KR20210060192A - Method for something wrong diagnosis of industrial equipment and the device - Google Patents

Method for something wrong diagnosis of industrial equipment and the device Download PDF

Info

Publication number
KR20210060192A
KR20210060192A KR1020190147931A KR20190147931A KR20210060192A KR 20210060192 A KR20210060192 A KR 20210060192A KR 1020190147931 A KR1020190147931 A KR 1020190147931A KR 20190147931 A KR20190147931 A KR 20190147931A KR 20210060192 A KR20210060192 A KR 20210060192A
Authority
KR
South Korea
Prior art keywords
entropy
similarity
signal
probability distribution
abnormality
Prior art date
Application number
KR1020190147931A
Other languages
Korean (ko)
Other versions
KR102303406B1 (en
Inventor
김종면
김재영
Original Assignee
울산대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 울산대학교 산학협력단 filed Critical 울산대학교 산학협력단
Priority to KR1020190147931A priority Critical patent/KR102303406B1/en
Publication of KR20210060192A publication Critical patent/KR20210060192A/en
Application granted granted Critical
Publication of KR102303406B1 publication Critical patent/KR102303406B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

The present invention relates to an apparatus and method for diagnosing abnormality such as abnormal driven state and defects of industrial facilities. The apparatus of the present invention comprises: a first processing unit for receiving a normal signal off-line from a sensor installed in the industrial facilities; a second processing unit for receiving a sensor signal from the sensor installed in the industrial facilities in real time; a similarity calculation unit for calculating a similarity degree of the signals processed by the first processing unit and the second processing unit; and a determination unit for determining whether there is abnormality in the industrial facilities, based on a result of the similarity degree calculated. Furthermore, the first and second processing units include: an entropy calculation unit for calculating entropy of a normal signal and a sensor signal; and a probability distribution calculation unit for calculating probability distribution of the calculated entropy. Therefore, the similarity calculation unit calculates a similarity degree between probability distribution of entropy of a normal signal and probability distribution of entropy of a sensor signal.

Description

산업설비의 이상유무 진단장치 및 방법{METHOD FOR SOMETHING WRONG DIAGNOSIS OF INDUSTRIAL EQUIPMENT AND THE DEVICE}Equipment and method for diagnosing abnormalities in industrial facilities {METHOD FOR SOMETHING WRONG DIAGNOSIS OF INDUSTRIAL EQUIPMENT AND THE DEVICE}

본 발명은 산업설비의 비정상 구동상태를 감지하는 것으로서, 더욱 상세하게는 산업설비의 운전 중 그 산업설비에 설치된 센서의 신호를 통해 산업설비의 이상이나 결함 등을 진단할 수 있는 장치 및 방법에 관한 것이다. The present invention relates to an apparatus and method capable of detecting an abnormal driving state of an industrial facility, and more specifically, to diagnose an abnormality or defect of an industrial facility through a signal from a sensor installed in the industrial facility during operation of the industrial facility. will be.

각종 산업설비의 관리는 오랫동안 인간의 고유영역으로 인식되어 왔다. 많은 경험을 쌓은 작업자들은 각종 산업설비에서 획득한 데이터를 분석하여 그 설비의 이상상태를 발견하고, 결함의 원인을 찾아 심각한 고장이 생기거나 설비의 가동이 갑자기 중단되기 전에 조치를 취하게 된다.Management of various industrial facilities has long been recognized as a unique human domain. Workers with extensive experience analyze data acquired from various industrial facilities to discover abnormalities in the facility, find the cause of the defect, and take action before a serious breakdown occurs or the facility is suddenly stopped.

그러나 복잡하고 다양한 설비에서 발생하는 데이터들을 정확하게 수집하기 힘들다는 점, 이를 평가하고 분석하는데 적지않은 시간이 소요된다는 여러 문제점이 있다. 또한, 작업자가 경험해보지 못한 상황이 발생하거나 데이터를 잘못 해석하는 경우 오진이 발생하는 문제점도 있다.However, there are several problems in that it is difficult to accurately collect data generated in complex and various facilities, and it takes a considerable amount of time to evaluate and analyze it. In addition, there is a problem that a misdiagnosis occurs when a situation that the operator has not experienced occurs or when the data is incorrectly interpreted.

따라서 기업들은 생산성 향상과 기업의 경쟁력 확보를 위한 방안으로 각종 산업 설비들을 보다 효율적이고 안전하게 관리하기 위한 새로운 방법들을 도입하고 있고, 이러한 예로 산업설비의 이상 유무를 더 쉽게 진단할 수 있는 선행기술들이 공개된 바 있다. Accordingly, companies are introducing new methods to more efficiently and safely manage various industrial facilities as a way to improve productivity and secure corporate competitiveness. For example, prior technologies that can more easily diagnose the presence of abnormalities in industrial facilities are disclosed. Has been done.

예를 들어 한국등록특허 10-1302519호(선행문헌 1)는 설비의 이상 유무를 진단하는 발명으로, 여기에는 산업설비의 진동을 분석하여 설비의 이상 유무 및 수명을 예측하는 구성이 공개되고 있다. 그러나 선행문헌 1은 실질적으로 산업 설비들이 구동되는 과정에서 필수적으로 발생하는 기계적인 진동 정보만을 기반으로 하여 이상 유무를 진단하는 기술로서, 적용범위가 극히 제한적이다. .For example, Korean Patent Registration No. 10-1302519 (Prior Document 1) is an invention for diagnosing the presence of an abnormality in a facility. Here, a configuration for predicting the presence or absence of an abnormality and the life of the facility by analyzing the vibration of an industrial facility is disclosed. However, Prior Document 1 is a technology for diagnosing the presence or absence of an abnormality based only on mechanical vibration information that is essentially generated in the process of actually driving industrial facilities, and its scope of application is extremely limited. .

다른 예로, 한국등록특허 10-1271993호는 산업 플랜트 설비 감시를 위한 이상신호 디스플레이 방법을 개시하고 있는 발명으로 설비 계통에 설치된 검출센서의 신호를 분석하여 고장발생 기기를 찾아내고 있다. As another example, Korean Patent Registration No. 10-1271993 is an invention that discloses a method of displaying an abnormal signal for monitoring an industrial plant facility, and finds a malfunctioning device by analyzing a signal from a detection sensor installed in a facility system.

그러나 선행문헌 2는 설비들의 운전상태 정보에서 이상신호 발생 여부를 확인하고, 이러한 이상신호가 발생하면 해당위치에서 계통 흐름의 역방향과 순방향으로 이상신호를 추적하여 고장발생 기기를 색출하는 방식이다. 그만큼 이상신호 추적이 번거로울 수 있고, 소정 계통에 둘 이상의 설비에서 이상신호가 발생하면 고장발생 기기를 색출하기 어렵다. However, Prior Document 2 checks whether an abnormal signal has occurred in the operation status information of the facilities, and when such an abnormal signal occurs, the abnormal signal is tracked in the reverse direction and forward direction of the system flow at the corresponding location to search for a malfunctioning device. This can be cumbersome to track an abnormal signal, and if an abnormal signal occurs in more than one facility in a given system, it is difficult to find a faulty device.

그리고 선행문헌들은 정상 구동과 관련없는 순간적인 노이즈가 발생할 경우 이를 이상신호로 잘못 판단하여 설비 구동을 중지시키는 경우도 있다. 이 경우 설비 구동이 자동 또는 수동방식으로 중단되며, 일련의 점검이 완료된 이후에 다시 구동시켜야 하는 번거로운점이 있었던 것이고, 이는 실질적으로 산업 설비의 운영, 관리적인 측면에서 비생산적, 비효율적인 문제를 여전히 탈피하지 못하는 문제를 가지고 있었다. In addition, in some cases, prior literatures erroneously judge the occurrence of instantaneous noise not related to normal operation as an abnormal signal and stop the operation of the facility. In this case, the operation of the facility is stopped in an automatic or manual manner, and there was a hassle of restarting after a series of inspections were completed, which in fact still avoids the unproductive and inefficient problems in terms of operation and management of industrial facilities. I had a problem that I couldn't.

따라서 본 발명의 목적은 상기한 문제점을 해결하기 위한 것으로, 산업설비의 이상 유무를 정확하게 진단할 수 있는 산업설비의 이상유무 진단장치 및 방법을 제공하는 것이다.Accordingly, an object of the present invention is to solve the above problems, and to provide an apparatus and method for diagnosing an abnormality of an industrial facility capable of accurately diagnosing an abnormality of an industrial facility.

본 발명의 다른 목적은 발생된 일부 노이즈를 결함이 아닌 노이즈로 판단하도록 하여 산업설비의 연속적이고 안정적인 구동이 수행될 수 있도록 하는 산업설비의 이상유무 진단장치 및 방법을 제공하는 것이다.Another object of the present invention is to provide an apparatus and method for diagnosing an abnormality of an industrial facility that enables continuous and stable driving of the industrial facility by determining some generated noise as noise rather than a defect.

이와 같은 목적을 달성하기 위한 본 발명은, 산업설비에 설치된 센서로부터 오프라인에서 정상신호를 인가받는 제1 처리부; 산업설비에 설치된 센서로부터 실시간으로 센서신호를 인가받는 제2 처리부; 상기 제1 처리부와 제2 처리부가 처리한 신호의 유사도를 계산하는 유사도 계산부; 및 계산된 상기 유사도 결과에 따라 산업설비의 이상 유무를 판단하는 판단부를 포함하는 산업설비의 이상유무 진단장치를 제공한다. The present invention for achieving the above object, the first processing unit for receiving a normal signal off-line from a sensor installed in an industrial facility; A second processing unit receiving a sensor signal in real time from a sensor installed in an industrial facility; A similarity calculation unit that calculates a similarity between the signals processed by the first processing unit and the second processing unit; And a determination unit that determines whether there is an abnormality in the industrial equipment according to the calculated similarity result.

상기 제1 처리부 및 제2 처리부는, 정상신호 및 센서신호의 엔트로피를 계산하는 엔트로피 계산부 및 계산된 엔트로피의 확률분포를 계산하는 확률분포 계산부를 포함하고, 상기 유사도 계산부는, 정상신호의 엔트로피의 확률분포와 센서신호의 엔트로피의 확률분포의 유사도를 계산한다.The first processing unit and the second processing unit include an entropy calculation unit that calculates entropy of the normal signal and the sensor signal, and a probability distribution calculation unit that calculates a probability distribution of the calculated entropy. Calculate the similarity between the probability distribution and the probability distribution of the entropy of the sensor signal.

상기 엔트로피 계산부는, 식

Figure pat00001
에 의해 엔트로피를 계산한다. 여기서 p1은 m 길이의 거리 행렬에서, 행렬의 각 수가 r보다 큰 개수/전체개수, p2는 m+1 길이의 거리 행렬에서 행렬의 각 수가 r보다 큰 개수/전체 개수를 의미하고, 상기 r은 표준편차 ×0.2이다.The entropy calculation unit,
Figure pat00001
Calculate the entropy by Here, p1 is the number/total number of each matrix in an m-length distance matrix greater than r, p2 is the number/total number of each matrix in the m+1 distance matrix is greater than r, and r is Standard deviation ×0.2.

상기 유사도 계산부는, 식

Figure pat00002
에 의해 유사도를 계산한다. 여기서 상기 pdf1, pdf2는 각각 정상신호 및 실시간신호로부터 소정 개수의 엔트로피 계산 값을 기반으로 한 정규분포 계산값을 의미한다.The similarity calculation unit,
Figure pat00002
Calculate the similarity by Here , pdf 1 and pdf 2 mean normal distribution calculated values based on a predetermined number of entropy calculation values from a normal signal and a real-time signal, respectively.

상기 판단부는, 현재 유사도 값이 최근 갯수의 유사도 값들의 '평균 + 표준편차 ×3'보다 큰 횟수를 카운팅하여, 이상유무를 판단한다.The determination unit counts the number of times that the current similarity value is greater than the'average + standard deviation × 3'of the recent number of similarity values, and determines whether there is an abnormality.

본 발명의 다른 특징에 따르면, 산업설비에 설치된 센서를 통해 정상신호 및 실시간 신호를 측정하는 신호 측정 단계; 상기 정상신호 및 실시간 신호에 대한 엔트로피(Entropy)를 계산하는 엔트로피 계산 단계; 상기 계산된 엔트로피의 확률분포를 각각 계산하는 확률분포 계산단계; 상기 정상신호 및 실시간 신호의 확률분포의 유사도를 계산하는 확률분포 유사도 계산 단계; 및 상기 계산된 유사도를 통해 산업설비의 이상 유무를 판단하는 판단 단계를 포함하는 산업설비 이상 진단방법을 제공한다.According to another feature of the present invention, a signal measuring step of measuring a normal signal and a real-time signal through a sensor installed in an industrial facility; An entropy calculation step of calculating entropy for the normal signal and the real-time signal; A probability distribution calculation step of calculating each probability distribution of the calculated entropy; A probability distribution similarity calculation step of calculating a similarity of the probability distribution between the normal signal and the real-time signal; And a determination step of determining whether there is an abnormality in the industrial equipment through the calculated similarity.

상기 엔트로피 계산단계는, 식

Figure pat00003
에 의해 계산하며, 여기서 p1은 m 길이의 거리 행렬에서, 행렬의 각 수가 r보다 큰 개수/전체개수, p2는 m+1 길이의 거리 행렬에서 행렬의 각 수가 r보다 큰 개수/전체 개수를 의미하고, 상기 r은 표준편차 ×0.2이다.The entropy calculation step is:
Figure pat00003
Where p1 is the number/total number of each matrix greater than r in a distance matrix of length m, and p2 is the number/total number of each matrix greater than r in a distance matrix of m+1 length. And, r is the standard deviation × 0.2.

상기 확률분포 유사도 계산 단계는,

Figure pat00004
에 의해 유사도를 계산하면, 여기서 상기 pdf1, pdf2는 각각 정상신호 및 실시간 신호로부터 소정 개수의 엔트로피 계산 값을 기반으로 한 정규분포 계산값을 의미한다.The step of calculating the probability distribution similarity,
Figure pat00004
When the similarity is calculated by, pdf 1 and pdf 2 denote normal distribution calculated values based on a predetermined number of entropy calculation values from a normal signal and a real-time signal, respectively.

상기 판단단계는, 현재 유사도 값이 최근 소정 개수의 유사도 값들의 '평균 + 표준편차 ×3'보다 소정 횟수 이상이면 산업 설비의 이상발생으로 판단하고, 상기 횟수 미만이면 일시적인 이상점(outlier)로 판단한다.In the determination step, if the current similarity value is more than a predetermined number of times than the'average + standard deviation ×3' of the recent predetermined number of similarity values, it is determined as an abnormality in the industrial facility, and if it is less than the above number, it is determined as a temporary outlier. do.

이상과 같은 본 발명의 산업설비 이상유무 진단 장치 및 방법에 따르면, 산업설비의 운전 중 이상 발생시 그 이상유무를 진단할 수 있는 효과가 있다.According to the apparatus and method for diagnosing an abnormality in an industrial facility according to the present invention as described above, when an abnormality occurs during operation of an industrial facility, there is an effect of diagnosing the presence or absence of the abnormality.

그리고 본 발명은 노이즈 등이 발생하더라도 소정 조건을 만족할 경우 이를 산업설비의 이상이나 결함이 아닌 일반적인 노이즈로 판단하여 무시하는 패턴으로 진단장치를 동작시키고 있어, 산업설비의 정상구동과 관련없는 노이즈 등으로 인해 산업설비의 운전이 중단되는 문제를 방지할 수 있다. In addition, the present invention operates the diagnostic device in a pattern that judges and ignores general noise rather than an abnormality or defect of an industrial facility when a predetermined condition is satisfied even if noise occurs. Therefore, it is possible to prevent the problem of stopping the operation of industrial facilities.

도 1은 본 발명의 바람직한 실시 예에 따른 산업설비 이상 감지장치를 설명하는 구성도
도 2는 본 발명의 바람직한 실시 예에 따른 산업설비 이상 감지 방법을 설명하는 흐름도
도 3 내지 도 5는 도 2의 엔트로피 계산과정을 설명하기 위한 예시 도면1 is a block diagram illustrating an apparatus for detecting an abnormality in an industrial facility according to a preferred embodiment of the present invention.
2 is a flowchart illustrating a method for detecting an abnormality in an industrial facility according to a preferred embodiment of the present invention
3 to 5 are exemplary diagrams for explaining the entropy calculation process of FIG. 2

본 발명의 목적 및 효과, 그리고 그것들을 달성하기 위한 기술적 구성들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.Objects and effects of the present invention, and technical configurations for achieving them will become apparent with reference to the embodiments described later in detail together with the accompanying drawings. In describing the present invention, if it is determined that a detailed description of a known function or configuration may unnecessarily obscure the subject matter of the present invention, a detailed description thereof will be omitted.

그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다.In addition, terms to be described later are terms defined in consideration of functions in the present invention, which may vary according to the intention or custom of users or operators.

그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있다. 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.However, the present invention is not limited to the embodiments disclosed below and may be implemented in various different forms. However, the present embodiments are provided to complete the disclosure of the present invention and to fully inform the scope of the invention to those of ordinary skill in the art, and the present invention is defined by the scope of the claims. It just becomes. Therefore, the definition should be made based on the contents throughout the present specification.

본 발명은 산업설비의 운전 중에 발생하는 이상 유무 및 그 정도를 판별하는 것으로서, 이하에서 도면에 도시한 실시 예에 기초하면서 본 발명에 대하여 더욱 상세하게 설명하기로 한다. The present invention is to determine the presence or absence of an abnormality occurring during the operation of an industrial facility and its degree, and the present invention will be described in more detail below based on the embodiment shown in the drawings.

도 1에 도시된 바와 같이 산업설비 이상 감지 장치는, 제1 처리부(120) 및 제2 처리부(130)를 포함한다. 제1 처리부(120)는 오프라인 상태에서 산업설비에 설치된 센서(101)가 취득하는 정상신호를 처리하는 부분이고, 제2 처리부(130)는 산업설비의 구동에 따라 실시간으로 센서(101)들이 취득하는 실시간 신호를 처리하는 부분을 말한다. As shown in FIG. 1, the apparatus for detecting an abnormality in industrial facilities includes a first processing unit 120 and a second processing unit 130. The first processing unit 120 is a part that processes the normal signal acquired by the sensor 101 installed in the industrial facility in an offline state, and the second processing unit 130 acquires the sensors 101 in real time according to the operation of the industrial facility. It refers to the part that processes the real-time signal.

이러한 제1 처리부(120) 및 제2 처리부(130)는 각각 엔트로피 계산부(122, 132) 및 확률분포 계산부(124, 134)를 구비한다.The first processing unit 120 and the second processing unit 130 include entropy calculation units 122 and 132 and probability distribution calculation units 124 and 134, respectively.

제1 처리부(120)의 엔트로피 계산부(122) 및 확률분포 계산부(124)는, 오프라인 상태에서 센서(101)들이 취득한 정상신호(실시 예에서는 20개로 한정함)에 대한 각각의 엔트로피와 확률분포를 미리 계산하여 가지고 있다. 이러한 제1 처리부(120)에 의한 엔트로피 값 및 확률분포 값이 레퍼런스 신호가 될 수 있다.The entropy calculation unit 122 and the probability distribution calculation unit 124 of the first processing unit 120 are each entropy and probability of the normal signals (limited to 20 in the embodiment) acquired by the sensors 101 in an offline state. It has the distribution calculated in advance. The entropy value and the probability distribution value by the first processing unit 120 may be a reference signal.

제2 처리부(130)의 엔트로피 계산부(132) 및 확률분포 계산부(134)는, 온라인에서 실시간(real time)으로 센서 신호를 취득하여 엔트로피 값 및 확률분포 값을 계산한다. The entropy calculation unit 132 and the probability distribution calculation unit 134 of the second processing unit 130 acquire a sensor signal online in real time and calculate an entropy value and a probability distribution value.

엔트로피 계산부(122, 132)는 다음 수학식 1에 의해 엔트로피 값을 계산한다. The entropy calculation units 122 and 132 calculate an entropy value according to Equation 1 below.

Figure pat00005
Figure pat00005

여기서, p1은 m 길이의 거리 행렬에서, 행렬의 각 수가 r보다 큰 개수/전체개수를 말하고, p2는 m+1 길이의 거리 행렬에서 행렬의 각 수가 r보다 큰 개수/전체 개수를 말한다. 그리고 상기 r은 표준편차 ×0.2이다.Here, p1 denotes the number/total number of each number of matrices greater than r in the m-length distance matrix, and p2 denotes the number/total number of m+1 distance matrices in which each number of matrices is greater than r. And r is the standard deviation × 0.2.

상기 제1 처리부(120)의 확률 분포값과 제2 처리부(130)의 확률 분포값의 유사도를 계산하는 유사도 계산부(140)가 구비된다. 유사도 계산부(140)는 하기 수학식 2에 의해 구해진다.A similarity calculation unit 140 for calculating a similarity between the probability distribution value of the first processing unit 120 and the probability distribution value of the second processing unit 130 is provided. The similarity calculation unit 140 is obtained by Equation 2 below.

Figure pat00006
Figure pat00006

여기서 상기 pdf1, pdf2는 각각 정상신호 및 실시간 신호로부터 소정 개수의 엔트로피 계산 값을 기반으로 한 정규분포 계산값을 말한다. 그리고 상기 pdf1, pdf2는 평균(μ) 및 표준편차(σ)를 이용하여 구할 수 있으며, 상기 평균 및 표준편차는 상기한 20개의 엔트로피 계산값으로부터 알 수 있다. Where the above pdf 1, pdf 2 refers to normal distribution calculated values based on a predetermined number of entropy calculation values from a normal signal and a real-time signal, respectively. In addition, the pdf 1 and pdf 2 can be obtained using the mean (μ) and the standard deviation (σ), and the mean and standard deviation can be known from the above 20 entropy calculation values.

상기 유사도 계산부(140)에 의해 계산된 유사도를 기초로 하여 산업설비의 이상, 결함 유무를 판단하는 판단부(150)가 구비된다. 여기서 판단부(150)는, 단순히 산업설비의 이상, 결함만을 판단하지 않고, 갑작스럽게 발생하는 신호를 산업설비의 정상 구동과 관련없는 노이즈로 판단하여 산업설비의 이상이 발생한 것으로 판단하지 않도록 한다. 즉 순간적이고 갑작스럽게 발생하는 노이즈를 모두 이상, 결함신호로 판단한다면, 산업설비의 정상적인 구동이 어려울 수 있기 때문이다. 물론, 이러한 노이즈는 실질적으로 산업설비의 정상 구동과 관련없는 신호이어야 할 것이다.A determination unit 150 is provided that determines whether there is an abnormality or defect in the industrial facility based on the similarity calculated by the similarity calculation unit 140. Here, the determination unit 150 does not simply determine an abnormality or defect of an industrial facility, but determines that an abnormality of an industrial facility has occurred by determining a sudden signal as noise not related to the normal operation of the industrial facility. That is, if all the noises that occur instantaneously and suddenly are judged as abnormal or defective signals, it may be difficult to operate the industrial facilities normally. Of course, this noise should be a signal that is not related to the normal operation of the industrial equipment.

본 발명의 실시 예에 따른 판단부(150)는, 상기 계산된 유사도 값이 최근 소정 개수의 유사도 값들의 '평균 + 표준편차 ×3'보다 큰 신호가 소정 횟수 미만일 경우 노이즈로 판단하여 이를 무시한다. 즉 결함이나 이상이 없는 것으로 간주하는 것이다. 그리고 상기 계산된 유사도 값이 전체 유사도 값들의 '평균 + 표준편차 ×3'보다 큰 신호가 소정 횟수 이상일 경우에만 이상, 결함이 있는 것으로 판단한다. 실시 예에서 상기 횟수는 5회를 기준으로 하나, 이는 산업설비의 특성에 따라 상이하게 적용될 수 있음은 당연하다. The determination unit 150 according to an embodiment of the present invention determines that a signal having the calculated similarity value greater than the'average + standard deviation × 3'of the recent predetermined number of similarity values is less than a predetermined number of times and ignores it. . In other words, it is regarded as having no defects or abnormalities. In addition, it is determined that there is an abnormality or defect only when a signal having the calculated similarity value greater than the'average + standard deviation × 3'of all similarity values is more than a predetermined number of times. In the embodiment, the number of times is based on 5 times, but it is natural that this may be applied differently depending on the characteristics of industrial facilities.

다음에는 이와 같이 구성된 산업설비 이상 진단장치를 이용하여 설비들의 이상상태나 결함상태를 진단하는 방법에 대해 설명한다.Next, a description will be given of a method of diagnosing an abnormal condition or a defect condition of equipment using the apparatus for diagnosing abnormality in industrial equipment configured as described above.

본 발명의 산업설비 이상 진단방법은 크게 신호 측정단계(s100), 엔트로피 계산단계(s110), 확률분포 계산단계(s120), 확률분포에 대한 유사도 계산단계(s130) 및 이를 통해 산업설비의 이상 유무를 판단하는 판단 단계(s140)를 포함하여 수행되며, 이러한 각각의 단계에 대해 구체적으로 살펴보기로 한다. The method for diagnosing an abnormality in industrial facilities of the present invention includes a signal measurement step (s100), an entropy calculation step (s110), a probability distribution calculation step (s120), a similarity calculation step for a probability distribution (s130), and the presence or absence of an industrial facility. It is performed including the determination step (s140) of determining, and each of these steps will be described in detail.

산업설비의 미 구동상태(예를 들면 오프라인 상태)에서 제1 처리부(120)는 산업설비에 설치된 센서(101)들로부터 소정 개수, 예를 들면 20개의 정상신호를 취득하고(s101), 이를 기초로 하여 엔트로피 계산부(122) 및 확률분포 계산부(124)는 각각 엔트로피 값과 확률분포 계산값을 계산한다(s111)(s121). 계산된 값들은 일련의 메모리(미도시) 등에 저장된다. In the non-operating state of the industrial facility (for example, in an offline state), the first processing unit 120 acquires a predetermined number, for example, 20 normal signals from the sensors 101 installed in the industrial facility (s101), and based on this As a result, the entropy calculation unit 122 and the probability distribution calculation unit 124 respectively calculate an entropy value and a probability distribution calculation value (s111) (s121). The calculated values are stored in a series of memories (not shown) or the like.

이와 같이 오프라인에서 정상신호에 대한 엔트로피 값과 확률분포 값이 저장된 상태에서, 산업설비가 구동되면, 상기 산업설비에 설치된 센서(101)들은 산업설비의 각종 신호를 실시간 감지하게 될 것이다(s102). 그리고 감지된 실시간 신호를 기초로 하여, 제2 처리부(130)의 엔트로피 계산부(132)는 상기 수학식 1을 이용하여 엔트로피를 계산한다(s112). As described above, when an industrial facility is driven while an entropy value and a probability distribution value for a normal signal are stored offline, the sensors 101 installed in the industrial facility will detect various signals of the industrial facility in real time (s102). And based on the detected real-time signal, the entropy calculation unit 132 of the second processing unit 130 calculates the entropy using Equation 1 (s112).

엔트로피는 실시간 센서 신호가 일정 패턴대로 인가되지 않고 무작위로 인가될 경우 높게 나오고, 반면 일정 주기를 가지면 반복적인 패턴인 경우 낮게 나온다. 따라서 정상신호일수록 엔트로피는 높고, 이상이나 결함 있는 경우 엔트로피는 낮게 나옴을 알 수 있다. 즉 정상신호는 센서에서 무작위로 인가되고, 이상이나 결함이 있는 경우에는 이에 따른 신호가 주기적으로 발생하기 때문이다. Entropy comes out high when the real-time sensor signal is not applied in a certain pattern and is applied randomly, whereas when it has a certain period, it comes out low in the case of a repetitive pattern. Therefore, it can be seen that the more the normal signal, the higher the entropy, and the lower the entropy when there is an abnormality or defect. That is, the normal signal is randomly applied from the sensor, and when there is an abnormality or defect, a corresponding signal is periodically generated.

이와 같은 엔트로피 값을 구하는 이유는 정상신호와 결함신호에 대한 특성을 추출하기 위함이다. The reason for obtaining such an entropy value is to extract the characteristics of the normal signal and the defective signal.

엔트로피 계산과정은, 도 3과 같이 샘플신호가 N개인 상태에서, 1/5만큼을 m신호로 설정한다. 그런 다음 도 4와 같이 전체 신호길이에 대한 i 신호 및 총 신호 길이의 1/5인 j 신호에 대하여 값을 1씩 계속 증가하면서 두 신호의 차이를 계산한다. 이를 행렬로 나타내면 도 5와 같다. 도 5는 m 길이의 거리 행렬을 나타낸다. In the entropy calculation process, as shown in FIG. 3, in a state in which there are N sample signals, 1/5 is set as an m signal. Then, as shown in FIG. 4, the difference between the two signals is calculated while increasing the value by 1 for the i signal with respect to the total signal length and the j signal with 1/5 of the total signal length. This is represented by a matrix as shown in FIG. 5. 5 shows a distance matrix of length m.

그리고 도 5의 행렬을 이용한 계산과정을 보면, 대각선 성분(A)들은 같은 신호들[즉, (1,1), (2,2)… ]로서 계산할 필요가 없다. 불필요한 계산이다. 또한 대각선을 기준으로 상/하측의 신호(B, C)들은 서로 동일하다. 따라서 이들 신호들을 모두 계산하지 않아도 된다. 즉 B 부분 또는 C 부분과 같이 전체 행렬 중에서 일부만 계산하면 된다. 이처럼 본 발명은 불필요한 계산 및 중복되는 부분의 계산을 1번만 함으로써, 연산시간을 단축할 수 있음을 알 수 있다. And looking at the calculation process using the matrix of FIG. 5, the diagonal components (A) are the same signals [that is, (1,1), (2,2)... There is no need to calculate it as ]. This is an unnecessary calculation. In addition, the signals B and C on the upper/lower sides are identical to each other based on the diagonal. Therefore, it is not necessary to calculate all of these signals. That is, only part of the entire matrix needs to be calculated, such as part B or part C. As described above, it can be seen that the present invention can shorten the operation time by performing unnecessary calculations and calculations of overlapping parts only once.

따라서 엔트로피 계산부(132)는 수학식 1을 이용하여 실시간 신호에 대한 엔트로피를 계산할 수 있다. Accordingly, the entropy calculator 132 may calculate the entropy for a real-time signal using Equation 1.

이후 실시간 신호에 대한 엔트로피가 계산되면 확률분포 계산부(134)는 계산된 엔트로피의 확률분포를 계산한다(s122). 즉 최근 20개의 신호에 대한 계산된 엔트로피의 확률 분포값이 계산된다. 이와 같은 과정에 따라 정상신호의 엔트로피 확률분포 값과 실시간 신호에 대한 엔트로피 확률분포 값이 모두 구해진 상태가 된다. Thereafter, when the entropy for the real-time signal is calculated, the probability distribution calculator 134 calculates a probability distribution of the calculated entropy (S122). That is, the probability distribution value of the calculated entropy for the last 20 signals is calculated. According to this process, both the entropy probability distribution value of the normal signal and the entropy probability distribution value of the real-time signal are obtained.

유사도 계산부(140)는 상기 구해진 정상신호의 엔트로피 확률분포 값과 실시간 신호에 대한 엔트로피 확률분포 값의 유사도를 계산한다(s130). 유사도는 상기한 수학식 2를 이용하여 구하면 된다. The similarity calculation unit 140 calculates the similarity between the obtained entropy probability distribution value of the normal signal and the entropy probability distribution value of the real-time signal (S130). The degree of similarity can be obtained using Equation 2 above.

그리고 계산된 유사도 값은 판단부(150)로 전달된다. 이에 판단부(150)는 미리 셋팅된 판단 조건에 따라 산업설비의 이상이나 결함 유무를 판단하게 된다(s140). 즉, 판단부(150)는 현재 유사도 값이 최근 20개의 유사도 값들의 '평균 + 표준편차 ×3'보다 소정 횟수, 예를 들면 횟수가 5회 이상인 경우에는 산업 설비에 이상이나 결함이 있는 것으로 판단한다. 판단 결과는 작업자 등이 알 수 있도록 제공될 것이다. In addition, the calculated similarity value is transmitted to the determination unit 150. Accordingly, the determination unit 150 determines whether there is an abnormality or defect in the industrial facility according to the determination condition set in advance (S140). That is, the determination unit 150 determines that there is an abnormality or defect in the industrial facility when the current similarity value is a predetermined number of times, for example, 5 or more times than the'average + standard deviation × 3'of the last 20 similarity values. do. The judgment result will be provided so that the operator or the like can know it.

그러나 소정 횟수 이하인 경우에는 이상이나 결함이 아닌 일시적인 노이즈로 판단하고 이를 무시한다. 즉 현재 유사도 값이 최근 20개의 유사도 값들의 '평균 + 표준편차 ×3'보다 큰 횟수가 5회 미만이다면, 산업설비에 이상이 있거나 결함이 있다고 보지 않고 일시적인 이상점(outlier)로 판단한다. 따라서 이런 조건에서는 산업설비의 구동이 중단되지 않고 계속 수행될 수 있다. However, if it is less than a predetermined number of times, it is judged as a temporary noise rather than an abnormality or defect and is ignored. That is, if the number of times that the current similarity value is greater than the'average + standard deviation ×3' of the last 20 similarity values is less than 5 times, it is judged as a temporary outlier without regard to an abnormality or defect in the industrial facility. Therefore, under these conditions, the operation of the industrial equipment can be continued without interruption.

이상과 같이 본 발명의 도시된 실시 예를 참고하여 설명하고 있으나, 이는 예시적인 것들에 불과하며, 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자라면 본 발명의 요지 및 범위에 벗어나지 않으면서도 다양한 변형, 변경 및 균등한 타 실시 예들이 가능하다는 것을 명백하게 알 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위의 기술적인 사상에 의해 정해져야 할 것이다.Although described with reference to the illustrated embodiments of the present invention as described above, these are only exemplary, and those of ordinary skill in the technical field to which the present invention pertains, without departing from the gist and scope of the present invention, various It will be apparent that variations, modifications and other equivalent embodiments are possible. Therefore, the true technical protection scope of the present invention should be determined by the technical spirit of the appended claims.

101: 센서
120, 130: 제1, 제2 처리부
122, 132: 엔트로피 계산부
124, 134: 확률분포 계산부
140: 유사도 계산부
150: 판단부101: sensor
120, 130: first and second processing units
122, 132: entropy calculation unit
124, 134: probability distribution calculation unit
140: similarity calculation unit
150: judgment unit

Claims (9)

산업설비에 설치된 센서로부터 오프라인에서 정상신호를 인가받는 제1 처리부;
산업설비에 설치된 센서로부터 실시간으로 센서신호를 인가받는 제2 처리부;
상기 제1 처리부와 제2 처리부가 처리한 신호의 유사도를 계산하는 유사도 계산부; 및
계산된 상기 유사도 결과에 따라 산업설비의 이상 유무를 판단하는 판단부를 포함하는 것을 특징으로 하는 산업설비의 이상유무 진단장치. A first processing unit receiving a normal signal offline from a sensor installed in an industrial facility;
A second processing unit receiving a sensor signal in real time from a sensor installed in an industrial facility;
A similarity calculation unit that calculates a similarity between the signals processed by the first processing unit and the second processing unit; And
An apparatus for diagnosing an abnormality of an industrial facility, comprising: a determination unit determining whether or not there is an abnormality in the industrial equipment according to the calculated similarity result. 제 1 항에 있어서,
상기 제1 처리부 및 제2 처리부는,
정상신호 및 센서신호의 엔트로피를 계산하는 엔트로피 계산부; 및
계산된 엔트로피의 확률분포를 계산하는 확률분포 계산부를 포함하여 구성되고,
상기 유사도 계산부는, 정상신호의 엔트로피의 확률분포와 센서신호의 엔트로피의 확률분포의 유사도를 계산하는 산업설비의 이상유무 진단장치. The method of claim 1,
The first processing unit and the second processing unit,
An entropy calculator for calculating entropy of the normal signal and the sensor signal; And
It is configured to include a probability distribution calculator that calculates the probability distribution of the calculated entropy,
The similarity calculation unit is an apparatus for diagnosing abnormality of an industrial facility for calculating a similarity between a probability distribution of an entropy of a normal signal and a probability distribution of an entropy of a sensor signal. 제 2 항에 있어서,
상기 엔트로피 계산부는, 식
Figure pat00007
에 의해 엔트로피를 계산하는 산업설비의 이상유무 진단장치.
여기서 p1은 m 길이의 거리 행렬에서, 행렬의 각 수가 r보다 큰 개수/전체개수, p2는 m+1 길이의 거리 행렬에서 행렬의 각 수가 r보다 큰 개수/전체 개수를 의미하고, 상기 r은 표준편차 ×0.2임. The method of claim 2,
The entropy calculation unit,
Figure pat00007
A device for diagnosing abnormalities in industrial facilities that calculate entropy by
Here, p1 is the number/total number of each matrix in an m-length distance matrix greater than r, p2 is the number/total number of each matrix in the m+1 distance matrix is greater than r, and r is Standard deviation ×0.2. 제 2 항에 있어서,
상기 유사도 계산부는, 식
Figure pat00008
에 의해 유사도를 계산하는 산업설비의 이상유무 진단장치.
여기서 상기 pdf1, pdf2는 각각 정상신호 및 실시간신호로부터 소정 개수의 엔트로피 계산 값을 기반으로 한 정규분포 계산값을 의미함The method of claim 2,
The similarity calculation unit,
Figure pat00008
A device for diagnosing abnormalities in industrial facilities that calculates the degree of similarity by using.
Here , pdf 1 and pdf 2 mean normal distribution calculated values based on a predetermined number of entropy calculation values from a normal signal and a real-time signal, respectively. 제 1 항에 있어서,
상기 판단부는,
현재 유사도 값이 최근 소정 개수의 유사도 값들의 '평균 + 표준편차 ×3'보다 큰 횟수를 카운팅하여, 이상유무를 판단하는 산업설비의 이상유무 진단장치. The method of claim 1,
The determination unit,
An abnormality diagnosis device of an industrial facility that determines the presence or absence of an abnormality by counting the number of times that the current similarity value is greater than the'average + standard deviation ×3' of the recent predetermined number of similarity values. 산업설비에 설치된 센서를 통해 정상신호 및 실시간 신호를 측정하는 신호 측정 단계;
상기 정상신호 및 실시간 신호에 대한 엔트로피(Entropy)를 계산하는 엔트로피 계산 단계;
상기 계산된 엔트로피의 확률분포를 각각 계산하는 확률분포 계산단계;
상기 정상신호 및 실시간 신호의 확률분포의 유사도를 계산하는 확률분포 유사도 계산 단계; 및
상기 계산된 유사도를 통해 산업설비의 이상 유무를 판단하는 판단 단계를 포함하는 것을 특징으로 하는 산업설비 이상 진단방법. A signal measurement step of measuring a normal signal and a real-time signal through a sensor installed in an industrial facility;
An entropy calculation step of calculating entropy for the normal signal and the real-time signal;
A probability distribution calculation step of calculating each probability distribution of the calculated entropy;
A probability distribution similarity calculation step of calculating the similarity of the probability distribution between the normal signal and the real-time signal; And
And a determination step of determining whether there is an abnormality in the industrial equipment through the calculated similarity. 제 6 항에 있어서,
상기 엔트로피 계산단계는,
식
Figure pat00009
에 의해 계산하며, 여기서 p1은 m 길이의 거리 행렬에서, 행렬의 각 수가 r보다 큰 개수/전체개수, p2는 m+1 길이의 거리 행렬에서 행렬의 각 수가 r보다 큰 개수/전체 개수를 의미하고, 상기 r은 표준편차 ×0.2인 산업설비의 이상유무 진단방법. The method of claim 6,
The entropy calculation step,
expression
Figure pat00009
Where p1 is the number/total number of each matrix greater than r in a distance matrix of length m, p2 is the number/total number of each matrix greater than r in a distance matrix of m+1 And, the r is the standard deviation × 0.2, the diagnostic method for the presence or absence of an industrial facility. 제 6 항에 있어서,
상기 확률 분포 유사도 계산 단계는,
Figure pat00010
에 의해 유사도를 계산하며, 여기서 상기 pdf1, pdf2는 각각 정상신호 및 실시간신호로부터 소정 개수의 엔트로피 계산 값을 기반으로 한 정규분포 계산값을 의미하는 산업설비의 이상유무 진단방법. The method of claim 6,
The probability distribution similarity calculation step,
Figure pat00010
The similarity is calculated by, wherein pdf 1 and pdf 2 are normal distribution calculation values based on a predetermined number of entropy calculation values from a normal signal and a real-time signal, respectively. 제 6 항에 있어서,
상기 판단단계는,
현재 유사도 값이 최근 소정 개수의 유사도 값들의 '평균 + 표준편차 ×3'보다 소정 횟수 이상이면 산업 설비의 이상발생으로 판단하고, 상기 횟수 미만이면 일시적인 이상점(outlier)로 판단하는 산업설비의 이상유무 진단방법.
The method of claim 6,
The determining step,
If the current similarity value is more than a predetermined number of times than the'average + standard deviation ×3' of the recent predetermined number of similarity values, it is judged as an error in the industrial facility, and if it is less than the above number, it is determined as a temporary outlier. How to diagnose the presence or absence.
KR1020190147931A 2019-11-18 2019-11-18 Method for something wrong diagnosis of industrial equipment and the device KR102303406B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190147931A KR102303406B1 (en) 2019-11-18 2019-11-18 Method for something wrong diagnosis of industrial equipment and the device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190147931A KR102303406B1 (en) 2019-11-18 2019-11-18 Method for something wrong diagnosis of industrial equipment and the device

Publications (2)

Publication Number Publication Date
KR20210060192A true KR20210060192A (en) 2021-05-26
KR102303406B1 KR102303406B1 (en) 2021-09-16

Family

ID=76137858

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190147931A KR102303406B1 (en) 2019-11-18 2019-11-18 Method for something wrong diagnosis of industrial equipment and the device

Country Status (1)

Country Link
KR (1) KR102303406B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115077962A (en) * 2022-06-13 2022-09-20 杭州康吉森自动化科技有限公司 Method and system for monitoring stability of production device and storage medium

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008014679A (en) * 2006-07-03 2008-01-24 Ritsumeikan Facility diagnostic method, facility diagnostic system, and computer program
JP2013140135A (en) * 2011-12-09 2013-07-18 Tokyo Electron Ltd Abnormality detection apparatus for periodic driving system, processing apparatus including periodic driving system, abnormality detection method for periodic driving system, and computer program
KR20170038348A (en) * 2015-09-30 2017-04-07 한국전력공사 Fault diagnosis system and fault diagnosis method in dynamic equipment
US10466142B2 (en) * 2016-07-13 2019-11-05 Hitachi, Ltd. Equipment control based on failure determination

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008014679A (en) * 2006-07-03 2008-01-24 Ritsumeikan Facility diagnostic method, facility diagnostic system, and computer program
JP2013140135A (en) * 2011-12-09 2013-07-18 Tokyo Electron Ltd Abnormality detection apparatus for periodic driving system, processing apparatus including periodic driving system, abnormality detection method for periodic driving system, and computer program
KR20170038348A (en) * 2015-09-30 2017-04-07 한국전력공사 Fault diagnosis system and fault diagnosis method in dynamic equipment
US10466142B2 (en) * 2016-07-13 2019-11-05 Hitachi, Ltd. Equipment control based on failure determination

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115077962A (en) * 2022-06-13 2022-09-20 杭州康吉森自动化科技有限公司 Method and system for monitoring stability of production device and storage medium

Also Published As

Publication number Publication date
KR102303406B1 (en) 2021-09-16

Similar Documents

Publication Publication Date Title
KR101967339B1 (en) System and Method for Diagnosing Fault and Backup of ADAS Sensors based on Deep Learning
CN109186813B (en) Temperature sensor self-checking device and method
JP4071449B2 (en) Sensor abnormality detection method and sensor abnormality detection device
US20180107196A1 (en) Method of Detecting Home Appliance Bus Control System
CN101470426A (en) Fault detection method and system
CN110893862B (en) Device and method for ensuring fail-safe function of autonomous driving system
US6502018B1 (en) Method for diagnosis of equipment
CN114077919A (en) System for predicting machining anomalies
KR20210060192A (en) Method for something wrong diagnosis of industrial equipment and the device
CN110668280A (en) Detection method of elevator weighing sensor and related equipment
JPWO2020152889A1 (en) Equipment diagnostic equipment, plasma processing equipment and equipment diagnostic method
EP3312844B1 (en) Abnormality indication monitoring system
CN117435883A (en) Method and system for predicting equipment faults based on digital twinning
CN112484922A (en) Process chamber leakage rate detection method and semiconductor process equipment
JPH07333171A (en) Leak detection method and device
CN115468648A (en) Installation state detection method and device and computer readable storage medium
US10955829B2 (en) System and a method to enable zero defect production
US20220228949A1 (en) A method for estimation of malfunction using sound
US7305317B2 (en) Joint approach of out-of-range detection and fault detection for power plant monitoring
WO2020204043A1 (en) Blast furnace abnormality assessment device, blast furnace abnormality assessment method, and blast furnace operation method
CN117469152B (en) Fluid pump abnormality detection method, fluid pump abnormality detection device, electronic device, and storage medium
KR20180061097A (en) A Storing Apparatus for a Outbreak Circumstance of an Malfunction in a Machinery or Device and a Method for Storing the Same
KR102454434B1 (en) A breakdown decision apparatus of water management facilities by using change patterns of digital value
EA201800239A1 (en) METHOD AND SYSTEM FOR DIAGNOSTING AN INDUSTRIAL OBJECT
US11586984B2 (en) Method for verifying the production process of field devices by means of a machine-learning system or of a prognosis system

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant