WO2020106018A1 - 가열로 모니터링 시스템 및 방법 - Google Patents
가열로 모니터링 시스템 및 방법Info
- Publication number
- WO2020106018A1 WO2020106018A1 PCT/KR2019/015849 KR2019015849W WO2020106018A1 WO 2020106018 A1 WO2020106018 A1 WO 2020106018A1 KR 2019015849 W KR2019015849 W KR 2019015849W WO 2020106018 A1 WO2020106018 A1 WO 2020106018A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- furnace
- heating
- time
- heating furnace
- temperature change
- Prior art date
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D21/00—Arrangements of monitoring devices; Arrangements of safety devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Waste-Gas Treatment And Other Accessory Devices For Furnaces (AREA)
Abstract
가열로 모니터링 시스템 및 방법이 개시된다. 일 실시예에 따른 가열로 모니터링 시스템은, IoT 인프라스트럭쳐(Infrastructure)에 기초하여 수집된 가열로 정보와 원소재들을 가열로에 장입 또는 꺼내는 작업 순서 정보에 기초하여 가열로 가동 상태를 판단하는 가열로 가동 상태 판단 모듈; 상기 판단된 가열로 가동 상태를 통하여 가동 상태를 구분함에 따라 획득된 가열로 별 에너지 사용량 데이터를 이용하여 에너지 원단위 비용을 계산하는 에너지 원단위 비용 계산 모듈; 상기 수집된 가열로 정보에 포함된 가열로 별 내부 온도 데이터와 상기 획득된 가열로 별 에너지 사용량 데이터를 이용하여 설비 이상을 감지하는 설비 이상 감지 모듈; 및 상기 판단된 가열로 가동 상태와 원소재들의 이동 흐름에 대한 공정 실적 데이터를 생성하는 가열로 실적 생성 모듈을 포함할 수 있다.
Description
아래의 설명은 가열로 모니터링 기술에 관한 것이다.
열간 자유단조는 높은 온도로 가열한 강괴에 압력을 가하여 원하는 형상을 빚는 공정으로, 강괴를 가열하기 위한 설비로서 가열로를 이용한다. 가열로에서 여러 개의 강괴들이 함께 가열되며 모든 강괴의 가열이 완료된 후에 강괴를 꺼낼 수 있다. 강괴의 모양을 변형하기 위해서는 강괴의 온도가 중요하기 때문에 목표 온도까지 가열이 완료되더라도 강괴를 가열로에서 대기시키다가 후단 공정이 가능할 때 강괴를 가열로에서 꺼낸다. 강괴를 꺼내기 위해 가열로의 문을 열면서 가열로 내부의 열 손실이 발생하므로 가열로의 문을 닫은 뒤에 가열로에 남은 강괴의 온도를 높이기 위해 재 가열을 한다. 이와 같이 강괴를 가열하고 강괴의 온도를 유지하기 위해 계속해서 가열로를 가동하기 때문에 제품을 생산하는데 소요되는 에너지 비용이 매우 크다.
제품 생산 비용을 관리하고 제품의 가격을 합리적으로 결정하기 위해서는 각 제품 별로 가열 과정에서 소요되는 에너지 비용을 파악하여 에너지 원단위 비용을 정확하게 계산하는 것이 중요하다. 그러나 똑같은 제품을 생산하더라도 가열 시 함께 장입되는 원소재 조합에 따라 소모되는 에너지양이 다르다. 또한 후속 공정의 상황에 따라 소재 별로 가열로에서 머무르는 시간이 달라지고 원소재의 출입이 반복되기 때문에 제품 별로 정확한 에너지 원단위 비용 계산에 어려움이 있다. 현장에서는 원소재의 출입 상황을 전산 상에 기록하는 시스템이 구축되어 있지 않기 때문에 초기 장입한 원소재의 중량과 가열로 가동을 종료할 때까지 사용한 에너지양을 이용하여 단위 중량에 대한 에너지 사용량으로 원단위 비용을 산정하고 있다.
원단위 비용을 정확하게 산출하기 위해서는 가열로에 들어있는 소재가 무엇이고 얼마만큼의 에너지를 소모했는지 파악해야 하기 때문에 소재의 출입 시점과 소재가 장입되어 있는 동안의 에너지 소모량을 알아야 한다. 따라서 가열로의 가동 여부, 문 개폐 여부 등 가동 상태를 감지하고 원소재의 출입을 파악하여 제품 별로 가열 공정에 소모되는 에너지 비용과 에너지 원단위 비용을 정확하게 산출하기 위한 가열로 모니터링 시스템 및 방법이 필요하다.
가열로의 내부 온도와 가스 주입량을 센싱하는 IoT 인프라를 구축하고 이들 센서 값을 실시간에 모니터링하여 가열로의 가동 상태를 구분하는 방법 및 시스템을 제공할 수 있다.
또한, 가열로의 가동 상태 구분을 통해 상태 구간 별로 가열로에 장입되어 있는 소재와 에너지 사용량을 파악하고, 이에 따른 제품 별 원단위 에너지 비용을 계산하는 방법 및 시스템을 제공할 수 있다.
또한, 상태 구간 별로 장입된 소재와 그 때의 에너지 사용량 데이터를 수집하여 구간 별 비용 예측 모형 학습을 구성하고, 구간 별 비용 예측 모형을 바탕으로 공정 중에 예상 비용과는 현저히 다른 이상 상황을 감지하는 방법 및 시스템을 제공할 수 있다.
가열로 모니터링 시스템은, IoT 인프라스트럭쳐(Infrastructure)에 기초하여 수집된 가열로 정보와 원소재들을 가열로에 장입 또는 꺼내는 작업 순서 정보에 기초하여 가열로 가동 상태를 판단하는 가열로 가동 상태 판단 모듈; 상기 판단된 가열로 가동 상태를 통하여 가동 상태를 구분함에 따라 획득된 가열로 별 에너지 사용량 데이터를 이용하여 에너지 원단위 비용을 계산하는 에너지 원단위 비용 계산 모듈; 상기 수집된 가열로 정보에 포함된 가열로 별 내부 온도 데이터와 상기 획득된 가열로 별 에너지 사용량 데이터를 이용하여 설비 이상을 감지하는 설비 이상 감지 모듈; 및 상기 판단된 가열로 가동 상태와 원소재들의 이동 흐름에 대한 공정 실적 데이터를 생성하는 가열로 실적 생성 모듈을 포함할 수 있다.
상기 가열로 모니터링 시스템은, 상기 생성된 공정 실적 데이터를 기반으로 설비 이상 감지를 위해 구성된 가열 소요 시간 예측 모형과 가열로 별 에너지 사용량 예측 모형을 학습함에 따라 공정 실적 데이터가 누적됨에 따라 주기적으로 각각의 예측 모형을 갱신하는 가열 공정 비용 예측 모형 관리 모듈을 더 포함할 수 있다.
상기 가열로 가동 상태 판단 모듈은, 상기 가열로 별 내부 온도 데이터 및 가열로 별 에너지 사용량 데이터를 이용하여 가열로의 가열 시작 시점, 가열 완료 시점, 문 열림 시점, 문 닫힘 시점, 재가열 완료 시점 또는 가동 종료 시점을 포함하는 상태 변경 시점을 판단하고, 상기 판단된 상태 변경 시점에 기초하여 (1)점화를 시작해서 원소재를 목표 온도까지 가열하는 가열 구간, (2)목표 온도로 가열을 완료한 후 후속 공정을 위해 온도를 유지하며 대기하는 구간, (3)원소재를 꺼내기 위해 가열로 문을 열고 있는 구간, (4)가열로 문을 닫은 후 다시 목표 온도로 재가열하는 구간 또는 (5)가열로 가동 종료 구간으로 구분할 수 있다.
상기 에너지 원단위 비용 계산 모듈은, 상기 가열로 가동 상태가 판단됨에 따라 각 가열로 가동 상태마다 가열로에 장입되어 있는 원소재 정보를 확인하고, 가열로 별 에너지 사용량 데이터를 이용하여 각 가열로 상태마다 에너지 사용량을 획득하고, 각 가열로 가동 상태에 장입되어 있는 원소재 정보에 대하여 단위 중량 당 에너지 사용량을 계산하여 에너지 원단위 비용을 산출할 수 있다.
상기 설비 이상 감지 모듈은, 가열 공정 비용 예측 모형을 이용한 공정 소요 시간과 에너지 비용 예측치와 상기 가열로를 모니터링한 수치를 비교한 비교값이 기 설정된 기준 이상일 경우, 경보를 발생시킬 수 있다.
상기 가열로 가동 상태 판단 모듈은, 상기 IoT 인프라스트럭쳐(Infrastructure)에 기초하여 가열로 별 내부 온도, 가열로 별 에너지 사용량 및 가열로에 장입 할 원소재 구성과 원소재를 가열로에서 꺼내거나 장입하는 작업 순서를 수집할 수 있다.
가열로 모니터링 시스템에 의해 수행되는 가열로 모니터링 방법은, IoT 인프라스트럭쳐(Infrastructure)에 기초하여 수집된 가열로 정보와 원소재들을 가열로에 장입 또는 꺼내는 작업 순서 정보에 기초하여 가열로 가동 상태를 판단하는 단계; 및 상기 판단된 가열로 가동 상태를 통하여 구분된 가동 상태에 따라 가열로를 모니터링하는 단계를 포함할 수 있다.
상기 모니터링하는 단계는, 상기 판단된 가열로 가동 상태를 통하여 가동 상태를 구분함에 따라 획득된 가열로 별 에너지 사용량 데이터를 이용하여 에너지 원단위 비용을 계산하는 단계를 포함할 수 있다
상기 모니터링하는 단계는, 상기 수집된 가열로 정보에 포함된 가열로 별 내부 온도 데이터와 상기 획득된 가열로 별 에너지 사용량 데이터를 이용하여 설비 이상을 감지하는 단계를 포함할 수 있다.
상기 모니터링하는 단계는, 상기 판단된 가열로 가동 상태와 원소재들의 이동 흐름에 대한 공정 실적 데이터를 생성하는 단계를 포함할 수 있다.
상기 모니터링하는 단계는, 상기 생성된 공정 실적 데이터를 기반으로 설비 이상 감지를 위해 구성된 가열 소요 시간 예측 모형과 가열로 별 에너지 사용량 예측 모형을 학습함에 따라 공정 실적 데이터가 누적됨에 따라 주기적으로 각각의 예측 모형을 갱신하는 단계를 포함할 수 있다.
상기 가열로 가동 상태를 판단하는 단계는, 상기 가열로 별 내부 온도 데이터 및 가열로 별 에너지 사용량 데이터를 이용하여 가열로의 가열 시작 시점, 가열 완료 시점, 문 열림 시점, 문 닫힘 시점, 재가열 완료 시점 또는 가동 종료 시점을 포함하는 상태 변경 시점을 판단하고, 상기 판단된 상태 변경 시점에 기초하여 (1)점화를 시작해서 원소재를 목표 온도까지 가열하는 가열 구간, (2)목표 온도로 가열을 완료한 후 후속 공정을 위해 온도를 유지하며 대기하는 구간, (3)원소재를 꺼내기 위해 가열로 문을 열고 있는 구간, (4)가열로 문을 닫은 후 다시 목표 온도로 재가열하는 구간 또는 (5)가열로 가동 종료 구간으로 구분하는 단계를 포함할 수 있다.
상기 모니터링하는 단계는, 상기 가열로 가동 상태가 판단됨에 따라 각 가열로 가동 상태마다 가열로에 장입되어 있는 원소재 정보를 확인하고, 가열로 별 에너지 사용량 데이터를 이용하여 각 가열로 상태마다 에너지 사용량을 획득하고, 각 가열로 가동 상태에 장입되어 있는 원소재 정보에 대하여 단위 중량 당 에너지 사용량을 계산하여 에너지 원단위 비용을 산출하는 단계를 포함할 수 있다.
상기 모니터링하는 단계는, 가열 공정 비용 예측 모형을 이용한 공정 소요 시간과 에너지 비용 예측치와 상기 가열로를 모니터링한 수치를 비교한 비교값이 기 설정된 기준 이상일 경우, 경보를 발생시키는 단계를 포함할 수 있다.
상기 가열로 가동 상태를 판단하는 단계는, 상기 IoT 인프라스트럭쳐(Infrastructure)에 기초하여 가열로 별 내부 온도, 가열로 별 에너지 사용량 및 가열로에 장입 할 원소재 구성과 원소재를 가열로에서 꺼내거나 장입하는 작업 순서를 수집하는 단계를 포함할 수 있다.
가열 공정 진행의 세부 사항에 대한 실시간 모니터링이 가능하며 이를 통해 세부 단계별 에너지 비용 데이터를 상세 수준으로 확보할 수 있다.
제품 별 에너지 원단위 비용을 정확하게 산출하여 공장의 영업 이익을 극대화 할 수 있다.
또한 가열로 인한 비용이 아닌 후속 공정 지연에 의한 비용 산출, 여러 가열로 간 가열 성능 비교 등 다양한 관점에서 에너지 효율을 분석하여 공장 운영을 최적화 할 수 있다.
또한, 학습된 비용 예측 모형을 이용하여 공정 소요 시간 및 에너지 비용을 예측하여 공정 진행이 예측과 현저히 다를 경우 이상 상황 발생 경보를 발령하여 설비의 유지 및 보수를 도울 수 있다.
또한, 가열 공정 실시간 모니터링을 통해 현장에서는 작업의 진척도를 파악하기 용이하여 생산성을 향상시킬 수 있다.
또한, 작업자들이 직접 실적 데이터를 작성하지 않고 자동 생성함으로써 업무의 효율을 높일 수 있다.
도 1은 일 실시예에 따른 가열로 모니터링 시스템의 구조를 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 가열로 모니터링 시스템에서 가열로 내부 온도 변화에 따른 가열로 가동 상태 구간을 구분하는 것을 설명하기 위한 도면이다.
도 3은 실시예에 따른 가열로 모니터링 시스템에서 가열 시작 시점을 검출하는 방법을 설명하기 위한 흐름도이다.
도 4는 실시예에 따른 가열로 모니터링 시스템에서 가열 완료 시점을 검출하는 방법을 설명하기 위한 흐름도이다.
도 5는 실시예에 따른 가열로 모니터링 시스템에서 문 열림 시점을 검출하는 방법을 설명하기 위한 흐름도이다.
도 6은 실시예에 따른 가열로 모니터링 시스템에서 문 닫힘 시점을 검출하는 방법을 설명하기 위한 흐름도이다.
도 7은 실시예에 따른 가열로 모니터링 시스템에서 재가열 완료 시점을 검출하는 방법을 설명하기 위한 흐름도이다.
도 8은 실시예에 따른 가열로 모니터링 시스템에서 가열로 가동 상태 구분에 따른 에너지 원단위 비용을 산출한 예를 나타낸 것이다.
도9는 일 실시예에 따른 가열로 모니터링 시스템에서 가열 공정 비용 예측 모형의 예를 나타낸 것이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
도 1은 일 실시예에 따른 가열로 모니터링 시스템의 구조를 설명하기 위한 도면이다.
가열로 모니터링 시스템(100)은 가열로 가동 상태 판단 모듈(110), 에너지 원단위 비용 계산 모듈(120), 설비 이상 감지 모듈(130), 가열로 실적 생성 모듈(140) 및 가열 공정 비용 예측 모형 관리 모듈(150)을 포함할 수 있다.
가열로 모니터링 시스템(100)은 열로 별 내부 온도 데이터, 에너지 사용량 데이터, 작업 순서를 입력받을 수 있으며, 가열로 가동 상태 판단, 에너지 원단위 비용 계산, 설비 이상 감지, 가열 공정 비용 예측 모형 관리, 가열로 실적 생성 기능을 수행할 수 있다. 가열로 모니터링 시스템(100)은 가열로 별 내부 온도 데이터와 에너지 사용량 데이터는 IoT 인프라를 통해 수집할 수 있다.
가열로 가동 상태 판단 모듈(110)은 IoT 인프라에 기초하여 수집된 가열로 정보와 원소재들을 가열로에 장입 또는 꺼내는 작업 순서 정보에 기초하여 가열로 가동 상태를 판단할 수 있다. 작업 순서는 장입 할 원소재 구성과 원소재들을 가열로에서 꺼내거나 장입하는 순서를 의미할 수 있고, 원소재의 이동이 발생할 때마다 작업자가 직접 시스템에 입력하거나 사전에 작업 순서가 정해져 있을 경우 정해진 작업 순서를 입력할 수 있고, 혹은, 작업 계획 시스템과 연동하여 작업 순서를 입력할 수 있다. 가열로 가동 상태 판단 모듈(110)은 열로 내부 온도 데이터 및 에너지 사용량 데이터를 기반으로 가열로가 원소재를 가열하는 상태인지, 원소재를 꺼내기 위해 문이 열린 상태인지 등의 가열로의 가동 상태를 구분할 수 있다.
에너지 원단위 비용 계산 모듈(120)은 시간의 흐름에 따른 가열로의 상태와 원소재의 장입 현황을 파악하여 제품 별 에너지 원단위 비용을 계산할 수 있다. 예를 들면, 에너지 원단위 비용을 계산하는 식은 사전에 입력될 수 있으며, 작업자 또는 관리자에 의하여 식이 변경될 수 있다. 도 8을 참고하면, 가열로 가동 상태 구분에 따른 에너지 원단위 비용을 산출한 예를 나타낸 것이다. 에너지 원단위 비용 계산 모듈(120)은 가동 상태 모듈을 통하여 가열로 가동 상태가 구분됨에 따라 작업 순서 정보를 이용하여 각 가열로 가동 상태마다 가열로에 장입되어 있는 원소재 목록을 확인할 수 있다. 에너지 원단위 비용 계산 모듈(120)은 가열로 가동 상태 모듈로부터 가열로 가동 상태가 구분됨에 따라 가열로 별 에너지 사용량 데이터를 이용하여 각 가열로 가동 상태마다 에너지 사용량을 알 수 있다. 에너지 원단위 비용 계산 모듈(120)은 각 가열로 가동 상태에 장입되어 있는 원소재들에 대해 단위 중량 당 에너지 사용량을 계산하여 에너지 원단위 비용을 산출할 수 있다. 이때, 동일한 종류의 제품 별 에너지 원단위 비용 통계 수치를 이용하여 제품 별 에너지 원단위 비용을 산출할 수 있다.
설비 이상 감지 모듈(130)은 설비 별 내부 온도 데이터와 에너지 사용량 데이터를 기반으로 설비의 비정상적인 동작 상태를 감지하거나 가열 공정 비용 예측 모형을 기반으로 공정 전에 예상되는 공정 소요 시간과 소요 에너지양을 예측하고 실제 소요된 비용과 비교하여 설비의 에너지 효율에 대한 이상 상황을 감지할 수 있다. 예를 들면, 설비 이상 감지 모듈(130)은 가열로 내부 온도 스트림 데이터와 에너지 누적 사용량 스트림 데이터를 이용하여 가열로의 작업이 완료되지 않은 상태에서 온도와 에너지 사용량이 급격히 감소하는 이상, 혹은 가열 목표 온도를 넘어가는 이상 가동 등을 감지할 수 있다. 설비 이상 감지 모듈(130)은 가열 공정 비용 예측 모형을 이용한 소요 시간 및 에너지 비용 예측치와 실제 모니터링한 수치를 비교한 결과가 기 설정된 기준 이상의 차이를 보일 경우 경보를 발생시킬 수 있다.
가열로 실적 생성 모듈(140)은 가열로 가동 상태와 원소재의 이동 흐름에 대해 작업자가 필요한 공정 실적 기록을 자동으로 생성할 수 있다.
가열 공정 비용 예측 모형 관리 모듈(150)은 누적된 가열로 실적 데이터를 기반으로 설비 이상 감지를 위해 필요한 가열 소요 시간 예측 모형과 에너지 사용량 예측 모형을 학습하며 실적 데이터가 누적됨에 따라 주기적으로 예측 모형의 갱신을 담당할 수 있다. 도 9를 참고하면, 가열 공정 비용 예측 모형의 예를 나타낸 것이다. 가열 공정 비용 예측 모형은 각 가열로 가동 상태 별 소요 시간 예측 모형과 에너지 사용량 예측 모형을 포함할 수 있다. 단, 대기 구간의 소요 시간은 후속 공정의 진행 상황에 의존하기 때문에 예측이 불가능하므로 제외할 수 있다. 가열 공정 비용 예측 모형은 과거 공정 실적 데이터를 기반으로 기계 학습 알고리즘 등을 적용하여 학습할 수 있다. 시간의 흐름에 따라 설비가 노후화되고 공장 운영에 변화가 발생하기 때문에 지속적으로 수집되는 공정 실적 데이터를 이용하여 주기적으로 예측 모형을 갱신하여 이용할 수 있다.
도 2는 일 실시예에 따른 가열로 모니터링 시스템에서 가열로 내부 온도 변화에 따른 가열로 가동 상태 구간을 구분하는 것을 설명하기 위한 도면이다.
가열로 모니터링 시스템은 가열로 가동 상태를 판단할 수 있다. 가열로의 가동 상태 구간의 종류에는 (1)점화를 시작해서 원소재를 목표 온도까지 가열하는 가열 구간, (2)목표 온도로 가열을 완료한 후 후속 공정을 위해 온도를 유지하며 대기하는 구간, (3)원소재를 꺼내기 위해 가열로 문을 열고 있는 구간, (4)가열로 문을 닫은 후 다시 목표 온도로 재 가열하는 구간, (5)가열로 가동 종료 구간으로 구분될 수 있다. 가열로 모니터링 시스템은 상기 구간을 구분하기 위해 가열 시작 시점, 가열 완료 시점, 문 열림 시점, 문 닫힘 시점, 재 가열 완료 시점, 가동 종료 시점을 검출할 수 있다. 가로 모니터링 시스템은 가열로 내부 온도 및 에너지 사용량을 이용하여 가열로의 가동 상태 변경 시점을 탐색할 수 있다.
도 3을 참고하면, 가열 시작 시점을 검출하는 방법을 설명하기 위한 흐름도이다.
가열로 모니터링 시스템은 가열로 내부의 온도 데이터 및 에너지 사용량 데이터를 이용하여 가열로의 가동 상태가 변경된 시점을 탐색할 수 있다. 가동(가열) 시작 시점은 가열로에 원소재를 장입하고 가열을 시작하는 시점이다. 가열로의 가동이 종료되면 가스를 사용하지 않다가 가동을 시작하면 가스를 소모하기 시작한다. 이에 따라, 가스 사용이 시작되는 시점이 가동 시작 시점이다. 그러나 가동 시작이 아니더라도 가스 누수가 조금씩 발생하기 때문에 일정 시간 이상 지속적으로 가스를 사용하기 시작하는 첫 시점을 가동 시작 시점으로 한다.
도 3에서는 가열 시작 시점을 검출하는 것으로, G
t는 t시점의 가스 사용량, C는 가스 사용량이 있는 연속된 시점의 수, C*는 가열 시작 시점으로 판별할 C의 기준치를 의미한다. 이때, 기준치는 사전에 설정되어 있을 수 있다.
가열로 모니터링 시스템은 가스 사용량이 있는 연속된 시점의 수가 0일 경우 가열 시작 시점을 검출하는 프로세스를 시작할 수 있다(310). 가열로 모니터링 시스템은 가스 사용량이 있는 가열로의 가동 상태가 가열로 종료 상태인지 여부를 판단할 수 있다(320). 가열로 모니터링 시스템은 가열로 가동 상태가 가열 종료 상태로 판단함에 따라 t 시점의 가스 사용량이 0 보다 큰지 판단할 수 있다(330). 가열로 모니터링 시스템은 가동 상태가 가열로 종료 상태로 판단하지 않음에 따라 다른 시점(t+1)의 가스 사용량을 판단할 수 있다(331). 가열로 모니터링 시스템은 따라 t 시점의 가스 사용량이 0 보다 클 경우, 가스 사용량이 있는 연속된 시점의 수를 증가시킬 수 있다(C+1)(340). 또는, 가열로 모니터링 시스템은 가스 사용량이 0 보다 크지 않을 경우, 다른 시점(t+1)의 가스 사용량을 판단할 수 있다(331).
가열로 모니터링 시스템은 증가된 가스 사용량이 있는 연속된 시점의 수가 가열 시작 시점으로 판별할 기준치와 일치하는지 비교할 수 있다. 가열로 모니터링 시스템은 가스 사용량이 있는 연속된 시점의 수가 가열 시작 시점으로 판별할 기준치와 일치할 경우, t 시점을 가동 시작 시점으로 검출할 수 있다(350). 가열로 모니터링 시스템은 가스 사용량이 있는 연속된 시점의 수가 가열 시작 시점으로 판별할 기준치와 일치하지 않을 경우, 다른 시점(t+1)에서의 가스 사용량을 판단할 수 있다(341).
도 4는 실시예에 따른 가열로 모니터링 시스템에서 가열 완료 시점을 검출하는 방법을 설명하기 위한 흐름도이다.
도 4에서는 가열 완료 시점을 검출하는 것으로, T
t는 t시점의 가열로 내부 온도, T는 목표 온도 하한, HTw는 T시점 전후 범위, T*는 t시점 전후 온도 평균 차이 임계치를 의미한다. 이때, 임계치는 사전에 설정되어 있을 수 있다.
가열 완료 시점은 가열을 시작해서 가열로의 내부 온도를 목표 온도까지 상승시키는 것을 완료한 시점을 의미한다. 목표 온도까지 온도를 서서히 높이기 때문에 도 2와 같이, 온도 상승과 유지가 반복되거나 긴 시간 동안 천천히 온도가 상승하는 형태를 보인다. 이에 따라 일정 온도 이상이면서 더 이상 온도가 변하지 않고 온도가 유지되는 시점을 가열 완료 시점으로 한다. 온도가 유지되는 것은 좌우 온도의 평균을 비교하여 유사한 경우, 예를 들어 1도 이내인 경우 온도가 일정하게 유지되는 상태인 것으로 본다.
가열로 모니터링 시스템은 가열로가 가동 시작 상태인지 판단할 수 있다(410). 가열로 모니터링 시스템은 가열로가 가동 시작 상태가 아닌 것으로 판단됨에 따라 t+1시점에 대한 가열 완료 시점을 검출하는 프로세스를 수행할 수 있다(421). 가열로 모니터링 시스템은 가열로가 가동 시작 상태로 판단됨에 따라 t 시점의 가열로 내부 온도가 목표 온도 하한 이상인지 여부를 판단할 수 있다(420). 가열로 모니터링 시스템은 따라 t 시점의 가열로 내부 온도가 목표 온도 하한 이상이 아닐 경우, t+1시점에 대한 가열 완료 시점을 검출하는 프로세스를 수행할 수 있다(421).
가열로 모니터링 시스템은 따라 t 시점의 가열로 내부 온도가 목표 온도 하한 이상일 경우, t-HTw 시점의 가열로 내부 온도와 t-1 시점의 가열로 내부 온도의 평균인 제1 평균값(A
before)과 t+1시점의 가열로 내부 온도와 t+HTw 시점의 가열로 내부 온도의 평균인 제2 평균값(A
after)을 계산할 수 있다(430). 가열로 모니터링 시스템은 제2 평균값과 제1 평균값의 차이를 계산한 값이 t시점 전후 온도 평균 차이 임계치보다 작은지 판단할 수 있다(440). 이때, 제2 평균값과 제1 평균값의 차이를 계산함에 있어서, 제1 평균값이 제2 평균값보다 클 경우를 대비하여, 제2 평균값과 제1 평균값의 차이를 계산한 값을 절대값할 수 있다. 가열로 모니터링 시스템은 제2 평균값과 제1 평균값의 차이를 계산한 값이 t시점 전후 온도 평균 차이 임계치보다 작을 경우, 가열 완료 시점으로 검출할 수 있다(450). 가열로 모니터링 시스템은 제2 평균값과 제1 평균값의 차이를 계산한 값이 t시점 전후 온도 평균 차이 임계치보다 작지 않은 경우, t+1시점에 대한 가열 완료 시점을 검출하는 프로세스(410~450)을 수행할 수 있다.
도 5는 실시예에 따른 가열로 모니터링 시스템에서 문 열림 시점을 검출하는 방법을 설명하기 위한 흐름도이다.
도 5에서는 문 열림 시점을 검출하는 것으로, T
t는 t 시점의 가열로 내부 온도, S*는 온도 변화 유무를 결정하는 임계치를 의미할 수 있다. 이때, 임계치는 사전에 설정되어 있을 수 있다. Sb
1은 t-1~t 시점의 평균 온도 변화율, Sb
2는 t-2~t 시점의 평균 온도 변화율, Sb
3은 t-2, t-1 시점의 평균 온도 변화율, Sa
1은 t~t+1 시점의 평균 온도 변화율, Sa
2는 t~t+2 시점의 평균 온도 변화율, Sa
3은 t+1, t+2 시점의 평균 온도 변화율을 의미할 수 있다.
문 열림 시점은 소재를 꺼내거나 가열로에 넣기 위해 가열로의 문을 여는 시점이다. 가열로의 문을 열면 가스 주입이 멈추므로 가스 사용량이 0에 가깝고 온도가 낮아진다. 이에 따라, 온도가 일정하게 유지되다가 떨어지는 시작 시점을 문 열림 시점으로 설정할 수 있다. 온도가 떨어지기 시작하는 시점을 찾기 위해 양 옆의 온도 변화 기울기를 이용한다. 양 옆의 온도 변화 기울기를 계산하여 기울기가 0에서 음의 기울기로 변하는 시점을 문 열림 시점으로 설정할 수 있다.
가열로 모니터링 시스템은 가열로가 가열 완료 상태인지 판단할 수 있다(510). 가열로 모니터링 시스템은 t 시점의 가열로가 가열 완료 상태가 아닌 것으로 판단됨에 따라 t+1 시점의 문 열림 시점을 검출하기 위한 프로세스를 수행할 수 있다(511). 가열로 모니터링 시스템은 t-1~t 시점의 평균 온도 변화율(Sb
1)이 온도 변화 유무를 결정하는 임계치보다 작은지 판단할 수 있다(520). 가열로 모니터링 시스템은 t-1~t 시점의 평균 온도 변화율(Sb
1)이 온도 변화 유무를 결정하는 임계치보다 작을 경우, t-1~t 시점의 평균 온도 변화율(Sb
1)을 0으로 설정할 수 있다(521).
가열로 모니터링 시스템은 t-1~t 시점의 평균 온도 변화율(Sb
1)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t-2~t 시점의 평균 온도 변화율(Sb
2)이 상기 임계치보다 작은지 판단할 수 있다(530). 가열로 모니터링 시스템은 t-2~t 시점의 평균 온도 변화율(Sb
2)이 상기 임계치보다 작을 경우, t-2~t 시점의 평균 온도 변화율(Sb
2)을 0으로 설정할 수 있다(531).
가열로 모니터링 시스템은, t-2~t 시점의 평균 온도 변화율(Sb
2)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t-2, t-1 시점의 평균 온도 변화율(Sb
3)이 온도 변화 유무를 결정하는 임계치보다 작은지 판단할 수 있다(540). 가열로 모니터링 시스템은 t-2, t-1 시점의 평균 온도 변화율(Sb
3)이 상기 임계치보다 작을 경우, t-2, t-1 시점의 평균 온도 변화율(Sb
3)을 0으로 설정할 수 있다(541).
가열로 모니터링 시스템은 t-2, t-1 시점의 평균 온도 변화율(Sb
3)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t~t+1 시점의 평균 온도 변화율(Sa
1)이 온도 변화 유무를 결정하는 임계치보다 작은지 판단할 수 있다(550). 가열로 모니터링 시스템은 t~t+1 시점의 평균 온도 변화율(Sa
1)이 상기 임계치보다 작을 경우, t~t+1 시점의 평균 온도 변화율(Sa
1)을 0으로 설정할 수 있다(551).
가열로 모니터링 시스템은 t~t+1 시점의 평균 온도 변화율(Sa
1)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t~t+2 시점의 평균 온도 변화율(Sa
2)이 온도 변화 유무를 결정하는 임계치보다 작은지 판단할 수 있다(560). 가열로 모니터링 시스템은 t+2 시점의 평균 온도 변화율(Sa
2)이 상기 임계치보다 작을 경우, t~t+2 시점의 평균 온도 변화율(Sa
2)을 0으로 설정할 수 있다(561).
가열로 모니터링 시스템은 t+2 시점의 평균 온도 변화율(Sa
2)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t+1, t+2 시점의 평균 온도 변화율(Sa
3)이 온도 변화 유무를 결정하는 임계치보다 작은지 판단할 수 있다(570). 가열로 모니터링 시스템은 t+1, t+2 시점의 평균 온도 변화율(Sa
3)이 상기 임계치보다 작을 경우, t+1, t+2 시점의 평균 온도 변화율(Sa
3)을 0으로 설정할 수 있다(571).
가열로 모니터링 시스템은 t+1, t+2 시점의 평균 온도 변화율(Sa
3)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t-1~t 시점의 평균 온도 변화율(Sb
1)과 t-2~t 시점의 평균 온도 변화율(Sb
2)의 평균이 0 이상이고, t~t+1 시점의 평균 온도 변화율(Sa
1)과 t~t+2 시점의 평균 온도 변화율(Sa
2)의 평균이 0보다 작은지 판단할 수 있다(580). 가열로 모니터링 시스템은 t-1~t 시점의 평균 온도 변화율(Sb
1)과 t-2~t 시점의 평균 온도 변화율(Sb
2)의 평균이 0 이상이고, t~t+1 시점의 평균 온도 변화율(Sa
1)과 t~t+2 시점의 평균 온도 변화율(Sa
2)의 평균이 0보다 작을 경우, t 시점을 문 열림 시점으로 검출할 수 있다(590).
가열로 모니터링 시스템은 단계(580)의 t-1~t 시점의 평균 온도 변화율(Sb
1)과 t-2~t 시점의 평균 온도 변화율(Sb
2)의 평균이 0 이상이고, t~t+1 시점의 평균 온도 변화율(Sa
1)과 t~t+2 시점의 평균 온도 변화율(Sa
2)의 평균이 0보다 작은 조건을 만족하지 않을 경우, t-1~t 시점의 평균 온도 변화율(Sb
1), t-2~t 시점의 평균 온도 변화율(Sb
2), t-2, t-1 시점의 평균 온도 변화율(Sb
3)의 평균이 0 이상이고, t~t+1 시점의 평균 온도 변화율(Sa
1), t~t+2 시점의 평균 온도 변화율(Sa
2), t+1, t+2 시점의 평균 온도 변화율(Sa
3)의 평균이 0보다 작은지 판단할 수 있다(581). 가열로 모니터링 시스템은 t-1~t 시점의 평균 온도 변화율(Sb
1), t-2~t 시점의 평균 온도 변화율(Sb
2), t-2, t-1 시점의 평균 온도 변화율(Sb
3)의 평균이 0 이상이고, t~t+1 시점의 평균 온도 변화율(Sa
1), t~t+2 시점의 평균 온도 변화율(Sa
2), t+1, t+2 시점의 평균 온도 변화율(Sa
3)의 평균이 0보다 작을 경우, t 시점을 문 열림 시점으로 검출할 수 있다(590). 가열로 모니터링 시스템은 t-1~t 시점의 평균 온도 변화율(Sb
1), t-2~t 시점의 평균 온도 변화율(Sb
2), t-2, t-1 시점의 평균 온도 변화율(Sb
3)의 평균이 0 이상이고, t~t+1 시점의 평균 온도 변화율(Sa
1), t~t+2 시점의 평균 온도 변화율(Sa
2), t+1, t+2 시점의 평균 온도 변화율(Sa
3)의 평균이 0보다 작지 않을 경우, t+1 시점의 t+1 시점의 문 열림 시점을 검출하기 위한 프로세스를 수행할 수 있다.
도 6은 실시예에 따른 가열로 모니터링 시스템에서 문 닫힘 시점을 검출하는 방법을 설명하기 위한 흐름도이다.
도 6에서는 문 닫힘 시점을 검출하는 것으로, T
t는 t 시점의 가열로 내부 온도, S*는 온도 변화 유무를 결정하는 임계치, DCt는 예상 문 닫힘 시점을 의미할 수 있다. 이때, 임계치는 사전에 설정되어 있을 수 있다. Sb
1은 t-1~t 시점의 평균 온도 변화율, Sb
2는 t-2~t 시점의 평균 온도 변화율, Sb
3은 t-2, t-1 시점의 평균 온도 변화율, Sa
1은 t~t+1 시점의 평균 온도 변화율, Sa
2는 t~t+2 시점의 평균 온도 변화율, Sa
3은 t+1, t+2 시점의 평균 온도 변화율을 의미할 수 있다.
문 닫힘 시점은 열렸던 문이 완전히 닫힌 시점으로 온도가 다시 상승하기 시작하는 시점을 의미한다. 문 열림 시점 이후에 온도가 감소하다가 일정 온도로 유지되는 시점 혹은 다시 증가하기 시작하는 시점을 문 닫힘 시점으로 설정할 수 있다. 온도의 변화 추이는 문 열림 시점을 찾는 것과 마찬가지로 온도 변화 기울기를 계산하여 이용할 수 있다. 온도가 감소할 때 노이즈로 인해 온도가 상승과 하강을 반복하는 수치를 보이는 경우가 있다. 이에 따라 문 닫힘 시점의 후보 점들을 계속해서 탐색하면서 그 중 온도가 가장 낮은 시점을 문 닫힘 시점으로 검출할 수 있다. 문이 닫히고 다시 목표 온도로 올리는 재가열이 완료된 시점을 검출하면 더 이상 문 닫힘 시점을 변경하지 않고 문 닫힘 시점으로 확정할 수 있다.
가열로 모니터링 시스템은 가열로가 문 열림 상태인지 판단할 수 있다(610). 가열로 모니터링 시스템은 t 시점의 가열로가 문 열림 상태가 아닌 것으로 판단됨에 따라 t+1 시점의 문 닫힘 시점을 검출하기 위한 프로세스를 수행할 수 있다(611). 가열로 모니터링 시스템은 t-1~t 시점의 평균 온도 변화율(Sb
1)이 온도 변화 유무를 결정하는 임계치보다 작은지 판단할 수 있다(620). 가열로 모니터링 시스템은 t-1~t 시점의 평균 온도 변화율(Sb
1)이 온도 변화 유무를 결정하는 임계치보다 작을 경우, t-1~t 시점의 평균 온도 변화율(Sb
1)을 0으로 설정할 수 있다(621).
가열로 모니터링 시스템은 t-1~t 시점의 평균 온도 변화율(Sb
1)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t-2~t 시점의 평균 온도 변화율(Sb
2)이 상기 임계치보다 작은지 판단할 수 있다(630). 가열로 모니터링 시스템은 t-2~t 시점의 평균 온도 변화율(Sb
2)이 상기 임계치보다 작을 경우, t-2~t 시점의 평균 온도 변화율(Sb
2)을 0으로 설정할 수 있다(631).
가열로 모니터링 시스템은, t-2~t 시점의 평균 온도 변화율(Sb
2)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t-2, t-1 시점의 평균 온도 변화율(Sb
3)이 온도 변화 유무를 결정하는 임계치보다 작은지 판단할 수 있다(640). 가열로 모니터링 시스템은 t-2, t-1 시점의 평균 온도 변화율(Sb
3)이 상기 임계치보다 작을 경우, t-2, t-1 시점의 평균 온도 변화율(Sb
3)을 0으로 설정할 수 있다(641).
가열로 모니터링 시스템은 t-2, t-1 시점의 평균 온도 변화율(Sb
3)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t~t+1 시점의 평균 온도 변화율(Sa
1)이 온도 변화 유무를 결정하는 임계치보다 작은지 판단할 수 있다(650). 가열로 모니터링 시스템은 t~t+1 시점의 평균 온도 변화율(Sa
1)이 상기 임계치보다 작을 경우, t~t+1 시점의 평균 온도 변화율(Sa
1)을 0으로 설정할 수 있다(651).
가열로 모니터링 시스템은 t~t+1 시점의 평균 온도 변화율(Sa
1)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t~t+2 시점의 평균 온도 변화율(Sa
2)이 온도 변화 유무를 결정하는 임계치보다 작은지 판단할 수 있다(660). 가열로 모니터링 시스템은 t+2 시점의 평균 온도 변화율(Sa
2)이 상기 임계치보다 작을 경우, t~t+2 시점의 평균 온도 변화율(Sa
2)을 0으로 설정할 수 있다(661).
가열로 모니터링 시스템은 t+2 시점의 평균 온도 변화율(Sa
2)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t+1, t+2 시점의 평균 온도 변화율(Sa
3)이 온도 변화 유무를 결정하는 임계치보다 작은지 판단할 수 있다(670). 가열로 모니터링 시스템은 t+1, t+2 시점의 평균 온도 변화율(Sa
3)이 상기 임계치보다 작을 경우, t+1, t+2 시점의 평균 온도 변화율(Sa
3)을 0으로 설정할 수 있다(671).
가열로 모니터링 시스템은 t+1, t+2 시점의 평균 온도 변화율(Sa
3)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t-1~t 시점의 평균 온도 변화율(Sb
1)과 t-2~t 시점의 평균 온도 변화율(Sb
2)의 평균이 0 보다 작고, t~t+1 시점의 평균 온도 변화율(Sa
1)과 t~t+2 시점의 평균 온도 변화율(Sa
2)의 평균이 0이상인지 판단할 수 있다(680). 가열로 모니터링 시스템은 t-1~t 시점의 평균 온도 변화율(Sb
1)과 t-2~t 시점의 평균 온도 변화율(Sb
2)의 평균이 0 보다 작고, t~t+1 시점의 평균 온도 변화율(Sa
1)과 t~t+2 시점의 평균 온도 변화율(Sa
2)의 평균이 0이상일 경우, t 시점의 가열로 내부 온도가 예상 문 닫힘 시점의 가열로 내부 온도보다 큰지 판단할 수 있다(690).
가열로 모니터링 시스템은 단계(680)의 t-1~t 시점의 평균 온도 변화율(Sb
1)과 t-2~t 시점의 평균 온도 변화율(Sb
2)의 평균이 0 보다 작고, t~t+1 시점의 평균 온도 변화율(Sa
1)과 t~t+2 시점의 평균 온도 변화율(Sa
2)의 평균이 0이상인 조건을 만족하지 못할 경우, t-1~t 시점의 평균 온도 변화율(Sb
1), t-2~t 시점의 평균 온도 변화율(Sb
2), t-2, t-1 시점의 평균 온도 변화율(Sb
3)의 평균이 0 보다 작고, t~t+1 시점의 평균 온도 변화율(Sa
1), t~t+2 시점의 평균 온도 변화율(Sa
2), t+1, t+2 시점의 평균 온도 변화율(Sa
3)의 평균이 0이상인지 판단할 수 있다(681).
가열로 모니터링 시스템은 t-1~t 시점의 평균 온도 변화율(Sb
1), t-2~t 시점의 평균 온도 변화율(Sb
2), t-2, t-1 시점의 평균 온도 변화율(Sb
3)의 평균이 0보다 작고, t~t+1 시점의 평균 온도 변화율(Sa
1), t~t+2 시점의 평균 온도 변화율(Sa
2), t+1, t+2 시점의 평균 온도 변화율(Sa
3)의 평균이 0이상일 경우, t 시점의 가열로 내부 온도가 예상 문 닫힘 시점의 가열로 내부 온도보다 큰지 판단할 수 있다(690). 가열로 모니터링 시스템은 t 시점의 가열로 내부 온도가 예상 문 닫힘 시점의 가열로 내부 온도보다 큰 것으로 판단함에 따라 t 시점을 예상 문 닫힘 시점으로 설정할 수 있다(692). 가열로 모니터링 시스템은 t 시점의 가열로 내부 온도가 예상 문 닫힘 시점의 가열로 내부 온도보다 크지 않을 것으로 판단함에 따라 t 시점의 가열로 상태가 재가열 완료 상태인지 판단할 수 있다(691).
가열로 모니터링 시스템은 단계(681)의 가열로 모니터링 시스템은 t-1~t 시점의 평균 온도 변화율(Sb
1), t-2~t 시점의 평균 온도 변화율(Sb
2), t-2, t-1 시점의 평균 온도 변화율(Sb
3)의 평균이 0보다 작고, t~t+1 시점의 평균 온도 변화율(Sa
1), t~t+2 시점의 평균 온도 변화율(Sa
2), t+1, t+2 시점의 평균 온도 변화율(Sa
3)의 평균이 0이상인 조건을 만족하지 못할 경우, t 시점의 가열로 상태가 재가열 완료 상태인지 판단할 수 있다(691). 가열로 모니터링 시스템은 가열로 상태가 재가열 완료 상태인 것으로 판단됨에 따라 t 시점을 문 닫힘 시점으로 검출할 수 있다(693). 가열로 모니터링 시스템은 t시점의 가열로 상태가 재가열 완료 상태가 아닌 것으로 판단됨에 따라 t+1 시점의 문 닫힘 시점을 검출하기 위한 프로세스를 수행할 수 있다(611).
도 7은 실시예에 따른 가열로 모니터링 시스템에서 재가열 완료 시점을 검출하는 방법을 설명하기 위한 흐름도이다.
도 7에서는 재가열 완료 시점을 검출하는 것으로, T
t는 t 시점의 가열로 내부 온도, S*는 온도 변화 유무를 결정하는 임계치, RHw는 t시점의 전후 범위, T**는 t시점 전후 온도 평균 차이 임계치, RHt는 예상 재가열 완료 시점, T***는 예상 재가열 완료 시점 갱신 여부를 판단할 온도 차이 임계치를 의미할 수 있다. 이때, 임계치는 사전에 설정되어 있을 수 있다. Sb
1은 t-1~t 시점의 평균 온도 변화율, Sb
2는 t-2~t 시점의 평균 온도 변화율, Sb
3은 t-2, t-1 시점의 평균 온도 변화율, Sa
1은 t~t+1 시점의 평균 온도 변화율, Sa
2는 t~t+2 시점의 평균 온도 변화율, Sa
3은 t+1, t+2 시점의 평균 온도 변화율을 의미할 수 있다.
재가열 완료 시점은 문이 닫히고 다시 목표 온도로 올리는 재가열이 완료된 시점을 의미한다. 재가열을 완료하면 일정 온도로 유지되거나 다시 가열로 문을 열 수 있기 때문에 온도가 상승하다가 일정해지거나 다시 감소하기 시작하는 시점을 재가열 완료 시점으로 설정할 수 있다. 온도의 변화 추이는 온도 변화 기울기를 계산하여 이용할 수 있다. 온도가 상승할 때 노이즈로 인해 온도가 상승과 하강을 반복하는 수치를 보이는 경우가 있다. 이에 따라 재가열 완료 시점의 후보 점들을 계속해서 탐색하면서 온도가 높으면 기존 재가열 완료 시점을 현재 시점으로 갱신할 수 있다. 이때 온도가 높을 때마다 무조건 갱신하게 되면 온도가 일정한 상황임에도 불구하고 노이즈로 인해 온도 값이 진동하면서 불필요하게 재 가열 완료 시점이 나중으로 밀릴 수가 있다. 따라서 후보 시점의 온도가 기존 재가열 완료 시점의 온도 보다 일정 온도 이상 크면 후보 시점으로 갱신할 수 있다. 온도가 일정해지거나 다시 문 열림 시점이 나타나면 더 이상 재가열 완료 시점을 변경하지 않고 재가열 완료 시점으로 확정할 수 있다.
가열로 모니터링 시스템은 가열로가 문 열림 상태이고, 예상 문 닫힘 시점을 찾았는지 여부를 판단할 수 있다(710). 가열로 모니터링 시스템은 t 시점의 가열로가 문 열림 상태이고, 예상 문 닫힘 시점을 찾지 못한 것으로 판단함에 따라 t+1 시점의 재가열 완료 시점을 검출하는 프로세스를 수행할 수 있다(711). 가열로 모니터링 시스템은 가열로가 문 열림 상태이고, 예상 문 닫힘 시점을 찾음에 따라 t-1~t 시점의 평균 온도 변화율(Sb
1)이 온도 변화 유무를 결정하는 임계치보다 작은지 판단할 수 있다(720). 가열로 모니터링 시스템은 t-1~t 시점의 평균 온도 변화율(Sb
1)이 온도 변화 유무를 결정하는 임계치보다 작을 경우, t-1~t 시점의 평균 온도 변화율(Sb
1)을 0으로 설정할 수 있다(721).
가열로 모니터링 시스템은 t-1~t 시점의 평균 온도 변화율(Sb
1)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t-2~t 시점의 평균 온도 변화율(Sb
2)이 상기 임계치보다 작은지 판단할 수 있다(730). 가열로 모니터링 시스템은 t-2~t 시점의 평균 온도 변화율(Sb
2)이 상기 임계치보다 작을 경우, t-2~t 시점의 평균 온도 변화율(Sb
2)을 0으로 설정할 수 있다(731).
가열로 모니터링 시스템은, t-2~t 시점의 평균 온도 변화율(Sb
2)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t-2, t-1 시점의 평균 온도 변화율(Sb
3)이 온도 변화 유무를 결정하는 임계치보다 작은지 판단할 수 있다(740). 가열로 모니터링 시스템은 t-2, t-1 시점의 평균 온도 변화율(Sb
3)이 상기 임계치보다 작을 경우, t-2, t-1 시점의 평균 온도 변화율(Sb
3)을 0으로 설정할 수 있다(741).
가열로 모니터링 시스템은 t-2, t-1 시점의 평균 온도 변화율(Sb
3)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t~t+1 시점의 평균 온도 변화율(Sa
1)이 온도 변화 유무를 결정하는 임계치보다 작은지 판단할 수 있다(750). 가열로 모니터링 시스템은 t~t+1 시점의 평균 온도 변화율(Sa
1)이 상기 임계치보다 작을 경우, t~t+1 시점의 평균 온도 변화율(Sa
1)을 0으로 설정할 수 있다(751).
가열로 모니터링 시스템은 t~t+1 시점의 평균 온도 변화율(Sa
1)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t~t+2 시점의 평균 온도 변화율(Sa
2)이 온도 변화 유무를 결정하는 임계치보다 작은지 판단할 수 있다(760). 가열로 모니터링 시스템은 t+2 시점의 평균 온도 변화율(Sa
2)이 상기 임계치보다 작을 경우, t~t+2 시점의 평균 온도 변화율(Sa
2)을 0으로 설정할 수 있다(761).
가열로 모니터링 시스템은 t+2 시점의 평균 온도 변화율(Sa
2)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t+1, t+2 시점의 평균 온도 변화율(Sa
3)이 온도 변화 유무를 결정하는 임계치보다 작은지 판단할 수 있다(770). 가열로 모니터링 시스템은 t+1, t+2 시점의 평균 온도 변화율(Sa
3)이 상기 임계치보다 작을 경우, t+1, t+2 시점의 평균 온도 변화율(Sa
3)을 0으로 설정할 수 있다(771).
가열로 모니터링 시스템은 t+1, t+2 시점의 평균 온도 변화율(Sa
3)이 온도 변화 유무를 결정하는 임계치보다 작지 않을 경우, t-1~t 시점의 평균 온도 변화율(Sb
1)과 t-2~t 시점의 평균 온도 변화율(Sb
2)의 평균이 0 보다 크고, t~t+1 시점의 평균 온도 변화율(Sa
1)과 t~t+2 시점의 평균 온도 변화율(Sa
2)의 평균이 0이하인지 판단할 수 있다(780). 가열로 모니터링 시스템은 t-1~t 시점의 평균 온도 변화율(Sb
1)과 t-2~t 시점의 평균 온도 변화율(Sb
2)의 평균이 0 보다 크고, t~t+1 시점의 평균 온도 변화율(Sa
1)과 t~t+2 시점의 평균 온도 변화율(Sa
2)의 평균이 0이하일 경우, t 시점의 가열로 내부 온도가 예상 재가열 완료 시점의 가열로 내부 온도와 예상 재가열 완료 시점 갱신 여부를 판단할 온도 차이 임계치를 가산한 값보다 큰지 여부를 판단할 수 있다(790).
가열로 모니터링 시스템은 단계(780)의 t-1~t 시점의 평균 온도 변화율(Sb
1)과 t-2~t 시점의 평균 온도 변화율(Sb
2)의 평균이 0 보다 크고, t~t+1 시점의 평균 온도 변화율(Sa
1)과 t~t+2 시점의 평균 온도 변화율(Sa
2)의 평균이 0이하 조건을 만족하지 못할 경우, t-1~t 시점의 평균 온도 변화율(Sb
1), t-2~t 시점의 평균 온도 변화율(Sb
2), t-2, t-1 시점의 평균 온도 변화율(Sb
3)의 평균이 0 보다 크고, t~t+1 시점의 평균 온도 변화율(Sa
1), t~t+2 시점의 평균 온도 변화율(Sa
2), t+1, t+2 시점의 평균 온도 변화율(Sa
3)의 평균이 0이하인지 판단할 수 있다(781). 가열로 모니터링 시스템은 -1~t 시점의 평균 온도 변화율(Sb
1), t-2~t 시점의 평균 온도 변화율(Sb
2), t-2, t-1 시점의 평균 온도 변화율(Sb
3)의 평균이 0 보다 크고, t~t+1 시점의 평균 온도 변화율(Sa
1), t~t+2 시점의 평균 온도 변화율(Sa
2), t+1, t+2 시점의 평균 온도 변화율(Sa
3)의 평균이 0이하일 경우, t 시점의 가열로 내부 온도가 예상 재가열 완료 시점의 가열로 내부 온도와 예상 재가열 완료 시점 갱신 여부를 판단할 온도 차이 임계치를 가산한 값보다 큰지 여부를 판단할 수 있다(790).
가열로 모니터링 시스템은 t 시점의 가열로 내부 온도가 예상 재가열 완료 시점의 가열로 내부 온도와 예상 재가열 완료 시점 갱신 여부를 판단할 온도 차이 임계치를 가산한 값보다 크다면, t시점을 예상 재가열 완료 시점으로 설정할 수 있다(793). 가열로 모니터링 시스템은 t 시점의 가열로 내부 온도가 예상 재가열 완료 시점의 가열로 내부 온도와 예상 재가열 완료 시점 갱신 여부를 판단할 온도 차이 임계치를 가산한 값보다 크지 않다면, 예상 재가열 완료 시점이 존재하는지 여부를 판단할 수 있다(791). 가열로 모니터링 시스템은 예상 재가열 완료 시점이 존재하지 않을 경우, t+1시점의 재가열 완료 시점을 검출하기 위한 프로세스를 수행할 수 있다.
가열로 모니터링 시스템은 t-RHw 시점의 가열로 내부 온도와 t-1시점의 내부 온도의 평균과 t+1시점의 가열로 내부 온도와 t+RHw시점의 내부 온도의 평균을 계산할 수 있다(792). 가열로 모니터링 시스템은 t+1시점의 가열로 내부 온도와 t+RHw시점의 내부 온도의 평균을 계산한 제2 평균값(A
after)과 t-RHw 시점의 가열로 내부 온도와 t-1시점의 내부 온도의 평균을 계산한 제1 평균값(A
before)을 감산한 결과가 t 시점 전후 온도 평균 차이 임계치보다 작은지 판단할 수 있다(794). 이때, 제1 평균값이 제2 평균값보다 클 경우를 대비하여, 제2 평균값과 제1 평균값의 차이를 계산한 값을 절대값할 수 있다.
가열로 모니터링 시스템은 t+1시점의 가열로 내부 온도와 t+RHw시점의 내부 온도의 평균을 계산한 제2 평균값(A
after)과 t-RHw 시점의 가열로 내부 온도와 t-1시점의 내부 온도의 평균을 계산한 제1 평균값(A
before)을 감산한 결과가 t 시점 전후 온도 평균 차이 임계치보다 작을 경우, 예상 재가열 완료 시점을 문 닫힘 시점으로 검출할 수 있다(795). 가열로 모니터링 시스템은 t+1시점의 가열로 내부 온도와 t+RHw시점의 내부 온도의 평균을 계산한 제2 평균값(A
after)과 t-RHw 시점의 가열로 내부 온도와 t-1시점의 내부 온도의 평균을 계산한 제1 평균값(A
before)을 감산한 결과가 t 시점 전후 온도 평균 차이 임계치보다 작지 않을 경우, t+1시점의 재가열 완료 시점을 검출하기 위한 프로세스를 수행할 수 있다.
또한, 가동 종료 시점은 가열로에 장입했던 원소재를 순서대로 꺼내어 처리하고 마지막 소재를 꺼내기 위해 문을 여는 시점을 의미한다. 소재의 이동 상황을 모니터링 할 수 있다면 가열로에서 마지막 소재가 프레스기로 이동했을 때 문이 열린 시점을 가동 종료 시점으로 볼 수 있다. 그러나 가열로에 남아있던 마지막 소재를 꺼냈다고 하더라도 동 가열로에 소재를 재장입할 수도 있기 때문에 소재의 유무로 판단할 수 없다. 또한 곧바로 새로운 소재를 장입하여 가열을 시작할 수 있기 때문에 온도를 이용하여 문 열림 시점과 가동 종료 시점을 구분하는 것은 무리가 있다. 이에 따라 가동 종료 시점은 작업자의 입력을 받고, 입력 받은 시점을 토대로 가장 근처의 문 열림 시점을 가동 종료 시점으로 설정할 수 있다.
가열로 가동 상태 변경 시점을 검출하기 위해 필요한 파라미터들은 찾아야 하는 시점을 알고 있는 예제 데이터가 있다면 Genetic Algorithm을 이용하여 최적의 파라미터를 결정할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 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.
Claims (15)
- 가열로 모니터링 시스템에 있어서,IoT 인프라스트럭쳐(Infrastructure)에 기초하여 수집된 가열로 정보와 원소재들을 가열로에 장입 또는 꺼내는 작업 순서 정보에 기초하여 가열로 가동 상태를 판단하는 가열로 가동 상태 판단 모듈;상기 판단된 가열로 가동 상태를 통하여 가동 상태를 구분함에 따라 획득된 가열로 별 에너지 사용량 데이터를 이용하여 에너지 원단위 비용을 계산하는 에너지 원단위 비용 계산 모듈;상기 수집된 가열로 정보에 포함된 가열로 별 내부 온도 데이터와 상기 획득된 가열로 별 에너지 사용량 데이터를 이용하여 설비 이상을 감지하는 설비 이상 감지 모듈; 및상기 판단된 가열로 가동 상태와 원소재들의 이동 흐름에 대한 공정 실적 데이터를 생성하는 가열로 실적 생성 모듈을 포함하는 가열로 모니터링 시스템.
- 제1항에 있어서상기 생성된 공정 실적 데이터를 기반으로 설비 이상 감지를 위해 구성된 가열 소요 시간 예측 모형과 가열로 별 에너지 사용량 예측 모형을 학습함에 따라 공정 실적 데이터가 누적됨에 따라 주기적으로 각각의 예측 모형을 갱신하는 가열 공정 비용 예측 모형 관리 모듈을 더 포함하는 가열로 모니터링 시스템.
- 제1항에 있어서,상기 가열로 가동 상태 판단 모듈은,상기 가열로 별 내부 온도 데이터 및 가열로 별 에너지 사용량 데이터를 이용하여 가열로의 가열 시작 시점, 가열 완료 시점, 문 열림 시점, 문 닫힘 시점, 재가열 완료 시점 또는 가동 종료 시점을 포함하는 상태 변경 시점을 판단하고, 상기 판단된 상태 변경 시점에 기초하여 (1)점화를 시작해서 원소재를 목표 온도까지 가열하는 가열 구간, (2)목표 온도로 가열을 완료한 후 후속 공정을 위해 온도를 유지하며 대기하는 구간, (3)원소재를 꺼내기 위해 가열로 문을 열고 있는 구간, (4)가열로 문을 닫은 후 다시 목표 온도로 재가열하는 구간 또는 (5)가열로 가동 종료 구간으로 구분하는것을 특징으로 하는 가열로 모니터링 시스템.
- 제1항에 있어서,상기 에너지 원단위 비용 계산 모듈은,상기 가열로 가동 상태가 판단됨에 따라 각 가열로 가동 상태마다 가열로에 장입되어 있는 원소재 정보를 확인하고, 가열로 별 에너지 사용량 데이터를 이용하여 각 가열로 상태마다 에너지 사용량을 획득하고, 각 가열로 가동 상태에 장입되어 있는 원소재 정보에 대하여 단위 중량 당 에너지 사용량을 계산하여 에너지 원단위 비용을 산출하는것을 특징으로 하는 가열로 모니터링 시스템.
- 제1항에 있어서,상기 설비 이상 감지 모듈은,가열 공정 비용 예측 모형을 이용한 공정 소요 시간과 에너지 비용 예측치와 상기 가열로를 모니터링한 수치를 비교한 비교값이 기 설정된 기준 이상일 경우, 경보를 발생시키는것을 특징으로 하는 가열로 모니터링 시스템.
- 제1항에 있어서,상기 가열로 가동 상태 판단 모듈은,상기 IoT 인프라스트럭쳐(Infrastructure)에 기초하여 가열로 별 내부 온도, 가열로 별 에너지 사용량 및 가열로에 장입 할 원소재 구성과 원소재를 가열로에서 꺼내거나 장입하는 작업 순서를 수집하는것을 특징으로 하는 가열로 모니터링 시스템.
- 가열로 모니터링 시스템에 의해 수행되는 가열로 모니터링 방법에 있어서,IoT 인프라스트럭쳐(Infrastructure)에 기초하여 수집된 가열로 정보와 원소재들을 가열로에 장입 또는 꺼내는 작업 순서 정보에 기초하여 가열로 가동 상태를 판단하는 단계; 및상기 판단된 가열로 가동 상태를 통하여 구분된 가동 상태에 따라 가열로를 모니터링하는 단계를 포함하는 가열로 모니터링 방법.
- 제7항에 있어서,상기 모니터링하는 단계는,상기 판단된 가열로 가동 상태를 통하여 가동 상태를 구분함에 따라 획득된 가열로 별 에너지 사용량 데이터를 이용하여 에너지 원단위 비용을 계산하는 단계를 포함하는 가열로 모니터링 방법.
- 제8항에 있어서,상기 모니터링하는 단계는,상기 수집된 가열로 정보에 포함된 가열로 별 내부 온도 데이터와 상기 획득된 가열로 별 에너지 사용량 데이터를 이용하여 설비 이상을 감지하는 단계를 포함하는 가열로 모니터링 방법.
- 제7항에 있어서,상기 모니터링하는 단계는,상기 판단된 가열로 가동 상태와 원소재들의 이동 흐름에 대한 공정 실적 데이터를 생성하는 단계를 포함하는 가열로 모니터링 방법.
- 제10항에 있어서상기 모니터링하는 단계는,상기 생성된 공정 실적 데이터를 기반으로 설비 이상 감지를 위해 구성된 가열 소요 시간 예측 모형과 가열로 별 에너지 사용량 예측 모형을 학습함에 따라 공정 실적 데이터가 누적됨에 따라 주기적으로 각각의 예측 모형을 갱신하는 단계를 포함하는 가열로 모니터링 방법.
- 제7항에 있어서,상기 가열로 가동 상태를 판단하는 단계는,상기 가열로 별 내부 온도 데이터 및 가열로 별 에너지 사용량 데이터를 이용하여 가열로의 가열 시작 시점, 가열 완료 시점, 문 열림 시점, 문 닫힘 시점, 재가열 완료 시점 또는 가동 종료 시점을 포함하는 상태 변경 시점을 판단하고, 상기 판단된 상태 변경 시점에 기초하여 (1)점화를 시작해서 원소재를 목표 온도까지 가열하는 가열 구간, (2)목표 온도로 가열을 완료한 후 후속 공정을 위해 온도를 유지하며 대기하는 구간, (3)원소재를 꺼내기 위해 가열로 문을 열고 있는 구간, (4)가열로 문을 닫은 후 다시 목표 온도로 재가열하는 구간 또는 (5)가열로 가동 종료 구간으로 구분하는 단계를 포함하는 가열로 모니터링 방법.
- 제8항에 있어서,상기 모니터링하는 단계는,상기 가열로 가동 상태가 판단됨에 따라 각 가열로 가동 상태마다 가열로에 장입되어 있는 원소재 정보를 확인하고, 가열로 별 에너지 사용량 데이터를 이용하여 각 가열로 상태마다 에너지 사용량을 획득하고, 각 가열로 가동 상태에 장입되어 있는 원소재 정보에 대하여 단위 중량 당 에너지 사용량을 계산하여 에너지 원단위 비용을 산출하는 단계를 포함하는 가열로 모니터링 방법.
- 제9항에 있어서,상기 모니터링하는 단계는,가열 공정 비용 예측 모형을 이용한 공정 소요 시간과 에너지 비용 예측치와 상기 가열로를 모니터링한 수치를 비교한 비교값이 기 설정된 기준 이상일 경우, 경보를 발생시키는 단계를 포함하는 가열로 모니터링 방법.
- 제7항에 있어서,상기 가열로 가동 상태를 판단하는 단계는,상기 IoT 인프라스트럭쳐(Infrastructure)에 기초하여 가열로 별 내부 온도, 가열로 별 에너지 사용량 및 가열로에 장입 할 원소재 구성과 원소재를 가열로에서 꺼내거나 장입하는 작업 순서를 수집하는 단계를 포함하는 가열로 모니터링 방법.
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20180143509 | 2018-11-20 | ||
| KR10-2018-0143509 | 2018-11-20 | ||
| KR10-2019-0140905 | 2019-11-06 | ||
| KR1020190140905A KR102366357B1 (ko) | 2018-11-20 | 2019-11-06 | 가열로 모니터링 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2020106018A1 true WO2020106018A1 (ko) | 2020-05-28 |
Family
ID=70773645
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/KR2019/015849 WO2020106018A1 (ko) | 2018-11-20 | 2019-11-19 | 가열로 모니터링 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| WO (1) | WO2020106018A1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115171827A (zh) * | 2022-09-05 | 2022-10-11 | 雪峰创新(北京)科技有限公司 | 智能化材料制作的数据处理方法及a级防火阻燃材料 |
| CN115563819A (zh) * | 2022-12-06 | 2023-01-03 | 北京博数智源人工智能科技有限公司 | 一种基于温度变化的火电站炉管损耗评估方法及系统 |
| CN117556332A (zh) * | 2024-01-11 | 2024-02-13 | 北京佰能蓝天科技股份有限公司 | 基于物联网的加热炉余热利用管理方法、系统及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012027834A (ja) * | 2010-07-27 | 2012-02-09 | Hitachi Ltd | 生産プラント監視装置及びシステム、圧延プラント監視装置及びシステム、生産プラント遠隔監視方法、並びに圧延プラント遠隔監視方法 |
| KR20140121848A (ko) * | 2012-01-25 | 2014-10-16 | 에스엠에스 지마크 악티엔게젤샤프트 | 금속 스트립의 제조 방법 및 그 플랜트 |
| KR101657415B1 (ko) * | 2015-05-26 | 2016-09-13 | 현대제철 주식회사 | 가열로 열효율 감시 장치 및 방법 |
| KR20180026301A (ko) * | 2016-09-02 | 2018-03-12 | 주식회사 포스코아이씨티 | 스마트 팩토리를 위한 빅데이터 분석 시스템 |
| KR20180075798A (ko) * | 2016-12-27 | 2018-07-05 | 부산대학교 산학협력단 | 단조 공장 작업 계획 최적화 시스템 및 방법 |
-
2019
- 2019-11-19 WO PCT/KR2019/015849 patent/WO2020106018A1/ko active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012027834A (ja) * | 2010-07-27 | 2012-02-09 | Hitachi Ltd | 生産プラント監視装置及びシステム、圧延プラント監視装置及びシステム、生産プラント遠隔監視方法、並びに圧延プラント遠隔監視方法 |
| KR20140121848A (ko) * | 2012-01-25 | 2014-10-16 | 에스엠에스 지마크 악티엔게젤샤프트 | 금속 스트립의 제조 방법 및 그 플랜트 |
| KR101657415B1 (ko) * | 2015-05-26 | 2016-09-13 | 현대제철 주식회사 | 가열로 열효율 감시 장치 및 방법 |
| KR20180026301A (ko) * | 2016-09-02 | 2018-03-12 | 주식회사 포스코아이씨티 | 스마트 팩토리를 위한 빅데이터 분석 시스템 |
| KR20180075798A (ko) * | 2016-12-27 | 2018-07-05 | 부산대학교 산학협력단 | 단조 공장 작업 계획 최적화 시스템 및 방법 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115171827A (zh) * | 2022-09-05 | 2022-10-11 | 雪峰创新(北京)科技有限公司 | 智能化材料制作的数据处理方法及a级防火阻燃材料 |
| CN115563819A (zh) * | 2022-12-06 | 2023-01-03 | 北京博数智源人工智能科技有限公司 | 一种基于温度变化的火电站炉管损耗评估方法及系统 |
| CN117556332A (zh) * | 2024-01-11 | 2024-02-13 | 北京佰能蓝天科技股份有限公司 | 基于物联网的加热炉余热利用管理方法、系统及存储介质 |
| CN117556332B (zh) * | 2024-01-11 | 2024-03-15 | 北京佰能蓝天科技股份有限公司 | 基于物联网的加热炉余热利用管理方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020106018A1 (ko) | 가열로 모니터링 시스템 및 방법 | |
| WO2020256418A2 (ko) | 디지털 트윈을 이용하여 가상센서를 구현하는 컴퓨팅 시스템 및 이를 이용한 실시간 데이터 수집 방법 | |
| WO2022103185A1 (ko) | 전지의 용량 측정 장치 및 방법, 및 상기 장치를 포함하는 전지 제어 시스템 | |
| US20120136629A1 (en) | Apparatus abnormality monitoring method and system | |
| WO2014046355A1 (ko) | 풍력터빈의 파워커브 모니터링을 위한 파워커브 리미트 자동 산출 방법 | |
| WO2018221948A1 (ko) | 빅데이터 분석을 통한 공정 관리 방법 | |
| CN112417791B (zh) | 基于线性回归与ahp算法的电力设备监视预警方法及系统 | |
| WO2023033544A1 (ko) | 빅데이터 기반의 중앙 관제 충전 시스템, 방법 및 장치 | |
| WO2020246662A1 (ko) | 산업 플랜트 설비의 신호 그룹 기반 학습 모델을 이용한 운전 예측 시스템, 방법 및 컴퓨터 프로그램 | |
| Fang et al. | Fault diagnosis for cell voltage inconsistency of a battery pack in electric vehicles based on real-world driving data | |
| WO2019017555A1 (ko) | 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템 및 방법 | |
| WO2019117493A1 (ko) | 고로의 송풍 제어 장치 및 그 방법 | |
| WO2018038279A1 (ko) | 에너지 절감 방법 및 이를 적용한 fems | |
| WO2020027385A1 (ko) | 고로의 잔여 출선량 예측 시스템 및 그 방법 | |
| WO2023106504A1 (ko) | 서버 시스템 로그를 이용한 머신러닝 기반의 관측레벨 측정 및 이에 따른 위험도 산출 방법, 장치 및 컴퓨터-판독 가능 기록 매체 | |
| KR20200059146A (ko) | 가열로 모니터링 시스템 및 방법 | |
| CN116704729A (zh) | 一种基于大数据分析的工业窑炉预警系统及方法 | |
| WO2022239952A1 (ko) | 그래픽 객체를 표시하는 방법 및 장치 | |
| WO2018016776A1 (ko) | 건물 에너지 관리 시스템을 통한 냉동기의 최적 제어 방법 및 장치 | |
| Egorova et al. | Diagnostics of sintering processes on the basis of PCA and two‐level neural network model | |
| Cui et al. | The prediction of remaining useful life of aluminum reduction cells based on improved hidden semi-Markov model | |
| KR102119448B1 (ko) | 오븐 제어 시스템 및 그 방법 | |
| WO2022265458A1 (ko) | 이차전지 저전압 불량 예측 장치 및 방법, 상기 장치를 포함하는 전지 제어 시스템 | |
| WO2024034967A1 (ko) | 화학공정의 수율 예측 시뮬레이션 시스템 및 방법 | |
| WO2022231282A1 (ko) | 상업 화학 공정에서의 공정 핵심 인자 선별을 위한 시스템 및 방법 |
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: 19887727 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: 19887727 Country of ref document: EP Kind code of ref document: A1 |