KR20230081069A - Motor fault determination system - Google Patents

Motor fault determination system Download PDF

Info

Publication number
KR20230081069A
KR20230081069A KR1020210168770A KR20210168770A KR20230081069A KR 20230081069 A KR20230081069 A KR 20230081069A KR 1020210168770 A KR1020210168770 A KR 1020210168770A KR 20210168770 A KR20210168770 A KR 20210168770A KR 20230081069 A KR20230081069 A KR 20230081069A
Authority
KR
South Korea
Prior art keywords
motor
defective
measurement information
noise measurement
noise
Prior art date
Application number
KR1020210168770A
Other languages
Korean (ko)
Inventor
윤근수
Original Assignee
주식회사 한국엠프로
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 한국엠프로 filed Critical 주식회사 한국엠프로
Priority to KR1020210168770A priority Critical patent/KR20230081069A/en
Publication of KR20230081069A publication Critical patent/KR20230081069A/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H15/00—Measuring mechanical or acoustic impedance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)

Abstract

모터 불량 여부 판단 시스템이 제공된다. 본 발명의 실시예에 따른 모터 불량 여부 판단 시스템은, 검사 대상 모터의 소음 측정 정보를 획득하고, 복수의 모터의 소음 측정 정보 학습 결과를 이용하여 상기 검사 대상 모터의 불량 여부를 판단하는 모터 불량 여부 판단 시스템에 있어서, 상기 모터 불량 여부 판단 시스템은, 상기 소음 측정 정보 학습 결과 및 기 설정된 기준을 획득하여 불량 여부 판단 정보를 생성하며, 상기 검사 대상 모터의 상기 소음 측정 정보에서 노이즈를 제거한 노이즈 제거 소음 측정 정보를 획득하는 소음 측정 정보 획득부; 및 상기 불량 여부 판단 정보와 상기 노이즈 제거 소음 측정 정보를 이용하여 상기 검사 대상 모터의 상기 불량 여부를 판단하며, 상기 판단 결과를 저장 및 학습하여 상기 불량 여부 판단을 위한 근거로 더 사용하는 검사 대상 모터 불량 판단부;를 포함한다.A system for determining whether a motor is defective is provided. A system for determining whether a motor is defective according to an embodiment of the present invention obtains noise measurement information of a motor to be inspected, and determines whether or not the motor to be inspected is defective by using a result of learning the noise measurement information of a plurality of motors. In the determination system, the system for determining whether the motor is defective generates noise determination information by obtaining a result of learning the noise measurement information and a predetermined criterion, and removes noise from the noise measurement information of the motor to be inspected. a noise measurement information acquisition unit for acquiring measurement information; and determining whether or not the motor to be inspected is defective by using the defect determination information and the noise removal noise measurement information, and further using the result of the test as a basis for determining the defect by storing and learning the result of the test. It includes; defective determination unit.

Description

모터 불량 여부 판단 시스템{Motor fault determination system} Motor fault determination system {Motor fault determination system}

본 발명은 모터 불량 여부 판단 시스템에 관한 것으로, 특히, 모터에 대한 소음 측정 정보 학습 결과를 이용하여 소음 측정 정보를 통해 모터의 불량 여부를 판단할 수 있는 모터 불량 여부 판단 시스템에 관한 것이다. The present invention relates to a system for determining whether a motor is defective, and more particularly, to a system for determining whether a motor is defective through noise measurement information using a result of learning noise measurement information about the motor.

일반적으로 음향방출 검사(Acoustic Emission Testing, AET)는 피검체가 변형, 열 또는 파괴되는 과정에서 수반되는 에너지가 탄성파로 방출되는 것을 검출기를 통해 검출함으로써 피검체에 파손 또는 균열 등의 결함이 발생하였는지 확인하기 위한 것이다. In general, Acoustic Emission Testing (AET) detects the emission of energy in the form of elastic waves during the process of deformation, heat, or destruction of a test object through a detector to determine whether defects such as breakage or cracks have occurred in the test object. It is to check.

음향 방출 검사를 통해 획득되는 데이터는 피검체의 파손/균열 등의 결함 유무를 확인할 수 있는 유효한 데이터이다. 그러나 이러한 음향 방출 검사를 통해 획득되는 데이터의 경우 작업자의 숙련도에 따라 검사 결과가 상이하게 나타날 수 있는 문제점이 존재한다.The data obtained through the acoustic emission test is valid data for confirming the presence or absence of defects such as breakage/cracks in the test object. However, in the case of data obtained through such an acoustic emission test, there is a problem in that test results may appear differently depending on the skill level of an operator.

한국등록특허 제10-1723523호Korean Patent Registration No. 10-1723523

상기와 같은 종래 기술의 문제점을 해결하기 위해, 본 발명의 일 실시예는 정상 모터의 소음 측정 정보 추정 결과를 이용하여 실시간으로 측정되는 검사 대상 모터의 소음 측정 정보를 비교하고, 비교 결과를 통해 검사 대상 모터의 불량 여부를 판단할 수 있는 모터 불량 여부 판단 시스템을 제공하고자 한다.In order to solve the problems of the prior art as described above, an embodiment of the present invention compares the noise measurement information of the motor to be tested measured in real time using the noise measurement information estimation result of the normal motor, and the inspection through the comparison result. An object of the present invention is to provide a system for determining whether a target motor is defective or not.

또한, 본 발명의 일 실시예는 검사 대상 모터의 불량 여부 판단 결과를 기계학습 알고리즘을 통해 학습하여 이중으로 검사 대상 모터의 불량 여부를 판단할 수 있는 모터 불량 여부 판단 시스템을 제공하고자 한다.In addition, an embodiment of the present invention is to provide a motor defect determination system capable of double determining whether the test target motor is defective by learning the result of determining whether the test target motor is defective through a machine learning algorithm.

위와 같은 과제를 해결하기 위한 본 발명의 일 측면에 따르면, 모터 불량 여부 판단 시스템이 제공된다. 상기 모터 불량 여부 판단 시스템은, 검사 대상 모터의 소음 측정 정보를 획득하고, 복수의 모터의 소음 측정 정보 학습 결과를 이용하여 상기 검사 대상 모터의 불량 여부를 판단하는 모터 불량 여부 판단 시스템에 있어서, 상기 모터 불량 여부 판단 시스템은, 상기 소음 측정 정보 학습 결과 및 기 설정된 기준을 획득하여 불량 여부 판단 정보를 생성하며, 상기 검사 대상 모터의 상기 소음 측정 정보에서 노이즈를 제거한 노이즈 제거 소음 측정 정보를 획득하는 소음 측정 정보 획득부; 및 상기 불량 여부 판단 정보와 상기 노이즈 제거 소음 측정 정보를 이용하여 상기 검사 대상 모터의 상기 불량 여부를 판단하며, 상기 판단 결과를 저장 및 학습하여 상기 불량 여부 판단을 위한 근거로 더 사용하는 검사 대상 모터 불량 판단부;를 포함한다.According to one aspect of the present invention for solving the above problems, a system for determining whether a motor is defective is provided. The motor defect determination system obtains noise measurement information of a motor to be tested, and uses a result of learning noise measurement information of a plurality of motors to determine whether the motor to be inspected is defective. In the motor defect determination system, the The system for determining whether a motor is defective generates noise determination information by obtaining a result of learning the noise measurement information and a predetermined criterion, and obtains noise removal noise measurement information obtained by removing noise from the noise measurement information of the motor to be inspected. a measurement information acquisition unit; and determining whether or not the motor to be inspected is defective by using the defect determination information and the noise removal noise measurement information, and further using the result of the test as a basis for determining the defect by storing and learning the result of the test. It includes; defective determination unit.

상기 소음 측정 정보 획득부는, 상기 학습 결과 및 상기 기 설정된 기준을 획득하는 판단 기초 정보 획득 모듈; 상기 기 설정된 기준을 상기 학습 결과에 적용하여 상기 검사 대상 모터의 불량 여부를 판단하기 위한 기초 정보인 상기 불량 여부 판단 정보를 생성하는 불량 여부 판단 정보 생성 모듈; 및 상기 검사 대상 모터의 상기 소음 측정 정보의 상기 노이즈를 제거한 상기 노이즈 제거 소음 측정 정보를 획득하는 노이즈 제거 소음 측정 정보 획득 모듈;을 포함할 수 있다.The noise measurement information acquisition unit may include: a judgment basic information acquisition module for acquiring the learning result and the predetermined criterion; a defect determination information generation module for generating the defect determination information, which is basic information for determining whether the test target motor is defective, by applying the predetermined criterion to the learning result; and a noise removal noise measurement information acquisition module configured to obtain the noise removal noise measurement information obtained by removing the noise of the noise measurement information of the motor to be tested.

상기 불량 여부 판단 정보 생성 모듈은, 기 설정된 기준을 벗어나는 모터 소음 측정 정보를 불량 영역으로 설정하고, 기 설정된 기준 범위에 포함되는 모터 소음 측정 정보를 정상 영역으로 설정할 수 있다.The defect determination information generation module may set motor noise measurement information outside of a predetermined standard as a defective area, and set motor noise measurement information included in a predetermined standard range as a normal area.

상기 검사 대상 모터 불량 판단부는, 상기 불량 여부 판단 정보 및 상기 노이즈 제거 소음 측정 정보를 이용하여 상기 검사 대상 모터의 사전 불량 여부를 판단하는 사전 불량 여부 판단 모듈; 상기 사전 불량 여부 판단 결과를 저장하고 기 설정된 학습 알고리즘을 이용하여 학습하는 불량 여부 학습 모듈; 및 상기 학습 결과를 이용하여 상기 검사 대상 모터의 최종 불량 여부를 판단하는 최종 불량 여부 판단 모듈;을 포함할 수 있다.The test target motor defect determination unit may include a preliminary defect determination module for determining whether the test target motor is defective in advance using the defect determination information and the noise cancellation noise measurement information; a failure detection learning module for storing the preliminary failure determination result and learning using a preset learning algorithm; and a final defect determination module for determining whether the test target motor is finally defective by using the learning result.

상기 불량 여부 학습 모듈은, 상기 기 설정된 학습 알고리즘으로 상기 사전 불량 여부 판단 결과 개수가 기 설정된 개수 이상 획득된 경우 CNN 알고리즘을 사용하며, 상기 사전 불량 여부 판단 결과 개수가 상기 기 설정된 개수 미만 획득된 경우 AAE 알고리즘을 사용할 수 있다.The defectiveness/defectiveness learning module uses a CNN algorithm when the number of preliminary defects determined by the preset learning algorithm is greater than or equal to a preset number, and when the number of defects as a result of the preliminary defects determined is less than the preset number. AAE algorithm can be used.

본 발명의 일 실시예에 따른 모터 불량 여부 판단 시스템은, 외부로부터 정상 모터에 대한 세부 기준을 획득하지 않더라도, 획득한 소음 측정 정보를 학습하여 정상 모터의 소음 측정 정보를 추정한 결과를 이용하여 실시간으로 측정되는 검사 대상 모터의 소음 측정 정보를 비교하고, 비교 결과를 통해 검사 대상 모터의 불량 여부를 판단할 수 있는 효과가 있다. The system for determining whether a motor is defective according to an embodiment of the present invention learns the acquired noise measurement information and uses the result of estimating the noise measurement information of a normal motor even if a detailed standard for a normal motor is not obtained from the outside, in real time. There is an effect of comparing the noise measurement information of the motor to be inspected, which is measured as , and determining whether the motor to be inspected is defective or not through the comparison result.

또한, 본 발명의 일 실시예에 따른 모터 불량 여부 판단 시스템은, 검사 대상 모터의 불량 여부 판단 결과를 기계학습 알고리즘을 통해 학습하여 이중으로 검사 대상 모터의 불량 여부를 판단할 수 있는 효과가 있다. In addition, the system for determining whether the motor is defective according to an embodiment of the present invention has an effect of double determining whether the motor to be tested is defective by learning the result of determining whether the motor to be tested is defective through a machine learning algorithm.

도 1은 본 발명의 실시예에 따른 모터 불량 여부 판단 시스템의 동작을 간단히 나타낸 도이다.
도 2는 도 1의 소음 측정 정보 획득부에 대한 블록도이다.
도 3은 도 1의 검사 대상 모터 불량 판단부에 대한 블록도이다.1 is a diagram simply illustrating the operation of a system for determining whether a motor is defective according to an embodiment of the present invention.
FIG. 2 is a block diagram of a noise measurement information acquisition unit of FIG. 1 .
3 is a block diagram of a defective determination unit for the motor to be inspected in FIG. 1 .

이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조부호를 붙였다.Hereinafter, with reference to the accompanying drawings, embodiments of the present invention will be described in detail so that those skilled in the art can easily carry out the present invention. This invention may be embodied in many different forms and is not limited to the embodiments set forth herein. In order to clearly describe the present invention in the drawings, parts irrelevant to the description are omitted, and the same reference numerals are assigned to the same or similar components throughout the specification.

도 1은 본 발명의 실시예에 따른 모터 불량 여부 판단 시스템의 동작을 간단히 나타낸 도이고, 도 2는 도 1의 소음 측정 정보 획득부에 대한 블록도이며, 도 3은 도 1의 검사 대상 모터 불량 판단부에 대한 블록도이다.1 is a diagram simply showing the operation of a system for determining whether or not a motor is defective according to an embodiment of the present invention, FIG. 2 is a block diagram of a noise measurement information acquisition unit of FIG. 1, and FIG. 3 is a defective motor to be inspected in FIG. 1 It is a block diagram of the judgment unit.

본 발명의 실시예에 따른 모터 불량 여부 판단 시스템(1, 이하 시스템이라 함)은, 검사 대상 모터 소음 측정 정보(2)를 획득하고, 복수의 모터 소음 측정 정보 학습 결과를 이용해 획득한 정보(2)를 처리하여 검사 대상 모터 최종 모터 불량 정보(3)를 출력하도록 형성된다. 이를 위해 본 발명의 일 실시예에 따른 시스템(1)은 소음 측정 정보 획득부(11)를 통해 불량 여부 판단을 위한 기초 정보들을 획득하고, 검사 대상 모터 불량 판단부(13)를 이용하여 최종 불량 여부를 판단하도록 형성된다. 여기서 소음 측정 정보는 AE 센서, 가속도 센서 또는 진동 센서 중 어느 하나를 이용하여 모터로부터 획득되는 정보이다. 본 발명의 시스템(1)은 검사 대상 모터의 소음 측정 정보를 획득하고, 복수의 모터에 대한 소음 측정 정보 학습 결과를 이용하여 검사 대상 모터의 불량 여부를 판단하도록 형성된다. 복수의 모터에 대한 소음 측정 정보 학습 결과는, 기 입력된 정보일 수도 있고, 본 발명의 시스템(1)에서 사전에 외부로부터 모터의 정상 기준을 입력 받지 않은 상태에서 기 설정된 알고리즘을 통해 학습한 불량 여부 기준일 수 있지만, 기 설정된 알고리즘을 통해 사전 학습된 불량 여부 기준이 바람직하다.The system for determining whether a motor is defective (1, hereinafter referred to as the system) according to an embodiment of the present invention obtains test target motor noise measurement information (2), and obtains information (2) obtained using a plurality of motor noise measurement information learning results. ) to output the final motor defect information (3) of the motor to be inspected. To this end, the system 1 according to an embodiment of the present invention obtains basic information for determining whether or not a defect is present through the noise measurement information acquisition unit 11, and uses the test target motor defect determination unit 13 to obtain the final defect. formed to determine whether Here, the noise measurement information is information obtained from a motor using any one of an AE sensor, an acceleration sensor, and a vibration sensor. The system 1 of the present invention is configured to acquire noise measurement information of a motor to be tested, and to determine whether the motor to be tested is defective by using a result of learning noise measurement information for a plurality of motors. The result of learning noise measurement information for a plurality of motors may be pre-input information, and in the system 1 of the present invention, defects learned through a preset algorithm in a state where the normal standard of the motor is not input from the outside in advance. It may be a criterion for whether or not it is defective, but a criterion for whether or not it is defective is pre-learned through a preset algorithm.

본 발명의 일 실시예에 따른 시스템(1)은 도 1에 도시된 바와 같이 소음 측정 정보 획득부(11) 및 검사 대상 모터 불량 판단부(13)를 포함할 수 있다.As shown in FIG. 1 , the system 1 according to an embodiment of the present invention may include a noise measurement information acquisition unit 11 and a test target motor failure determination unit 13 .

소음 측정 정보 획득부(11)는 검사 대상 모터의 불량을 판단하기 위한 기초 정보를 획득하도록 형성된다. 소음 측정 정보 획득부(11)는 사전 학습된 불량 여부 기준과 기 설정된 기준을 획득하여 불량 여부 판단 정보를 생성하고, 검사 대상 모터의 소음 측정 정보에서 노이즈를 제거한 노이즈 제거 소음 측정 정보를 획득하도록 형성되며, 이를 위해 도 2에 도시된 바와 같이 판단 기초 정보 획득 모듈(111), 불량 여부 판단 정보 생성 모듈(113) 및 노이즈 제거 소음 측정 정보 획득 모듈(115)을 세부 구성으로 포함할 수 있다.The noise measurement information acquisition unit 11 is configured to acquire basic information for determining a defect in a motor to be inspected. The noise measurement information acquisition unit 11 acquires a pre-learned failure criterion and a preset criterion to generate failure determination information and to obtain noise cancellation noise measurement information obtained by removing noise from the noise measurement information of the motor to be inspected. To this end, as shown in FIG. 2, it may include a determination base information acquisition module 111, a defect determination information generation module 113, and a noise removal noise measurement information acquisition module 115 as detailed configurations.

판단 기초 정보 획득 모듈(111)은 사전 학습 결과와 기 설정된 기준을 획득하도록 형성된다. 여기서 사전 학습 결과는 외부로부터 모터의 정상 기준을 입력 받지 않은 상태에서 기 설정된 알고리즘을 통해 학습한 불량 여부 기준으로 모터 종류 별 정상 기준값일 수 있으며, 기 설정된 기준은 외부 단말기로부터 설정된 불량 판단률 또는 불량 판단 기준값일 수 있다.The judgment-based information acquisition module 111 is configured to obtain a pre-learning result and a preset criterion. Here, the pre-learning result may be a normal standard value for each motor type based on a standard of whether the motor is defective or not learned through a preset algorithm in a state where the normal standard of the motor is not received from the outside, and the preset standard is a defect determination rate set from an external terminal or a defect rate. It may be a judgment reference value.

판단 기초 정보 획득 모듈(111)에서 사전 학습 결과와 기 설정된 기준을 획득하면, 불량 여부 판단 정보 생성 모듈(113)은 기 설정된 기준을 사전 학습 결과에 적용하여 검사 대상 모터의 불량 여부를 판단하기 위한 기초 정보인 불량 여부 판단 정보를 생성할 수 있다. When the pre-learning result and the predetermined criterion are obtained from the judgment basic information acquisition module 111, the defect determination information generation module 113 applies the predetermined criterion to the pre-learning result to determine whether the test target motor is defective. Defect or non-defect determination information, which is basic information, may be generated.

기 설정된 기준은 사전 학습 결과를 명확하게 하기 위한 보조 정보로 사용될 수 있다. 기 설정된 기준과 사전 학습 결과에서 획득한 정상 기준이 차이가 존재하는 경우, 불량 여부 판단 정보 생성 모듈(113)은 기 설정된 기준에 대한 검증을 위해 외부 단말기로 기준 확인 요청 신호를 전송한다. 이때, 외부 단말기에서 동일한 기준값이 입력되는 경우, 불량 여부 판단 정보 생성 모듈(113)은 해당 기준값을 사전 학습 결과에 반영하여 기준을 정상 기준을 강제로 변경할 수 있다.A predetermined criterion may be used as auxiliary information for clarifying a pre-learning result. When there is a difference between the preset standard and the normal standard obtained from the pre-learning result, the defect determination information generation module 113 transmits a standard confirmation request signal to an external terminal to verify the preset standard. At this time, when the same reference value is input from the external terminal, the defect determination information generation module 113 may forcibly change the reference value to a normal reference by reflecting the reference value to the pre-learning result.

이는 본 발명의 효과와 일부 차이를 나타내는 구성이지만, 산업 현장에서 수요자의 특별한 요구에 따라 정상 모터 기준이 변경되는 등의 특수 주문에 대응하기 위한 구성이며 따라서 본 발명의 기본적인 목표인 학습 결과를 이용한 자동 정상 기준 획득 효과와 상충하는 구성은 아님이 자명하다.Although this is a configuration showing some differences from the effect of the present invention, it is a configuration for responding to special orders such as the normal motor standard being changed according to the special request of the consumer in the industrial field, and therefore automatic It is obvious that the configuration does not conflict with the normal standard acquisition effect.

불량 여부 판단 정보 생성 모듈(113)은 기 설정된 기준이 존재하는 경우 불량 영역을 기 설정된 기준을 이용하여 설정하며, 기 설정된 기준이 존재하지 않는 경우 불량 영역을 사전 학습 결과를 이용하여 설정할 수 있다.The defect determination information generation module 113 may set a defect area using a preset criterion when a preset criterion exists, and may set a defect area using a pre-learning result when a preset criterion does not exist.

불량 여부 판단 정보 생성 모듈(113)은 사전 학습 결과 또는 기 설정된 기준의 범위를 벗어나는 영역을 불량 영역으로 설정하고, 범위에 포함되는 영역을 정상 영역으로 설정할 수 있다.The defect determination information generation module 113 may set an area outside the range of a pre-learning result or a preset standard as a defect area, and set an area included in the range as a normal area.

노이즈 제거 소음 측정 정보 획득 모듈(115)은 획득한 검사 대상 모터의 소음 측정 정보로부터 노이즈를 제거한 노이즈 제거 소음 측정 정보를 획득하도록 형성된다. 노이즈 제거 소음 측정 정보 획득 모듈(115)은 검사 대상 모터의 소음 측정 정보를 획득하고, 획득한 소음 측정 정보에서 상술한 소음 측정 검사 공간의 노이즈를 획득한다. 이후 노이즈 제거 소음 측정 정보 획득 모듈(115)은 검사 대상 모터의 소음 측정 정보에서 노이즈를 제거한 노이즈 제거 소음 측정 정보를 획득할 수 있다.The noise elimination noise measurement information acquisition module 115 is configured to obtain noise elimination noise measurement information obtained by removing noise from the acquired noise measurement information of the motor to be tested. The noise cancellation noise measurement information acquisition module 115 acquires noise measurement information of the motor to be tested, and obtains the noise of the above-described noise measurement test space from the acquired noise measurement information. Thereafter, the noise cancellation noise measurement information acquisition module 115 may obtain noise cancellation noise measurement information obtained by removing noise from the noise measurement information of the motor to be tested.

소음 측정 정보 획득부(11)를 이용하여 검사 대상 모터의 불량 여부를 판단하기 위한 기초 정보들의 획득을 완료하면, 본 발명의 시스템(1)은 검사 대상 모터 불량 판단부(13)를 이용하여 검사 대상 모터의 불량 여부를 판단하도록 형성된다. When the acquisition of basic information for determining whether a motor to be tested is defective using the noise measurement information acquisition unit 11 is completed, the system 1 of the present invention inspects the motor using the defective motor to be tested 13 It is formed to determine whether the target motor is defective.

검사 대상 모터 불량 판단부(13)는 불량 여부 판단 정보와 노이즈 제거 소음 측정 정보를 이용하여 검사 대상 모터의 불량 여부를 판단하며, 판단 결과를 저장 및 학습하고, 불량 여부 판단을 위한 근거로 더 사용하도록 형성된다. 이를 위해 본 발명의 검사 대상 모터 불량 판단부(13)는 도 3에 도시된 바와 같이 사전 불량 여부 판단 모듈(131), 불량 여부 학습 모듈(133) 및 최종 불량 여부 판단 모듈(135)을 포함하도록 형성될 수 있다.The test target motor defect determination unit 13 determines whether the test target motor is defective by using the defect determination information and the noise removal noise measurement information, stores and learns the result of the test, and further uses it as a basis for determining the defect or not. is formed to To this end, the test target motor defect determination unit 13 of the present invention includes a preliminary failure determination module 131, a failure determination learning module 133, and a final failure determination module 135, as shown in FIG. can be formed

사전 불량 여부 판단 모듈(131)은 불량 여부 판단 정보 및 노이즈 제거 소음 측정 정보를 이용하여 검사 대상 모터의 사전 불량 여부를 판단한다. 사전 불량 여부는 사전 학습 결과와 노이즈 제거 소음 측정 정보를 비교하여 판단된다. 사전 불량 여부 판단 모듈(131)을 통해 본 발명에서는 검사 대상 모터에 대한 정상 기준 값을 외부로부터 획득하지 않은 상태에서 불량 여부를 판단할 수 있다.The preliminary failure determination module 131 determines whether the motor to be inspected is defective in advance by using the failure determination information and the noise removal noise measurement information. Whether or not the dictionary is defective is determined by comparing the preliminary learning result with the noise removal noise measurement information. In the present invention, through the preliminary failure determination module 131, it is possible to determine whether a motor is defective or not in a state in which a normal reference value for a motor to be inspected is not obtained from the outside.

불량 여부 학습 모듈(133)은 사전 불량 여부 판단 결과를 저장하고, 기 설정된 학습 알고리즘을 이용하여 판단 결과를 학습하도록 형성된다. 불량 여부 학습 모듈(133)은 사전 불량 여부 판단 결과를 저장하고 외부로 판단 결과를 출력할 수 있다. 검사 대상 모터가 불량인 경우, 외부에서는 사용자가 최종 생산 제품의 불량률을 감소시키기 위해 해당 검사 대상 모터를 공정에서 제외하는 동작이 이루어진다. 여기서, 사용자는 해당 검사 대상 모터의 실제 불량 여부를 재검수 할 수 있으며, 검수 결과를 불량 여부 학습 모듈(133)에 더 입력할 수 있다.The defectiveness learning module 133 is configured to store a preliminary defectiveness determination result and to learn the determination result using a preset learning algorithm. The defectiveness or non-defective learning module 133 may store a preliminary defect or non-defective determination result and output the determined result to the outside. If the motor to be inspected is defective, the user externally removes the motor to be inspected from the process in order to reduce the defective rate of the final product. Here, the user can re-examine whether the motor to be inspected is actually defective, and further input the inspection result to the defectiveness learning module 133.

여기서, 불량 여부 학습 모듈(133)에서 입력 받는 검수 결과는 검사 대상 모터의 실제 불량 여부 및 불량 종류 일 수 있다. 검수 결과를 입력 받은 불량 여부 학습 모듈(133)은 해당 불량 정보를 포함하여 기 설정된 학습 알고리즘에 불량 여부 판단 결과를 저장 및 학습하도록 형성된다. 이를 통해, 불량 여부 학습 모듈(133)은 단순한 해당 검사 대상 모터의 불량 여부만이 아니라 실제 불량 정보까지 포함하여 학습함으로써, 특정 노이즈 제거 소음 측정 정보에 대한 실제 모터의 불량 정보를 학습할 수 있다.Here, the inspection result received from the defect detection module 133 may indicate whether the motor to be inspected is actually defective and the type of defect. The defectiveness/defective learning module 133 receiving the inspection result is formed to store and learn the defect/defective determination result in a preset learning algorithm including the defect information. Through this, the failure determination learning module 133 can learn failure information of an actual motor for specific noise removal noise measurement information by learning not only whether the corresponding motor to be inspected is defective, but also actual failure information.

불량 여부 학습 모듈(133)은 사전 불량 여부 판단 결과 개수가 기 설정된 개수 이상 획득된 경우 CNN 알고리즘을 이용하여 기계학습을 수행할 수도 있고, 사전 불량 여부 판단 결과 개수가 기 설정된 개수 미만인 경우 학습 데이터를 증가시키기 위해 AAE 알고리즘을 사용하여 기계학습을 수행할 수 있다. 여기서 AAE는 VAE 알고리즘과 GAN 알고리즘의 장점을 결합한 알고리즘이다.The defectiveness learning module 133 may perform machine learning using a CNN algorithm when the number of preliminary defectiveness determination results is greater than or equal to a preset number, and if the number of preliminary defectiveness determination results is less than the preset number, the learning data Machine learning can be performed using the AAE algorithm to increase Here, AAE is an algorithm that combines the advantages of the VAE algorithm and the GAN algorithm.

마지막으로 최종 불량 여부 판단 모듈(135)은 불량 여부 학습 모듈(133)에서의 학습 결과를 이용하여 검사 대상 모터의 최종 불량 여부를 판단하도록 형성된다. 최종 불량 여부 판단 모듈(133)에서 출력되는 최종 불량 여부는 단순한 검사 대상 모터의 불량 여부만이 아닌, 학습을 통해 획득된 해당 검사 대상 모터의 불량 정보를 포함할 수 있다.Finally, the final defect determination module 135 is formed to determine whether the motor to be inspected is finally defective by using the learning result from the defect validation learning module 133 . The final defect output from the final defect determination module 133 may include defect information of the corresponding test target motor acquired through learning, rather than simply whether or not the test target motor is defective.

이를 이용하면, 모터의 불량 여부를 판단하는 과정에서, 모터 불량에 대한 정보를 누적할 수 있으며, 이를 통해 특정 회사의 모터에서 유사한 불량이 발생한다는 정보, 특정 회사의 모터의 불량률이 낮다는 정보, 특정 종류의 모터에서 특정 불량 정보를 가지는 불량이 발생한다는 정보 등을 획득할 수 있고, 이를 통해 모터 구매 회사 변경, 모터 제조 라인에 대한 피드백, 모터 종류에 따른 사전 검수 요청 등 다양한 모터 불량 상황에 대응할 수 있다.If this is used, in the process of determining whether or not the motor is defective, information on motor defects can be accumulated, through which information that similar defects occur in motors of a specific company, information that the defect rate of motors of a specific company is low, It is possible to obtain information that a defect with specific defect information occurs in a specific type of motor, and through this, it is possible to respond to various motor defect situations such as changing a motor purchasing company, feedback on a motor manufacturing line, and requesting prior inspection according to a motor type. can

이상에서 본 발명의 일 실시예에 대하여 설명하였으나, 본 발명의 사상은 본 명세서에 제시되는 실시 예에 제한되지 아니하며, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서, 구성요소의 부가, 변경, 삭제, 추가 등에 의해서 다른 실시 예를 용이하게 제안할 수 있을 것이나, 이 또한 본 발명의 사상범위 내에 든다고 할 것이다.Although one embodiment of the present invention has been described above, the spirit of the present invention is not limited to the embodiments presented herein, and those skilled in the art who understand the spirit of the present invention may add elements within the scope of the same spirit. However, other embodiments can be easily proposed by means of changes, deletions, additions, etc., but these will also fall within the scope of the present invention.

1: 모터 불량 여부 판단 시스템
2: 검사 대상 모터 소음 측정 정보
3: 검사 대상 모터 최종 불량 정보
11: 소음 측정 정보 획득부
13: 검사 대상 모터 불량 판단부
111: 판단 기초 정보 획득 모듈
113: 불량 여부 판단 정보 생성 모듈
115: 노이즈 제거 소음 측정 정보 획득 모듈
131: 사전 불량 여부 판단 모듈
133: 불량 여부 학습 모듈
135: 최종 불량 여부 판단 모듈1: Motor failure judgment system
2: Noise measurement information of the motor to be inspected
3: Final defect information of motor subject to inspection
11: noise measurement information acquisition unit
13: Inspection target motor defective determination unit
111: judgment basic information acquisition module
113: defect determination information generation module
115: noise cancellation noise measurement information acquisition module
131: pre-defect determination module
133: defect learning module
135: final defect determination module

Claims (5)

검사 대상 모터의 소음 측정 정보를 획득하고, 복수의 모터의 소음 측정 정보 학습 결과를 이용하여 상기 검사 대상 모터의 불량 여부를 판단하는 모터 불량 여부 판단 시스템에 있어서,
상기 모터 불량 여부 판단 시스템은,
상기 소음 측정 정보 학습 결과 및 기 설정된 기준을 획득하여 불량 여부 판단 정보를 생성하며, 상기 검사 대상 모터의 상기 소음 측정 정보에서 노이즈를 제거한 노이즈 제거 소음 측정 정보를 획득하는 소음 측정 정보 획득부; 및
상기 불량 여부 판단 정보와 상기 노이즈 제거 소음 측정 정보를 이용하여 상기 검사 대상 모터의 상기 불량 여부를 판단하며, 상기 판단 결과를 저장 및 학습하여 상기 불량 여부 판단을 위한 근거로 더 사용하는 검사 대상 모터 불량 판단부;를 포함하는 모터 불량 여부 판단 시스템.In a motor defect determination system for obtaining noise measurement information of a test target motor and determining whether the test target motor is defective using a result of learning noise measurement information of a plurality of motors,
The system for determining whether the motor is defective,
a noise measurement information acquisition unit that obtains a result of learning the noise measurement information and a predetermined criterion to generate defect determination information, and obtains noise removal noise measurement information obtained by removing noise from the noise measurement information of the motor to be inspected; and
Using the defect determination information and the noise cancellation noise measurement information, it is determined whether or not the test target motor is defective, and the result of the test is stored and learned to further use it as a basis for determining the defect. Determining unit; motor defect determination system comprising a. 제 1항에 있어서,
상기 소음 측정 정보 획득부는,
상기 학습 결과 및 상기 기 설정된 기준을 획득하는 판단 기초 정보 획득 모듈;
상기 기 설정된 기준을 상기 학습 결과에 적용하여 상기 검사 대상 모터의 불량 여부를 판단하기 위한 기초 정보인 상기 불량 여부 판단 정보를 생성하는 불량 여부 판단 정보 생성 모듈; 및
상기 검사 대상 모터의 상기 소음 측정 정보의 상기 노이즈를 제거한 상기 노이즈 제거 소음 측정 정보를 획득하는 노이즈 제거 소음 측정 정보 획득 모듈;을 포함하는 모터 불량 여부 판단 시스템.According to claim 1,
The noise measurement information acquisition unit,
a judgment basic information obtaining module for acquiring the learning result and the predetermined criterion;
a defect determination information generation module for generating the defect determination information, which is basic information for determining whether the test target motor is defective, by applying the predetermined criterion to the learning result; and
and a noise removal noise measurement information acquisition module configured to obtain the noise removal noise measurement information obtained by removing the noise from the noise measurement information of the motor to be inspected. 제 2항에 있어서,
상기 불량 여부 판단 정보 생성 모듈은,
기 설정된 기준을 벗어나는 모터 소음 측정 정보를 불량 영역으로 설정하고, 기 설정된 기준 범위에 포함되는 모터 소음 측정 정보를 정상 영역으로 설정하는 모터 불량 여부 판단 시스템.According to claim 2,
The defect determination information generation module,
A system for determining whether a motor is defective or not, which sets motor noise measurement information outside of a predetermined standard as a defective area and sets motor noise measurement information included in a predetermined standard range as a normal area. 제 3항에 있어서,
상기 검사 대상 모터 불량 판단부는,
상기 불량 여부 판단 정보 및 상기 노이즈 제거 소음 측정 정보를 이용하여 상기 검사 대상 모터의 사전 불량 여부를 판단하는 사전 불량 여부 판단 모듈;
상기 사전 불량 여부 판단 결과를 저장하고 기 설정된 학습 알고리즘을 이용하여 학습하는 불량 여부 학습 모듈; 및
상기 학습 결과를 이용하여 상기 검사 대상 모터의 최종 불량 여부를 판단하는 최종 불량 여부 판단 모듈;을 포함하는 모터 불량 여부 판단 시스템.According to claim 3,
The inspection target motor defective determination unit,
a preliminary failure determination module for determining whether the motor to be inspected is defective in advance using the failure determination information and the noise cancellation noise measurement information;
a failure detection learning module for storing the preliminary failure determination result and learning using a preset learning algorithm; and
and a final defect determination module for determining whether the test target motor is finally defective by using the learning result. 제 4항에 있어서,
상기 불량 여부 학습 모듈은, 상기 기 설정된 학습 알고리즘으로
상기 사전 불량 여부 판단 결과 개수가 기 설정된 개수 이상 획득된 경우 CNN 알고리즘을 사용하며,
상기 사전 불량 여부 판단 결과 개수가 상기 기 설정된 개수 미만 획득된 경우 AAE 알고리즘을 사용하는 모터 불량 여부 판단 시스템.According to claim 4,
The defect detection module uses the preset learning algorithm.
As a result of the pre-defective determination, if the number is obtained more than a preset number, a CNN algorithm is used,
A system for determining whether a motor is defective or not using an AAE algorithm when the number obtained as a result of the preliminary defect determination is less than the preset number.
KR1020210168770A 2021-11-30 2021-11-30 Motor fault determination system KR20230081069A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210168770A KR20230081069A (en) 2021-11-30 2021-11-30 Motor fault determination system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210168770A KR20230081069A (en) 2021-11-30 2021-11-30 Motor fault determination system

Publications (1)

Publication Number Publication Date
KR20230081069A true KR20230081069A (en) 2023-06-07

Family

ID=86762141

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210168770A KR20230081069A (en) 2021-11-30 2021-11-30 Motor fault determination system

Country Status (1)

Country Link
KR (1) KR20230081069A (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101723523B1 (en) 2016-11-22 2017-04-05 주식회사 아이디케이 The Improved Acoustic Emission Test System to Extract Pure Elastic Wave from Combined Signals

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101723523B1 (en) 2016-11-22 2017-04-05 주식회사 아이디케이 The Improved Acoustic Emission Test System to Extract Pure Elastic Wave from Combined Signals

Similar Documents

Publication Publication Date Title
CN108062558B (en) Wafer inspection process using bit failures and virtual inspection
JP6688159B2 (en) Vehicle failure diagnosis method
US6535769B1 (en) Monitoring system for monitoring processing equipment
JP7455765B2 (en) Quality monitoring of industrial processes
KR102181418B1 (en) Pattern failure discovery by leveraging nominal characteristics of alternating failure modes
KR20110133357A (en) Method for inspecting wafer and wafer inspection system
CN110874691A (en) General assembly offline control method and system
JP2006220460A (en) Cable diagnostic apparatus and cable diagnostic method
CN111435118A (en) Inspection apparatus and inspection method
JP2020183939A (en) Method for detecting abnormality of gear box and information processing device
JP2007240376A (en) Method and device for inspecting stationary power source current of semiconductor integrated circuit
KR101654630B1 (en) System and method for diagnosting error of cable using neural networks
JP4550734B2 (en) Method for performing a functional test of a position measuring device and a position measuring device for carrying out this method
KR20230081069A (en) Motor fault determination system
CN115280334A (en) Error cause estimation device and estimation method
KR20230081071A (en) Real-time motor fault determination system using AE sensor
KR102091014B1 (en) Machine vision inspection device and product inspection method using machine vision
KR20210022278A (en) Apparatus and Method for detecting Defective Parts with Infrared Camera
JP2006300524A (en) Abnormal sound inspection method
WO2023002673A1 (en) Analysis device, analysis system, analysis method, and analysis program
KR20230081068A (en) Motor noise measurement information learning system
US6717870B2 (en) Method for assessing the quality of a memory unit
WO2022149465A1 (en) Analysis device, analysis system, analysis program, and analysis method
JP4958589B2 (en) Product inspection method
TWI765364B (en) Artificial intelligence defect image classification method and system thereof

Legal Events

Date Code Title Description
E902 Notification of reason for refusal