KR20230031719A - 자동차 부품 제조 기업을 위한 오픈소스 알고리즘 추천 시스템 - Google Patents
자동차 부품 제조 기업을 위한 오픈소스 알고리즘 추천 시스템 Download PDFInfo
- Publication number
- KR20230031719A KR20230031719A KR1020210114259A KR20210114259A KR20230031719A KR 20230031719 A KR20230031719 A KR 20230031719A KR 1020210114259 A KR1020210114259 A KR 1020210114259A KR 20210114259 A KR20210114259 A KR 20210114259A KR 20230031719 A KR20230031719 A KR 20230031719A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- algorithm
- manufacturing
- server
- site
- Prior art date
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 description 27
- 238000004891 communication Methods 0.000 description 25
- 238000012545 processing Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 8
- 238000013480 data collection Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 6
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013503 de-identification Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 241000283868 Oryx Species 0.000 description 1
- 238000002872 Statistical quality control Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 자동차 부품 제조 기업을 위한 오픈소스 알고리즘 추천 시스템으로서, 상기 시스템은, 제조 현장에 배치되는 현장 서버 및 상기 현장 서버로 오픈소스 기반의 알고리즘을 추천하는 알고리즘 추천 서버를 포함하고, 상기 알고리즘 추천 서버는, 상기 현장 서버로부터 제조 데이터 및 현장 데이터를 수신하고, 상기 제조 데이터 및 상기 현장 데이터를 기초로 적어도 둘 이상의 제조 현장용 알고리즘을 결정하고, 상기 현장 서버로 상기 적어도 둘 이상의 제조 현장용 알고리즘과 함께 해당 알고리즘에 대한 ROC 커브 그래프를 제공하도록 구성된다.
Description
본 발명은 자동차 부품 제조 기업을 위한 오픈소스 알고리즘 추천 시스템에 관한 것이다.
최근 제조 현장을 통해 다양한 데이터가 수집되면서, 데이터를 통해 분석, 최적의 알고리즘을 도출하는 요구 사항이 증가하고 있다.
그러나, 일반적으로 알고리즘의 생성은 전문가의 영역이라는 인식이 지배적인 바, 제조 현장의 데이터를 가장 잘 이해하는 현장 전문가가 있음에도 불구하고, 알고리즘 도출 작업은 기관, 학교 등의 전문가가 수행하고 있는 상황이다.
이에, 최적의 알고리즘을 찾아내기 위해 알고리즘 전문가가 작업을 진행하더라도, 현장의 도메인 지식이 부재한 전문가는 수시로 변경되는 알고리즘과 이에 맞는 데이터를 적용하는데 한계가 있다.
그에 따라, 제조 현장의 전문가와 알고리즘 전문가를 구분하지 않고, 제조 현장의 전문가, 즉 알고리즘 비전문가도 오픈소스 기반의 알고리즘을 이용하여 최적의 알고리즘을 도출하고자 하였으나, 현재 사용하고 있는 대부분의 알고리즘은 알고리즘의 특장점을 알기 어려울 뿐만 아니라, 수치화된 정보를 이해하는데 어려움이 있다.
발명의 배경이 되는 기술은 본 발명에 대한 이해를 보다 용이하게 하기 위해 작성되었다. 발명의 배경이 되는 기술에 기재된 사항들이 선행기술로 존재한다고 인정하는 것으로 이해되어서는 안 된다.
이에, 제조 환경에서 가장 많이 활용하는 알고리즘을 플랫폼(시스템) 내 탑재함으로써, 비전문가도 플랫폼 내에 오픈소스 기반의 알고리즘을 제공받아 적합도 여부를 판단할 수 있도록 하는 새로운 방법이 요구된다.
본 발명이 해결하고자 하는 과제는, 제조 환경에서 빈번하게 활용하는 복수의 알고리즘을 탑재하되, ROC Curve(ROC 커브)를 기초로 선택하여 복수의 알고리즘 중 어느 하나의 알고리즘을 선택하여 사용할 수 있는 추천 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 다른 과제는 자동차 부품 제조 기업을 위한 선택적 모듈 및 통합 운영을 지원하면서, 국내외 표준이 포함된 개방형 통합 패키지를 제공하는 것이다.
본 발명의 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 바와 같은 과제를 해결하기 위하여 자동차 부품 제조 기업을 위한 오픈소스 알고리즘 추천 시스템이 제공된다. 상기 시스템은, 제조 현장에 배치되는 현장 서버 및 상기 현장 서버로 오픈소스 기반의 알고리즘을 추천하는 알고리즘 추천 서버를 포함하고, 상기 알고리즘 추천 서버는, 상기 현장 서버로부터 제조 데이터 및 현장 데이터를 수신하고, 상기 제조 데이터 및 상기 현장 데이터를 기초로 적어도 둘 이상의 제조 현장용 알고리즘을 결정하고, 상기 현장 서버로 상기 적어도 둘 이상의 제조 현장용 알고리즘과 함께 해당 알고리즘에 대한 ROC 커브 그래프를 제공하도록 구성된다.
기타 실시예의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명은, 자동차 부품 제조 기업을 위한 오픈소스 알고리즘 추천 시스템을 제공함으로써, 스마트 공장 사업 내 데이터 수집을 통한 고도화 전략에 활용할 수 있다. 특히, 본 발명은 현장을 가장 잘 이해하고 있는 전문가들이 데이터를 통해 분석을 수행할 수 있다.
또한, 본 발명의 오픈소스 알고리즘 추천 시스템은 제조 기업 뿐만 아니라, 최적화된 알고리즘의 지속적인 업데이트 및 사전 정보가 정의될 수 있는 다양한 현장에 그 서비스가 제공될 수 있다.
또한, 본 발명은 완성차 제조 산업의 경쟁력을 좌우하는 중요 산업인 자동차 부품 산업의 생산, 품질 관리를 통해 전반적인 산업의 경쟁력을 향상시킬 수 있다.
또한, 본 발명은 자동차 산업에 특화된 알고리즘의 추천을 통해 중소규모의 기업들이 공장 표준화 및 자동화에 소모되는 비용 및 시간을 절약해 줄 수 있다. 아울러, 본 발명은 제조 현장의 제조 생산성 및 품질을 향상시킬 수 있다.
또한, 본 발명은 주요 핵심 지표(AUC 커브)를 국제 표준에 근거할 수 있는 KPI로 구현하여 모듈화로 개발함으로써, 현장 적용에 대한 사전 준비 작업 시간을 절약해줄 수 있다.
또한, 본 발명은 생산 설비의 갑작스러운 정지 발생 시, 실시간 인지를 통해 고장 시간을 최소화함으로써, 가동률 향상과 함께 생산설비 고장에 대한 예지보전 정보를 도출하여 고장 발생 후 소요되는 유지비용을 절감해줄 수 있다.
또한, 본 발명은 공정, 센서, 설비, 에너지, 품질 등 제조라인에서 생성되는 데이터를 자유롭게 검색 및 활용할 수 있도록 하는 플랫폼을 구축함으로써, 관련 산업 기술을 육성할 수 있다.
또한, 본 발명은 제조 데이터 수집과 분석 기술을 기반으로 현장의 기술적 자립도를 높이고, 제조업의 생산성 향상을 통한 수출 증가와 국가 경쟁력을 향상시킬 수 있다.
본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 발명 내에 포함되어 있다.
도 1은 본 발명의 일 실시예에 따른 자동차 부품 제조 기업을 위한 오픈소스 알고리즘 추천 시스템의 구성을 나타낸 개략도이다.
도 2는 본 발명의 일 실시예에 따른 알고리즘 추천 서버의 구성을 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 알고리즘 추천 방법에 대한 순서도이다.
도 4는 본 발명의 일 실시예에 따른 알고리즘 추천 시스템에서 이용되는 ROC 커브를 설명하기 위한 그래프이다.
도 5는 내지 17은 본 발명의 일 실시예에 따른 오픈소스 알고리즘 추천 시스템의 개념을 설명하기 위한 개략도이다.
도 2는 본 발명의 일 실시예에 따른 알고리즘 추천 서버의 구성을 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 알고리즘 추천 방법에 대한 순서도이다.
도 4는 본 발명의 일 실시예에 따른 알고리즘 추천 시스템에서 이용되는 ROC 커브를 설명하기 위한 그래프이다.
도 5는 내지 17은 본 발명의 일 실시예에 따른 오픈소스 알고리즘 추천 시스템의 개념을 설명하기 위한 개략도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조부호가 사용될 수 있다.
본 문서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본 문서에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는(3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본 문서에서 사용된 "제1," "제2," "첫째," 또는 "둘째," 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 예를 들면, 제1 사용자 기기와 제2 사용자 기기는, 순서 또는 중요도와 무관하게, 서로 다른 사용자 기기를 나타낼 수 있다. 예를 들면, 본 문서에 기재된 권리범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 바꾸어 명명될 수 있다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.
본 문서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~ 를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된)프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
본 문서에서 사용된 용어들은 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 다른 실시예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 문서에 기재된 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 문서에 사용된 용어들 중 일반적인 사전에 정의된 용어들은, 관련 기술의 문맥상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 문서의 실시예들을 배제하도록 해석될 수 없다.
본 발명의 여러 실시예들의 각각 특징들이 부분적으로 또는 전체적으로 서로 결합 또는 조합 가능하며, 당업자가 충분히 이해할 수 있듯이 기술적으로 다양한 연동 및 구동이 가능하며, 각 실시예들이 서로에 대하여 독립적으로 실시 가능할 수도 있고 연관 관계로 함께 실시 가능할 수도 있다.
본 명세서의 해석의 명확함을 위해, 이하에서는 본 명세서에서 사용되는 용어들을 정의하기로 한다.
도 1은 본 발명의 일 실시예에 따른 자동차 부품 제조 기업을 위한 오픈소스 알고리즘 추천 시스템의 구성을 나타낸 개략도이다.
도 1을 참조하면, 자동차 부품 제조 기업을 위한 오픈소스 알고리즘 추천 시스템(10)(이하, “알고리즘 추천 시스템”이라 함.)은 복수의 현장 서버(100) 및 알고리즘 추천 서버(200)를 포함할 수 있다.
현장 서버(100)는 공장 내 공정 설비를 제어하고, 제품의 품질을 관리하는 현장 제어 기능을 수행하는 엣지 서버(Edge Server)로서, 공정 설비로부터 실시간으로 제조 데이터 또는 품질 데이터를 수신하고, 이를 기초로 공정 설비를 관리할 수 있다.
현장 서버(100)는 실시간으로 수집하는 산업 데이터(제조 데이터, 품질 데이터)를 알고리즘 추천 서버(200)로 송신할 수 있다. 아울러, 현장 서버(100)는 산업 데이터를 토대로 알고리즘을 추천 받기 전에, 현장의 기본적인 정보를 담고 있는 현장 데이터를 알고리즘 추천 서버(200)로 송신할 수 있다. 예를 들어, 현장 데이터는 현장 서버(100)에 배치된 공정 설비의 종류, 공정 프로세스, 공정 설비를 통해 제조되는 제품에 대한 정보 등을 포함할 수 있다.
알고리즘 추천 서버(200)는 복수의 현장 서버(100)로부터 제조 데이터, 품질 데이터 및 현장 데이터 중 적어도 둘 이상을 수신하고, 각각의 현장 서버(100)로 서로 다른 오픈소스 기반의 알고리즘을 추천하여 제공할 수 있다.
한편, 본 발명에서 “알고리즘”이란, 산업 데이터를 분석하고, 분석 결과를 기초로 어떠한 항목에 대한 판단을 내리거나, 예측하는 시퀀스를 의미한다. 알고리즘 추천 서버(200)는 공장 내 판단/예측 가능한 항목의 종류에 따라 각종 알고리즘을 현장 서버(100)로 제공할 수 있다.
알고리즘 추천 서버(200)는 오픈소스 기반의 알고리즘을 새롭게 생성하여 제공하는 것이 아니라, 서버 자체에 기 저장된 알고리즘 및 산업 데이터를 기초로 공장 또는 공정 설비에 적합한 알고리즘을 추천할 수 있다.
일반적으로 딥러닝 기반의 알고리즘은 아파치 머하웃, 컴포즈, 코어 ML툴, 코텍스, 피처툴, 고런, 그라디오, H2O, 오릭스, 파이토치 라이트닝, 스마크 Mllib 등이 존재하며, 각각의 알고리즘은, 개별적인 특징이 존재할 뿐만 아니라, 개별적인 특징이 있고 현장 도메인 정보, 알고리즘 도출의 목적, 목표, 시스템 환경 등에 따라 성능이 달라질 수 있다.
이에, 알고리즘 추천 서버(200)는 플랫폼 내의 데이터 분석 사용자, 즉 현장 전문가가 정보를 입력하고, 목적 등을 선택하여 여러 오픈소스 기반의 알고리즘 중 하나의 최적화된 알고리즘을 도출할 수 있도록 정보를 제공해 줄 수 있다.
즉, 알고리즘 추천 서버(200)는 해당 현장에 적합한 알고리즘을 도출하고, 알고리즘을 잘 알지 못하는 현장 전문가가 이를 현장에 적용할 수 있도록 시도하는 환경을 마련해 줄 수 있다.
지금까지 본 발명의 일 실시예에 따른 알고리즘 추천 시스템(10)에 대하여 설명하였으며, 이하에서는 알고리즘 추천 서버(200)에 대하여 보다 구체적으로 설명하도록 한다.
도 2는 본 발명의 일 실시예에 따른 알고리즘 추천 서버의 구성을 나타낸 블록도이다.
도 2를 참조하면, 알고리즘 추천 서버(200)는 통신 인터페이스(210), 메모리(220), I/O 인터페이스(230) 및 프로세서(240)를 포함할 수 있으며, 각 구성은 하나 이상의 통신 버스 또는 신호 라인을 통해 서로 통신할 수 있다.
통신 인터페이스(210)는 유/무선 통신 네트워크를 통해 복수의 현장 서버(100)와 연결되어 데이터를 주고받을 수 있다. 예를 들어, 통신 인터페이스(210)는 현장 서버(100)로부터 제조 데이터, 품질 데이터 및 현장 데이터를 수신할 수 있으며, 현장 서버(100)로 해당 현장에 적용할 수 있는 오픈소스 기반의 추천 알고리즘 또는 추천 목록, 그래프 등을 송신할 수 있다.
한편, 이러한 데이터의 송수신을 가능하게 하는 통신 인터페이스(210)는 통신 포드(211) 및 무선 회로(211)를 포함하며, 여기 유선 통신 포트(211)는 하나 이상의 유선 인터페이스, 예를 들어, 이더넷, 범용 직렬 버스(USB), 파이어와이어 등을 포함할 수 있다. 또한, 무선 회로(212)는 RF 신호 또는 광학 신호를 통해 외부 디바이스와 데이터를 송수신할 수 있다. 아울러, 무선 통신은 복수의 통신 표준, 프로토콜 및 기술, 예컨대 GSM, EDGE, CDMA, TDMA, 블루투스, Wi-Fi, VoIP, Wi-MAX, 또는 임의의 기타 적합한 통신 프로토콜 중 적어도 하나를 사용할 수 있다.
메모리(220)는 알고리즘 추천 서버(200)에서 사용되는 다양한 데이터를 저장할 수 있다. 예를 들어, 메모리(220)는 미리 저장된 알고리즘 종류, 현장 별 현장 데이터, 제조 데이터, 품질 데이터 등을 저장할 수 있다.
다양한 실시예에서, 메모리(220)는 각종 데이터, 명령 및 정보를 저장할 수 있는 휘발성 또는 비휘발성 기록 매체를 포함할 수 있다. 예를 들어, 메모리(220)는 플래시 메모리 타입, 하드디스크 타입, 멀티미디어 카드 마이크로 타입, 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램, SRAM, 롬, EEPROM, PROM, 네트워크 저장 스토리지, 클라우드, 블록체인 데이터베이스 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
다양한 실시예에서, 메모리(220)는 운영 체제(221), 통신 모듈(222), 사용자 인터페이스 모듈(223) 및 하나 이상의 애플리케이션(224) 중 적어도 하나의 구성을 저장할 수 있다.
운영 체제(221)(예. LINUX, UNIX, MAC OS, WINDOWS, VxWorks 등의 내장형 운영 체제)는 일반적인 시스템 작업(예. 메모리 관리, 저장 디바이스 제어, 전력 관리 등)를 제어하고 관리하기 위한 다양한 소프트웨어 컴포넌트 및 드라이버를 포함할 수 있으며, 다양한 하드웨어, 펌웨어, 및 소프트웨어 컴포넌트 간의 통신을 지원할 수 있다.
통신 모듈(223)은 통신 인터페이스(210)를 통해 다른 디바이스와 통신을 지원할 수 있다. 통신 모듈(220)은 통신 인터페이스(210)의 유선 통신 포트(211) 또는 무선 회로(212)에 의해 수신되는 데이터를 처리하기 위한 다양한 소프트웨어 구성 요소들을 포함할 수 있다.
사용자 인터페이스 모듈(223)은 I/O 인터페이스(230)를 통해 키보드, 터치 스크린, 마이크 등으로부터 사용자의 요청 또는 입력을 수신하고, 디스플레이 상에 사용자 인터페이스를 제공할 수 있다.
애플리케이션(224)은 하나 이상의 프로세서(230)에 의해 실행되도록 구성되는 프로그램 또는 모듈을 포함할 수 있다. 여기서, 추천 알고리즘과 함께 ROC 커브 그래프를 제공하기 위한 애플리케이션은 서버 팜(server farm) 상에서 구현될 수 있다.
I/O 인터페이스(230)는 알고리즘 추천 서버(200)의 입출력 디바이스(미도시), 예컨대 디스플레이, 키보드, 터치 스크린 및 마이크 중 적어도 하나를 사용자 인터페이스 모듈(223)과 연결할 수 있다. I/O 인터페이스(230)는 사용자 인터페이스 모듈(223)과 함께 사용자 입력(예. 음성 입력, 키보드 입력, 터치 입력 등)을 수신하고, 수신된 입력에 따른 명령을 처리할 수 있다.
프로세서(240)는 통신 인터페이스(210), 메모리(220) 및 I/O 인터페이스(230)와 연결되어 알고리즘 추천 서버(200)의 전반적인 동작을 제어할 수 있으며, 메모리(220)에 저장된 애플리케이션 또는 프로그램을 통해 오픈소스 기반의 알고리즘을 결정하기 위한 다양한 명령들을 수행할 수 있다.
프로세서(240)는 CPU(Central Processing Unit)나 AP(Application Processor)와 같은 연산 장치에 해당할 수 있다. 또한, 프로세서(240)는 다양한 연산 장치가 통합된 SoC(System on Chip)와 같은 통합 칩(Integrated Chip (IC))의 형태로 구현될 수 있다. 또는 프로세서(240)는 NPU(Neural Processing Unit)과 같이 인공 신경망 모델을 계산하기 위한 모듈을 포함할 수 있다.
다양한 실시예에서, 프로세서(240)는 현장 서버(100)의 현장 관리자가 제조 현장에 적합한 알고리즘을 결정하기 위한 데이터를 제공할 수 있으며, 도 3을 참조하여 설명하도록 한다.
도 3은 본 발명의 일 실시예에 따른 알고리즘 추천 방법에 대한 순서도이다.
도 3을 참조하면, 프로세서(240)는 현장 서버(100)로부터 제조 데이터 및 현장 데이터를 수신할 수 있다(S110). 프로세서(240)는 제조 데이터 및 현장 데이터를 기초로 적어도 둘 이상의 제조 현장용 알고리즘을 결정할 수 있다 (S120). 프로세서(240)는 현장 서버(100)로 적어도 둘 이상의 제조 현장용 알고리즘과 함께 해당 알고리즘에 대한 ROC 커브 그래프를 제공할 수 있다(S130).
지금까지 본 발명의 일 실시예에 따른 알고리즘 추천 서버(200)에 대하여 설명하였으며, 이하에서는, 도 4 내지 도 17을 참조하여 오픈소스 알고리즘 추천 시스템의 개념을 설명하도록 한다.
도 4는 본 발명의 일 실시예에 따른 알고리즘 추천 시스템에서 이용되는 ROC 커브를 설명하기 위한 그래프이다.
도 4를 참조하면, ROC(Receiver Operating Characteristic) 커브는 머신러닝 모델의 성능을 평가하기 위한 성능 평가 기법으로, ROC 커브를 통해 머신러닝 모델이 어떠한 양분화된 결과를 정확하게 예측하였는지 판단할 수 있다. 구체적으로, 사용자는 ROC 커브에서 커브의 밑 면적이 넓을수록 머신러닝 모델의 평가가 좋다는 것으로 이해할 수 있다.
도 5는 내지 도 17은 본 발명의 일 실시예에 따른 오픈소스 알고리즘 추천 시스템의 개념을 설명하기 위한 개략도이다.
도 5 및 도 6을 참조하면, 알고리즘 추천 시스템(10)은 제조 현장에 수집 가능한 각종 데이터와 기본 정보(현장 데이터)를 입력할 경우, 시뮬레이션을 통해 몇 가지의 오픈소스 기반의 알고리즘을 추천하고, 해당 모델에 대한 ROC 커브로 모델의 성능이 좋은 지, 나쁜 지 수치화 되어진 값을 현장 서버(100)로 제공할 수 있다.
즉, 도 6과 같이 알고리즘 추천 시스템(10)는 ROC 커브에서 커브의 면적 값(AUC 값)을 수치적으로 제공할 수 있다. 현장 관리자는 이 값을 통해 자신이 관리하고 있는 현장에 적합한 알고리즘을 선택할 수 있다.
도 7을 참조하면, 알고리즘 추천 시스템(10)은 제조 현장에서 수집되는 빅 데이터를 기반으로 제조 데이터 처리 플랫폼을 구축할 수 있다. 구체적으로, 알고리즘 추천 시스템(10)은 제조 현장의 데이터 수집을 위한 현장용 엣지를 설계 및 개발할 수 있으며, 현장 데이터 기반의 KPI 구현을 위한 특징 분석 및 분류 SW를 설계할 수 있다. 또한, 알고리즘 추천 시스템(10)은 데이터 기반 현장 모니터링 및 분석을 위한 KPI 설계 및 구현, 주요 지표의 통합 모니터링 및 분석 기능을 설계하고, 클라우드 환경을 위한 서비스 플랫폼을 구축할 수 있다. 이 외에도, 알고리즘 추천 시스템(10)은 외부의 예측 알고리즘을 손쉽게 탑재하여, 분석할 수 있도록 플랫폼을 생성하여 제공할 수 있다.
도 8 내지 도 17을 참조하면, 도 8은 데이터 수집 프로토콜 및 처리 단계에 관한 것으로, 알고리즘 추천 시스템(10)은 제조 현장의 데이터 수집을 위해서 현장용 엣지를 설계하고 개발할 수 있다. 구체적으로, 알고리즘 추천 시스템(10)은 데이터 통신을 위한 I/F 표준을 마련하고, 산업용 통신을 OPC UA와 Non OPC UA로 분류하여 데이터 수집의 기준을 마련할 수 있다.
도 9는 현장 아키텍쳐 및 구성도에 관한 것으로, 알고리즘 추천 시스템(10)은 제조 프로세스 유형에 따라 수직적 데이터 수집 및 수평적 의사결정의 기능을 정의하고, 공정 기능에 따라 세부 필요 데이터를 도출할 수 있으며, 자동차 산업에서 수집된 기준 데이터를 정의하고, 일대일 또는 일대 다수의 형태로 연관성을 정의할 수 있다. 또한, 알고리즘 추천 시스템(10)은 현장 데이터의 다양한 수집 형태를 반영하기 위한 DB 별 데이터 처리 및 관리 드라이버를 설계할 수 있다.
도 10은 서비스 도출을 위한 분석 및 항목 정의서, 도 11은 데이터셋을 통해 이기종 데이터 특징 구분 방식, 도 12는 데이터 전처리 및 데이터셋 정의, 도 13은 데이터를 통한 단계별 처리 프로세스에 관한 것으로, 알고리즘 추천 시스템(10)은 데이터를 기반으로 KPI를 설계 및 구성할 수 있으며, 수집된 데이터셋을 기준으로 데이터 전처리를 위한 특성별 모니터링, 분석 기능의 워크 플로우를 설계할 수 있다.
또한, 알고리즘 추천 시스템(10)은 현장에서 수집되어야 하는 데이터 요구사항 도출 및 기준 정보를 통한 각 항목별 유형화, 서비스 상세화 과정에서 기능 실행을 위한 항목을 도출하고, 현장에서 수집되는 샘플 데이터와 매칭 테스트를 수행할 수 있다.
도 14는 스마트공장 플랫폼 아키텍처에 관한 것으로, 알고리즘 추천 시스템(10)은 제조 데이터 특성을 고려하여 전처리가 구현된 엣지 시스템과 외부 RDBMS, 시스템 인터페이스를 정의할 수 있으며, 제조 공용플랫폼과의 연동을 위해 제조 데이터 공유 및 활용을 위한 비식별 가공을 수행할 수 있다.
또한, 알고리즘 추천 시스템(10)은 외부의 예측 알고리즘을 손쉽게 탑재하여 분석할 수 있도록 플랫폼을 고도화시킬 수 있는데, 이를 위해 다음의 도 15와 같이 KPI 지표를 정의할 수 있으며, 도 16과 같이 제조 공정 프로세스 패턴을 정의할 수 있다.
도 17은 제조 데이터 비식별화에 관한 것으로, 알고리즘 추천 시스템(10)은 데이터 가공 및 제공에 따른 비식별화 기준을 설정하고 대상을 분류할 수 있다. 알고리즘 추천 시스템(10)은 공장 이름에 대한 가명처리, 공정 데이터 마스킹, 제조 데이터 범주화 등의 방법론을 적용하고, 제조 공용 플랫폼의 데이터 전송에 대한 방법론을 반영한 API를 제공할 수 있다.
또한, 알고리즘 추천 시스템(10)은 예측 알고리즘을 통해 데이터를 분석할 수 있는 지능형 플랫폼을 제공할 수 있다. 구체적으로, 알고리즘 추천 시스템(10)은 제조 현장의 데이터를 수집/저장하고, AI 가공 등을 통해서 현장을 통합/제어하는 모니터링 솔루션을 제공할 수 있다. 알고리즘 추천 시스템(10)은 데이터의 통계적 품질관리(SPC)서비스를 지원함으로써, 3차원 품질측정기의 데이터를 수집/가공하여 시각화하고, 자동 이송장치, 생산-제조 장비 등의 데이터를 수집/가공하여 통합 데이터로 모니터링할 수 있다. 또한, 알고리즘 추천 시스템(10)은 원자재 투입부터 출하까지 데이터 기록 및 관리로 업무 흐름을 모니터링하는 제조실행 시스템(MES) 서비스를 제공하고, 에너지 사용량/사용패턴 등의 데이터 수집/가공을 통해 현장 에너지 사용 흐름을 모니터링하고 생산 현장에 최적화된 에너지를 제공하는 공장 에너지관리시스템(EMS) 서비스, 다양한 데이터를 수집/가공하여 하나의 모니터로 통합 운영할 수 있는 토탈 분석 모니터링 플랫폼(공장 종합 상황실) 서비스를 제공할 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 일 실시예들을 더욱 상세하게 설명하였으나, 본 발명은 반드시 이러한 실시예로 국한되는 것은 아니고, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형 실시될 수 있다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10: 오픈소스 알고리즘 추천 시스템
100: 현장 서버
200: 알고리즘 추천 서버
210: 통신 인터페이스
211: 유선 통신 포트 212: 무선 회로
220: 메모리
221: 운영 체제 222: 통신 모듈
223: 사용자 인터페이스 모듈 224: 애플리케이션
230: I/O 인터페이스 240: 프로세서
100: 현장 서버
200: 알고리즘 추천 서버
210: 통신 인터페이스
211: 유선 통신 포트 212: 무선 회로
220: 메모리
221: 운영 체제 222: 통신 모듈
223: 사용자 인터페이스 모듈 224: 애플리케이션
230: I/O 인터페이스 240: 프로세서
Claims (1)
- 제조 현장에 배치되는 현장 서버; 및
상기 현장 서버로 오픈소스 기반의 알고리즘을 추천하는 알고리즘 추천 서버; 를 포함하고,
상기 알고리즘 추천 서버는,
상기 현장 서버로부터 제조 데이터 및 현장 데이터를 수신하고, 상기 제조 데이터 및 상기 현장 데이터를 기초로 적어도 둘 이상의 제조 현장용 알고리즘을 결정하고, 상기 현장 서버로 상기 적어도 둘 이상의 제조 현장용 알고리즘과 함께 해당 알고리즘에 대한 ROC 커브 그래프를 제공하도록 구성되는, 자동차 부품 제조 기업을 위한 오픈소스 알고리즘 추천 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210114259A KR20230031719A (ko) | 2021-08-27 | 2021-08-27 | 자동차 부품 제조 기업을 위한 오픈소스 알고리즘 추천 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210114259A KR20230031719A (ko) | 2021-08-27 | 2021-08-27 | 자동차 부품 제조 기업을 위한 오픈소스 알고리즘 추천 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230031719A true KR20230031719A (ko) | 2023-03-07 |
Family
ID=85512404
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210114259A KR20230031719A (ko) | 2021-08-27 | 2021-08-27 | 자동차 부품 제조 기업을 위한 오픈소스 알고리즘 추천 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230031719A (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101827345B1 (ko) | 2016-01-28 | 2018-02-09 | 주식회사 대구닷컴 | 다중 알고리즘 및 자기학습기능을 적용한 개인화 추천 시스템 및 추천 방법 |
| KR20200062917A (ko) | 2018-11-27 | 2020-06-04 | 엘에스웨어(주) | 개인 프로파일링을 이용한 오픈소스 소프트웨어 추천 시스템 및 방법 |
-
2021
- 2021-08-27 KR KR1020210114259A patent/KR20230031719A/ko unknown
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101827345B1 (ko) | 2016-01-28 | 2018-02-09 | 주식회사 대구닷컴 | 다중 알고리즘 및 자기학습기능을 적용한 개인화 추천 시스템 및 추천 방법 |
| KR20200062917A (ko) | 2018-11-27 | 2020-06-04 | 엘에스웨어(주) | 개인 프로파일링을 이용한 오픈소스 소프트웨어 추천 시스템 및 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111835628B (zh) | 智能网关平台、方法和非暂态计算机可读介质 | |
| ur Rehman et al. | The role of big data analytics in industrial Internet of Things | |
| US20220156435A1 (en) | Using cloud-based data for industrial simulation | |
| KR102073085B1 (ko) | Ｆｂｄ 머신러닝 기반의 동적 모니터링 시스템 및 그 방법 | |
| US7062580B2 (en) | Logic arrangement, system and method for configuration and control in fieldbus applications | |
| CN109698857B (zh) | 用于自适应工业物联网(iiot)的系统和方法 | |
| US20170351226A1 (en) | Industrial machine diagnosis and maintenance using a cloud platform | |
| EP3640870A1 (en) | Asset performance manager | |
| Ćwikła | Methods of manufacturing data acquisition for production management-a review | |
| US11687064B2 (en) | IBATCH interactive batch operations system enabling operational excellence and competency transition | |
| KR101825881B1 (ko) | 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템 | |
| CN112581303A (zh) | 用于工业自动化的人工智能通道 | |
| CN112579653A (zh) | 工业数据的逐步情境化和分析 | |
| WO2002031613A9 (en) | System and method for monitoring process quality control | |
| JP2018513490A (ja) | 自動化システムを動作させる方法及び装置 | |
| US7869887B2 (en) | Discoverable services | |
| CN112580813A (zh) | 工业数据在装置级处的情境化 | |
| US20210105183A1 (en) | Systems and methods for autonomous creation of a domain specific industrial internet of things gateway using a conversational interface | |
| Lechevalier et al. | A methodology for the semi-automatic generation of analytical models in manufacturing | |
| Corallo et al. | Model-based Big Data Analytics-as-a-Service framework in smart manufacturing: A case study | |
| WO2020252666A1 (zh) | 工业物联网的边缘计算设备、方法和计算机可读存储介质 | |
| US10775760B2 (en) | Method and system for optimizing the commissioning of at least one of a plurality of automation technology field devices | |
| US11822864B2 (en) | Digital avatar platform | |
| US20180164764A1 (en) | Apparatus and Method for Analysis of Machine Performance | |
| KR20230030961A (ko) | 클라우드 기반 효율적 식품 안전 생산을 위한 스마트 haccp 시스템 |