KR20230073684A

KR20230073684A - 추천 알고리즘 기반 문제 조치 제안 시스템 및 그 방법

Info

Publication number: KR20230073684A
Application number: KR1020210160332A
Authority: KR
Inventors: 이윤수
Original assignee: 현대자동차주식회사; 기아 주식회사
Priority date: 2021-11-19
Filing date: 2021-11-19
Publication date: 2023-05-26
Also published as: US12061614B2; US20230161780A1; CN116151790A

Abstract

추천 알고리즘 기반 문제 조치 제안 시스템 및 그 방법이 개시된다.
본 발명의 실시 예에 따른, 추천 알고리즘 기반 문제 조치 제안 시스템은, 생산설비나 제품의 기기 이상으로 수신된 사용자 질의 정보에서 항목별 텍스트 데이터를 추출하는 질의 입력부, 과거 기기의 이상 발생에 대한 작업자의 조치 이력을 문제 조치 데이터로 DB(Data Base)화 하여 관리하는 데이터베이스부, 및 상기 텍스트 데이터를 추천 알고리즘에서 처리가능한 수치데이터로 변환하는 전처리 작업을 수행하고 상기 수치데이터와 상기 데이터베이스부의 문제 조치 데이터 간의 유사도를 비교하여 문제 해결 가능성이 높은 순서의 조치 방법을 사용자에게 제안하는 제어부를 포함한다.

Description

추천 알고리즘 기반 문제 조치 제안 시스템 및 그 방법{RECOMMENDATION ALGORITHM-BASED PROBLEM ACTION SUGGESTION SYSTEM AND METHOD THEREOF}

본 발명은 추천 알고리즘 기반 문제 조치 제안 시스템 및 그 방법에 관한 것으로서, 보다 상세하게는 산업현장에서의 문제 발생시 신속한 조치를 돕는 추천 알고리즘 기반 문제 조치 시스템 및 그 방법에 관한 것이다.

일반적으로 생산공장이나 서비스 센터에서 생산설비나 제품에 고장 등의 문제 발생시 각 작업자의 노하우나 매뉴얼 등을 활용하여 조치하고 있다. 하지만 발생된 문제에 대처하는 조치 시간 및 품질에 개인별 편차가 존재한다.

예컨대, 차량공장에서는 자동화된 인라인 공정별 다양한 생산설비를 운용하고 있으며, 생산설비에서의 문제 발생은 수율에 악영향을 주므로 신속한 조치가 필요하다.

하지만, 하나의 생산설비에서 고장이 발생된 하나의 케이스(Case A)에 대하여 조치 시 이와 연계된 공정과 다양한 설비 및 부품들을 순차적으로 점검해야 하므로 그 조치를 위한 절차와 순서를 결정하는데 어려움이 있다.

또한, 신규 작업자의 기술 노하우를 축적하기 위한 시간이 오래 걸리고 조치 매뉴얼의 수준에 따라 조치 시간과 품질에 큰 편차가 발생되는 문제가 있다.

이 배경기술 부분에 기재된 사항은 발명의 배경에 대한 이해를 증진하기 위하여 작성된 것으로서, 이 기술이 속하는 분야에서 통상의 지식을 가진 자에게 이미 알려진 종래기술이 아닌 사항을 포함할 수 있다.

본 발명의 실시 예는 생산설비나 제품에 문제 발생시 추천 알고리즘을 통해 신속한 문제 조치 방법을 제안함으로써 조치 시간을 줄이고 균일하게 향상된 품질을 제공할 수 있는 추천 알고리즘 기반 문제 조치 제안 시스템 및 그 방법을 제공하고자 한다.

본 발명의 일 측면에 따르면, 추천 알고리즘 기반 문제 조치 제안 시스템은, 생산설비나 제품의 기기 이상으로 수신된 사용자 질의 정보에서 항목별 텍스트 데이터를 추출하는 질의 입력부; 과거 기기의 이상 발생에 대한 작업자의 조치 이력을 문제 조치 데이터로 DB(Data Base)화 하여 관리하는 데이터베이스부; 및 상기 텍스트 데이터를 추천 알고리즘에서 처리가능한 수치데이터로 변환하는 전처리 작업을 수행하고, 상기 수치데이터와 상기 데이터베이스부의 문제 조치 데이터 간의 유사도를 비교하여 문제 해결 가능성이 높은 순서의 조치 방법을 사용자에게 제안하는 제어부;를 포함한다.

또한, 상기 질의 입력부는 사용자 단말기의 GUI(Graphical User Interface)를 통해 텍스트(Text) 및 음성(Speech) 중 적어도 하나의 형식으로 기기의 문제상황에 대한 질의 정보를 수신하는 통신 모듈; 상기 음성을 음성인식 알고리즘을 통해 텍스트 데이터로 변환하는 음성 인식 모듈; 및 상기 질의 정보에서 사용자 정보와 항목별 텍스트 데이터를 추출하고 상기 음성 인식 모듈을 통해 변환된 텍스트 데이터를 취합하여 상기 제어부로 입력하는 질의 입력 모듈;을 포함할 수 있다.

또한, 상기 문제 조치 데이터 테이블은 기기 정보, 사용 환경, 측정 정보, 이상 정보 및 조치 내용 중 적어도 하나의 항목을 포함할 수 있다.

또한, 상기 데이터베이스부는 상기 기기의 종류와 사양 별로 알려진 다양한 문제 상황의 에러 코드에 대한 조치 매뉴얼을 저장하는 매뉴얼 DB; 생산공장이나 서비스 센터의 작업자가 각종 설비나 제품의 기기에서 발생하는 다양한 문제 상황에 대하여 조치된 사례의 문제 조치 이력을 저장하는 문제 조치 이력 DB; 및 사용자 단말기로부터 지속적으로 상기 문제 조치 이력을 수신하여 상기 문제 조치 이력 DB를 업데이트하는 데이터 관리 모듈;을 포함할 수 있다.

또한, 상기 데이터 관리 모듈은 상기 문제 조치 이력 DB에서 관리 중인 문제 상황에 대한 조치 성공률이 일정 기준을 충족하여 신뢰성이 검증된 조치 방법에 대해서는 신규 에러 코드를 부여하고 상기 매뉴얼 DB에서 관리할 수 있다.

또한, 상기 사용자 질의 정보는 기기 정보, 노후도, 상태 측정값 및 이상 현상 질의 내용을 포함할 수 있다.

또한, 상기 제어부는 상기 텍스트 데이터를 자연어 처리하여 불용어를 제거하고 토크나이징(Tokenizing) 및 워드임베딩(Word Embedding) 과정을 거쳐 상기 추천 알고리즘에서 처리가능 하게 규정된 수치데이터로 변환하는 전처리 모듈; 상기 텍스트 데이터 중 사용자의 이상 현상 질의 내용의 전처리 작업을 위해 사전에 워드 임베딩 모델을 생성하고 DB화하여 관리하는 알고리즘 학습 모듈; 및 상기 수치데이터를 활용하여 상기 데이터베이스부의 문제 조치 이력 DB에서 유사도 조건에 맞는 데이터를 추출하고, 그 중에서 유사도가 가장 높은 조치 방법을 추천하여 사용자 단말기의 GUI를 통해 제공하는 알고리즘 제어 모듈;을 포함할 수 있다.

또한, 상기 전처리 모듈은 상기 질의 정보로 입력된 노후도 및 상태 측정값 항목별 숫자 값들을 카테고리화 및 스케일러로 처리하여 정규화된 수치데이터로 가공할 수 있다.

또한, 상기 알고리즘 제어 모듈은 상기 수치데이터와 상기 문제 조치 이력 DB 데이터의 두 벡터간 유사도를 계산하여 유사도가 높은 순서의 조치 방법을 추천할 수 있다.

또한, 상기 알고리즘 제어 모듈은 상기 두 벡터 간의 직선거리를 측정하는 유클리디안 거리 측정방식, 상기 두 벡터가 이루는 각도를 통해 유사도를 측정하는 코사인 유사도 측정 방식 및 상기 두 벡터의 데카르트 좌표(Cartesian coordinate) 차의 절대값의 합을 계산하는 맨하튼 거리 측정 방식 중 적어도 하나를 이용하여 유사도를 계산할 수 있다.

또한, 상기 전처리 모듈은 상기 텍스트 데이터 중 에러 코드가 존재하는지 우선적으로 확인하여 상기 데이터베이스부의 매뉴얼 DB에서 관련 조치 매뉴얼을 조회할 수 있다.

또한, 상기 알고리즘 제어 모듈은 상기 조치 매뉴얼에 포함된 하나이상의 조치 방법 중 발생 빈도가 높은 순으로 추천결과를 표시하되, 가장 발생 빈도가 높은 조치 방법을 강조하여 사용자에게 제안할 수 있다.

또한, 상기 알고리즘 제어 모듈은 상기 조치 매뉴얼에 포함된 하나이상의 조치 방법과 상기 문제 조치 이력 DB에서 추출된 조치 방법을 비교하여 유사도가 높은 순으로 추천결과를 표시하되, 가장 유사도가 높은 조치 방법을 강조하여 사용자에게 제안할 수 있다.

한편, 본 발명의 일 측면에 따른, 문제 조치 제안 시스템의 추천 알고리즘 기반 문제 조치 제안 방법은, a) 생산설비나 제품의 기기 이상 발생으로 사용자 단말기로부터 수신된 사용자 질의 정보에서 항목별 텍스트 데이터를 추출하는 단계; b) 상기 텍스트 데이터에 에러 코드가 존재하는지 여부를 판단하는 단계; c) 상기 에러 코드가 존재하지 않으면, 상기 텍스트 데이터를 추천 알고리즘에서 처리가능한 수치데이터로 변환하는 전처리 작업을 수행하는 단계; 및 d) 추천 알고리즘을 수행하여 상기 수치데이터와 데이터베이스부의 문제 조치 이력 DB에 저장된 문제 조치 데이터 간의 유사도를 비교하고 문제 해결 가능성이 높은 순서의 조치 방법을 추천하여 사용자 단말기로 제공하는 단계;를 포함한다.

또한, 상기 c) 단계는, 상기 텍스트 데이터의 항목별 숫자 값들을 카테고리화 및 스케일러로 처리하여 정규화된 수치데이터로 가공하는 단계; 및 상기 텍스트 데이터 중 사용자의 이상 현상 질의 내용에 수록된 문장을 토크나이저를 통한 자연어 처리와 워드 임베딩 처리를 통한 수치데이터로 변하는 단계;를 포함할 수 있다.

또한, 상기 d) 단계는, 상기 수치데이터와 문제 조치 이력 DB에 저장된 데이터의 두 벡터간 유사도를 계산하여 유사도 기준 조건에 맞는 조치 방법만을 추출하는 단계; 및 추출된 조치 방법들 중에서 유사도가 가장 높은 고장 조치 방법을 제안하여 사용자 단말기를 통해 제공하는 단계;를 포함할 수 있다.

또한, 상기 b) 단계 이후에, 상기 에러 코드가 존재하면, 상기 데이터베이스부의 매뉴얼 DB에 관련 조치 매뉴얼을 조회하는 단계; 및 상기 조치 매뉴얼에 포함된 하나이상의 조치 방법 중 발생 빈도가 높은 순의 추천결과를 사용자 단말기의 GUI를 통해 표시하되, 가장 발생 빈도가 높은 조치 방법을 강조하여 사용자에게 제안하는 단계;를 더 포함할 수 있다.

또한, 상기 b) 단계 이후에 상기 에러 코드가 존재하면 상기 데이터베이스부의 매뉴얼 DB에 관련 조치 매뉴얼을 조회하는 단계를 더 포함하되, 상기 d) 단계는, 상기 조치 매뉴얼에 포함된 하나이상의 조치 방법과 상기 문제 조치 이력 DB에서 추출된 조치 방법을 비교하여 유사도가 높은 순으로 추천결과를 사용자 단말기의 GUI를 통해 표시하되, 가장 유사도가 높은 조치 방법을 강조하여 사용자에게 제안하는 단계;를 포함할 수 있다.

또한, 상기 d) 단계 이후에, 상기 사용자 단말기의 GUI를 수신된 사용자 조치 이력을 상기 문제 조치 이력 DB에 저장하되, 문제 해결에 성공한 조치 방법의 비중을 증가시키고 사용자의 의견 및 예상 조치 시간을 업데이트하는 단계를 더 포함할 수 있다.

본 발명의 실시 예에 따르면, 제품 또는 생산설비의 문제 발생 상황에 대한 사용자의 질의 정보를 수신하여 추천 알고리즘을 통해 유사한 조건의 조치 방법을 신속하게 제안함으로써 조치 시간을 줄일 수 있는 효과가 있다.

또한, 기술의 고도화로 하드웨어와 소프트웨어가 복잡한 기기의 문제 발생 상황에 대한 조치 매뉴얼 및 숙련된 작업자의 노하우가 누적된 빅데이터 분석을 통해 최적의 조치 방법을 제안함으로써 신규 작업자의 의사 결정 지원하고 균일하게 향상된 품질을 제공할 수 있는 효과가 있다.

도 1은 본 발명의 실시 예에 따른 추천 알고리즘 기반 문제 조치 제안 시스템의 구성을 나타낸 블록도 이다.
도 2는 본 발명의 실시예에 따른 문제 조치 데이터 테이블을 개략적으로 나타낸다.
도 3 및 도 4는 본 발명의 실시 예에 따른 사용자 질의 정보에 대한 전처리 방법을 나타낸다.
도 5는 본 발명의 실시 예에 따른 질의 내용 처리 방법을 나타낸다.
도 6은 본 발명의 실시 예에 따른 오류코드 존재 시 문제 조치 방법을 추천하는 GUI 화면을 나타낸다.
도 7은 본 발명의 실시 예에 따른 추천 알고리즘 기반 문제 조치 방법을 나타낸 흐름도이다.
도 8 내지 도 10은 본 발명의 실시 예에 따른 생산설비에 문제가 발생된 시나리오를 가정한 GUI 화면 예시를 나타낸다.
도 11 내지 도 13은 본 발명의 다른 실시 예에 따른 서비스 센터에서 제품 고장의 조치 방법을 제안하는 시나리오를 가정한 GUI 화면 예시를 나타낸다.

아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.

여기에서 사용되는 용어는 오직 특정 실시 예들을 설명하기 위한 목적이고, 본 발명을 제한하는 것으로 의도되지 않는다. 여기에서 사용되는 바와 같이, 단수 형태들은, 문맥상 명시적으로 달리 표시되지 않는 한, 복수 형태들을 또한 포함하는 것으로 의도된다. "포함하다" 및/또는 "포함하는"이라는 용어는, 본 명세서에서 사용되는 경우, 언급된 특징들, 정수들, 단계들, 작동들, 구성요소들 및/또는 컴포넌트들의 존재를 특정하지만, 다른 특징들, 정수들, 단계들, 작동들, 구성요소들, 컴포넌트들 및/또는 이들의 그룹들 중 하나 이상의 존재 또는 추가를 배제하지는 않음을 또한 이해될 것이다. 여기에서 사용되는 바와 같이, 용어 "및/또는"은, 연관되어 나열된 항목들 중 임의의 하나 또는 모든 조합들을 포함한다.

여기에서 사용되는 바와 같은 "차량" 또는 "차량의"와 같은 용어 또는 다른 유사한 용어는 철도 차량뿐만 아니라 스포츠 유틸리티 차량(sports utility vehicles; SUVs)를 포함하는 승용차들, 버스들, 트럭들, 다양한 상업용 차량들을 포함하는 것으로 이해된다.

명세서 전체에서, 제1, 제2, A, B, (a), (b) 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다.

명세서 전체에서, 어떤 구성요소가 다른 구성요소에 '연결된다'거나 '접속된다'고 언급되는 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 '직접 연결된다'거나 '직접 접속된다'고 언급되는 때에는, 중간에 다른 구성요소가 존재하지 아니하는 것으로 이해되어야 할 것이다

추가적으로, 아래의 방법들 또는 이들의 양상들 중 하나 이상은 적어도 하나 이상의 제어기에 의해 실행될 수 있음이 이해된다. "제어기"라는 용어는 메모리 및 프로세서를 포함하는 하드웨어 장치를 지칭할 수 있다. 메모리는 프로그램 명령들을 저장하도록 구성되고, 프로세서는 아래에서 더욱 자세히 설명되는 하나 이상의 프로세스들을 수행하기 위해 프로그램 명령들을 실행하도록 특별히 프로그래밍된다. 제어기는, 여기에서 기재된 바와 같이, 유닛들, 모듈들, 부품들, 장치들, 또는 이와 유사한 것의 작동을 제어할 수 있다. 또한, 아래의 방법들은, 당업자에 의해 인식되는 바와 같이, 하나 이상의 다른 컴포넌트들과 함께 제어기를 포함하는 장치에 의해 실행될 수 있음이 이해된다.

또한, 본 개시의 제어기는 프로세서에 의해 실행되는 실행 가능한 프로그램 명령들을 포함하는 비일시적인 컴퓨터로 판독 가능한 기록 매체로서 구현될 수 있다. 컴퓨터로 판독 가능한 기록 매체들의 예들은 롬(ROM), 램(RAM), 컴팩트 디스크(CD) 롬, 자기 테이프들, 플로피 디스크들, 플래시 드라이브들, 스마트 카드들 및 광학 데이터 저장 장치들을 포함하지만, 이에 한정되는 것은 아니다. 컴퓨터 판독가능 기록 매체는 또한 컴퓨터 네트워크 전반에 걸쳐 분산되어 프로그램 명령들이, 예를 들어, 텔레매틱스 서버(telematics server) 또는 제어기 영역 네트워크(Controller Area Network; CAN)와 같은 분산 방식으로 저장 및 실행될 수 있다.

이제 본 발명의 실시 예에 따른 추천 알고리즘 기반 문제 조치 시스템 및 그 방법에 대하여 도면을 참조로 하여 상세하게 설명한다.

도 1은 본 발명의 실시 예에 따른 추천 알고리즘 기반 문제 조치 제안 시스템의 구성을 나타낸 블록도 이다.

도 1을 참조하면, 본 발명의 실시 예에 따른 문제 조치 제안 시스템(100)은 차량 생산공장이나 차량 제품 서비스 센터를 관리하는 서버에 구축될 수 있으며, 질의 입력부(110), 데이터베이스부(120) 및 제어부(130)를 포함한다.

질의 입력부(110)는 사용자 단말기(10)로부터 생산설비나 제품 등 기기의 이상으로 수신된 사용자 질의 정보에서 항목별 텍스트 데이터를 추출하여 제어부(130)로 전달한다.

여기서, 사용자 단말기(10)는 컴퓨터, 노트북, 테블릿 PC 및 스마트폰 등의 정보통신 단말기이며, 문제 조치 제안 시스템(100)과 연동을 위한 클라이언트 프로그램을 포함한다. 상기 클라이언트 프로그램은 GUI(Graphical User Interface)를 통해 기기의 문제 상황에 대한 사용자 질의 정보를 입력 받아 문제 조치 제안 시스템(100)으로 조치 제안 검색을 요청한다. 상기 사용자 질의 정보는 기기 정보, 노후도, 상태 측정값 및 이상 현상에 대한 질의 내용 등이 포함된다(도 3 참조).

사용자 단말기(10)는 상기 조치 제안 검색 요청에 따라 문제 조치 제안 시스템(100)으로부터 제안된 조치 방법을 수신하여 GUI를 통해 표시할 수 있다.

질의 입력부(110)는 통신 모듈(111), 음성 인식 모듈(112) 및 질의 입력 모듈(113)을 포함한다.

통신 모듈(111)은 사용자 단말기(10)와 유/무선 통신으로 연결되며, GUI를 통한 텍스트(Text) 및 음성(Speech) 중 적어도 하나의 형식으로 기기의 문제상황에 대한 질의 정보를 수신한다. 상기 사용자는 생산설비의 유지보수 작업자이거나 서비스 센터의 작업자를 말하며, 이하 사용자와 작업자는 같은 의미로 사용된다.

음성 인식 모듈(112)은 상기 질의 정보로 입력된 음성을 음성인식 알고리즘을 통해 텍스트 데이터로 변환한다.

질의 입력 모듈(113)은 상기 사용자 질의 정보의 항목별로 문자, 숫자 및 기호 등 기기의 문제 상황을 파악하는데 유의미한 텍스트 데이터를 추출하여 제어부(130)로 입력한다. 이 때, 질의 입력 모듈(113)은 GUI를 통해 수신된 질의 정보에서 작업자 정보(예; 작업자 ID)와 항목별 텍스트 데이터를 추출하고 음성 인식 모듈(112)을 통해 변환된 텍스트 데이터를 취합하여 입력할 수 있다.

데이터베이스부(120)는 본 발명의 실시 예에 따른 문제 조치 제안 시스템(100)의 운영을 위한 각종 프로그램 및 데이터를 저장하고 그 운영에 따라 생성되는 데이터를 저장한다.

데이터베이스부(120)는 다양한 기기의 이상 발생에 대한 조치 매뉴얼과 작업자의 과거 조치 이력을 문제 조치 데이터로 DB(Data Base)화 하여 빅데이터를 구축한다.

예컨대, 도 2는 본 발명의 실시예에 따른 문제 조치 데이터 테이블을 개략적으로 나타낸다.

도 2를 참조하면, 본 발명의 실시 예에 따른 문제 조치 데이터 테이블은 기기 정보, 사용 환경, 측정 정보, 이상 정보 및 조치 내용 등의 다양한 항목을 포함한다.

상기 기기 정보는 해당 설비/제품의 모델, 사양, 제조일자, 사용시작일, 누적사용일, 소프트웨어(S/W) 버전 등을 포함한다.

상기 사용 환경은 생산량, 사이클타임, 공정, 부가기능 등을 포함한다.

상기 측정 정보는 문제 발생 시 센서류에서 수집된 온도, 전압, 전류, 저항, 진동, 농도 등의 측정값을 포함한다.

상기 이상 정보는 사용자로부터 입력된 이상 현상 질의 내용, 에러 코드 등을 포함한다.

상기 조치내용은 사용자의 문제 조치 시작 시간 및 종료 시간, 원인, 해결책, 조치 내용 등을 포함할 수 있다.

다만, 상기 문제 조치 데이터 테이블의 구성 항목은 활용하는 분야에 따라 상세 항목은 추가 및 변경될 수 있다.

데이터베이스부(120)는 상기 문제 조치 데이터에 기초한 매뉴얼 DB(121), 문제 조치 이력 DB(122) 및 데이터 관리 모듈(123)을 포함한다.

매뉴얼 DB(121)는 기기의 종류와 사양 별로 사전에 알려진 다양한 문제 상황의 에러 코드에 대한 조치 매뉴얼을 저장한다.

문제 조치 이력 DB(122)는 생산공장 및 서비스 센터의 현장 작업자가 각종 설비 및 제품 등의 기기에서 발생하는 다양한 문제 상황에 대하여 조치된 사례의 문제 조치 이력을 저장한다. 이는 상기 조치 매뉴얼 없이도 현장 작업자에 의해 과거에 조치된 이력과 노하우를 토대로 생성될 수 있다.

데이터 관리 모듈(123)은 사용자 질의 정보와 비교되는 매뉴얼 DB(121)와 문제 조치 이력 DB(122)를 관리한다.

데이터 관리 모듈(123)은 기기 별 다양한 문제에 대하여 숙련된 작업자의 경험과 노하우에 따라 조치된 결과를 수집하여 문제 조치 이력 DB(122)에 업데이트한다.

데이터 관리 모듈(123)은 질의 정보 요청에 따라 문제 조치 제안 시스템(100)에서 제안한 문제 조치 방법을 현장의 작업자가 수행한후 그 조치 이력을 피드백 받아 지속적으로 업데이트 할 수 있다.

또한, 데이터 관리 모듈(123)은 문제 조치 이력 DB(122)에서 관리중인 특정 문제 상황에 대한 조치 성공률이 일정 기준을 충족하여 신뢰성이 검증된 조치 방법에 대해서는 신규 에러 코드를 부여하고 그 조치 방법으로 지정하여 매뉴얼 DB(121)에서 관리할 수 있다.

제어부(130)는 본 발명의 실시 예에 따른 추천 알고리즘 기반 문제 조치 방법을 제안하기 위해 시스템 전반을 제어하는 중앙처리장치이다.

제어부(130)는 질의 입력부(110)로부터 입력된 텍스트 데이터를 추천 알고리즘에서 처리가능한 수치데이터로 변환하는 전처리 작업을 수행하고, 상기 수치데이터와 데이터베이스부(120)의 문제 조치 데이터 간의 유사도를 비교하여 문제 해결 가능성이 높은 순서의 조치 방법을 사용자 단말기(10)로 제안한다.

위와 같이 제어부(130)가 수행하는 일련의 처리과정을 본 발명의 실시 예에서는 사용자 질의 정보에 대하여 추천 알고리즘 기반 문제 조치 방법을 제안하는 것으로 정의한다.

제어부(130)는 상세 구성으로 전처리 모듈(131), 알고리즘 학습 모듈(132) 및 알고리즘 제어 모듈(133)을 포함한다.

전처리 모듈(131)은 상기 텍스트 데이터를 자연어 처리하여 불용어를 제거하고, 토크나이징(Tokenizing) 및 워드임베딩(Word Embedding) 등의 전처리 과정을 거쳐 추천 알고리즘에서 처리가능 하게 규정된 수치데이터로 변환한다.

도 3 및 도 4는 본 발명의 실시 예에 따른 사용자 질의 정보에 대한 전처리 방법을 나타낸다.

도 3 및 도 4를 참조하면, 전처리 모듈(131)은 질의 입력부(110)로부터 입력된 텍스트 데이터 중 에러 코드가 존재하는지 우선적으로 확인하여 매뉴얼 DB(121)에서 관련 조치 매뉴얼을 조회할 수 있다. 상기 에러 코드는 사전에 기기에서 발생될 수 있는 에러를 규정한 코드 값을 의미하며 기기의 자가진단 등을 통해 획득할 수 있다. 여기서, 상기 에러 코드가 존재한다는 것은 사전에 규정된 에러에 대하여 신뢰성이 검증된 조치 매뉴얼을 매뉴얼 DB(121)에서 관리하고 있는 것을 시사하는 것이다. 반대로, 상기 에러 코드가 없다는 것은 아직 잘 알려지지 않거나 흔치 않은 이상 상황이 발생한 것으로 통상 작업자의 노하우나 경력에 따라 결정되는 조치 상황을 의미할 수 있다. 그러므로, 작업자 측면에서는 확인가능한 에러 코드를 우선적으로 입력하여 해당 조치 매뉴얼을 질의 요청하는 것이 좋다.

다만, 질의 정보에 에러 코드가 없거나(N/A), 상기 에러 코드에 대한 조치 매뉴얼을 확보한다 하더라도 하나의 에러 코드(하나의 에러 케이스) 해결을 위해 다양한 부품들을 순차적으로 점검해야 하므로 많은 조치 절차와 시간이 소요되는 단점이 있다.

이에, 전처리 모듈(131)은 에러 코드 이외에 상기 질의 정보에 입력된 각 항목의 텍스트 데이터와 수치데이터를 이용하여 문제 조치 이력 DB(122)에서 문제 상황 조건에 맞는 유사한 데이터만 추출하기 위한 전처리 작업을 수행한다.

전처리 모듈(131)은 상기 텍스트 데이터에 대한 워드 임베딩(Word Embedding) 또는 항목별 숫자 값(예; 노후도, 측정값 등)에 대한 정규화(표준화라고도 함)를 수행하여 추천 알고리즘 처리에 적합한 수치데이터로 변환한다. 즉, 상기 수치데이터는 노후도나 측정값의 숫자 값들은 항목별로 스케일에 큰 차이가 나타날 수 있으므로 카테고리화 및 스케일러로 처리하여 정규화된 데이터로 가공되는 것이다.

예를 들면, 노후도의 경우 기기의 모델 별 특성을 파악하기 위한 생산일과 설치 시작일로부터 현재시점까지의 사용 기간별 카테고리를 숫자로 분류할 수 있다. 그리고, 측정값의 경우 온도 40도, 저항 10000옴의 해당 데이터를 그대로 입력 시 큰 수치의 데이터가 지속적으로 알고리즘 내에서 큰 영향도를 가지어 결과의 왜곡이 발생할 수 있다. 이를 방지하기 위하여 스케일러를 사용하여 수치 값을 조정할 수 있다. 예를 들어, 온도 값에 정규화 스케일러(MinMaxScaler)를 적용할 경우 조정 값 = (측정값 - Min) / (Max - Min)으로 계산이 가능하고, 이때의 Min, Max값을 해당 기기 사양에서 정의한 설비의 최소/최대 온도 운영조건이 될 수 있다.

전처리 모듈(131)은 상기 텍스트 데이터 중 사용자의 이상 현상 질의 내용에 수록된 문장을 토크나이저(Tokenizer)를 통해 자연어 처리하고 워드 임베딩 처리를 통한 수치데이터로 변환한다.

예컨대, 도 5는 본 발명의 실시 예에 따른 질의 내용 처리 방법을 나타낸다.

도 5를 참조하면, 전처리 모듈(131)은 문장 형식의 질의 내용을 토크나이저를 통해 자연어 처리하여 단어 단위의 텍스트 데이터로 분류하고 불용어를 제거한다. 이 때, 상기 단어는 자립하여 쓸 수 있는 하나 이상의 낱말로 구성될 수 있다.

가령, 상기 문장이 "구동부 모터 교체를 진행 하여도 1주일 후 지속 알람 발생"인 경우, "구동부, 모터, 교체, 진행, 1주일 후, 지속, 알람, 발생"의 단어로 각각 분류할 수 있다.

그리고, 전처리 모듈(131)은 분류된 단어들을 알고리즘 학습 모듈(132)에서 학습된 워드 임베딩 모델을 활용하여 추천 알고리즘에 사용 가능한 수치데이터로 변환한다. 상기 워드 임베딩이란 분류된 단어들을 벡터로 표현하기 위해 수치화하는 방법이며, 상기 수치화 과정에 워드 임베딩 모델이 활용된다.

알고리즘 학습 모듈(132)은 사용자 질의 정보에 대한 전처리 작업을 위해 사전에 결측치와 이상치 예측을 위한 정규화(표준화) 모델을 생성한다.

알고리즘 학습 모듈(132)은 상기 텍스트 데이터 중 항목별 숫자 값에 대한 카테고리화 및 스케일러 작업을 위한 정규화 모델을 생성할 수 있다.

알고리즘 학습 모듈(132)은 상기 텍스트 데이터 중 질의 내용의 전처리 작업을 위해 사전에 워드 임베딩 모델을 생성하고 DB화하여 관리한다.

알고리즘 제어 모듈(133)은 전처리된 데이터를 활용하여 유사도 조건에 맞는 데이터만 조치 이력 DB(122)에서 추출하고, 그 중에서 유사도가 가장 높은 조치 방법을 추천하여 사용자 단말기(10)의 GUI를 통해 제공한다.

이 때, 알고리즘 제어 모듈(133)은 질의 정보의 항목별 전처리된 데이터와 문제 조치 이력 DB(122) 데이터의 두 벡터간 유사도를 계산하여 가장 유사도가 높은 조치 방법을 추천할 수 있다. 예컨대, 상기 유사도 계산 방식은 두 벡터 간의 직선거리를 측정하는 유클리디안 거리 측정방식, 상기 두 벡터가 이루는 각도를 통해 유사도를 측정하는 코사인 유사도 측정 방식 및 상기 두 벡터의 데카르트 좌표(Cartesian coordinate)차의 절대값의 합을 이용한 맨하튼 거리 측정 방식 중 적어도 하나를 할 수 있다.

한편, 도 6은 본 발명의 실시 예에 따른 오류코드 존재 시 문제 조치 방법을 추천하는 GUI 화면을 나타낸다.

도 6을 참조하면, 알고리즘 제어 모듈(133)은 사용자의 질의 정보에 에러 코드가 존재하면, 우선적으로 매뉴얼 DB(132)에서 상기 에러 코드에 매칭된 조치 매뉴얼을 검출한다.

이 때, 에러 코드가 존재하는 조건에서의 조치 방법 제안은 사용자 옵션 선택에 따라 아래의 두가지 실시 예로 제공될 수 있다.

제1 실시 예로, 알고리즘 제어 모듈(133)은 상기 조치 매뉴얼에 포함된 하나이상의 조치 방법 중 발생 빈도가 높은 순으로 추천결과를 표시하되, 가장 발생 빈도가 높은 조치 방법을 강조하여 작업자에게 제안할 수 있다.

제2 실시 예로, 알고리즘 제어 모듈(133)은 상기 조치 매뉴얼에 포함된 하나이상의 조치 방법과 문제 조치 이력 DB(122)에서 추출된 조치 방법을 비교하여 유사도가 높은 순으로 추천결과를 표시하되, 가장 유사도가 높은 조치 방법을 강조하여 작업자에게 제안할 수 있다.

GUI 화면은 현장의 작업자가 제안된 조치 방법 중 실제 수행한 결과의 조치 내용을 입력하는 사용자 조치 결과 입력 메뉴를 포함한다.

작업자는 상기 제안된 조치 방법을 추천 순으로 수행하여 당해 문제를 해결한 최적 조치 결과(예; 4번) 또는 다른 조치 결과(예; 3번)를 GUI의 사용자 조치 결과 입력 메뉴에 입력 하여 피드백 한다.

알고리즘 제어 모듈(133)은 GUI를 통해 피드백된 조치 결과를 데이터 관리 모듈(123)로 전달하여 DB에 업데이트하도록 하며, 이를 통해 해당 조치 방법에 대한 발생 빈도를 증가시킬 수 있다.

이상의 설명과 같이, 제어부(130)는 제품 또는 생산설비의 문제 발생 상황에 대한 사용자의 질의 정보 수신 시 추천 알고리즘을 통해 유사한 사례의 조치 방법을 신속하게 제안함으로써 작업자의 의사 결정 지원 및 조치 시간을 줄일 수 있으며, 균일하게 향상된 품질을 제공할 수 있다.

이러한 제어부(130)는 시스템 내 각 모듈을 설정된 프로그램에 의하여 동작시키는 하나 이상의 프로세서로 구현될 수 있으며, 상기 설정된 프로그램은 본 발명의 실시 예에 따른 추천 알고리즘 기반 문제 조치 제안 방법의 각 단계를 수행하도록 프로그래밍 된 것일 수 있다.

이러한 추천 알고리즘 기반 문제 조치 제안 방법은 아래의 도면을 참조하여 더욱 구체적으로 설명하기로 한다.

도 7은 본 발명의 실시 예에 따른 추천 알고리즘 기반 문제 조치 방법을 나타낸 흐름도이다.

도 8 내지 도 10은 본 발명의 실시 예에 따른 생산설비에 문제가 발생된 시나리오를 가정한 GUI 화면 예시를 나타낸다.

도 7을 참조하면, 생산공장의 설비 보전 작업자는 특정 기기에 고장 이벤트가 발생하면 사용자 단말기(10)의 GUI를 통해 기기의 이상현상에 대한 사용자 질의 정보를 입력하여 조치 제안 검색을 요청한다(도 8 참조).

문제 조치 제안 시스템(100)의 제어부(130)는 사용자 단말기(10)로부터 기기의 이상 발생으로 인한 사용자 질의 정보를 수신하면(S110), 수신된 질의 정보를 분석하여 항목별 텍스트 데이터를 추출한다(S120).

제어부(130)는 추출된 텍스트 데이터에 에러 코드가 존재하는지 여부를 판단한다(S130).

이하, 본 발명의 실시 예에 따른 추천 알고리즘 기반 문제 조치 방법은 상기 에러 코드의 존재 여부에 따라 각각의 실시 예를 나누어 설명하도록 한다.

먼저, 제어부(130)는 추출된 텍스트 데이터에 에러 코드가 존재하지 않으면(S130; 아니오), 상기 텍스트 데이터를 본 발명의 실시 예에 따른 추천 알고리즘에서 처리가능한 수치데이터로 변환하는 전처리 작업을 수행한다(S140). 이 때, 제어부(130)는 상기 텍스트 데이터 중 노후도나 측정값과 같은 각 항목의 숫자 값을 카테고리화 및 스케일러로 처리하여 정규화된 수치데이터로 가공한다.

제어부(130)는 상기 텍스트 데이터 중 사용자의 이상 현상 질의 내용에 수록된 문장을 토크나이저(Tokenizer)를 통한 자연어 처리와 워드 임베딩 처리를 통한 수치데이터로 변환 한다(S150).

제어부(130)는 추천 알고리즘을 수행하여, 상기 수치데이터와 문제 조치 이력 DB(122)에 저장된 문제 조치 데이터 간의 유사도를 비교하고 문제 해결 가능성이 높은 순서의 조치 방법을 추천하여 사용자에게 제공한다(S170)

이 때, 제어부(130)는 상기 수치데이터와 문제 조치 이력 DB(122)에 저장된 데이터의 두 벡터간 유사도를 계산하여 유사도 기준 조건에 맞는 조치 방법만을 추출한다(S175).

제어부(130)는 추출된 조치 방법들을 유사가 높은 순으로 표시하되, 그 중에서 유사도가 가장 높은 고장 조치 방법을 추천 방법으로 제안하여 사용자 단말기(10)의 GUI를 통해 제공한다(S180)(도 9 참조).

이후, 제어부(130)는 사용자 단말기(10)의 GUI를 통해 작업자의 조치 수행 이후에 피드백된 조치 결과를 데이터 관리 모듈(123)로 전달하여 DB에 업데이트하도록 한다(S190).

한편, 상기 S130 단계에서, 제어부(130)는 상기 추출된 텍스트 데이터에 에러 코드가 존재하면(S130; 예), 상기 에러 코드를 매뉴얼 DB(121)에 조회하여 해당 조치 매뉴얼을 검출한다(S160).

이 때, 제어부(130)는 상기 에러 코드가 존재하는 조건에서의 추천 알고리즘을 수행함에 있어서, 사용자 옵션에 따라 조치 매뉴얼 DB(121)만을 활용하는 제1 실시 예 조치 매뉴얼 DB(121)와 문제 조치 이력 DB(122)를 모두 활용하는 실시 예를 선택적으로 수행할 수 있다.

예컨대, 상기 제1 실시 예의 경우, 제어부(130)는 상기 검출된 조치 매뉴얼을 획득하면(S165), 상기 조치 매뉴얼에 포함된 하나이상의 조치 방법 중 발생 빈도가 높은 순으로 추천결과를 표시하는 추천 알고리즘을 수행한다(S170). 그리고, 가장 발생 빈도가 높은 조치 방법을 강조하여 작업자에게 제안할 수 있다(S180)(도 10 참조).

또한, 상기 제2 실시 예의 경우, 제어부(130)는 상기 제1 실시 예에 따라 매뉴얼 DB(121)를 통해 상기 조치 매뉴얼에 포함된 하나이상의 조치 방법 중 발생 빈도가 높은 순으로 추천결과를 검출화는 과정, 및 조치 이력 DB(122)를 통해 유사도 기준 조건의 조치 방법을 추출하는 과정(S140 ~ S150)을 모두 진행한다. 그리고, 제어부(130)는 상기 조치 매뉴얼에 포함된 하나이상의 조치 방법과 문제 조치 이력 DB(122)에서 추출된 조치 방법을 비교하여 유사도가 높은 순으로 추천결과를 표시하되, 가장 유사도가 높은 조치 방법을 강조하여 작업자에게 제안할 수 있다.

이후, 제어부(130)는 사용자 단말기(10)의 GUI를 통해 작업자의 조치 수행 후 사용자 조치 결과를 데이터 관리 모듈(123)로 전달하여 DB에 업데이트하도록 한다(S190). 이 때, 데이터 관리 모듈(123)은 문제가 해결된 조치 방법의 비중 증가시키고, 수행 작업자의 의견 및 예상 조치 시간을 업데이트 함으로써 추후 같은 문제 발생시 작업자의 의사결정을 지원하고 해당 고장 복구 시간을 예측하여 공정준비를 할 수 있도록 한다.

이상에서는 본 발명의 실시 예는 추천 알고리즘 기반 문제 조치 방법을 생산설비에 문제가 발생된 시나리오를 가정하여 설명하였으나 이에 한정되지 않으며 서비스 센터에서의 제품 고장에 대한 조치방법을 제안하는 시나리오를 가정하여서도 설명이 가능하다.

예컨대, 도 11 내지 도 13은 본 발명의 다른 실시 예에 따른 서비스 센터에서 제품 고장의 조치 방법을 제안하는 시나리오를 가정한 GUI 화면 예시를 나타낸다.

도 11 내지 도 13을 참조하면, 특정 모델의 차량에 고장이 발생되어 서비스 센터에 입고된 경우 작업자는 GUI를 통해 고장 상황에 대한 사용자 질의 정보를 입력하여 조치 제안을 검색한다. 그리고, 문제 조치 제안 시스템(100)에서는 상기 질의 정보의 에러 코드 존재 여부에 따라 도출된 고장 조치 제안을 제공할 수 있다.

이는 앞서 도 7을 통해 설명한 추천 알고리즘 기반 문제 조치 방법을 참조하여 구현가능 하므로 중복되는 설명을 생략한다.

이와 같이, 본 발명의 실시 예에 따르면, 제품 또는 생산설비의 문제 발생 상황에 대한 사용자의 질의 정보를 수신하여 추천 알고리즘을 통해 유사한 조건의 조치 방법을 신속하게 제안함으로써 조치 시간을 줄일 수 있는 효과가 있다.

본 발명의 실시 예는 이상에서 설명한 장치 및/또는 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시 예의 구성에 대응하는 기능을 실현하기 위한 프로그램, 그 프로그램이 기록된 기록 매체 등을 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시 예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다.

이상에서 본 발명의 실시 예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

100: 문제 조치 제안 시스템 110: 질의 입력부
111: 통신 모듈 112: 음성 인식 모듈
113: 질의 입력 모듈 120: 데이터베이스부
121: 매뉴얼 DB 122: 문제 조치 이력 DB
123: 데이터 관리 모듈 130: 제어부
131: 전처리 모듈 132: 알고리즘 학습 모듈
133: 알고리즘 제어 모듈 10: 사용자 단말기

Claims

생산설비나 제품의 기기 이상으로 수신된 사용자 질의 정보에서 항목별 텍스트 데이터를 추출하는 질의 입력부;
기기의 이상 발생에 대한 작업자의 과거 조치 이력을 문제 조치 데이터로 DB(Data Base)화 하여 관리하는 데이터베이스부; 및
상기 텍스트 데이터를 추천 알고리즘에서 처리가능한 수치데이터로 변환하는 전처리 작업을 수행하고, 상기 수치데이터와 상기 데이터베이스부의 문제 조치 데이터 간의 유사도를 비교하여 문제 해결 가능성이 높은 순서의 조치 방법을 사용자에게 제안하는 제어부;
를 포함하는 추천 알고리즘 기반 문제 조치 제안 시스템.
제1항에 있어서,
상기 질의 입력부는
사용자 단말기의 GUI(Graphical User Interface)를 통해 텍스트(Text) 및 음성(Speech) 중 적어도 하나의 형식으로 기기의 문제상황에 대한 질의 정보를 수신하는 통신 모듈;
상기 음성을 음성인식 알고리즘을 통해 텍스트 데이터로 변환하는 음성 인식 모듈; 및
상기 질의 정보에서 사용자 정보와 항목별 텍스트 데이터를 추출하고 상기 음성 인식 모듈을 통해 변환된 텍스트 데이터를 취합하여 상기 제어부로 입력하는 질의 입력 모듈;
을 포함하는 추천 알고리즘 기반 문제 조치 제안 시스템.
제1항에 있어서,
상기 문제 조치 데이터 테이블은
기기 정보, 사용 환경, 측정 정보, 이상 정보 및 조치 내용 중 적어도 하나의 항목을 포함하는 추천 알고리즘 기반 문제 조치 제안 시스템.
제1항에 있어서,
상기 데이터베이스부는
상기 기기의 종류와 사양 별로 알려진 다양한 문제 상황의 에러 코드에 대한 조치 매뉴얼을 저장하는 매뉴얼 DB ;
생산공장이나 서비스 센터의 작업자가 각종 설비나 제품의 기기에서 발생하는 다양한 문제 상황에 대하여 조치된 사례의 문제 조치 이력을 저장하는 문제 조치 이력 DB ; 및
사용자 단말기로부터 지속적으로 상기 문제 조치 이력을 수신하여 상기 문제 조치 이력 DB 를 업데이트하는 데이터 관리 모듈;
을 포함하는 추천 알고리즘 기반 문제 조치 제안 시스템.
제4항에 있어서,
상기 데이터 관리 모듈은
상기 문제 조치 이력 DB 에서 관리 중인 문제 상황에 대한 조치 성공률이 일정 기준을 충족하여 신뢰성이 검증된 조치 방법에 대해서는 신규 에러 코드를 부여하고 상기 매뉴얼 DB 에서 관리하는 추천 알고리즘 기반 문제 조치 제안 시스템.
제1항에 있어서,
상기 사용자 질의 정보는 기기 정보, 노후도, 상태 측정값 및 이상 현상 질의 내용을 포함하는 추천 알고리즘 기반 문제 조치 제안 시스템.
제1항 내지 제6항 중 어느 한 항에 있어서,
상기 제어부는
상기 텍스트 데이터를 자연어 처리하여 불용어를 제거하고 토크나이징(Tokenizing) 및 워드임베딩(Word Embedding) 과정을 거쳐 상기 추천 알고리즘에서 처리가능 하게 규정된 수치데이터로 변환하는 전처리 모듈;
상기 텍스트 데이터 중 사용자의 이상 현상 질의 내용의 전처리 작업을 위해 사전에 워드 임베딩 모델을 생성하고 DB화하여 관리하는 알고리즘 학습 모듈; 및
상기 수치데이터를 활용하여 상기 데이터베이스부의 문제 조치 이력 DB 에서 유사도 조건에 맞는 데이터를 추출하고, 그 중에서 유사도가 가장 높은 조치 방법을 추천하여 사용자 단말기의 GUI를 통해 제공하는 알고리즘 제어 모듈;
을 포함하는 추천 알고리즘 기반 문제 조치 제안 시스템.
제7항에 있어서,
상기 전처리 모듈은
상기 질의 정보로 입력된 노후도 및 상태 측정값 항목별 숫자 값들을 카테고리화 및 스케일러로 처리하여 정규화된 수치데이터로 가공하는 추천 알고리즘 기반 문제 조치 제안 시스템.
제7항에 있어서,
상기 알고리즘 제어 모듈은
상기 수치데이터와 상기 문제 조치 이력 DB 데이터의 두 벡터간 유사도를 계산하여 유사도가 높은 순서의 조치 방법을 추천하는 추천 알고리즘 기반 문제 조치 제안 시스템.
제9항에 있어서,
상기 알고리즘 제어 모듈은
상기 두 벡터 간의 직선거리를 측정하는 유클리디안 거리 측정방식, 상기 두 벡터가 이루는 각도를 통해 유사도를 측정하는 코사인 유사도 측정 방식 및 상기 두 벡터의 데카르트 좌표(Cartesian coordinate) 차의 절대값의 합을 계산하는 맨하튼 거리 측정 방식 중 적어도 하나를 이용하여 유사도를 계산하는 추천 알고리즘 기반 문제 조치 제안 시스템.
제7항에 있어서,
상기 전처리 모듈은
상기 텍스트 데이터 중 에러 코드가 존재하는지 우선적으로 확인하여 상기 데이터베이스부의 매뉴얼 DB 에서 관련 조치 매뉴얼을 조회하는 추천 알고리즘 기반 문제 조치 제안 시스템.
제11항에 있어서,
상기 알고리즘 제어 모듈은
상기 조치 매뉴얼에 포함된 하나이상의 조치 방법 중 발생 빈도가 높은 순으로 추천결과를 표시하되, 가장 발생 빈도가 높은 조치 방법을 강조하여 사용자에게 제안하는 추천 알고리즘 기반 문제 조치 제안 시스템.
제11항에 있어서,
상기 알고리즘 제어 모듈은
상기 조치 매뉴얼에 포함된 하나이상의 조치 방법과 상기 문제 조치 이력 DB 에서 추출된 조치 방법을 비교하여 유사도가 높은 순으로 추천결과를 표시하되, 가장 유사도가 높은 조치 방법을 강조하여 사용자에게 제안하는 추천 알고리즘 기반 문제 조치 제안 시스템.
문제 조치 제안 시스템의 추천 알고리즘 기반 문제 조치 제안 방법에 있어서,
a) 생산설비나 제품의 기기 이상 발생으로 사용자 단말기로부터 수신된 사용자 질의 정보에서 항목별 텍스트 데이터를 추출하는 단계;
b) 상기 텍스트 데이터에 에러 코드가 존재하는지 여부를 판단하는 단계;
c) 상기 에러 코드가 존재하지 않으면, 상기 텍스트 데이터를 추천 알고리즘에서 처리가능한 수치데이터로 변환하는 전처리 작업을 수행하는 단계; 및
d) 추천 알고리즘을 수행하여 상기 수치데이터와 데이터베이스부의 문제 조치 이력 DB 에 저장된 문제 조치 데이터 간의 유사도를 비교하고 문제 해결 가능성이 높은 순서의 조치 방법을 추천하여 사용자 단말기로 제공하는 단계;
를 포함하는 추천 알고리즘 기반 문제 조치 제안 방법.
제14항에 있어서,
상기 c) 단계는,
상기 텍스트 데이터의 항목별 숫자 값들을 카테고리화 및 스케일러로 처리하여 정규화된 수치데이터로 가공하는 단계; 및
상기 텍스트 데이터 중 사용자의 이상 현상 질의 내용에 수록된 문장을 토크나이저를 통한 자연어 처리와 워드 임베딩 처리를 통한 수치데이터로 변하는 단계;
를 포함하는 추천 알고리즘 기반 문제 조치 제안 방법.
제14항에 있어서,
상기 d) 단계는,
상기 수치데이터와 문제 조치 이력 DB 에 저장된 데이터의 두 벡터간 유사도를 계산하여 유사도 기준 조건에 맞는 조치 방법만을 추출하는 단계; 및
추출된 조치 방법들 중에서 유사도가 가장 높은 고장 조치 방법을 제안하여 사용자 단말기를 통해 제공하는 단계;
를 포함하는 추천 알고리즘 기반 문제 조치 제안 방법.
제14항 내지 제16항 중 어느 한 항에 있어서,
상기 b) 단계 이후에,
상기 에러 코드가 존재하면, 사용자 옵션 선택에 따라 상기 데이터베이스부의 매뉴얼 DB 에 관련 조치 매뉴얼을 조회하는 단계; 및
상기 조치 매뉴얼에 포함된 하나이상의 조치 방법 중 발생 빈도가 높은 순의 추천결과를 사용자 단말기의 GUI를 통해 표시하되, 가장 발생 빈도가 높은 조치 방법을 강조하여 사용자에게 제안하는 단계;
를 더 포함하는 추천 알고리즘 기반 문제 조치 제안 방법.
제14항 내지 제16항 중 어느 한 항에 있어서,
상기 b) 단계 이후에 상기 에러 코드가 존재하면 상기 데이터베이스부의 매뉴얼 DB 에 관련 조치 매뉴얼을 조회하는 단계를 더 포함하되,
상기 d) 단계는, 상기 조치 매뉴얼에 포함된 하나이상의 조치 방법과 상기 문제 조치 이력 DB 에서 추출된 조치 방법을 비교하여 유사도가 높은 순으로 추천결과를 사용자 단말기의 GUI를 통해 표시하되, 가장 유사도가 높은 조치 방법을 강조하여 사용자에게 제안하는 단계;
를 포함하는 추천 알고리즘 기반 문제 조치 제안 방법.
제14항에 있어서,
상기 d) 단계 이후에,
상기 사용자 단말기의 GUI를 수신된 사용자 조치 이력을 상기 문제 조치 이력 DB 에 저장하되, 문제 해결에 성공한 조치 방법의 비중을 증가시키고 사용자의 의견 및 예상 조치 시간을 업데이트하는 단계를 더 포함하는 추천 알고리즘 기반 문제 조치 제안 방법.