KR20140146850A - 시계열 형태의 센싱 데이터 배드 패턴 검증 방법 및 그 장치 - Google Patents
시계열 형태의 센싱 데이터 배드 패턴 검증 방법 및 그 장치 Download PDFInfo
- Publication number
- KR20140146850A KR20140146850A KR1020130069678A KR20130069678A KR20140146850A KR 20140146850 A KR20140146850 A KR 20140146850A KR 1020130069678 A KR1020130069678 A KR 1020130069678A KR 20130069678 A KR20130069678 A KR 20130069678A KR 20140146850 A KR20140146850 A KR 20140146850A
- Authority
- KR
- South Korea
- Prior art keywords
- similarity
- time series
- bad pattern
- product
- sensor
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
- G06F11/0736—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in functional embedded systems, i.e. in a data processing system designed as a combination of hardware and software dedicated to performing a certain function
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0751—Error or fault detection not based on redundancy
- G06F11/0754—Error or fault detection not based on redundancy by exceeding limits
- G06F11/076—Error or fault detection not based on redundancy by exceeding limits by exceeding a count or rate limit, e.g. word- or bit count limit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0766—Error or fault reporting or storing
- G06F11/0772—Means for error signaling, e.g. using interrupts, exception flags, dedicated error registers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/079—Root cause analysis, i.e. error or fault diagnosis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/317—Testing of digital circuits
- G01R31/31708—Analysis of signal quality
- G01R31/3171—BER [Bit Error Rate] test
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
- H03M13/01—Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
- H03M13/015—Simulation or testing of codes, e.g. bit error rate [BER] measurements
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Factory Administration (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
센서에서 측정된 시계열 형태의 센싱 데이터의 배드 패턴을 검증할 수 있는 장치 및 방법이 제공된다. 본 발명에 따른 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법은 혐의 센서의 시계열 형태의 센싱 데이터에 적용되는 배드 패턴 정보를 제공받는 단계와, 검증 대상 기간 동안 상기 혐의 센서에 의하여 생성된 각 생산품의 시계열 형태의 센싱 데이터에 억세스하는 단계와, 상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 형태의 센싱 데이터 사이의 유사도를 각 생산품 별로 연산하는 단계와, 상기 유사도에 기반하여 상기 배드 패턴의 오류율을 연산하는 단계를 포함한다.
Description
본 발명은 시계열 형태의 센싱(sensing) 데이터 배드 패턴 검증 방법 및 그 장치에 관한 것이다. 보다 자세하게는 소정의 설비에 구비된 소정의 센서에서 측정 및 생성되는 시계열 형태의 센싱 데이터에 대하여 적용될 수 있는 배드 패턴의 오류율을 산출함으로써 상기 배드 패턴을 검증하는 방법 및 그 장치에 관한 것이다.
제품 생산에서 제품의 품질유지와 수율(yield) 달성은 매우 중요하다. 따라서 양질의 제품의 생산 수율을 높이기 위해서는 공정진행 혹은 설비의 이상상황을 조기에 발견 및 진단 해야 한다. 이를 위해 공정의 상태를 모니터링하고 발생 가능한 이상을 발견하고 이상의 유형을 구분하는 기법인 FDC(Fault Detection & Classification)이 소개된다.
본 발명이 해결하고자 하는 기술적 과제는 시계열 형태의 센싱 데이터 배드 패턴을 검증할 수 있는 장치 및 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 다른 기술적 과제는 소정의 배드 패턴과 각 생산품의 생산 시에 시계열 형태로 발생된 센싱 데이터를 비교하여, 상기 배드 패턴의 오류율을 연산함으로써 상기 배드 패턴의 신뢰도를 검증하는 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는, 제품 생산 과정에서 발생되는 시계열 형태로 측정된 센싱 데이터에 특화된 배드 패턴과의 유사도 연산 방법이 적용된 배드 패턴 검증 방법 및 그 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는 배드 패턴과 유사한 것으로 판단된 시계열 형태로 측정된 센싱 데이터를 가지는 생산품의 불량 판정 비율을 바탕으로 상기 배드 패턴의 오류율을 연산하는 배드 패턴 검증 방법 및 그 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는 소정의 배드 패턴과 내부에 구비된 센서에서 측정된 시계열 형태의 센싱 데이터의 유사도를 비교하여 이상 발생 여부를 판정하는 설비 및 그 이상 발생 여부 판정 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는 하나 이상의 센서를 구비한 생산 설비에 있어서, 상기 센서로부터 생성된 시계열 형태의 센싱 데이터와 기 지정된 배드 패턴 사이의 유사여부를 실시간 판정하고, 상기 판정 결과에 따라 경고 신호를 생성하는 생산 설비를 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는, 하나 이상의 센서를 구비한 생산 설비에 있어서, 상기 센서로부터 시계열 형태로 측정된 센싱 데이터와 기 지정된 배드 패턴 사이의 유사여부를 실시간 판정하고, 상기 판정 결과에 따라 경고 신호를 생성하는 생산 설비 및 생산 설비의 센서 측정치 모니터링 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는 하나 이상의 센서를 구비한 생산 설비로부터 측정된 시계열 형태의 센싱 데이터들을 제공받고, 상기 제공받은 시계열 형태의 센싱 데이터와 기 지정된 배드 패턴 사이의 유사여부를 실시간 판정하고, 상기 판정 결과에 따라 경고 신호를 생성하는 배드 패턴 탐지 장치 및 그 방법을 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해 될 수 있을 것이다.
상기 기술적 과제를 달성하기 위한 본 발명의 일 태양(ASPECT) 에 따른 센서 측정치 시계열 데이터의 배드 패턴 검증 방법은 혐의 센서에서 측정된 시계열 형태의 센싱 데이터에 적용되는 배드 패턴 정보를 제공받는 단계와, 검증 대상 기간 동안 상기 혐의 센서에 의하여 생성된 각 생산품의 제조 시에 측정된 시계열성의 센싱 데이터에 억세스(access)하는 단계와, 상기 배드 패턴 정보에 따른 배드 패턴과 상기 측정치 시계열 데이터 사이의 유사도를 각 생산품 별로 연산하는 단계와, 상기 유사도에 기반하여 상기 배드 패턴의 오류율을 연산하는 단계를 포함한다.
일 실시예에 따르면, 상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 형태의 센싱 데이터 사이의 유사도를 각 생산품 별로 연산하는 단계는 상기 각 생산품의 시계열 형태의 센싱 데이터의 시간 축을 소정 개수(W)의 구간으로 분할하고, 분할된 각각의 구간 별로 센싱 데이터 대표값을 연산하며, 연산된 센싱 데이터 대표값들을 저장하는 단계와, 상기 저장된 센싱 데이터 대표 값들의 평균 및 분산을 이용하여 상기 저장된 센싱 데이터 대표 값들을 정규화하는 단계와, 상기 정규화된 센싱 데이터 대표 값 각각에 대하여 구간 별로 할당된 심볼을 부여하여, 상기 각 생산품의 측정치 시계열 데이터를 심볼 열(symbol array)로 변환하는 단계와, 상기 배드 패턴 정보의 상기 심볼 열과 상기 각 생산품의 심볼 열의 유사도를 각 생산품 별로 연산하는 단계를 포함할 수 있다.
일 실시예에 따르면, 상기 배드 패턴 정보의 상기 심볼 열과 상기 각 생산품의 심볼 열의 유사도를 각 생산품 별로 연산하는 단계는, 직전 구간으로부터의 심볼 값 증가/감소 여부를 가리키는 심볼 증감 인덱스 열을 상기 배드 패턴 정보의 상기 심볼 열과 상기 각 생산품의 심볼 열에 대하여 연산하는 단계와, 상기 배드 패턴 정보의 상기 심볼 증감 인덱스 열과 상기 각 생산품의 심볼 증감 인덱스 열의 유사도를 각 생산품 별로 연산하는 단계를 포함할 수 있다.
일 실시예에 따르면, 상기 배드 패턴 정보의 상기 심볼 열과 상기 각 생산품의 심볼 열의 유사도를 각 생산품 별로 연산하는 단계는, 상기 배드 패턴 정보의 상기 심볼 열과 상기 각 생산품의 심볼 열의 유클리디안 거리 유사도를 각 생산품 별로 더 연산하는 단계와, 상기 배드 패턴 정보의 상기 심볼 열과 상기 각 생산품의 심볼 열의 상관 계수를 각 생산품 별로 더 연산하는 단계를 더 포함할 수 있다.
일 실시예에 따르면, 상기 배드 패턴의 오류율을 연산하는 단계는 상기 각 생산품의 불량 판정 정보를 조회하는 단계와 상기 각 생산품의 불량 판정 정보와 상기 연산된 유사도를 비교하여 상기 배드 패턴의 오류율을 연산하는 단계를 포함할 수 있다. 이 때, 상기 배드 패턴 정보에 따른 배드 패턴과 상기 센싱 데이터 사이의 유사도를 각 생산품 별로 연산하는 단계는 상기 배드 패턴 정보에 따른 배드 패턴과 상기 측정치 시계열 데이터 사이의 제1 기준에 따른 제1 유사도 및 상기 배드 패턴 정보에 따른 배드 패턴과 상기 측정치 시계열 데이터 사이의 제2 기준에 따른 제2 유사도를 각 생산품 별로 연산하는 단계를 포함할 수 있다. 이 때, 상기 제1, 2 유사도는 비유사를 의미하는 0 내지 동일을 의미하는 1 사이의 값을 갖는다. 또한, 상기 각 생산품의 불량 판정 정보와 상기 연산된 유사도를 비교하여 상기 배드 패턴의 오류율을 연산하는 단계는, 특정 생산품의 상기 제1, 2 유사도 중 하나 이상이 1이고, 상기 불량 판정 정보에 따르면 상기 특정 생산품에 양품 판정이 부여된 경우, 상기 배드 패턴 정보의 오류 케이스로 상기 특정 생산품을 선정하는 단계와, 상기 오류 케이스의 건수를 바탕으로 상기 오류율을 연산하는 단계를 포함할 수 있다.
일 실시예에 따르면, 상기 각 생산품의 측정치 시계열 데이터에 억세스 하는 단계는 소정 기간 동안 상기 혐의 센서에 의하여 생성된 FDC(Fault Detection and Classification) 데이터인, 각 생산품의 측정치 시계열 데이터에 억세스 하는 단계를 포함할 수 있다. 즉, 본 실시예에 따르면 결함을 감지하고 분류하는 용도로 사용되는 데이터를 이용하여 배드 패턴을 검증할 수 있는 효과가 있다.
상기 기술적 과제를 달성하기 위한 본 발명의 다른 태양에 따른 배드 패턴 검증 장치는, 혐의 센서의 측정치 시계열 데이터에 적용되는 배드 패턴 정보 및 검증 방법 정보를 포함하는 검증 인자를 수신하는 검증 인자 수신부와, 상기 검증 방법 정보에 따른 검증 대상 기간 동안 상기 혐의 센서에 의하여 생성된, 각 생산품의 측정치 시계열 데이터에 억세스 하는 시계열 데이터 추출부와, 상기 배드 패턴 정보에 따른 배드 패턴과 상기 측정치 시계열 데이터 사이의 유사도를 각 생산품 별로 연산하는 유사도 연산부와, 상기 유사도에 기반하여 상기 배드 패턴의 오류율을 연산하는 배드 패턴 검증부를 포함할 수 있다.
일 실시예에 따르면, 상기 배드 패턴 검증 장치는 상기 시계열 데이터 추출부로부터 상기 각 생산품의 시계열 형태의 센싱 데이터를 제공받아, 상기 각 생산품의 시계열 성의 센싱 데이터에 전처리 프로세스를 적용한 후 상기 유사도 연산부에 제공하는 전처리부를 더 포함할 수 있다. 이 때, 상기 전처리부는, 상기 각 생산품의 시계열 형태의 센싱 데이터의 시간 축을 소정 개수(W)의 구간으로 분할하고, 분할된 각각의 구간 별로 센싱 데이터 대표 값을 연산하며, 연산된 센싱 데이터 대표 값들을 저장하는 센서 데이터 분할 압축 모듈과, 상기 저장된 센싱 데이터 대표 값들의 평균 및 분산을 이용하여 상기 저장된 센싱 데이터 대표 값들을 정규화하는 정규화 모듈과 상기 정규화된 센싱 데이터 대표 값 각각에 대하여 센싱 데이터 구간 별로 할당된 심볼을 부여하여, 상기 각 생산품의 시계열 형태의 센싱 데이터를 심볼 열(symbol array)로 SAX(Symbolic Aggregate Approximation) 변환하여 상기 유사도 연산부에 제공하는 SAX 변환 모듈을 포함할 수 있다.
상기 기술적 과제를 달성하기 위한 본 발명의 또 다른 태양에 따른 생산 설비의 센싱 데이터 패턴 모니터링 방법은 모니터 대상 센서에서 측정된 시계열 데이터에 적용되는 배드 패턴 정보를 제공받는 단계와, 상기 모니터 대상 센서로부터 측정된 시계열 데이터를 제공받는 단계와, 상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 형태의 센싱 데이터 사이의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도를 연산하되, 상기 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도는 비유사를 의미하는 0 내지 동일을 의미하는 1 사이의 값을 갖는 단계와, 상기 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도 중 적어도 하나의 값이 1으로 연산된 경우 경고 신호를 생성하는 단계를 포함할 수 있다. 이 때, 상기 트렌드 유사도는 측정치의 시간 흐름에 따른 증감 패턴의 유사도이다.
상기 기술적 과제를 달성하기 위한 본 발명의 또 다른 태양에 따른 생산 설비는, 시계열 형태의 센싱 데이터를 생성하는 하나 이상의 센서와, 상기 하나 이상의 센서로부터 측정된 시계열 데이터 스트림을 제공받는 시계열 데이터 스트림 수신부와, 각 센서로부터 생성된 시계열 형태의 센싱 데이터에 적용되는 배드 패턴 정보를 제공받는 배드 패턴 정보 수신부와, 상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 형태의 센싱 데이터 사이의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도를 각 센서에 대하여 연산하되, 상기 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도는 비유사를 의미하는 "0" 내지 동일을 의미하는 "1" 사이의 값을 갖는 유사도 연산부와, 상기 유사도 연산부에 의하여 연산된 상기 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도 중 적어도 하나의 값이 1으로 연산된 경우 경고 신호를 생성하는 경고 신호 출력부를 포함한다.
상기 기술적 과제를 달성하기 위한 본 발명의 또 다른 태양에 따른 레퍼런스 패턴 탐지 장치는, 하나 이상의 센서에서 측정된 시계열 형태의 센싱 데이터를 제공받는 시계열 데이터 스트림 수신부와, 각 센서의 측정치 시계열 데이터에 적용되는 레퍼런스 패턴 정보를 제공받는 레퍼런스 패턴 정보 수신부와, 상기 레퍼런스 패턴 정보에 따른 레퍼런스 패턴과 상기 시계열 형태의 센싱 데이터 사이의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도를 각 센서에 대하여 연산하되, 상기 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도는 비유사를 의미하는 0 내지 동일을 의미하는 1 사이의 값을 갖는 유사도 연산부를 포함한다.
상기 레퍼런스 패턴 탐지 장치는, 상기 유사도 연산부에 의하여 연산된 상기 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도 중 적어도 하나의 값이 1으로 연산된 경우 경고 신호를 생성하는 경고 신호 출력부를 더 포함할 수 있다.
상기 레퍼런스 패턴 탐지 장치는 빌딩 에너지 관리 시스템(Building Energy Management System)에 연동되어 사용되거나, 빌딩 에너지 관리 시스템의 구성 요소로 사용될 수 있다. 이 때, 상기 하나 이상의 센서는 건물의 에너지 사용량을 측정하는 제1 센서를 포함할 수 있다.
일 실시예에 따르면, 상기 하나 이상의 센서는 건물의 에너지 사용량을 측정하는 제1 센서 및 건물 내부의 환경을 측정하는 제2 센서를 포함할 수 있다. 이 때, 상기 레퍼런스 패턴 정보 수신부는 상기 제1 센서에 적용되는 제1 레퍼런스 패턴 정보와 상기 제2 센서에 적용되는 제2 레퍼런스 패턴 정보를 제공받고, 상기 유사도 연산부는 상기 제1 레퍼런스 패턴 정보에 따른 제1 레퍼런스 패턴과 상기 제1 센서의 센싱 데이터 사이의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도를 연산하여 출력하고, 상기 제2 레퍼런스 패턴 정보에 따른 제2 레퍼런스 패턴과 상기 제2 센서의 센싱 데이터 사이의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도를 연산하여 출력하며, 상기 경고 신호 출력부는, 상기 제1 센서의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도 중 적어도 하나의 값이 1으로 연산되고, 상기 제2 센서의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도 중 적어도 하나의 값이 1으로 연산되는 경우 경고 신호를 생성하여 출력할 수 있다.
상기와 같은 본 발명에 따르면, 결정된 배드 패턴의 신뢰도를 실제 생산 결과를 이용하여 검증함으로써, 높은 신뢰도를 가지는 배드 패턴을 확보할 수 있는 효과가 있다.
또한, 하나 이상의 센서들로부터 각각 생성되는 시계열 형태의 센싱 데이터를 분석하여 기 지정된 배드 패턴에 합치되는지 여부를 판정하고, 이러한 경우 경고를 생성함으로써 센서로부터 측정된 센싱 데이터의 값이 소정의 범위 내에 있는지 여부를 판단할 수 있을 뿐만 아니라, 소정의 배드 패턴을 가리키는지 여부까지 모니터링 할 수 있는 효과가 있다.
또한, 생산 설비에 대한 모니터링 과정에서 상기 배드 패턴과 유사한 시계열 형태의 센싱 데이터 발생이 감지되는 경우, 적절한 조치를 취할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 센서에서 측정된 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법의 순서도이다.
도 2a 내지 2i는 시계열 형태의 센싱 데이터의 배드 패턴 예시이다.
도 3은 도 1에 도시된 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법에서 배드 패턴을 검증하는데 사용되는 각 생산품의 시계열 형태의 센싱 데이터를 예시하기 위한 개념도이다.
도 4는 도 1에 도시된 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법에서 배드 패턴의 오류율을 연산하는 방법을 설명하기 위한 개념도이다.
도 5는 도 1에 도시된 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법에서 배드 패턴을 검증하는데 사용되는 각 생산품의 시계열 형태의 센싱 데이터를 전처리 하는 방법을 설명하기 위한 순서도이다.
도 6은 도 5에 도시된 전처리 방법 중 분할 압축 방법을 설명하기 위한 개념도이다.
도 7은 도 5에 도시된 전처리 방법 중 정규화 방법을 설명하기 위한 개념도이다.
도 8a 내지 8b는 도 5에 도시된 전처리 방법 중 심볼화 방법을 설명하기 위한 개념도이다.
도 9는 도 1에 도시된 센서 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법에 따른 검증 결과 예시도이다.
도 10은 본 발명의 다른 실시예에 따른 배드 패턴 검증 시스템의 구성도이다.
도 11은 본 발명의 또 다른 실시예에 따른 배드 패턴 검증 장치의 블록 구성도이다.
도 12는 상기 배드 패턴 검증 장치의 도 11과는 다른 구성도이다.
도 13a 내지 13b는 본 발명의 또 다른 실시예에 따른 생산 설비의 센싱 데이터 모니터링 방법의 모니터링 결과를 설명하기 위한 도면이다.
도 14는 본 발명의 또 다른 실시예에 따른 생산 설비의 센서에서 발생되는 센싱 데이터의 모니터링 방법의 순서도이다.
도 15는 본 발명의 또 다른 실시예에 따른 생산 설비의 블록 구성도이다.
도 16은 본 발명의 또 다른 실시예에 따른 레퍼런스 패턴 감지 시스템의 구성도이다.
도 17은 본 발명의 또 다른 실시예에 따른 레퍼런스 패턴 감지 시스템의 구성도이다.
도 18은 본 발명의 또 다른 실시예에 따른 레퍼런스 패턴 탐지 장치의 제1 블록 구성도이다.
도 19는 본 발명의 또 다른 실시예에 따른 레퍼런스 패턴 탐지 장치의 제2 블록 구성도이다.
도 2a 내지 2i는 시계열 형태의 센싱 데이터의 배드 패턴 예시이다.
도 3은 도 1에 도시된 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법에서 배드 패턴을 검증하는데 사용되는 각 생산품의 시계열 형태의 센싱 데이터를 예시하기 위한 개념도이다.
도 4는 도 1에 도시된 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법에서 배드 패턴의 오류율을 연산하는 방법을 설명하기 위한 개념도이다.
도 5는 도 1에 도시된 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법에서 배드 패턴을 검증하는데 사용되는 각 생산품의 시계열 형태의 센싱 데이터를 전처리 하는 방법을 설명하기 위한 순서도이다.
도 6은 도 5에 도시된 전처리 방법 중 분할 압축 방법을 설명하기 위한 개념도이다.
도 7은 도 5에 도시된 전처리 방법 중 정규화 방법을 설명하기 위한 개념도이다.
도 8a 내지 8b는 도 5에 도시된 전처리 방법 중 심볼화 방법을 설명하기 위한 개념도이다.
도 9는 도 1에 도시된 센서 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법에 따른 검증 결과 예시도이다.
도 10은 본 발명의 다른 실시예에 따른 배드 패턴 검증 시스템의 구성도이다.
도 11은 본 발명의 또 다른 실시예에 따른 배드 패턴 검증 장치의 블록 구성도이다.
도 12는 상기 배드 패턴 검증 장치의 도 11과는 다른 구성도이다.
도 13a 내지 13b는 본 발명의 또 다른 실시예에 따른 생산 설비의 센싱 데이터 모니터링 방법의 모니터링 결과를 설명하기 위한 도면이다.
도 14는 본 발명의 또 다른 실시예에 따른 생산 설비의 센서에서 발생되는 센싱 데이터의 모니터링 방법의 순서도이다.
도 15는 본 발명의 또 다른 실시예에 따른 생산 설비의 블록 구성도이다.
도 16은 본 발명의 또 다른 실시예에 따른 레퍼런스 패턴 감지 시스템의 구성도이다.
도 17은 본 발명의 또 다른 실시예에 따른 레퍼런스 패턴 감지 시스템의 구성도이다.
도 18은 본 발명의 또 다른 실시예에 따른 레퍼런스 패턴 탐지 장치의 제1 블록 구성도이다.
도 19는 본 발명의 또 다른 실시예에 따른 레퍼런스 패턴 탐지 장치의 제2 블록 구성도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
본 명세서에서 "생산 설비(production equipment)"는 특정 공정 내의 특정 설비를 지칭할 수 있다. 예를 들어 어떤 생산품이 PHOTO 공정, DRY 공정, DEPOSITION 공정을 거쳐서 생산된다고 할 때, 각각의 생산품은 공정 내의 여러 개 설비들 중 하나를 지정 받아 통과하거나, 복수의 설비가 순차적으로 배치된 공정 내의 복수 라인 중 하나를 지정 받아 통과할 수 있다. 상기 생산 설비는 각 공정을 구성하는 복수의 설비 중 하나를 가리킨다.
또한, 본 명세서에서 "시계열 데이터(time series)"는 예를 들어 상기 생산 설비 내에 구비된 센서에 의하여 생성된 측정치가 시간의 흐름에 따라 연속적으로 기록된 데이터를 의미한다.
도 1은 본 발명의 일 실시예에 따른 센서 측정치 시계열 데이터의 배드 패턴 검증 방법의 순서도이다.
먼저, 사용자 단말 등으로부터 검증 인자(parameter for verification)를 수신 한다(S100). 상기 검증 인자는 검증에 필요한 정보를 포함한다. 예를 들어, 상기 검증 인자는, 배드 패턴에 대한 데이터, 상기 배드 패턴이 적용되는 혐의 설비 및 혐의 센서를 가리키는 정보, 상기 배드 패턴을 검증하는데 사용되는 시계열 형태의 센싱 데이터를 추출할 검증 기간에 대한 정보, 및 상기 배드 패턴을 검증하는데 사용되는 시계열 형태의 센싱 데이터를 전처리 하는데 사용되는 정보 중 적어도 하나를 포함할 수 있다. 상기 "혐의" 설비 또는 "혐의" 센서는, 불량을 야기하는 것으로 의심되는 점에서 "혐의" 설비 또는 "혐의" 센서로 지칭된다.
상기 배드 패턴에 대한 데이터는, 배드 패턴의 시계열 데이터 자체이거나, 배드 패턴의 시계열 데이터에 억세스 할 수 있는 주소 정보이거나, 배드 패턴의 시계열 데이터가 전처리된 후의 데이터일 수 있다.
잠시 도 2a 내지 2i를 참조하여, 본 명세서의 "배드 패턴"에 대하여 설명하기로 한다. 생산 설비에 발생된 일시적 또는 상시적인 이상 또는 특정 조건에서 발생되는 이상은 상기 생산 설비에 구비된 센서의 측정값에 반영될 수 있고, 상기 측정값의 시계열 데이터는 일정 패턴으로 상기 이상을 가리킬 수 있다. 도 2a는 특정 설비에 구비된 특정 센서의 정상적인 시계열 데이터 패턴을 가리키고, 도 2b 내지 2i는 서로 다른 종류의 이상이 발생된 경우의 "배드 패턴"을 가리킨다. 도 2b는 빠른 전개로 인한 프로세스의 조기 종료를 가리킨다. 도 2c는 늦은 전개로 인한 프로세스 종료 지연을 가리킨다. 도 2c는 프로세스의 늦은 시작, 빠른 종료를 가리킨다. 도 2d는 프로세스의 늦은 시작, 늦은 전개/종료(shift)를 가리킨다. 도 2f는 전체 프로세스가 지연된 것을 가리킨다. 도 2g는 프로세스 시간은 정상이나, 센서 측정값이 전체적으로 상향/하향(drift)된 것을 가리킨다. 도 2h는 프로세스 내 특정 지점에서 단기간 센서 측정 값이 정상 범위를 이탈한 것을 가리킨다. 도 2i는 프로세스 내 특정 지점에서 장기간 센서 측정 값이 정상 범위를 이탈한 것을 가리킨다.
본 명세서의 "배드 패턴"은 생산 설비에 발생된 일시적 이상 또는 상시적 이상 또는 특정 조건에서 발생되는 이상을 가리키는, 생산 설비 내 센서에서 측정되는 시계열 형태의 센싱 데이터 패턴을 의미한다. 예를 들어, 상기 "배드 패턴"은 도 2b 내지 2i에 도시된 배드 패턴 중 하나 또는 둘 이상이 합성된 형태를 가질 수 있다.
다시 도 1으로 돌아와서 설명하면, 상기 검증 인자가 수신된 후, 혐의 설비의 혐의 센서에 대한 시계열 데이터가 추출된다(S110). 상기 검증 인자에 특정 혐의 설비만 지정되고 특정 혐의 센서가 지정되지는 않은 경우, 상기 특정 혐의 설비 내에 구비된 모든 센서에 대한 시계열 데이터가 추출된다. 잠시 도 3을 참조하여 추출될 시계열 데이터에 대하여 설명한다. 상기 시계열 데이터는, 예를 들어 FDC(Fault Detection and Classification) 데이터에서 추출될 수 있다.
도 3은 도 1에 도시된 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법에서 배드 패턴을 검증하는데 사용되는 각 생산품의 시계열 형태의 센싱 데이터를 예시하기 위한 개념도이다. 도 3에 도시된 바와 같이, 하나의 생산품은 Fab-in 부터 Fab-out까지 다수의 공정을 거쳐 생산될 수 있다. 그 중 특정 공정을 담당하는 설비가 혐의 설비로 지정되는 경우, 상기 혐의 설비에 의하여 생성된 시계열 형태의 센싱 데이터를 소정 기간 동안 취합하여 배드 패턴 검증 용도로 사용할 수 있다. 도 3은 0405번 공정의 혐의 설비에 구비된 센서에 의하여 생성된 시계열 형태의 센싱 데이터를, 현시점으로부터 한달 전부터 한달 후까지 취합하는 것을 예시하고 있다. 취합된 시계열 형태의 센싱 데이터에는 각 생산품이 상기 혐의 설비를 통과하는 프로세스가 진행될 때마다 측정된 시계열 데이터들이 포함될 것이다. 상기 시계열 형태의 센싱 데이터의 추출 기준 시점은, 상기 검증 인자에 포함된 상기 배드 패턴을 검증하는데 사용되는 시계열 형태의 센싱 데이터를 추출할 검증 기간에 대한 정보에 따를 수 있다.
다시 도 1으로 돌아와서 설명한다. 시계열 데이터의 추출(S110)이 완료되면, 추출된 시계열 데이터와 배드 패턴의 유사도를 연산하기 위하여 전처리(pre-processing)가 수행될 수 있다(S120). 배드 패턴 및 추출된 시계열 데이터는 동일한 방식의 전처리를 거쳐야 한다. 따라서, 상기 검증 인자에 포함된 배드 패턴의 정보가 이미 전처리 완료된 배드 패턴을 가리키는 것이 아닌 경우에는 상기 배드 패턴에 대하여도 상기 추출된 시계열 데이터의 전처리와 동일한 전처리를 수행한다. 본 발명에 따른 전처리 방법에 대하여는, 추후 도 5를 참조하여 보다 자세히 설명한다.
전처리 후(S120), 배드 패턴과 전처리 후의 추출된 시계열 형태의 센싱 데이터 사이의 유사도가 연산된다(S130). 예를 들어, 특정 혐의 설비의 최근 1개월 간 FDC 데이터를 추출하였고, 최근 1개월 간 상기 혐의 설비를 통과한 생산품이 1000개인 경우, 1000개의 생산품 각각에 대한 시계열 형태의 센싱 데이터가 존재할 것이고, 1000개의 시계열 데이터 각각에 대하여 상기 배드 패턴과의 유사도가 연산될 것이다. 1000개의 시계열 데이터 각각은 상기 유사도를 기준으로 정렬될 수 있다.
유사도 연산이 완료된 후(S140), 각 시계열 데이터 별에 대응되는 생산품의 불량 판정 정보가 억세스 되고, 각 시계열 데이터 별로 배드 패턴과의 유사도 및 양품/불량(Good/Bad) 판정이 비교될 수 있다(S140).즉, 양품 판정이 내려진 생산품임에도 불구하고, 상기 생산품에 대한 시계열 데이터가 상기 배드 패턴과 유사한 것으로 연산된 케이스가 얼마나 존재하는지 검토될 수 있다.
각 생산품의 시계열 데이터 별 유사도와 불량 판정 간 비교(S140) 결과를 반영하여 배드 패턴의 오류율을 연산한다(S150). 상기 오류율은, 상기 배드 패턴과 유사한 것으로 판정되었음에도 불구하고 양품 판정을 받은 생산품의 개수를 상기 배드 패턴과 유사한 것으로 판정된 시계열 형태의 센싱 데이터를 가지는 생산품의 개수로 나눈 값으로 연산될 수 있다.
도 4는 도 1에 도시된 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법에서 배드 패턴의 오류율을 연산하는 방법을 설명하기 위한 개념도이다. 도 4에 도시된 것과 같이, 총 9개의 생산품에 대한 시계열 형태의 센싱 데이터가 추출되고, 그 중 배드 패턴과 유사한 시계열 형태의 센싱 데이터가 5개(1, 5, 6, 8, 9번 시계열 데이터) 존재하는 경우, 양품 판정을 받은 생산품이 1개(5번 시계열 데이터) 존재하기 때문에, 상기 오류율은 1/5 = 20%로 연산될 수 있다.
즉, 본 실시예에 따르면, 불량을 야기하는 패턴으로 의심되는 상기 배드 패턴과 유사한 패턴이 발생하였음에도 불구하고 양품 판정이 내려진 생산품의 비율인 상기 오류율을 연산함으로써, 실제 생산 시 발생된 센서 측정치 시계열 데이터를 검증 데이터로 사용하여 상기 배드 패턴의 신뢰도를 수치화하여 연산할 수 있는 효과가 있다.
상기 오류율을 정확하게 연산하기 위하여는, 상기 배드 패턴과 각 생산품의 시계열 형태의 센싱 데이터의 유사도를 정확하게 연산하는 것이 중요하다. 또한 상기 배드 패턴과 각 생산품의 시계열 형태의 센싱 데이터의 유사도를 정확하게 연산하기 위하여는, 적절한 전처리(pre-processing)이 수반되어야 한다. 이하, 도 5 내지 도 8b를 참조하여 본 실시예에 따른 전처리 방법에 대하여 설명한다.
도 5는 도 1에 도시된 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법에서 배드 패턴을 검증하는데 사용되는 각 생산품의 시계열 형태의 센싱 데이터를 전처리 하는 방법을 설명하기 위한 순서도이다. 도 5에 도시된 바와 같이, 상기 시계열 형태의 센싱 데이터는 분할 압축(S122), 정규화(S124) 및 심볼화(S126) 과정을 거쳐서 전처리 될 수 있다.
먼저, 도 5에는 도시되어 있지 않지만, 분할 압축(S122)의 수행 이전에 결측 값 보정이 수행될 수 있다. 측정치 시계열 데이터의 중간에 측정치가 존재하지 않는 부분이 있으므로, 보간법(interpolation)을 이용하여 다른 측정치로부터 결측 값이 보정될 수 있다.
시계열 형태의 센싱 데이터를 분할 압축(S122)하는 것은, 예를 들어, 초 단위 같이 짧은 시간 단위로 구성된 측정치 데이터를 기 지정된 개수(W)의 구간으로 분할하고, 각 구간에는 하나의 대표 값만을 저장하는 것을 의미한다. 예를 들어, 10개의 측정치 데이터가 포함된 시간 구간을 하나의 구간으로 압축하는 경우, 상기 측정치 시계열 데이터는 10분의 1의 크기로 데이터 사이즈가 압축될 수 있을 것이다.
각 구간의 대표 값은 구간 내 측정치들의 평균 값일 수 있다.
구간의 개수(W)는 상기 검증 인자에 포함된 값일 수 있다.
분할된 구간을 C1, C2, …, Cw 라고 하고, D1,…., Dn 를 Sensor의 time series data (value)라고 하면, 분할구간은 아래의 수학식 1으로 정의될 수 있다.
아래의 표 1은 10개의 측정치 데이터를 포함하는 시계열 데이터를 6개의 구간으로 나누는 경우(표 1) 및 3개의 구간으로 나누는 경우(표 2)를 나타낸 표이다.
또한, 분할된 구간 Ci의 평균 값은 아래의 수학식 2로 연산될 수 있다.
도 6은 분할 압축 방법(S122)을 설명하기 위한 개념도이다. 상기 검증 인자에 포함된 구간의 개수(W)가 5인 경우, 도 6에 도시된 바와 같이, 시계열 데이터의 시간 축이 5개의 구간으로 분할된다. 또한, 각 구간별로 시계열 데이터(10)의 평균 값(11, 12, 13, 14, 15)이 연산된다. 분할 압축 후에는 시계열 데이터(10) 전체가 아닌 각 구간별 평균 값(11, 12, 13, 14, 15)만 저장되므로, 데이터 압축 효과를 달성할 수 있다. 또한, 각 구간별로 평균 값만 저장됨으로써, 일부 노이즈 값이 평균화 처리되는 점에서 노이즈 제거 효과를 달성할 수 있다.
도 7은 도 5에 도시된 전처리 방법 중 정규화 방법(S123)을 설명하기 위한 개념도이다. 도 6을 참조하여 설명된 분할 압축 방법이 수행된 이후의 시계열 형태의 센싱 데이터는, Good/bad 그룹 간의 효과적인 비교를 위하여 각 구간 평균 값들의 평균 및 분산을 이용하여 정규화될 수 있다(S123). 도 7의 위쪽 그래프는 정규화되기 전의 분할 압축된 시계열 형태의 센싱 데이터이고, 도 7의 아래쪽 그래프는 정규화된 이후의 시계열 형태의 센싱 데이터이다.
도 8a 내지 8b는 도 5에 도시된 전처리 방법 중 심볼화 방법(S124)을 설명하기 위한 개념도이다. 도 7을 참조하여 설명된 정규화가 수행된 이후의 시계열 데이터는 SAX(Symbolic Aggregate approXimation) 등 심볼화 방법에 의하여, 센싱 데이터에 대한 임계값들을 기준으로 심볼으로 변환될 수 있다. 이 때, 심볼의 개수(α)는 상기 검증 인자에 포함된 것일 수 있다. α개의 심볼으로 측정치 시계열 데이터를 심볼화하는 경우, 심볼 할당의 기준이 되는 임계값 yi는 아래의 수학식 3과 같이 연산될 수 있다.
도 8a는 4개의 심볼(α= 4), A, B, C, D로 심볼화하는 예시를 나타낸다. 도 8a의 시계열 데이터는 심볼화의 결과 "ACDBBDCA"로 변환된다.
도 8b에 도시된 바와 같이, 심볼화는 알파벳 등 문자가 대신 숫자로 변환되는 것을 포함할 수도 있다. 도 8b는 5개의 심볼(α= 5), 1, 2, 3, 4, 5로 심볼화하는 예시를 나타낸다. 즉, 정규화된 측정치가 y1이하인 경우, 해당 구간은 "1"으로 심볼화되고, y1과 y2 사이인 경우, 해당 구간은 "2"로 심볼화되고, y2와 y3 사이인 경우, 해당 구간은 "3"으로 심볼화되고, y3와 y4 사이인 경우, 해당 구간은 "4"로 심볼화되고, y4 이상인 경우, 해당 구간은 "5"로 심볼화된다.
도 8b는 웨이퍼0310의 생산 시점에 생성된 센서 측정치 시계열 데이터가 심볼화된 결과 "34245"로 변환되고, 웨이퍼0314의 생산 시점에 생성된 센서 측정치 시계열 데이터가 심볼화된 결과 "24245"로 변환되고, 웨이퍼0320의 생산 시점에 생성된 센서 측정치 시계열 데이터가 심볼화된 결과 "43245"로 변환되는 것을 도시한다.
지금까지 각 생산품의 생산 시점에 생성된 센서 측정치 시계열 데이터를 전처리 하는 과정을 설명하였다. 도 5에는 분할 압축(S122), 정규화(S124), 심볼화(S126)의 순서로 전처리가 수행되는 것으로 도시되어 있으나, 본 발명의 일 실시예에 따르면 분할 압축(S122)과정은 수행되지 않고 정규화(S124) 및 심볼화(S126)만 순차적으로 수행될 수도 있음을 유의한다.
이하, 도 9를 참조하여, 도 1에 도시된 센서 측정치 시계열 데이터의 배드 패턴 검증 방법에 따른 검증 결과를 설명한다.
도 9에는 배드 패턴의 심볼화 결과가 "65 67 68 65 65"로 표시되어 있다. 도 9에는, 상기 검증 인자를 통해 지정된 혐의 설비, 혐의 센서 및 검증 기간을 만족하는 생산품(Glass)이 총 5개 존재하는 경우, 각각의 생산품을 생산하는 시점에 생성된 센서 측정치 시계열 데이터가 전처리된 후 심볼 열(SAXed Sensor Data)이 연산된 것이 도시되어 있다.
본 발명의 일 실시예에 따르면, 배드 패턴의 심볼 열과 센서 측정치 시계열 데이터의 심볼 열 사이의 3가지 유사도(제1 유사도, 제2 유사도, 제3 유사도)가 연산될 수 있다. 각각의 유사도는 모두 0 내지 1 사이의 값을 가지는 점에서 동일하나, 서로 다른 관점에서 2개의 심볼 열 사이의 유사도를 평가하는 점에서 차이점이 있다. 상기 유사도를 연산하기 위해 각 심볼에는 소정의 숫자가 매칭되어 있거나, 각 심볼은 숫자로 구성된 것을 전제로 한다.
상기 제1 유사도는 상기 배드 패턴의 심볼 열과 상기 측정치 시계열 데이터의 심볼 열 사이의 유클리디안 거리 유사도이다. 상기 제1 유사도는 아래의 수학식 4와 같이 연산될 수 있다.
예를 들어, X = (1, 3, 5, 5, 1)와 Y1 = (4, 3, 6, 6, 0), Y2 = (4, 2, 4, 4, 7)인 경우, d1 = 3.4641, d2= 6.9282이므로, X와 Y1의 유클리디안 거리 유사도는 0.5이고, X와 Y2의 유클리디안 거리 유사도는 0이 될 것이다.
상기 제2 유사도는 상기 배드 패턴의 심볼 열과 상기 시계열 형태의 센싱 데이터의 심볼 열 사이의 상관 계수(r)일 수 있다. 두 변수 간의 상관 관계를 구하는 방법은 널리 알려져 있으므로, 본 명세서에서는 자세한 설명을 생략하기로 한다.
상기 제3 유사도는 상기 배드 패턴의 심볼 열과 상기 시계열 형태의 센싱 데이터의 심볼 열 사이의 트렌드 유사도일 수 있다. 상기 트렌드 유사도는 심볼 열의 시간 축 상 직전 구간으로부터의 심볼 값 증가/감소 여부를 가리키는 심볼 증감 인덱스 열 사이의 유사도이다.
배드 패턴의 심볼 열 X = (x1, x2, ..., xn)과 시계열 형태의 센싱 데이터의 심볼 열 Y = (y1, y2, ..., yn) 사이의 트렌드 유사도는 아래의 수학식 5와 같이 연산될 수 있다.
예를 들어, 배드 패턴의 심볼 열 X = (1, 3, 5, 5, 1)과 측정치 시계열 데이터의 심볼열 Y = (4, 3, 6, 6, 0)의 경우 △Xi = (2, 2, 0, -4), △Yi = (2, 2, 0, -4)이고, △XYi= (0, 1, 1, 1)이므로, 트렌드 유사도는 0.75이다.
본 실시예에 따르면, 특정 생산품에 대한 측정치 시계열 데이터의 상기 제1 내지 3 유사도 중 하나라도 1인 경우, 상기 측정치 시계열 데이터는 배드 패턴과 유사한 것으로 판정되고, 상기 특정 생산품에 대하여 불량 판정이 있었는지 검토된다. 특정 생산품에 대한 측정치 시계열 데이터가 배드 패턴과 유사한 것으로 판정되었음에도 불구하고 상기 특정 생산품이 양품 판정을 받았다면, 그러한 케이스가 많을수록 상기 배드 패턴의 오류율은 높아지게 된다.
본 실시예에 따르면, 상기 배드 패턴의 오류율은 제1 내지 3 유사도 중 하나 이상이 1인 생산품 중 양품 판정을 받은 생산품의 비율로 정의될 수 있다. 예를 들어, 도 9에 도시된 케이스의 경우, 생산품 y2, y1의 측정치 시계열 데이터 심볼 열이 배드 패턴 심볼 열과 유사한 것으로 판단되고, 그 중 양품 판정을 받은 생산품은 존재하지 않으므로, 상기 배드 패턴의 오류율은 0이된다.
이하, 본 발명의 다른 실시예에 따른 배드 패턴 검증 시스템의 구성 및 동작에 대하여 도 10을 참조하여 설명하기로 한다. 본 실시예에 따른 배드 패턴 검증 시스템(200)은, 도 10에 도시된 바와 같이 혐의 배드 패턴 선정 장치(230)와 배드 패턴 검증 장치(240)를 포함할 수 있다.
혐의 배드 패턴 선정 장치(230)는 각각의 생산품이 설비(210)를 통과할 때 설비(210)에 구비된 센서들에 의하여 측정값이 생성된 후, 센서 측정값 저장 장치(220)에 저장된 시계열 형태의 센싱 데이터를 제품 검사 데이터 저장 장치(270)에 저장된 생산품 검사 정보와 연계 분석하여 특정 불량을 유발하는 것으로 예측되는 혐의 설비 및 혐의 센서와 배드 패턴을 선정한다.
사용자 단말(260)은 관리자의 조작에 따라 혐의 배드 패턴 선정 장치(230)에 의하여 선정된 혐의 설비 및 혐의 센서와 배드 패턴에 대한 검증 프로세스가 생성되도록 하는 검증 인자를 생성하여 배드 패턴 검증 장치(240)에 제공한다.
배드 패턴 검증 장치(240)는 혐의 센서의 시계열 형태의 센싱 데이터에 적용되는 배드 패턴 정보를 제공받고, 검증 대상 기간 동안 상기 혐의 센서에 의하여 생성되어 센서 측정값 저장 장치(220)에 저장된 각 생산품의 시계열 형태의 센싱 데이터에 억세스 하며, 상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 형태의 센싱 데이터 사이의 유사도를 각 생산품 별로 연산하고, 상기 유사도에 기반하여 상기 배드 패턴의 오류율을 연산한다. 배드 패턴 검증 장치(240)는 상기 연산된 배드 패턴의 오류율을 사용자 단말(260)에 제공할 수 있다.
이하, 본 발명의 또 다른 실시예에 따른 배드 패턴 검증 장치의 구성 및 동작에 대하여 도 11을 참조하여 설명하기로 한다. 본 실시예에 따른 배드 패턴 검증 장치(240)는 도 11에 도시된 바와 같이, 검증 인자 수신부(241), 시계열 데이터 추출부(242), 전처리부(243), 유사도 연산부(244), 판정 정보 수신부(245) 및 배드 패턴 검증부(246)를 포함할 수 있다.
검증 인자 수신부(241)는 혐의 센서의 측정치 시계열 데이터에 적용되는 배드 패턴 정보 및 검증 방법 정보를 포함하는 검증 인자를 수신한다. 상기 검증 인자는 사용자 단말(260)으로부터 수신될 수 있다. 상기 검증 방법 정보에는 검증 대상 기간 정보 및 분할 압축 과정에서 사용되는 구간 개수(W), 심볼화 과정에서 사용되는 심볼 개수(α)가 포함될 수 있다.
시계열 데이터 추출부(242)는 상기 검증 방법 정보에 따른 검증 대상 기간 동안 상기 혐의 센서에 의하여 생성된, 각 생산품의 시계열 형태의 센싱 데이터에 억세스 한다.
전처리부(243)는 시계열 데이터 추출부(242)에 의하여 추출된 각 생산품의 시계열 형태의 센싱 데이터를 대상으로 전처리(pre-processing)를 수행한다. 전처리부(243)는 도 5 내지 8b를 참조하여 설명한 전처리 프로세스를 수행할 수 있다. 예를 들어, 분할 압축(S122), 분산 및 평균 값을 이용한 정규화(S124) 및 SAX 방식의 심볼 변환(S126)을 순차적으로 수행할 수 있다.
유사도 연산부(244)는 상기 배드 패턴의 심볼 열과 상기 시계열 형태의 센싱 데이터의 심볼 열 사이의 제1 유사도, 제2 유사도 및 제3 유사도를 각 생산품 별로 연산한다. 이 때, 상기 제1 내지 3 유사도는 비유사를 의미하는 0 내지 동일을 의미하는 1 사이의 값을 갖는다.
상기 제1 유사도는 상기 배드 패턴의 심볼 열과 상기 측정치 시계열 데이터의 심볼 열 사이의 유클리디안 거리 유사도이고, 상기 제2 유사도는 상기 배드 패턴의 심볼 열과 상기 측정치 시계열 데이터의 심볼 열 사이의 상관 계수이고, 상기 제3 유사도는 상기 배드 패턴의 심볼 열과 상기 측정치 시계열 데이터의 심볼 열 사이의 트렌드 유사도일 수 있다. 상기 트렌드 유사도는 심볼 열의 시간 축 상 직전 구간으로부터의 심볼 값 증가/감소 여부를 가리키는 심볼 증감 인덱스 열 사이의 유사도이다.
배드 패턴 검증부(246)는 유사도 연산부(244)에 의하여 연산된 상기 유사도에 기반하여 상기 배드 패턴의 오류율을 연산한다. 배드 패턴 검증부(246)는 각 생산품의 불량 판정 정보를 조회하는 판정 정보 수신부(245)로부터 상기 불량 판정 정보를 제공받아, 상기 제1 내지 3 유사도 중 적어도 하나의 값이 1인 생산품 중 양품 판정을 받은 생산품의 개수를 연산하고, 상기 양품 판정을 받은 생산품의 개수를 이용하여 상기 오류율을 연산할 수 있다.
도 12는 상기 배드 패턴 검증 장치의 도 11과는 다른 구성도이다. 배드 패턴 검증 장치(240)는 도 12에 도시된 구성을 가질 수도 있다. 배드 패턴 검증 장치(240)는 명령어를 수행하는 프로세서(43), 배드 패턴 검증 프로그램 데이터가 저장되는 스토리지(41), 메모리(42), 외부 장치와의 데이터 송수신을 위한 네트워크 인터페이스(42) 및 스토리지(41), 네트워크 인터페이스(42), 프로세서(43) 및 메모리(44)와 연결되어 데이터 이동 통로가 되는 데이터 버스(40)를 포함할 수 있다.
스토리지(41)에는 상기 배드 패턴 검증 프로그램 데이터가 저장될 수 있다. 상기 배드 패턴 검증 프로그램은 혐의 센서의 측정치 시계열 데이터에 적용되는 배드 패턴 정보를 제공받는 모듈과, 검증 대상 기간 동안 상기 혐의 센서에 의하여 생성된, 각 생산품의 측정치 시계열 데이터에 억세스하는 모듈과, 상기 배드 패턴 정보에 따른 배드 패턴과 상기 측정치 시계열 데이터 사이의 유사도를 각 생산품 별로 연산하는 모듈과, 상기 유사도에 기반하여 상기 배드 패턴의 오류율을 연산하는 모듈을 포함할 수 있다.
도 13a 내지 13b는 본 발명의 또 다른 실시예에 따른 생산 설비의 센서에서 발생되는 시계열 형태의 센싱 데이터 패턴 모니터링 방법의 모니터링 결과를 설명하기 위한 도면이다. 종래의 생산 설비 모니터링 방법에 따르면, 생산 설비에 구비된 센서 측정값에 대하여 상한선 및 하한선 만을 지정하여 관리할 뿐, 배드 패턴이 발생하더라도 상기 배드 패턴이 상한선 및 하한선 사이에 위치한다면 상기 배드 패턴의 발생을 감지할 수 없으며, 상기 배드 패턴의 발생에 의한 불량품 발생도 막을 수 없다. 도 13a에는 이러한 종래 기술의 문제점이 도시되어 있다.
반면에, 본 실시예에 따른 생산 설비의 센싱 데이터 패턴 모니터링 방법에 따르면, 사전에 입력된 센싱 데이터의 배드 패턴을 감지할 수 있으므로, 배드 패턴이 감지된 경우 경고 신호가 생성되도록 할 수 있다. 도 13b에는 이러한 본 실시예의 효과가 도시되어 있다.
도 14는 본 실시예에 따른 생산 설비의 센싱 데이터 패턴 모니터링 방법의 순서도이다. 도 14에 도시된 센싱 데이터의 패턴 모니터링 방법은 생산 설비에 의하여 수행될 수 있다.
먼저, 모니터 대상 센서에서 측정된 시계열 데이터에 적용되는 배드 패턴 정보를 수신 받는다(S200). 이 때, 상기 배드 패턴 정보뿐만 아니라 시계열 데이터의 전처리 방법에 관한 정보, 예를 들어 분할 압축에 있어서의 구간의 개수(W), 심볼화 적용 시 사용될 심볼의 개수(α)를 더 수신 받을 수 있다.
다음으로, 상기 생산 설비가 동작함에 따라 발생되는 상기 모니터 대상 센서로부터 시계열 형태의 센싱 데이터를 제공받는다(S210).
다음으로, 상기 시계열 형태의 센싱 데이터에 대하여 전처리를 수행한다(S220). 상기 전처리는 도 5 내지 8b를 참조하여 설명한 전처리 방법이 이용될 수 있다.
다음으로, 상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 형태의 센싱 데이터 사이의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도를 연산한다(S230). 이 때, 상기 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도는 비유사를 의미하는 0 내지 동일을 의미하는 1 사이의 값을 갖는다.
다음으로, 상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 형태의 센싱 데이터의 패턴이 유사한 것으로 판정된 경우, 경고 신호를 출력한다(S240). 일 실시예에 따르면, 상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 형태의 센싱 데이터 패턴이 유사한 것으로 판정된 경우, 경고 신호를 출력하는 것에 그치지 않고, 자동으로 생산 프로세스를 중단할 수도 있다.
일 실시예에 따르면, 상기 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도 중 적어도 하나의 값이 1으로 연산된 경우, 상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 패턴이 유사한 것으로 판정할 수 있다.
상기 트렌드 유사도는 측정치의 시간 흐름에 따른 증감 패턴의 유사도를 의미한다. 상기 트렌드 유사도를 연산하는 방법은 상기 수학식 5를 참조한다.
도 15는 본 발명의 또 다른 실시예에 따른 생산 설비의 블록 구성도이다. 도 15에 도시된 바와 같이, 본 실시예에 따른 생산 설비(210)는 하나 이상의 센서(211)와 센서(211)로부터 제공된 FDC 시계열 데이터를 분석하여 배드 패턴과의 유사도를 연산하고, 연산된 유사도 값을 바탕으로 경고 신호를 출력하는 모듈들을 포함할 수 있다.
먼저, 시계열 데이터 스트림 수신부(212)는 하나 이상의 센서로부터 측정되는 시계열 데이터 스트림을 제공받는다. 시계열 데이터 스트림 수신부(212)는 상기 시계열 형태의 센싱 데이터 스트림을 전처리부(213)에 전달한다. 전처리부(213)는 상기 시계열 형태의 센싱 데이터 스트림을 대상으로 전처리(pre-processing)를 수행한다. 전처리부(213)는 도 5 내지 8b를 참조하여 설명한 전처리 프로세스를 수행할 수 있다. 예를 들어, 분할 압축(S122), 분산 및 평균 값을 이용한 정규화(S124) 및 SAX 방식의 심볼 변환(S126)을 순차적으로 수행할 수 있다.
배드 패턴 정보 수신부(214)는 감지 대상인 배드 패턴 정보 및 감지 방법 정보를 포함하는 감지 인자를 수신한다. 상기 감지 인자는 사용자 단말(260)으로부터 수신될 수 있다. 상기 감지 방법 정보에는 검증 대상 기간 정보 및 분할 압축 과정에서 사용되는 구간 개수(W), 심볼화 과정에서 사용되는 심볼 개수(α)가 포함될 수 있다. 상기 배드 패턴 정보에 따른 시계열 데이터의 패턴은 기 지정된 측정치 상한 값 및 하한 값의 범위 내에 측정치가 포함되는 패턴일 수 있다. 즉, 본 실시예에 따른 생산 설비는, 기 지정된 상한 값 및 하한 값의 범위를 넘어서지 않는 측정치들로 구성되는 배드 패턴을 감지할 수 있다.
유사도 연산부(244)는 상기 배드 패턴의 심볼 열과 상기 측정치 시계열 데이터의 심볼 열 사이의 제1 유사도, 제2 유사도 및 제3 유사도를 각 생산품 별로 연산한다. 이 때, 상기 제1 내지 3 유사도는 비유사를 의미하는 0 내지 동일을 의미하는 1 사이의 값을 갖는다.
경고 신호 출력부(216)는 유사도 연산부(215)에 의하여 연산된 상기 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도 중 적어도 하나의 값이 1으로 연산된 경우 경고 신호를 생성한다.
본 실시예에 따른 생산 설비는 경고 신호 출력부(216)로부터 상기 경고 신호를 제공 받아 생산 동작을 중단하는 제어 신호를 생성하는 정지 제어부(217)를 더 포함할 수 있다.
도 16은 본 발명의 또 다른 실시예에 따른 레퍼런스 패턴 감지 시스템의 구성도이다. 본 실시예에 따른 레퍼런스 패턴 감지 시스템은 하나 이상의 센서로부터 시계열 형태의 센싱 데이터를 제공받아 레퍼런스 패턴의 발생 여부를 감지할 수 있다. "레퍼런스 패턴"은 "배드 패턴"과는 달리 생산 설비에 발생된 일시적 이상 또는 상시적 이상 또는 특정 조건에서 발생되는 이상을 가리키는 것으로 한정되지 않고, 센서로부터 수신된 시계열 형태의 센싱 데이터에서 찾고자 하는 시계열 데이터 패턴을 폭넓게 가리키는 것이다. 따라서, "레퍼런스 패턴"은 "배드 패턴"을 포함한다.
도 16에 도시된 바와 같이, 본 실시예에 따른 레퍼런스 패턴 감지 시스템은 하나 이상의 생산 설비(210)로부터 시계열 형태의 센싱 데이터를 제공받아 배드 패턴의 발생 여부를 감지하고, 배드 패턴의 발생이 감지된 경우 경고 신호를 출력하는 레퍼런스 패턴 탐지 장치(280)를 포함할 수 있다.
레퍼런스 패턴 탐지 장치(280)는 네트워크(250)를 통하여 연결된 레퍼런스 패턴 제공 장치(290)로부터 배드 패턴 정보 및 상기 배드 패턴의 적용 대상인 설비(210) 및 센서 정보를 제공받을 수 있다.
배드 패턴 탐지 장치(280)에 의하여 생성된 경고 신호는 예를 들어, 생산 관리자의 이동 단말(261)에 실시간 송신될 수 있다.
도 17에 도시된 바와 같이, 본 실시예에 따른 레퍼런스 패턴 감지 시스템은, 건물(211)에 설치된 환경 측정 센서 또는 에너지 사용량 측정 센서 중 적어도 하나로부터 시계열 형태의 센싱 데이터를 제공받아 레퍼런스 패턴의 발생 여부를 감지하고, 레퍼런스 패턴의 발생이 감지된 경우 경고 신호를 출력하는 레퍼런스 패턴 탐지 장치(280)를 포함할 수도 있다. 본 실시예에 따른 레퍼런스 패턴 감지 시스템은, 건물 에너지 관리 시스템(Building Energy Management System, BEMS)와 상호 연동되거나, 건물 에너지 관리 시스템의 일 구성 요소로 사용될 수 있다.
레퍼런스 패턴 탐지 장치(280)는 네트워크(250)를 통하여 연결된 레퍼런스 패턴 제공 장치(290)로부터 이상 상황의 발생을 의미하는 환경 측정 센서용 레퍼런스 패턴 정보 및 에너지 사용량 측정 센서용 레퍼런스 패턴 정보를 제공받을 수 있다.
일 실시예에 따르면, 소정의 "이상 상황"은, 환경 측정 센서용 레퍼런스 패턴과 에너지 사용량 측정 센서용 레퍼런스 패턴이 모두 감지되는 경우 발생하는 것으로 정의될 수 있다. 레퍼런스 패턴 탐지 장치(280)는 환경 측정 센서로부터 제공된 센싱 데이터를 모니터링 하여 환경 측정 센서용 레퍼런스 패턴이 발생되었는지 감지하고, 에너지 사용량 측정 센서로부터 제공된 센싱 데이터를 모니터링 하여 에너지 사용량 측정 센서용 레퍼런스 패턴이 발생되었는지 감지함으로써, 상기 "이상 상황" 발생 여부를 판정할 수 있다.
도 18은 본 발명의 또 다른 실시예에 따른 레퍼런스 패턴 탐지 장치의 블록 구성도이다. 도 18에 도시된 바와 같이, 본 실시예에 따른 레퍼런스 패턴 탐지 장치(280)는 시계열 데이터 스트림 수신부(212), 전처리부(213), 유사도 연산부(215), 레퍼런스 패턴 정보 수신부(214)를 포함할 수 있다.
먼저, 시계열 데이터 스트림 수신부(212)는 네트워크를 통해 연결된 하나 이상의 센서로부터 측정된 시계열 데이터 스트림을 제공받는다. 시계열 데이터 스트림 수신부(212)는 상기 측정된 시계열 데이터 스트림을 전처리부(213)에 전달한다. 전처리부(213)는 상기 측정된 시계열 데이터 스트림을 대상으로 전처리(pre-processing)를 수행한다. 전처리부(213)는 도 5 내지 8b를 참조하여 설명한 전처리 프로세스를 수행할 수 있다. 예를 들어, 분할 압축(S122), 분산 및 평균 값을 이용한 정규화(S124) 및 SAX 방식의 심볼 변환(S126)을 순차적으로 수행할 수 있다.
레퍼런스 패턴 정보 수신부(214)는 감지 대상인 레퍼런스 패턴 정보 및 감지 방법 정보를 포함하는 감지 인자를 수신한다. 상기 감지 인자는 사용자 단말(260)으로부터 수신될 수 있다. 상기 감지 방법 정보에는 검증 대상 기간 정보 및 분할 압축 과정에서 사용되는 구간 개수(W), 심볼화 과정에서 사용되는 심볼 개수(α)가 포함될 수 있다.
상기 레퍼런스 패턴 정보는 상기 "배드 패턴"을 가리키는 것일 수도 있다. 상기 배드 패턴은 기 지정된 측정치 상한 값 및 하한 값의 범위 내에 측정치가 포함되는 패턴일 수 있다. 즉, 본 실시예에 따른 레퍼런스 패턴 탐지 장치(280)는 기 지정된 상한 값 및 하한 값의 범위를 넘어서지 않는 측정치들로 구성되는 배드 패턴도 감지할 수 있다.
유사도 연산부(244)는 상기 레퍼런스 패턴의 심볼 열과 상기 측정치 시계열 데이터의 심볼 열 사이의 제1 유사도, 제2 유사도 및 제3 유사도를 각 센서 별로 연산하여 출력한다. 이 때, 상기 제1 내지 3 유사도는 비유사를 의미하는 0 내지 동일을 의미하는 1 사이의 값을 갖는다.
본 실시예에 따른 레퍼런스 패턴 탐지 장치(280)는 건물 에너지 관리 시스템(BEMS)과 연동되거나, 건물 에너지 관리 시스템의 일 구성 요소로 사용될 수 있다. 이 때, 상기 하나 이상의 센서는 건물의 에너지 사용량을 측정하는 제1 센서를 포함할 수 있다. 이 때, 상기 레퍼런스 패턴은 상기 제1 센서에 대하여 적용되는, 특정 상황 발생을 의미하는 패턴일 수 있다.
도 19에 도시된 바와 같이, 본 발명의 또 다른 실시예에 따른 레퍼런스 패턴 탐지 장치는 경고 신호 출력부(216)를 더 포함할 수 있다.
경고 신호 출력부(216)는 유사도 연산부(215)에 의하여 연산된 상기 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도 중 적어도 하나의 값이 1으로 연산된 경우 경고 신호를 생성한다. 상기 경고 신호는 네트워크를 통해 상기 배드 패턴이 감지된 생산 설비에 제공될 수 있다.
일 실시예에 따르면, 레퍼런스 패턴 탐지 장치는 환경 측정 센서용 레퍼런스 패턴과 에너지 사용량 측정 센서용 레퍼런스 패턴이 모두 감지되는 경우 발생하는 소정의 "이상 상황" 발생 시, 경고 신호를 생성하여 출력할 수도 있다. 이 때, 상기 하나 이상의 센서는, 건물의 에너지 사용량을 측정하는 제1 센서와 건물 내부의 환경을 측정하는 제2 센서를 포함하고, 레퍼런스 패턴 정보 수신부(214)는 상기 제1 센서에 적용되는 제1 레퍼런스 패턴 정보와 상기 제2 센서에 적용되는 제2 레퍼런스 패턴 정보를 제공받고, 유사도 연산부(215)는 상기 제1 레퍼런스 패턴 정보에 따른 제1 레퍼런스 패턴과 상기 제1 센서의 센싱 데이터 사이의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도를 연산하여 출력하고, 상기 제2 레퍼런스 패턴 정보에 따른 제2 레퍼런스 패턴과 상기 제2 센서의 센싱 데이터 사이의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도를 연산하여 출력하며, 경고 신호 출력부(216)는, 상기 제1 센서의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도 중 적어도 하나의 값이 1으로 연산되고, 동시에, 상기 제2 센서의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도 중 적어도 하나의 값이 1으로 연산되는 경우 경고 신호를 생성하여 출력할 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
생산 설비 210
센서 측정 값 저장 장치 220
혐의 배드 패턴 선정 장치 230
배드 패턴 검증 장치 240
제품 검사 데이터 저장 장치 270
센서 측정 값 저장 장치 220
혐의 배드 패턴 선정 장치 230
배드 패턴 검증 장치 240
제품 검사 데이터 저장 장치 270
Claims (19)
- 혐의 센서에서 측정된 시계열 형태의 센싱 데이터에 적용되는 배드 패턴 정보를 제공받는 단계;
검증 대상 기간 동안 상기 혐의 센서에 의하여 생성된, 각 생산품의 시계열 형태의 센싱 데이터에 억세스 하는 단계;
상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 형태의 센싱 데이터 사이의 유사도를 각 생산품 별로 연산하는 단계; 및
상기 유사도에 기반하여 상기 배드 패턴의 오류율을 연산하는 단계를 포함하는 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법. - 제1 항에 있어서,
상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 형태의 센싱 데이터 사이의 유사도를 각 생산품 별로 연산하는 단계는,
상기 각 생산품의 시계열 형태의 센싱 데이터의 시간 축을 소정 개수(W)의 구간으로 분할하고, 분할된 각각의 구간 별로 측정치 대표 값을 연산하며, 연산된 측정치 대표 값들을 저장하는 단계;
상기 저장된 센싱 데이터의 대표 값들의 평균 및 분산을 이용하여 상기 저장된 센싱 데이터의 대표 값들을 정규화하는 단계;
상기 정규화된 센싱 데이터 대표 값 각각에 대하여 측정치 구간 별로 할당된 심볼을 부여하여, 상기 각 생산품의 시계열 형태의 센싱 데이터를 심볼 열(symbol array)으로 변환하는 단계;
상기 배드 패턴 정보의 상기 심볼 열과 상기 각 생산품의 심볼 열의 유사도를 각 생산품 별로 연산하는 단계를 포함하는, 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법. - 제2 항에 있어서,
상기 배드 패턴 정보의 상기 심볼 열과 상기 각 생산품의 심볼 열의 유사도를 각 생산품 별로 연산하는 단계는,
직전 구간으로부터의 심볼 값 증가/감소 여부를 가리키는 심볼 증감 인덱스 열을 상기 배드 패턴 정보의 상기 심볼 열과 상기 각 생산품의 심볼 열에 대하여 연산하는 단계; 및
상기 배드 패턴 정보의 상기 심볼 증감 인덱스 열과 상기 각 생산품의 심볼 증감 인덱스 열의 유사도를 각 생산품 별로 연산하는 단계를 포함하는, 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법. - 제3 항에 있어서,
상기 배드 패턴 정보의 상기 심볼 열과 상기 각 생산품의 심볼 열의 유사도를 각 생산품 별로 연산하는 단계는,
상기 배드 패턴 정보의 상기 심볼 열과 상기 각 생산품의 심볼 열의 유클리디안 거리 유사도를 각 생산품 별로 더 연산하는 단계; 및
상기 배드 패턴 정보의 상기 심볼 열과 상기 각 생산품의 심볼 열의 상관 계수를 각 생산품 별로 더 연산하는 단계를 더 포함하는, 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법. - 제1 항에 있어서,
상기 배드 패턴의 오류율을 연산하는 단계는,
상기 각 생산품의 불량 판정 정보를 조회하는 단계; 및
상기 각 생산품의 불량 판정 정보와 상기 연산된 유사도를 비교하여 상기 배드 패턴의 오류율을 연산하는 단계를 포함하는, 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법. - 제5 항에 있어서,
상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 형태의 센싱 데이터 사이의 유사도를 각 생산품 별로 연산하는 단계는,
상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 형태의 센싱 데이터 사이의 제1 기준에 따른 제1 유사도 및 상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 형태의 센싱 데이터 사이의 제2 기준에 따른 제2 유사도를 각 생산품 별로 연산하는 단계를 포함하되, 상기 제1, 2 유사도는 비유사를 의미하는 0 내지 동일을 의미하는 1 사이의 값을 갖고,
상기 각 생산품의 불량 판정 정보와 상기 연산된 유사도를 비교하여 상기 배드 패턴의 오류율을 연산하는 단계는,
특정 생산품의 상기 제1, 2 유사도 중 하나 이상이 1이고, 상기 불량 판정 정보에 따르면 상기 특정 생산품에 양품 판정이 부여된 경우, 상기 배드 패턴 정보의 오류 케이스로 상기 특정 생산품을 선정하는 단계; 및
상기 오류 케이스의 건수를 바탕으로 상기 오류율을 연산하는 단계를 포함하는, 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법. - 제1 항에 있어서,
상기 각 생산품의 시계열 형태의 센싱 데이터에 억세스하는 단계는,
소정 기간 동안 상기 혐의 센서에 의하여 생성된 FDC(Fault Detection and Classification) 데이터인, 각 생산품의 시계열 형태의 센싱 데이터에 억세스하는 단계를 포함하는, 시계열 형태의 센싱 데이터의 배드 패턴 검증 방법. - 혐의 센서의 시계열 형태의 센싱 데이터에 적용되는 배드 패턴 정보 및 검증 방법 정보를 포함하는 검증 인자를 수신하는 검증 인자 수신부;
상기 검증 방법 정보에 따른 검증 대상 기간 동안 상기 혐의 센서에 의하여 생성된, 각 생산품의 시계열 형태의 센싱 데이터에 억세스하는 시계열 데이터 추출부;
상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 형태의 센싱 데이터 사이의 유사도를 각 생산품 별로 연산하는 유사도 연산부;
상기 유사도에 기반하여 상기 배드 패턴의 오류율을 연산하는 배드 패턴 검증부를 포함하는, 배드 패턴 검증 장치. - 제8 항에 있어서,
상기 시계열 데이터 추출부로부터 상기 각 생산품의 시계열 형태의 센싱 데이터를 제공받아, 상기 각 생산품의 시계열 형태의 센싱 데이터에 전처리 프로세스를 적용한 후 상기 유사도 연산부에 제공하는 전처리부를 더 포함하되,
상기 전처리부는,
상기 각 생산품의 시계열 형태의 센싱 데이터의 시간 축을 소정 개수(W)의 구간으로 분할하고, 분할된 각각의 구간 별로 센싱 데이터 대표 값을 연산하며, 연산된 센싱 데이터 대표 값들을 저장하는 센서 데이터 분할 압축 모듈;
상기 저장된 센싱 데이터 대표 값들의 평균 및 분산을 이용하여 상기 저장된 센싱 데이터 대표 값들을 정규화하는 정규화 모듈; 및
상기 정규화된 센싱 데이터 대표 값 각각에 대하여 센싱 데이터 구간 별로 할당된 심볼을 부여하여, 상기 각 생산품의 시계열 형태의 센싱 데이터를 심볼 열(symbol array)으로 SAX(Symbolic Aggregate ApproXimation) 변환하여 상기 유사도 연산부에 제공하는 SAX 변환 모듈을 포함하는, 배드 패턴 검증 장치. - 제9 항에 있어서,
상기 전처리부는,
상기 배드 패턴 정보에 따른 시계열 데이터를 심볼 열으로 SAX 변환하고,
상기 유사도 연산부는,
상기 배드 패턴의 심볼 열과 상기 시계열 형태의 센싱 데이터의 심볼 열 사이의 제1 유사도, 제2 유사도 및 제3 유사도를 각 생산품 별로 연산하되,
상기 제1 내지 3 유사도는 비유사를 의미하는 0 내지 동일을 의미하는 1 사이의 값을 갖고,
상기 제1 유사도는 상기 배드 패턴의 심볼 열과 상기 시계열 형태의 센싱 데이터의 심볼 열 사이의 유클리디안 거리 유사도이고,
상기 제2 유사도는 상기 배드 패턴의 심볼 열과 상기 시계열 형태의 센싱 데이터의 심볼 열 사이의 상관 계수이고,
상기 제3 유사도는 상기 배드 패턴의 심볼 열과 상기 시계열 형태의 센싱 데이터의 심볼 열 사이의 트렌드 유사도이며,
상기 트렌드 유사도는 심볼 열의 시간 축 상 직전 구간으로부터의 심볼 값 증가/감소 여부를 가리키는 심볼 증감 인덱스 열 사이의 유사도인, 배드 패턴 검증 장치. - 제10 항에 있어서,
상기 각 생산품의 불량 판정 정보를 조회하는 판정 정보 수신부를 더 포함하고,
상기 유사도 연산부는,
상기 판정 정보 수신부로부터 상기 불량 판정 정보를 제공받아, 상기 제1 내지 3 유사도 중 적어도 하나의 값이 1인 생산품 중 양품 판정을 받은 생산품의 개수를 연산하고, 상기 양품 판정을 받은 생산품의 개수를 이용하여 상기 오류율을 연산하는, 배드 패턴 검증 장치. - 모니터 대상 센서에서 측정된 시계열 형태의 센싱 데이터에 적용되는 배드 패턴 정보를 제공받는 단계;
상기 모니터 대상 센서에서 발생한 시계열 데이터를 제공받는 단계;
상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 데이터 사이의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도를 연산하되, 상기 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도는 비유사를 의미하는 0 내지 동일을 의미하는 1 사이의 값을 갖는 단계; 및
상기 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도 중 적어도 하나의 값이 1으로 연산된 경우 경고 신호를 생성하는 단계를 포함하되,
상기 트렌드 유사도는 측정치의 시간 흐름에 따른 증감 패턴의 유사도인, 생산 설비의 센싱 데이터 모니터링 방법. - 시계열 형태의 센싱 데이터를 생성하는 하나 이상의 센서;
상기 하나 이상의 센서로부터 측정된 시계열 데이터 스트림을 제공받는 시계열 데이터 스트림 수신부;
각 센서에서 측정된 시계열 형태의 센싱 데이터에 적용되는 배드 패턴 정보를 제공받는 배드 패턴 정보 수신부;
상기 배드 패턴 정보에 따른 배드 패턴과 상기 시계열 형태의 센싱 데이터 사이의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도를 각 센서에 대하여 연산하되, 상기 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도는 비유사를 의미하는 0 내지 동일을 의미하는 1 사이의 값을 갖는 유사도 연산부; 및
상기 유사도 연산부에 의하여 연산된 상기 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도 중 적어도 하나의 값이 1으로 연산된 경우 경고 신호를 생성하는 경고 신호 출력부를 포함하는 생산 설비. - 제13 항에 있어서,
상기 경고 신호 출력부로부터 상기 경고 신호를 제공 받아 생산 동작을 중단하는 제어 신호를 생성하는 정지 제어부를 더 포함하는 생산 설비. - 제13 항에 있어서,
상기 배드 패턴 정보에 따른 시계열 데이터의 패턴은 기 지정된 측정치 상한 값 및 하한 값의 범위 내에 측정치가 포함되는 패턴인 생산 설비. - 하나 이상의 센서에서 측정된 시계열 형태의 센싱 데이터를 제공받는 시계열 데이터 스트림 수신부;
각 센서에서 발생한 시계열 형태의 센싱 데이터에 적용되는 레퍼런스(reference) 패턴 정보를 제공받는 레퍼런스 패턴 정보 수신부; 및
상기 레퍼런스 패턴 정보에 따른 레퍼런스 패턴과 상기 시계열 형태의 센싱 데이터 사이의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도를 각 센서에 대하여 연산하여 출력하되, 상기 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도는 비유사를 의미하는 0 내지 동일을 의미하는 1 사이의 값을 갖는 유사도 연산부를 포함하는, 레퍼런스 패턴 탐지 장치. - 제16 항에 있어서,
상기 유사도 연산부에 의하여 연산된 상기 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도 중 적어도 하나의 값이 1으로 연산된 경우 경고 신호를 생성하여 출력하는 경고 신호 출력부를 포함하는, 배드 패턴 탐지 장치. - 제16 항에 있어서,
상기 하나 이상의 센서는 건물의 에너지 사용량을 측정하는 제1 센서를 포함하는, 배드 패턴 탐지 장치. - 제17 항에 있어서,
상기 하나 이상의 센서는, 건물의 에너지 사용량을 측정하는 제1 센서와 건물 내부의 환경을 측정하는 제2 센서를 포함하고,
상기 레퍼런스 패턴 정보 수신부는 상기 제1 센서에 적용되는 제1 레퍼런스 패턴 정보와 상기 제2 센서에 적용되는 제2 레퍼런스 패턴 정보를 제공받고,
상기 유사도 연산부는 상기 제1 레퍼런스 패턴 정보에 따른 제1 레퍼런스 패턴과 상기 제1 센서의 센싱 데이터 사이의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도를 연산하여 출력하고, 상기 제2 레퍼런스 패턴 정보에 따른 제2 레퍼런스 패턴과 상기 제2 센서의 센싱 데이터 사이의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도를 연산하여 출력하며,
상기 경고 신호 출력부는, 상기 제1 센서의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도 중 적어도 하나의 값이 1으로 연산되고, 상기 제2 센서의 유클리디안 거리 유사도, 상관 계수 및 트렌드 유사도 중 적어도 하나의 값이 1으로 연산되는 경우 경고 신호를 생성하여 출력하는, 배드 패턴 탐지 장치.
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020130069678A KR101554216B1 (ko) | 2013-06-18 | 2013-06-18 | 시계열 형태의 센싱 데이터 배드 패턴 검증 방법 및 그 장치 |
CN201410261840.3A CN104238543B (zh) | 2013-06-18 | 2014-06-12 | 时间序列形式的传感数据的不良图案检验方法及其装置 |
PCT/KR2014/005313 WO2014204179A1 (en) | 2013-06-18 | 2014-06-17 | Method for verifying bad pattern in time series sensing data and apparatus thereof |
US14/306,967 US9547544B2 (en) | 2013-06-18 | 2014-06-17 | Method for verifying bad pattern in time series sensing data and apparatus thereof |
US15/352,703 US20170060664A1 (en) | 2013-06-18 | 2016-11-16 | Method for verifying bad pattern in time series sensing data and apparatus thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020130069678A KR101554216B1 (ko) | 2013-06-18 | 2013-06-18 | 시계열 형태의 센싱 데이터 배드 패턴 검증 방법 및 그 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20140146850A true KR20140146850A (ko) | 2014-12-29 |
KR101554216B1 KR101554216B1 (ko) | 2015-09-18 |
Family
ID=52020342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020130069678A KR101554216B1 (ko) | 2013-06-18 | 2013-06-18 | 시계열 형태의 센싱 데이터 배드 패턴 검증 방법 및 그 장치 |
Country Status (4)
Country | Link |
---|---|
US (2) | US9547544B2 (ko) |
KR (1) | KR101554216B1 (ko) |
CN (1) | CN104238543B (ko) |
WO (1) | WO2014204179A1 (ko) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180106701A (ko) * | 2017-03-21 | 2018-10-01 | (주)심플랫폼 | 사물인터넷 기반 기기 관리 시스템 및 방법 |
KR20190128420A (ko) * | 2018-05-08 | 2019-11-18 | 주식회사 심플비트 | 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법 및 시스템 |
KR20200052425A (ko) * | 2018-10-25 | 2020-05-15 | 삼성에스디에스 주식회사 | 시계열 데이터 분석 방법, 주영향 변수 결정 방법 및 그 방법들을 지원하는 장치 |
KR20210077452A (ko) * | 2019-12-17 | 2021-06-25 | 국방기술품질원 | 산업용 측정장비 상태 정보(시계열 자료) 신뢰수준 기반 교정 시점 예측 장치 및 방법 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2916260A1 (en) * | 2014-03-06 | 2015-09-09 | Tata Consultancy Services Limited | Time series analytics |
SG11201710646TA (en) * | 2015-08-06 | 2018-01-30 | Ns Solutions Corp | Information processing apparatus, information processing system, information processing method and program |
KR102456898B1 (ko) * | 2016-03-17 | 2022-10-19 | 삼성에스디에스 주식회사 | 데이터 신호의 표준 패턴 생성 방법 및 그 장치 |
US10901407B2 (en) * | 2016-05-31 | 2021-01-26 | Applied Materials, Inc. | Semiconductor device search and classification |
US10476903B2 (en) * | 2016-06-20 | 2019-11-12 | Ashley Duane Wilson | Systems and related methods for detection, tiered correlation, and notification of radio frequency (RF) anomalies |
US10337753B2 (en) * | 2016-12-23 | 2019-07-02 | Abb Ag | Adaptive modeling method and system for MPC-based building energy control |
DE102017104884B4 (de) * | 2017-03-08 | 2019-02-14 | Mts Consulting & Engineering Gmbh | System und Verfahren zum Bestimmen von Fehlerbildern aus Sensordaten in Produktvalidierungs- und Fertigungsprozessen |
US11360468B2 (en) | 2017-10-06 | 2022-06-14 | Johnson Controls Tyco IP Holdings LLP | Building management system with cloud-based timeseries service |
WO2020149389A1 (ja) * | 2019-01-17 | 2020-07-23 | 日本電気株式会社 | 工程改善支援装置、工程改善支援方法および工程改善支援プログラムが記録された記録媒体 |
CN111367777B (zh) * | 2020-03-03 | 2022-07-05 | 腾讯科技(深圳)有限公司 | 告警处理的方法、装置、设备及计算机可读存储介质 |
US11656927B1 (en) | 2021-12-03 | 2023-05-23 | International Business Machines Corporation | Localizing faults in multi-variate time series data |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5835507A (en) * | 1995-07-21 | 1998-11-10 | Chaw Khong Co., Ltd. | Error sensing method for improving error control capability in data communications |
US5661763A (en) * | 1995-07-28 | 1997-08-26 | Adtran, Inc. | Apparatus and method for detecting programmable length bit pattern in serial digital data stream |
DE19715829A1 (de) * | 1997-04-16 | 1998-10-22 | Deutsche Telekom Ag | Bitfehlerstruktur-Erfassungsschaltung |
US6629097B1 (en) * | 1999-04-28 | 2003-09-30 | Douglas K. Keith | Displaying implicit associations among items in loosely-structured data sets |
US7539597B2 (en) * | 2001-04-10 | 2009-05-26 | Smartsignal Corporation | Diagnostic systems and methods for predictive condition monitoring |
US6714868B2 (en) | 2001-06-28 | 2004-03-30 | The United States Of America As Represented By The Secretary Of The Navy | Similarity transformation method for data processing and visualization |
US6871201B2 (en) * | 2001-07-31 | 2005-03-22 | International Business Machines Corporation | Method for building space-splitting decision tree |
CA2500761C (en) * | 2002-10-15 | 2012-11-20 | Bernhard O. Palsson | Methods and systems to identify operational reaction pathways |
US7103222B2 (en) * | 2002-11-01 | 2006-09-05 | Mitsubishi Electric Research Laboratories, Inc. | Pattern discovery in multi-dimensional time series using multi-resolution matching |
JP4183185B2 (ja) * | 2004-03-10 | 2008-11-19 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 診断装置、検出装置、制御方法、検出方法、プログラム、及び記録媒体 |
US7363195B2 (en) * | 2004-07-07 | 2008-04-22 | Sensarray Corporation | Methods of configuring a sensor network |
JP4032045B2 (ja) * | 2004-08-13 | 2008-01-16 | 新キャタピラー三菱株式会社 | データ処理方法及びデータ処理装置、並びに診断方法及び診断装置 |
US8203607B2 (en) * | 2005-06-22 | 2012-06-19 | Siemens Medical Solutions Usa, Inc. | Incorporating prior information from pre aligned image pairs into EMST-based image registration |
US7603222B2 (en) * | 2005-11-18 | 2009-10-13 | General Electric Company | Sensor diagnostics using embedded model quality parameters |
TWI416361B (zh) | 2009-04-15 | 2013-11-21 | Inotera Memories Inc | 評估用以分析生產良率的資料價值之方法 |
JP5363927B2 (ja) * | 2009-09-07 | 2013-12-11 | 株式会社日立製作所 | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム |
JP5439265B2 (ja) * | 2010-04-20 | 2014-03-12 | 株式会社日立製作所 | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム |
US8280887B1 (en) * | 2011-03-07 | 2012-10-02 | Sandia Corporation | Hierarchical clustering using correlation metric and spatial continuity constraint |
WO2013027970A1 (ko) * | 2011-08-19 | 2013-02-28 | 고려대학교 산학협력단 | 네트워크의 이상증후를 탐지하는 장치 및 방법 |
US8706458B2 (en) * | 2011-10-05 | 2014-04-22 | International Business Machines Corporation | Traffic sensor management |
US8566320B2 (en) * | 2011-11-21 | 2013-10-22 | Microsoft Corporation | System and method for selectively providing an aggregated trend |
CN102539443B (zh) * | 2011-12-29 | 2013-07-03 | 天津普达软件技术有限公司 | 基于机器视觉的瓶身缺陷自动检测方法 |
US9218570B2 (en) * | 2013-05-29 | 2015-12-22 | International Business Machines Corporation | Determining an anomalous state of a system at a future point in time |
-
2013
- 2013-06-18 KR KR1020130069678A patent/KR101554216B1/ko active IP Right Grant
-
2014
- 2014-06-12 CN CN201410261840.3A patent/CN104238543B/zh active Active
- 2014-06-17 US US14/306,967 patent/US9547544B2/en active Active
- 2014-06-17 WO PCT/KR2014/005313 patent/WO2014204179A1/en active Application Filing
-
2016
- 2016-11-16 US US15/352,703 patent/US20170060664A1/en not_active Abandoned
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180106701A (ko) * | 2017-03-21 | 2018-10-01 | (주)심플랫폼 | 사물인터넷 기반 기기 관리 시스템 및 방법 |
KR20190128420A (ko) * | 2018-05-08 | 2019-11-18 | 주식회사 심플비트 | 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법 및 시스템 |
KR20200052425A (ko) * | 2018-10-25 | 2020-05-15 | 삼성에스디에스 주식회사 | 시계열 데이터 분석 방법, 주영향 변수 결정 방법 및 그 방법들을 지원하는 장치 |
KR20210077452A (ko) * | 2019-12-17 | 2021-06-25 | 국방기술품질원 | 산업용 측정장비 상태 정보(시계열 자료) 신뢰수준 기반 교정 시점 예측 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR101554216B1 (ko) | 2015-09-18 |
WO2014204179A1 (en) | 2014-12-24 |
US20170060664A1 (en) | 2017-03-02 |
US20140372813A1 (en) | 2014-12-18 |
US9547544B2 (en) | 2017-01-17 |
CN104238543A (zh) | 2014-12-24 |
CN104238543B (zh) | 2018-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101554216B1 (ko) | 시계열 형태의 센싱 데이터 배드 패턴 검증 방법 및 그 장치 | |
EP1055239B1 (en) | Ultrasensitive surveillance of sensors and processes | |
US10852357B2 (en) | System and method for UPS battery monitoring and data analysis | |
KR102362159B1 (ko) | 반도체 제조 공정에서 고장 검출 및 불량 원인 진단을 위한 방법 | |
CN111459695A (zh) | 根因定位方法、装置、计算机设备和存储介质 | |
JP2012532425A (ja) | プラズマ処理システムにおける障害の自動的な検出及び分類、並びにその方法 | |
CN111033413B (zh) | 监视设备和用于监视***的方法 | |
US20060074595A1 (en) | Method and apparatus for improved fault detection in power generation equipment | |
CN114492629A (zh) | 异常检测方法、装置、电子设备及存储介质 | |
CN117538710B (zh) | 用于局部动态放电监测的智能预警方法及*** | |
JP2019159786A (ja) | 情報処理装置、情報処理方法、プログラム | |
KR20220132824A (ko) | 배전설비 상태 이상 개소 감시 시스템 및 방법 | |
CN106652393A (zh) | 假警报确定方法及装置 | |
US7366639B2 (en) | Methods for establishing alerts and/or alert limits for monitoring mechanical devices | |
CN110007171A (zh) | 变压器在线监测数据误报警的筛查方法及*** | |
KR102351538B1 (ko) | 패턴 학습 및 진단 알고리즘을 이용한 자동화 설비의 고장 예측 시스템 및 그 방법 | |
ITUB20155449A1 (it) | Metodo di analisi di una sequenza temporale di misure di un segnale caratteristico di un sistema per la diagnosi preventiva del sistema stesso | |
EP4258070A1 (en) | Abnormality diagnosis system and abnormality diagnosis method | |
CN118174788B (zh) | 一种光纤配线柜的故障检测方法、装置、设备及存储介质 | |
CN118118319B (zh) | 一种基于大数据的网络设备智能诊断方法及*** | |
CN115376962A (zh) | 基板处理设备和数据变化确定方法 | |
CN116936146A (zh) | 一种核电厂复合式状态监测及故障溯源方法和装置 | |
CN118174788A (zh) | 一种光纤配线柜的故障检测方法、装置、设备及存储介质 | |
JPH04258721A (ja) | 異常検知装置 | |
Clarkson et al. | Path Classification and Remaining Life Estimation for Systems having Complex Modes of Failure |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20180625 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20190701 Year of fee payment: 5 |