WO2020009342A1 - 의류생산공장 스마트 모니터링 방법 및 시스템 - Google Patents

의류생산공장 스마트 모니터링 방법 및 시스템 Download PDF

Info

Publication number
WO2020009342A1
WO2020009342A1 PCT/KR2019/006999 KR2019006999W WO2020009342A1 WO 2020009342 A1 WO2020009342 A1 WO 2020009342A1 KR 2019006999 W KR2019006999 W KR 2019006999W WO 2020009342 A1 WO2020009342 A1 WO 2020009342A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
power consumption
server computer
pattern
smart monitoring
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/KR2019/006999
Other languages
English (en)
French (fr)
Inventor
박용철
안성훈
김준영
김형중
정우균
방상민
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HOJEON Ltd
SNU R&DB Foundation
Original Assignee
HOJEON Ltd
Seoul National University R&DB Foundation
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 HOJEON Ltd, Seoul National University R&DB Foundation filed Critical HOJEON Ltd
Publication of WO2020009342A1 publication Critical patent/WO2020009342A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • Y02P90/30—Computing systems specially adapted for 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
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Definitions

  • the present invention relates to a monitoring method and system for a garment production plant. More specifically, the present invention relates to a monitoring method and system for a garment production equipment and a factory environment using a smart sensor-plug system and a technology for utilizing the monitoring data.
  • fragmentary smart sensors that integrate current sensors, water pressure sensors, and temperature sensors with IoT technology are commercially available.
  • the current power consumption, water pressure, temperature level measured by the smart sensors are transmitted to the operator's smartphone app, and the operator can control power, water pressure, temperature, etc. using switching means such as a relay.
  • Smart plugs are also used to effectively measure the use of electrical energy, to use the results of measurement for various purposes, and to effectively cut off the supply of electricity for the efficient use of electrical energy.
  • Clothing manufacturing is a traditional labor-intensive industry, where most of the work is done by the labor of workers. Even in the case of garment manufacturing plants, it is necessary to convert workers' labor-intensive working environments into IoT-based systems in order to improve productivity and improve the stability of the working environment. In order to maximize work efficiency, productivity and prevent accidents, it is necessary to closely monitor the working conditions of the garment production equipment handled by workers and the working environment in the factory.
  • the present invention by monitoring the power consumption of the clothes production equipment, such as sewing machines, automated cutting machines used in the garment production plant to analyze the work pattern of the operator, to maximize productivity and work efficiency, smart clothing production plant that can reduce energy consumption It is to provide a monitoring method and a system therefor.
  • the clothes production equipment such as sewing machines, automated cutting machines used in the garment production plant to analyze the work pattern of the operator, to maximize productivity and work efficiency, smart clothing production plant that can reduce energy consumption It is to provide a monitoring method and a system therefor.
  • the present invention is to provide a clothing production plant smart monitoring method and system for maintaining a working environment having a high productivity and a low accident rate by analyzing the working environment data obtained through the monitoring of the working environment in the clothing production plant.
  • Smart garment production method for realizing the object of the present invention, building a trained neural network model on the work pattern of the garment production equipment on the server computer; Collecting, by the smart monitoring devices installed on the garment production equipments in the garment production plant, data on the current consumption or power consumption of the garment production equipments over time and providing the data to the server computer; Analyzing, at the server computer, a pattern of the received current amount or power consumption data based on the learned neural network model to generate determination data based on the current amount or power consumption based on whether the unit work of the garment production equipment is completed. ; And performing a predetermined post-processing on the basis of the generated use current amount or power consumption amount based determination data.
  • the performing of the predetermined post-processing may be performed based on the amount of current-based power consumption or power consumption based on judgment data on whether the unit work is completed.
  • Computing the production time data may include generating evaluation data regarding the operating state of the production line.
  • the performing of the predetermined post-processing may be performed by monitoring whether the collected used current amount or power consumption pattern shows an abnormal pattern that is out of a predetermined threshold range, thereby detecting a failure when displaying the abnormal pattern. And outputting an alarm for prevention.
  • the performing of the predetermined post-processing may include analyzing a power consumption pattern and deriving an optimal time reduction method for minimizing power consumption.
  • the performing of the predetermined post-processing may include analyzing a power consumption pattern and real-time prediction of a defect that deviates from the work pattern to minimize the defective rate between garment production.
  • the performing of the predetermined post-processing may include analyzing power consumption patterns to predict a bottleneck in a work process and to derive a process sequence that may ensure an optimal yield. It may include.
  • the smart garment manufacturing plant smart monitoring method may include at least one of temperature, humidity, illuminance, pressure, acceleration, CO 2 concentration, noise, and fine dust concentration in the garment manufacturing plant over time.
  • the method may further include measuring work environment data including a part and providing the work environment data to the server computer.
  • performing the predetermined post-processing may include analyzing the received workplace data based on a learned neural network model to calculate a control amount to maintain a workplace having the highest productivity. Can be.
  • the performing of the predetermined post-processing may be performed by analyzing an accident occurrence situation based on operational data based on the working environment and the operating current or power consumption data of the garment production equipment, And predicting the likelihood of an accident occurring based on the warning.
  • the building of the learned neural network model on a server computer may include: inputting training data about a unit work pattern into the server computer; Setting a window size and a window moving step size that can completely include a unit work pattern based on the maximum unit work time; Labeling and classifying the learning data while moving the window by a set step size; And generating a trained neural network model by performing training using a neural network with the classified and labeled data.
  • the learning data regarding the unit work pattern may be data regarding the amount of current used or the amount of power consumed while the garment production equipment performs the unit work.
  • the labeling and sorting may be performed by classifying the unit work pattern as '1' when the unit work pattern is fully identified in the window, or '0' indicating unit work incomplete. Can be classified as'
  • the garment production equipment may include at least some of an electric sewing machine and an electric fabric cutting machine.
  • clothing production factory smart monitoring system includes a server computer and one or more smart monitoring device.
  • the server computer has a trained neural network model constructed on a work pattern of the garment production equipment, and the unit work of the garment production equipment is analyzed by analyzing a pattern of the received current amount or power consumption data based on the learned neural network model. Generation of determination data based on the amount of current consumption or power consumption based on whether the completion is completed, and based on the generated amount of current consumption or power consumption based determination data, predetermined post-processing is performed.
  • the one or more smart monitoring devices are installed in each garment production equipment in the garment production plant to measure the amount of current used or power consumption of the garment production equipment over time and transmit them to the server computer.
  • the smart monitoring device may include a platform body, a power transmission unit, a modular sensor unit, a modular communication unit, and a controller.
  • the power transmission unit includes first and second electrical connections electrically connected to an external power source and a load, respectively; And an electric wire path for electrically connecting the first and second electrical connecting parts, and may be provided in the platform body.
  • the control unit may be installed in the platform body and perform a control by executing a predetermined built-in program.
  • the modular sensor unit may include a plurality of sensor modules configured as modules that are physically independent of each other, and respectively detect physical or chemical amounts or changes of a predetermined object and output the detected data; A plurality of sensor module mounting slots provided to be detachably mounted to the plurality of sensor modules as needed; And a sensor module interface for electrically connecting one or more sensor modules respectively mounted on the plurality of sensor module mounting slots to the control unit.
  • the modular communication unit includes a plurality of communication modules configured independently of each other and capable of communicating with the outside in different communication schemes; A plurality of communication module mounting slots provided to be detachably mounted to the plurality of communication modules as needed; And a communication module interface for electrically connecting one or more communication modules mounted on the plurality of communication module mounting slots to the control unit.
  • the control unit automatically recognizes one or more sensor modules mounted in the plurality of sensor module mounting slots to operate normally, receives and stores sensing information generated by one or more mounted sensor modules, and stores the plurality of sensor modules.
  • One or more communication modules mounted in the communication module mounting slot can be automatically recognized to operate normally, and the stored sensing information can be controlled to be transmitted to the outside through a predetermined automatic recognized communication module.
  • the smart monitoring device may select and drive the modular sensor unit and the modular communication unit as a desired sensor module and communication module, and may freely remove or replace the preconfigured sensor module and communication module with another one.
  • each of the plurality of sensor modules may store unique identification information
  • the controller may store identification information and a driving program of each of the sensor modules constituting the modular sensor unit.
  • the control unit receives the identification information of the arbitrary sensor module through the sensor module interface when an arbitrary sensor module is mounted in the sensor module mounting slot, and executes a driving program of the sensor module corresponding to the identification information to execute the arbitrary program.
  • the sensor module can be controlled to operate normally.
  • each of the plurality of communication modules stores unique identification information
  • the control unit may store identification information and a driving program of each of all communication modules constituting the modular communication unit.
  • the control unit receives the identification information of the arbitrary communication module through the communication module interface when an arbitrary communication module is mounted in the communication module mounting slot, and executes the driving program of the communication module corresponding to the identification information to execute the arbitrary program.
  • the communication module can be controlled to operate normally.
  • the controller controls the plurality of communication modules to automatically select and operate a priority communication module according to a predetermined priority.
  • the priority communication module is inoperative, the subordinate communication module can be controlled to operate.
  • Smart monitoring system for garment production plant is specialized in the garment production plant to monitor the power consumption or current of the garment production equipment such as various sewing machines (sewing machines), knife sewing machine (), cutting machine, ****, etc. in real time To analyze the worker's work patterns. By using this, the productivity of each worker and production line can be analyzed, and power consumption can be predicted at the same time by predicting the power consumption. In addition, by collecting and analyzing data on the working environment of the garment manufacturing plant, it is possible to optimize and control the equipment and environment of various garment manufacturing plants.
  • the present invention by providing the analyzed data to a worker or a manager using a tool such as a computer or a smart phone or directly control the equipment and environment of the factory, measures such as productivity improvement, factory safety management, risk diagnosis, and equipment condition monitoring It is possible to ensure the best productivity and maintain the best clothing production environment.
  • the configuration of the sensor module and the communication module of the smart monitoring device is very free and can be applied very flexibly to various working environments.
  • the control unit automatically identifies what kind of thing is mounted to control to operate normally. Therefore, the ease of use is also excellent.
  • These smart monitoring devices can collect production data, analyze them with machine learning techniques, predict and analyze productivity in real time, and control the plant to maximize efficiency and productivity.
  • FIG. 1 shows a schematic configuration of a smart monitoring system for a garment production equipment (eg, sewing machine) according to an exemplary embodiment of the present invention.
  • a garment production equipment eg, sewing machine
  • Figure 2 shows a schematic configuration of a clothing production plant smart monitoring system according to an embodiment of the present invention.
  • Figure 3 is a block diagram showing the configuration of the garment production equipment smart monitoring apparatus according to an exemplary embodiment of the present invention.
  • FIG. 4 illustrates the modular sensor-plug platform for smart monitoring shown in FIG. 3, in accordance with an exemplary embodiment of the present invention.
  • FIG. 5 is a flowchart illustrating a procedure of performing work pattern analysis using a neural network algorithm, according to an exemplary embodiment of the present invention.
  • FIG. 6 is a flowchart illustrating a process of generating a neural network learning model for a unit work pattern using a neural network in a server computer according to an exemplary embodiment of the present invention.
  • FIG. 7 is a flowchart illustrating a process of measuring current amount / power amount and work environment data of a clothes production equipment and transmitting the data to a server computer using the clothes production equipment smart monitoring apparatus according to an exemplary embodiment of the present invention.
  • FIG. 8 is a process of determining whether a unit work of a garment production equipment is completed by using a neural network learning model in a server computer, and performing various post-processing using a work environment data according to an exemplary embodiment of the present invention. It is a flow chart showing.
  • FIG. 9 illustrates a labeling criterion of the current amount pattern learning data on whether the unit work of the clothing production equipment is completed according to an embodiment of the present invention.
  • FIG. 10 illustrates a method of determining whether the unit work is completed with respect to real-time measurement data of the amount of current used (or power consumption) of the garment production equipment using the neural network model trained according to an embodiment of the present invention.
  • FIG. 1 illustrates a schematic configuration of a smart monitoring system 10 for clothing production equipment (eg, electric sewing machine, electric fabric cutting machine, etc.) according to an exemplary embodiment of the present invention.
  • clothing production equipment eg, electric sewing machine, electric fabric cutting machine, etc.
  • the garment production plant cuts the fabric according to the design, the fabric pieces are attached to the sewing work by making the garment.
  • a large number of garment production equipment such as electric sewing machines, electric fabric cutters, and the like are used.
  • the garment production equipment smart monitoring system 10 includes a garment production equipment smart monitoring apparatus 100, a server computer 500, and a driving unit 600 installed in the garment production equipment 700 such as, for example, an electric sewing machine and an electric fabric cutting machine. It may include.
  • FIG. 3 shows a configuration of the garment production apparatus smart monitoring apparatus 100 according to an exemplary embodiment of the present invention.
  • 4 illustrates the modular sensor-plug platform 90 shown in FIG. 3 in accordance with an exemplary embodiment of the present invention.
  • the smart production apparatus 100 for monitoring clothing includes a platform body 190, a power transmission unit 170, a modular sensor unit 200, a control unit 300, and a modular communication unit 400. can do.
  • the platform body 190 includes all the components (that is, the power transmission unit 170, the modularization sensor unit 200, the control unit 300, and the modular communication unit 400) constituting the garment production apparatus smart monitoring device 100. It can be stored and mounted.
  • the platform body 190 may serve as a physical base or a housing through which all the components are organically combined to form a device.
  • the platform body 190 may be made of, for example, a plastic material having good insulation.
  • the power transmission unit 170 may include first and second electrical connectors 150 and 160 and an electric wire 155.
  • the first electrical connection unit 150 is electrically connected to an external power source that provides power for driving the garment production equipment 700 to receive external power.
  • the second electrical connection unit 160 makes an electrical connection with the wire end portion 220, for example, a plug, connected to the clothing production equipment 700, so that the external power input through the first electrical connection unit 150 to the clothing production equipment 700. It is provided by a passageway to deliver.
  • the second electrical connector 160 may be made of, for example, an outlet structure so that the plug terminal 220 connected to the garment production equipment 700 may be inserted to make an electrical connection.
  • the first and second electrical connectors 150 and 160 may be electrically connected to each other through the wire path 155.
  • the power transmission unit 170 may further include an electric wire open / close switch 165 disposed at a predetermined point on the electric wire path 155.
  • the wire opening and closing switch 165 may play a role of opening and closing the wire path 155 in response to a switching signal provided by the controller 300 to be described later.
  • the modular sensor unit 200 is a variety of different types of sensor modules (210-1 ⁇ 210-P), sensor module mounting slots (120-1, 120-2, ..., 120- P) and the sensor module interface 110.
  • the plurality of sensor modules 210-1, 210-2,..., 210 -P may each be a sensor that detects a physical / chemical amount or a change of a predetermined object and outputs the detection data.
  • the plurality of sensor modules 210-1, 210-2,..., 210 -P may be used as the current, voltage, or power consumption of the clothing production equipment 70, and the temperature, humidity, illuminance, It may be a collection of various types of sensors capable of detecting pressure, acceleration, noise, fine dust concentration, and concentrations of various kinds of gases (CO 2 and VOC), respectively.
  • the first sensor 200-1 may be a current sensor.
  • the first sensor 200-1 may include, for example, a current conversion coil 214 surrounding the wire path 155 to which power is supplied from the power source to the clothes production equipment 70.
  • the current conversion coil 214 may be installed around the second electrical connection 160.
  • the first sensor 200-1 may detect the amount of current supplied to the load through the wire path 155 and the plug terminal 220 through the current conversion coil 214.
  • the voltage of the external power source may be a known value, and knowing the amount of current supplied to the garment production equipment 70 may calculate the power consumption.
  • the plurality of sensor modules 210-1, 210-2,..., 210 -P may be physically independent of each other. That is, each sensor module 210-1, 210-2,..., 210 -P may be configured in a structure that is physically mounted in a housing or a case separate from each other. Therefore, according to the needs of the user, a desired one among the plurality of sensor modules 210-1, 210-2,..., 210 -P may be selected and configured as a sensor of the modular sensor unit 200.
  • the sensor modules 210-1 to 210-P and the sensor module mounting slots 120-1, 120-2, ..., 120-P can be easily attached and detached by the user to the mounting slot. Can be configured in such a way.
  • Connection pins 212 may be provided to be exposed to the outside to achieve this.
  • the arrangement form of the connection pins 212 of each sensor module 210-1, 210-2,..., 210 -P may be standardized and configured identically.
  • connection pins 212 of the plurality of sensor modules 210-1, 210-2,..., 210 -P are the same regardless of the type of the sensor module, a plurality of sensor module mounting slots to be described later Since it can be mounted in any of the mounting slots (120-1, 120-2, ..., 120-P), there is no room for a problem of misfitting.
  • the plurality of sensor module mounting slots 120-1, 120-2, ..., 120-P are equipped with a plurality of sensor modules 210-1, 210-2, ..., 210-P as necessary. It may be composed of a structure that can be separated or detached. That is, it can be mounted detachably.
  • the plurality of sensor module mounting slots 120-1, 120-2,..., 120 -P may be provided to be exposed to the outer surface of the platform body 190.
  • Connection terminal holes are provided in each of the sensor module mounting slots 120-1, 120-2, ..., 120-P. Connection terminal holes of each of the sensor module mounting slots 120-1, 120-2, ..., 120-P are preferably arranged in the same shape.
  • connection terminal holes of the respective sensor module mounting slots 120-1, 120-2, ..., 120-P are connected to each of the sensor modules 210-1, 210-2, ..., 210-P. It is necessary to be provided in the same arrangement as the connecting pins 212. That is, when the connection pins 212 and the connection terminal holes have the same arrangement regardless of the type or position of the sensor module and the sensor module mounting slot, the sensor modules 210-1, 210-2, ..., 210-P ), There is a convenience that can be mounted regardless of the position of the sensor module mounting slot (120-1, 120-2, ..., 120-P). The user can select the desired sensor module as needed and mount it in any mounting slot if it is empty among the plurality of sensor module mounting slots 120-1, 120-2, ..., 120-P.
  • the sensor module interface 110 electrically connects each sensor module mounted in the sensor module mounting slots 120-1, 120-2,..., 120 -P to the controller 300 in a distinguishable manner. That is, the connection terminals of the respective sensor module mounting slots 120-1, 120-2, ..., 120-P and the corresponding ports of the controller 300 are electrically connected.
  • the user selects only the desired sensor module among the various types of sensor modules (210-1, 210-2, ..., 210-P) that is secured to any empty Sensor module mounting slots (120-1, 120-2, ..., 120-P) can be mounted.
  • the modular sensor unit 200 composed of only the desired sensor module can be configured.
  • the modular communication unit 400 is a plurality of communication modules (410-1, 410-2, ..., 410-M), a plurality of communication module mounting slots (140-1, 140-2, ..., 140-M), and the communication module interface 130.
  • the modular communication unit 400 may also be configured in the same concept as the modular sensor unit 200. In other words, it is possible to select only a communication module supporting a communication method desired by a user and mount it in any empty communication module mounting slot.
  • the plurality of communication modules 410-1, 410-2,..., 410 -M may be configured physically independent of each other. Therefore, the communication means of the modularized communication unit 400 may be configured by selecting only a desired one among the plurality of communication modules 410-1, 410-2,..., 410 -M according to a user's needs.
  • Each of the plurality of communication modules 410-1, 410-2,..., 410 -M includes communication means capable of communicating with the outside in different communication methods. That is, the communication means of each communication module (410-1, 410-2, ..., 410-M) may be configured in a structure that is physically mounted in a separate housing or case.
  • the communication means of each communication module may be a communication means supporting a communication method developed in the future as well as a communication means supporting a currently known communication method.
  • Connection pins 412 may be provided to be exposed to the outside to achieve this.
  • the arrangement of the connection pins 412 of the communication modules 410-1, 410-2, ..., 410-M may be the same as each other by standardizing.
  • connection pins 412 of the plurality of communication modules 410-1, 410-2, ..., 410-M are the same regardless of the type of the communication module, a plurality of communication module mounting slots to be described later It can be mounted in any of the mounting slots (140-1, 140-2, ..., 140-M), thus eliminating the problem of incorrect mounting.
  • a plurality of communication module mounting slots (140-1, 140-2, ..., 140-M) is mounted as needed a plurality of communication modules (410-1, 410-2, ..., 410-M) It may be composed of a structure that can be separated or detached. That is, it can be mounted detachably.
  • the plurality of communication module mounting slots 140-1, 140-2,..., 140 -M may be provided to be exposed to the outer surface of the platform body 190.
  • Connection terminal holes are provided in each of the plurality of communication module mounting slots 140-1, 140-2, ..., 140-M.
  • the connection terminal holes of the communication module mounting slots 140-1, 140-2, ..., 140-M are preferably arranged in the same shape.
  • the connection terminal holes of each of the communication module mounting slots 140-1, 140-2, ..., 140-M are connected to each of the communication modules 410-1, 410-2, ..., 410-M. It is necessary to be provided in the same arrangement as the connecting pins (412).
  • the communication modules 410-1, 410-2, ..., 410-M can be mounted regardless of the position of the communication module mounting slot (140-1, 140-2, ..., 140-M).
  • the user can select a desired communication module and install it in any mounting slot if it is empty among the plurality of communication module mounting slots 140-1, 140-2, ..., 140-M.
  • the communication module interface 130 is mounted on each of the communication module mounting slots 140-1, 140-2, ..., 140-M, and each communication module 410-1, 410-2, ..., 410 -M) may be electrically connected to the control unit 300 in a distinguishable manner. That is, the connection terminals of the communication module mounting slots 140-1, 140-2, ..., 140-M and the corresponding ports of the control unit 300 are electrically connected.
  • the user selects only the desired communication module from the various types of communication modules (410-1, 410-2, ..., 410-M) that is secured any arbitrary It can be installed in the communication module mounting slots 140-1, 140-2, ..., 140-M.
  • the modularized communication unit 400 composed of only desired communication modules can be configured.
  • the modular communication unit 400 may be configured by selecting one or more communication modules suitable for the supported communication method.
  • the communication schemes supported by the plurality of communication modules 410-1, 410-2, ..., 410-M are, for example, NFC, WiFi, Bluetooth, UWB, IrDA, Zigbee, RF, and the like.
  • Short-range wireless communication Long-range wireless communications such as GMS, Radio modem, WSSM, satellite communications, and shortwave communications
  • the modular communication unit 400 includes one communication module supporting any one of these communication methods or a plurality of communication methods suitable for an environment in which the clothing production equipment smart monitoring device 100 is installed and operated. It may include a communication module.
  • the priority communication module can be preferentially operated by setting an operation priority between the communication modules in advance.
  • the control unit 300 controls to automatically select and operate the plurality of communication modules mounted in the plurality of communication module mounting slots 140-1, 140-2, ..., 140-M according to a predetermined priority. can do. That is, the priority communication module may be selected and controlled to operate automatically, and when the priority communication module is inoperable, the subordinate communication module may be controlled to operate. For example, when the modular communication unit 400 includes three communication modules, the control unit 300 controls the priority communication module to operate preferentially, and if the priority communication module does not operate, its subordinate communication module is in order. Can be controlled to work accordingly.
  • Modular communication unit 400 is a sensor module mounting slots (120-1, 120-2, ..., 120-P) mounted in the sensor module (210-1, 210-2, ..., 210-P)
  • the measured signal information may be transmitted to an external server computer 500 to be described later.
  • the modular communication unit 400 may receive a signal transmitted by the server computer 500 after processing the signal information, and transmit the signal to the driver 600 or the controller 300 or may process a command signal to be processed by the communication unit by itself. have.
  • the controller 300 may include one or a plurality of sensor modules 210-1, 210-2, ..., 210 mounted in the sensor module mounting slots 120-1, 120-2, ..., 120-P. -P) can be recognized automatically.
  • the controller 300 may control the sensor module mounted in the sensor module mounting slots 120-1, 120-2,..., 120 -P to operate normally to generate sensing signal information.
  • the controller 300 may automatically recognize one or a plurality of communication modules mounted in the communication module mounting slots 140-1, 140-2, ..., 140-M.
  • the controller 300 may control the sensing signal information measured by the sensor module to be transmitted to the server computer 500 and / or the driver 600 which will be described later.
  • the controller 300 may be installed on the platform body 190 and implemented using resources having data storage and program execution capability.
  • the controller 300 may be implemented as a single or a plurality of processors according to the required environment and specification level.
  • the controller 300 may be configured as a modular structure that can expand various processing devices such as a microprocessor such as an iOS, a Raspberry Pi, a micro controller unit (MCU), a CPU and a memory by using one or more. .
  • the controller 300 may execute a predetermined built-in program with such a processing device to perform control.
  • the conductive lines 115-1, 115-2,..., 115 -P of the sensor module interface 110 may be electrically connected to different ports of the processing apparatus constituting the controller 300, respectively.
  • Conductors 135-1, 135-2,..., 135 -M of the communication module interface 130 may likewise be electrically connected to different ports of the processing apparatus constituting the controller 300. .
  • the sensor module 210-1, 210-2, ..., 210-P and the communication module 410-1, 410 which are connected to each port of the microcontroller constituting the control unit 300, for example. -2, ..., 410-M) can be identified and recognized. That is, the controller 300 may include one or more sensor modules 210-1, 210-2, ... mounted in the plurality of sensor module mounting slots 120-1, 120-2, ..., 120-P. , 210-P) can automatically recognize and drive normally. Furthermore, the sensing information generated by one or more sensor modules 210-1, 210-2,..., 210 -P is received and stored in a memory, and the processing related to the stored sensing information can be performed later. Can be.
  • the control unit 300 also includes one or more communication modules 410-1, 410-2, ... mounted in the plurality of communication module mounting slots 140-1, 140-2, ..., 140-M. 410-M) can be automatically recognized and driven normally.
  • the sensing information stored in the memory can be controlled to be transmitted to the outside through a predetermined automatically recognized communication module.
  • each sensor module stores unique identification information, and correspondingly, the control unit 300 includes identification information of all the sensor modules constituting the modular sensor unit 200 and respective driving programs. This can be stored.
  • each communication module stores unique identification information, and correspondingly, the control unit 300 stores identification information of all communication modules constituting the modular communication unit 400 and drives each of them.
  • the program can be stored.
  • the processing apparatus of the controller 300 monitors a voltage appearing at a port corresponding to the corresponding mounting slot. It can be recognized that the module is mounted.
  • the processing device of the controller 300 may communicate with a sensor module connected to the mounting slot through the sensor module interface 110 to receive its identification information from the sensor module.
  • the processing apparatus of the controller 300 may automatically identify the type of the sensor module by comparing the received identification information with the sensor module identification information list registered therein.
  • the processing device of the controller 300 may execute a driver program of the identified sensor module. As a result, the processing apparatus of the control unit 300 may control to collect the signal information measured by the mounted sensor module and provide it to the control unit 300.
  • the processing unit of the control unit 300 may monitor the voltage appearing in any port connected to the communication module interface 130 to recognize the fact that any communication module is newly mounted in any communication module mounting slot. In addition, the processing apparatus of the controller 300 may automatically identify the type of the mounted communication module by comparing the identification information provided by communicating with the mounted communication module with a list of registered communication module identification information. In addition, the processing apparatus of the controller 300 may execute the driver program of the identified communication module to control the mounted communication module to perform a normal communication function. When a plurality of communication modules are mounted at one time, the control unit 300 may control the mounted communication modules to operate according to their operation priority.
  • the control unit 300 may also receive the received signal from the communication module when the signal processed by the server computer 500 and fed back through the modular communication unit 400 is received. If the final destination of the received signal is the driver 600 or the modular sensor unit 200, the controller 300 may control the signal to be delivered to the corresponding final destination. For example, based on a control signal for opening and closing the wire path 155 received and transmitted by one or more communication modules, the controller 300 may generate a switching signal and provide the switching signal to the wire open / close switch 165.
  • the sensor modules (210-1, 210-2, ..., 210-P) and the communication modules (410-1, 410-2,. .., 410-M other components that is, the platform body 190, the power transmission unit 170, the control unit 300, a plurality of sensor module mounting slots (120-1, 120-2, ...) , 120-P) and the sensor module interface 110, the plurality of communication module mounting slots (140-1, 140-2, ..., 140-M) and the communication module interface 130 is a plurality of sensor modules ( 210-1, 210-2, ..., 210-P and a plurality of communication modules 410-1, 410-2, ..., 410-M may function as a sensor-plug platform.
  • a user may use various sensor modules 210-1, 210-2,..., 210 -P of the modular sensor unit 200 and various communication modules 410-1, 410-2, of the modularized communication unit 400. ..., 410-M) to select the desired sensor module and communication module mounted sensor module mounting slots (120-1, 120-2, ..., 120-P) and communication module provided in the platform body 190 Can be mounted in the empty space of the slot (140-1, 140-2, ..., 140-M), respectively.
  • the user can configure the modular sensor unit 200 and the modular communication unit 400 desired. Therefore, considering the monitoring target and supported communication methods, the sensor complex smart plug can be configured most appropriately.
  • the control unit 300 is the sensor module mounting slot (120-1, 120-2, ..., 120-P) and the communication module mounting slot (140-1, 140-2, ..., 140-M) ) It can automatically identify what kind of sensor module and communication module are installed in the driver and execute the driver program suitable for it. In this way, the controller 300 may support and control the mounted sensor module and the communication module to operate normally. The user may freely remove the preconfigured sensor module and communication module or replace with another sensor module or communication module as necessary. The control unit 300 may automatically identify and remove the newly removed and newly mounted, and support and control the finishing operation.
  • the platform body 190 may be provided with a control signal connection port 180 that can send and receive a control signal from the outside to the controller 300 in a wired manner.
  • the server computer 500 may receive and analyze detection signals of the sensor modules 210-1, 210-2,..., 210 -P from the garment production equipment smart monitoring device 100. Can be. Based on the analysis result, the server computer 500 can perform predetermined processing, such as making a decision and making a decision about a specific matter. Furthermore, if the server computer 500 needs to drive and / or control the equipment (not shown) or the clothing production equipment 700 of the clothing production plant or the like based on the result of the determination and decision, the corresponding equipment or clothing
  • the driving unit 600 of the production equipment 700 may provide a driving signal or a control signal directly or indirectly through the modular communication unit 400.
  • the operation between the smart monitoring device 100, the server computer 500, and the driving unit 600 constituting the garment production equipment smart monitoring system 10 may be performed in a closed feedback loop.
  • the server computer 500 is a communication unit for communicating with the communication unit 400 and the driver 600 of the computer device and clothing production equipment smart monitoring device 100 for performing the necessary data processing.
  • the computer device of the server computer 500 may be implemented, for example, as a cloud server computing device or a fog computing device.
  • a single or multiple processing means such as an artificial intelligence server computer reflecting artificial intelligence algorithms including rule base algorithms and machine learning, or a server computer applying fog computing technology on a network-connected general purpose computer or a cloud server computing device.
  • the server computer 500 may be implemented by using.
  • the server computer 500 may collect and store sensing data from a single or a plurality of garment production equipment smart monitoring device 100 through its communication unit.
  • the server computer 500 may perform predetermined processing on the sensing data, and may determine whether to complete a unit work, a determination about a work environment, a necessary action, and the like through the processing.
  • FIG. 2 shows a schematic configuration of a clothing production factory smart monitoring system 50 according to an embodiment of the present invention.
  • the clothing production plant cuts the fabric fabric according to the design, and the plurality of clothes production equipment, such as a plurality of electric sewing machine, electric fabric cutting machine, etc. for making the garment by connecting the cut pieces of fabric to the sewing operation (700-) 1, 700-2, ..., 700-N) are installed and used.
  • the plurality of clothes production equipment such as a plurality of electric sewing machine, electric fabric cutting machine, etc. for making the garment by connecting the cut pieces of fabric to the sewing operation (700-) 1, 700-2, ..., 700-N) are installed and used.
  • the garment production plant smart monitoring system 50 is a plurality of garment production equipment smart monitoring device (100-1, 100) installed near the garment production equipment (700-1, 700-2, ..., 700-N) -2, ..., 100-N), the server computer 500 and the clothing production equipment smart monitoring device (100-1, 100-2, ..., 100-N) connected to communicate with them And drivers 600-1, 600-2,..., 600 -N that are communicatively connected to the server computer 500.
  • Apparel production equipment smart monitoring device (100-1, 100-2, ..., 100-N), as described in Figure 1 modular sensor unit (200-1, 200-2, ..., 200-N),
  • the control unit 300 may include a communication unit 400-1, 400-2,..., 400 -N.
  • Each of the modularized sensor units 200-1, 200-2,..., 200 -N may include the same sensor module or different types of sensor modules.
  • the communication units 400-1, 400-2,..., 400 -N may also include the same communication module or different types of communication modules.
  • the server computer 500 is a communication unit 400-1, 400-2, ..., 400-N of the clothing production equipment smart monitoring device (100-1, 100-2, ..., 100-N)
  • the controller 600 may communicate with the driving units 600-1, 600-2, ..., 600-N.
  • the server computer 500 may receive a sensing signal from the plurality of smart monitoring devices 100-1, 100-2,..., 100 -N simultaneously or sequentially to perform a predetermined process.
  • the server computer 500 may control a plurality of clothing production equipment smart monitoring device (100-1, 100-2, ..., 100-N) independently or integrated.
  • a processing algorithm for making a decision regarding a control sequence may be reflected in the server computer 500.
  • a decision can be made to preferentially control a device with a large load of equipment according to an AI or manager rule-based algorithm.
  • the server computer 500 may have a trained neural network model built on the working pattern of the garment production equipment.
  • the server computer 500 is the clothing production equipment 700-1, 700-2, ..., 700-N received from each smart monitoring device (100-1, 100-2, ..., 100-N) ) Can be analyzed based on the learned neural network model.
  • the server computer 500 may also generate judgment data as to whether or not the predetermined unit work is completed for each of the garment production equipment 700-1, 700-2,..., 700 -N through such analysis.
  • the determination data may be generated by using the measured amount of current or power consumption of the garment production equipment 700-1, 700-2,..., 700 -N.
  • the server computer 500 may perform predetermined post-processing described later based on the generated current amount or power consumption based determination data.
  • the driving units 600-1, 600-2,..., 600 -N are communication units 400-of the server computer 500 or the smart monitoring devices 100-1, 100-2,. 1, 400-2, ..., 400-N) based on a decision signal, a drive control signal, etc., a driver or clothes production equipment 700-1, 700-2, ... , 700-N).
  • the driving unit 600 may perform a function of controlling the operating environment of the equipment, for example, operating speed, power on / off, operating time, and additional condition adjustment of the garment production equipment through output of a driving signal to the relay.
  • the driving unit 600 may provide appropriate information to the operator, administrator, user, or the like, or control the equipment / equipment and the system to be operated at the optimal or safe level by controlling the facility / equipment or the system.
  • FIG. Fig. 5 illustrates a procedure for performing work pattern analysis using a neural network algorithm according to an exemplary embodiment of the present invention.
  • the clothing production plant smart monitoring method may include building a trained neural network model on the work pattern of the garment production equipment 700 in the server computer 500.
  • the analysis of the data obtained through smart monitoring of the garment manufacturing plant may be performed using a learned neural network model on the work pattern of the garment production equipment.
  • the trained neural network model 70 may be generated in advance and built on the server computer 500.
  • sample data for training the neural network algorithm may be obtained (S10), and predetermined preprocessing (noise reduction, conversion of analog signals into digital data, etc.) may be performed (S20).
  • the sample data may be, for example, data regarding the amount of current used or power consumption of the garment production equipment 700. In addition, it may further include various measurement data on the working environment of the garment manufacturing plant.
  • a pattern corresponding to the completion of a predetermined unit work of the garment production equipment 700 may be extracted from the preprocessed sample data.
  • the pattern may be, for example, a pattern of a current amount or a power consumption amount used by a worker to complete a predetermined unit work using the garment production equipment 700.
  • a pattern recognition algorithm may be implemented using the extracted pattern (S40).
  • the neural network model 70 learned about the working pattern of the garment production equipment can be constructed (for details, refer to the description of FIG. 6 to be described later).
  • the pattern recognition algorithm of the implemented neural network model 70 it is possible to calculate the output of the garment production equipment (S50).
  • FIG. 6 illustrates a process of generating a neural network learning model for a unit work pattern using a neural network in a server computer according to an exemplary embodiment of the present invention.
  • the learning algorithm using the neural network learning model 70 regarding the unit work pattern first performs labeling and classification on the learning data regarding the unit work pattern.
  • the learning procedure for this is as follows.
  • the training data on the unit work pattern is prepared and input to the server computer 500 (S110).
  • 'unit work' refers to a job using the garment production equipment 700 required to produce a specific garment, such as stitching work for joining two predetermined fabrics.
  • 'Unit work pattern' refers to a pattern of the amount of current used or the amount of power consumed when performing such a unit work using the garment production equipment 700. For example, you can use Python coding to get the training data from a MySQL server.
  • a window size and a window movement step size may be set (S120).
  • the window size and the window movement step size can be set to completely include the unit work pattern based on the maximum unit work time.
  • the learning data may be labeled and classified while moving the window by the set step size.
  • the unit work pattern is completely checked in the window, the unit work may be classified as '1', which means the completion of the unit work, and otherwise, it may be classified as '0', which means the unit work is not completed (S130).
  • the neural network model may be generated by performing training using the neural network 70 with the data classified by labeling (S140).
  • the garment factory smart monitoring method is smart monitoring devices 100-1, 100 installed in the garment production equipment (700-1, 700-2, ..., 700-N) in the garment production factory -2, ..., 100-N) collects the current or power consumption data of the clothing production equipment (700-1, 700-2, ..., 700-N) measured over time Providing to the computer 500.
  • FIG. 7 is a garment production equipment 700-1, 700-2, using the garment production equipment smart monitoring device (100-1, 100-2, ..., 100-N) in accordance with an exemplary embodiment of the present invention ..., the process of measuring the amount of current used or power consumption of 700-N, working environment data, and the like is transmitted to the server computer 500.
  • each of the current sensors 210-1 of the smart monitoring devices 100-1, 100-2,..., 100 -N is installed clothing production equipment 700-1, 700-2,. .., 700-N) can measure the amount of current or power in real time.
  • Each of the modular sensor units 200-1, 200-2,..., 200 -N of the smart monitoring devices 100-1, 100-2,. Can be measured (S210). However, for the purpose of measurement, it is desirable to perform the measurement in real time or in accordance with real time.
  • the control unit 300 of each of the smart monitoring devices 100-1, 100-2,..., 100 -N may collect data measured by the sensors (S220).
  • the controller 300 may transmit the collected measurement data to the server computer 500 through the communication units 400-1, 400-2,..., 400 -N (S230).
  • Such measurements and transmissions can be performed periodically or at any time.
  • Such measurement, collection and transmission (S110, A120, S130) may be performed periodically or at any time or in response to a request of the server computer 500 (S240).
  • the garment factory smart monitoring method in the server computer 500, the amount of current or power consumption data received from the smart monitoring device (100-1, 100-2, ..., 100-N)
  • the pattern of may be analyzed based on the trained neural network model 70 previously constructed.
  • the predetermined post-processing may be performed based on the generated use current amount or power consumption amount based determination data.
  • FIG. 8 illustrates garment production equipment 700-1, 700-2, ..., 700- using neural network learning model 70 in server computer 500 in accordance with an exemplary embodiment of the present invention. It is a flow chart showing various post-processing processes using the judgment process on the completion of unit work in 3) and the work environment data.
  • the trained neural network model regarding the unit work pattern may be built in the server computer 500 (S310). Data analysis can also be performed for testing to verify the performance of the built neural network model. Input data about the amount of current used can be filtered and input into the trained neural network model and its output can be verified. This will allow us to determine the accuracy of the model and follow up to improve performance.
  • the power consumption of each unit work can be calculated and input to the neural network node in the test room before the normal production line operation in the garment production line.
  • the power consumption per unit work can be calculated together to increase the reliability of the unit work pattern recognition.
  • the amount of power consumed in the unit work is first calculated, and when the power is supplied for the specific unit work, the result of the unit work analysis can be verified by a machine learning method using a neural network. have.
  • the server computer 500 measures the amount of new current used by the smart monitoring devices 100-1, 100-2,..., 100 -N in real time.
  • power consumption data may be received (S320).
  • the received current amount or power consumption pattern may be inputted into the trained neural network model and analyzed (S60 or S330).
  • the size of the window for pattern analysis of the input data and the window moving step size may be set (S70).
  • the pattern can be analyzed by moving the set window by step size with respect to the input data. Through this analysis, it is possible to determine whether the unit work is completed. According to the passage of time, data on a completion point of the unit work, a completion frequency, etc. may be generated (S330).
  • FIG 9 illustrates a labeling standard of the current amount pattern learning data on whether the unit work of the clothing production apparatus 700 according to the embodiment of the present invention is completed.
  • the garment production equipment 700 may show a pattern of the amount of current used or power consumption as shown in FIG. 9B.
  • this pattern is a pattern in which the amount of current used or power consumption suddenly increases greatly in three places between the data point indexes 175-200, 230-270, and 290-330.
  • 9A and 9D are only two places, and (c) is only one place, and thus the unit work may not be completed.
  • FIG. 10 illustrates a method of determining whether a unit operation is completed with respect to real-time measurement data of the amount of current used (or power consumption) of the garment production equipment using the trained neural network model of FIG. 9 according to an exemplary embodiment of the present invention.
  • the pattern of the amount of current used or the amount of power consumed can be analyzed while moving the pattern analysis window 80 having a predetermined size with respect to the input data by a predetermined window moving step size.
  • a pattern in the window 80 that indicates completion of a unit work (for example, a predetermined piece of seam stitching work), that is, a pattern as shown in FIG. If present, for example, a value of '1' can be given corresponding to the position of the window 80 at that time.
  • the server computer 500 calculates the clothing production volume and the production time per piece of the produced clothing based on the use current amount or power consumption based determination data on whether the unit work is completed. can do. Furthermore, the calculated data can be used to generate evaluation data regarding the operating state of the production line. This data can be used to improve productivity, perform unit work efficiently, and seamlessly coordinate with the whole work.
  • the server computer 500 may be configured such that the usage current amount or power consumption pattern collected from the smart monitoring devices 100-1, 100-2,..., 100 -N has a predetermined threshold range. You can monitor for any deviations in the pattern.
  • the server computer 500 may output an alarm for preventing a failure.
  • a clustering algorithm such as K-Means or Gaussian Mixture Model may be used.
  • the server computer 500 alerts the equipment operator or administrator through an alarm sound or an exhibition, a mobile phone message, or the like. Take measures such as shutting down the garment production equipment. This can minimize the occurrence of failure of the clothing production equipment.
  • the server computer 500 analyzes the power consumption patterns of the garment production equipment 700-1, 700-2, ..., 700-N to reduce the grace time to minimize the power consumption
  • the optimal solution can be derived.
  • smart monitoring devices 100-1, 100-2, ...) mounted on the garment production equipment (700-1, 700-2, ..., 700-N) utilizing the reinforcement learning process, such as Q learning.
  • Power consumption patterns based on the amount of current and voltage collected from 100-N). And based on the analysis, we can derive and present the best way to reduce the grace time to minimize the power consumption. Based on the proposed approach, it is possible to optimize power consumption by operating clothing production equipment.
  • the server computer 500 may analyze power consumption patterns of the garment production equipment 700-1, 700-2,..., 700 -N to predict in real time a defect that deviates from the work pattern. . Thereby, the defective rate of garment production can be minimized.
  • the server computer 500 is a smart monitoring device (100-1, 100) mounted on the clothes production equipment (700-1, 700-2, ..., 700-N) using a supervised learning and unsupervised learning algorithm
  • Current and voltage data collected from -2, ..., 100-N can be used to analyze power data consumption patterns, and based on the analysis, defects that fall outside the working pattern can be classified and predicted in real time. This can minimize the defective rate of clothing production.
  • the server computer 500 analyzes the power consumption patterns of the garment production equipment 700-1, 700-2,..., 700 -N, where the bottleneck occurs in the work process. Can be estimated, and based on the prediction, a process sequence that can guarantee an optimal yield can be derived.
  • the server computer 500 is a smart monitoring device (100-1, 100-2,... Mounted on the garment production equipment (700-1, 700-2, ..., 700-N) through a supervised learning algorithm. , 100-N) can be analyzed to predict where bottlenecks occur in a work process.
  • a process order adjustment method to ensure the optimum output.
  • it is possible to derive a method of adjusting or additionally inserting the optimal workers for the corresponding work by comparing the individual worker capability analysis data of the existing accumulated process to ensure the optimal output.
  • the smart monitoring device (100-1, 100-2, ..., 100-N) mounted on the garment production equipment (700-1, 700-2, ..., 700-N) May measure and provide working environment data including at least some of temperature, humidity, illuminance, pressure, acceleration, CO 2 concentration, noise, and fine dust concentration in the garment production plant to the server computer 500 over time.
  • the server computer 500 may further perform various post-processing by utilizing such work environment data.
  • the server computer 500 is a smart monitoring device (100-1, 100-2, ..., 100) mounted on the garment production equipment (700-1, 700-2, ..., 700-N)
  • the work environment data received from -N) may be analyzed based on the learned neural network model 70, and the control amount may be calculated to maintain the work environment showing the highest productivity.
  • the server computer 500 is a smart monitoring device (100-1, 100-2, ..., 100) mounted on the garment production equipment (700-1, 700-2, ..., 700-N)
  • VOC, CO 2 and fine dust collected from the clothing factory workplace environmental data collected from -N the criteria for the most productive workplace environment can be determined.
  • regression algorithms such as regression, neural network, SVM, decision tree, k-nearest neighbor, and naive Bayes can be used.
  • measures can be taken to maintain the environment, such as ventilator operation and environmental hazard warnings.
  • the server computer 500 may be configured to the operating data obtained by using the working current or power consumption data of the work environment and the garment production equipment 700-1, 700-2, ..., 700-N. Analyze the occurrence of accidents on the basis of In addition, the server computer 500 may predict the occurrence of an accident and issue an alert based on the analysis result. For example, the server computer 500 uses the regression analysis algorithm such as regression, neural network, SVM, decision tree, k-nearest neighbor, naive Bayes, etc. Analyze the incident situation based on the clothing manufacturing working environment and equipment operation data collected from the smart monitoring devices (100-1, 100-2, ..., 100-N) mounted on the 700-N), Predict the occurrence of an accident. Furthermore, to prevent such a situation from occurring, the environmental condition may be controlled or an alarm may be issued to an administrator through an alarm warning sound or an exhibition or a mobile phone message.
  • the regression analysis algorithm such as regression, neural network, SVM, decision tree, k-nearest neighbor, naive Bayes,
  • the present invention can be used for monitoring the consumption and / or production of electrical energy in a production facility or various environments, monitoring and analysis of facilities and environments in various manufacturing facilities.
  • it can be applied to the garment production plant, it can be used to improve productivity, work stability and the like.
  • 140-1, 140-2, ..., 140-M Communication module mounting slot
  • first electrical connection 160 second electrical connection
  • wire opening and closing switch 170 power transmission unit
  • platform body 200 modular sensor unit

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • General Factory Administration (AREA)
  • Telephonic Communication Services (AREA)

Abstract

의류생산공장 스마트 모니터링 방법 및 이를 위한 시스템은 의류생산장비의 소비전력을 모니터링 하고, 그 모니터링 데이터에 기초하여 작업자의 작업 패턴을 분석함으로써 생산성과 작업 효율성을 극대화하고, 에너지 소모를 줄일 수 있다. 의류생산공장 내의 각 의류생산장비에 설치된 스마트 모니터링 장치는 그 의류생산장비의 사용 전류량 또는 소비 전력량을 시간 경과에 따라 측정하여 서버 컴퓨터에 전송한다. 의류생산장비의 작업 패턴에 관한 학습된 신경망 모델이 구축되어 있는 서버 컴퓨터는 수신되는 사용 전류량 또는 소비 전력량 데이터의 패턴을 학습된 신경망 모델에 기초하여 분석한다. 그 분석을 통해, 서버 컴퓨터는 의류생산장비의 단위 작업의 완료 여부에 관한 사용 전류량 또는 소비 전력량 기반 판단 데이터를 생성하고, 그 판단 데이터에 기초하여, 소정의 후처리를 수행한다. 본 발명에 따르면, 의류생산공장에서의 작업환경을 모니터링 하여 얻어지는 데이터를 분석하여 생산성을 높일 수 있고 사고 발생율을 낮출 수 있는 작업환경을 유지할 수 있다.

Description

의류생산공장 스마트 모니터링 방법 및 시스템
본 발명은 의류생산공장에 대한 모니터링 방법 및 시스템에 관한 것이다. 보다 상세하게는 본 발명은 스마트 센서-플러그 시스템을 이용하여 의류생산장비와 공장 환경에 관한 모니터링 방법 및 시스템과 모니터링 데이터를 활용하는 기술에 관한 것이다.
기술의 발전과 더불어 다양한 형태의 스마트 센서가 개발되어 산업현장과 가정 등에 활용되고 있다. 예를 들어, 전류센서, 수압센서, 온도센서 등을 IoT 기술과 연동한 단편적인 스마트 센서들은 일부 상용화되어 있다. 그 스마트 센서들이 측정한 현재의 전력소비량, 수압현황, 온도수준 등이 운영자의 스마트폰 앱에 전달되고, 운영자는 릴레이 등의 스위칭 수단을 이용하여 전력, 수압, 온도 등을 제어할 수 있다. 전기 에너지 사용의 계측, 그 계측 결과를 여러 가지 용도로 활용, 그리고 전기 에너지의 효율적 사용을 위한 전기 공급의 차단 제어 등을 효과적으로 수행하기 위해, 스마트 플러그도 사용되고 있다.
생산 환경에 대한 효과적인 감시와 통제의 필요성은 지속된다. 예컨대 스마트 팩토리를 구현하기 위해서는 이전에 비해 훨씬 다양한 대상과 환경 요소에 대한 모니터링이 요구된다. 더욱 다양한 제어요인들과 환경요인들을 모니터링함에 따라, 모니터링 결과들을 다양한 방법으로 처리하여 생산수단의 안전한 운용과 생산성 향상 등을 위한 적극적인 조치를 취할 수 있는 수단과 방법이 요구되고 있다.
의류 제조업은 전통적인 노동 집약적 산업으로, 작업자들의 노동력에 의해 대부분의 작업이 이루어지고 있다. 의류생산 공장의 경우도, 생산성 향상과 작업환경의 안정성 제고를 위해서는 근로자들의 노동집약적 근무환경을 IoT 기반의 시스템으로 전환할 필요가 있다. 작업의 효율성, 생산성을 극대화하고, 사고 예방 등을 위해서는 근로자들이 다루는 의류생산장비들의 작업 상황 그리고 공장 내의 작업환경 등을 면밀히 모니터링할 필요가 있다.
본 발명은 의류생산공장에서 사용되는 재봉틀, 자동화 재단기 등과 같은 의류생산장비의 소비전력을 모니터링 하여 작업자의 작업 패턴을 분석함으로써, 생산성과 작업 효율성을 극대화하고, 에너지 소모를 줄일 수 있는 의류생산공장 스마트 모니터링 방법 및 이를 위한 시스템을 제공하기 위한 것이다.
본 발명은 의류생산공장에서의 작업환경 모니터링을 통해 얻어지는 작업환경 데이터를 분석하여 높은 생산성과 낮은 사고 발생률을 갖는 작업환경을 유지할 수 있는 의류생산공장 스마트 모니터링 방법 및 이를 위한 시스템을 제공하기 위한 것이다.
본 발명이 해결하고자 하는 과제는 상술한 과제들에 한정되는 것이 아니며, 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있을 것이다.
상기 본 발명의 일 목적을 실현하기 위한 실시예들에 따른 의류생산공장 스마트 모니터링 방법은, 의류생산장비의 작업 패턴에 관한 학습된 신경망 모델을 서버 컴퓨터에 구축하는 단계; 의류생산공장 내 의류생산장비들에 설치된 스마트 모니터링 장치들이 시간 경과에 따라 측정한 의류생산장비들의 사용 전류량 또는 소비 전력량 데이터를 수집하여 상기 서버 컴퓨터에 제공하는 단계; 상기 서버 컴퓨터에서, 수신된 사용 전류량 또는 소비 전력량 데이터의 패턴을 상기 학습된 신경망 모델에 기초하여 분석하여 상기 의류생산장비의 단위 작업의 완료 여부에 관한 사용 전류량 또는 소비 전력량 기반 판단 데이터를 생성하는 단계; 및 생성된 상기 사용 전류량 또는 소비 전력량 기반 판단 데이터에 기초하여, 소정의 후처리를 수행하는 단계를 포함한다.
예시적인 실시예들에 있어서, 상기 소정의 후처리를 수행하는 단계는 상기 단위 작업의 완료 여부에 관한 사용 전류량 또는 소비 전력량 기반 판단 데이터에 기초하여, 생산라인에서의 의류 생산량과 생산된 의류의 개당 생산시간 데이터를 산출하여 생산라인의 가동 상태에 관해 평가 데이터를 생성하는 단계를 포함할 수 있다.
예시적인 실시예들에 있어서, 상기 소정의 후처리를 수행하는 단계는 수집된 사용 전류량 또는 소비 전력량 패턴이 소정의 문턱값 범위를 벗어나는 비정상 패턴을 보이는지를 모니터링 하여, 비정상 패턴을 보일 때 고장 발생을 예방하기 위한 알람을 출력하는 단계를 포함할 수 있다.
예시적인 실시예들에 있어서, 상기 소정의 후처리를 수행하는 단계는 전력 소비 패턴을 분석하여 소비전력을 최소화할 수 있는 유예시간 감소 최적 방안을 도출하는 단계를 포함할 수 있다.
예시적인 실시예들에 있어서, 상기 소정의 후처리를 수행하는 단계는 전력 소비 패턴을 분석하여 작업패턴을 벗어나는 결함을 실시간 예측하여 의류생산간 불량률 최소화하는 단계를 포함할 수 있다.
예시적인 실시예들에 있어서, 상기 소정의 후처리를 수행하는 단계는 전력 소비 패턴을 분석하여, 작업공정에서 병목현상이 발생하는 지점을 예측하여 최적 생산량을 보장할 수 있는 공정순서를 도출하는 단계를 포함할 수 있다.
예시적인 실시예들에 있어서, 상기 의류생산공장 스마트 모니터링 방법은 상기 스마트 모니터링 장치들이 시간 경과에 따라 상기 의류생산공장 내의 온도, 습도, 조도, 압력, 가속도, CO2 농도, 소음, 미세먼지 농도 중 적어도 일부를 포함하는 작업환경 데이터를 측정하여 상기 서버 컴퓨터에 제공하는 단계를 더 포함할 수 있다.
예시적인 실시예들에 있어서, 상기 소정의 후처리를 수행하는 단계는 수신된 작업환경 데이터를 학습된 신경망 모델에 기초하여 분석하여 최고 생산성을 나타내는 작업환경을 유지하도록 제어량을 산출하는 단계를 포함할 수 있다.
예시적인 실시예들에 있어서, 상기 소정의 후처리를 수행하는 단계는 상기 작업환경 및 상기 의류생산장비의 사용 전류량 또는 소비 전력량 데이터에 기초한 운용 데이터에 기초하여 사고 발생 상황을 분석하고, 분석 결과에 기초하여 사고 발생 가능성을 예측하여 경고를 발하는 단계를 포함할 수 있다.
예시적인 실시예들에 있어서, 상기 학습된 신경망 모델을 서버 컴퓨터에 구축하는 단계는, 단위작업 패턴에 관한 학습 데이터를 상기 서버 컴퓨터에 입력하는 단계; 최대 단위작업시간을 기준으로 단위작업 패턴을 완전히 포함할 수 있는 창 사이즈와 창 이동 스텝 사이즈를 설정하는 단계; 설정된 스텝 사이즈만큼 상기 창을 이동시키면서 상기 학습 데이터를 라벨링하여 분류하는 단계; 및 라벨링하여 분류된 데이터로 신경망을 이용한 학습을 실시하여 상기 학습된 신경망 모델을 생성하는 단계를 포함할 수 있다. 그리고 상기 단위작업 패턴에 관한 학습 데이터는 상기 의류생산장비가 상기 단위작업을 수행하는 동안의 사용 전류량 또는 소비 전력량에 관한 데이터일 수 있다.
예시적인 실시예들에 있어서, 상기 라벨링하여 분류하는 단계는 상기 단위작업 패턴이 상기 창 내에서 전부 확인되면 단위작업 완료를 의미하는 '1'로 분류하고, 그렇지 않으면 단위작업 미완료를 의미하는 '0'으로 분류할 수 있다.
예시적인 실시예들에 있어서, 상기 의류생산장비는 전동 재봉틀, 전동 원단 재단기 중 적어도 일부를 포함할 수 있다.
한편, 상기 본 발명의 목적을 실현하기 위한 실시예들에 따른 의류생산공장 스마트 모니터링 시스템은 서버 컴퓨터와 한 개 이상의 스마트 모니터링 장치를 포함한다. 상기 서버 컴퓨터는 의류생산장비의 작업 패턴에 관한 학습된 신경망 모델이 구축되어 있으며, 수신되는 사용 전류량 또는 소비 전력량 데이터의 패턴을 상기 학습된 신경망 모델에 기초한 분석을 통해 상기 의류생산장비의 단위 작업의 완료 여부에 관한 사용 전류량 또는 소비 전력량 기반 판단 데이터를 생성하고, 생성된 상기 사용 전류량 또는 소비 전력량 기반 판단 데이터에 기초하여, 소정의 후처리를 수행한다. 상기 한 개 이상의 스마트 모니터링 장치는 의류생산공장 내의 각 의류생산장비에 설치되어 그 의류생산장비의 사용 전류량 또는 소비 전력량을 시간 경과에 따라 측정하여 상기 서버 컴퓨터에 전송한다.
예시적인 실시예들에 있어서, 상기 스마트 모니터링 장치는 플랫폼 바디, 전력 전달부, 모듈화 센서부, 모듈화 통신부, 제어부를 포함할 수 있다. 상기 전력전달부는 외부 전원과 부하에 각각 전기적으로 연결되는 제1 및 제2 전기접속부; 및 상기 제1 및 제2 전기접속부를 전기적으로 연결하는 전선로를 포함하며, 상기 플랫폼 바디에 마련될 수 있다. 상기 제어부는 상기 플랫폼 바디 내에 설치되고 소정의 내장 프로그램을 실행하여 제어를 수행할 수 있다. 상기 모듈화 센서부는, 서로 물리적으로 독립된 모듈로 구성되며 각각 소정 대상의 물리적 또는 화학적인 양이나 그 변화를 검출하여 그 검출 데이터를 출력하는 복수의 센서모듈; 상기 복수의 센서모듈이 필요에 따라 선택적으로 탈착가능하게 장착될 수 있도록 마련된 복수의 센서모듈 장착슬롯; 및 상기 복수의 센서모듈 장착슬롯에 각각 장착되는 한 개 이상의 센서모듈을 상기 제어부에 구별 가능하게 전기적으로 연결시켜주는 센서모듈 인터페이스를 포함할 수 있다. 상기 모듈화 통신부는, 서로 독립적으로 구성되며 각각 서로 다른 통신방식으로 외부와 통신을 수행할 수 있는 복수의 통신모듈; 상기 복수의 통신모듈이 필요에 따라 선택적으로 탈착가능하게 장착될 수 있도록 마련된 복수의 통신모듈 장착슬롯; 및 상기 복수의 통신모듈 장착슬롯에 장착되는 한 개 이상의 통신모듈을 상기 제어부에 구별 가능하게 전기적으로 연결시켜주는 통신모듈 인터페이스를 포함할 수 있다. 상기 제어부는, 상기 복수의 센서모듈 장착슬롯에 장착되는 한 개 이상의 센서모듈을 자동으로 인식하여 정상적으로 구동하도록 해주고, 장착된 한 개 이상의 센서모듈이 생성한 센싱정보를 제공받아 저장하고, 상기 복수의 통신모듈 장착슬롯에 장착되는 한 개 이상의 통신모듈을 자동으로 인식하여 정상적으로 구동하도록 해주고, 저장해둔 센싱정보를 소정의 자동 인식된 통신모듈을 통해 외부로 전송되도록 제어할 수 있다. 상기 스마트 모니터링 장치는 상기 모듈화 센서부와 상기 모듈화 통신부를 원하는 센서모듈과 통신모듈로 선택하여 구동시킬 수 있고, 기 구성된 센서모듈과 통신모듈을 자유롭게 제거하거나 다른 것으로 교체할 수 있다.
예시적인 실시예들에 있어서, 상기 복수의 센서모듈 각각은 고유의 식별정보를 저장하고 있고, 상기 제어부는 상기 모듈화 센서부를 구성하는 전체 센서모듈들 각각의 식별정보와 구동 프로그램을 저장할 수 있다. 상기 제어부는 상기 센서모듈 장착슬롯에 임의의 센서모듈이 장착되면 상기 센서모듈 인터페이스를 통해 상기 임의의 센서모듈의 식별정보를 제공받아 그 식별정보에 대응되는 센서모듈의 구동 프로그램을 실행하여 상기 임의의 센서모듈이 정상적으로 동작할 수 있게 제어할 수 있다.
예시적인 실시예들에 있어서, 상기 복수의 통신모듈 각각은 고유의 식별정보를 저장하고 있고, 상기 제어부는 상기 모듈화 통신부를 구성하는 전체 통신모듈들 각각의 식별정보와 구동 프로그램을 저장할 수 있다. 상기 제어부는 상기 통신모듈 장착슬롯에 임의의 통신모듈이 장착되면 상기 통신모듈 인터페이스를 통해 상기 임의의 통신모듈의 식별정보를 제공받아 그 식별정보에 대응되는 통신모듈의 구동 프로그램을 실행하여 상기 임의의 통신모듈이 정상적으로 동작할 수 있게 제어할 수 있다.
예시적인 실시예들에 있어서, 상기 통신모듈 장착슬롯에 장착된 통신모듈이 복수 개인 경우, 상기 제어부는 그 복수의 통신모듈을 미리 정해진 우선순위에 따라 선순위 통신모듈을 자동으로 선택하여 작동하도록 제어하고, 선순위 통신모듈이 작동 불가 시에 그의 후순위 통신모듈이 작동하도록 제어할 수 있다.
본 발명에 따른 의류생산공장 스마트 모니터링 시스템은 의류생산공장에 특화되어 여러 가지 재봉기 (sewing machines), 칼 재봉기( ), 재단기, ****등과 같은 의류생산장비의 소비전력 또는 전류를 실시간으로 모니터링 하여 작업자의 작업 패턴을 분석할 수 있다. 이를 이용하여 작업자별, 생산라인별 생산성을 분석할 수 있고, 소비전력을 예측하여 생산성 및 에너지 소모 감소를 동시에 도모할 수 있는 장점을 가진다. 또한, 의류생산공장의 작업환경에 대한 데이터를 수집 및 분석하여 다양한 의류생산공장의 장비, 환경에 대한 최적화 제어가 가능하다.
본 발명에 의하면, 분석된 데이터를 작업자 또는 관리자에게 컴퓨터 또는 스마트폰 등의 도구를 이용하여 제공하거나 직접 공장의 장비 및 환경을 제어함으로써 생산성 향상, 공장 안전관리, 위험 진단, 장비상태 모니터링 등의 조치를 수행하여 최상의 생산성 보장 및 최적의 의류생산 환경을 유지할 수 있다.
또한, 스마트 모니터링 장치의 센서모듈 및 통신모듈 구성이 매우 자유로워 다양한 작업환경에 매우 융통성 있게 적용될 수 있다. 또한, 센서모듈이나 통신모듈을 장착슬롯에 장착하기만 하면, 제어부가 어떤 종류의 것이 장착되었는지 자동으로 식별하여 정상적으로 작동할 수 있도록 제어해준다. 그러므로 사용상의 편의성도 우수하다. 이러한 스마트 모니터링 장치를 생산 데이터를 수집하고, 이를 머신러닝 기법으로 분석하여 생산성을 준 실시간대로 예측하고 분석하여 공장을 제어함으로써 효율성과 생산성을 극대활 할 수 있다.
도 1은 본 발명의 예시적인 실시예에 따른 의류생산장비(예: 재봉기)에 대한 스마트 모니터링 시스템의 개략적인 구성을 나타낸다.
도 2는 본 발명의 실시예에 따른 의류생산공장 스마트 모니터링 시스템의 개략적인 구성을 나타낸다.
도 3은 본 발명의 예시적인 실시예에 따른 의류생산장비 스마트 모니터링 장치의 구성을 나타낸 블록도이다.
도 4는 본 발명의 예시적인 실시예에 따라, 도 3에 도시된 스마트 모니터링용 모듈화 센서-플러그 플랫폼을 도시한다.
도 5는 본 발명의 예시적인 실시예에 따라, 신경망 알고리즘을 이용하여 작업 패턴 분석을 수행하는 절차를 나타내는 흐름도이다.
도 6은 본 발명의 예시적인 실시예에 따라, 서버 컴퓨터에서 신경망을 이용하여 단위작업 패턴에 관한 신경망 학습 모델을 생성하는 과정을 나타내는 흐름도이다.
도 7은 본 발명의 예시적인 실시예에 따라, 의류생산장비 스마트 모니터링 장치를 이용하여, 의류생산장비의 전류량/전력량, 작업환경 데이터를 측정하고 서버컴퓨터로 전송하는 과정을 나타내는 흐름도이다.
도 8은 본 발명의 예시적인 실시예에 따라, 서버 컴퓨터에서 신경망 학습 모델을 이용하여, 의류생산장비의 단위 작업 완료 여부를 판단하는 과정 및 작업환경 데이터를 함께 이용하여 다양한 후처리를 수행하는 과정을 나타내는 흐름도이다.
도 9는 본 발명의 실시예에 따른 의류생산장비의 단위 작업의 완료 여부에 관한 전류량 패턴 학습 데이터의 라벨링 기준을 예시한다.
도 10은 본 발명의 실시예에 따라 학습된 신경망 모델을 이용하여 의류생산장비의 사용 전류량(또는 전력 소비량)의 실시간 측정 데이터에 대하여 단위작업의 완료 여부를 판단하는 방법을 예시한다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
본문에 개시되어 있는 본 발명의 실시예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 본 발명의 실시예를 설명하기 위한 목적으로 예시된 것이다. 본 발명의 실시예들은 다양한 형태로 실시될 수 있으며, 본문에 설명된 실시예들에 한정되는 것으로 해석되어서는 안 된다. 즉, 본 발명은 다양한 변경을 가할 수 있고, 여러 가지 형태를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 발명에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 또한, 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는 데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
도 1은 본 발명의 예시적인 실시예에 따른 의류생산장비(예: 전동 재봉기, 전동 원단 재단기 등) 스마트 모니터링 시스템(10)의 개략적인 구성을 나타낸다.
도 1을 참조하면, 의류생산공장에서는 섬유 원단을 디자인 안에 따라 재단하고, 재단된 원단 조각들을 재봉작업으로 이어 붙여 의류를 만든다. 이를 위해, 많은 수의 전동 재봉틀, 전동 원단 재단기 등과 같은 의류생산장비들이 사용된다.
의류생산장비 스마트 모니터링 시스템(10)은 예컨대 전동 재봉틀, 전동 원단 재단기 등과 같은 의류생산장비(700)에 설치되는 의류생산장비 스마트 모니터링 장치(100), 서버 컴퓨터(500), 그리고 구동부(600)를 포함할 수 있다.
도 3은 본 발명의 예시적인 실시예에 따른 의류생산장비 스마트 모니터링 장치(100)의 구성을 나타낸다. 도 4는 본 발명의 예시적인 실시예에 따라 도 3에 도시된 모듈화 센서-플러그 플랫폼(90)을 도시한다.
도 3 및 4를 참조하면, 의류생산장비 스마트 모니터링 장치(100)는 플랫폼 바디(190), 전력전달부(170), 모듈화 센서부(200), 제어부(300), 모듈화 통신부(400)를 포함할 수 있다.
플랫폼 바디(190)는 의류생산장비 스마트 모니터링 장치(100)를 구성하는 전체 구성요소들(즉, 전력전달부(170), 모듈화 센서부(200), 제어부(300), 모듈화 통신부(400))이 수납, 장착되게 해줄 수 있다. 플랫폼 바디(190)는 자신을 매개로 전체 구성요소들이 유기적으로 결합되어 하나의 장치를 이루도록 해주는 물리적 베이스 내지 하우징의 역할을 할 수 있다. 플랫폼 바디(190)는 예컨대 절연성이 좋은 플라스틱 재질로 만들 수 있다.
전력전달부(170)는 제1 및 제2 전기접속부(150, 160)와 전선로(155)를 포함할 수 있다. 제1 전기접속부(150)는 의류생산장비(700)의 구동에 필요한 전력을 제공하는 외부의 전원에 전기적으로 연결되어 외부 전원을 입력받는다. 제2 전기접속부(160)는 의류생산장비(700)에 연결된 전선 말단부(220) 예컨대 플러그와 전기적인 연결을 이루어, 제1 전기접속부(150)를 통해 입력되는 외부 전원을 의류생산장비(700)로 전달하는 통로로 제공된다. 의류생산장비(700)에 연결된 플러그 단자(220)가 삽입되어 전기적인 연결이 이루어질 수 있도록 제2 전기접속부(160)는 예컨대 콘센트 구조로 만들 수 있을 것이다. 제1 및 제2 전기접속부(150, 160)는 전선로(155)를 통해 서로 전기적으로 연결될 수 있다.
전력전달부(170)는 전선로(155) 상의 소정 지점에 배치되는 전선로 개폐 스위치(165)를 더 포함할 수 있다. 이 전선로 개폐 스위치(165)는 후술할 제어부(300)가 제공하는 스위칭 신호에 응하여 전선로(155)를 개폐시키는 역할을 수행할 수 있다.
예시적인 실시예에 따르면, 모듈화 센서부(200)는 여러 가지 다양한 종류의 센서모듈(210-1~210-P), 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P), 그리고 센서모듈 인터페이스(110)를 포함할 수 있다.
복수 개의 센서모듈(210-1, 210-2, ..., 210-P)은 각각 소정 대상의 물리적/화학적인 양이나 그 변화를 검출하여 그 검출 데이터를 출력하는 센서일 수 있다. 예컨대 복수 개의 센서모듈(210-1, 210-2, ..., 210-P)은 의류생산장비(70)의 사용 전류량, 전압, 또는 전력소비량, 그리고 의류생산공장 내의 온도, 습도, 조도, 압력, 가속도, 소음, 미세먼지 농도, 여러 가지 종류의 가스(CO2, VOC)의 농도 등을 각각 검출할 수 있는 다양한 종류의 센서들의 집합일 수 있다.
예시적인 실시예에 있어서, 제1 센서(200-1)는 전류센서일 수 있다. 이 경우, 제1 센서(200-1)는 예컨대 전원에서 의류생산장비(70)로 전력이 공급되는 전선로(155)를 포위하는 전류변환코일(214)을 포함할 수 있다. 예컨대 그 전류변환코일(214)은 제2 전기접속부(160) 주변에 설치될 수 있다. 이에 의해, 제1 센서(200-1)는 전선로(155)와 플러그 단자(220)를 통해 부하로 공급되는 전류량을 전류변환코일(214)을 통해 검출할 수 있다. 외부전원의 전압은 기지값일 수 있고, 의류생산장비(70)에 공급되는 전류량을 알면 전력 소비량도 산출할 수 있을 것이다.
복수 개의 센서모듈(210-1, 210-2, ..., 210-P)은 서로 물리적으로 독립된 형태로 구성될 수 있다. 즉, 각 센서모듈(210-1, 210-2, ..., 210-P)은 물리적으로 서로 별개의 하우징 내지 케이스에 장착된 구조로 구성될 수 있다. 따라서 사용자의 필요에 따라 복수 개의 센서모듈(210-1, 210-2, ..., 210-P) 전체 중에서 원하는 것을 취사선택하여 모듈화 센서부(200)의 센서로 구성할 수 있다.
센서모듈(210-1~210-P)들과 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)은 사용자가 원하는 센서모듈을 장착슬롯에 용이하게 탈 부착할 수 있는 방식으로 구성될 수 있다.
복수 개의 센서모듈(210-1, 210-2, ..., 210-P) 각각에는 각 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)과의 전기적인 접속을 이룰 수 있도록 접속핀(212)들이 바깥으로 노출되게 마련될 수 있다. 각 센서모듈(210-1, 210-2, ..., 210-P)의 접속핀(212)들의 배열 형태는 표준화하여 서로 동일하게 구성할 수 있다. 이처럼 복수 개의 센서모듈(210-1, 210-2, ..., 210-P)들의 접속핀(212)들의 배열 형태가 센서모듈의 종류의 상관없이 동일하면, 후술하는 복수의 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)들 중 아무런 장착슬롯에나 장착시킬 수 있으므로 오장착의 문제가 생길 여지가 없어질 수 있다.
복수의 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)은 복수 개의 센서모듈(210-1, 210-2, ..., 210-P)이 필요에 따라 장착되거나 이탈될 수 있는 구조로 구성될 수 있다. 즉, 탈착가능하게 장착될 수 있다. 복수의 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)은 플랫폼 바디(190)의 외면에 노출되게 마련될 수 있다. 복수의 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P) 각각에는 접속단자공들이 마련되어 있다. 각 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)의 접속단자공들은 서로 동일한 형태로 배열되는 것이 바람직하다. 또한, 각 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)의 접속단자공들은 각 센서모듈(210-1, 210-2, ..., 210-P)의 접속핀(212)들과 동일한 배열로 마련될 필요가 있다. 즉, 접속핀(212)들과 접속단자공들이 센서모듈 및 센서모듈 장착슬롯의 종류나 위치에 상관없이 동일한 배열을 가지면, 센서모듈(210-1, 210-2, ..., 210-P)들을 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)의 위치에 상관없이 장착할 수 있는 편리함이 있다. 사용자는 필요에 따라 원하는 센서모듈을 선택하여 복수의 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P) 중 비어있는 것이라면 아무 장착슬롯에나 장착할 수 있다.
센서모듈 인터페이스(110)는 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)에 각각 장착되는 각 센서모듈을 제어부(300)에 구별 가능하게 전기적으로 연결시켜준다. 즉, 각 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)의 접속단자들과 제어부(300)의 대응되는 포트들을 전기적으로 연결시켜준다.
위와 같은 모듈화 센서부(200)에 의하면, 사용자는 확보되어 있는 여러 가지 종류의 센서모듈(210-1, 210-2, ..., 210-P)들 중에서 원하는 센서모듈만을 선택하여 비어있는 임의의 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)에 장착할 수 있다. 이에 의해, 원하는 센서모듈만으로 구성된 모듈화 센서부(200)를 구성할 수 있다.
예시적인 실시예에 따르면, 모듈화 통신부(400)는 복수의 통신모듈(410-1, 410-2, ..., 410-M), 복수의 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M), 그리고 통신모듈 인터페이스(130)를 포함할 수 있다. 모듈화 통신부(400)도 모듈화 센서부(200)와 동일한 개념으로 구성될 수 있다. 즉, 사용자가 원하는 통신방식을 지원하는 통신모듈만을 선택하여 비어있는 임의의 통신모듈 장착슬롯에 장착하기만 하면 통신부가 구성될 수 있는 개념의 구성을 갖는다.
복수의 통신모듈(410-1, 410-2, ..., 410-M)은 서로 물리적으로 독립된 형태로 구성될 수 있다. 따라서 사용자의 필요에 따라 복수의 통신모듈(410-1, 410-2, ..., 410-M) 중에서 원하는 것만을 선택하여 모듈화 통신부(400)의 통신수단을 구성할 수 있다. 복수의 통신모듈(410-1, 410-2, ..., 410-M) 각각은 서로 다른 통신방식으로 외부와 통신을 수행할 수 있는 통신수단을 포함한다. 즉, 각 통신모듈(410-1, 410-2, ..., 410-M)의 통신수단은 물리적으로 서로 별개의 하우징 내지 케이스에 장착된 구조로 구성될 수 있다. 여기서, 각 통신모듈의 통신수단은 현재 알려진 통신방식을 지원하는 통신수단뿐만 아니라 장래에 개발되는 통신방식을 지원하는 통신수단일 수 있다.
복수의 통신모듈(410-1, 410-2, ..., 410-M) 각각에는 각 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M)과의 전기적인 접속을 이룰 수 있도록 접속핀(412)들이 바깥으로 노출되게 마련될 수 있다. 각 통신모듈(410-1, 410-2, ..., 410-M)의 접속핀(412)들의 배열 형태는 표준화하여 서로 동일할 수 있다. 이처럼 복수의 통신모듈(410-1, 410-2, ..., 410-M)들의 접속핀(412)들의 배열 형태가 통신모듈의 종류의 상관없이 동일하면, 후술하는 복수의 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M)들 중 아무 장착슬롯에나 장착시킬 수 있으므로 오장착의 문제가 생길 여지가 없어진다.
복수의 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M)은 복수의 통신모듈(410-1, 410-2, ..., 410-M)이 필요에 따라 장착되거나 이탈될 수 있는 구조로 구성될 수 있다. 즉, 탈착가능하게 장착될 수 있다.
복수의 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M)은 플랫폼 바디(190)의 외면에 노출되게 마련될 수 있다. 복수의 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M) 각각에는 접속단자공들이 마련되어 있다. 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M) 각각의 접속단자공들은 서로 동일한 형태로 배열되는 것이 바람직하다. 또한, 각 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M)의 접속단자공들은 각 통신모듈(410-1, 410-2, ..., 410-M)의 접속핀(412)들과 동일한 배열로 마련될 필요가 있다. 즉, 접속핀(412)들과 접속단자공들이 센서모듈 및 센서모듈 장착슬롯의 종류나 위치에 상관없이 동일한 배열을 가지면, 통신모듈(410-1, 410-2, ..., 410-M)들을 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M)의 위치에 상관없이 장착할 수 있는 편리함이 있다. 사용자는 필요에 따라 원하는 통신모듈을 선택하여 복수의 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M) 중 비어있는 것이라면 아무 장착슬롯에나 장착할 수 있다.
통신모듈 인터페이스(130)는 복수의 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M)에 장착되는 각 통신모듈(410-1, 410-2, ..., 410-M)을 제어부(300)에 구별 가능하게 전기적으로 연결시켜줄 수 있다. 즉, 각 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M)의 접속단자들과 제어부(300)의 대응되는 포트들을 전기적으로 연결시켜준다.
위와 같은 모듈화 통신부(400)에 의하면, 사용자는 확보되어 있는 여러 가지 종류의 통신모듈(410-1, 410-2, ..., 410-M)들 중에서 원하는 통신모듈만을 선택하여 비어있는 임의의 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M)에 장착할 수 있다. 이에 의해, 원하는 통신모듈만으로 구성된 모듈화 통신부(400)를 구성할 수 있다. 예컨대, 의류생산공장의 통신환경을 고려하여, 지원되는 통신방식에 맞는 하나 이상의 통신모듈을 선택하여 모듈화 통신부(400)를 구성할 수 있다.
예시적인 실시예에 따르면, 복수의 통신모듈(410-1, 410-2, ..., 410-M)이 지원하는 통신방식은 예컨대 NFC, WiFi, 블루트스, UWB, IrDA, 지그비, RF 등의 단거리 무선 통신; GMS, Radio modem, WSSM, 위성통신, 단파통신 등의 장거리 무선 통신; 그리고 유선통신 등을 포함할 수 있다. 모듈화 통신부(400)는 이들 통신방식 중 어느 한 가지를 지원하는 하나의 통신모듈을 포함하거나 또는 의류생산장비 스마트 모니터링 장치(100)가 설치되어 운용되는 환경에 적합한 복수의 통신방식을 지원하는 복수의 통신모듈을 포함할 수 있다.
복수의 통신모듈로 구성하는 경우, 그 통신모듈 간에 작동 우선순위를 미리 설정해 둠으로써, 선순위 통신모듈이 우선적으로 작동하게 할 수 있다. 제어부(300)는 복수의 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M)에 장착된 그 복수의 통신모듈을 미리 정해진 우선순위에 따라 자동으로 선택하여 작동하도록 제어할 수 있다. 즉, 선순위 통신모듈을 자동으로 선택하여 작동하도록 제어하고, 선순위 통신모듈이 작동 불가 시에 그의 후순위 통신모듈이 작동하도록 제어할 수 있다. 예컨대 모듈화 통신부(400)가 3개의 통신모듈을 포함하는 경우, 제어부(300)는 1순위 통신모듈이 우선적으로 작동하도록 제어하고, 그 1순위 통신모듈이 작동하지 않는 경우 그것의 후순위 통신모듈이 순서에 따라 작동하도록 제어할 수 있다.
모듈화 통신부(400)는 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)에 장착된 센서모듈(210-1, 210-2, ..., 210-P)에서 측정된 신호정보를 후술할 외부의 서버 컴퓨터(500)로 전달할 수 있다. 또한, 모듈화 통신부(400)는 서버 컴퓨터(500)가 신호정보를 처리한 후 회송해주는 신호를 수신하여 구동부(600) 또는 제어부(300)로 전달하거나 자체적으로 통신부에서 처리해야할 명령신호를 처리할 수 있다.
제어부(300)는 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)에 장착되는 한 개 또는 복수 개의 센서모듈(210-1, 210-2,..., 210-P)을 자동으로 인식할 수 있다. 그리고, 제어부(300)는 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)에 장착된 센서모듈이 정상적으로 작동하여 센싱 신호정보를 생성할 수 있도록 제어할 수 있다. 또한, 제어부(300)는 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M)에 장착되는 한 개 또는 복수 개의 통신모듈을 자동으로 인식할 수 있다. 그리고, 제어부(300)는 센서모듈이 측정한 센싱 신호정보를 후술할 서버 컴퓨터(500) 및/또는 구동부(600)에 전송되도록 제어할 수 있다.
제어부(300)는 플랫폼 바디(190)에 설치되고 데이터 저장 및 프로그램 실행 능력을 갖는 자원을 이용하여 구현될 수 있다. 제어부(300)는 요구되는 환경 및 사양 수준에 따라 단일 또는 복수의 프로세서로 구현될 수 있다. 제어부(300)는 예컨대 아두이노, 라즈베리 파이 등과 같은 마이크로프로세서, 마이크로 콘트롤러 유닛(MCU), CPU와 메모리 등과 같이 다양한 처리장치를 하나 또는 복수 개를 이용하여 확장할 수 있는 모듈화 구조로 구성될 수 있다. 제어부(300)는 이러한 처리장치로 소정의 내장 프로그램을 실행하여 제어를 수행할 수 있다.
센서모듈 인터페이스(110)의 도선들(115-1, 115-2, ..., 115-P)은 제어부(300)를 구성하는 처리장치의 서로 다른 포트들에 각각 전기적으로 연결될 수 있다. 통신모듈 인터페이스(130)의 도선들(135-1, 135-2, ..., 135-M)들도 마찬가지로 제어부(300)를 구성하는 처리장치의 서로 다른 포트들에 각각 전기적으로 연결될 수 있다.
이와 같은 연결을 통해, 제어부(300)를 구성하는 예컨대 마이크로 콘트롤러의 각 포트에 연결되는 센서모듈(210-1, 210-2, ..., 210-P)과 통신모듈(410-1, 410-2, ..., 410-M)의 종류를 식별하여 인식할 수 있다. 즉, 제어부(300)는 복수의 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)에 장착되는 한 개 이상의 센서모듈(210-1, 210-2, ..., 210-P)을 자동으로 인식하여 정상적으로 구동하도록 해줄 수 있다. 나아가, 장착된 한 개 이상의 센서모듈(210-1, 210-2, ..., 210-P)이 생성한 센싱정보를 제공받아 메모리에 저장하고, 추후 그 저장된 센싱정보에 관한 처리를 수행할 수 있다.
제어부(300)는 또한, 복수의 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M)에 장착되는 한 개 이상의 통신모듈(410-1, 410-2, ..., 410-M)을 자동으로 인식하여 정상적으로 구동하도록 해줄 수 있다. 또한, 메모리에 저장해둔 센싱정보를 소정의 자동 인식된 통신모듈을 통해 외부로 전송되도록 제어할 수 있다.
센서모듈의 자동 인식 및 구동을 위해, 각 센서모듈에는 고유의 식별정보를 저장해두고, 이에 대응하여 제어부(300)에는 모듈화 센서부(200)를 구성하는 전체 센서모듈들의 식별정보와 각각의 구동 프로그램이 저장될 수 있다. 마찬가지로, 통신모듈의 자동 인식 및 구동을 위해, 각 통신모듈에는 고유의 식별정보를 저장해두고, 이에 대응하여 제어부(300)에는 모듈화 통신부(400)를 구성하는 전체 통신모듈들의 식별정보와 각각의 구동 프로그램이 저장될 수 있다.
제어부(300)의 처리장치는 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)에 어떤 센서모듈이 장착되면 해당 장착슬롯에 대응되는 포트에 나타나는 전압을 모니터링하여 센서모듈의 장착 사실을 인지할 수 있다. 제어부(300)의 처리장치는 센서모듈 인터페이스(110)를 통해 그 장착슬롯에 연결된 센서모듈과 통신을 하여 그 센서모듈로부터 그것의 식별정보를 제공받을 수 있다. 제어부(300)의 처리장치는 제공받은 식별정보를 자신에 등록되어 있는 센서모듈 식별정보 리스트와 비교함으로써 그 센서모듈의 종류를 자동으로 식별할 수 있다. 제어부(300)의 처리장치는 그 식별된 센서모듈의 드라이버 프로그램을 실행할 수 있다. 이에 의해, 제어부(300)의 처리장치는 그 장착된 센서모듈이 측정한 신호정보를 정상적으로 수집하여 제어부(300)로 제공할 수 있도록 제어할 수 있다.
마찬가지로, 제어부(300)의 처리장치는 통신모듈 인터페이스(130)와 연결된 임의의 포트에 나타나는 전압을 모니터링 하여 임의의 통신모듈이 어떤 통신모듈 장착슬롯에 새로이 장착된 사실을 인지할 수 다. 그리고, 제어부(300)의 처리장치는 그 장착된 통신모듈과 통신하여 제공받은 식별정보를 기 등록된 통신모듈 식별정보 리스트와 비교함으로써 그 장착된 통신모듈의 종류를 자동으로 식별할 수 있다. 또한, 제어부(300)의 처리장치는 그 식별된 통신모듈의 드라이버 프로그램을 실행하여 그 장착된 통신모듈이 정상적인 통신기능을 수행할 수 있도록 제어할 수 있다. 복수의 통신모듈이 한꺼번에 장착되는 경우, 제어부(300)는 그 장착된 통신모듈들을 그들의 작동 우선순위에 따라 작동하도록 제어할 수 있다.
제어부(300)는 또한, 서버 컴퓨터(500)에서 처리하여 피드백해주는 신호가 모듈화 통신부(400)를 통하여 수신되면, 그 수신된 신호를 해당 통신모듈로부터 전달받을 수 있다. 그 전달받은 신호의 최종 목적지가 구동부(600) 또는 모듈화 센서부(200)이면, 제어부(300)는 그 신호가 해당 최종 목적지로 전달되도록 제어할 수 있다. 예컨대, 한 개 이상의 통신모듈이 수신하여 전달하는 전선로(155)의 개폐에 관한 제어신호에 기초하여, 제어부(300)는 스위칭 신호를 생성하여 전선로 개폐 스위치(165)에 제공할 수 있다.
위와 같은 구성의 의류생산장비 스마트 모니터링 장치(100)에 따르면, 센서모듈들(210-1, 210-2, ...,210-P)과 통신모듈들(410-1, 410-2, ..., 410-M)을 제외한 나머지 구성요소들 즉, 플랫폼 바디(190), 전력전달부(170), 제어부(300), 복수의 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)과 센서모듈 인터페이스(110), 복수의 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M)과 통신모듈 인터페이스(130)는 복수의 센서모듈(210-1, 210-2, ..., 210-P)과 복수의 통신모듈(410-1, 410-2, ..., 410-M)에 대하여 센서-플러그 플랫폼으로서 기능할 수 있다.
사용자는 모듈화 센서부(200)의 다양한 센서모듈들(210-1, 210-2, ...,210-P)과 모듈화 통신부(400)의 다양한 통신모듈들(410-1, 410-2, ..., 410-M) 중에서 원하는 센서모듈과 통신모듈을 선택하여 플랫폼 바디(190)에 마련된 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)과 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M)의 빈 곳에 각각 장착할 수 있다. 이에 의해, 사용자는 자신이 원하는 모듈화 센서부(200)와 모듈화 통신부(400)를 구성할 수 있다. 따라서 모니터링 대상과 지원되는 통신방식 등을 고려하여 거기에 가장 적합하게 센서 복합형 스마트 플러그를 구성할 수 있다. 이 때, 제어부(300)는 센서모듈 장착슬롯(120-1, 120-2, ..., 120-P)과 통신모듈 장착슬롯(140-1, 140-2, ..., 140-M)에 장착된 센서모듈과 통신모듈이 어떤 종류의 것인지를 자동으로 식별하여 거기에 맞는 드라이버 프로그램을 실행할 수 있다. 이렇게 함으로써, 제어부(300)는 장착된 센서모듈과 통신모듈이 정상적으로 동작되도록 지원, 제어할 수 있다. 사용자는 필요에 따라 기 구성된 센서모듈과 통신모듈을 자유롭게 제거하거나 다른 센서모듈이나 통신모듈로 교체할 수도 있다. 제어부(300)는 그 때마다 제거된 것과 새로이 장착되는 것을 자동식별하고 정삭동작이 이루어지도록 지원, 제어할 수 있다.
플랫폼 바디(190)에는 외부에서 제어부(300)로 제어신호를 유선방식으로 주고받을 수 있는 제어신호 연결포트(180)가 마련될 수도 있다.
다시 도 1을 참조하면, 서버 컴퓨터(500)는 의류생산장비 스마트 모니터링 장치(100)로부터 센서모듈(210-1, 210-2, ..., 210-P)의 검출신호를 수신하여 분석할 수 있다. 그 분석 결과에 기초하여, 서버 컴퓨터(500)는 특정 사안에 관한 판단 및 의사결정을 하는 등과 같은 소정의 처리를 할 수 있다. 나아가, 서버 컴퓨터(500)는 그 판단 및 의사결정의 결과에 기초하여, 의류생산공장의 설비(비도시) 또는 의류생산장비(700)의 구동 및/또는 제어 등이 필요한 경우에는, 해당 설비나 의류생산장비(700)의 구동부(600)로 직접적으로 또는 모듈화 통신부(400)를 통해 간접적으로 필요한 구동신호 또는 제어신호를 제공할 수 있다. 의류생산장비 스마트 모니터링 시스템(10)을 구성하는 스마트 모니터링 장치(100), 서버 컴퓨터(500), 그리고 구동부(600) 간의 동작은 닫힌 피드백 루프(closed feedback loop) 방식으로 수행될 수 있다.
이와 같은 처리와 동작을 수행하기 위해, 서버 컴퓨터(500)는 필요한 데이터 처리를 수행하기 위한 컴퓨터 장치와 의류생산장비 스마트 모니터링 장치(100)의 통신부(400) 및 구동부(600)와 통신을 위한 통신부(비도시)를 포함할 수 있다. 서버 컴퓨터(500)의 컴퓨터 장치는 예컨대 클라우드 서버 컴퓨팅 장치 또는 포그 컴퓨팅 장치로 구현될 수 있다. 네트워크 연결 범용 컴퓨터 또는 클라우드 서버 컴퓨팅 장치 상에 룰 베이스 알고리즘, 머신러닝 등을 포함한 인공지능 알고리즘을 반영하여 구현한 인공지능 서버 컴퓨터, 또는 포그 컴퓨팅 기술을 적용한 서버 컴퓨터 등의 다양한 처리수단을 단독 또는 복수로 활용하여 서버 컴퓨터(500)를 구현할 수 있다.
서버 컴퓨터(500)는 자체의 통신부를 통해 단일 또는 복수의 의류생산장비 스마트 모니터링 장치(100)로부터 센싱 데이터를 수집하여 저장할 수 있다. 서버 컴퓨터(500)는 그 센싱 데이터에 대한 소정의 처리를 수행하며, 처리 과정을 거쳐 단위작업의 완료 여부에 관한 판단, 작업환경에 관한 판단, 필요한 조치 등에 관한 의사 등을 결정할 수 있다.
도 2는 본 발명의 실시예에 따른 의류생산공장 스마트 모니터링 시스템(50)의 개략적인 구성을 나타낸다.
도 2를 참조하면, 의류생산공장에서는 섬유 원단을 디자인안에 따라 재단하고, 재단된 원단 조각들을 재봉작업으로 이어붙여 의류를 만들기 위한 다수의 전동 재봉틀, 전동 원단 재단기 등과 같은 의류생산장비들(700-1, 700-2, ..., 700-N)이 설치되어 사용된다.
의류생산공장 스마트 모니터링 시스템(50)은 의류생산장비들(700-1, 700-2, ..., 700-N)의 근처에 설치되는 다수의 의류생산장비 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)와, 이들과 통신가능하게 연결되는 서버 컴퓨터(500), 그리고 의류생산장비 스마트 모니터링 장치(100-1, 100-2, ..., 100-N) 및 서버 컴퓨터(500)와 통신가능하게 연결되는 구동부(600-1, 600-2, ..., 600-N)를 포함할 수 있다.
의류생산장비 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)는 도 1에서 설명하였듯이 모듈화 센서부(200-1, 200-2, ..., 200-N), 제어부(300), 그리고 통신부(400-1, 400-2, ..., 400-N)를 포함할 수 있다. 모듈화 센서부(200-1, 200-2, ..., 200-N)들 각각은 서로 동일한 센서모듈 또는 서로 다른 종류의 센서모듈을 포함할 수 있다. 마찬가지로 통신부(400-1, 400-2, ..., 400-N)들도 각각 서로 동일한 통신모듈 또는 서로 다른 종류의 통신모듈을 포함할 수 있다.
또한, 서버 컴퓨터(500)는 의류생산장비 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)의 통신부(400-1, 400-2, ..., 400-N) 또는 구동부(600-1, 600-2, ..., 600-N)와 통신할 수 있다. 서버 컴퓨터(500)는 복수의 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)로부터 센싱 신호를 동시 또는 순차적으로 제공받아 소정의 처리를 수행할 수 있다. 서버 컴퓨터(500)는 다수 개의 의류생산장비 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)를 각각 독립적으로 또는 통합하여 제어할 수 있다. 예컨대 다수의 의류생산장비 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)를 제어함에 있어서, 제어 순서에 관한 의사결정을 하는 처리 알고리즘을 서버 컴퓨터(500)에 반영할 수 있다. 예컨대, 다양한 부하를 가지는 다수의 의류생산장비들 중에서 인공지능 또는 관리자 룰 베이스의 알고리즘 상 장비의 부하가 큰 장비를 우선하여 제어하도록 의가결정을 할 수 있다.
예시적인 실시예에서, 서버 컴퓨터(500)는 의류생산장비의 작업 패턴에 관한 학습된 신경망 모델이 구축되어 있을 수 있다. 서버 컴퓨터(500)는 각 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)로부터 수신되는 의류생산장비들(700-1, 700-2, ..., 700-N)의 전류량 또는 전력소비량 데이터의 패턴을 기 구축된 학습된 신경망 모델에 기초하여 분석할 수 있다. 서버 컴퓨터(500)는 또한 그러한 분석을 통해 의류생산장비(700-1, 700-2, ..., 700-N)별로 소정의 단위 작업을 완료하였는지 여부에 관한 판단 데이터를 생성할 수 있다. 이 판단 데이터는 의류생산장비들(700-1, 700-2, ..., 700-N)의 사용 전류량 또는 전력소비량 측정 데이터를 이용하여 생성할 수 있다. 나아가, 서버 컴퓨터(500)는 생성된 사용 전류량 또는 전력소비량 기반 판단 데이터에 기초하여, 후술하는 소정의 후처리를 수행할 수 있다.
구동부(600-1, 600-2, ..., 600-N)는 서버 컴퓨터(500) 또는 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)의 통신부(400-1, 400-2, ..., 400-N)로부터 받은 의사결정 신호, 구동 제어신호 등에 기초하여 의류생산공장 내의 소정의 설비의 구동기 또는 의류생산장비(700-1, 700-2, ..., 700-N)에 대한 적절한 구동을 수행할 수 있다. 예컨대 구동부(600)는 릴레이에 대한 구동신호 출력 등을 통해 예컨대, 의류생산장비의 가동속도, 전원 On/Off, 가동시간, 부수조건 조정 등 장비의 작동 환경을 제어하는 기능을 수행할 수 있다. 또한, 출력수단을 통한 알람 출력(문자전송, 경고등 점등 등), 소정 목적지로 신호 전송, 소정의 액추에이터의 작동, 데이터 시연, 온도/습도/조도 등의 제어, 공조기 구동 제어 등과 같은 다양한 방식들 중 적어도 일부의 방식으로 구동기를 구동 제어할 수 있다. 이를 통해, 구동부(600)는 운용자, 관리자, 사용자 등에게 적절한 정보를 제공하거나 또는 설비/장비나 시스템을 제어하여 최적 또는 안전 수준으로 장비/설비 및 시스템이 운영될 수 있도록 제어할 수 있다.
다음으로, 도 2와 같은 의류생산공장 스마트 모니터링 시스템(50)을 이용하여 의류생산공장을 스마트 모니터링 하는 방법을 설명한다. 도 5는 본 발명의 예시적인 실시예에 따라 신경망 알고리즘을 이용한 작업 패턴 분석을 수행하는 절차를 나타낸다.
의류생산공장 스마트 모니터링 방법은 의류생산장비(700)의 작업 패턴에 관한 학습된 신경망 모델을 서버 컴퓨터(500)에 구축하는 단계를 포함할 수 있다. 예시적인 실시예에서, 의류생산공장에 대한 스마트 모니터링을 통해 얻어지는 데이터의 분석은 의류생산장비의 작업 패턴에 관한 학습된 신경망 모델을 이용하여 수행할 수 있다. 학습된 신경망 모델(70)은 미리 생성하여 서버 컴퓨터(500)에 구축할 수 있다.
이를 위해, 신경망 알고리즘을 학습시킬 샘플 데이터를 확보하여(S10) 필요한 소정의 전처리(노이즈 제거, 아날로그 신호의 디지털 데이터로의 변환 등)를 수행할 수 있다(S20). 샘플 데이터는 예컨대, 의류생산장비(700)의 사용 전류량 또는 소비전력량에 관한 데이터일 수 있다. 그 밖에 의류생산공장의 작업환경 등에 관한 다양한 측정 데이터를 더 포함할 수 있다. 전처리된 샘플 데이터로부터 의류생산장비(700)의 소정의 단위작업 완료에 해당하는 패턴을 추출할 수 있다. 그 패턴은 예컨대 작업자가 의류생산장비(700)를 이용하여 소정의 단위작업을 완료하는 데 사용된 전류량 또는 소비 전력량의 패턴일 수 있다. 추출한 패턴을 이용하여 패턴 인식 알고리즘을 구현할 수 있다(S40). 이를 통해 의류생산장비의 작업 패턴에 관한 학습된 신경망 모델(70)을 구축할 수 있다(이에 관한 자세한 사항은 후술할 도 6에 관한 설명 참조). 구현된 신경망 모델(70)의 패턴 인식 알고리즘을 이용하여 의류생산장비의 생산량 등을 산출할 수 있다(S50).
도 6은 본 발명의 예시적인 실시예에 따라 서버 컴퓨터에서 신경망을 이용하여 단위작업 패턴에 관한 신경망 학습 모델을 생성하는 과정을 나타낸다.
도 6을 참조하면, 단위작업 패턴에 관한 신경망 학습 모델(70)을 이용한 학습 알고리즘은 우선 단위작업 패턴에 관한 학습데이터에 대하여 라벨링 및 분류 작업을 수행한다. 이를 위한 학습 절차는 다음과 같다.
우선 단위작업 패턴에 관한 학습데이터를 준비하여 그것을 서버 컴퓨터(500)에 입력한다(S110). 여기서, '단위작업'이란 예컨대 소정의 두 원단을 이어붙이기 위한 박음질 작업처럼 특정 의류를 생산하는 데 필요한 의류생산장비(700)를 이용한 작업을 의미한다. '단위작업 패턴'이란 의류생산장비(700)를 이용하여 그러한 단위작업을 수행할 때 나타나는 사용 전류량 또는 소비 전력량의 패턴을 의미한다. 예컨대 파이선 코딩을 이용하여 MySQL 서버에서 그 학습 데이터를 입력받을 수 있다.
학습 데이터의 라벨링 및 분류를 위해, 창 사이즈와 창 이동 스텝 사이즈를 설정할 수 있다(S120). 창 사이즈와 창 이동 스텝 사이즈는 최대 단위작업시간을 기준으로 해당 단위작업 패턴을 완전히 포함할 수 있도록 정할 수 있다.
다음으로, 설정된 스텝 사이즈만큼 창을 이동시키면서 학습 데이터를 라벨링하여 분류할 수 있다. 단위작업 패턴이 창 내에서 전부 확인되면 단위작업 완료를 의미하는 '1'로 분류하고, 그렇지 않으면 단위작업 미완료를 의미하는 '0'으로 분류할 수 있다(S130).
이와 같은 라벨링 분류 작업이 완료되면, 라벨링하여 분류된 데이터로 신경망(70)을 이용한 학습을 실시하여 학습된 신경망 모델을 생성할 수 있다(S140).
예시적인 실시예에서, 의류생산공장 스마트 모니터링 방법은 의류생산공장 내 의류생산장비들(700-1, 700-2, ..., 700-N)에 설치된 스마트 모니터링 장치들(100-1, 100-2, ..., 100-N)이 시간 경과에 따라 측정한 의류생산장비들(700-1, 700-2, ..., 700-N)의 사용 전류량 또는 소비 전력량 데이터를 수집하여 서버 컴퓨터(500)에 제공하는 단계를 포함할 수 있다.
도 7은 본 발명의 예시적인 실시예에 따라 의류생산장비 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)를 이용하여 의류생산장비(700-1, 700-2, ..., 700-N)의 사용 전류량 또는 소비 전력량, 작업환경 데이터 등을 측정하여 서버 컴퓨터(500)로 전송하는 과정을 나타낸다.
도 7을 참조하면, 스마트 모니터링 장치(100-1, 100-2, ..., 100-N) 각각의 전류센서(210-1)는 설치된 의류생산장비(700-1, 700-2, ..., 700-N)의 전류량 또는 전력량을 실시간으로 측정할 수 있다. 스마트 모니터링 장치(100-1, 100-2, ..., 100-N) 각각의 모듈화 센서부(200-1, 200-2, ..., 200-N)는 작업환경 데이터 등을 실시간으로 측정할 수 있다(S210). 다만, 측정의 목적상 실시간 또는 실시간에 준하는 정도의 측정을 수행하는 것이 바람직하다.
스마트 모니터링 장치(100-1, 100-2, ..., 100-N) 각각의 제어부(300)는 센서들이 측정한 데이터를 수집할 수 있다(S220).
그리고 제어부(300)는 그 수집된 측정 데이터를 통신부(400-1, 400-2, ..., 400-N)를 통해 서버 컴퓨터(500)로 전송할 수 있다(S230).
이러한 측정과 전송은 주기적으로 또는 임의의 시간마다 수행할 수 있다. 이러한 측정, 수집 및 전송(S110, A120, S130)은 주기적으로 수행되거나 또는 임의의 시간마다 혹은 서버 컴퓨터(500)의 요청에 응하여 수행될 수도 있다(S240).
예시적인 실시예에서, 의류생산공장 스마트 모니터링 방법은, 서버 컴퓨터(500)에서, 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)로부터 수신된 사용 전류량 또는 소비 전력량 데이터의 패턴을 미리 구축한 학습된 신경망 모델(70)에 기초하여 분석할 수 있다. 그리고 해당 의류생산장비들(700-1, 700-2, ..., 700-3)의 단위작업의 완료 여부에 관한 사용 전류량 또는 소비 전력량 기반 판단 데이터를 생성할 수 있다. 나아가, 생성된 사용 전류량 또는 소비 전력량 기반 판단 데이터에 기초하여, 소정의 후처리를 수행할 수 있다.
이와 관련하여, 도 8은 본 발명의 예시적인 실시예에 따라 서버 컴퓨터(500)에서 신경망 학습 모델(70)을 이용하여 의류생산장비들(700-1, 700-2, ..., 700-3)의 단위작업 완료 여부에 관한 판단 과정 및 작업환경 데이터를 함께 이용한 다양한 후처리 과정을 나타내는 흐름도이다.
스마트 모니터링 장치(100-1, 100-2, ..., 100-N)들이 실시간으로 측정하여 전송해주는 사용 전류량 또는 소비 전력량 데이터를 분석하여 단위 작업의 완료 여부를 판단하기 위해서는, 우선 앞서 생성한 단위작업 패턴에 관한 학습된 신경망 모델을 서버 컴퓨터(500)에 구축할 수 있다(S310). 구축된 신경망 모델의 성능을 검증하기 위해 테스트용으로 데이터 분석을 수행할 수도 있다. 사용 전류량에 관한 입력 데이터를 필터링하여 학습된 신경망 모델에 입력하고, 그것의 출력을 확인할 수 있다. 이를 통해 그 모델의 정확도를 판단하고 성능 개선을 위한 후속조치를 취할 수 있을 것이다.
신경망 모델의 성능 향상을 위한 방안으로, 의류생산라인에서 정상적인 생산라인 가동 전에 시험제작실에서 각 단위작업의 소비전력을 계산하여 신경망 노드에 입력할 수 있다. 이렇게 함으로써 전류소모 패턴을 이용한 의류생산라인에서의 단위작업 패턴 분석 시, 단위작업당 소비전력을 함께 계산하도록 하여 단위작업 패턴 인식의 신뢰도를 높일 수 있다. 다른 방안으로, 단위작업 분석 시, 우선적으로 해당 단위작업에 소모되는 전력량을 계산하고, 특정 단위작업에 대하여 해당 전력량만큼 전력이 투입되었을 시 신경망을 이용한 머신러닝 기법으로 단위작업 분석 결과를 검증할 수도 있다.
학습된 신경망 모델이 서버 컴퓨터(500)에 구축되면, 서버 컴퓨터(500)은 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)들이 실시간으로 측정하여 전송해주는 신규 사용 전류량 또는 소비 전력량 데이터를 수신할 수 있다(S320).
그리고 그 수신된 사용 전류량 또는 소비 전력량 데이터의 패턴을 학습된 신경망 모델에 입력하여 분석할 수 있다(S60 또는 S330). 분석 시, 앞서 설명한 입력 데이터의 패턴 분석용 창의 사이즈와 창 이동 스텝 사이즈를 설정할 수 있다(S70). 입력 데이터에 대하여 그 설정된 창을 스텝 사이즈만큼씩 이동시켜가면서 패턴을 분석할 수 있다. 이러한 분석을 통해 단위작업의 완료 여부를 판단할 수 있다. 시간의 흐름에 따라 단위작업의 완료 시점, 완료 빈도 등에 관한 데이터를 생성할 수 있다(S330).
도 9는 본 발명의 실시예에 따른 의류생산장비(700)의 단위 작업의 완료 여부에 관한 전류량 패턴 학습 데이터의 라벨링 기준을 예시한다.
도 9 참조하면, 예컨대 소정의 단위작업을 완료하기 위해서 의류생산장비(700)가 도 9의 (b)에 도시된 것과 같은 사용 전류량 또는 소비 전력량의 패턴을 보일 수 있다. 즉, 이 패턴은 데이터 포인트 인덱스 175-200 사이, 230-270 사이, 그리고 290-330 사이의 3군데에서 사용 전류량 또는 소비 전력량이 갑자기 크게 증가하는 패턴이다. 사용 전류량 또는 소비 전력량이 갑자기 크게 증가하는 패턴이 도 9의 (a)와 (d)는 2군데뿐이고, (c)는 1군데뿐이므로, 해당 단위작업이 완료되지 않은 것으로 판단할 수 있다.
도 10은 본 발명의 실시예에 따라 도 9의 학습된 신경망 모델을 이용하여 의류생산장비의 사용 전류량(또는 전력 소비량)의 실시간 측정 데이터에 대하여 단위작업의 완료 여부를 판단하는 방법을 예시한다.
도 10을 참조하면, (a)와 같은 특정 의류생산장비(700)의 사용 전류량(또는 전력 소비량)의 실시간 측정 데이터가 학습된 신경망 모델(70)에 입력되는 것으로 가정할 수 있다. 학습된 신경망 모델(70)에서는, 이 입력 데이터에 대하여 기 설정된 사이즈의 패턴 분석용 창(80)을 기 설정된 창 이동 스텝 사이즈만큼씩 이동시켜가면서 사용 전류량 또는 소비 전력량의 패턴을 분석할 수 있다. 창(80)을 이동시킨 상태에서, 그 창(80) 내에서 단위작업(예컨대 소정의 원단조각 이음 박음질 작업)의 완료를 의미하는 패턴이 존재하면 즉, 도 9의 (b)와 같은 패턴이 존재하면, 그때의 창(80) 위치에 대응하여 예컨대 '1'의 값을 부여할 수 있다. 단위작업 완료에 해당하는 패턴이 그 창(80) 내에 존재하지 않으면, 그 때의 창(80)의 위치에 대응하여 예컨대 '0'의 값을 부여할 수 있다. 이런 방법으로, 입력된 사용 전류량 또는 소비 전력량 패턴 데이터(도 10의 (a) 참조)를 분류하여 단위작업 완료 여부에 관한 판단 데이터를 생성할 수 있다(도 10의 (b) 참조).
이러한 과정을 통해 얻어진 사용 전류량 또는 소비 전력량 기반 단위작업 완료 판단 데이터가 확보되면, 그것을 활용하여 여러 가지 다양한 후처리를 수행할 수 있다(S340).
예시적인 실시예에 따르면, 서버 컴퓨터(500)는 단위 작업의 완료 여부에 관한 사용 전류량 또는 소비 전력량 기반 판단 데이터에 기초하여, 의류생산라인에서의 의류 생산량과 생산된 의류의 개당 생산시간 데이터를 산출할 수 있다. 나아가, 그 산출된 데이터를 이용하여 생산라인의 가동 상태에 관해 평가 데이터를 생성할 수 있다. 이러한 데이터를 활용하여 생산성 향상, 단위작업의 효율적인 수행, 전체 작업과의 원활한 조정 등을 수행할 수 있다.
예시적인 실시예에 따르면, 서버 컴퓨터(500)는 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)들로부터 수집된 사용 전류량 또는 소비 전력량 패턴이 소정의 문턱값 범위를 벗어나는 비정상 패턴을 보이는지를 모니터링할 수 있다. 비정상 패턴을 보일 때, 서버 컴퓨터(500)는 고장 발생을 예방하기 위한 알람을 출력할 수 있다. 이를 위해, 예컨대 K-Means, Gaussian Mixture Model 등 클러스터링 알고리즘을 이용할 수 있다. 의류생산장비(700-1, 700-2, ..., 700-N)에 장착된 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)로부터 수집된 사용 전류량 패턴이 서버 컴퓨터(500)에 저장되어 분석된 기존의 일반적인 패턴의 기준치 이상으로 상이한 비정상 패턴을 보일 때에는, 서버 컴퓨터(500)는 장비 운용자 또는 관리자에게 알람 경고음 또는 전시, 휴대폰 메시지 등을 통하여 경고를 주거나 해당 의류생산장비의 가동을 중단하는 등의 조치를 취할 수 있다. 이를 통해 의류생산장비들의 고장발생을 최소화할 수 있다.
예시적인 실시예에 따르면, 서버 컴퓨터(500)는 의류생산장비(700-1, 700-2, ..., 700-N)들의 전력 소비 패턴을 분석하여 소비전력을 최소화할 수 있는 유예시간 감소 최적 방안을 도출할 수 있다. 예컨대, Q러닝 등의 강화학습 과정을 활용하여 의류생산장비(700-1, 700-2, ..., 700-N)에 장착된 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)로부터 수집된 사용 전류량 및 전압 등에 기초하여 전력 소비 패턴을 분석할 수 있다. 그리고 그 분석에 기초하여 소비 전력을 최소화 할 수 있는 유예시간 감소 최적 방안을 도출하여 제시할 수 있다. 그렇게 제시된 방안에 기초하여, 의류생산장비들을 운영함으로써 전력소비를 최적화 할 수 있다.
예시적인 실시예에 따르면, 서버 컴퓨터(500)는 의류생산장비(700-1, 700-2, ..., 700-N)들의 전력 소비 패턴을 분석하여 작업패턴을 벗어나는 결함을 실시간 예측할 수 있다. 이에 의해, 의류생산의 불량률을 최소화할 수 있다. 예컨대, 서버 컴퓨터(500)는 지도학습 및 비지도 학습 알고리즘을 이용하여 의류생산장비(700-1, 700-2, ..., 700-N)에 장착된 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)로부터 수집된 전류 및 전압 데이터를 활용하여 전력데이터 소비패턴을 분석하고, 그 분석에 기초하여 작업 패턴을 벗어나는 결함을 분류하고 실시간 예측할 수 있다. 이렇게 함으로써 의류생산의 불량률을 최소화 할 수 있다.
예시적인 실시예에 따르면, 서버 컴퓨터(500)는 의류생산장비(700-1, 700-2, ..., 700-N)들의 전력 소비 패턴을 분석하여, 작업공정에서 병목현상이 발생하는 지점을 예측하고, 그 예측에 기초하여 최적 생산량을 보장할 수 있는 공정순서를 도출할 수 있다. 예컨대, 서버 컴퓨터(500)는 지도학습 알고리즘을 통하여 의류생산장비(700-1, 700-2, ..., 700-N)에 장착된 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)로부터 수집된 데이터를 분석하여 작업 공정에서 병목현상이 발생하는 지점을 예측할 수 있다. 나아가, 예측된 병목현상 지점을 고려하여, 최적의 생산량을 보장할 수 있도록 공정순서 조정 방안을 도출할 수 있다. 또한, 최적의 생산량을 보장할 수 있도록 기존에 축적된 공정의 개별 작업자 작업능력 분석자료와 비교하여 해당 작업에 최적의 작업자를 조정하거나 추가 투입하는 방안을 도출할 수도 있다.
예시적인 실시예에 따르면, 의류생산장비(700-1, 700-2, ..., 700-N)에 장착된 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)는 시간 경과에 따라 의류생산공장 내의 온도, 습도, 조도, 압력, 가속도, CO2 농도, 소음, 미세먼지 농도 중 적어도 일부를 포함하는 작업환경 데이터를 측정하여 서버 컴퓨터(500)에 제공할 수 있다. 서버 컴퓨터(500)는 이러한 작업환경 데이터까지 활용하여 더욱 다양한 후처리를 수행할 수 있다.
예를 들어, 서버 컴퓨터(500)는 의류생산장비(700-1, 700-2, ..., 700-N)에 장착된 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)로부터 수신된 작업환경 데이터를 학습된 신경망 모델(70)에 기초하여 분석하고, 최고 생산성을 나타내는 작업환경을 유지하도록 제어량을 산출할 수 있다. 예를 들어, 서버 컴퓨터(500)는 의류생산장비(700-1, 700-2, ..., 700-N)에 장착된 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)로부터 수집된 VOC, CO2, 미세먼지 등의 의류생산공장 작업장 환경 데이터를 분석하여 생산성이 가장 높은 작업장 환경의 기준을 판단할 수 있다. 이를 위해, 회귀, 신경망, SVM, 의사 결정 트리, k-nearest neighbor, 나이브 베이즈 등의 회기분석 알고리즘을 이용할 수 있다. 나아가, 이러한 환경을 지속 유지하도록 환기장치 가동, 환경 위해 요소 경고 등의 조치를 취할 수 있다.
예시적인 실시예에 따르면, 서버 컴퓨터(500)는 작업환경 및 의류생산장비(700-1, 700-2, ..., 700-N)의 사용 전류량 또는 소비 전력량 데이터를 이용하여 얻어진 운용 데이터에 기초하여 사고 발생 상황을 분석할 수 있다. 또한, 서버 컴퓨터(500)는 그 분석 결과에 기초하여 사고 발생 가능성을 예측하여 경고를 발할 수 있다. 예를 들어, 서버 컴퓨터(500)는 회귀, 신경망, SVM, 의사 결정 트리, k-nearest neighbor, 나이브 베이즈 등의 회기분석 알고리즘을 이용하여 의류생산장비(700-1, 700-2, ..., 700-N)에 장착된 스마트 모니터링 장치(100-1, 100-2, ..., 100-N)로부터 수집된 의류 제작 작업환경 및 장비운용 데이터를 기반으로 사고 발생 상황을 분석하여, 사고발생 상황을 예측할 수 있다. 나아가, 이러한 상황이 발생하지 않도록 환경조건을 제어하거나 관리자에게 알람 경고음 또는 전시, 휴대폰 메시지 등을 통하여 경고를 발할 수 있다.
본 발명은 생산설비 또는 다양한 환경에서 전기 에너지의 소비 및/또는 생산에 관한 모니터링, 다양한 제조설비 공장에서의 설비 및 환경에 관한 모니터링 및 분석 등에 이용될 수 있다. 특히, 의류생산공장에 적용하여, 생산성 향상, 작업의 안정성 등을 도모하는 데 이용될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
<부호의 설명>
10: 의류생산장비 스마트 모니터링 시스템
50: 의류생산공장 스마트 모니터링 시스템
100: 의류생산장비 스마트 모니터링 장치
110: 센서모듈 인터페이스
120-1, 120-2, ..., 120-P: 센서모듈 장착슬롯
130: 통신모듈 인터페이스
140-1, 140-2, ..., 140-M: 통신모듈 장착슬롯
150: 제1 전기접속부 160: 제2 전기접속부
165: 전선로 개폐 스위치 170: 전력전달부
190: 플랫폼 바디 200: 모듈화 센서부
210-1, 210-2, ..., 210-P: 센서모듈
214: 전류변환코일 300: 제어부
410-1, 410-2, ..., 410-M: 통신모듈
400: 모듈화 통신부 500: 서버 컴퓨터
600: 구동부

Claims (25)

  1. 의류생산장비의 작업 패턴에 관한 학습된 신경망 모델을 서버 컴퓨터에 구축하는 단계;
    의류생산공장 내 의류생산장비들에 설치된 스마트 모니터링 장치들이 시간 경과에 따라 측정한 의류생산장비들의 사용 전류량 또는 소비 전력량 데이터를 수집하여 상기 서버 컴퓨터에 제공하는 단계;
    상기 서버 컴퓨터에서, 수신된 사용 전류량 또는 소비 전력량 데이터의 패턴을 상기 학습된 신경망 모델에 기초하여 분석하여 상기 의류생산장비의 단위 작업의 완료 여부에 관한 사용 전류량 또는 소비 전력량 기반 판단 데이터를 생성하는 단계; 및
    생성된 상기 사용 전류량 또는 소비 전력량 기반 판단 데이터에 기초하여, 소정의 후처리를 수행하는 단계를 포함하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 방법.
  2. 제1항에 있어서, 상기 소정의 후처리를 수행하는 단계는 상기 단위 작업의 완료 여부에 관한 사용 전류량 또는 소비 전력량 기반 판단 데이터에 기초하여, 생산라인에서의 의류 생산량과 생산된 의류의 개당 생산시간 데이터를 산출하여 생산라인의 가동 상태에 관해 평가 데이터를 생성하는 단계를 포함하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 방법.
  3. 제1항에 있어서, 상기 소정의 후처리를 수행하는 단계는 수집된 사용 전류량 또는 소비 전력량 패턴이 소정의 문턱값 범위를 벗어나는 비정상 패턴을 보이는지를 모니터링하여, 비정상 패턴을 보일 때 고장 발생을 예방하기 위한 알람을 출력하는 단계를 포함하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 방법.
  4. 제1항에 있어서, 상기 소정의 후처리를 수행하는 단계는 전력 소비 패턴을 분석하여 소비전력을 최소화할 수 있는 유예시간 감소 최적 방안을 도출하는 단계를 포함하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 방법.
  5. 제1항에 있어서, 상기 소정의 후처리를 수행하는 단계는 전력 소비 패턴을 분석하여 작업패턴을 벗어나는 결함을 실시간 예측하여 의류생산간 불량률 최소화하는 단계를 포함하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 방법.
  6. 제1항에 있어서, 상기 소정의 후처리를 수행하는 단계는 전력 소비 패턴을 분석하여, 작업공정에서 병목현상이 발생하는 지점을 예측하여 최적 생산량을 보장할 수 있는 공정순서를 도출하는 단계를 포함하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 방법.
  7. 제1항에 있어서, 상기 스마트 모니터링 장치들이 시간 경과에 따라 상기 의류생산공장 내의 온도, 습도, 조도, 압력, 가속도, CO2 농도, 소음, 미세먼지 농도 중 적어도 일부를 포함하는 작업환경 데이터를 측정하여 상기 서버 컴퓨터에 제공하는 단계를 더 포함하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 방법.
  8. 제7항에 있어서, 상기 소정의 후처리를 수행하는 단계는 수신된 작업환경 데이터를 학습된 신경망 모델에 기초하여 분석하여 최고 생산성을 나타내는 작업환경을 유지하도록 제어량을 산출하는 단계를 포함하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 방법.
  9. 제7항에 있어서, 상기 소정의 후처리를 수행하는 단계는 상기 작업환경 및 상기 의류생산장비의 사용 전류량 또는 소비 전력량 데이터에 기초한 운용 데이터에 기초하여 사고 발생 상황을 분석하고, 분석 결과에 기초하여 사고 발생 가능성을 예측하여 경고를 발하는 단계를 포함하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 방법.
  10. 제1항에 있어서, 상기 학습된 신경망 모델을 서버 컴퓨터에 구축하는 단계는,
    단위작업 패턴에 관한 학습 데이터를 상기 서버 컴퓨터에 입력하는 단계;
    최대 단위작업시간을 기준으로 단위작업 패턴을 완전히 포함할 수 있는 창 사이즈와 창 이동 스텝 사이즈를 설정하는 단계;
    설정된 스텝 사이즈만큼 상기 창을 이동시키면서 상기 학습 데이터를 라벨링하여 분류하는 단계; 및
    라벨링하여 분류된 데이터로 신경망을 이용한 학습을 실시하여 상기 학습된 신경망 모델을 생성하는 단계를 포함하며,
    상기 단위작업 패턴에 관한 학습 데이터는 상기 의류생산장비가 상기 단위작업을 수행하는 동안의 사용 전류량 또는 소비 전력량에 관한 데이터인 것을 특징으로 하는 의류생산공장 스마트 모니터링 방법.
  11. 제10항에 있어서, 상기 라벨링하여 분류하는 단계는 상기 단위작업 패턴이 상기 창 내에서 전부 확인되면 단위작업 완료를 의미하는 '1'로 분류하고, 그렇지 않으면 단위작업 미완료를 의미하는 '0'으로 분류하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 방법.
  12. 제1항에 있어서, 상기 의류생산장비는 전동 재봉틀, 전동 원단 재단기 중 적어도 일부를 포함하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 방법.
  13. 의류생산장비의 작업 패턴에 관한 학습된 신경망 모델이 구축되어 있으며, 수신되는 사용 전류량 또는 소비 전력량 데이터의 패턴을 상기 학습된 신경망 모델에 기초한 분석을 통해 상기 의류생산장비의 단위 작업의 완료 여부에 관한 사용 전류량 또는 소비 전력량 기반 판단 데이터를 생성하고, 생성된 상기 사용 전류량 또는 소비 전력량 기반 판단 데이터에 기초하여, 소정의 후처리를 수행하는 서버 컴퓨터; 및
    의류생산공장 내의 각 의류생산장비에 설치되어 그 의류생산장비의 사용 전류량 또는 소비 전력량을 시간 경과에 따라 측정하여 상기 서버 컴퓨터에 전송하는 한 개 이상의 스마트 모니터링 장치를 구비하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 시스템.
  14. 제13항에 있어서, 상기 서버 컴퓨터가 수행하는 상기 소정의 후처리는 상기 단위 작업의 완료 여부에 관한 상기 사용 전류량 또는 소비 전력량 기반 판단 데이터에 기초하여, 생산라인에서의 의류 생산량과 생산된 의류의 개당 생산시간 데이터를 산출하여 생산라인의 가동 상태에 관해 평가 데이터를 생성하는 것인 것을 특징으로 하는 의류생산공장 스마트 모니터링 시스템.
  15. 제13항에 있어서, 상기 서버 컴퓨터가 수행하는 상기 소정의 후처리는 수집된 사용 전류량 또는 소비 전력량 패턴이 소정의 문턱값 범위를 벗어나는 비정상 패턴을 보이는지를 모니터링하여, 비정상 패턴을 보일 때 고장 발생을 예방하기 위한 알람을 출력하는 것인 것을 특징으로 하는 의류생산공장 스마트 모니터링 시스템.
  16. 제13항에 있어서, 상기 서버 컴퓨터가 수행하는 상기 소정의 후처리는 전력 소비 패턴을 분석하여 작업패턴을 벗어나는 결함을 실시간 예측하여 의류생산간 불량률 최소화 하는 것인 것을 특징으로 하는 의류생산공장 스마트 모니터링 시스템.
  17. 제13항에 있어서, 상기 서버 컴퓨터가 수행하는 상기 소정의 후처리는 전력 소비 패턴을 분석하여, 작업공정에서 병목현상이 발생하는 지점을 예측하여 최적 생산량을 보장할 수 있는 공정순서를 도출하는 것인 것을 특징으로 하는 의류생산공장 스마트 모니터링 시스템.
  18. 제13항에 있어서, 상기 한 개 이상의 스마트 모니터링 장치는 시간 경과에 따라 상기 의류생산공장 내의 온도, 습도, 조도, 압력, 가속도, CO2 농도, 소음, 미세먼지 농도 중 적어도 일부를 포함하는 작업환경 데이터를 측정하여 상기 서버 컴퓨터로 전송하고,
    상기 서버 컴퓨터는 수신되는 상기 작업환경 데이터를 학습된 신경망 모델에 기초하여 분석하여 최고 생산성을 나타내는 작업환경을 유지하기 위한 제어량을 산출하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 시스템.
  19. 제18항에 있어서, 상기 서버 컴퓨터는 상기 작업환경 및 상기 의류생산장비의 사용 전류량 또는 소비 전력량 데이터에 기초한 운용 데이터를 기반으로 사고 발생 상황을 분석하여 사고 발생 가능성을 예측하여 경고를 발하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 시스템.
  20. 제13항에 있어서, 상기 학습된 신경망 모델은 최대 단위작업시간을 기준으로 단위작업 패턴을 완전히 포함할 수 있는 창 사이즈와 창 이동 스텝 사이즈를 설정하고 그 설정된 스텝 사이즈만큼 상기 창을 이동시키면서 단위작업 패턴에 관한 학습 데이터를 라벨링하여 분류한 데이터로 신경망을 이용한 학습을 실시하여 생성된 모델이며,
    상기 학습 데이터를 라벨링하여 분류하는 기준은 상기 단위작업 패턴이 상기 창 내에서 전부 확인되면 단위작업 완료를 의미하는 '1'로 분류하고, 그렇지 않으면 단위작업 미완료를 의미하는 '0'으로 분류하는 것인 것을 특징으로 하는 의류생산공장 스마트 모니터링 시스템.
  21. 제13항에 있어서, 의류생산장비의 사용 전류량 또는 전력 소비량의 측정 및 서버 컴퓨터에 의한 상기 판단 데이터의 생성은 실시간 또는 준-실시간으로 실행되는 것을 특징으로 하는 의류생산공장 스마트 모니터링 시스템.
  22. 제13항에 있어서, 상기 스마트 모니터링 장치는,
    플랫폼 바디;
    외부 전원과 부하에 각각 전기적으로 연결되는 제1 및 제2 전기접속부; 및 상기 제1 및 제2 전기접속부를 전기적으로 연결하는 전선로를 포함하며, 상기 플랫폼 바디에 마련되는 전력전달부;
    상기 플랫폼 바디 내에 설치되고 소정의 내장 프로그램을 실행하여 제어를 수행하는 제어부;
    서로 물리적으로 독립된 모듈로 구성되며 각각 소정 대상의 물리적 또는 화학적인 양이나 그 변화를 검출하여 그 검출 데이터를 출력하는 복수의 센서모듈; 상기 복수의 센서모듈이 필요에 따라 선택적으로 탈착가능하게 장착될 수 있도록 마련된 복수의 센서모듈 장착슬롯; 및 상기 복수의 센서모듈 장착슬롯에 각각 장착되는 한 개 이상의 센서모듈을 상기 제어부에 구별 가능하게 전기적으로 연결시켜주는 센서모듈 인터페이스를 포함하는 모듈화 센서부; 및
    서로 독립적으로 구성되며 각각 서로 다른 통신방식으로 외부와 통신을 수행할 수 있는 복수의 통신모듈; 상기 복수의 통신모듈이 필요에 따라 선택적으로 탈착가능하게 장착될 수 있도록 마련된 복수의 통신모듈 장착슬롯; 및 상기 복수의 통신모듈 장착슬롯에 장착되는 한 개 이상의 통신모듈을 상기 제어부에 구별 가능하게 전기적으로 연결시켜주는 통신모듈 인터페이스를 포함하는 모듈화 통신부를 구비하고,
    상기 제어부는, 상기 복수의 센서모듈 장착슬롯에 장착되는 한 개 이상의 센서모듈을 자동으로 인식하여 정상적으로 구동하도록 해주고, 장착된 한 개 이상의 센서모듈이 생성한 센싱정보를 제공받아 저장하고, 상기 복수의 통신모듈 장착슬롯에 장착되는 한 개 이상의 통신모듈을 자동으로 인식하여 정상적으로 구동하도록 해주고, 저장해둔 센싱정보를 소정의 자동 인식된 통신모듈을 통해 외부로 전송되도록 제어하며,
    상기 모듈화 센서부와 상기 모듈화 통신부를 원하는 센서모듈과 통신모듈로 선택하여 구동시킬 수 있고, 기 구성된 센서모듈과 통신모듈을 자유롭게 제거하거나 다른 것으로 교체할 수 있는 것을 특징으로 하는 의류생산공장 스마트 모니터링 시스템.
  23. 제22항에 있어서, 상기 복수의 센서모듈 각각은 고유의 식별정보를 저장하고 있고, 상기 제어부는 상기 모듈화 센서부를 구성하는 전체 센서모듈들 각각의 식별정보와 구동 프로그램을 저장하고 있으며,
    상기 제어부는 상기 센서모듈 장착슬롯에 임의의 센서모듈이 장착되면 상기 센서모듈 인터페이스를 통해 상기 임의의 센서모듈의 식별정보를 제공받아 그 식별정보에 대응되는 센서모듈의 구동 프로그램을 실행하여 상기 임의의 센서모듈이 정상적으로 동작할 수 있게 제어하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 시스템.
  24. 제22항에 있어서, 상기 복수의 통신모듈 각각은 고유의 식별정보를 저장하고 있고, 상기 제어부는 상기 모듈화 통신부를 구성하는 전체 통신모듈들 각각의 식별정보와 구동 프로그램을 저장하고 있으며,
    상기 제어부는 상기 통신모듈 장착슬롯에 임의의 통신모듈이 장착되면 상기 통신모듈 인터페이스를 통해 상기 임의의 통신모듈의 식별정보를 제공받아 그 식별정보에 대응되는 통신모듈의 구동 프로그램을 실행하여 상기 임의의 통신모듈이 정상적으로 동작할 수 있게 제어하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 시스템.
  25. 제22항에 있어서, 상기 통신모듈 장착슬롯에 장착된 통신모듈이 복수 개인 경우, 상기 제어부는 그 복수의 통신모듈을 미리 정해진 우선순위에 따라 선순위 통신모듈을 자동으로 선택하여 작동하도록 제어하고, 선순위 통신모듈이 작동 불가 시에 그의 후순위 통신모듈이 작동하도록 제어하는 것을 특징으로 하는 의류생산공장 스마트 모니터링 시스템.
PCT/KR2019/006999 2018-07-03 2019-06-11 의류생산공장 스마트 모니터링 방법 및 시스템 Ceased WO2020009342A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2018-0077363 2018-07-03
KR1020180077363A KR101917157B1 (ko) 2018-07-03 2018-07-03 의류생산공장 스마트 모니터링 방법 및 시스템

Publications (1)

Publication Number Publication Date
WO2020009342A1 true WO2020009342A1 (ko) 2020-01-09

Family

ID=64426533

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/006999 Ceased WO2020009342A1 (ko) 2018-07-03 2019-06-11 의류생산공장 스마트 모니터링 방법 및 시스템

Country Status (2)

Country Link
KR (1) KR101917157B1 (ko)
WO (1) WO2020009342A1 (ko)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112860673A (zh) * 2021-01-27 2021-05-28 浙江容大电力工程有限公司 一种应用于环保测控的智能装置及应用方法
CN113988597A (zh) * 2021-10-26 2022-01-28 广州春晓信息科技有限公司 一种基于预定动作的工艺分析系统
CN114128948A (zh) * 2021-11-16 2022-03-04 广西广美制衣股份有限公司 一种闭环式智能制衣系统
CN115144650A (zh) * 2022-06-30 2022-10-04 上海致景信息科技有限公司 一种能耗监测方法、系统、计算机设备、及存储介质
CN116187867A (zh) * 2023-04-27 2023-05-30 苏州上舜精密工业科技有限公司 一种智能化的传动模组生产管理方法及系统
CN116894539A (zh) * 2023-09-11 2023-10-17 深圳市明心数智科技有限公司 一种服装生产监测方法、系统及介质
CN117529586A (zh) * 2021-06-16 2024-02-06 里特机械公司 使得能够在用户显示器上显示与纺纱厂相关的操作准备度指数的装置和方法
CN118122579A (zh) * 2024-02-01 2024-06-04 东莞市鹏锦机械科技有限公司 涂布回收一体机的涂布效果视觉检测方法、系统及介质
CN119145201A (zh) * 2024-11-20 2024-12-17 上海科驭健康科技有限公司 一种基于物联网的衣物智能护理机
CN119781405A (zh) * 2024-12-27 2025-04-08 诸暨巨原化纤有限公司 一种基于自组网技术的化纤生产环境动态感知与调控方法
CN119865380A (zh) * 2025-03-21 2025-04-22 广州智在信息科技有限公司 一种基于大数据和智能化技术的物联网设备攻击防控系统
CN121556224A (zh) * 2025-12-29 2026-02-24 浙江凌迪数字科技有限公司 一种缝纫机节能运行控制与功耗优化系统

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200067546A (ko) 2018-12-04 2020-06-12 정보창 빅 데이터를 융합한 디스플레이 시스템
KR101995275B1 (ko) * 2019-01-29 2019-07-03 호전실업 주식회사 의류 생산 공장의 생산 및 가동 최적화 방법 및 시스템
CN109768935B (zh) * 2019-03-14 2023-10-10 海南梯易易智能科技有限公司 带智能识别与过滤功能的无线路由器及其安全运行方法
KR102126954B1 (ko) * 2019-07-11 2020-06-25 호전실업 주식회사 스마트 재봉작업 측정 방법 및 이를 수행하기 위한 시스템
KR102222852B1 (ko) * 2020-01-28 2021-03-04 (주)에이맵 설비 운영 분석을 통한 에너지 절감 시나리오 산출 시스템
KR102277976B1 (ko) 2020-07-01 2021-07-16 호전실업 주식회사 작업 전력패턴 자동 인식 방법과 이를 위한 시스템
KR102285374B1 (ko) 2020-07-16 2021-08-04 호전실업 주식회사 인공지능 기반 작업 전력패턴 자동 인식 방법과 이를 위한 시스템
KR102592847B1 (ko) * 2021-04-01 2023-10-20 박수남 스마트 공장 굴뚝 원격 감시 방법 및 컴퓨터 프로그램
KR102437917B1 (ko) * 2021-05-28 2022-08-29 사단법인 한국금형산업진흥회 장비 운영 시스템
CN113554524B (zh) * 2021-07-29 2022-09-23 重庆允成互联网科技有限公司 基于工业互联网的生产智能监控方法、系统及存储介质
KR102725270B1 (ko) * 2021-08-18 2024-11-01 주식회사 케이티 공장의 생산 지표를 추정하는 서버, 방법 및 컴퓨터 프로그램
KR102375016B1 (ko) 2022-01-04 2022-03-16 (주)비에이치아이 생산효율을 측정할 수 있는 봉제기기
KR102662510B1 (ko) 2022-08-22 2024-05-07 주식회사 대한글로벌디에스 실내 위치정보 기반 의류 생산 관리 시스템 및 그 방법
KR102507449B1 (ko) * 2022-10-04 2023-03-07 노영인 의류제조 스마트 팩토리 생산관리시스템 및 방법
KR102918115B1 (ko) * 2022-11-08 2026-01-27 (주)아이씨엔아이티 Esg 기반의 탄소 중립 플랫폼 서비스 제공 시스템 및 그 방법
KR20240079418A (ko) 2022-11-29 2024-06-05 (주)이지지오 다중센서 융합형 사물인터넷 기반 제조설비의 예지보전 기술개발 방법
KR102720736B1 (ko) * 2022-12-26 2024-10-23 한국전자통신연구원 에너지 소비의 이상 상태를 모니터링 하기 위한 전자 장치 및 그 동작 방법
KR102715233B1 (ko) * 2023-10-26 2024-10-11 에프원테크시스템즈 주식회사 인공지능 모델을 활용한 의류 제조 협업 지원 플랫폼 서비스 제공 방법, 장치 및 시스템
KR102837169B1 (ko) * 2023-11-27 2025-07-23 주식회사 시제 최적 의류 생산 계획을 제공하는 방법 및 장치
KR20250129139A (ko) 2024-02-21 2025-08-29 주식회사 대한글로벌디에스 생산 정보 기반 의류 생산 관리 시스템 및 그 방법
KR102725494B1 (ko) 2024-08-06 2024-11-04 주식회사 대한글로벌디에스 생산 작업 확인용 포터블 기기

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101730450B1 (ko) * 2016-09-08 2017-04-26 진이진 액티브 블랙박스를 이용한 공장설비 모니터링 시스템 및 방법
KR101781164B1 (ko) * 2016-09-08 2017-09-22 진이진 관제서버를 이용한 생산현장의 에너지 관리 시스템 및 방법
KR20170112937A (ko) * 2016-03-31 2017-10-12 울랄라랩 주식회사 기계동작정보 자동 수집을 기반으로 한 스마트 공장 시스템, 공장 관리 정보 제공방법 및 컴퓨터 판독가능 기록매체
KR101825881B1 (ko) * 2017-06-27 2018-02-08 부경대학교 산학협력단 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템
KR101846793B1 (ko) * 2017-10-17 2018-04-06 부경대학교 산학협력단 제조 장비에서 수집된 데이터의 분석을 이용한 제조 공정 계획 방법 및 이를 이용한 제조 공정 계획 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170112937A (ko) * 2016-03-31 2017-10-12 울랄라랩 주식회사 기계동작정보 자동 수집을 기반으로 한 스마트 공장 시스템, 공장 관리 정보 제공방법 및 컴퓨터 판독가능 기록매체
KR101730450B1 (ko) * 2016-09-08 2017-04-26 진이진 액티브 블랙박스를 이용한 공장설비 모니터링 시스템 및 방법
KR101781164B1 (ko) * 2016-09-08 2017-09-22 진이진 관제서버를 이용한 생산현장의 에너지 관리 시스템 및 방법
KR101825881B1 (ko) * 2017-06-27 2018-02-08 부경대학교 산학협력단 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템
KR101846793B1 (ko) * 2017-10-17 2018-04-06 부경대학교 산학협력단 제조 장비에서 수집된 데이터의 분석을 이용한 제조 공정 계획 방법 및 이를 이용한 제조 공정 계획 시스템

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112860673A (zh) * 2021-01-27 2021-05-28 浙江容大电力工程有限公司 一种应用于环保测控的智能装置及应用方法
CN112860673B (zh) * 2021-01-27 2022-06-07 浙江容大电力工程有限公司 一种应用于环保测控的智能装置及应用方法
CN117529586A (zh) * 2021-06-16 2024-02-06 里特机械公司 使得能够在用户显示器上显示与纺纱厂相关的操作准备度指数的装置和方法
CN113988597A (zh) * 2021-10-26 2022-01-28 广州春晓信息科技有限公司 一种基于预定动作的工艺分析系统
CN114128948A (zh) * 2021-11-16 2022-03-04 广西广美制衣股份有限公司 一种闭环式智能制衣系统
CN115144650A (zh) * 2022-06-30 2022-10-04 上海致景信息科技有限公司 一种能耗监测方法、系统、计算机设备、及存储介质
CN116187867B (zh) * 2023-04-27 2023-06-27 苏州上舜精密工业科技有限公司 一种智能化的传动模组生产管理方法及系统
CN116187867A (zh) * 2023-04-27 2023-05-30 苏州上舜精密工业科技有限公司 一种智能化的传动模组生产管理方法及系统
CN116894539A (zh) * 2023-09-11 2023-10-17 深圳市明心数智科技有限公司 一种服装生产监测方法、系统及介质
CN118122579A (zh) * 2024-02-01 2024-06-04 东莞市鹏锦机械科技有限公司 涂布回收一体机的涂布效果视觉检测方法、系统及介质
CN118122579B (zh) * 2024-02-01 2024-11-12 东莞市鹏锦机械科技有限公司 涂布回收一体机的涂布效果视觉检测方法、系统及介质
CN119145201A (zh) * 2024-11-20 2024-12-17 上海科驭健康科技有限公司 一种基于物联网的衣物智能护理机
CN119781405A (zh) * 2024-12-27 2025-04-08 诸暨巨原化纤有限公司 一种基于自组网技术的化纤生产环境动态感知与调控方法
CN119865380A (zh) * 2025-03-21 2025-04-22 广州智在信息科技有限公司 一种基于大数据和智能化技术的物联网设备攻击防控系统
CN121556224A (zh) * 2025-12-29 2026-02-24 浙江凌迪数字科技有限公司 一种缝纫机节能运行控制与功耗优化系统

Also Published As

Publication number Publication date
KR101917157B1 (ko) 2018-11-09

Similar Documents

Publication Publication Date Title
KR101917157B1 (ko) 의류생산공장 스마트 모니터링 방법 및 시스템
WO2019132112A1 (ko) 관리 대상 설비 이상 상태 모니터링 시스템
WO2013027970A1 (ko) 네트워크의 이상증후를 탐지하는 장치 및 방법
KR101708992B1 (ko) 가전기기 진단시스템 및 그 진단방법
KR102418965B1 (ko) 인터페이스 장치와, 이를 이용한 반도체 제조 시스템 및 관리 방법
KR20190088581A (ko) Ｆｂｄ 머신러닝 기반의 동적 모니터링 시스템 및 그 방법
KR102512577B1 (ko) 에너지 사용량 분석을 통한 건물 내 설비의 이상상태 예측 시스템 및 방법
WO2019146849A1 (ko) 설비 진단 시스템을 이용한 설비 진단 방법
KR102436479B1 (ko) 공작설비 이상 감지 모니터링 시스템 및 방법
CN114640177A (zh) 一种基于电力能效监测装置的电力能效监测方法
CN112067929B (zh) 一种配网自动化开关遥控功能巡检方法和系统
EP3650388A1 (en) A method and a system for detecting a malfunction of an elevator system
KR20240074074A (ko) Ai 기반 위험예지 이상징후 탐지모델 플랫폼 서비스 방법
KR102006125B1 (ko) 모바일 단말기를 이용한 plc 원격제어 및 모니터링 시스템 및 그 방법
KR102851476B1 (ko) 온디바이스 ai 기반의 스마트 안전관리 및 예지보전 시스템
CN118365315B (zh) 基于多源数据分析的配电房故障运维管理方法
CN111854852A (zh) 一种用于机电设备安装的检测系统
KR102779650B1 (ko) 네트워크 케이블 품질 모니터링이 가능한 지능형 통합배선반을 이용한 모니터링 방법
CN112839413A (zh) 一种照明监控系统
EP3779615A1 (en) Abnormality detection device, abnormality detection method, and abnormality detection program
ElMaghrabi An intelligent IoT-based system for real-time anomaly detection and protection of electrical devices using machine learning
KR102545137B1 (ko) 에스컬레이터용 안전 제어 보드 및 이를 포함하는 원격 통합 제어 시스템
CN211906070U (zh) 一种工业设备实时智能巡检系统
KR20160074023A (ko) 빌딩 내 조명 소비전력 분석을 통한 고장진단 시스템
JP2009118041A (ja) ノード局の位置関係検出システム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19830448

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19830448

Country of ref document: EP

Kind code of ref document: A1