KR20230158785A

KR20230158785A - 기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법

Info

Publication number: KR20230158785A
Application number: KR1020220058335A
Authority: KR
Inventors: 김동현
Original assignee: 주식회사 디엔솔루션즈
Priority date: 2022-05-12
Filing date: 2022-05-12
Publication date: 2023-11-21

Abstract

본 발명은 각 구조체의 구동에 따라 발생하는 복수의 센서부의 센싱정보와 NC 제어부의 NC정보를 자동으로 수집하고 기계학습을 통해 시간 동기화가 완료된 동기화데이터를 지속적으로 생성함에 따라 관리자의 편의를 도모하고, 공작기계의 이상진단을 위한 시간과 비용을 절감하고 신뢰성과 안전성을 향상할 수 있는 기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법에 관한 것이다.

Description

기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법{Collecting data synchronization system of machine tool based on machine learning and method thereof}

본 발명은 기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법에 관한 것으로, 더욱 상세하게는 각 구조체의 구동에 따라 발생하는 복수의 센서부의 센싱정보와 NC 제어부의 NC정보를 자동으로 수집하고 기계학습을 통해 시간 동기화가 완료된 동기화데이터를 지속적으로 생성함에 따라 관리자의 편의를 도모하고, 공작기계의 이상진단을 위한 시간과 비용을 절감하고 신뢰성과 안전성을 향상할 수 있는 기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법에 관한 것이다.

일반적으로 공작기계라 함은 각종 절삭 가공방법 또는 비절삭 가공방법으로 금속/비금속의 공작물을 적당한 공구를 이용하여 원하는 형상 및 치수로 가공할 목적으로 사용하는 기계를 말한다.

터닝센터, 수직/수평 머시닝센터, 문형머시닝센터, 스위스 턴, 방전 가공기, 수평형 NC 보링머신, CNC 선반 등을 비롯한 다양한 종류의 공작기계는 다양한 산업 현장에서 해당 작업의 용도에 맞게 널리 사용되고 있다.

또한, 공작기계는 공작물인 소재가 안착되고 공작물 가공을 위해 이송하는 테이블, 가공전 공작물을 준비하는 팔렛트, 공구 또는 공작물이 결합되어 회전하는 주축, 공작물 등을 가공중에 지지하기 위한 심압대, 방진구 등을 구비한다.

일반적으로 공작기계에서 테이블, 공구대, 주축, 심압대, 방진구 등은 다양한 가공을 수행하기 위해 이송축을 따라 이송하는 이송유닛을 구비한다.

또한, 일반적으로 공작기계는 다양한 가공을 위하여 다수의 공구를 사용하게 되며, 다수의 공구를 수납보관하고 있는 공구 보관장소의 형태로 공구 매거진이나 터렛이 사용된다.

이러한 공작기계는 다양한 가공을 위하여 다수의 공구를 사용하게 되며, 다수의 공구를 수납보관하고 있는 툴 보관장소의 형태로 공구 매거진이 사용된다.

또한, 일반적으로 공작기계는 공작기계의 생산성을 향상시키기 위해 수치제어부의 지령에 의해 특정한 공구를 공구 매거진으로부터 인출하거나 다시 수납하기 위한 자동공구교환장치(ATC, Automatic Tool Changer)를 구비한다.

또한, 일반적으로 공작기계는 비가공 시간을 최소화하기 위해, 자동팔레트교환장치(APC, Automatic Palette Changer)를 구비한다. 자동팔레트교환장치(APC)는 팔레트를 공작물 가공 영역과 공작물 설치 영역 간에 자동으로 교환한다. 팔레트에는 공작물이 탑재될 수 있다.

일반적으로 현재 사용되고 있는 다양한 종류의 공작기계는 수치제어(numerical control, NC)가 급속히 진행되고 있다.

최근에는 수치제어(NC)가 탑재된 컴퓨터를 이용하여 공작기계를 자동으로 제어함에 따라 수치제어(NC)를 한층 더 발전시킨 컴퓨터 수치제어(CNC, computerized numerical control) 기술이 적용된 공작기계가 급속도로 보급되고 있는 추세이다.

수치제어(NC) 또는 컴퓨터 수치제어(CNC) 공작기계는 조작반을 구비하고 있다. 이러한 조작반은 다양한 기능스위치 또는 버튼과 모니터를 구비한다.

이처럼, 수치제어 또는 컴퓨터 수치제어가 적용된 공작기계는 가공을 수행하기 위해 가공프로그램을 생성하거나 관리 또는 작업하는 작업자가 가공프로그램과 같은 각종 제어프로그램이나 공작기계의 개별 제어명령을 위한 NC 코드를 생성하고 공작기계의 NC 제어부에 이를 입력해야 한다.

일반적인 컴퓨터와 달리, 특수한 목적을 가지고 있는 수많은 가전제품이나 공작기계는 주어진 작업을 수행하는 임베디드 시스템 또는 엣지 디바이스가 내장되어 있다.

최근의 공작기계는 CNC(Computer Numerical Control)라는 수치제어 시스템을 장작하고 있으며, 이러한 CNC는 공작기계의 운전을 원하는 형태로 다양하게 제어할 수 있다.

오늘날에는 다양하고 복잡한 형상의 가공을 수행하거나 대량 생산을 위해 신속하게 공작물의 가공을 정밀하게 수행하기 위해 더욱 많은 공작기계의 제어가 요구되고 있다.

즉, 공작기계는 개별적으로 작동하는 다양한 개별장비가 있고, 해당 장비의 작동상태를 확인하기 위해 각종 센서가 해당 개별장비에 부착된다.

그러나, 이러한 종래 공작기계의 개별 장치에 부착되는 센서는 샘플링 레이트가 마이크로초 단위이나 NC장비는 밀리초 단위로 샘플링이 수행되어 시간적 일치도가 감소함에 따라 해당 정보의 품질이 저하되고 정확도와 신뢰성이 감소하는 문제점이 있었다.

구체적으로 종래 공작기계의 수집데이터 동기화 시스템 및 동기화 방법은 센서 퓨전 기술에 기반을 둔 다채널 신호 기법으로 연속적인 아날로그 신호에 국한되어 추가적인 센서 설치 없이 NC 장비에서 제공되는 통신프로토콜은 응답시간에 제한이 있어 정밀도와 신뢰성과 신속성에 문제가 있었다.

또한, 종래 공작기계의 수집데이터 동기화 시스템 및 동기화 방법은 NC장비와의 통신이 불가능한 문제점이 있었다.

구체적으로 NC 통신은 NC의 연산처리한계에 기인한 통신 태스크 처리 우선순위가 낮기 때문에 일정한 주기의 시간 결정적인 통신이 불가능하여 NC 장비의 가공처리 연산부하와 기타 사용자 조작에 의한 연산 부하에 통신 응답성이 영향을 받아 시간 오차가 발생하여 정확성과 신뢰성 및 안정성이 감소하는 문제점이 있었다.

이를 위해 공작기계의 수집된 데이터 중에서 아날로그 시계열 데이터와 NC 정보 이산데이터의 시간동기화 작업이 반드시 요구된다.

그러나, 종래 공작기계는 이러한 센싱데이터와 NC 데이터의 시간 동기화 작업을 신속하고 정확하며 자동으로 수행하지 못함에 따라 많은 비용과 시간이 소모되어 생산성이 저하되고, 공작기계이 제조비용이 증가하는 문제점이 있었다.

이에 따라 각 구조체의 구동에 따라 발생하는 복수의 센서부의 센싱정보와 NC 제어부의 NC정보를 자동으로 수집하고 기계학습을 통해 시간 동기화가 완료된 동기화데이터를 지속적으로 생성할 수 있는 기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법에 대한 개발이 시급한 실정이다.

대한민국 특허공개공보 제10-2018-0048218호 대한민국 특허공개공보 제10-2020-0106662호 대한민국 특허공개공보 제10-2018-0103002호

본 발명은 상기와 같은 문제점을 해결하기 위한 것으로, 본 발명의 목적은 각 구조체의 구동에 따라 발생하는 복수의 센서부의 센싱정보와 NC 제어부의 NC정보를 자동으로 수집하고 기계학습을 통해 시간 동기화가 완료된 동기화데이터를 지속적으로 생성함에 따라 관리자의 편의를 도모하고, 공작기계의 이상진단을 위한 시간과 비용을 절감하고 신뢰성과 안전성을 향상할 수 있는 기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법을 제공하는 것이다.

또한, 본 발명은 추론부와 계산부가 머신러닝을 이용한 기계학습을 통해 프로파일을 자동으로 생성하고, 매핑된 NC정보의 시간데이터를 머신러닝을 이용한 기계학습을 통해 자동으로 계산하고, 빅 데이터(big data)를 활용한 딥러닝을 통해 오류 유무를 검출하고, 오류가 검출되는 경우에 동기화데이터를 자동으로 보정하여 시간 동기화데이터를 작업자의 숙련도나 경험과 지식과 관계없이 자동으로 지속적으로 생성함에 따라 작업자의 편의를 도모하고, 안전사고를 미연에 방지할 수 있는 기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법을 제공하는 것이다.

또한, 본 발명은 각각의 공작기계에 탑재되는 엣지 디바이스 형태로 제조되어 장비의 호환성을 통해 간편하고 신속하게 기존 공작기계에 설치되어 공작기계의 소형화를 도모하고 공간활용도를 감소시키며, 센싱부로부터 수집된 센싱정보에 따른 시간 정보와 NC정보 취득 시간 정보를 이용해 연속적인 아날로그 센서데이터와 불연속적인 NC데이터를 기계학습을 통해 자동으로 동기화시켜 가공공정 중 정상상태 뿐만아니라 천이상태의 데이터로 활용을 통해 공작기계나 공작물의 손상이나 파손에 따른 유지보수 비용과 시간을 감소하고, 소비자의 만족도를 증대시킬 수 있는 기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법을 제공하는 것이다.

다만, 본 발명 및 본 발명의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

본 발명의 목적을 달성하기 위해 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템은 공작기계의 각 구조체별로 1개 이상 설치되어 해당 구조체를 센싱하는 복수의 센서부; 상기 공작기계의 각 구조체의 구동을 제어하는 NC 제어부; 및 상기 복수의 센서부 및 상기 NC 제어부와 네트워크로 각각 연결되고, 상기 각 구조체의 구동시에 상기 복수의 센서부와 상기 NC 제어부로부터 데이터를 수집하고 동기화하는 동기화제어부;를 포함하고, 상기 동기화제어부는 각 구조체의 구동에 따라 발생하는 상기 복수의 센서부의 센싱정보와 상기 NC 제어부의 NC정보를 자동으로 수집하고 기계학습을 통해 시간 동기화가 완료된 동기화데이터를 지속적으로 생성할 수 있다.

또한, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 바람직한 다른 실시예에서, 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 상기 센싱정보는 상기 복수의 센서부로부터 수집된 아날로그 시계열 데이터이고, 상기 NC정보는 상기 NC 제어부로부터 수집된 가공 및 상기 각 구조체 구동에 따른 이산데이터일 수 있다.

또한, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 바람직한 다른 실시예에서, 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 상기 동기화제어부는 상기 복수의 센서부 및 상기 NC 제어부와 네트워크를 통해 유선 또는 원격으로 통신하는 통신모듈; 기계학습을 통해 동기화가 완료된 동기화데이터를 지속적으로 생성하기 위한 데이터를 저장하고, 상기 통신모듈을 통해 각각의 상기 복수의 센서부 및 상기 NC 제어부로부터 전송받은 상기 센싱정보 및 상기 NC정보를 저장하는 데이터베이스부; 상기 데이터베이스부에 저장된 상기 센싱정보 및 상기 NC정보의 이벤트 발생여부를 확인하여 동기화를 위한 데이터를 수집하는 수집모듈; 상기 수집모듈에서 수집된 상기 센싱정보 및 상기 NC정보를 통해 상기 NC정보를 상기 센싱정보를 기반으로 시계열적으로 동기화하여 동기화데이터를 생성하는 동기화모듈;을 포함할 수 있다.

또한, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 바람직한 다른 실시예에서, 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 상기 동기화제어부는 상기 통신모듈, 상기 데이터베이스부, 상기 수집모듈, 및 상기 동기화모듈의 데이터나 결과를 사용자 그래픽 가이던스 프로그램으로 그래픽이나 텍스트 또는 이미지로 전환하여 표시하거나 상기 NC 제어부로 전송하는 출력모듈;을 더 포함할 수 있다.

또한, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 바람직한 다른 실시예에서, 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 상기 수집모듈은 상기 데이터베이스부에 저장된 상기 센싱정보 및 상기 NC정보의 이벤트 발생여부를 확인하는 확인부; 상기 확인부의 확인결과 이벤트가 발생한 경우 상기 센싱정보 및 상기 NC정보의 시간을 측정하는 측정부; 상기 확인부의 확인결과와 상기 측정부의 측정결과 및 상기 데이터베이스부에 저장된 데이터에 의해 상기 센싱정보를 기준으로 상기 센싱정보와 상기 NC정보를 구획하는 구획부; 상기 구획부의 구획결과에 따라 상기 센싱정보 배열을 복사하여 생성하는 배열생성부; 및 상기 배열생성부를 통해 생성된 상기 센싱정보 및 상기 구획부를 통해 구획된 상기 NC 정보를 수집하여 저장하는 수집부;를 포함할 수 있다.

또한, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 바람직한 다른 실시예에서, 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 상기 구획부는 상기 센싱정보의 링형태의 순환구조에 따른 샘플링 레이트 및 포인트 수에 따라 메모리 쓰기 인터랩트를 구획할 수 있다.

또한, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 바람직한 다른 실시예에서, 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 상기 배열생성부는 상기 센싱정보를 상기 구획부에서 링형태의 센싱정보 순환배열에서 큐형태의 센싱정보 배열로 복사하여 생성할 수 있다.

또한, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 바람직한 다른 실시예에서, 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 상기 동기화모듈은 상기 수집부에서 저장된 상기 센싱정보에 따른 상기 NC 정보를 추론하기 위한 프로파일을 생성하는 추론부; 상기 추론부를 통해 생성된 프로파일에 따라 상기 NC정보를 매핑하는 매핑부; 상기 매핑부를 통해 매핑된 상기 NC정보의 시간데이터를 계산하는 계산부; 및 상기 계산부를 통해 계산된 상기 NC정보 시간데이터와 상기 수집부에 저장된 상기 센싱정보의 시간데이터를 비교하는 비교부;를 포함할 수 있다.

또한, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 바람직한 다른 실시예에서, 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 상기 동기화모듈은 상기 비교부의 비교결과 시간차이가 발생한 경우 상기 NC정보를 상기 센싱정보의 시간데이터를 기준으로 보정하여 상기 NC정보를 동기화하는 보정부;를 더 포함할 수 있다.

또한, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 바람직한 다른 실시예에서, 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 상기 추론부는 머신러닝을 이용한 기계학습을 통해 NC 정보를 추론하기 위한 프로파일을 자동으로 생성하고, 상기 계산부는 상기 매핑부를 통해 매핑된 상기 NC정보의 시간데이터를 머신러닝을 이용한 기계학습을 통해 자동으로 계산할 수 있다.

또한, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 바람직한 다른 실시예에서, 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 상기 NC 제어부는 상기 각 구조체별로 구동을 제어하기 위한 정보를 저장하는 저장부; 상기 저장부에 저장된 정보에 따라 상기 각 구조체를 구동시키는 구동부; 및 상기 저장부 또는 상기 구동부에 수집된 NC정보를 상기 동기화제어부로 전송하거나 상기 동기화제어부로부터 새롭게 생성된 동기화데이터를 수신하는 송수신부;를 포함할 수 있다.

또한, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 바람직한 다른 실시예에서, 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 상기 NC 제어부는 상기 저장부, 상기 구동부의 구동정보, 및 상기 송수신부를 통해 송수신된 정보를 표시하는 표시부;를 더 포함할 수 있다.

본 발명의 또 다른 목적을 달성하기 위해 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 방법은 복수의 센서부의 센싱정보와 NC 제어부의 NC정보를 자동으로 수집하고 기계학습을 통해 동기화가 완료된 동기화데이터를 지속적으로 생성하기 위한 데이터를 저장하는 단계; 상기 복수의 센서부, 상기 NC 제어부, 및 동기화제어부를 네트워크를 통해 유선 또는 원격으로 연결하는 단계; 상기 센싱정보 및 상기 NC정보의 이벤트 발생여부를 확인하는 단계; 확인결과 이벤트가 발생한 경우 상기 센싱정보 및 상기 NC정보의 시간을 측정하는 단계; 상기 센싱정보를 기준으로 상기 센싱정보와 상기 NC정보를 구획하는 단계; 구획결과에 따라 상기 센싱정보 배열을 복사하여 배열을 생성하는 단계; 배열생성된 상기 센싱정보와 구획된 상기 NC 정보를 수집하는 단계; 수집된 상기 센싱정보에 따른 상기 NC 정보를 추론하기 위한 프로파일을 생성하는 단계; 추론결과를 통해 생성된 프로파일에 따라 상기 NC정보를 매핑하는 단계; 매핑된 상기 NC정보의 시간데이터를 계산하는 단계; 계산된 상기 NC정보 시간데이터와 수집된 상기 센싱정보의 시간데이터를 비교하는 단계; 및 비교결과 시간차이가 발생한 경우 상기 NC정보를 상기 센싱정보의 시간데이터를 기준으로 보정하는 단계;를 포함할 수 있다.

또한, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 방법의 바람직한 다른 실시예에서, 기계학습 기반 공작기계의 수집데이터 동기화 방법은 상기 보정 단계 이후에 확인결과, 측정결과, 구획결과, 배열생성 결과, 수집 결과, 추론 결과, 매핑 결과, 계산 결과, 비교 결과, 및 보정 결과를 사용자 그래픽 가이던스 프로그램으로 그래픽이나 텍스트 또는 이미지로 전환하여 표시하거나 상기 NC 제어부로 전송하여 출력하는 단계;를 더 포함할 수 있다.

본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법은 각 구조체의 구동에 따라 발생하는 복수의 센서부의 센싱정보와 NC 제어부의 NC정보를 자동으로 수집하고 기계학습을 통해 시간 동기화가 완료된 동기화데이터를 지속적으로 생성함에 따라 응답성을 향상하여 가공정밀도와 생산성을 극대화하고, 공작기계의 이상진단을 위한 시간과 비용을 절감하고 신뢰성과 안전성을 향상할 수 있는 효과가 있다.

또한, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법은 추론부와 계산부가 머신러닝을 이용한 기계학습을 통해 프로파일을 자동으로 생성하고, 매핑된 NC정보의 시간데이터를 머신러닝을 이용한 기계학습을 통해 자동으로 계산하고, 빅 데이터(big data)를 활용한 딥러닝을 통해 오류 유무를 검출하고, 오류가 검출되는 경우에 동기화데이터를 자동으로 보정하여 시간 동기화데이터를 작업자의 숙련도나 경험과 지식과 관계없이 자동으로 지속적으로 생성함에 따라 작업자의 편의를 도모하고, 안전사고를 미연에 방지할 수 있는 효과가 있다.

더욱이, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법은 각각의 공작기계에 탑재되는 엣지 디바이스 형태로 제조되어 장비의 호환성을 통해 간편하고 신속하게 기존 공작기계에 설치되어 공작기계의 소형화를 도모하고 공간활용도를 감소시키며, 센싱부로부터 수집된 센싱정보에 따른 시간 정보와 NC정보 취득 시간 정보를 이용해 연속적인 아날로그 센서데이터와 불연속적인 NC데이터를 기계학습을 통해 자동으로 동기화시켜 가공공정 중 정상상태뿐만아니라 천이상태의 데이터로 활용을 통해 공작기계나 공작물의 손상이나 파손에 따른 유지보수 비용과 시간을 감소하고, 소비자의 만족도를 증대하여 수출활성화를 도모할 수 있는 효과가 있다.

도 1은 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 개념도를 나타낸다.
도 2는 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 NC 제어부의 구성도를 나타낸다.
도 3은 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 동기화제어부의 구성도를 나타낸다.
도 4는 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 방법의 절차도를 나타낸다.
도 5는 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법의 센싱정보와 NC정보의 수집 과정의 일례를 나타낸다.
도 6 내지 도 7은 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법의 추론부의 프로파일중에서 속도-시간 프로파일의 일예를 나타낸다.
도 8은 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법의 추론부의 프로파일중에서 좌표-시간 프로파일의 일예를 나타낸다.
도 9는 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법을 통해 동기화가 완료된 상태에서 기계학습을 통해 레이블링된 이상진단 데이터가 지속적으로 생성된 상태의 일례를 나타낸다.

이하, 본 발명의 실시예에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템 및 동기화 방법의 도면을 참고하여 상세하게 설명한다. 다음에 소개되는 실시 예들은 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 따라서, 본 발명은 이하 설명되는 실시 예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 그리고, 도면들에 있어서, 장치의 크기 및 두께 등은 편의를 위하여 과장되어 표현될 수도 있다. 명세서 전체에 걸쳐서 동일한 참조 번호들은 동일한 구성요소들을 나타낸다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있다. 이하의 실시예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다. 또한, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다. 또한, 도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 크기 및 두께는 설명의 편의를 위해 임의로 나타내었으므로, 본 발명이 반드시 도시된 바에 한정되지 않는다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다. 도면에서 층 및 영역들의 크기 및 상대적인 크기는 설명의 명료성을 위해 과장될 수 있다.

본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며, 따라서 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다 (comprise)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/ 또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.

도 1 내지 도 3 및 도 5 내지 도 9를 참조하여 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템을 설명한다. 도 1 내지 도 3에 도시된 것처럼, 본 발명의 일 실시예에 따른 기계학습 기반 공작기계의 수집데이터 동기화 시스템은 센서부(100), NC 제어부(200) 및 동기화제어부(300)를 포함한다.

센서부(100)는 공작기계의 각 구조체별로 1개 이상 설치되어 해당 구조체를 센싱한다. 즉, 복수의 센서부는 공작기계에서 공작물 가공을 위한 각 구조체별로 1개 이상 설치되어 해당 구조체의 상태를 센싱한다.

구체적으로 각 구조체는 공작기계를 구성하는 베드, 컬럼, 새들, 스핀들, 이송부, 서보모터, 냉각장치, 심압대, 방진구, 자동공구교환장치, 자동팔레트교환장치 등 공작기계에서 공작물 가공을 위한 모든 개별 단위의 부품이나 장비를 의미한다.

또한, 이러한 센서부의 일예로 가속도 진동센서, 마이크로폰, 서보 및 스핀들 모터의 전류 센서일 수 있다.

NC 제어부(200)는 공작기계의 각 구조체의 구동을 제어한다.

동기화제어부(300)는 복수의 센서부 및 NC 제어부와 네트워크로 각각 연결되고, 각 구조체의 구동시에 복수의 센서부와 NC 제어부로부터 데이터를 수집하고 동기화한다.

동기화제어부는 각 구조체의 구동에 따라 발생하는 복수의 센서부의 센싱정보와 NC 제어부의 NC정보를 자동으로 수집하고 기계학습을 통해 시간 동기화가 완료된 동기화데이터를 지속적으로 생성한다.

센싱정보는 복수의 센서부로부터 수집된 아날로그 시계열 데이터이고, NC정보는 NC 제어부로부터 수집된 가공 및 각 구조체 구동에 따른 이산데이터로 이루어진다.

즉, 센싱정보는 샘플링레이트가 마이크로초 단위의 시계열 데이터이고, NC정보는 밀리초 단위로 통신주기가 일정치 않는 이산데이터이다.

예를 들어 일반적으로 공작기계에서 진동 이상진단의 경우에 시계열 데이터의 주기적이고 반복적인 주파수 변환과 주파수 변환된 데이터의 특징 주파수 정보를 이용하여 이상진단을 수행한다.

진동 발생 진단의 응답성을 위해서는 센싱정보인 센서데이터와 NC정보인 NC데이터의 고해상도 시간 동시성을 가지는 데이터가 반드시 필요하다. 이는 더 높은 시간 해상도 데이터를 보유하게 되면 진동이 발생하는 물리적인 시간으로부터 진단까지의 응답성 향상을 도모하고, 이에 따라 공작기계의 이상진단의 정확성과 신속성 및 신뢰성과 안정성을 확보할 수 있다.

이처럼, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템은 센싱정보인 센싱데이터를 기준으로 NC정보인 NC데이터를 시간 동기화를 기계학습을 통해 자동으로 새롭게 계속해서 생성함에 따라 응답성을 향상하여 가공정밀도와 생산성을 극대화하고, 공작기계의 이상진단을 위한 시간과 비용을 절감하고 신뢰성과 안전성을 향상할 수 있다.

도 1에 도시된 것처럼, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 동기화제어부(300)는 1개 이상의 센서부와 네트워크로 각각 연결되고, 필요에 따라 1개 이상의 각각의 NC 제어부도 네트워크를 통해 통합적으로 연결될 수 있다.

도 2에 도시된 것처럼, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 NC 제어부(200)는 저장부(210), 구동부(220), 송수신부(230), 및 표시부(240)를 포함한다.

이러한 NC 제어부는 NC(numerical control, NC) 또는 CNC(computerized numerical control)를 포함하고, 각종 수치 제어 프로그램이 내장되어 있다.

또한, 도면에 도시되지는 않았지만, 본 발명의 바람직한 일 실시예에 따르면, NC 제어부는 주조작부를 포함하고, 이러한 주조작부는 화면표시 프로그램과 화면표시 선택에 따른 데이터 입력 프로그램을 포함하고, 화면표시 프로그램의 출력에 따라 표시화면에 소프트웨어 스위치를 디스플레이하고, 소프트웨어 스위치의 온(ON)/오프(OFF)를 인식하여 기계 동작의 입출력 명령을 내리는 기능을 수행한다.

또한, 반드시 이에 한정되는 것은 아니지만, 주조작부는 공작기계의 하우징, 케이스, 또는 일측에 설치되어 다양한 기능스위치 또는 버튼과 각종 정보를 표시할 수 있는 모니터를 구비한다.

저장부(210)는 각 구조체별로 구동을 제어하기 위한 정보를 저장한다. 저장부는 ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기일 수 있고, 인터넷(internet)상에서 메모리부의 저장 기능을 수행하는 웹 스토리지(web storage)일 수도 있다.

구동부(220)는 저장부에 저장된 정보에 따라 각 구조체를 구동시킨다.

송수신부(230)는 저장부 또는 구동부에 수집된 NC정보를 동기화제어부로 전송하거나 동기화제어부로부터 새롭게 생성된 동기화데이터를 수신한다.

표시부(240)는 저장부, 구동부의 구동정보, 및 송수신부를 통해 송수신된 정보를 표시한다. 이러한 표시부는 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉서블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전자잉크 디스플레이(e-ink display) 중에서 적어도 하나를 포함할 수 있다.

또한, 반드시 이에 한정되는 것은 아니지만, 표시부는 터치스크린 형태로 형성되어 공작기계의 하우징, 케이스, 또는 일측에 설치되어 다양한 기능스위치 또는 버튼과 각종 정보를 표시할 수 있다.

또한, NC 제어부는 공작기계의 각 구조체별 개별 운전 제어를 위한 관리자나 사용자가 표시부 등에 있는 터치스크린이나 키패드 또는 키보드 등을 통한 제어명령의 조작이나 입력을 감지하고 이를 NC 제어부의 저장부에 수동으로 입력할 수 있다.

또한, 기계학습을 통한 수집데이터 동기화를 위해 NC 제어부는 송수신부를 통해 동기화제어부로부터 전송받은 새롭게 생성된 동기화데이터를 통해 추가적인 이상진단 유무를 판단하고, 판단된 결과를 동기화제어부에 피드백하여 회신할 수 있다.

이에 따라 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템은 각각의 공작기계에 탑재되는 엣지 디바이스 형태로 제조되어 장비의 호환성을 통해 간편하고 신속하게 기존 공작기계에 설치되어 공작기계의 소형화를 도모하고 공간활용도를 감소시키며, 센싱부로부터 수집된 센싱정보에 따른 시간 정보와 NC정보 취득 시간 정보를 이용해 연속적인 아날로그 센서데이터와 불연속적인 NC데이터를 기계학습을 통해 자동으로 동기화시켜 가공공정 중 정상상태 뿐만아니라 천이상태의 데이터로 활용을 통해 공작기계나 공작물의 손상이나 파손에 따른 유지보수 비용과 시간을 감소하고, 소비자의 만족도를 증대하여 수출활성화를 도모할 수 있다.

도 3에 도시된 것처럼, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 동기화제어부(300)는 통신모듈(310), 데이터베이스부(320), 수집모듈(330), 동기화모듈(340), 및 출력모듈(350)을 포함한다.

통신모듈(310)은 복수의 센서부 및 NC 제어부와 동기화제어부를 네트워크를 통해 유선 또는 원격으로 통신한다. 통신모듈의 복수의 센서부 및 NC 제어부와의 네트워크는 복수의 센서부, NC 제어부 및/또는 동기화제어부 등과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다. 또한, 필요에 따라 복수의 센서부, NC 제어부, 및 동기화제어부는 이더넷 또는 시리얼통신으로 연결될 수 있으나, 이에 한정되지는 않는다.

데이터베이스부(320)는 기계학습을 통해 동기화가 완료된 동기화데이터를 지속적으로 생성하기 위한 데이터를 저장하고, 통신모듈을 통해 각각의 복수의 센서부 및 NC 제어부로부터 전송받은 센싱정보 및 NC정보를 저장한다. 데이터베이스부는 ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기일 수 있고, 인터넷(internet)상에서 데이터베이스부의 저장 기능을 수행하는 웹 스토리지(web storage)일 수도 있다.

수집모듈(330)은 데이터베이스부에 저장된 센싱정보 및 NC정보의 이벤트 발생여부를 확인하여 동기화를 위한 데이터를 수집한다.

센싱정보로는 가속도와 이송축 모터, 주축 스핀들 모터에서 나오는 전류, 전압 신호가 있다. 이러한 센싱정보는 공작기계의 구조적 특징, 가공공정의 공정 변수 특수성, 장비를 구동하는 구동계(서보모터, 이송축, 주축 스핀들)의 동적 주파수 응답성 등에 기인한 최종적인 측정 가능데이터이다. 즉, 센싱정보는 기계학습 기반 공작기계의 수집데이터 동기화 시스템에 가장 중요한 코어 데이터라 할 수 있다.

NC정보는 공작기계에 따라 제한적인 설정값으로 예를 들어 서보모터의 응답성을 결정하는 각종 파라메터, 공정과 관련된 공구, 소재 오프셋, 기계구동 좌표, 현재 가공프로그램정보인 가공절삭량, 주축 회전수, 이송축 이송속도, 가공경로, 공작기계의 자체의 고유정보로 예를 들어 공작기계의 구조물이 고유 주파수 등이 있다.

동기화모듈(340)은 수집모듈에서 수집된 센싱정보 및 NC정보를 통해 NC정보를 센싱정보를 기반으로 시계열적으로 동기화하여 동기화데이터를 생성한다. 즉, 동기화모듈은 가공프로그램, 센싱신호, 동기오차범위, 가공지령, 가공유무에 따라 센싱정보를 기준으로 NC정보를 구간별로 매칭한다. 이는 일반적으로 센싱정보의 샘플링 속도가 NC정보의 샘플링 속도보다 빠르기 때문에 기계좌표 또는 가공프로그램의 시퀀스 번호와 같은 NC정보 또는 장비정보를 기준으로 센싱정보 구간을 매칭하여 동기화를 진행하다. 구체적으로 아날로그 연속데이터인 센싱정보와 NC 제어부와 통신으로 통신 주기에 의존적인 NC정보와의 구간별 매칭을 통해 동기화모듈에서 동기화가 진행된다.

출력모듈(350)은 통신모듈, 데이터베이스부, 수집모듈, 및 동기화모듈의 데이터나 결과를 사용자 그래픽 가이던스 프로그램으로 그래픽이나 텍스트 또는 이미지로 전환하여 표시하거나 NC 제어부로 전송한다..

본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템은 추론부와 계산부가 머신러닝을 이용한 기계학습을 통해 프로파일을 자동으로 생성하고, 매핑된 NC정보의 시간데이터를 머신러닝을 이용한 기계학습을 통해 자동으로 계산하고, 빅 데이터(big data)를 활용한 딥러닝을 통해 오류 유무를 검출하고, 오류가 검출되는 경우에 동기화데이터를 자동으로 보정하여 시간 동기화데이터를 작업자의 숙련도나 경험과 지식과 관계없이 자동으로 지속적으로 생성함에 따라 작업자의 편의를 도모하고, 안전사고를 미연에 방지할 수 있다.

도 3에 도시된 것처럼, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 동기화제어부(300)의 수집모듈(330)은 획인부(331), 측정부(332), 구획부(333), 배열생성부(334), 및 수집부(335)를 포함한다.

확인부(331)는 데이터베이스부에 저장된 센싱정보 및 NC정보의 이벤트 발생여부를 확인한다. 여기에서 이벤트란 공작물의 가공과정에서 발생하는 각종 상태를 의미한다. 예를 들어 각 구조체에 장착된 센서부로부터 아날로그 센서 신호가 발생하면 샘플링 레이트와 연계된 클럭이 발생된다. 이후, 센서부의 센서별 아날로그 값을 아날로그 필터회로에서 디지털 신호로 전환하고 불필요한 대역의 주파수는 통과시키지 않고 신호를 시계열 버퍼에 연속적으로 값을 사용하여 해당 신호 발생여부를 확인한다.

측정부(332)는 확인부의 확인결과 이벤트가 발생한 경우 센싱정보 및 NC정보의 시간을 측정한다. 센서부 또는 NC 제어부의 제어 명령 등에 의해 이벤트가 발생한 것으로 확인부가 인식하면 측정부에서 해당 시간을 측정한다.

구획부(333)는 확인부의 확인결과와 측정부의 측정결과 및 데이터베이스부에 저장된 데이터에 의해 센싱정보를 기준으로 센싱정보와 NC정보를 구획한다.

또한, 도 5에 도시된 것처럼, 구획부는 센싱정보의 링형태의 순환구조에 따른 샘플링 레이트 및 포인트 수에 따라 메모리 쓰기 인터랩트를 구획한다. 즉, 로우 패스 필터(Low Pass Filter)을 통과한 신호에 따라 이벤트로 확인부에서 확인후에 측정부에서 시간을 측정하고 나면 도 5와 같이 센싱정보가 링형태의 순환구조에 따라 샘플링 레이트 및 포인트 수에 따라 실시간 이상진단을 위한 신호처리의 시간 주기성을 확보하기 위해 메모리 쓰기 인터럽트를 구획한다. 구체적으로 특정 시간, 길이, 사이즈의 시계열 데이터를 쓰게 되면 연산까지의 지연시간을 감소시키는 것이 실시간성을 확보하는 중요한 자료로 이를 위해 메모리 쓰기 인터럽트를 구획한다.

링형태의 순환구조는 한정된 메모리 사이즈로 인해 특정 크기 이상의 값이 쓰여지면 처음쓰여진 값부터 덮어씌우는 형태로 작동한다. 또한, 링형태의 순환구조를 사용하지 않고 바로 큐형태의 자료를 사용할 경우 시계열데이터의 가능성이 존재한다. 이처럼, 본 발명은 구획부가 링형태의 순환구조를 사용함에 따라 제한된 메모리 사이즈에 무한히 연속된 시계열 데이터를 기록함에 따라 장비의 소형화를 도모하여 공간활용도를 극대화하고 제조비용을 절감할 수 있는 효과가 있다.

배열생성부(334)는 구획부의 구획결과에 따라 센싱정보 배열을 복사하여 생성한다. 또한, 도 5에 도시된 것처럼, 배열생성부는 센싱정보를 구획부에서 링형태의 센싱정보 순환배열에서 큐형태의 센싱정보 배열로 복사하여 생성한다.

그러나, 상술한 바와 같이 구획부에서 메모리 쓰기 인터럽트를 샘플링 레이트와 포인트 수에 따라 링형태의 순환구조를 통해 구획하여 결정하지만 제한적인 컴퓨팅 자원을 갖는 운영체제인 NC 제어부와 동기화제어부의 저장공간에서 메모리 쓰기와 읽기 작업은 동시에 병렬로 수행될 수 없다.

이에 따라 지정된 시간에 지정된 주기에 고정된 크기의 데이터의 신호처리 연산을 진행하기 위해 센싱정보를 구획부에서 링형태의 센싱정보 순환배열에서 큐형태의 센싱정보 배열로 전환이 요구됨에 따라 배열생성부에서 링형태의 순환배열은 쓰기가 연속적으로 덮어쓰기 때문에 시간데이터의 오류발생을 최소화하여 정확성을 유지하면서 추가적인 데이터 활용을 위해 큐형태의 FIFO(First In First Out) 센싱정보 배열을 복사하여 생성하여 정확성과 신속성 및 신뢰성과 안정성을 확보한다.

구체적으로 시간 기반 이상진단의 신호처리를 위해서는 고정된 샘플링 레이트에 정해진 사이즈의 데이터는 신호처리의 응답성에 영향을 미치게 된다. 예를 들어 데이터의 사이즈가 작으면 더 짧은 시간에 자주 실시간 이상진단 판단을 하게 된다.

수집부(335)는 배열생성부를 통해 생성된 센싱정보 및 구획부를 통해 구획된 NC 정보를 수집하여 저장한다.

도 3에 도시된 것처럼, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템의 동기화제어부(300)의 동기화모듈(340)은 추론부(341), 매핑부(342), 계산부(343), 비교부(344), 및 보정부(345)를 포함한다.

추론부(341)는 수집부에서 저장된 센싱정보에 따른 NC 정보를 추론하기 위한 프로파일을 생성한다. 이러한 추론부는 머신러닝을 이용한 기계학습을 통해 NC 정보를 추론하기 위한 프로파일을 지도학습(Supervised Learning), 비지도학습(Unsupervised Learning), 강화학습(Reinforcement Learning)을 통해 자동으로 생성한다. 즉, 도 6 내지 도 7과 같이 추론부는 속도-시간 프로파일을 머신러닝을 이용한 기계학습을 통해 생성한다. 구체적으로 이송 시작좌표와 이송 끝 좌표, 이송축 정보, 지령량과 같은 가공프로그램과 각 구조체의 이송축의 가감속 시정수 셋팅값과 같은 입력된 정보를 통해 상대적 시간에 따른 속도-시간 프로파일을 머신러닝을 이용한 기계학습을 통해 자동으로 생성할 수 있다. NC 제어부와 토신으로 얻은 값의 시간 간격이 있어 일정하지 않아 정확도를 증대할 수 있다. 또한, 도 8과 같이 좌표-시간 프로파일을 머신러닝을 이용한 기계학습을 통해 생성할 수 있다.

매핑부(342)는 추론부를 통해 생성된 프로파일에 따라 NC정보를 매핑한다.

계산부(343)는 매핑부를 통해 매핑된 NC정보의 시간데이터를 계산한다. 이러한 계산부는 매핑부를 통해 매핑된 NC정보의 시간데이터를 머신러닝을 이용한 기계학습을 통해 자동으로 계산할 수 있다.

비교부(344)는 계산부를 통해 계산된 NC정보 시간데이터와 수집부에 저장된 센싱정보의 시간데이터를 비교한다.

보정부(345)는 비교부의 비교결과 시간차이가 발생한 경우 NC정보를 센싱정보의 시간데이터를 기준으로 보정하여 NC정보를 동기화한다. 즉, 보정부는 비교부를 통해 비교된 시간데이터에 따라 이상진단 데이터를 빅데이터를 활용한 텍스트 딥러닝, 해석 그래프와 비전정보를 통한 이미지 딥러닝을 딥러닝 뉴럴 네트워크(Deep running neural network)와 연동하여 수행하여 오류 유무를 검출하고, 오류가 검출되는 경우에 오류가 발생된 동기화데이터를 자동으로 보정하여 동기화된 동기화데이터를 수정 생성한다. 이처럼, 빅데이터를 활용한 딥러닝을 통해 오류 유무를 검출하고 자동으로 보정함에 따라 작업자의 숙련도나 경험과 지식과 관계없이 자동으로 동기화데이터를 지속적으로 생성하여 이상진단을 수행함에 따라 작업자의 편의를 도모하고, 안전사고를 미연에 방지할 수 있다.

즉, 도 8에 도시된 것처럼, 좌표-시간 프로파일에서는 등속 운동인 경우를 가정한다. 좌표-시간 프로파일은 지령 속도, 이동거리, 장비 모터의 가감속 시정수에 따른 속도-시간 프로파일을 계산부에서 적분하여 생성할 수 있다. 사전에 NC 제어부의 가공프로그램과 공구 오프셋 정보를 활용하여 실제 소재의 좌표를 사전에 알고 있어 사전에 알고 있는 좌표값을 통해 NC 통신 기반한 소재 진입 시간을 계산하고 이를 센싱정보인 센서데이터와 시계열 동기화를 수행할 수 있다.

도 9에 도시된 것처럼, 새롭게 생성된 동기화데이터에 레이블링된 이상진단 데이터를 시간에 따른 공정별 구간구분에 따라 표시하고, 센싱정보 구간에 따른 공정의 구분, 이상진단 발생 여부 등이 하나의 신호에 여러개의 값이 새롭게 레이블링된 시계열 동기화데이터로 생성됨에 따라 공작기계의 이상진단을 더욱 정확하고 신속하며 안정적으로 수행하여 공작기계의 안정성과 신뢰성을 향상하고, 이상진단의 정확성을 높여 공작기계와 공작물의 손상이나 파손을 방지하고, 이상진단 시스템과 방법의 확장과 유용성 확대를 간편하고 신속하게 수행하고, 추가적인 이상진단 시스템과 방법의 개발 비용과 시간을 감소할 수 있다.

도 4를 참조하여 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 방법을 설명한다. 도 4에 도시된 것처럼, 본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 방법은 데이터 저장 단계(S1), 연결 단계(S2), 확인 단계(S3), 측정 단계(S4), 구획 단계(S5), 배열 생성 단계(S6), 수집 단계(S7), 추론 단계(S8), 매핑 단계(S9), 계산 단계(S10), 비교 단계(S11), 보전 단계(S12), 및 출력 단계(S13)를 포함한다. 각 단계에서 구체적으로 장치의 작동과정이나 작동원리와 구성이나 내용은 본 발명의 명세서의 기계학습 기반 공작기계의 수집데이터 동기화 시스템과 동일하여 이하에서는 도 4를 참조하여 기계학습 기반 공작기계의 수집데이터 동기화 방법의 특이점을 중점으로 설명한다.

복수의 센서부의 센싱정보와 NC 제어부의 NC정보를 자동으로 수집하고 기계학습을 통해 동기화가 완료된 동기화데이터를 지속적으로 생성하기 위한 데이터를 저장한다.

데이터 저장 단계(S1) 이후에, 복수의 센서부, NC 제어부, 및 동기화제어부를 네트워크를 통해 유선 또는 원격으로 연결한다.

통신 단계(S2) 이후에, 센싱정보 및 NC정보의 이벤트 발생여부를 확인한다.

확인 단계(S3) 이후에, 확인결과 이벤트가 발생한 경우 센싱정보 및 NC정보의 시간을 측정한다.

측정 단계(S4) 이후에, 센싱정보를 기준으로 센싱정보와 NC정보를 구획한다.

구획 단계(S5) 이후에, 구획결과에 따라 센싱정보 배열을 복사하여 배열을 생성한다.

배열 생성 단계(S6) 이후에. 배열생성된 센싱정보와 구획된 NC 정보를 수집한다.

수집 단계(S7) 이후에, 수집된 센싱정보에 따른 NC 정보를 추론하기 위한 프로파일을 생성한다.

추론 단계(S8) 이후에, 추론결과를 통해 생성된 프로파일에 따라 NC정보를 매핑한다.

매핑 단계(S9) 이후에, 매핑된 NC정보의 시간데이터를 계산한다.

계산 단계(S10) 이후에, 계산된 NC정보 시간데이터와 수집된 센싱정보의 시간데이터를 비교한다.

비교 단계(S11) 이후에, 비교결과 시간차이가 발생한 경우 NC정보를 센싱정보의 시간데이터를 기준으로 보정하여 동기화한다.

보정 단계(S12) 이후에, 확인결과, 측정결과, 구획결과, 배열생성 결과, 수집 결과, 추론 결과, 매핑 결과, 계산 결과, 비교 결과, 및 보정 결과를 사용자 그래픽 가이던스 프로그램으로 그래픽이나 텍스트 또는 이미지로 전환하여 표시하거나 NC 제어부로 전송하여 출력한다.

하는 단계

본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 시스템은 각 구조체의 구동에 따라 발생하는 복수의 센서부의 센싱정보와 NC 제어부의 NC정보를 자동으로 수집하고 기계학습을 통해 시간 동기화가 완료된 동기화데이터를 지속적으로 생성함에 따라 응답성을 향상하여 가공정밀도와 생산성을 극대화하고, 공작기계의 이상진단을 위한 시간과 비용을 절감하고 신뢰성과 안전성을 향상하고, 가공공정중에 정상구간 뿐만아니라 천이구간에서의 데이터 활용도를 증대하고 공작기계의 가공정밀도를 극대화할 수 있다.

본 발명에 의한 기계학습 기반 공작기계의 수집데이터 동기화 방법은 각 구조체의 구동에 따라 발생하는 복수의 센서부의 센싱정보와 NC 제어부의 NC정보를 자동으로 수집하고 기계학습을 통해 시간 동기화가 완료된 동기화데이터를 지속적으로 생성함에 따라 응답성을 향상하여 가공정밀도와 생산성을 극대화하고, 공작기계의 이상진단을 위한 시간과 비용을 절감하고 신뢰성과 안전성을 향상할 수 있다.

본 발명에 의한 기계학습 기반 공작기계 이상진단 데이터 수집 방법은 공작기계의 이상진단 머신러닝을 위해 각각의 공작기계의 독립적인 작동에 따라 발생하는 공작기계의 개별적인 운전정보를 자동으로 수집하고 분류하여 기계학습을 통해 레이블링된 이상진단 데이터를 지속적으로 생성하여 공작기계의 이상진단 시스템과 방법을 기계학습을 통한 자동화 및 업그레이드를 통해 공작기계의 안정성과 신뢰성을 향상하고, 이상진단의 정확성을 높여 공작기계와 공작물의 손상이나 파손을 방지하고, 이상진단 시스템과 방법의 확장과 유용성 확대를 간편하고 신속하게 수행하고, 추가적인 이상진단 시스템과 방법의 개발 비용과 시간을 감소하며, 기계학습과 빅 데이터(big data)를 활용한 딥러닝을 통해 오류 유무를 검출하고, 오류가 검출되는 경우에 오류가 발생된 레이블링된 이상진단 데이터를 자동으로 보정하여 레이블링된 이상진단 데이터를 수정 생성함에 따라 작업자의 숙련도나 경험과 지식과 관계없이 자동으로 이상진단 데이터를 지속적으로 생성함에 따라 작업자의 편의를 도모하고, 안전사고를 미연에 방지하고, 각각의 공작기계에 탑재되는 엣지 디바이스 형태로 제조되어 장비의 호환성을 통해 간편하고 신속하게 기존 공작기계에 설치되어 공작기계의 소형화를 도모하고 공간활용도를 감소시키며, 기존 이상진단 뿐만아니라 조건이나 비율 또는 환경이 변화된 공작기계의 새로운 이상진단에 대해서도 지속적으로 정확하고 신속하게 판단하여 공작기계나 공작물의 손상이나 파손에 따른 유지보수 비용과 시간을 감소하고, 소비자의 만족도를 증대시킬 수 있다.

또한, 이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.

본 발명에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, “필수적인”, “중요하게” 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.

또한, 설명한 본 발명의 상세한 설명에서는 본 발명의 바람직한 실시 예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자 또는 해당 기술분야에 통상의 지식을 갖는 자라면 후술할 특허청구범위에 기재된 본 발명의 사상 및 기술 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 기술적 범위는 명세서의 상세한 설명에 기재된 내용으로 한정되는 것이 아니라 특허청구범위에 의해 정하여져야만 할 것이다.

100 : 센서부
200 : NC 제어부
300 : 동기화제어부
310 : 통신모듈
320 : 데이터베이스부
330 : 수집모듈
340 : 동기화모듈
350 : 출력모듈

Claims

공작기계의 각 구조체별로 1개 이상 설치되어 해당 구조체를 센싱하는 복수의 센서부;
상기 공작기계의 각 구조체의 구동을 제어하는 NC 제어부; 및
상기 복수의 센서부 및 상기 NC 제어부와 네트워크로 각각 연결되고, 상기 각 구조체의 구동시에 상기 복수의 센서부와 상기 NC 제어부로부터 데이터를 수집하고 동기화하는 동기화제어부;를 포함하고,
상기 동기화제어부는 각 구조체의 구동에 따라 발생하는 상기 복수의 센서부의 센싱정보와 상기 NC 제어부의 NC정보를 자동으로 수집하고 기계학습을 통해 시간 동기화가 완료된 동기화데이터를 지속적으로 생성하는 것을 특징으로 하는 기계학습 기반 공작기계의 수집데이터 동기화 시스템.
제1항에 있어서,
상기 센싱정보는 상기 복수의 센서부로부터 수집된 아날로그 시계열 데이터이고,
상기 NC정보는 상기 NC 제어부로부터 수집된 가공 및 상기 각 구조체 구동에 따른 이산데이터인 것을 특징으로 하는 기계학습 기반 공작기계의 수집데이터 동기화 시스템.
제2항에 있어서,
상기 동기화제어부는,
상기 복수의 센서부 및 상기 NC 제어부와 네트워크를 통해 유선 또는 원격으로 통신하는 통신모듈;
기계학습을 통해 동기화가 완료된 동기화데이터를 지속적으로 생성하기 위한 데이터를 저장하고, 상기 통신모듈을 통해 각각의 상기 복수의 센서부 및 상기 NC 제어부로부터 전송받은 상기 센싱정보 및 상기 NC정보를 저장하는 데이터베이스부;
상기 데이터베이스부에 저장된 상기 센싱정보 및 상기 NC정보의 이벤트 발생여부를 확인하여 동기화를 위한 데이터를 수집하는 수집모듈;
상기 수집모듈에서 수집된 상기 센싱정보 및 상기 NC정보를 통해 상기 NC정보를 상기 센싱정보를 기반으로 시계열적으로 동기화하여 동기화데이터를 생성하는 동기화모듈;을 포함하는 것을 특징으로 하는 기계학습 기반 공작기계의 수집데이터 동기화 시스템.
제3항에 있어서,
상기 동기화제어부는,
상기 통신모듈, 상기 데이터베이스부, 상기 수집모듈, 및 상기 동기화모듈의 데이터나 결과를 사용자 그래픽 가이던스 프로그램으로 그래픽이나 텍스트 또는 이미지로 전환하여 표시하거나 상기 NC 제어부로 전송하는 출력모듈;을 더 포함하는 것을 특징으로 하는 기계학습 기반 공작기계의 수집데이터 동기화 시스템.
제3항에 있어서,
상기 수집모듈은,
상기 데이터베이스부에 저장된 상기 센싱정보 및 상기 NC정보의 이벤트 발생여부를 확인하는 확인부;
상기 확인부의 확인결과 이벤트가 발생한 경우 상기 센싱정보 및 상기 NC정보의 시간을 측정하는 측정부;
상기 확인부의 확인결과와 상기 측정부의 측정결과 및 상기 데이터베이스부에 저장된 데이터에 의해 상기 센싱정보를 기준으로 상기 센싱정보와 상기 NC정보를 구획하는 구획부;
상기 구획부의 구획결과에 따라 상기 센싱정보 배열을 복사하여 생성하는 배열생성부; 및
상기 배열생성부를 통해 생성된 상기 센싱정보 및 상기 구획부를 통해 구획된 상기 NC 정보를 수집하여 저장하는 수집부;를 포함하는 것을 특징으로 하는 기계학습 기반 공작기계의 수집데이터 동기화 시스템.
제5항에 있어서,
상기 구획부는 상기 센싱정보의 링형태의 순환구조에 따른 샘플링 레이트 및 포인트 수에 따라 메모리 쓰기 인터랩트를 구획하는 것을 특징으로 하는 기계학습 기반 공작기계의 수집데이터 동기화 시스템.
제5항에 있어서,
상기 배열생성부는 상기 센싱정보를 상기 구획부에서 링형태의 센싱정보 순환배열에서 큐형태의 센싱정보 배열로 복사하여 생성하는 것을 특징으로 하는 기계학습 기반 공작기계의 수집데이터 동기화 시스템.
제5항에 있어서,
상기 동기화모듈은,
상기 수집부에서 저장된 상기 센싱정보에 따른 상기 NC 정보를 추론하기 위한 프로파일을 생성하는 추론부;
상기 추론부를 통해 생성된 프로파일에 따라 상기 NC정보를 매핑하는 매핑부;
상기 매핑부를 통해 매핑된 상기 NC정보의 시간데이터를 계산하는 계산부; 및
상기 계산부를 통해 계산된 상기 NC정보 시간데이터와 상기 수집부에 저장된 상기 센싱정보의 시간데이터를 비교하는 비교부;를 포함하는 것을 특징으로 하는 기계학습 기반 공작기계의 수집데이터 동기화 시스템.
제8항에 있어서,
상기 동기화모듈은,
상기 비교부의 비교결과 시간차이가 발생한 경우 상기 NC정보를 상기 센싱정보의 시간데이터를 기준으로 보정하여 상기 NC정보를 동기화하는 보정부;를 더 포함하는 것을 특징으로 하는 기계학습 기반 공작기계의 수집데이터 동기화 시스템.
제8항에 있어서,
상기 추론부는 머신러닝을 이용한 기계학습을 통해 NC 정보를 추론하기 위한 프로파일을 자동으로 생성하고,
상기 계산부는 상기 매핑부를 통해 매핑된 상기 NC정보의 시간데이터를 머신러닝을 이용한 기계학습을 통해 자동으로 계산하는 것을 특징으로 기계학습 기반 공작기계의 수집데이터 동기화 시스템.
제1항에 있어서,
상기 NC 제어부는,
상기 각 구조체별로 구동을 제어하기 위한 정보를 저장하는 저장부;
상기 저장부에 저장된 정보에 따라 상기 각 구조체를 구동시키는 구동부; 및
상기 저장부 또는 상기 구동부에 수집된 NC정보를 상기 동기화제어부로 전송하거나 상기 동기화제어부로부터 새롭게 생성된 동기화데이터를 수신하는 송수신부;를 포함하는 것을 특징으로 하는 기계학습 기반 공작기계의 수집데이터 동기화 시스템.
제11항에 있어서,
상기 NC 제어부는,
상기 저장부, 상기 구동부의 구동정보, 및 상기 송수신부를 통해 송수신된 정보를 표시하는 표시부;를 더 포함하는 것을 특징으로 하는 기계학습 기반 공작기계의 수집데이터 동기화 시스템.
복수의 센서부의 센싱정보와 NC 제어부의 NC정보를 자동으로 수집하고 기계학습을 통해 동기화가 완료된 동기화데이터를 지속적으로 생성하기 위한 데이터를 저장하는 단계;
상기 복수의 센서부, 상기 NC 제어부, 및 동기화제어부를 네트워크를 통해 유선 또는 원격으로 연결하는 단계;
상기 센싱정보 및 상기 NC정보의 이벤트 발생여부를 확인하는 단계;
확인결과 이벤트가 발생한 경우 상기 센싱정보 및 상기 NC정보의 시간을 측정하는 단계;
상기 센싱정보를 기준으로 상기 센싱정보와 상기 NC정보를 구획하는 단계;
구획결과에 따라 상기 센싱정보 배열을 복사하여 배열을 생성하는 단계;
배열생성된 상기 센싱정보와 구획된 상기 NC 정보를 수집하는 단계;
수집된 상기 센싱정보에 따른 상기 NC 정보를 추론하기 위한 프로파일을 생성하는 단계;
추론결과를 통해 생성된 프로파일에 따라 상기 NC정보를 매핑하는 단계;
매핑된 상기 NC정보의 시간데이터를 계산하는 단계;
계산된 상기 NC정보 시간데이터와 수집된 상기 센싱정보의 시간데이터를 비교하는 단계; 및
비교결과 시간차이가 발생한 경우 상기 NC정보를 상기 센싱정보의 시간데이터를 기준으로 보정하는 단계;를 포함하는 것을 특징으로 하는 기계학습 기반 공작기계의 수집데이터 동기화 방법.
제13항에 있어서,
상기 보정 단계 이후에,
확인결과, 측정결과, 구획결과, 배열생성 결과, 수집 결과, 추론 결과, 매핑 결과, 계산 결과, 비교 결과, 및 보정 결과를 사용자 그래픽 가이던스 프로그램으로 그래픽이나 텍스트 또는 이미지로 전환하여 표시하거나 상기 NC 제어부로 전송하여 출력하는 단계;를 더 포함하는 것을 특징으로 하는 기계학습 기반 공작기계 이상진단 데이터 수집 방법.