KR20240050288A - Ai 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법 - Google Patents

Ai 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법 Download PDF

Info

Publication number
KR20240050288A
KR20240050288A KR1020230134521A KR20230134521A KR20240050288A KR 20240050288 A KR20240050288 A KR 20240050288A KR 1020230134521 A KR1020230134521 A KR 1020230134521A KR 20230134521 A KR20230134521 A KR 20230134521A KR 20240050288 A KR20240050288 A KR 20240050288A
Authority
KR
South Korea
Prior art keywords
manufacturing
information
data
user interface
facility
Prior art date
Application number
KR1020230134521A
Other languages
English (en)
Inventor
민보경
Original Assignee
아이디비 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 아이디비 주식회사 filed Critical 아이디비 주식회사
Publication of KR20240050288A publication Critical patent/KR20240050288A/ko

Links

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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • 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
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • 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
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
    • 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
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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)
  • Theoretical Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Economics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • General Factory Administration (AREA)

Abstract

본 발명은 제조 공장의 관리자가 전반적인 제조 공장의 현재 상태 및 예측 상황을 직관적이고 쉽게 모니터링하고 대응할 수 있는 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법 및 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법을 수행하는 컴퓨팅 장치를 제공하고자 한다. 본 발명에 따른 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법은, 제조 공장의 제조 설비에 대한 작업 지시를 입력 받는 단계와, 상기 제조 공장의 제조 설비로부터 공정 데이터를 수집하는 단계와, 상기 공정 데이터, 설비 조건 데이터, 및 임계치 데이터를 AI 신경망에 입력하여 제조 공정에 대한 분석 정보를 생성하는 단계와, 상기 공정 데이터 및 상기 분석 정보를 상기 제조 공장의 레이아웃 및 각 제조 설비의 그래픽을 통해 시각화하여 사용자 인터페이스를 통해 출력하는 단계를 포함한다.

Description

AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법{Method for AI-based manufacturing process standard integrated management system and monitoring system}
본 발명은 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법 및 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법을 수행하는 컴퓨팅 장치에 관한 것이다.
제조 공장에서 수십 내지 수백개의 제조 설비에 의해 제조 공정이 수행되며, 제조 공장의 관리자는 목표에 따라 제품이 생산되도록 각 제조 설비 마다 데이터를 기록하며 관리하여야 한다. 최근 데이터 연산 기술 및 통신 기술의 발전에 따라 각 제조 설비 마다 구비된 센서의 데이터를 취합하여 제조 공정을 관리하는 스마트 팩토리 기술이 소개되고 있다.
다만, 대부분의 스마트 팩토리 기술에서는 단순히 공정 현황을 저장하고 관리자의 요청에 따라 해당 정보를 출력할 뿐, 관리자 입장에서 전반적인 공정 상황을 모니터링하고 대응하기 어려웠다.
본 발명은 제조 공장의 관리자가 전반적인 제조 공장의 현재 상태 및 예측 상황을 직관적이고 쉽게 모니터링하고 대응할 수 있는 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법 및 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법을 수행하는 컴퓨팅 장치를 제공하고자 한다.
본 발명의 해결과제는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확히 이해될 수 있을 것이다.
본 발명에 따른 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법은, 제조 공장의 제조 설비에 대한 작업 지시를 입력 받는 단계와, 상기 제조 공장의 제조 설비로부터 공정 데이터를 수집하는 단계와, 상기 공정 데이터, 설비 조건 데이터, 및 임계치 데이터를 AI 신경망에 입력하여 제조 공정에 대한 분석 정보를 생성하는 단계와, 상기 공정 데이터 및 상기 분석 정보를 상기 제조 공장의 레이아웃 및 각 제조 설비의 그래픽을 통해 시각화하여 사용자 인터페이스를 통해 출력하는 단계를 포함한다.
본 발명의 실시예에 따르면, 작업 지시를 입력하는 단계는, 문서로 발행된 제조 지시서에서 상기 제조 설비의 동작 지시 내용에 해당하는 지시 텍스트를 추출하는 단계와, 상기 지시 텍스트를 상기 작업 지시를 위한 데이터 셋으로 변환하는 단계와, 상기 데이터 셋을 상기 제조 설비로 전송하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 데이터 셋은, 동작 시점, 제어 항목, 동작 시퀀스, 동작 시간을 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 공정 데이터는 설비명, 재료 정보, 온도 정보, 압력 정보, 동작 시간 정보, 임계치 정보, 및 생산 수량 정보를 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 제조 공정에 대한 분석 데이터를 생성하는 단계는, 선형 회귀(Linear Regression) 방식의 머신 러닝 엔진을 통해 상기 공정 데이터, 레시피 데이터, 수리 이력 데이터로부터 각 제조 설비의 상태 예측 값 및 이상 상태 발생 가능성 값을 계산하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 공정 데이터 및 상기 분석 정보를 시각화하여 출력하는 단계는 상기 이상 상태 발생 가능성 값이 임계치를 초과하는 경우 알람을 출력하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 임계치는 상기 작업 지시에 기초하여 결정될 수 있다.
본 발명의 실시예에 따르면, 상기 분석 정보를 시각화하여 출력하는 단계는 센서 이상 현황 정보를 포함하는 상기 제조 공장의 레이아웃, 상기 제조 공장의 제조 공정 별 상태 정보, 상기 제조 공장의 당일 작업 지시량 대비 실적 정보, 상기 제조 공장의 불량율 정보, 및 상기 제조 공장의 가동 시간 정보를 제1 사용자 인터페이스를 통해 표시하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 분석 정보를 시각화하여 출력하는 단계는, 상기 제1 사용자 인터페이스에서 특징 제조 공정을 수행하는 제조 라인의 상태 확인을 위한 입력을 수신하는 단계와, 상기 제조 라인의 상황을 제2 사용자 인터페이스를 통해 표시하는 단계를 더 포함할 수 있다. 상기 제2 사용자 인터페이스는, 상기 제조 라인의 제조 설비 별 센서 이상 정보를 포함하는 상기 제조 라인의 레이아웃, 상기 제조 라인의 제조 설비 별 공정 측정치 및 임계치 정보, 상기 제조 라인의 생산 지시량 대비 실적 정보, 상기 제조 라인의 생산량 및 불량 현황 정보, 및 상기 제조 라인의 제조 설비 별 상태 정보를 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 분석 정보를 시각화하여 출력하는 단계는, 상기 제2 사용자 인터페이스에서 제조 설비의 상태 확인을 위한 입력을 수신하는 단계와, 상기 제조 설비의 상황을 제3 사용자 인터페이스를 통해 표시하는 단계를 더 포함할 수 있다. 상기 제3 사용자 인터페이스는, 상기 제조 설비의 식별 정보, 상기 제조 설비의 센서에 의해 측정된 가동 정보, 및 상기 제조 설비의 가동 항목 별 알람 정보를 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 가동 항목 중에서 이상 발생이 예측되는 가동 항목에 대한 알람이 상기 제3 사용자 인터페이스를 통해 표시될 수 있다.
본 발명에 따르면, AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법을 수행하는 컴퓨팅 장치가 제공될 수 있다.
본 발명에 따르면, AI 신경망을 통해 분석 정보를 생성하고 분석 정보를 제조 공장의 레이아웃 및 각 제조 설비의 그래픽을 통해 시각화하여 출력함으로써, 관리자가 전반적인 제조 공장의 현재 상태 및 예측 상황을 직관적이고 쉽게 모니터링하고 대응할 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 시스템을 도시한다.
도 2는 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 시스템에서 컴퓨팅 장치의 구성을 나타내는 블록도이다.
도 3은 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법을 나타내는 흐름도이다.
도 4는 제조 설비로 작업 지시를 입력하는 과정을 나타내는 흐름도이다.
도 5는 제조 설비로 작업 지시를 입력하는 과정을 도시한다.
도 6은 분석 정보의 생성 및 시각화를 위한 과정을 설명하기 위한 도면이다.
도 7은 이상 상태에 대한 알람을 출력하는 과정을 설명하기 위한 도면이다.
도 8 내지 도 10은 제조 공장의 분석 정보를 시각화하여 표시하는 사용자 인터페이스의 예이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시예들에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예들에 한정되지 않는다.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.
또한, 여러 실시예들에 있어서, 동일한 구성을 가지는 구성요소에 대해서는 동일한 부호를 사용하여 대표적인 실시예에서만 설명하고, 그 외의 다른 실시예에서는 대표적인 실시예와 다른 구성에 대해서만 설명하기로 한다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결(또는 결합)"되어 있다고 할 때, 이는 "직접적으로 연결(또는 결합)"되어 있는 경우뿐만 아니라, 다른 부재를 사이에 두고 "간접적으로 연결(또는 결합)"된 것도 포함한다. 또한, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 시스템을 도시한다. 도 1을 참고하면, 제조 공장(10)에는 복수개의 제조 설비(100)들이 구비되며, 각 제조 설비(100)에는 하나 또는 그 이상의 센서(200)가 구비된다. 제조 공장(10)에는 특징 제조 공정을 수행하기 위한 제조 라인이 복수개 설치된다. 각 제조 라인은 해당 제조 공정을 수행하기 위한 제조 설비(100)가 복수개 설치된다. 각 센서(200)는 제조 설비(100)의 상태와 관련된 데이터(예; 온도, 압력, 회전량)를 측정하고, 측정된 데이터를 전송할 수 있다. 컴퓨팅 장치(20)는 센서(200)로부터 수신된 데이터를 저장하고, 저장된 데이터를 이용하여 제조 공장(10)에 대한 분석 정보를 생성하고, 분석 정보를 출력한다. 컴퓨팅 장치(20)에 의해 수행되는 분석 정보 생성 및 출력은 이후 상세히 설명한다. 컴퓨팅 장치(20)는 스마트폰, 태블릿과 같은 모바일 기기(30)로 분석 정보를 전송할 수 있다. 관리자는 컴퓨팅 장치(20) 또는 모바일 기기(30)를 통해 제조 공장(10)의 관리를 위한 정보를 모니터링하고 필요한 데이터를 입력할 수 있다. 컴퓨팅 장치(20)는 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법을 수행할 수 있으며, 또는 딥러닝을 수행하기 위한 AI 신경망을 구성하는 외부의 서버와 통신하여 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 수행할 수 있다.
도 2는 AI 기반의 제조 공정 표준 통합 관리 및 모니터링를 위한 시스템에서 컴퓨팅 장치(20)의 구성을 나타내는 블록도이다. 도 2를 참고하면, 컴퓨팅 장치(20)는 프로세서(210), 통신 모듈(220), 디스플레이(230), 입출력 인터페이스(240), 메모리(250)를 포함할 수 있다.
프로세서(210)는 컴퓨팅 장치(20)의 동작을 수행하기 위한 연산 및 데이터 처리, 그리고 컴퓨팅 장치(20)의 각 모듈을 제어할 수 있다. 프로세서(210)는 메모리(250)에 저장된 하나 이상의 소프트웨어 프로그램들을 실행할 수 있다. 프로세서(210)는 컴퓨팅 장치(20)의 전반적인 동작을 관리하는 운영 체제를 실행하는 범용 프로세서(예: CPU)를 포함할 수 있다. 또한, 프로세서(210)는 특정 연산 처리를 위한 전용 프로세서(예: GPU, NPU)를 포함할 수 있다. 프로세서(210)는 하나 또는 그 이상의 프로세싱 회로를 포함할 수 있다. 프로세서(210)는 제조 공장(10)의 공정 관리를 위한 데이터 처리 및 제어 동작을 수행할 수 있다.
통신 모듈(220)은 컴퓨팅 장치(20)와 외부 개체(예: 서버, 기지국, IoT 기기, 모바일 기기(30))와 통신할 수 있는 환경을 제공한다. 통신 모듈(220)은 유선 또는 무선 통신을 수행하기 위한 장치를 포함할 수 있다. 통신 모듈(220)은 외부 개체로부터 수신된 데이터를 프로세서(210)로 제공할 수 있다. 통신 모듈(220)은 프로세서(210)로부터 제공된 데이터를 변환하여 외부 개체로 전송할 수 있다. 통신 모듈(220)은 제조 공장(10)의 각 센서(200)로부터 데이터를 수신하고, 프로세서(210)에 의해 처리 또는 생성된 데이터를 다른 개체(예: 모바일 기기(30) 또는 제조 설비(100))로 전송할 수 있다.
디스플레이(230)는 시각적 정보를 출력하는 장치로서, 패널 및 제어 회로를 포함할 수 있다. 메모리(250)는 컴퓨팅 장치(20)의 동작을 위한 운영 체제, 어플리케이션과 같은 프로그램 및 프로그램의 실행 과정에서 사용되는 데이터를 저장할 수 있다. 메모리(250)는 휘발성 메모리(예: DRAM) 및 비휘발성 메모리(예: 플래시 메모리)를 포함할 수 있다. 또한, 메모리(250)는 데이터베이스를 구성하기 위한 대용량 저장 장치를 포함할 수 있다. 메모리(250)는 제조 공장(10)의 공정 관리를 위한 데이터를 저장할 수 있다. 입출력 인터페이스(240)는 프로세서(210)로부터 제공되는 데이터를 외부로 전송하거나 외부의 입력을 수신하여 프로세서(210)로 제공할 수 있다.
컴퓨팅 장치(20)는 본 발명에 따른 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 수행하도록 설정될 수 있다. 이하 설명되는 AI 기반의 제조 공정 표준 통합 관리 및 모니터링은 컴퓨팅 장치(20)의 프로세서(210)에 의해 수행될 수 있다.
도 3은 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법을 나타내는 흐름도이다. 도 3을 참고하면, AI 기반의 제조 공정 표준 통합 관리 및 모니터링 방법은, 제조 공장(10)의 제조 설비(100)에 대한 작업 지시를 입력하는 단계(S310)와, 제조 공장(10)의 각 제조 설비(100)로부터 공정 데이터를 수집하는 단계(S320)와, 공정 데이터, 설비 조건 데이터, 및 임계치 데이터를 AI 신경망에 입력하여 제조 공정에 대한 분석 정보를 생성하는 단계(S330)와, 공정 데이터 및 분석 정보를 제조 공장의 레이아웃 및 각 제조 설비의 그래픽을 통해 시각화하여 사용자 인터페이스를 통해 출력하는 단계(S340)를 포함한다.
S310 단계에서, 컴퓨팅 장치(20)는 제조 공장(10)에 설치된 각 제조 설비(100)로 작업 지시를 입력한다. 컴퓨팅 장치(20)는 각 제조 설비(100)의 동작을 제어하기 위한 데이터 셋을 구성하여 각 제조 설비(100)로 전송함으로써 각 제조 설비(100)에 대한 작업 지시를 입력할 수 있다. 제조 설비(100)는 입력된 작업 지시에 따라 제조 공정을 위한 동작을 수행할 수 있다. 이렇게 작업자가 제조 설비(100)에 직접 접근하여 지시를 입력하는 것을 대신하여, 작업자가 컴퓨팅 장치(20) 또는 모바일 기기(30)를 통해 제조 설비(100)의 동작을 제어함으로써 가상의 공간에서 전반적인 제조 공정을 제어하는 디지털 트윈을 구현할 수 있다.
도 4를 참고하면, 제조 공장(10)의 제조 설비(100)에 대한 작업 지시를 입력하는 단계(S310)는, 문서로 발행된 제조 지시서(510)에서 제조 설비(100)의 동작 지시 내용에 해당하는 지시 텍스트(530)를 추출하는 단계(S410)와, 지시 텍스트(530)를 작업 지시를 위한 데이터 셋(540)으로 변환하는 단계(S420)와, 데이터 셋(540)을 제조 설비(100)로 전송하는 단계(S430)를 포함한다.
S410 단계에서, 문서 형태로 작성된 제조 지시서(510)가 컴퓨팅 장치(20)에 입력(로딩)되고, 컴퓨팅 장치(20)에 의해 제조 설비(100)의 동작을 제어하기 위한 지시 텍스트(530)가 추출될 수 있다. 제조 지시서(510)는 수기로 작성된 문서, 워드 포맷의 문서, PDF 형식의 문서일 수 있다. 제조 지시서(510)는 다른 서버로부터 컴퓨팅 장치(20)로 전달되거나, 모바일 기기(30)로부터 컴퓨팅 장치(20)로 전송될 수 있다. 컴퓨팅 장치(20)는 심층 신경망 기반의 모델을 사용하여 제조 지시서(510)로부터 제조 설비(100)의 동작을 제어하기 위한 지시 텍스트(530)를 추출할 수 있다. 도 5에 도시된 것과 같이, 컴퓨팅 장치(20)는 제조 지시서(510)에서 특정 제조 설비의 동작과 관련 있는 지시 영역(520)을 검출하고, 해당 영역(520)의 지시 텍스트(530)를 추출할 수 있다.
S420 단계에서, 컴퓨팅 장치(20)는 지시 텍스트(530)로부터 제조 설비(100)의 동작을 제어하기 위한 데이터 셋(540)을 생성할 수 있다. 도 5에 도시된 것과 같이, 지시 텍스트(530)로서 "원료 A를 투입하기 전, 원료 B를 1KG 단위로 나누어 투입하여 용해시킨 후, 온도를 80도로 유지한다."가 추출되면, 컴퓨팅 장치(20)는 언어 학습 모델을 이용하여 해당 지시 텍스트(530)로부터 제조 설비(100)의 동작을 지시하기 위한 데이터 셋(540)을 생성할 수 있다. 제조 설비(100)의 동작을 지시하기 위한 데이터 셋(540)은, 동작 시점, 제어 항목, 동작 시퀀스, 동작 시간을 포함할 수 있다. 예를 들어, 도 5에 도시된 것과 같이 지시 텍스트(530)에서 2 단계의 지시 동작이 추출되고, 제1 단계는 원료 B를 1KG 단위로 나누어 투입하는 동작, 제2 단계는 나누어 투입된 원료 B를 80도의 온도로 유지하는 것이다. 컴퓨팅 장치(20)는 각 단계를 실행하는 제어 대상(제어 항목) 및 동작 시점, 동작 시간을 도출할 수 있다.
S430 단계에서, 컴퓨팅 장치(20)에 의해 생성된 데이터 셋(540)이 제조 설비(100)로 전송되며, 제조 설비(100)는 수신된 데이터 셋(540)의 작업 지시 내용에 따라 제조 공정을 수행할 수 있다.
S320 단계에서, 제조 공장(10)에 설치된 제조 설비(100)들로부터 수집된 공정 데이터가 컴퓨팅 장치(20)로 전송된다. 제조 설비(100)에 설치된 센서(200)에 의해 측정된 측정 데이터 및 제조 설비(100)에 구비된 기기에 의해 수집된 기록 데이터가 공정 데이터로서 컴퓨팅 장치(20)로 제공될 수 있다. 공정 데이터는 곧바로 컴퓨팅 장치(20)로 전송될 수 있고, 또는 중앙 컨트롤러 또는 엣지 디바이스에 의해 처리된 데이터가 공정 데이터로서 컴퓨팅 장치(20)로 전송될 수도 있다.
도 6에 도시된 것과 같이, 공정 데이터는 설비명, 해당 제조 설비의 재료 정보, 온도 정보, 압력 정보, 동작 시간 정보, 임계치 정보, 및 생산 수량 정보를 포함할 수 있다. 공정 데이터는 컴퓨팅 장치(20)에 의해 관리되는 데이터베이스에 저장될 수 있다. 또한, 제조 공정을 위한 레시피 데이터 및 각 제조 설비의 이상 발생에 따른 수리 이력 데이터가 데이트베이스에 저장될 수 있다.
데이터베이스에 저장된 공정 데이터는 머신 러닝 엔진으로 제공될 수 있다. S330 단계에서, 컴퓨팅 장치(20)에 의해 관리되는 머신 러닝 엔진은 수집된 데이터를 신경망에 입력하여 각 제조 설비(100)의 상태 예측 값 및 이상 상태 발생 가능성 값을 계산할 수 있다. 즉, 제조 공정에 대한 분석 정보를 생성하는 단계(S320)는 선형 회귀(Linear Regression) 방식의 머신 러닝 엔진을 통해 공정 데이터, 레시피 데이터, 수리 이력 데이터로부터 각 제조 설비(100)의 상태 예측 값 및 이상 상태 발생 가능성 값을 계산하는 단계를 포함한다.
도 7에 도시된 것과 같이, 머신 러닝 엔진은 설비 예지 보전 알고리즘 및 설비 이상패턴 분석 알고리즘을 통해 특정 공정 데이터가 임계치를 초과할 확률이 기준치를 초과하는 경우 알람을 출력할 수 있다. 즉, AI 기반의 제조 공정 관리 방법은 이상 상태 발생 가능성 값이 임계치를 초과하는 경우 알람을 출력하는 단계를 더 포함할 수 있다. 임계치는 제조 설비(100)로 입력된 작업 지시에 기초하여 결정될 수 있다. 예를 들어, 도 5에 도시된 것과 같이 원료 B를 80도로 보관하도록 설정된 경우, 온도에 대한 임계치는 79도 및 81도로 설정될 수 있다.
S340 단계에서, 컴퓨팅 장치(20)는 데이터베이스의 수집 정보 및 머신 러닝 엔진에 의해 출력된 분석 정보를 디스플레이(230)를 통해 시각화하여 출력할 수 있다. 또는, 컴퓨팅 장치(20)는 데이터를 모바일 기기(30)로 전달하고, 모바일 기기(30)가 분석 데이터를 시각화하여 출력할 수 있다.
도 8 내지 도 10은 제조 공장의 분석 정보를 시각화하여 표시하는 사용자 인터페이스의 예이다. 도 8은 제조 공장(10)의 전반적인 현황을 나타내는 제1 단계 인터페이스에 해당하는 제1 사용자 인터페이스, 도 9는 특정 제조 공정의 현황을 나타내는 제2 단계 인터페이스에 해당하는 제2 사용자 인터페이스, 도 10은 특징 제조 설비의 현황을 나타내는 제3 사용자 인터페이스의 예이다.
분석 정보를 시각화하여 출력하는 단계(S340)는 센서 이상 현황 정보를 포함하는 제조 공장(10)의 레이아웃(810), 제조 공장(10)의 제조 공정 별 상태 정보(820), 제조 공장(10)의 당일 작업 지시량 대비 실적 정보(830), 제조 공장(10)의 불량율 정보(840), 및 제조 공장(10)의 가동 시간 정보(850)를 제1 사용자 인터페이스를 통해 표시하는 단계를 포함한다. 도 8을 참고하면, 제조 공장(10)의 레이아웃(810), 제조 공장(10)의 제조 공정 별 상태 정보(820), 제조 공장(10)의 당일 작업 지시량 대비 실적 정보(830), 제조 공장(10)의 불량율 정보(840), 및 제조 공장(10)의 가동 시간 정보(850)가 제1 사용자 인터페이스를 통해 표시된다. 각 항목에 대한 입력이 수신되는 경우 해당 항목의 세부 데이터를 표시하는 제2 단계의 사용자 인터페이스가 표시될 수 있다.
분석 정보를 시각화하여 출력하는 단계(S340)는 제1 사용자 인터페이스에서 특징 제조 공정을 수행하는 제조 라인의 상태 확인을 위한 입력을 수신하는 단계와, 제조 라인의 상황을 제2 사용자 인터페이스를 통해 표시하는 단계를 더 포함한다. 예를 들어, 도 6의 제1 사용자 인터페이스에서 제조 공장(10)의 제조 공정 별 상태 정보(820)의 항목에 대해 특정 제조 공정의 상태 확인을 위한 입력이 발생하는 경우 도 7과 같은 사용자 인터페이스가 출력될 수 있다.
제2 사용자 인터페이스는, 제조 라인의 제조 설비(100) 별 센서 이상 정보를 포함하는 제조 라인의 레이아웃(910), 제조 라인의 제조 설비(100) 별 공정 측정치 및 임계치 정보(920), 제조 라인의 생산 지시량 대비 실적 정보(930), 제조 라인의 생산량 및 불량 현황 정보(940), 및 제조 라인의 제조 설비 별 상태 정보(950)를 포함한다. 도 7에 도시된 것과 같이, 제조 라인의 제조 설비(100) 별 센서 이상 정보를 포함하는 제조 라인의 레이아웃(910), 제조 라인의 제조 설비(100) 별 공정 측정치 및 임계치 정보(920), 제조 라인의 생산 지시량 대비 실적 정보(930), 제조 라인의 생산량 및 불량 현황 정보(940), 및 제조 라인의 제조 설비 별 상태 정보(950)가 제2 사용자 인터페이스를 통해 출력된다.
분석 정보를 시각화하여 출력하는 단계(S340)는 제2 사용자 인터페이스에서 제조 설비(100)의 상태 확인을 위한 입력을 수신하는 단계와, 제조 설비(100)의 상황을 제3 사용자 인터페이스를 통해 표시하는 단계를 더 포함한다. 예를 들어, 도 7의 제2 사용자 인터페이스에서 제조 라인에서 특정 제조 설비(100)의 상태 확인을 위한 입력이 발생하는 경우 도 8과 같은 사용자 인터페이스가 출력될 수 있다. 도 8에 도시된 것과 같이, 제3 사용자 인터페이스는 제조 설비(100)의 식별 정보(1010), 제조 설비(100)의 센서(200)에 의해 측정된 가동 정보(1020), 및 제조 설비(100)의 가동 항목 별 알람 정보(1030)를 포함한다. 가동 항목 중에서 이상 발생이 예측되는 가동 항목에 대하여는 알람이 제3 사용자 인터페이스를 통해 출력될 수 있다.
한편, 본 발명의 실시예에 따르면, 제조 공장의 상태 정보를 표시하기 위한 사용자 인터페이스는 작업자에 의해 편집 가능하게 제공될 수 있다. 일반적인 사용자 인터페이스 편집은 코딩이 요구되기 때문에, 일반적인 작업자가 처리하기 어려웠다. 그러나, 본 발명에 따른 사용자 인터페이스는 전용 툴에 의해 쉽게 편집될 수 있다.
본 발명에 따른 머신러닝 엔진은 AutoML을 통해 최적화될 수 있다. AutoML이란 머신러닝모델 생성 파이프라인에서 반복되는 작업을 자동화하는 프로세스이다. AutoML은 머신러닝 전문가의 생산성을 크게 향상시킬 뿐 만 아니라 머신러닝 비전문가의 접근성과 활용성을 높일 수 있다.
본 발명에 따른 인공지능 솔루션은 AWS, Azure, 구글 Cloud 등 여러 클라우드 플랫폼에 대한 데이터 액세스를 제공할 수 있다.
본 실시예 및 본 명세서에 첨부된 도면은 본 발명에 포함되는 기술적 사상의 일부를 명확하게 나타내고 있는 것에 불과하며, 본 발명의 명세서 및 도면에 포함된 기술적 사상의 범위 내에서 당업자가 용이하게 유추할 수 있는 변형예와 구체적인 실시예는 모두 본 발명의 권리범위에 포함되는 것이 자명하다고 할 것이다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (12)

  1. AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법에 있어서,
    제조 공장의 제조 설비에 대한 작업 지시를 입력하는 단계;
    상기 제조 공장의 제조 설비로부터 공정 데이터를 수집하는 단계;
    상기 공정 데이터, 설비 조건 데이터, 및 임계치 데이터를 AI 신경망에 입력하여 제조 공정에 대한 분석 정보를 생성하는 단계; 및
    상기 공정 데이터 및 상기 분석 정보를 상기 제조 공장의 레이아웃 및 각 제조 설비의 그래픽을 통해 시각화하여 사용자 인터페이스를 통해 출력하는 단계를 포함하는 방법.
  2. 제1항에 있어서,
    상기 작업 지시를 입력하는 단계는,
    문서로 발행된 제조 지시서에서 상기 제조 설비의 동작 지시 내용에 해당하는 지시 텍스트를 추출하는 단계;
    상기 지시 텍스트를 상기 작업 지시를 위한 데이터 셋으로 변환하는 단계; 및
    상기 데이터 셋을 상기 제조 설비로 전송하는 단계를 포함하는 방법.
  3. 제2항에 있어서,
    상기 데이터 셋은, 동작 시점, 제어 항목, 동작 시퀀스, 동작 시간을 포함하는 방법.
  4. 제1항에 있어서,
    상기 공정 데이터는 설비명, 재료 정보, 온도 정보, 압력 정보, 동작 시간 정보, 임계치 정보, 및 생산 수량 정보를 포함하는 방법.
  5. 제1항에 있어서,
    상기 제조 공정에 대한 분석 데이터를 생성하는 단계는, 선형 회귀(Linear Regression) 방식의 머신 러닝 엔진을 통해 상기 공정 데이터, 레시피 데이터, 수리 이력 데이터로부터 각 제조 설비의 상태 예측 값 및 이상 상태 발생 가능성 값을 계산하는 단계를 포함하는 방법.
  6. 제5항에 있어서,
    상기 공정 데이터 및 상기 분석 정보를 시각화하여 출력하는 단계는 상기 이상 상태 발생 가능성 값이 임계치를 초과하는 경우 알람을 출력하는 단계를 포함하는 방법.
  7. 제6항에 있어서,
    상기 임계치는, 상기 작업 지시에 기초하여 결정되는 방법.
  8. 제1항에 있어서,
    상기 분석 정보를 시각화하여 출력하는 단계는 센서 이상 현황 정보를 포함하는 상기 제조 공장의 레이아웃, 상기 제조 공장의 제조 공정 별 상태 정보, 상기 제조 공장의 당일 작업 지시량 대비 실적 정보, 상기 제조 공장의 불량율 정보, 및 상기 제조 공장의 가동 시간 정보를 제1 사용자 인터페이스를 통해 표시하는 단계를 포함하는 방법.
  9. 제8항에 있어서,
    상기 분석 정보를 시각화하여 출력하는 단계는,
    상기 제1 사용자 인터페이스에서 특징 제조 공정을 수행하는 제조 라인의 상태 확인을 위한 입력을 수신하는 단계; 및
    상기 제조 라인의 상황을 제2 사용자 인터페이스를 통해 표시하는 단계를 더 포함하고,
    상기 제2 사용자 인터페이스는,
    상기 제조 라인의 제조 설비 별 센서 이상 정보를 포함하는 상기 제조 라인의 레이아웃, 상기 제조 라인의 제조 설비 별 공정 측정치 및 임계치 정보, 상기 제조 라인의 생산 지시량 대비 실적 정보, 상기 제조 라인의 생산량 및 불량 현황 정보, 및 상기 제조 라인의 제조 설비 별 상태 정보를 포함하는 방법.
  10. 제9항에 있어서,
    상기 분석 정보를 시각화하여 출력하는 단계는,
    상기 제2 사용자 인터페이스에서 제조 설비의 상태 확인을 위한 입력을 수신하는 단계; 및
    상기 제조 설비의 상황을 제3 사용자 인터페이스를 통해 표시하는 단계를 더 포함하고,
    상기 제3 사용자 인터페이스는, 상기 제조 설비의 식별 정보, 상기 제조 설비의 센서에 의해 측정된 가동 정보, 및 상기 제조 설비의 가동 항목 별 알람 정보를 포함하는 방법.
  11. 제10항에 있어서,
    상기 가동 항목 중에서 이상 발생이 예측되는 가동 항목에 대한 알람이 상기 제3 사용자 인터페이스를 통해 표시되는 방법.
  12. 제1항 내지 제11항 중 어느 한 항에 따른 AI 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법을 수행하는 컴퓨팅 장치.
KR1020230134521A 2022-10-11 2023-10-10 Ai 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법 KR20240050288A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020220130077 2022-10-11
KR20220130077 2022-10-11

Publications (1)

Publication Number Publication Date
KR20240050288A true KR20240050288A (ko) 2024-04-18

Family

ID=90844589

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230134521A KR20240050288A (ko) 2022-10-11 2023-10-10 Ai 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법

Country Status (1)

Country Link
KR (1) KR20240050288A (ko)

Similar Documents

Publication Publication Date Title
Mourtzis et al. Intelligent predictive maintenance and remote monitoring framework for industrial equipment based on mixed reality
US9971344B2 (en) Systems and methods for assessing a quality of an industrial enterprise
CN102867010B (zh) 取出、存储以及供给设备定义文件信息的系统和方法
CA2932804C (en) Data reliability analysis
CN107085415A (zh) 过程控制网络中的规则构建器
US20170293418A1 (en) Apparatus and method for generating industrial process graphics
Wöstmann et al. A retrofit approach for predictive maintenance
EP3180706A1 (en) Cloud computing system and method for advanced process control
JP2019144716A (ja) 非定常状態検出システム、及び非定常状態検出方法
CN105518654A (zh) 对工具处理数据提供多变量分析的基于k最近邻法与系统
US20180122133A1 (en) System and method for displaying industrial asset alarms in a virtual environment
WO2016025229A1 (en) System and method for advanced process control
EP4369121A1 (en) Industrial data extraction
EP4369119A1 (en) Industrial automation data staging and transformation
Lee et al. Intelligent factory agents with predictive analytics for asset management
KR20240050288A (ko) Ai 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법
US20220229424A1 (en) Systems and Methods for Analyzing Manufacturing Runs
Yang et al. Streaming data analysis framework for cyber-physical system of metal machining processes
EP3995920A1 (en) Event analytics in modular industrial plants
Hahn et al. Concept for the detection of virtual functional modules in existing plant topologies
KR20230090275A (ko) Ai 기반의 제조 공정 관리 방법 및 컴퓨팅 장치
EP4431890A1 (en) Method and system for recalibrating plurality of sensors in technical installation
EP4369120A1 (en) Industrial automation data quality and analysis
US20240160199A1 (en) Industrial asset model versioning control and access
JP7452509B2 (ja) 監視装置、監視方法、および監視プログラム