KR20230102070A - 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치 - Google Patents
기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치 Download PDFInfo
- Publication number
- KR20230102070A KR20230102070A KR1020210191915A KR20210191915A KR20230102070A KR 20230102070 A KR20230102070 A KR 20230102070A KR 1020210191915 A KR1020210191915 A KR 1020210191915A KR 20210191915 A KR20210191915 A KR 20210191915A KR 20230102070 A KR20230102070 A KR 20230102070A
- Authority
- KR
- South Korea
- Prior art keywords
- smart factory
- robot
- service platform
- motion data
- gateway
- Prior art date
Links
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000033001 locomotion Effects 0.000 claims description 74
- 238000004519 manufacturing process Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 20
- 230000004913 activation Effects 0.000 claims description 19
- 238000013480 data collection Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000007257 malfunction Effects 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 claims description 8
- 238000012394 real-time manufacturing Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000012190 activator Substances 0.000 description 1
- 239000012572 advanced medium Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Manipulator (AREA)
Abstract
기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치는 정보인프라의 상태정보를 수집 및 분석하여 특징 데이터를 추출하는 정보인프라 데이터 처리부, 상기 특징 데이터에 관한 클러스터링을 수행하여 클러스터 중심 좌표를 결정하고 상기 클러스터 중심 좌표를 기초로 상기 정보인프라에 대한 비지도학습 기반의 모델링을 수행하는 정보인프라 모델링부, 상기 모델링된 정보인프라에 대한 오류 특성을 결정하여 오류를 예측하는 오류예측부 및 상기 예측된 오류를 기초로 상기 모델링된 정보인프라에 대한 사전 오류 검증을 수행하는 자율제어부를 포함한다.
Description
본 발명은 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치에 관한 것으로, 보다 상세하게는 적어도 하나의 기계로봇 각각에 연결된 DAQ (Data Acquisition) 디바이스의 동작 데이터를 수집한 데이터 웨어하우스를 통해 적어도 하나의 기계로봇의 동작 상태를 인공지능 분석하여 실시간 제조 현황 정보를 생성하는 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치에 관한 것이다.
스마트공장이란 설계·개발, 제조 및 유통·물류 등 생산 과정에 디지털 자동화 솔루션이 결합된 정보통신기술(ICT)을 적용하여 생산성, 품질, 고객만족도를 향상시키는 지능형 생산공장을 말한다.
한국공개특허 제10-2021-0068378호 (2021.06.09)는 효율적인 공정 조건을 도출하여 스마트 공장을 구현할 수 있으며, 또한 제조 설비 부하 및 설비고장 등의 장애를 예측하고 방지함으로써 수율 향상 및 품질 관리를 통한 생산성을 향상할 수 있는 빅 데이터를 활용한 스마트공장 제조공정 제어시스템에 관한 것이다
본 발명의 일 실시예는 적어도 하나의 기계로봇 각각에 연결된 DAQ (Data Acquisition) 디바이스의 동작 데이터를 수집한 데이터 웨어하우스를 통해 적어도 하나의 기계로봇의 동작 상태를 인공지능 분석하여 실시간 제조 현황 정보를 생성하는 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치를 제공하고자 한다.
본 발명의 일 실시예는 DAQ 디바이스의 연결상태를 게이트웨이에 등록하고, 게이트웨이가 서비스 활성화 이후에 DAQ 디바이스에서 출력된 기계로봇의 동작 데이터에 관해 비지도학습 기반의 오작동 분석을 1차적으로 수행하도록 하는 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치를 제공하고자 한다.
본 발명의 일 실시예는 동작 데이터를 동작 학습 모델에 입력하여 해당 기계로봇의 미리 설정된 모션들 중 하나를 출력받고 해당 기계로봇의 동작을 가시화하여 제공하는 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치를 제공하고자 한다.
본 발명의 일 실시예에 따른 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치는 스마트 공장별 게이트웨이를 등록하고 상기 게이트웨이와 연관된 적어도 하나의 기계로봇 각각에 연결된 DAQ (Data Acquisition) 디바이스의 설정을 등록하여 MQTT (Message Queue Telemetry Transport) 프로토콜을 설정하는 스마트 공장 등록부, 상기 DAQ 디바이스의 연결상태를 체크하여 서비스 활성화를 수행하는 서비스 활성화부, 상기 서비스 활성화가 수행되면 상기 게이트웨이를 경유하여 상기 DAQ 디바이스에서 출력된 상기 기계로봇의 동작 데이터에 관해 상기 MQTT 프로토콜로 수집하여 데이터 웨어하우스를 구축하는 동작 데이터 수집부 및 상기 데이터 웨어하우스를 통해 상기 적어도 하나의 기계로봇의 동작 상태를 인공지능 분석하여 실시간 제조 현황 정보를 생성하는 제조 현황 처리부를 포함한다.
상기 스마트 공장 등록부는 상기 DAQ 디바이스에 제조라인 및 설비 자동화를 위한 PLC (Programmable Logic Controller) 기반의 센서를 연결하여 상기 MQTT 프로토콜을 설정할 수 있다. 상기 스마트 공장 등록부는 상기 DAQ 디바이스를 통해 특정 반경 이내의 기계로봇을 주기적으로 무선 탐색하여 이동형 AGV(Automated Guided Vehicle)를 검출하고 상기 이동형 AGV의 궤적을 추적할 수 있다.
상기 서비스 활성화부는 상기 DAQ 디바이스의 연결상태를 상기 게이트웨이에 등록하고, 상기 게이트웨이가 상기 서비스 활성화 이후에 상기 DAQ 디바이스에서 출력된 상기 기계로봇의 동작 데이터에 관해 비지도학습 기반의 오작동 분석을 1차적으로 수행하도록 할 수 있다.
상기 동작 데이터 수집부는 상기 동작 데이터의 시계열 클러스터링을 수행하여 상기 데이터 웨어하우스를 구축할 수 있다. 상기 동작 데이터 수집부는 특정 주기 단위로 상기 시계열 클러스터링을 수행하되 상기 특정 주기를 상기 기계로봇의 실시간성 특성에 따라 가변적으로 설정하고 상기 실시간성이 높은 경우에는 상기 특정 주기를 감소시키고 상기 실시간성이 낮은 경우에는 상기 특정 주기를 증가시킬 수 있다.
상기 제조 현황 처리부는 상기 동작 데이터를 동작 학습 모델에 입력하여 해당 기계로봇의 미리 설정된 모션들 중 하나를 출력받고 상기 해당 기계로봇의 동작을 가시화하여 제공할 수 있다. 상기 제조 현황 처리부는 상기 해당 기계로봇에 대한 순차적인 일련 동작들을 분석하여 상기 해당 기계로봇의 궤적을 생성하고 상기 궤적을 기초로 상기 해당 기계로봇의 동작 오작동 유무를 검출하여 고장 가능성을 예측할 수 있다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치는 적어도 하나의 기계로봇 각각에 연결된 DAQ (Data Acquisition) 디바이스의 동작 데이터를 수집한 데이터 웨어하우스를 통해 적어도 하나의 기계로봇의 동작 상태를 인공지능 분석하여 실시간 제조 현황 정보를 생성할 수 있다.
본 발명의 일 실시예에 따른 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치는 DAQ 디바이스의 연결상태를 게이트웨이에 등록하고, 게이트웨이가 서비스 활성화 이후에 DAQ 디바이스에서 출력된 기계로봇의 동작 데이터에 관해 비지도학습 기반의 오작동 분석을 1차적으로 수행할 수 있다.
본 발명의 일 실시예에 따른 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치는 동작 데이터를 동작 학습 모델에 입력하여 해당 기계로봇의 미리 설정된 모션들 중 하나를 출력받고 해당 기계로봇의 동작을 가시화하여 제공할 수 있다.
도 1 및 도2는 본 발명의 일 실시예에 따른 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 시스템을 도시한 도면이다.
도 3은 도 1의 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치의 구성을 설명하는 도면이다.
도 4는 도 1의 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치의 기능적 구성을 설명하는 도면이다.
도 5는 도 1의 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치의 기능 구성을 설명하는 흐름도이다.
도 3은 도 1의 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치의 구성을 설명하는 도면이다.
도 4는 도 1의 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치의 기능적 구성을 설명하는 도면이다.
도 5는 도 1의 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치의 기능 구성을 설명하는 흐름도이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1 및 도2는 본 발명의 일 실시예에 따른 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 시스템을 도시한 도면이다. 도 1은 전체 시스템의 세부구성을 나타낸 것이고, 도 2는 전체 시스템 중 주요구성을 나타낸다.
도 1 및 도 2를 참조하면, 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 시스템(100)은 기계로봇(110), 센서(115), DAQ (Data Acquisition) 디바이스(130), 게이트웨이(150), 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치(130), 데이터 웨어하우스(190) 및 스마트 공장 제어 서버(195)를 포함할 수 있다.
기계로봇(110)은 스마트 공장의 제조 공정에서 사용되는 제조라인 및 설비 자동화를 수행할 수 있다. 예를 들어, 제조라인 및 설비 자동화는 도 1에 나타난 바와 같이, 부품의 조달, 조립, 도장, 외배, 시운전, 포장 및 출고까지를 포함할 수 있다. 일 실시예에서, 기계로봇(110)은 다축 자유도를 가질 수 있고, 스카라 로봇에 해당할 수 있다.
센서(115)는 DAQ 디바이스(130)에 연결되어 제조라인 및 설비 자동화를 위해 사용되고, PLC (Programmable Logic Controller) 기반으로 동작될 수 있다. 또한, 센서(115)는 MQTT (Message Queue Telemetry Transport) 프로토콜을 채택하여 DAQ 디바이스(130)에 연결될 수 있다. 예를 들어, 센서(115)는 기계로봇(110)의 동작을 감지하는 가속기를 포함할 수 있다. 일 실시예에서, 센서(115)는 엣지 컴퓨팅 노드로 동작될 수 있고, 기계로봇(110)의 동작 중 실시간성이 요구되는 동작을 DAQ 디바이스(130)의 관여없이 직접적으로 처리할 수 있다. 여기에서, 처리는 로봇기계(110)에 대한 센서(115)의 응답 뿐만 아니라 관리자에 대한 센서(115)의 알람을 포함할 수 있다.
일 실시예에서, 센서(115)는 네트워크 노드로서 다양한 디바이스로 구현될 수 있고, 네트워크 노드는 전용 프로그램 또는 어플리케이션을 설치하여 실행할 수 있다.
DAQ (Data Acquisition) 디바이스(130)는 데이터 수집을 위해 사용될 수 있고, MQTT 프로토콜로 센서(115)와 연결되어 기계로봇(110)의 동작 데이터를 수집할 수 있고, 게이트웨이(150)에 동작 데이터를 제공한다. 이를 위해, DAQ 디바이스(130)는 게이트웨이(150)에 사전에 등록되고 기계로봇(110)의 종류에 따라 설정을 사전에 등록할 수 있다. DAQ 디바이스(130)는 등록 과정 후에 연결상태의 체크를 서비스 활성화를 수행할 수 있다.
게이트웨이(150)는 스마트 공장별로 설치될 수 있는 데이터 게이트웨이로서, DAQ 디바이스(130)과 유무선으로 연결될 수 있다. 예를 들어, 게이트웨이(150)는 PROFINET, 모드버스, 이더넷, MQTT, CoAP (Constrained Application Protocol), AMCP (Advanced Media Control Protocol), HTTP (HyperText Transfer Protocol)를 기초로 연결될 수 있다.
게이트웨이(150)는 엣지 컴퓨팅 노드로 동작될 수 있고, 센서(115) 및 DAQ 디바이스(130) 각각에 대한 연결성 및 디바이스 관리를 수행할 수 있고, 센서(115) 및 DAQ 디바이스(130) 각각에 대한 데이터 관리 및 보안을 처리할 수 있다. 즉, 게이트웨이(150)는 DAQ 디바이스(130)의 연결상태가 등록되면 서비스 활성화 이후에 DAQ 디바이스(130)에서 출력된 기계로봇(110)의 동작 데이터에 관해 비지도학습 기반의 오작동 분석을 1차적으로 수행할 수 있다. 여기에서, 비지도학습 기반의 오작동 분석은 기계로봇(110)의 동작 데이터가 일반적인 동작 데이터와 다른 특성(즉, 값 또는 일련의 패턴)을 검출하는데 활용될 수 있다.
또한, 게이트웨이(150)는 엣지 컴퓨팅 노드로 동작되는 경우에는 실시간성이 요구되는 동작을 직접적으로 처리할 수 있다. 여기에서, 처리는 직접적인 응답 뿐만 아니라 관리자에 대한 알람을 포함할 수 있다.
기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치(130)는 스마트 공장별 게이트웨이(150)를 등록하고 게이트웨이(150)와 연관된 적어도 하나의 기계로봇(110) 각각에 연결된 DAQ (Data Acquisition) 디바이스(130)의 설정을 등록하여 MQTT (Message Queue Telemetry Transport) 프로토콜을 설정한다. 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치(130)는 DAQ 디바이스(130)의 연결상태를 체크하여 서비스 활성화를 수행하고 서비스 활성화가 수행되면 게이트웨이(150)를 경유하여 DAQ 디바이스(130)에서 출력된 기계로봇(110)의 동작 데이터에 관해 MQTT 프로토콜로 수집하여 데이터 웨어하우스(190)를 구축하여 적어도 하나의 기계로봇(110)의 동작 상태를 인공지능 분석하여 실시간 제조 현황 정보를 생성한다.
데이터 웨어하우스(190)는 DAQ 디바이스(130)에서 출력된 기계로봇(110)의 동작 데이터를 저장한다. 일 실시예에서, 데이터 웨어하우스(190)는 단위 시간당 동작 데이터의 용량이 특정 기준 이상인 경우에는 단위 시간당 동작 데이터를 대표할 수 있는 특징 값으로 변환하여 저장할 수 있다. 여기에서, 변환은 단위 시간당 동작 데이터의 정량적 값으로 표현되거나 단위 시간당 동작 데이터의 정성적 값으로 변환하는 함수로서 역할을 수행할 수 있다. 예를 들어, 정량적 값은 최대 값, 최소 값, 평균 값 또는 이들의 조합을 포함할 수 있고, 정성적 값은 동작 데이터를 통해 해석되는 제스처(오른쪽으로 회전) 또는 동작 데이터를 통해 해석되는 동작목표(예: 부품 픽업)를 포함할 수 있다.
스마트 공장 제어 서버(195)는 스마트 공장의 전반적인 동작 및 기계로봇(110)의 공정 동작을 제어하기 위해 활용될 수 있고, 기계로봇(110)의 기준정보 항목, 제조 공정에서의 분류-그룹 체계 및 제조 공정의 프로세스 및 워크플로우를 관리할 수 있다. 여기에서, 기준정보 항목은 로봇의 유형 및 로봇의 동작 특성을 포함할 수 있고, 분류-그룹 체계는 제조 공정별 사용되는 기계로봇(110)의 체계를 포함할 수 있으며, 프로세스 및 워크플로우는 시계열적인 제조 공정의 순서 및 조건을 포함할 수 있다.
스마트 공장 제어 서버(195)는 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치(130)를 통해 기계로봇(110)의 동작 프로세스를 사전에 계획 또는 지시할 수 있다.
도 3은 도 1의 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치의 구성을 설명하는 도면이다.
도 2를 참조하면, 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치(130)는 프로세서(210), 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)를 포함할 수 있다.
프로세서(210)는 본 발명의 실시예에 따른 스마트 공장에서 활용 가능한 원스탑 서비스 프로시저를 실행할 수 있고, 이러한 과정에서 읽혀지거나 작성되는 메모리(230)를 관리할 수 있으며, 메모리(230)에 있는 휘발성 메모리와 비휘발성 메모리 간의 동기화 시간을 스케줄 할 수 있다. 프로세서(210)는 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치(130)의 동작 전반을 제어할 수 있고, 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)와 전기적으로 연결되어 이들 간의 데이터 흐름을 제어할 수 있다. 프로세서(210)는 모바일 앱 광고의 광고정보 공유 장치(130)의 CPU(Central Processing Unit)로 구현될 수 있다.
메모리(230)는 SSD(Solid State Disk) 또는 HDD(Hard Disk Drive)와 같은 비휘발성 메모리로 구현되어 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치(130)에 필요한 데이터 전반을 저장하는데 사용되는 보조기억장치를 포함할 수 있고, RAM(Random Access Memory)과 같은 휘발성 메모리로 구현된 주기억장치를 포함할 수 있다. 또한, 메모리(230)는 전기적으로 연결된 프로세서(210)에 의해 실행됨으로써 본 발명에 따른 학습 데이터베이스 구축 방법을 실행하는 명령들의 집합을 저장할 수 있다.
사용자 입출력부(250)은 사용자 입력을 수신하기 위한 환경 및 사용자에게 특정 정보를 출력하기 위한 환경을 포함하고, 예를 들어, 터치 패드, 터치 스크린, 화상 키보드 또는 포인팅 장치와 같은 어댑터를 포함하는 입력장치 및 모니터 또는 터치 스크린과 같은 어댑터를 포함하는 출력장치를 포함할 수 있다. 일 실시예에서, 사용자 입출력부(250)은 원격 접속을 통해 접속되는 컴퓨팅 장치에 해당할 수 있고, 그러한 경우, 스마트 공장에서 활용 가능한 원스탑 서비스 장치(130)는 독립적인 서버로서 수행될 수 있다.
네트워크 입출력부(270)은 네트워크를 통해 정보인프라(110)과 연결되기 위한 통신 환경을 제공하고, 예를 들어, LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 및 VAN(Value Added Network) 등의 통신을 위한 어댑터를 포함할 수 있다. 또한, 네트워크 입출력부(270)는 학습 데이터의 무선 전송을 위해 WiFi, 블루투스 등의 근거리 통신 기능이나 4G 이상의 무선 통신 기능을 제공하도록 구현될 수 있다.
도 4는 도 1의 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치의 기능적 구성을 설명하는 도면이다.
도 3을 참조하면, 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치(130)는 스마트 공장 등록부(310), 서비스 활성화부(320), 동작 데이터 수집부(330), 제조 현황 처리부(340) 및 제어부(350)를 포함할 수 있다.
스마트 공장 등록부(310)는 스마트 공장별 게이트웨이(150)를 등록하고 게이트웨이(150)와 연관된 적어도 하나의 기계로봇(110) 각각에 연결된 DAQ 디바이스(130)의 설정을 등록한다.
보다 구체적으로, 스마트 공장 등록부(310)는 DAQ 디바이스(130)의 설정 과정에서 MQTT (Message Queue Telemetry Transport) 프로토콜을 설정할 수 있고, DAQ 디바이스(130)에 센서(115)를 연결하여 MQTT 프로토콜을 설정할 수 있다. 여기에서, 센서(115)는 제조라인 및 설비 자동화를 위하여 사용될 수 있고, PLC (Programmable Logic Controller) 기반으로 동작할 수 있다.
스마트 공장 등록부(310)는 이동 가능한 센서(115)와 통신을 수행할 수 있고, 이러한 통신의 이전에 DAQ 디바이스(130)를 통해 특정 반경 이내로 진입한 기계로봇(110)(즉, 센서(115))을 주기적으로 무선 탐색할 수 있다. 스마트 공장 등록부(310)는 통신 반경 이내에서 신규의 기계로봇(110)(즉, 센서(115))이 검출된 경우에는 신규의 기계로봇(110)이 이동형 AGV(Automated Guided Vehicle)에 해당하는지를 확인하고, 그렇다면, 이동형 AGV의 궤적을 추적할 수 있다. 또는 스마트 공장 등록부(310)는 신규의 기계로봇(110)이 이동형 AGV에 해당하지 않는 경우에는 신규의 장비가 설치된 것으로 판단하고 DAQ 디바이스(130)의 설정을 진행하여 신규의 장비(즉, 기계로봇(110))를 등록할 수 있다.
서비스 활성화부(320)는 DAQ 디바이스(130)의 연결상태를 체크하여 서비스 활성화를 수행한다. 보다 구체적으로, 서비스 활성화부(320)는 DAQ 디바이스(130)의 연결상태를 게이트웨이(150)에 등록할 수 있다. 이는 게이트웨이(150)가 등록 DAQ 디바이스(130)와의 통신을 수행하여 불필요한 리소스의 낭비를 줄이기 위함이다. 게이트웨이(150)는 서비스 활성화 이후에 DAQ 디바이스(130)에서 출력된 기계로봇(110)의 동작 데이터에 관해 비지도학습 기반의 오작동 분석을 1차적으로 수행할 수 있다. 여기에서, 비지도학습은 일련의 정상동작들과 다른 동작을 검출하는데 활용되고, 동작 데이터를 다차원 분석하여 클러스터링함으로써 다른 동작을 분류할 수 있다.
동작 데이터 수집부(330)는 서비스 활성화가 수행되면 게이트웨이(150)를 경유하여 DAQ 디바이스(130)에서 출력된 기계로봇(110)의 동작 데이터를 수집하여 데이터 웨어하우스(190)를 구축할 수 있다. 여기에서, 동작 데이터 수집부(330)는 수집을 위해 MQTT 프로토콜을 활용할 수 있다.
일 실시예에서, 동작 데이터 수집부(330)는 동작 데이터의 시계열 클러스터링을 수행하여 데이터 웨어하우스(190)를 구축할 수 있다. 이는 동작 데이터의 크기가 특정 기준 이상인 경우에 데이터 웨어하우스(190)의 저장공간에 대한 리소스 사용량을 줄이기 위함이다.
동작 데이터의 시계열 클러스터링은 특정 주기 단위로 수행될 수 있고, 또한, 시계열 클러스터링을 통한 특성 값은 정량적 수치(예: 최대 값)로 표현되거나 또는 정성적 심볼(예: 특정 동작)로 표현될 수 있다.
보다 구체적으로, 동작 데이터 수집부(330)는 특정 주기 단위로 시계열 클러스터링을 수행하되, 특정 주기를 기계로봇(110)의 실시간성 특성에 따라 가변적으로 설정할 수 있다. 기계로봇(110)의 실시간성 특성은 기계로봇(110)의 제조 역할에 따라 관리자에 의해 사전에 분류될 수 있다. 동작 데이터 수집부(330)는 실시간성을 기준으로 실시간성이 높은 경우에는 특정 주기를 감소시키고 실시간성이 낮은 경우에는 특정 주기를 증가시킬 수 있다.
제조 현황 처리부(340)는 데이터 웨어하우스(190)를 통해 적어도 하나의 기계로봇(110)의 동작 상태를 인공지능 분석하여 실시간 제조 현황 정보를 생성할 수 있다. 여기에서, 실시간 제조 현황 정보는 동작 상태의 가시성을 부여하기 위한 것으로, 관리자의 설정에 따라 시계열별, 공정유형별, 공정단위별로 큐레이션될 수 있다.
일 실시예에서, 제조 현황 처리부(340)는 동작 데이터를 동작 학습 모델에 입력하여 해당 기계로봇의 미리 설정된 모션들 중 하나를 출력받을 수 있다. 동작 학습 모델은 기계로봇(110)의 종류별로 학습될 수 있고 동작 데이터에 따른 모션을 출력할 수 있다. 여기에서, 모션은 사전에 정의된 시각적 심볼 중 하나에 해당할 수 있거나 또는 동작을 표현하는 벡터로서 표현될 수 있다. 제조 현황 처리부(340)는 모션을 통해 해당 기계로봇(110)의 동작을 가시화하여 제공할 수 있다.
제조 현황 처리부(340)는 해당 기계로봇(110)에 대한 순차적인 일련 동작들을 분석하여 해당 기계로봇(110)의 궤적을 생성하고 궤적을 기초로 해당 기계로봇(110)의 동작 오작동 유무를 검출하여 고장 가능성을 예측할 수 있다. 일 실시예에서, 제조 현황 처리부(340)는 궤적의 변화량을 동작 오동작의 가능성을 나타내는 지표로서 활용할 수 있고, 순간적인 변화량이 역방향으로 발생하거나 또는 특정 기준이상으로 가속되는 경우를 확인하여 동작 오동작을 예측할 수 있다.
제어부(350)는 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치(130)의 전체적인 동작을 제어하고, 스마트 공장 등록부(310), 서비스 활성화부(320), 동작 데이터 수집부(330) 및 제조 현황 처리부(340) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.
도 5는 도 1의 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치의 기능 구성을 설명하는 흐름도이다.
도 5에서, 스마트 공장 등록부(310)는 스마트 공장별 게이트웨이(150)를 등록하고 게이트웨이(150)와 연관된 적어도 하나의 기계로봇(110) 각각에 연결된 DAQ 디바이스(130)의 설정을 등록하여 MQTT 프로토콜을 설정한다(단계 S410). 서비스 활성화부(320)는 DAQ 디바이스(130)의 연결상태를 체크하여 서비스 활성화를 수행한다(단계 S420).
동작 데이터 수집부(330)는 서비스 활성화가 수행되면 게이트웨이(150)를 경유하여 DAQ 디바이스(130)에서 출력된 기계로봇(110)의 동작 데이터에 관해 MQTT 프로토콜로 수집하여 데이터 웨어하우스(190)를 구축한다(단계 S430). 동작 데이터 수집부(330)는 데이터 웨어하우스(190)를 통해 적어도 하나의 기계로봇(110)의 동작 상태를 인공지능 분석하여 실시간 제조 현황 정보를 생성한다(단계 S440).
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100 : 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 시스템
110 : 기계로봇
115 : 센서
130 : DAQ (Data Acquisition) 디바이스
150 : 게이트웨이
170 : 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치
190 : 데이터 웨어하우스
310 : 스마트 공장 등록부
320 : 서비스 활성화부
330 : 동작 데이터 수집부
340 : 제조 현황 처리부
350 : 제어부
110 : 기계로봇
115 : 센서
130 : DAQ (Data Acquisition) 디바이스
150 : 게이트웨이
170 : 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치
190 : 데이터 웨어하우스
310 : 스마트 공장 등록부
320 : 서비스 활성화부
330 : 동작 데이터 수집부
340 : 제조 현황 처리부
350 : 제어부
Claims (8)
- 스마트 공장별 게이트웨이를 등록하고 상기 게이트웨이와 연관된 적어도 하나의 기계로봇 각각에 연결된 DAQ (Data Acquisition) 디바이스의 설정을 등록하여 MQTT (Message Queue Telemetry Transport) 프로토콜을 설정하는 스마트 공장 등록부;
상기 DAQ 디바이스의 연결상태를 체크하여 서비스 활성화를 수행하는 서비스 활성화부;
상기 서비스 활성화가 수행되면 상기 게이트웨이를 경유하여 상기 DAQ 디바이스에서 출력된 상기 기계로봇의 동작 데이터에 관해 상기 MQTT 프로토콜로 수집하여 데이터 웨어하우스를 구축하는 동작 데이터 수집부; 및
상기 데이터 웨어하우스를 통해 상기 적어도 하나의 기계로봇의 동작 상태를 인공지능 분석하여 실시간 제조 현황 정보를 생성하는 제조 현황 처리부를 포함하는 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치.
- 제1항에 있어서, 상기 스마트 공장 등록부는
상기 DAQ 디바이스에 제조라인 및 설비 자동화를 위한 PLC (Programmable Logic Controller) 기반의 센서를 연결하여 상기 MQTT 프로토콜을 설정하는 것을 특징으로 하는 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치.
- 제2항에 있어서, 상기 스마트 공장 등록부는
상기 DAQ 디바이스를 통해 특정 반경 이내의 기계로봇을 주기적으로 무선 탐색하여 이동형 AGV(Automated Guided Vehicle)를 검출하고 상기 이동형 AGV의 궤적을 추적하는 것을 특징으로 하는 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치.
- 제1항에 있어서, 상기 서비스 활성화부는
상기 DAQ 디바이스의 연결상태를 상기 게이트웨이에 등록하고, 상기 게이트웨이가 상기 서비스 활성화 이후에 상기 DAQ 디바이스에서 출력된 상기 기계로봇의 동작 데이터에 관해 비지도학습 기반의 오작동 분석을 1차적으로 수행하도록 하는 것을 특징으로 하는 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치.
- 제1항에 있어서, 상기 동작 데이터 수집부는
상기 동작 데이터의 시계열 클러스터링을 수행하여 상기 데이터 웨어하우스를 구축하는 것을 특징으로 하는 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치.
- 제5항에 있어서, 상기 동작 데이터 수집부는
특정 주기 단위로 상기 시계열 클러스터링을 수행하되 상기 특정 주기를 상기 기계로봇의 실시간성 특성에 따라 가변적으로 설정하고 상기 실시간성이 높은 경우에는 상기 특정 주기를 감소시키고 상기 실시간성이 낮은 경우에는 상기 특정 주기를 증가시키는 것을 특징으로 하는 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치.
- 제1항에 있어서, 상기 제조 현황 처리부는
상기 동작 데이터를 동작 학습 모델에 입력하여 해당 기계로봇의 미리 설정된 모션들 중 하나를 출력받고 상기 해당 기계로봇의 동작을 가시화하여 제공하는 것을 특징으로 하는 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치.
- 제7항에 있어서, 상기 제조 현황 처리부는
상기 해당 기계로봇에 대한 순차적인 일련 동작들을 분석하여 상기 해당 기계로봇의 궤적을 생성하고 상기 궤적을 기초로 상기 해당 기계로봇의 동작 오작동 유무를 검출하여 고장 가능성을 예측하는 것을 특징으로 하는 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210191915A KR20230102070A (ko) | 2021-12-30 | 2021-12-30 | 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210191915A KR20230102070A (ko) | 2021-12-30 | 2021-12-30 | 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230102070A true KR20230102070A (ko) | 2023-07-07 |
Family
ID=87153966
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210191915A KR20230102070A (ko) | 2021-12-30 | 2021-12-30 | 기계로봇 제어 기반의 스마트 공장에서 활용 가능한 원스탑 서비스 플랫폼 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230102070A (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210068378A (ko) | 2019-01-31 | 2021-06-09 | 상명대학교산학협력단 | 빅 데이터를 활용한 스마트공장 제조공정 제어시스템. |
-
2021
- 2021-12-30 KR KR1020210191915A patent/KR20230102070A/ko not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210068378A (ko) | 2019-01-31 | 2021-06-09 | 상명대학교산학협력단 | 빅 데이터를 활용한 스마트공장 제조공정 제어시스템. |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mourtzis et al. | A cloud-based cyber-physical system for adaptive shop-floor scheduling and condition-based maintenance | |
| Wang et al. | Digital twin design for real-time monitoring–a case study of die cutting machine | |
| EP3285127B1 (en) | Remote industrial automation site operation in a cloud platform | |
| CN112579653B (zh) | 工业数据的逐步情境化和分析 | |
| Lee et al. | Service innovation and smart analytics for industry 4.0 and big data environment | |
| US10528021B2 (en) | Automated creation of industrial dashboards and widgets | |
| CN102449567B (zh) | 作为用于装备健康状况监视服务的基础的云计算 | |
| EP3640870A1 (en) | Asset performance manager | |
| EP3644153B1 (en) | Active asset monitoring | |
| US20160182309A1 (en) | Cloud-based emulation and modeling for automation systems | |
| JP2019514144A (ja) | フォグコンピューティング促進型フレキシブル工場 | |
| Wang et al. | A proactive manufacturing resources assignment method based on production performance prediction for the smart factory | |
| Shin et al. | SVM‐based dynamic reconfiguration CPS for manufacturing system in industry 4.0 | |
| Tilbury | Cyber-physical manufacturing systems | |
| KR20230017556A (ko) | 빅데이터 및 인공지능 기반의 제조 실행 시스템 및 이의 운영방법 | |
| Balogh et al. | Reference architecture for a collaborative predictive platform for smart maintenance in manufacturing | |
| US7974937B2 (en) | Adaptive embedded historians with aggregator component | |
| Aksa et al. | Developing a web platform for the management of the predictive maintenance in smart factories | |
| US20220057788A1 (en) | End to end smart manufacturing architecture for operational efficiency and quality control | |
| WO2024066683A1 (zh) | 工业互联网操作系统和产品的处理方法 | |
| CN115769235A (zh) | 提供与训练函数的准确度有关的警报的方法和系统 | |
| Fantini et al. | Symbiotic integration of human activities in cyber-physical systems | |
| Borangiu et al. | Smart manufacturing control with cloud-embedded digital twins | |
| Koukaras et al. | Proactive buildings: A prescriptive maintenance approach | |
| Chen | Production planning and control in semiconductor manufacturing: Big data analytics and industry 4.0 applications |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |