KR20200126785A - 데이터 분석 모델링 방법을 이용한 제지 프로세스 이상 사전예측을 위한 인공지능 플랫폼 - Google Patents
데이터 분석 모델링 방법을 이용한 제지 프로세스 이상 사전예측을 위한 인공지능 플랫폼 Download PDFInfo
- Publication number
- KR20200126785A KR20200126785A KR1020190050878A KR20190050878A KR20200126785A KR 20200126785 A KR20200126785 A KR 20200126785A KR 1020190050878 A KR1020190050878 A KR 1020190050878A KR 20190050878 A KR20190050878 A KR 20190050878A KR 20200126785 A KR20200126785 A KR 20200126785A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- analysis
- paper
- artificial intelligence
- time
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 34
- 238000013473 artificial intelligence Methods 0.000 title claims description 25
- 238000004519 manufacturing process Methods 0.000 title abstract description 20
- 230000005856 abnormality Effects 0.000 title description 3
- 238000004458 analytical method Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 12
- 238000007405 data analysis Methods 0.000 abstract description 11
- 230000002159 abnormal effect Effects 0.000 abstract description 5
- 208000024891 symptom Diseases 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 14
- 238000013480 data collection Methods 0.000 description 11
- 238000011161 development Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000002265 prevention Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000000491 multivariate analysis Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- D—TEXTILES; PAPER
- D21—PAPER-MAKING; PRODUCTION OF CELLULOSE
- D21G—CALENDERS; ACCESSORIES FOR PAPER-MAKING MACHINES
- D21G9/00—Other accessories for paper-making machines
- D21G9/0009—Paper-making control systems
- D21G9/0054—Paper-making control systems details of algorithms or programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Manufacturing & Machinery (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Factory Administration (AREA)
Abstract
본 발명의 일 실시예에 의하면 실시간 생산정보를 수집하고 과거 지절 시간과 연동하여 지절이 발생한 원인을 빅데이터 분석기술을 활용하여 원인을 규명함으로서 동일한 지절이 발생되는 이상 징후를 예측하고 사전에 현장에서 조치 가능한 경보체계를 제공할 수 있다. 또한, 제지 공장의 자원을 최적화해 사람에 의한 변동 요소를 최소화하고, 빅데이터를 활용하여 관심 있는 대상에 대한 인사이트와 포사이트(Insights and Foresights)를 도출하고, 데이터에 기반한 의사결정이 실시간으로 이행되는 제조 운영환경을 구축할 수 있다.
Description
본 발명은 제지 프로세스 이상 사전예측을 위한 인공지능 플랫폼에 관한 것으로, 더욱 상세하게는 제지 연속공정에서 발생하는 지절(종이 끊어짐) 현상을 빅데이터로 저장하고 인공지능으로 분석하여 활용하고 이를 기반으로 사전에 지절을 예측함으로 인해 최종 에너지 절감, 설비생산성 향상, 원/부자재 및 용수 감소를 실현할 수 있는 인공지능 플랫폼에 관한 것이다.
제지 산업은 대표적인 장치산업의 일종으로 국내의 경우 1950년경부터 제지산업이 본격적으로 활성화되었고 설비나 운영기술이 발전되어 왔으나, 빠른 속도로 운전하는 초지기(종이를 생산하는 설비)는 다양한 요인으로 인해 종이를 생산하는 과정에서 지절이 발생하며, 지절의 원인으로는 원/부자재, 설비 상태, 운전기술, 외부요인 등 다양하게 발생하고 있어서 사람이 예측하기가 매우 어렵고, 현장에서 수십년간 근무한 경력자가 그간의 경험과 노하우로 원인을 진단하고 있으며, 대부분 사후처리 형태로 지절에 대응하고 있어서 사전에 지절을 예측할 수 있는 예방체계가 매우 중요한 당면과제가 되고 있는 현실이다.
현재 생산현장 Control Room의 PLC, DCS, QCS에서 발생하는 실시간 정보를 모니터링하여 설비 이상 및 운전 상태를 감시 및 제어하고 있으나 현장 제어시스템에서 발생하는 실시간 정보는 시스템 내 메모리에 일시적 또는 한시적으로 보관되어 History Data를 분석하기 위한 장기적 보관기술이 필요성이 제기되고 있다.
특히, 현장 제어시스템은 1분~1/1000초 단위로 상태 정보가 Analog 또는 Digital로 생성되고 소멸되고 있어서 누락없이 실시간 정보를 수집하는 체계가 매우 중요하다.
제조 연속공정에서 발생하는 기계중단 불량 현상을 빅데이터로 저장하고 인공지능으로 분석하여 활용하고, 이를 기반으로 사전에 불량품 생산 운전 현상을 예측함으로 인해, 최종 에너지 절감, 설비생산성 향상, 원/부자재 및 용수 감소를 추진하고자 한다.
본 발명의 다른 목적들은 다음의 상세한 설명과 첨부한 도면으로부터 보다 명확해질 것이다.
본 발명의 일 실시예에 의하면 실시간 생산정보를 수집하고 과거 지절 시간과 연동하여 지절이 발생한 원인을 빅데이터 분석기술을 활용하여 원인을 규명함으로서 동일한 지절이 발생되는 이상 징후를 예측하고 사전에 현장에서 조치 가능한 경보체계를 제공할 수 있다..
또한, 제지 공장의 자원을 최적화해 사람에 의한 변동 요소를 최소화하고, 빅데이터를 활용하여 관심 있는 대상에 대한 인사이트와 포사이트(Insights and Foresights)를 도출하고, 데이터에 기반한 의사결정이 실시간으로 이행되는 제조 운영환경을 구축할 수 있다.
빅데이터 분석을 활용하여 사후관리가 아닌, 사전예측 및 예방이 가능한 플랫폼 개발하고자 하며, 제지산업 뿐 아니라 공정이 유사한 프로세스 산업에 적용 및 확산이 가능할 것이다.
도 1은 지절로 인한 설비중단시간을 나타내는 도면이다.
도 2는 개략적인 제지공정을 나타내는 흐름도이다.
도 3은 지난 5년간 특정 공장에서 발생한 공정별 지절 발생현황 및 원인을 나타내는 그래프이다.
도 4는 최근 특정 공장에서 발생한 공정별 지절 발생현황 및 원인을 나타내는 그래프이다.
도 5는 본 발명의 일 실시예에 따른 인공지능 플랫폼을 개략적으로 나타내는 도면이다.
도 6 및 도 7은 지절 원인 분석과정을 개략적으로 나타내는 흐름도이다.
도 8 및 도 9는 예측 모델 생성 과정을 개략적으로 나타내는 흐름도이다.
도 10은 본 발명의 일 실시예에 따른 인공지능 플랫폼의 개략적인 목표를 나타내는 도면이다.
도 11은 본 발명의 일 실시예에 따른 인공지능 플랫폼의 정보연결방식을 개략적으로 나타내는 도면이다.
도 12는 본 발명의 일 실시예에 따른 인공지능 플랫폼의 서비스를 개략적으로 나타내는 도면이다.
도 13은 본 발명의 일 실시예에 따른 인공지능 플랫폼의 빅데이터 저장방식을 개략적으로 나타내는 도면이다.
도 14는 본 발명의 일 실시예에 따른 인공지능 플랫폼의 시스템 현황을 개략적으로 나타내는 도면이다.
도 15는 본 발명의 일 실시예에 따른 인공지능 플랫폼의 데이터 분석 아키텍처를 개략적으로 나타내는 도면이다.
도 16은 본 발명의 일 실시예에 따른 인공지능 플랫폼의 예측 및 모니터링 방식을 개략적으로 나타내는 도면이다.
도 17 내지 도 26은 본 발명의 일 실시예에 따른 인공지능 플랫폼의 데이터 분석 모델링 도구를 개략적으로 나타내는 도면이다.
도 27 내지 도 34는 본 발명의 일 실시예에 따른 인공지능 플랫폼의 데이터 모델링 도구를 개략적으로 나타내는 도면이다.
도 35 내지 도 38은 본 발명의 일 실시예에 따른 인공지능 플랫폼의 데이터 연결 및 자료 수집 작업 진행과정을 개략적으로 나타내는 도면이다.
도 39는 본 발명의 일 실시예에 따른 인공지능 플랫폼을 도식화한 도면이다.
도 2는 개략적인 제지공정을 나타내는 흐름도이다.
도 3은 지난 5년간 특정 공장에서 발생한 공정별 지절 발생현황 및 원인을 나타내는 그래프이다.
도 4는 최근 특정 공장에서 발생한 공정별 지절 발생현황 및 원인을 나타내는 그래프이다.
도 5는 본 발명의 일 실시예에 따른 인공지능 플랫폼을 개략적으로 나타내는 도면이다.
도 6 및 도 7은 지절 원인 분석과정을 개략적으로 나타내는 흐름도이다.
도 8 및 도 9는 예측 모델 생성 과정을 개략적으로 나타내는 흐름도이다.
도 10은 본 발명의 일 실시예에 따른 인공지능 플랫폼의 개략적인 목표를 나타내는 도면이다.
도 11은 본 발명의 일 실시예에 따른 인공지능 플랫폼의 정보연결방식을 개략적으로 나타내는 도면이다.
도 12는 본 발명의 일 실시예에 따른 인공지능 플랫폼의 서비스를 개략적으로 나타내는 도면이다.
도 13은 본 발명의 일 실시예에 따른 인공지능 플랫폼의 빅데이터 저장방식을 개략적으로 나타내는 도면이다.
도 14는 본 발명의 일 실시예에 따른 인공지능 플랫폼의 시스템 현황을 개략적으로 나타내는 도면이다.
도 15는 본 발명의 일 실시예에 따른 인공지능 플랫폼의 데이터 분석 아키텍처를 개략적으로 나타내는 도면이다.
도 16은 본 발명의 일 실시예에 따른 인공지능 플랫폼의 예측 및 모니터링 방식을 개략적으로 나타내는 도면이다.
도 17 내지 도 26은 본 발명의 일 실시예에 따른 인공지능 플랫폼의 데이터 분석 모델링 도구를 개략적으로 나타내는 도면이다.
도 27 내지 도 34는 본 발명의 일 실시예에 따른 인공지능 플랫폼의 데이터 모델링 도구를 개략적으로 나타내는 도면이다.
도 35 내지 도 38은 본 발명의 일 실시예에 따른 인공지능 플랫폼의 데이터 연결 및 자료 수집 작업 진행과정을 개략적으로 나타내는 도면이다.
도 39는 본 발명의 일 실시예에 따른 인공지능 플랫폼을 도식화한 도면이다.
이하, 본 발명의 바람직한 실시예들을 첨부된 도 1 내지 도 39를 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.
종이를 생산하는 가장 중요한 초지기는 약 2,000mm~5,000mm폭으로, 50m/분에서 1500m/분으로 연속해서 생산하는 설비이며, 원료공정에서 만들어진 종이의 주 원료인 펄프와 고지는 종이죽 형태로 초지기에 투입되어 얇게 펴고, 말리는 과정에서 종이의 수분과 평량(가로,세로 1m당 무게)이 결정, 일반적으로 낮은 평량일수록 종이가 얇은 형태가 되는데, 낮은 평량은 지절이 발생하기 쉬워 이를 사전에 인지하고 재발하지 않도록 다양한 개선활동이 필요하다.
그러나, 지절의 요인은 한두 가지로 특정할 수 없는 복잡한 관계로 인해 경험적으로 지절 요인을 파악하고 분석하기란 쉽지 않으며, 또한 지절이 발생되면 설비가 제품을 생산하지 못하므로 공회전 상태가 되어 제품 생산이 중단되고 이로 인해 계획된 생산량 및 납기 차질 발생한다. 구체적으로, 반복적인 초지기 지절로 인해 설비 생산성 저하를 초래하고 있으며, 특정 공장에서 연간 520회 발생 및 192시간 생산 중단 사례를 통해 지절이 생산성 저하 결정적 요인임을 알 수 있다(도 1 참고). 특히, 주로 지절이 발생하는 공정은 Pressing, Drying, Sizing 이다(도 2 참고).
하나의 초지기는 많은 소규모 공정으로 구성되어 있으며 지절이 발생되는 위치는 항상 동일하지 않고 원인 또한 다양하며(도 3 및 4 참고), 현재 경험적 관점에서 지절요인 파악하고 있다. 그러나 현장에서 수집한 실시간 설비정보를 활용하여 과학적인 분석방법을 통해 정확한 지절원인과 반복적인 문제점을 발굴하여 현장 운전자에게 제공함으로써 현장 중심형 지절 감시 모니터링 및 예방체계가 절실히 요구된다.
결론적으로, 빅데이터 분석을 활용하여 사후관리가 아닌, 사전예측 및 예방이 가능한 플랫폼 개발하고자 하며, 제지산업 뿐 아니라 공정이 유사한 프로세스 산업에 적용 및 확산이 가능할 것이다.
종래에는, 공정 내 지절 발생 예상 지점에 카메라(센서)를 설치하여 실제 발생 여부 모니터링하거나 지절이 발생된 시점의 이미지 분석으로 특정 위치의 지절 발생 빈도를 확인하였으나, 지절 근본 원인 분석과 예측에 어려움이 있다.
따라서, 각종 현장설비(PI, IoT, 센서 등)와 기간시스템(MES, ERP 등)에서 발생하는 여러 유형의 데이터를 수집 및 분석이 가능한 통합분석체계(빅데이터 분석 플랫폼)를 통한 실시간 현장 알림 및 사전예측/예방을 실현하고자 한다(도 5 참고).
구체적으로, 기존 유사 솔루션은 실시간 설비감시를 통한 이상 현상을 발견 목적으로 활용, 실시간 발생 데이터의 장기 보관의 어려움 발생하여 일시적 메모리 상주 후 삭제되는 구조이나, 본 인공지능 플랫폼은 실시간 발생되는 데이터를 Big Data Architecture상에서의 Data Collection 영역에 장기적으로 보관하고자 한다.
또한, 기존 유사 솔루션은 예측 모델링, 회귀분석, 다변수분석등 지절이 발생되는 원인을 다양한 모델링을 활용하여 지절원인을 분석하고 사전에 예측하고자하는 본 인공지능 플랫폼의 기능 요건을 충족하지 못하므로, 본 인공지능 플랫폼을 통해 실시간으로 발생되는 설비 데이터를 다양한 모델링 기법을 활용하여 새로운 분석체계와 예측기법을 상용화하여 차별화된 기능을 구현하고자 한다.
- 공정별 PI데이터를 활용하여 설비감지 Tag 이상치 분석 및 예측으로 지절 사전 방지
지절이 많이 발생하는 제지공장 대상으로 5년 동안 지절발생 데이터를 MES에서 추출, 현장 실시간 정보와 결합하여 엑셀 또는 다변수 분석 도구를 통해 지절 원인 분석과제를 3개월 동안 수행하였다(도 6 및 7 참고).
- 지절 시점 변화 사항을 정상 시점과 비교 후 영향 인자 도출하고 예측 모델 평가/확정
그러나 분석을 위해 수집한 현장 데이터가 부족했고 수집주기(Interval) 또한 길어서 빅데이터로 보기에는 부족한 Data Resource 분석 결과 발생 (정확도 20% 수준) 하였고, 분석 모델 및 알고리즘을 구현하고 결과 분석과 해석을 위한 기술력 한계 발생하여, 현장 실시간 설비데이터를 제어시스템으로부터 최대한 수집하고 수집한 데이터는 대량의 저장소와 이를 분석할 수 있는 빅데이터 분석시스템이 필요하다는 것을 알게 되었다.
본 발명에 따른 인공지능 플랫폼은 아래와 같은 목표를 가진다(도 10 참고).
- 기술개발목표 : 정보연결(도 11 참고)
· 독립적인 시스템 및 네트워크 환경으로 구축된 생산설비 정보를 전사적 협업 시스템에 연결하여 조직적인 생산제조 관리
· 물리적 통합이 아닌 데이터(정보)의 통합으로 스마트 팩토리 구현
· 데이터 및 정보의 연결 → 프로세스의 연결 → S/W 연결 → H/W 연결(CPS)
· Smart Factory Intelligent Services based on Big Data Platform(도 12 참고)
- 기술개발목표 : 빅데이터 저장(도 13 참고)
· PLC, 센서 등과 같은 시계열 Tag(센서) 데이터(고속&대용량)를 조회 분석하기 위한 최적의 DB엔진을 사용함으로써 순차적인 데이터 저장(Write)과 구간(날짜, 시간) 검색 결과를 효율적이고 빠르게 획득 가능
· 고효율 분산처리 및 손쉬운 데이터 확장성 제공
· 시스템 현황(도 14 참고)
· 특징 및 장점
> 10년치 이상의 데이터도 저장 (빅데이터 기술을 사용한 R/W 성능을 보장,
무한대 저장)
> 일반 PC 사양의 단일 노드로 초당 40,000 데이터 포인트 저장
> 고성능 Column-oriented NoSQL 데이터베이스와 콤비네이션 구성
> 데이터 트렌드 분석용 웹 클라이언트 제공
> REST API 제공으로 추가 응용프로그램 개발 용이
> 편리한 데이터베이스 운영 및 관리
- 기술개발목표 : 실시간 분석 (Complex Event Processing System)
· 생산 장비 및 플랜트, 비즈니스 시스템(ERP, CRM, SCM, MES 등)에서 발생하는 설비데이터 및 이벤트를 지연시간 없이 분석하여 빠르고 정확한 인텔리전스 도출
· 고효율 관계형 데이터베이스에서 처리하기 어려운 대용량/고속 시계열 빅데이트를 인메모리 기반의 복합 이벤트 처리 기술을 적용하여 불규칙한 형태로 발생되는 데이터를 실시간으로 분석처리
· 적시 분석을 토대로 다양한 이벤트 처리 및 분석을 통해 실시간 모니터링, 조기경보, 생산현장관리 등과 같은 새로운 가치 제공
· 데이터 분석 아키텍처 비교(도 15 참고)
· 분석엔진 특징
1초당 500,000 이벤트 데이트를 처리할 수 있는 강력한 CEP엔진 (독립환경)
> 다양한 데이터 소스를 지원하는 입력 및 출력 어답터 (RDMS, HTTP, Socket) 저장
> 히스토리컬 데이터 저장을 위한 다양한 저장소 연동 지원 (Hadoop 및 NoSQL)
> 운영 환경에서 모듈 및 스테이트먼트 배치 가능 (제로-다운타임 구현)
> 임베디드된 고성능 / Low Latency 메세징 (MQ)서버
> 고가용성을 위한 HA 옵션지원
- 기술개발목표 : 예측 및 모니터링(도 16 참고)
· 플랫폼에 통합된 전체정보(에셋, Tag, 데이터 수신상태, 알람 등)의 오늘 기준 집계 및 요약정보를 한눈에 볼수 있는 형태로 시각화
· 각 정보 유형에 맞는 링크를 통해 세부정보로 연결되는 구조화된 Drill-Down 데이터 접근성 제공
· 위치정보 기반의 Geographic 표현 (공장배치도 맵으로 전환가능)
> Site 에셋의 전체 요약정보
> Site ID/Name
> Tag 수
> 알림현황
· 그리드 형태의 site 목록 및 정보제공
· 타임라인 형태의 알람 요약정보
· 세부정보 조회를 위한 구조화된 링크
본 발명에 따른 인공지능 플랫폼은 아래와 같은 세부기술을 구현한다.
- 인공지능 데이터 분석 모델링 도구 개발
· 인공지능 분석 작업을 위한 모델링 및 분석정보의 시계열 그래프 표현
· Trigger에서 저장한 DB를 분석 프로그래밍에서 Data Frame으로 활용
· History Data에 대한 통계 결과 출력(도 17 참고)
· 수집 및 자산화된 모든 Tag Data는 대용량 빅데이터 DB에 기록되며, 에셋 트리에서 선택한 Tag들을 Trend 차트로 시각화하여 다양한 방식으로 시계열 탐색이 가능
· 2개 이상의 Tag를 선택하여 상관된 추이 변화를 파악할 수 있으며, 값의 대역범위가 서로 다른 경우 ‘다중 Y축 표시’ 방식으로 전환하여 서로간의 추이변화 상관성을 시각적으로 비교(도 18 참고)
· 시계열 데이터 시각화를 위한 Trend Chart(도 19 참고)
차트 내부에서 줌인-아웃, 드래그 등 자유로운 데이터 탐색
각 태그별 조회 기간 동안의 기본적인 집계정보 자동 산출
> Count
> Start & Last Value
> Min, Max, Average
탐색 차트 이미지의 저장 및 엑셀 출력 지원
에셋 정보 접근을 위한 자체 Full-Text 검색기능 제공
· 지절 영향 인자 도출을 위한 분석 모델 설계 및 시스템 구축
> 1년치 공장 자료 수집 및 분석 모델 수립(도 20 참고)
> 분석을 위한 자료 정리 및 분석 절차 정의(도 21 참고)
> 설비 이상 운전 감지를 위한 이상치 추출 알고리즘 적용(도 22 참고)
> 설비간 운전 영향도 분석을 위한 상관 분석(도 23 참고)
> 설비간 운전 영향도 분석을 위한 상관성 평가(도 24 참고)
> 설비 정상 운전 구간 적용을 통한 이상 운전 추출(도 25 참고)
> 지절 시점 이전 이상 운전 현황 추출(도 26 참고)
- 데이터 모델링 도구 개발
· 플랫폼에 등록된 물리적 태그 데이트를 논리적 자산모델로 전환하여 공정 또는 설비 등의 관리방식에 따라 데이터를 취급할 수 있도록 하여, 데이터를 조회하고 분석함에 있어 뛰어난 데이터 접근성 제공(도 27 참고)
· 에셋으로 맵핑된 Tag 구조는 간단하게 이벤트로 배치하여 복잡한 분석을 보다 쉽게 수행할 수 있도록 처리(도 28 참고)
· 지절 예측을 위한 분석 데이터 모델링(도 29 참고)
> 생산실적(MES) 수집 : 지종, 평량, 스풀
> 초지공정 설비 태그 데이터(PI) 수집 : 에셋, 태그, 시간, 값
· MES 생산시점 기준 PI 데이터 연결(도 30 참고)
· MES 생산시점에서 중지 시점 제거(도 31 참고)
· 스풀별 PI 데이터 요약(도 32 참고)
· 스풀별 PI 데이터 요약(도 33 참고)
· 지종 평량별 태그 범위값 산정(도 34 참고)
- 데이터 수집 : 설비 데이터 연결
· OPC DA/UA 프로코콜 및 다양한 제조사의 PLC, 센서와 연결되어 설미 및 SCADA 실시간 이벤트 데이터 수집
· 다양한 산업용 프로토콜과 연결할 수 있는 OPC Agent 및 Protocol Library 제공
· OPC 서버가 운영되는 시설·설비환경에서는 가능한 설정으로 즉시 연결구성 가능
· 특수한 통신방식(Protocol)을 사용하는 장치(PLC, Meter 등)의 경우 개발 클라이언트 라이브러리 제공
> OPC DA/UA 표준 지원: OPC DA/UA를 지원하는 OPC 서버는 모두 연결 가능
> 고속 이벤트 수집: 고속/대용량 이벤트 소스도 적은 리소스 사용으로 수집
> 메시지 유실 방지: 서버 다운시 자동으로 데이터를 캐쉬, 복구 완료 시 자동 메시지 재전송
> 자동 페일 오버: OPC 서버 다운시에도 자동으로 Re-connect 수행
- 데이터 수집 : 태그 데이터 연결
· 산업에서 많이 사용하는 OPC와 PLC, Modbus 프로토콜 및 DB에 연결하여 설비 및 생산제조 데이터를 실시간으로 수집할 수 있으며, 추가적으로 제공되는 클라이언트 API를 통해 비표준 프로토콜의 장치들의 데이터를 수집
· 데이터수집 연결 프로토콜
> OPC, Modbus와 같은 범용적인 프로토콜 및 MQTT/HTTP와 같은 현대적 IoT
프로토콜 지원
> 해외 및 국내의 다양한 제조사의 PLC 데이터 수집 지원
> 기타 특수한 경우, 별도 수집 Agent를 개발할 수 있는 개발언어별 라이브러리 제공
· 데이터 연결 및 자료 수집 작업 진행
> 1차 분석을 위한 배치 자료 수집(도 35 참고)
· 데이터 연결 및 자료 수집 작업 진행
> 2차 실시간 자료 수집 : DCS 미맵핑 주소 계속 확인하면서 추가 작업 진행(도 36 참고)
> 공장 시스템과 직접 연결 실시간 자료 수집 환경 구축(도 37 참고)
> 538개 태그의 변화값이 초단위로 실시간 수집 및 저장(도 38 참고)
> OPC 서버 연결 정보 및 프로토콜 확인
> 공장 사이트 데이터 맵핑 정보 확인
> 공장 사이트 설비 정보 및 상태 확인
> 공장 사이트 설비내 수집 태그 정보 확인
도 39는 본 발명의 일 실시예에 따른 인공지능 플랫폼을 도식화한 도면이다.
본 발명을 바람직한 실시예들을 통하여 상세하게 설명하였으나, 이와 다른 형태의 실시예들도 가능하다. 그러므로, 이하에 기재된 청구항들의 기술적 사상과 범위는 바람직한 실시예들에 한정되지 않는다.
Claims (1)
- 인공지능 분석 작업을 위한 모델링 및 분석정보의 시계열 그래프 표현과, Trigger에서 저장한 DB를 분석 프로그래밍에서 Data Frame으로 활용하며, History Data에 대한 통계 결과 출력하고, 수집 및 자산화된 모든 Tag Data는 대용량 빅데이터 DB에 기록되며, 에셋 트리에서 선택한 Tag들을 Trend 차트로 시각화하여 다양한 방식으로 시계열 탐색이 가능하고,
2개 이상의 Tag를 선택하여 상관된 추이 변화를 파악할 수 있으며, 값의 대역범위가 서로 다른 경우 ‘다중 Y축 표시’ 방식으로 전환하여 서로간의 추이변화 상관성을 시각적으로 비교하고, 지절 영향 인자 도출을 위한 분석 모델 설계 및 시스템인, 제지 프로세스 이상 사전예측을 위한 인공지능 플랫폼.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190050878A KR20200126785A (ko) | 2019-04-30 | 2019-04-30 | 데이터 분석 모델링 방법을 이용한 제지 프로세스 이상 사전예측을 위한 인공지능 플랫폼 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190050878A KR20200126785A (ko) | 2019-04-30 | 2019-04-30 | 데이터 분석 모델링 방법을 이용한 제지 프로세스 이상 사전예측을 위한 인공지능 플랫폼 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20200126785A true KR20200126785A (ko) | 2020-11-09 |
Family
ID=73429718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190050878A KR20200126785A (ko) | 2019-04-30 | 2019-04-30 | 데이터 분석 모델링 방법을 이용한 제지 프로세스 이상 사전예측을 위한 인공지능 플랫폼 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20200126785A (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757337A (zh) * | 2023-08-18 | 2023-09-15 | 克拉玛依市鼎泰建设(集团)有限公司 | 一种基于人工智能的房建施工进度预测*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050059477A1 (en) | 2003-09-10 | 2005-03-17 | Baerlocher Anthony J. | Gaming device having symbol revealing mechanism |
-
2019
- 2019-04-30 KR KR1020190050878A patent/KR20200126785A/ko unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050059477A1 (en) | 2003-09-10 | 2005-03-17 | Baerlocher Anthony J. | Gaming device having symbol revealing mechanism |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757337A (zh) * | 2023-08-18 | 2023-09-15 | 克拉玛依市鼎泰建设(集团)有限公司 | 一种基于人工智能的房建施工进度预测*** |
CN116757337B (zh) * | 2023-08-18 | 2023-11-21 | 克拉玛依市鼎泰建设(集团)有限公司 | 一种基于人工智能的房建施工进度预测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113112086B (zh) | 一种基于边缘计算和标识解析的智能生产*** | |
Ferreira et al. | A pilot for proactive maintenance in industry 4.0 | |
US20110166912A1 (en) | Plant analysis system | |
KR102464762B1 (ko) | 경험적 공유 지식 기반의 인공지능을 활용한 설비고장 예지보전 방법 | |
JP2012099071A (ja) | プラント解析システム | |
KR20200126784A (ko) | 데이터 모델링 방법을 이용한 제지 프로세스 이상 사전예측을 위한 인공지능 플랫폼 | |
CN115167222A (zh) | 一种设备监控的方法及相关设备 | |
CN116992346A (zh) | 一种基于人工智能大数据分析的企业生产数据处理*** | |
CN114550336B (zh) | 设备巡检方法、装置、计算机设备和存储介质 | |
KR20200126785A (ko) | 데이터 분석 모델링 방법을 이용한 제지 프로세스 이상 사전예측을 위한 인공지능 플랫폼 | |
US10139788B2 (en) | Remote data analytics to predict system components or device failure | |
Li et al. | Real-time OEE visualisation for downtime detection | |
JP2018036970A (ja) | 設備管理システム、設備管理方法およびプログラム | |
KR20210145952A (ko) | 제지 생산 공정에서 지절 실시간 예측 알림 시스템 구축 방법 | |
KR20210145951A (ko) | 제지 생산 공정에서 지절 예측 모델 수립 및 영향도 평가 방법론 개발 | |
JP2020057091A (ja) | 情報処理装置、情報処理方法、プログラム、およびデータ構造 | |
JP2020057089A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN114462651A (zh) | 一种基于工业大数据的设备智慧管理平台 | |
CN111176174B (zh) | 一种面向冲压车间的多功能监管*** | |
Mohanraj et al. | IoT-enabled Condition Monitoring and Intelligent Maintenance System for Machine | |
JP2020057090A (ja) | データ構造 | |
CN112288116A (zh) | 一种生产制造流程优化管理的工业大数据***及方法 | |
CN111670416A (zh) | 集成有工厂信息***的警报管理***(alms)kpi | |
KR102670454B1 (ko) | 경보 시스템에서 처리되지 않은 경보를 관리하는 시스템 및 방법 | |
Salvatierra et al. | Cloud Condition Monitoring Platform for Steel Rolling Mill Machines |