KR20210071438A - 설비상태 감지를 위한 데이터 분석 방법 - Google Patents
설비상태 감지를 위한 데이터 분석 방법 Download PDFInfo
- Publication number
- KR20210071438A KR20210071438A KR1020190161611A KR20190161611A KR20210071438A KR 20210071438 A KR20210071438 A KR 20210071438A KR 1020190161611 A KR1020190161611 A KR 1020190161611A KR 20190161611 A KR20190161611 A KR 20190161611A KR 20210071438 A KR20210071438 A KR 20210071438A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- data analysis
- facility
- production facility
- state
- Prior art date
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 title claims description 8
- 238000004519 manufacturing process Methods 0.000 claims abstract description 46
- 230000005540 biological transmission Effects 0.000 claims abstract description 11
- 238000013480 data collection Methods 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000059 patterning Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 238000013106 supervised machine learning method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- 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
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- General Factory Administration (AREA)
Abstract
설비상태 감지를 위한 데이터 분석 방법이 개시된다. 일실시례에 따른 설비상태 감지를 위한 데이터 분석 방법은, 생산설비에 부착된 적어도 하나 이상의 센서 디바이스로부터 상기 생산설비의 전력, 온도, 진동 상태 중 적어도 어느 하나의 데이터를 수집하는 데이터 수집단계; 상기 수집된 데이터를 저장하고, 빅데이터 분석을 통해 상기 생산설비의 상태를 분석하는 데이터 분석단계; 및 상기 분석된 데이터를 기설정된 사용자 단말기에 전송하는 데이터 전송단계;를 포함한다.
Description
본 발명은 설비상태 감지를 위한 데이터 분석 방법에 관한 것으로, 보다 상세하게는, 정밀기계부품 분야의 설비 상태 감지를 위한 제조 데이터 기반의 분석 방법에 관한 것이다.
일반적으로, 공장설비가 고장 없이 운전되기 위해서는 설비의 상태를 연속 점검하여 상태 이상의 심각 정도에 따라 경보를 예지해야 하고, 이상 시 원인추적이나 상황 재현을 통해 상세 분석을 해야 하며, 해당 기기 특성별 정밀진단을 행하여 설비 가동율과 제품의 질을 최적화시킬 필요가 있었다. 그런데, 종래에는 생산라인이나 공장에서의 설비점검이나 고장발생에 대한 조치 및 원인분석을 고장 발생 예상 개소에 일반적인 계측기를 설치한다든지 현장 근무자의 경험에 의하여 추정하였기 때문에, 시간의 낭비와 부정확한 판단에 따른 부작용의 소지가 있었다.
그 일례로서 생산라인에서 모터제어 신호들에 대한 데이터를 사고 발생순간 다량의 고밀도 데이터를 공정의 일정시간 과거 데이터로 정밀하게 보관하여 분석해야 고장원인을 찾을 수 있었으나, 기존의 오실로스코프나 페이퍼 레코더같은 장비로는 사고 발생시에 데이터 수집장비가 해당 설비에 설치되어 있어야만 가능하게 되었다. 또한, 고장이 발생된 후에 해당 설비에 설치하여 고장이 재발생되어야 고장내용을 확인할 수 있었으며, 계측기가 설치된 개소에 고장이 발생되었을 때 숙련된 근무자가 현장으로 이동하여 복잡한 일련의 조작을 통해 데이터를 인출, 페이퍼 데이터에 의해 고장원인들을 분석할 수 있는 것이었다.
따라서, 종래기술인 한국등록특허 제10-1857341호는 제조업 설비 생산 정보 모니터링 시스템에 관한 것으로, 가동중인 생산설비나 관리 장비를 전산으로 관리할 수 있는 모니터링 시스템에 대해 개시하고 있다.
또 다른 종래기술인 한국등록특허 제10-1889198호 설비 모니터링 장치 및 방법에 관한 것으로, 공장 등에 배치된 설비를 감시하고, 설비와 관련된 정보를 수집하여 해석하고, 설비를 진단하는 장치 및 방법에 대해 개시하고 있다.
그러나, 종래의 설비 상태를 모니터링 하는 상용 장치들은 단순한 센서기술에 의존하여, 센서 신호를 단순 모니터링하고, 설비 상태를 운전자가 간접적으로 파악할 수 있도록 구성되어 있는 문제점 있다.
본 발명은 상술한 바와 같은 종래 기술의 문제점을 해결하기 위하여 안출된 것으로, 센서디바이스로부터 생산설비의 전력, 온도, 진동 상태 중 적어도 어느 하나의 데이터를 수집하고, 빅데이터 기법을 통해 수집된 데이터를 분석함으로써, 생산설비의 효율을 향상시킬 수 있는 최적의 운영조건을 파악할 수 있는 설비상태 감지를 위한 데이터 분석 방법을 제공하는 데 그 목적이 있다.
또한, 본 발명은 빅데이터 기법을 통해, 생산설비의 평균 전력 사용량을 산출하고, 가동중인 생산 설비의 온도, 전력, 진도 상태를 패턴화함으로써, 생산 설비의 이상 상황을 신속하게 감지하고, 사용자 단말기에 경고알림을 즉시 제공하여 발생되는 문제를 최소화할 수 있는 설비상태 감지를 위한 데이터 분석 방법을 제공하는 데 그 목적이 있다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급한 과제로 제한되지 않으며, 여기에 언급되지 않은 본 발명이 해결하려는 또 다른 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명에 따른 설비상태 감지를 위한 데이터 분석 방법은, 생산설비에 부착된 적어도 하나 이상의 센서 디바이스로부터 생산설비의 전력, 온도, 진동 상태 중 적어도 어느 하나의 데이터를 수집하는 데이터 수집단계, 수집된 데이터를 저장하고, 빅데이터 분석을 통해 생산설비의 상태를 분석하는 데이터 분석단계 및 분석된 데이터를 기설정된 사용자 단말기에 전송하는 데이터 전송단계를 포함한다.
또한, 본 발명에 따른 설비상태 감지를 위한 데이터 분석 방법의 데이터 분석단계는, 생산설비의 전력 사용량 데이터를 분석하여 평균적으로 가동되는 기준정보를 파악하고, 기설정된 공정 단위별 상기 생산설비의 전력, 온도, 진동 상태 중 적어도 어느 하나를 패턴화하는 것을 특징으로 한다.
또한, 본 발명에 따른 설비상태 감지를 위한 데이터 분석 방법의 데이터 전송단계는, 데이터 분석단계에서 분석된 데이터를 시각화하여 사용자 단말기로 전송하되, 분석된 데이터를 기설정된 조건으로 판단하여 경고알림을 포함하여 전송하는 것을 특징으로 한다.
상기 과제의 해결 수단에 의해, 본 발명의 설비상태 감지를 위한 데이터 분석 방법은, 센서디바이스로부터 생산설비의 전력, 온도, 진동 상태 중 적어도 어느 하나의 데이터를 수집하고, 빅데이터 기법을 통해 수집된 데이터를 분석함으로써, 생산설비의 효율을 향상시킬 수 있는 최적의 운영조건을 파악할 수 있는 효과를 가진다.
또한, 설비상태 감지를 위한 데이터 분석 방법은, 빅데이터 기법을 통해, 생산설비의 평균 전력 사용량을 산출하고, 가동중인 생산 설비의 온도, 전력, 진도 상태를 패턴화함으로써, 생산 설비의 이상 상황을 신속하게 감지하고, 사용자 단말기에 경고알림을 즉시 제공하여 발생되는 문제를 최소화할 수 있는 효과를 가진다.
도 1은 본 발명의 일실시례에 따른 설비상태 감지를 위한 데이터 분석 방법의 순서도이다.
도 2는 본 발명의 일실시례에 따른 설비상태 감지를 위한 데이터 분석 방법을 설명하기 위한 도면이다.
도 3은 본 발명의 일실시례의 따른 설비상태 감지를 위한 데이터 분석 방법의 데이터 전송단계를 설명하기 위한 도면이다.
도 4는 본 발명의 일실시례에 따른 설비상태 감지를 위한 데이터 분석 방법의 알림설정을 설명하기 위한 도면이다.
도 2는 본 발명의 일실시례에 따른 설비상태 감지를 위한 데이터 분석 방법을 설명하기 위한 도면이다.
도 3은 본 발명의 일실시례의 따른 설비상태 감지를 위한 데이터 분석 방법의 데이터 전송단계를 설명하기 위한 도면이다.
도 4는 본 발명의 일실시례에 따른 설비상태 감지를 위한 데이터 분석 방법의 알림설정을 설명하기 위한 도면이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시례에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
어느 부분이 다른 부분의 "위에" 있다고 언급하는 경우, 이는 바로 다른 부분의 위에 있을 수 있거나 그 사이에 다른 부분이 수반될 수 있다. 대조적으로 어느 부분이 다른 부분의 "바로 위에" 있다고 언급하는 경우, 그 사이에 다른 부분이 수반되지 않는다.
제1, 제2 및 제3 등의 용어들은 다양한 부분, 성분, 영역, 층 및/또는 섹션들을 설명하기 위해 사용되나 이들에 한정되지 않는다. 이들 용어들은 어느 부분, 성분, 영역, 층 또는 섹션을 다른 부분, 성분, 영역, 층 또는 섹션과 구별하기 위해서만 사용된다. 따라서, 이하에서 서술하는 제1 부분, 성분, 영역, 층 또는 섹션은 본 발명의 범위를 벗어나지 않는 범위 내에서 제2 부분, 성분, 영역, 층 또는 섹션으로 언급될 수 있다.
여기서 사용되는 전문 용어는 단지 특정 실시례를 언급하기 위한 것이며, 본 발명을 한정하는 것을 의도하지 않는다. 여기서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다.
명세서에서 사용되는 "포함하는"의 의미는 특정 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분을 구체화하며, 다른 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분의 존재나 부가를 제외시키는 것은 아니다.
"아래", "위" 등의 상대적인 공간을 나타내는 용어는 도면에서 도시된 한 부분의 다른 부분에 대한 관계를 보다 쉽게 설명하기 위해 사용될 수 있다.
이러한 용어들은 도면에서 의도한 의미와 함께 사용 중인 장치의 다른 의미나 동작을 포함하도록 의도된다. 예를 들면, 도면 중의 장치를 뒤집으면, 다른 부분들의 "아래"에 있는 것으로 설명된 어느 부분들은 다른 부분들의 "위"에 있는 것으로 설명된다. 따라서 "아래"라는 예시적인 용어는 위와 아래 방향을 전부 포함한다.
장치는 90˚ 회전 또는 다른 각도로 회전할 수 있고, 상대적인 공간을 나타내는 용어도 이에 따라서 해석된다.
다르게 정의하지는 않았지만, 여기에 사용되는 기술용어 및 과학용어를 포함하는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 의미와 동일한 의미를 가진다. 보통 사용되는 사전에 정의된 용어들은 관련 기술문헌과 현재 개시된 내용에 부합하는 의미를 가지는 것으로 추가 해석되고, 정의되지 않는 한 이상적이거나 매우 공식적인 의미로 해석되지 않는다.
이하에서, 본 발명의 실시례에 대하여 첨부한 도면을 참조하여 상세히 설명한다.
도 1은 본 발명의 일실시례에 따른 설비상태 감지를 위한 데이터 분석 방법의 순서도이다.
도 1을 참고하면, 설비상태 감지를 위한 데이터 분석 방법은 데이터 수집단계(S100), 데이터 분석단계(S200) 및 데이터 전송단계(S300)를 포함할 수 있다.
보다 상세하게는, 상기 데이터 수집단계(S100)는 생산설비에 부착된 적어도 하나 이상의 센서 디바이스로부터 상기 생산설비의 전력, 온도, 진동 상태 중 적어도 어느 하나를 수집할 수 있다.
일례로, 상기 센서 디바이스로부터 수집된 데이터는 별도로 마련된 클라우드 서버에 업로드 되어 저장될 수 있다.
상기 데이터 분석단계(S200)는 상기 수집된 데이터를 저장하고, 빅데이터 분석을 통해 상기 생산설비의 상태를 분석할 수 있다.
또한, 상기 생산설비의 전력 사용량 데이터를 분석하여 평균적으로 가동되는 기준정보를 파악하고, 기설정된 공정 단위별 상기 생산설비의 전력, 온도, 진동 상태 중 적어도 어느 하나를 패턴화할 수 잇다.
일례로, 상기 생산설비의 전력 사용량 기준정보에 기초하여, 기준값을 설정하고, 상기 센서 디바이스에서 감지된 전력 사용량이 상기 기준값을 초과하는 경우, 상기 생산설비에 과부하가 걸린 것으로 판단하여, 사용자 단말기에 경고알림을 전송할 수 있다.
상기 데이터 전송단계(S100)는 상기 분석된 데이터를 기설정된 사용자 단말기에 전송할 수 있다.
이 때, 상기 사용자 단말기는 PC, 휴대용 단말기를 포함할 수 있으며, 상기 사용자 단말기를 이용하여 알림설정, 전원제어 등을 수행할 수 있다.
또한, 상기 데이터 분석단계(S200)에서 분석된 데이터를 시각화하여 상기 사용자 단말기로 전송하되, 상기 분석된 데이터를 기설정된 조건으로 판단하여 경고알림을 포함하여 전송할 수 있다.
도 2는 본 발명의 일실시례에 따른 설비상태 감지를 위한 데이터 분석 방법을 설명하기 위한 도면이다.
도 2를 참고하면, 상기 설비상태 감지를 위한 데이터 분석 방법은, 상기 센서 디바이스로부터 수집된 데이터를 분석하여 패턴화하고, 상기 분석된 데이터를 시각화 하여 상기 기설정된 사용자 단말기에 전달할 수 있다.
또한, 상기 전달된 데이터에 기초하여, 사용자는 상기 생산설비를 실시간으로 모니터링 할 수 있으며, 상기 사용자단말기에 디스플레이되는 정보 중 이상정보가 포함된 경우, 즉시 사전점검을 실행하여 생산설비의 고장을 방지할 수 있다.
또한, 상기 패턴화된 데이터를 이용하여, 상기 생산설비의 최적운영지점을 산출할 수 있으며, 상기 최적운영지점을 유지할 수 있도록 상기 생산설비에 공급되는 전원을 제어할 수 있다.
도 3은 본 발명의 일실시례의 따른 설비상태 감지를 위한 데이터 분석 방법의 데이터 전송단계를 설명하기 위한 도면이고. 도 4는 본 발명의 일실시례에 따른 설비상태 감지를 위한 데이터 분석 방법의 알림설정을 설명하기 위한 도면이다.
도 3을 참고하면, 상기 데이터 전송단계(S300)에서 상기 사용자 단말기로 전달된 데이터는 기설정된 항목으로 분류되어, 상기 항목별 단위에 기초하여 디스플레이 될 수 있다.
일례로, 온도, 습도, 전압, 소비전력, 전류 및 진동 등의 항목으로 분류될 수 있으며, 온도는 섭씨(℃), 습도는 퍼센트(%), 전압은 볼트(V), 소비전력은 와트(W), 전류는 암페어(A) 및 진동은 헤르츠(Hz)의 단위로 표시될 수 있다.
또한, 도 4를 참고하면, 상기 사용자로부터 각 항목별로 기준값을 입력받고, 상기 센서 디바이스로부터 수집된 데이터가 상기 기준값을 초과한 경우, 상기 사용자 단말기에 경고알림이 즉시 전송될 수 있다.
한편, 빅데이터는 통상적으로 사용되는 데이터 수집, 관리 및 처리 소프트웨어의 수용 한계는 넘어서는 크기의 데이터를 의미하며, 상기 빅데이터 분석은, 머신러닝, 딥러닝 또는 패턴 인식 방식 중 적어도 어느 하나를 이용하여 수행될 수 있다.
머신러닝 또는 기계학습은 기설정된 알고리즘을 반복적으로 수행하면서, 데이터를 정확하게 처리하는 능력을 의미하며, 학습된 알고리즘에 기초하여 상기 데이터에 대한 예측이 가능한 것을 특징으로 한다.
딥러닝은 상기 머신러닝의 부분집합이며, 상기 수집된 데이터의 분류를 통해 상관관계를 도출하는 비지도 학습 방식으로, 지도 학습 방식인 상기 머신러닝에 비해 높은 정확도와 안정성을 갖는 것을 특징으로 한다.
패턴 인식은 상기 수집된 데이터로부터 반복되는 특정점을 추출하고, 상기 특징을 조합하여 하나의 패턴을 형성할 수 있다.
상기와 같은 본 발명의 효과에 따르면, 센서 디바이스로부터 생산설비의 전력, 온도, 진동 상태 중 적어도 어느 하나의 데이터를 수집하고, 빅데이터 기법을 통해 수집된 데이터를 분석함으로써, 생산설비의 효율을 향상시킬 수 있는 최적의 운영조건을 파악할 수 있는 설비상태 감지를 위한 데이터 분석 방법이 제공될 수 있다.
또한, 빅데이터 기법을 통해, 생산설비의 평균 전력 사용량을 산출하고, 가동중인 생산 설비의 온도, 전력, 진도 상태를 패턴화함으로써, 생산 설비의 이상 상황을 신속하게 감지하고, 사용자 단말기에 경고알림을 즉시 제공하여 발생되는 문제를 최소화할 수 있는 설비상태 감지를 위한 데이터 분석 방법이 제공될 수 있다.
또한, 본 발명의 일실시례에 따른, 생산설비 감지를 위한 데이터 분석 방법은 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 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 매체는 프로그램 명령은 본 발명을 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.
이상과 같이 본 발명의 일실시례는 비록 한정된 실시례와 도면에 의해 설명되었으나, 본 발명의 일실시례는 상기 설명된 실시례에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서 본 발명의 일실시례는 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
S100 : 데이터 수집단계
S200 : 데이터 분석단계
S300 : 데이터 전송단계
S200 : 데이터 분석단계
S300 : 데이터 전송단계
Claims (3)
- 생산설비에 부착된 적어도 하나 이상의 센서 디바이스로부터 상기 생산설비의 전력, 온도, 진동 상태 중 적어도 어느 하나의 데이터를 수집하는 데이터 수집단계;
상기 수집된 데이터를 저장하고, 빅데이터 분석을 통해 상기 생산설비의 상태를 분석하는 데이터 분석단계; 및
상기 분석된 데이터를 기설정된 사용자 단말기에 전송하는 데이터 전송단계;
를 포함하는 설비상태 감지를 위한 데이터 분석 방법. - 제 1항에 있어서,
상기 데이터 분석단계는,
상기 생산설비의 전력 사용량 데이터를 분석하여 평균적으로 가동되는 기준정보를 파악하고, 기설정된 공정 단위별 상기 생산설비의 전력, 온도, 진동 상태 중 적어도 어느 하나를 패턴화하는 것을 특징으로 하는 설비상태 감지를 위한 데이터 분석 방법. - 제 1항에 있어서,
상기 데이터 전송단계는,
상기 데이터 분석단계에서 분석된 데이터를 시각화하여 상기 사용자 단말기로 전송하되, 상기 분석된 데이터를 기설정된 조건으로 판단하여 경고알림을 포함하여 전송하는 것을 특징으로 하는 설비상태 감지를 위한 데이터 분석 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190161611A KR20210071438A (ko) | 2019-12-06 | 2019-12-06 | 설비상태 감지를 위한 데이터 분석 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190161611A KR20210071438A (ko) | 2019-12-06 | 2019-12-06 | 설비상태 감지를 위한 데이터 분석 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210071438A true KR20210071438A (ko) | 2021-06-16 |
Family
ID=76603292
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190161611A KR20210071438A (ko) | 2019-12-06 | 2019-12-06 | 설비상태 감지를 위한 데이터 분석 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20210071438A (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102561675B1 (ko) * | 2023-03-23 | 2023-07-31 | 주식회사 이에스피 | 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템 |
| KR102578489B1 (ko) * | 2022-07-12 | 2023-09-13 | 이재학 | 빅데이터, 머신러닝 기반의 디지털 트랜스포메이션 예측 시스템 |
-
2019
- 2019-12-06 KR KR1020190161611A patent/KR20210071438A/ko unknown
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102578489B1 (ko) * | 2022-07-12 | 2023-09-13 | 이재학 | 빅데이터, 머신러닝 기반의 디지털 트랜스포메이션 예측 시스템 |
| KR102561675B1 (ko) * | 2023-03-23 | 2023-07-31 | 주식회사 이에스피 | 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109001649B (zh) | 一种电源智能诊断系统及保护方法 | |
| US6694286B2 (en) | Method and system for monitoring the condition of an individual machine | |
| KR101713985B1 (ko) | 예지 정비 방법 및 장치 | |
| JP4741172B2 (ja) | 予測状態監視における変化状態の適応モデリング | |
| US7254514B2 (en) | Method and system for predicting remaining life for motors featuring on-line insulation condition monitor | |
| JP5284503B2 (ja) | 予測的状態監視のための診断システムおよび方法 | |
| CN109186813A (zh) | 一种温度传感器自检装置及方法 | |
| US20130148817A1 (en) | Abnormality detection apparatus for periodic driving system, processing apparatus including periodic driving system, abnormality detection method for periodic driving system, and computer program | |
| US20020128731A1 (en) | Global state change indicator for empirical modeling in condition based monitoring | |
| EP2051086A2 (en) | Method and system for remotely predicting the remaining life of an AC motor system | |
| JP6200833B2 (ja) | プラントと制御装置の診断装置 | |
| US20230162484A1 (en) | Apparatus and method for generating learning data for artificial intelligence model | |
| KR20210071438A (ko) | 설비상태 감지를 위한 데이터 분석 방법 | |
| WO2017159016A1 (ja) | 異常診断システム | |
| EP2135144B1 (en) | Machine condition monitoring using pattern rules | |
| US7996337B2 (en) | Method and system for remotely determining the reliability of a DC motor system | |
| JP6948197B2 (ja) | プロセス監視装置 | |
| CN109313442B (zh) | 用于事件检测的自动视觉和声学分析 | |
| KR20210006832A (ko) | 기계고장 진단 방법 및 장치 | |
| JP6898607B2 (ja) | 異常予兆検出システムおよび異常予兆検出方法 | |
| CN117607780A (zh) | 一种电能计量装置异常分析系统及其分析方法 | |
| KR20160053977A (ko) | 모델 적응을 위한 장치 및 방법 | |
| US20200356081A1 (en) | System and a Method to Enable Zero Defect Production | |
| KR20210059271A (ko) | 진동 신호 기반의 기계 상태 관리 시스템 | |
| CN117674418A (zh) | 一种输电线路状态监测方法、系统、设备和介质 |