및 수명 예측 알고리즘을 저장하는 기계부품 고장예지 및 수명예측 시스템.
  9. B2B(Business to Business) 유통 서비스 시스템에 있어서,
    진단 대상 기계 부품에 관련된 측정 정보를 수집하는 정보 수집 장치;
    상기 기계 부품의 상태 진단을 수행하고 상기 기계 부품의 고장 또는 수명을 예측하며 상기 기계 부품의 교체 시기를 산출하는 PHM (prognostics and health management) 서버;
    상기 기계 부품에 대한 분석을 요청하는 분석 요청을 수신하면 상기 분석 요청을 상기 PHM 서버로 전송하고, 상기 PHM 서버로부터 상기 기계 부품의 부품의 교체 시기를 수신하여 상기 부품의 제조사에게 상기 교체 시기를 알리는 B2B 거래 플랫폼 서버;
    상기 기계 부품의 전반적인 관리를 수행하고, 상기 정보 수집 장치로부터 상기 기계 부품에 관련한 측정 정보를 수신하면 상기 B2B 마켓 플랫폼 서버로 상기 측정 정보를 포함한 분석 요청을 전송하는 기계 부품 관리 서버; 및
    상기 B2B 마켓 플랫폼 서버로부터 상기 기계 부품에 관련된 부품 주문을 수신하고 부품의 생산을 관리하고 주문 부품의 출고시 상기 기계 부품 관리 서버 또는 B2B 마켓 플랫폼 서버로 부품의 출고를 통지하는 제조사 서버를 포함하는 B2B 유통 서비스 시스템.
  10. 제9항에 있어서, 상기 정보 수집 장치는
    상기 진단 대상 기계 부품의 복수의 위치들에 각각 설치되며 상기 복수의 위치에서 측정 데이터를 각각 획득하는 복수의 IOT (Internet Of Things) 센서와,
    상기 진단 대상 기계 부품로부터 발생하는 소음 및 진동을 감지하고 상기 감지된 소음 및 진동에 기초하여 상기 진단 대상 기계 부품의 이상을 판단하고, 상기 진단 대상 기계 부품에 이상이 발생한 것으로 판단되면 상기 복수의 IOT 센서들에 웨이크업(wake-up signal) 신호를 출력하고, 상기 복수의 IOT 센서들로부터 복수의 측정 테이터를 수신하는 마스터 장치를 포함하는 B2B 유통 서비스 시스템.
  11. 제10항에 있어서, 상기 마스터 장치는 상기 소음으로부터 기계 부품들 간의 마찰음을 분리하고 상기 마찰음에 기초하여 상기 부품들의 이상 여부를 판단하는 B2B 유통 서비스 시스템.
  12. 제9항에 있어서,
    상기 정보 수집 장치로부터 상기 기계 부품에 관련된 측정 정보를 수신하여 상기 PHM 서버로 전송하는 단말기를 더 포함하는 B2B 유통 서비스 시스템.
  13. 제9항에 있어서, 상기 정보 수집 장치는
    상기 진단 대상 기계 부품의 복수의 위치들에 각각 설치되며 상기 복수의 위치에서 측정 데이터를 각각 획득하는 복수의 IOT (Internet Of Things) 센서와,
    상기 단말기로부터 정보 수집 요청을 수신하면 상기 복수의 IOT 센서들에 웨이크업(wake-up signal) 신호를 출력하고, 상기 복수의 IOT 센서들로부터 측정 데이터를 수신하는 마스터 장치를 포함하는 B2B 유통 서비스 시스템.
  14. 제10항 또는 제13항에 있어서,
    상기 분석 요청은 상기 복수의 IOT 센서들의 ID, 측정 데이터 및 상기 복수의 IOT 센서들이 설치되는 부품 규격을 포함하는 B2B 유통 서비스 시스템.
KR1020190052400A 2019-05-03 2019-05-03 기계부품 고장예지 및 수명예측 시스템 및 이를 기반으로 한 b2b 유통 서비스 시스템 KR102247013B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190052400A KR102247013B1 (ko) 2019-05-03 2019-05-03 기계부품 고장예지 및 수명예측 시스템 및 이를 기반으로 한 b2b 유통 서비스 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190052400A KR102247013B1 (ko) 2019-05-03 2019-05-03 기계부품 고장예지 및 수명예측 시스템 및 이를 기반으로 한 b2b 유통 서비스 시스템

Publications (2)

Publication Number Publication Date
KR20200127719A true KR20200127719A (ko) 2020-11-11
KR102247013B1 KR102247013B1 (ko) 2021-04-30

Family

ID=73451624

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190052400A KR102247013B1 (ko) 2019-05-03 2019-05-03 기계부품 고장예지 및 수명예측 시스템 및 이를 기반으로 한 b2b 유통 서비스 시스템

Country Status (1)

Country Link
KR (1) KR102247013B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464569A (zh) * 2020-12-10 2021-03-09 北京明略软件系统有限公司 一种机器学习方法及系统
KR20230096734A (ko) 2021-12-23 2023-06-30 한국로봇융합연구원 감속기 진단 시스템
KR20230096720A (ko) 2021-12-23 2023-06-30 한국로봇융합연구원 감속기 고장 진단용 학습 데이터 생성 시스템
KR102566456B1 (ko) * 2022-11-30 2023-08-14 주식회사 엑센솔루션 뿌리산업을 위한 제조 현장 통합 관리 시스템 및 그 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102376343B1 (ko) * 2021-09-30 2022-03-21 주식회사 블록스미스 피디엠을 통한 아이오티 기기 관리 시스템
KR102591997B1 (ko) 2023-03-03 2023-10-23 (주)제이제이인터내셔날 산업용 부품 신뢰성 테스트 연계 기능을 갖는 판매 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005164314A (ja) * 2003-12-01 2005-06-23 Nsk Ltd 転動装置の異常予知方法および異常予知装置
KR20170105962A (ko) * 2016-03-11 2017-09-20 이승환 산업설비 유지 관리시스템
KR20180068101A (ko) * 2016-12-13 2018-06-21 주식회사 큐엔티 로봇 예측 정비 서비스 제공 방법 및 서버

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005164314A (ja) * 2003-12-01 2005-06-23 Nsk Ltd 転動装置の異常予知方法および異常予知装置
KR20170105962A (ko) * 2016-03-11 2017-09-20 이승환 산업설비 유지 관리시스템
KR20180068101A (ko) * 2016-12-13 2018-06-21 주식회사 큐엔티 로봇 예측 정비 서비스 제공 방법 및 서버

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464569A (zh) * 2020-12-10 2021-03-09 北京明略软件系统有限公司 一种机器学习方法及系统
KR20230096734A (ko) 2021-12-23 2023-06-30 한국로봇융합연구원 감속기 진단 시스템
KR20230096720A (ko) 2021-12-23 2023-06-30 한국로봇융합연구원 감속기 고장 진단용 학습 데이터 생성 시스템
KR102566456B1 (ko) * 2022-11-30 2023-08-14 주식회사 엑센솔루션 뿌리산업을 위한 제조 현장 통합 관리 시스템 및 그 방법

Also Published As

Publication number Publication date
KR102247013B1 (ko) 2021-04-30

Similar Documents

Publication Publication Date Title
KR102247013B1 (ko) 기계부품 고장예지 및 수명예측 시스템 및 이를 기반으로 한 b2b 유통 서비스 시스템
Prytz et al. Predicting the need for vehicle compressor repairs using maintenance records and logged vehicle data
US20200061768A1 (en) Information processing method, information processing system, and information processing device
Tiddens et al. Exploring predictive maintenance applications in industry
US10837866B2 (en) Self-learning malfunction monitoring and early warning system
KR102344852B1 (ko) 펌프 베어링 시스템의 디지털 트윈 기반 예측진단 장치
CN110347124A (zh) 利用了网络的诊断服务系统以及诊断方法
CN104412091A (zh) 轴承监控方法和系统
US10054920B2 (en) Remote diagnostic system
Jonsson et al. Organizational dimensions of e-maintenance: a multi-contextual perspective
KR101278428B1 (ko) 예지 보전 기반의 실시간 협업 기업 자산 관리 시스템 및 방법
JP4236022B2 (ja) 機械部品の監視・診断・販売システム
KR20140072331A (ko) 이상진단 사전감시 방법
Siddhartha et al. IoT enabled real-time availability and condition monitoring of CNC machines
US20180164779A1 (en) Method, server, and program for providing real-time robot monitoring service
El Kihel et al. Method of Implementing Maintenance 4.0 in Industry-A Case study of an Industrial System
Edwards et al. Internet of things–A complete solution for aviation’s predictive maintenance
Wagner et al. An overview of useful data and analyzing techniques for improved multivariate diagnostics and prognostics in condition-based maintenance
CN111579001A (zh) 机器人的故障检测方法及装置
Chen et al. BIM-and IoT-Based Data-Driven Decision Support System for Predictive Maintenance of Building Facilities
KR20110019938A (ko) 센서태그를 이용한 바이오/의료장비 이상 이력관리 시스템 및 그 운용방법
KR20230041345A (ko) 디지털 트윈 정보를 활용한 장비 관리 시스템
KR102092856B1 (ko) 기계 모니터링 장치
KR20190001414A (ko) 실시간 로봇 모니터링 서비스 제공 방법, 서버 및 프로그램
Suzuki et al. An anomaly detection system for advanced maintenance services

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