KR20210067062A - 모바일 디바이스 및 정비지원서버를 포함하는 선박 정비 지원 시스템에 의한 선박 정비 지원 방법 - Google Patents
모바일 디바이스 및 정비지원서버를 포함하는 선박 정비 지원 시스템에 의한 선박 정비 지원 방법 Download PDFInfo
- Publication number
- KR20210067062A KR20210067062A KR1020190156316A KR20190156316A KR20210067062A KR 20210067062 A KR20210067062 A KR 20210067062A KR 1020190156316 A KR1020190156316 A KR 1020190156316A KR 20190156316 A KR20190156316 A KR 20190156316A KR 20210067062 A KR20210067062 A KR 20210067062A
- Authority
- KR
- South Korea
- Prior art keywords
- maintenance
- mobile device
- ship
- maintenance support
- analysis model
- Prior art date
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 139
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004458 analytical method Methods 0.000 claims abstract description 89
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 238000007689 inspection Methods 0.000 claims abstract description 12
- 230000005856 abnormality Effects 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims description 39
- 238000013135 deep learning Methods 0.000 claims description 13
- 230000003190 augmentative effect Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 9
- 238000011176 pooling Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B71/00—Designing vessels; Predicting their performance
-
- 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
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Computer Graphics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Computational Linguistics (AREA)
- Pure & Applied Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Ocean & Marine Engineering (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명의 일 실시 예에 따른 선박 정비 지원 방법은 정비지원서버에서 선박 설비에 부착된 하나 이상의 센서로부터 수신한 설비데이터를 미리 생성된 제 1 분석모델을 이용하여 분석하는 단계, 정비지원서버에서 제 1 분석모델을 이용한 분석 결과, 설비에 이상이 있는 것으로 판단된다면 모바일 디바이스로 점검신호를 전송하는 단계, 정비지원서버에서 점검신호에 기초하여 모바일 디바이스에 의하여 설비에 대한 감지 결과를 제 2 분석모델을 이용하여 분석하는 단계 및 정비지원서버에서 제 2 분석모델을 이용한 분석 결과에 기초하여 생성한 가이드 정보를 모바일 디바이스로 제공하는 단계를 포함할 수 있다.
Description
본 발명은 모바일 디바이스 및 정비지원서버를 포함하는 선박 정비 지원 시스템에 의한 선박 정비 지원 방법에 관한 것이다. 보다 상세하게는 선박 설비에 부착된 하나 이상의 센서로부터 수신한 설비데이터를 미리 생성된 제 1 분석모델을 이용하여 분석하고, 분석 결과에 따라 설비에 이상이 있는 것으로 판단된다면 모바일 디바이스로 점검신호를 전송하며, 모바일 디바이스에 의한 설비에 대한 감지 결과에 대하여 제 2 분석모델을 이용하여 분석함으로써 설비의 정비를 위한 가이드 정보를 모바일 디바이스로 제공하는 선박 정비 지원 방법에 관한 것이다.
항공기, 선박 및 우주탐사선과 같은 시스템들은 극한 하중 하에서 높은 신뢰도가 요구되는 것들이다. 그러나 이들의 운용 중 마모, 균열 결함이나 성능 저하로 인한 손상이 어쩔 수 없이 발생하는데, 이들을 제대로 관리하지 않으면 한계 수준을 넘어 치명적인 사고나 사용 중단 상태가 야기될 수 있다. 이러한 문제점을 예방하기 위해서 설계 단계에서 수명기간 중 고장이 발생하지 않도록 원천 예방 설계를 하거나, 운용 중 검사와 정비를 자주 시행해야 한다. 특히, 상기 문제를 해결하기 위해 수명 기간 동안 고장을 예방하는 신뢰성 설계에 대한 연구가 집중적으로 수행되고 있으며, 신뢰선 기반 최적 설계(RBDO) 기술이 활발하게 개발되고 있다. 그러나, 설계에서 운용 중 발생하는 갑작스러운 이물 충돌을 포함하는 모든 상황을 고려하는 것은 불가능에 가깝기 때문에 신뢰성 기반 설계는 현장 적용에 한계가 있었다.
과거의 정비기술은 손상이 진행되어 고장이 발생하면 수리하는 사후 정비(Corrective Maintenance)에 의존하였으나, 이는 고가 혹은 높은 안정성을 요구하는 시스템에는 용이하게 적용할 수 없다. 현재의 정비 기술은 예방 정비(Preventive Maintenance), 즉 정기 유지보수에 의존하고 있다. 그러나 이러한 정기 유지보수는 실제 결함수준과 관계없이 무조건 정비를 실시하게 되므로 빈번하게 운용이 중단되고 부품 교체로 인한 높은 비용 발생의 문제가 존재한다.
최근에는 이러한 문제점들을 해결하기 위하여 고장 예지 및 건전성 관리(PHM) 기술이 연구되고 있다. 고장 예지 및 건전성 관리 기술은 운용 중인 시스템이나 장치에 대해 결함이나 성능 저하를 지속적으로 관찰하고 이상 징후를 진단하며 고장 수준 또는 사용 불능에 도달할 시기를 미리 예지하며 필요한 경우에만 정비 조치를 하는 건전성 관리 기술이다. 이러한 고장 예지 및 건전성 관리 기술이 개발되면 필요한 시점에 필요한 정비만 하는 예측 정비, 즉 상태 기반 정비(CBM)를 할 수 있으며, 이를 통해 고장을 최소화하므로 설비 운용에 지장이 없음은 물론 유지비용을 크게 절감할 수 있다.
특히, 대형 선박은 출항 후 귀항하는데 기간이 많이 소요됨에 따라 고장 및 사고 발생에 대비하기 위하여 운항 중인 선박에 대하여 고장을 예지하고 건전성 관리를 하기 위한 기술의 개발이 요구되고 있는 실정이다.
본 발명은 전술한 바와 같은 문제점을 해결하기 위한 것으로써, 딥러닝 기법을 이용하여 선박의 설비 고장을 예측함으로써 설비 유지 및 관리를 효율적으로 수행할 수 있는 선박 정비 지원 방법을 제공하고자 하는데 그 목적이 있다.
또한, 선박 내 작업자가 착용 가능한 모바일 디바이스로 설비 정비를 위한 가이드 정보를 증강현실 기반으로 제공함으로써 숙련된 작업자가 아니더라도 선박 설비의 정비를 용이하게 수행하고자 함에 그 목적이 있다.
본 발명의 일 실시 예로써, 모바일 디바이스 및 정비지원서버를 포함하는 선박 정비 지원 시스템에 의한 선박 정비 지원 방법이 제공될 수 있다.
본 발명의 일 실시 예에 따른 선박 정비 지원 방법은 정비지원서버에서 선박 설비에 부착된 하나 이상의 센서로부터 수신한 설비데이터를 미리 생성된 제 1 분석모델을 이용하여 분석하는 단계, 정비지원서버에서 제 1 분석모델을 이용한 분석 결과, 설비에 이상이 있는 것으로 판단된다면 모바일 디바이스로 점검신호를 전송하는 단계, 정비지원서버에서 점검신호에 기초하여 모바일 디바이스에 의하여 설비에 대한 감지 결과를 제 2 분석모델을 이용하여 분석하는 단계 및 정비지원서버에서 제 2 분석모델을 이용한 분석 결과에 기초하여 생성한 가이드 정보를 모바일 디바이스로 제공하는 단계를 포함할 수 있다.
본 발명의 일 실시 예에 따른 선박 정비 지원 방법에 있어서, 모바일 디바이스는 선박 내 작업자가 착용하는 웨어러블 디바이스일 수 있다.
본 발명의 일 실시 예에 따른 선박 정비 지원 방법에 있어서, 모바일 디바이스는 가이드 정보를 증강현실 기반의 컨텐츠로 변환하여 제공 가능한 AR 기기일 수 있다.
본 발명의 일 실시 예에 따른 선박 정비 지원 방법에 있어서, 정비지원서버에서 제 1 및 2 분석모델을 이용한 분석 결과를 선박 내의 소정의 위치에 마련된 하나 이상의 현장단말로 단방향전송모듈을 이용하여 전송하는 단계를 더 포함하고, 모바일 디바이스는 현장단말에 별도로 마련된 통신모듈을 이용하여 현장단말과 데이터 송수신이 가능한 것일 수 있다.
본 발명의 일 실시 예에 따른 선박 정비 지원 방법에 있어서, 제 1 분석모델은 설비데이터에 대하여 딥러닝 알고리즘에 기초하여 학습된 결과에 따라 생성된 것일 수 있다.
본 발명의 일 실시 예에 따른 선박 정비 지원 방법에 있어서, 제 2 분석모델은 제 1 분석모델을 이용한 분석 결과 및 모바일 디바이스에 의한 설비에 대한 감지 결과에 대하여 딥러닝 알고리즘에 기초하여 학습된 결과에 따라 생성된 것일 수 있다.
본 발명의 일 실시 예로써, 전술한 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체가 제공될 수 있다.
본 발명의 선박 정비 지원 방법에 의하면, 딥러닝 기법을 이용하여 선박의 설비 고장을 예측함으로써 설비 유지 및 관리를 효율적으로 수행할 수 있는 효과가 있다.
또한, 선박 내 작업자가 착용 가능한 모바일 디바이스로 설비 정비를 위한 가이드 정보를 증강현실 기반으로 제공함으로써 숙련된 작업자가 아니더라도 선박 설비의 정비를 용이하게 수행할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시 예에 따른 선박 정비 지원 방법을 나타낸 순서도이다.
도 2는 본 발명의 일 실시 예에 따른 선박 정비 지원 방법을 구현하기 위한 선박 정비 지원 시스템을 나타낸 예시도이다.
도 3은 본 발명의 일 실시 예에 따른 선박 정비 지원 방법에 있어서, 선박 내 소정의 위치에 설치된 현장단말을 나타낸 예시도이다.
도 4는 본 발명의 일 실시 예에 따른 선박 정비 지원 방법에 있어서, 모바일 디바이스를 나타낸 예시도이다.
도 2는 본 발명의 일 실시 예에 따른 선박 정비 지원 방법을 구현하기 위한 선박 정비 지원 시스템을 나타낸 예시도이다.
도 3은 본 발명의 일 실시 예에 따른 선박 정비 지원 방법에 있어서, 선박 내 소정의 위치에 설치된 현장단말을 나타낸 예시도이다.
도 4는 본 발명의 일 실시 예에 따른 선박 정비 지원 방법에 있어서, 모바일 디바이스를 나타낸 예시도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 명세서 전체에서 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, "그 중간에 다른 소자를 사이에 두고" 연결되어 있는 경우도 포함한다.
도 1은 본 발명의 일 실시 예에 따른 선박 정비 지원 방법을 나타낸 순서도이고, 도 2는 본 발명의 일 실시 예에 따른 선박 정비 지원 방법을 구현하기 위한 선박 정비 지원 시스템을 나타낸 예시도이며, 도 3은 본 발명의 일 실시 예에 따른 선박 정비 지원 방법에 있어서, 선박 내 소정의 위치에 설치된 현장단말을 나타낸 예시도이며, 도 4는 본 발명의 일 실시 예에 따른 선박 정비 지원 방법에 있어서, 모바일 디바이스를 나타낸 예시도이다. 이하 상술한 도면들을 참고하여 본 발명을 상세히 설명하기로 한다.
본 발명의 일 실시 예로써, 선박 정비 지원 시스템에 의한 선박 정비 지원 방법이 제공될 수 있다. 일 실시 예에 따른 선박 정비 지원 시스템은 모바일 디바이스 및 정비지원서버(100)를 포함할 수 있다.
일 실시 예에 따른 정비지원서버(100)는 하나 이상의 인스트럭션을 저장하는 메모리(미도시) 및 메모리에 저장된 하나 이상의 인스트럭션을 실행하는 프로세서(미도시)를 포함할 수 있다. 즉, 프로세서는 수신된 데이터의 모든 필요한 디지털 처리를 담당할 수 있다. 즉, 상기 모듈들의 데이터 처리는 프로세서에 기반하여 동작될 수 있다.
일 개시에 의하여 프로세서는, 예를 들면, 소프트웨어(예: 프로그램)를 구동하여 프로세서에 연결된 정비지원서버(100)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 및 연산을 수행할 수 있다. 프로세서는 다른 구성요소로부터 수신된 명령 또는 데이터를 휘발성 메모리에 로드하여 처리하고, 결과 데이터를 비휘발성 메모리에 저장할 수 있다. 일 실시 예에 따르면, 프로세서는 메인 프로세서(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 운영되고, 추가적으로 또는 대체적으로, 메인 프로세서보다 저전력을 사용하거나, 또는 지정된 기능에 특화된 보조 프로세서(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 여기서, 보조 프로세서는 메인 프로세서와 별개로 또는 임베디드되어 운영될 수 있다.
일 개시에 의하여, 메모리는 프로세서의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 본 발명의 장치로 입력되거나 또는 장치에서 출력되는 데이터를 저장할 수도 있다. 메모리에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 여기서, 복수 개의 모듈들은 하드웨어가 아닌 소프트웨어로서, 기능적으로 동작하는 모듈이다. 메모리에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 여기서, 복수 개의 모듈들은 하드웨어가 아닌 소프트웨어로서, 기능적으로 동작하는 모듈을 의미할 수 있다.
일 개시에 의하면, 정비지원서버(100)는 통신부를 포함할 수 있다. 통신부는 정비지원서버(100) 내부의 구성요소 간 데이터 송수신은 물론, 후술하는 모바일 디바이스 및 타 디바이스와 유선 또는 무선 통신 채널의 수립 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신부는 프로세서와 독립적으로 운영되는 유선 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 상기 통신부는 무선 통신 모듈( Ex. 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈 ) 또는 유선 통신 모듈( Ex. LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈 )을 포함할 수 있다.
일 개시에 의하면, 정비지원서버(100)는 고장판별부(미도시)를 포함할 수 있다. 고장판별부는 딥러닝 알고리즘에 기초하여 미리 학습되어 생성된 제 1 및 2 분석모델이 마련되어 있을 수 있다. 상기 딥러닝 알고리즘에는 CNN(Convolutional Neural Network)이 포함될 수 있다. 뿐만 아니라, 상기 제 1 및 2 분석모델은 상기 CNN 외에도 RNN(Recurrent Neural Network)와 결합되어 학습된 결과에 따라 생성될 수도 있다. 이하에서는 CNN 기반 학습 결과에 따라 형성된 분석모델을 기준으로 설명한다. 먼저, CNN에 대하여 간략히 설명하면 CNN은 입력데이터를 분석하기 위해 사용되는 인공신경망의 한 종류일 수 있고 특징추출계층에서 입력데이터로부터의 특징이 추출되고, 분류계층에서 추출된 특징에 기초하여 입력데이터가 어떤 클래스에 해당되는지 분류될 수 있다. 상기 특징추출계층에는 적어도 하나 이상의 콘볼루션 레이어(convolutional layer) 및 풀링 레이어(pooling layer)가 포함될 수 있고, 상기 분류계층은 하나의 히든 레이어(hidden layer)가 포함된 풀리 커넥티드 레이어(fully connected layer)일 수 있다. 콘볼루션 레이어는 콘볼루션(convolution) 연산을 통해 객체의 특징을 나타내는 특징 맵을 생성하는 필터에 해당될 수 있다. 풀링 레이어에서는 콘볼루션 레이어의 출력 데이터의 크기를 줄이거나 특정 데이터를 강조하는 풀링연산이 수행될 수 있다. 상기 풀링 레이어에는 맥스풀링 레이어(max pooling layer) 및 평균풀링 레이어(average pooling layer)가 포함될 수 있다. 풀리 커넥티드 레이어(fully connected layer)는 추출된 특징정보에 기초하여 입력데이터의 분류를 위한 분류기(classifier)에 해당될 수 있다.
일 실시 예에 따른, 제 1 분석모델은 설비데이터에 대하여 딥러닝 알고리즘에 기초하여 학습된 결과에 따라 생성된 것일 수 있다. 설비데이터는 선박(20) 내 마련된 각종 설비의 동작데이터, 환경데이터, 정비데이터 및 고장데이터를 포함할 수 있다. 동작데이터는 예를 들면, 발전기의 발전량, 역률, 부하전류 등과 같이 선박(20) 내 마련된 설비의 동작과 관련된 데이터를 모두 포함할 수 있다. 환경데이터는 설비 또는 설비 주변 환경의 온도, 습도, 일사량 등을 포함할 수 있다. 정비데이터는 설비 또는 설비의 부품(구성요소)에 대한 교체 품목, 교체 일시, 교체 주기, 노후 속도, 제조사 정보, 이미지 등을 포함할 수 있다. 고장데이터는 과거의 설비의 고장 및 정비 이력에 대한 데이터일 수 있다. 예를 들면, 고장데이터는 각 설비에 대한 정비 일시, 정비 주기, 정비 품목, 정비 방법 등을 포함할 수 있다.
일 실시 예에 따른 제 1 분석모델은 동작데이터, 환경데이터, 정비데이터 및 고장데이터를 포함하는 설비데이터에 대하여 딥러닝 알고리즘에 기초하여 학습된 결과에 따라 생성될 수 있다. 일 개시에 따른, 정비지원서버(100)는 상기 제 1 분석모델을 이용하여 설비데이터로부터 해당 설비의 고장 여부, 정상 동작 여부, 이상 여부 등을 판별할 수 있다.
일 실시 예에 따른, 제 2 분석모델은 제 1 분석모델을 이용한 분석 결과 및 모바일 디바이스(200)에 의한 설비에 대한 감지 결과에 대하여 딥러닝 알고리즘에 기초하여 학습된 결과에 따라 생성된 것일 수 있다.
일 실시 예에 따른, 제 2 분석모델은 제 1 분석모델을 이용한 분석 결과인 설비의 이상 여부에 대한 판별 결과와 모바일 디바이스(200)를 이용한 감지 결과를 이용하여 설비에 대한 정비가 필요한지 여부가 판별될 수 있다. 즉, 후술하는 바와 같이, 모바일 디바이스(200)에는 카메라가 마련되어 상기 카메라를 이용하여 촬영된 설비이미지와 상기 제 1 분석모델을 이용한 분석 결과를 종합적으로 고려하여 제 2 분석모델로부터 설비에 대한 정비가 진행되어야 하는지 여부가 판별될 수 있다.
일 실시 예에 따른, 제 1 분석모델은 제 1 CNN 기반으로 형성된 딥러닝 기반 분석모델일 수 있고, 제 2 분석모델은 제 2 CNN 기반으로 형성된 딥러닝 기반 분석모델일 수 있다. 즉, 제 2 CNN은 제 1 CNN의 출력으로부터 연결되어 제 1 CNN에서 결정된 설비의 고장 여부에 기초하여 설비에 대한 정비가 필요한지 여부를 판별하기 위한 신경망일 수 있다. 다시 말하면, 제 2 CNN의 입력에는 제 1 CNN의 출력이 포함될 수 있다.
일 실시 예에 따른 제 1 CNN은 단일의 콘볼루션 층이 포함된 콘볼루션 신경망일 수 있고, 단일의 콘볼루션 층 및 단일의 풀링 층이 구비되어 얕은 구조로 형성된 신경망일 수 있다. 또한, 제 2 CNN은 복수개의 콘볼루션 층들이 포함된 신경망일 수 있다. 즉, 제 2 CNN은 복수개의 콘볼루션 층들 및 적어도 하나 이상의 풀링 층이 구비되어 깊은 구조로 형성된 신경망일 수 있다.
일 실시 예에 따른 정비지원서버(100)에는 현장단말로 제 1 및 제 2 분석모델을 이용한 분석 결과를 전송하기 위한 단방향전송모듈이 더 포함될 수 있다.
일 실시 예에 따른 모바일 디바이스(200)는, 휴대성과 이동성이 보장되고, 선박(20) 내 작업자가 소지하거나 파지할 수 있는 휴대용 이동식 단말일 수 있다. 상기 모바일 디바이스(200)에는, 개인용 통신 장치(Personal Communication System, PCS), 이동통신 글로벌 시스템(Global System for Mobile communications, GSM), 디지털 셀룰러 통신장비(Personal Digital Cellular, PDC), 개인 통신 전화(Personal Handyphone System, PHS), 개인 정보 단말기(Personal Digital Assisatnt, PDA), 와이브로(Wireless Broadband Internet, WiBro) 단말, 스마트폰(Smartphone), 태블릿 PC 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치가 포함될 수 있다.
일 실시 예에 따른 모바일 디바이스(200)는, 선박(20) 내 작업자가 착용하는 웨어러블 디바이스일 수 있다. 즉, 일 개시에 따른 모바일 디바이스(200)는 작업자의 신체 일부에 착용되고, 무선 통신 장치가 포함되어 정비지원서버(100) 및 타 디바이스(혹은 서버)와 통신이 가능한 전자기기일 수 있다. 특히, 모바일 디바이스(200)는 작업자의 머리 부분에 탑재하는 디스플레이 장치로서, 작업자의 착용에 따라 작업자의 눈 앞에서 직접 가상현실(Virtual Reality) 혹은 증강현실(Augmented Reality) 영상을 시청할 수 있는 차세대 디스플레이 장치인 헤드 마운티드 디스플레이(Head Mounted Display, HMD)일 수 있다. 여기에서, 작업자는 선박(20) 내에서 선박 설비의 정비 업무를 포함하는 선박 유지 및 관리를 위한 업무를 하는 자로서, 선박 정비에 대한 숙련자 및 비숙련자 모두 상기 작업자에 포함될 수 있다.
일 실시 예에 따른 모바일 디바이스(200)는, 가이드 정보를 증강현실 기반의 컨텐츠로 변환하여 제공 가능한 AR 기기일 수 있다.
일 실시 예에 따른 모바일 디바이스(200)는, 전방을 촬영하기 위한 카메라(240), 정비지원서버(100)로부터 제공된 가이드 정보에 기초하여 증강현실 컨텐츠를 생성하기 위한 제어부(미도시), 통신장치(미도시), 카메라를 통해 촬영된 전방 영상에 증강현실 컨텐츠를 대응시켜 표시하는, 제 1 프레임(210)에 마련된 디스플레이(220)를 포함할 수 있다.
일 실시 예에 따른 모바일 디바이스(200)는, 디스플레이(220) 상단의 제 2 프레임(230)에 카메라(240)와 함께, 물체감지부(250) 및 거리인식부(260)가 마련되어 있을 수 있다. 일 개시에 의하면, 물체감지부(250)는 모바일 디바이스(200) 전방의 물체가 존재하는지 유무를 감지하기 위한 것으로, 초음파(Ultrasonic), 레이더(RADAR) 방식 등이 사용될 수 있고, 거리인식부(260)는 전방에 존재하는 물체로부터의 거리를 인식하기 위한 것으로, 라이다(LiDAR) 방식이 활용될 수 있다. 상기 물체감지부(250) 및 거리인식부(260)는 카메라(240)를 이용한 물체 인식의 정확성을 높이기 위한 것으로, 전술한 제 2 분석모델에서는 상기 카메라(240)를 이용하여 촬영된 설비이미지, 물체감지부(250) 및 거리인식부(260)에서의 감지 결과를 모두 활용하여 설비에 대한 정비가 필요한지 여부가 결정될 수 있다.
선박(20) 내 설비(F1, F2, F3)는 도 3에 도시된 바와 같이 선박(20)의 소정의 위치에 설치되어 구비될 수 있다. 또한, 선박(20)의 기준영역 단위로 하나의 현장단말이 마련될 수 있다. 상기 기준영역은 설비의 개수를 기준으로 결정될 수 있다. 예를 들면, 설비 3개를 모두 포함하는 정사각형 영역이 상기 기준영역으로 설정될 수 있다. 즉, 설비의 개수에 기초하여 설정된 기준영역 마다 하나의 현장단말이 마련될 수 있다. 또한, 설비에는 증강현실 영상을 제공하기 위한 마커(marker)가 설비의 소정의 위치에 마련될 수 있다.
일 실시 예에 따른 현장단말은 전술한 모바일 디바이스(200)와 통신 수행이 가능한 기기로서, 통신모듈(미도시) 및 데이터저장부(미도시)를 포함할 수 있다. 통신모듈은 모바일 디바이스(200)와 단독으로 통신하기 위한 제 1 통신모듈 및 정비지원서버(100)와 통신하기 위한 제 2 통신모듈이 마련될 수 있다. 상기 제 1 통신모듈은 제 2 통신모듈과는 달리 근거리 통신방식을 이용하여 모바일 디바이스(200)와 통신할 수 있다. 즉, 현장단말은 정비지원서버(100)와 모바일 디바이스(200) 각각과 통신을 수행하기 위한 통신모듈들이 별도로 마련되어 정비지원서버(100)와의 통신이 불가능하더라도 이와 관계없이 모바일 디바이스(200)와의 통신이 수행될 수 있다. 데이터저장부는 정비지원서버(100)로부터 설비에 대한 제 1 및 2 분석모델을 이용한 분석 결과를 수신하여 데이터베이스 기반으로 관리하기 위한 장치일 수 있다.
일 개시에 따르면, 모바일 디바이스(200)는 현장단말의 데이터저장부에 미리 저장된 설비에 대한 고장 정보, 정비 필요 정보를 제 1 통신모듈을 이용하여 확인할 수 있다.
다만, 보안을 위해 모바일 디바이스(200)와 현장단말 간 데이터송수신 전에 이하에서 설명하는 과정에 따라, 기기인증이 수행될 수 있다. 즉, 모바일 디바이스(200)에서 현장단말의 데이터저장부에 저장된 설비에 대한 상기 정보들을 요청하기 위해서는 하기 과정에 따른 검증 절차가 선행될 수 있다.
모바일 디바이스(200)와 현장단말은 정비지원서버(100)로부터 하기 수학식 1에 의하여 생성된 인증상수(α0, α1)를 전달받을 수 있다. 정비지원서버(100)는 송신 측인 현장단말에서 수신 측인 모바일 디바이스(200)로 송신할 비공개 정보 및 공개 정보를 미리 설정할 수 있다.
여기서, p: 이산로그문제를 만족시키는 소수, q:p-1을 나눌 수 있는 소수, 
:제너레이터(generator), s:비공개정보, t:공개정보, z0,z1 :난수, 
, 
, 
, 
: 인증상수인 것을 특징으로 한다.
현장단말은 정비지원서버(100)에서 미리 생성된 인증요구 메시지(
)를 정비지원서버(100)로부터 전달받을 수 있으며, 인증요구 메시지의 신뢰도가 검증된 경우, 상기 제 1 통신모듈을 이용한 데이터송수신이 수행될 수 있다. 즉, 전술한 바와 같이 모바일 디바이스(200)에서 현장단말의 데이터저장부에 저장된 설비에 관련된 정보들을 현장단말로 요청하기 위해서는 상기 인증요구 메시지에 따른 검증 절차가 선행될 수 있다. 인증요구 메시지는 정비지원서버(100)에서 소정의 난수 생성 알고리즘에 따라 생성된 난수에 기초하여 생성될 수 있다.
또한, 인증요구 메시지의 신뢰도를 검증하기 위해서, 상기 공유상수 및 인증요구메시지를 하기 수학식 2에 대입하여 검증 과정이 수행될 수 있다.
이와 같이, 수학식 2의 좌항 및 우항이 일치하면 정비지원서버(100)로부터 요구한 인증을 허가하고, 인증이 성공적으로 이루어졌음을 알리는 인증 응답 메시지를 생성하여 현장단말 측으로 전송할 수 있다.
도 1을 참조하면, 본 발명의 일 실시 예에 따른 선박 정비 지원 방법은 정비지원서버(100)에서 선박 설비에 부착된 하나 이상의 센서로부터 수신한 설비데이터를 미리 생성된 제 1 분석모델을 이용하여 분석(S100)하는 단계, 정비지원서버(100)에서 제 1 분석모델을 이용한 분석 결과, 설비에 이상이 있는 것으로 판단된다면 모바일 디바이스(200)로 점검신호를 전송(S200)하는 단계, 정비지원서버(100)에서 점검신호에 기초하여 모바일 디바이스(200)에 의하여 설비에 대한 감지 결과를 제 2 분석모델을 이용하여 분석(S300)하는 단계 및 정비지원서버(100)에서 제 2 분석모델을 이용한 분석 결과에 기초하여 생성한 가이드 정보를 모바일 디바이스(200)로 제공(S400)하는 단계를 포함할 수 있다.
이하에서는, 도 1을 참조하여 본 발명의 일 실시 예에 따른 선박 정비 지원 방법을 각 단계에 따라 보다 상세하게 설명한다.
일 개시에 의한 블록 S100에 따르면, 정비지원서버(100)에서는 선박 설비에 부착된 하나 이상의 센서로부터 수신한 설비데이터를 미리 생성된 제 1 분석모델을 이용하여 분석할 수 있다. 설비데이터는 선박(20) 내 마련된 각종 설비의 동작데이터, 환경데이터, 정비데이터 및 고장데이터를 포함할 수 있다. 동작데이터는 예를 들면, 발전기의 발전량, 역률, 부하전류 등과 같이 선박(20) 내 마련된 설비의 동작과 관련된 데이터를 모두 포함할 수 있다. 환경데이터는 설비 또는 설비 주변 환경의 온도, 습도, 일사량 등을 포함할 수 있다. 정비데이터는 설비 또는 설비의 부품(구성요소)에 대한 교체 품목, 교체 일시, 교체 주기, 노후 속도, 제조사 정보, 이미지 등을 포함할 수 있다. 고장데이터는 과거의 설비의 고장 및 정비 이력에 대한 데이터일 수 있다. 예를 들면, 고장데이터는 각 설비에 대한 정비 일시, 정비 주기, 정비 품목, 정비 방법 등을 포함할 수 있다.
일 개시에 의한 블록 S100에 따르면, 제 1 분석모델은 동작데이터, 환경데이터, 정비데이터 및 고장데이터를 포함하는 설비데이터로부터 해당 설비의 고장 여부, 정상 동작 여부, 이상 여부 등을 판별할 수 있다.
일 개시에 의한 블록 S200에 따르면, 정비지원서버(100)에서 제 1 분석모델을 이용한 분석 결과, 설비에 이상이 있는 것으로 판단된다면 모바일 디바이스(200)로 점검신호를 전송할 수 있다.
일 개시에 의한 블록 S200에 따르면, 정비지원서버(100)는 설비에 고장이 발생한 것으로 제 1 분석모델을 이용한 분석 결과에 따라 판단된다면 모바일 디바이스(200)로 점검신호를 전송할 수 있다. 즉, 정비지원서버(100)는 고장이 발생된 설비에 대하여 작업자로 하여금 점검을 요청하기 위한 점검신호를 생성하여 모바일 디바이스(200)로 전송할 수 있다.
일 개시에 의한 블록 S300에 따르면, 정비지원서버(100)는 점검신호에 기초하여 모바일 디바이스(200)에 의하여 설비에 대한 감지 결과를 수신하여, 상기 감지 결과를 제 2 분석모델을 이용하여 분석할 수 있다. 즉, S200에서 점검신호를 수신한 모바일 디바이스(200)를 착용한 작업자가 해당 설비로 이동하여 상기 모바일 디바이스(200)에 마련된 카메라, 물체감지부 및 거리인식부를 이용하여 해당 설비를 감지할 수 있다. 상기 감지에 따라 획득된 설비이미지를 포함한 감지 결과 및 상기 제 1 분석모델에 따른 분석 결과가 상기 제 2 분석모델을 이용하여 분석될 수 있다. 전술한 바와 같이, 제 2 분석모델은 제 1 분석모델을 이용한 분석 결과인 설비의 이상 여부에 대한 판별 결과와 모바일 디바이스(200)를 이용한 감지 결과를 이용하여 설비에 대한 정비가 필요한지 여부가 판별될 수 있다. 즉, 후술하는 바와 같이, 모바일 디바이스(200)에는 카메라가 마련되어 상기 카메라를 이용하여 촬영된 설비이미지와 상기 제 1 분석모델을 이용한 분석 결과를 종합적으로 고려하여 제 2 분석모델로부터 설비에 대한 정비가 진행되어야 하는지 여부가 판별될 수 있다. 결국, S300에서 설비에 대한 정비가 필요한지 여부가 판별될 수 있다.
일 개시에 의한 블록 S400에 따르면, 정비지원서버(100)는 제 2 분석모델을 이용한 분석 결과에 따른 설비에 대한 정비 필요 여부에 기초하여 가이드 정보를 생성할 수 있고, 생성된 상기 가이드 정보를 모바일 디바이스(200)로 제공할 수 있다. 가이드 정보는 설비에 대한 정비 방법, 정비에 필요한 부품 정보, 정비 매뉴얼을 포함할 수 있다.
본 발명의 일 실시 예에 따른 선박 정비 지원 방법에 있어서, 정비지원서버(100)에서 제 1 및 2 분석모델을 이용한 분석 결과를 선박(20) 내의 소정의 위치에 마련된 하나 이상의 현장단말로 단방향전송모듈을 이용하여 전송하는 단계를 더 포함하고, 모바일 디바이스(200)는 현장단말에 별도로 마련된 통신모듈을 이용하여 데이터 송수신이 가능한 것일 수 있다.
본 발명의 일 실시 예로써, 전술한 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체가 제공될 수 있다.
즉, 전술한 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터 판독 가능 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터 판독 가능 매체에 여러 수단을 통하여 기록될 수 있다. 본 발명의 다양한 방법들을 수행하기 위한 실행 가능한 컴퓨터 프로그램이나 코드를 기록하는 기록 매체는, 반송파(carrier waves)나 신호들과 같이 일시적인 대상들은 포함하는 것으로 이해되지는 않아야 한다. 상기 컴퓨터 판독 가능 매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, DVD 등)와 같은 저장 매체를 포함할 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
이상에서 본 발명의 바람직한 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다. 즉, 본 발명의 범위는 상기 상세한 설명보다는 후술하는 청구범위에 의하여 나타내어지며, 청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
20: 선박
100: 정비지원서버
200: 모바일 디바이스
S100: 정비지원서버에서 선박 설비에 부착된 하나 이상의 센서로부터 수신한 설비데이터를 미리 생성된 제 1 분석모델을 이용하여 분석
S200: 정비지원서버에서 제 1 분석모델을 이용한 분석 결과, 설비에 이상이 있는 것으로 판단된다면 모바일 디바이스로 점검신호를 전송
S300: 정비지원서버에서 점검신호에 기초하여 모바일 디바이스에 의하여 설비에 대한 감지 결과를 제 2 분석모델을 이용하여 분석
S400: 정비지원서버에서 제 2 분석모델을 이용한 분석 결과에 기초하여 생성한 가이드 정보를 모바일 디바이스로 제공
100: 정비지원서버
200: 모바일 디바이스
S100: 정비지원서버에서 선박 설비에 부착된 하나 이상의 센서로부터 수신한 설비데이터를 미리 생성된 제 1 분석모델을 이용하여 분석
S200: 정비지원서버에서 제 1 분석모델을 이용한 분석 결과, 설비에 이상이 있는 것으로 판단된다면 모바일 디바이스로 점검신호를 전송
S300: 정비지원서버에서 점검신호에 기초하여 모바일 디바이스에 의하여 설비에 대한 감지 결과를 제 2 분석모델을 이용하여 분석
S400: 정비지원서버에서 제 2 분석모델을 이용한 분석 결과에 기초하여 생성한 가이드 정보를 모바일 디바이스로 제공
Claims (7)
- 모바일 디바이스 및 정비지원서버를 포함하는 선박 정비 지원 시스템에 의한 선박 정비 지원 방법에 있어서,
상기 정비지원서버에서 선박 설비에 부착된 하나 이상의 센서로부터 수신한 설비데이터를 미리 생성된 제 1 분석모델을 이용하여 분석하는 단계;
상기 정비지원서버에서 상기 제 1 분석모델을 이용한 분석 결과, 상기 설비에 이상이 있는 것으로 판단된다면 상기 모바일 디바이스로 점검신호를 전송하는 단계;
상기 정비지원서버에서 상기 점검신호에 기초하여 상기 모바일 디바이스에 의하여 상기 설비에 대한 감지 결과를 제 2 분석모델을 이용하여 분석하는 단계; 및
상기 정비지원서버에서 상기 제 2 분석모델을 이용한 분석 결과에 기초하여 생성한 가이드 정보를 상기 모바일 디바이스로 제공하는 단계를 포함하는,
선박 정비 지원 방법. - 제 1 항에 있어서,
상기 모바일 디바이스는 선박 내 작업자가 착용하는 웨어러블 디바이스인 것인,
선박 정비 지원 방법. - 제 2 항에 있어서,
상기 모바일 디바이스는 상기 가이드 정보를 증강현실 기반의 컨텐츠로 변환하여 제공 가능한 AR 기기인 것인,
선박 정비 지원 방법. - 제 1 항에 있어서,
상기 정비지원서버에서 상기 제 1 및 2 분석모델을 이용한 분석 결과를 상기 선박 내의 소정의 위치에 마련된 하나 이상의 현장단말로 단방향전송모듈을 이용하여 전송하는 단계를 더 포함하고,
상기 모바일 디바이스는 상기 현장단말에 별도로 마련된 통신모듈을 이용하여 상기 현장단말과의 데이터 송수신이 가능한 것인,
선박 정비 지원 방법. - 제 1 항에 있어서,
상기 제 1 분석모델은 상기 설비데이터에 대하여 딥러닝 알고리즘에 기초하여 학습된 결과에 따라 생성된 것인,
선박 정비 지원 방법. - 제 5 항에 있어서,
상기 제 2 분석모델은 상기 제 1 분석모델을 이용한 분석 결과 및 상기 모바일 디바이스에 의한 상기 설비에 대한 감지 결과에 대하여 딥러닝 알고리즘에 기초하여 학습된 결과에 따라 생성된 것인,
선박 정비 지원 방법. - 제 1 항 내지 제 6 항 중 어느 하나의 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190156316A KR102279039B1 (ko) | 2019-11-29 | 2019-11-29 | 모바일 디바이스 및 정비지원서버를 포함하는 선박 정비 지원 시스템에 의한 선박 정비 지원 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190156316A KR102279039B1 (ko) | 2019-11-29 | 2019-11-29 | 모바일 디바이스 및 정비지원서버를 포함하는 선박 정비 지원 시스템에 의한 선박 정비 지원 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210067062A true KR20210067062A (ko) | 2021-06-08 |
| KR102279039B1 KR102279039B1 (ko) | 2021-07-19 |
Family
ID=76399163
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190156316A KR102279039B1 (ko) | 2019-11-29 | 2019-11-29 | 모바일 디바이스 및 정비지원서버를 포함하는 선박 정비 지원 시스템에 의한 선박 정비 지원 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102279039B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023043215A1 (ko) * | 2021-09-17 | 2023-03-23 | 주식회사 에이아이네이션 | 표준 운용 수준 평가 기반 산업 설비 운용 제어 장치 및 그 동작 방법 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100100104A (ko) * | 2009-03-05 | 2010-09-15 | 한국전자통신연구원 | 원격 유지보수 관리 장치 및 방법 |
| KR20130000119A (ko) | 2011-06-22 | 2013-01-02 | 현대중공업 주식회사 | 엔진 정비 스케줄링 장치 및 방법 |
| KR20140085686A (ko) * | 2012-12-27 | 2014-07-08 | 대우조선해양 주식회사 | Ｌｎｇ 선박의 진단 시스템 및 그의 진단 방법 |
| KR20150021970A (ko) * | 2012-06-01 | 2015-03-03 | 에이비비 테크놀로지 아게 | 선박의 성능을 예측하는 방법 및 시스템 |
| KR101701278B1 (ko) * | 2015-09-11 | 2017-02-13 | 대우조선해양 주식회사 | 선박/해양플랜트의 원격 검사 및 유지보수 시스템 |
-
2019
- 2019-11-29 KR KR1020190156316A patent/KR102279039B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100100104A (ko) * | 2009-03-05 | 2010-09-15 | 한국전자통신연구원 | 원격 유지보수 관리 장치 및 방법 |
| KR20130000119A (ko) | 2011-06-22 | 2013-01-02 | 현대중공업 주식회사 | 엔진 정비 스케줄링 장치 및 방법 |
| KR20150021970A (ko) * | 2012-06-01 | 2015-03-03 | 에이비비 테크놀로지 아게 | 선박의 성능을 예측하는 방법 및 시스템 |
| KR20140085686A (ko) * | 2012-12-27 | 2014-07-08 | 대우조선해양 주식회사 | Ｌｎｇ 선박의 진단 시스템 및 그의 진단 방법 |
| KR101701278B1 (ko) * | 2015-09-11 | 2017-02-13 | 대우조선해양 주식회사 | 선박/해양플랜트의 원격 검사 및 유지보수 시스템 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023043215A1 (ko) * | 2021-09-17 | 2023-03-23 | 주식회사 에이아이네이션 | 표준 운용 수준 평가 기반 산업 설비 운용 제어 장치 및 그 동작 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102279039B1 (ko) | 2021-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11276158B2 (en) | Method and apparatus for inspecting corrosion defect of ladle | |
| CN109477771B (zh) | 通过基于增强现实技术的装置识别损伤的结构健康监测系统 | |
| US20200072744A1 (en) | Inspection and failure detection of corrosion under fireproofing insulation using a hybrid sensory system | |
| KR20200004825A (ko) | 디스플레이 장치 품질 검사 방법, 장치, 전자 장치 및 저장 매체 | |
| CN109325520B (zh) | 一种石油泄漏的检查方法、装置及系统 | |
| WO2018038902A1 (en) | Internet of things associate | |
| US20170286572A1 (en) | Digital twin of twinned physical system | |
| US11900645B2 (en) | Systems and methods for modeling and controlling physical dynamical systems using artificial intelligence | |
| CN112669316B (zh) | 电力生产异常监控方法、装置、计算机设备和存储介质 | |
| US11325705B2 (en) | Drone cloud connectivity for asset and facility operations | |
| CN112631240A (zh) | 航天器故障主动检测方法及装置 | |
| KR102080462B1 (ko) | 딥러닝에 기반한 도로 안전 진단과 관리 방법 및 시스템 | |
| US10775314B2 (en) | Systems and method for human-assisted robotic industrial inspection | |
| US11651437B2 (en) | Methods and systems for continuous risk monitoring and dynamic underwriting pricing | |
| WO2020123505A1 (en) | Inspection and failure detection of corrosion under fireproofing insulation using a hybrid sensory system | |
| US20220327676A1 (en) | Method and system for detecting change to structure by using drone | |
| KR102279039B1 (ko) | 모바일 디바이스 및 정비지원서버를 포함하는 선박 정비 지원 시스템에 의한 선박 정비 지원 방법 | |
| KR20210115121A (ko) | 딥러닝기반 재난 안전 건축물 사용자 맞춤형 3차원 모델링 데이터셋 구축방법 | |
| US20240053287A1 (en) | Probability of detection of lifecycle phases of corrosion under insulation using artificial intelligence and temporal thermography | |
| US11688059B2 (en) | Asset maintenance prediction using infrared and regular images | |
| KR102437275B1 (ko) | 풍력발전기 점검 시스템 및 그 점검 방법 | |
| KR102520846B1 (ko) | 인공지능 기반의 차량 as 공정 관리 서비스 제공 방법, 장치 및 프로그램 | |
| US20230153765A1 (en) | Maintenance system | |
| US20230306572A1 (en) | Flange Integrity Classification Using Artificial Intelligence | |
| WO2024035640A2 (en) | Probability of detection of lifecycle phases of corrosion under insulation using artificial intelligence and temporal thermography |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |