KR20200069937A - 로봇 고장 감지 방법 - Google Patents
로봇 고장 감지 방법 Download PDFInfo
- Publication number
- KR20200069937A KR20200069937A KR1020180157521A KR20180157521A KR20200069937A KR 20200069937 A KR20200069937 A KR 20200069937A KR 1020180157521 A KR1020180157521 A KR 1020180157521A KR 20180157521 A KR20180157521 A KR 20180157521A KR 20200069937 A KR20200069937 A KR 20200069937A
- Authority
- KR
- South Korea
- Prior art keywords
- robot
- information
- factory
- axis
- state
- Prior art date
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- General Factory Administration (AREA)
- Manipulator (AREA)
Abstract
본 발명의 일 실시예에 따르면, 로봇의 고장을 감지하기 위한 방법으로서, 로봇의 상태를 감지하는 센서로부터 주기적으로 정보를 수신하는 단계; 상기 수신된 정보를 기준 정보와 비교하여 고장 진단 프로세스를 진행하는 단계를 포함하되, 상기 수신된 정보와 기준 정보가 일치하는 경우, 이후의 고장 진단 프로세스를 진행하지 않는 것을 특징으로 하는, 로봇 고장 감지 방법이 제공된다.
Description
본 발명은 로봇 고장 감지 방법에 관한 것으로, 보다 상세하게는,서비스 제공 서버가 다양한 공장들이 보유한 일 이상의 로봇들의 상태를 분석하고 고장을 감지하며 잔여수명을 예측하여, 로봇들을 사전에 정비하도록 함으로써, 로봇 고장 시 공장들이 소모하는 비용을 절감할 수 있도록 하는 방법 및 서버에 관한 것이다.
오늘날 제조 현장에서는 원가 절감과 품질 향상의 생산성 확보를 위해서, 고속화, 고신뢰성을 통하여 고생산성 및 다품종 대량 생산을 지원하는 산업용 로봇을 활용해 생산 자동화 및 무인화 제조업계의 변화를 주도하고 있다.
그러나, 로봇이 갑작스럽게 고장날 시, 생산 중단으로 인한 생산성 저하 및 제품 품질에 대한 악영향을 야기함에 따라 천문학적인 액수의 손실비용이 발생하게 된다.
특히, 자동화 제조업 공장의 경우, 상술한 로봇의 갑작스러운 고장으로 인한 경제적 손실이 매우 크게 나타나며, 이에 따라 자동화 제조업 공장의 무중단 생산 시스템을 구현함에 있어 적절한 정비 전략의 확보가 무척 중요한 바, 로봇의 신뢰성 향상을 위하여 로봇 부품의 신뢰성을 향상시키고, 로봇의 고장을 예지하고 진단하는 기술이 필요한 실정이다.
본 발명은 전술한 종래기술의 문제점을 해결하기 위한 것으로, 로봇의 각 축별 상태 정보를 분석하고 고장을 감지하며 잔여수명을 예측하여 부품의 적절한 교체 시기를 판단함으로써, 갑작스러운 로봇의 고장을 방지하여 공장의 손실비용을 최소화하고, 로봇 시스템의 안전성을 향상시키는 것을 목적으로 한다.
또한, IoT 센서를 이용하여 로봇의 각 축별 상태 정보를 자동으로 수신하고 저장함으로써, 공장의 관리비용을 감소시키고, 운영효율을 극대화시키는 것을 목적으로 한다.
뿐만 아니라, 빅데이터를 유용한 통계적 품질 데이터로 정제하여 변환함으로써 로봇의 상태 정보를 분석하기 위한 기준 자료로 사용하고, 현장에서의 로봇의 상태가 예측과 상이한 상태일 경우 이를 학습하여 추후 상태 분석 시 적용하도록 함에 따라, 예측 정비 서비스의 정확도 및 신뢰성을 향상시키는 것을 목적으로 한다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
상술한 목적을 달성하기 위한 본 발명의 일 실시예에 따르면, 로봇의 고장을 감지하기 위한 방법으로서, 로봇의 상태를 감지하는 센서로부터 주기적으로 정보를 수신하는 단계; 상기 수신된 정보를 기준 정보와 비교하여 고장 진단 프로세스를 진행하는 단계를 포함하되, 상기 수신된 정보와 기준 정보가 일치하는 경우, 이후의 고장 진단 프로세스를 진행하지 않는 것을 특징으로 하는, 로봇 고장 감지 방법이 제공된다.
본 발명의 일 실시예에 따르면, 로봇의 각 축별 상태 정보를 분석하고 고장을 감지하며 잔여수명을 예측하여 부품의 적절한 교체 시기를 판단함으로써, 갑작스러운 로봇의 고장을 방지하여 공장의 손실비용을 최소화하고, 로봇 시스템의 안전성을 향상시킬 수 있다.
또한, 본 발명의 일 실시예에 따르면, IoT 센서를 이용하여 로봇의 각 축별 상태 정보를 자동으로 수신하고 저장함으로써, 공장의 관리비용을 감소시키고, 운영효율을 극대화시킬 수 있다.
뿐만 아니라, 본 발명의 일 실시예에 따르면, 빅데이터를 유용한 통계적 품질 데이터로 정제하여 변환함으로써 로봇의 상태 정보를 분석하기 위한 기준 자료로 사용하고, 현장에서의 로봇의 상태가 예측과 상이한 상태일 경우 이를 학습하여 추후 상태 분석 시 적용하도록 함에 따라, 예측 정비 서비스의 정확도 및 신뢰성을 향상시킬 수 있다.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 본 발명의 일 실시예에 따른 로봇 예측 정비 서비스 제공 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 서비스 제공 서버의 구성을 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 로봇의 부품 교체 시기 및 잔여수명 예측 과정을 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 로봇의 품질 등급 책정 기준을 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따라 현장 정보를 토대로 조정된 로봇의 상태별 품질 등급 책정 기준을 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따라 로봇의 품질 등급 정보를 시각적으로 제공하는 예제를 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따라 로봇의 상태변화 추이를 시각적으로 제공하는 예제를 도시한 도면이다.
도 8을 본 발명의 일 실시예에 따라 로봇의 고장 진단 프로세스를 수행하는 과정을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 서비스 제공 서버의 구성을 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 로봇의 부품 교체 시기 및 잔여수명 예측 과정을 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 로봇의 품질 등급 책정 기준을 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따라 현장 정보를 토대로 조정된 로봇의 상태별 품질 등급 책정 기준을 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따라 로봇의 품질 등급 정보를 시각적으로 제공하는 예제를 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따라 로봇의 상태변화 추이를 시각적으로 제공하는 예제를 도시한 도면이다.
도 8을 본 발명의 일 실시예에 따라 로봇의 고장 진단 프로세스를 수행하는 과정을 도시한 도면이다.
이하에서 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 “연결”되어 있다고 할 때, 이는 “직접적으로 연결”되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 “간접적으로 연결”되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.
본 명세서 상에서 공장을 관리하는 관리자는 관리자 단말기를 통해 서비스 제공 서버(400)로부터 로봇 예측 정비 서비스를 제공받을 수 있는 로봇 예측 정비 서비스 애플리케이션을 별도의 애플리케이션 스토어 서버를 통해 다운로드하여 설치할 수 있다.
상기 관리자 단말기는 휴대폰, 스마트폰, PDA(Personal Digital Assistant), PMP(Portable Multimedia Player), 태블릿 PC 등과 같이 네트워크를 통하여 공장 서버(300) 및 서비스 제공 서버(400) 등의 외부 서버와 연결될 수 있고, 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있으며, 이 외에도 데스크탑 PC, 태블릿 PC, 랩탑 PC, 셋탑 박스를 포함하는 IPTV와 같이, 네트워크를 통하여 공장 서버(300) 및 서비스 제공 서버(400) 등의 외부 서버와 연결될 수 있는 통신 장치도 포함할 수 있다.
이하 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 로봇 예측 정비 서비스 제공 시스템의 구성도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 로봇 예측 정비 서비스 제공 시스템은 일 이상의 로봇(100), 일 이상의 로봇 컨트롤러(200), 일 이상의 공장 서버(300) 및 서비스 제공 서버(400)를 포함할 수 있다.
먼저, 로봇(100)과 로봇 컨트롤러(200), 공장 서버(300)뿐만 아니라 공장 서버(300)와 서비스 제공 서버(400)는 각각 통신망으로 연결되어 있을 수 있으며, 여기서, 통신망은 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있다. 근거리 통신망(LAN : Local Area Network), 도시권 통신망(MAN : Metropolitan Area Network), 광역 통신망(WAN : Wide Area Network) 등 다양한 통신망으로 구성될 수 있다.
이하에서는 공장 서버(300) 및 서비스 제공 서버(400)가 각각 별개의 구성으로 구현되는 실시예에 대하여 설명하나, 공장 서버(300) 및 서비스 제공 서버(400)는 하나의 구성으로 구현됨으로써 공장 서버(300) 및 서비스 제공 서버(400) 각각의 기능을 모두 수행할 수도 있다.
로봇(100)은 공장 내에 설치되어 로봇 컨트롤러(200)를 통해 지정된 특정 작업 프로그램을 수행하는 장치일 수 있다.
일 실시예에 따른 로봇(100)은 다양한 부품으로 이루어진 복수 개의 축으로 구성될 수 있으며, 각 축의 온도, 전류, 진동 및 소음 등을 측정하는 센서 장치를 구비하고 있을 수도 있다.
로봇 컨트롤러(200)는 일 이상의 로봇(100)과 통신함에 따라, 각 로봇(100)의 동작을 제어하며, 각 로봇(100)의 상태 정보를 주기적으로 수집하는 장치일 수 있다.
상기 상태 정보는 로봇(100)의 각 축별로 측정된 좌표 정보, 토크 정보, 온도 정보, 전류 정보, 부하율 정보, 진동 정보 및 소음 정보 등을 일 이상 포함할 수 있으며, 해당 로봇(100)의 식별코드 정보, 기 사용기간 정보 및 작업 프로그램 정보 등을 일 이상 포함할 수도 있다.
또한, 로봇 컨트롤러(200)는 상기 수집한 로봇(100)별 상태 정보를 공장 서버(300)로 전송할 수도 있다.
공장 서버(300)는 일 이상의 로봇(100)을 보유한 공장이 운영하는 서버일 수 있다.
공장 서버(300)는 로봇 컨트롤러(200)로부터 일 이상의 로봇(100) 각각의 상태 정보들을 수신할 수 있다.
뿐만 아니라, 공장 서버(300)는 공장과 관련된 정보로서, 공장 및 로봇(100)을 관리하는 관리자 정보, 공장의 로봇(100) 보유 현황 정보, 로봇(100) 을 구성하는 부품들의 스페어파트를 보유한 현황인 스페어파트 현황 정보, 관리자가 로봇(100)을 점검하거나 수리한 내역 정보인 정비 내역 정보 등을 자체적으로 수집하거나, 또는 관리자로부터 입력받을 수도 있다.
이에 따라, 공장 서버(300)는 상기 로봇(100)의 상태 정보 및 공장 관련 정보를 서비스 제공 서버(400)로 전달할 수 있다.
일 실시예에 따르면, 공장 서버(300)는 서비스 제공 서버(400)로부터 로봇(100)의 상태를 분석한 결과 정보 및 로봇(100) 정비와 관련된 다양한 알람 신호를 수신할 수도 있다.
이에 따라, 관리자는 관리자 단말기를 통해 상기 로봇(100) 상태 분석 결과를 확인하고, 상기 알람 신호에 대응되는 정비 작업을 수행할 수 있다.
서비스 제공 서버(400)는 일 이상의 공장 서버(300)와 다양한 정보를 송수신함에 따라, 각 공장에 대응되는 관리자에게 각 공장별 로봇(100)과 관련하여 로봇 예측 정비 서비스를 제공하는 서버일 수 있다.
즉, 본 발명의 일 실시예에 따른 서비스 제공 서버(400)는 복수의 공장 서버(300)로부터 수신한 복수의 로봇(100) 상태 정보를 취합하여 분석하고, 이와 관련된 다양한 정보를 생성함에 따라, 상기 복수의 로봇(100)에 대한 로봇 예측 정비 서비스를 수행할 수 있다.
일 실시예에 따른 서비스 제공 서버(400)는 공장 서버(300)로부터 일 이상의 로봇(100) 각각의 상태 정보 및 해당 공장의 공장 관련 정보를 주기적으로 수신할 수 있으며, 이를 서비스 제공 서버(400) 내의 데이터베이스에 저장할 수도 있다.
또한, 서비스 제공 서버(400)는 상기 수신한 로봇(100)의 상태 정보를 분석하여 해당 로봇(100)의 각 축별 품질 등급을 책정할 수 있으며, 상기 산정된 각 축별 품질 등급을 토대로 해당 로봇(100) 자체의 종합 품질 등급을 책정할 수도 있다.
이에 따라, 서비스 제공 서버(400)는 상기 산정한 각 축별 품질 등급 및 종합 품질 등급에 따라 로봇(100)의 상태를 판단하고, 각 상태별로 필요한 보전 조치를 판단 및 수행하며, 관리자로 하여금 해당 로봇(100)에 필요한 정비 작업을 수행하도록 하는 알람 신호를 공장 서버(300)로 전송할 수 있다.
뿐만 아니라, 서비스 제공 서버(400)는 데이터베이스에 저장된 기존의 로봇(100) 상태 정보를 참조하여, 현재 분석하고자 하는 로봇(100)의 상태변화 추이, 부품 교체 시기 및 잔여수명 등과 같은 상태 예측 정보를 예측할 수도 있다.
이에 따라, 서비스 제공 서버(400)는 상기 예측된 부품 교체 시기 및 잔여수명을 안내하는 알람 신호를 공장 서버(300)로 전송할 수 있다.
본 발명의 일 실시예에 따르면, 서비스 제공 서버(400)는 관리자가 상기 알람 신호에 따라 공장 현장에서 직접 정비 작업을 수행한 결과, 로봇(100)의 상태가 상기 알람 신호에 따른 상태와 상이할 경우, 실제 공장 현장에서의 로봇(100)의 상태가 서비스 제공 서버(400)가 판단한 상태와 상이함을 나타내는 정보인 현장 정보를 관리자 단말기를 통해 관리자로부터 입력받을 수도 있다.
이후, 서비스 제공 서버(400)는 상기 현장 정보를 참조하여 로봇(100)의 품질 등급 책정 기준을 조정할 수 있으며, 이에 따라 해당 로봇(100)의 각 축별 품질 등급 및 종합 품질 등급을 다시 산정할 수도 있다.
일 실시예에 따르면, 서비스 제공 서버(400)는 상기 로봇(100)의 상태 정보를 분석한 결과 정보들을 그래프 형태로 도식화함으로써, 시각화된 분석 결과 정보를 공장 서버(300) 및 관리자 단말기로 전송함에 따라, 관리자에게 제공할 수도 있다.
도 2는 본 발명의 일 실시예에 따른 서비스 제공 서버(400)의 구성을 도시한 도면이다.
도 2를 참조하면, 서비스 제공 서버(400)는 공장 정보 수신부(410), 데이터베이스(420), 상태 정보 분석부(430), 정비 지원부(440), 제어부(450) 및 통신부(460)를 포함할 수 있다.
일 실시예에 따른 공장 정보 수신부(410)는 일 이상의 공장 서버(300)와 통신하여 각 공장이 보유한 일 이상의 로봇(100)들 각각의 상태 정보 및 각 공장과 관련된 정보들을 수신하고, 저장할 수 있다.
구체적으로, 공장 정보 수신부(410)는 공장 서버(300)로부터 각 로봇(100)의 식별코드 정보, 기 사용기간 정보 및 작업 프로그램 정보와 각 로봇(100)의 축별로 측정된 좌표 정보, 토크 정보, 온도 정보, 전류 정보, 부하율 정보, 진동 정보 및 소음 정보 중 일 이상을 포함하는 로봇(100) 상태 정보를 수신할 수 있다.
또한, 일 실시예에 따르면, 공장 정보 수신부(410)는 공장 서버(300)로부터 해당 공장의 관리자 정보, 로봇 보유 현황 정보, 스페어파트 현황 정보 및 정비 내역 정보 중 일 이상을 포함하는 공장 관련 정보를 수신할 수도 있다.
이때, 본 발명의 일 실시예에 따르면, 상기 로봇(100) 상태 정보 및 공장 관련 정보의 수신은 주기적으로 이루어질 수 있으며, 공장 정보 수신부(410)는 수신한 로봇(100) 상태 정보 및 공장 관련 정보를 데이터베이스(420)에 저장할 수도 있다.
데이터베이스(420)는 로봇 예측 정비 서비스와 관련된 다양한 정보를 저장할 수 있다.
구체적으로, 데이터베이스(420)는 공장 정보 수신부(410)로부터 수신한 로봇(100) 상태 정보 및 공장 관련 정보를 각 공장별로 데이터베이스화하여 저장할 수 있다.
또한, 일 실시예에 따른 데이터베이스(420)는 상기 공장 정보 수신부(410)로부터 수신하는 로봇(100) 상태 정보를 시간별로 누적하여 저장할 수도 있으며, 이에 따라 추후 상태 정보 분석부(430)로 하여금 기존에 저장된 로봇(100) 상태 정보를 토대로 현재의 로봇(100) 상태 정보를 분석하도록 할 수도 있다.
뿐만 아니라, 본 발명의 일 실시예에 따르면, 데이터베이스(420)는 추후 정비 지원부(440)를 통해 현장 정보를 수신하여 저장할 수도 있다.
이에 따라, 데이터베이스(420)는 추후 상태 정보 분석부(430)로 하여금 현재의 로봇(100) 상태 정보 분석 시, 상기 현장 정보를 적용하도록 할 수도 있다.
일 실시예에 따르면, 데이터베이스(420)는 과거 로봇(100)들에 대한 상태 정보 분석 이력과 고장 이력을 저장하여, 어떠한 상태 정보일 때 고장 가능성이 높은지에 대한 분석을 가능하게 하는 정보를 제공할 수 있다.
이에 따르면, 상태 정보 분석부(430)는 빅데이터 분석 기법 등을 통해 복수개의 로봇(100)에 대한 상태 정보 수신만으로 각 로봇(100)의 잔여 수명 또는 고장 발생을 판단할 수 있다.
상태 정보 분석부(430)는 공장 정보 수신부(410)를 통해 수신한 로봇(100) 상태 정보를 분석하여, 로봇(100)의 품질 등급을 책정하고, 상태변화 추이를 예측할 수 있다.
본 발명의 일 실시예에 따르면, 상태 정보 분석부(430)는 품질 등급 책정부(431) 및 상태변화 예측부(432)를 포함할 수 있다.
먼저, 품질 등급 책정부(431)는 로봇(100) 상태 정보를 토대로 하여 기 설정된 품질 등급 책정 기준에 따라 로봇(100)의 각 축별 품질 등급 및 종합 품질 등급을 책정할 수 있다.
구체적으로, 품질 등급 책정부(431)는 로봇(100) 상태 정보를 참조하여, 해당 로봇(100)의 각 축별 토크 정보, 온도 정보, 전류 정보, 부하율 정보, 진동 정보 및 소음 정보 등을 시그마 수준으로 변환함에 따라, 단기공정능력, 즉, 기술력을 의미하는 Zst 값 및 공정관리상태를 의미하는 Zshift 값을 해당 로봇(100)의 각 축별로 산정할 수 있다.
이후, 품질 등급 책정부(431)는 기 설정된 품질 등급 책정 기준에 따라 상기 산정된 Zst 값 및 Zshift 값에 따른 로봇(100)의 각 축별 품질 등급을 책정할 수 있다. 상기 품질 등급 책정 기준은 추후 도4를 참조하여 구체적으로 설명하기로 한다.
본 발명의 일 실시예에 따르면, 상기 품질 등급은 1등급 내지 6등급으로 나누어질 수 있다.
구체적으로, 1등급 및 2등급은 각각 로봇(100)의 상태가 매우 우수하거나 양호한 정상 수준임을 의미할 수 있으며, 3등급은 로봇(100)의 상태가 보통 수준임을, 4등급 및 5등급은 로봇(100)의 상태가 양호하지 못하거나 아주 양호하지 못하여 고장이 예상되므로 정비가 필요한 위험 수준임을, 6등급은 로봇(100)의 상태가 매우 불량하여 긴급 조치가 필요한 수준임을 의미할 수 있다.
일 실시예에 따르면, 품질 등급 책정부(431)는 로봇(100)의 특정 축에 대한 Zst 값이 클수록, Zshift 값이 작을수록 더 높은 수준의 품질 등급을 책정할 수 있다.
예를 들면, 품질 등급 책정부(431)는 로봇(100)의 제1축 모터의 부하율 정보 및 토크 정보를 참조하여, 상기 제1축에 대응하는 제1 Zst 값 및 제1 Zshift 값을 각각 5.0 및 0.5로 산정할 수 있으며, 제2축 모터의 부하율 정보 및 토크 정보를 참조하여, 상기 제2축에 대응하는 제2 Zst 값 및 제2 Zshift 값을 각각 0.5 및 2.0으로 산정할 수 있다. 이에 따라, 품질 등급 책정부(431)는 제1축의 품질 등급을 1등급으로, 제2축의 품질 등급을 5등급으로 책정할 수 있다.
이후, 일 실시예에 따른 품질 등급 책정부(431)는 로봇(100)의 각 축별로 모터의 감속기 크기에 따라 각각 상이한 가중치를 적용할 수 있으며, 이를 평균하여 로봇(100) 자체의 종합적인 상태를 의미하는 종합 품질 등급을 책정할 수 있다.
예를 들면, 로봇(100)의 제1축 및 제2축의 품질 등급이 각각 1등급 및 5등급으로 책정되었을 수 있으며, 이때 제1축 및 제2축의 감속기 크기에 따라 각각 1.0 및 0.9의 상이한 가중치가 적용될 수도 있다. 이에 따라, 품질 등급 책정부(431)는 제1축의 품질 등급인 1등급에 1.0의 가중치를 적용한 1등급과 제2축의 품질 등급인 5등급에 0.9의 가중치를 적용한 4.5등급을 평균함으로써 로봇(100)의 종합 품질 등급을 3등급으로 책정할 수 있다.
본 발명의 일 실시예에 따르면, 추후 정비 지원부(440)를 통해 로봇(100)의 품질 등급 책정 기준이 갱신될 수 있으며, 품질 등급 책정부(431)는 정비 지원부(440)로부터 상기 갱신된 품질 등급 책정 기준에 따라 로봇(100)의 품질 등급을 다시 책정하는 요청을 수신할 수도 있다.
이에 따라, 품질 등급 책정부(431)는 상기 갱신된 품질 등급 책정 기준을 참조하여 해당 로봇(100)의 각 축별 품질 등급 및 종합 품질 등급을 재책정할 수 있으며, 향후 로봇(100)의 품질 등급 책정 시 상기 갱신된 품질 등급 책정 기준을 적용하여 책정할 수도 있다.
상태변화 예측부(432)는 로봇(100)의 상태가 향후 변화하게 될 추이를 예측함에 따라, 로봇(100)의 부품 교체 시기 및 잔여수명을 예측할 수 있다.
구체적으로, 상태변화 예측부(432)는 데이터베이스(420)에 저장된 기존의 로봇(100) 상태 정보들을 토대로 하여 로봇(100)의 각 축별 상태변화 패턴을 분석할 수 있다.
이때, 일 실시예에 따르면, 데이터베이스(420)에 정비 지원부(440)를 통해 실제 공장 현장에서의 로봇(100)의 상태가 서비스 제공 서버(400)가 판단한 상태와 상이함을 나타내는 정보인 현장 정보가 학습된 내역이 존재할 경우, 상태변화 예측부(432)는 상기 각 축별 상태변화 패턴 분석 시 상기 현장 정보를 더 참조할 수도 있다.
이후, 상태변화 예측부(432)는 상기 분석한 로봇(100)의 각 축별 상태변화 패턴을 토대로 현재 검토하고자 하는 로봇(100)의 각 축별 상태변화 추이를 예측할 수 있다.
예를 들면, 품질 등급이 3등급인 제1축에 있어서, 최근 일주일 간 Zst 값이 2.5에서 2.1로 변화하였으며, Zshift 값이 1.0에서 1.3으로 변화하였을 수 있다. 이때, 상태변화 예측부(432)는 각 축별 상태변화 패턴을 토대로 상기 제1축의 상태가 향후 3일 이내에 Zst 값이 1.8로, Zshift 값이 1.5로 변화함에 따라, 품질 등급 또한 4등급으로 변동될 것임을 예측할 수 있다.
이에 따라, 상태변화 예측부(432)는 상기 예측한 각 축별 상태변화 추이를 참조하여 각 축별 부품 교체 시기 또한 판정할 수도 있다.
예를 들면, 현재 품질 등급이 3등급에 해당하는 제1축에 대하여 상태변화 추이를 예측한 결과, 상기 제1축의 품질 등급이 향후 일주일 이내에 4등급으로 변동될 것으로 나타날 수 있으며, 이에 따라 상태변화 예측부(432)는 상기 일주일 후의 일자를 상기 제1축의 부품 교체 시기로 판정할 수 있다.
뿐만 아니라, 상태변화 예측부(432)는 상기 각 축별 상태변화 패턴을 취합하여 로봇(100)의 종합적인 상태변화 패턴을 분석할 수 있으며, 상기 로봇(100)의 종합적 상태변화 패턴 및 현재 검토하고자 하는 로봇(100)의 기 사용기간 정보를 토대로 하여 해당 로봇(100)의 잔여수명을 예측할 수도 있다.
예를 들면, 특정 품종의 로봇(100)의 종합적 상태변화 패턴에 따른 평균 수명이 50년일 수 있으며, 상기 특정 품종과 동일한 품종으로서 현재 검토하고자 하는 로봇(100)의 기 사용기간이 20년일 수 있다. 이에 따라, 상태변화 예측부(432)는 해당 로봇(100)의 잔여수명을 30년으로 예측할 수 있다.
정비 지원부(440)는 상태 정보 분석부(430)에서 산정된 로봇(100)의 품질 등급별로 적절한 보전 조치가 수행되도록 처리할 수 있으며, 해당 로봇(100)의 상태 정보를 분석한 결과를 시각적 정보로 가공하여 공장 서버(300) 및 관리자 단말기에 제공할 수 있다.
본 발명의 일 실시예에 따르면, 정비 지원부(440)는 보전 조치 처리부(441), 현장 정보 학습부(442) 및 분석 결과 제공부(443)를 포함할 수 있다.
먼저, 보전 조치 처리부(441)는 상태 정보 분석부(430)에서 로봇(100)의 상태를 분석한 결과에 따라 현재 필요한 보전 조치를 판단하고, 이에 대한 알람 신호를 공장 서버(300) 및 관리자 단말기로 전송함으로써 해당 공장에서 적절한 보전 조치가 이루어지도록 할 수 있다.
구체적으로, 보전 조치 처리부(441)는 품질 등급 책정부(431)에서 책정한 로봇(100)의 각 축별 품질 등급 또는 종합 품질 등급에 따라 현재 해당 로봇(100)에 취해야 하는 보전 조치를 판단하고, 이에 대한 알림 신호를 공장 서버(300) 및 관리자 단말기로 전송할 수 있다.
본 발명의 일 실시예에 따르면, 로봇(100)의 특정 축의 품질 등급 또는 종합 품질 등급이 1등급 또는 2등급에 해당할 경우, 보전 조치 처리부(441)는 해당 축 또는 해당 로봇(100)이 정상 상태인 것으로 판단할 수 있으며, 해당 축 또는 해당 로봇(100)이 정상 상태로 판정되었음을 안내하는 알람 신호를 공장 서버(300) 및 관리자 단말기로 전송할 수 있다.
또한, 일 실시예에 따른 보전 조치 처리부(441)는 특정 축의 품질 등급 또는 종합 품질 등급이 3등급에 해당할 경우, 해당 축 또는 해당 로봇(100)이 즉각적인 고장 위험은 존재하지 않으나 주의가 필요한 상태인 것으로 판단함에 따라, 공장 정보 수신부(410)를 통해 수신한 공장 관련 정보를 참조하여 해당 축 또는 해당 로봇(100)의 스페어파트의 보유 현황 및 정비 내역을 확인할 수 있다.
이때, 보전 조치 처리부(441)는 상기 스페어파트의 보유 현황이 소정 개수 이내일 경우 상기 스페어파트를 보충해야 한다는 알람 신호를, 상기 정비 내역에 따른 최종 정비일로부터 소정 기간이 경과하였을 경우 해당 축 또는 해당 로봇(100)에 대한 재정비가 필요하다는 알람 신호를 공장 서버(300) 및 관리자 단말기로 전송할 수도 있다.
뿐만 아니라, 일 실시예에 따른 보전 조치 처리부(441)는 특정 축 또는 해당 로봇(100)의 품질 등급이 4등급 또는 5등급에 해당할 경우, 해당 축 또는 해당 로봇(100)에 고장 위험이 존재하는 것으로 판단할 수 있으며, 이에 따라 해당 축 또는 해당 로봇(100)에 대한 부품 교체 및 정비를 요청하는 알람 신호를 공장 서버(300) 및 관리자 단말기로 전송할 수 있다.
일 실시예에 따른 보전 조치 처리부(441)는 특정 축 또는 해당 로봇(100)의 품질 등급이 6등급에 해당할 경우, 해당 축 또는 해당 로봇(100)의 상태가 불량하여 긴급 조치가 필요한 것으로 판단할 수 있으며, 이에 따라 해당 로봇(100)을 즉시 정지시키고 정비를 요청하는 알람 신호를 공장 서버(300) 및 관리자 단말기로 전송할 수도 있다.
이에 따라, 각각의 공장들은 로봇(100)이 고장나기 전, 사전에 부품을 교체하고 정비함으로써 갑작스러운 로봇의 고장을 방지하여 공장의 손실비용을 최소화할 수 있다.
본 발명의 일 실시예에 따르면, 보전 조치 처리부(441)는 상태변화 예측부(432)에서 예측한 로봇(100)의 부품 교체 시기 및 잔여수명을 안내하는 알람 신호를 공장 서버(300) 및 관리자 단말기로 전송할 수도 있다.
구체적으로, 보전 조치 처리부(441)는 로봇(100)의 부품 교체 시기가 현재로부터 소정 기간 이내일 경우, 해당 로봇(100)의 부품을 교체할 필요가 있음을 안내하는 알람 신호를, 로봇(100)의 잔여수명이 소정 기간만큼에 해당할 경우, 로봇(100)의 잔여수명이 얼마 남지 않았음을 안내하는 알람 신호를 공장 서버(300) 및 관리자 단말기로 전송할 수 있다.
현장 정보 학습부(442)는 관리자로부터 현장 정보가 입력될 경우, 해당 현장 정보를 데이터베이스(420)에 저장함으로써, 추후 상태 정보 분석부(430)가 로봇(100) 상태 정보를 분석할 시 상기 현장 정보를 적용하도록 할 수 있다.
구체적으로, 관리자는 서비스 제공 서버(400)로부터 로봇(100)의 상태 및 보전 조치와 관련된 알람을 제공받음에 따라 공장 현장의 로봇(100)을 정비할 수 있으나, 이때, 해당 로봇(100)의 상태가 상기 알람에 따른 상태와 상이하게 나타날 수 있다.
이에 따라, 관리자는 관리자 단말기를 통해 해당 로봇(100)의 현장 정보로써, 해당 축 정보, 해당 축에 대하여 서비스 제공 서버(400)로부터 제공받은 품질 등급 정보 및 현장에서 확인된 품질 등급 정보 등을 현장 정보 학습부(442)로 전송할 수 있다.
예를 들면, 보전 조치 처리부(441)는 품질 등급 책정부(431)를 통해 로봇(100)의 제1축의 품질 등급이 4등급으로 책정되었을 시, 해당 축에 대한 부품 교체 및 정비를 요청하는 알람 신호를 공장 서버(300) 및 관리자 단말기로 전송할 수 있다. 이에 따라, 관리자는 공장 현장에서 로봇(100)의 제1축에 대한 정비를 수행할 수 있으며, 이때 상기 정비 결과, 제1축의 상태가 3등급에 해당하는 상태인 것으로 나타날 수도 있다. 이 경우, 관리자는 제1축의 품질 등급이 실제 현장에서 3등급으로 확인되었음을 나타내는 정보를 관리자 단말기를 통해 입력하여 현장 정보 학습부(442)로 전송할 수 있다.
이후, 일 실시예에 따른 현장 정보 학습부(442)는 기존의 품질 등급 책정 기준을 관리자로부터 수신한 현장 정보에 알맞게 조정할 수 있다.
예를 들면, 품질 등급이 4등급으로 책정된 로봇(100)의 제1축의 Zst 값 및 Zshift 값이 각각 5.5 및 2.3으로 산정되었을 수 있다. 이때, 현장 정보 학습부(442)는 관리자로부터 수신한 현장 정보에 따라 해당 Zst 값 및 Zshift 값이 3등급으로 책정되도록 품질 등급 책정 기준을 변경할 수 있다.
일 실시예에 따르면, 현장 정보 학습부(442)는 상기 품질 등급 책정 기준 조정 후, 새롭게 갱신된 품질 등급 책정 기준에 따라 해당 로봇(100)의 상태를 재등급화하도록 요청하는 신호를 품질 등급 책정부(431)로 전송함으로써, 해당 로봇(100)의 각 축별 품질 등급 및 종합 품질 등급이 재설정되도록 처리할 수 있다.
분석 결과 제공부(443)는 로봇(100)의 상태 정보가 상태 정보 분석부(430)를 통해 분석된 결과를 시각화함으로써, 관리자 단말기를 통해 관리자에게 제공할 수 있다.
구체적으로, 일 실시예에 따른 분석 결과 제공부(443)는 상태 정보 분석부(430)에서 로봇(100)의 상태 정보를 분석한 결과 정보, 즉, 로봇(100)의 각 축별 품질 등급 및 상태변화 예측 추이 등을 표, 그래프 등과 같은 형태로 도식화할 수 있다.
이후, 분석 결과 제공부(443)는 상기 도식화된 분석 결과 정보를 공장 서버(300) 및 관리자 단말기로 전송함으로써, 관리자로 하여금 관리자 단말기의 화면에 표시되는 로봇(100)의 상태를 직관적으로 모니터링할 수 있도록 하며, 상기 제공되는 상태변화 예측 추이를 토대로 공장의 로봇(100)들을 사전에 정비하도록 할 수 있다.
일 실시예에 따른 제어부(450)는 공장 정보 수신부(410), 데이터베이스(420), 상태 정보 분석부(430), 정비 지원부(440) 및 통신부(460) 간의 데이터의 흐름을 제어하는 기능을 수행할 수 있다. 즉, 본 발명에 따른 제어부(450)는 공장 정보 수신부(410), 데이터베이스(420), 상태 정보 분석부(430), 정비 지원부(440) 및 통신부(460)에서 각각 고유한 기능을 수행하도록 제어할 수 있다.
일 실시예에 따른 통신부(460)는 서비스 제공 서버(400)와 외부 서버 및 외부 장치 간 통신이 가능하도록 한다. 구체적으로 서비스 제공 서버(400)가 공장 서버(300) 및 관리자 단말기와의 통신을 가능하게 한다.
도 3은 본 발명의 일 실시예에 따른 로봇의 부품 교체 시기 및 잔여수명 예측 과정을 도시한 도면이다.
도 3을 참조하면, 먼저 공장 서버(300)는 로봇 컨트롤러로부터 일 이상의 로봇 각각에 대한 로봇 상태 정보를 수신할 수 있으며, 공장 관련 정보를 자체적으로 수집하거나, 또는 관리자로부터 입력받을 수도 있다(S301).
상기 로봇 상태 정보는 로봇 컨트롤러가 일 이상의 로봇으로부터 수집한 정보로서, 로봇의 각 축별로 측정된 좌표 정보, 토크 정보, 온도 정보, 전류 정보, 부하율 정보, 진동 정보 및 소음 정보 등을 일 이상 포함할 수 있으며, 해당 로봇의 식별코드 정보, 기 사용기간 정보 및 작업 프로그램 정보 등을 일 이상 포함할 수도 있다.
또한, 상기 공장 관련 정보는 공장의 관리자 정보, 로봇 보유 현황 정보, 스페어파트 현황 정보, 정비 내역 정보 등을 일 이상 포함할 수 있다.
이후, 공장 서버(300)는 상기 S301 단계에서 수집한 로봇 상태 정보 및 공장 관련 정보를 서비스 제공 서버(400)로 전송할 수 있다(S302).
서비스 제공 서버(400)는 상기 S302 단계에 있어서, 복수의 공장 서버(300)로부터 로봇 상태 정보 및 공장 관련 정보를 수신할 수도 있으며, 이에 따라 상기 수신한 정보들을 서비스 제공 서버(400) 내의 데이터베이스에 각 공장별로 데이터베이스화하여 저장할 수 있다(S303).
이때, 일 실시예에 따르면, 서비스 제공 서버(400)는 상기 로봇 상태 정보를 시간별로 누적하여 저장할 수도 있다.
본 발명의 일 실시예에 따른 서비스 제공 서버(400)는 데이터베이스에 저장된 기존의 로봇 상태 정보들을 토대로 하여 로봇의 각 축별 상태변화 패턴을 분석할 수 있다(S304).
이후, 서비스 제공 서버(400)는 상기 S304 단계에서 분석한 로봇의 각 축별 상태변화 패턴을 토대로 하여, 현재 검토하고자 하는 로봇의 향후 각 축별 상태변화 추이를 예측할 수 있다(S305).
이에 따라, 일 실시예에 따른 서비스 제공 서버(400)는 상기 S304 단계에서 분석한 각 축별 상태변화 패턴 및 상기 S305 단계에서 예측한 각 축별 상태변화 추이를 참조하여 로봇의 부품 교체 시기 및 잔여수명 또한 판정할 수 있다(S306).
구체적으로, 일 실시예에 따르면, 서비스 제공 서버(400)는 상기 각 축별 상태변화 추이를 참조하여 로봇의 각 축별 부품 교체 시기를 판정할 수 있다.
또한, 일 실시예에 따른 서비스 제공 서버(400)는 상기 각 축별 상태변화 패턴을 취합하여 종합적인 상태변화 패턴을 분석하고, 상기 종합적 상태변화 패턴 및 현재 검토하고자 하는 로봇의 기 사용기간 정보를 토대로 해당 로봇의 잔여수명을 예측할 수도 있다.
이후, 서비스 제공 서버(400)는 상기 S306 단계에서 예측한 부품 교체 시기 및 잔여수명을 안내하는 알람 신호를 공장 서버(300) 및 관리자 단말기로 전송할 수도 있다(S307).
구체적으로, 서비스 제공 서버(400)는 로봇의 부품 교체 시기가 현재로부터 소정 기간 이내일 경우, 해당 로봇의 부품을 교체할 필요가 있음을 안내하는 알람 신호를, 로봇의 잔여수명이 소정 기간만큼에 해당할 경우, 로봇의 잔여수명이 얼마 남지 않았음을 안내하는 알람 신호를 공장 서버(300) 및 관리자 단말기로 전송할 수 있다.
상술한 과정에 따라, 관리자는 상기 S307 단계를 통해 서비스 제공 서버(400)로부터 제공받은 알람에 따라 로봇 정비를 수행할 수 있으며, 이를 통해 로봇이 고장나기 전, 사전에 부품을 교체하고 정비함으로써 갑작스러운 로봇의 고장을 방지함으로써 공장의 손실비용을 최소화할 수 있다는 이점이 있다.
도 4 및 도 5는 각각 본 발명의 일 실시예에 따른 로봇(100)의 품질 등급 책정 기준 및 이를 현장 정보를 토대로 조정한 예시를 도시한 도면이다.
이하에서는 설명의 편의를 위하여 Zst 값 및 Zshift 값이 각각 0 내지 6 및 0.0 내지 3.0의 범위 내로 산정되며, 해당 범위 내에서 로봇(100)의 품질 등급을 1등급 내지 6등급 중 어느 하나로 책정하는 실시예를 예로 들어 설명하나, 이에 한정되는 것은 아니다.
도 4를 참조하면, 로봇(100)의 상태 정보에 따른 품질 등급 책정을 위하여 Zst 값을 X축으로, Zshift 값을 Y축으로 하는 평면좌표가 설정될 수 있다.
이때, 로봇(100)의 특정 축에 대하여 산정된 Zst 값 및 Zshift 값은 각각 1등급 내지 6등급에 해당하는 ① 내지 ⑥ 중 어느 하나의 범위에 포함될 수 있으며, 해당 축은 자신의 Zst 값 및 Zshift 값이 포함되는 범위에 따른 품질 등급으로 책정될 수 있다.
예를 들면, 서비스 제공 서버(400)는 로봇(100)의 제 1축에 있어서, Zst 값 및 Zshift 값이 각각 5.5 및 2.3으로 산정됨에 따라 ③의 범위에 포함될 경우, 상기 제1축의 품질 등급을 3등급으로 책정할 수 있으며, ⑥의 범위에 해당할 경우, 상기 제1축의 품질 등급을 6등급으로 책정할 수도 있다.
또한, 본 발명의 일 실시예에 따르면, 상기 로봇의 품질 등급 책정 기준은 관리자로부터 입력된 현장 정보를 토대로 조정될 수도 있다.
예를 들면, 서비스 제공 서버(400)는 로봇(100)의 제1축의 Zst 값 및 Zshift 값을 각각 5.5 및 2.3으로 산정함에 따라 품질 등급을 4등급으로 책정하였을 수 있으며, 이에 따라 제 1축에 대하여 부품 교체 및 정비를 요청하는 알람 신호를 공장 서버(300) 및 관리자 단말기로 전송하였을 수 있다. 그러나, 관리자가 상기 알람에 따라 실제 공장 현장에서 정비를 수행한 결과, 상기 제1축의 상태가 3등급에 해당하는 것으로 확인되었을 수 있으며, 이에 대한 현장 정보를 관리자 단말기를 통해 서비스 제공 서버(400)로 전송하였을 수 있다.
이 경우, 서비스 제공 서버(400)는 도 5에 도시된 바와 같이 상기 제1축에 대하여 5.5로 산정된 Zst 값 및 2.3으로 Zshift 값이 3등급으로 책정되도록 품질 등급 책정 기준을 변경할 수 있다. 즉, 3등급에 해당하는 Zst 값 및 Zshift 값의 범위를 ③”과 같이, 4등급에 해당하는 Zst 값 및 Zshift 값의 범위를 ④”과 같이 조정할 수 있다.
도 6은 본 발명의 일 실시예에 따라 로봇(100)의 품질 등급 정보를 시각적으로 제공하는 예제를 도시한 도면이다.
도 6을 참조하면, 관리자는 ⑦에 도시된 바와 같이 자신이 확인하고자 하는 공장 내의 공정라인, 각 공정라인에 배치된 일 이상의 로봇(100)들 중 어느 하나 또는 복수 개의 로봇(100), 상기 선택한 로봇(100)의 축 중 자신이 확인하고자 하는 어느 하나 또는 복수 개의 축, 날짜 등을 선택할 수 있다.
또한, 로봇(100)의 각 축별 품질 등급이 ⑧과 같이 그래프의 형태로 도식화되어 표시될 수 있으며, 상기 각 축별 품질 등급에 따른 각 축별 상태 정보 및 로봇(100)의 종합 품질 등급에 따른 종합 상태 정보가 ⑨와 같이 표시될 수도 있다.
일 실시예에 따르면, 로봇(100)의 각 품질 등급별 상태 정보는 정상 상태에 해당하는 1등급 내지 2등급은 “정상”으로, 즉각적인 고장 위험은 존재하지 않으나 주의가 필요한 상태인 3등급은 “예방보전”으로, 고장 위험이 존재하는 상태인 4등급 내지 5등급은 “예지보전”으로, 긴급 조치가 필요한 불량 상태에 해당하는 6등급은 “긴급보전”으로 표시될 수 있다.
또한, 본 발명의 일 실시예에 따르면, 상기 각 축별 상태 정보는 4등급 내지 6등급과 같이 고장 위험이 존재하거나 불량한 상태인 축을 우선적으로 표시할 수도 있다.
이에 따라, 관리자는 자신이 확인하고자 하는 로봇(100)의 상태를 직관적으로 용이하게 확인할 수 있다는 이점이 있다.
도 7은 본 발명의 일 실시예에 따라 로봇의 상태변화 추이를 시각적으로 제공하는 예제를 도시한 도면이다.
이하에서는 로봇(100)의 품질 등급 책정 기준이 1등급 내지 5등급 중 어느 하나로 책정되는 실시예를 예로 들어 설명하나, 이에 한정되는 것은 아니다.
도 7을 참조하면, ⑩과 같이 일 실시예에 따른 로봇(100)의 형태 및 각 축별 위치가 표시될 수 있으며, 고장 위험이 존재하거나 불량한 상태에 해당하는 축이 강조되어 표시될 수도 있다.
또한, 로봇(100)의 상태가 현재 시점까지 변화한 과정을 ⑪과 같이 품질 등급 책정 기준을 나타내는 좌표평면 상에 나타내어 표시될 수도 있으며, ⑫와 같이 향후 예측되는 로봇(100)의 각 축별 상태변화 추이가 추가적으로 표시되어 나타날 수도 있다.
이에 따라, 관리자는 공장 내에 배치된 로봇(100)들의 현재까지의 상태변화 추이 및 앞으로의 상태변화 예측 추이를 용이하게 모니터링할 수 있다는 이점이 있다.
도 8을 본 발명의 일 실시예에 따라 로봇의 고장 진단 프로세스를 수행하는 과정을 도시한 도면이다.
도 8을 참조하면, S801 단계에서, 서비스 제공 서버(400)는 로봇(100)의 상태를 감지하는 센서로부터 주기적으로 정보를 수신할 수 있다.
이후, S802 단계에서, 서비스 제공 서버(400)는 센서로부터 수신된 센싱 정보와 기준 정보를 비교할 수 있다.
센싱 정보와 기준 정보를 비교한 결과, 센싱 정보와 기준 정보가 일치하는 것으로 확인되면, 서비스 제공 서버(400)는 고장 진단 프로세스를 수행하지 않으며, S801 단계로 되돌아가 센싱 정보를 다시 수신할 수 있다.
센싱 정보와 기준 정보를 비교한 결과, 센싱 정보와 기준 정보가 일치하지 않은 것으로 확인되면, S803 단계에서, 서비스 제공 서버(400)는 고장 진단 프로세스를 수행할 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100 : 로봇
200 : 로봇 컨트롤러
300 : 공장 서버
400 : 서비스 제공 서버
410 : 공장 정보 수신부
420 : 데이터베이스
430 : 상태 정보 분석부
431 : 품질 등급 산정부
432 : 상태변화 예측부
440 : 정비 지원부
441 : 보전 조치 처리부
442 : 현장 정보 학습부
443 : 분석 결과 제공부
450 : 제어부
460 : 통신부
200 : 로봇 컨트롤러
300 : 공장 서버
400 : 서비스 제공 서버
410 : 공장 정보 수신부
420 : 데이터베이스
430 : 상태 정보 분석부
431 : 품질 등급 산정부
432 : 상태변화 예측부
440 : 정비 지원부
441 : 보전 조치 처리부
442 : 현장 정보 학습부
443 : 분석 결과 제공부
450 : 제어부
460 : 통신부
Claims (1)
- 로봇의 고장을 감지하기 위한 방법으로서,
로봇의 상태를 감지하는 센서로부터 주기적으로 정보를 수신하는 단계;
상기 수신된 정보를 기준 정보와 비교하여 고장 진단 프로세스를 진행하는 단계를 포함하되,
상기 수신된 정보와 기준 정보가 일치하는 경우, 이후의 고장 진단 프로세스를 진행하지 않는 것을 특징으로 하는, 로봇 고장 감지 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180157521A KR20200069937A (ko) | 2018-12-07 | 2018-12-07 | 로봇 고장 감지 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180157521A KR20200069937A (ko) | 2018-12-07 | 2018-12-07 | 로봇 고장 감지 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20200069937A true KR20200069937A (ko) | 2020-06-17 |
Family
ID=71406081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180157521A KR20200069937A (ko) | 2018-12-07 | 2018-12-07 | 로봇 고장 감지 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20200069937A (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102283052B1 (ko) * | 2020-08-14 | 2021-07-29 | 윤수정 | 무인 카페 운영 시스템 및 방법 |
-
2018
- 2018-12-07 KR KR1020180157521A patent/KR20200069937A/ko unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102283052B1 (ko) * | 2020-08-14 | 2021-07-29 | 윤수정 | 무인 카페 운영 시스템 및 방법 |
WO2022035136A1 (ko) * | 2020-08-14 | 2022-02-17 | 비전세미콘 주식회사 | 무인 카페 운영 시스템 및 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210003482A1 (en) | Diagnostic service system and diagnostic method using network | |
US11262744B2 (en) | Diagnostic service system and diagnostic method using network | |
KR20180068102A (ko) | 로봇 고장 모니터링 서비스 제공 방법 및 서버 | |
US9760068B2 (en) | Predictive maintenance method and system | |
US10419526B2 (en) | Plant control system, controller, manager, and plant information processing method | |
US8019570B2 (en) | System and method for continuous online safety and reliability monitoring | |
US8099672B2 (en) | System and method for continuous online safety and reliability monitoring | |
US11422529B1 (en) | Monitoring system for use in industrial operations | |
JP2010526352A (ja) | 統計的な分析を利用した性能障害管理システム及びその方法 | |
KR102278744B1 (ko) | 로봇의 이상 상태에 대한 알람을 출력하는 방법 및 장치 | |
US20240142063A1 (en) | Method for troubleshooting potential safety hazards of compressor in smart gas pipeline network and internet of things system thereof | |
CN106469098A (zh) | 一种设备的故障处理方法和装置 | |
CN114862288B (zh) | 智慧水务二次加压管理*** | |
KR102484018B1 (ko) | 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템 및 방법 | |
US20200002125A1 (en) | Maintenance scheduling based on remote monitoring data and service data analytics | |
KR20180068101A (ko) | 로봇 예측 정비 서비스 제공 방법 및 서버 | |
KR102387375B1 (ko) | 선제적 풍력발전 유지관리 시스템 | |
US20180164779A1 (en) | Method, server, and program for providing real-time robot monitoring service | |
KR20200069937A (ko) | 로봇 고장 감지 방법 | |
KR20220168849A (ko) | 정보통신 설비 점검 시스템 및 방법 | |
US10504631B2 (en) | Plant abnormality prediction detection system | |
RU2619399C1 (ru) | Система управления работоспособностью автоматизированных технологических объектов газотранспортных систем | |
JP2001084035A (ja) | 運転監視システム | |
KR102409863B1 (ko) | 로봇 예방 및 예측 조치 서비스 제공 방법, 서버 및 프로그램 | |
KR102409862B1 (ko) | 실시간 로봇 모니터링 서비스 제공 방법, 서버 및 프로그램 |