KR20220140291A - 제어 프로그램 해석 기반의 마스터 패턴 생성 방법 및 이를 이용한 사이클 분석 모델 훈련 방법 - Google Patents

Abstract

본 명세서는 PLC(Programmable Logic Controller) 로직을 분석하여 반복되는 사이클에서 주요한 패턴인 마스터 패턴을 생성하는 방법 및 생성된 마스터 패턴을 이용하여 사이클의 에러 여부를 분석할 수 있는 모델을 훈련시키는 방법을 개시한다.
본 명세서에 따른 마스터 패턴 생성 방법 및 사이클 분석 모델 훈련 방법은 사람이 분석하기 힘든 기계 제어 언어 (Low-Level Language)를 처리하여 분석 가능한 언어 (High-Level Language)로 변환하는 기술 즉, 실행되는 기계어(기계를 제어하는 언어)를 컴퓨터로 분석하고 사람이 이해할 수 있는 MLP (machine language Processing)기반의 기술이라는 점에서 종래 기술과 다른 차별성이 있다.

Description

제어 프로그램 해석 기반의 마스터 패턴 생성 방법 및 이를 이용한 사이클 분석 모델 훈련 방법{MASTER PATTERN GENERATION METHOD BASED ON CONTROL PROGRAM ANALYSIS AND TRAINING METHOD FOR CYCLE ANALYSIS MODEL}

본 발명은 마스터 패턴 생성 방법에 관한 것이며, 보다 상세하게는 PLC(Programmable Logic Controller) 로직을 분석하여 반복되는 사이클에서 주요한 패턴을 찾아내는 방법에 관한 것이다.

이 부분에 기술된 내용은 단순히 본 명세서에 기재된 실시예에 대한 배경 정보를 제공할 뿐 반드시 종래 기술을 구성하는 것은 아니다.

PLC(Programmable Logic Controller)는 자동화 라인 구축에 주로 사용되고 있으며, AND/OR 등의 연산기호와 TIMER/FUNCTION BLOCK 등의 비교적 단순한 기능을 통해 작성된 PLC 제어 로직에 대한 명세(PLC 제어 로직 코드)를 의해서 구동된다. 제어 로직은 PLC 하드웨어의 메모리 주소를 이용하여 정의되며 이때 PLC 하드웨어의 메모리 주소는 접점이라고 불린다. 이러한 접점들에 입/출력 관계를 정의하고 상황별 접점의 값을 컨트롤함으로써 자동화 라인이 운영된다.

일반적으로 PLC 제어 로직은 자동화 라인의 규모에 따라 수많은 접점들을 가진다. 이에 따라 접점들 간의 PLC 제어 로직 코드 내용을 분석하여 접점들 간의 관계 및 시퀀스(sequence)를 분석하여 자동화 라인의 정상 운영 상태 인지를 판단하기 위한 기준 마스터 패턴을 생성해서, 자동화 라인의 이상 상황을 감지하려는 시도가 이루어지고 있다.

하지만, PLC로 운영되는 자동화 라인의 상태는 시간의 흐름에 따라 다양한 원인, 예를 들어 설비 노후, 교체, PLC 제어 코드 변경 등에 의해 변화하게 되며, 또한 정상 운영 상태를 판단하기 위한 기준 마스터 패턴도 함께 변화하게 된다. 이에 따라 기존 생성된 기준 마스터 패턴은 변화된 환경의 자동화 라인이 정상 운영 상태인지 판단하기 위한 기초 데이터로 사용되기에 부적합하게 된다.

또한, 최근 자동화된 제조 산업은 제조 라인의 복잡성 증대에 따라 제어 로직이 방대하며 또한 매우 복잡하게 설계되어 있다. 이에 따라 PLC 프로그램도 복잡하게 로직화 되어 있다. 이러한 이유로 PLC 프로그램을 진단 및 모니터링 하는 것 또한 점점 더 어려워지고 있으며, 이에 따라 에러를 발견하고 수정하는데 걸리는 시간이 점진적으로 증가하는 추세이다.

대한민국 등록특허공보 제10-1527419호

본 명세서는 기계 제어 언어를 사람이 이해할 수 있고 분석할 수 있는 언어 레벨로 변환하여 공정의 이상 탐지를 위한 마스터 패턴 생성 방법 및 이를 이용한 사이클 분석 모델 훈련 방법을 제공하는 것을 목적으로 한다.

본 명세서는 상기 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상술한 과제를 해결하기 위한 본 명세서에 따른 마스터 패턴 생성 방법은 PLC의 래더 로직으로부터 마스터 패턴을 생성하는 방법으로서, 프로세서가 래더 로직에 포함된 접점 사이의 관계를 생성하는 접점 관계 생성 단계; 로그 데이터에서 사이클별 바를 생성하고, 각 사이클별 링크를 생성하는 링크 생성 단계; 복수의 사이클에 포함된 바의 통계량 및 링크의 통계량을 산출하는 통계량 산출 단계; 및 상기 산출된 통계량에 따라 마스터 패턴을 생성하는 마스터 패턴 생성 단계;를 포함할 수 있다.

본 명세서의 일 실시예에 따르면, 상기 접점 관계 생성 단계는, 래더 로직에서 수동 열을 제거하고, A접점이 출력 접점을 사용된 스텝을 탐색하여 경로를 확장하는 단계를 더 포함할 수 있다.

본 명세서의 일 실시예에 따르면, 상기 접점 사이의 관계는, Include, Includable, Exclude 및 Excludable일 수 있다. 이 경우, 상기 접점 관계 생성 단계는, 서로 다른 두 접점이 같은 접점을 Include와 Exclude로 각각 가질 때, 상기 서로 다른 두 접점의 관계를 Exclude로 생성할 수 있다.

본 명세서의 일 실시예에 따르면, 상기 접점 사이의 관계는 Include, Includable, Exclude 및 Excludable이고, 상기 링크 생성 단계는, 두 접점 사이의 관계가 Include 또는 Includable일 때, 두 접점에 해당하는 각 바의 시작점과 시작점을 연결하는 링크를 생성하고, 두 접점 사이의 관계가 Exclude 또는 Excludable일 때, 두 접점 중 FROM 바의 끝점과 TO 바의 시작점을 연결하는 링크를 생성할 수 있다.

본 명세서의 일 실시예에 따르면, 상기 링크 생성 단계는, 각 사이클 내 발생 빈도가 미리 설정된 최소 발생률 미만인 바 또는 링크를 제거하는 것을 더 포함할 수 있다.

본 명세서의 일 실시예에 따르면, 상기 링크 생성 단계는, 링크의 지속 시간이 미리 설정된 지속 시간 범위를 벗어나는 링크를 제거하는 것을 더 포함하는 단계일 수 있다.

본 명세서의 일 실시예에 따르면, 상기 바의 통계량은, 바의 평균 시작 시간, 바의 평균 지속 시간 및 바의 지속 시간의 표준편차이고, 상기 링크의 통계량은, 링크의 평균 지속 시간 및 링크의 지속 시간의 표준편차일 수 있다.

본 명세서의 일 실시예에 따르면, 상기 통계량 산출 단계는, 사용자가 설정한 조건에 해당하는 복수의 사이클에 포함된 바의 통계량 및 링크의 통계량을 산출하는 단계일 수 있다.

이 경우, 본 명세서에 따른 마스터 패턴 생성 방법은 상기 마스터 패턴 생성 단계 이후, 상기 조건별 마스터 패턴의 공통 요소를 추출하여 트리화하는 트리 구조화 단계;를 더 포함할 수 있다.

상술한 과제를 해결하기 위한 본 명세서에 따른 사이클 분석 모델 훈련 방법은 마스터 패턴을 이용하여 PLC의 사이클 분석 모델을 훈련시키는 방법으로서, 프로세서가 PLC의 로그 데이터를 이용하여 각 사이클에 포함된 모든 바의 시작시간, 모든 바의 지속 시간 및 모든 바의 지속시간에 대한 입력 데이터를 생성하는 단계; 상기 입력 데이터를 본 명세서에 따른 마스터 패턴 생성 방법에 따라 생성된 마스터 패턴과 비교하여 각 바 및 링크에 대한 에러 여부에 대한 출력 데이터를 생성하는 단계; 및 상기 입력 데이터 및 상기 출력 데이터를 이용하여 지도학습 알고리즘으로 인공신경망을 학습시키는 단계;를 포함할 수 있다.

본 명세서의 일 실시예에 따르면, 상기 입력 데이터에서 각 바의 시작시간은 각 사이클의 시작 시간으로부터 각 바의 시작시간 사이의 상대적 시간간격에 대한 양의 값일 수 있다.

본 명세서의 일 실시예에 따르면, 상기 입력 데이터에서 발생하지 않은 바에 대한 시작시간은 음의 값일 수 있다.

본 명세서의 일 실시예에 따르면, 상기 출력 데이터는 각 사이클의 접점 또는 링크가 마스터 패턴과 비교하여 정상일 때 제1의 값을 가지고, 비정상일 때 제2의 값을 가질 수 있다.

본 명세서에 따른 마스터 패턴 생성 방법 및/또는 사이클 분석 모델 훈련 방법은 컴퓨터에서 마스터 패턴 생성 방법 및/또는 사이클 분석 모델 훈련 방법의 각 단계들을 수행하도록 작성되어 컴퓨터로 독출 가능한 기록 매체에 기록된 컴퓨터프로그램의 형태로 구현될 수 있다.

본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

본 명세서에 따르면, PLC 사이클의 에러 여부뿐만 아니라, 어느 접점 또는/및 어느 링크에서 에러가 발생했는지 추적이 가능하다.

본 명세서에 따르면, 분석 대상 장치가 제어되는 동안 정적이고, 동적인 데이터 흐름의 연관성으로 분석하여 그래프화 하고 GNN(Graph Neural Network)등의 AI 모델을 통해 제어로직 검도, 제어로직 생성, 실시간 이상탐지, 재현, 생산성과 품질분석 등 다각적 서비스를 제공할 수 있는 효과가 있다.

본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 마스터 패턴 및 사이클을 가시화한 간트 차트의 참고도이다.
도 2는 PLC 래더의 용어를 설명하기 위한 참고도이다.
도 3은 본 명세서에 따른 마스터 패턴 생성 방법을 간략하게 도시한 흐름도이다.
도 4 및 도 5는 래더 로직에 포함된 접점 사이의 관계를 생성하는 참고도이다.
도 6은 경로를 확장하는 참고도이다.
도 7은 접점 사이의 관계를 확장하는 참고도이다.
도 8은 로그 데이터에서 사이클바를 생성하는 참고도이다.
도 9는 각 사이클별 링크를 생성하는 참고도이다.
도 10은 불필요한 바 또는 링크를 제거하는 참고도이다.
도 11은 조건별 마스터 패턴 생성의 참고도이다.
도 12는 조건별 마스터 패턴을 트리화하는 참고도이다.
도 13은 본 명세서에 따른 사이클 분석 모델 훈련 방법의 개략적인 흐름도이다.
도 14는 입력 데이터에 대한 참고도이다.
도 15는 출력 데이터에 대한 참고도이다.
도 16은 바 에러에 대한 참고도이다.
도 17은 링크 에러에 대한 참고도이다.
도 18은 지도학습 알고리즘으로 인공신경망을 학습시키는 것에 대한 참고도이다.

본 명세서에 개시된 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 명세서가 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 명세서의 개시가 완전하도록 하고, 본 명세서가 속하는 기술 분야의 통상의 기술자(이하 '당업자')에게 본 명세서의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 명세서의 권리 범위는 청구항의 범주에 의해 정의될 뿐이다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 명세서의 권리 범위를 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.

명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 명세서가 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.

본 명세서에서 사용되는 용어의 정의는 다음과 같다.

마스터 패턴은 사이클의 PLC 접점의 Log 데이터를 활용하여 ON 신호 지속시간과 접점신호의 간격(링크)을 수치화한 사이클의 정상 기준이다. 상기 마스터 패턴은 사이클 내 PLC 접점과 비교하여 사이클의 정상과 이상 여부를 을 판단하기 위함이다.

PLC(Programmable Logic Controller)란, 기본적인 시퀀스제어(릴레이, 타이머, 카운터 등의 기능을 IC, 트랜지스터 등의 반도체 소자로 대체)기능에 수치 연산 기능을 추가하여 프로그램 제어가 가능하도록 한 자율성이 높은 제어장치를 의미한다. 참고로, 미국 전기 공업화 규격에서 "디지털 또는 아날로그 입출력 모듈을 통하여 로직, 시퀀스, 타이머, 카운터, 연산과 같은 특수한 기능을 수행하기 위하여 프로그램 가능한 메모리에 사용하고 여러 종류의 기계나 프로세서를 제어하는 디지털 동작의 전자 장치"로 정의하고 있다.

로그(Log) 데이터란, PLC 접점 데이터를 일정 주기마다 수집하여 얻게 되는 결과물이다. 상기 로그 데이터는 [접점, 값, 시간]로 표현되는 데이터로서 해당 시간에 특정 접점의 값 데이터이다.

사이클(Cycle)이란, 상기 접점 데이터들이 일정하게 반복되는 구간을 의미한다. 사이클의 단위는 공장, 라인, 공정 등 다양할 수 있다.

도 1은 마스터 패턴 및 사이클을 가시화한 간트 차트의 참고도이다.

도 1을 참조하면, 가로축은 시간이며, 세로 축은 접점에 해당한다. 도 1에 도시된 간트 차트(Gantt chart)에는 임의의 Y1, Y2, Y3, Y4 접점이 존재하는 것으로 도시되었다. 도 1에 도시된 각 바(bar)는 접점의 "ON"상태를 의미한다. 각 바의 시작점은 "ON" 시점을 의미하고, 각 바의 끝점은 "OFF" 시점을 의미한다. 접점과 접점 사이에 관계가 있는 경우, 접점을 연결하는 링크(link)가 생성될 수 있다. 링크의 양 끝단을 기준으로 시간적으로 앞선 지점을 "FROM"이고, 시간적으로 늦은 지점을 "TO"지점이라 한다. 링크로 연결된 접점 사이에 FROM 지점에 연결된 바를 "FROM 바"라고 하며, TO 지점에 연결된 바를 "TO 바"라고 한다.

도 2는 PLC 래더의 용어를 설명하기 위한 참고도이다.

PLC에 사용되는 제어 프로그램은 래더 로직(Ladder logic)으로서, PLC의 주된 언어방식이다. 도 2를 참조하면, 예시로 도시된 래더 로직이 L2406, L2577, L2405, L2409, Y6A3 등 다수의 접점이 경로로 연결된 것을 확인할 수 있다. 출력 접점(③)이 "ON"되기 위한 입력 접점(②)들이 특정 조건으로 집합을 이루고 있다. 이러한 출력 접점이 "ON"되기 위한 논리연산식을 스텝(①)이라 한다. 평상시에는 "OFF" 상태를 유지하다가 "ON" 상태로 바뀌는 접점을 "A접점(④)이라 하고, 평상시에는 "ON" 상태를 유지하다가 "OFF" 상태로 바뀌는 접점을 "B접점(⑤)이라 한다. "AND" 조건은 하나의 경로에 표시되고, "OR" 조건은 각각 다른 경로에 표시된다. 도 2에 도시된 예시에는 3개의 경로가 존재한다. "(1) L2406 & L2577 & !B2250 & B2251 & M3903 & !L2503 & !Y6A2" 경로, "(2) L2405 & L2472 & X658 & !X659 & M3903 & !L2503 & !Y6A2" 경로 및 "(3) L2409 & M3903 & !L2503 & !Y6A2" 경로이다.

이하에서는 본 명세서에 따른 마스터 패턴을 생성하기 위한 방법을 설명하겠다. 한편, 이하에서 설명될 본 명세서에 따른 마스터 패턴 생성 방법의 각 단계는 프로세서(processor)에 의해 수행될 수 있다.

도 3은 본 명세서에 따른 마스터 패턴 생성 방법을 간략하게 도시한 흐름도이다.

도 3을 참조하면, 먼저 단계 S10는 접점 관계 생성 단계로서, 래더 로직에 포함된 접점 사이의 관계를 생성할 수 있다. 상기 래더 로직은 PLC에 저장된 데이터로서 상기 프로세서는 메모리 장치에 저장된 래더 로직에 대한 데이터를 가져와 읽을 수 있다.

도 4 및 도 5는 래더 로직에 포함된 접점 사이의 관계를 생성하는 참고도이다.

도 4 및 도 5를 참조하면, 예시로 제시된 하나의 스텝을 확인할 수 있다. 접점 사이의 관계를 생성하기에 앞서, 수동 열은 자동화 공정에 불필요한 경로로서 제거될 수 있다.

상기 스텝에 포함된 접점들 사이의 관계는, "Include", "Includable", "Exclude" 및 "Excludable"일 수 있다. 상기 "Include"는 태그의 모든 경로에서 A접점으로 사용된 태그이다. 상기 "Includable"은 태그의 경로 중에서 A접점으로 한번이라도 사용된 태그이다. 상기 "Exclude"은 태그의 모든 경로에서 B접점으로 사용된 태그이다. 상기 "Excludable"은 태그의 경로 중에서 B접점으로 한번이라도 사용된 태그이다. 상기 태그는 접점 사이의 관계를 생성하기 위한 임의의 접점을 의미한다.

한편, 어느 한 스탭에 포함된 A접점은 다른 스탭에서 출력 접점으로 사용될 수도 있다. 이 경우, 접점 사이의 관계를 파악하는 경로를 스텝 내 경로뿐만 아니라, 해당 접점이 출력 접점으로 사용된 스텝까지 확장할 필요가 있다.

도 6은 경로를 확장하는 참고도이다.

도 6을 참조하면, 스텝 내 A접점이 다른 스텝의 출력 접점으로 사용된 경우 경로가 확장되는 것을 확인할 수 있다.

한편, 상기 접점 관계 생성 단계는 접점과 접점 사이에서 1:1 관계를 생성하고, 생성된 관계를 이용하여 다른 접점 사이의 관계로 확장할 수 있다.

도 7은 접점 사이의 관계를 확장하는 참고도이다.

도 7을 참조하면, 서로 다른 두 접점(예: Y1250. Y1252)이 같은 접점(예: L2932)을 "Include"와 "Exclude"로 각각 가질 때, 상기 서로 다른 두 접점의 관계를 "Exclude"로 생성할 수 있다.

다시 도 3을 참조하면, 단계 S10 이후 단계 S20은 링크 생성 단계로서, 로그 데이터에서 사이클별 바를 생성하고, 각 사이클별 링크를 생성할 수 있다.

도 8은 로그 데이터에서 사이클바를 생성하는 참고도이다.

도 9는 각 사이클별 링크를 생성하는 참고도이다.

도 9를 참조하면, 두 접점 사이의 관계가 "Include" 또는 "Includable"일 때, 두 접점에 해당하는 각 바의 시작점과 시작점을 연결하는 링크가 생성될 수 있다. 각 바의 시작점과 시작점이 연결된 링크는, From 바의 신호가 ON이 되고 특정 시간만큼 지난 후에 To 바의 신호가 ON이 된다는 것을 의미할 수 있다. 반면, 두 접점 사이의 관계가 "Exclude" 또는 "Excludable"일 때, From 바의 끝점과 To 바의 시작점을 연결하는 링크가 생성될 수 있다. From 바의 끝점과 To 바의 시작점이 연결된 링크는, From 바의 신호가 OFF가 되고 특정 시간만큼 지난 후에 To 바의 신호가 ON이 된다는 것을 의미할 수 있다.

한편, 본 명세서에 따른 마스터 패턴 생성 방법은 링크 생성 단계에서 불필요한 바 또는/및 링크를 제거할 수 있다.

도 10은 불필요한 바 또는 링크를 제거하는 참고도이다.

도 10을 참조하면, 상기 링크 생성 단계는 각 사이클 내 발생 빈도가 미리 설정된 최소 발생률 미만인 바 또는 링크를 제거할 수 있다(도 10에서 ① 경우). 상기 미리 설정된 최소 발생률은 다양하게 설정될 수 있다. 또한, 상기 링크 생성 단계는 링크의 지속 시간이 미리 설정된 지속 시간 범위를 벗어나는 링크를 제거할 수 있다(도 10에서 ② 경우). 상기 미리 설정된 지속 시간 역시 다양하게 설정될 수 있다. 일 예로, 모든 사이클에 포함된 동일 접점에 대한 평균 지속 시간을 산출하고, 평균 지속 시간을 기준으로 하위 25%부터 상위 75% 범위를 정상 지속 시간 범위로 설정할 수 있다. 그리고 상기 평균 지속 시간값에서 상기 정상 지속 시간 범위의 1.5배를 벗어나는 지속시간을 가진 링크는 제거 대상이 될 수 있다.

다시 도 3을 참조하면, 단계 S20 이후 단계 S30은 통계량 산출 단계로서, 복수의 사이클에 포함된 바의 통계량 및 링크의 통계량을 산출할 수 있다. 상기 바의 통계량은 평균 시작 시간, 평균 지속 시간, 지속 시간의 표준편차 등이 될 수 있다. 상기 링크 통계량은 평균 지속 시간, 지속 시간의 표준편차 등이 될 수 있다. 상기 통계량에 대한 예시 외에도 당업자가 용이하게 적용할 수 있는 통계 기법은 제한되지 않고 사용할 수 있다. 그리고 단계 S30 이후 단계 S40은 마스터 패턴 생성 단계로서, 상기 산출된 통계량에 따라 마스터 패턴을 생성할 수 있다.

한편, 본 명세서에 따른 마스터 패턴 생성 방법은 조건별 마스터 패턴을 생성할 수 있다. 상기 조건이란 사용자가 설정할 수 있는 값이 될 수 있다.

도 11은 조건별 마스터 패턴 생성의 참고도이다.

도 11을 참조하여 예를 들면, 임의의 공정(502)이 전 사이클에서 A차종을 생성하고 B차종을 생산하는 사이클에 대한 마스터 패턴일 수 있고, 임의의 공정(502)이 전 사이클에서 A차종을 생성하고 C차종을 생산하는 사이클에 대한 마스터 패턴일 수 있다.

그리고 본 명세서에 따른 마스터 패턴 생성 방법은, 상기 마스터 패턴 생성 단계 이후, 상기 조건별 마스터 패턴의 공통 요소를 추출하여 트리화하는 트리 구조화 단계(도 3의 단계 S40)를 더 포함할 수 있다.

도 12는 조건별 마스터 패턴을 트리화하는 참고도이다.

한편, 본 명세서에 따른 마스터 패턴 생성 방법에 따라 생성된 마스터 패턴은 사용자가 직접 편집할 수 있다. 예를 들어, 마스터 패턴의 접점 순서 수정, 마스터 패턴에 새로운 접점 추가, 마스터 패턴에 등록된 접점 제거, 바의 통계량 갱신, 바의 시작 시간 이동, 바 생성, 바 제거, 바의 허용 오차 수정, 링크의 통계량 갱신, 링크 생성, 링크 제거, 링크의 허용 오차 수정 등이다.

이하에서는, 본 명세서에 따른 마스터 패턴 생성 방법에 따라 생성된 마스터 패턴을 이용한 사이클 분석 모델 훈련 방법에 대해서 설명하겠다. 본 명세서에 따른 사이클 분석 모델 훈련 방법은 마스터 패턴을 이용하여 PLC의 사이클 분석 모델을 훈련시키는 방법으로서, 각 단계는 프로세서(processor)에 의해 수행될 수 있다.

본 명세서에 따른 사이클 분석 모델 훈련 방법은 사이클에 발생할 수 있는 에러를 판단할 수 있는 모델을 생성하기 위한 방법이다. 상기 모델은 인공신경망으로 이루어져 사이클을 분석하여 에러 발생여부를 판단할 수 있는 모델이다. 인공신경망 및 이를 학습시키는 알고리즘에 대해서는 당업자에게 알려진 기술이므로 상세한 설명은 생략하겠다.

도 13은 본 명세서에 따른 사이클 분석 모델 훈련 방법의 개략적인 흐름도이다.

도 13을 참조하면, 먼저 단계 S110에서 PLC의 로그 데이터를 이용하여 각 사이클에 포함된 모든 바의 시작시간, 모든 바의 지속 시간 및 모든 바의 지속시간에 대한 입력 데이터를 생성할 수 있다. 본 명세서의 일 실시예에 따르면, 상기 입력 데이터에서 각 바의 시작시간은 각 사이클의 시작 시간으로부터 각 바의 시작시간 사이의 상대적 시간간격에 대한 양의 값일 수 있다. 본 명세서의 일 실시예에 따르면, 상기 입력 데이터에서 발생하지 않은 바에 대한 시작시간은 음의 값일 수 있다.

도 14는 입력 데이터에 대한 참고도이다.

다시 도 13을 참조하면, 다음 단계 S120에서 상기 입력 데이터를 본 명세서에 따른 마스터 패턴 생성 방법에 따라 생성된 마스터 패턴과 비교하여 각 바 및 링크에 대한 에러 여부에 대한 출력 데이터를 생성할 수 있다. 본 명세서의 일 실시예에 따르면, 상기 출력 데이터는 각 사이클의 접점 또는 링크가 마스터 패턴과 비교하여 정상일 때 제1의 값(예: '0')을 가지고, 비정상일 때 제2의 값(예: '1')을 가질 수 있다.

도 15는 출력 데이터에 대한 참고도이다.

한편, 사이클에서 발생할 수 있는 에러의 종류에는 접점 에러, 바 에러, 링크 에러가 있다. 접점 에러는 사이클에서 마스터 패턴에 등록된 접점의 신호가 발생하지 않은 경우이다.

도 16은 바 에러에 대한 참고도이다.

바 에러에는 마스터 패턴의 특정 바가 사이클에 존재 하지 않는 경우(Missing), 특정 접점의 바 개수가 마스터 패턴에 비해 많은 경우(OverCount), 바의 시작 시간이 최소 시작 시간보다 빨리 시작한 경우(StartTimeRangeOver), 바의 지속 시간이 허용 오차를 벗어난 경우(Duration)가 있을 수 있다.

도 17은 링크 에러에 대한 참고도이다.

링크 에러에는 링크의 양쪽 바가 사이클에서 하나라도 발생하지 않은 경우(Missing), 링크의 From 바 보다 To 바 가 더 빨리 발생한 경우(Sequence), 링크의 시간이 허용 오차를 벗어난 경우(Interval)가 있을 수 있다.

다시 도 13을 참조하면, 다음 단계 S130에서 상기 입력 데이터 및 상기 출력 데이터를 이용하여 지도학습 알고리즘으로 인공신경망을 학습시킬 수 있다.

도 18은 지도학습 알고리즘으로 인공신경망을 학습시키는 것에 대한 참고도이다.

도 18을 참조하면, 인공신경망의 입력단에 본 명세서에 따른 "입력 데이터"가 위치하고, 인공신경망의 출력단에 본 명세서에 따른 "출력 데이터"가 위치한 것을 확인할 수 있다. 즉, 입력값에 대한 출력값이 미리 결정된 지도학습 알고리즘을 통해 인공신경망을 학습시킬 수 있다.

상술된 설명에 따라 학습된 인공신경망은 새로운 사이클의 데이터가 입력될 때, 사이클의 에러 여부뿐만 아니라, 어느 접점 또는/및 어느 링크에서 에러가 발생했는지 추적이 가능하다. 본 명세서에 따른 마스터 패턴 생성 방법 및 사이클 분석 모델 훈련 방법은 사람이 분석하기 힘든 기계 제어 언어 (Low-Level Language)를 처리하여 분석 가능한 언어 (High-Level Language)로 변환하는 기술 즉, 실행되는 기계어(기계를 제어하는 언어)를 컴퓨터로 분석하고 사람이 이해할 수 있는 MLP (machine language Processing)기반의 기술이라는 점에서 종래 기술과 다른 차별성이 있다. 본 명세서에 따른 사이클 분석 모델을 사용하면, 분석 대상 장치가 제어되는 동안 정적이고, 동적인 데이터 흐름의 연관성으로 분석하여 그래프화 하고 GNN(Graph Neural Network)등의 AI 모델을 통해 제어로직 검도, 제어로직 생성, 실시간 이상탐지, 재현, 생산성과 품질분석 등 다각적 서비스를 제공할 수 있는 효과가 있다.

한편, 본 명세서에 따른 마스터 패턴 생성 방법 및 사이클 분석 모델 훈련 방법은 설명된 산출 및 다양한 제어 로직을 실행하기 위해 본 발명이 속한 기술분야에 알려진 프로세서, ASIC(application-specific integrated circuit), 다른 칩셋, 논리 회로, 레지스터, 통신 모뎀, 데이터 처리 장치 등을 포함할 수 있다. 또한, 상술한 제어 로직이 소프트웨어로 구현될 때, 상기 프로세서는 프로그램 모듈의 집합으로 구현될 수 있다. 이 때, 프로그램 모듈은 상기 메모리 장치에 저장되고, 프로세서에 의해 실행될 수 있다.

상기 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C/C++, C#, JAVA, Python, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.

상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.

이상, 첨부된 도면을 참조로 하여 본 명세서의 실시예를 설명하였지만, 본 명세서가 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

Claims (15)

1. PLC의 래더 로직으로부터 마스터 패턴을 생성하는 방법으로서, 프로세서가
   래더 로직에 포함된 접점 사이의 관계를 생성하는 접점 관계 생성 단계;
   로그 데이터에서 사이클별 바를 생성하고, 각 사이클별 링크를 생성하는 링크 생성 단계;
   복수의 사이클에 포함된 바의 통계량 및 링크의 통계량을 산출하는 통계량 산출 단계; 및
   상기 산출된 통계량에 따라 마스터 패턴을 생성하는 마스터 패턴 생성 단계;를 포함하는 마스터 패턴 생성 방법.
2. 청구항 1에 있어서,
   상기 접점 관계 생성 단계는,
   래더 로직에서 수동 열을 제거하고, A접점이 출력 접점을 사용된 스텝을 탐색하여 경로를 확장하는 단계를 더 포함하는 것을 특징으로 하는 마스터 패턴 생성 방법.
3. 청구항 1에 있어서,
   상기 접점 사이의 관계는,
   Include, Includable, Exclude 및 Excludable인 것을 특징으로 하는 마스터 패턴 생성 방법.
4. 청구항 3에 있어서,
   상기 접점 관계 생성 단계는,
   서로 다른 두 접점이 같은 접점을 Include와 Exclude로 각각 가질 때, 상기 서로 다른 두 접점의 관계를 Exclude로 생성하는 것을 특징으로 하는 마스터 패턴 생성 방법.
5. 청구항 1에 있어서,
   상기 접점 사이의 관계는 Include, Includable, Exclude 및 Excludable이고,
   상기 링크 생성 단계는,
   두 접점 사이의 관계가 Include 또는 Includable일 때, 두 접점에 해당하는 각 바의 시작점과 시작점을 연결하는 링크를 생성하고,
   두 접점 사이의 관계가 Exclude 또는 Excludable일 때, 두 접점 중 FROM 바의 끝점과 TO 바의 시작점을 연결하는 링크를 생성하는 것을 특징으로 하는 마스터 패턴 생성 방법.
6. 청구항 1에 있어서,
   상기 링크 생성 단계는,
   각 사이클 내 발생 빈도가 미리 설정된 최소 발생률 미만인 바 또는 링크를 제거하는 것을 더 포함하는 단계인, 마스터 패턴 생성 방법.
7. 청구항 1에 있어서,
   상기 링크 생성 단계는,
   링크의 지속 시간이 미리 설정된 지속 시간 범위를 벗어나는 링크를 제거하는 것을 더 포함하는 단계인, 마스터 패턴 생성 방법.
8. 청구항 1에 있어서,
   상기 바의 통계량은, 바의 평균 시작 시간, 바의 평균 지속 시간 및 바의 지속 시간의 표준편차이고,
   상기 링크의 통계량은, 링크의 평균 지속 시간 및 링크의 지속 시간의 표준편차인, 마스터 패턴 생성 방법.
9. 청구항 1에 있어서,
   상기 통계량 산출 단계는,
   사용자가 설정한 조건에 해당하는 복수의 사이클에 포함된 바의 통계량 및 링크의 통계량을 산출하는 단계인, 마스터 패턴 생성 방법.
10. 청구항 9에 있어서,
    상기 마스터 패턴 생성 단계 이후, 상기 조건별 마스터 패턴의 공통 요소를 추출하여 트리화하는 트리 구조화 단계;를 더 포함하는 마스터 패턴 생성 방법.
11. 마스터 패턴을 이용하여 PLC의 사이클 분석 모델을 훈련시키는 방법으로서, 프로세서가
    PLC의 로그 데이터를 이용하여 각 사이클에 포함된 모든 바의 시작시간, 모든 바의 지속 시간 및 모든 바의 지속시간에 대한 입력 데이터를 생성하는 단계;
    상기 입력 데이터를 청구항 1 내지 청구항 10 중 어느 한 청구항에 따라 생성된 마스터 패턴과 비교하여 각 바 및 링크에 대한 에러 여부에 대한 출력 데이터를 생성하는 단계; 및
    상기 입력 데이터 및 상기 출력 데이터를 이용하여 지도학습알고리즘으로 인공신경망을 학습시키는 단계;를 포함하는 사이클 분석 모델 훈련 방법.
12. 청구항 11에 있어서,
    상기 입력 데이터에서 각 바의 시작시간은 각 사이클의 시작 시간으로부터 각 바의 시작시간 사이의 상대적 시간간격에 대한 양의 값인 것을 특징으로 하는 사이클 분석 모델 훈련 방법.
13. 청구항 12에 있어서,
    상기 입력 데이터에서 발생하지 않은 바에 대한 시작시간은 음의 값인 것을 특징으로 하는 사이클 분석 모델 훈련 방법.
14. 청구항 11에 있어서,
    상기 출력 데이터는 각 사이클의 접점 또는 링크가 마스터 패턴과 비교하여 정상일 때 제1의 값을 가지고, 비정상일 때 제2의 값을 가진 것을 특징으로 하는 사이클 분석 모델 훈련 방법.
15. 컴퓨터에서 청구항 1 내지 청구항 10 중 어느 한 청구항에 따른 마스터 패턴 생성 방법의 각 단계들을 수행하도록 작성되어 컴퓨터로 독출 가능한 기록 매체에 기록된 컴퓨터프로그램.

Images