KR20220136649A - 스마트 공장 굴뚝 원격 감시 방법 및 컴퓨터 프로그램 - Google Patents
스마트 공장 굴뚝 원격 감시 방법 및 컴퓨터 프로그램 Download PDFInfo
- Publication number
- KR20220136649A KR20220136649A KR1020210042553A KR20210042553A KR20220136649A KR 20220136649 A KR20220136649 A KR 20220136649A KR 1020210042553 A KR1020210042553 A KR 1020210042553A KR 20210042553 A KR20210042553 A KR 20210042553A KR 20220136649 A KR20220136649 A KR 20220136649A
- Authority
- KR
- South Korea
- Prior art keywords
- series data
- time series
- factory
- chimney
- information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 238000004590 computer program Methods 0.000 title claims description 8
- 239000007789 gas Substances 0.000 claims description 88
- 238000005259 measurement Methods 0.000 claims description 45
- 238000010801 machine learning Methods 0.000 claims description 17
- 208000024891 symptom Diseases 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 claims description 7
- 229910000041 hydrogen chloride Inorganic materials 0.000 claims description 6
- IXCSERBJSXMMFS-UHFFFAOYSA-N hydrogen chloride Substances Cl.Cl IXCSERBJSXMMFS-UHFFFAOYSA-N 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 239000002274 desiccant Substances 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000004907 flux Effects 0.000 claims description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 3
- 239000010931 gold Substances 0.000 claims description 3
- 229910052737 gold Inorganic materials 0.000 claims description 3
- 239000000843 powder Substances 0.000 claims description 3
- 230000010365 information processing Effects 0.000 description 79
- 238000007689 inspection Methods 0.000 description 49
- 238000007726 management method Methods 0.000 description 33
- 238000004891 communication Methods 0.000 description 25
- 238000013528 artificial neural network Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 10
- 210000004027 cell Anatomy 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000004044 response Effects 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 5
- 239000003344 environmental pollutant Substances 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 210000000225 synapse Anatomy 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 239000000809 air pollutant Substances 0.000 description 2
- 231100001243 air pollutant Toxicity 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013529 biological neural network Methods 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- KRHYYFGTRYWZRS-UHFFFAOYSA-N Fluorane Chemical compound F KRHYYFGTRYWZRS-UHFFFAOYSA-N 0.000 description 1
- 238000004887 air purification Methods 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- XTQHKBHJIVJGKJ-UHFFFAOYSA-N sulfur monoxide Chemical class S=O XTQHKBHJIVJGKJ-UHFFFAOYSA-N 0.000 description 1
- 229910052815 sulfur oxide Inorganic materials 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D46/00—Filters or filtering processes specially modified for separating dispersed particles from gases or vapours
- B01D46/0084—Filters or filtering processes specially modified for separating dispersed particles from gases or vapours provided with safety means
- B01D46/0086—Filter condition indicators
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
- G01N1/2247—Sampling from a flowing stream of gas
- G01N1/2258—Sampling from a flowing stream of gas in a stack or chimney
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
Abstract
본 개시는 적어도 하나의 프로세서에 의해 수행되는 스마트 공장 굴뚝 원격 감시 방법에 관한 것이다. 공장의 굴뚝에 설치된 굴뚝 자동 측정 장치에 의해 측정된 배출가스 시계열 데이터, 온도 시계열 데이터 및 습도 시계열 데이터, 그리고 공장의 전체 소비 전력 시계열 데이터를 수신하는 단계, 수신된 배출가스 시계열 데이터, 온도 시계열 데이터, 습도 시계열 데이터 및 전체 소비 전력 시계열 데이터에 기초하여 공장의 관리정보를 생성하는 단계 및 생성된 공장의 관리정보를 사용자 단말로 전송하는 단계를 포함한다.
Description
본 개시는 스마트 공장 굴뚝 원격 감시 방법에 관한 것이다. 보다 상세하게는 공장의 굴뚝에 설치된 굴뚝 자동 측정 장치에 의해 측정된 배출가스 시계열 데이터, 온도 시계열 데이터, 습도 시계열 데이터, 그리고 공장의 전체 소비 전력 시계열 데이터를 수신하고, 이를 기초로 공장의 관리정보를 생성 및 제공할 수 있는 스마트 공장 굴뚝 원격 감시 방법에 관한 것이다.
공장의 굴뚝 배출가스는 측정이 위험하고 번거로운 문제로 1996년부터는 굴뚝 내부에 자동측정센서를 설치하고 센서로부터 획득된 배출가스에 대한 데이터를 중앙통제소로 전송해주는 방법을 사용하고 있으며, 이를 원격 측정 시스템(Tele-Monitoring System, TMS)이라고 한다.
최근 대기오염에 대한 관심의 증대에 따라, 대기오염물질 배출허용 기준의 지속적인 강화가 이뤄지고 있으며, 굴뚝 TMS 부착 대상시설이 확대되고 있다.
그러나, 환경법의 잦은 개정으로 인해 대기오염물질 배출허용 기준에 대한 숙지가 힘들고, 환경법 해석에 대한 이견이 많다는 문제가 있다.
또한, 굴뚝 자동 측정 장치의 유지보수를 위한 교체 부품에 대한 표준 정보의 부족으로, 지자체 별 유지관리비용이 천차만별이라는 문제가 있다.
본 개시는 상기와 같은 문제점을 해결하기 위한 스마트 공장 굴뚝 원격 감시 방법, 기록매체에 저장된 컴퓨터 프로그램 및 장치(시스템)를 제공한다.
본 개시의 일부 실시예에 따른 방법은, 자동 측정 장치에 의해 측정된 배출가스 시계열 데이터, 굴뚝의 온도 시계열 데이터, 굴뚝의 습도 시계열 데이터 및 공장의 전체 소비 전력 시계열 데이터를 이용하여, 공장의 관리정보를 생성하고, 생성된 공장의 관리정보를 사용자 단말에 전송하는 스마트 공장 굴뚝 원격 감시 방법이 제공된다.
본 개시는 방법, 장치(시스템) 또는 판독 가능 저장 매체에 저장된 컴퓨터 프로그램을 포함한 다양한 방식으로 구현될 수 있다.
본 개시의 일 실시예에 따르면, 공장의 굴뚝에 설치된 굴뚝 자동 측정 장치에 의해 측정된 배출가스 시계열 데이터, 온도 시계열 데이터 및 습도 시계열 데이터, 그리고 공장의 전체 소비 전력 시계열 데이터를 수신하는 단계, 수신된 배출가스 시계열 데이터, 온도 시계열 데이터, 습도 시계열 데이터 및 전체 소비 전력 시계열 데이터에 기초하여 공장의 관리정보를 생성하는 단계 및 생성된 공장의 관리정보를 사용자 단말로 전송하는 단계를 포함한다.
본 개시의 일 실시예에 따르면, 공장의 관리정보는 수신된 배출가스 시계열 데이터, 온도 시계열 데이터, 습도 시계열 데이터 및 전체 소비 전력 시계열 데이터를 기계학습 모델에 입력하여 생성된다.
본 개시의 일 실시예에 따르면, 공장의 관리정보는 기준치 이상의 배출가스 감지 알람을 포함한다.
본 개시의 일 실시예에 따르면, 수학식 1 
및 온도 시계열 데이터에 기초하여 배출가스 시계열 데이터를 1차 보정하는 단계를 더 포함한다. 수학식 1에서, 
는 표준상태로 환산한 배출가스 유량, 
는 굴뚝 자동 측정 장치에 의해 측정된 배출가스 유량, 
는 굴뚝 자동 측정 장치에 의해 측정된 온도를 나타낸다.
본 개시의 일 실시예에 따르면, 수학식 2 
및 습도 시계열 데이터에 기초하여 1차 보정된 배출가스 시계열 데이터를 2차 보정하는 단계를 더 포함하고, 공장의 관리정보는 2차 보정된 배출가스 시계열 데이터, 온도 시계열 데이터, 습도 시계열 데이터 및 전체 소비 전력 시계열 데이터를 기계학습 모델에 입력하여 생성된다. 수학식 2에서, 
는 건조 배출가스로 환산한 배출가스 유량, 
는 굴뚝 자동 측정 장치에 의해 측정된 배출가스 유량, 
는 굴뚝 자동 측정 장치에 의해 측정된 습도를 나타낸다.
본 개시의 일 실시예에 따르면, 공장의 관리정보는 공장의 정전 전조 증상 알림을 포함한다.
본 개시의 일 실시예에 따르면, 공장의 관리정보는 굴뚝 자동 측정 장치 내에 설치된 적어도 하나의 필터에 대한 잔존 수명 정보를 포함하고, 적어도 하나의 필터는 분말 건조제를 거르기 위한 미세 필터를 포함한다.
본 개시의 일 실시예에 따르면, 굴뚝 자동 측정 장치는, 800℃로 가열되는 광원, 광속을 100Hz로 단속하도록 구성된 회전섹터, 시료가스가 향온합압으로 연속적으로 흐르도록 구성되고, 금으로 표면처리된 거울을 사용하여 광로를 조정 가능할 수 있도록 구성된 시료셀, 고농도의 염화수소 가스가 채워져 있는 셀을 고정시키도록 구성된 바퀴모양의 필터휠, 적외선을 검출하는 광전센서로 구성된 검출기, 검출기의 출력신호를 증폭시키도록 구성된 증폭기 및 증폭기에 의해 증폭된 검출기의 출력 신호를 처리하도록 구성된 데이터 처리부를 포함한다.
본 개시의 일 실시예에 따르면, 환경공단 서버로부터, 법령정보를 수신 및 저장하는 단계, 기 저장된 법령정보 및 법령정보의 차이를 감지하여 법령 업데이트 정보를 생성하는 단계 및 법령 업데이트 정보를 사용자 단말로 전송하는 단계를 더 포함하고, 법령 업데이트 정보에서, 과태료와 관련된 항목은 하이라이트되어 표시된다.
본 개시의 일 실시예에 따른 스마트 공장 굴뚝 원격 감시 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공될 수 있다.
본 개시의 일부 실시예에 따르면, 굴뚝 자동 측정 장치에 의해 측정된 데이터들을 이용하여, 굴뚝 자동 측정 장치의 기준치 이상의 배출가스 감지, 공장의 정전 전조 증상 또는 굴뚝 자동 측정 장치의 부품들에 대한 잔존 수명 정보를 제공할 수 있다.
본 개시의 일부 실시예에 따르면, 배출가스에 관련된 환경법령의 개정 시, 기존 법과 현행 법과의 차이점을 보기 쉽게 사용자 단말에 제공할 수 있다.
본 개시의 일부 실시예에 따르면, 굴뚝 자동 측정 장치의 유지관리 및 유지보수 비용에 대한 표준화된 정보를 제공할 수 있다.
본 개시의 일부 실시예에 따르면, 굴뚝 자동 측정 장치의 적어도 하나의 부품에 대한 거래 주문을 생성할 수 있다.
본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자("통상의 기술자"라 함)에게 명확하게 이해될 수 있을 것이다.
본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 스마트 공장 굴뚝 원격 감시 시스템을 나타내는 예시적인 구성도이다.
도 2는 본 개시의 일 실시예에 따른 스마트 공장 굴뚝 원격 감시 서비스를 제공하기 위하여, 정보 처리 시스템이 복수의 사용자 단말과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3은 본 개시의 일 실시예에 따른 정보 처리 시스템의 내부구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 기계학습 모델의 예시를 나타내는 도면이다.
도 5는 본 개시의 일 실시예에 따른 자동 측정 장치의 점검정보이력 및 점검계획을 생성하는 방법을 나타내는 예시적인 흐름도이다.
도 6은 본 개시의 일 실시예에 따른 자동 측정 장치의 부품에 대한 주문 방법을 나타내는 예시적인 흐름도이다.
도 7은 본 개시의 일 실시예에 따른 법령 업데이트 정보의 예시를 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따른 스마트 공장 굴뚝 원격 감시 방법을 나타내는 예시적인 흐름도이다.
도 9는 본 개시의 일 실시예에 따른 스마트 공장 굴뚝 원격 감시 방법을 나타내는 예시적인 흐름도이다.
도 10은 본 개시의 일 실시예에 따른 굴뚝 자동 측정 장치의 예시를 나타내는 도면이다.
도 1은 본 개시의 일 실시예에 따른 스마트 공장 굴뚝 원격 감시 시스템을 나타내는 예시적인 구성도이다.
도 2는 본 개시의 일 실시예에 따른 스마트 공장 굴뚝 원격 감시 서비스를 제공하기 위하여, 정보 처리 시스템이 복수의 사용자 단말과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3은 본 개시의 일 실시예에 따른 정보 처리 시스템의 내부구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 기계학습 모델의 예시를 나타내는 도면이다.
도 5는 본 개시의 일 실시예에 따른 자동 측정 장치의 점검정보이력 및 점검계획을 생성하는 방법을 나타내는 예시적인 흐름도이다.
도 6은 본 개시의 일 실시예에 따른 자동 측정 장치의 부품에 대한 주문 방법을 나타내는 예시적인 흐름도이다.
도 7은 본 개시의 일 실시예에 따른 법령 업데이트 정보의 예시를 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따른 스마트 공장 굴뚝 원격 감시 방법을 나타내는 예시적인 흐름도이다.
도 9는 본 개시의 일 실시예에 따른 스마트 공장 굴뚝 원격 감시 방법을 나타내는 예시적인 흐름도이다.
도 10은 본 개시의 일 실시예에 따른 굴뚝 자동 측정 장치의 예시를 나타내는 도면이다.
이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.
첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.
개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.
또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.
본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.
도 1은 본 개시의 일 실시예에 따른 스마트 공장 굴뚝 원격 감시 시스템을 나타내는 예시적인 구성도이다. 도시된 바와 같이, 굴뚝 자동 측정 장치(110)는 굴뚝에서 배출되는 오염물질(예를 들어, 배출가스 시계열 데이터 등)을 24시간 상시(또는 공장 가동시에) 측정하고, 측정된 감지정보를 공장 시스템(120) 및 환경공단 서버(170)에 전송하는 장치를 포함할 수 있다. 굴뚝 자동 측정 장치(110)에 의해 측정되는 오염물질은 예를 들어, 먼지(Dust), 황산화물(
), 질소산화물(
), 염화수소(HCl), 불화수소(HF), 암모니아(
), 일산화탄소(CO) 등의 오염물질을 포함할 수 있으나, 이에 제한되지 않는다.
일 실시예에서, 굴뚝 자동 측정 장치(110)는 굴뚝 자동 측정 장치(110)가 설치된 환경의 온도, 습도(예를 들어, 온도 시계열 데이터 및 습도 시계열 데이터), 기압 등을 측정하고, 측정된 감지정보를 공장 시스템(120) 또는 환경공단 서버(170) 중 적어도 하나에 전송하는 장치를 포함할 수 있다. 또한, 굴뚝 자동 측정 장치(110)는 공장의 전체 소비 전력을 측정할 수 있는 장치를 추가로 포함할 수 있다. 대안적으로, 공장의 전체 소비 전력을 측정할 수 있는 장치는 굴뚝 자동 측정 장치(110)와 별개의 장치로 구성되고, 측정된 결과를 공장 시스템(120)에 전송할 수 있도록 구성될 수 있다.
공장 시스템(120)은 공장에 설치된 적어도 하나의 굴뚝 자동 측정 장치(110)로부터 감지정보를 수집 및 저장할 수 있다. 도 1에서는 하나의 굴뚝 자동 측정 장치(110)가 도시되어 있으나, 공장 시스템(120)은 복수의 굴뚝 자동 측정 장치(110)로부터 감지정보를 수신하도록 연결될 수 있다. 또한, 공장 시스템(120)은 공장 전체의 소비 전력(예를 들어, 소비 전력 시계열 데이터)을 24시간 상시 측정하고 저장할 수 있다.
공장 시스템(120)은 굴뚝 자동 측정 장치(110)에 의해 측정된 감지정보를 네트워크(130)를 통해 사용자 단말(140), 정보 처리 시스템(150) 또는 환경공단 서버(170) 중 적어도 하나에 전송할 수 있다. 일 실시예에서, 공장 시스템(120)은 굴뚝 자동 측정 장치(110)에 의해 측정된 감지정보(예를 들어, 배출가스 유량)를 하기 수학식 1 및 온도 시계열 데이터에 기초하여 배출가스 시계열 데이터를 1차 보정할 수 있다.
[수학식 1]
여기서, 
는 표준상태로 환산한 배출가스 유량(S㎥), 
는 굴뚝 자동 측정 장치에 의해 측정된 배출가스 유량(S㎥), 
는 굴뚝 자동 측정 장치에 의해 측정된 온도(℃)를 나타낸다. 즉, 공장 시스템(120)은 배출가스 시계열 데이터를 환경공단 서버(170)에 전송하기 이전에, 측정된 배출가스 시계열 데이터를 표준상태(예를 들어 0℃, 1기압)로 보정할 수 있다.
일 실시예에서, 공장 시스템(120)은 하기 수학식 2 및 습도 시계열 데이터에 기초하여 1차 보정된 배출가스 시계열 데이터를 2차 보정할 수 있다.
[수학식 2]
여기서, 
는 건조 배출가스로 환산한 배출가스 유량(S㎥), 
는 굴뚝 자동 측정 장치에 의해 측정된 배출가스 유량(S㎥), 
는 굴뚝 자동 측정 장치에 의해 측정된 습도(또는 배출가스 중의 수증기의 부피 백분율)(%)를 나타낸다. 즉, 공장 시스템(120)은 배출가스 시계열 데이터를 환경공단 서버(170)에 전송하기 이전에, 측정된 배출가스 시계열 데이터를 건조배출가스 기준으로 보정할 수 있다. 이러한 배출가스 시계열 데이터의 1차 보정 및 2차 보정은, 공장 시스템(120)이 아닌 정보 처리 시스템(150)에 의해 수행될 수도 있다.
네트워크(130)는 공장 시스템(120), 사용자 단말(140), 정보 처리 시스템(150), 쇼핑몰 서버(160) 및 환경공단 서버(170) 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(130)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크, 이동통신망, WLAN(Wireless LAN), Wi-Fi, BLE Beacon, NFC, Bluetooth 및 ZigBee 등과 같은 무선 네트워크 또는 그 조합으로 구성될 수 있고, 나아가 시각적으로 코딩된 패턴 및 RFID 태그를 통한 통신을 포함할 수도 있다. 예를 들어, 네트워크(130)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(130)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
사용자 단말(140)은 사용자(예를 들어, 점검기사, 공장직원 등)가 사용하는 단말로, 네트워크(130)를 통해 정보 처리 시스템(150)과 정보를 송수할 수 있다. 예를 들어, 사용자 단말(140)은 굴뚝 자동 측정 장치(110)를 점검하는 사용자에게 굴뚝 자동 측정 장치의 유지보수 또는 공장의 운영상 편의를 제공할 수 있다. 또한, 사용자 단말(140)은 스마트폰 등의 휴대가 가능한 컴퓨팅 장치를 포함할 수 있으나, 이에 제한되지 않는다.
사용자 단말(140)은 정보 처리 시스템(150)으로부터 공장의 관리정보를 수신할 수 있다. 공장의 관리정보는 기준치 이상의 배출가스 감지 알람, 공장의 정전 전조 증상 알림 및 굴뚝 자동 측정 장치 내에 설치된 적어도 하나의 필터에 대한 잔존수명 정보를 포함할 수 있다. 일 실시예에서, 사용자 단말(140)은 정보 처리 시스템(150)으로부터 기기관리정보, 점검정보, 굴뚝 자동 측정 장치의 부품들에 대한 구매비용정보 및 비상상황 대응방안을 수신할 수 있다. 추가적으로, 사용자 단말(140)은 정보 처리 시스템(150)에 굴뚝 자동 측정 장치의 적어도 하나의 부품에 대한 구매 요청 및 비상상황 발생정보를 전송할 수 있다.
정보 처리 시스템(150)은 네트워크(130)를 통해 공장 시스템(120), 사용자 단말(140), 쇼핑몰 서버(160) 및 환경공단 서버(170)와 정보를 송수신할 수 있다. 일 실시예에서, 정보 처리 시스템(150)은 굴뚝 자동 측정 장치(110)에 의해 측정된 배출가스 시계열 데이터, 온도 시계열 데이터 및 습도 시계열 데이터 및 공장의 전체 소비 전력 시계열 데이터를 공장 시스템(120)으로부터 수신할 수 있다. 정보 처리 시스템(150)은 수신된 데이터를 기초로 공장의 관리정보를 생성할 수 있다. 여기서, 공장의 관리정보는 기준치 이상의 배출가스 감지 알람, 공장의 정전 전조 증상 알림 및 굴뚝 자동 측정 장치 내에 설치된 적어도 하나의 필터에 대한 잔존수명 정보를 포함할 수 있다. 배출가스 별 기준치는 법령정보에 기초하여 설정될 수 있으며, 법령정보가 업데이트됨에 따라 함께 연동되어 변경될 수 있다.
정보처리 시스템(150)은 사용자 단말(140)로부터 점검정보를 수신할 수 있다. 또한, 정보 처리 시스템(150)은 감지정보 또는 점검정보 중 적어도 하나를 기초로 기기관리정보, 점검정보이력 또는 점검계획 중 적어도 하나를 생성할 수 있다.
일 실시예에서, 정보 처리 시스템(150)은 기계학습 모델(155)을 포함할 수 있다. 기계학습 모델(155)은 굴뚝 자동 측정 장치(110)에 의해 측정된 배출가스 시계열 데이터, 온도 시계열 데이터 및 습도 시계열 데이터, 그리고 공장의 전체 소비 전력 시계열 데이터를 입력받아, 공장의 관리정보를 출력하도록 구성된 인공신경망을 포함할 수 있다. 여기서, 배출가스 시계열 데이터는 1차 및 2차 보정된 후의 데이터일 수 있다. 기계학습 모델(155)의 보다 상세한 구성은, 도 4를 통해 후술한다.
쇼핑몰 서버(160)는 굴뚝 자동 측정 장치(110)의 적어도 하나의 부품(예를 들어, 교체 가능한 부품 또는 필터 등의 소모성 부품)을 판매하는 판매자에 의해 운영되는 서버를 포함할 수 있다. 쇼핑몰 서버(160)는 굴뚝 자동 측정 장치(110)의 적어도 하나의 부품에 대한 가격정보를 정보 처리 시스템(150)에 전송할 수 있다. 또한, 쇼핑몰 서버(160)는 복수의 쇼핑몰 서버(160)로부터 동일 품목(예를 들어, 굴뚝 자동 측정 장치(110)의 적어도 하나의 부품)에 대한 복수의 쇼핑몰 서버(160)로부터 수신한 복수의 가격정보를 포함하도록 구성된 쇼핑몰 중개 서버를 포함할 수 있다. 예를 들어, 쇼핑몰 중개 서버는, 동일 품목에 대하여 가격비교 후 제품을 구매할 수 있도록 복수의 쇼핑몰의 복수의 가격정보를 제공하는 서버를 의미할 수 있다.
환경공단 서버(170)는 굴뚝 자동 측정 장치(110)에 의해 측정된 오염물질 등의 감지정보를 수신하는 서버를 포함할 수 있다. 예를 들어, 수도권 관제센터, 호남권 관제센터, 영남권 관제센터 또는 중부권 관제센터 등의 한국환경공단의 관제센터 서버를 포함할 수 있으나, 이에 제한되지 않는다. 일 실시예에서, 환경공단 서버(170)는 대기환경보전법 등의 법령정보를 사용자 단말(140) 또는 정보 처리 시스템(150)에 전송할 수 있다. 또한, 환경공단 서버(170)는 굴뚝배출가스 굴뚝 자동 측정 장치 운영 상황 중 발생할 수 있는 비상상황에 대한 대응방안을 사용자 단말(140) 또는 정보 처리 시스템(150)에 전송할 수 있다.
도 2는 본 개시의 일 실시예에 따른 스마트 공장 굴뚝 원격 감시 서비스를 제공하기 위하여, 정보 처리 시스템이 복수의 사용자 단말과 통신 가능하도록 연결된 구성을 나타내는 개요도이다. 정보 처리 시스템(150)은 네트워크(130)를 통해 스마트 공장 굴뚝 원격 감시 서비스(예를 들어, 공장의 관리정보 제공 서비스, 법령 업데이트 정보 제공 서비스, 부품 주문 서비스 또는 그 조합 등)를 제공할 수 있는 시스템(들)을 포함할 수 있다. 일 실시예에서, 정보 처리 시스템(150)은 스마트 공장 굴뚝 원격 감시 서비스와 관련된 컴퓨터 실행 가능한 프로그램(예를 들어, 다운로드 가능한 어플리케이션) 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 서버 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다. 예를 들어, 정보 처리 시스템(150)은 스마트 공장 굴뚝 원격 감시 서비스를 제공하기 위한 별도의 시스템(예를 들어, 서버)들을 포함할 수 있다.
정보 처리 시스템(150)에 의해 제공되는 스마트 공장 굴뚝 원격 감시 서비스는 복수의 사용자 단말(210_1, 210_2, 210_3)의 각각에 설치된 스마트 공장 굴뚝 원격 감시 어플리케이션 등을 통해 사용자에게 제공될 수 있다. 이 경우, 복수의 사용자 단말(210_1, 210_2, 210_3)은 스마트 공장 굴뚝 원격 감시 서비스를 이용하는 공장직원 단말, 점검기사 단말 등을 포함할 수 있다. 예를 들어, 스마트 공장 굴뚝 원격 감시 서비스는 감지정보(예를 들어, 굴뚝 자동 측정 장치에 의해 측정된 배출가스 시계열 데이터, 온도 시계열 데이터 및 습도 시계열 데이터, 그리고 공장의 전체 소비 전력 시계열 데이터) 등을 전송한 공장직원 단말 또는 점검일지, 점검일지 요청 등을 전송한 점검기사 단말에 제공될 수 있다. 일 실시예에서, 각 사용자 단말은 서로 다른 스마트 공장과 연관되어 있을 수 있다.
복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(130)를 통해 정보 처리 시스템(150)과 통신할 수 있다. 네트워크(130)는 복수의 사용자 단말(210_1, 210_2, 210_3)과 정보 처리 시스템(150) 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(130)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크, 이동통신망, WLAN(Wireless LAN), Wi-Fi, Bluetooth 및 ZigBee 등과 같은 무선 네트워크 또는 그 조합으로 구성될 수 있다. 통신 방식은 제한되지 않으며, 네트워크(130)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐 아니라 사용자 단말(210_1, 210_2, 210_3) 사이의 근거리 무선 통신 역시 포함될 수 있다.
도 2에서 휴대폰 단말(210_1), 태블릿 단말(210_2) 및 PC 단말(210_3)이 사용자 단말의 예로서 도시되었으나, 이에 한정되지 않으며, 사용자 단말(210_1, 210_2, 210_3)은 유선 및/또는 무선 통신이 가능한 임의의 컴퓨팅 장치일 수 있다. 예를 들어, 사용자 단말은, 스마트폰, 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스 등을 포함할 수 있다. 또한, 도 2에는 3개의 사용자 단말(210_1, 210_2, 210_3)이 네트워크(130)를 통해 정보 처리 시스템(150)과 통신하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 상이한 수의 사용자 단말이 네트워크(130)를 통해 정보 처리 시스템(150)과 통신하도록 구성될 수도 있다.
일 실시예에서, 정보 처리 시스템(150)은 사용자 단말(210_1, 210_2, 210_3)로부터 공장의 관리정보에 대한 요청을 수신할 수 있다. 공장의 관리정보에 대한 요청을 수신하는 경우, 정보 처리 시스템(150)은 굴뚝 측정 장치에 의해 측정된 배출가스 시계열 데이터, 온도 시계열 데이터 및 습도 시계열 데이터, 그리고 공장의 전체 소비 전력 시계열 데이터에 기초하여 공장의 관리정보를 생성하고, 생성된 공장의 관리정보를 사용자 단말(210_1, 210_2, 210_3)로 전송할 수 있다.
또한, 정보 처리 시스템(150)은, 사용자 단말(210_1, 210_2, 210_3)로부터 점검일지 또는 점검일지 요청을 수신할 수 있다. 점검일지를 수신하는 경우, 정보 처리 시스템(150)은 점검일지에 기초하여 점검정보이력 및 점검계획을 생성하고, 생성된 점검정보 이력 및 점검계획을 점검기사 단말로 전송할 수 있다.
일 실시예에서, 정보 처리 시스템(150)은 사용자 단말(210_1, 210_2, 210_3)로부터 굴뚝 자동 측정 장치의 적어도 하나의 부품에 대한 구매 요청을 수신할 수 있다. 부품에 대한 구매 요청을 수신하는 경우, 정보 처리 시스템(150)은 구매비용정보 및 가격정보에 기초하여 부품에 대한 주문을 생성하고, 생성된 부품에 대한 주문을 쇼핑몰 서버(예: 쇼핑몰 서버(160))로 전송할 수 있다. 부품에 대한 주문의 보다 상세한 구성은 도 6을 통해 후술한다.
도 3은 본 개시의 일 실시예에 따른 정보 처리 시스템의 내부구성을 나타내는 블록도이다. 정보 처리 시스템(150)은 메모리(310), 프로세서(320), 통신 모듈(330) 및 입출력 인터페이스(340)를 포함할 수 있다. 도 3에 도시된 바와 같이, 정보 처리 시스템(150)은 통신 모듈(330)을 이용하여 네트워크를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다.
메모리(310)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(310)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 정보 처리 시스템(150)에 포함될 수 있다. 또한, 메모리(310)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 스마트 공장 굴뚝 원격 감시 서비스의 제공과 연관된 어플리케이션 등을 위한 코드)가 저장될 수 있다.
이러한 소프트웨어 구성요소들은 메모리(310)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독가능한 기록매체는 이러한 정보 처리 시스템(150)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(330)을 통해 메모리(310)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 통신 모듈(330)을 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(예를 들어, 스마트 공장 굴뚝 원격 감시 서비스의 제공을 위한 어플리케이션)에 기반하여 메모리(310)에 로딩될 수 있다.
프로세서(320)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(310) 또는 통신 모듈(330)에 의해 사용자 단말(미도시) 또는 다른 외부 시스템으로 제공될 수 있다. 예를 들어, 프로세서(320)는 공장의 관리정보에 대한 요청을 수신하는 경우, 관리정보를 요청한 사용자 단말로 공장의 관리정보를 전송할 수 있다. 또한, 프로세서(320)는 사용자 단말로부터 점검일지 또는 점검일지 요청을 수신하는 경우, 점검정보이력 및 점검계획을 사용자 단말로 전송할 수 있다. 마찬가지로, 프로세서(320)는 사용자 단말로부터 굴뚝 자동 측정 장치의 적어도 하나의 부품에 대한 구매 요청을 수신하는 경우, 쇼핑몰 서버(예: 쇼핑몰 서버(160)로 부품에 대한 주문을 전송할 수 있다.
통신 모듈(330)은 네트워크를 통해 사용자 단말과 정보 처리 시스템(150)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 정보 처리 시스템(150)이 다른 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 정보 처리 시스템(150)의 프로세서(320)의 제어에 따라 제공되는 제어 신호, 명령, 데이터 등이 통신 모듈(330)과 네트워크를 거쳐 사용자 단말의 통신 모듈을 통해 사용자 단말에 수신될 수 있다.
또한, 정보 처리 시스템(150)의 입출력 인터페이스(340)는 정보 처리 시스템(150)과 연결되거나 정보 처리 시스템(150)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 3에서는 입출력 인터페이스(340)가 프로세서(320)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(340)가 프로세서(320)에 포함되도록 구성될 수 있다. 정보 처리 시스템(150)은 도 3의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다.
정보 처리 시스템(150)의 프로세서(320)는 복수의 사용자 단말 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 일 실시예에서, 프로세서(320)는 사용자 단말로부터 공장의 관리정보에 대한 요청을 수신하는 경우, 배출가스 시계열 데이터, 온도 시계열 데이터, 습도 시계열 데이터, 공장의 전체 소비 전력 시계열 데이터에 기초하여 공장의 관리정보를 추출할 수 있다. 그 후, 프로세서(320)는 추출된 공장의 관리정보를 사용자 단말로 전송할 수 있다.
도 4는 본 개시의 일 실시예에 따른 기계학습 모델의 예시를 나타내는 도면이다. 인공신경망 모델(400)은, 기계학습(Machine Learning) 기술과 인지과학에서, 생물학적 신경망의 구조에 기초하여 구현된 통계학적 학습 알고리즘 또는 그 알고리즘을 실행하는 구조이다.
일 실시예에 따르면, 인공신경망 모델(400)은, 생물학적 신경망에서와 같이 시냅스의 결합으로 네트워크를 형성한 인공 뉴런인 노드(Node)들이 시냅스의 가중치를 반복적으로 조정하여, 특정 입력에 대응한 올바른 출력과 추론된 출력 사이의 오차가 감소되도록 학습함으로써, 문제 해결 능력을 가지는 기계학습 모델을 나타낼 수 있다. 예를 들어, 인공신경망 모델(400)은 기계 학습, 딥러닝 등의 인공지능 학습법에 사용되는 임의의 확률 모델, 뉴럴 네트워크 모델 등을 포함할 수 있다.
일 실시예에 따르면, 인공신경망 모델(400)은 배출가스 시계열 데이터(또는 1차 및 2차 보정된 배출가스 시계열 데이터), 온도 시계열 데이터, 습도 시계열 데이터 및 전체 소비 전력 시계열 데이터를 입력하여 기준치 이상의 배출가스 알람 또는 공장의 정전 전조 증상 알림 중 적어도 하나를 출력하도록 구성된 제1 인공신경망 모델을 포함할 수 있다. 예를 들어, 감지정보 중 특정 오염물질의 농도가 급격하게 올라갈 경우, 굴뚝에 설치된 필터 또는 공기정화 시스템에 문제가 발생한 것일 수 있다. 이에 따라, 정보 처리 시스템은 굴뚝 자동 측정 장치 또는 공장의 특정 기기가 고장난 것으로 판단할 수 있다.
또한, 예를 들어, 공장의 전체 소비 전력이 과전압, 저전압, 전압요동 중 적어도 하나인 경우, 공장의 전력 공급에 문제가 발생한 것일 수 있다. 이에 따라, 정보 처리 시스템은 공장에 정전 전조 증상이 발생한 것으로 판단할 수 있다.
일 실시예에 따르면, 인공신경망 모델(400)은 배출가스 시계열 데이터(또는 1차 및 2차 보정된 배출가스 시계열 데이터), 온도 시계열 데이터, 습도 시계열 데이터 및 전체 소비 전력 시계열 데이터를 입력하여 굴뚝 자동 측정 장치 내에 설치된 적어도 하나의 부품에 대한 잔존 수명 정보를 출력하도록 구성된 제2 인공신경망 모델을 포함할 수 있다. 여기서, 적어도 하나의 부품은 굴뚝 자동 측정 장치 내에 설치된 적어도 하나의 필터를 포함하고, 적어도 하나의 필터는 분말 건조제를 거르기 위한 미세 필터를 포함할 수 있다.
예를 들어, 굴뚝 자동 측정 장치의 특정 부품의 교체 이후, 다시 특정 부품을 교체하기 까지의 소모 전력량의 총량 평균을 측정하여 특정 부품에 대한 잔존 수명 정보를 획득할 수 있다.
인공신경망 모델(400)은 다층의 노드들과 이들 사이의 연결로 구성된 다층 퍼셉트론(MLP: multilayer perceptron)으로 구현된다. 본 실시예에 따른 인공신경망 모델(400)은 MLP를 포함하는 다양한 인공신경망 모델 구조들 중의 하나를 이용하여 구현될 수 있다. 도 4에 도시된 바와 같이, 인공신경망 모델(400)은, 외부로부터 입력 신호 또는 데이터(410)를 수신하는 입력층(420), 입력 데이터에 대응한 출력 신호 또는 데이터(450)를 출력하는 출력층(440), 입력층(420)과 출력층(440) 사이에 위치하며 입력층(420)으로부터 신호를 받아 특성을 추출하여 출력층(440)으로 전달하는 n개(여기서, n은 양의 정수)의 은닉층(430_1 내지 440_n)으로 구성된다. 여기서, 출력층(440)은 은닉층(430_1 내지 430_n)으로부터 신호를 받아 외부로 출력한다.
인공신경망 모델(400)의 학습 방법에는, 교사 신호(정답)의 입력에 의해서 문제의 해결에 최적화되도록 학습하는 지도 학습(Supervised Learning) 방법과, 교사 신호를 필요로 하지 않는 비지도 학습(Unsupervised Learning) 방법이 있다. 정보 처리 시스템(예를 들어, 도 1의 150)은 굴뚝 자동 측정 장치에 의해 측정된 배출가스 시계열 데이터(또는 1차 및 2차 보정된 배출가스 시계열 데이터), 온도 시계열 데이터, 습도 시계열 데이터 및 전체 소비 전력 시계열 데이터를 이용해 기준치 이상의 배출가스 알람, 공장의 정전 전조 증상 알림 또는 굴뚝 자동 측정 장치 내에 설치된 적어도 하나의 부품에 대한 잔존 수명 정보를 출력하기 위하여 지도 학습(Supervised Learning)을 이용하여 입력 데이터에 대한 분석을 수행하고, 입력 데이터에 대응되는 기준치 이상의 배출가스 알람, 공장의 정전 전조 증상 알림 또는 굴뚝 자동 측정 장치 내에 설치된 적어도 하나의 부품에 대한 잔존 수명 정보가 추론될 수 있도록 인공신경망 모델(400)을 학습시킬 수 있다. 이 경우, 정보 처리 시스템은 전체 소비 전력 시계열 데이터를 수신하고, 굴뚝 자동 측정 장치 각각이 감지한 배출가스 시계열 데이터(또는 1차 및 2차 보정된 배출가스 시계열 데이터), 온도 시계열 데이터 및 습도 시계열 데이터 등을 이용하여 기계학습 모델의 지도학습을 수행할 수 있다.
이렇게 학습된 인공신경망 모델(400)은 저장 모듈(예를 들어, 도 8의 850)에 저장될 수 있으며, 통신 인터페이스 및/또는 복수의 장치 또는, 저장 모듈로부터 수신된 감지정보의 입력에 응답하여 기준치 이상의 배출가스 알람, 공장의 정전 전조 증상 알림 또는 굴뚝 자동 측정 장치 내에 설치된 적어도 하나의 부품에 대한 잔존 수명 정보를 출력할 수 있다.
이와 같이 인공신경망 모델(400)의 입력층(420)과 출력층(440)에 복수의 입력변수와 대응되는 복수의 출력변수가 각각 매칭되고, 입력층(420), 은닉층(430_1 내지 430_n) 및 출력층(440)에 포함된 노드들 사이의 시냅스 값이 조정됨으로써, 특정 입력에 대응한 올바른 출력이 추출될 수 있도록 학습될 수 있다. 이러한 학습 과정을 통해, 인공신경망 모델(400)의 입력변수에 숨겨져 있는 특성을 파악할 수 있고, 입력변수에 기초하여 계산된 출력변수와 목표 출력 간의 오차가 줄어들도록 인공신경망 모델(400)의 노드들 사이의 시냅스 값(또는 가중치)를 조정할 수 있다. 이렇게 학습된 인공신경망 모델(400)을 이용하여, 입력된 감지정보에 응답하여, 기준치 이상의 배출가스 알람, 공장의 정전 전조 증상 알림 또는 굴뚝 자동 측정 장치 내에 설치된 적어도 하나의 부품에 대한 잔존 수명 정보가 출력될 수 있다.
도 5는 본 개시의 일 실시예에 따른 자동 측정 장치의 점검정보이력 및 점검계획을 생성하는 방법을 나타내는 예시적인 흐름도이다. 도시된 바와 같이, 사용자 단말(140)은 굴뚝 자동 측정 장치(예: 굴뚝 자동 측정 장치(110))에 대한 점검정보를 생성할 수 있다(S510). 여기서, 점검정보는, 일정 주기 또는 문제 발생 시, 굴뚝 자동 측정 장치를 점검한 사용자 단말(140)을 사용하는 사용자(예를 들어, 점검기사)의 점검일지를 포함할 수 있다. 예를 들어, 점검일지는 미리 작성된 문항에 대한 체크리스트, 점검과 관련된 사진 또는 동영상을 포함할 수 있으나, 이에 제한되지 않는다.
사용자 단말(140)은 생성된 점검정보를 정보 처리 시스템(150)에 전송할 수 있다(S512).
그리고 나서, 정보 처리 시스템(150)은 수신된 점검정보에 기초하여, 점검정보이력 및 점검계획을 생성할 수 있다(S520). 여기서, 점검정보이력은 굴뚝 자동 측정 장치에 대한 모든 날짜의 점검일지 중 적어도 일부를 포함할 수 있다.
또한, 점검계획은 굴뚝 자동 측정 장치에 대한 일정 주기의 점검 스케줄 또는 사용자 지정 점검 스케줄을 포함할 수 있다. 예를 들어, 정보 처리 시스템(150)은 굴뚝 자동 측정 장치를 점검한 사용자의 의견을 사용자 단말(140)을 통해 수신하고, 다음 점검일자에 대한 점검계획을 생성할 수 있다.
정보 처리 시스템(150)은 점검정보이력 및 점검계획을 사용자 단말(140)에 전송할 수 있다(S522). 예를 들어, 정보 처리 시스템(150)은 사용자 단말(140)에 점검정보이력 및 점검계획을 전송하여, 사용자 단말(140)을 사용하는 사용자는 굴뚝 자동 측정 장치에 대한 점검을 빠뜨리지 않고, 수행할 수 있다. 또한, 사용자 단말(140)과는 상이한 사용자 단말에 점검정보, 점검정보이력 및 점검계획을 전송하여, 굴뚝 자동 측정 장치에 대한 점검상황을 공유할 수 있다.
도 6은 본 개시의 일 실시예에 따른 자동 측정 장치의 부품에 대한 주문 방법을 나타내는 예시적인 흐름도이다. 도시된 바와 같이, 사용자 단말(140)은 굴뚝 자동 측정 장치(예: 굴뚝 자동 측정 장치(110))의 부품들에 대한 구매비용정보를 생성할 수 있다(S610). 여기서, 구매비용정보는, 굴뚝 자동 측정 장치의 부품 교체를 위해 지불한 비용 정보를 포함할 수 있다. 즉, 구매비용정보는, 사용자 단말(140)을 사용하는 사용자(예를 들어, 점검기사)가 교체용 부품의 구매를 위해 지불한 비용을 사용자 단말(140)에 입력한 정보를 포함할 수 있다.
사용자 단말(140)은 생성된 구매비용정보를 정보 처리 시스템(150)에 전송할 수 있다(S612).
또한, 쇼핑몰 서버(160)는 굴뚝 자동 측정 장치의 부품들에 대한 가격정보를 생성할 수 있다(S620). 여기서, 가격정보는, 굴뚝 자동 측정 장치의 부품들 중 적어도 일부에 대한 각각의 가격정보를 포함할 수 있다.
여기서, 쇼핑몰 서버(160)는 복수의 쇼핑몰 서버(160)를 포함할 수 있으며, 가격정보는, 동일 품목에 대한 복수의 쇼핑몰 서버(160)로부터 수신한 복수의 가격정보를 포함할 수 있다. 예를 들어, 가격정보는, 특정 부품에 대한 최저거래가격, 가장 많이 거래된 가격 등을 포함할 수 있다. 쇼핑몰 서버(160)는 생성된 가격정보를 정보 처리 시스템(150)에 전송할 수 있다(S622).
그리고 나서, 정보 처리 시스템(150)은 부품에 대한 잔존 수명 정보를 생성할 수 있다(S630). 예를 들어, 도 4에서 전술한 바와 같이, 정보 처리 시스템(150)은 인공신경망 모델(예: 인공신경망 모델(400))에 감지정보를 입력하여 굴뚝 자동 측정 장치 내에 설치된 적어도 하나의 부품에 대한 잔존 수명 정보를 생성할 수 있다.
정보 처리 시스템(150)은 생성된 잔존 수명 정보를 사용자 단말(140)에 전송할 수 있다(S632).
그리고 나서, 사용자 단말(140)은 부품에 대한 구매요청을 생성할 수 있다(S640). 예를 들어, 사용자 단말(140)은 정보 처리 시스템(150)으로부터 수신한 특정 부품에 대한 잔존 수명 정보(S632)가 얼마 남지 않았을 경우(예를 들어, 1주 내지 2주), 해당 부품에 대한 구매요청을 자동으로 생성할 수 있다.
사용자 단말(140)은 부품에 대한 구매요청을 정보 처리 시스템(150)에 전송할 수 있다(S642).
일 실시예에 따르면, 정보 처리 시스템(150)은 구매비용정보 및 가격정보에 기초하여 부품에 대한 주문을 생성할 수 있다(S650). 예를 들어, 구매비용정보와 가격정보가 기 설정된 범위 미만의 차이인 경우, 정보 처리 시스템(150)은 부품에 대한 주문을 자동으로 생성할 수 있다.
다른 실시예에서, 부품에 대한 구매요청은 사용자 단말(140)을 사용하는 사용자의 입력에 의해 생성될 수도 있다. 예를 들어, 정보 처리 시스템(150)은 구매비용정보 및 가격정보에 기초하여 사용자 단말(140)에 적어도 하나의 쇼핑몰을 추천한 뒤, 사용자 단말(140)로부터 특정 쇼핑몰을 선택받음으로써 부품에 대한 주문을 생성할 수 있다.
정보 처리 시스템(150)은 부품에 대한 주문을 쇼핑몰 서버(160)에 전송할 수 있다(S652).
그리고 나서, 쇼핑몰 서버(160)는 정보 처리 시스템으로부터 수신한 부품에 대한 주문을 처리할 수 있다(S660). 예를 들어, 부품에 대한 주문 처리는, 정보 처리 시스템(150)과 연관된 결제 시스템에 주문에 대한 대금을 청구하고, 부품에 대한 배송을 지시하는 것을 포함할 수 있다.
도 7은 본 개시의 일 실시예에 따른 법령 업데이트 정보의 예시를 나타내는 도면이다. 일 실시예에 따르면, 정보 처리 시스템(예: 정보 처리 시스템(150))은 환경공단 서버(예: 환경공단 서버(170))로부터 법령정보를 수신 및 저장할 수 있다. 여기서, 법령정보는, 대기환경보전법 등의 국가법령정보를 포함할 수 있다.
일 실시예에 따르면, 정보 처리 시스템은 기 저장된 법령정보(710) 및 개정된 법령정보(720)의 차이를 감지하여 법령 업데이트 정보(730_1, 730_2)를 생성할 수 있다. 예를 들어, 정보 처리 시스템은 재정 또는 개정된 법령정보의 차이(예를 들어, 신설, 폐지 등)를 감지할 수 있다. 이렇게 감지된 기 저장된 법령정보(710) 및 법령정보(720)의 차이는 법령 업데이트 정보(730_1, 730_2)로써 굵은 글씨, 다른 색 글씨 등으로 표시되어 저장될 수도 있으나, 이에 제한되지 않는다.
도 7에 도시된 바와 같이, 사용자 단말(140)의 화면에 기 저장된 법령정보(710) 및 법령정보(720)가 함께 표시될 수 있으나, 이에 제한되지 않는다. 예를 들어, 개정된 법령정보(720)만 표시될 수 있다.
일 실시예에 따르면, 정보 처리 시스템은 법령 업데이트 정보(730_1, 730_2)를 사용자 단말(140)로 전송할 수 있다.
일 실시예에 따르면, 법령 업데이트 정보(730_1, 730_2)에서, 과태료와 관련된 항목은 하이라이트(740) 되어 표시될 수 있다. 예를 들어, 정보 처리 시스템은 법령 업데이트 정보(730_1, 730_2) 중 법령 위반 시 과태료를 부과받을 수 있는 항목에 하이라이트(740) 표시할 수 있다.
다른 실시예에 따르면, 정보 처리 시스템은 사용자 단말(140)로부터 비상상황 발생정보를 수신할 수 있다. 여기서, 비상상황 발생정보는, 사용자(예를 들어, 점검기사, 공장 직원 등)가 발견한 굴뚝 자동 측정 장치와 관련된 문제를 포함할 수 있다. 예를 들어, 굴뚝 자동 측정 장치와 관련된 문제는, 장치의 파손, 정전, 화재 등을 포함할 수 있다.
다른 실시예에 따르면 정보 처리 시스템은 비상상황 발생정보에 대한 비상상황 대응방안을 사용자 단말에 전송할 수 있다. 예를 들어, 비상상황 대응방안은, 환경공단 서버 등의 기관에서 제시하는 비상상황에 대한 대응방안 가이드라인을 포함할 수 있다. 예를 들어, 가이드라인은, 화재 발생 시, 119 신고 전후로 사용자가 수행할 수 있는 대피 유도, 초기화재 진압 방법 또는 대기오염차단 방법 등을 포함할 수 있다.
도 8는 본 개시의 일 실시예에 따른 스마트 공장 굴뚝 원격 감시 방법을 나타내는 예시적인 흐름도이다. 일 실시예에 따르면, 굴뚝 자동 측정 장치(예: 굴뚝 자동 측정 장치(110))를 관리하는 방법은 프로세서(예를 들어, 정보 처리 시스템의 적어도 하나의 프로세서)에 의해 수행될 수 있다. 도시된 바와 같이, 이러한 방법은 굴뚝 측정 장치에 의해 측정된 배출가스 시계열 데이터, 온도 시계열 데이터 및 습도 시계열 데이터, 그리고 공장의 전체 소비 전력 시계열 데이터를 수신하는 단계(S810)로 개시될 수 있다.
프로세서는, 수신된 배출가스 시계열 데이터, 온도 시계열 데이터, 습도 시계열 데이터 및 전체 소비 전력 시계열 데이터에 기초하여 공장의 관리정보를 생성할 수 있다(S820).
프로세서는, 생성된 공장의 관리정보를 사용자 단말(예: 사용자 단말(140))로 전송할 수 있다(S830).
도 9는 본 개시의 일 실시예에 따른 스마트 공장 굴뚝 원격 감시 방법을 나타내는 예시적인 흐름도이다. 일 실시예에 따르면, 굴뚝 자동 측정 장치(예: 굴뚝 자동 측정 장치(110))를 관리하는 방법은 프로세서(예를 들어, 정보 처리 시스템의 적어도 하나의 프로세서)에 의해 수행될 수 있다. 도시된 바와 같이, 이러한 방법은 굴뚝 측정 장치에 의해 측정된 배출가스 시계열 데이터, 온도 시계열 데이터 및 습도 시계열 데이터, 그리고 공장의 전체 소비 전력 시계열 데이터를 수신하는 단계(S910)로 개시될 수 있다.
일 실시예에 따르면 프로세서는, 수신된 배출가스 시계열 데이터, 온도 시계열 데이터, 습도 시계열 데이터 및 전체 소비 전력 시계열 데이터를 기계학습 모델(기계학습 모델(155))에 입력하여 공장의 관리정보를 생성할 수 있다(S820). 예를 들어, 도 4에서 전술한 바와 같이, 기계학습 모델의 출력값을 기초로 생성된 공장의 관리정보는 기준치 이상의 배출가스 알람, 공장의 정전 전조 증상 알림 또는 굴뚝 자동 측정 장치 내에 설치된 적어도 하나의 부품에 대한 잔존 수명 정보 중 적어도 하나를 포함할 수 있다.
프로세서는, 생성된 공장의 관리정보를 사용자 단말(예: 사용자 단말(140))로 전송할 수 있다(S930).
도 10은 본 개시의 일 실시예에 따른 배출가스 농도 측정기(1000)의 예시를 나타내는 도면이다. 일 실시예에서, 배출가스 농도 측정기(1000)는 비분산 적외선 분석법을 이용한 염화수소 농도 측정기일 수 있으며, 굴뚝 자동 측정 장치에 포함될 수 있다. 도시된 바와 같이, 배출가스 농도 측정기(1000)는 광원(1010), 회전섹터(1020), 시료셀(1030), 복수의 바퀴모양의 필터휠(1040_1, 1040_2), 가스필터(1050), 검출기(1060), 증폭기(1070) 및 데이터 처리부(1080)를 포함할 수 있다.
일 실시예에서, 광원(1010)은 800℃로 가열된 상태에서 동작할 수 있다. 예를 들어, 광원(1010)은 Nernst 등에 450mA ~ 650mA의 전류를 가하여 800℃로 가열될 수 있다.
회전섹터(1020)는 광속을 100Hz로 단속하도록 구성될 수 있다. 광원(1010)에서 생성된 광은 회전섹터(1020)을 지나 시료셀(1030)에 도달할 수 있다. 시료셀(1030)은 시료가스가 향온합압으로 연속적으로 흐르도록 구성되고, 금으로 표면처리된 거울을 사용하여 광로를 조정(예를 들어, 20m) 가능할 수 있도록 구성될 수 있다.
시료셀을 통과한 광은 필터휠(1040_1, 1040_2)과 가스 필터(1050)을 통과할 수 있다. 복수의 바퀴모양의 필터휠(1040_1, 1040_2)은 고농도의 염화수소 가스가 채워져 있는 셀을 고정시키도록 구성될 수 있다. 가스필터(1050)는 고농도의 염화수소 가스가 채워지도록 셀을 구성할 수 있다.
그 후, 광은 검출기(1060)에 도달할 수 있다. 검출기(1060)는 적외선을 검출하는 광전센서로 구성될 수 있다. 증폭기(1070)는 검출기(1060)의 출력신호를 증폭시키도록 구성될 수 있다. 데이터 처리부(1080)는 증폭기(1070)에 의해 증폭된 검출기(1060)의 출력 신호를 처리하도록 구성될 수 있다. 이와 같은 구성에 의해, 배출가스 농도 측정기(1000)는 종래와 비교하여 염화수소 농도를 보다 정밀하게 측정하는 것이 가능하다.
상술한 굴뚝배출가스 굴뚝 자동 측정 장치를 관리하는 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.
하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.
따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.
펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.
이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.
본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.
110: 굴뚝 자동 측정 장치
120: 공장 시스템
130: 네트워크
140: 사용자 단말
150: 정보 처리 시스템
155: 기계학습 모델
160: 쇼핑몰 서버
170: 환경공단 서버
120: 공장 시스템
130: 네트워크
140: 사용자 단말
150: 정보 처리 시스템
155: 기계학습 모델
160: 쇼핑몰 서버
170: 환경공단 서버
Claims (10)
- 적어도 하나의 프로세서에 의해 수행되는 스마트 공장 굴뚝 원격 감시 방법에 있어서,
공장의 굴뚝에 설치된 굴뚝 자동 측정 장치에 의해 측정된 배출가스 시계열 데이터, 온도 시계열 데이터 및 습도 시계열 데이터, 그리고 상기 공장의 전체 소비 전력 시계열 데이터를 수신하는 단계;
상기 수신된 배출가스 시계열 데이터, 온도 시계열 데이터, 습도 시계열 데이터 및 전체 소비 전력 시계열 데이터에 기초하여 상기 공장의 관리정보를 생성하는 단계; 및
상기 생성된 공장의 관리정보를 사용자 단말로 전송하는 단계
를 포함하는, 스마트 공장 굴뚝 원격 감시 방법.
- 제1항에 있어서,
상기 공장의 관리정보는 상기 수신된 배출가스 시계열 데이터, 온도 시계열 데이터, 습도 시계열 데이터 및 전체 소비 전력 시계열 데이터를 기계학습 모델에 입력하여 생성되는, 스마트 공장 굴뚝 원격 감시 방법.
- 제2항에 있어서,
상기 공장의 관리정보는 기준치 이상의 배출가스 감지 알람을 포함하는, 스마트 공장 굴뚝 원격 감시 방법.
- 제1항에 있어서,
하기 수학식 1 및 상기 온도 시계열 데이터에 기초하여 상기 배출가스 시계열 데이터를 1차 보정하는 단계
를 더 포함하는, 스마트 공장 굴뚝 원격 감시 방법:
[수학식 1]
여기서,는 표준상태로 환산한 배출가스 유량,
는 상기 굴뚝 자동 측정 장치에 의해 측정된 배출가스 유량,
는 상기 굴뚝 자동 측정 장치에 의해 측정된 온도를 나타낸다.
- 제4항에 있어서,
하기 수학식 2 및 상기 습도 시계열 데이터에 기초하여 상기 1차 보정된 배출가스 시계열 데이터를 2차 보정하는 단계
를 더 포함하고,
상기 공장의 관리정보는 상기 2차 보정된 배출가스 시계열 데이터, 온도 시계열 데이터, 습도 시계열 데이터 및 전체 소비 전력 시계열 데이터를 기계학습 모델에 입력하여 생성되는, 스마트 공장 굴뚝 원격 감시 방법:
[수학식 2]
여기서,는 건조 배출가스로 환산한 배출가스 유량,
는 상기 굴뚝 자동 측정 장치에 의해 측정된 배출가스 유량,
는 상기 굴뚝 자동 측정 장치에 의해 측정된 습도를 나타낸다.
- 제2항에 있어서,
상기 공장의 관리정보는 상기 공장의 정전 전조 증상 알림을 포함하는, 스마트 공장 굴뚝 원격 감시 방법.
- 제2항에 있어서,
상기 공장의 관리정보는 상기 굴뚝 자동 측정 장치 내에 설치된 적어도 하나의 필터에 대한 잔존 수명 정보를 포함하고,
상기 적어도 하나의 필터는 분말 건조제를 거르기 위한 미세 필터를 포함하는, 스마트 공장 굴뚝 원격 감시 방법.
- 제1항에 있어서,
상기 굴뚝 자동 측정 장치는,
800℃로 가열되는 광원;
광속을 100Hz로 단속하도록 구성된 회전섹터;
시료가스가 향온합압으로 연속적으로 흐르도록 구성되고, 금으로 표면처리된 거울을 사용하여 광로를 조정 가능할 수 있도록 구성된 시료셀;
고농도의 염화수소 가스가 채워져 있는 셀을 고정시키도록 구성된 바퀴모양의 필터휠;
적외선을 검출하는 광전센서로 구성된 검출기;
상기 검출기의 출력신호를 증폭시키도록 구성된 증폭기; 및
상기 증폭기에 의해 증폭된 상기 검출기의 출력 신호를 처리하도록 구성된 데이터 처리부
를 포함하는, 스마트 공장 굴뚝 원격 감시 방법.
- 제1항에 있어서,
환경공단 서버로부터, 법령정보를 수신 및 저장하는 단계;
기 저장된 법령정보 및 상기 법령정보의 차이를 감지하여 법령 업데이트 정보를 생성하는 단계; 및
상기 법령 업데이트 정보를 상기 사용자 단말로 전송하는 단계
를 더 포함하고,
상기 법령 업데이트 정보에서, 과태료와 관련된 항목은 하이라이트되어 표시되는, 스마트 공장 굴뚝 원격 감시 방법.
- 제1항 내지 제9항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210042553A KR102592847B1 (ko) | 2021-04-01 | 2021-04-01 | 스마트 공장 굴뚝 원격 감시 방법 및 컴퓨터 프로그램 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210042553A KR102592847B1 (ko) | 2021-04-01 | 2021-04-01 | 스마트 공장 굴뚝 원격 감시 방법 및 컴퓨터 프로그램 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220136649A true KR20220136649A (ko) | 2022-10-11 |
| KR102592847B1 KR102592847B1 (ko) | 2023-10-20 |
Family
ID=83598861
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210042553A KR102592847B1 (ko) | 2021-04-01 | 2021-04-01 | 스마트 공장 굴뚝 원격 감시 방법 및 컴퓨터 프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102592847B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180080824A (ko) * | 2017-01-05 | 2018-07-13 | 한국전자통신연구원 | 스마트 플러그 기반의 정전 방지를 위한 전력 관리 방법 및 이를 위한 장치 |
| KR101917157B1 (ko) * | 2018-07-03 | 2018-11-09 | 호전실업 주식회사 | 의류생산공장 스마트 모니터링 방법 및 시스템 |
| KR101978212B1 (ko) * | 2018-09-28 | 2019-05-14 | 이미재 | 대기오염물질 자가측정 종합관리 시스템 |
| JP2019167054A (ja) * | 2018-03-26 | 2019-10-03 | 国立研究開発法人 海上・港湾・航空技術研究所 | 排ガス規制に対応した運転を行なう船舶、及び船舶の排ガス規制に対応した運転方法 |
| KR20190119308A (ko) * | 2018-04-12 | 2019-10-22 | 주식회사 경동전자 | 환기장치의 필터 교체시기 알림장치 및 환기장치의 필터 교체시기 판단방법 |
-
2021
- 2021-04-01 KR KR1020210042553A patent/KR102592847B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180080824A (ko) * | 2017-01-05 | 2018-07-13 | 한국전자통신연구원 | 스마트 플러그 기반의 정전 방지를 위한 전력 관리 방법 및 이를 위한 장치 |
| JP2019167054A (ja) * | 2018-03-26 | 2019-10-03 | 国立研究開発法人 海上・港湾・航空技術研究所 | 排ガス規制に対応した運転を行なう船舶、及び船舶の排ガス規制に対応した運転方法 |
| KR20190119308A (ko) * | 2018-04-12 | 2019-10-22 | 주식회사 경동전자 | 환기장치의 필터 교체시기 알림장치 및 환기장치의 필터 교체시기 판단방법 |
| KR101917157B1 (ko) * | 2018-07-03 | 2018-11-09 | 호전실업 주식회사 | 의류생산공장 스마트 모니터링 방법 및 시스템 |
| KR101978212B1 (ko) * | 2018-09-28 | 2019-05-14 | 이미재 | 대기오염물질 자가측정 종합관리 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102592847B1 (ko) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10754721B2 (en) | Computer system and method for defining and using a predictive model configured to predict asset failures | |
| US10510006B2 (en) | Handling of predictive models based on asset location | |
| CN111328405A (zh) | 利用传感器驱动的动态可调整反馈回路来管理基于特定于资产的能量数据使用水平的装备风险 | |
| US20220100595A1 (en) | Computer System and Method for Recommending an Operating Mode of an Asset | |
| WO2023049110A1 (en) | Device for assessing and managing human health hazards in an indoor environment at a site location | |
| William et al. | Hybrid Temperature and Humidity Monitoring System using IoT for Smart Garden | |
| US11946919B2 (en) | System for integrating multiple chemical sensor data to detect an unmeasured compound | |
| KR102592847B1 (ko) | 스마트 공장 굴뚝 원격 감시 방법 및 컴퓨터 프로그램 | |
| CN106716074B (zh) | 探测装置 | |
| Chang et al. | Application of artificial intelligence algorithms and low-cost sensors to estimate respirable dust in the workplace | |
| JP2007065888A (ja) | 火災警報器点検装置 | |
| ArunSai et al. | Detection of noxious gases by implementing internet of things technology | |
| Maheswari et al. | Alcohol consumption detection using smart helmet system | |
| Kavitha et al. | IoT based Forest Fire Detection and Protection System | |
| Varshitha Chandra et al. | Air Quality Monitoring System Using Machine Learning and IoT | |
| WO2023276083A1 (ja) | 情報処理システム、学習済みモデル、情報処理方法、及びプログラム | |
| US20240005143A1 (en) | Machine learning for power consumption attribution | |
| US20150115025A1 (en) | System and Method of Monitoring a Region | |
| Rajole et al. | Web Enabled Remote System for Monitoring and supervising Harmful Gas |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |