KR20210009151A - 원격 관제를 위한 시스템의 동작 방법 및 이를 수행하는 시스템 - Google Patents

원격 관제를 위한 시스템의 동작 방법 및 이를 수행하는 시스템 Download PDF

Info

Publication number
KR20210009151A
KR20210009151A KR1020190085784A KR20190085784A KR20210009151A KR 20210009151 A KR20210009151 A KR 20210009151A KR 1020190085784 A KR1020190085784 A KR 1020190085784A KR 20190085784 A KR20190085784 A KR 20190085784A KR 20210009151 A KR20210009151 A KR 20210009151A
Authority
KR
South Korea
Prior art keywords
tractor
remote control
control target
target equipment
platform device
Prior art date
Application number
KR1020190085784A
Other languages
English (en)
Other versions
KR102292276B1 (ko
Inventor
한영진
김원모
이승진
최정운
Original Assignee
주식회사 엘지유플러스
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 주식회사 엘지유플러스 filed Critical 주식회사 엘지유플러스
Priority to KR1020190085784A priority Critical patent/KR102292276B1/ko
Publication of KR20210009151A publication Critical patent/KR20210009151A/ko
Application granted granted Critical
Publication of KR102292276B1 publication Critical patent/KR102292276B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/30—
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

이하의 실시예는 원격 관제를 위한 시스템의 동작 방법에 관한 것이다. 실시예에 따른 원격 관제를 위한 플랫폼 장치의 동작 방법은 원격 관제 대상 장비의 수집 정보를 수신하는 단계; 수집 정보를 저장하는 단계; 기학습된 머신러닝 기반의 분석 모델을 통해 수집 정보를 분석하여 원격 관제 대상 장비의 상태를 진단하는 단계; 및 원격 관제 대상 장비의 진단 상태에 기초하여 알림을 사용자 단말로 전송하는 단계를 포함할 수 있다.

Description

원격 관제를 위한 시스템의 동작 방법 및 이를 수행하는 시스템{System Operating Method For Broadcast Control And System of Thereof}
이하의 실시예는 원격 관제를 위한 시스템의 동작 방법 및 이를 수행하는 시스템에 관한 것이다.
일반적으로 원격으로 장비를 제어하는 시스템은 건설기계 및 농업용 제품에 적용되어 판매되고 있다. 이들 제품은 송신기 및 수신기가 장착되어 원거리에서 사람이 직접 제어한다.
원격으로 장비를 제어하는 건설기계의 대표적인 제품으로 중량물을 이송하는 크레인, 콘크리트 펌프카 등이 있으며, 이들 차량은 원거리에 있으나 작업자는 차량에서 떨어진 위치에 있어 작업 상황을 볼 수 없기 때문에 원격제어 장비를 장착하여 원거리에 떨어진 작업장에서 운전자가 송신기를 조작하여 차량을 제어한다.
한편, 운영 관제 기술은 2D/3D 캐드(CAD)를 통해 제품 디자인 및 제품 개발 후 IoT 등의 웹 기술을 활용한 원격 관제 방식으로 개발과 운영이 분리되어 있으며, 이러한 기술이 적용되는 분야가 한정되어 있다.
본 발명은 실시예에서, 디지털 트윈을 통해 일원화된 장비의 개발, 관리, 모니터링, 진단이 가능한 기능을 제공하고자 한다.
원격 관제를 위한 플랫폼 장치의 동작 방법에 있어서, 원격 관제 대상 장비의 수집 정보를 수신하는 단계; 상기 수집 정보를 저장하는 단계; 기학습된 머신러닝 기반의 분석 모델을 통해 상기 수집 정보를 분석하여 상기 원격 관제 대상 장비의 상태를 진단하는 단계; 및 상기 원격 관제 대상 장비의 진단 상태에 기초하여 알림을 사용자 단말로 전송하는 단계를 포함하는, 플랫폼 장치의 동작 방법이 제공될 수 있다.
상기 원격 관제 대상 장비는 트랙터이고, 상기 수집 정보 중 상기 트랙터의 가상 모델(virtual model)을 생성하기 위한 제1 데이터를 디지털 트윈에 전송하는 단계; 및 상기 트랙터의 진단 상태에 따라, 상기 수집 정보 중 상기 트랙터를 대상으로 하는 증강 현실 뷰를 생성하기 위한 제2 데이터를 사용자 단말에 전송하는 단계를 더 포함하며, 상기 트랙터 분석 모델은 상기 수집 정보에 기초하여 상기 트랙터의 상태를 진단하도록 학습된 모델일 수 있다.
상기 디지털 트윈은, 상기 트랙터를 모델링하여 상기 트랙터의 동작을 가상 현실로 시뮬레이션하는 환경을 제공할 수 있다.
상기 원격 관제 대상 장비는 트랙터이고, 상기 트랙터의 수집 정보를 수신하는 단계는, 상기 트랙터로부터 발생하는 CAN(Controlled Area Network) 메시지가 변환된 상기 수집 정보를 상기 트랙터로부터 수신하는 단계를 포함할 수 있다.
상기 원격 관제 대상 장비는 트랙터이고, 상기 머신러닝 기반의 트랙터 분석 모델은, 상기 트랙터에서 발생하는 소리들 및 상기 소리들 중 상기 트랙터의 클러치에서 발생하는 소리들을 구분하는 단계; 상기 클러치에서 발생한 소리들 중, 상기 클러치의 고장 원인이 되는 적어도 하나의 고장 원인 소리를 분류하는 단계; 및 상기 고장 원인 및 상기 적어도 하나의 고장 원인 소리를 학습하는 단계를 통해 학습될 수 있다.
상기 트랙터에서 발생하는 소리는 오디오 파일이고, 상기 고장 원인 및 상기 적어도 하나의 고장 원인 소리를 학습하는 단계는, 상기 고장 원인 및 상기 고장 원인에 대응하는 고장 원인 소리의 오디오 파일을 학습하는 단계를 포함할 수 있다.
상기 원격 관제 대상 장비는 트랙터이고, 상기 수집 정보는 상기 트랙터에서 발생하는 소리의 오디오 파일을 포함하고, 상기 기학습된 머신러닝 기반의 트랙터 분석 모델을 통해 상기 수집 정보를 분석하여 상기 트랙터의 상태를 진단하는 단계는, 상기 오디오 파일을 분석하여 상기 트랙터의 클러치에 이상 발생 여부를 판단하는 단계를 포함할 수 있다.
상기 원격 관제 대상 장비는 트랙터이고, 상기 트랙터의 진단 상태에 관련된 시간 정보 및 시뮬레이션 정보를 빅데이터로 저장하는 단계를 더 포함할 수 있다.
원격 관제를 위한 디지털 트윈의 동작 방법에 있어서, 플랫폼 장치로부터 원격 관제 대상 장비의 수집 정보 및 기학습된 머신러닝 기반의 분석 모델을 통해 상기 수집 정보가 분석된 상기 원격 관제 대상 장비의 진단 상태를 수신하는 단계; 상기 수집 정보에 기초하여 상기 원격 관제 대상 장비의 모델을 업데이트하는 단계; 및 상기 업데이트된 모델에 기초하여 상기 원격 관제 대상 장비의 가상 현실 시뮬레이션을 제공하는 단계를 포함하는, 디지털 트윈의 동작 방법이 제공될 수 있다.
상기 원격 관제 대상 장비는 트랙터이고, 상기 트랙터의 진단 상태에 기초하여 상기 트랙터의 고장 발생에 대한 알람을 사용자 단말로 전송하는 단계를 더 포함할 수 있다.
상기 원격 관제 대상 장비는 트랙터이고, 상기 트랙터의 가상 현실 시뮬레이션을 통해 상기 트랙터의 클러치의 이상 발생에 대한 시간 정보를 획득하는 단계; 및 상기 트랙터의 클러치의 이상 발생에 대한 시간 정보를 상기 플랫폼 장치의 빅데이터로 전송하는 단계를 더 포함할 수 있다.
본 발명의 실시예를 통해 2D/3D 캐드(CAD), IoT, 빅데이터, 인공 지능, 증강현실 등의 기술을 활용하여 물리적 자산과 동일한 형태의 디지털 자산인 디지털 트윈을 통해 일원화된 장비의 개발, 관리, 모니터링, 진단이 가능한 기능을 제공할 수 있다.
도 1은 일실시예에 있어서, 트랙터 관제를 위한 시스템을 설명하기 위한 도면이다.
도 2는 일실시예에 있어서, 트랙터 관제를 위한 시스템의 동작 방법을 설명하기 위한 흐름도이다.
도 3은 일실시예에 있어서, 트랙터 관제를 위한 머신러닝 기반의 트랙터 분석 모델을 학습하는 방법을 설명하기 위한 도면이다.
도 4는 일실시예에 있어서, 트랙터 관제를 위한 시스템 중 플랫폼 장치 및 디지털 트윈의 구성을 설명하기 위한 도면이다.
이하, 본 발명의 실시예에 대해서 첨부된 도면을 참조하여 자세히 설명하도록 한다.
본 명세서에서 개시되어 있는 특정한 구조적 또는 기능적 설명들은 단지 기술적 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 실시예들은 다양한 다른 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
제1 또는 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 이해되어야 한다. 예를 들어 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~간의에"와 "바로~간의에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일실시예에 있어서, 트랙터 관제를 위한 시스템을 설명하기 위한 도면이다.
실시예에서, 통신 장치(10)는 원격 관제 대상 장비인 트랙터와 연결되어 트랙터로부터 발생하는 CAN(Controlled Area Network) 메시지를 종단하고, 해당 메시지를 통신이 가능한 무선 통신이 가능한 프로토콜 예를 들어, MQTT 프로토콜 등으로 변환하여 플랫폼 장치(20)로 전송하는 역할을 수행할 수 있다. 해당 메시지는 이하에서 수집 정보로 기재하도록 한다. 이를 위해서 통신 장치는 4G 혹은 5G 통신을 위한 기능을 포함할 수 있다. 해당 통신 기능을 통해 플랫폼 장치(20)에서 발생하는 메시지를 수신할 수 있다.
통신 장치(10)는 트랙터의 GPS 정보를 획득하여 해당 정보를 플랫폼 장치(20)로 전송할 수 있다. 실시예에서, GPS 정보는 정밀 GPS 등의 GPS 장치를 통해 획득할 수 있다.
통신 장치(10)는 미리 정해진 주기, 혹은 수집 명령에 의해서 트랙터의 수집 정보를 획득할 수 있고, 수집 정보를 플랫폼 장치(20)로 전송할 수 있다.
플랫폼 장치(20)는 통신 장치(10)로부터 전송되는 트랙터에 대한 수집 정보를 획득할 수 있다. 실시예에서, 플랫폼 장치(20)는 통신을 위한 IoT 플랫폼, 빅데이터의 저장을 위한 빅데이터 플랫폼 및 트랙터의 상태 진단을 위한 인공지능 플랫폼을 포함하여 구성될 수 있다.
실시예에서, 장치 내 빅데이터 플랫폼에 전송된 트랙터에 대한 수집 정보를 저장할 수 있다.
플랫폼 장치(20)는 저장되어 있는 트랙터에 대한 정보들을 마이닝하고 분석하며, 분석된 정보를 이용하여 트랙터에 대한 상태를 진단할 수 있다.
실시예에서, 플랫폼 장치(20)는 기학습된 머신러닝 기반의 트랙터 분석 모델을 포함할 수 있고, 해당 모델을 통해 수집 정보를 분석하여 트랙터의 상태, 예를 들어 트랙터에 고장 발생 여부에 대해 진단할 수 있다.
실시예에 따른 머신러닝 기반의 트랙터 분석 모델은 트랙터에서 발생하는 데이터와 해당 데이터에 대응하는 트랙터의 상태를 학습함으로써 구축될 수 있다. 트랙터 분석 모델에 대해서는 이후 도 3을 통해 자세히 설명하도록 한다.
플랫폼 장치(20)는 분석한 트랙터의 진단 상태에 기초하여 경고 알림을 디지털 트윈(30) 및/또는 사용자 단말(40)로 전송할 수 있다.
실시예에서, 플랫폼 장치(20)는 트랙터에서 발생하는 소리의 오디오 파일을 포함하는 수집 정보를 수신할 수 있고, 트랙터에서 발생하는 소리에 대해 학습된 트랙터 분석 모델을 통해 해당 오디오 파일을 분석하여 트랙터에서의 고장 발생 여부, 예를 들어, 트랙터의 클러치에 이상이 발생했는지 여부를 판단할 수 있다.
플랫폼 장치(20)는 트랙터에 대한 진단 상태, 예를 들어 클러치의 이상 발생 여부에 관련된 시간 정보 예컨대, 이상 발생 시간, 트랙터의 출시 이후 경과 시간, 고장 예상 시간 등에 대한 정보 및 시뮬레이션을 통한 예측 정보 등을 빅데이터로 저장할 수 있다. 또한, 해당 정보들을 포함하는 경고 알림을 사용자 단말(40) 및 디지털 트윈(30)으로 전송할 수 있으며, 예컨대 예측된 클러치의 고장 시간이 도래하지 않았음에 불구하고 클러치 고장이 발생하는 경우엔 해당 사항에 대한 알림을 전송하여, 사용자로 하여금 원인을 분석함으로써 제품 개선에 활용할 수 있도록 할 수 있다.
디지털 트윈(30)은, 물리적 사물을 가상화하여 시뮬레이션 환경을 제공하기 위한 것으로, 실시예에서는 트랙터를 3D로 모델링하여 트랙터의 동작을 시뮬레이션하기 위한 환경을 제공할 수 있다.
디지털 트윈(30)은, 물리적인 트랙터를 2D/3D의 디지털 트랙터로 모델링할 수 있고, 플랫폼 장치(20)와 연동되어 실제 운영 데이터에 기초한 실시간 뷰로 가상 현실을 제공할 수 있으며, 트랙터의 동작 시뮬레이션을 통해 트랙터의 동작을 분석하기 위한 환경을 제공할 수 있다.
실시예에 따른 디지털 트윈(30)은 GIS(Geographic Information System)과 연동되어 위치 관리를 관리할 수 있도록 한다.
실시예에서, 디지털 트윈(30)은 2D/3D CAD/CAE를 활용한 시뮬레이션을 통해 트랙터의 동작에 대한 정보를 획득할 수 있다. 예를 들어, 디지털 트윈(30)에서 트랙터의 변속 횟수에 대응하여 클러치가 마멸되는데, 클러치의 마멸에 따른 클러치의 고장 발생까지의 예상 소요 시간, 또는 트랙터의 윤활유 부족에 따른 클러치의 라이닝 경화 마멸에 따른 클러치의 고장 발생까지의 예상 소요시간 등에 대해 시뮬레이션을 통해 결과를 획득할 수 있고, 해당 시뮬레이션에 따른 베어링 마모 정보 등의 정보를 함께 획득할 수 있다. 해당 시뮬레이션을 통해 획득한 정보들은 플랫폼 장치(20)로 전송되어 빅데이터로 저장될 수 있다.
사용자 단말(40)은 스마트폰, 태블릿, PC 등의 형태를 포함할 수 있고, 카메라 및 사용자 앱을 실행시키기 위한 사양을 포함할 수 있다.
실시예에 따른 사용자 단말(40)은 구비된 카메라 및 설치된 앱이 제공하는 증강 현실 기능을 이용하여 트랙터에 대한 고장 진단을 돕기 위한 수단으로 이용될 수 있다. 사용자 단말(40)의 카메라를 통해 트랙터를 촬영하면, 해당 촬영 영상을 통해 트랙터의 고장 진단을 돕기 위한 증강 현실 뷰를 제공할 수 있다. 사용자 단말(40)은 플랫폼 장치(20) 및/또는 디지털 트윈(30)과 연동되어 트랙터의 고장 발생에 대한 경고 알림을 수신 및 실행할 수 있다.
도 2는 일실시예에 있어서, 트랙터 관제를 위한 시스템의 동작 방법을 설명하기 위한 흐름도이다.
단계(201)에서, 통신 장치는 트랙터에 대한 수집 정보를 플랫폼 장치로 전송할 수 있다.
실시예에 따른 수집 정보는 트랙터에서 발생된 CAN 메시지의 프로토콜이 변환된 메시지로, 예를 들어 트랙터의 소리에 대한 오디오 파일을 포함하거나, 트랙터의 정밀 GPS 정보를 포함하거나, 이미지, 동영상 등의 형태의 파일을 포함할 수 있다.
단계(202)에서 플랫폼 장치는 수집 정보를 빅데이터 플랫폼에 저장할 수 있다.
단계(203)에서 플랫폼 장치는 수집 정보를 디지털 트윈으로 업데이트할 수 있다. 실시예에서, 수집 정보가 디지털 트윈으로 업데이트될 시, 디지털 트윈을 통해 트랙터의 가상 현실 시뮬레이션의 2D/3D 모델을 생성하기 위한 데이터가 전송될 수 있으며, 해당 데이터는 수집 정보의 일부 또는 전체에 해당할 수 있다.
단계(204)에서 디지털 트윈은 수집 정보를 기초하여 시뮬레이션을 위한 2D/3D 모델 정보를 업데이트할 수 있다.
실시예에서, 수집 정보에 포함되는 트랙터의 변경 사항에 기초하여 디지털 트윈에서 제공하는 시뮬레이션에 변경 사항을 적용할 수 있다.
단계(205)에서 플랫폼 장치는 트랙터 상태를 진단하고 알림을 요청할 수 있다.
실시예에서, 플랫폼 장치는 수집 정보에 기초하여 트랙터에 고장 발생 여부에 대해 판단할 수 있고, 트랙터에 고장이 발생한 것으로 판단되면 트랙터 고장에 대해서 디지털 트윈 및 사용자 단말 중 적어도 하나에 대해서 경고 알림을 전송하도록 할 수 있다. 이를 위해, 플랫폼 장치에서 수집 정보의 일부 또는 전체에 해당하는 데이터를 트랙터 분석 모델로 입력하고, 트랙터 분석 모델에서 트랙터의 상태가 진단될 수 있다.
예를 들어, 수집 정보에 트랙터에서 발생하는 소리의 대한 오디오 파일이 포함되는 경우, 플랫폼 장치는 기학습되어 저장된 트랙터 분석 모델에 기초하여 해당 오디오 파일이 트랙터의 고장에 관련되는 소리인지 판단함으로써 트랙터의 고장을 진단하거나 예측할 수 있고, 트랙터의 고장 진단 또는 예측 상황에 대응하여 플랫폼 장치는 디지털 트윈 및 사용자 단말 중 적어도 하나에 대해서 경고 알림을 전송하도록 할 수 있다.
단계(206)에서 플랫폼 장치는 디지털 트윈으로 경고 알림을 전송할 수 있다.
단계(207)에서 디지털 트윈은 해당 경고 알림을 노출할 수 있다. 실시예에서, 사용자 단말로 경고 알림을 전송하거나, 해당 시스템에 미리 지정되어 있는 관리자에 대해서 미리 정해진 방식으로 경고가 출력될 수 있다.
단계(208)에서 플랫폼 장치는 사용자 단말로 경고 알림을 전송할 수 있다.
실시예에서, 단계(206) 및 단계(208)에서 경고 알림이 전송되는 순서에 대해서는 도면에 제한되지는 않는다.
단계(209)에서 사용자 단말은 경고 알림에 대응하여 앱을 실행시키고, 앱을 통해 트랙터를 태깅할 수 있다.
실시예에서, 앱은 사용자 단말에 구비된 카메라 등을 이용하여 트랙터에 대한 증강 현실을 제공할 수 있다. 이를 위해, 사용자 단말에서 실행되는 앱을 통해 트랙터를 태깅하되, 물리적인 트랙터의 미리 정해진 위치로 제공되는 코드를 태깅하거나 트랙터의 일부를 촬영하는 등의 방식을 통해 해당 트랙터를 태깅할 수 있다.
단계(210)에서 사용자 단말은 플랫폼 장치로부터 트랙터 정보를 수집할 수 있다.
실시예에서는, 플랫폼 장치 내 빅데이터 플랫폼에 저장되는 트랙터 정보, 예를 들어, 트랙터의 외관 및 각 부분에 대응하는 이미지 정보, 부품 정보, 동작 정보 등의 트랙터의 증강 현실을 제공하기 위해 필요한 정보들을 수신할 수 있다. 사용자 단말은 트랙터 정보를 수집하기 위해 플랫폼 장치로 트랙터 정보를 요청할 수 있다.
또는, 사용자 단말은 플랫폼 장치로부터 수집 정보의 일부를 포함하여 트랙터를 대상으로 증강 현실 뷰를 생성하기 위한 데이터를 수신할 수도 있다.
단계(211)에서 사용자 단말은 증강현실 뷰를 제공할 수 있다.
단계(212)에서 디지털 트윈은 사용자 단말과의 연동을 통해 트랙터에 발생한 고장 등의 상황에 대해서 동일한 뷰를 통해 이슈를 조치하고 해결을 지원할 수 있다.
실시예에서, 플랫폼 장치로부터 전송된 경고 알림에 대응하는 트랙터에 대한 증강 현실 뷰를 제공할 수 있다. 예를 들어, 실제 트랙터의 촬영 영상을 기준으로 디지털 트윈과 연동하여 사용자에게 추가적인 정보를 전달하기 위한 증강 현실 뷰가 제공될 수 있다. 이로 인하여, 실제 트랙터의 촬영 영상에 대해서 고장이나 이상이 발생한 부위를 알리고, 디지털 트윈과 연동하여 해당 부위의 수리나 교체, 혹은 응급처치를 가이드 하는 기능 등 다양한 형태로 증강 현실 뷰가 제공될 수 있다.
실시예에서, 디지털 트윈은 사용자 앱으로 원격으로 접속을 요청함으로써 사용자와 관리자가 증강 현실 뷰 및 가상 현실 뷰의 동일한 뷰를 통해 트랙터에 발생한 고장 등의 이슈를 처리할 수 있도록 하며, 또는 유무선 음성 연결 서비스를 제공할 수도 있다.
예를 들어, 디지털 트윈은 수집된 정보 또는 엔지니어링 정보를 활용한 AI를 통해 트랙터에 발생한 고장 등의 이슈를 파악하고, 사용자 앱으로 알림을 전송하면, 해당 알림을 통해 사용자 앱이 증강 현실 뷰를 제공할 수 있다. 사용자 앱은 트랙터 인식을 위해 적용된 모델 타깃(CAD 데이터 활용) 기술을 활용하여 트랙터를 인지하고 디지털 트윈과 연결하여 필요 정보를 교환하여 고장 부위 등을 증강 현실로 제공할 수 있다.
또한, 디지털 트윈의 관제 화면에서는 증강 현실과 연동하여 증강 현실 확장 트래킹(extended tracking) 기술(원격에서 실제 사물에 펜을 그리면 이미지 및 클라우드 포인트 정보 등을 활용하여 카메라 뷰, 증강 저보, 펜 드로잉 정보 등이 유지되도록 하는 기술) 및 원격 화면 제어 기술 등을 활용함으로써 동일한 CAD 뷰, 증강 현실을 볼 수 있으며, 음성 통화나 펜 드로잉 등을 통해 원격에서 현장에 대한 가이드를 진행할 수 있도록 할 수 있다.
실시예에서, 디지털 트윈은 CAD 어셈블리 데이터를 이용하여 트랙터 물리적 자산과 동일한 가상 현실 뷰를 제공할 수 있다. 디지털 트윈은 트랙터에서 CAN 메시지를 통해 ECU(엔진), TCU(트랜스 미션), BCU(브레이크), HCU(전자 유압) 등의 정보를 MQTT 또는 기타 프로토콜로 변환하여 모바일 네트워크를 통해 수집 후 트랙터의 3D CAD 뷰 위로 표시하고자 하는 정보 영역에 가시화하여 표시할 수 있다.
도 3은 일실시예에 있어서, 트랙터 관제를 위한 머신러닝 기반의 트랙터 분석 모델을 학습하는 방법을 설명하기 위한 도면이다.
실시예에서, 트랙터에서 발생하는 소리를 학습하여 트랙터의 고장 유무 및 고장 원인을 판단하기 위한 모델을 학습하는 방법에 대해서 설명하도록 한다.
실시예에 따른 학습 방법은 지도 학습 기반의 머신 러닝(300)에 기초한다. 트랙터 분석 모델을 학습하기 위해 트랙터 소리(301) 및 트랙터 소리(301)에 대응하는 클러치의 고장 원인이 되는 소리를 분류하여 트랙터 분석 모델을 학습할 수 있다.
실시예에서, 트랙터에서 발생한 소리의 학습을 위해서 학습 모델로 트랙터 소리(301)는 PCM 파일 등의 오디오 파일로 변환되어 전송될 수 있고 또는 학습 과정을 위해 학습 모델에서 변환될 수도 있다.
실시예에서, 머신러닝(300)을 통해 트랙터 소리(301) 중 클러치 소리를 분류하고, 클러치 소리에 이상 유무를 판단하여 클러치에 이상을 발생시키는 소리를 분류하고 해당 소리에 대해서 클러치의 고장이 발생하는 원인을 판단할 수 있다.
예를 들어, 클러치 릴리스 베어링의 마멸(301)에 의한 클러치 고장을 발생시키는 소리, 클러치 라이닝 경화마멸(302)에 의한 클러치 고장을 발생시키는 소리 등 트랙터의 고장을 발생시키는 원인이 되는 소리를 분류하도록 학습할 수 있다.
실시예에 따라, 트랙터의 다양한 소리, 예컨대 클러치 변속 소리, 기어 잇몸 마모 시 발생하는 소리, 엔진 소리 등을 입력으로 받으면, 전동 변속 장치 클러치에서 발생하는 소리임을 판단하고, 해당 소리에 대응하는 클러치의 고장 원인을 판단할 수 있도록 한다.
플랫폼 장치는 도 3의 과정을 통해 학습된 트랙터 분석 모델을 이용함으로써, 통신 장치로부터 전송된 트랙터의 수집 정보를 이용하여 트랙터의 고장 유무를 판단할 수 있다.
도 4는 일실시예에 있어서, 트랙터 관제를 위한 시스템 중 플랫폼 장치 및 디지털 트윈의 구성을 설명하기 위한 도면이다.
실시예에 따른 트랙터 관제 시스템은 플랫폼 장치(400) 및 디지털 트윈(500)을 포함하여 구성될 수 있다.
실시예에서, 플랫폼 장치(400)는 메모리(410) 및 프로세서(420)를 포함하여 구성되며, 메모리(410)에 저장된 트랙터 관제를 위한 플랫폼 장치의 동작 방법은 프로세서(520)를 통해 실행될 수 있다.
디지털 트윈(500)은 메모리(510) 및 프로세서(520)를 포함하여 구성되며, 메모리(510)에 저장된 트랙터 관제를 위한 디지털 트윈의 동작 방법은 프로세서(520)를 통해 실행될 수 있다.
플랫폼 장치(400)는, 저장되어 있는 트랙터에 대한 정보들을 마이닝하고 분석하며, 분석된 정보를 이용하여 트랙터에 대한 상태를 진단할 수 있다.
실시예에서, 플랫폼 장치(400)는 기학습된 머신러닝 기반의 트랙터 분석 모델을 포함할 수 있고, 해당 모델을 통해 수집 정보를 분석하여 트랙터의 상태, 예를 들어 트랙터에 고장 발생 여부에 대해 진단할 수 있다. 실시예에 따른 트랙터 분석 모델은 도 3의 설명에 따라 기학습된 머신러닝 모델이다.
실시예에 따른 머신러닝 기반의 트랙터 분석 모델은 트랙터에서 발생하는 데이터와 해당 데이터에 대응하는 트랙터의 상태를 학습함으로써 구축될 수 있다. 이를 위해 트랙터에서 발생하는 소리의 오디오 파일이 학습될 수 있다.
예를 들어, 수집 정보에 트랙터에서 발생하는 소리의 대한 오디오 파일이 포함되는 경우, 플랫폼 장치(400)는 기학습되어 저장된 트랙터 분석 모델에 기초하여 해당 오디오 파일이 트랙터의 고장에 관련되는 소리인지 판단함으로써 트랙터의 고장을 진단하거나 예측할 수 있다.
플랫폼 장치(400)는 트랙터에 대한 진단 상태, 예를 들어 클러치의 이상 발생 여부에 관련된 시간 정보 예컨대, 이상 발생 시간, 트랙터의 출시 이후 경과 시간, 고장 예상 시간 등에 대한 정보 및 시뮬레이션을 통한 예측 정보 등을 빅데이터로 저장할 수 있다.
실시예에서, 플랫폼 장치(400)는 분석한 트랙터의 진단 상태에 기초하여 경고 알림을 디지털 트윈(500) 및/또는 사용자 단말로 전송할 수 있다.
트랙터의 고장 진단 또는 예측 상황에 대응하여 플랫폼 장치(400)는 디지털 트윈(500) 및 사용자 단말 중 적어도 하나에 대해서 경고 알림을 전송하도록 할 수 있다.
예컨대, 경고 알림은 경고 알림을 위한 음성, 텍스트 등의 정보를 포함할 수 있다.
또는, 예측된 클러치의 고장 시간이 도래하지 않았음에 불구하고 클러치 고장이 발생하는 경우엔 해당 사항에 대한 알림을 전송하여, 사용자로 하여금 원인을 분석함으로써 제품 개선에 활용할 수 있도록 할 수 있다.
디지털 트윈(500)은, 물리적 사물을 가상화하여 시뮬레이션 환경을 제공하기 위한 것으로, 실시예에서는 트랙터를 3D로 모델링하여 트랙터의 동작을 시뮬레이션하기 위한 환경을 제공할 수 있다.
디지털 트윈(500)은, 물리적인 트랙터를 2D/3D의 디지털 트랙터로 모델링할 수 있고, 플랫폼 장치(400)와 연동되어 실제 운영 데이터에 기초한 실시간 뷰로 증강 현실을 제공할 수 있으며, 트랙터의 동작 시뮬레이션을 통해 트랙터의 동작을 분석하기 위한 환경을 제공할 수 있다.
실시예에 따른 디지털 트윈(500)은 GIS(Geographic Information System)과 연동되어 위치 관리를 관리할 수 있도록 한다.
실시예에서, 디지털 트윈(500)은 2D/3D CAD/CAE를 활용한 시뮬레이션을 통해 트랙터의 동작에 대한 정보를 획득할 수 있다. 예를 들어, 디지털 트윈(30)에서 트랙터의 변속 횟수에 대응하여 클러치가 마멸되는데, 클러치의 마멸에 따른 클러치의 고장 발생까지의 예상 소요 시간, 또는 트랙터의 윤활유 부족에 따른 클러치의 라이닝 경화 마멸에 따른 클러치의 고장 발생까지의 예상 소요시간 등에 대해 시뮬레이션을 통해 결과를 획득할 수 있고, 해당 시뮬레이션에 따른 베어링 마모 정보 등의 정보를 함께 획득할 수 있다. 해당 시뮬레이션을 통해 획득한 정보들은 플랫폼 장치(400)로 전송되어 빅데이터로 저장될 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims (23)

  1. 원격 관제를 위한 플랫폼 장치의 동작 방법에 있어서,
    원격 관제 대상 장비의 수집 정보를 수신하는 단계;
    상기 수집 정보를 저장하는 단계;
    기학습된 머신러닝 기반의 분석 모델을 통해 상기 수집 정보를 분석하여 상기 원격 관제 대상 장비의 상태를 진단하는 단계; 및
    상기 원격 관제 대상 장비의 진단 상태에 기초하여 알림을 사용자 단말로 전송하는 단계
    를 포함하는,
    플랫폼 장치의 동작 방법.
  2. 제1항에 있어서,
    상기 원격 관제 대상 장비는 트랙터이고,
    상기 수집 정보 중 상기 트랙터의 가상 모델(virtual model)을 생성하기 위한 제1 데이터를 디지털 트윈에 전송하는 단계; 및
    상기 트랙터의 진단 상태에 따라, 상기 수집 정보 중 상기 트랙터를 대상으로 하는 증강 현실 뷰를 생성하기 위한 제2 데이터를 사용자 단말에 전송하는 단계
    를 더 포함하며,
    상기 트랙터 분석 모델은 상기 수집 정보에 기초하여 상기 트랙터의 상태를 진단하도록 학습된 모델인,
    플랫폼 장치의 동작 방법.
  3. 제2항에 있어서,
    상기 디지털 트윈은,
    상기 트랙터를 모델링하여 상기 트랙터의 동작을 가상 현실로 시뮬레이션하는 환경을 제공하는,
    플랫폼 장치의 동작 방법.
  4. 제1항에 있어서,
    상기 원격 관제 대상 장비는 트랙터이고,
    상기 트랙터의 수집 정보를 수신하는 단계는,
    상기 트랙터로부터 발생하는 CAN(Controlled Area Network) 메시지가 변환된 상기 수집 정보를 상기 트랙터로부터 수신하는 단계
    를 포함하는,
    플랫폼 장치의 동작 방법.
  5. 제1항에 있어서,
    상기 원격 관제 대상 장비는 트랙터이고,
    상기 머신러닝 기반의 트랙터 분석 모델은,
    상기 트랙터에서 발생하는 소리들 및 상기 소리들 중 상기 트랙터의 클러치에서 발생하는 소리들을 구분하는 단계;
    상기 클러치에서 발생한 소리들 중, 상기 클러치의 고장 원인이 되는 적어도 하나의 고장 원인 소리를 분류하는 단계; 및
    상기 고장 원인 및 상기 적어도 하나의 고장 원인 소리를 학습하는 단계
    를 통해 학습되는,
    플랫폼 장치의 동작 방법.
  6. 제5항에 있어서,
    상기 트랙터에서 발생하는 소리는 오디오 파일이고,
    상기 고장 원인 및 상기 적어도 하나의 고장 원인 소리를 학습하는 단계는,
    상기 고장 원인 및 상기 고장 원인에 대응하는 고장 원인 소리의 오디오 파일을 학습하는 단계
    를 포함하는,
    플랫폼 장치의 동작 방법.
  7. 제1항에 있어서,
    상기 원격 관제 대상 장비는 트랙터이고,
    상기 수집 정보는 상기 트랙터에서 발생하는 소리의 오디오 파일을 포함하고,
    상기 기학습된 머신러닝 기반의 트랙터 분석 모델을 통해 상기 수집 정보를 분석하여 상기 트랙터의 상태를 진단하는 단계는,
    상기 오디오 파일을 분석하여 상기 트랙터의 클러치에 이상 발생 여부를 판단하는 단계
    를 포함하는,
    플랫폼 장치의 동작 방법.
  8. 제1항에 있어서,
    상기 원격 관제 대상 장비는 트랙터이고,
    상기 트랙터의 진단 상태에 관련된 시간 정보 및 시뮬레이션 정보를 빅데이터로 저장하는 단계
    를 더 포함하는,
    플랫폼 장치의 동작 방법.
  9. 원격 관제를 위한 디지털 트윈의 동작 방법에 있어서,
    플랫폼 장치로부터 원격 관제 대상 장비의 수집 정보 및 기학습된 머신러닝 기반의 분석 모델을 통해 상기 수집 정보가 분석된 상기 원격 관제 대상 장비의 진단 상태를 수신하는 단계;
    상기 수집 정보에 기초하여 상기 원격 관제 대상 장비의 모델을 업데이트하는 단계; 및
    상기 업데이트된 모델에 기초하여 상기 원격 관제 대상 장비의 가상 현실 시뮬레이션을 제공하는 단계
    를 포함하는,
    디지털 트윈의 동작 방법.
  10. 제9항에 있어서,
    상기 원격 관제 대상 장비는 트랙터이고,
    상기 트랙터의 진단 상태에 기초하여 상기 트랙터의 고장 발생에 대한 알람을 사용자 단말로 전송하는 단계
    를 더 포함하는,
    디지털 트윈의 동작 방법.
  11. 제9항에 있어서,
    상기 원격 관제 대상 장비는 트랙터이고,
    상기 트랙터의 가상 현실 시뮬레이션을 통해 상기 트랙터의 클러치의 이상 발생에 대한 시간 정보를 획득하는 단계; 및
    상기 트랙터의 클러치의 이상 발생에 대한 시간 정보를 상기 플랫폼 장치의 빅데이터로 전송하는 단계
    를 더 포함하는,
    디지털 트윈의 동작 방법.
  12. 하드웨어와 결합되어 제1항 내지 제11항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
  13. 원격 관제를 위한 플랫폼 장치에 있어서,
    하나 이상의 프로세서;
    메모리; 및
    상기 메모리에 저장되어 있으며 상기 하나 이상의 프로세서에 의하여 실행되도록 구성되는 하나 이상의 프로그램을 포함하고,
    상기 프로그램은,
    원격 관제 대상 장비의 수집 정보를 수신하는 단계;
    상기 수집 정보를 저장하는 단계;
    기학습된 머신러닝 기반의 분석 모델을 통해 상기 수집 정보를 분석하여 상기 원격 관제 대상 장비의 상태를 진단하는 단계; 및
    상기 원격 관제 대상 장비의 진단 상태에 기초하여 알림을 사용자 단말로 전송하는 단계
    를 실행하는,
    플랫폼 장치.
  14. 제13항에 있어서,
    상기 원격 관제 대상 장비는 트랙터이고,
    상기 수집 정보 중 상기 트랙터의 가상 모델(virtual model)을 생성하기 위한 제1 데이터를 디지털 트윈에 전송하는 단계; 및
    상기 트랙터의 진단 상태에 따라, 상기 수집 정보 중 상기 트랙터를 대상으로 하는 증강 현실 뷰를 생성하기 위한 제2 데이터를 사용자 단말에 전송하는 단계
    를 더 실행하며,
    상기 트랙터 분석 모델은 상기 수집 정보에 기초하여 상기 트랙터의 상태를 진단하도록 학습된 모델인,
    플랫폼 장치.
  15. 제14항에 있어서,
    상기 디지털 트윈은,
    상기 트랙터를 3D로 모델링하여 상기 트랙터의 동작의 시뮬레이션하는 환경을 제공하는,
    플랫폼 장치.
  16. 제13항에 있어서,
    상기 원격 관제 대상 장비는 트랙터이고,
    상기 트랙터의 수집 정보를 수신하는 단계에서,
    상기 트랙터로부터 발생하는 CAN(Controlled Area Network) 메시지가 변환된 상기 수집 정보를 상기 트랙터로부터 수신하는 단계
    를 실행하는,
    플랫폼 장치.
  17. 제13항에 있어서,
    상기 원격 관제 대상 장비는 트랙터이고,
    상기 머신러닝 기반의 트랙터 분석 모델은,
    상기 트랙터에서 발생하는 소리들 및 상기 소리들 중 상기 트랙터의 클러치에서 발생하는 소리들을 구분하는 단계;
    상기 클러치에서 발생한 소리들 중, 상기 클러치의 고장 원인이 되는 적어도 하나의 고장 원인 소리를 분류하는 단계; 및
    상기 고장 원인 및 상기 적어도 하나의 고장 원인 소리를 학습하는 단계
    를 통해 학습되는,
    플랫폼 장치.
  18. 제17항에 있어서,
    상기 트랙터에서 발생하는 소리는 오디오 파일이고,
    상기 고장 원인 및 상기 적어도 하나의 고장 원인 소리를 학습하는 단계는,
    상기 고장 원인 및 상기 고장 원인에 대응하는 고장 원인 소리의 오디오 파일을 학습하는 단계
    를 포함하는,
    플랫폼 장치.
  19. 제13에 있어서,
    상기 원격 관제 대상 장비는 트랙터이고,
    상기 수집 정보는 상기 트랙터에서 발생하는 소리의 오디오 파일을 포함하고,
    상기 기학습된 머신러닝 기반의 트랙터 분석 모델을 통해 상기 수집 정보를 분석하여 상기 트랙터의 상태를 진단하는 단계에서,
    상기 오디오 파일을 분석하여 상기 트랙터의 클러치에 이상 발생 여부를 판단하는 단계
    를 실행하는,
    플랫폼 장치.
  20. 제13항에 있어서,
    상기 원격 관제 대상 장비는 트랙터이고,
    상기 트랙터의 진단 상태에 관련된 시간 정보 및 시뮬레이션 정보를 빅데이터로 저장하는 단계
    를 더 실행하는,
    플랫폼 장치.
  21. 원격 관제를 위한 디지털 트윈에 있어서,
    하나 이상의 프로세서;
    메모리; 및
    상기 메모리에 저장되어 있으며 상기 하나 이상의 프로세서에 의하여 실행되도록 구성되는 하나 이상의 프로그램을 포함하고,
    상기 프로그램은,
    플랫폼 장치로부터 원격 관제 대상 장비의 수집 정보 및 기학습된 머신러닝 기반의 분석 모델을 통해 상기 수집 정보가 분석된 상기 원격 관제 대상 장비의 진단 상태를 수신하는 단계;
    상기 수집 정보에 기초하여 상기 원격 관제 대상 장비의 모델을 업데이트하는 단계; 및
    상기 업데이트된 모델에 기초하여 상기 원격 관제 대상 장비의 가상 현실 시뮬레이션을 제공하는 단계
    를 실행하는,
    디지털 트윈.
  22. 제21항에 있어서,
    상기 원격 관제 대상 장비는 트랙터이고,
    상기 트랙터의 진단 상태에 기초하여 상기 트랙터의 고장 발생에 대한 알람을 사용자 단말로 전송하는 단계
    를 더 실행하는,
    디지털 트윈.
  23. 제21항에 있어서,
    상기 원격 관제 대상 장비는 트랙터이고,
    상기 트랙터의 가상 현실 시뮬레이션을 통해 상기 트랙터의 클러치의 이상 발생에 대한 시간 정보를 획득하는 단계; 및
    상기 트랙터의 클러치의 이상 발생에 대한 시간 정보를 상기 플랫폼 장치의 빅데이터로 전송하는 단계
    를 더 실행하는,
    디지털 트윈.
KR1020190085784A 2019-07-16 2019-07-16 원격 관제를 위한 시스템의 동작 방법 및 이를 수행하는 시스템 KR102292276B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190085784A KR102292276B1 (ko) 2019-07-16 2019-07-16 원격 관제를 위한 시스템의 동작 방법 및 이를 수행하는 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190085784A KR102292276B1 (ko) 2019-07-16 2019-07-16 원격 관제를 위한 시스템의 동작 방법 및 이를 수행하는 시스템

Publications (2)

Publication Number Publication Date
KR20210009151A true KR20210009151A (ko) 2021-01-26
KR102292276B1 KR102292276B1 (ko) 2021-08-20

Family

ID=74309968

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190085784A KR102292276B1 (ko) 2019-07-16 2019-07-16 원격 관제를 위한 시스템의 동작 방법 및 이를 수행하는 시스템

Country Status (1)

Country Link
KR (1) KR102292276B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102393289B1 (ko) * 2021-11-17 2022-05-09 (주)에이에스티홀딩스 엣지 클라우드 기반 인지 시각적 능력이 향상된 비정형 데이터 마이닝에서 현장과 지휘 통제 간의 협업을 위한 확장 현실 시스템 및 방법
WO2022186619A1 (ko) * 2021-03-05 2022-09-09 주식회사 맘모식스 디지털 트윈 기반의 사용자 인터랙션 방법 및 장치

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120070383A (ko) * 2010-12-21 2012-06-29 주식회사 케이티 증강현실 기반 태양광 발전 설비 관리 시스템 및 방법
KR101714474B1 (ko) * 2016-01-06 2017-03-09 현대자동차주식회사 차량 전자 장치의 통신방법 및 이를 포함하는 차량
KR20170119353A (ko) * 2016-04-18 2017-10-27 주식회사 세화 소리분석을 통한 선로전환기의 고장 탐지 식별 시스템
KR20180125658A (ko) * 2017-05-15 2018-11-26 현대오토에버 주식회사 디지털sop 및 예측기반 빌딩통합운영시스템 및 방법
KR101988776B1 (ko) * 2017-12-28 2019-06-12 주식회사 현대미포조선 3차원 모델링 기반의 디지털 트윈쉽 시스템
KR20190079807A (ko) * 2017-12-28 2019-07-08 안동대학교 산학협력단 농기계 관리 어댑터, 농기계 관리 어댑터를 이용한 농기계 관리 시스템 및 그 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120070383A (ko) * 2010-12-21 2012-06-29 주식회사 케이티 증강현실 기반 태양광 발전 설비 관리 시스템 및 방법
KR101714474B1 (ko) * 2016-01-06 2017-03-09 현대자동차주식회사 차량 전자 장치의 통신방법 및 이를 포함하는 차량
KR20170119353A (ko) * 2016-04-18 2017-10-27 주식회사 세화 소리분석을 통한 선로전환기의 고장 탐지 식별 시스템
KR20180125658A (ko) * 2017-05-15 2018-11-26 현대오토에버 주식회사 디지털sop 및 예측기반 빌딩통합운영시스템 및 방법
KR101988776B1 (ko) * 2017-12-28 2019-06-12 주식회사 현대미포조선 3차원 모델링 기반의 디지털 트윈쉽 시스템
KR20190079807A (ko) * 2017-12-28 2019-07-08 안동대학교 산학협력단 농기계 관리 어댑터, 농기계 관리 어댑터를 이용한 농기계 관리 시스템 및 그 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022186619A1 (ko) * 2021-03-05 2022-09-09 주식회사 맘모식스 디지털 트윈 기반의 사용자 인터랙션 방법 및 장치
KR102393289B1 (ko) * 2021-11-17 2022-05-09 (주)에이에스티홀딩스 엣지 클라우드 기반 인지 시각적 능력이 향상된 비정형 데이터 마이닝에서 현장과 지휘 통제 간의 협업을 위한 확장 현실 시스템 및 방법

Also Published As

Publication number Publication date
KR102292276B1 (ko) 2021-08-20

Similar Documents

Publication Publication Date Title
JP7263542B2 (ja) 車両・インフラ協調装置及び方法、並びに電子機器及びコンピュータプログラム
US8726084B2 (en) Methods and systems for distributed diagnostic reasoning
Hu et al. An autonomic context management system for pervasive computing
US8751777B2 (en) Methods and reconfigurable systems to optimize the performance of a condition based health maintenance system
US20180011694A1 (en) Field programmable block system delivering context-aware services in resource-challenged environments
CN100392539C (zh) 用于运行技术设备的方法和过程管理系统
CN107921981A (zh) 分布式机器的监测和控制
US20130261796A1 (en) Intelligent robot apparatus responsive to environmental change and method of controlling and reconfiguring intelligent robot apparatus
CN104508627A (zh) 混合云环境
US20190260831A1 (en) Distributed integrated fabric
KR20180108446A (ko) Ict 인프라 관리 시스템 및 이를 이용한 ict 인프라 관리 방법
US20190344799A1 (en) Vehicle control system and method
KR102292276B1 (ko) 원격 관제를 위한 시스템의 동작 방법 및 이를 수행하는 시스템
Kaur et al. Towards an open-standards based framework for achieving condition-based predictive maintenance
CN108490949A (zh) 一种用于控制停车场内avp车辆的方法与设备
CN109743344A (zh) 基于轨道交通的综合监控系统的事件存储方法及其设备
CN109747684B (zh) 用于轨道交通的综合监控系统、方法及计算机设备
JP2024019033A (ja) 車両の遠隔故障診断方法、装置、車両及びコンピュータ記憶媒体
CN111897304B (zh) 用于机器系统中实时诊断和故障监视的方法、设备和系统
US20190146821A1 (en) Virtual processor enabling unobtrusive observation of legacy systems for analytics in soc
US20200160208A1 (en) Model sharing among edge devices
CN112558972A (zh) 应用管理平台、系统、方法、存储介质和程序产品
JP2019120998A (ja) 制御システムおよび制御装置
Hu et al. Toward fog-based event-driven services for internet of vehicles: design and evaluation
KR101475596B1 (ko) 급전원 훈련 시스템 및 그 제어 방법

Legal Events

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