WO2022114654A1 - 공정 모니터링 시스템 및 방법 - Google Patents

공정 모니터링 시스템 및 방법 Download PDF

Info

Publication number
WO2022114654A1
WO2022114654A1 PCT/KR2021/016843 KR2021016843W WO2022114654A1 WO 2022114654 A1 WO2022114654 A1 WO 2022114654A1 KR 2021016843 W KR2021016843 W KR 2021016843W WO 2022114654 A1 WO2022114654 A1 WO 2022114654A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
monitoring target
monitoring
processes
abnormal
Prior art date
Application number
PCT/KR2021/016843
Other languages
English (en)
French (fr)
Inventor
임대근
김민상
류홍규
Original Assignee
(주)심플랫폼
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 (주)심플랫폼 filed Critical (주)심플랫폼
Publication of WO2022114654A1 publication Critical patent/WO2022114654A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold

Definitions

  • the present invention relates to a process monitoring system and method, and by selecting a major process or equipment that needs monitoring in a complex process and monitoring it based on artificial intelligence, it relates to a system and method for determining whether the entire process is abnormal, etc. will be.
  • Korean Patent Registration No. 10-0570528, "Process Equipment Monitoring System and Model Creation Method” proposes a system that can determine the abnormal state of process equipment using artificial intelligence as described above. In order to manage the process using .
  • An object of the present invention is to enable accurate monitoring of the entire process by building a minimum monitoring system.
  • An object of the present invention is to enable monitoring of the entire process without collecting data by attaching a sensor or the like to all equipment in the process.
  • An object of the present invention is to be able to identify a process or equipment that needs to be monitored within the process.
  • An object of the present invention is to provide information on peripheral equipment that may have an effect on occurrence of an abnormality in a monitoring target equipment, so that it is possible to respond to an abnormality occurrence without monitoring all of the peripheral equipment.
  • a process monitoring system selects a process to be monitored among the plurality of processes based on a process characteristic input unit for receiving characteristic information of each of a plurality of processes, and the received process characteristics
  • a monitoring target selection unit that collects process data of the selected monitoring target process, and a process data collection unit that analyzes the collected process data to check whether an abnormality occurs in the monitoring target process and abnormal occurrence prediction information, and It may be configured to include a process analysis unit for outputting state information about the process.
  • the characteristic information input from the process characteristic input unit includes information on the production amount for each of the plurality of processes and the degree of process automation
  • the monitoring target selection unit has the production amount for each process equal to or greater than a predetermined reference value
  • the degree of automation is semi-automatic.
  • the above process may be selected as the process to be monitored.
  • the characteristic information input from the process characteristic input unit includes information on the production ratio and total facility efficiency for each of the plurality of processes
  • the monitoring target selection unit indicates that the production weight for each process is greater than or equal to a predetermined standard value, and the total facility A process whose efficiency is less than or equal to a predetermined reference value may be selected as the process to be monitored.
  • the monitoring target selection unit receives an evaluation item score for each detailed process or equipment of the selected monitoring target process, selects a monitoring target detailed process or equipment based on the evaluation item score, and the process data collection unit Data of the selected detailed process or equipment to be monitored may be collected.
  • the evaluation item score may be a score obtained by normalizing the number of post-hoc maintenance cases, the average post-hoc maintenance interval, the average post-retention time required, process importance, and quality influence, respectively.
  • the characteristic information input from the process characteristic input unit includes inter-process influence information quantifying the influence between each process, and the process analysis unit detects an abnormal occurrence or abnormal prediction of the process to be monitored, so that the abnormal process is detected.
  • information about a process in which the information on the inter-process influence with the identified abnormal process is equal to or greater than a predetermined reference value may be output together with the information about the abnormal process.
  • the present invention makes it possible to accurately monitor the entire process by building a minimum monitoring system.
  • the present invention enables monitoring of the entire process without collecting data by attaching sensors, etc. to all equipment in the process.
  • the present invention makes it possible to identify processes or equipment that require monitoring within the process.
  • the present invention provides information on peripheral equipment that may affect the occurrence of an abnormality in the monitoring target equipment, so that it is possible to respond to the occurrence of an abnormality without monitoring all of the peripheral equipment.
  • FIG. 1 is a diagram illustrating an outline of a process monitoring system according to an embodiment of the present invention.
  • FIG. 2 is a configuration diagram illustrating an internal configuration of a process monitoring system according to an embodiment of the present invention.
  • FIG. 3 is a diagram illustrating an example of selecting a process to be monitored in the process monitoring system according to an embodiment of the present invention.
  • FIG. 4 is a diagram illustrating another example of selecting a process to be monitored in the process monitoring system according to an embodiment of the present invention.
  • FIG. 5 is a diagram illustrating an example of selecting a detailed process or equipment to be monitored in the process monitoring system according to an embodiment of the present invention.
  • FIG. 6 is a flowchart illustrating a flow of a process monitoring method according to an embodiment of the present invention.
  • a process monitoring system selects a process to be monitored among the plurality of processes based on a process characteristic input unit for receiving characteristic information of each of a plurality of processes, and the received process characteristics
  • a monitoring target selection unit that collects process data of the selected monitoring target process, and a process data collection unit that analyzes the collected process data to check whether an abnormality occurs in the monitoring target process and abnormal occurrence prediction information, and It may be configured to include a process analysis unit for outputting state information about the process.
  • the characteristic information input from the process characteristic input unit includes information on the production amount for each of the plurality of processes and the degree of process automation
  • the monitoring target selection unit has the production amount for each process equal to or greater than a predetermined reference value
  • the degree of automation is semi-automatic.
  • the above process may be selected as the process to be monitored.
  • the characteristic information input from the process characteristic input unit includes information on the production ratio and total facility efficiency for each of the plurality of processes
  • the monitoring target selection unit indicates that the production weight for each process is greater than or equal to a predetermined standard value, and the total facility A process whose efficiency is less than or equal to a predetermined reference value may be selected as the process to be monitored.
  • the monitoring target selection unit receives an evaluation item score for each detailed process or equipment of the selected monitoring target process, selects a monitoring target detailed process or equipment based on the evaluation item score, and the process data collection unit Data of the selected detailed process or equipment to be monitored may be collected.
  • the evaluation item score may be a score obtained by normalizing the number of post-hoc maintenance cases, the average post-hoc maintenance interval, the average post-retention time required, process importance, and quality influence, respectively.
  • the characteristic information input from the process characteristic input unit includes inter-process influence information quantifying the influence between each process, and the process analysis unit detects an abnormal occurrence or abnormal prediction of the process to be monitored, so that the abnormal process is detected.
  • information about a process in which the information on the inter-process influence with the identified abnormal process is equal to or greater than a predetermined reference value may be output together with the information about the abnormal process.
  • the process monitoring system according to the present invention may be configured in the form of a server having a central processing unit (CPU) and a memory (Memory) and connectable to other terminals through a communication network such as the Internet.
  • CPU central processing unit
  • Memory memory
  • the present invention is not limited by the configuration of the central processing unit and the memory.
  • the process monitoring system according to the present invention may be physically configured as one device, or may be implemented in a distributed form among a plurality of devices.
  • FIG. 1 is a diagram illustrating an outline of a process monitoring system according to an embodiment of the present invention.
  • the main process or main equipment is derived as a pin point, and the abnormal occurrence of the entire process can be monitored through intensive monitoring.
  • process 2 is the main monitoring target among processes 1 to 4
  • equipment 3 is selected as the main monitoring target among devices 1 to 4
  • data is collected by attaching sensors and networks to processes 2 and 3 and
  • FIG. 2 is a configuration diagram illustrating an internal configuration of a process monitoring system according to an embodiment of the present invention.
  • the process monitoring system 201 includes a process characteristic input unit 210 , a monitoring target selection unit 220 , a process data collection unit 230 , and a process analysis unit 240 .
  • Each component may be a software module operating in the same computer system physically, and may be configured so that two or more physically separated computer systems can operate in conjunction with each other. Embodiments fall within the scope of the present invention.
  • the process characteristic input unit 210 receives characteristic information of each of a plurality of processes.
  • the input process characteristic information may include information on production output for each process, degree of process automation, production weight for each process, and overall facility efficiency.
  • a process line for producing one product may include a plurality of processes, and each process may include detailed processes and equipment for processing the processes.
  • the process characteristic input unit 210 may primarily select a process to be monitored by receiving characteristic information for a plurality of processes constituting the production line as described above.
  • the inputted process-specific characteristic information may be received from a process managing system or input from a process manager.
  • the characteristic information input from the process characteristic input unit 210 may include inter-process influence information that quantifies the influence between the respective processes.
  • inter-process influence information that quantifies the influence between the respective processes.
  • the monitoring target selection unit 220 selects a monitoring target process among the plurality of processes based on the input process characteristics. As described above, in the present invention, by selecting a process to be monitored from among the entire process, it is possible to maximize the monitoring effect while minimizing the effort required for monitoring. It is very important to appropriately select the process to be monitored in consideration of the case that may have a significant effect on the
  • the monitoring target selection unit 220 uses the process characteristics to select the monitoring target in this way, and various embodiments can be implemented according to the type of the process. As an example, when the characteristic information includes information about the production amount for each process and the degree of process automation, the monitoring target selection unit 220 selects a process in which the production amount for each process is greater than or equal to a predetermined reference value and the degree of automation is greater than or equal to semi-automation. It can be selected as a process to be monitored.
  • the monitoring target selection unit 220 when the characteristic information includes information on a plurality of process-specific production weights and Overall Equipment Effectiveness (OEE) information, the production weight for each process is greater than or equal to a predetermined standard value. , a process in which the overall facility efficiency is less than or equal to a predetermined reference value may be selected as a process to be monitored.
  • OEE Overall Equipment Effectiveness
  • a process with a high proportion of production and production is a process with high importance in the overall process, so monitoring is required. Thus, it is possible to respond to an abnormal situation.
  • the overall facility efficiency is calculated by multiplying the time operation rate, the performance operation rate, and the yield rate. In the case of a process showing low efficiency, it is necessary to select a monitoring target because it takes a lot of load and increases the possibility of abnormal conditions appearing.
  • the monitoring target selection unit 220 may receive an evaluation item score regarding a detailed process or equipment of the selected monitoring target process, and select a monitoring target detailed process or equipment based on the evaluation item score.
  • one process includes a plurality of detailed processes, and may include equipment for performing each process. Even if a process to be monitored is selected from among the entire process, monitoring all detailed processes and equipment in the process still consumes a lot of effort and cost.
  • the monitoring target selection unit 220 evaluates the detailed process or equipment belonging to the monitoring target process, selects the monitoring target detailed process and equipment in the corresponding process based on this, and monitors the corresponding process , and furthermore, it is possible to carry out monitoring of the entire process.
  • the evaluation score input for the detailed process and equipment from the monitoring target selection unit 220 may be a score obtained by normalizing the number of post-maintenance cases, the average post-retention interval, the average post-retention time, process importance and quality impact.
  • Post-maintenance refers to a maintenance method that repairs after failure or harmful performance degradation. Since the possibility is high, it is necessary to select it as a monitoring target. In addition, when the importance of the relevant detailed process or equipment in the entire process is high and has a high influence on quality, it is necessary to select and monitor the monitoring target.
  • Such a score can be input from the process management system or process manager, and the detailed process or equipment to be monitored can be selected in the order of the highest total score by adding up the scores of each item by converting it into a normalized score. For example, each of the above five items is normalized to a full scale of 20 points, summed to calculate a total score out of 100 points, and then detailed processes or equipment to be monitored can be selected in the order of the highest total score. .
  • the process data collection unit 230 collects process data of the selected process to be monitored. Since the monitoring target process must be able to check or predict whether an abnormality occurs through continuous sensor data collection, various information about the selected process can be collected. Process data may include various information generated in the process, and when monitoring is carried out in a detailed process or equipment unit, process information derived from a detailed process or equipment may be collected.
  • the process analysis unit 240 analyzes the collected process data to check abnormal occurrence and abnormal occurrence prediction information of the process to be monitored, and outputs status information regarding the entire process.
  • an artificial intelligence model that can distinguish between a normal state and an abnormal state by learning the data collected from the process data collection unit 230 or data collected from other similar processes is established, and the corresponding By inputting the process information collected in real time to the model, it is possible to check whether the current state of the process is normal or abnormal.
  • the process analysis unit 240 When an abnormal process is confirmed by detecting an abnormal occurrence or abnormal prediction of the process to be monitored, the process analysis unit 240 provides information about a process in which the information on the influence between the identified abnormal process and the process is equal to or greater than a predetermined reference value, the abnormal process It can be printed with information about Through this, even if the process to be monitored is limited to a small number of processes, it is possible to check other processes that may be affected by the occurrence of an abnormality in the process, thereby maximizing the efficiency of process monitoring.
  • the process analysis unit 240 identifies an abnormal process in which abnormal occurrence or abnormal prediction is detected, information indicating the influence between the processes may be included in order to identify other processes affected by this, which will be included in the characteristic information for each process. And, based on the operation data of the past process, it is possible to quantify the effect of an abnormal state of a specific process on each other process. In addition, by analyzing the effect on detailed processes or equipment in the same process on other detailed processes or equipment, the actual monitoring target process, detailed process or equipment is only a small number, but through the analysis results, it can be applied to various processes or equipment. It is possible to check for
  • the process analysis unit 240 outputs status information about the entire process based on the analyzed result.
  • the status information may be output through a display, and the factory manager can quickly check in real time, such as a voice message or a text message from a mobile phone.
  • Information can be provided in a variety of formats to enable
  • FIG. 3 is a diagram illustrating an example of selecting a process to be monitored in the process monitoring system according to an embodiment of the present invention.
  • the process monitoring system may select a process to be monitored by receiving characteristic information for a plurality of processes.
  • the characteristic information includes information on the weight ratio of production and the degree of automation, and the importance of the production weight ratio is high, so the importance is evaluated in the process. can be selected as the process to be monitored.
  • FIG. 4 is a diagram illustrating another example of selecting a process to be monitored in the process monitoring system according to an embodiment of the present invention.
  • the embodiment shown in the drawing is a case in which the production weight and total facility efficiency information are input as process-specific characteristic information.
  • FIG. 5 is a diagram illustrating an example of selecting a detailed process or equipment to be monitored in the process monitoring system according to an embodiment of the present invention.
  • An example of the drawing shows a process of selecting a detailed process or equipment therein as a monitoring target after screening the process to be monitored as described above in FIG. 3 .
  • the number of ex post maintenance cases, average post maintenance interval, average post maintenance time, process importance, and quality impact are indexed, and based on this, the order of highest total score to select 4 detailed processes to be monitored.
  • the molding process, the melting process, the mold dismantling process and the sand removal process, and the heat treatment process are selected as detailed processes to be monitored, and the entire process can be efficiently monitored through monitoring of the processes.
  • FIG. 6 is a flowchart illustrating a flow of a process monitoring method according to an embodiment of the present invention.
  • the process monitoring method according to the present invention is a method of monitoring a process in the process monitoring system 201 having a central processing unit and a memory, and may be driven in such a computing system.
  • the process monitoring method includes all the characteristic components described with respect to the above-described process monitoring system, and contents not described in the following description can be implemented with reference to the description of the above-described process monitoring system.
  • characteristic information of each of a plurality of processes is received.
  • the input process characteristic information may include information on production output for each process, degree of process automation, production weight for each process, and overall facility efficiency.
  • a process line for producing one product may include a plurality of processes, and each process may include detailed processes and equipment for processing the processes.
  • a process to be monitored can be primarily selected by receiving characteristic information for a plurality of processes constituting the production line as described above.
  • the inputted process-specific characteristic information may be received from a process managing system or input from a process manager.
  • the characteristic information input in the process characteristic input step ( S601 ) may include inter-process influence information that quantifies the influence between each process.
  • this abnormal state By quantifying the degree of influence by You can respond effectively to the situation.
  • the monitoring target selection step S602 selects a monitoring target process among the plurality of processes based on the input process characteristics. As described above, in the present invention, by selecting a process to be monitored from among the entire process, it is possible to maximize the monitoring effect while minimizing the effort required for monitoring. It is very important to appropriately select the process to be monitored in consideration of the case that may have a significant effect on the
  • the monitoring target selection step (S602) process characteristics are used to select the monitoring target as described above, and various embodiments can be implemented according to the type of the process and the like.
  • the characteristic information includes information on the production amount for each process and the degree of process automation
  • the monitoring target selection step ( S602 ) the process in which the production amount for each process is greater than or equal to a predetermined reference value, and the degree of automation is greater than or equal to semi-automated It can be selected as a process to be monitored.
  • the characteristic information includes information about a plurality of process-specific production weights and overall equipment effectiveness (OEE)
  • the production weight for each process is greater than or equal to a predetermined standard value, , a process in which the overall facility efficiency is less than or equal to a predetermined reference value may be selected as a process to be monitored.
  • the monitoring target selection step (S602) may receive an evaluation item score regarding a detailed process or equipment of the selected monitoring target process, and select a monitoring target detailed process or equipment based on the evaluation item score.
  • one process includes a plurality of detailed processes, and may include equipment for performing each process. Even if a process to be monitored is selected from among the entire process, monitoring all detailed processes and equipment in the process still consumes a lot of effort and cost.
  • the evaluation score input for the detailed process and equipment in the monitoring target selection step (S602) may be a score obtained by normalizing the number of post maintenance cases, the average post maintenance interval, the average post maintenance time, process importance and quality influence.
  • process data of the selected process to be monitored is collected. Since the monitoring target process must be able to check or predict whether an abnormality occurs through continuous sensor data collection, various information about the selected process can be collected. Process data may include various information generated in the process, and when monitoring is carried out in a detailed process or equipment unit, process information derived from a detailed process or equipment may be collected.
  • the collected process data is analyzed to confirm abnormal occurrence and abnormal occurrence prediction information of the process to be monitored, and state information about the entire process is output.
  • an artificial intelligence model that can distinguish between normal and abnormal states by learning the data collected in the process data collection step (S603) or data collected in other similar processes is established, and the corresponding By inputting the process information collected in real time to the model, it is possible to check whether the current state of the process is normal or abnormal.
  • the process analysis step (S604) when abnormal occurrence or abnormal prediction of the process to be monitored is detected and the abnormal process is confirmed, information about the process in which the information about the influence between the identified abnormal process and the process is equal to or greater than a predetermined reference value is provided to the abnormal process It can be printed with information about Through this, even if the process to be monitored is limited to a small number of processes, it is possible to check other processes that may be affected by the occurrence of an abnormality in the process, thereby maximizing the efficiency of process monitoring.
  • the process analysis step S604 When an abnormal process in which abnormal occurrence or abnormal prediction is detected is identified in the process analysis step S604, information indicating the influence between the processes may be included in order to identify other processes affected by this, which will be included in the characteristic information for each process And, based on the operation data of the past process, it is possible to quantify the effect of an abnormal state of a specific process on each other process. In addition, by analyzing the effect on detailed processes or equipment in the same process on other detailed processes or equipment, the actual monitoring target process, detailed process or equipment is only a small number, but through the analysis results, it can be applied to various processes or equipment. It is possible to check for
  • the process analysis step (S604) outputs status information about the entire process based on the analyzed result.
  • the status information can also be output through the display, and the factory manager can quickly check in real time, such as voice messages and mobile phone text messages.
  • Information can be provided in a variety of formats that allow
  • the process monitoring method according to the present invention may be recorded in a computer-readable recording medium produced as a program for causing a computer to execute.
  • Examples of the computer-readable recording medium include a hard disk, a magnetic medium such as a floppy disk and a magnetic tape, an optical recording medium such as a CDROM and DVD, and a magneto-optical medium such as a floppy disk. media), and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like.
  • Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.
  • the hardware device may be configured to operate as one or more software modules for carrying out the processing according to the present invention, and vice versa.
  • the present invention relates to a process monitoring system and method, comprising: a process characteristic input unit for receiving characteristic information of each of a plurality of processes; a monitoring target selection unit for selecting a process to be monitored among the plurality of processes based on the received process characteristics; A process data collection unit that collects process data of the selected process to be monitored and the collected process data are analyzed to check whether or not an abnormality occurs in the process to be monitored and abnormal occurrence prediction information, and state information about the entire process Provided are a process monitoring system including a process analysis unit that outputs and an operating method of the system.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • General Factory Administration (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

본 발명은 공정 모니터링 시스템 및 방법에 관한 것으로, 복수의 공정 각각의 특성 정보를 입력 받는 공정 특성 입력부, 상기 입력 받은 공정 특성을 기초로 상기 복수의 공정 중 모니터링 대상 공정을 선정하는 모니터링 대상 선정부, 상기 선정된 모니터링 대상 공정의 공정 데이터를 수집하는 공정 데이터 수집부 및 상기 수집된 공정 데이터를 분석하여 상기 모니터링 대상 공정의 이상 발생 여부 및 이상 발생 예측 정보를 확인하여, 상기 전체 공정에 관한 상태 정보를 출력하는 공정 분석부를 포함하는 공정 모니터링 시스템과 그 시스템의 동작 방법을 제공한다.

Description

공정 모니터링 시스템 및 방법
본 발명은 공정 모니터링 시스템 및 방법에 관한 것으로, 복잡한 공정에서 모니터링이 필요한 주요 공정 또는 장비를 선별하여 인공지능을 기반으로 모니터링함으로써, 전체 공정의 이상여부 등을 판별할 수 있도록 하는 시스템 및 방법에 관한 것이다.
인공지능 기술이 발달하면서 공정 또는 장비의 각종 정보를 센서로 모니터링하고 인공지능을 기반으로 이상상태를 감지하거나 이상상태를 예측할 수 있도록 하여 공정의 효율을 높이고 관리에 필요한 노력을 최소화할 수 있도록 하는 스마트 팩토리 기술이 활성화되고 있다.
종래기술인 한국 등록특허 제10-0570528호, "공정장비 모니터링 시스템 및 모델생성 방법"은 이처럼 인공지능을 이용하여 공정장비의 이상상태를 판별할 수 있도록 하는 시스템을 제시하고 있으며, 이와 같이 인공지능을 이용하여 공정을 관리하기 위해서는 공정과 공정에 필요한 각 장비들의 상태를 모니터링하기 위하여 센서를 설치하고, 센서 데이터를 수집하며, 각 공정 또는 장비별 이상상태 감지를 위한 인공지능 모델을 구축하여 분석해야 한다.
이와 같이 여러 공정 또는 장비를 분석하기 위해서는 센서, 센서 데이터를 전달하기 위한 네트워크, 센서 데이터를 수집하여 저장하기 위한 빅데이터 저장/관리 시스템 그리고 저장된 데이터를 분석하기 위한 분석 시스템을 도입해야 하며, 이와 같은 과정에서 많은 비용, 시간 및 노력이 소요된다.
따라서, 이와 같은 비용 및 시간 등을 최소화하면서도, 공정의 이상상태를 정확하게 식별해 낼 수 있도록 하는 기술이 요구된다.
본 발명은 최소한의 모니터링 시스템 구축으로 전체 공정을 정확하게 모니터링할 수 있도록 하는 것을 목적으로 한다.
본 발명은 공정 내의 모든 장비에 센서 등을 부착하여 데이터를 수집하지 않고도, 전체 공정에 대한 모니터링이 가능하도록 하는 것을 목적으로 한다.
본 발명은 공정 내에서 모니터링이 필요한 공정 또는 장비를 식별해 낼 수 있도록 하는 것을 목적으로 한다.
본 발명은 모니터링 대상 장비의 이상 발생이 영향을 줄 수 있는 주변 장비에 관한 정보를 제공함으로써, 주변 장비를 모두 모니터링하지 않고도 이상 발생에 대응할 수 있도록 하는 것을 목적으로 한다.
이러한 목적을 달성하기 위하여 본 발명의 일실시예에 따른 공정 모니터링 시스템은 복수의 공정 각각의 특성 정보를 입력 받는 공정 특성 입력부, 상기 입력 받은 공정 특성을 기초로 상기 복수의 공정 중 모니터링 대상 공정을 선정하는 모니터링 대상 선정부, 상기 선정된 모니터링 대상 공정의 공정 데이터를 수집하는 공정 데이터 수집부 및 상기 수집된 공정 데이터를 분석하여 상기 모니터링 대상 공정의 이상 발생 여부 및 이상 발생 예측 정보를 확인하여, 상기 전체 공정에 관한 상태 정보를 출력하는 공정 분석부를 포함하여 구성될 수 있다.
이 때, 상기 공정 특성 입력부에서 입력 받는 특성 정보는 상기 복수의 공정별 생산량 및 공정 자동화 정도에 관한 정보를 포함하고, 상기 모니터링 대상 선정부는 상기 공정별 생산량이 소정의 기준치 이상이며, 자동화 정도가 반자동 이상인 공정을 상기 모니터링 대상 공정으로 선정할 수 있다.
또한, 상기 공정 특성 입력부에서 입력 받는 특성 정보는 상기 복수의 공정별 생산비중 및 설비종합효율에 관한 정보를 포함하고, 상기 모니터링 대상 선정부는 상기 공정별 생산비중이 소정의 기준치 이상이며, 상기 설비종합효율이 소정의 기준치 이하인 공정을 상기 모니터링 대상 공정으로 선정할 수 있다.
또한, 상기 모니터링 대상 선정부는 상기 선정된 모니터링 대상 공정 각각의 세부 공정 또는 장비에 관한 평가항목 점수를 입력 받고, 상기 평가항목 점수를 기초로 모니터링 대상 세부 공정 또는 장비를 선정하고, 상기 공정 데이터 수집부는 상기 선정된 모니터링 대상 세부 공정 또는 장비의 데이터를 수집할 수 있다.
이 때, 상기 평가항목 점수는 사후보전건수, 사후보전 평균발생간격, 사후보전 평균소요시간, 공정 중요도 및 품질 영향도를 각각 정규화한 점수인 것일 수 있다.
또한, 상기 공정 특성 입력부에서 입력 받는 특성 정보는 각각의 공정 사이에 미치는 영향을 수치화한 공정간 영향력 정보를 포함하고, 상기 공정 분석부는 상기 모니터링 대상 공정의 이상 발생이나 이상 예측이 감지되어 이상 공정이 확인되는 경우, 상기 확인된 이상 공정과의 공정간 영향력 정보가 소정의 기준치 이상인 공정에 관한 정보를 상기 이상 공정에 관한 정보와 함께 출력할 수 있다.
본 발명은 최소한의 모니터링 시스템 구축으로 전체 공정을 정확하게 모니터링할 수 있도록 한다.
본 발명은 공정 내의 모든 장비에 센서 등을 부착하여 데이터를 수집하지 않고도, 전체 공정에 대한 모니터링이 가능하도록 한다.
본 발명은 공정 내에서 모니터링이 필요한 공정 또는 장비를 식별해 낼 수 있도록 한다.
본 발명은 모니터링 대상 장비의 이상 발생이 영향을 줄 수 있는 주변 장비에 관한 정보를 제공함으로써, 주변 장비를 모두 모니터링하지 않고도 이상 발생에 대응할 수 있도록 한다.
도 1은 본 발명의 일실시예에 따른 공정 모니터링 시스템의 개요를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 공정 모니터링 시스템의 내부 구성을 도시한 구성도이다.
도 3은 본 발명의 일실시예에 따른 공정 모니터링 시스템에서 모니터링 대상 공정 선정의 일례를 도시한 도면이다.
도 4은 본 발명의 일실시예에 따른 공정 모니터링 시스템에서 모니터링 대상 공정 선정의 다른 일례를 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 공정 모니터링 시스템에서, 모니터링 대상 세부 공정 또는 장비를 선정하는 일례를 도시한 도면이다.
도 6은 본 발명의 일실시예에 따른 공정 모니터링 방법의 흐름을 도시한 흐름도이다.
이러한 목적을 달성하기 위하여 본 발명의 일실시예에 따른 공정 모니터링 시스템은 복수의 공정 각각의 특성 정보를 입력 받는 공정 특성 입력부, 상기 입력 받은 공정 특성을 기초로 상기 복수의 공정 중 모니터링 대상 공정을 선정하는 모니터링 대상 선정부, 상기 선정된 모니터링 대상 공정의 공정 데이터를 수집하는 공정 데이터 수집부 및 상기 수집된 공정 데이터를 분석하여 상기 모니터링 대상 공정의 이상 발생 여부 및 이상 발생 예측 정보를 확인하여, 상기 전체 공정에 관한 상태 정보를 출력하는 공정 분석부를 포함하여 구성될 수 있다.
이 때, 상기 공정 특성 입력부에서 입력 받는 특성 정보는 상기 복수의 공정별 생산량 및 공정 자동화 정도에 관한 정보를 포함하고, 상기 모니터링 대상 선정부는 상기 공정별 생산량이 소정의 기준치 이상이며, 자동화 정도가 반자동 이상인 공정을 상기 모니터링 대상 공정으로 선정할 수 있다.
또한, 상기 공정 특성 입력부에서 입력 받는 특성 정보는 상기 복수의 공정별 생산비중 및 설비종합효율에 관한 정보를 포함하고, 상기 모니터링 대상 선정부는 상기 공정별 생산비중이 소정의 기준치 이상이며, 상기 설비종합효율이 소정의 기준치 이하인 공정을 상기 모니터링 대상 공정으로 선정할 수 있다.
또한, 상기 모니터링 대상 선정부는 상기 선정된 모니터링 대상 공정 각각의 세부 공정 또는 장비에 관한 평가항목 점수를 입력 받고, 상기 평가항목 점수를 기초로 모니터링 대상 세부 공정 또는 장비를 선정하고, 상기 공정 데이터 수집부는 상기 선정된 모니터링 대상 세부 공정 또는 장비의 데이터를 수집할 수 있다.
이 때, 상기 평가항목 점수는 사후보전건수, 사후보전 평균발생간격, 사후보전 평균소요시간, 공정 중요도 및 품질 영향도를 각각 정규화한 점수인 것일 수 있다.
또한, 상기 공정 특성 입력부에서 입력 받는 특성 정보는 각각의 공정 사이에 미치는 영향을 수치화한 공정간 영향력 정보를 포함하고, 상기 공정 분석부는 상기 모니터링 대상 공정의 이상 발생이나 이상 예측이 감지되어 이상 공정이 확인되는 경우, 상기 확인된 이상 공정과의 공정간 영향력 정보가 소정의 기준치 이상인 공정에 관한 정보를 상기 이상 공정에 관한 정보와 함께 출력할 수 있다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략하기로 한다. 또한 본 발명의 실시예들을 설명함에 있어 구체적인 수치는 실시예에 불과하며 이에 의하여 발명의 범위가 제한되지 아니한다.
본 발명에 따른 공정 모니터링 시스템은 중앙처리장치(CPU) 및 메모리(Memory, 기억장치)를 구비하고 인터넷 등의 통신망을 통하여 다른 단말기와 연결 가능한 서버의 형태로 구성될 수 있다. 그러나 본 발명이 중앙처리장치 및 메모리 등의 구성에 의해 한정되지는 아니한다. 또한, 본 발명에 따른 공정 모니터링 시스템은 물리적으로 하나의 장치로 구성될 수도 있으며, 복수의 장치에 분산된 형태로 구현될 수도 있다.
도 1은 본 발명의 일실시예에 따른 공정 모니터링 시스템의 개요를 도시한 도면이다.
도면에 도시한 바와 같이, 하나의 제조라인에는 다양한 공정 이에 사용되는 장비들이 존재한다. 이와 같은 제조라인에서 이상 발생 여부를 모니터링하기 위해서는 각각의 공정 또는 장비에 모니터링을 위한 센서, 네트워크를 연결하고, 각각의 이상 상태를 감지할 수 있도록 하는 시스템이 연결되어야 하기 때문에, 이를 모니터링 하는 것이 쉽지 않다.
특히 인공지능을 이용하여 모니터링할 경우, 이상 상황을 감지하기 위해서는 데이터를 수집하여 학습시키고 이를 통해 도출되는 모델을 적용하는 과정이 필요한데, 각각의 공정 또는 장비별로 필요한 학습 데이터도 제각각이고, 도출되는 모델 또한 제각각이기 때문에, 모든 공정에 이를 적용하는 데에는 많은 시간과 노력이 소요된다.
따라서, 본 발명에서는 도면에 도시한 바와 같이, 주요 공정 또는 주요 장비를 핀 포인트(Pin Point)로 도출하고, 이에 대한 집중적인 모니터링을 통해서 전체 공정의 이상 발생 상황을 모니터링할 수 있도록 한 것이다. 도면에서는 공정1 내지 공정4 중에서 공정2가 주요 모니터링 대상이고, 장비1 내지 장비4 중에서 장비3이 주요 모니터링 대상으로 선정된다면, 공정2 및 장비3에 센서, 네트워크 등을 부착하여 데이터를 수집하고 이를 학습하여 이상 식별을 위한 모델을 수립하여 이를 통해 전체 제조라인의 이상 발생 여부를 모니터링할 수 있도록 한다.
이를 위해서는 모니터링 대상이 되는 공정 또는 장비를 정확히 선별하여, 소수의 공정 또는 장비를 모니터링하는 것만으로 전체 공정에서의 이상 발생 여부를 정확히 모니터링할 수 있도록 하는 것이 중요하다.
도 2는 본 발명의 일실시예에 따른 공정 모니터링 시스템의 내부 구성을 도시한 구성도이다.
도면에 도시한 바와 같이, 본 발명의 일실시예에 따른 공정 모니터링 시스템(201)은 공정 특성 입력부(210), 모니터링 대상 선정부(220), 공정 데이터 수집부(230) 및 공정 분석부(240)를 포함하여 구성될 수 있다. 각각의 구성요소들은 물리적으로 동일한 컴퓨터 시스템 내에서 동작하는 소프트웨어 모듈일 수 있으며, 물리적으로 2개 이상으로 분리된 컴퓨터 시스템이 서로 연동하여 동작할 수 있도록 구성된 형태일 수 있는데, 동일한 기능을 포함하는 다양한 실시형태가 본 발명의 권리범위에 속한다.
공정 특성 입력부(210)는 복수의 공정 각각의 특성 정보를 입력 받는다. 입력 받는 공정의 특성 정보는 공정별 생산량, 공정 자동화 정도, 공정별 생산비중 및 설비종합효율에 관한 정보를 포함할 수 있으며, 이 밖에도 모니터링 대상 공정을 선별하기 위하여 공정을 평가하기 위한 다양한 정보가 포함될 수 있다. 하나의 제품을 생산하기 위한 공정 라인은 복수의 공정을 포함할 수 있으며, 각각의 공정은 세부 공정 및 공정을 처리하기 위한 장비들을 포함할 수 있다.
따라서, 공정 특성 입력부(210)는 이와 같이 생산 라인을 구성하는 복수의 공정에 대해서 특성 정보를 입력 받음으로써, 모니터링 대상 공정을 일차적으로 선별할 수 있다. 상기 입력 받는 공정별 특성 정보는 공정을 관리하는 시스템에서 수신할 수도 있고, 공정 관리자에게서 입력 받는 것도 가능하다.
또한, 공정 특성 입력부(210)에서 입력 받는 특성 정보는 각각의 공정 사이에 미치는 영향을 수치화한 공정간 영향력 정보를 포함할 수 있는데, 공정 중 어느 한 곳에서 이상이 발생되었을 때, 이 이상 상태에 영향을 받는 정도를 수치화함으로써, 전체 공정을 모니터링하지 않고 일부 선별된 공정만을 모니터링하면서도, 모니터링 대상 공정의 이상 상태가 감지될 때, 여기에 영향을 받는 다른 공정에 관한 정보를 함께 출력함으로써, 이상 상태에 효과적으로 대응하도록 할 수 있다.
모니터링 대상 선정부(220)는 상기 입력 받은 공정 특성을 기초로 상기 복수의 공정 중 모니터링 대상 공정을 선정한다. 상술한 바와 같이, 본 발명에서는 전체 공정 중에서 모니터링 대상이 되는 공정을 선정하여 모니터링에 필요한 노력을 최소화하면서도 모니터링 효과를 극대화할 수 있도록 하는데, 이를 위해서는 이상이 발생될 가능성이 높고, 이상 발생이 전체 공정에 큰 영향을 줄 수 있는 경우를 고려하여 모니터링 대상 공정을 적절하게 선정하는 것이 매우 중요하다.
모니터링 대상 선정부(220)는 이와 같이 모니터링 대상을 선별하기 위하여 공정 특성을 이용하는데, 공정의 종류 등에 따라서 다양한 실시예의 구현이 가능하다. 일례로, 상기 특성 정보가 복수의 공정별 생산량 및 공정 자동화 정도에 관한 정보를 포함할 때, 모니터링 대상 선정부(220)는 상기 공정별 생산량이 소정의 기준치 이상이며, 자동화 정도가 반자동 이상인 공정을 모니터링 대상 공정으로 선정할 수 있다.
공정별 생산량이 높은 경우, 이상 상태 발생이 전체 공정에 미치는 영향이 크고, 다른 공정에도 높은 영향을 줄 수 있는 주요 공정이라고 볼 수 있다. 또한, 자동화 정도가 낮은 경우에는 수작업 과정에서의 이상 상황을 모니터링을 통해서 감지하기 어려우므로, 자동화 정도가 높아 반자동 이상의 자동화가 이루어진 경우를 모니터링 대상 공정으로 선정하여 인공지능을 통해 공정 모니터링이 이루어질 수 있도록 할 수 있다.
또 다른 예로, 모니터링 대상 선정부(220)는 상기 특성 정보가 복수의 공정별 생산비중 및 설비종합효율(OEE; Overall Equipment Effectiveness)에 관한 정보를 포함하는 경우 공정별 생산비중이 소정의 기준치 이상이며, 상기 설비종합효율이 소정의 기준치 이하인 공정을 모니터링 대상 공정으로 선정할 수 있다.
생산생산비중이 높은 공정은 전체 공정에서 차지하는 중요도가 높은 공정이므로 모니터링이 필요하며, 이 중에서도 설비종합효율이 높은 경우에는 이상 상태가 발생될 가능성이 낮으므로, 설비종합효율이 낮은 경우를 모니터링 대상으로 하여 이상 상황에 대응하도록 할 수 있다. 설비종합효율은 시간가동률, 성능가동률 및 양품률을 곱하여 산출되는 것으로 설비의 효율뿐 아니라 공정의 효율을 측정할 수 있다. 효율이 낮게 나타나는 공정의 경우 부하가 많이 걸리고 이상 상태가 발현될 가능성이 높아지기 때문에, 모니터링 대상으로 선정할 필요가 있다.
또한, 모니터링 대상 선정부(220)는 선정된 모니터링 대상 공정의 세부 공정 또는 장비에 관한 평가항목 점수를 입력 받고, 상기 평가항목 점수를 기초로 모니터링 대상 세부 공정 또는 장비를 선정할 수 있다. 앞서 설명한 바와 같이 하나의 공정은 복수의 세부 공정을 포함하고, 각 공정을 수행하기 위한 장비들을 포함할 수 있다. 전체 공정 중에서 모니터링 대상 공정을 선별한 경우라도, 해당 공정 내의 모든 세부 공정과 장비들을 모니터링 하는 것은 여전히 많은 노력과 비용이 소모된다.
따라서, 모니터링 대상 선정부(220)는 모니터링 대상 공정에 속하는 세부 공정 또는 장비들에 대해서 평가를 수행하고, 이를 기반으로 해당 공정 내의 모니터링 대상 세부 공정 및 장비를 선정하여, 이에 대한 모니터링을 통해 해당 공정, 나아가 전체 공정에 대한 모니터링을 수행할 수 있도록 한 것이다.
모니터링 대상 선정부(220)에서 세부 공정 및 장비에 대하여 입력 받는 평가 점수는 사후보전건수, 사후보전 평균발생간격, 사후보전 평균소요시간, 공정 중요도 및 품질 영향도를 정규화한 점수가 될 수 있다. 사후보전은 고장정지 또는 유해한 성능저하가 초래된 이후에 수리를 하는 보전 방법을 말하는 것으로, 사후보전이 일어나는 경우가 많고, 발생간격이 좁고, 이를 처리하기 위한 평균소요시간이 긴 경우 이상이 발생될 가능성이 높으므로 모니터링 대상으로 선정할 필요가 있다. 또한, 전체 공정 상에서 해당 세부 공정 또는 장비의 중요도가 높고, 품질에 높은 영향을 주는 경우 모니터링 대상으로 선별하여 모니터링할 필요가 있다. 이와 같은 점수는 공정 관리 시스템 또는 공정 관리자에게서 입력 받을 수 있으며, 정규화된 점수로 변환하여 각각의 항목의 점수를 합산한 총점이 높은 순으로 모니터링 대상 세부 공정 또는 장비를 선정할 수 있다. 예를 들어, 상술한 5가지 항목을 각각 20점 만점으로 정규화하고, 이를 합산하여 100점 만점의 총점을 계산한 뒤, 총점이 높은 순으로 모니터링 대상이 되는 세부 공정 또는 장비를 선택하도록 할 수 있다.
공정 데이터 수집부(230)는 상기 선정된 모니터링 대상 공정의 공정 데이터를 수집한다. 모니터링 대상 공정은 지속적인 센서 데이터 수집을 통해 이상 발생 여부를 확인하거나 예측할 수 있도록 해야 하므로, 선정된 공정에 대해 다양한 정보를 수집할 수 있다. 공정 데이터는 공정에서 발생되는 다양한 정보를 포함할 수 있으며, 세부 공정 또는 장비 단위로 모니터링이 진행되는 경우에는 세부 공정 또는 장비에서 도출되는 공정 정보를 수집할 수 있다.
이와 같이 공정 데이터 수집부(230)에서 공정 데이터를 수집하는 방법은 종래의 다양한 방법을 적용할 수 있는데, 모니터링 대상 공정을 선별하여 모니터링 대상을 크게 줄였기 때문에, 해당 공정에 대한 집중적이고 정확한 모니터링이 가능하게 된다.
공정 분석부(240)는 상기 수집된 공정 데이터를 분석하여 상기 모니터링 대상 공정의 이상 발생 및 이상 발생 예측 정보를 확인하여, 상기 전체 공정에 관한 상태 정보를 출력한다. 이상 발생 및 이상 발생 예측을 수행하기 위해서 공정 데이터 수집부(230)에서 수집되는 데이터 또는 타 유사 공정에서 수집되는 데이터를 학습하여 정상 상태와 이상 상태를 구분할 수 있도록 하는 인공지능 모델을 수립하고, 해당 모델에 실시간으로 수집되는 공정 정보를 입력하여 현재 공정의 상태가 정상 상태인지 이상 상태인지 확인할 수 있도록 한다.
공정 분석부(240)는 모니터링 대상 공정의 이상 발생이나 이상 예측이 감지되어 이상 공정이 확인되는 경우, 상기 확인된 이상 공정과의 공정간 영향력 정보가 소정의 기준치 이상인 공정에 관한 정보를 상기 이상 공정에 관한 정보와 함께 출력할 수 있다. 이를 통하여, 모니터링 대상 공정을 소수의 공정으로 한정하더라도, 해당 공정의 이상 발생에 의하여 영향을 받을 수 있는 다른 공정까지 확인할 수 있도록 하여, 공정 모니터링의 효율을 극대화하는 것이 가능하다.
공정 분석부(240)에서 이상 발생이나 이상 예측이 감지되는 이상 공정을 확인한 경우, 이에 영향을 받는 다른 공정을 확인하기 위해서는 공정간의 영향력을 나타내는 정보를 포함할 수 있는데, 이는 공정별 특성 정보에 포함될 수 있고, 과거 공정의 운영 데이터를 기반으로, 특정 공정의 이상 상태가 다른 각각의 공정에 미치는 영향을 수치화할 수 있다. 또한 공정 내의 세부 공정 또는 장비들에 대해서도 동일하게 다른 세부 공정이나 장비에 미치는 영향을 분석하여, 실제 모니터링 대상이 되는 공정, 세부공정 또는 장비가 소수에 불과하지만, 분석 결과를 통해 다양한 공정 또는 장비에 대해서 확인할 수 있도록 하는 것이 가능하다.
공정 분석부(240)는 분석된 결과를 바탕으로 전체 공정에 관한 상태 정보를 출력하는데, 상태 정보를 디스플레이를 통해 출력할 수도 있고, 음성 메시지, 휴대전화의 문자 메시지 등 공장 관리자가 실시간으로 빠르게 확인할 수 있도록 하는 다양한 형태로 정보를 제공할 수 있다.
도 3은 본 발명의 일실시예에 따른 공정 모니터링 시스템에서 모니터링 대상 공정 선정의 일례를 도시한 도면이다.
도면에 도시된 바와 같이, 본 발명의 일실시예에 따른 공정 모니터링 시스템은 복수의 공정에 대해서 특성 정보를 수신하여 모니터링 대상 공정을 선별할 수 있다. 도면의 예에서는 특성 정보로 생산 중량비중과 자동화정도에 관한 정보를 포함하고 있는데, 생산 중량비중이 높아 공정 내에서 중요도가 높게 평가되며, 자동화 정도가 높아서 센서를 통한 이상 모니터링이 용이한 중형밸브 공정을 모니터링 대상 공정으로 선별할 수 있다.
도 4은 본 발명의 일실시예에 따른 공정 모니터링 시스템에서 모니터링 대상 공정 선정의 다른 일례를 도시한 도면이다.
도면에 도시된 실시예는 공정별 특성 정보로 생산비중과 설비종합효율 정보가 입력되는 경우인데, 생산비중이 높아 전체 공정에서 차지하는 중요성이 높은 공정들 중에서, 설비종합효율이 낮아 이상 상태가 발생될 수 있는 가능성이 높은 공정을 모니터링 대상이 되는 공정으로 선별함으로써, 소수의 공정에 대한 모니터링만으로 전체공정의 이상 발생 여부를 효율적으로 확인할 수 있다.
도 5는 본 발명의 일실시예에 따른 공정 모니터링 시스템에서, 모니터링 대상 세부 공정 또는 장비를 선정하는 일례를 도시한 도면이다.
도면의 예시는 앞서 도 3에서 설명한 모니터링 대상 공정 선별 후 그 내부의 세부 공정 또는 장비를 모니터링 대상으로 선별하는 과정을 도시한 것이다. 도면에 도시한 바와 같이, 앞서 도 3에서 모니터링 대상으로 선정된 중형 공정에서 사후보전건수, 사후보전 평균 발생간격, 사후보전 평균 소요시간, 공정중요도 및 품질영향도를 지표화하여 이를 토대로 총점이 높은 순으로 4개의 모니터링 대상 세부 공정을 선정한다.
이에 따라 도면에서는 조형 공정, 용해 공정, 형해체 및 탈사 공정, 열처리 공정이 모니터링 대상 세부 공정으로 선정되었으며, 해당 공정에 대한 모니터링을 통해 전체 공정을 효율적으로 모니터링 할 수 있다.
도 6은 본 발명의 일실시예에 따른 공정 모니터링 방법의 흐름을 도시한 흐름도이다.
본 발명에 따른 공정 모니터링 방법은 중앙처리장치 및 메모리를 구비하는 공정 모니터링 시스템(201)에서 공정을 모니터링 하는 방법으로, 이와 같은 컴퓨팅 시스템에서 구동될 수 있다.
따라서, 공정 모니터링 방법은 상술한 공정 모니터링 시스템에 대하여 설명된 특징적인 구성을 모두 포함하고 있으며, 아래의 설명에서 설명되지 않은 내용도 상술한 공정 모니터링 시스템에 대한 설명을 참조하여 구현할 수 있다.
공정 특성 입력 단계(S601)는 복수의 공정 각각의 특성 정보를 입력 받는다. 입력 받는 공정의 특성 정보는 공정별 생산량, 공정 자동화 정도, 공정별 생산비중 및 설비종합효율에 관한 정보를 포함할 수 있으며, 이 밖에도 모니터링 대상 공정을 선별하기 위하여 공정을 평가하기 위한 다양한 정보가 포함될 수 있다. 하나의 제품을 생산하기 위한 공정 라인은 복수의 공정을 포함할 수 있으며, 각각의 공정은 세부 공정 및 공정을 처리하기 위한 장비들을 포함할 수 있다.
따라서, 공정 특성 입력 단계(S601)는 이와 같이 생산 라인을 구성하는 복수의 공정에 대해서 특성 정보를 입력 받음으로써, 모니터링 대상 공정을 일차적으로 선별할 수 있다. 상기 입력 받는 공정별 특성 정보는 공정을 관리하는 시스템에서 수신할 수도 있고, 공정 관리자에게서 입력 받는 것도 가능하다.
또한, 공정 특성 입력 단계(S601)에서 입력 받는 특성 정보는 각각의 공정 사이에 미치는 영향을 수치화한 공정간 영향력 정보를 포함할 수 있는데, 공정 중 어느 한 곳에서 이상이 발생되었을 때, 이 이상 상태에 영향을 받는 정도를 수치화함으로써, 전체 공정을 모니터링하지 않고 일부 선별된 공정만을 모니터링하면서도, 모니터링 대상 공정의 이상 상태가 감지될 때, 여기에 영향을 받는 다른 공정에 관한 정보를 함께 출력함으로써, 이상 상태에 효과적으로 대응하도록 할 수 있다.
모니터링 대상 선정 단계(S602)는 상기 입력 받은 공정 특성을 기초로 상기 복수의 공정 중 모니터링 대상 공정을 선정한다. 상술한 바와 같이, 본 발명에서는 전체 공정 중에서 모니터링 대상이 되는 공정을 선정하여 모니터링에 필요한 노력을 최소화하면서도 모니터링 효과를 극대화할 수 있도록 하는데, 이를 위해서는 이상이 발생될 가능성이 높고, 이상 발생이 전체 공정에 큰 영향을 줄 수 있는 경우를 고려하여 모니터링 대상 공정을 적절하게 선정하는 것이 매우 중요하다.
모니터링 대상 선정 단계(S602)는 이와 같이 모니터링 대상을 선별하기 위하여 공정 특성을 이용하는데, 공정의 종류 등에 따라서 다양한 실시예의 구현이 가능하다. 일례로, 상기 특성 정보가 복수의 공정별 생산량 및 공정 자동화 정도에 관한 정보를 포함할 때, 모니터링 대상 선정 단계(S602)에서는 상기 공정별 생산량이 소정의 기준치 이상이며, 자동화 정도가 반자동 이상인 공정을 모니터링 대상 공정으로 선정할 수 있다.
또 다른 예로, 모니터링 대상 선정 단계(S602)는 상기 특성 정보가 복수의 공정별 생산비중 및 설비종합효율(OEE; Overall Equipment Effectiveness)에 관한 정보를 포함하는 경우 공정별 생산비중이 소정의 기준치 이상이며, 상기 설비종합효율이 소정의 기준치 이하인 공정을 모니터링 대상 공정으로 선정할 수 있다.
또한, 모니터링 대상 선정 단계(S602)는 선정된 모니터링 대상 공정의 세부 공정 또는 장비에 관한 평가항목 점수를 입력 받고, 상기 평가항목 점수를 기초로 모니터링 대상 세부 공정 또는 장비를 선정할 수 있다. 앞서 설명한 바와 같이 하나의 공정은 복수의 세부 공정을 포함하고, 각 공정을 수행하기 위한 장비들을 포함할 수 있다. 전체 공정 중에서 모니터링 대상 공정을 선별한 경우라도, 해당 공정 내의 모든 세부 공정과 장비들을 모니터링 하는 것은 여전히 많은 노력과 비용이 소모된다.
모니터링 대상 선정 단계(S602)에서 세부 공정 및 장비에 대하여 입력 받는 평가 점수는 사후보전건수, 사후보전 평균발생간격, 사후보전 평균소요시간, 공정 중요도 및 품질 영향도를 정규화한 점수가 될 수 있다.
공정 데이터 수집 단계(S603)는 상기 선정된 모니터링 대상 공정의 공정 데이터를 수집한다. 모니터링 대상 공정은 지속적인 센서 데이터 수집을 통해 이상 발생 여부를 확인하거나 예측할 수 있도록 해야 하므로, 선정된 공정에 대해 다양한 정보를 수집할 수 있다. 공정 데이터는 공정에서 발생되는 다양한 정보를 포함할 수 있으며, 세부 공정 또는 장비 단위로 모니터링이 진행되는 경우에는 세부 공정 또는 장비에서 도출되는 공정 정보를 수집할 수 있다.
이와 같이 공정 데이터 수집 단계(S603)에서 공정 데이터를 수집하는 방법은 종래의 다양한 방법을 적용할 수 있는데, 모니터링 대상 공정을 선별하여 모니터링 대상을 크게 줄였기 때문에, 해당 공정에 대한 집중적이고 정확한 모니터링이 가능하게 된다.
공정 분석 단계(S604)는 상기 수집된 공정 데이터를 분석하여 상기 모니터링 대상 공정의 이상 발생 및 이상 발생 예측 정보를 확인하여, 상기 전체 공정에 관한 상태 정보를 출력한다. 이상 발생 및 이상 발생 예측을 수행하기 위해서 공정 데이터 수집 단계(S603)에서 수집되는 데이터 또는 타 유사 공정에서 수집되는 데이터를 학습하여 정상 상태와 이상 상태를 구분할 수 있도록 하는 인공지능 모델을 수립하고, 해당 모델에 실시간으로 수집되는 공정 정보를 입력하여 현재 공정의 상태가 정상 상태인지 이상 상태인지 확인할 수 있도록 한다.
공정 분석 단계(S604)는 모니터링 대상 공정의 이상 발생이나 이상 예측이 감지되어 이상 공정이 확인되는 경우, 상기 확인된 이상 공정과의 공정간 영향력 정보가 소정의 기준치 이상인 공정에 관한 정보를 상기 이상 공정에 관한 정보와 함께 출력할 수 있다. 이를 통하여, 모니터링 대상 공정을 소수의 공정으로 한정하더라도, 해당 공정의 이상 발생에 의하여 영향을 받을 수 있는 다른 공정까지 확인할 수 있도록 하여, 공정 모니터링의 효율을 극대화하는 것이 가능하다.
공정 분석 단계(S604)에서 이상 발생이나 이상 예측이 감지되는 이상 공정을 확인한 경우, 이에 영향을 받는 다른 공정을 확인하기 위해서는 공정간의 영향력을 나타내는 정보를 포함할 수 있는데, 이는 공정별 특성 정보에 포함될 수 있고, 과거 공정의 운영 데이터를 기반으로, 특정 공정의 이상 상태가 다른 각각의 공정에 미치는 영향을 수치화할 수 있다. 또한 공정 내의 세부 공정 또는 장비들에 대해서도 동일하게 다른 세부 공정이나 장비에 미치는 영향을 분석하여, 실제 모니터링 대상이 되는 공정, 세부공정 또는 장비가 소수에 불과하지만, 분석 결과를 통해 다양한 공정 또는 장비에 대해서 확인할 수 있도록 하는 것이 가능하다.
공정 분석 단계(S604)는 분석된 결과를 바탕으로 전체 공정에 관한 상태 정보를 출력하는데, 상태 정보를 디스플레이를 통해 출력할 수도 있고, 음성 메시지, 휴대전화의 문자 메시지 등 공장 관리자가 실시간으로 빠르게 확인할 수 있도록 하는 다양한 형태로 정보를 제공할 수 있다.
본 발명에 따른 공정 모니터링 방법은 컴퓨터가 실행하도록 기능시키기 위한 프로그램으로 제작되어 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.
컴퓨터로 읽을 수 있는 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CDROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있다.
본 발명은 공정 모니터링 시스템 및 방법에 관한 것으로, 복수의 공정 각각의 특성 정보를 입력 받는 공정 특성 입력부, 상기 입력 받은 공정 특성을 기초로 상기 복수의 공정 중 모니터링 대상 공정을 선정하는 모니터링 대상 선정부, 상기 선정된 모니터링 대상 공정의 공정 데이터를 수집하는 공정 데이터 수집부 및 상기 수집된 공정 데이터를 분석하여 상기 모니터링 대상 공정의 이상 발생 여부 및 이상 발생 예측 정보를 확인하여, 상기 전체 공정에 관한 상태 정보를 출력하는 공정 분석부를 포함하는 공정 모니터링 시스템과 그 시스템의 동작 방법을 제공한다.

Claims (13)

  1. 복수의 공정 각각의 특성 정보를 입력 받는 공정 특성 입력부;
    상기 입력 받은 공정 특성을 기초로 상기 복수의 공정 중 모니터링 대상 공정을 선정하는 모니터링 대상 선정부;
    상기 선정된 모니터링 대상 공정의 공정 데이터를 수집하는 공정 데이터 수집부; 및
    상기 수집된 공정 데이터를 분석하여 상기 모니터링 대상 공정의 이상 발생 여부 및 이상 발생 예측 정보를 확인하여, 상기 전체 공정에 관한 상태 정보를 출력하는 공정 분석부
    를 포함하는 공정 모니터링 시스템.
  2. 제1항에 있어서,
    상기 공정 특성 입력부에서 입력 받는 특성 정보는
    상기 복수의 공정별 생산량 및 공정 자동화 정도에 관한 정보를 포함하고,
    상기 모니터링 대상 선정부는
    상기 공정별 생산량이 소정의 기준치 이상이며, 자동화 정도가 반자동 이상인 공정을 상기 모니터링 대상 공정으로 선정하는 것
    을 특징으로 하는 공정 모니터링 시스템.
  3. 제1항에 있어서,
    상기 공정 특성 입력부에서 입력 받는 특성 정보는
    상기 복수의 공정별 생산비중 및 설비종합효율에 관한 정보를 포함하고,
    상기 모니터링 대상 선정부는
    상기 공정별 생산비중이 소정의 기준치 이상이며, 상기 설비종합효율이 소정의 기준치 이하인 공정을 상기 모니터링 대상 공정으로 선정하는 것
    을 특징으로 하는 공정 모니터링 시스템.
  4. 제1항에 있어서,
    상기 모니터링 대상 선정부는
    상기 선정된 모니터링 대상 공정 각각의 세부 공정 또는 장비에 관한 평가항목 점수를 입력 받고, 상기 평가항목 점수를 기초로 모니터링 대상 세부 공정 또는 장비를 선정하고,
    상기 공정 데이터 수집부는
    상기 선정된 모니터링 대상 세부 공정 또는 장비의 데이터를 수집하는 것
    을 특징으로 하는 공정 모니터링 시스템.
  5. 제4항에 있어서,
    상기 평가항목 점수는
    사후보전건수, 사후보전 평균발생간격, 사후보전 평균소요시간, 공정 중요도 및 품질 영향도를 각각 정규화한 점수인 것
    을 특징으로 하는 공정 모니터링 시스템.
  6. 제1항에 있어서,
    상기 공정 특성 입력부에서 입력 받는 특성 정보는
    각각의 공정 사이에 미치는 영향을 수치화한 공정간 영향력 정보를 포함하고,
    상기 공정 분석부는
    상기 모니터링 대상 공정의 이상 발생이나 이상 예측이 감지되어 이상 공정이 확인되는 경우, 상기 확인된 이상 공정과의 공정간 영향력 정보가 소정의 기준치 이상인 공정에 관한 정보를 상기 이상 공정에 관한 정보와 함께 출력하는 것
    을 특징으로 하는 공정 모니터링 시스템.
  7. 중앙처리장치와 메모리를 구비하는 공정 모니터링 시스템에서 공정을 모니터링하는 방법에 있어서,
    복수의 공정 각각의 특성 정보를 입력 받는 공정 특성 입력 단계;
    상기 입력 받은 공정 특성을 기초로 상기 복수의 공정 중 모니터링 대상 공정을 선정하는 모니터링 대상 선정 단계;
    상기 선정된 모니터링 대상 공정의 공정 데이터를 수집하는 공정 데이터 수집 단계; 및
    상기 수집된 공정 데이터를 분석하여 상기 모니터링 대상 공정의 이상 발생 여부 및 이상 발생 예측 정보를 확인하여, 상기 전체 공정에 관한 상태 정보를 출력하는 공정 분석 단계
    를 포함하는 공정 모니터링 방법.
  8. 제7항에 있어서,
    상기 공정 특성 입력 단계에서 입력 받는 특성 정보는
    상기 복수의 공정별 생산량 및 공정 자동화 정도에 관한 정보를 포함하고,
    상기 모니터링 대상 선정 단계는
    상기 공정별 생산량이 소정의 기준치 이상이며, 자동화 정도가 반자동 이상인 공정을 상기 모니터링 대상 공정으로 선정하는 것
    을 특징으로 하는 공정 모니터링 방법.
  9. 제7항에 있어서,
    상기 공정 특성 입력 단계에서 입력 받는 특성 정보는
    상기 복수의 공정별 생산비중 및 설비종합효율에 관한 정보를 포함하고,
    상기 모니터링 대상 선정 단계는
    상기 공정별 생산비중이 소정의 기준치 이상이며, 상기 설비종합효율이 소정의 기준치 이하인 공정을 상기 모니터링 대상 공정으로 선정하는 것
    을 특징으로 하는 공정 모니터링 방법.
  10. 제7항에 있어서,
    상기 모니터링 대상 선정 단계는
    상기 선정된 모니터링 대상 공정 각각의 세부 공정 또는 장비에 관한 평가항목 점수를 입력 받고, 상기 평가항목 점수를 기초로 모니터링 대상 세부 공정 또는 장비를 선정하고,
    상기 공정 데이터 수집 단계는
    상기 선정된 모니터링 대상 세부 공정 또는 장비의 데이터를 수집하는 것
    을 특징으로 하는 공정 모니터링 방법.
  11. 제10항에 있어서,
    상기 평가항목 점수는
    사후보전건수, 사후보전 평균발생간격, 사후보전 평균소요시간, 공정 중요도 및 품질 영향도를 각각 정규화한 점수인 것
    을 특징으로 하는 공정 모니터링 방법.
  12. 제7항에 있어서,
    상기 공정 특성 입력 단계에서 입력 받는 특성 정보는
    각각의 공정 사이에 미치는 영향을 수치화한 공정간 영향력 정보를 포함하고,
    상기 공정 분석 단계는
    상기 모니터링 대상 공정의 이상 발생이나 이상 예측이 감지되어 이상 공정이 확인되는 경우, 상기 확인된 이상 공정과의 공정간 영향력 정보가 소정의 기준치 이상인 공정에 관한 정보를 상기 이상 공정에 관한 정보와 함께 출력하는 것
    을 특징으로 하는 공정 모니터링 방법.
  13. 제7항 내지 제12항 중 어느 한 항의 방법을 컴퓨터가 실행하도록 기능시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체.
PCT/KR2021/016843 2020-11-26 2021-11-17 공정 모니터링 시스템 및 방법 WO2022114654A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0161265 2020-11-26
KR1020200161265A KR102472081B1 (ko) 2020-11-26 2020-11-26 공정 모니터링 시스템 및 방법

Publications (1)

Publication Number Publication Date
WO2022114654A1 true WO2022114654A1 (ko) 2022-06-02

Family

ID=81756110

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/016843 WO2022114654A1 (ko) 2020-11-26 2021-11-17 공정 모니터링 시스템 및 방법

Country Status (2)

Country Link
KR (1) KR102472081B1 (ko)
WO (1) WO2022114654A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116820055A (zh) * 2023-08-25 2023-09-29 北京寄云鼎城科技有限公司 产品生产的监控方法、计算机设备及计算机可读存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102502886B1 (ko) * 2022-11-02 2023-02-24 주식회사 한울엔지니어링 반도체용 연마입자 스마트 생산 시스템 및 그 방법
KR102487325B1 (ko) * 2022-11-04 2023-01-11 비드오리진 주식회사 반도체용 연마 입자 생산을 위한 스케쥴링 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015076058A (ja) * 2013-10-11 2015-04-20 株式会社日立製作所 設備の監視診断装置
KR20180137827A (ko) * 2017-06-19 2018-12-28 주식회사 티라유텍 Opc-ua기반 설비 상태 모니터링을 위한 시스템
KR20190088581A (ko) * 2018-01-02 2019-07-29 (주)코에버정보기술 Ｆｂｄ 머신러닝 기반의 동적 모니터링 시스템 및 그 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100570528B1 (ko) 2004-06-01 2006-04-13 삼성전자주식회사 공정장비 모니터링 시스템 및 모델생성방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015076058A (ja) * 2013-10-11 2015-04-20 株式会社日立製作所 設備の監視診断装置
KR20180137827A (ko) * 2017-06-19 2018-12-28 주식회사 티라유텍 Opc-ua기반 설비 상태 모니터링을 위한 시스템
KR20190088581A (ko) * 2018-01-02 2019-07-29 (주)코에버정보기술 Ｆｂｄ 머신러닝 기반의 동적 모니터링 시스템 및 그 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "Easy IoT Program", ORACLE, 1 January 2018 (2018-01-01), pages 1 - 4, XP055935554 *
BISOPE: "Equipment importance classification ( classification of equipment importance for monitoring )", 3 April 2016 (2016-04-03), pages 1 - 6, XP055935559, Retrieved from the Internet <URL:https://m.blog.naver.com/PostView.naver?isHttpsRedirect=true&blogId=vs72&logNo=220673133475> *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116820055A (zh) * 2023-08-25 2023-09-29 北京寄云鼎城科技有限公司 产品生产的监控方法、计算机设备及计算机可读存储介质
CN116820055B (zh) * 2023-08-25 2023-11-28 北京寄云鼎城科技有限公司 产品生产的监控方法、计算机设备及计算机可读存储介质

Also Published As

Publication number Publication date
KR102472081B1 (ko) 2022-11-30
KR20220073314A (ko) 2022-06-03

Similar Documents

Publication Publication Date Title
WO2022114654A1 (ko) 공정 모니터링 시스템 및 방법
WO2018101722A2 (ko) 머신 러닝 기반 반도체 제조 수율 예측 시스템 및 방법
WO2018221948A1 (ko) 빅데이터 분석을 통한 공정 관리 방법
WO2022114653A1 (ko) 데이터 경계 도출 시스템 및 방법
WO2020246662A1 (ko) 산업 플랜트 설비의 신호 그룹 기반 학습 모델을 이용한 운전 예측 시스템, 방법 및 컴퓨터 프로그램
WO2021107422A1 (ko) 에너지 사용량 데이터의 비지도 학습 기반 부하 모니터링 방법
WO2019177241A1 (ko) 구동부의 정밀 예지 보전방법
WO2020004996A1 (ko) 발전소 고장 예측 및 진단시스템의 학습모델을 위한 학습데이터 생성장치 및 방법
WO2019177237A1 (ko) 구동부의 정밀 예지 보전방법
WO2022191596A1 (ko) 오토프로파일링 기반 네트워크 패킷 이상행위 자동 탐지 장치 및 방법
WO2018044041A1 (ko) 조기경보시스템에서 외부 영향을 고려한 최신 데이터 학습 방법 및 그 시스템
CN116880402A (zh) 智慧工厂协同管控系统及其方法
WO2018044016A1 (ko) 이동 통신망 장애 감시 시스템 및 방법
WO2019221461A1 (ko) 네트워크 장애 원인 분석 장치 및 방법
WO2023128320A1 (ko) 인공지능 검증 시스템 및 방법
WO2022211301A1 (ko) 오토인코더 앙상블 기반 이상행위 탐지 방법 및 시스템
WO2022146020A1 (ko) 회전기계의 결함을 종합적으로 진단하는 방법 및 시스템
WO2023106504A1 (ko) 서버 시스템 로그를 이용한 머신러닝 기반의 관측레벨 측정 및 이에 따른 위험도 산출 방법, 장치 및 컴퓨터-판독 가능 기록 매체
WO2021261901A1 (ko) 함수 호출 패턴 분석을 통한 이상 검출 장치 및 방법
CN113300918A (zh) 智慧灯杆的故障检测方法、终端设备及存储介质
CN114584585A (zh) 一种基于物联网的工业设备自诊断系统及方法
WO2014193057A1 (ko) 불량 샘플의 결함 맵을 이용한 문제 설비 판정 방법 및 그 장치
WO2017047951A1 (ko) 엔터프라이즈 비즈니스 서비스 레벨의 통합 모니터링 방법 및 시스템
WO2023075021A1 (ko) 정보 인프라 모니터링 데이터 간 연관성 도출 방법
WO2023200131A1 (ko) 텐서 기반의 상태 스코어 도출 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: 21898480

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: 21898480

Country of ref document: EP

Kind code of ref document: A1