KR20220092227A - 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템 - Google Patents

분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템 Download PDF

Info

Publication number
KR20220092227A
KR20220092227A KR1020200183793A KR20200183793A KR20220092227A KR 20220092227 A KR20220092227 A KR 20220092227A KR 1020200183793 A KR1020200183793 A KR 1020200183793A KR 20200183793 A KR20200183793 A KR 20200183793A KR 20220092227 A KR20220092227 A KR 20220092227A
Authority
KR
South Korea
Prior art keywords
edge computing
optimal control
factory
intelligent
system based
Prior art date
Application number
KR1020200183793A
Other languages
English (en)
Inventor
이용관
김수경
김성렬
Original Assignee
한국공학대학교산학협력단
김수경
경기과학기술대학교 산학협력단
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 한국공학대학교산학협력단, 김수경, 경기과학기술대학교 산학협력단 filed Critical 한국공학대학교산학협력단
Priority to KR1020200183793A priority Critical patent/KR20220092227A/ko
Priority to PCT/KR2021/019195 priority patent/WO2022139326A1/ko
Publication of KR20220092227A publication Critical patent/KR20220092227A/ko

Links

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]
    • G05B19/41885—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 modeling, simulation of the manufacturing system
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • 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
    • 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]
    • G05B19/41865—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 job scheduling, process planning, material flow
    • G05B19/4187—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 job scheduling, process planning, material flow by tool management
    • 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)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

본 발명에 따른 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템은 복수의 공정 설비들을 포함하는 공장에 적용될 수 있다. 여기에서, 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템은, 상기 복수의 공정 설비들 각각과 연결되어, 공정 설비와 연관되는 공정 기초 데이터를 수집하며, 상기 수집된 공정 기초 데이터를 기반으로 기정의된 인공지능 알고리즘에 따라 최적 제어 조건을 생성하여 공정 설비에 적용하는, 복수의 지능형 엣지 컴퓨팅 디바이스(AI-son)들; 및 상기 복수의 지능형 엣지 컴퓨팅 디바이스들 각각과 클라우드 환경에서 연동되어, 상기 복수의 공정 설비들 각각에 대한 최적 제어 조건을 확인하고, 확인된 최적 제어 조건을 기반으로 기정의된 인공지능 알고리즘에 따라 공장 최적화 조건을 생성하는, 지능형 센터 컴퓨팅 디바이스(AI-mother);를 포함한다.

Description

분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템{FACTORY AUTOMATION SYSTEM BASED ON DISTRIBUTED EDGE COMPUTING}
본 발명은 시장 수요에 대응한 다품종 소량 생산을 가능케하는 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템에 관한 것이다.
종래의 제조공정은 공급자 중심의 시장에 적합한 제조시스템이다. 도 1을 참조하면, 종래의 제조 공정의 경우, 공급자가 시장의 수요를 파악하여 대량생산으로 제품을 제조하고, 이를 대리점이나 소매점에 공급하여 제품을 판매한 판매수익을 기반으로 한 비즈니스 모델로 구성되어 있다. 이러한 종래의 제조 공정에 따르면, 제조 시스템에 피드백이 이루어지지 않아, 개인맞춤형 제품(예 : 의류 제조시 개인 각각의 신체사이즈, 몸무게, 허리둘레, 취향 등)을 생산하는데 한계가 있다.
즉, 종래 제조시스템은 공급자 중심의 제품기획-개발-제조-물류-판매의 형태로 구성되어 있어 개인맞춤형 시장에 대응한 다품종 소량 생산 시스템을 구축하는데 어려움이 있다.
현재, 이러한 종래의 제조 공정에 따른 문제점을 해결하기 위한 기술 개발이 절실한 실정이다.
한국공개특허 10-2020-0120980호
본 발명은 상술된 문제점을 해결하기 위해 도출된 것으로, 시장 수요에 대응한 다품종 소량 생산을 가능케하는, 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템을 제공하고자 한다.
본 발명에 따른 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템은 복수의 공정 설비들을 포함하는 공장에 적용될 수 있다. 여기에서, 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템은, 상기 복수의 공정 설비들 각각과 연결되어, 공정 설비와 연관되는 공정 기초 데이터를 수집하며, 상기 수집된 공정 기초 데이터를 기반으로 기정의된 인공지능 알고리즘에 따라 최적 제어 조건을 생성하여 공정 설비에 적용하는, 복수의 지능형 엣지 컴퓨팅 디바이스(AI-son)들; 및 상기 복수의 지능형 엣지 컴퓨팅 디바이스들 각각과 클라우드 환경에서 연동되어, 상기 복수의 공정 설비들 각각에 대한 최적 제어 조건을 확인하고, 확인된 최적 제어 조건을 기반으로 기정의된 인공지능 알고리즘에 따라 공장 최적화 조건을 생성하는, 지능형 센터 컴퓨팅 디바이스(AI-mother);를 포함한다.
일 실시예에서, 상기 자율화 공장 운영 시스템은, 상기 공장에서 생산하는 제품에 대한 시장 수요 정보를 수집하여 저장하는 데이터베이스를 더 포함할 수 있다.
일 실시예에서, 상기 시장 수요 정보는, 상기 제품에 대한 수요자 개인별 요구 정보를 포함할 수 있다.
일 실시예에서, 상기 지능형 센터 컴퓨팅 디바이스(AI-mother)는 상기 확인된 최적 제어 조건과 상기 데이터베이스에 저장된 시장 수요 정보를 기반으로 기정의된 인공지능 알고리즘에 따라, 상기 제품의 개인별 시장 수요에 대응하기 위한 공장 최적화 조건을 생성할 수 있다.
일 실시예에서, 상기 지능형 센터 컴퓨팅 디바이스(AI-mother)는 상기 생성된 공장 최적화 조건을 기초로, 상기 복수의 지능형 엣지 컴퓨팅 디바이스(AI-son)들 각각에 대한 최적 제어 조건을 생성할 수 있다.
일 실시예에서, 상기 지능형 센터 컴퓨팅 디바이스(AI-mother)는 상기 생성된 최적 제어 조건을 상기 복수의 지능형 엣지 컴퓨팅 디바이스(AI-son)들 각각에 제공하고, 상기 복수의 지능형 엣지 컴퓨팅 디바이스(AI-son)들 각각은, 기저장된 최적 제어 조건을 제공받은 최적 제어 조건으로 갱신하고, 갱신된 최적 제어 조건을 공정 설비 각각에 적용할 수 있다.
일 실시예에서, 상기 지능형 센터 컴퓨팅 디바이스(AI-mother)는 기정의된 시간 단위마다 상기 최적 제어 조건을 생성하여 상기 복수의 지능형 엣지 컴퓨팅 디바이스(AI-son)들 각각에 제공하며, 상기 복수의 지능형 엣지 컴퓨팅 디바이스(AI-son)들 각각은, 기저장된 최적 제어 조건을 제공받은 최적 제어 조건으로 갱신하고, 갱신된 최적 제어 조건을 공정 설비 각각에 적용할 수 있다.
본 발명은, 복수의 공정 설비들 각각과 연결되어 인공지능 알고리즘에 따라 최적 제어 조건을 생성하여 공정 설비에 적용하는 복수의 지능형 엣지 컴퓨팅 디바이스(AI-son)들과, 복수의 지능형 엣지 컴퓨팅 디바이스(AI-son)들과 클라우드 환경에서 연동되어 인공지능 알고리즘에 따라 공장 최적화 조건을 생성하는 지능형 센터 컴퓨팅 디바이스(AI-mother)로 구성되되, 지능형 센터 컴퓨팅 디바이스(AI-mother)가 공정 설비 각각에 대한 최적 제어 조건 및 수집된 시장 수요 정보를 기초로 공장 최적화 조건을 생성하고, 이를 복수의 지능형 엣지 컴퓨팅 디바이스(AI-son)들에게 제공하도록 동작함으로써, 시장 수요에 대응한 개인 맞춤형 다품종 소량 생산을 가능케 한다.
도 1은 종래 제조 공정을 설명하기 위한 참조도이다.
도 2는 본 발명에 따른 제조 공정을 설명하기 위한 참조도이다.
도 3은 본 발명에 따른 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템을 설명하기 위한 참조도이다.
본 발명은 다양한 변환을 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 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 이하, 본 발명의 실시예를 첨부한 도면들을 참조하여 상세히 설명하기로 한다.
도 2는 본 발명에 따른 제조 공정을 설명하기 위한 참조도이다.
상술한 바와 같이, 종래의 제조공정은 공급자 중심의 제품기획-개발-제조-물류-판매의 형태로 구성되어, 개인맞춤형 시장에 대응한 다품종 소량 생산 시스템을 구축하는데 어려움이 있다. 본 발명은 이러한 종래 제조 공정의 문제점을 해결하기 위하여 안출된 것으로, 시장의 요구에 맞는 개인맞춤형 스펙을 실시간으로 데이터베이스에 저장하고, 저장된 데이터를 기반으로 인공지능 알고리즘을 활용하여 제품 생산을 위한 최적화된 공정 사양을 도출하며, 도출된 공정 사양을 각 공정 설비에 적용함으로써, 시장 수요에 대응한 개인 맞춤형 다품종 소량 생산을 가능케 한다.
이하에서는, 본 발명이 제안하는 제조 공정을 구현하기 위한 자율화 공장 운영 시스템에 대하여 보다 상세하게 설명한다.
도 3은 본 발명에 따른 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템을 설명하기 위한 참조도이다.
도 3을 참조하면, 본 발명에 따른 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템(10, 이하 자율화 공장 운영 시스템)은 복수의 공정 설비들(100), 복수의 지능형 엣지 컴퓨팅 디바이스(200, AI-son, 이하 엣지 컴퓨팅 디바이스), 지능형 센터 컴퓨팅 디바이스(300, AI-mother, 이하 센터 컴퓨팅 디바이스) 및 데이터베이스(400)를 포함하여 구성될 수 있다.
복수의 공정 설비들(100)은 특정 공장에 구비되며 각각 정의된 공정을 수행하는 설비에 해당한다. 의류 공장에 구비되는 공정 설비들을 예로 들면, 제1 공정 설비(100A)는 원단 가공 설비에 해당하고, 제2 공정 설비(100B)는 제봉 공정 설비에 해당하고, 제3 공정 설비(100C)는 품질 검사 설비에 해당할 수 있다. 한편, 이러한 예시는 본 발명의 권리범위를 한정하고자 하는 것은 아니며, 본 발명에 따른 공정 설비는 특정 제품을 생산하기 위한 다양한 공정 설비에 해당할 수 있음은 물론이다.
일 실시예에서, 복수의 공정 설비들(100) 각각은 정의된 동작을 수행하기 위한 제어 장치(110)를 포함하여 구성될 수 있다. 여기에서, 각각의 제어 장치(110A, 110B, 110C, …)는 공정 설비들(100A, 100B, 100C, …) 각각을 동작시키기 위한 제어 신호를 출력할 수 있으며, 제어 신호는 공정 설비들(100A, 100B, 100C, …) 각각에 대한 동작 파라미터를 포함할 수 있다.
엣지 컴퓨팅 디바이스(200)는 복수의 공정 설비들(100) 각각과 연결된 컴퓨팅 장치이다. 여기에서, 엣지 컴퓨팅 디바이스(200A, 200B, 200C, …)는 별도의 하드웨어로 구현되고 공정 설비들(100A, 100B, 100C, …)의 인근에 배치 또는 부착되어 유무선 네트워크를 통해 상호 연결되거나, 또는 복수의 공정 설비들(100A, 100B, 100C, …)의 내부에 포함되어 구현될 수 있다.
엣지 컴퓨팅 디바이스(200A, 200B, 200C, …)는 공정 설비들(100A, 100B, 100C, …) 각각과 연관되는 공정 기초 데이터를 수집할 수 있다. 여기에서, 공정 기초 데이터는 공정 설비(100)의 동작과 연관되는 데이터로서, 공정 설비들(100A, 100B, 100C, …) 각각에 대한 제어 신호, 동작 파라미터, 환경 조건, 동작 조건, 공정량, 고장 이벤트 등을 포함할 수 있다.
엣지 컴퓨팅 디바이스(200A, 200B, 200C, …) 각각은 수집된 공정 기초 데이터를 기반으로 기정의된 인공지능 알고리즘에 따라 공정 설비들(100A, 100B, 100C, …) 각각에 대한 최적 제어 조건을 생성할 수 있다. 여기에서, 최적 제어 조건은 각 공정 설비들을 최적화할 수 있는 제어 신호를 의미할 수 있다. 예를 들어, 엣지 컴퓨팅 디바이스(200A, 200B, 200C, …) 각각은 공정 설비들(100A, 100B, 100C, …) 각각에 대한 제어 신호, 동작 파라미터, 환경 조건, 동작 조건, 공정량, 고장 이벤트를 기정의된 딥러닝 모델을 이용해 분석하여 최고의 공정 효율을 나타낼 수 있는 최적 제어 조건을 생성할 수 있다.
일 실시예에서, 인공지능 알고리즘은 공지의 다양한 인공지능 모델에 해당할 수 있으며, 예를 들어, 딥러닝 기반의 학습 모델에 해당할 수 있다. 한편, 다양한 공정 기초 데이터를 입력 데이터로 하여 딥러닝 모델을 학습시키고, 학습된 딥러닝 모델을 이용하여 의도하는 출력 정보인 최적 제어 조건을 도출하는 방법론은, 공지의 기술이며 본 발명의 핵심적인 기술적 사상이 아니므로 이에 대한 상세한 설명은 생략한다.
엣지 컴퓨팅 디바이스(200A, 200B, 200C, …) 각각은 생성된 최적 제어 조건을 공정 설비들(100A, 100B, 100C, …) 각각에 적용할 수 있다. 즉, 엣지 컴퓨팅 디바이스(200)가 공정 설비(100)에 최적 제어 조건을 전달하면, 공정 설비(100)는 최적 제어 조건을 각각의 제어 장치(110)에 적용하여 최적 제어 조건에 따라 동작할 수 있다.
센터 컴퓨팅 디바이스(300)는 엣지 컴퓨팅 디바이스(200A, 200B, 200C, …) 각각과 클라우드 환경에서 연동될 수 있다. 예를 들어, 센터 컴퓨팅 디바이스(300)는 클라우드 서버로 구현될 수 있으며, 엣지 컴퓨팅 디바이스(200A, 200B, 200C, …) 각각과 네트워크를 통해 상호 연결되어 데이터를 송수신하도록 구성될 수 있다.
센터 컴퓨팅 디바이스(300)는 복수의 공정 설비들(100A, 100B, 100C, …) 각각에 대한 최적 제어 조건을 확인하고, 확인된 최적 제어 조건을 기반으로 기정의된 인공지능 알고리즘에 따라 공장 최적화 조건을 생성할 수 있다. 여기에서, 공장 최적화 조건은 각 공정 설비들을 포함한 공장 전체의 최적화를 위한 조건을 의미할 수 있다. 예를 들어, 공장 최적화 조건은 스펙별 제품 생산량, 공정 설비별 동작 시간, 공장 내 환경 조건 등을 포함할 수 있으며, 또한, 복수의 공정 설비들(100A, 100B, 100C, …) 각각에 대한 최적 제어 조건을 포함할 수 있다.
일 실시예에서, 인공지능 알고리즘은 공지의 다양한 인공지능 모델에 해당할 수 있으며, 예를 들어, 딥러닝 기반의 학습 모델에 해당할 수 있다. 한편, 최적 제어 조건을 입력 데이터로 하여 딥러닝 모델을 학습시키고, 학습된 딥러닝 모델을 이용하여 의도하는 출력 정보인 공장 최적화 조건을 도출하는 방법론은, 공지의 기술이며 본 발명의 핵심적인 기술적 사상이 아니므로 이에 대한 상세한 설명은 생략한다.
데이터베이스(400)는 해당 공장에서 생산하는 제품에 대한 시장 수요 정보를 수집하여 저장할 수 있다. 여기에서, 시장 수요 정보는 수요자 개인별 제품 수요를 나타내는 정보를 의미할 수 있으며, 수요자 개인별 요구 정보를 포함할 수 있다. 예를 들어, 시장 수요 정보는 의류 주문 정보, 또는 의류 모델별, 사이즈별, 시기별 주문량 등을 포함할 수 있다.
일 실시예에서, 데이터베이스(400)는 시장 수요 정보를 제공하는 외부의 정보 제공 장치와 네트워크를 통해 연결될 수 있으며, 예를 들어, 정보 제공 장치는 해당 공장에서 생산하는 제품을 판매하는 판매사 서버에 해당할 수 있다.
일 실시예에서, 시장 수요 정보는 기정의된 포멧에 따라 가공되어 데이터베이스(400)에 저장될 수 있다. 예를 들어, 수요자 개인별 주문 정보가 데이터베이스(400)에 로데이터로서 저장되거나, 해당 로데이터가 정량 분석 프로세스를 통해 의류 모델별, 사이즈별, 시기별 주문량의 형태로 가공되어 데이터베이스(400)에 저장될 수도 있다.
일 실시예에서, 센터 컴퓨팅 디바이스(300)는 복수의 공정 설비들(100A, 100B, 100C, …) 각각에 대한 최적 제어 조건과 데이터베이스(400)에 저장된 시장 수요 정보를 확인하고, 확인된 최적 제어 조건 및 시장 수요 정보를 기반으로 기정의된 인공지능 알고리즘에 따라 공장 최적화 조건을 생성할 수 있다. 본 실시예에 따른 공장 최적화 조건은 해당 공장에서 생산되는 제품의 개인별 시장 수요에 대응하기 위한 최적화 조건으로서, 제품 수요에 따른 스펙별 제품 생산량, 공정 설비별 동작 시간, 공장 내 환경 조건 등을 포함할 수 있다.
일 실시예에서, 센터 컴퓨팅 디바이스(300)는 생성된 공장 최적화 조건을 기초로, 복수의 공정 설비들(100A, 100B, 100C, …) 각각에 대한 최적 제어 조건을 생성할 수 있다. 여기에서, 센터 컴퓨팅 디바이스(300)는 생성된 최적 제어 조건을 엣지 컴퓨팅 디바이스(200A, 200B, 200C, …) 각각에 제공할 수 있다. 이 후, 엣지 컴퓨팅 디바이스(200A, 200B, 200C, …) 각각은 기저장된 최적 제어 조건을 제공받은 최적 제어 조건으로 갱신하고, 갱신된 최적 제어 조건을 공정 설비들(100A, 100B, 100C, …) 각각에 적용할 수 있다.
일 실시예에서, 센터 컴퓨팅 디바이스(300)는 기정의된 시간 단위(예 : 2분 또는 10분 등)마다 최적 제어 조건을 생성하여 엣지 컴퓨팅 디바이스(200A, 200B, 200C, …) 각각에 제공할 수 있으며, 엣지 컴퓨팅 디바이스(200A, 200B, 200C, …) 각각은 최적 제어 조건을 전달받는 즉시 기저장된 정보를 갱신할 수 있다.
상기에서 설명한 본 발명의 다양한 실시예에 따르면, 센터 컴퓨팅 디바이스(AI-mother)가 공정 설비 각각에 대한 최적 제어 조건과, 수집된 시장 수요 정보를 기초로 공장 최적화 조건을 생성하고, 이를 복수의 엣지 컴퓨팅 디바이스(AI-son)들에게 제공하여 공정 설비 각각이 수요자 개인별 요구에 대응하여 최적으로 동작하도록 함으로써, 시장 수요에 대응한 개인 맞춤형 다품종 소량 생산을 가능케 한다.
이상에서 설명한 본 발명에 따른 자율화 공장 운영 시스템의 동작은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
상기한 본 발명의 바람직한 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대해 통상의 지식을 가진 당업자라면 본 발명의 사상과 범위 안에서 다양한 수정, 변경, 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 하기의 특허청구범위에 속하는 것으로 보아야 할 것이다.
10: 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템
100: 공정 설비
110: 제어 장치
200: 지능형 엣지 컴퓨팅 디바이스
300: 지능형 센터 컴퓨팅 디바이스
400: 데이터베이스

Claims (7)

  1. 복수의 공정 설비들을 포함하는 공장에 적용될 수 있는, 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템에 있어서,
    상기 복수의 공정 설비들 각각과 연결되어, 공정 설비와 연관되는 공정 기초 데이터를 수집하며, 상기 수집된 공정 기초 데이터를 기반으로 기정의된 인공지능 알고리즘에 따라 최적 제어 조건을 생성하여 공정 설비에 적용하는, 복수의 지능형 엣지 컴퓨팅 디바이스(AI-son)들; 및
    상기 복수의 지능형 엣지 컴퓨팅 디바이스들 각각과 클라우드 환경에서 연동되어, 상기 복수의 공정 설비들 각각에 대한 최적 제어 조건을 확인하고, 확인된 최적 제어 조건을 기반으로 기정의된 인공지능 알고리즘에 따라 공장 최적화 조건을 생성하는, 지능형 센터 컴퓨팅 디바이스(AI-mother);를 포함하는,
    분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템.
  2. 제1항에 있어서, 상기 자율화 공장 운영 시스템은,
    상기 공장에서 생산하는 제품에 대한 시장 수요 정보를 수집하여 저장하는 데이터베이스를 더 포함하는 것을 특징으로 하는,
    분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템.
  3. 제2항에 있어서, 상기 시장 수요 정보는,
    상기 제품에 대한 수요자 개인별 요구 정보를 포함하는 것을 특징으로 하는,
    분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템.
  4. 제3항에 있어서, 상기 지능형 센터 컴퓨팅 디바이스(AI-mother)는
    상기 확인된 최적 제어 조건과 상기 데이터베이스에 저장된 시장 수요 정보를 기반으로 기정의된 인공지능 알고리즘에 따라, 상기 제품의 개인별 시장 수요에 대응하기 위한 공장 최적화 조건을 생성하는 것을 특징으로 하는,
    분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템.
  5. 제4항에 있어서, 상기 지능형 센터 컴퓨팅 디바이스(AI-mother)는
    상기 생성된 공장 최적화 조건을 기초로, 상기 복수의 지능형 엣지 컴퓨팅 디바이스(AI-son)들 각각에 대한 최적 제어 조건을 생성하는 것을 특징으로 하는,
    분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템.
  6. 제5항에 있어서,
    상기 지능형 센터 컴퓨팅 디바이스(AI-mother)는
    상기 생성된 최적 제어 조건을 상기 복수의 지능형 엣지 컴퓨팅 디바이스(AI-son)들 각각에 제공하고,
    상기 복수의 지능형 엣지 컴퓨팅 디바이스(AI-son)들 각각은,
    기저장된 최적 제어 조건을 제공받은 최적 제어 조건으로 갱신하고, 갱신된 최적 제어 조건을 공정 설비 각각에 적용하는 것을 특징으로 하는,
    분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템.
  7. 제6항에 있어서,
    상기 지능형 센터 컴퓨팅 디바이스(AI-mother)는
    기정의된 시간 단위마다 상기 최적 제어 조건을 생성하여 상기 복수의 지능형 엣지 컴퓨팅 디바이스(AI-son)들 각각에 제공하며,
    상기 복수의 지능형 엣지 컴퓨팅 디바이스(AI-son)들 각각은,
    기저장된 최적 제어 조건을 제공받은 최적 제어 조건으로 갱신하고, 갱신된 최적 제어 조건을 공정 설비 각각에 적용하는 것을 특징으로 하는,
    분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템.
KR1020200183793A 2020-12-24 2020-12-24 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템 KR20220092227A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200183793A KR20220092227A (ko) 2020-12-24 2020-12-24 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템
PCT/KR2021/019195 WO2022139326A1 (ko) 2020-12-24 2021-12-16 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200183793A KR20220092227A (ko) 2020-12-24 2020-12-24 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템

Publications (1)

Publication Number Publication Date
KR20220092227A true KR20220092227A (ko) 2022-07-01

Family

ID=82159664

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200183793A KR20220092227A (ko) 2020-12-24 2020-12-24 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템

Country Status (2)

Country Link
KR (1) KR20220092227A (ko)
WO (1) WO2022139326A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111090243B (zh) * 2018-10-23 2023-04-14 宁波方太厨具有限公司 一种实现厨房电器智能互联的方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200120980A (ko) 2019-04-08 2020-10-23 주식회사 컴퓨터메이트 스마트공장 운영 시스템 및 제어 방법

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102097448B1 (ko) * 2018-03-09 2020-04-06 타이아(주) 공장 자동화를 위한 분산 데이터 수집 및 분산 제어 명령 시스템, 그리고 이를 위한 분산 데이터 수집 및 분산 제어 방법
KR20200046146A (ko) * 2018-10-15 2020-05-07 박인철 봉제 현장 경영관리시스템
KR102456900B1 (ko) * 2018-10-23 2022-10-19 삼성에스디에스 주식회사 에지 컴퓨팅 기반 데이터 분석 시스템 및 그 방법
KR20200125313A (ko) * 2019-04-26 2020-11-04 박병훈 스마트 공장을 위한 Edge AI 시스템 고가용성 확보 및 맞춤형 서비스
KR102251316B1 (ko) * 2019-06-17 2021-05-12 (주)브이엠에스 솔루션스 강화 학습 및 시뮬레이션 기반의 공장 내 디스패칭 방법 및 그 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200120980A (ko) 2019-04-08 2020-10-23 주식회사 컴퓨터메이트 스마트공장 운영 시스템 및 제어 방법

Also Published As

Publication number Publication date
WO2022139326A1 (ko) 2022-06-30

Similar Documents

Publication Publication Date Title
Padovano et al. A digital twin based service oriented application for a 4.0 knowledge navigation in the smart factory
KR101825881B1 (ko) 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템
JP2863347B2 (ja) 視覚化によるフロ−プロセスの将来計画及び動的管理方法
Kootbally et al. Towards robust assembly with knowledge representation for the planning domain definition language (PDDL)
CN104281119B (zh) 支持分布式控制系统中的技术任务的方法和系统
US20200050163A1 (en) Process image within controllers enabling visibility and accessibility of real world objects
US9454732B1 (en) Adaptive machine learning platform
Monostori et al. Towards adaptive and digital manufacturing
Khedher et al. Integration between MES and product lifecycle management
Cañas et al. A conceptual framework for smart production planning and control in Industry 4.0
CN106647336A (zh) 一种基于仿真的飞机装配过程智能监控系统
CN116737129B (zh) 一种供应链控制塔生成式大语言模型及其构建方法
Karadgi A reference architecture for real-time performance measurement
KR20220092227A (ko) 분산형 엣지 컴퓨팅 기반의 자율화 공장 운영 시스템
Schäffer et al. A strategic approach to improve the development of use-oriented knowledge-based engineering configurators (KBEC)
Attajer et al. Benchmarking simulation software capabilities against distributed control requirements: FlexSim vs AnyLogic
US20220277119A1 (en) A System and Method for Generating a Holistic Digital Twin
Puviyarasu et al. Smart Factory: From concepts to operational sustainable outcomes using test-beds
Emmanouilidis et al. Context-based and human-centred information fusion in diagnostics
Patil The study of industry 4.0 and its impact on supply chain management
Sekeľová et al. Application of resilience assessment grid in production of aircraft components
Kiritsis et al. ICT supported lifecycle thinking and information integration for sustainable manufacturing
Rachner et al. Simulation-based optimization of product integrations in line-less assembly systems based on digital twins
Biller et al. Simulation-Driven Digital Twins: the Dna of Resilient Supply Chains
Schffer et al. A strategic approach to improve the development of use-oriented knowledge-based engineering configurators (KBEC)