KR20210087373A - 플랜트의 고장을 진단하기 위한 장치 및 이를 위한 방법 - Google Patents
플랜트의 고장을 진단하기 위한 장치 및 이를 위한 방법 Download PDFInfo
- Publication number
- KR20210087373A KR20210087373A KR1020200000533A KR20200000533A KR20210087373A KR 20210087373 A KR20210087373 A KR 20210087373A KR 1020200000533 A KR1020200000533 A KR 1020200000533A KR 20200000533 A KR20200000533 A KR 20200000533A KR 20210087373 A KR20210087373 A KR 20210087373A
- Authority
- KR
- South Korea
- Prior art keywords
- diagnosis
- information
- algorithm
- unit
- failure
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000003745 diagnosis Methods 0.000 claims abstract description 269
- 238000007405 data analysis Methods 0.000 claims abstract description 73
- 238000004458 analytical method Methods 0.000 claims abstract description 59
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 10
- 230000006872 improvement Effects 0.000 claims description 32
- 238000012774 diagnostic algorithm Methods 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 9
- 238000010219 correlation analysis Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012631 diagnostic technique Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation 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
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/041—Abduction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- G06Q50/06—Energy or water supply
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Educational Administration (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Mathematical Analysis (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
플랜트의 고장을 진단하기 위한 장치가 제공된다. 상기 장치는 플랜트의 고장을 진단하기 위해 분석이 요구되는 정보인 데이터 분석 정보를 제공하는 데이터분석부와, 상기 데이터 분석 정보를 기초로 알고리즘 기반의 진단 기법과 도메인 지식 기반의 진단 기법 각각의 기법을 이용하여 고장을 진단한 후, 상기 알고리즘 기반의 진단 기법과 상기 도메인 지식 기반의 진단 기법 양자 모두의 결과를 종합하여 고장에 대한 종합 진단 정보를 도출하는 종합진단부를 포함한다.
Description
본 발명은 고장 진단 기술에 관한 것으로, 보다 상세하게는, 플랜트의 고장을 진단하기 위한 장치 및 이를 위한 방법에 관한 것이다.
일반적으로 기존의 플랜트 고장 진단은 도메인 지식(Domain-Knowledge) 기반으로 수행되어 왔다. 하지만, 플랜트의 복잡성, 전문 지식 및 전문가의 부재, 고장 사례 및 관련 데이터 부족으로 정확한 진단 로직 설계가 매우 어렵다. 이러한 이유로 정확한 고장 진단이 되지 않아 경제적 손실이 매우 크다. 따라서 전술한 문제점을 해결할 수 있는, 즉, 보다 정확한 진단을 할 수 있는 새로운 방법을 개발할 필요가 있다.
본 발명의 목적은 플랜트의 고장을 진단하기 위한 장치 및 이를 위한 방법을 제공함에 있다.
본 발명의 실시예에 따르면, 플랜트의 고장을 진단하기 위한 장치가 제공된다. 상기 장치는 플랜트의 고장을 진단하기 위해 분석이 요구되는 정보인 데이터 분석 정보를 제공하는 데이터분석부와, 상기 데이터 분석 정보를 기초로 알고리즘 기반의 진단 기법과 도메인 지식 기반의 진단 기법 각각의 기법을 이용하여 고장을 진단한 후, 상기 알고리즘 기반의 진단 기법과 상기 도메인 지식 기반의 진단 기법 양자 모두의 결과를 종합하여 고장에 대한 종합 진단 정보를 도출하는 종합진단부를 포함한다.
상기 종합진단부는 상기 데이터 분석 정보를 기초로 알고리즘 기반의 진단 기법을 이용하여 진단을 수행하여 알고리즘 기반 진단 정보를 도출하는 알고리즘기반진단부와, 상기 데이터 분석 정보를 기초로 도메인 지식 기반의 진단 기법을 이용하여 진단을 수행하여 도메인 지식 기반 진단 정보를 도출하는 도메인지식기반진단부를 포함한다.
상기 종합진단부는 상기 알고리즘기반진단부가 도출한 알고리즘 기반 진단 정보 및 상기 도메인지식기반진단부가 도출한 도메인 지식 기반 진단 정보를 종합하여 종합 진단 정보를 도출하는 진단결정부를 더 포함한다.
상기 장치는 상기 알고리즘 기반 진단 정보 및 상기 도메인 지식 기반 진단 정보를 분석하여 알고리즘 개선 정보를 생성하고, 생성된 알고리즘 개선 정보를 상기 종합진단부로 피드백 하는 진단분석부를 더 포함한다.
상기 알고리즘 개선 정보는 상기 알고리즘기반진단부의 진단 알고리즘을 개선하기 위한 진단 알고리즘의 파라미터의 튜닝값과, 상기 도메인지식기반진단부의 기반 지식 및 사례 판단 기준을 개선하기 위한 기반 지식 및 사례 판단 기준 파라미터의 튜닝값을 포함하는 것을 특징으로 한다.
상기 알고리즘기반진단부는 상기 진단분석부로부터 진단 알고리즘의 파라미터의 튜닝값을 포함하는 알고리즘 개선 정보를 피드백 받으면, 진단 알고리즘의 파라미터를 튜닝하고, 튜닝된 진단 알고리즘을 통해 알고리즘 기반 진단 정보를 도출하는 것을 특징으로 한다.
상기 도메인지식기반진단부는 상기 진단분석부로부터 기반 지식 및 사례 판단 기준 파라미터의 튜닝값을 포함하는 알고리즘 개선 정보를 피드백 받으면, 기반 지식 및 사례 판단 기준 파라미터를 튜닝하고, 튜닝된 판단 기준 파라미터에 따라 상기 데이터 분석 정보가 복수의 기반 지식 및 복수의 사례 중 어느 하나에 부합하는지 여부를 판별하여 도메인 지식 기반 진단 정보를 도출하는 것을 특징으로 한다.
상기 데이터분석부는 상기 데이터 분석 정보의 기초가 되는 기초 데이터를 수집하는 데이터생성부와, 상기 기초 데이터를 분석하여 상기 데이터 분석 정보를 생성하는 정보분석부를 더 포함한다.
상기 데이터 분석 정보는 상기 플랜트에 대한 제어값, 상기 플랜트에 대한 제어값에 의해 상기 플랜트의 출력을 예측한 예측값, 상기 플랜트에 대한 제어값에 의해 동작한 상기 플랜트의 출력을 측정한 측정값, 상기 측정값과 상기 예측값의 차이인 잔차의 추이 및 변화량을 나타내는 추세 정보, 상기 플랜트의 고장에 대한 조기 경보의 발생 여부, 시점, 빈도, 위치 및 경보 수준을 나타내는 조기 경보 분석 정보 및 상기 조기경보와 진단 간의 상관 관계를 분석한 상관 관계 분석 정보를 포함한다.
상기 종합진단부는 상기 고장이 센서의 이상으로 인한 것인지 혹은 실제 고장에 의한 것인 것 여부를 나타내는 신호 건전성, 상기 고장이 발생한 시점을 나타내는 고장 시점, 상기 고장이 발생한 위치를 나타내는 고장 위치, 상기 고장의 수준을 나타내는 경보 수준 및 상기 고장이 발생한 이유를 나타내는 고장 원인을 진단하고, 상기 진단에 따른 결과인 종합 진단 정보를 출력하는 것을 특징으로 한다.
또한, 본 발명의 실시예에 따르면, 플랜트의 고장을 진단하기 위한 방법이 제공된다. 상기 방법은 데이터분석부가 플랜트의 고장을 진단하기 위해 분석이 요구되는 정보인 데이터 분석 정보를 제공하는 단계와, 종합진단부가 상기 데이터 분석 정보를 기초로 알고리즘 기반의 진단 기법과 도메인 지식 기반의 진단 기법 각각의 기법을 이용하여 고장을 진단한 후, 상기 알고리즘 기반의 진단 기법과 상기 도메인 지식 기반의 진단 기법 양자 모두의 결과를 종합하여 고장에 대한 종합 진단 정보를 도출하는 단계를 포함한다.
상기 종합 진단 정보를 도출하는 단계는 상기 종합진단부의 알고리즘기반진단부가 상기 데이터 분석 정보를 기초로 알고리즘 기반의 진단 기법을 이용하여 진단을 수행하여 알고리즘 기반 진단 정보를 도출하는 단계와, 상기 종합진단부의 도메인지식기반진단부 상기 데이터 분석 정보를 기초로 도메인 지식 기반의 진단 기법을 이용하여 진단을 수행하여 도메인 지식 기반 진단 정보를 도출하는 단계를 포함한다.
상기 알고리즘 기반 진단 정보를 도출하는 단계는 상기 알고리즘기반진단부가 진단분석부로부터 진단 알고리즘의 파라미터의 튜닝값을 포함하는 알고리즘 개선 정보를 피드백 받으면, 진단 알고리즘의 파라미터를 튜닝하고, 튜닝된 진단 알고리즘을 통해 알고리즘 기반 진단 정보를 도출하는 것을 특징으로 한다.
상기 알고리즘 기반 진단 정보를 도출하는 단계는 상기 도메인지식기반진단부가 진단분석부로부터 기반 지식 및 사례 판단 기준 파라미터의 튜닝값을 포함하는 알고리즘 개선 정보를 피드백 받으면, 기반 지식 및 사례 판단 기준 파라미터를 튜닝하고, 튜닝된 판단 기준 파라미터에 따라 상기 데이터 분석 정보가 복수의 기반 지식 및 복수의 사례 중 어느 하나에 부합하는지 여부를 판별하여 도메인 지식 기반 진단 정보를 도출하는 것을 특징으로 한다.
상기 종합 진단 정보를 도출하는 단계는 상기 종합진단부의 진단결정부가 상기 알고리즘기반진단부가 도출한 알고리즘 기반 진단 정보 및 상기 도메인지식기반진단부가 도출한 도메인 지식 기반 진단 정보를 종합하여 상기 고장이 센서의 이상으로 인한 것인지 혹은 실제 고장에 의한 것인 것 여부를 나타내는 신호 건전성, 상기 고장이 발생한 시점을 나타내는 고장 시점, 상기 고장이 발생한 위치를 나타내는 고장 위치, 상기 고장의 수준을 나타내는 경보 수준 및 상기 고장이 발생한 이유를 나타내는 고장 원인을 포함하는 종합 진단 정보를 도출하는 단계를 더 포함한다.
상기 도메인 지식 기반 진단 정보를 도출하는 단계 후, 진단분석부가 상기 알고리즘 기반 진단 정보 및 상기 도메인 지식 기반 진단 정보를 분석하여 상기 알고리즘기반진단부의 진단 알고리즘을 개선하기 위한 진단 알고리즘의 파라미터의 튜닝값과, 상기 도메인지식기반진단부의 기반 지식 및 사례 판단 기준을 개선하기 위한 기반 지식 및 사례 판단 기준 파라미터의 튜닝값을 포함하는 알고리즘 개선 정보를 생성하고, 생성된 알고리즘 개선 정보를 피드백 하는 단계를 더 포함한다.
본 발명에 따르면, 알고리즘 기반 진단 및 도메인 지식 기반 양자 모두를 사용하여 진단을 수행함으로써 해당 기기의 전문 지식과 고장 사례 혹은 데이터가 부족한 경우에도 보다 정확한 진단을 할 수 있다.
도 1은 본 발명의 실시예에 따른 플랜트 시스템의 구성을 설명하기 위한 블록도이다.
도 2는 본 발명의 실시예에 따른 고장진단부의 구성을 설명하기 위한 블록도이다.
도 3은 본 발명의 실시예에 따른 고장진단부의 각 구성의 세부 구성을 설명하기 위한 블록도이다.
도 4는 본 발명의 실시예에 따른 플랜트의 고장을 진단하기 위한 방법을 설명하기 위한 흐름도이다.
도 5는 본 발명의 실시예에 따른 컴퓨팅 장치를 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른 고장진단부의 구성을 설명하기 위한 블록도이다.
도 3은 본 발명의 실시예에 따른 고장진단부의 각 구성의 세부 구성을 설명하기 위한 블록도이다.
도 4는 본 발명의 실시예에 따른 플랜트의 고장을 진단하기 위한 방법을 설명하기 위한 흐름도이다.
도 5는 본 발명의 실시예에 따른 컴퓨팅 장치를 나타내는 도면이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예를 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 발명에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 발명에서, '포함하다' 또는 '가지다' 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
먼저, 본 발명의 실시예에 따른 플랜트 시스템에 대해서 설명하기로 한다. 도 1은 본 발명의 실시예에 따른 플랜트 시스템의 구성을 설명하기 위한 블록도이다.
본 발명의 실시예에 따른 플랜트 시스템은 플랜트(100), 고장검출부(200), 고장진단부(300), 고장예측부(400), 재설정부(500) 및 제어부(600)를 포함한다.
플랜트(100)는 액추에이터(110) 및 복수의 센서(130)를 포함하며, 플랜트동역학모델(120)이 적용된다. 본 발명의 실시예에서 플랜트(100)는 발전소를 예로 들어 설명할 것이나, 본 발명이 이에 한정되는 것은 아니며, 모든 종류의 플랜트에 적용될 수 있다.
고장검출부(200)는 제어부(600)로부터 플랜트(100)를 제어하기 위한 제어값 및 플랜트(100)의 동작에 따라 발생하는 각 종 정보에 대해 측정한 측정값을 수집하고, 이를 통해 이상 징후 혹은 고장을 감지한다. 제어값은 예컨대, 발전 출력, 효율 등의 운전 정보를 포함한다. 측정값은 플랜트(100)의 상태, 온도, 압력, 습도 등을 측정한 값을 의미한다. 고장검출부(200)는 제어값, 예측값, 실측값, 잔차 및 조기 경보를 출력한다.
고장진단부(300)는 고장검출부(200)가 감지한 이상 징후 혹은 고장을 진단한다. 이때, 고장진단부(300)는 신호 건전성, 고장 시점, 고장 위치, 경보 수준 및 고장 원인을 진단하여 진단 정보를 출력한다. 여기서, 신호 건전성은 이상 징후 혹은 고장 진단의 기초가 된 신호가 센서의 이상으로 인한 것인지 혹은 실제 고장에 의해 발생한 것인지 여부를 판단하는 것을 의미한다. 고장 시점은 고장이 발생한 시점의 의미한다. 고장 위치는 고장이 발생한 위치를 의미한다. 경보 수준은 고장이 미약한 것인지 혹은 심각한 것인지 여부를 판단하는 고장의 수준을 의미한다. 고장 원인은 고장이 발생한 이유를 의미한다.
이때, 고장진단부(300)는 알고리즘 기반의 진단 기법과 도메인 지식 기반(기반 지식 및 사례 기반의 진단)의 진단 기법 각각의 기법을 이용하여 진단한 후, 알고리즘 기반의 진단 기법과 도메인 지식 기반의 진단 기법 양자 모두의 결과를 종합하여 최종 진단을 수행한다.
고장예측부(400)는 고장진단부(300)가 출력한 진단 정보를 기초로 고장을 예측하고, 예측된 고장을 나타내는 예지 정보를 출력한다. 예지 정보는 고장의 예지치, 시점, 경향 등을 포함한다.
재설정부(500)는 고장예측부(400)가 고장을 예측한 예지 정보에 따라 고장이 예측된 부분을 수정하고 나머지 부분이 정상적으로 작동하도록 하는 플랜트(100)를 재설정하는 고장방지제어(Fault-Tolerant Control)를 위한 것이다.
제어부(600)는 플랜트(100)의 발전 출력, 효율 등을 제어하여 플랜트를 운전하기 위한 각종 제어값을 출력한다. 특히, 제어부(600)는 재설정부(500)로부터 고장방지제어(Fault-Tolerant Control)를 위한 재설정 신호를 수신하면, 고장이 예측된 부분에 대한 제어값을 출력하지 않고, 재설정부(500)로부터 고장이 예측된 부분을 재설정하는 재설정 신호를 수신하고, 수신된 재설정 신호에 따라 해당 부분을 재설정할 수 있다.
다음으로, 전술한 고장진단부(300)에 대해 보다 상세하게 설명하기로 한다. 도 2는 본 발명의 실시예에 따른 고장진단부의 구성을 설명하기 위한 블록도이다. 또한, 도 3은 본 발명의 실시예에 따른 고장진단부의 각 구성의 세부 구성을 설명하기 위한 블록도이다. 도 2 및 도 3을 참조하면, 고장진단부(300)는 데이터분석부(310), 종합진단부(320) 및 진단분석부(330)를 포함한다.
데이터분석부(310)는 플랜트의 고장을 진단하기 위해 분석이 요구되는 정보인 데이터 분석 정보를 생성하고, 이를 종합진단부(320)에 제공한다. 이를 위하여 데이터분석부(310)는 먼저, 고장검출부(200) 및 진단분석부(330)로부터 데이터 분석 정보의 기초가 되는 기초 데이터를 수집한다. 즉, 데이터분석부(310)는 고장검출부(200)로부터 플랜트(100)에 대한 제어값, 플랜트(100)에 대한 제어값에 의해 플랜트(100)의 출력을 예측한 예측값, 플랜트(100)에 대한 제어값에 의해 동작한 플랜트(100)의 출력을 측정한 측정값, 측정값과 예측값의 차이인 잔차 및 상기 플랜트의 고장에 대한 조기 경보를 지속적으로 수신하여 저장한다. 또한, 데이터분석부(310)는 진단분석부(330)로부터 피드백 되는 진단 분석 정보를 지속적으로 수신하여 저장한다. 그런 다음, 데이터분석부(310)는 기초 데이터를 분석하여 데이터 분석 정보를 생성한다. 즉, 데이터분석부(310)는 지속적으로 수신되는 제어값, 측정값, 예측값, 잔차, 조기 경보 및 진단 분석 정보로부터 제어값, 측정값, 예측값 및 잔차의 추이 및 변화량을 나타내는 추세 정보와, 조기 경보의 발생 여부, 시점, 빈도, 위치 및 경보 수준(low, medium, high)을 나타내는 조기 경보 분석 정보 및 조기경보와 진단 간의 상관 관계를 분석한 상관 관계 분석 정보를 포함하는 데이터 분석 정보를 생성한다. 그런 다음, 데이터분석부(310)는 데이터 분석 정보를 종합진단부(320)에 제공한다.
데이터분석부(310)는 데이터생성부(311) 및 정보분석부(312)를 포함한다.
데이터생성부(311)는 고장검출부(200) 및 진단분석부(330)로부터 데이터 분석 정보의 기초가 되는 기초 데이터를 수집한다. 예컨대, 데이터생성부(311)는 고장검출부(200)로부터 플랜트(100)에 대한 제어값, 플랜트(100)에 대한 제어값에 의해 플랜트(100)의 출력을 예측한 예측값, 플랜트(100)에 대한 제어값에 의해 동작한 플랜트(100)의 출력을 측정한 측정값, 측정값과 예측값의 차이인 잔차를 지속적으로 수집하여 저장한다. 또한, 데이터생성부(311)는 고장검출부(200)가 조기 경보를 발생할 때마다 그 조기 경보의 발생 시간 및 위치를 지속적으로 수집하여 저장한다. 그리고 진단분석부(330)로부터 피드백 되는 진단 분석 정보를 지속적으로 수집하여 저장한다.
정보분석부(312)는 데이터생성부(311)가 수집한 기초 데이터를 분석하여 데이터 분석 정보를 생성한다. 데이터 분석 정보는 추세 정보, 조기 경보 분석 정보 및 상관 관계 분석 정보를 포함한다. 즉, 정보분석부(312)는 데이터생성부(311)가 수집한 제어값, 측정값, 예측값, 잔차, 조기 경보 및 진단 분석 정보로부터 제어값, 측정값, 예측값 및 잔차의 추이 및 변화량을 나타내는 추세 정보를 생성할 수 있다. 또한, 정보분석부(312)는 데이터생성부(311)가 수집한 그 조기 경보의 발생 시간 및 위치, 그리고 진단 분석 정보로부터 조기 경보의 발생 여부, 시점, 빈도, 위치 및 경보 수준(low, medium, high)을 나타내는 조기 경보 분석 정보와, 조기경보와 진단 간의 상관 관계를 분석한 상관 관계 분석 정보를 생성할 수 있다. 이와 같이, 정보분석부(312)는 추세 정보, 조기 경보 분석 정보 및 상관 관계 분석 정보를 포함하는 데이터 분석 정보를 생성한 후, 생성된 데이터 분석 정보를 종합진단부(320)에 제공한다.
종합진단부(320)는 데이터 분석 정보를 기초로 알고리즘 기반의 진단 기법과 도메인 지식 기반(기반 지식 및 사례 기반의 진단)의 진단 기법 각각의 기법을 이용하여 고장을 진단한 후, 알고리즘 기반의 진단 기법과 도메인 지식 기반의 진단 기법 양자 모두의 결과를 종합하여 고장에 대한 종합 진단 정보를 도출한다. 이를 위하여, 종합진단부(320)는 알고리즘기반진단부(321), 도메인지식기반진단부(322) 및 진단결정부(323)를 포함한다.
알고리즘기반진단부(321)는 데이터 분석 정보를 기초로 알고리즘 기반의 진단 기법을 이용하여 진단을 수행하여 그 결과로 알고리즘 기반 진단 정보를 도출한다. 여기서, 알고리즘 기반의 진단 기법은 데이터 분석 정보를 진단 알고리즘에 입력하여 그 결과로 알고리즘 기반 진단 정보를 도출하는 것이다.
한편, 알고리즘기반진단부(321)는 진단분석부(330)로부터 진단 알고리즘의 파라미터의 튜닝값을 포함하는 알고리즘 개선 정보를 피드백 받을 수 있다. 이와 같이, 진단분석부(330)로부터 진단 알고리즘의 파라미터의 튜닝값을 포함하는 알고리즘 개선 정보를 피드백 받으면, 진단 알고리즘의 파라미터를 튜닝하고, 튜닝된 진단 알고리즘을 통해 알고리즘 기반 진단 정보를 도출한다.
도메인지식기반진단부(322)는 데이터 분석 정보를 기초로 도메인 지식 기반의 진단 기법을 이용하여 진단을 수행하여 그 결과로 도메인 지식 기반 진단 정보를 도출한다. 도메인 지식 기반의 진단 기법은 데이터 분석 정보가 복수의 기반 지식 및 복수의 사례 중 어느 하나에 부합하는지 여부를 판별하여 진단을 수행하는 것이다. 이에 따라, 도메인지식기반진단부(322)는 데이터 분석 정보가 복수의 기반 지식 및 복수의 사례 중 어느 하나에 부합하면, 도메인 지식 기반 진단 정보를 도출한다.
한편, 도메인지식기반진단부(322)는 데이터 분석 정보가 복수의 기반 지식 및 복수의 사례 중 어느 하나에 부합되는지 여부를 판단하기 위한 판단 기준 파라미터를 가진다. 여기서, 도메인지식기반진단부(322)는 진단분석부(330)로부터 기반 지식 및 사례 판단 기준 파라미터의 튜닝값을 포함하는 알고리즘 개선 정보를 피드백 받을 수 있다. 이와 같이, 도메인지식기반진단부(322)는 기반 지식 및 사례 판단 기준 파라미터의 튜닝값을 포함하는 알고리즘 개선 정보를 피드백 받으면, 그 튜닝값으로 기반 지식 및 사례 판단 기준 파라미터를 튜닝하고, 튜닝된 판단 기준 파라미터에 따라 데이터 분석 정보가 복수의 기반 지식 및 복수의 사례 중 어느 하나에 부합하는지 여부를 판별하여 도메인 지식 기반 진단 정보를 도출한다.
전술한 알고리즘 기반 진단 정보 및 도메인 지식 기반 진단 정보는 진단분석부(330) 및 진단결정부(323)에 제공된다. 알고리즘 기반 진단 정보 및 도메인 지식 기반 진단 정보 각각은 고장이 센서의 이상으로 인한 것인지 혹은 실제 고장에 의한 것인 것 여부를 나타내는 신호 건전성, 고장이 발생한 시점을 나타내는 고장 시점, 고장이 발생한 위치를 나타내는 고장 위치, 고장의 수준을 나타내는 경보 수준 및 고장이 발생한 이유를 나타내는 고장 원인을 포함한다.
진단결정부(323)는 알고리즘기반진단부(321)가 도출한 알고리즘 기반 진단 정보 및 도메인지식기반진단부(322)가 도출한 도메인 지식 기반 진단 정보를 종합하여 종합 진단 정보를 도출한다. 종합 진단 정보는 고장이 센서의 이상으로 인한 것인지 혹은 실제 고장에 의한 것인 것 여부를 나타내는 신호 건전성, 고장이 발생한 시점을 나타내는 고장 시점, 고장이 발생한 위치를 나타내는 고장 위치, 고장의 수준을 나타내는 경보 수준 및 고장이 발생한 이유를 나타내는 고장 원인을 포함한다.
진단분석부(330)는 알고리즘기반진단부(321)로부터 알고리즘 기반 진단 정보 및 도메인지식기반진단부(322)로부터 도메인 지식 기반 진단 정보를 수신하면, 알고리즘 기반 진단 정보 및 도메인 지식 기반 진단 정보를 분석하여 알고리즘 개선 정보를 생성하고, 생성된 알고리즘 개선 정보를 종합진단부(320)로 피드백 한다. 알고리즘 개선 정보는 알고리즘기반진단부(321)의 진단 알고리즘을 개선하기 위한 진단 알고리즘의 파라미터의 튜닝값과, 도메인지식기반진단부(322)의 기반 지식 및 사례 판단 기준을 개선하기 위한 기반 지식 및 사례 판단 기준 파라미터의 튜닝값을 포함한다.
또한, 진단분석부(330)는 알고리즘 기반 진단 정보, 도메인 지식 기반 진단 정보 및 알고리즘 개선 정보를 포함하는 진단 분석 정보를 데이터분석부(310)로 피드백 한다.
다음으로, 본 발명의 실시예에 따른 플랜트의 고장을 진단하기 위한 방법에 대해서 설명하기로 한다. 도 4는 본 발명의 실시예에 따른 플랜트의 고장을 진단하기 위한 방법을 설명하기 위한 흐름도이다.
도 4를 참조하면, 데이터분석부(310)의 데이터생성부(311)는 S110 단계에서 고장검출부(200) 및 진단분석부(330)로부터 플랜트(100)의 고장을 진단하기 위해 데이터 분석 정보의 기초가 되는 기초 데이터를 수집한다. 예컨대, 데이터생성부(311)는 고장검출부(200)로부터 플랜트(100)에 대한 제어값, 플랜트(100)에 대한 제어값에 의해 플랜트(100)의 출력을 예측한 예측값, 플랜트(100)에 대한 제어값에 의해 동작한 플랜트(100)의 출력을 측정한 측정값, 측정값과 예측값의 차이인 잔차를 지속적으로 수집하여 저장한다. 또한, 데이터생성부(311)는 고장검출부(200)가 조기 경보를 발생할 때마다 그 조기 경보의 발생 시간 및 위치를 지속적으로 수집하여 저장한다. 그리고 진단분석부(330)로부터 피드백 되는 진단 분석 정보를 지속적으로 수집하여 저장한다.
데이터분석부(310)의 정보분석부(312)는 S120 단계에서 데이터생성부(311)가 수집한 기초 데이터를 분석하여 데이터 분석 정보를 생성한다. 즉, 정보분석부(312)는 데이터생성부(311)가 수집한 제어값, 측정값, 예측값, 잔차, 조기 경보 및 진단 분석 정보로부터 제어값, 측정값, 예측값 및 잔차의 추이 및 변화량을 나타내는 추세 정보를 생성할 수 있다. 또한, 정보분석부(312)는 데이터생성부(311)가 수집한 그 조기 경보의 발생 시간 및 위치, 그리고 진단 분석 정보로부터 조기 경보의 발생 여부, 시점, 빈도, 위치 및 경보 수준(low, medium, high)을 나타내는 조기 경보 분석 정보와, 조기경보와 진단 간의 상관 관계를 분석한 상관 관계 분석 정보를 생성할 수 있다.
종합진단부(320)의 알고리즘기반진단부(321)는 S130 단계에서 데이터 분석 정보를 기초로 알고리즘 기반의 진단 기법을 이용하여 진단을 수행하여 그 결과로 알고리즘 기반 진단 정보를 도출한다. 즉, 알고리즘기반진단부(321)는 데이터 분석 정보를 진단 알고리즘에 입력하여 그 결과로 알고리즘 기반 진단 정보를 도출한다. 한편, S130 단계에서 알고리즘기반진단부(321)는 진단분석부(330)로부터 진단 알고리즘의 파라미터의 튜닝값을 포함하는 알고리즘 개선 정보를 피드백 받으면, 튜닝값을 통해 진단 알고리즘의 파라미터를 튜닝하고, 튜닝된 진단 알고리즘을 통해 알고리즘 기반 진단 정보를 도출한다.
종합진단부(320)의 도메인지식기반진단부(322)는 S140 단계에서 데이터 분석 정보를 기초로 도메인 지식 기반의 진단 기법을 이용하여 진단을 수행하여 그 결과로 도메인 지식 기반 진단 정보를 도출한다. 즉, 도메인지식기반진단부(322)는 복수의 기반 지식 및 복수의 사례의 판단 기준 파라미터에 따라 데이터 분석 정보가 복수의 기반 지식 및 복수의 사례 중 어느 하나에 부합하면, 도메인 지식 기반 진단 정보를 도출한다. 한편, S140 단계에서 도메인지식기반진단부(322)는 진단분석부(330)로부터 기반 지식 및 사례 판단 기준 파라미터의 튜닝값을 포함하는 알고리즘 개선 정보를 피드백 받으면, 그 튜닝값으로 기반 지식 및 사례 판단 기준 파라미터를 튜닝하고, 튜닝된 판단 기준 파라미터에 따라 데이터 분석 정보가 복수의 기반 지식 및 복수의 사례 중 어느 하나에 부합하는지 여부를 판별하여 도메인 지식 기반 진단 정보를 도출한다.
전술한 알고리즘 기반 진단 정보 및 도메인 지식 기반 진단 정보는 진단분석부(330) 및 진단결정부(323)에 제공된다. 또한, 알고리즘 기반 진단 정보 및 도메인 지식 기반 진단 정보 각각은 고장이 센서의 이상으로 인한 것인지 혹은 실제 고장에 의한 것인 것 여부를 나타내는 신호 건전성, 고장이 발생한 시점을 나타내는 고장 시점, 고장이 발생한 위치를 나타내는 고장 위치, 고장의 수준을 나타내는 경보 수준 및 고장이 발생한 이유를 나타내는 고장 원인을 포함한다.
종합진단부(320)의 진단결정부(323)는 S150 단계에서 알고리즘기반진단부(321)가 도출한 알고리즘 기반 진단 정보 및 도메인지식기반진단부(322)가 도출한 도메인 지식 기반 진단 정보를 종합하여 종합 진단 정보를 도출한다. 종합 진단 정보는 고장이 센서의 이상으로 인한 것인지 혹은 실제 고장에 의한 것인 것 여부를 나타내는 신호 건전성, 고장이 발생한 시점을 나타내는 고장 시점, 고장이 발생한 위치를 나타내는 고장 위치, 고장의 수준을 나타내는 경보 수준 및 고장이 발생한 이유를 나타내는 고장 원인을 포함한다.
진단분석부(330)는 S160 단계에서 알고리즘 기반 진단 정보 및 도메인 지식 기반 진단 정보를 수신하면, 알고리즘 기반 진단 정보 및 도메인 지식 기반 진단 정보를 분석하여 알고리즘 개선 정보를 생성하고, 생성된 알고리즘 개선 정보를 종합진단부(320)로 피드백 한다. 또한, 진단분석부(330)는 알고리즘 기반 진단 정보, 도메인 지식 기반 진단 정보 및 알고리즘 개선 정보를 포함하는 진단 분석 정보를 데이터분석부(310)로 피드백 한다. 여기서, 알고리즘 개선 정보는 알고리즘기반진단부(321)의 진단 알고리즘을 개선하기 위한 진단 알고리즘의 파라미터의 튜닝값과, 도메인지식기반진단부(322)의 기반 지식 및 사례 판단 기준을 개선하기 위한 기반 지식 및 사례 판단 기준 파라미터의 튜닝값을 포함한다.
도 5는 본 발명의 실시예에 따른 컴퓨팅 장치를 나타내는 도면이다. 도 5의 컴퓨팅 장치(TN100)는 본 명세서에서 기술된 장치(예, 플랜트의 고장을 진단하기 위한 장치 등) 일 수 있다.
도 5의 실시예에서, 컴퓨팅 장치(TN100)는 적어도 하나의 프로세서(TN110), 송수신 장치(TN120), 및 메모리(TN130)를 포함할 수 있다. 또한, 컴퓨팅 장치(TN100)는 저장 장치(TN140), 입력 인터페이스 장치(TN150), 출력 인터페이스 장치(TN160) 등을 더 포함할 수 있다. 컴퓨팅 장치(TN100)에 포함된 구성 요소들은 버스(bus)(TN170)에 의해 연결되어 서로 통신을 수행할 수 있다.
프로세서(TN110)는 메모리(TN130) 및 저장 장치(TN140) 중에서 적어도 하나에 저장된 프로그램 명령(program command)을 실행할 수 있다. 프로세서(TN110)는 중앙 처리 장치(CPU: central processing unit), 그래픽 처리 장치(GPU: graphics processing unit), 또는 본 발명의 실시예에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 프로세서(TN110)는 본 발명의 실시예와 관련하여 기술된 절차, 기능, 및 방법 등을 구현하도록 구성될 수 있다. 프로세서(TN110)는 컴퓨팅 장치(TN100)의 각 구성 요소를 제어할 수 있다.
메모리(TN130) 및 저장 장치(TN140) 각각은 프로세서(TN110)의 동작과 관련된 다양한 정보를 저장할 수 있다. 메모리(TN130) 및 저장 장치(TN140) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(TN130)는 읽기 전용 메모리(ROM: read only memory) 및 랜덤 액세스 메모리(RAM: random access memory) 중에서 적어도 하나로 구성될 수 있다.
송수신 장치(TN120)는 유선 신호 또는 무선 신호를 송신 또는 수신할 수 있다. 송수신 장치(TN120)는 네트워크에 연결되어 통신을 수행할 수 있다.
한편, 전술한 본 발명의 실시예에 따른 다양한 방법은 다양한 컴퓨터수단을 통하여 판독 가능한 프로그램 형태로 구현되어 컴퓨터로 판독 가능한 기록매체에 기록될 수 있다. 여기서, 기록매체는 프로그램 명령, 데이터 파일, 데이터구조 등을 단독으로 또는 조합하여 포함할 수 있다. 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 예컨대 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광 기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함한다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 와이어뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 와이어를 포함할 수 있다. 이러한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상, 본 발명의 일 실시예에 대하여 설명하였으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 특허청구범위에 기재된 본 발명의 사상으로부터 벗어나지 않는 범위 내에서, 구성 요소의 부가, 변경, 삭제 또는 추가 등에 의해 본 발명을 다양하게 수정 및 변경시킬 수 있을 것이며, 이 또한 본 발명의 권리범위 내에 포함된다고 할 것이다.
100: 플랜트
200: 고장검출부
300: 고장진단부 310: 데이터분석부
311: 데이터생성부 312: 정보분석부
320: 종합진단부 321: 알고리즘기반진단부
322: 도메인지식기반진단부 323 진단결정부
330: 진단분석부 400: 고장예측부
500: 재설정부 600: 제어부
300: 고장진단부 310: 데이터분석부
311: 데이터생성부 312: 정보분석부
320: 종합진단부 321: 알고리즘기반진단부
322: 도메인지식기반진단부 323 진단결정부
330: 진단분석부 400: 고장예측부
500: 재설정부 600: 제어부
Claims (16)
- 플랜트의 고장을 진단하기 위해 분석이 요구되는 정보인 데이터 분석 정보를 제공하는 데이터분석부; 및
상기 데이터 분석 정보를 기초로 알고리즘 기반의 진단 기법과 도메인 지식 기반의 진단 기법 각각의 기법을 이용하여 고장을 진단한 후, 상기 알고리즘 기반의 진단 기법과 상기 도메인 지식 기반의 진단 기법 양자 모두의 결과를 종합하여 고장에 대한 종합 진단 정보를 도출하는 종합진단부;를
포함하는 것을 특징으로 하는
플랜트의 고장을 진단하기 위한 장치. - 제1항에 있어서,
상기 종합진단부는
상기 데이터 분석 정보를 기초로 알고리즘 기반의 진단 기법을 이용하여 진단을 수행하여 알고리즘 기반 진단 정보를 도출하는 알고리즘기반진단부; 및
상기 데이터 분석 정보를 기초로 도메인 지식 기반의 진단 기법을 이용하여 진단을 수행하여 도메인 지식 기반 진단 정보를 도출하는 도메인지식기반진단부;
를 포함하는 것을 특징으로 하는
플랜트의 고장을 진단하기 위한 장치. - 제2항에 있어서,
상기 종합진단부는
상기 알고리즘기반진단부가 도출한 알고리즘 기반 진단 정보 및 상기 도메인지식기반진단부가 도출한 도메인 지식 기반 진단 정보를 종합하여 종합 진단 정보를 도출하는 진단결정부;
를 더 포함하는 것을 특징으로 하는
플랜트의 고장을 진단하기 위한 장치. - 제2항에 있어서,
상기 장치는
상기 알고리즘 기반 진단 정보 및 상기 도메인 지식 기반 진단 정보를 분석하여 알고리즘 개선 정보를 생성하고, 생성된 알고리즘 개선 정보를 상기 종합진단부로 피드백 하는 진단분석부;
를 더 포함하는 것을 특징으로 하는
플랜트의 고장을 진단하기 위한 장치. - 제4항에 있어서,
상기 알고리즘 개선 정보는
상기 알고리즘기반진단부의 진단 알고리즘을 개선하기 위한 진단 알고리즘의 파라미터의 튜닝값과,
상기 도메인지식기반진단부의 기반 지식 및 사례 판단 기준을 개선하기 위한 기반 지식 및 사례 판단 기준 파라미터의 튜닝값을 포함하는 것을 특징으로 하는
플랜트의 고장을 진단하기 위한 장치. - 제5항에 있어서,
상기 알고리즘기반진단부는
상기 진단분석부로부터 진단 알고리즘의 파라미터의 튜닝값을 포함하는 알고리즘 개선 정보를 피드백 받으면, 진단 알고리즘의 파라미터를 튜닝하고, 튜닝된 진단 알고리즘을 통해 알고리즘 기반 진단 정보를 도출하는 것을 특징으로 하는
플랜트의 고장을 진단하기 위한 장치. - 제5항에 있어서,
상기 도메인지식기반진단부는
상기 진단분석부로부터 기반 지식 및 사례 판단 기준 파라미터의 튜닝값을 포함하는 알고리즘 개선 정보를 피드백 받으면,
기반 지식 및 사례 판단 기준 파라미터를 튜닝하고, 튜닝된 판단 기준 파라미터에 따라 상기 데이터 분석 정보가 복수의 기반 지식 및 복수의 사례 중 어느 하나에 부합하는지 여부를 판별하여 도메인 지식 기반 진단 정보를 도출하는 것을 특징으로 하는
플랜트의 고장을 진단하기 위한 장치. - 제1항에 있어서,
상기 데이터분석부는
상기 데이터 분석 정보의 기초가 되는 기초 데이터를 수집하는 데이터생성부; 및
상기 기초 데이터를 분석하여 상기 데이터 분석 정보를 생성하는 정보분석부;
를 더 포함하는 것을 특징으로 하는
플랜트의 고장을 진단하기 위한 장치. - 제8항에 있어서,
상기 데이터 분석 정보는
상기 플랜트에 대한 제어값, 상기 플랜트에 대한 제어값에 의해 상기 플랜트의 출력을 예측한 예측값, 상기 플랜트에 대한 제어값에 의해 동작한 상기 플랜트의 출력을 측정한 측정값, 상기 측정값과 상기 예측값의 차이인 잔차의 추이 및 변화량을 나타내는 추세 정보,
상기 플랜트의 고장에 대한 조기 경보의 발생 여부, 시점, 빈도, 위치 및 경보 수준을 나타내는 조기 경보 분석 정보 및
상기 조기경보와 진단 간의 상관 관계를 분석한 상관 관계 분석 정보를 포함하는 것을 특징으로 하는
플랜트의 고장을 진단하기 위한 장치. - 제1항에 있어서,
상기 종합진단부는
상기 고장이 센서의 이상으로 인한 것인지 혹은 실제 고장에 의한 것인 것 여부를 나타내는 신호 건전성,
상기 고장이 발생한 시점을 나타내는 고장 시점,
상기 고장이 발생한 위치를 나타내는 고장 위치,
상기 고장의 수준을 나타내는 경보 수준 및
상기 고장이 발생한 이유를 나타내는 고장 원인을 진단하고,
상기 진단에 따른 결과인 종합 진단 정보를 출력하는 것을 특징으로 하는
플랜트의 고장을 진단하기 위한 장치. - 데이터분석부가 플랜트의 고장을 진단하기 위해 분석이 요구되는 정보인 데이터 분석 정보를 제공하는 단계; 및
종합진단부가 상기 데이터 분석 정보를 기초로 알고리즘 기반의 진단 기법과 도메인 지식 기반의 진단 기법 각각의 기법을 이용하여 고장을 진단한 후, 상기 알고리즘 기반의 진단 기법과 상기 도메인 지식 기반의 진단 기법 양자 모두의 결과를 종합하여 고장에 대한 종합 진단 정보를 도출하는 단계;
를 포함하는 것을 특징으로 하는
플랜트의 고장을 진단하기 위한 방법. - 제11항에 있어서,
상기 종합 진단 정보를 도출하는 단계는
상기 종합진단부의 알고리즘기반진단부가 상기 데이터 분석 정보를 기초로 알고리즘 기반의 진단 기법을 이용하여 진단을 수행하여 알고리즘 기반 진단 정보를 도출하는 단계; 및
상기 종합진단부의 도메인지식기반진단부 상기 데이터 분석 정보를 기초로 도메인 지식 기반의 진단 기법을 이용하여 진단을 수행하여 도메인 지식 기반 진단 정보를 도출하는 단계;
를 포함하는 것을 특징으로 하는
플랜트의 고장을 진단하기 위한 방법. - 제12항에 있어서,
상기 알고리즘 기반 진단 정보를 도출하는 단계는
상기 알고리즘기반진단부가 진단분석부로부터 진단 알고리즘의 파라미터의 튜닝값을 포함하는 알고리즘 개선 정보를 피드백 받으면, 진단 알고리즘의 파라미터를 튜닝하고, 튜닝된 진단 알고리즘을 통해 알고리즘 기반 진단 정보를 도출하는 것을 특징으로 하는
플랜트의 고장을 진단하기 위한 방법. - 제12항에 있어서,
상기 알고리즘 기반 진단 정보를 도출하는 단계는
상기 도메인지식기반진단부가 진단분석부로부터 기반 지식 및 사례 판단 기준 파라미터의 튜닝값을 포함하는 알고리즘 개선 정보를 피드백 받으면, 기반 지식 및 사례 판단 기준 파라미터를 튜닝하고, 튜닝된 판단 기준 파라미터에 따라 상기 데이터 분석 정보가 복수의 기반 지식 및 복수의 사례 중 어느 하나에 부합하는지 여부를 판별하여 도메인 지식 기반 진단 정보를 도출하는 것을 특징으로 하는
플랜트의 고장을 진단하기 위한 방법. - 제12항에 있어서,
상기 종합 진단 정보를 도출하는 단계는
상기 종합진단부의 진단결정부가 상기 알고리즘기반진단부가 도출한 알고리즘 기반 진단 정보 및 상기 도메인지식기반진단부가 도출한 도메인 지식 기반 진단 정보를 종합하여
상기 고장이 센서의 이상으로 인한 것인지 혹은 실제 고장에 의한 것인 것 여부를 나타내는 신호 건전성,
상기 고장이 발생한 시점을 나타내는 고장 시점,
상기 고장이 발생한 위치를 나타내는 고장 위치,
상기 고장의 수준을 나타내는 경보 수준 및
상기 고장이 발생한 이유를 나타내는 고장 원인을 포함하는
종합 진단 정보를 도출하는 단계;
를 더 포함하는 것을 특징으로 하는
플랜트의 고장을 진단하기 위한 방법. - 제12항에 있어서,
상기 도메인 지식 기반 진단 정보를 도출하는 단계 후,
진단분석부가 상기 알고리즘 기반 진단 정보 및 상기 도메인 지식 기반 진단 정보를 분석하여 상기 알고리즘기반진단부의 진단 알고리즘을 개선하기 위한 진단 알고리즘의 파라미터의 튜닝값과, 상기 도메인지식기반진단부의 기반 지식 및 사례 판단 기준을 개선하기 위한 기반 지식 및 사례 판단 기준 파라미터의 튜닝값을 포함하는 알고리즘 개선 정보를 생성하고, 생성된 알고리즘 개선 정보를 피드백 하는 단계;
를 더 포함하는 것을 특징으로 하는
플랜트의 고장을 진단하기 위한 방법.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200000533A KR102340395B1 (ko) | 2020-01-02 | 2020-01-02 | 플랜트의 고장을 진단하기 위한 장치 및 이를 위한 방법 |
US17/133,145 US11585732B2 (en) | 2020-01-02 | 2020-12-23 | Apparatus and method for diagnosing failure of plant |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200000533A KR102340395B1 (ko) | 2020-01-02 | 2020-01-02 | 플랜트의 고장을 진단하기 위한 장치 및 이를 위한 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20210087373A true KR20210087373A (ko) | 2021-07-12 |
KR102340395B1 KR102340395B1 (ko) | 2021-12-15 |
Family
ID=76655228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200000533A KR102340395B1 (ko) | 2020-01-02 | 2020-01-02 | 플랜트의 고장을 진단하기 위한 장치 및 이를 위한 방법 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11585732B2 (ko) |
KR (1) | KR102340395B1 (ko) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113705924B (zh) * | 2021-09-07 | 2023-10-13 | 华能威海发电有限责任公司 | 一种热控设备智能诊断方法和*** |
CN114966402B (zh) * | 2022-07-28 | 2022-11-01 | 山东翔讯科技有限公司 | 一种开关磁阻电机故障诊断*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19980036844A (ko) * | 1996-11-19 | 1998-08-05 | 이대원 | FFT(Fast Fourier Transform)알고리즘을 이용한 전기설비 고장진단 시스템 |
KR20110118023A (ko) * | 2010-04-22 | 2011-10-28 | 주식회사 지오네트 | 성능저하 및 고장원인 조기 진단을 위한 알고리즘 분석모델 제작방법 |
KR20130112968A (ko) | 2012-03-26 | 2013-10-15 | 주식회사 지오네트 | 패턴인식 기술을 이용한 제어설비 고장진단 시스템 및 고장진단 방법 |
KR20170125237A (ko) * | 2016-05-04 | 2017-11-14 | 두산중공업 주식회사 | 플랜트 이상 감지 시스템 및 방법 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0625930B2 (ja) * | 1985-09-24 | 1994-04-06 | 株式会社東芝 | プラント診断装置 |
US8370045B2 (en) | 2009-08-14 | 2013-02-05 | Lockheed Martin Corporation | Starter control valve failure prediction machine to predict and trend starter control valve failures in gas turbine engines using a starter control valve health prognostic, program product and related methods |
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 |
KR101065767B1 (ko) | 2010-04-22 | 2011-09-19 | 주식회사 지오네트 | 성능저하 및 고장원인 조기 진단방법 |
JP5455866B2 (ja) * | 2010-10-28 | 2014-03-26 | 株式会社日立製作所 | 異常診断装置および産業機械 |
US8768668B2 (en) * | 2012-01-09 | 2014-07-01 | Honeywell International Inc. | Diagnostic algorithm parameter optimization |
GB201409590D0 (en) * | 2014-05-30 | 2014-07-16 | Rolls Royce Plc | Asset condition monitoring |
KR101843365B1 (ko) | 2015-12-08 | 2018-03-29 | 두산중공업 주식회사 | 규칙 및 사례 기반 통합 진단 시스템 및 데이터베이스 |
JP6620056B2 (ja) | 2016-03-31 | 2019-12-11 | 三菱日立パワーシステムズ株式会社 | 機器の異常診断方法及び機器の異常診断装置 |
KR101827108B1 (ko) * | 2016-05-04 | 2018-02-07 | 두산중공업 주식회사 | 플랜트 이상 감지 학습 시스템 및 방법 |
US10379530B2 (en) * | 2016-11-04 | 2019-08-13 | Infineon Technologies Ag | Signal protocol fault detection system and method |
KR102116711B1 (ko) * | 2018-10-12 | 2020-05-29 | 한국수력원자력 주식회사 | 다중 예측 모델을 적용한 발전소 조기 경보 장치 및 방법 |
-
2020
- 2020-01-02 KR KR1020200000533A patent/KR102340395B1/ko active IP Right Grant
- 2020-12-23 US US17/133,145 patent/US11585732B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19980036844A (ko) * | 1996-11-19 | 1998-08-05 | 이대원 | FFT(Fast Fourier Transform)알고리즘을 이용한 전기설비 고장진단 시스템 |
KR20110118023A (ko) * | 2010-04-22 | 2011-10-28 | 주식회사 지오네트 | 성능저하 및 고장원인 조기 진단을 위한 알고리즘 분석모델 제작방법 |
KR20130112968A (ko) | 2012-03-26 | 2013-10-15 | 주식회사 지오네트 | 패턴인식 기술을 이용한 제어설비 고장진단 시스템 및 고장진단 방법 |
KR20170125237A (ko) * | 2016-05-04 | 2017-11-14 | 두산중공업 주식회사 | 플랜트 이상 감지 시스템 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
US11585732B2 (en) | 2023-02-21 |
KR102340395B1 (ko) | 2021-12-15 |
US20210208030A1 (en) | 2021-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6898554B2 (en) | Fault detection in a physical system | |
KR101713985B1 (ko) | 예지 정비 방법 및 장치 | |
US6622264B1 (en) | Process and system for analyzing fault log data from a machine so as to identify faults predictive of machine failures | |
JP5306902B2 (ja) | 資産システムの高性能条件監視のためのシステムおよび方法 | |
US9292473B2 (en) | Predicting a time of failure of a device | |
US20120296605A1 (en) | Method, computer program, and system for performing interpolation on sensor data for high system availability | |
JP7068246B2 (ja) | 異常判定装置、および、異常判定方法 | |
JP2008186472A (ja) | 予測的状態監視のための診断システムおよび方法 | |
KR102340395B1 (ko) | 플랜트의 고장을 진단하기 위한 장치 및 이를 위한 방법 | |
JP4922265B2 (ja) | プラント監視装置およびプラント監視方法 | |
US7949497B2 (en) | Machine condition monitoring using discontinuity detection | |
JP7127305B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
CN111400850A (zh) | 设备故障分析方法、装置、设备和存储介质 | |
JP5949135B2 (ja) | 異常診断方法及び異常診断装置 | |
JP2016139274A (ja) | 不具合診断方法及び不具合診断システム | |
JP5056396B2 (ja) | ソフトウェア動作監視装置、プログラム | |
US20230022100A1 (en) | Prognostic and health management system for system management and method thereof | |
CN110007171A (zh) | 变压器在线监测数据误报警的筛查方法及*** | |
US11334053B2 (en) | Failure prediction model generating apparatus and method thereof | |
US20220261986A1 (en) | Diagnosis pattern generation method and computer | |
KR102351538B1 (ko) | 패턴 학습 및 진단 알고리즘을 이용한 자동화 설비의 고장 예측 시스템 및 그 방법 | |
KR102340249B1 (ko) | 데이터 마이닝 기술을 이용한 피.엘.씨 고장 예측 장치 및 그 방법 | |
US7305317B2 (en) | Joint approach of out-of-range detection and fault detection for power plant monitoring | |
JP2890815B2 (ja) | プラントの異常診断装置 | |
US20230035541A1 (en) | Optimizing a prognostic-surveillance system to achieve a user-selectable functional objective |
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 |