KR20220057146A - 스마트 팩토리에 적용 가능한 IoT 시계열 데이터의 온디바이스 고속 이벤트 복합 분석 및 동기화 방법 및 이를 수행하는 시스템 - Google Patents
스마트 팩토리에 적용 가능한 IoT 시계열 데이터의 온디바이스 고속 이벤트 복합 분석 및 동기화 방법 및 이를 수행하는 시스템 Download PDFInfo
- Publication number
- KR20220057146A KR20220057146A KR1020200142084A KR20200142084A KR20220057146A KR 20220057146 A KR20220057146 A KR 20220057146A KR 1020200142084 A KR1020200142084 A KR 1020200142084A KR 20200142084 A KR20200142084 A KR 20200142084A KR 20220057146 A KR20220057146 A KR 20220057146A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- site
- present
- iot
- analysis
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004458 analytical method Methods 0.000 title claims abstract description 41
- 238000004519 manufacturing process Methods 0.000 claims abstract description 40
- 230000008569 process Effects 0.000 claims abstract description 27
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 230000001360 synchronised effect Effects 0.000 claims abstract description 6
- 238000007405 data analysis Methods 0.000 claims description 55
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 17
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 33
- 238000005516 engineering process Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 238000003860 storage Methods 0.000 description 10
- 238000013461 design Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000013480 data collection Methods 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 4
- 238000004806 packaging method and process Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 108010015780 Viral Core Proteins Proteins 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011982 device technology Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 230000000007 visual effect Effects 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
- 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]
-
- 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
- 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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/25—Manufacturing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- 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]
-
- 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
- Y02P90/80—Management or planning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Manufacturing & Machinery (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Factory Administration (AREA)
Abstract
본 발명은, 이벤트 복합 분석 및 동기화 방법에 관한 것으로서, 상기 방법은, 현장에 설치된 복수의 IoT 디바이스에서 수집되는 전체 제조 데이터를 전처리하는 단계, 전처리된 전체 제조 데이터를 시계열적으로 동기화하는 단계, 동기화된 공정 데이터를 분류하여 스트림 패턴을 획득하고, 공정 데이터의 이상치를 검색하는 단계, 상기 스트림 패턴 및 데이너터의 이상치를 기초로 상기 현장의 자율 생산을 위한 현장 상태 예측 모델을 수립하는 단계 및 상기 현장 상태 예측 모델을 이용하여 어느 하나의 현장에 설치된 복수의 IoT 디바이스에서 수집되는 공정 데이터를 모니터링하고, 상기 복수의 IoT 디바이스의 상태를 진단하는 단계를 포함하도록 구성된다.
본 발명에 따르면, 5G IoT 기반의 스마트공장 빅데이터 처리 클라우드 플랫폼 사업화할 수 있으며, 시간 일관성이 있는 고품질 데이터 규격을 만족하는 클라우드 서비스를 제공할 수 있다.
본 발명에 따르면, 5G IoT 기반의 스마트공장 빅데이터 처리 클라우드 플랫폼 사업화할 수 있으며, 시간 일관성이 있는 고품질 데이터 규격을 만족하는 클라우드 서비스를 제공할 수 있다.
Description
본 발명은 고속 5G IoT 환경에서 대용량의 시계열 데이터를 실시간으로 처리하기 위한 온디바이스 이벤트 복합 분석 방법 및 데이터 동기화 기술을 구현하는 스마트 팩토리용 데이터 분석 시스템에 관한 것이다.
5G 환경의 IoT 단말은 확대된 네트워크 대역폭으로 인하여 센서 데이터 전송용량 제약으로부터 벗어나 대용량/다중의 시계열 센서 데이터를 전송/활용할 수 있는 환경으로 변화하고 있다.
클라우드 집중화로 인한 처리 비용 및 서비스 지연 문제를 해결하기 위하여 대용량 데이터의 온디바이스 처리에 대한 기술 개발이 필요한 실정이며, 그에 따라, 최근 대용량/다중 시계열 데이터의 고속 복합분석 및 동기화 기술의 개발이 진행되고 있다.
한편, 데이터 수집 및 연계는 업종에 따라 다양한 독립 현장이 존재하여 데이터 수집을 위한 일관성 있는 표준 또는 접근방식이 필요한 바, 패키지 공장들을 대상으로 전송 기술뿐 아니라, 데이터 내용 자체의 시맨틱 표준을 일관성 있게 적용하여 다양한 종류의 빅데이터 DB 시스템에 저장되어 있어도 일관성 있게 접근, 질의가 가능한 통합형 스마트공장 데이터 관리 시스템의 구성이 필요하다.
또한, 수집된 데이터를 시맨틱에 따라 조합하여 접근할 수 있는 쿼리 기능을 포함하여, 단순한 빅데이터 저장 이상의 데이터 분할, 분류, 분석 기능을 개발할 수 있는 환경이 구축되어야 한다.
발명의 배경이 되는 기술은 본 발명에 대한 이해를 보다 용이하게 하기 위해 작성되었다. 발명의 배경이 되는 기술에 기재된 사항들이 선행기술로 존재한다고 인정하는 것으로 이해되어서는 안 된다.
이에, 본 발명이 해결하고자 하는 과제는 5G IoT를 이용하여 제조현장에서 공정, 설비운영, 생산품질, 에너지소비 등의 다양한 현장 데이터를 수집하는 온디바이스 기술을 개발하고, 수집 데이터의 활용성을 높일 수 있도록 원본 데이터뿐 아니라, 가공 데이터, 분석 데이터, 예측 데이터 등의 시간정보를 활용한 지능형 서비스를 제공하는 클라우드 빅데이터 플랫폼 기술을 구현하는 스마트 팩토리용 데이터 분석 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 다른 과제는 시간동기화를 제공하는 네트워크 기술을 IoT와 통합하여 제조 빅데이터 활용 플랫폼의 데이터 분석 기능을 효율화 하고, 제조현장에서 생성되는 공정, 센서, 설비, 에너지, 품질 등 다양한 산업 데이터를 자유롭게 접근, 처리, 분석, 검색, 활용할 수 있도록 하여, 제조 데이터기반 처리기술(빅데이터, 인공지능, 디지털트윈)을 수요자에게 쉽게 공급할 수 있는 온디바이스 데이터 스트리밍 통합 기술을 구현하는 스마트 팩토리용 데이터 분석 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 과제는 5G IoT의 동기화된 고품질 데이터 수집기능을 활용하여 수요자 요구사항에 대응하는 융합 서비스를 제공하고, 현장 수집 데이터 정제 문제를 해결한 활용가치 높은 데이터를 제공할 수 있는 스마트 팩토리용 데이터 분석 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 과제는 기본 데이터 분석 서비스는 통계 및 이상치 분류, 판별 기능을 활용하여 공정의 전반적 특성을 확인할 수 있도록 서비스를 제공함. 특정 부분의 특이 상황 데이터에 대해서는 부분적인 분석을 제공하여, 업종, 현장 별로 분석기능을 구현할 수 있는 스마트 팩토리용 데이터 분석 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 과제는 선별적 데이터 접근, 분석, 연계 기능을 연결하는 플로우 관리를 기반으로 안정적인 프로세싱이 보장되어야 하며, 특정 데이터 파티션에 대한 분석 기능을 제공하여야 하는 바, 실시간 스트리밍 처리뿐 아니라, 대규모 데이터의 배치처리, 시간-이벤트 연관성을 고려한 복합 분석 기능을 제공할 수 있는 데이터 분석 방법을 제공하는 스마트 팩토리용 데이터 분석 시스템을 제공하는 것이다.
본 발명의 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 바와 같은 과제를 해결하기 위하여 본 발명의 일 실시 예에 따른 이벤트 복합 분석 및 동기화 방법을 제공한다. 상기 방법은, 데이터 분석 서버의 제어부에 의해 수행되는 이벤트 복합 분석 및 동기화 방법으로서, 현장에 설치된 복수의 IoT 디바이스에서 수집되는 전체 제조 데이터를 전처리하는 단계, 전처리된 전체 제조 데이터를 시계열적으로 동기화하는 단계, 동기화된 공정 데이터를 분류하여 스트림 패턴을 획득하고, 공정 데이터의 이상치를 검색하는 단계, 상기 스트림 패턴 및 데이너터의 이상치를 기초로 상기 현장의 자율 생산을 위한 현장 상태 예측 모델을 수립하는 단계 및 상기 현장 상태 예측 모델을 이용하여 어느 하나의 현장에 설치된 복수의 IoT 디바이스에서 수집되는 공정 데이터를 모니터링하고, 상기 복수의 IoT 디바이스의 상태를 진단하는 단계를 포함하도록 구성된다.
기타 실시 예의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명은 5G IoT 기반의 스마트공장 빅데이터 처리 클라우드 플랫폼 사업화할 수 있으며, 시간 일관성이 있는 고품질 데이터 규격을 만족하는 클라우드 서비스를 제공할 수 있다.
본 발명은 스마트공장 확산에 따라 신규 클라우드 플랫폼 연동하여 사업 확대 가능하고, 주요 핵심기능, 기반기능 들은 모듈별로 패키지화 하여 실증 공장 대상으로 상용화를 구현할 수 있다.
본 발명은 대용량 제조 데이터 분석에 적합한 데이터 수집, 전처리, 분석, 가시화 모듈을 개발함으로써, 전처리에 많은 노력이 필요한 데이터마이닝, 기계학습 등의 범용적인 기법/서비스들을 제조업에 즉시 적용할 수 있다.
본 발명은 제조기업의 공정 및 수요에 맞춤형으로 제공할 수 있는 클라우드 기반 데이터 활용 및 가시화 서비스 기술을 통한 세계 제조 산업의 고성능 빅데이터 분석 시장 주도권을 획득할 수 있다.
본 발명은 5G IoT 데이터 클라우드 플랫폼의 안정적 구축 및 운영을 통한 새로운 제조 빅데이터 서비스 창출과 표준화를 통한 국내외 제조 빅데이터 관련 산업을 선점할 수 있다.
본 발명은 온디바이스/클라우드 기반 빅데이터 서비스 제공 시스템과 국내 최고의 데이터 분석 기술을 생산현장에 제공하여 제조 생산성을 향상시킬 수 있다.
본 발명은 생산설비, 장비의 정지 발생 시 실시간 인지를 통한 고장시간을 최소화함으로써 가동률 향상과 함께 생산설비, 장비의 사전 고장에 대한 예지보전 정보를 통한 고장 발생 후 소요되는 유지비용을 절감할 수 있다.
본 발명은 공정, 센서, 설비, 에너지, 품질 등 제조라인에서 생성되는 데이터를 자유롭게 검색 및 활용할 수 있도록 하는 플랫폼 구축과 운영을 기반으로 관련 산업 기술 육성할 수 있다.
본 발명은 제조 현장에서 발생하는 제조 데이터를 기반으로 공정 및 품질관리 등 데이터 활용 역량을 높이고, 제조 빅데이터 관련 전문 인력을 양성할 수 있다.
본 발명은 제조 데이터 수집과 분석 기술을 기반으로 기술적 자립도를 높이고, 제조업의 생산성 향상을 통한 수출증가와 국가경쟁력 향상을 실현할 수 있다.
본 발명은 ML/AI 플랫폼 기반의 정비 서비스는 고령화 및 생산활동 인구 감소에 따르는 숙련공 부족 문제 해소와 비전문 인력을 활용한 신규 일자리 창출이 가능하고, 또한 전문직들의 새로운 방식의 일자리를 제공할 수 있다. 구체적으로, 고도화된 데이터 분석 기술과 지원 플랫폼을 바탕으로 제조 현장에서의 노동집약적 업무를 최소화하고, 데이터 분석 및 의사결정 등 지식 집약적 업무에 집중할 수 있게 함으로써, 고급 일자리를 창출에 기여할 수 있다.
본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 발명 내에 포함되어 있다.
도 1은 본 발명의 일 실시 예에 따른 스마트 팩토리용 데이터 분석 시스템을 설명하기 위한 개략도이다.
도 2는 본 발명의 일 실시 예에 따른 데이터 분석 시스템의 스트림 데이터 처리 방식을 설명하기 위한 개략도이다.
도 3은 본 발명의 일 실시 예에 따른 데이터 분석 시스템에 구현된 클라우드 플랫폼 구조를 설명하기 위한 개략도이다.
도 4는 본 발명의 일 실시 예에 따른 데이터 분석 시스템을 통한 데이터 이상을 감지하는 흐름을 설명하기 위한 개략도이다.
도 5는 본 발명의 일 실시 예에 따른 데이터 분석 시스템의 분석 서비스 개요를 설명하기 위한 개략도이다.
도 6은 본 발명의 일 실시 예에 따른 데이터 분석 시스템에서 제공하는 서비스의 개요를 설명하기 위한 개략도이다.
도 7은 본 발명의 일 실시 예에 따른 데이터 분석 시스템을 실증하는 방식을 설명하기 위한 개략도이다.
도 8은 본 발명의 일 실시 예에 따른 데이터 분석 서버의 구성을 나타낸 도면이다.
도 9는 본 발명의 일 실시 예에 따른 스마트 팩토리에 적용 가능한 이벤트 복합 분석 및 동기화 방법을 설명하기 위한 순서도이다.
도 2는 본 발명의 일 실시 예에 따른 데이터 분석 시스템의 스트림 데이터 처리 방식을 설명하기 위한 개략도이다.
도 3은 본 발명의 일 실시 예에 따른 데이터 분석 시스템에 구현된 클라우드 플랫폼 구조를 설명하기 위한 개략도이다.
도 4는 본 발명의 일 실시 예에 따른 데이터 분석 시스템을 통한 데이터 이상을 감지하는 흐름을 설명하기 위한 개략도이다.
도 5는 본 발명의 일 실시 예에 따른 데이터 분석 시스템의 분석 서비스 개요를 설명하기 위한 개략도이다.
도 6은 본 발명의 일 실시 예에 따른 데이터 분석 시스템에서 제공하는 서비스의 개요를 설명하기 위한 개략도이다.
도 7은 본 발명의 일 실시 예에 따른 데이터 분석 시스템을 실증하는 방식을 설명하기 위한 개략도이다.
도 8은 본 발명의 일 실시 예에 따른 데이터 분석 서버의 구성을 나타낸 도면이다.
도 9는 본 발명의 일 실시 예에 따른 스마트 팩토리에 적용 가능한 이벤트 복합 분석 및 동기화 방법을 설명하기 위한 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조부호가 사용될 수 있다.
본 문서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본 문서에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는(3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본 문서에서 사용된 "제1," "제2," "첫째," 또는 "둘째," 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 예를 들면, 제1 사용자 기기와 제2 사용자 기기는, 순서 또는 중요도와 무관하게, 서로 다른 사용자 기기를 나타낼 수 있다. 예를 들면, 본 문서에 기재된 권리범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 바꾸어 명명될 수 있다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.
본 문서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~ 를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된)프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
본 문서에서 사용된 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시 예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 문서에 기재된 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 문서에 사용된 용어들 중 일반적인 사전에 정의된 용어들은, 관련 기술의 문맥상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 문서의 실시 예들을 배제하도록 해석될 수 없다.
본 발명의 여러 실시 예들의 각각 특징들이 부분적으로 또는 전체적으로 서로 결합 또는 조합 가능하며, 당업자가 충분히 이해할 수 있듯이 기술적으로 다양한 연동 및 구동이 가능하며, 각 실시 예들이 서로에 대하여 독립적으로 실시 가능할 수도 있고 연관 관계로 함께 실시 가능할 수도 있다.
본 명세서의 해석의 명확함을 위해, 이하에서는 본 명세서에서 사용되는 용어들을 정의하기로 한다.
도 1은 본 발명의 일 실시 예에 따른 스마트 팩토리용 데이터 분석 시스템을 설명하기 위한 개략도이다.
도 1을 참조하면, 스마트 팩토리용 데이터 분석 시스템(이하, “데이터 분석 시스템”이라 한다)은 대용량 IoT 시계열 데이터의 온디바이스 고속 분석 및 이벤트 복합 분석을 위해, 온디바이스 스트림 TSN (Time Sensitive Network) 동기화 및 파이프라이닝을 수행할 수 있다.
실시 예에 따라, 데이터 분석 시스템은 500개 이상의 온디바이스 통합 IoT 스트림 입력을 처리할 수 있으며, 스트림 패턴 분석, 이상치 검색, 현재 이후 패턴 예측함으로써, 5G IoT 기반 공정 데이터를 분석 및 예측할 수 있다.
또한, 데이터 분석 시스템은 영상, 온도, 진동, 공정 운전 데이터 통합 처리하여 통합형 공정 분석을 수행하고, 비정형, 측정 데이터 복합 분석 제공함으로써, 온디바이스 이기종 IoT 데이터 복합분석 기능 규격을 제공할 수 있으며, 무손실 패킷 전달(Seamless Redundancy)을 통해 산업용 시간동기화 기능을 수행할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 데이터 분석 시스템의 스트림 데이터 처리 방식을 설명하기 위한 개략도이다.
도 2를 참조하면, 데이터 분석 시스템은 시계열 데이터 온디바이스 고속 이벤트 분석 프레임워크를 설계할 수 있으며, 5G IoT 적용을 위한 온디바이스 TSN 기능 통합 설계 및 스트림 이벤트 분석을 위한 데이터 처리 방안 설계를 통해 시간 동기화 기능 및 데이터 시간 정렬 방법 개발 및 테스트를 진행하고, TSN 네트워크, PLC 네트워크 통합 및 지연 성능 분석하여, 스트림 데이터들의 시간 동기화를 수행할 수 있다.
도 3은 본 발명의 일 실시 예에 따른 데이터 분석 시스템에 구현된 클라우드 플랫폼 구조를 설명하기 위한 개략도이다.
도 3을 참조하면, 데이터 분석 시스템은 지능형 오픈 플랫폼 구축을 위한 사전 요구 사항을 분석 하고 연동 데이터 및 프레임워크 필요 요소에 대해 정의하고, 대용량의 센서 데이터를 고성능 트랜젝션 처리할 수 있는 큐 시스템 구조를 형성하고, 운영자, 사용자, 관리자 관점에서 의사 결정을 하기 위한 정제된 데이터로 시각화하여 동작에 따른 설정 부분이 동적으로 변경 가능한 기능 설계하고, 온디바이스에서 받은 각종 데이터를 분석하여 온디바이스에 다시 피드백할 수 있는 연계 구조를 설계함으로써, 온디바이스의 시계열 데이터에서 이벤트를 고속으로 처리/분석할 수 있는 플랫폼을 구현할 수 있다.
도 4는 본 발명의 일 실시 예에 따른 데이터 분석 시스템을 통한 데이터 이상을 감지하는 흐름을 설명하기 위한 개략도이다.
도 4를 참조하면, 데이터 분석 시스템은 설비 상태 조기 예측 모델 설계하고, 각 설비로부터 수집된 데이터로부터 분류별 분석을 위한 사전 유효성 검사 및 정제 과정을 통해 Context별 데이터 저장 구조 설계하고, 실시간 이상 감지 및 오류 상세 내용 검출을 통해 실 운영자 또는 각 장비군에 알림 또는 동작 명령을 발송 하며 관리자에게 정제된 레포팅 데이터로 제공 하는 구조를 설계함으로써, 딥러닝 AI 기반의 지능형 자율 생산 분석 최적화 구조 설계할 수 있다.
또한, 데이터 분석 시스템은 특정 장비 군으로부터 수집된 상태 정보를 취합 하고 유효성 검증을 진행 하며 장비 군을 확산하여 수용할 수 있는 구조로 설계하고, 수집된 정보 중 반도체 후공정(패키징) 생산 운영 분석 데이터를 정의하고 수집된 데이터를 분류 하여 통계 분석 및 저장, 레포팅 할 수 있는 구조로 설계함으로써, 데이터 스트림 처리를 위한 전처리 및 데이터 수집 파이프라인 기술 설계할 수 있다.
도 5는 본 발명의 일 실시 예에 따른 데이터 분석 시스템의 분석 서비스 개요를 설명하기 위한 개략도이다.
도 5를 참조하면, 데이터 분석 시스템은
고속 이벤트 분석 플랫폼 개발하고, 데이터 분석 및 관리 유틸리티 프레임워크 기능 개발. 온디바이스, 플랫폼 간의 데이터 실시간 인터랙션 기능 개발 및 적용하고, 대용량 센서 신호 데이터 가공 분산처리 기술 서버 개발 및 적용하고, 단말, 시스템 간의 연동 로직 개발 및 적용하고, 실시간 데이터 시각화 대쉬보드 개발함으로써, 다중 시계열 데이터의 이벤트 복합 분석 지원 플랫폼 기술 개발할 수 있다.
또한, 데이터 분석 시스템은 센서로부터 수집된 정보를 오픈 플랫폼 시스템에 정형화된 데이터 색인 구조로 변경/저장되는 구조로 개발하고, 내/외부 시스템과의 연동 구조, 인터페이스 개발하고, 시스템을 통한 분석결과 피드백 개발함으로써, 5G IoT 반도체 공장 시범 적용을 위한 서비스 시나리오 개발할 수 있다.
도 6은 본 발명의 일 실시 예에 따른 데이터 분석 시스템에서 제공하는 서비스의 개요를 설명하기 위한 개략도이다.
도 6을 참조하면, 데이터 분석 시스템은 반도체 후공정(패키징) 호스트 장비 군으로부터 수집된 정보를 지능형 오픈 플랫폼 시스템에 정형화된 데이터 색인 구조로 변경/저장 되는 구조로 개발을 고도화할 수 있다.
또한, 데이터 분석 시스템은 통계적 기계학습(Statistical Machine Learning)을 통한 공정 이상 예측 모델을 구현하고, RNN (Recurrent Neural Networks) 활용 설비 상태 조기 예측 모델 개발하고, 부분 장비의 수집된 데이터 분석을 통한 공정 운영에 대한 분석/예측 감지 모델을 생성하고, 예측 분석 결과에 따른 사용자 관점의 유저화면을 시각화하고, 단말/인프라/프로세스 피드백 정보에 대한 그래프를 시계열적으로 구현하고, 생산 공정 및 시나리오 분석을 통한 생산/운영/품질의 통합 생산성 분석하고 그 결과 레포트를 시각화함으로써, 온디바이스 연동 딥러닝 기반 생산 데이터 진단/분석 기능을 개발할 수 있다.
뿐만 아니라, 데이터 분석 시스템은 수집, 분석 엔진 모듈 단위 기능 및 연동 구간 시험을 진행하고, RNN (Recurrent Neural Networks) 활용 설비 상태 조기 예측 모델 개발하여, 원본 데이터 기반 데이터 분석 성능과 온디바이스 파이프라이닝 기반 분석 워크로드 부하 감소 성능 테스트를 수행할 수 있다.
도 7은 본 발명의 일 실시 예에 따른 데이터 분석 시스템을 실증하는 방식을 설명하기 위한 개략도이다.
도 7을 참조하면, 데이터 분석 시스템은 수집, 분석 엔진 연동 구간 및 실증 환경 연동과 데이터 시각화, 동작 모듈 및 예지보전을 위한 모듈 연동을 통해 온디바이스 고속 이벤트 분석 플랫폼 시범 운전 및 분석 기능을 검증할 수 있다. 또한, 온디바이스, 플랫폼 간 인터랙션 연동을 통해 온디바이스 연계 유틸리티 및 서비스를 검증할 수 있으며, 실시간 유입되는 장비 데이터에 대해 수집, 분석을 통한 생산 운영/품질에 대한 예측 감지를 위한 로직을 모듈화하고, 신속한 의사결정을 위한 상관관계 분석 로직 안정화/고도화하고, 대시보드로 데이터를 시각적 형상화 구성 하고 알림 기능 개발함으로써, 시범 적용을 위한 서비스 시나리오 적용을 통한 기술 검증할 수 있다.
도 8은 본 발명의 일 실시 예에 따른 데이터 분석 서버의 구성을 나타낸 도면이다.
도 8을 참조하면, 데이터 분석 시스템에서 상술한 데이터 수집 분석을 수행하는 데이터 분석 서버는, 통신부(110), 입력부(120), 출력부(130), 저장부(140), 인터페이스부(150), 제어부(160) 및 전원 공급부(170)를 포함할 수 있다.
한편, 통신부(110), 입력부(120), 출력부(130), 저장부(140), 인터페이스부(150), 제어부(160) 및 전원 공급부(170)는 본 발명의 일 실시 예에 따른 통합 관제 서버(100)의 기능을 기준으로 분류한 임시 또는 가상의 구성일 뿐이며, 어느 한 구성이 수행하는 기능을 다른 구성이 함께 수행할 수 있으며, 하나의 구성이 전체 구성의 기능을 모두 수행할 수 있음은 물론이다.
통신부(110)는 장치와 장치가 위치한 네트워크 사이의 유무선 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다. 통신부(110)는, 인터넷 등의 통신망 상에서 외부의 장치, 서버 중 적어도 하나와 신호를 송수신한다. 여기서, 신호는 다양한 형태의 데이터를 포함할 수 있다.
입력부(120)는 관리자의 통합 관제 서버(100)의 동작 제어를 위한 입력 데이터를 발생시킨다. 실시 예에 따라, 입력부(120)는 키 패드(key pad) 돔 스위치 (dome switch), 터치 패드(정압/정전), 조그 휠, 조그 스위치 등으로 구성될 수 있다.
출력부(130)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 것으로, 이에는 디스플레이부(131), 음향 출력 모듈(132) 등이 포함될 수 있다.
구체적으로, 디스플레이부(131)는 통합 관제 서버(100)에서 처리되는 정보를 표시(출력)할 수 있다. 예를 들어, 디스플레이부(131)는 통합 관제 서버(100)와 관련된 UI(User Interface) 또는 GUI(Graphic User Interface)를 표시할 수 있다.
아울러, 디스플레이부(1231)는 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 중에서 적어도 하나를 포함할 수 있다.
음향 출력 모듈(132)은 통신부(120)로부터 수신되거나 저장부(140)에 저장된 오디오 데이터를 출력할 수 있다. 음향 출력 모듈(132)은 통합 관제 서버(100)에서 수행되는 기능과 관련된 음향 신호를 출력하기도 한다.
저장부(140)는 제어부(160)의 처리 및 제어를 위한 프로그램이 저장될 수도 있고, 입/출력되는 데이터들의 임시 저장을 위한 기능을 수행할 수도 있다. 메모리(140)는 플래시 메모리 타입, 하드디스크 타입, 멀티미디어 카드 마이크로 타입, 카드 타입의 메모리(SD, XD 메모리 등), 램, SRAM, 롬, EEPROM, PROM, 네트워크 저장 스토리지, 클라우드, 블록체인 데이터베이스 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 통합 관제 서버(100)는 인터넷(internet)상에서 메모리(140)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다.
인터페이스부(150)는 통합 관제 서버(100)에 연결되는 모든 외부기기와의 통로 역할을 할 수 있다. 인터페이스부(150)는 외부 기기로부터 데이터를 전송받거나, 전원을 공급받아 장치 내부의 각 구성 요소에 전달하거나, 장치 내부의 데이터가 외부 기기로 전송되도록 한다. 예를 들어, 유/무선 헤드셋 포트, 외부 충전기 포트, 유/무선 데이터 포트, 메모리 카드(memory card) 포트, 식별 모듈이 구비된 장치를 연결하는 포트, 오디오 I/O(Input/Output) 포트, 비디오 I/O(Input/Output) 포트, 이어폰 포트 등이 인터페이스부(150)에 포함될 수 있다.
제어부(controller, 160)는 통상적으로 통합 관제 서버(100)의 전반적인 동작을 제어할 수 있다. 예를 들어, 제어부(160)는 현장에 설치된 복수의 IoT 디바이스에서 수집되는 전체 제조 데이터를 전처리하고, 전처리된 전체 제조 데이터를 시계열적으로 동기화하며, 동기화된 공정 데이터를 분류하여 스트림 패턴을 획득하고, 공정 데이터의 이상치를 검색하고, 스트림 패턴 및 데이터의 이상치를 기초로 상기 현장의 자율 생산을 위한 현장 상태 예측 모델을 수립하며, 현장 상태 예측 모델을 이용하여 어느 하나의 현장에 설치된 복수의 IoT 디바이스에서 수집되는 공정 데이터를 모니터링하고, 복수의 IoT 디바이스의 상태를 진단할 수 있다.
제어부(160)는 병렬 데이터 처리를 위한 그래픽 모듈(161)을 구비할 수도 있다. 그래픽 모듈(161)은 제어부(160) 내에 구현될 수도 있고, 제어부(160)와 별도로 구현될 수도 있다.
여기에 설명되는 다양한 실시예는 예를 들어, 소프트웨어, 하드웨어 또는 이들의 조합된 것을 이용하여 컴퓨터 또는 이와 유사한 장치로 읽을 수 있는 기록매체 내에서 구현될 수 있다.
하드웨어적인 구현에 의하면, 여기에 설명되는 실시 예는 ASICs(application specific integrated circuits), DSPs (digital signal processors), DSPDs (digital signal processing devices), PLDs (programmable logic devices), FPGAs (field programmable gate arrays, 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적인 유닛 중 적어도 하나를 이용하여 구현될 수 있다. 일부의 경우에 본 명세서에서 설명되는 실시 예들이 제어부(160) 자체로 구현될 수 있다.
소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 여기서, 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다. 적절한 프로그램 언어로 쓰여진 소프트웨어 어플리케이션으로 소프트웨어 코드가 구현될 수 있다. 이에, 소프트웨어 코드는 메모리(140)에 저장되고, 제어부(160)에 의해 실행될 수 있다.
도 9는 본 발명의 일 실시 예에 따른 스마트 팩토리에 적용 가능한 이벤트 복합 분석 및 동기화 방법을 설명하기 위한 순서도이다.
도 9를 참조하면, 데이터 분석 서버(100)는 현장에 설치된 복수의 IoT 디바이스에서 수집되는 전체 제조 데이터를 전처리하고(S110), 전처리된 전체 제조 데이터를 시계열적으로 동기화하며(S120), 동기화된 공정 데이터를 분류하여 스트림 패턴을 획득하고, 공정 데이터의 이상치를 검색하고(S130), 스트림 패턴 및 데이터의 이상치를 기초로 현장의 자율 생산을 위한 현장 상태 예측 모델을 수립하며(S130), 현장 상태 예측 모델을 이용하여 어느 하나의 현장에 설치된 복수의 IoT 디바이스에서 수집되는 공정 데이터를 모니터링하고, 복수의 IoT 디바이스의 상태를 진단한다(S140).
이를 통해 본 발명의 데이터 분석 서버는 스마트공장 확산에 따라 신규 클라우드 플랫폼 연동하여 사업 확대 가능하고, 주요 핵심기능, 기반기능 들은 모듈별로 패키지화 하여 실증 공장 대상으로 상용화를 구현할 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 일 실시 예들을 더욱 상세하게 설명하였으나, 본 발명은 반드시 이러한 실시 예로 국한되는 것은 아니고, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형 실시될 수 있다. 따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 그러므로, 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 데이터 분석 서버
110: 통신부
120: 입력부
130: 출력부
140: 메모리
150: 인터페이스부
160: 제어부
170: 전원 공급부
110: 통신부
120: 입력부
130: 출력부
140: 메모리
150: 인터페이스부
160: 제어부
170: 전원 공급부
Claims (1)
- 데이터 분석 서버의 제어부에 의해 수행되는 이벤트 복합 분석 및 동기화 방법으로서,
현장에 설치된 복수의 IoT 디바이스에서 수집되는 전체 제조 데이터를 전처리하는 단계;
전처리된 전체 제조 데이터를 시계열적으로 동기화하는 단계;
동기화된 공정 데이터를 분류하여 스트림 패턴을 획득하고, 공정 데이터의 이상치를 검색하는 단계;
상기 스트림 패턴 및 데이터의 이상치를 기초로 상기 현장의 자율 생산을 위한 현장 상태 예측 모델을 수립하는 단계; 및
상기 현장 상태 예측 모델을 이용하여 어느 하나의 현장에 설치된 복수의 IoT 디바이스에서 수집되는 공정 데이터를 모니터링하고, 상기 복수의 IoT 디바이스의 상태를 진단하는 단계; 를 포함하는 스마트 팩토리에 적용 가능한 이벤트 복합 분석 및 동기화 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200142084A KR20220057146A (ko) | 2020-10-29 | 2020-10-29 | 스마트 팩토리에 적용 가능한 IoT 시계열 데이터의 온디바이스 고속 이벤트 복합 분석 및 동기화 방법 및 이를 수행하는 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200142084A KR20220057146A (ko) | 2020-10-29 | 2020-10-29 | 스마트 팩토리에 적용 가능한 IoT 시계열 데이터의 온디바이스 고속 이벤트 복합 분석 및 동기화 방법 및 이를 수행하는 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220057146A true KR20220057146A (ko) | 2022-05-09 |
Family
ID=81582185
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200142084A KR20220057146A (ko) | 2020-10-29 | 2020-10-29 | 스마트 팩토리에 적용 가능한 IoT 시계열 데이터의 온디바이스 고속 이벤트 복합 분석 및 동기화 방법 및 이를 수행하는 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220057146A (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024063218A1 (ko) * | 2022-09-20 | 2024-03-28 | 현대자동차주식회사 | 설비 고장 예측 진단 장치 및 그 방법 |
| CN117891859A (zh) * | 2024-03-15 | 2024-04-16 | 山东盛途互联网科技有限公司 | 一种用于工业物联网的数据处理方法及系统 |
-
2020
- 2020-10-29 KR KR1020200142084A patent/KR20220057146A/ko unknown
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024063218A1 (ko) * | 2022-09-20 | 2024-03-28 | 현대자동차주식회사 | 설비 고장 예측 진단 장치 및 그 방법 |
| CN117891859A (zh) * | 2024-03-15 | 2024-04-16 | 山东盛途互联网科技有限公司 | 一种用于工业物联网的数据处理方法及系统 |
| CN117891859B (zh) * | 2024-03-15 | 2024-05-28 | 山东盛途互联网科技有限公司 | 一种用于工业物联网的数据处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11774946B2 (en) | Smart gateway platform for industrial internet of things | |
| Lu et al. | Digital Twin-driven smart manufacturing: Connotation, reference model, applications and research issues | |
| EP3798942B1 (en) | Artificial intelligence channel for industrial automation | |
| EP3285127B1 (en) | Remote industrial automation site operation in a cloud platform | |
| US20210397171A1 (en) | Industrial automation hmi program file generation from computer-aided design | |
| JP6784595B2 (ja) | プロセス制御システムにおける分散ビッグデータ、プロセス制御デバイス、分散ビッグデータの支援方法、プロセス制御デバイス | |
| CN113820993B (zh) | 生成工业控制编程的方法、系统和非暂态计算机可读介质 | |
| CN112579653B (zh) | 工业数据的逐步情境化和分析 | |
| US11709481B2 (en) | Contextualization of industrial data at the device level | |
| JP2019220220A (ja) | プロセス制御システムにおけるビッグデータ | |
| EP3951677A1 (en) | Industrial automation control program utilization in analytics model engine | |
| KR20220057146A (ko) | 스마트 팩토리에 적용 가능한 IoT 시계열 데이터의 온디바이스 고속 이벤트 복합 분석 및 동기화 방법 및 이를 수행하는 시스템 | |
| Hästbacka et al. | Device status information service architecture for condition monitoring using OPC UA | |
| EP4148523A1 (en) | Intelligent asset anomaly prediction via feature generation | |
| KR20220097299A (ko) | 인공 지능 기반 실시간 음성인식 원격 협업 방법 및 그 시스템 | |
| Wang et al. | Task offloading in cloud-edge collaboration-based cyber physical machine tool | |
| KR20230032675A (ko) | Ｃｎｃ 공작기계를 이용한 데이터 수집 시스템 | |
| Iliuţă et al. | A digital twin generic architecture for data-driven cyber-physical production systems | |
| KR20220001624A (ko) | 제조 데이터 플랫폼을 제공하기 위한 방법 및 장치 | |
| KR20230031720A (ko) | 다중 시계열 데이터의 이벤트 복합 분석 시스템 | |
| CN114063574B (zh) | 工业装置、方法及非暂态计算机可读介质 | |
| KR20230042907A (ko) | 제조 현장의 스마트 공장 지원 시스템 | |
| KR20220057147A (ko) | 자동차 부품 제조기업을 위한 선택적 모듈 및 통합 운영을 지원하는 방법 및 시스템 | |
| KR20230031719A (ko) | 자동차 부품 제조 기업을 위한 오픈소스 알고리즘 추천 시스템 | |
| CN116384965A (zh) | 基于容器化的数控机床故障远程诊断系统及硬件系统 |