KR20230149938A - 선박의 엔진 고장 예측 진단 장치 - Google Patents

선박의 엔진 고장 예측 진단 장치 Download PDF

Info

Publication number
KR20230149938A
KR20230149938A KR1020220049258A KR20220049258A KR20230149938A KR 20230149938 A KR20230149938 A KR 20230149938A KR 1020220049258 A KR1020220049258 A KR 1020220049258A KR 20220049258 A KR20220049258 A KR 20220049258A KR 20230149938 A KR20230149938 A KR 20230149938A
Authority
KR
South Korea
Prior art keywords
unit
engine
failure
ship
prediction
Prior art date
Application number
KR1020220049258A
Other languages
English (en)
Inventor
정성헌
손우현
차영문
Original Assignee
디케이엠텍 주식회사
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 디케이엠텍 주식회사 filed Critical 디케이엠텍 주식회사
Priority to KR1020220049258A priority Critical patent/KR20230149938A/ko
Publication of KR20230149938A publication Critical patent/KR20230149938A/ko

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/30—Monitoring properties or operating parameters of vessels in operation for diagnosing, testing or predicting the integrity or performance of vessels
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/10—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/20—Monitoring properties or operating parameters of vessels in operation using models or simulation, e.g. statistical models or stochastic models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63H—MARINE PROPULSION OR STEERING
    • B63H21/00—Use of propulsion power plant or units on vessels
    • B63H21/22—Use of propulsion power plant or units on vessels the propulsion power units being controlled from exterior of engine room, e.g. from navigation bridge; Arrangements of order telegraphs
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/22—Safety or indicating devices for abnormal conditions
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63J—AUXILIARIES ON VESSELS
    • B63J3/00—Driving of auxiliaries
    • B63J3/04—Driving of auxiliaries from power plant other than propulsion power plant
    • B63J2003/043—Driving of auxiliaries from power plant other than propulsion power plant using shore connectors for electric power supply from shore-borne mains, or other electric energy sources external to the vessel, e.g. for docked, or moored vessels

Landscapes

  • Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Ocean & Marine Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

본 발명은 선박의 엔진 고장 예측 진단 장치에 관한 것으로서, 머신 러닝을 통해 인공지능으로 선박의 엔진의 고장을 예측 진단하는 장치에 관한 것이다. 이를 위해 선박의 엔진룸에 의해 서로 분리 배치된 복수의 엔진부, 선박의 좌현 및 우현에 각각 배치된 복수의 엔진룸부, 복수의 엔진부에 각각 부착되어 온도 및 진동 데이터를 감지하고, 엔진룸 내에 배치되어 엔진룸 내의 조도 및 연기 감지와 엔진룸의 내부 영상을 촬영하여 전송하는 엔진 상태 감지부, 엔진 상태 감지부로부터 전송된 감지 데이터 및 선박에 배치된 감지 센서로부터 데이터를 취합하고, 엔진룸의 내부 촬영 영상을 수집 및 관리하는 엔진 데이터 수집부, 엔진 데이터 수집부로부터 수집된 데이터를 이용하여 고장 진단 예측에 대한 학습을 진행하는 예측모델 학습부, 예측모델 학습부에서 학습한 모델을 바탕으로 엔진 데이터 수집부에서 수집된 데이터를 이용하여 선박의 고장 예측을 진단하는 고장 예측 진단 모델부를 포함하는 것을 특징으로 하는 선박의 엔진 고장 예측 진단 장치가 개시된다.

Description

선박의 엔진 고장 예측 진단 장치{APPARATUS FOR DIAGNOSING FAILURE OF EQUIPMENTS IN A SHIP ENGINE}
본 발명은 선박의 엔진 고장 예측 진단 장치에 관한 것으로서, 보다 상세하게는 머신 러닝을 통해 인공지능으로 선박의 엔진의 고장을 예측 진단하는 장치에 관한 것이다.
선행특허 문헌 KR 10-1732625에 개시된 기술은 선박의 고장 진단 장치로서 센서 데이터값을 기반으로 선박의 고장 원인 중 특히 엔진의 고장원인을 분석하는 기술이 개시되어 있다.
그러나 선행특허 문헌에 의하면 엔진과 관련된 각 장치의 동작 상태 정보를 수집하여 이상이 발생한 것으로 의심되는 장치에 대해 원인을 분석하여 고장 진단을 수행할 수는 있으나, 선박의 긴급 출항이 필요한 경우에 고장 진단의 예측만으로는 출항에 대한 문제가 해결되지 않는 문제가 있으며, 더군다나 선박의 고장 유형을 다양하게 분류하고, 분류된 고장 유형에 따른 선박의 운항 가능여부를 판단할 수 없는 문제점이 있다.
KR 10-1732625 KR 10-2041683 KR 10-2021-0031179 KR 10-2348316 KR 10-2278067 JP 6908405
따라서, 본 발명은 전술한 바와 같은 문제점을 해결하기 위하여 창출된 것으로서, 선박의 엔진의 고장 예측을 인공지능으로 미리 예측할 수 있고, 각 고장별 유형을 카테고리화 함으로써 선박의 긴급 출동에 대응할 수 있도록 하는 발명을 제공하는데 그 목적이 있다.
그러나, 본 발명의 목적들은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 본 발명의 목적은, 선박의 엔진룸에 의해 서로 분리 배치된 복수의 엔진부, 선박의 좌현 및 우현에 각각 배치된 복수의 엔진룸부, 복수의 엔진부에 각각 부착되어 온도 및 진동 데이터를 감지하고, 엔진룸 내에 배치되어 엔진룸 내의 조도 및 연기 감지와 엔진룸의 내부 영상을 촬영하여 전송하는 엔진 상태 감지부, 엔진 상태 감지부로부터 전송된 감지 데이터 및 선박에 배치된 감지 센서로부터 데이터를 취합하고, 엔진룸의 내부 촬영 영상을 수집 및 관리하는 엔진 데이터 수집부, 엔진 데이터 수집부로부터 수집된 데이터를 이용하여 고장 진단 예측에 대한 학습을 진행하는 예측모델 학습부, 예측모델 학습부에서 학습한 모델을 바탕으로 엔진 데이터 수집부에서 수집된 데이터를 이용하여 선박의 고장 예측을 진단하는 고장 예측 진단 모델부를 포함하는 것을 특징으로 하는 선박의 엔진 고장 예측 진단 장치를 제공함으로써 달성될 수 있다.
또한, 원격지에서 선박의 원격 시동 요청 메시지 및 항해정보를 생성하여 통신망을 통해 전송하고, 항해정보에 따른 원격 시동을 요청하는 원격 시동 요청부, 엔진 데이터 수집부로부터 전송된 감지 데이터 및 감지 영상을 바탕으로 원격으로 선박을 모니터링 및 관제하는 원격 모니터링부, 선박의 원격 시동을 위한 전원을 육상으로부터 공급 전송하는 육상 전원부를 더 포함한다.
또한, 원격 시동 요청부의 원격 시동 요청 메시지 및 항해정보에 응답하여 원격 시동 가능 여부를 판단하고, 원격 시동 요청 메시지에 응답하는 응답 메시지를 원격 시동 요청부로 전송하는 원격 시동 판단부, 선박에 구비되며, 육상 전원부에서 공급하는 전력을 공급받도록 육상 전원부와 연결 접속되는 육상 전원 연결 접속부, 육상 전원 연결 접속부와 전기적으로 연결 접속되어 원격시동을 위한 배터리를 충전하는 원격시동 배터리부, 원격 시동 판단부의 판단을 기초로 선박의 엔진을 시동하는 원격 시동부를 더 포함한다.
또한, 엔진의 고장 유형을 유형별로 카테고리화 하여 메모리에 저장하고, 생성된 엔진의 고장 유형별 카테고리를 예측모델 학습부로 전송하여 고장 유형별로 학습이 이루어지도록 하거나 학습이 완료된 후 고장 예측 진단 모델부로 전송하여 고장 유형별로 고장 예측을 하도록 하는 고장 유형 카테고리화부를 더 포함한다.
또한, 고장 유형 카테고리화부로부터 전송된 메시지에 기초하여 원격시동 고장예측에 관한 데이터와 엔진 고장예측에 관한 데이터를 분리하여 추출하고, 원격시동 고장예측 및 엔진 고장예측에 대한 각각 분리 추출된 데이터를 고장 유형 카테고리화부로 전송하는 데이터 추출부, 고장 유형 카테고리화부로부터 전송된 메시지 및 항해정보에 기초하여 원격시동 고장예측 및 엔진 고장예측에 대한 각각의 고장 등급을 분류하고, 분류된 고장 등급을 고장 유형 카테고리화부로 전송하는 고장 등급 분류부를 더 포함한다.
또한, 예측모델 학습부는 고장 유형 카테고리화부로부터 전송된 원격시동 고장예측 유형 메시지에 기초하여 원격시동 고장예측에 관한 학습을 수행하는 원격시동 고장예측 모델 학습부, 고장 유형 카테고리화부로부터 전송된 엔진 고장예측 유형 메시지에 기초하여 엔진 고장예측에 관한 학습을 수행하는 엔진 고장예측 모델 학습부를 포함하며, 고장 예측 진단 모델부는 데이터 추출부에서 추출한 원격시동 고장예측에 대한 데이터와 고장 유형 카테고리화부로부터 전송된 고장 유형 메시지에 기초하여 원격시동 고장예측에 관한 진단을 수행하는 원격시동 고장예측 진단 모델부, 데이터 추출부에서 추출한 엔진 고장예측에 대한 데이터와 고장 유형 카테고리화부로부터 전송된 고장 유형 메시지에 기초하여 엔진 고장예측에 관한 진단을 수행하는 엔진 고장예측 진단 모델부를 포함한다.
전술한 바와 같은 본 발명에 의하면 선박의 엔진의 고장 예측을 인공지능으로 미리 예측할 수 있고, 각 고장별 유형을 카테고리화 함으로써 선박의 긴급 출동에 대응할 수 있도록 하는 발명을 제공할 수 있는 효과가 있다.
본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 일실시예를 예시하는 것이며, 발명의 상세한 설명과 함께 본 발명의 기술적 사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석 되어서는 아니 된다.
도 1 및 도 2는 본 발명의 일실시예에 따른 선박의 엔진 고장 예측 진단 장치의 구성을 대략적으로 도시한 도면이고,
도 3은 본 발명의 일실시예에 따른 엔진 및 엔진 룸에 배치되는 센서를 도시한 도면이고,
도 4는 본 발명의 일실시예에 따른 학습 및 고장 예측 진단에 필요한 구성을 대략적으로 도시한 도면이다.
이하, 도면을 참조하여 본 발명의 바람직한 일실시예에 대해서 설명한다. 또한, 이하에 설명하는 일실시예는 특허청구범위에 기재된 본 발명의 내용을 부당하게 한정하지 않으며, 본 실시 형태에서 설명되는 구성 전체가 본 발명의 해결 수단으로서 필수적이라고는 할 수 없다. 또한, 종래 기술 및 당업자에게 자명한 사항은 설명을 생략할 수도 있으며, 이러한 생략된 구성요소(방법) 및 기능의 설명은 본 발명의 기술적 사상을 벗어나지 아니하는 범위내에서 충분히 참조될 수 있을 것이다.
본 발명의 일실시예에 따른 선박의 엔진 고장 인공지능 예측 진단 장치는 학습을 통해 선박의 엔진 고장을 미리 예측하는 장치이다. 이하에서는 첨부된 도면을 참고하여 본 발명의 일실시예에 따른 선박의 엔진 고장 인공지능 예측 진단 장치에 대해 설명하기로 한다.
먼저, 본 발명에서 설명하는 선박의 고장예측은 대략 3가지로 분류될 수 있으며, 일예로서 선박의 원격시동 자체 기능에 대한 고장 예측과, 다른 예로서 원격시동에 필요한 엔진의 고장 예측과, 또 다른 예로서 엔진의 고장 예측으로 분류될 수 있다.
도 1에 도시된 바와 같이 원격 모니터링부(110)는 선박에 배치된 엔진 데이터 수집부(250)로부터 전송된 엔진과 관련된 감지 데이터, 선박에 배치된 센서로부터 감지된 감지 데이터 및 엔진 룸의 내부 감지 영상을 수신받으며, 수신된 데이터를 기초로 원격으로 선박을 모니터링 및 관제한다. 일예로서 선박의 엔진룸의 내부에 배치된 카메라로부터 촬영된 영상을 기초로 엔진 룸의 화재를 감지하거나 화재 발생을 예측할 수 있으며, 고장 예측 진단을 위한 모니터링 및 관제를 수행할 수 있다. 원격 모니터링부(110)는 통신망을 통해 외부와 데이터를 주고받으며, 통신망은 와이파이 또는 상용 통신망을 사용할 수 있다.
본 발명의 일실시예에 따른 선박(200)은 순찰정을 포함한 선박으로서, 좌현 및 우현에 각각 엔진 및 엔진 룸을 구비하는 선박이다. 선박(200)에는 각종 데이터를 취득하기 위한 센서가 설치될 수 있다. 도 3을 참고하면, 엔진 상태 감지부(240)는 복수의 엔진부에 각각 부착되어 온도 및 진동 데이터를 감지하고, 엔진룸 내에 배치되어 엔진룸 내의 조도 및 연기 감지와 엔진룸의 내부 영상을 촬영하여 전송한다. 일예로서 좌현 엔진 및 우현 엔진에는 각각 온도 및 진동을 감지하는 온도 센서(11,21) 및 진동 센서(12,22)가 부착된다. 또한, 엔진 룸 내부에는 엔진의 화재나 습도를 포함한 엔진 룸의 환경을 감지하기 위한 카메라(52,62) 및 환경 센서(51,53,61,63)가 배치된다. 환경 센서의 일예로서 조도 센서, 습도 센서, 소리 센서 또는 연기 센서가 배치될 수 있다. 조도 센서 및 연기 센서는 카메라와 더불어 엔진 또는 엔진 룸의 화재를 감지하거나 화재 발생을 예측할 수 있다. 습도 센서는 해수가 스며들어 엔진 룸 자체가 습해지는 것을 감지할 수 있으며, 소리 센서는 엔진의 이상을 감지하고 고장 예측을 하는데 사용될 수 있다. 상술한 각종 센서로부터 감지된 센서 데이터 및 영상 신호는 엔진 데이터 수집부(250)에서 데이터를 취합 관리한다.
본 발명의 일실시예에 따른 엔진 데이터 수집부(250)는 엔진 상태 감지부(240)로부터 전송된 감지 데이터 및 선박에 배치된 감지 센서로부터 데이터를 취합하고, 엔진룸의 내부 촬영 영상을 수집 및 관리한다.
도 2에 도시된 바와 같이 본 발명의 일실시예에 따른 원격 시동 요청부(120)는 선박과 떨어진 원격지에 위치할 수 있다. 원격 시동 요청부(120)의 일예로서 시동 리모콘이나 스마트 단말기가 사용될 수 있다. 시동 리모콘은 통신망을 통해 원격지에서 선박의 시동을 온/오프할 수 있으며, 스마트 단말기는 단말기에 인스톨된 입(또는 애플리케이션)을 통해 원격 시동을 온/오프하고, 선박의 상태 및 영상을 감시할 수 있다. 원격 시동 요청부(120)는 원격지에서 선박의 원격 시동 요청 메시지 및 항해정보(또는 운항정보)를 생성하여 통신망을 통해 전송하고, 항해정보에 따른 원격 시동을 요청한다. 선박의 원격 시동이 필요한 경우 시동 리모콘이나 스마트 단말기를 이용해 원격 시동을 하고, 원격 시동 요청 메시지와 함께 전송된 항해정보는 원격시동 고장예측에 활용될 수 있다. 즉, 일예로서 일반적인 상황에서는 고장 예측으로 인해 원격시동을 할 수 없거나 선박의 운항이 불가한 경우라도 긴급 출동시에는 고장 등급에 따라 원격시동이나 선박의 운항이 가능하도록 할 수 있다.
본 발명의 일실시예에 따른 육상 전원부(130)는 선박의 원격 시동을 위한 전원을 육상으로부터 선박(200)으로 공급한다. 선박의 원격 시동을 위해서는 선박(200)에 구비된 배터리만으로는 구동할 수 없고, 또한 추가적으로 원격 시동을 위한 배터리를 구축하더라도 선박의 접안시에는 육상으로부터 상시전원이 공급되는 것이 바람직하다. 따라서, 육상 전원부(130)에서 공급되는 전력은 원격 시동부(220), 원격시동 배터리부(230), 엔진 상태 감지부(240) 등으로 공급된다.
본 발명의 일실시예에 따른 원격 시동 판단부(210)는 원격 시동 요청부의 원격 시동 요청 메시지 및 항해정보에 응답하여 원격 시동 가능 여부를 판단하고, 원격 시동 요청 메시지에 응답하는 응답 메시지를 원격 시동 요청부(120)로 전송하여 원격 시동이 걸렸는지를 운용자에게 알려주도록 한다. 원격 시동 판단부(210)는 후술하는 고장 예측 진단 모델부(280)의 고장 예측을 기초로 원격 시동 여부를 판단한다. 원격 시동이 가능하다고 판단한 경우에는 원격 시동부(200)에 제어 명령을 전송하여 원격 시동부(200)에서 원격 시동이 이루어지도록 한다.
본 발명의 일실시예에 따른 육상 전원 연결 접속부(도면 미도시)는 선박에 구비되며, 육상 전원부(130)에서 공급하는 전력을 공급받도록 육상 전원부(130)와 선박(200)의 접안시에 연결 접속된다. 육상 전원 연결 접속부를 통해 원격 시동부(220), 원격시동 배터리부(230), 엔진 상태 감지부(240) 등으로 육상 전력이 공급된다.
본 발명의 일실시예에 따른 원격시동 배터리부(230)는 육상 전원 연결 접속부와 전기적으로 연결 접속되어 원격시동을 위한 배터리를 충전한다. 원격시동 배터리부(230)는 선박에 기 구비된 예비 배터리와는 서로 다르며 이와 별도로 구비된다.
본 발명의 일실시예에 따른 원격 시동부(220)는 원격 시동 판단부(210)의 판단을 기초로 선박의 엔진을 시동한다. 선박(200)의 엔진을 시동하기 위한 별도의 구성이 원격 시동부(220)에 포함될 수 있다.
본 발명의 일실시예에 따른 고장 유형 카테고리화부(261)는 엔진의 고장 유형을 유형별로 카테고리화 하여 메모리(도면 미도시)에 저장하고, 생성된 엔진의 고장 유형별 카테고리를 예측모델 학습부(270)로 전송하여 고장 유형별로 학습이 이루어지도록 하거나, 학습이 완료된 후 고장 예측 진단 모델부(280)로 전송하여 고장 유형별로 고장 예측을 하도록 한다.
고장 유형의 일예로서 원격시동 자체 기능에 대한 고장 유형, 원격시동에 필요한 엔진 고장 유형(이하에서는 원격시동 자체 기능에 대한 고장 유형과 원격시동에 필요한 엔진 고장 유형을 묶어 원격시동 고장 유형으로 한다), 엔진의 고장 유형으로 분류될 수 있다. 원격시동 자체 기능에 대한 고장 유형은 원격시동을 걸기 위해 직/간접적으로 연결 접속된 구성 및 동작에 대한 고장이고, 원격시동에 필요한 엔진 고장 유형은 엔진 고장 유형 중 원격시동과 관련한 엔진의 고장 유형일 수 있다. 상술한 바와 같은 고장 유형을 더욱 세분화하여 카테고리화 할 수 있다. 즉, 원격시동 자체 기능에 대한 고장 유형을 더욱 세분화하여 유형별로 카테고리화 하고, 원격시동에 필요한 엔진 고장 유형을 더욱 세분화하여 유형별로 카테고리화 하고, 엔진의 고장 유형을 더욱 세분화하여 유형별로 카테고리화 하여 관리할 수 있다. 따라서 고장 유형 카테고리화부(261)는 각 세부유형 카테고리별로 제1,….,n 고장 유형 카테고리화부로 세분화 될 수 있다.
고장 유형 카테고리화부(261)는 엔진 데이터 수집부(250) 및 필요에 따라 선박에 배치된 선박 센서 데이터 수집부(도면 미도시)로부터 감지된 센서 데이터를 입력받는다. 입력받은 센서 데이터를 후술하는 데이터 추출부(262)로 전송한다. 이때, 고장 유형 카테고리화부(261)는 데이터 추출부(262)로 데이터를 전송할 때 데이터와 함께 고장 유형 정보에 대한 메시지를 전송한다. 고장 유형 정보 메시지를 함께 전송함으로써 데이터 추출부(262)에서 이에 상응하는 데이터를 추출 분리할 수 있다. 일예로서 제1 고장 유형 카테고리화부가 데이터 추출부(262)로 전송하는 경우에는 제1 고장 유형에 대한 메시지가 포함될 수 있으며, 제2 고장 유형 카테고리화부가 데이터 추출부(262)로 전송하는 경우에는 제2 고장 유형에 대한 메시지가 포함될 수 있다.
본 발명의 일실시예에 따른 데이터 추출부(262)는 고장 유형 카테고리화부(261)로부터 전송된 고장 유형별 메시지와 입력받은 센서 데이터에 기초하여 고장 유형별 메시지에 따른 센서 데이터를 추출 분리한다. 즉, 일예로서 원격시동 고장 예측에 필요한 고장 유형 메시지인 경우에 이와 관련된 데이터만을 분리 추출하여 고장 유형 카테고리화부(261)로 전송한다. 다른 예로서, 엔진 고장예측에 관한 고장 유형 메시지인 경우에 이와 관련된 데이터만을 따로 분리 추출하여 고장 유형 카테고리화부(261)로 전송한다. 이와 같은 이유는 입력된 많은 센서 데이터 중 고장 유형과 관련한 데이터만을 추출하여 학습을 시키기 위함이다. 물론 필요에 따라 고장 유형과 관련되지 않지만 학습을 위한 노이즈 데이터를 별도로 추가하여 추출할 수 있다.
본 발명의 일실시예에 따른 고장 등급 분류부(263)는 고장 유형 카테고리화부(261)로부터 전송된 고장 유형별 메시지와 입력된 센서 데이터에 기초하여 원격시동 고장예측에 대한 고장 유형 및 엔진 고장예측에 대한 고장 유형별 각각의 고장 등급을 분류하고, 분류된 각각의 고장 등급을 고장 유형 카테고리화부(261)로 전송한다. 고장 등급을 1등급부터 순차적으로 낮은 등급으로 분류함으로써 긴급 출동시에 짧은 거리라도 선박의 운행이 꼭 필요한 경우에는 낮은 고장 등급은 무시하고 원격 시동 및 선박이 운항 가능하도록 하기 위함이다. 이렇게 하기 위해서는 원격시동 고장 유형에 따른 1차 고장 등급과 엔진 고장 유형에 따른 2차 고장 등급이 모두 기 설정된 등급 기준치보다 높은 등급이 않을 때 가능하다. 기준치보다 높은 등급의 경우에는 선박의 안전에 위협이 되므로 선박의 운항을 제한하도록 한다.
일예로서 원격시동 고장예측에 대한 고장 유형별 등급을 1등급부터 n등급까지 등급화할 수 있고, 엔진 고장예측에 대한 고장 유형별 등급을 1등급부터 n등급까지 등급화할 수 있다. 원격시동 고장 예측에 대한 고장 유형을 등급화하는 경우의 등급화 우선순위와 엔진 고장 예측에 대한 고장 유형을 등급화하는 경우의 등급화 우선순위가 입력된 센서 데이터에 따라 서로 다를 수 있다.
고장 유형별로 등급화하는 기준의 일예로서 원격시동 고장 예측에 대한 고장 유형별 등급화의 경우에 입력된 센서 데이터 중 원격 시동과 관련된 센서 데이터의 오류가 있거나 예상되는 경우에는 1등급으로 분류할 수 있고, 원격시동과 관련성이 떨어지는 엔진으로부터 입력되는 센서 데이터의 경우에는 5등급으로 분류할 수 있다. 이때, 센서 데이터의 오류 여부는 도면에는 도시되어 있지 않으나 각 센서로부터 입력되는 센서 데이터의 오류를 판단하는 센서 데이터 오류 판단부로부터 오류 메시지 신호를 받을 수 있다.
즉, 일예로서 센서 데이터 오류 판단부(도면 미도시)는 엔진 룸에 배치된 카메라, 조도 센서 및 연기 센서로부터 감지된 신호를 엔진 데이터 수집부(250)로부터 입력받을 수 있고, 엔진 데이터 수집부(250)로부터 입력받은 데이터 중 카메라 영상의 이미지를 분석하여 엔진 룸의 화재를 인식하면서 조도 및 연기 센서로부터 일정치 이상의 감지 신호를 받게 되면 엔진 룸의 화재를 인식하고 센서 데이터의 오류 메시지를 생성한다. 생성된 오류 메시지는 고장 등급 분류부(262)로 전송되어 고장 등급을 판단하는데 기초 데이터로 사용된다. 다만, 이때 센서 데이터 오류 판단부는 필요에 따라 고장 등급 분류부(263)에 포함되는 구성/기능 일 수 있다.
본 발명의 일실시예에 따른 예측모델 학습부(270)는 엔진 데이터 수집부(250) 및 필요에 따라 선박에 배치된 센서로부터 수집된 데이터를 이용하여 고장 진단 예측에 대한 학습을 진행하는 한다. 예측모델 학습부(270)는 머신러닝을 통해 고장 진단 예측에 대한 학습과 고장 유형에 대한 분류 학습이 완료된다. 이를 위해 예측모델 학습부는 원격시동 고장예측 모델 학습부 및 엔진 고장예측 모델 학습부를 포함한다.
원격시동 고장예측 모델 학습부는 고장 유형 카테고리화부(261)로부터 전송된 원격시동 고장예측 유형 메시지에 기초하여 원격시동 고장예측에 관한 학습을 수행한다.
엔진 고장예측 모델 학습부는 고장 유형 카테고리화부(261)로부터 전송된 엔진 고장예측 유형 메시지에 기초하여 엔진 고장예측에 관한 학습을 수행한다. 학습된 각각의 모델은 학습 완료 후 후술하는 고장 예측 진단 모델부(280)에 접목된다.
본 발명의 일실시예에 따른 고장 예측 진단 모델부(280)는 예측모델 학습부(270)에서 학습한 모델을 바탕으로 엔진 데이터 수집부(250) 및 선박에 배치된 센서로부터 수집된 데이터를 이용하여 선박의 고장 예측을 진단한다. 이를 위해 고장 예측 진단 모델부(280)는 원격시동 고장예측 진단 모델부 및 엔진 고장예측 진단 모델부를 포함한다.
원격시동 고장예측 진단 모델부는 데이터 추출부(262)에서 추출한 원격시동 고장예측에 대한 데이터와 고장 유형 카테고리화부(261)로부터 전송된 고장 유형 메시지에 기초하여 원격시동 고장예측에 관한 진단을 수행한다. 일예로서 예측모델 학습부(270)에서 머신 러닝을 통해 학습이 완료되면 센서 데이터의 입력에 따라 고장 유형에 대한 학습과 고장 예측 진단에 대한 학습이 되며, 이러한 학습 모델을 고장 유형 카테고리화부(261) 및 고장 예측 진단 모델부(280)에 접목할 수 있다. 학습 모델이 접목되면 고장 유형 카테고리화부(261)는 입력된 센서 데이터에 따라 고장 유형을 판단할 수 있다. 판단된 고장 유형을 고장 예측 진단 모델부(280)로 전송한다. 원격시동 고장 예측 진단 모델부는 고장 유형 카테고리화부(261)에서 전송된 원격시동 고장 유형과 데이터 추출부(262)로부터 원격시동 고장 유형과 관련된 추출된 센서 데이터에 기초하여 원격시동과 관련된 고장 예측을 진단한다. 이렇게 고장 진단을 수행함으로써 정더 정확하고 정밀한 예측진단이 수행될 수 있다.
또한, 엔진 고장예측 진단 모델부는 데이터 추출부(262)에서 추출한 엔진 고장예측에 대한 데이터와 고장 유형 카테고리화부(261)로부터 전송된 고장 유형 메시지에 기초하여 엔진 고장예측에 관한 진단을 수행한다. 일예로서 고장 유형 카테고리화부(261)는 입력된 센서 데이터에 따라 고장 유형을 판단할 수 있다. 판단된 고장 유형을 고장 예측 진단 모델부(280)로 전송한다. 엔진 고장 예측 진단 모델부는 고장 유형 카테고리화부(261)에서 전송된 엔진 고장 유형과 데이터 추출부(262)로부터 엔진 고장 유형과 관련된 추출된 센서 데이터에 기초하여 엔진과 관련된 고장 예측을 진단한다.
본 발명을 설명함에 있어 종래 기술 및 당업자에게 자명한 사항은 설명을 생략할 수도 있으며, 이러한 생략된 구성요소(방법) 및 기능의 설명은 본 발명의 기술적 사상을 벗어나지 아니하는 범위내에서 충분히 참조될 수 있을 것이다. 또한, 상술한 본 발명의 구성요소는 본 발명의 설명의 편의를 위하여 설명하였을 뿐 여기에서 설명되지 아니한 구성요소가 본 발명의 기술적 사상을 벗어나지 아니하는 범위내에서 추가될 수 있다.
상술한 각부의 구성 및 기능에 대한 설명은 설명의 편의를 위하여 서로 분리하여 설명하였을 뿐 필요에 따라 어느 한 구성 및 기능이 다른 구성요소로 통합되어 구현되거나, 또는 더 세분화되어 구현될 수도 있다.
이상, 본 발명의 일실시예를 참조하여 설명했지만, 본 발명이 이것에 한정되지는 않으며, 다양한 변형 및 응용이 가능하다. 즉, 본 발명의 요지를 일탈하지 않는 범위에서 많은 변형이 가능한 것을 당업자는 용이하게 이해할 수 있을 것이다. 또한, 본 발명과 관련된 공지 기능 및 그 구성 또는 본 발명의 각 구성에 대한 결합관계에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 구체적인 설명을 생략하였음에 유의해야 할 것이다.
11, 21 : 온도 센서
12, 22 : 진동 센서
51, 61 : 조도센서
52, 62 : 카메라
53, 63 : 환경센서
110 : 원격 모니터링부
120 : 원격 시동 요청부
130 : 육상 전원부
200 : 선박
210 : 원격 시동 판단부
220 : 원격 시동부
230 : 원격시동 배터리부
240 : 엔진 상태 감지부
250 : 엔진 데이터 수집부
261 : 고장 유형 카테고리화부
262 : 데이터 추출부
263 : 고장 등급 분류부
270 : 예측모델 학습부
280 : 고장 예측 진단 모델부

Claims (6)

  1. 선박의 엔진룸에 의해 서로 분리 배치된 복수의 엔진부,
    상기 선박의 좌현 및 우현에 각각 배치된 복수의 엔진룸부,
    상기 복수의 엔진부에 각각 부착되어 온도 및 진동 데이터를 감지하고, 상기 엔진룸 내에 배치되어 엔진룸 내의 조도 및 연기 감지와 엔진룸의 내부 영상을 촬영하여 전송하는 엔진 상태 감지부,
    상기 엔진 상태 감지부로부터 전송된 감지 데이터 및 선박에 배치된 감지 센서로부터 데이터를 취합하고, 엔진룸의 내부 촬영 영상을 수집 및 관리하는 엔진 데이터 수집부,
    상기 엔진 데이터 수집부로부터 수집된 데이터를 이용하여 고장 진단 예측에 대한 학습을 진행하는 예측모델 학습부,
    상기 예측모델 학습부에서 학습한 모델을 바탕으로 상기 엔진 데이터 수집부에서 수집된 데이터를 이용하여 선박의 고장 예측을 진단하는 고장 예측 진단 모델부를 포함하는 것을 특징으로 하는 선박의 엔진 고장 예측 진단 장치.
  2. 제 1 항에 있어서,
    원격지에서 선박의 원격 시동 요청 메시지 및 항해정보를 생성하여 통신망을 통해 전송하고, 항해정보에 따른 원격 시동을 요청하는 원격 시동 요청부,
    상기 엔진 데이터 수집부로부터 전송된 감지 데이터 및 감지 영상을 바탕으로 원격으로 선박을 모니터링 및 관제하는 원격 모니터링부,
    상기 선박의 원격 시동을 위한 전원을 육상으로부터 공급 전송하는 육상 전원부를 더 포함하는 것을 특징으로 하는 선박의 엔진 고장 예측 진단 장치.
  3. 제 2 항에 있어서,
    상기 원격 시동 요청부의 원격 시동 요청 메시지 및 항해정보에 응답하여 원격 시동 가능 여부를 판단하고, 상기 원격 시동 요청 메시지에 응답하는 응답 메시지를 상기 원격 시동 요청부로 전송하는 원격 시동 판단부,
    상기 선박에 구비되며, 상기 육상 전원부에서 공급하는 전력을 공급받도록 상기 육상 전원부와 연결 접속되는 육상 전원 연결 접속부,
    상기 육상 전원 연결 접속부와 전기적으로 연결 접속되어 원격시동을 위한 배터리를 충전하는 원격시동 배터리부,
    상기 원격 시동 판단부의 판단을 기초로 선박의 엔진을 시동하는 원격 시동부를 더 포함하는 것을 특징으로 하는 선박의 엔진 고장 예측 진단 장치.
  4. 제 3 항에 있어서,
    엔진의 고장 유형을 유형별로 카테고리화 하여 메모리에 저장하고, 생성된 엔진의 고장 유형별 카테고리를 상기 예측모델 학습부로 전송하여 고장 유형별로 학습이 이루어지도록 하거나 학습이 완료된 후 상기 고장 예측 진단 모델부로 전송하여 고장 유형별로 고장 예측을 하도록 하는 고장 유형 카테고리화부를 더 포함하는 것을 특징으로 하는 선박의 엔진 고장 예측 진단 장치.
  5. 제 4 항에 있어서,
    상기 고장 유형 카테고리화부로부터 전송된 메시지에 기초하여 원격시동 고장예측에 관한 데이터와 엔진 고장예측에 관한 데이터를 분리하여 추출하고, 원격시동 고장예측 및 엔진 고장예측에 대한 각각 분리 추출된 데이터를 상기 고장 유형 카테고리화부로 전송하는 데이터 추출부,
    상기 고장 유형 카테고리화부로부터 전송된 메시지 및 항해정보에 기초하여 원격시동 고장예측 및 엔진 고장예측에 대한 각각의 고장 등급을 분류하고, 분류된 고장 등급을 상기 고장 유형 카테고리화부로 전송하는 고장 등급 분류부를 더 포함하는 것을 특징으로 하는 선박의 엔진 고장 예측 진단 장치.
  6. 제 5 항에 있어서,
    상기 예측모델 학습부는,
    상기 고장 유형 카테고리화부로부터 전송된 원격시동 고장예측 유형 메시지에 기초하여 원격시동 고장예측에 관한 학습을 수행하는 원격시동 고장예측 모델 학습부,
    상기 고장 유형 카테고리화부로부터 전송된 엔진 고장예측 유형 메시지에 기초하여 엔진 고장예측에 관한 학습을 수행하는 엔진 고장예측 모델 학습부를 포함하며,
    상기 고장 예측 진단 모델부는,
    상기 데이터 추출부에서 추출한 원격시동 고장예측에 대한 데이터와 상기 고장 유형 카테고리화부로부터 전송된 고장 유형 메시지에 기초하여 원격시동 고장예측에 관한 진단을 수행하는 원격시동 고장예측 진단 모델부,
    상기 데이터 추출부에서 추출한 엔진 고장예측에 대한 데이터와 상기 고장 유형 카테고리화부로부터 전송된 고장 유형 메시지에 기초하여 엔진 고장예측에 관한 진단을 수행하는 엔진 고장예측 진단 모델부를 포함하는 것을 특징으로 하는 선박의 엔진 고장 예측 진단 장치.
KR1020220049258A 2022-04-21 2022-04-21 선박의 엔진 고장 예측 진단 장치 KR20230149938A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220049258A KR20230149938A (ko) 2022-04-21 2022-04-21 선박의 엔진 고장 예측 진단 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220049258A KR20230149938A (ko) 2022-04-21 2022-04-21 선박의 엔진 고장 예측 진단 장치

Publications (1)

Publication Number Publication Date
KR20230149938A true KR20230149938A (ko) 2023-10-30

Family

ID=88557969

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220049258A KR20230149938A (ko) 2022-04-21 2022-04-21 선박의 엔진 고장 예측 진단 장치

Country Status (1)

Country Link
KR (1) KR20230149938A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117555280A (zh) * 2024-01-12 2024-02-13 广东海洋大学 一种用于船舶制冷装置的故障监控预警装置及其预警方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101732625B1 (ko) 2015-03-25 2017-05-04 삼성중공업 주식회사 선박의 고장 진단 장치
KR102041683B1 (ko) 2017-11-09 2019-12-11 주식회사 투그램시스템즈 결함 예측 방법
KR20210031179A (ko) 2019-09-11 2021-03-19 주식회사 케이엘넷 빅 데이터를 활용한 기관 장비 고장 예측 시스템
KR102278067B1 (ko) 2019-12-24 2021-07-16 동일조선주식회사 디젤-축전지 하이브리드 추진 선박의 원격 시동 및 예열 시스템
KR102348316B1 (ko) 2020-06-16 2022-01-11 주식회사 네오드림스 선박의 스크러버와 연동되는 사고예방 모니터링 기능을 갖는 배기가스 조절밸브용 밸브구동 제어시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101732625B1 (ko) 2015-03-25 2017-05-04 삼성중공업 주식회사 선박의 고장 진단 장치
KR102041683B1 (ko) 2017-11-09 2019-12-11 주식회사 투그램시스템즈 결함 예측 방법
KR20210031179A (ko) 2019-09-11 2021-03-19 주식회사 케이엘넷 빅 데이터를 활용한 기관 장비 고장 예측 시스템
KR102278067B1 (ko) 2019-12-24 2021-07-16 동일조선주식회사 디젤-축전지 하이브리드 추진 선박의 원격 시동 및 예열 시스템
KR102348316B1 (ko) 2020-06-16 2022-01-11 주식회사 네오드림스 선박의 스크러버와 연동되는 사고예방 모니터링 기능을 갖는 배기가스 조절밸브용 밸브구동 제어시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117555280A (zh) * 2024-01-12 2024-02-13 广东海洋大学 一种用于船舶制冷装置的故障监控预警装置及其预警方法
CN117555280B (zh) * 2024-01-12 2024-04-05 广东海洋大学 一种用于船舶制冷装置的故障监控预警装置及其预警方法

Similar Documents

Publication Publication Date Title
CN111964922A (zh) 智能驾驶车辆测试系统
CN110989594A (zh) 一种智能机器人巡检系统及方法
KR20230149938A (ko) 선박의 엔진 고장 예측 진단 장치
US20220262171A1 (en) Surveillance system for an infrastructure and/or a vehicle with event detection
CN104176581A (zh) 电梯轿厢照明诊断装置
CN115939996A (zh) 一种电力巡检机器人的自动巡检系统
CN116626544A (zh) 频域触发数据采集系统及方法
KR102299704B1 (ko) 재난환경 메타데이터 연계를 통한 스마트 딥러닝 영상감시 시스템
KR101238303B1 (ko) 영상 감시장치, 이를 이용한 영상 감시시스템 및 그 제어방법
CN113483815A (zh) 一种基于工业大数据的机械故障监控系统
KR101876624B1 (ko) 디스플레이 장치의 표시부 정상상태를 무인 검사하는 방법 및 시스템
KR102459503B1 (ko) 듀얼센서를 이용한 감시영역 이상 모니터링 시스템 및 방법
KR101311112B1 (ko) 차량 사고 판단 장치 및 그 방법
JP2007230732A (ja) エレベータの運転制御装置
CN115296193A (zh) 变电站智能巡检系统及方法
KR102355264B1 (ko) 진동센서 및 음향센서를 이용한 선박 원격 관리 시스템 및 방법
KR102093615B1 (ko) 주차 관리 시스템
CN110217659A (zh) 智能视频监控系统
JP2000293766A (ja) 画像監視装置
CN112053526A (zh) 一种监控系统及监控方法
JP5241870B2 (ja) 画像記録装置の故障監視装置
JP2008099095A (ja) 監視システム
KR101464973B1 (ko) 보험사 연계형 블랙박스를 이용한 교통사고 처리 시스템
KR102162147B1 (ko) 연료 운송의 이상 상황 인지 시스템
KR102613203B1 (ko) 자가진단 게이트웨이를 이용한 네트워크 스마트 관리 시스템

Legal Events

Date Code Title Description
E902 Notification of reason for refusal