KR101919543B1 - 압연 공정의 운전성 장애 분석 방법 및 장치 - Google Patents

Abstract

본 발명의 압연 공정의 운전성 장애 분석 방법은 압연 공정에서 생성된 운전 패턴을 나타내는 시계열 데이터, 제어 설정값 및 주요 공정 변수를 수집하는 데이터 수집 단계; 상기 하나의 소재에 속하는 시계열 데이터를 복수의 구간으로 구간화하는 구간화 단계; 상기 구간화된 시계열 데이터에 대한 통계 요약 정보를 생성하는 통계 정보 생성 단계; 상기 통계 요약 정보에 근거하여 상기 복수의 구간을 장애 구간 집단과 정상 구간 집단으로 구별하는 장애 구간 식별 단계; 상기 장애 구간 집단 및 정상 구간 집단으로부터 복수의 장애 구간 및 정상 구간을 샘플링하는 구간 샘플링 단계; 상기 샘플링된 구간의 통계 요약 정보에 근거하여 상기 장애 구간에 영향을 주는 적어도 하나의 핵심 인자를 도출하는 핵심 인자 도출 단계; 및 상기 핵심 인자를 주요 변수로 하여 운전 패턴 모델을 생성하는 운전 패턴 모델링 단계를 포함한다.

Description

압연 공정의 운전성 장애 분석 방법 및 장치{A method and device for analyzing operational abnormality of rolling process}

본 발명은 압연 공정의 운전성 장애 분석 방법 및 장치에 관한 것으로, 더욱 상세하게는 압연 공정에서 발생하는 다수의 시계열 데이터들을 구간화 처리하고 각 구간에 대한 통계 정보를 이용함으로써 설비의 이상 작동의 원인을 효율적으로 분석하고 운전자에게 설비 조작 방법에 대한 가이드를 제공할 수 있는 압연 공정의 운전성 장애 분석 방법 및 장치에 관한 것이다.

일반적인 철강 제조 공정은 용선을 생산하는 제선 공정, 용선에서 불순물을 제거하는 제강 공정, 액체 상태의 철을 고체로 변형시키는 연주 공정 및 철을 강판이나 선재로 만드는 압연 공정으로 이루어진다. 이 중 압연 공정은 연주 공정에서 생산된 슬라브, 블룸, 빌릿 등의 재료를 회전하는 여러 개의 롤 사이를 통과시키면서 연속적인 힘을 가하여 늘리거나 얇게 만드는 과정을 말한다. 이 압연 공정에서 생산되는 제품은 크기, 강종 및 규격이 다양하며, 이에 따라 압연 공정에서 제품을 생산하기 위한 설비의 작동 방법 또한 다양하다.

압연 공정에서 생상되는 제품의 품질은 이를 가공하는 설비를 어떻게 제어하느냐에 따라 크게 좌우되며, 균일한 품질의 제품을 생산하기 위해서는 설비를 올바른 방법에 의하여 동일하게 동작시키도록 하는 설비조작 방법에 대한 실시간 관리가 중요하다. 현재 설비조작 프로세스의 상당 부분이 자동화되어 있지만 소재의 가열 시간, 압연 부하배분, 온도 등 품질을 결정하는 주요 프로세스는 여전히 운전자의 경험에 의존하고 있으며, 운전자의 경험에 따라 달라지는 이러한 변수들은 작업 상황, 운전자의 숙련도, 운전자의 컨디션 등 외부 인자의 영향을 받게 된다. 결과적으로 이는 생산 프로세스의 변동 요인이 되어 제품 품질의 균일성 확보에 좋지 않은 영향을 준다.

특히 운전자의 잘못된 설비 조작에 의해 발생하는 제품의 사행, 파단, 겹침, 이물과 같은 운전성 장애는 제품의 전체 길이 중 일부 부위에 한정되어 발생되지만, 발생시 수 키로미터(km)에 달하는 제품을 폐기하여야 하므로 제품의 생산성에 미치는 영향은 상당히 심각하다. 이를 해결하기 위하여는 실시간으로 운전자의 설비조작 패턴을 분석하여 오조작을 하지 않도록 가이드할 수 있는 체계 구축이 필요하나, 상술한 바와 같이 제품의 강종, 규격, 크기 등이 다양할 뿐 아니라 운전자마다의 운전 방식이 상이하여 획일화된 운전자 가이드 시스템으로는 운전자의 조작 방법을 가이드하는데 한계가 있다. 또한, 롤 교체와 같은 설비의 변화도 수시로 발생하므로, 이에 따라 운전자 가이드 시스템을 변경해야 하는 문제점도 존재한다.

이러한 문제점에도 불구하고 압연 공정에서 균일한 품질의 제품을 생산하기 위해서는 수작업으로라도 운전자의 운전 패턴을 정형화하고 조업 편차를 줄이는 것이 필수적이다. 그러나 운전자의 작업 패턴이 저장된 시계열 데이터들은 10~50ms 간격으로 생성되며 하나의 압연 공정에 사용되는 운전 변수들도 수만 수천 개에 이르므로, 하나의 단독 압연 공정에 해당하는 하루(24시간) 분량의 데이터만 수 기가바이트(GB)에 이를 정도로 그 양이 방대하다. 따라서 전용 툴을 사용하여 시간 단위로 단일 소재에 대한 시계열 데이터들을 육안으로 식별하여 분석하는데는 한계가 있다.

본 발명은 이러한 문제점을 해결하기 위한 것으로, 압연 공정에서 발생하는 다수의 시계열 데이터들을 구간화 처리하고 각 구간에 대한 통계 정보를 이용함으로써 설비의 이상 작동의 원인을 효율적으로 분석할 수 있는 압연 공정에서 설비의 이상 작동 원인 분석 방법 및 장치를 제공하고자 하는 것이다.

본 발명의 다른 목적은 분석된 데이터에 근거하여 운전 패턴을 모델링하고 모델링에 따라 상기 시계열 데이터들을 실시간으로 모니터링함으로써 설비 운전자에게 실시간 운전 가이드를 제공할 수 있는 설비의 이상 작동 원인 분석 방법 및 장치를 제공하고자 하는 것이다.

본 발명의 또 다른 목적들은 다음의 상세한 설명과 도면으로부터 보다 명확해질 것이다.

본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 방법은 압연 공정에서 생성된 운전 패턴을 나타내는 시계열 데이터, 제어 설정값 및 주요 공정 변수를 수집하는 데이터 수집 단계; 상기 하나의 소재에 속하는 시계열 데이터를 복수의 구간으로 구간화하는 구간화 단계; 상기 구간화된 시계열 데이터에 대한 통계 요약 정보를 생성하는 통계 정보 생성 단계; 상기 통계 요약 정보에 근거하여 상기 복수의 구간을 장애 구간 집단과 정상 구간 집단으로 구별하는 장애 구간 식별 단계; 상기 장애 구간 집단 및 정상 구간 집단으로부터 복수의 장애 구간 및 정상 구간을 샘플링하는 구간 샘플링 단계; 상기 샘플링된 구간의 통계 요약 정보에 근거하여 상기 장애 구간에 영향을 주는 적어도 하나의 핵심 인자를 도출하는 핵심 인자 도출 단계; 및 상기 핵심 인자를 주요 변수로 하여 운전 패턴 모델을 생성하는 운전 패턴 모델링 단계를 포함한다.

상기 압연 공정의 운전성 장애 분석 방법은 상기 압연 공정으로부터 생성되는 시계열 데이터를 실시간으로 모니터링하는 것에 의하여 상기 압연 공정의 운전자에게 운전자 가이드를 제공하는 운전자 가이드 제공 단계를 더 포함할 수 있으며, 상기 운전자 가이드 제공 단계는 모니터링된 시계열 데이터를 구간화한 후 실시간 통계 요약 정보를 생성하고 상기 운전 패턴 모델에 상기 실시간 통계 요약 정보를 적용하는 것에 의하여 현재 운전 패턴이 장애 운전 패턴인지 여부를 실시간으로 판단할 수 있다.

상기 구간 샘플링 단계는, 상기 샘플링된 구간 중 중복 소재번호에 해당하는 구간을 처리하는 중복 소재번호 처리 단계를 더 포함할 수 있으며, 상기 중복 소재번호 처리 단계는 중복된 소재번호에 속하는 구간이 장애 구간 및 정상 구간을 포함하는 경우 상기 정상 구간 데이터를 삭제할 수 있다.

상기 중복 소재번호 처리 단계는 중복된 소재번호에 속하는 구간이 모두 정상 구간인 경우 각 정상 구간의 통계 요약 정보를 통합하여 재산출할 수 있다.

본 발명의 다른 실시예에 따른 컴퓨터 판독가능한 저장매체는 컴퓨팅 장치에 의해 실행시, 상기 컴퓨팅 장치가 상술한 압연 공정의 운전성 장애 분석 방법을 실행하게 하는 프로그램 명령어들을 저장한다.

본 발명의 또 다른 실시예에 따른 압연 공정의 운전성 장애 분석 장치는 압연 공정에서 생성된 운전 패턴을 나타내는 시계열 데이터, 제어 설정값 및 주요 공정 변수를 수집하는 데이터 수집 모듈; 상기 하나의 소재에 속하는 시계열 데이터를 복수의 구간으로 구간화하고 상기 구간화된 시계열 데이터에 대한 통계 요약 정보를 생성하는 구간화 및 통계 정보 생성 모듈; 상기 통계 요약 정보에 근거하여 상기 복수의 구간을 장애 구간 집단과 정상 구간 집단으로 구별하는 장애 구간 판단 모듈; 상기 장애 구간 집단 및 정상 구간 집단으로부터 복수의 장애 구간 및 정상 구간을 샘플링하는 구간 샘플링 모듈; 상기 샘플링된 구간의 통계 요약 정보에 근거하여 상기 장애 구간에 영향을 주는 적어도 하나의 핵심 인자를 도출하는 핵심 인자 도출 단계; 및 상기 핵심 인자를 주요 변수로 하여운전 패턴 모델을 생성하는 운전 패턴 모델링 모듈을 포함한다.

상기 압연 공정의 운전성 장애 분석 장치는 상기 압연 공정으로부터 생성되는 시계열 데이터를 실시간으로 모니터링하는 것에 의하여 상기 압연 공정의 운전자에게 운전자 가이드를 제공하는 운전자 가이드 제공 모듈을 더 포함할 수 있으며, 상기 운전자 가이드 제공 모듈은 모니터링된 시계열 데이터를 구간화한 후 실시간 통계 요약 정보를 생성하고 상기 운전 패턴 모델에 상기 실시간 통계 요약 정보를 적용하는 것에 의하여 현재 운전 패턴이 장애 운전 패턴인지 여부를 실시간으로 판단할 수 있다.

상기 구간 샘플링 모듈은, 상기 샘플링된 구간 중 중복 소재번호에 해당하는 구간을 처리하는 중복 소재번호 처리 모듈을 더 포함할 수 있으며, 상기 중복 소재번호 처리 모듈은 중복된 소재번호에 속하는 구간이 장애 구간 및 정상 구간을 포함하는 경우 상기 정상 구간 데이터를 삭제할 수 있다.

상기 중복 소재번호 처리 모듈은 중복된 소재번호에 속하는 구간이 모두 정상 구간인 경우 각 정상 구간의 통계 요약 정보를 통합하여 재산출할 수 있다.

본 발명에 따르면, 대량의 시계열 데이터를 구간화 및 통계정보를 이용하여 비교함으로써 압연 공정에서의 설비의 운전성 장애 원인을 빠르고 효율적으로 분석할 수 있다. 또한, 이러한 분석에 근거하여 운전자에게 실시간 운전 가이드를 제공함으로써 운전성 장애 발생을 최소화하여 제품의 생산 효율을 향상시킬 수 있다.

도 1은 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 방법을 나타내는 순서도이다.
도 2는 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 방법에서 분류 분석을 위한 데이터 세트 생성 방법을 나타내는 순서도이다.
도 3은 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 방법에서 분류 분석을 위한 데이터 세트 생성 방법을 나타내는 개념도이다.
도 4는 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 장치의 구조를 나타내는 블럭도이다.

이하, 본 발명의 바람직한 실시예들을 첨부된 도 1 내지 도 3을 참고하여 더욱 상세히 설명한다. 본 발명의 실시예들은 여러 가지 형태로 변형될 수 있으며, 본 발명의 범위가 아래에서 설명하는 실시예들에 한정되는 것으로 해석되어서는 안 된다. 본 실시예들은 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명을 더욱 상세하게 설명하기 위해서 제공되는 것이다. 따라서 도면에 나타난 각 요소의 형상은 보다 분명한 설명을 강조하기 위하여 과장될 수 있다.

도 1은 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 방법을 나타내는 순서도이다. 도 1을 참조하면, 본 발명의 압연 공정의 운전성 장애 분석 방법(100)은 압연 설비로부터 운전 패턴 정보를 가지고 있는 시계열 데이터, 제어 설정값 및 주요 공정 변수를 수집하는 단계로부터 시작된다(S110). 시계열 데이터란 각 소재에 대한 운전 패턴을 나타내는 마이크로데이터로 압연 공정에서 각 롤의 온도, 각 롤의 회전속도, 대칭하는 한 쌍의 롤 사이의 간격, 토크, 각 롤을 회전시키기 위하여 구동 모터에 인가되는 전류 등에 대한 데이터를 포함하나, 이에 한정되지 않으며, 압연 공정에서 운전자에 의해 조작될 수 있는 임의의 적절한 변수들에 대한 데이터를 포함할 수 있다. 이러한 시계열 데이터들은 그 시계열 데이터가 생성된 소재의 고유한 소재번호와 연결되며, 상술한 바와 같이 10~50ms 단위로 생성될 수 있다. 제어 설정값은 생산되는 제품의 물리적 특성 또는 사양을 나타내는 매크로데이터로, 예를 들어 소재의 두께, 폭, 길이, 구성 성분 및 압연 온도 등을 포함하나 이에 한정되지 않으며, 생산되는 소재의 특성을 판단할 수 있는 임의의 적절한 설정값을 포함할 수 있다. 주요 공정 변수는 소재의 특성을 결정하는 중요 변수로써 예를 들어 가열로 온도를 포함할 수 있다.

다음으로, 시계열 데이터를 구간화한 후 통계 요약 정보를 생성한다(S120). 압연 공정에서 생산되는 제품은 길이, 두께, 폭 등이 상이하며, 시계열 데이터에 대한 구간화는 소재의 전체 길이를 n등분하는 것에 의하여 수행된다. 즉, 소재의 길이가 다르더라도 동일한 개수의 구간화를 진행하므로 소재에 따라 일 구간의 길이가 상이할 수 있다. 따라서 각 소재별로 n개의 구간이 형성되며, 각 구간에 대하여 시계열 데이터들의 평균(μ) 및 표준편차(σ)를 구하는데, 이를 통계 요약 정보라고 한다.

시계열 데이터에 대한 구간화 및 각 구간에 대한 통계 요약 정보가 생성되면, 각 구간이 장애 구간인지 여부를 식별한다(S130). 장애 구간이란 압연 공정에서 생산된 소재에서 해당 구간의 물리적 특성이 기설정된 값을 벗어난 구간을 의미하는 것으로, 장애 구간 여부를 판단하는 방법은 이하의 3가지가 있다.

첫째로, 사행이나 파단의 경우, 폭계나 로드 셀(Load Cell)과 같은 계측 센터에서 발생한 데이터가 기설정된 범위를 벗어나는 경우 사행이나 파단이 발생한 것으로 보고 이 구간을 장애 구간으로 판단할 수 있다. 둘째로, 대상 운전성 장애가 발생한 시간을 알고 있을 경우 수동으로 그 시간에 해당하는 구간을 탐색하여 입력하는 것에 의하여 장애 구간을 판단할 수 있다. 셋째로, 운전성 장애 구간의 특정한 정의가 없는 경우 작업 설정값 등 독립 변수에 따른 종속 변수를 주성분 분석법(PCA), 스펙트럴 클러스터링(spectral Clustering) 등을 이용하여 해당 구간의 종속 변수들이 일반적인 패턴과 차이가 있는지에 따라 해당 구간이 장애 구간인지 여부를 판단할 수 있다.

S130에서 해당 구간이 장애 구간으로 판단된 경우, 해당 구간을 장애 구간으로 설정하고(S140), S130에서 해당 구간이 장애 구간이 아닌 것으로 판단되는 경우, 해당 구간을 정상 구간으로 설정한다(S150). 해당 구간을 장애 구간 또는 정상 구간으로 설정한 후, 해당 구간이 전체 소재의 마지막 구간인지 여부를 판단하여(S160), 마지막 구간이 아닐 경우(S160의 아니오) S130 내지 S150 단계를 반복한다.

해당 구간이 마지막 구간인 경우(S160의 예), 즉 전체 소재에 대한 장애 구간 설정이 완료된 경우, 구간 샘플링을 통해 분류 분석을 위한 데이터 세트를 생성한다(S170). 분류 분석을 위한 데이터 세트의 생성 방법은 이하에서 도 2 및 3을 참조하여 상세히 설명한다.

도 2는 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 방법에서 분류 분석을 위한 데이터 세트(이하, 최종 데이터 세트라 함) 생성 방법을 나타내는 순서도이다. 도 2를 참조하면, 최종 데이터 세트를 생성하는 방법은 정상 구간과 장애 구간을 샘플링하여 정상구간 집단과 장애 구간 집단을 생성하기 위하여 구간 샘플링을 수행하는 것으로 시작된다(S171). 구간 샘플링이란 전체 구간 중 분류 분석에 사용될 장애 구간 집단과 정상 구간 집단을 선택하는 것으로, 일반적으로 장애 구간의 수가 정상 구간의 수보다 훨씬 작기 때문에 장애 구간 집단은 전체 장애 구간을 샘플링하고 정상 집단은 전체 정상 구간 중 일부를 무작위로 샘플링(예를 들어, 무작위 비복원 샘플링)한다.

일반적으로 하나의 압연 공장에서 하루 생산되는 소재의 수는 약 700개로 한 달에 2만여 개의 소재가 생산된다. 그 중 불량이 발생하는 소재의 수는 불과 열 개 남짓으로 장애 구간의 수는 정상 구간의 수보다 훨씬 작다. 따라서 상술한 바와 같이 구간 샘플링에서 장애 구간 집단은 전체 장애 구간을 샘플링하고 정상 집단은 전체 정상 구간 중 일부를 무작위로 샘플링하게 되는 것이다.

도 3은 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 방법에서 분류 분석을 위한 데이터 세트 생성 방법을 나타내는 개념도이다. 도 3의 (a)를 참조하면 알 수 있는 바와 같이, m개의 소재에 대하여 각각 n개의 구간화를 실시한 경우 m×n개의 구간이 생성되며, 이 중 일부(i번째 소재의 k 구간)가 장애 구간에 해당한다. 따라서 m×n개의 구간 중 장애 구간 집단(A)으로 전체 장애 구간을 샘플링하고 정상 구간 집단(B)으로 일부 정상 구간을 비복원 무작위 샘플링한다. 도 3의 (b)를 참조하면 알 수 있는 바와 같이, 샘플링된 각 집단은 집합으로 표현되며, 집합 내의 각 구간은 해당 구간이 속하는 소재번호(a, b), 해당 구간의 시계열 데이터들의 평균(μ) 및 해당 구간의 시계열 데이터들의 표준편차(σ)를 포함할 수 있다. 여기서 a는 정상 구간이 포함된 소재번호를 나타내며, b는 장애 구간이 포함된 소재번호를 나타낸다.

정상 구간 집단(A)과 장애 구간 집단(B)이 샘플링되면, 샘플링된 구간들을 한 쌍씩 비교하는 것에 의하여 두 구간의 소재번호가 중복되는지 여부를 판단한다(S172). 만약 두 구간의 소재번호가 중복된다면(S172의 예), 두 구간 중 하나가 장애 구간인지 여부를 판단한다(S173). 두 구간 중 하나가 장애 구간으로 판단되면(S173의 예), 그 중 정상 구간에 해당하는 데이터를 삭제한다(S174). 즉, 정상 구간 집단으로부터 장애 구간이 있는 소재번호에 해당하는 구간을 제외하여야 한다. 이는 장애 구간이 포함된 소재를 생산한 운전자는 장애 구간 외의 운전도 장애 구간과 유사하게 운영할 가능성이 크며, 따라서 정상 구간이라 하더라도 이상 변수값을 포함하고 있을 가능성이 크기 때문이다. 이와 같이 샘플링된 정상 구간 중 장애 구간이 포함된 소재에 해당하는 구간을 제외하는 것에 의하여 데이터의 신뢰성을 높일 수 있다.

만약 두 구간 중 하나가 장애 구간이 아니라면, 즉 두 구간이 모두 정상 구간일 경우(S173의 아니오), 두 구간에 해당하는 평균과 표준 편차를 재산출하는 것에 의하여 두 구간을 하나의 구간으로 통합한다(S175). 동일 소재번호에 해당하는 정상 구간 소재번호에 속하는 구간이 다수 포함된 경우 해당 소재를 생산할 때 사용된 운전 패턴에 가중치를 주는 결과를 가져올 수 있기 때문이다.

이와 같이 본 발명은 샘플링된 소재번호를 기준으로 동일 소재번호에 속하는 구간이 다수 존재하는 경우, 정상 구간 집단으로부터 장애 구간이 속하는 소재번호에 해당하는 구간을 제외하고, 정상 구간이 두 개 이상 샘플링된 경우 그 구간에 대하여는 평균과 표준편차를 재산출하는 것에 의하여 분류 분석을 위한 데이터의 신뢰도를 높이고 있는 것이다.

이상과 같이 정상 구간 집단(A)과 장애 구간 집단(B)이 구성되면, 이들의 합집합을 생성하고 소재 기본 정보와 소재번호를 기준으로 데이터를 병합하여 분류 분석을 위한 최종 데이터 세트를 생성한다(S176). 소재 기본 정보는 가열 온도, 소재의 폭, 길이, 두께, 강종, 품명 등을 포함하나 이에 한정되지 않으며 생산되는 특성에 따라 소재를 분류할 수 있는 임의의 적절한 정보를 포함할 수 있다. 생산되는 소재는 각각 자신의 고유 소재번호를 가지고 있으며, 복수의 소재번호가 하나의 소재로 분류될 수 있다. 따라서, 이상에서 생성된 구간들을 소재 기본 정보와 소재번호를 기준으로 소재별로 통합하는 것에 의하여 분류 분석을 위한 최종 데이터 세트를 완성한다.

이와 같이 분류 분석을 위한 데이터세트가 완성되면, 다음으로 분류 분석을 통하여 주요 변수를 도출한다(S180). 예를 들어, 최종 데이터 세트에 포함된 구간들을 대상으로 결정 트리(Decision Tree), 부스팅(Boosting), 랜덤 포레스트(Random Forest)와 같은 분류 분석 방법을 통하여 정상 구간 집단과 장애 구간 집단 사이에 차이가 있는 변수들을 중요도 순으로 나열하고 이를 시각화하는 것에 의하여 운전 패턴에 영향을 주는 핵심 인자들을 도출할 수 있다. 분류 분석에 사용되는 구체적인 모형은 이미 공지되어 있으므로 이에 대한 자세한 설명은 생략하기로 한다.

다음으로, 주요 변수로서 핵심 인자들이 도출되면, 도출된 핵심 인자를 통해 운전 패턴에 따른 결과에 대한 모델링을 수행한다(S190). 운전 패턴 모델은 도출된 핵심 인자를 주요 변수로 활용하여 선형/비선형(Linear/Non-Linear) 모델링 또는 신경망 기반 모델링을 수행하는 것에 의하여 만들어진다.

모델링에 의해 운전 패턴 모델이 생성되면, 그 후 진행하는 압연 공정에서 생성되는 데이터를 실시간으로 모니터링 하는 것에 의하여 운전자에게 운전자 가이드를 제공한다(S200). 구체적으로, 운전자 가이드를 제공하기 위하여 압연 공정에서 실시간으로 생성되는 시계열 데이터를 상기 구간화 및 통계 요약 정보 생성 단계(S120)에서 수행되는 것과 동일하게 구간화한 후 통계 요약 정보를 생성한다. 그 후, 해당 구간에 대한 통계 요약 정보를 상기 운전 패턴 모델의 입력으로 사용하는 것에 의하여 현재 운전 패턴이 정상 운전 패턴인지 또는 장애를 유발하는 운전 패턴(장애 발생 운전 패턴)인지 여부를 판단하여, 장애 발생 운전 패턴에 해당하는 경우 운전자에게 적절한 가이드를 제공할 수 있다.

이와 같이, 본 발명은 압연 공정에서 생성되는 대량의 시계열 데이터를 구간화하고 각 구간에 대한 통계 요약 정보를 이용하여 장애 구간을 식별하고 소재의 기본 정보와 결합하여 운전성 장애에 영향을 주는 운전 패턴을 분석하여 모델링하는 것에 의하여 운전성 장애 원인을 빠르고 효율적으로 분석할 수 있을 뿐 아니라 이러한 분석에 근거하여 운전자에게 실시간으로 운전자 가이드를 제공함으로써 운전성 장애 발생을 최소화할 수 있다.

다음으로, 도 4를 참조하여 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 장치를 설명하기로 한다. 도 4는 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 장치의 구조를 나타내는 블럭도이다.

도 4를 참조하면, 본 발명의 압연 공정의 운전성 장애 분석 장치는 데이터 수집 모듈(401), 구간화 및 통계 정보 생성 모듈(402), 장애 구간 판단 모듈(403), 분류 분석 데이터세트 생성 모듈(404), 핵심 인자 도출 모듈(405), 운전 패턴 모델링 모듈(406) 및 운전자 가이드 제공 모듈(407)을 포함한다. 상기 모듈들은 운전성 장애 분석 장치의 동작을 기능에 따라 분류한 것으로, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 복수의 모듈이 하나의 기능 모듈로 통합되거나 하나의 모듈이 복수의 모듈로 세분화될 수 있음을 인식할 수 있을 것이다.

데이터 수집 모듈(401)은 압연 설비로부터 운전 패턴 정보를 가지고 있는 시계열 데이터, 제어 설정값 및 주요 공정 변수를 수집하는 기능을 하는 모듈이다. 시계열 데이터란 각 소재에 대한 운전 패턴을 나타내는 마이크로데이터로 압연 공정에서 각 롤의 온도, 각 롤의 회전속도, 대칭하는 한 쌍의 롤 사이의 간격, 토크, 각 롤을 회전시키기 위하여 구동 모터에 인가되는 전류 등에 대한 데이터를 포함하며, 제어 설정값은 생산되는 제품의 물리적 특성 또는 사양을 나타내는 매크로데이터로, 소재의 두께, 폭, 길이, 구성 성분 및 압연 온도 등을 포함하고, 주요 공정 변수는 소재의 특성을 결정하는 중요 변수로써 예를 들어 가열로 온도를 포함할 수 있다.

구간화 및 통계 정보 생성 모듈(402)은 각 시계열 데이터를 구간화한 후 통계 요약 정보를 생성하는 기능을 하는 모듈로, 소재의 전체 길이를 n등분하는 것에 의하여 소재의 구간화를 수행한 후 각 구간에 대하여 시계열 데이터들의 평균(μ) 및 표준편차(σ)를 통계 요약 정보로 생성한다.

장애 구간 판단 모듈(403) 상기 구간화 및 통계 정보 생성 모듈(402)에 의해 생성된 구간이 장애 구간에 속하는지 정상 구간에 속하는지를 판단하는 기능을 하는 모듈로서, 장애 구간에 속하는지 여부에 대한 구체적인 판단은 상술한 바와 같으므로 이에 대한 설명은 생략하기로 한다.

다음으로, 분류 분석 데이터세트 생성 모듈(404)은 구간 샘플링을 통해 분류 분석을 위한 데이터 세트를 생성하는 기능을 하는 모듈로, 구간 샘플링 모듈(408), 중복 소재 처리 모듈(409) 및 최종 데이터 생성 모듈(410)을 포함한다.

구간 샘플링 모듈(408)은 정상 구간과 장애 구간을 샘플링하여 정상구간 집단(A)과 장애 구간 집단(B)을 생성하는 모듈로, 구체적으로, 구간 샘플링은 전체 구간 중 장애 구간 집단(A)으로 전체 장애 구간을 샘플링하고 정상 구간 집단(B)으로 일부 정상 구간을 비복원 무작위 샘플링한다.

중복 소재 처리 모듈(409)은 샘플링된 구간의 소재번호를 기준으로 중복 소재번호가 존재하는 경우 이를 처리하는 모듈로, 중복 소재번호에 해당하는 구간 중 하나가 장애 구간에 해당하는 경우 장애 구간이 있는 소재번호에 해당하는 정상 구간을 삭제하며, 중복 소재번호에 해당하는 구간이 모두 정상 구간일 경우 각 구간에 해당하는 평균과 표준 편차를 재산출하는 것에 의하여 중복 구간을 하나의 구간으로 통합한다.

최종 데이터 생성 모듈(410)은 이상에서 생성된 구간들을 소재 기본 정보와 소재번호를 기준으로 소재별로 통합하는 것에 의하여 분류 분석을 위한 최종 데이터 세트를 생성하는 모듈이다.

핵심 인자 도출 모듈(405)은 최종 데이터 생성 모듈에서 생성된 구간 데이터에 대한 분류 분석을 수행하는 것에 의하여 운전 패턴에 영향을 주는 핵심 인자들을 도출하는 모듈이다. 핵심 인자를 도출하기 위하여 상기 모듈(405)은 결정 트리(Decision Tree), 부스팅(Boosting), 랜덤 포레스트(Random Forest)와 같은 분류 분석 방법을 사용할 수 있다.

운전 패턴 모델링 모듈(406)은 도출된 핵심 인자들을 주요 변수로 사용하여 운전 패턴에 대한 모델을 생성하는 모듈로, 상술한 바와 같이 선형/비선형(Linear/Non-Linear) 모델링 또는 신경망 기반 모델링을 사용할 수 있다.

운전자 가이드 제공 모듈(407)은 모델링에 의해 운전 패턴 모델이 생성되면, 그 후 진행하는 압연 공정에서 생성되는 데이터를 실시간으로 모니터링 하는 것에 의하여 운전자에게 운전자 가이드를 제공하기 위한 모듈이다. 구체적으로, 운전자 가이드 제공 모듈(407)은 실시간으로 생성되는 시계열 데이터를 구간화한 후 통계 요약 정보를 생성하고 해당 구간에 대한 통계 요약 정보를 상기 운전 패턴 모델링 모듈에서 생성된 운전 패턴 모델의 입력으로 사용하는 것에 의하여 현재 운전 패턴이 정상 운전 패턴인지 또는 장애를 유발하는 운전 패턴(장애 발생 운전 패턴)인지 여부를 판단하여, 장애 발생 운전 패턴에 해당하는 경우 운전자에게 적절한 가이드를 제공한다.

이와 같이, 본 발명의 압연 공정의 운전성 장애 분석 장치는 압연 공정에서 생성되는 대량의 시계열 데이터를 구간화하고 각 구간에 대한 통계 요약 정보를 이용하여 정상 구간과 장애 구간을 식별하고, 장애 발생에 기여한 운전 패턴 및 장애 발생의 핵심 인자를 데이터 분석 방법을 통해 탐색 및 학습하는 것에 의하여 실시간으로 운전자 가이드를 제공하는 것에 의하여 운전성 장애 발생을 최소화할 수 있다.

401: 데이터 수집 모듈
402: 구간화 및 통계 정보 생성 모듈
403: 장애 구간 판단 모듈
404: 분류 분석 데이터세트 생성 모듈
405: 핵심 인자 도출 모듈
406: 운전 패턴 모델링 모듈
407: 운전자 가이드 제공 모듈

Claims (9)

1. 압연 공정에서 생성된 운전 패턴을 나타내는 시계열 데이터, 제어 설정값 및 주요 공정 변수를 수집하는 데이터 수집 단계;
   하나의 소재에 속하는 시계열 데이터를 복수의 구간으로 구간화하는 구간화 단계;
   상기 구간화된 시계열 데이터에 대한 통계 요약 정보를 생성하는 통계 정보 생성 단계;
   상기 통계 요약 정보에 근거하여 상기 복수의 구간을 장애 구간 집단과 정상 구간 집단으로 구별하는 장애 구간 식별 단계;
   상기 장애 구간 집단 및 상기 정상 구간 집단으로부터 복수의 장애 구간 및 정상 구간을 샘플링하는 구간 샘플링 단계;
   상기 샘플링된 구간의 통계 요약 정보에 근거하여 상기 장애 구간에 영향을 주는 적어도 하나의 핵심 인자를 도출하는 핵심 인자 도출 단계; 및
   상기 핵심 인자를 주요 변수로 하여 운전 패턴 모델을 생성하는 운전 패턴 모델링 단계를 포함하며
   상기 구간 샘플링 단계는,
   상기 샘플링된 구간들의 소재번호에 기초하여 소재번호가 중복된 구간들을 검출하는 단계; 및
   상기 소재번호가 중복된 구간들이 상기 장애 구간 및 상기 정상 구간을 모두 포함하는 경우, 상기 소재번호가 중복된 구간들 중 상기 정상 구간을 삭제하는 단계를 포함하는 압연 공정의 운전성 장애 분석 방법.
2. 제1항에 있어서,
   상기 압연 공정으로부터 생성되는 시계열 데이터를 실시간으로 모니터링하는 것에 의하여 상기 압연 공정의 운전자에게 운전자 가이드를 제공하는 운전자 가이드 제공 단계를 더 포함하며,
   상기 운전자 가이드 제공 단계는 모니터링된 시계열 데이터를 구간화한 후 실시간 통계 요약 정보를 생성하고 상기 운전 패턴 모델에 상기 실시간 통계 요약 정보를 적용하는 것에 의하여 현재 운전 패턴이 장애 운전 패턴인지 여부를 실시간으로 판단하는 것을 특징으로 하는, 압연 공정의 운전성 장애 분석 방법.
3. 삭제
4. 제2항에 있어서,
   상기 구간 샘플링 단계는,
   상기 소재번호가 중복된 구간들이 모두 정상 구간인 경우, 상기 소재번호가 중복된 구간들의 통계 요약 정보를 통합하여 상기 소재번호가 중복된 구간들을 하나의 구간으로 재산출하는 단계를 포함하는, 압연 공정의 운전성 장애 분석 방법.
5. 컴퓨팅 장치에 의해 실행시, 상기 컴퓨팅 장치가 제1항, 제2항, 및 제4항 중 어느 한 항에 따른 운전성 장애 분석 방법을 실행하게 하는 프로그램 명령어들을 저장한 컴퓨터 판독가능한 저장매체.
6. 압연 공정에서 생성된 운전 패턴을 나타내는 시계열 데이터, 제어 설정값 및 주요 공정 변수를 수집하는 데이터 수집 모듈;
   하나의 소재에 속하는 시계열 데이터를 복수의 구간으로 구간화하고 상기 구간화된 시계열 데이터에 대한 통계 요약 정보를 생성하는 구간화 및 통계 정보 생성 모듈;
   상기 통계 요약 정보에 근거하여 상기 복수의 구간을 장애 구간 집단과 정상 구간 집단으로 구별하는 장애 구간 판단 모듈;
   상기 장애 구간 집단 및 정상 구간 집단으로부터 복수의 장애 구간 및 정상 구간을 샘플링하는 구간 샘플링 모듈;
   상기 샘플링된 구간들 중 소재번호가 중복된 구간들을 처리하는 중복 소재번호 처리 모듈;
   상기 샘플링된 구간의 통계 요약 정보에 근거하여 상기 장애 구간에 영향을 주는 적어도 하나의 핵심 인자를 도출하는 핵심 인자 도출 모듈; 및
   상기 핵심 인자를 주요 변수로 하여운전 패턴 모델을 생성하는 운전 패턴 모델링 모듈을 포함하며,
   상기 중복 소재번호 처리 모듈은,
   상기 소재번호가 중복된 구간들이 상기 장애 구간 및 상기 정상 구간을 모두 포함하는 경우, 상기 소재번호가 중복된 구간들 중 상기 정상 구간을 삭제하는 것을 특징으로 하는 압연 공정의 운전성 장애 분석 장치.
7. 제6항에 있어서,
   상기 압연 공정으로부터 생성되는 시계열 데이터를 실시간으로 모니터링하는 것에 의하여 상기 압연 공정의 운전자에게 운전자 가이드를 제공하는 운전자 가이드 제공 모듈을 더 포함하며,
   상기 운전자 가이드 제공 모듈은 모니터링된 시계열 데이터를 구간화한 후 실시간 통계 요약 정보를 생성하고 상기 운전 패턴 모델에 상기 실시간 통계 요약 정보를 적용하는 것에 의하여 현재 운전 패턴이 장애 운전 패턴인지 여부를 실시간으로 판단하는 것을 특징으로 하는, 압연 공정의 운전성 장애 분석 장치.
8. 삭제
9. 제6항에 있어서,
   상기 중복 소재번호 처리 모듈은, 상기 소재번호가 중복된 구간들이 모두 정상 구간인 경우, 상기 소재번호가 중복된 구간들의 통계 요약 정보를 통합하여 상기 소재번호가 중복된 구간들을 하나의 구간으로 재산출하는 것을 특징으로 하는, 압연 공정의 운전성 장애 분석 장치.

Images