KR20220064714A - 생산설비 데이터 수집 및 가공 시스템 및 그 제어 방법 - Google Patents
생산설비 데이터 수집 및 가공 시스템 및 그 제어 방법 Download PDFInfo
- Publication number
- KR20220064714A KR20220064714A KR1020200151108A KR20200151108A KR20220064714A KR 20220064714 A KR20220064714 A KR 20220064714A KR 1020200151108 A KR1020200151108 A KR 1020200151108A KR 20200151108 A KR20200151108 A KR 20200151108A KR 20220064714 A KR20220064714 A KR 20220064714A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- facility
- collected
- monitoring
- collecting
- Prior art date
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 48
- 238000012545 processing Methods 0.000 title claims abstract description 39
- 238000013480 data collection Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012544 monitoring process Methods 0.000 claims abstract description 32
- 238000007405 data analysis Methods 0.000 claims abstract description 20
- 238000004891 communication Methods 0.000 claims abstract description 11
- 230000004044 response Effects 0.000 claims abstract description 5
- 238000013135 deep learning Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000010438 heat treatment Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 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]
- 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
- G05B23/0218—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
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
생산설비 데이터 수집 및 가공 시스템 및 그 제어 방법이 개시된다. 일실시례에 따른 하는 생산설비 데이터 수집 및 가공 시스템은 적어도 하나 이상의 설비에 마련된 센서에서 감지되는 신호를 기설정된 주기로 수집하는 데이터수집부; 상기 데이터수집부에서 수집된 데이터를 취합하여 기설정된 형태로 변환하고, 상기 변환된 데이터를 기지정된 서버로 전송하는 데이터통신부; 상기 데이터통신부로부터 수신된 데이터를 저장하고, 빅데이터 DB를 구축하는 통합관리서버; 상기 통합관리서버에 저장된 데이터를 분석하여, 기설정된 조건에 부합하는 데이터를 분석하는 데이터분석부; 상기 데이터분석부에서 산출된 데이터를 이용하여 상기 설비의 기초 정보 및 상기 설비의 센서 연동 상태 중 적어도 어느 하나를 포함하는 상기 설비의 운영 상태를 모니터링하는 데이터모니터링부; 및 상기 데이터분석부에서 산출된 데이터에 대응하여 기지정된 사용자 단말에 알림메시지를 전송하는 알림신호발생부;를 포함한다.
Description
본 발명은 생산 설비 데이터 처리 시스템에 관한 것으로, 보다 상세하게는 설비에 대한 정보를 설정된 주기마다 수집하고, 수집된 데이터를 통해 설비의 운영현황을 모니터링하는 생산설비 데이터 수집 및 가공 시스템 및 그 제어 방법에 관한 것이다.
제조업에 있어서, 공장 자동화(Factory Automation)는, 업체 또는 제품의 경쟁력을 제고하는데 중요한 투자요소이다. 산업혁명 초기에는 대량 생산(Mass production)이라는 하나의 장점만으로도 산업적 성공을 기대할 수 있다. 그러나, 사회구조가 복잡해짐에 따라서 인간 생활의 형태도 다양해져서 재화의 종류와 형태도 매우 복잡하게 분화되고 있으며, 통신과 교통의 발달로 재화에 대한 무형의 정보 자료뿐만 아니라 재화 자체의 이동도 전세계적으로 가능해지고 있다. 따라서 국가간 교역에 크게 의존할 수 밖에 없는 우리 나라의 제조 산업은 이렇게 급변하고 있는 세계 시장 상황에 효과적으로 대처해야 할 필요성이 절실하다.
일례로, 열처리 산업의 경우, 설비의 가열공정 시 구역별로 형성된 지역의 균일한 온도 유지가 품질에 중요한 요소이기 때문에 작업자가 현장에 대기하며 실시간으로 온도변화를 확인하고 있는 실정이다.
그러나 종래의 공장 자동화 또는 기업 정보화 시스템은 시스템 구축을 위해 필요한 하드웨어, 소프트웨어 시스템은 매우 고가일 뿐만 아니라 전산 시스템에 대한 지식을 보유한 전문가들이 관리하여야 하므로 인적, 물적 자원 투입에 한계가 있는 중소기업에서 적용하기에는 많은 어려움이 있다. 더불어 최근 심각해지고 있는 전산 자료의 보안을 위해서는 보안 전문가의 도움이 반드시 필요하다.
이와 관련하여, 종래 기술인 한국공개특허공보 제10-2009-0073643호는 생산 설비의 운전정보를 주기적으로 수집하고 수집된 데이터를 전사지원관리 서버를 통해 관리하는 생산 현장정보 제공 시스템 및 방법에 대하여 개시하고 있고, 한국공개특허공보 제10-2009-0001710호는 제조 공정의 각 세부 작업 라인마다 제조 현황 정보를 수집하고, 세부 작업 라인의 동작을 제어하는 제조 공정 관리 시스템에 대하여 개시하고 있다.
그러나, 종래 기술은 센서로부터 설정된 단위시간마다 수집되는 데이터를 취합하여 사용하기 때문에 데이터의 손실이 발생할 수 있고, 설비의 운영 상태를 판단하는 데 있어, 사용자가 최초에 설정한 기준만을 이용하여 판단하기 때문에 사용자가 고려하지 못한 변수나, 외부 환경에 따라 다르게 동작하는 설비 특성을 모두 반영하기 어렵다는 문제점이 있다.
따라서, 설비 및 센서로부터 수집되는 데이터의 손실을 막고, 수집된 데이터의 딥러닝을 통해 설비의 운영 상태를 보다 정확하게 판단할 수 있는 생산설비 데이터 수집 및 가공 시스템 및 그 제어 방법에 관한 연구가 필요하다.
본 발명은 설비 센서에서 센싱되는 데이터를 초, 분, 시간 단위로 수집함으로써, 수집된 데이터 손실을 최소화하고 수집 주기별로 데이터를 분류하여 설비 운영상태를 보다 세부적으로 판단할 수 있는 생산설비 데이터 수집 및 가공 시스템 및 그 제어 방법을 제공하는 데 그 목적이 있다.
또한, 다수의 설비로부터 수집된 데이터를 이용하여 빅데이터 DB를 구축하고, 데이터 딥러닝을 통해 설비의 운영상태를 판단함으로써, 설비가 운영되고 있는 환경조건을 모두 반영할 수 있고, 설비별로 최적화된 운영조건을 도출할 수 있는 생산설비 데이터 수집 및 가공 시스템 및 그 제어 방법을 제공하는 데 그 목적이 있다.
또한, 공장 설비의 운영 상태를 실시간 수집하고 모니터링함으로써, 설비들의 고장을 미리 예방하고, 고장이 발생하더라도 관리자로 하여금 즉각적인 지시를 내릴 수 있도록 하며, 이로 인해 생산 효율을 향상시킬 수 있는 생산설비 데이터 수집 및 가공 시스템 및 그 제어 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 발명의 일실시례에 따른 생산설비 데이터 수집 및 가공 시스템은 적어도 하나 이상의 설비에 마련된 센서에서 감지되는 신호를 기설정된 주기로 수집하는 데이터수집부, 데이터수집부에서 수집된 데이터를 취합하여 기설정된 형태로 변환하고, 변환된 데이터를 기지정된 서버로 전송하는 데이터통신부, 데이터통신부로부터 수신된 데이터를 저장하고, 빅데이터 DB를 구축하는 통합관리서버, 통합관리서버에 저장된 데이터를 분석하여, 기설정된 조건에 부합하는 데이터를 분석하는 데이터분석부, 데이터분석부에서 산출된 데이터를 이용하여 설비의 기초 정보 및 설비의 센서 연동 상태 중 적어도 어느 하나를 포함하는 설비의 운영 상태를 모니터링하는 데이터모니터링부 및 데이터분석부에서 산출된 데이터에 대응하여 기지정된 사용자 단말에 알림메시지를 전송하는 알림신호발생부를 포함한다.
또한, 데이터수집부는, 설비에서 발생되는 데이터를 기설정된 시간을 주기로 수집하되, 1초 주기로 수집되는 실시간 데이터, 1분 주기로 수집되는 원천 데이터, 1시간 주기로 수집되는 가동률 데이터 및 1분, 15분 및 60분 주기로 수집되는 통계 데이터로 구분하여 설비의 데이터를 수집하는 것을 특징으로 한다.
또한, 데이터분석부는, 통합관리서버에 저장된 데이터를 딥러닝 방식을 적용하여 분석하되, 설비의 이상 패턴, 생산 패턴 및 동작 패턴 중 적어도 어느 하나의 패턴을 감지하고, 감지된 패턴에 대응되는 이벤트가 발생한 경우, 이벤트가 발생한 설비의 운영환경정보를 반영하여 설비의 패턴 감지 기준을 업데이트 하는 것을 특징으로 한다.
또한, 데이터모니터링부는, 데이터분석부에서 검출된 데이터를 이용하여 설비의 모니터링 데이터 생성하되, 모니터링 데이터는 사용자 단말의 입력에 기초하여 필터링 되어 사용자 단말에 디스플레이 되는 것을 특징으로 한다.
또한, 본 발명의 일실시례에 따른 생산설비 데이터 수집 및 가공 시스템의 제어 방법은 적어도 하나 이상의 설비에 마련된 센서에서 감지되는 신호를 기설정된 주기로 수집하는 단계, 수집된 데이터를 취합하여 기설정된 형태로 변환하고, 변환된 데이터를 기지정된 서버로 전송하는 단계, 수신된 데이터를 저장하고, 빅데이터 DB를 구축하는 단계, DB에 저장된 데이터를 분석하여, 기설정된 조건에 부합하는 데이터를 분석하는 단계 및 분석된 데이터를 이용하여 설비의 기초 정보 및 설비의 센서 연동 상태 중 적어도 어느 하나를 포함하는 설비의 운영 상태를 모니터링하는 단계를 포함하고, 설비로부터 데이터를 수집하는 단계는, 1초 주기로 수집되는 실시간 데이터, 1분 주기로 수집되는 원천 데이터, 1시간 주기로 수집되는 가동률 데이터 및 1분, 15분 및 60분 주기로 수집되는 통계 데이터로 구분하여 설비의 데이터를 수집하고, DB에 저장된 데이터를 분석하는 단계는, DB에 저장된 데이터를 딥러닝 방식을 적용하여 분석하되, 설비의 이상 패턴, 생산 패턴 및 동작 패턴 중 적어도 어느 하나의 패턴을 감지하고, 감지된 패턴에 대응되는 이벤트가 발생한 경우, 이벤트가 발생한 설비의 운영환경정보를 반영하여 설비의 패턴 감지 기준을 업데이트 하고, 이벤트에 대응되는 정보를 포함하는 알림신호를 사용자 단말에 전송하며, 분석된 데이터를 모니터링하는 단계는, 데이터 분석 단계에서 검출된 데이터를 이용하여 설비의 모니터링 데이터 생성하고, 사용자 단말의 입력에 기초하여 필터링된 모니터링 데이터를 상기 사용자 단말에 디스플레이하는 단계를 더 포함하는 것을 특징으로 한다.
본 발명의 생산설비 데이터 수집 및 가공 시스템 및 그 제어 방법은 설비 센서에서 센싱되는 데이터를 초, 분, 시간 단위로 수집함으로써, 수집된 데이터 손실을 최소화하고 수집 주기별로 데이터를 분류하여 설비 운영상태를 보다 세부적으로 판단할 수 있다.
또한, 다수의 설비로부터 수집된 데이터를 이용하여 빅데이터 DB를 구축하고, 데이터 딥러닝을 통해 설비의 운영상태를 판단함으로써, 설비가 운영되고 있는 환경조건을 모두 반영할 수 있고, 설비별로 최적화된 운영조건을 도출할 수 있다.
또한, 공장 설비의 운영 상태를 실시간 수집하고 모니터링함으로써, 설비들의 고장을 미리 예방하고, 고장이 발생하더라도 관리자로 하여금 즉각적인 지시를 내릴 수 있도록 하며, 이로 인해 생산 효율을 향상시킬 수 있는 효과를 가진다.
도 1은 본 발명의 일실시례에 따른 생산설비 데이터 수집 및 가공 시스템의 구성도이다.
도 2는 본 발명의 일실시례에 따른 생산설비 데이터 수집 및 가공 시스템의 데이터 처리 과정을 설명하기 위한 도면이다.
도 3은 본 발명의 일실시례에 따른 생산설비 데이터 수집 및 가공 시스템의 데이터모니터링부를 설명하기 위한 도면이다.
도 4는 본 발명의 일실시례에 따른 생산설비 데이터 수집 및 가공 시스템의 제어 방법의 순서도이다.
도 2는 본 발명의 일실시례에 따른 생산설비 데이터 수집 및 가공 시스템의 데이터 처리 과정을 설명하기 위한 도면이다.
도 3은 본 발명의 일실시례에 따른 생산설비 데이터 수집 및 가공 시스템의 데이터모니터링부를 설명하기 위한 도면이다.
도 4는 본 발명의 일실시례에 따른 생산설비 데이터 수집 및 가공 시스템의 제어 방법의 순서도이다.
이상과 같은 본 발명에 대한 해결하고자 하는 과제, 과제의 해결 수단, 발명의 효과를 포함한 구체적인 사항들은 다음에 기재할 실시례 및 도면들에 포함되어 있다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시례들을 참조하면 명확해질 것이다.
이하, 첨부된 도면을 참조하여 본 발명을 보다 상세히 설명하기로 한다.
도 1은 본 발명의 일실시례에 따른 생산설비 데이터 수집 및 가공 시스템의 구성도이고, 도 2는 본 발명의 일실시례에 따른 생산설비 데이터 수집 및 가공 시스템의 데이터 처리 과정을 설명하기 위한 도면이고, 도 3은 본 발명의 일실시례에 따른 생산설비 데이터 수집 및 가공 시스템의 데이터모니터링부를 설명하기 위한 도면이고, 도 4는 본 발명의 일실시례에 따른 생산설비 데이터 수집 및 가공 시스템의 제어 방법의 순서도이다.
<실시례 1>
도 1 및 도 2를 참고하면, 생산설비 데이터 수집 및 가공 시스템(100)은 데이터수집부(110), 데이터송신부(120), 통합관리서버(130), 데이터분석부(140), 데이터모니터링부(150) 및 알림신호생성부(160)를 포함할 수 있다.
보다 상세하게는, 상기 데이터수집부(110)는 적어도 하나 이상의 설비(200)에 마련된 센서에서 감지되는 신호를 기설정된 주기로 수집하되, 1초 주기로 수집되는 실시간 데이터, 1분 주기로 수집되는 원천 데이터, 1시간 주기로 수집되는 가동률 데이터 및 1분, 15분 및 60분 주기로 수집되는 통계 데이터로 구분하여 상기 설비(200)의 데이터를 수집할 수 있다.
일례로, 상기 센서는 상기 설비(200)의 온도 정보, 소음 정보, 엔진 출력 전류, 엔진 토크 및 엔진 오일잔여량 등을 포함하는 설비 상태 정보를 수집할 수도 있다.
상기 데이터통신부(120)는 상기 데이터수집부(110)에서 수집된 데이터를 취합하여 기설정된 형태로 변환하고, 상기 변환된 데이터를 기지정된 서버로 전송하며, 상기 통합관리서버(130)는 상기 데이터통신부(120)로부터 수신된 데이터를 저장하고, 빅데이터 DB를 구축할 수 있다.
일례로, 상기 데이터통신부(120)는 상기 데이터수집부(110)에서 수집된 데이터를 TCP/IP 프로토콜을 적용하여 상기 통합관리서버(130)로 송신할 수 있다.
상기 데이터분석부(140)는 상기 통합관리서버(130)에 저장된 데이터를 분석하여, 기설정된 조건에 부합하는 데이터를 분석하되, 딥러닝 방식을 적용하여 상기 설비(200)의 운영 상태를 판단할 수 있다.
보다 상세하게는, 상기 설비(200)의 이상 패턴, 생산 패턴 및 동작 패턴 중 적어도 어느 하나의 패턴을 감지하고, 상기 감지된 패턴에 이벤트가 발생한 경우, 상기 이벤트가 발생한 설비(200)의 운영환경정보를 반영하여 상기 설비(200)의 패턴 감지 기준을 업데이트할 수 있다.
예를 들어, 열처리 가공 설비의 센서로부터 데이터를 수집하는 경우, 열처리 가공을 위한 가열온도, 가열시간, 냉각온도, 냉각시간, 현재온도, 설비전력, 가공대상의 형상 이미지 등을 변수로 하는 운영환경 데이터가 수집될 수 있다.
이때, 상기 가열온도 및 상기 설비전력 변수에 대한 데이터가 최초 설정된 상기 패턴 감지 기준을 초과하는 경우, 상기 설비(200)의 열처리 가공 공정의 이상 패턴 감지할 수 있다.
또한, 상기 이상 패턴으로 감지된 상기 열처리 가공 설비의 운영환경 데이터를 반영하여 최초 설정된 상기 패턴 감지 기준이 수정될 수 있다
즉, 상기 데이터분석부(140)는 임의의 설비에 대해 발생하는 이벤트들을 반복적으로 학습하고, 이를 반영하여 상기 패턴 감지 기준을 설비별로 최적화시킬 수 있다.
일례로, 상기 이벤트는 상기 감지된 패턴에 대응하여 발생하되, 동시에 복수 개의 패턴이 발생하는 경우, 상기 패턴별로 기설정된 가중치(Wn)에 기초하여 상기 이벤트의 중요등급이 차등적으로 설정될 수도 있다.
상기 데이터모니터링부(150)는 상기 데이터분석부(140)에서 산출된 데이터를 이용하여 상기 설비(200)의 기초 정보 및 상기 설비(200)의 센서 연동 상태 중 적어도 어느 하나를 포함하는 상기 설비(200)의 운영 상태를 모니터링할 수 있다.
일례로, 상기 설비(200)의 기초 정보는 상기 설비(200)의 운영시간, 소비전력, 효율 등을 포함할 수 있다.
또한, 도 3과 같이, 상기 데이터모니터링부(150)는 상기 데이터분석부(140)에서 검출된 데이터를 이용하여 상기 설비(200)의 모니터링 데이터 생성하되, 상기 모니터링 데이터는 기지정된 사용자 단말(300)의 입력에 기초하여 필터링되어 상기 사용자 단말(300)에 디스플레이될 수 있다.
상기 알림신호발생부(160)는 상기 데이터분석부(140)에서 산출된 데이터에 대응하여 상기 사용자 단말(300)에 알림신호를 전송할 수 있다.
예를 들어, 상기 설비(200)에 특정 이벤트가 감지된 경우, 상기 알림신호발생부(160)는 상기 설비(200)의 위치 및 상기 이벤트 정보를 포함하는 푸시알림신호를 생성할 수 있다.
또한, 상기 통합관리서버(130)를 참조하여, 상기 이벤트가 감지된 설비의 담당관리자 정보 및 현장당직자 정보를 추출하고 상기 담당관리자 및 상기 현장당직자 단말기에 상기 푸시알림신호를 전송할 수 있다.
<실시례 2>
도 4를 참고하면, 생산설비 데이터 수집 및 가공 시스템(100)의 제어 방법은 적어도 하나 이상의 설비에 마련된 센서에서 감지되는 신호를 기설정된 주기로 수집하는 단계(S100), 상기 수집된 데이터를 취합하여 기설정된 형태로 변환하고, 상기 변환된 데이터를 기지정된 서버로 전송하는 단계(S200), 수신된 데이터를 저장하고, 빅데이터 DB를 구축하는 단계(S300), 상기 DB에 저장된 데이터를 분석하여, 기설정된 조건에 부합하는 데이터를 분석하는 단계(S400) 및 상기 분석된 데이터를 이용하여 상기 설비 정보 및 상기 설비의 센서 연동 상태 중 적어도 어느 하나를 포함하는 상기 설비의 운영 상태를 모니터링하는 단계(S500)를 포함할 수 있다.
보다 상세하게는, 상기 설비로부터 데이터를 수집하는 단계(S100)는, 1초 주기로 수집되는 실시간 데이터, 1분 주기로 수집되는 원천 데이터, 1시간 주기로 수집되는 가동률 데이터 및 1분, 15분 및 60분 주기로 수집되는 통계 데이터로 구분하여 상기 설비의 데이터를 수집할 수 있다.
또한, 상기 DB에 저장된 데이터를 분석하는 단계(S400)는, 상기 DB에 저장된 데이터를 딥러닝 방식을 적용하여 분석하되, 상기 설비의 이상 패턴, 생산 패턴 및 동작 패턴 중 적어도 어느 하나의 패턴을 감지하고, 상기 감지된 패턴에 대응되는 이벤트가 발생한 경우, 상기 이벤트가 발생한 설비의 운영환경정보를 반영하여 상기 설비의 패턴 감지 기준을 업데이트 하고, 상기 이벤트에 대응되는 정보를 포함하는 알림신호를 상기 사용자 단말에 전송할 수 있다.
또한, 상기 분석된 데이터를 모니터링하는 단계(S500)는, 상기 데이터 분석단계(S400)에서 검출된 데이터를 이용하여 상기 설비의 모니터링 데이터 생성하고, 상기 사용자 단말의 입력에 기초하여 필터링된 상기 모니터링 데이터를 상기 사용자 단말에 디스플레이하는 단계를 더 포함할 수 있다.
상기와 같은 본 발명의 효과에 따르면, 설비의 센서에서 센싱되는 데이터를 초, 분, 시간 단위로 수집함으로써, 수집된 데이터 손실을 최소화하고 수집 주기별로 데이터를 분류하여 설비 운영상태를 보다 세부적으로 판단할 수 있는 생산설비 데이터 수집 및 가공 시스템 및 그 제어 방법이 제공될 수 있다.
또한, 다수의 설비로부터 수집된 데이터를 이용하여 빅데이터 DB를 구축하고, 데이터 딥러닝을 통해 설비의 운영상태를 판단함으로써, 설비가 운영되고 있는 환경조건을 모두 반영할 수 있고, 설비별로 최적화된 운영조건을 도출할 수 있는 생산설비 데이터 수집 및 가공 시스템 및 그 제어 방법이 제공될 수 있다.
또한, 공장 설비의 운영 상태를 실시간 수집하고 모니터링함으로써, 설비들의 고장을 미리 예방하고, 고장이 발생하더라도 관리자로 하여금 즉각적인 지시를 내릴 수 있도록 하며, 이로 인해 생산 효율을 향상시킬 수 있는 생산설비 데이터 수집 및 가공 시스템 및 그 제어 방법이 제공될 수 있다.
또한, 본 발명의 일실시례에 따른, 생산설비 데이터 수집 및 가공 시스템의 제어 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.
110 : 데이터수집부
120 : 데이터통신부
130 : 통합관리서버
140 : 데이터분석부
150 : 데이터모니터링부
160 : 알림신호발생부
120 : 데이터통신부
130 : 통합관리서버
140 : 데이터분석부
150 : 데이터모니터링부
160 : 알림신호발생부
Claims (5)
- 적어도 하나 이상의 설비에 마련된 센서에서 감지되는 신호를 기설정된 주기로 수집하는 데이터수집부;
상기 데이터수집부에서 수집된 데이터를 취합하여 기설정된 형태로 변환하고, 상기 변환된 데이터를 기지정된 서버로 전송하는 데이터통신부;
상기 데이터통신부로부터 수신된 데이터를 저장하고, 빅데이터 DB를 구축하는 통합관리서버;
상기 통합관리서버에 저장된 데이터를 분석하여 기설정된 조건에 부합하는 데이터를 분석하는 데이터분석부;
상기 데이터분석부에서 산출된 데이터를 이용하여 상기 설비의 기초 정보 및 상기 설비의 센서 연동 상태 중 적어도 어느 하나를 포함하는 상기 설비의 운영 상태를 모니터링하는 데이터모니터링부; 및
상기 데이터분석부에서 산출된 데이터에 대응하여 기지정된 사용자 단말에 알림메시지를 전송하는 알림신호발생부;
를 포함하는 생산설비 데이터 수집 및 가공 시스템. - 제1 항에 있어서,
상기 데이터수집부는,
상기 설비에서 발생되는 데이터를 기설정된 시간을 주기로 수집하되,
1초 주기로 수집되는 실시간 데이터;
1분 주기로 수집되는 원천 데이터;
1시간 주기로 수집되는 가동률 데이터; 및
1분, 15분 및 60분 주기로 수집되는 통계 데이터;로 구분하여 상기 설비의 데이터를 수집하는 것을 특징으로 하는 생산설비 데이터 수집 및 가공 시스템. - 제1 항에 있어서,
상기 데이터분석부는,
상기 통합관리서버에 저장된 데이터를 딥러닝 방식을 적용하여 분석하되,
상기 설비의 이상 패턴, 생산 패턴 및 동작 패턴 중 적어도 어느 하나의 패턴을 감지하고, 상기 감지된 패턴에 대응되는 이벤트가 발생한 경우, 상기 이벤트가 발생한 설비의 운영환경정보를 반영하여 상기 설비의 패턴 감지 기준을 업데이트 하는 것을 특징으로 하는 생산설비 데이터 수집 및 가공 시스템. - 제1 항에 있어서,
상기 데이터모니터링부는,
상기 데이터분석부에서 검출된 데이터를 이용하여 상기 설비의 모니터링 데이터 생성하되,
상기 모니터링 데이터는 상기 사용자 단말의 입력에 기초하여 필터링되어 상기 사용자 단말에 디스플레이되는 것을 특징으로 하는 생산설비 데이터 수집 및 가공 시스템. - 적어도 하나 이상의 설비에 마련된 센서에서 감지되는 신호를 기설정된 주기로 수집하는 단계;
상기 수집된 데이터를 취합하여 기설정된 형태로 변환하고, 상기 변환된 데이터를 서버로 전송하는 단계;
수신된 데이터를 저장하고, 빅데이터 DB를 구축하는 단계;
상기 DB에 저장된 데이터를 분석하여, 기설정된 조건에 부합하는 데이터를 분석하는 단계; 및
상기 분석된 데이터를 이용하여 상기 설비의 기초 정보 및 상기 설비의 센서 연동 상태 중 적어도 어느 하나를 포함하는 상기 설비의 운영 상태를 모니터링하는 단계;를 포함하고,
상기 설비로부터 데이터를 수집하는 단계는,
1초 주기로 수집되는 실시간 데이터;
1분 주기로 수집되는 원천 데이터;
1시간 주기로 수집되는 가동률 데이터; 및
1분, 15분 및 60분 주기로 수집되는 통계 데이터;로 구분하여 상기 설비의 데이터를 수집하고,
상기 DB에 저장된 데이터를 분석하는 단계는,
상기 DB에 저장된 데이터를 딥러닝 방식을 적용하여 분석하되,
상기 설비의 이상 패턴, 생산 패턴 및 동작 패턴 중 적어도 어느 하나의 패턴을 감지하고, 상기 감지된 패턴에 대응되는 이벤트가 발생한 경우, 상기 이벤트가 발생한 설비의 운영환경정보를 반영하여 상기 설비의 패턴 감지 기준을 업데이트 하고, 상기 이벤트에 대응되는 정보를 포함하는 알림신호를 상기 사용자 단말에 전송하며,
상기 분석된 데이터를 모니터링하는 단계는,
상기 데이터 분석 단계에서 검출된 데이터를 이용하여 상기 설비의 모니터링 데이터 생성하고, 상기 사용자 단말의 입력에 기초하여 필터링된 상기 모니터링 데이터를 상기 사용자 단말에 디스플레이하는 단계를 더 포함하는 것을 특징으로 하는 하는 생산설비 데이터 수집 및 가공 시스템의 제어 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200151108A KR20220064714A (ko) | 2020-11-12 | 2020-11-12 | 생산설비 데이터 수집 및 가공 시스템 및 그 제어 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200151108A KR20220064714A (ko) | 2020-11-12 | 2020-11-12 | 생산설비 데이터 수집 및 가공 시스템 및 그 제어 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220064714A true KR20220064714A (ko) | 2022-05-19 |
Family
ID=81801110
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200151108A KR20220064714A (ko) | 2020-11-12 | 2020-11-12 | 생산설비 데이터 수집 및 가공 시스템 및 그 제어 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220064714A (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102523197B1 (ko) * | 2022-11-01 | 2023-04-19 | 유봉수 | 고정밀 전류센서를 활용한 산업용 생산 장비의 전력 분석 장치 |
| KR102540257B1 (ko) * | 2022-12-19 | 2023-06-07 | 주식회사 에스와이플랜택 | Ｅｓｇ 경영을 위한 인공지능 기반 환경설비 및 산업플랜트 관리 서비스 시스템 |
| KR102578489B1 (ko) * | 2022-07-12 | 2023-09-13 | 이재학 | 빅데이터, 머신러닝 기반의 디지털 트랜스포메이션 예측 시스템 |
| WO2024090662A1 (ko) * | 2022-10-28 | 2024-05-02 | 주식회사 레티그리드 | 인공지능 기반의 설비 사용패턴 분석 기반 에너지 효율화 서비스 시스템 및 방법 |
-
2020
- 2020-11-12 KR KR1020200151108A patent/KR20220064714A/ko not_active Application Discontinuation
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102578489B1 (ko) * | 2022-07-12 | 2023-09-13 | 이재학 | 빅데이터, 머신러닝 기반의 디지털 트랜스포메이션 예측 시스템 |
| WO2024090662A1 (ko) * | 2022-10-28 | 2024-05-02 | 주식회사 레티그리드 | 인공지능 기반의 설비 사용패턴 분석 기반 에너지 효율화 서비스 시스템 및 방법 |
| KR102523197B1 (ko) * | 2022-11-01 | 2023-04-19 | 유봉수 | 고정밀 전류센서를 활용한 산업용 생산 장비의 전력 분석 장치 |
| KR102540257B1 (ko) * | 2022-12-19 | 2023-06-07 | 주식회사 에스와이플랜택 | Ｅｓｇ 경영을 위한 인공지능 기반 환경설비 및 산업플랜트 관리 서비스 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20220064714A (ko) | 생산설비 데이터 수집 및 가공 시스템 및 그 제어 방법 | |
| EP1419424B1 (en) | Shared-use data processing for process control systems | |
| CN101713984B (zh) | 过程控制系统中的事件同步化报告 | |
| EP3660612B1 (en) | Method and system for elimination of fault conditions in a technical installation | |
| KR20200071805A (ko) | IoT기반 실시간 에너지 모니터링 및 데이터 분석 시스템 | |
| EP0965897A1 (en) | Field device management system | |
| KR20180101815A (ko) | 빅데이터 플랫폼을 이용한 스마트 공장 운영 관리 솔루션 서비스 시스템 및 방법 | |
| KR20180108446A (ko) | Ict 인프라 관리 시스템 및 이를 이용한 ict 인프라 관리 방법 | |
| Kumaraguru et al. | Integrating real-time analytics and continuous performance management in smart manufacturing systems | |
| US20190235483A1 (en) | Dynamic Prediction of Risk Levels for Manufacturing Operations through Leading Risk Indicators: Dynamic Risk Fault Tree Method and System | |
| CN116822115A (zh) | 一种基于数字孪生技术的智慧园区的环境管理方法及系统 | |
| US11853053B2 (en) | Dynamic prediction of risk levels for manufacturing operations through leading risk indicators: dynamic exceedance probability method and system | |
| KR102252887B1 (ko) | Ot 네트워크에서의 계층적 데이터 이상탐지 시스템 및 그 방법 | |
| CN111160598A (zh) | 一种基于动态能耗基准的能源预测与能耗管控方法及系统 | |
| US20240085878A1 (en) | Dynamic Prediction of Risk Levels for Manufacturing Operations through Leading Risk Indicators: Dynamic Risk Pattern Match Method and System | |
| CN112445169A (zh) | 基于工业物联网云平台的能源动力设备管理系统及其方法 | |
| CN106233217A (zh) | 用于提供广义化连续性能指示符的装置和方法 | |
| JP2005182558A (ja) | コスト予測・評価方式 | |
| JP5204075B2 (ja) | 運転状況分析方法および運転状況分析システム | |
| Fernandez-Anakabe et al. | An attribute oriented induction based methodology for data driven predictive maintenance | |
| Beaudet et al. | Malicious Anomaly Detection Approaches Robustness in Manufacturing ICSs | |
| WO2021042233A1 (en) | Remote diagnosis system, apparatus and method for power tool | |
| KR20230013771A (ko) | Bim데이터를 활용한 건물의 에너지 관리 시스템 | |
| CN111829359A (zh) | 冶金工业炉窑集中监控方法及总系统 | |
| JP2002133026A (ja) | 業務支援システム、操業支援システム及び記録媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E601 | Decision to refuse application |