CN111542791A - 使用设施诊断***的设施诊断方法 - Google Patents
使用设施诊断***的设施诊断方法 Download PDFInfo
- Publication number
- CN111542791A CN111542791A CN201880084857.2A CN201880084857A CN111542791A CN 111542791 A CN111542791 A CN 111542791A CN 201880084857 A CN201880084857 A CN 201880084857A CN 111542791 A CN111542791 A CN 111542791A
- Authority
- CN
- China
- Prior art keywords
- facility
- image
- diagnostic
- module
- plc
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003384 imaging method Methods 0.000 claims abstract description 43
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims description 65
- 238000004891 communication Methods 0.000 claims description 12
- 238000002405 diagnostic procedure Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 150000003071 polychlorinated biphenyls Chemical class 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
- G05B19/058—Safety, 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
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F12/00—Accessing, addressing or allocating within memory systems or architectures
- G06F12/02—Addressing or allocation; Relocation
- G06F12/0223—User address space allocation, e.g. contiguous or non contiguous base addressing
- G06F12/023—Free address space management
- G06F12/0238—Memory management in non-volatile memory, e.g. resistive RAM or ferroelectric memory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
- G07C5/0866—Registering performance data using electronic data carriers the electronic data carrier being a digital video recorder in combination with video camera
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/10—Plc systems
- G05B2219/14—Plc safety
- G05B2219/14006—Safety, monitoring in general
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/10—Plc systems
- G05B2219/14—Plc safety
- G05B2219/14058—Diagnostic, using expert, knowledge based system
-
- 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
- G05B23/0229—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 knowledge based, e.g. expert systems; genetic algorithms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/25—Manufacturing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Manufacturing & Machinery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及使用设施诊断***的设施诊断方法,该设施诊断***包括:成像模块(110),该图像模块通过拍摄装载有PLC的设施控制器被内置在其中的设施来收集图像数据;诊断模块(120),该诊断模块包括具有用于诊断设施正常或异常的软件的硬件;和多个IoT传感器单元(130),该多个IoT传感器单元监视待监视目标,因此用户可以基于在诊断模块针对用户根据设施情形指定的每种条件生成各种种类的事件时,通过PLC存储区域、图像文件和IoT传感器单元提供的目标数据,来迅速地诊断、识别并应对设施故障的特定原因。
Description
技术领域
本公开涉及关于使用设施诊断***的设施诊断方法的公开内容,并且更具体地,涉及以下的设施诊断方法:当管理安装有PLC的设施控制器被内置在其中的设施时,允许用户通过使用设置有诊断模块、成像模块和IoT传感器单元的设施诊断***基于PLC存储区域、图像文件和IoT传感器单元提供的目标数据,迅速准确地识别用户指定的条件下的事件生成时间点的设施故障原因,由此可以有效应对不难识别的设施的故障。
背景技术
通常,设施一般是指在整个工业领域或其全部组合中用于生产或制造产品的机器或装置。
近年来,通过使用机床、机器人和计算机进行工厂自动化,实现了用于对产品生产的自动化控制、管理和整体操作的设施,并且另外不仅进行了装置自动化,而且由计算机在可编程状态下进行了装置控制过程的自动化控制。
因此,诸如自动化部件装配器、各种测试仪和加工设备这样的工业设施配备有安装有PLC、计算机和微处理器的PCB,并且配备有终端用户专用的编程控制器。
例如,在对韩国专利No.10-0867773中已知的车辆组装设施的配置的简要描述中,车辆组装设施包括:中央管理服务器,其存储和管理组装车辆所必需的车辆信息;多个组装设施,其根据车辆信息来组装车辆;多个设施控制单元,其连接到组装设施并且控制组装设施;以及多个控制PC,其连接到多个设施控制单元并且与中央管理服务器通信,并且设施控制单元包括不同模型的PLC设备。
此外,工业设施可能由于其操作过程中的各种不可预测问题而造成诸如设施故障这样的错误。当设施反复出现错误时,生产效率将显著降低。
因此,尽管工程师总是停留在设施周围以识别设施故障的原因,但是由于劳动疲劳的积累、依赖于裸眼的监视***以及简单估计原因的方案,难以更精确迅速地应对故障,效率低下。
因此,已开发和提供了精确迅速地识别在开发或管理设施以应对故障的过程中出现的各种故障的原因的设施诊断技术,并且将通过韩国专利No.10-0084195中已知的生产线中的设施故障的诊断方法对其示意性配置进行描述。
一种被顺序控制以按其预定序列执行操作框中的多个步骤的生产线中的设施故障的诊断方法包括以下步骤:将通过生产线中的设施执行的多个操作分类为在设施的正常状态下从操作的开始直至结束独立执行的一系列操作单元的多个操作框;将多个操作框分类为多个操作步骤;测量从操作框中的一系列操作步骤的开始直至结束的操作时间;存储操作框中的操作步骤中的操作的完成;将操作块的参考操作时间与所测得的操作时间进行计较;以及响应于操作步骤中操作的完成的状态和比较步骤中的时间差而指定框中的故障操作步骤。
此外,韩国专利申请公开No.10-2013-0102278公开了一种设施装置监视***和一种设施装置监视方法,该设施装置监视***包括:多个设施装置,其包括显示部、音频输出部和被配置为显示操作状态的塔灯;以及监视装置,其被配置为通过是使用PLC模块发送和接收表示多个设施装置的操作状态的信号,其中,PLC模块包括控制程序,该控制程序基于所发送和接收的信号来监视多个设施装置的操作状态,并且通过显示部和音频输出部中的至少一个来输出结果。
发明内容
技术问题
应用传统技术的生产线中的设施故障的诊断方法包括故障诊断设备,故障诊断设备包括:车辆组装线(下文中,设施);线故障诊断单元,其被安装在整个设施中以诊断线故障;区域故障诊断单元,其被安装用于线区域以诊断区域的故障;以及装置故障诊断单元,其被安装用于针对区域安装的装置以诊断装置的故障,其中,线、区域和装置的故障被顺序地诊断。
即,根据传统技术的故障诊断设备,故障诊断设备被安装用于整个线、区域和装置,并且如果通过测量线、区域和装置的操作时间(即,进出时间)并且将它们与参考时间进行比较而确定异常,则进行故障诊断结果。
因此,因为仅仅通过测量设施各部件的过程进程时间来简单地诊断异常,所以难以清楚地识别直接故障原因是在其设施里还是诸如材料这样的另一外部因素。
此外,因为即使设施实质上故障,在生产线操作期间也经常正常地保持进出时间,所以难以用传统技术的方法来确保故障诊断精度。
此外,另一示例的设施装置监视***通过以一一对应的方式连接设置在设施装置中的塔灯的驱动电路与PLC模块并且使用PLC模块收集塔灯的操作信号并且输出操作状态来执行监视。
因此,传统技术具有局限性,因为设施装置仅识别其操作,但是难以识别装置故障的详细原因和生成时间点。
技术解决方案
按照本公开的一方面,提供了一种使用设施诊断***的设施诊断方法,所述设施诊断***包括成像模块110和诊断模块120,所述成像模块110被配置为拍摄一设施,在该设施中内置安装有PLC的设施控制器,所述诊断模块120包括安装有用于诊断所述设施的故障的软件的硬件,该设施诊断方法包括以下步骤:
诊断事件生成步骤S11,其通过所述诊断模块120接收并检测由所述设施控制器输出的PLC存储映射访问信号P,并且在所述诊断模块120中生成与多种预设事件条件对应的种类的诊断事件;
存储范围设置步骤S12,其任意地选择将在诊断事件生成时间点存储的PLC存储区域的状态信息和数据值的范围,并且设置基于所述诊断事件生成时间点在之前/之后范围的时间区域;以及
文件存储步骤S13,其通过所述诊断模块120实时地存储在所述存储范围设置步骤中选择的范围内的所述PLC存储区域的所述状态信息和所述数据值,
其中,所述诊断模块120被配置为选择性执行:主存储器模式设置步骤S21,其在所述设施的正常状态操作的一个周期期间安装存储模式识别软件,存储所述PLC存储区域的状态信息和数据值,并且将所存储的所述状态信息和所述数据值设置为主存储模式;以及
存储模式通知步骤S22,其在所述设施的操作期间实时地读取所述PLC存储区域,将所读取的所述PLC存储区域与所述主存储模式进行比较,并且显示其中所读取的所述PLC存储区域与所述主存储模式不相符的区域,并且
其中,在所述文件存储步骤S13中,
所述PLC存储区域的所述状态信息和所述数据值被以诊断事件类型以及生成日期和时间的数据文件的形式存储,用于输入/输出、内部继电器、链路继电器的区域被以比特为单位转换,以显示其操作状态,用于数据寄存器和链路寄存器的区域在被以字为单位读取之后以十进制数为单位转换以进行显示和存储,并且被提供到用户。
在所述设施诊断***的所述成像模块110上安装图像识别应用,所述设施诊断方法包括以下步骤:
主图像设置步骤S31,其在将图像区域设置为监视目标的正常状态之后,以像素为单位累积多个图像的边缘特征并且学习平均的主图像;
匹配率设置步骤S32,其存储匹配率和存储条件,其中边界值被设置为所述监视目标的正常状态和异常状态;
图像监视事件生成步骤S33,其通过所述诊断模块120接收并检测由所述成像模块110输出的图像监视事件信号,在所述诊断模块120中生成与预设图像监视事件条件相符的图像监视事件,并且向所述成像模块110发送信号;以及
图像文件存储步骤S34,其通过所述成像模块110在所述图像监视事件生成时间点获取所述监视目标的当前状态图像,并且如果在将所述当前状态图像与所述主图像进行比较之后根据匹配率满足存储条件,则将所述当前状态图像作为图像文件存储,并且
其中,所述图像文件存储步骤S34包括以下步骤:
获取并编辑在基于所述图像监视事件生成时间点的之前/之后范围的时间区域内成像装置所拍摄的所述监视目标的图像数据,并且将经编辑的图像数据作为图像文件存储。
所述设施诊断***包括被配置为监视所述监视目标的多个IoT传感器单元130,所述设施诊断方法包括以下步骤:
IoT事件生成步骤S41,其通过所述诊断模块120与所述IoT传感器单元130硬件接触或有线/无线通信来接收并检测IoT监视事件信号,在所述诊断模块120中生成与预设IoT监视事件条件对应的IoT监视事件,并且向所述成像模块110发送信号;
图像文件存储步骤S42,其获取并编辑在基于所述IoT监视事件生成时间点的之前/之后范围的时间区域内成像装置所拍摄的所述监视目标的图像数据并且将经编辑的图像数据作为图像文件存储;以及
IoT通知步骤S43,其通过所述诊断模块120将IoT监视事件生成通知发送到用户的智能手机。
因此,实现了以下目标:当设施内出现异常操作时,基于由诊断模块、成像模块和IoT传感器单元分析的目标数据,允许用户更迅速精确地识别设施异常操作的原因。
有益效果
本公开包括含诊断模块、成像模块和IoT传感器单元的设施诊断***,并且可以通过根据用户指定的条件生成各种种类的事件来更有效地应对其原因不能被容易识别的设施故障。
具体地,本公开可以通过在事件生成事件点从PLC存储区域提取目标数据并且将数据转换成数据文件的形式来允许用户更详细地精确识别设施异常操作的原因,据此,用户可以针对事件的种类以及生成日期和时间更容易且方便地识别数据,以将数据提供到用户。
此外,因为基于利用OPEN CV技术进行的图像识别算法根据事件生成时间点从常规成像装置获取图像数据并且利用通过图像处理进行匹配来提供图像文件,所以即使在没有引入高价视觉***的情况下,也可以以软件方式容易地识别异常操作的原因。
另外,因为可以通过向设施诊断***应用IoT技术通过硬件接触或有线/无线通信来生成事件并且利用智能手机实时地向用户提供通知,所以可以进行即时措施。
附图说明
图1是例示了本公开应用于的设施诊断***的示意性结构的框图;以及
图2是根据本公开的使用设施诊断***的设施诊断方法的示意性过程流程图。
具体实施方式
本公开的技术应用于的使用设施诊断***的设施诊断方法是以下的技术:当管理安装有PLC的设施控制器被内置在其中的设施期间出现异常操作时,允许用户基于具体地经诊断模块120、成像模块110和IoT传感器单元130分析的目标数据,更迅速精确地识别异常操作的详细原因,由此使得可以更有效地诊断其原因不能容易地在设施操作过程中识别到的故障,以采取措施。
为了实现这一点,使用设施诊断***的设施诊断方法是使用包括其细节如下的成像模块110和诊断模块120的设施诊断***进行的设施诊断方法,成像模块110被配置为拍摄一设施,在该设施中内置安装有PLC的设施控制器,诊断模块120包括安装有用于诊断设施故障的软件的硬件。
本公开的设施诊断方法包括诊断事件生成步骤S11、存储范围设置步骤S12和文件存储步骤S13。
诊断事件生成步骤(S11)是以下步骤:通过诊断模块120接收并检测由设施控制器输出的PLC存储映射访问信号P,并且在诊断模块120中生成与多种预设事件条件对应的种类的诊断事件。
设施控制器是内置在设施中以控制自动化设施的装置,并且包括安装有可编程逻辑控制器(PLC)、计算机和微处理器的印刷电路板(PCB)。
PLC是控制单元,其通过用半导体器件取代安装在传统设施上的控制面板上内置的诸如继电器、定时器、计时器等这样的装置来实现对基础设施操作序列控制、通过数值计算进行的控制、通信功能等的程序控制。
PLC包括含输入/输出模块、电源、通信模块和***装置的硬件和PLC软件,***装置包括CPU和存储器。
PLC存储器被分为用于用户程序存储器、数据存储器和***存储器的区域。
用户程序存储器是用户特定程序被存储在其中的区域。PLC允许用户特定程序执行连接到PLC的装置的控制操作。数据存储器是诸如输入/输出、辅助中继器、定时器和计数器的接触状态和设置值这样的装置信息被存储在其中的区域。***存储器是诸如PLC制造商编写的操作***(OS)这样的***程序被存储在其中的区域。
用户特定程序是由用户根据将受控制的设施编写的控制程序,并且通过PLC的输入/输出模块输入和输出信号并且访问接口并与接口通信来执行各种控制功能。
PLC的输入/输出模块直接连接输入/输出电路和构成设施的装置,并且基本上包括由转换器被内置在其中的数字单元或模拟单元进行的信号控制方案。另外,使得可以通过PLC存储映射访问信号P进行输入/输出通信。因为对于PLC的常见技术问题而言可以参考已知技术,所以将省略对其的详细描述。
诊断模块120包括:多个端子构件;多个通信端口,其用于以下将描述的PLC与成像模块110的通信;PCB,其安装有用于分析和处理输入数据并诊断设施故障的软件;以及显示装置,其通过软件接口设置和改变各种参数并且标识所存储的图像数据。
诊断模块120从PLC输入/输出模块接收PLC存储映射访问信号P并且生成事件。用户可以指定将通过使用PLC的输入/输出模块根据设施情形被用作PLC存储映射访问信号或PLC程序上的存储区域信号的信号。
诊断模块120按预设参数生成与事件生成条件相符的事件。基于事件生成时间点,诊断模块120向以下将描述的成像模块110发送信号,并且允许根据用户条件的设置编辑和存储所捕获的图像数据,并且具体地,分析PLC存储区域的状态信息和数据值,并且提供经分析的状态信息和数据值,使得状态信息和数据值被用于诊断设施故障。
存储范围设置步骤(S12)是以下的步骤:任意地选择将在诊断事件生成时间点存储的PLC存储区域的状态信息和数据值的范围,并且设置基于诊断事件生成时间点在之前/之后范围的时间区域。
因为诸如输入/输出、内部继电器和链路继电器这样的各种种类的装置信息和数据值被存储在PLC存储器的数据存储区域中,所以在存储范围设置步骤(S12)中,用户任意地选择将被读取和存储的输入/输出状态信息和数据值的范围,并且将基于诊断事件生成时间点设置将被存储的时间范围。
文件存储步骤(S13)是通过诊断模块120实时地存储在存储范围设置步骤(S12)中选择的范围内的PLC存储区域的状态信息和数据值的步骤。
具体地,在文件存储步骤(S13)中,PLC存储区域的状态信息和数据值被以诊断事件类型以及诊断事件的生成日期和时间的数据文件的形式存储并且被提供到用户,因此用户可以迅速精确地基于所存储的文件采取措施。
另外,在文件存储步骤(S13)中,PLC存储区域的用于输入/输出、内部继电器和链路继电器的区域被以比特为单位转换,以显示PLC存储区域的操作状态,用于数据寄存器和链路寄存器的区域作为数据文件存储,以便在以字为单位读取数据寄存器和链路寄存器之后以十进制数为单位转换数据寄存器和链路寄存器,以显示数据寄存器和链路寄存器。
输入/输出区域是存储on(开)/off(关)数据和用于传送与PLC的输入/输出模块连接的装置(例如,开关、传感器、灯或螺线管)的CPU计算结果数据的装置,并且显示输入/输出接触点的状态信息。内部继电器区域是存储CPU的ON/OFF接触点数据的装置。链路继电器是在CPU之间进行通信期间共享数据的装置。数据寄存器是将内部数据存储在CPU中的装置。链路寄存器是在通信期间在CPU之间共享字数据的装置。至于应用于PLC的装置的详细功能,可以参照已知技术。
PLC的CPU将所有数据按1或0进行存储和处理。因此,因为数值计算也按二进制数进行处理,所以当数据以这种状态存储在文件中时,用户难以容易地识别数据的内容。因此,在文件存储步骤(S13)中,因为根据装置的操作特性以比特为单位显示ON/OFF操作并且以16比特或32比特为单位的数据被在以字为单位读取之后转换成十进制数以进行显示,所以用户可以在读取数据文件时更方便迅速地识别所存储的数据文件。
[执行本发明的模式]
此外,在本公开的使用设施诊断***的设施诊断方法中,在诊断模块120上安装存储模式识别软件,并且设施诊断方法包括主存储模式设置步骤(S21)和存储模式通知步骤(S22)。
主存储器模式设置步骤(S21)是以下的步骤:在设施的正常状态操作的一个周期期间存储PLC存储区域的状态信息和数据值,并且将所存储的状态信息和数据值设置为主存储模式。
即,诊断模块120在结合PLC的通信模块执行设施的正常操作的一个周期的同时,存储由用户在诊断模块120的存储装置中预设的范围内的PLC存储区域的状态信息和数据值,因此设置存储模式识别软件识别的主存储模式。
存储模式通知步骤(S22)是以下的步骤:在设施操作期间实时地读取PLC存储区域,将所读取的PLC存储区域与主存储模式进行比较,并且显示其中所读取的PLC存储区域与主存储模式不相符的区域。
此外,在本公开的使用设施诊断***的设施诊断方法中,图像识别应用被安装在成像模块110上,并且设施诊断方法包括主图像设置步骤(S31)、匹配率设置步骤(S32)、图像监视事件生成步骤(S33)和图像文件存储步骤(S34)。
成像模块110包括成像装置,成像装置正常拍摄监视目标,并且一致地存储适当容量的最近图像数据。
成像装置包括被包括并内置在设施诊断***100中或者被远程安装的相机或CCTV。一个或更多个成像装置被连接到诊断模块120中设置的连接端口,以发送和接收信号。
图像识别应用是软件,其安装有基于OPEN CV技术进行的图像识别比较算法,并且允许使用常规成像装置存储和匹配主图像。
开源计算机视觉(OPEN CV)是用于用软件实现实时计算机视觉的开放程序库,并且可以通过图像处理来实现诸如对监视目标的操作、识别、跟踪和确认这样的功能。
传统自动化生产线通过使用传感器或视觉***(机器视觉)来执行诸如检查材料组装、检查不一样产品或检查大小这样的检查,并且循环中的CCTV采用通过运动检测方案存储实时图像或完整图像的方案。此外,本公开使用基于OPEN CV实现的图像识别应用和常规成像装置,而非构造常规的高价视觉***。
主图像设置步骤(S31)是以下的步骤:在将图像区域设置为监视目标的正常状态之后,以像素为单位累积多个图像的边缘特征并且学习平均的主图像。
即,通过使用在图像识别应用中实现的图像的边缘(周缘或角落)特征检测算法组合通过拍摄正常状态而获得的数百个图像的边缘特征来生成主图像。
匹配率设置步骤(S32)是存储匹配率和存储条件的步骤,在该步骤中边界值被设置为监视目标的正常状态和异常状态。用户可以任意地设置匹配率。
图像监视事件生成步骤(S33)是以下的步骤:通过诊断模块120接收并检测由成像模块110输出的图像监视事件信号,在诊断模块120中生成与预设图像监视事件条件相符的图像监视事件,并且向成像模块110发送信号。
图像文件存储步骤(S34)是以下的步骤:通过成像模块110在图像监视事件生成时间点获取监视目标的当前状态图像,并且如果在将当前状态图像与主图像进行比较之后根据匹配率满足存储条件,则将当前状态图像作为图像文件存储。
另外,在图像文件存储步骤(S34)中,获取并编辑在基于图像监视事件生成时间点的之前/之后范围的时间区域内成像装置所捕获的监视目标的图像数据并且将其存储在图像文件中。
此外,在使用本公开的设施诊断***的设施诊断方法中,提供监视监视目标的多个IoT传感器单元130,并且设施诊断方法包括IoT事件生成步骤(S41)、图像文件存储步骤(S41)和IoT通知步骤(S43)。
即,当IoT传感器单元130在假定被确定需要用户监视的监视区域中的情形(例如,诸如控制进入/退出、检测侵入或设施健康这样的情形)之后满足预设条件时,诊断模块120检测IoT监视事件信号,以生成IoT监视事件。
IoT事件生成步骤(S41)是以下的步骤:通过诊断模块120与IoT传感器单元130硬件接触或有线/无线通信来接收并检测IoT监视事件信号,在诊断模块120中生成与预设IoT监视事件条件对应的IoT监视事件,并且向成像模块110发送信号。
图像文件存储步骤(S42)是以下的步骤:获取并编辑在基于IoT监视事件生成时间点的之前/之后范围的时间区域内成像装置所拍摄的监视目标的图像数据并且将经编辑的图像数据作为图像文件存储。
IoT通知步骤(S43)是以下的步骤:通过诊断模块120将IoT监视事件生成通知发送到用户的智能手机。
上述根据本公开的使用设施诊断***的设施诊断方法使用包括与PLC互通的诊断模块120、与诊断模块120互通的成像模块110以及IoT传感器单元130的设施诊断***100,并且可以通过根据针对设施情形指定的用户条件生成各种种类的事件来有效地诊断其原因难以识别的设施故障。
因此,根据本公开,可以通过利用事件生成步骤至文件存储步骤(S11至S13)将PLC存储区域的状态信息和数据值转换成用户可以更容易方便地识别的数据文件的形式并且针对事件类型以及生成日期和时间向用户提供状态信息和数据值来迅速地识别精确的原因,并且用户可以利用主存储模式设置步骤至存储模式通知步骤(S21至S22)更迅速地应对故障诊断。
另外,根据本公开,利用主图像设置步骤至图像文件存储步骤(S31至S34),即使在不引入高价视觉***的情况下,通过使用常规成像装置,也可以以软件方式容易地诊断和识别异常操作。
[工业实用性]
本公开可以实现以下各种效果:例如,利用IoT事件生成步骤至IoT通知步骤(S41至S43),通过实时地连接设施控制器、设施诊断***和用户向设施诊断***100应用IoT技术来迅速地执行诊断和措施。
Claims (3)
1.一种使用设施诊断***的设施诊断方法,所述设施诊断***包括成像模块(110)和诊断模块(120),所述成像模块(110)被配置为拍摄一设施,在该设施中内置安装有PLC的设施控制器,所述诊断模块(120)包括安装有用于诊断所述设施的故障的软件的硬件,该设施诊断方法包括以下步骤:
诊断事件生成步骤(S11),其通过所述诊断模块(120)接收并检测由所述设施控制器输出的PLC存储映射访问信号(P),并且在所述诊断模块(120)中生成与多种预设事件条件对应的种类的诊断事件;
存储范围设置步骤(S12),其通过所述诊断模块(120)任意地选择将在诊断事件生成时间点存储的PLC存储区域的状态信息和数据值的范围,并且设置基于所述诊断事件生成时间点在之前/之后范围的时间区域;以及
文件存储步骤(S13),其通过所述诊断模块(120)实时地存储在所述存储范围设置步骤中选择的范围内的所述PLC存储区域的所述状态信息和所述数据值,
其中,所述诊断模块(120)被配置为选择性执行:
主存储器模式设置步骤(S21),其在所述设施的正常状态操作的一个周期期间安装存储模式识别软件,存储所述PLC存储区域的状态信息和数据值,并且将所存储的所述状态信息和所述数据值设置为主存储模式;以及
存储模式通知步骤(S22),其在所述设施的操作期间实时地读取所述PLC存储区域,将所读取的所述PLC存储区域与所述主存储模式进行比较,并且显示其中所读取的所述PLC存储区域与所述主存储模式不相符的区域,并且
其中,在所述文件存储步骤(S13)中,
所述PLC存储区域的所述状态信息和所述数据值被以诊断事件类型以及生成日期和时间的数据文件的形式存储,用于输入/输出、内部继电器、链路继电器的区域被以比特为单位转换,以显示其操作状态,用于数据寄存器和链路寄存器的区域在被以字为单位读取之后以十进制数为单位转换以进行显示和存储,并且被提供到用户。
2.根据权利要求1所述的设施诊断方法,其中,在所述设施诊断***的所述成像模块(110)上安装图像识别应用,所述设施诊断方法包括以下步骤:
主图像设置步骤(S31),其在将图像区域设置为监视目标的正常状态之后,以像素为单位累积多个图像的边缘特征并且学习平均的主图像;
匹配率设置步骤(S32),其存储匹配率和存储条件,其中边界值被设置为所述监视目标的正常状态和异常状态;
图像监视事件生成步骤(S33),其通过所述诊断模块(120)接收并检测由所述成像模块(110)输出的图像监视事件信号,在所述诊断模块(120)中生成与预设图像监视事件条件相符的图像监视事件,并且向所述成像模块(110)发送信号;以及
图像文件存储步骤(S34),其通过所述成像模块(110)在所述图像监视事件生成时间点获取所述监视目标的当前状态图像,并且如果在将所述当前状态图像与所述主图像进行比较之后根据匹配率满足存储条件,则将所述当前状态图像作为图像文件存储,并且
其中,所述图像文件存储步骤(S34)包括以下步骤:
获取并编辑在基于所述图像监视事件生成时间点的之前/之后范围的时间区域内成像装置所拍摄的所述监视目标的图像数据,并且将经编辑的图像数据作为图像文件存储。
3.根据权利要求1所述的设施诊断方法,其中,所述设施诊断***包括被配置为监视所述监视目标的多个IoT传感器单元(130),所述设施诊断方法包括以下步骤:
IoT事件生成步骤(S41),其通过所述诊断模块(120)与所述IoT传感器单元(130)硬件接触或有线/无线通信来接收并检测IoT监视事件信号,在所述诊断模块(120)中生成与预设IoT监视事件条件对应的IoT监视事件,并且向所述成像模块(110)发送信号;
图像文件存储步骤(S42),其获取并编辑在基于所述IoT监视事件生成时间点的之前/之后范围的时间区域内成像装置所拍摄的所述监视目标的图像数据并且将经编辑的图像数据作为图像文件存储;以及
IoT通知步骤(S43),其通过所述诊断模块(120)将IoT监视事件生成通知发送到用户的智能手机。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2018-0010541 | 2018-01-29 | ||
KR1020180010541A KR102116064B1 (ko) | 2018-01-29 | 2018-01-29 | 설비 진단 시스템을 이용한 설비 진단 방법 |
PCT/KR2018/006988 WO2019146849A1 (ko) | 2018-01-29 | 2018-06-21 | 설비 진단 시스템을 이용한 설비 진단 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111542791A true CN111542791A (zh) | 2020-08-14 |
CN111542791B CN111542791B (zh) | 2023-05-02 |
Family
ID=67394997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880084857.2A Active CN111542791B (zh) | 2018-01-29 | 2018-06-21 | 使用设施诊断***的设施诊断方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11774934B2 (zh) |
KR (1) | KR102116064B1 (zh) |
CN (1) | CN111542791B (zh) |
WO (1) | WO2019146849A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7359601B2 (ja) * | 2019-09-03 | 2023-10-11 | 株式会社日立製作所 | データ抽出装置、データ抽出方法、およびデータ抽出プログラム |
KR102161244B1 (ko) * | 2020-02-26 | 2020-09-29 | (주)윈텍 | 산업설비 및 장치 감시 경보 시스템 및 그 방법 |
US11435715B2 (en) * | 2020-05-14 | 2022-09-06 | Hitachi, Ltd. | System and method for detecting change over in manufacturing field |
CN114820225B (zh) * | 2022-06-28 | 2022-09-13 | 成都秦川物联网科技股份有限公司 | 基于关键词识别和处理制造问题的工业物联网及控制方法 |
KR102508648B1 (ko) | 2022-10-13 | 2023-03-10 | 김재상 | 전기 및 소방 설비의 오동작 판단을 기반으로 한 비상상황 모니터링 방법, 장치 및 시스템 |
KR102505770B1 (ko) * | 2022-11-17 | 2023-03-07 | (주)퓨쳐아이씨티 | IoT 센서 기반 양배수장 설비 이상 진단 및 모니터링 방법, 장치 및 시스템 |
CN117556366B (zh) * | 2024-01-12 | 2024-04-26 | 中科迈航信息技术有限公司 | 基于数据筛选的数据异常检测***及方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0793177A2 (en) * | 1996-03-01 | 1997-09-03 | Sony Display Device (Singapore) Pte. Ltd. | Diagnosis of abnormality in processing equipment |
EP1109395A2 (en) * | 1999-12-16 | 2001-06-20 | Xerox Corporation | Systems and methods for automated image quality based diagnostics and remediation of document processing systems |
CN1573618A (zh) * | 2003-06-20 | 2005-02-02 | 施乐公司 | 自动标记显示和最大标记存储界面及具有该界面的复印机 |
JP2006059185A (ja) * | 2004-08-20 | 2006-03-02 | Rise Corp | データ管理システム及び方法 |
CN101110155A (zh) * | 2007-08-27 | 2008-01-23 | 北京交通大学 | 基于数据融合模式识别的嵌入式故障智能诊断装置及方法 |
CN101231710A (zh) * | 2007-08-02 | 2008-07-30 | 黄廷彰 | 双模式判读鸽环及赛鸽的双模式判读辨识*** |
JP2008305259A (ja) * | 2007-06-08 | 2008-12-18 | Nec Electronics Corp | 生産設備稼働状態データ収集システム |
WO2011104760A1 (ja) * | 2010-02-26 | 2011-09-01 | 株式会社 日立製作所 | 故障原因診断システムおよびその方法 |
EP2696251A2 (de) * | 2012-08-07 | 2014-02-12 | Prüftechnik Dieter Busch AG | Verfahren zum Überwachen von rotierenden Maschinen |
AT513782A2 (de) * | 2014-04-11 | 2014-07-15 | Avl List Gmbh | Vorrichtung und Verfahren zur Übermittlung von Daten |
US20140288675A1 (en) * | 2013-03-25 | 2014-09-25 | Hitachi Construction Machinery Co., Ltd. | Diagnostic Processing System, Onboard Terminal System, and Server |
WO2015005663A1 (ko) * | 2013-07-10 | 2015-01-15 | 주식회사 글로비즈 | 신호 계측 진단 모니터링 시스템과 그 방법 및 이를 개별 장치에 적용한 방법 및 시스템 |
KR101566358B1 (ko) * | 2014-07-28 | 2015-11-06 | 주식회사 유디엠텍 | 자동화 공정 이상상태 알림 시스템 및 방법 |
US20160217674A1 (en) * | 2015-01-26 | 2016-07-28 | Trane International Inc. | Remote monitoring of an hvac system for fault detection and diagnostics |
EP3062220A1 (en) * | 2015-02-25 | 2016-08-31 | BAE Systems PLC | Information system and method |
KR101668464B1 (ko) * | 2016-03-29 | 2016-10-25 | (주)씨프로 | 암호화 및 다중센서 협업 iot 카메라 시스템 |
KR101748282B1 (ko) * | 2016-11-04 | 2017-06-27 | (주)윈텍 | 설비 진단 시스템 및 상기 시스템을 이용한 설비 진단 방법 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR950000022B1 (en) | 1989-12-11 | 1995-01-07 | Mazda Motor | Breakdown diagnosing method of production line equipment |
KR100867773B1 (ko) | 2007-06-12 | 2008-11-10 | 르노삼성자동차 주식회사 | 자동차 조립설비 자동제어 시스템 |
KR20130102278A (ko) | 2012-03-07 | 2013-09-17 | 삼성전기주식회사 | 설비 장치 모니터링 시스템 및 방법 |
KR101475571B1 (ko) * | 2012-11-28 | 2014-12-22 | 엘에스산전 주식회사 | 감시 제어 장치에서 데이터 처리를 위한 장치 및 방법 |
-
2018
- 2018-01-29 KR KR1020180010541A patent/KR102116064B1/ko active IP Right Grant
- 2018-06-21 WO PCT/KR2018/006988 patent/WO2019146849A1/ko active Application Filing
- 2018-06-21 CN CN201880084857.2A patent/CN111542791B/zh active Active
- 2018-06-21 US US16/960,682 patent/US11774934B2/en active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0793177A2 (en) * | 1996-03-01 | 1997-09-03 | Sony Display Device (Singapore) Pte. Ltd. | Diagnosis of abnormality in processing equipment |
EP1109395A2 (en) * | 1999-12-16 | 2001-06-20 | Xerox Corporation | Systems and methods for automated image quality based diagnostics and remediation of document processing systems |
CN1573618A (zh) * | 2003-06-20 | 2005-02-02 | 施乐公司 | 自动标记显示和最大标记存储界面及具有该界面的复印机 |
JP2006059185A (ja) * | 2004-08-20 | 2006-03-02 | Rise Corp | データ管理システム及び方法 |
JP2008305259A (ja) * | 2007-06-08 | 2008-12-18 | Nec Electronics Corp | 生産設備稼働状態データ収集システム |
CN101231710A (zh) * | 2007-08-02 | 2008-07-30 | 黄廷彰 | 双模式判读鸽环及赛鸽的双模式判读辨识*** |
CN101110155A (zh) * | 2007-08-27 | 2008-01-23 | 北京交通大学 | 基于数据融合模式识别的嵌入式故障智能诊断装置及方法 |
WO2011104760A1 (ja) * | 2010-02-26 | 2011-09-01 | 株式会社 日立製作所 | 故障原因診断システムおよびその方法 |
EP2696251A2 (de) * | 2012-08-07 | 2014-02-12 | Prüftechnik Dieter Busch AG | Verfahren zum Überwachen von rotierenden Maschinen |
US20140288675A1 (en) * | 2013-03-25 | 2014-09-25 | Hitachi Construction Machinery Co., Ltd. | Diagnostic Processing System, Onboard Terminal System, and Server |
WO2015005663A1 (ko) * | 2013-07-10 | 2015-01-15 | 주식회사 글로비즈 | 신호 계측 진단 모니터링 시스템과 그 방법 및 이를 개별 장치에 적용한 방법 및 시스템 |
AT513782A2 (de) * | 2014-04-11 | 2014-07-15 | Avl List Gmbh | Vorrichtung und Verfahren zur Übermittlung von Daten |
KR101566358B1 (ko) * | 2014-07-28 | 2015-11-06 | 주식회사 유디엠텍 | 자동화 공정 이상상태 알림 시스템 및 방법 |
US20160217674A1 (en) * | 2015-01-26 | 2016-07-28 | Trane International Inc. | Remote monitoring of an hvac system for fault detection and diagnostics |
EP3062220A1 (en) * | 2015-02-25 | 2016-08-31 | BAE Systems PLC | Information system and method |
KR101668464B1 (ko) * | 2016-03-29 | 2016-10-25 | (주)씨프로 | 암호화 및 다중센서 협업 iot 카메라 시스템 |
KR101748282B1 (ko) * | 2016-11-04 | 2017-06-27 | (주)윈텍 | 설비 진단 시스템 및 상기 시스템을 이용한 설비 진단 방법 |
Non-Patent Citations (3)
Title |
---|
Y. LI: "Coherent high-order mode beating in CESR sliding joints from multi-bunched stored electron and positron beams", < PACS2001. PROCEEDINGS OF THE 2001 PARTICLE ACCELERATOR CONFERENCE> * |
冉振莉等: "基于工业云的电熔镁炉监控***与关键技术", 《计算机集成制造***》 * |
邢士勇等: "基于DDE和小波分析的神经网络故障诊断", 《振动与冲击》 * |
Also Published As
Publication number | Publication date |
---|---|
US11774934B2 (en) | 2023-10-03 |
WO2019146849A1 (ko) | 2019-08-01 |
US20200333759A1 (en) | 2020-10-22 |
CN111542791B (zh) | 2023-05-02 |
KR102116064B1 (ko) | 2020-05-27 |
KR20190098777A (ko) | 2019-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111542791B (zh) | 使用设施诊断***的设施诊断方法 | |
US20240089412A1 (en) | Machine-vision system and method for remote quality inspection of a product | |
CN107436595B (zh) | 机械学习装置、故障预测装置、机械***及机械学习方法 | |
US20180276913A1 (en) | Remote vehicle network monitoring and failure prediction system | |
CN108628263B (zh) | 控制***、控制装置、计算机可读存储介质以及控制方法 | |
US11782431B2 (en) | Control device and non-transitory computer-readable recording medium recording program | |
WO2020031790A1 (ja) | 制御システムおよび制御装置 | |
US20220230440A1 (en) | Information processing device, information processing method, and recording medium | |
KR101178186B1 (ko) | Pc 기반 시스템에서 피엘씨 신호 패턴을 이용하여 다수의 설비로 구성된 자동화 라인의 비정상 상태 알람 방법. | |
CN109661626B (zh) | 用于诊断自动化***的***和方法 | |
US20190257719A1 (en) | Abnormal-state detection system and abnormal-state detection method | |
JP2018088177A (ja) | 情報処理装置、情報処理システム、情報処理方法、および情報処理プログラム | |
KR101748282B1 (ko) | 설비 진단 시스템 및 상기 시스템을 이용한 설비 진단 방법 | |
CN114077919A (zh) | 用于预测加工异常的*** | |
US20210019242A1 (en) | Method, A Diagnosing System And A Computer Program Product For Diagnosing A Fieldbus Type Network | |
US6937962B2 (en) | Predictive diagnostic system in a programmable automaton | |
JPH05100890A (ja) | 制御装置信頼性診断システム | |
CN117113914B (zh) | 基于数字孪生的电路板可靠性预测方法、***及存储介质 | |
US11226603B2 (en) | Automation system for process automation and a corresponding method | |
US10528417B2 (en) | Clock signal inspection device, plant monitoring controller, and method for diagnosing clock signal inspection device | |
US20230281536A1 (en) | Work management device, work management method, and non-transitory computer-readable medium | |
JP2022129404A (ja) | 監視装置、監視システム、監視方法および監視プログラム | |
JP2024518749A (ja) | リアルタイム異常検出のためのgnnに基づくマスタ状態の生成方法 | |
WO2021191916A1 (en) | A system and a method to enable zero defect production | |
JP2019175302A (ja) | 機器制御装置、及び機器制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |