KR20220036791A - System and method for verifying field data collected in ship - Google Patents

System and method for verifying field data collected in ship Download PDF

Info

Publication number
KR20220036791A
KR20220036791A KR1020200119418A KR20200119418A KR20220036791A KR 20220036791 A KR20220036791 A KR 20220036791A KR 1020200119418 A KR1020200119418 A KR 1020200119418A KR 20200119418 A KR20200119418 A KR 20200119418A KR 20220036791 A KR20220036791 A KR 20220036791A
Authority
KR
South Korea
Prior art keywords
field data
vessel
ship
abnormal
learned
Prior art date
Application number
KR1020200119418A
Other languages
Korean (ko)
Inventor
이인호
김민정
Original Assignee
삼성중공업 주식회사
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 삼성중공업 주식회사 filed Critical 삼성중공업 주식회사
Priority to KR1020200119418A priority Critical patent/KR20220036791A/en
Publication of KR20220036791A publication Critical patent/KR20220036791A/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/30—Monitoring properties or operating parameters of vessels in operation for diagnosing, testing or predicting the integrity or performance of vessels
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/10—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/20—Monitoring properties or operating parameters of vessels in operation using models or simulation, e.g. statistical models or stochastic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Abstract

A system and a method for verifying field data collected on board a ship are disclosed. The field data verification system comprises: an information collection unit provided in a ship to collect field data related to operation of the ship from one or more predetermined devices; and a ship monitoring unit provided in the ship to determine whether currently collected field data is normal field data or abnormal field data using a first machine-learned first diagnosis model to diagnose the soundness of field data, thereby capable of diagnosing whether the field data collected from various devices provided on the ship is normal by each ship.

Description

선박내에서 수집된 필드 데이터를 검증하는 시스템 및 방법{System and method for verifying field data collected in ship}System and method for verifying field data collected in ship

본 발명은 선박내에서 수집된 필드 데이터를 검증하는 시스템 및 방법에 관한 것이다. The present invention relates to a system and method for verifying field data collected on board a ship.

글로벌 통신 네트워크 기반의 운항 관제 기술과 스마트 ICT 기술 기반의 선박내 융합 서비스를 구현하는 선박인 스마트쉽(smart ship)에 대한 관심이 높아지고 있다. Interest in a smart ship, a ship that implements an in-ship convergence service based on global communication network-based navigation control technology and smart ICT technology, is growing.

스마트쉽과 같은 선박에는 선내 운영 및 보안을 용이하게 하기 위한 통합 제어 및 모니터링 시스템(Integrated Control & Monitoring System, ICMS)과, 선박의 운항 관련 정보를 자동으로 기록하는 선박 항해 기록 장치(Voyage Data Recorder, VDR) 등이 구비된다. 선박 항해 기록 장치에는 예를 들어 날짜, 시간,　선박의 위치, 속력, 선수 방향, 통신 내용, 풍속, 풍향 및 주기관 상태 등이 자동으로 기록되고 있다. In ships such as smart ships, an integrated control and monitoring system (ICMS) to facilitate onboard operation and security, and a vessel navigation recorder (Voyage Data Recorder, VDR), etc. are provided. In the vessel navigation recorder, for example, the date, time, position of the vessel, speed, heading direction, communication content, wind speed, wind direction and state of the main engine are automatically recorded.

또한, 선박의 효율적 운항을 위해, 선박에 설치된 각종 장치에서 생성된 필드 데이터를 토대로 화물창 내의 상태를 사전에 예측하거나, 기상 데이터를 토대로 추천 항로를 제시하는 등의 다양한 예측 모델도 개발되어 활용되고 있다. In addition, for the efficient operation of the ship, various predictive models have been developed and utilized, such as predicting the condition in the cargo hold in advance based on field data generated by various devices installed on the ship, or suggesting a recommended route based on weather data. .

그러나, 현재까지 선박에서 활용되는 예측 모델은 각종 장치에서 생성된 필드 데이터를 토대로 선박의 효율적 운항을 위한 예측 정보를 생성하도록 활용되고 있을 뿐, 각종 센서에서 측정되어 수집된 필드 데이터 자체가 정상적인지 여부는 진단하지 못하는 한계가 있다. However, the predictive model used in ships so far is only being utilized to generate predictive information for efficient ship operation based on field data generated by various devices, and whether the field data measured and collected by various sensors is normal. has limitations that cannot be diagnosed.

또한, 각 선박 단위에서 운항 이력 정보에 기반하여 수집된 필드 데이터가 비정상적인 필드 데이터로 진단되더라도, 해당 필드 데이터가 실제적으로 비정상인 필드 데이터인지 여부가 검증되지 못하는 한계도 있었다. In addition, even if the field data collected based on the operation history information in each ship unit is diagnosed as abnormal field data, there is a limitation in that whether the field data is actually abnormal field data cannot be verified.

한국등록특허 제10-1683458호Korean Patent No. 10-1683458

본 발명은 선박에 구비된 각종 장치로부터 수집된 필드 데이터가 정상인지 여부가 개별 선박 단위에서 진단될 수 있을 뿐 아니라, 시리즈 호선 등으로 미리 규정된 선단 규모에서 수집된 필드 데이터를 토대로 검증될 수 있는 선박내에서 수집된 필드 데이터를 검증하는 시스템 및 방법을 제공하기 위한 것이다. According to the present invention, whether or not the field data collected from various devices provided in the vessel is normal can be diagnosed in individual vessel units, as well as verified based on field data collected at a pre-defined fleet scale for series vessels, etc. An object of the present invention is to provide a system and method for verifying field data collected in a vessel.

본 발명은 선박에서 수집된 필드 데이터의 건전성(즉, 정상 또는 비정상 여부)이 검증될 수 있어, 선박에 구비된 설비 및 센서의 오류 여부가 정확히 판별될 수 있고, 이를 통해 선내 선원들의 정확한 의사 결정이 가능해질 수 있는 선박내에서 수집된 필드 데이터를 검증하는 시스템 및 방법을 제공하기 위한 것이다.In the present invention, the soundness (ie, normal or abnormal) of field data collected from a ship can be verified, so that errors in facilities and sensors provided on the ship can be accurately determined, and through this, accurate decision-making of crew members on board It is intended to provide a system and method for verifying field data collected on board a ship in which this may be possible.

본 발명의 이외의 목적들은 하기의 설명을 통해 쉽게 이해될 수 있을 것이다.Objects other than the present invention will be easily understood through the following description.

본 발명의 일 측면에 따르면, 선박에 구비되어, 상기 선박의 운항에 관한 필드 데이터를 미리 지정된 하나 이상의 장치로부터 수집하는 정보 수집부; 및 상기 선박에 구비되어, 필드 데이터의 건전성을 진단하도록 미리 기계 학습된 제1 진단 모델을 이용하여 현재 수집된 필드 데이터가 정상적인 필드 데이터인지 또는 비정상적인 필드 데이터인지를 판별하는 선박 모니터링부를 포함하되, 상기 제1 진단 모델은 상기 선박에 구비된 장비가 정상적인 구동 상태에서 수집된 각각의 필드 데이터, 상기 선박에 구비된 임의의 장비가 오류인 비정상적인 구동 상태에서 수집된 각각의 필드 데이터를 포함하는 상기 선박의 운항 이력 정보들을 이용하여 학습되는, 필드 데이터 검증 시스템이 제공된다. According to an aspect of the present invention, provided in a ship, the information collecting unit for collecting field data related to the operation of the ship from one or more devices designated in advance; and a ship monitoring unit provided in the ship and configured to determine whether the currently collected field data is normal field data or abnormal field data using a first machine-learned first diagnostic model to diagnose the soundness of field data; The first diagnostic model includes each field data collected in a normal operating state of the equipment provided in the vessel, and each field data collected in an abnormal driving state in which any equipment provided in the vessel is in error. A field data verification system that is learned using flight history information is provided.

필드 데이터 검증 시스템은, 상기 선박 이외의 미리 지정된 위치에 구비되어, 선단 규모에서 필드 데이터의 건전성을 진단하도록 미리 기계 학습된 제2 진단 모델을 이용하여 상기 선박으로부터 비정상적인 필드 데이터인 것으로 제공받은 필드 데이터가 정상적인 필드 데이터인지 또는 비정상적인 필드 데이터인지를 판별한 검증 결과를 상기 선박 모니터링부로 제공하는 선단 검증 장치를 더 포함하되, 상기 제2 진단 모델은 상기 선박이 속하는 선단에 포함된 각 선박에 구비된 장비가 정상적인 구동 상태에서 수집된 각각의 필드 데이터, 각 선박에 구비된 임의의 장비가 오류인 비정상적인 구동 상태에서 수집된 각각의 필드 데이터를 포함하는 각 선박의 운항 이력 정보들을 이용하여 학습될 수 있다.The field data verification system is provided at a pre-designated location other than the ship, and the field data provided as abnormal field data from the ship using a machine-learned second diagnostic model in advance to diagnose the health of field data at the fleet scale. Further comprising a fleet verification device for providing a verification result of determining whether is normal field data or abnormal field data to the vessel monitoring unit, wherein the second diagnostic model is equipment provided in each vessel included in the vessel to which the vessel belongs can be learned using operation history information of each vessel including each field data collected in a normal driving state, and each field data collected in an abnormal driving state in which arbitrary equipment provided in each vessel is an error.

상기 검증 결과는 상기 필드 데이터가 정상인지 또는 비정상인지에 관한 판정 정보가 포함할 수 있고, 상기 제1 진단 모델은 상기 판정 정보 및 상기 판정 정보에 상응하는 필드 데이터를 이용하여 학습될 수 있다.The verification result may include determination information regarding whether the field data is normal or abnormal, and the first diagnostic model may be learned using the determination information and field data corresponding to the determination information.

본 발명의 다른 측면에 따르면, 필드 데이터 검증 방법을 수행하도록 하기 위해 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 컴퓨터로 하여금 이하의 단계들을 수행하도록 하며, 상기 단계들은, 미리 지정된 하나 이상의 장치로부터 선박의 운항에 관한 필드 데이터를 수집하는 단계; 필드 데이터의 건전성을 진단하도록 미리 기계 학습된 제1 진단 모델을 이용하여 현재 수집된 필드 데이터가 정상적인 필드 데이터인지 또는 비정상적인 필드 데이터인지를 판별하는 단계; 비정상적인 필드 데이터로 판단되면, 통신망을 통해 수집된 필드 데이터를 선단 검증 장치로 전송하고, 상기 선단 검증 장치가 미리 기계 학습된 제2 진단 모델을 이용하여 판별한 상기 필드 데이터에 대한 검증 결과를 수신하는 단계; 및 상기 검증 결과 및 상기 검증 결과에 상응하는 필드 데이터를 이용하여 상기 제1 진단 모델이 학습되도록 하는 단계를 포함하는, 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램이 제공된다. According to another aspect of the present invention, there is provided a computer program stored in a computer-readable medium for performing a field data verification method, the computer program causing the computer to perform the following steps, the steps comprising: collecting field data related to the operation of the vessel from the above device; determining whether the currently collected field data is normal field data or abnormal field data using a first machine-learned diagnostic model to diagnose the health of field data; When it is determined that the field data is abnormal, the field data collected through the communication network is transmitted to the front-end verification device, and the verification result for the field data determined by the front-end verification device using the machine-learned second diagnostic model in advance is received. step; and allowing the first diagnostic model to be learned using the verification result and field data corresponding to the verification result.

전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.Other aspects, features and advantages other than those described above will become apparent from the following drawings, claims, and detailed description of the invention.

본 발명의 실시예에 따르면, 선박에 구비된 각종 장치로부터 수집된 필드 데이터가 정상인지 여부가 개별 선박 단위에서 진단될 수 있을 뿐 아니라, 시리즈 호선 등으로 미리 규정된 선단 규모에서 수집된 필드 데이터를 토대로 검증되는 효과가 있다. According to an embodiment of the present invention, it is possible to diagnose whether the field data collected from various devices provided in the ship is normal or not at an individual ship unit, as well as field data collected at a fleet scale prescribed in a series ship, etc. There is a proven effect based on it.

또한, 선박에서 수집된 필드 데이터의 건전성(즉, 정상 또는 비정상 여부)이 검증될 수 있어, 선박에 구비된 설비 및 센서의 오류 여부가 정확히 판별될 수 있고, 이를 통해 선내 선원들의 정확한 의사 결정이 가능해지는 효과도 있다. In addition, the soundness (ie, normal or abnormal) of the field data collected from the ship can be verified, so that the errors of the facilities and sensors provided on the ship can be accurately determined, and through this, the accurate decision-making of the crew on board the ship can be verified. There is an effect that makes it possible.

도 1은 본 발명의 일 실시예에 따른 필드 데이터 검증 시스템을 개략적으로 나타낸 도면.
도 2는 본 발명의 일 실시예에 따른 선박 검증 장치와 선단 검증 장치의 블록 구성도.
도 3은 본 발명의 일 실시예에 따른 필드 데이터에 대한 검증 방법을 나타낸 순서도.1 is a diagram schematically showing a field data verification system according to an embodiment of the present invention.
2 is a block diagram of a ship verification apparatus and a tip verification apparatus according to an embodiment of the present invention.
3 is a flowchart illustrating a verification method for field data according to an embodiment of the present invention.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.Since the present invention can have various changes and can have various embodiments, specific embodiments are illustrated in the drawings and described in detail in the detailed description. However, this is not intended to limit the present invention to specific embodiments, it should be understood to include all modifications, equivalents, and substitutes included in the spirit and scope of the present invention.

도 1은 본 발명의 일 실시예에 따른 필드 데이터 검증 시스템을 개략적으로 나타낸 도면이고, 도 2는 본 발명의 일 실시예에 따른 선박 검증 장치와 선단 검증 장치의 블록 구성도이다.1 is a diagram schematically showing a field data verification system according to an embodiment of the present invention, and FIG. 2 is a block diagram of a ship verification apparatus and a tip verification apparatus according to an embodiment of the present invention.

도 1 및 도 2를 참조하면, 필드 데이터 검증 시스템은 각 선박(100)에 구비된 선박 검증 장치(210), 클라우드 서버(120) 및 미리 지정된 위치(예를 들어, 육상)에 구비되는 선단 검증 장치(140)를 포함할 수 있다.1 and 2 , the field data verification system includes a ship verification device 210 provided in each ship 100 , a cloud server 120 , and a fleet verification provided at a pre-designated location (eg, onshore). device 140 .

후술되는 바와 같이, 각 선박(100)에서 수집된 필드 데이터의 건전성(즉, 정상 또는 비정상 여부)은 해당 선박(100)에 구비된 선박 검증 장치(210)에서 1차적으로 진단될 수 있다. 또한, 선박 검증 장치(210)에서 비정상으로 진단된 필드 데이터의 건전성은 선단 검증 장치(140)에 의해 2차적으로 검증될 수 있다.As will be described later, the soundness (ie, whether normal or abnormal) of field data collected in each vessel 100 may be primarily diagnosed by the vessel verification device 210 provided in the vessel 100 . In addition, the soundness of field data diagnosed as abnormal by the ship verification device 210 may be secondarily verified by the tip verification device 140 .

선단 검증 장치(140)는 복수의 선박(100)들을 선단(110-1, 110-2, 110-n)(이하, 110이라 통칭함)들로 구분하여 관리할 수 있다. The tip verification apparatus 140 may manage the plurality of ships 100 by classifying them into the tips 110-1, 110-2, and 110-n (hereinafter, collectively referred to as 110).

여기서, 선단은 미리 지정된 기준에 따라 복수의 선박(100)을 동일한 그룹으로 규정할 수 있고, 예를 들어 미리 지정된 기준은 선박의 외형도, 내부 구조 등이 동일하게 건조되는 시리즈 호선 등일 수 있다. Here, the front end may define a plurality of ships 100 as the same group according to a pre-specified standard, for example, the pre-specified standard may be a series ship in which the external view, internal structure, etc. of the ship are built in the same manner.

선단 검증 장치(140)는 임의의 선박(100)에서 비정상으로 진단된 필드 데이터가 수신되면, 해당 선박(100)이 속하는 선단(110) 내의 선박들에서 수신된 필드 데이터에 기초하여 해당 필드 데이터가 정상인지 여부를 검증할 수 있다. When field data diagnosed as abnormal in any vessel 100 is received, the fleet verification device 140 determines the field data based on the field data received from the vessels within the tip 110 to which the vessel 100 belongs. You can check whether it is normal or not.

이하, 도 2를 참조하여 필드 데이터 검증 시스템의 구성을 상세히 설명하기로 한다. Hereinafter, the configuration of the field data verification system will be described in detail with reference to FIG. 2 .

도 2를 참조하면, 필드 데이터 검증 시스템은 선박 검증 장치(210), 클라우드 서버(120) 및 선단 검증 장치(140)를 포함할 수 있다.Referring to FIG. 2 , the field data verification system may include a ship verification device 210 , a cloud server 120 , and a tip verification device 140 .

선박 검증 장치(210)는 정보 수집부(211), 저장부(213), 송수신부(215) 및 선박 모니터링부(217)를 포함할 수 있다. The vessel verification device 210 may include an information collection unit 211 , a storage unit 213 , a transceiver unit 215 , and a vessel monitoring unit 217 .

정보 수집부(211)는 선박(100)에 구비된 장치들로부터 필드 데이터를 수집한다. 필드 데이터의 건전성을 진단하여 선박에 구비된 장치 등의 정상 구동 여부를 확인할 수 있도록, 정보 수집부(211)가 수집할 필드 데이터의 유형은 다양하게 미리 설정될 수 있다.The information collection unit 211 collects field data from devices provided in the vessel 100 . The types of field data to be collected by the information collection unit 211 may be variously preset in order to diagnose the soundness of the field data and check whether the equipment provided in the ship is operating normally.

예를 들어, 정보 수집부(211)는 정보 수집부(211)는 ICMS(통합 제어 및 모니터링 시스템)로부터 메인 엔진 출력값, 발전기 엔진 출력값, 보일러 증기압 및 온도, 구동 샤프트의 토크 및 회전수 등에 관한 필드 데이터를 수집할 수 있다. For example, the information collection unit 211 may include fields related to the main engine output value, the generator engine output value, the boiler steam pressure and temperature, the torque and rotation speed of the drive shaft, etc. from the ICMS (Integrated Control and Monitoring System). data can be collected.

또한, 정보 수집부(211)는 VDR(선박 항해 기록 장치)로부터 선박의 위치, 변침 각도, 운항 속도, 러더 앵글, 풍향과 풍속, 주기관 상태 등에 관한 필드 데이터를 수집할 수 있다. In addition, the information collection unit 211 may collect field data regarding the position of the vessel, the angle of change of the ship, the operating speed, the rudder angle, the wind direction and speed, the state of the main engine, and the like from the VDR (vessel navigation recorder).

정보 수집부(211)에 의해 수집된 필드 데이터는 저장부(213)에 저장될 수 있다. 수집된 필드 데이터가 저장부(213)에 저장될 때, 후술될 진단 모델에 의해 필드 데이터의 건전성이 진단될 수 있도록 데이터 파일의 명칭 등을 정형화하고, 필드 데이터의 유형에 따라 분류하는 전처리가 선행될 수도 있다.Field data collected by the information collection unit 211 may be stored in the storage unit 213 . When the collected field data is stored in the storage unit 213, a pre-processing of formalizing the name of the data file, etc. and classifying it according to the type of field data is preceded so that the health of the field data can be diagnosed by a diagnostic model to be described later. it might be

송수신부(215)는 정보 수집부(211)에 의해 수집되어 저장부(213)에 저장된 필드 데이터를 통신망을 통해 클라우드 서버(120)으로 전송하고, 클라우드 서버(120)으로부터 선단 검증 장치(140)에 의한 검증 결과 정보를 수신한다. 수신된 검증 결과 정보는 저장부(213)에 저장될 수 있다. The transceiver 215 transmits the field data collected by the information collection unit 211 and stored in the storage unit 213 to the cloud server 120 through a communication network, and the tip verification device 140 from the cloud server 120 . Receive verification result information by The received verification result information may be stored in the storage unit 213 .

송수신부(215)는 저장부(213)에 저장된 필드 데이터들을 제한없이 클라우드 서버(120)으로 전송하도록 설정될 수도 있으나, 저장부(213)에 저장된 필드 데이터 중 선박 모니터링부(217)에 의해 비정상으로 진단된 필드 데이터만 선별하여 클라우드 서버(120)으로 전송하도록 미리 설정될 수 있다. The transceiver 215 may be set to transmit the field data stored in the storage 213 to the cloud server 120 without limitation, but is abnormal by the ship monitoring unit 217 among the field data stored in the storage 213 . It may be preset to select only field data diagnosed as , and transmit it to the cloud server 120 .

선박 모니터링부(217)는 필드 데이터의 건전성을 진단하도록 미리 규정된 딥러닝 기반의 진단 모델을 이용하여 현재 수집된 필드 데이터의 건전성을 진단할 수 있다. The ship monitoring unit 217 may diagnose the health of the currently collected field data using a pre-defined deep learning-based diagnostic model to diagnose the health of the field data.

진단 모델은 해당 선박(100)의 과거 운항 이력 정보를 이용하여 학습하도록 규정될 수 있다. 운항 이력 정보는 예를 들어 선박(100)의 각 장비가 정상적으로 구동되는 상태일 때 수집된 다양한 필드 데이터, 임의의 장비가 오류인 상태일 때 수집된 다양한 필드 데이터 등을 포함할 수 있다. The diagnosis model may be defined to be learned using past operation history information of the corresponding vessel 100 . The operation history information may include, for example, various field data collected when each equipment of the vessel 100 is in a normally driven state, various field data collected when any equipment is in an error state, and the like.

또한, 본 명세서에서 과거 운항 이력 정보는 직전 항차까지의 운항 이력 정보뿐 아니라, 직전 수집 회차까지 수집된 필드 데이터에 따른 운항 이력 정보를 포함하는 개념일 수 있다. In addition, in the present specification, the past operation history information may be a concept including not only the operation history information up to the previous flight, but also the operation history information according to field data collected up to the previous collection time.

진단 모델은 예를 들어 완전 합성곱 신경망(Fully Convolutional Neural network), 합성곱 신경망(Convolutional Neural Network), 순환 신경망(Recurrent Neural Network), 제한 볼츠만 머신(Restricted Boltzmann Machine), 심층 신뢰 신경망(Deep Belief neural Network) 등의 딥러닝 기반의 모델중 하나 이상으로 생성될 수 있다. 물론, 딥러닝 기법 이외의 머신 러닝 기법으로 구현되거나, 딥러닝 기법과 머신 러닝 기법이 결합된 하이브리드 형태의 모델로 생성될 수도 있다.Diagnostic models include, for example, Fully Convolutional Neural Networks, Convolutional Neural Networks, Recurrent Neural Networks, Restricted Boltzmann Machines, Deep Belief Neural Networks. Network) can be created with one or more of deep learning-based models such as Of course, it may be implemented as a machine learning technique other than the deep learning technique, or it may be created as a hybrid model in which the deep learning technique and the machine learning technique are combined.

또한, 진단 모델을 학습하는 방법도 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 등으로 다양할 수 있다. In addition, a method of learning the diagnostic model may be various, such as supervised learning, unsupervised learning, reinforcement learning, and the like.

예를 들어, 선박 모니터링부(217)에 의해 현재 수집된 필드 데이터가 정상적인 필드 데이터인 것으로 진단되면, 현재 시점에서 선박(100)에 구비된 각 장비는 정상적으로 구동되는 상태인 것으로 인식될 수 있을 것이다. For example, if the field data currently collected by the vessel monitoring unit 217 is diagnosed as normal field data, each equipment provided in the vessel 100 at the current time may be recognized as being in a normally driven state. .

그러나, 만일 구동 샤프트의 RPM이 100 이하가 정상인 경우 구동 샤프트의 RPM이 300인 필드 데이터가 수집되었다면, 선박 모니터링부(217)는 비정상적인 필드 데이터인 것으로 진단할 수 있고, 이는 구동 시스템 또는/및 계측 센서에 오류가 발생된 것으로 예상할 수 있을 것이다. However, if field data in which the RPM of the drive shaft is 300 is collected when the RPM of the drive shaft is 100 or less, the ship monitoring unit 217 may diagnose it as abnormal field data, which is a drive system or/and measurement It can be expected that an error has occurred in the sensor.

이와 같이, 임의의 필드 데이터가 비정상인 것으로 진단된 경우, 선박 모니터링부(217)는 송수신부(215)를 통해 특정 범위의 필드 데이터를 선단 검증 장치(140)로 전송하도록 할 수 있다. As such, when it is diagnosed that any field data is abnormal, the ship monitoring unit 217 may transmit field data in a specific range to the tip verification device 140 through the transceiver 215 .

이때, 송수신부(215)를 통해 전송되는 필드 데이터의 범위는 선박 검증 장치(210)에서 비정상으로 진단한 필드 데이터의 건전성을 선단 검증 장치(140)에서 다시 진단하기 위해 필요한 범위로 미리 지정될 수 있다. At this time, the range of field data transmitted through the transceiver 215 may be preset as a range necessary for the ship verification device 210 to diagnose the soundness of the field data as abnormal again by the ship verification device 140 . there is.

또한, 검증될 필드 데이터를 선단 검증 장치(140)로 전송할 때, 해당 선박(100)의 식별 정보가 함께 전송될 수 있음은 당연하다.In addition, when the field data to be verified is transmitted to the front end verification device 140 , it is natural that identification information of the corresponding vessel 100 may be transmitted together.

또한, 선박 모니터링부(217)는 수집된 필드 데이터에서 비정상인 필드 데이터가 진단되면, 선내 선원의 주의를 환기시키기 위해 미리 지정된 방식으로 알람 처리를 수행할 수도 있다. In addition, when abnormal field data is diagnosed from the collected field data, the vessel monitoring unit 217 may perform alarm processing in a predetermined manner in order to draw the attention of the crew on board.

하나 이상의 선박(100)에서 예를 들어 위성 통신망 등을 이용하여 전송하는 필드 데이터는 클라우드 서버(120)에 저장될 수 있다. Field data transmitted from one or more ships 100 using, for example, a satellite communication network, etc. may be stored in the cloud server 120 .

클라우드 서버(120)는 통신 모듈, 데이터베이스 및 프로세서를 포함할 수 있으며, 선박(100)과 선단 검증 장치(140)간에 데이터가 송수신되도록 중개한다. The cloud server 120 may include a communication module, a database, and a processor, and mediates so that data is transmitted/received between the ship 100 and the tip verification device 140 .

선단 검증 장치(140)는 통신부(231) 및 선단 모니터링부(232)를 포함할 수 있다. 도시되지는 않았으나, 선단 검증 장치(140)는 진단 모델의 학습, 필드 데이터의 검증을 위해 다양한 필드 데이터를 저장하는 저장부가 더 포함될 수도 있다.The tip verification device 140 may include a communication unit 231 and a tip monitoring unit 232 . Although not shown, the front-end verification apparatus 140 may further include a storage unit for storing various field data for learning a diagnostic model and verifying field data.

통신부(231)는 클라우드 서버(120)를 통해 임의의 선박(100)으로부터 검증 요청된 필드 데이터를 수집한다. The communication unit 231 collects verification-requested field data from an arbitrary vessel 100 through the cloud server 120 .

선단 모니터링부(232)는 해당 선박(100)이 속하는 선단(110)에 포함된 다수개의 선박들의 과거 운항 이력 정보를 이용하여 학습된 딥러닝 기반의 진단 모델을 이용하여 해당 선박(100)에서 검증 요청된 필드 데이터의 건전성을 진단한다.The fleet monitoring unit 232 verifies the vessel 100 by using a deep learning-based diagnostic model learned using past operation history information of a plurality of vessels included in the distal end 110 to which the vessel 100 belongs. Diagnose the health of the requested field data.

앞서 설명한 바와 같이, 각 선박의 운항 이력 정보는 예를 들어 해당 선박의 각 장비가 정상적으로 구동되는 상태일 때 수집된 다양한 필드 데이터, 임의의 장비가 오류인 상태일 때 수집된 다양한 필드 데이터 등을 포함할 수 있다. As described above, the operation history information of each vessel includes, for example, various field data collected when each equipment of the vessel is operating normally, and various field data collected when any equipment is in an error state. can do.

따라서, 개별 선박(100)에서 학습되고 운용되는 진단 모델은 해당 선박(100)의 과거 운항 이력 정보만을 이용하여 학습되기 때문에 해당 선박(100)에 최적화된 진단 모델인 특징이 있다. Accordingly, since the diagnostic model learned and operated by the individual ship 100 is learned using only the past operation history information of the corresponding ship 100 , it is a diagnostic model optimized for the corresponding ship 100 .

이에 비해, 선단 모니터링부(232)에서 학습되고 운용되는 진단 모델은 시리즈 호선 등인 선단(110)에 포함된 복수의 선박(100)들의 과거 운항 이력 정보들을 모두 이용하여 학습되기 때문에, 상대적으로 많은 필드 데이터로 학습될 수 있고 이를 통해 보다 정확한 건전성 진단이 가능해지는 특징이 있다. In contrast, since the diagnostic model learned and operated by the fleet monitoring unit 232 is learned using all of the past operation history information of a plurality of ships 100 included in the fleet 110, such as series ships, relatively many fields It can be learned from data, and through this, more accurate health diagnosis is possible.

이를 위해, 선단 검증 장치(140)에는 각 선단 단위로 개별 학습된 진단 모델이 마련될 수 있음은 당연하다. To this end, it is natural that the diagnostic model individually learned for each tip unit may be provided in the tip verification device 140 .

선단 모니터링부(232)는 해당 선단(110)에 상응하는 진단 모델을 이용하여 검증 요청된 필드 데이터에 대한 검증을 수행하고, 검증 결과를 클라우드 서버(120)를 통해 해당 선박(100)의 선박 검증 장치(210)로 제공한다. The tip monitoring unit 232 verifies the field data requested for verification using a diagnostic model corresponding to the corresponding tip 110 , and verifies the verification result of the corresponding vessel 100 through the cloud server 120 . provided to the device 210 .

검증 결과에는 예를 들어 해당 필드 데이터가 정상인지 또는 비정상인지에 관한 판정 정보가 포함될 수 있다. The verification result may include, for example, determination information regarding whether the corresponding field data is normal or abnormal.

선단 모니터링부(232)에서 검증 결과가 수신되면, 선박 검증 장치(210)의 선박 모니터링부(217)는 검증 결과와 검증 결과에 상응하는 필드 데이터를 이용하여 진단 모델이 학습되도록 할 수 있다. When the verification result is received from the tip monitoring unit 232 , the vessel monitoring unit 217 of the vessel verification apparatus 210 may allow the diagnosis model to be learned using the verification result and field data corresponding to the verification result.

이와 같이, 선박에서 수집된 필드 데이터의 건전성(즉, 정상 또는 비정상 여부)이 검증될 수 있어, 선박에 구비된 설비 및 센서의 오류 여부가 정확히 판별될 수 있고, 이를 통해 선내 선원들의 정확한 의사 결정이 가능해질 수 있다.In this way, the soundness (ie, normal or abnormal) of the field data collected from the ship can be verified, so that errors in the facilities and sensors provided in the ship can be accurately determined, and through this, accurate decision-making of the crew on board the ship this could be possible

도 3은 본 발명의 일 실시예에 따른 필드 데이터에 대한 검증 방법을 나타낸 순서도이다.3 is a flowchart illustrating a verification method for field data according to an embodiment of the present invention.

도 3을 참조하면, 단계 310에서 선박 검증 장치(210)는 선박(100)에 구비된 장치들로부터 선박 구동에 관한 필드 데이터를 수집한다. 필드 데이터는 예를 들어 ICMS, VDR 등으로부터 수집될 수 있다. Referring to FIG. 3 , in step 310 , the vessel verification device 210 collects field data related to vessel driving from devices provided in the vessel 100 . Field data may be collected from, for example, ICMS, VDR, and the like.

단계 320에서 선박 검증 장치(210)는 필드 데이터의 건전성을 진단하도록 미리 규정된 딥러닝 기반의 진단 모델을 이용하여 현재 수집된 필드 데이터의 건전성을 진단한다.In step 320, the ship verification apparatus 210 diagnoses the soundness of the currently collected field data using a pre-defined deep learning-based diagnostic model to diagnose the soundness of the field data.

진단 모델은 해당 선박(100)의 과거 운항 이력 정보를 이용하여 학습될 수 있으며, 운항 이력 정보는 예를 들어 선박(100)의 각 장비가 정상적으로 구동되는 상태일 때 수집된 다양한 필드 데이터, 임의의 장비가 오류인 상태일 때 수집된 다양한 필드 데이터 등을 포함할 수 있다.The diagnostic model may be learned using past operation history information of the corresponding vessel 100 , and the operation history information includes, for example, various field data collected when each equipment of the vessel 100 is in a normal operating state, arbitrary It may include various field data collected when the equipment is in a faulty state, and the like.

단계 330에서, 선박 검증 장치(210)는 진단된 필드 데이터가 비정상적인 필드 데이터인지 여부를 판단한다. 비정상적인 필드 데이터가 수집된 경우에는 구동 시스템 또는/및 계측 센서에 오류가 발생된 것으로 예상될 수 있고, 이에 대한 조치가 필요할 수 있다. In step 330, the ship verification apparatus 210 determines whether the diagnosed field data is abnormal field data. If abnormal field data is collected, it may be expected that an error has occurred in the drive system and/or the measurement sensor, and action may be required.

비정상적인 필드 데이터가 수집된 것으로 판단되면, 단계 340에서, 선박 검증 장치(210)는 통신망을 통해 미리 지정된 범위의 필드 데이터를 선단 검증 장치(140)로 제공하고, 선단 검증 장치(140)로부터 검증 결과를 수신한다. If it is determined that abnormal field data has been collected, in step 340 , the ship verification device 210 provides field data in a predetermined range through the communication network to the tip verification device 140 , and the verification result from the tip verification device 140 . receive

수집된 필드 데이터의 건전성이 선단 검증 장치(140)에서 다시 진단되도록 하기 위해 전송하여야 하는 필드 데이터의 범위가 해당 시점에서 수집된 필드 데이터의 일부 또는 전부로 미리 지정될 수 있음은 당연하다. 검증 결과에는 해당 필드 데이터의 검증 결과로서 정상 또는 비정상에 대한 판정 정보가 포함될 수 있다.It goes without saying that the range of field data to be transmitted in order to be re-diagnosed by the front-end verification device 140 on the soundness of the collected field data may be pre-designated as some or all of the field data collected at that point in time. The verification result may include determination information about normality or abnormality as a verification result of the corresponding field data.

단계 350에서, 선박 검증 장치(210)는 수신된 검증 결과와 검증 결과에 상응하는 필드 데이터를 이용하여 필드 데이터의 이상 여부 진단을 위한 진단 모델이 학습되도록 할 수 있다.In operation 350, the ship verification apparatus 210 may use the received verification result and field data corresponding to the verification result to learn a diagnosis model for diagnosing whether the field data is abnormal.

상술한 필드 데이터 검증 방법은 디지털 처리 장치에 내장된 소프트웨어 프로그램, 어플리케이션 등으로 구현되어 시계열적 순서에 따른 자동화된 절차로 수행될 수도 있음은 당연하다. 상기 프로그램 등을 구성하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 또한, 상기 프로그램은 컴퓨터가 읽을 수 있는 정보저장매체(computer readable media)에 저장되고, 컴퓨터에 의하여 읽혀지고 실행됨으로써 상기 방법을 구현한다. It goes without saying that the above-described field data verification method may be implemented as a software program or an application embedded in a digital processing device, and may be performed as an automated procedure according to a time series sequence. Codes and code segments constituting the program or the like can be easily inferred by a computer programmer in the art. In addition, the program is stored in a computer readable medium (computer readable media), read and executed by the computer to implement the method.

상기에서는 본 발명의 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although the above has been described with reference to the embodiments of the present invention, those of ordinary skill in the art can variously modify the present invention within the scope without departing from the spirit and scope of the present invention described in the claims below. and may be changed.

100 : 선박 110 : 선단
120 : 클라우드 서버 140 : 선단 검증 장치
210 : 선박 검증 장치 211 : 정보 수집부
213 : 저장부 215 : 송수신부
217 : 선박 모니터링부 231 : 통신부
232 : 선단 모니터링부100: ship 110: fleet
120: cloud server 140: front end verification device
210: ship verification device 211: information collection unit
213: storage unit 215: transceiver unit
217: vessel monitoring unit 231: communication unit
232: tip monitoring unit

Claims (4)

선박에 구비되어, 상기 선박의 운항에 관한 필드 데이터를 미리 지정된 하나 이상의 장치로부터 수집하는 정보 수집부; 및
상기 선박에 구비되어, 필드 데이터의 건전성을 진단하도록 미리 기계 학습된 제1 진단 모델을 이용하여 현재 수집된 필드 데이터가 정상적인 필드 데이터인지 또는 비정상적인 필드 데이터인지를 판별하는 선박 모니터링부를 포함하되,
상기 제1 진단 모델은 상기 선박에 구비된 장비가 정상적인 구동 상태에서 수집된 각각의 필드 데이터, 상기 선박에 구비된 임의의 장비가 오류인 비정상적인 구동 상태에서 수집된 각각의 필드 데이터를 포함하는 상기 선박의 운항 이력 정보들을 이용하여 학습되는, 필드 데이터 검증 시스템.an information collection unit provided in the vessel to collect field data related to the operation of the vessel from one or more predetermined devices; and
A ship monitoring unit provided in the ship and configured to determine whether the currently collected field data is normal field data or abnormal field data using a first machine-learned first diagnostic model to diagnose the soundness of field data;
The first diagnostic model includes each field data collected in a normal operating state of the equipment provided in the vessel, and each field data collected in an abnormal driving state in which any equipment provided in the vessel is in error. A field data verification system that is learned using the flight history information of 제1항에 있어서,
상기 선박 이외의 미리 지정된 위치에 구비되어, 선단 규모에서 필드 데이터의 건전성을 진단하도록 미리 기계 학습된 제2 진단 모델을 이용하여 상기 선박으로부터 비정상적인 필드 데이터인 것으로 제공받은 필드 데이터가 정상적인 필드 데이터인지 또는 비정상적인 필드 데이터인지를 판별한 검증 결과를 상기 선박 모니터링부로 제공하는 선단 검증 장치를 더 포함하되,
상기 제2 진단 모델은 상기 선박이 속하는 선단에 포함된 각 선박에 구비된 장비가 정상적인 구동 상태에서 수집된 각각의 필드 데이터, 각 선박에 구비된 임의의 장비가 오류인 비정상적인 구동 상태에서 수집된 각각의 필드 데이터를 포함하는 각 선박의 운항 이력 정보들을 이용하여 학습되는, 필드 데이터 검증 시스템.The method of claim 1,
Whether the field data provided as abnormal field data from the ship is normal field data using a second diagnostic model that is provided at a predetermined location other than the ship and machine-learned in advance to diagnose the soundness of field data at a fleet scale; or Further comprising a front end verification device that provides the verification result of determining whether it is abnormal field data to the vessel monitoring unit,
The second diagnostic model includes each field data collected in a normal driving state of equipment provided in each vessel included in the tip of the vessel to which the vessel belongs, and each collected in an abnormal driving state in which any equipment provided in each vessel is an error. A field data verification system that is learned using operation history information of each vessel including field data of 제2항에 있어서,
상기 검증 결과는 상기 필드 데이터가 정상인지 또는 비정상인지에 관한 판정 정보가 포함하고,
상기 제1 진단 모델은 상기 판정 정보 및 상기 판정 정보에 상응하는 필드 데이터를 이용하여 학습되는, 필드 데이터 검증 시스템.3. The method of claim 2,
The verification result includes determination information regarding whether the field data is normal or abnormal,
and the first diagnostic model is learned using the determination information and field data corresponding to the determination information. 필드 데이터 검증 방법을 수행하도록 하기 위해 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 컴퓨터로 하여금 이하의 단계들을 수행하도록 하며, 상기 단계들은,
미리 지정된 하나 이상의 장치로부터 선박의 운항에 관한 필드 데이터를 수집하는 단계;
필드 데이터의 건전성을 진단하도록 미리 기계 학습된 제1 진단 모델을 이용하여 현재 수집된 필드 데이터가 정상적인 필드 데이터인지 또는 비정상적인 필드 데이터인지를 판별하는 단계;
비정상적인 필드 데이터로 판단되면, 통신망을 통해 수집된 필드 데이터를 선단 검증 장치로 전송하고, 상기 선단 검증 장치가 미리 기계 학습된 제2 진단 모델을 이용하여 판별한 상기 필드 데이터에 대한 검증 결과를 수신하는 단계; 및
상기 검증 결과 및 상기 검증 결과에 상응하는 필드 데이터를 이용하여 상기 제1 진단 모델이 학습되도록 하는 단계를 포함하는, 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램.A computer program stored on a computer-readable medium for performing a field data verification method, the computer program causing a computer to perform the following steps, the steps comprising:
collecting field data related to the operation of the vessel from one or more predefined devices;
determining whether the currently collected field data is normal field data or abnormal field data using a first machine-learned diagnostic model to diagnose the health of field data;
When it is determined that the field data is abnormal, the field data collected through the communication network is transmitted to the front-end verification device, and the verification result for the field data determined by the front-end verification device using the machine-learned second diagnostic model in advance is received. step; and
and allowing the first diagnostic model to be learned using the verification result and field data corresponding to the verification result.
KR1020200119418A 2020-09-16 2020-09-16 System and method for verifying field data collected in ship KR20220036791A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200119418A KR20220036791A (en) 2020-09-16 2020-09-16 System and method for verifying field data collected in ship

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200119418A KR20220036791A (en) 2020-09-16 2020-09-16 System and method for verifying field data collected in ship

Publications (1)

Publication Number Publication Date
KR20220036791A true KR20220036791A (en) 2022-03-23

Family

ID=80963744

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200119418A KR20220036791A (en) 2020-09-16 2020-09-16 System and method for verifying field data collected in ship

Country Status (1)

Country Link
KR (1) KR20220036791A (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102569600B1 (en) * 2022-12-27 2023-08-29 (주)디에스랩컴퍼니 Method and apparatus for detecting network intrusion of vessel

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101683458B1 (en) 2016-04-06 2016-12-07 주식회사 에그 Ship-based simulation system based on field data

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101683458B1 (en) 2016-04-06 2016-12-07 주식회사 에그 Ship-based simulation system based on field data

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102569600B1 (en) * 2022-12-27 2023-08-29 (주)디에스랩컴퍼니 Method and apparatus for detecting network intrusion of vessel

Similar Documents

Publication Publication Date Title
EP3336640B1 (en) Method for predicting faults
US8498776B2 (en) Fault diagnosis and prognosis using diagnostic trouble code markov chains
US9836894B2 (en) Distributed vehicle health management systems
US10725463B1 (en) High frequency sensor data analysis and integration with low frequency sensor data used for parametric data modeling for model based reasoners
US6950782B2 (en) Model-based intelligent diagnostic agent
EP2555114A1 (en) Systems and methods for using a corrective action as diagnostic evidence
JP2009265104A (en) Diagnostic data mining
EP3866177A1 (en) Abnormal driving state determination device and method using neural network model
CN108027611B (en) Decision assistance system and method for machine maintenance using expert opinion supervised decision mode learning
RU2635435C2 (en) System for equipment components assembly check
CN108845556A (en) A kind of automatic driving vehicle test method and test device
Jhou et al. The implementation of OBD-II vehicle diagnosis system integrated with cloud computation technology
US11776330B2 (en) Closed-loop diagnostic model maturation for complex systems
CN116880454A (en) Intelligent diagnosis system and method for vehicle faults
KR20220036791A (en) System and method for verifying field data collected in ship
BR112013032062A2 (en) helicopter engine maintenance recommendation system
AU2019336235A1 (en) Computer system and method for recommending an operating mode of an asset
US11760507B2 (en) Onboard diagnosis and correlation of failure data to maintenance actions
Callan et al. An integrated approach to the development of an intelligent prognostic health management system
EP4191489A1 (en) Maintenance control system and method
Jhou et al. The implementation of obd-ii vehicle diagnosis system integrated with cloud computation technology
CN116797200A (en) Intelligent diagnosis health management system based on ship-shore collaborative steering engine and application method thereof
CN109556861A (en) A kind of bearing real-time fault diagnosis system of case-based reasioning
Yousuf et al. Case-based reasoning for turbine trip diagnostics
Ortiz et al. Multi source data integration for aircraft health management

Legal Events

Date Code Title Description
A201 Request for examination