KR20220040030A - Monitoring system for real-time based data preprocessing and anomaly detection - Google Patents

Monitoring system for real-time based data preprocessing and anomaly detection Download PDF

Info

Publication number
KR20220040030A
KR20220040030A KR1020200122737A KR20200122737A KR20220040030A KR 20220040030 A KR20220040030 A KR 20220040030A KR 1020200122737 A KR1020200122737 A KR 1020200122737A KR 20200122737 A KR20200122737 A KR 20200122737A KR 20220040030 A KR20220040030 A KR 20220040030A
Authority
KR
South Korea
Prior art keywords
data
monitoring system
algorithm
unit
time
Prior art date
Application number
KR1020200122737A
Other languages
Korean (ko)
Other versions
KR102415711B1 (en
Inventor
정종필
오철환
문준형
이혁수
엄근호
Original Assignee
주식회사 티라유텍
성균관대학교산학협력단
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 주식회사 티라유텍, 성균관대학교산학협력단 filed Critical 주식회사 티라유텍
Priority to KR1020200122737A priority Critical patent/KR102415711B1/en
Publication of KR20220040030A publication Critical patent/KR20220040030A/en
Application granted granted Critical
Publication of KR102415711B1 publication Critical patent/KR102415711B1/en

Links

Images

Classifications

    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/414—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller
    • G05B19/4145—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller characterised by using same processor to execute programmable controller and numerical controller function [CNC] and PC controlled NC [PCNC]
    • 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
    • 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
    • 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)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • General Factory Administration (AREA)

Abstract

Disclosed is a monitoring system which performs preprocessing and anomaly detection with regard to process data occurring in real time from various kinds of manufacturing facilities and easily changes an algorithm necessary for the operation. The monitoring system of the present invention comprises: a data collection server for collecting process data from a plurality of process facilities; a time-series database for storing the process data in real time; and a data processing module provided with corresponding algorithms such that preprocessing and anomaly detection of the process data can be performed. Moreover, the algorithms are previously developed algorithms which are designed such that a worker can select and apply an algorithm in a graphical user interface (GUI) environment when the algorithm should be replaced with a change in a process. Accordingly, a worker can easily select an optimal preprocessing algorithm and an anomaly detection algorithm in the GUI environment to save time and costs, compared to a conventional condition where only a specialist can correct an algorithm.

Description

실시간 데이터 전처리 및 이상치 감지를 위한 모니터링 시스템{Monitoring system for real-time based data preprocessing and anomaly detection}Monitoring system for real-time based data preprocessing and anomaly detection

본 발명은 모니터링 시스템에 관한 것으로, 특히 각종 산업현장에 설치된 다양한 종류의 설비(ex: CNC, 머시닝 센터)로부터 실시간 발생하는 공정 데이터들에 대한 전처리 및 이상치 감지 작업을 수행하며, 상기 작업에 필요한 알고리즘을 쉽게 변경할 수 있는 모니터링 시스템에 관한 것이다. The present invention relates to a monitoring system, and in particular, performs pre-processing and outlier detection on process data generated in real time from various types of equipment (ex: CNC, machining centers) installed in various industrial sites, and an algorithm necessary for the operation It relates to a monitoring system that can be easily changed.

소재/부품 산업은 주요 핵심 소재 및 부품 개발 성공시 장기간 시장지배가 가능한 고부가 산업이고, 이러한 이유로 각국의 주요한 글로벌 소재/부품 기업들은 4차 산업혁명의 기반기술과 연관된 첨단 소재/부품에 핵심역량을 집중하고 있다. 그러나 국내 소재/부품 중소기업은 전체 산업에서 큰 비중을 차지하고 있지만 노동 생산성은 대기업에 훨씬 못미치고 있는 것이 현실이다. 국내의 소재/부품 중소기업은 인력부족 및 높은 이직률 등의 문제를 겪고 있고, 정보화 수준이 낮기 때문에 생산 품질 관리의 경쟁력이 취약할 수 있다. The material/parts industry is a high-value-added industry that can dominate the market for a long time if it succeeds in developing key core materials and parts. are concentrating However, although domestic materials/parts SMEs occupy a large proportion in the overall industry, the reality is that their labor productivity is far below that of large enterprises. Domestic materials/parts SMEs are experiencing problems such as a shortage of manpower and a high turnover rate, and their competitiveness in production quality management may be weak due to the low level of informatization.

따라서 국내의 소재/부품 중소기업에 대한 클라우드 기반 솔루션 및 데이터 플랫폼 개발에 대한 필요성이 대두되고 있다. 표준 기술을 활용한 공장설비 데이터 수집, 데이터 전처리 및 저장 플랫폼 제공, 전사 정보 공유 체계 구축, 공정 품질분석 및 분석 알고리즘 적용이 가능하기 때문이다. 그래서 국내의 소재/부품 중소기업의 경우, 공정 데이터에 대한 모니터링 시스템 구축이 무엇보다 필요하다. 그러나 데이터 모니터링 시스템을 구축하기 위해서는 복잡한 소프트웨어 모듈 및 설치비용이 요구된다. 이는 규모가 작고 영세한 국내 대부분의 중소 제조기업들이 데이터 기반의 품질관리를 위한 모니터링 시스템의 필요성을 충분하게 인지하면서도 적극적으로 개발 및 구축할 수 없는 원인이라 할 수 있다.Therefore, the need for developing a cloud-based solution and data platform for small and medium-sized companies in materials/parts in Korea is emerging. This is because it is possible to collect factory facility data using standard technology, provide a data pre-processing and storage platform, establish a company-wide information sharing system, and apply process quality analysis and analysis algorithms. Therefore, in the case of small and medium-sized companies in materials/parts in Korea, it is most necessary to establish a monitoring system for process data. However, in order to build a data monitoring system, complex software modules and installation costs are required. This can be said to be the reason that most small and medium-sized domestic manufacturing companies, which are small and small, are unable to actively develop and build a monitoring system for data-based quality control while fully aware of the need.

소재/부품 제조기업들은 고객사들의 주문에 따라 다양한 제품을 제조생산하기 때문에 주문 변경 및 공정 변경 등이 종종 발생하게 되며, 이때마다 제조기업들은 데이터 전처리 알고리즘 및 이상치 감지 알고리즘을 수정해야 한다. 그러나 대부분의 소재/부품 중소 제조기업들은 SW 업체에게 모니터링 솔루션을 외주 처리하고 있는 실정이기 때문에 이러한 알고리즘 수정 작업이 원활하지 못하였다. 이는 제조기업들이 모니터링 시스템에 대한 전문 지식이 부족하기 때문에 현장 작업자들이 이를 수정하지 못하였고, 따라서 각종 알고리즘의 수정이 필요할 때마다 제조기업들은 SW 개발 업체에게 수정 요청을 의뢰할 수 밖에 없는 구조였다. 그만큼 제조기업 입장에서는 알고리즘의 운영 및 수리에 들어가는 비용과 시간을 줄이지 못하는 문제를 안고 있다. 물론 제조기업들이 모니터링 시스템을 전담할 인력을 보강할 수도 있지만, 규모가 영세한 제조기업들 입장에는 인건비 등의 상승으로 인하여 이 역시 쉬운 문제가 아니다.Because material/part manufacturers manufacture and produce various products according to customers' orders, order changes and process changes often occur. However, since most small and medium-sized material/part manufacturers outsource their monitoring solutions to SW companies, this algorithm modification operation was not smooth. This was a structure in which field workers could not modify this because manufacturing companies lack expertise in the monitoring system. Therefore, whenever various algorithms needed to be modified, manufacturers had no choice but to request a modification request from a software developer. As such, manufacturers have a problem in that they cannot reduce the cost and time required for the operation and repair of the algorithm. Of course, manufacturing companies can reinforce the manpower to be in charge of the monitoring system, but this is also not an easy problem for small manufacturing companies due to the rise in labor costs.

그렇기 때문에 중소, 중견 제조업체가 손쉽게 개발 및 운영할 수 있는 모니터링 시스템에 대한 필요성이 대두되고 있다. 또 클라우드 기반 데이터 플랫폼을 활용하여 소재/부품 제조업종별로 특화된 데이터를 쉽게 확인할 수 있는 대시보드의 구현이 필요하고, 품질 원인의 추적 및 분석, 공정과 제조 연관 관계 분석 등 이상 발생에 대한 원인을 확인할 수 있는 툴(Tool) 개발에 대한 필요성이 요구되었다. Therefore, the need for a monitoring system that small and medium-sized manufacturers can easily develop and operate is emerging. In addition, it is necessary to implement a dashboard that can easily check data specialized for each material/parts manufacturing type using a cloud-based data platform, and to check the cause of anomalies such as tracking and analyzing quality causes, and analyzing processes and manufacturing relationships. There was a need for developing a tool that can do this.

본 발명의 목적은 상기한 문제점을 해결하기 위한 것으로, 실시간 발생하는 공정 데이터를 수집 및 전처리하고, 이상치 감지를 수행할 수 있는 모니터링 시스템을 제공하는 것이다. An object of the present invention is to solve the above problems, and to provide a monitoring system capable of collecting and pre-processing process data generated in real time, and detecting outliers.

본 발명의 다른 목적은 주문이나 공정 변경에 따라 알고리즘이 변경되어도 작업자가 데이터 전처리 및 이상치 프로그램을 간단하게 선택하여 시스템에 적용할 수 있는 실시간 기반의 모니터링 시스템을 제공하는 것이다. Another object of the present invention is to provide a real-time-based monitoring system in which an operator can simply select a data preprocessing and outlier program and apply it to the system even if the algorithm is changed according to an order or process change.

본 발명의 또 다른 목적은 공정 결과값을 쉽게 확인하고 해석할 수 있도록 한 실시간 기반의 모니터링 시스템을 제공하는 것이다. Another object of the present invention is to provide a real-time-based monitoring system that allows easy confirmation and interpretation of process results.

이와 같은 목적을 달성하기 위한 본 발명은, 복수 개의 공정설비의 공정 데이터를 수집하는 데이터 수집 서버; 상기 공정 데이터를 실시간 저장하는 시계열 데이터 베이스(Time-series table); 상기 저장된 공정 데이터의 전처리 및 이상치 감지동작을 수행하는 데이터 처리모듈; 및 상기 전처리 및 이상치 감지결과를 출력하는 데이터 모니터링 대시보드를 포함하는 것을 특징으로 하는 모니터링 시스템을 제공한다. The present invention for achieving the above object, a data collection server for collecting process data of a plurality of process equipment; a time-series database for storing the process data in real time; a data processing module for pre-processing the stored process data and detecting outliers; and a data monitoring dashboard for outputting the preprocessing and outlier detection results.

상기 데이터 수집 서버는, 상기 공정설비에서 실시간 발생하는 데이터를 수집하는 제1 수집부; 제조현장에서 발생하는 스페셜 이벤트 데이터를 수집하는 제2 수집부를 포함하며, 상기 제1 수집부는, CNC 컨트롤러의 프로토콜에 맞춰 데이터를 수집하는 프로그램이 제공되고, 상기 제2 수집부는, 바코드 라벨 기반의 수집 프로그램과 산업용 터치패널 기반의 이벤트 수집 프로그램이 제공된다. The data collection server may include: a first collection unit configured to collect data generated in real time in the process facility; A second collection unit for collecting special event data generated at the manufacturing site is provided, wherein the first collection unit is provided with a program for collecting data according to a protocol of a CNC controller, and the second collection unit is a barcode label-based collection unit Program and industrial touch panel-based event collection program are provided.

상기 데이터 수집 서버는 발행(publishing)/ 구독(subscribe) 기반의 데이터 송수신 프로토콜에 의하여 공정 데이터를 상기 시계열 데이터 베이스로 전달한다.The data collection server transmits process data to the time series database using a publishing/subscribe-based data transmission/reception protocol.

상기 시계열 데이터 베이스는 둘 이상의 어플리케이션과 확장 가능한 API를 제공하며, 상기 발행(publishing)/ 구독(subscribe) 기반의 데이터 송수신 프로토콜에 의해 전달되는 데이터들과의 연결성을 제공하는 데이터 베이스이고, 상기 데이터 베이스는 Influx DB가 사용된다. The time series database is a database that provides two or more applications and an extensible API, and provides connectivity with data delivered by the publishing/subscribe-based data transmission/reception protocol, and the database Influx DB is used.

상기 데이터 처리모듈은, 상기 공정 데이터에 대한 잡음요소 제거나 변환과정을 수행하는 전처리부; 이상 이벤트 감지와 비선형 예측을 위한 신경망 모형을 이용하여 공정 데이터를 분석하는 이상치 감지부; 작업자가 직접 원하는 함수를 등록하여 사용하도록 스크립트를 통해 데이터 변환 및 분석 알고리즘이 정의되어 제공되는 사용자 정의 함수부; 및 상기 신경망 모형을 제공하는 신경망 모델부를 포함한다.The data processing module may include: a pre-processing unit for removing or converting a noise element on the process data; an outlier detection unit that analyzes process data using a neural network model for abnormal event detection and nonlinear prediction; a user-defined function unit in which data conversion and analysis algorithms are defined and provided through a script so that the operator can directly register and use the desired function; and a neural network model unit providing the neural network model.

상기 전처리부 및 이상치 감지부는 각각 복수 개의 알고리즘을 가지며, 어느 하나의 알고리즘이 선택되면 모니터링 시스템에 적용된다.The preprocessor and the outlier detection unit each have a plurality of algorithms, and when any one algorithm is selected, it is applied to the monitoring system.

상기 알고리즘은 GUI 기반의 데이터 전처리 및 이상치 감지 알고리즘이고, 상기 GUI 환경에서 선택된다. The algorithm is a GUI-based data preprocessing and outlier detection algorithm, and is selected from the GUI environment.

상기 데이터 처리모듈은, 공정설비의 공정 변경 및 주문 변경에 따라 현재 실행중인 알고리즘 대신 적용 가능한 알고리즘 정보를 제공한다. The data processing module provides applicable algorithm information instead of the currently running algorithm according to process changes and order changes of process equipment.

상기 알고리즘은 복수 개의 룰(Rule)이 제공되며, 상기 룰은 미리 정해진 절차 및 규칙에 따라 반복적으로 데이터 처리 로직을 수행하여 전처리 및 이상치 감지를 수행한다. The algorithm provides a plurality of rules, and the rules repeatedly perform data processing logic according to predetermined procedures and rules to perform preprocessing and outlier detection.

상기 전처리부는, 상기 시계열 데이터 베이스(Time-series table)에 저장되는 공정 데이터의 분석결과에 시간에 대한 정보를 추가하도록 국소 푸리에 변환(Short term fourier transform)을 이용한 스펙트럼그램을 시각화하여 표시하는 제1 분석방법; 및 공정 데이터로부터 잠재변수를 추출할 수 있는 비지도 학습 기능을 이용하여 데이터의 통계량을 확인하는 제2 분석방법 중 어느 하나에 의해 이상치를 감지한다. The preprocessor is configured to visualize and display a spectrumgram using a local Fourier transform (Short term Fourier transform) to add information about time to the analysis result of the process data stored in the time-series table. analysis method; and an outlier is detected by any one of the second analysis methods for confirming statistics of data using an unsupervised learning function capable of extracting latent variables from process data.

상기 데이터 모니터링 대시보드는, 공정 데이터용 모니터링 대시보드; 및 데이터 서버 모니터링 대시보드를 포함하여 제공된다.The data monitoring dashboard may include: a monitoring dashboard for process data; and a data server monitoring dashboard.

이상과 같은 본 발명의 실시간 데이터 전처리 및 이상치 감지를 위한 모니터링 시스템에 따르면, 공정설비 등의 구동시 공정 변화 등이 발생하더라도 작업자는 최적의 전처리 알고리즘 및 이상치 감지 알고리즘을 GUI 환경에서 쉽게 선택할 수 있다. 따라서 기존에 전문 인력에 의해서만 알고리즘을 수정하는 것 대비 시간 및 비용을 절약하면서도 수정된 알고리즘을 간단하게 시스템에 적용할 수 있다. 이를 통해 생산하는 제품의 품질 관리를 데이터화하여 수작업 및 어림짐작 방식의 영세 제조기업의 생산 프로세스를 개선할 수 있다. According to the monitoring system for real-time data pre-processing and outlier detection of the present invention as described above, even if a process change occurs during operation of process equipment, etc., the operator can easily select the optimal pre-processing algorithm and outlier detection algorithm in the GUI environment. Therefore, it is possible to simply apply the modified algorithm to the system while saving time and money compared to modifying the algorithm only by experts. Through this, it is possible to improve the production process of small manufacturing companies that use manual and guesswork methods by converting the quality control of products into data.

본 발명에 따르면 사용자 정의 함수부를 통해 적절한 알고리즘을 제공할 수 있어 제조현장에 맞는 알고리즘을 맞춤 사용할 수 있다. 그만큼 생산성 향상을 기대할 수 있다.According to the present invention, an appropriate algorithm can be provided through a user-defined function unit, so that an algorithm suitable for a manufacturing site can be customized. As a result, productivity improvement can be expected.

본 발명에 따르면 복잡한 제조공정에 따른 공정 데이터의 비선형성을 고려할 수 있는 기계학습 및 신경망 기능을 적용할 수 있어, 공정 데이터에 대한 효과적인 분석도 가능하다. According to the present invention, machine learning and neural network functions that can consider the nonlinearity of process data according to a complex manufacturing process can be applied, so that effective analysis of process data is also possible.

도 1은 본 발명의 실시 예에 따른 모니터링 시스템의 전체 구성도이다.
도 2는 본 발명에서 공정 설비들과 데이터 수집 서버의 연결 상태를 보인 구성도
도 3은 본 발명의 데이터 수집 서버의 제1 수집부의 구성도
도 4는 본 발명의 데이터 수집 서버의 제2 수집부의 구성도
도 5는 본 발명에 따라 사용자 정의 함수 등록을 위한 위젯 화면 예시도
도 6은 본 발명에 따른 신경망 학습 위젯 예시 도면
도 7의 본 발명에 따른 신경망 학습 결과 및 등록을 위한 위젯 예시 도면
도 8 및 도 9은 본 발명에 따른 신경망 모델의 선택 및 등록을 위한 예시 도면
도 10은 본 발명에 따른 룰(Rule) 등록 예시 도면
도 11 및 도 12은 본 발명에 따른 전처리 결과의 예시도면
도 13 내지 도 16은 본 발명의 결과 화면 예시도면들1 is an overall configuration diagram of a monitoring system according to an embodiment of the present invention.
2 is a configuration diagram showing the connection state of the process equipment and the data collection server in the present invention;
3 is a block diagram of the first collection unit of the data collection server of the present invention;
4 is a configuration diagram of a second collection unit of the data collection server of the present invention;
5 is an exemplary view of a widget screen for registering a user-defined function according to the present invention
6 is an exemplary diagram of a neural network learning widget according to the present invention;
An example of a widget for neural network learning results and registration according to the present invention of FIG.
8 and 9 are exemplary diagrams for selection and registration of a neural network model according to the present invention.
10 is a diagram illustrating an example of registering a rule according to the present invention;
11 and 12 are exemplary views of the pre-processing results according to the present invention.
13 to 16 are exemplary views of the result screen of the present invention

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 clear with reference to the embodiments described below in detail in conjunction with the accompanying drawings. In the description of the present invention, if it is determined that a detailed description of a well-known function or configuration may unnecessarily obscure the gist of the present invention, the 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.And the terms to be described later are terms defined in consideration of functions in the present invention, which may vary according to intentions or customs of users and 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. Only the present embodiments are provided so that the disclosure of the present invention is complete, and to completely inform those of ordinary skill in the art to which the present invention belongs, the scope of the invention, the present invention is defined by the scope of the claims will only be Therefore, the definition should be made based on the content throughout this specification.

이하에서는 도면에 도시한 실시 예에 기초하면서 본 발명에 대하여 더욱 상세하게 설명하기로 한다. 본 발명의 모니터링 시스템은 데이터 수집 기능부터 전처리 SW의 모듈화를 통해 시스템 구축이 간편하면서도 사용자 편의를 강조한 GUI 기반 데이터 전처리 및 이상치 감지가 가능한 시스템이고, 도 1을 참조하여 상세하게 살펴본다.Hereinafter, the present invention will be described in more detail based on the embodiments shown in the drawings. The monitoring system of the present invention is a GUI-based data pre-processing and outlier detection system that emphasizes user convenience while simplifying system construction through modularization of pre-processing SW from the data collection function, and will be described in detail with reference to FIG. 1 .

도 1은 본 발명의 실시 예에 따른 모니터링 시스템의 전체 구성도이다. 1 is an overall configuration diagram of a monitoring system according to an embodiment of the present invention.

제조현장에는 복수 개의 공정 설비(equipment 1 ~ N)(10)들이 마련된다. 공정 설비(equipment 1 ~ N)들은 고객사들의 주문에 따라 다양한 제품을 생산하게 되는, 동일하거나 다른 장치들일 수 있다. 공정 설비(equipment 1 ~ N)마다 고유 ID가 부여된다. 고유 ID는 추후에 제품의 품질 불량 또는 공정 이상 발생시 해당 데이터를 추적할 수 있는 용도로 이용할 수 있다. A plurality of process equipment (equipment 1 ~ N) (10) is provided at the manufacturing site. The process equipment (equipment 1 to N) may be the same or different devices that produce various products according to customers' orders. A unique ID is assigned to each process equipment (equipment 1 to N). The unique ID can be used for the purpose of tracking the data in case of product quality defects or process abnormalities in the future.

그리고 이러한 복수 개의 공정 설비들(equipment 1 ~ N)과 데이터를 송수신하며, 공정 데이터들을 저장하는 데이터 수집 서버(Data acquistion server)(20)가 마련된다. In addition, a data acquisition server 20 for transmitting and receiving data to and from the plurality of process equipments (equipments 1 to N) and storing process data is provided.

상기 다수의 공정 설비들(equipment 1 ~ N)과 데이터 수집 서버(20)는 이더넷 LAN을 통해 연결된다. 이러한 연결 구성의 예는 도 2에 도시하였다. 도 2를 보면 공정 설비들 즉, CNC들과 데이터 수집 PC(데이터 수집 서버)들이 이더넷 LAN 방식으로 연결되며, 데이터 수집 PC는 복수 대의 공정 설비들에서 발생하는 각종 공정 데이터들을 수집하게 된다. The plurality of process equipments (equipments 1 to N) and the data collection server 20 are connected through an Ethernet LAN. An example of such a connection configuration is shown in FIG. 2 . Referring to FIG. 2 , process facilities, that is, CNCs and data collection PCs (data collection servers) are connected by Ethernet LAN method, and the data collection PC collects various process data generated from a plurality of process facilities.

데이터 수집 서버(20)는 도 1에서 보듯이 'Data protocol'(21), 'MQTT(Message Queuing Telemetry Transport) Client(22)'를 포함한다. MQTT 방식으로 데이터를 송/수신하기 위해 필요한 구성들이다. 여기서 상기 공정 설비들(equipment 1 ~ N), 데이터 수집 서버(20)는 본 발명의 모니터링 시스템(즉, 도면에서 '데이터 플랫폼(100)'을 말함)에 반드시 포함될 필요는 없다. 모니터링 시스템(100)과 연동하면서 공정 설비들(equipment 1 ~ N)의 데이터를 상기 모니터링 시스템(100)으로 전달하는 역할을 한다고 보면 된다. 다만 데이터 수집 서버(20)는 추가되거나 제거되는 공정 설비들(equipment 1 ~ N)에 대한 정보를 확인할 수 있고, 후술하는 메시지 중개부(MQTT Broker)(110)와의 데이터 흐름이 정상적으로 이루어지고 있는 지에 대한 현황 정보를 사용자가 확인할 수 있도록 기능을 제공한다. 그래서 필요에 따라 데이터 수집 서버(20)는 모니터링 시스템(100)에 포함될 수 있을 것이다. The data collection server 20 includes a 'Data protocol' 21 and a 'MQTT (Message Queuing Telemetry Transport) Client 22', as shown in FIG. 1 . These are the components necessary to transmit/receive data in the MQTT method. Here, the process equipment (equipments 1 to N) and the data collection server 20 are not necessarily included in the monitoring system of the present invention (that is, referring to the 'data platform 100' in the drawing). It can be seen that while interworking with the monitoring system 100 , it serves to transmit data of the process equipments (equipments 1 to N) to the monitoring system 100 . However, the data collection server 20 can check information on the added or removed process equipment (equipment 1 to N), and whether the data flow with the message broker (MQTT Broker) 110 to be described below is being performed normally. Provides a function so that the user can check the current status information. So, if necessary, the data collection server 20 may be included in the monitoring system 100 .

데이터 수집 서버(20)는, 수집하는 데이터의 카테고리에 따라 제1 수집부(23) 및 제2 수집부(24)를 더 포함한다. 제1 수집부(23)는 'CNC Controller Protocol 기반 데이터 수집기', 제2 수집부(24)는 'Human-Label Event Trigger 기반 데이터 수집기'일 수 있다. 제1 수집부(23)는 공정설비(ex: 머시닝 센터, CNC)가 제품을 생산하면서 실시간으로 발생하는 데이터들, 예를 들면 밀링툴의 온도, 속도, 위치, 밀링툴에 주어지는 부하 정보들을 수집한다. 그리고 제1 수집부(23)는 CNC 컨트롤러의 프로토콜에 맞추어 데이터를 수집하기 위한 프로그램이 지원되며, 예를 들면 'FANUC Focas Library 기반 CNC 데이터 수집 프로그램'과 'MTConnect 기반 CNC 데이터 수집 프로그램'일 수 있다. 이러한 제1 수집부(23)는 도 3과 같은 분류에 따라 데이터를 수집하게 된다. The data collection server 20 further includes a first collection unit 23 and a second collection unit 24 according to the category of data to be collected. The first collector 23 may be a 'CNC Controller Protocol-based data collector', and the second collector 24 may be a 'Human-Label Event Trigger-based data collector'. The first collection unit 23 collects data generated in real time while a process facility (ex: machining center, CNC) produces a product, for example, temperature, speed, position of a milling tool, and load information given to the milling tool. do. In addition, the first collection unit 23 supports a program for collecting data according to the protocol of the CNC controller, and may be, for example, 'FANUC Focas Library-based CNC data collection program' and 'MTConnect-based CNC data collection program'. . The first collection unit 23 collects data according to the classification shown in FIG. 3 .

제2 수집부(24)는 생산 현장에서의 스페셜 이벤트 데이터(special event data)를 수집하기 위한 것이다. 이러한 데이터들은 상기 CNC 컨트롤러가 제공하지 못하는 데이터들을 말한다. 제2 수집부(24)는 바코드 라벨 기반 이벤트 수집 프로그램과, 산업용 터치패널 기반 이벤트 수집 프로그램으로 분류되는 형태로 프레임워크를 설계한다. 이러한 제2 수집부(24)는 도 4와 같은 분류에 따라 데이터를 수집하게 된다. The second collection unit 24 is for collecting special event data at the production site. These data refer to data that the CNC controller cannot provide. The second collection unit 24 designs a framework in a form classified into a barcode label-based event collection program and an industrial touch panel-based event collection program. The second collection unit 24 collects data according to the classification shown in FIG. 4 .

상기 바코드 라벨 기반 이벤트 수집 프로그램은 생산현장에 프로그램 개발자의 도움 없이도 바코드 라벨의 출력과 스캐닝이 가능하도록 설계되며 현장 작업자들은 특정 이벤트에 해당하는 바코드를 프로그램을 통해 직접 발행하여, 해당 바코드를 공장 내 원하는 장소에 부착 및 설치하는 방식을 통하여 원하는 이벤트를 발생시키고자 할 때, 스캐닝된 이벤트를 데이터 수집 서버로 보낼 수 있도록 한다. 툴 이벤트 ID에 대한 규칙설계는 다음 [표 1]과 같다. The barcode label-based event collection program is designed to enable printing and scanning of barcode labels without the help of a program developer on the production site, and field workers directly issue barcodes corresponding to specific events through the program, When you want to generate a desired event by attaching it to a location and installing it, the scanned event can be sent to the data collection server. The rule design for tool event ID is as follows [Table 1].

1. @로 시작: 설비 ID 지정
예) @MCT16: 현재 수집되는 데이터 및 이벤트는 MCT16 장비라는 지정

2. #로 시작: 이벤트 트리거
예) #TCO1: 01번 SLOT 밀링툴 교체 이벤트
이벤트 종류
예) #TC01 ~ TC99: 00번 SLOT 공구 교체
예) #START, #END: 작업시작, 작업 종료
예) #TEST_START, #TEST_END: Test Run 시작, 종료
장비명과 이벤트 조합해서 처리가능
예) @MCT16#TC01: MCT16 장비에서 02번 SLOT 밀링툴 교체 이벤트 트리거

3. 일반 문자, 숫자: 현재 투입된 제품의 Lot ID, Serial Number로 간주하여 처리1. Start with @: specify the equipment ID
Ex) @MCT16: The currently collected data and events are designated as MCT16 equipment.

2. Start with #: trigger an event
Ex) #TCO1: 01 SLOT milling tool replacement event
Event type
Ex) #TC01 ~ TC99: 00 SLOT tool replacement
Ex) #START, #END: Job start, job end
Ex) #TEST_START, #TEST_END: Start and end Test Run
Combination of equipment name and event is possible
Ex) @MCT16#TC01: Triggering event of SLOT 02 milling tool replacement in MCT16 equipment

3. General letters and numbers: Treated as Lot ID and Serial Number of the currently put product

본 발명의 모니터링 시스템(100)은 데이터 수집 서버(20)와 연결되는 데이터 플랫폼(Data Platform)이 구비된다. 데이터 플랫폼이 모니터링 시스템이라고 할 수 있고, 그래서 혼용하여 사용할 수도 있다. 데이터 플랫폼(100)에는 데이터 수집 서버(20)와의 데이터 송수신 프로토콜을 지원하도록 메시지 중개부인 'MQTT Broker'(110)가 구비된다. 상기 MQTT Broker(110)는 아래의 MQTT API(210)와 함께 Pub/Sub 기반의 MQTT 프로토콜에 의해 데이터를 전달하기 위한 구성이라 할 수 있다. 상기 MQTT 프토토콜은 메시지를 발행(publishing)하고 관심있는 주제를 구독(subscribe)하는 것을 기본으로 한다. 다만 본 실시 예에서 상기 MQTT Broker(110)은 일 실시 예에 불과하다. 제조현장(공정장비)에 상기 MQTT Client의 통신 프로토콜 대신 다른 통신 프로토콜이 마련된다면, 모니터링 시스템(100)에도 이와 대응되는 다른 메시지 브로커가 설치되기 때문이다.The monitoring system 100 of the present invention is provided with a data platform connected to the data collection server 20 . The data platform can be said to be a monitoring system, so it can be used interchangeably. The data platform 100 is provided with a message intermediary 'MQTT Broker' 110 to support the data transmission/reception protocol with the data collection server 20 . The MQTT Broker 110 can be said to be a configuration for transmitting data by the Pub/Sub-based MQTT protocol together with the MQTT API 210 below. The MQTT protocol is based on publishing messages and subscribing to topics of interest. However, in this embodiment, the MQTT Broker 110 is only an embodiment. This is because, if another communication protocol is provided in the manufacturing site (process equipment) instead of the communication protocol of the MQTT Client, another message broker corresponding thereto is also installed in the monitoring system 100 .

앞서 설명한 바와 같이 본 발명은 Pub/Sub 기반의 데이터 송수신 프로토콜을 사용한다. 종래 산업현장에서 장비에 대한 정보를 제어하기 위해 사용되던 TCP/UIP 환경의 HTTP 프로토콜은 본 발명과 같이 공정 데이터를 실시간으로 스트림 형태로 전송하고자 하는 환경을 구축할 경우 오버헤드가 발생하여 효율 및 성능이 저하되고, 방대한 양의 데이터 처리로 인해 발생하는 시스템의 과부하 문제도 발생하기 때문이다. 그래서 본 발명은 HTTP 프로토콜 대신 Pub/Sub 기반의 데이터 송수신 프로토콜을 채택한다. 이러한 프로토콜의 경우 상대적으로 규모가 작은 소재/부품 중소기업의 산업현장에서 실시간으로 발생하는 공정 데이터를 원활하게 수집 및 분석할 수 있어, 각종 공정 설비의 이상 유무 및 생산되는 제품 불량을 효과적으로 모니터링할 수 있을 것이다.As described above, the present invention uses a Pub/Sub-based data transmission/reception protocol. The HTTP protocol of the TCP/UIP environment, which was used to control information about equipment in the conventional industrial field, generates overhead when constructing an environment where process data is transmitted in real-time as in the present invention in the form of a stream, resulting in efficiency and performance. This is because the problem of overloading the system caused by processing a large amount of data also occurs. Therefore, the present invention adopts a Pub/Sub-based data transmission/reception protocol instead of the HTTP protocol. In the case of such a protocol, it is possible to smoothly collect and analyze process data that occurs in real time at the industrial sites of relatively small material/parts SMEs, so that abnormalities in various process facilities and defective products can be effectively monitored. will be.

상기 데이터 수집 서버(20)로부터 Pub/Sub 기반의 데이터 송수신 프로토콜에 의해 데이터를 전달받는 데이터 저장모듈(data storage module)(200)이 구비된다. 데이터 저장모듈(200)은 MQTT Broker(110)와 통신하기 위한 MQTT API(210)와, 실시간 스트림 형식으로 전달되는 공정 설비들의 데이터를 충분하게 수용할 수 있도록 시계열 DB(Time-series database)(220)를 포함한다. 상기 시계열 DB(220)를 이용하면 속도 및 편의성을 향상시킬 수 있다. A data storage module 200 that receives data from the data collection server 20 by a Pub/Sub-based data transmission/reception protocol is provided. The data storage module 200 is a time-series database (DB) 220 to sufficiently accommodate the MQTT API 210 for communicating with the MQTT Broker 110, and the data of the process facilities delivered in a real-time stream format. ) is included. When the time series DB 220 is used, speed and convenience can be improved.

본 발명에서 시계열 DB(220)를 사용하는 이유는 상기 제1 수집부(23) 및 제2 수집부(24)가 실시간으로 수집한 공정 데이터 및 이벤트 데이트가 MQTT 프로토콜을 통해 MQTT 브로커로 발행됨에 따라 해당 데이터들을 실시간으로 Subscription하여 저장해야 하는데, 일반적인 관계형 데이터베이스의 경우 속도 및 사용서 측면에서 부족하기 때문이다. 본 실시 예에서 상기 시계열 DB(220)는 'Influx DB'를 사용한다. 상기 DB는 오픈소스 DB로서 여러 어플리케이션들과 확장이 가능한 다양한 API를 제공하며, Pub/Sub 기반의 데이터 송수신 프로토콜에 의해 전달되는 데이터들과의 연결성을 제공할 수 있기 때문이다.The reason for using the time series DB 220 in the present invention is that the process data and event data collected in real time by the first collection unit 23 and the second collection unit 24 are issued to the MQTT broker through the MQTT protocol. The data must be subscribed to and stored in real time, because a general relational database is insufficient in terms of speed and usage. In this embodiment, the time series DB 220 uses 'Influx DB'. This is because the DB is an open source DB that provides a variety of APIs that can be extended with various applications, and can provide connectivity with data delivered by a Pub/Sub-based data transmission/reception protocol.

그리고 상기 시계열 DB(220)에는 로우 데이터 테이블(raw data table)(221), 테스트 데이터 테이블(test data table)(222), 공정 데이터 테이블(processed data table)(223) 등이 포함되어 있다. In addition, the time series DB 220 includes a raw data table 221 , a test data table 222 , a processed data table 223 , and the like.

도 1에서 보듯이 본 발명의 모니터링 시스템(100)은 데이터 처리유닛(Data processing function)(310), 룰(Rule) 리스트 유닛(320), TS-DB API 유닛(330)을 구비하는 데이터 처리모듈(300)을 포함한다. 데이터 처리모듈(300)은 데이터 플랫폼(100)과 독립적으로 동작할 수 있다. 데이터 플랫폼(100)에 데이터 처리모듈(300)이 장착되어 정상 동작하면 실시간으로 수집되는 데이터에 대한 전처리, 이상치 감지 등의 공작을 수행한다. 반면 데이터 플랫폼(100)에서 데이터 처리모듈(300)이 제거되거나 데이터 처리모듈(300)이 장애로 인하여 구동이 중단되면, 데이터 처리모듈(300)에 의한 기능만 중단될 뿐 데이터 플랫폼(100)의 기능들, 즉 설비통신, 데이터 송수신, 데이터 수집, 모니터링 등의 다른 기능들은 정상 구동된다. As shown in FIG. 1 , the monitoring system 100 of the present invention is a data processing module including a data processing function 310 , a rule list unit 320 , and a TS-DB API unit 330 . (300). The data processing module 300 may operate independently of the data platform 100 . When the data processing module 300 is mounted on the data platform 100 and operates normally, pre-processing of data collected in real time, detection of outliers, etc. are performed. On the other hand, if the data processing module 300 is removed from the data platform 100 or the operation of the data processing module 300 is stopped due to a failure, only the function by the data processing module 300 is stopped. Other functions such as facility communication, data transmission/reception, data collection, and monitoring are operated normally.

상기 데이터 처리 유닛(310)은 상기 데이터 저장모듈(200)에 저장된 데이터를 전달받아 처리하는 유닛이다. 기본적으로 이상치 감지 기능, 데이터 전처리 및 분석기능, 사용자 정의 함수 기능, 신경망 분석 기능 등을 제공한다. 이러한 기능들을 제공하도록 데이터 처리 유닛(310)은 전처리부(preprocessing)(311), 이상치 감지부(anomaly detection)(312), 사용자 정의 함수부(user define function)(313), ML(Machine learning)/DL(Deep learning) 모델부(314)를 가진다.The data processing unit 310 is a unit that receives and processes data stored in the data storage module 200 . Basically, it provides outlier detection function, data preprocessing and analysis function, user-defined function function, neural network analysis function, etc. To provide these functions, the data processing unit 310 includes a preprocessing unit 311 , an anomaly detection unit 312 , a user define function unit 313 , and a machine learning (ML) unit. It has a /DL (Deep learning) model unit 314 .

상기 전처리부(311) 및 이상치 감지부(312)는 각각 다양한 데이터 전처리 알고리즘과 이상치 감지 알고리즘을 포함하고 있다. 그리고 이러한 알고리즘들은 사용자 경험 중심의 UI/UX가 적용된 GUI 프로그램에 의해 어느 하나가 선택 적용될 수 있는 환경으로 설계된다. 즉 제조하는 제품의 변경에 따라 알고리즘이 변경되는 경우가 종종 발생할 수 있다. 이때 사용자 편의를 고려하여 GUI 기반의 데이터 전처리 및 이상치 프로그램을 미리 개발 해둔 뒤, 클릭 및 터치를 통해 원하는 알고리즘을 적용하여 시스템에 적용할 수 있어야 한다. 이처럼 둘 이상의 알고리즘을 제공하기 때문에 주문 변경이나 공정 변경이 발생하더라도 사용자는 그에 대응하는 알고리즘을 쉽게 선택 적용할 수 있는 것이다. 그리고 이러한 알고리즘들은 개발자에 의해 미리 개발된 알고리즘들이고, 필요에 따라 삭제 및 추가할 수 있다. The preprocessor 311 and the outlier detection unit 312 include various data preprocessing algorithms and outlier detection algorithms, respectively. And these algorithms are designed as an environment in which any one of them can be selectively applied by a GUI program to which UI/UX centered on user experience is applied. In other words, the algorithm can often be changed according to the change of the product to be manufactured. In this case, it should be possible to apply the desired algorithm to the system by clicking and touching after developing a GUI-based data preprocessing and outlier program in advance in consideration of user convenience. Since more than one algorithm is provided in this way, even if an order change or process change occurs, the user can easily select and apply the corresponding algorithm. And these algorithms are algorithms developed in advance by the developer, and can be deleted and added as needed.

본 발명에 따르면 상기 전처리부(311)는 실시간으로 데이터 전처리 기능을 제공한다. 전처리부(311)는 공정 데이터에 대한 잡음요소 등을 제거하거나 변환하여 로우 공정/설비 데이터를 사용자가 쉽게 해석하기 쉬운 형태로 제공하는 것이며, 공정 데이터의 수집과 동시에 전처리 과정을 수행하기 때문에, 분석모형의 인자에 데이터의 해석을 방해하는 요소들은 제거하고 대신 유의미한 인자들로 구성된 데이터의 형태로 전처리된 결과를 입력하도록 설계할 수 있다. According to the present invention, the pre-processing unit 311 provides a data pre-processing function in real time. The pre-processing unit 311 removes or converts noise elements of process data to provide raw process/equipment data in a form that is easy for a user to interpret, and performs a pre-processing process at the same time as the process data is collected, so the analysis It can be designed to remove the factors that hinder the interpretation of the data in the factors of the model and input the preprocessed results in the form of data composed of significant factors instead.

또 전처리부(311)는 공정 이상 발생시 원인인자를 추적하고 분석하는 기능을 제공한다. 분석기능은 신호처리이론을 기반으로 한 제1 분석방법과, 기계학습이론을 기반으로 한 제2 분석방법이 있다. In addition, the pre-processing unit 311 provides a function of tracking and analyzing the causative factor when a process abnormality occurs. The analysis function includes a first analysis method based on signal processing theory and a second analysis method based on machine learning theory.

상기 제1 분석방법은 시계열 DB(220)에 저장되는 데이터의 분석결과에 시간에 대한 정보를 추가하도록 국소 푸리에 변환(Short term fourier transform)을 이용한 스펙트럼그램을 시각화하여 표시하는 방법이다. 상기 제2 분석방법은 데이터로부터 잠재변수를 추출할 수 있는 비지도 학습 기능을 이용하여 데이터의 통계량을 확인하는 방법이다. 제2 분석방법은 주성분 분석 기반의 다변량 관리도 기법으로 예를 들면 'Hotelling'의 'T-squared 관리도 기법'을 말할 수 있다. The first analysis method is a method of visualizing and displaying a spectrumgram using a local Fourier transform (Short term Fourier transform) to add time information to the analysis result of data stored in the time series DB 220 . The second analysis method is a method of confirming statistics of data using an unsupervised learning function capable of extracting latent variables from data. The second analysis method is a multivariate control chart technique based on principal component analysis. For example, the 'T-squared control chart technique' of 'Hotelling' can be used.

이와 같은 전처리부(311)는 데이터의 시각화를 통해 소정 데이터가 가지는 정보를 시간에 따라 쉽게 확인할 수 있는 기능을 제공한다. The pre-processing unit 311 provides a function of easily checking information of predetermined data over time through data visualization.

본 발명에 따르면 상기 이상치 감지부(312)는 실시간으로 수집되는 공정 데이터에서 이상 이벤트의 감지와 함께, 비선형 예측을 위한 신경망 모형을 이용하여 공정 데이터를 분석하는 기능을 제공한다. 그래서 이상치 감지부(312)는 후술하는 ML(Machine learning)/DL(Deep learning) 모델부(314)와 연동하여 동작할수 있다.According to the present invention, the outlier detection unit 312 provides a function of analyzing process data using a neural network model for nonlinear prediction, along with detection of an anomaly event in process data collected in real time. Therefore, the outlier detection unit 312 may operate in conjunction with a machine learning (ML)/deep learning (DL) model unit 314 to be described later.

본 발명에 따르면 상기 사용자 정의 함수부(313)는 상기 전처리부(311) 및 이상치 감지부(312)에 미리 개발되어 제공되는 알고리즘 이외에 사용자가 직접 원하는 알고리즘을 개발, 적용할 수 있도록 하는 것이다. 즉 상기한 데이터 전처리 알고리즘 및 이상치 감지 알고리즘과 같은 보편적인 분석 알고리즘 대신에 공정 상황에 따라 사용자가 직접 원하는 함수를 등록하여 사용할 수 있도록 스크립트를 통해 데이터 변환/분석 알고리즘을 직접 정의할 수 있도록 한 것이다. 그리고 사용자가 적절한 알고리즘을 직접 설계해야 하는 경우, 사용자 정의 함수를 직접 프로그램에 이식하여 운용할 수 있도록 한다. 여기서 사용자 정의 함수기능을 등록하는 스크립트는 데이터 분석에 용이한 'Python Script'를 기반으로 하였고, GUI 환경에서 직접 코드를 작성하여 구현한다.According to the present invention, the user-defined function unit 313 enables the user to directly develop and apply a desired algorithm in addition to the algorithms developed and provided in advance to the pre-processing unit 311 and the outlier detection unit 312 . That is, the data conversion/analysis algorithm can be directly defined through a script so that the user can directly register and use the desired function according to the process situation instead of the general analysis algorithm such as the data preprocessing algorithm and the outlier detection algorithm described above. And, if the user needs to design an appropriate algorithm directly, the user-defined function can be directly ported into the program for operation. Here, the script to register user-defined function functions is based on 'Python Script', which is easy to analyze data, and is implemented by writing code directly in the GUI environment.

도 5는 상기 사용자 정의 함수 등록을 위한 위젯 화면의 예시도면이다. 위젯 화면은 직접 함수를 등록하면 되기 때문에 원하는 룰을 생성할 수 있는 하나의 버튼만 있으면 된다. 5 is an exemplary view of a widget screen for registering the user-defined function. Since you can directly register a function on the widget screen, you only need one button to create a desired rule.

본 발명에 따르면 상기 ML(Machine learning)/DL(Deep learning) 모델부(314)는 신경망 모형의 장착기능을 위한 것이다. 신경망은 내부 신경망 또는 외부에서 제공되는 외부 신경망일 수 있다. 실시 예에 따른 상기 ML(Machine learning)/DL(Deep learning) 모델부(314)는 상대적으로 복잡한 비선형성을 가진 공정 데이터에 대한 분석을 수행하기 위한 것이다. 상기 모델부(314)는 연속적인 시계열 데이터에 효과적이라고 알려져 있는 신경망 모형 아케텍쳐가 프로그램에 포함되어 있고, 사용자가 GUI 화면을 통해 해당 신경망 모델을 원하는 데이터 속성으로 학습할 수 있다. 모델부(314)를 이용하면 공정변수, 설비/공정 상태 변수 및 수집된 과거 데이터를 활용하여 비선형 예측모델을 개발할 수 있다. According to the present invention, the ML (Machine learning)/DL (Deep learning) model unit 314 is for a function of mounting a neural network model. The neural network may be an internal neural network or an external neural network provided from the outside. The machine learning (ML)/deep learning (DL) model unit 314 according to an embodiment is to analyze process data having a relatively complex nonlinearity. The model unit 314 includes a neural network model architecture, which is known to be effective for continuous time series data, in a program, and the user can learn the neural network model as a desired data attribute through the GUI screen. Using the model unit 314, it is possible to develop a nonlinear predictive model by using process variables, facility/process state variables, and collected past data.

상기 모델부(314)에 제공되는 신경망 모델은 복수 개이다. 사용자가 어느 하나의 신경망 모델을 선택할 수 있고, 따라서 사용자는 원하는 신경망으로 데이터 출력을 직접 정의하는 것이 가능하다. A plurality of neural network models are provided to the model unit 314 . The user can select any one neural network model, so it is possible for the user to directly define the data output with the desired neural network.

도 6은 신경망 학습 위젯의 예시 도면이다. 이를 보면 우측의 트레이닝 로그(training log)을 학습과정을 확인할 수 있다. 그리고 도 7의 신경망 학습 결과 및 등록 위젯 도면을 참조하면 훈련 및 검증 손실을 확인할 수 있고, 원하는 기준에 맞추워 신경망 룰을 등록할 수도 있다.6 is an exemplary diagram of a neural network learning widget. If you look at this, you can check the learning process in the training log on the right. In addition, referring to the neural network learning result and registration widget diagram of FIG. 7 , training and verification loss can be checked, and a neural network rule can be registered according to a desired criterion.

본 발명에 따르면 상기 신경망은 기 훈련된 신경망을 제공하는 것이 가능하다. 원하는 신경망 모델을 선택하고, 선택된 신경망과 데이터 속성을 입력으로 하여 신경망을 등록하게 된다. 이에 대한 예시 도면은 도 8 및 도 9에 도시하였다. According to the present invention, the neural network can provide a pre-trained neural network. A desired neural network model is selected, and the neural network is registered with the selected neural network and data properties as inputs. Exemplary drawings for this are shown in FIGS. 8 and 9 .

본 발명의 룰 리스트 유닛(320)은 작업자가 상기 전처리부 알고리즘, 이상치 감지 알고리즘, 사용자 알고리즘들의 모수들을 GUI 환경을 통해 직접 입력하여 룰(Rule)이라는 이름으로 등록 관리하는 부분이다. 적어도 하나의 룰이 제공되며, 바람직하게는 각각의 알고리즘마다 복수 개의 룰이 제공될 수 있다. 룰 리스트 유닛(313)에 등록된 각각의 룰은 미리 셋팅된 절차 및 규칙에 따라 반복적으로 데이터 처리 로직이 수행되면서 전처리 로직 및 이상치 감지 로직을 수행하게 된다. 실시 예에서 상기 룰(Rule)은 Qt에서 제공하는 이벤트 처리 로직인 타이머(timer)를 이용하여 구현한다. 상기 타이머를 통하여 룰 등록 시 입력된 시간마다 반복적으로 해당 알고리즘을 반복 수행되도록 하였다. The rule list unit 320 of the present invention is a part in which the operator directly inputs the parameters of the preprocessor algorithm, the outlier detection algorithm, and the user algorithms through the GUI environment and registers and manages the parameters under the name of a rule. At least one rule is provided, and preferably, a plurality of rules may be provided for each algorithm. Each rule registered in the rule list unit 313 performs pre-processing logic and outlier detection logic while repeatedly performing data processing logic according to preset procedures and rules. In an embodiment, the rule is implemented using a timer, which is an event processing logic provided by Qt. Through the timer, the algorithm was repeatedly performed for each time input during rule registration.

상기 룰 리스트 유닛(320)은 작업자가 전처리 결과를 미리보기 기능을 통해 확인할 수 있고, 작업자가 원하는 분석결과에 맞는 모수를 재설정할 수도 있다. 그리고 설정한 모수에 따라 분석결과가 어떻게 변화하는지 미리 확인할 수도 있다. 또 상기 룰 리스트 유닛(320)에 등록된 룰 리스트는 사용자가 GUI 환경을 통해 확인할 수 있고, 작업자가 룰에 대한 CRUD(Create, Read, Update, Delete)를 자유롭게 할 수 있다. The rule list unit 320 allows the operator to check the pre-processing result through the preview function, and may reset parameters that match the analysis result desired by the operator. You can also check in advance how the analysis result will change according to the set parameters. In addition, the user can check the rule list registered in the rule list unit 320 through the GUI environment, and the operator can freely CRUD (Create, Read, Update, Delete) for the rule.

이와 같은 룰 등록의 예는 도 10에 도시하였다. 이를 보면 사비츠키 골레이 전처리 기능이 룰로 등록되어 있음을 알 수 있다. 룰은 수정 및 삭제 버튼을 조작하여 룰에 대한 CRUD를 수행할 수 있으며, 상기 룰에 의한 전처리 결과로서 푸리에 변환 및 웨이블릿 분해 결과를 해당 버튼을 조작하면 도 11 및 도 12와 같이 미리 볼 수 있다. 도 11은 푸리에 변환을 통한 스펙트럼그램 분석 결과를 도시한 예시 도면이고, 도 12는 웨이블릿 변환 기반의 데이터 분해 기능 결과를 도시한 예시 도면이다. 이를 통해 분석결과가 어떻게 변화하는지 확인할 수 있다. An example of such rule registration is illustrated in FIG. 10 . From this, it can be seen that the Savitzky Golay preprocessing function is registered as a rule. The rule can perform CRUD on the rule by manipulating the edit and delete buttons, and the Fourier transform and wavelet decomposition results as a preprocessing result by the rule can be previewed as shown in FIGS. 11 and 12 by operating the corresponding buttons. 11 is an exemplary diagram illustrating a spectrumgram analysis result through Fourier transform, and FIG. 12 is an exemplary diagram illustrating a wavelet transform-based data decomposition function result. Through this, it is possible to check how the analysis result changes.

본 발명에는 데이터 전처리 및 이상치 결과 값을 출력하는 데이터 모니터링 대시보드(400)가 구비된다. 즉 어느 하나의 룰에 의해 반복 수행되는 데이터 전처리 및 이상치 결과는 TS-DB와 오픈소스 모니터링 툴을 이용하여 표시된다. 실시 예는 'Chronograf', 'Grafana'를 이용할 수 있지만, 여러 데이터 소스에 대한 확장성을 지원하도록 'Grafana'를 사용한다.In the present invention, a data monitoring dashboard 400 for outputting data preprocessing and outlier result values is provided. That is, data preprocessing and outlier results repeatedly performed according to any one rule are displayed using TS-DB and an open source monitoring tool. The embodiment may use 'Chronograf' and 'Grafana', but use 'Grafana' to support extensibility to multiple data sources.

상기 데이터 모니터링 대시보드(400)는 표시하는 데이터 종류에 따라 제1 대시보드(410)인 공정설비 데이터 모니터링 대시보드와 제2 대시보드(420)인 데이터 서버 모니터링 대시보드를 포함한다. 제1 대시보드(410)는 공정 설비들을 모니터링하기 위한 것이고, 제2 대시보드(420)는 데이터 저장, 처리 및 분석등을 수행하는 서버를 모니터링하기 위한 것이다. 여기서 제1 대시보드(410)가 제공하는 주요 구성요소로는, spindle speed data 대시보드, servo & spindle load data 대시보드, servo & pulsecoder temperature 대시보드, servo & spindle total 대시보드, milling tool 위치좌표 대시보드, 설비 알람 대시보드 등이다. 그리고 제2 대시보드(420)가 수행하는 데이터 속성들로는, 서버 cpu 사용 점유율, 서버 메모리 사용 점유율, 서버네트워크 트래픽, Disk 사용량 변화, 밀링 툴 위치좌표 대시보드, 설비 알람 대시보드 등이다. 물론 상기한 구성요소들은 공정설비(equipment 1 ~ N)(10)의 종류나 사양 등에 따라 달라질 수 있을 것이다. The data monitoring dashboard 400 includes a process facility data monitoring dashboard that is a first dashboard 410 and a data server monitoring dashboard that is a second dashboard 420 according to the type of data to be displayed. The first dashboard 410 is for monitoring process equipment, and the second dashboard 420 is for monitoring a server that stores, processes and analyzes data. Here, the main components provided by the first dashboard 410 include the spindle speed data dashboard, servo & spindle load data dashboard, servo & pulsecoder temperature dashboard, servo & spindle total dashboard, milling tool position coordinate dashboard board, facility alarm dashboard, etc. And, the data properties performed by the second dashboard 420 include server cpu usage share, server memory usage share, server network traffic, disk usage change, milling tool location coordinate dashboard, facility alarm dashboard, and the like. Of course, the above components may vary depending on the type or specification of the process equipment (equipment 1 to N) (10).

본 발명의 모니터링 시스템(100)은, 앞서 설명한 바와 같이 전처리 알고리즘 및 이상치 감지 알고리즘들이 프로그램속에 내장되어 있고 사용자에 의해 해당 알고리즘들의 모수들을 GUI를 통해 직접 입력하여 룰(Rule)이라는 이름을 등록된 상태이다. 그래서 공정설비들(equipment 1 ~ N)(10)이 구동되면 공정설비들(equipment 1 ~ N)(10)에서 실시간 발생하는 공정 데이터들은 데이터 저장모듈(200)로 전달된 후 시계열 DB(220)에 저장되고, 이후 데이터 처리모듈(300)이 상기 시계열 DB(220)에 저장된 공정 데이터들을 리드하여 처리하게 된다. 이때 공정 데이터들에 대한 처리는 적용된 규칙에 따라 룰들이 반복적으로 동작하면서 전처리 및 이상치 감지 로직을 수행하게 된다. As described above, the monitoring system 100 of the present invention has a pre-processing algorithm and an outlier detection algorithm built-in in the program, and the user directly inputs the parameters of the algorithms through the GUI to register the name of the rule. am. So, when the process equipment (equipment 1 to N) 10 is driven, the process data generated in real time in the process equipment (equipment 1 to N) 10 is transferred to the data storage module 200 and then the time series DB 220 and then the data processing module 300 reads and processes the process data stored in the time series DB 220 . In this case, in the processing of the process data, pre-processing and outlier detection logic are performed while the rules are repeatedly operated according to the applied rule.

전처리 및 이상치 감지로직에 따른 결과는 상기한 오픈소스 웹 대시보드인'Grafana'를 통해 확인할 수 있다. 결과에 대한 예시 도면들은 도 13 내지 도 16에 도시하였다. 도 13은 관리도 기능인 Xbar의 결과 모니터링이고, 도 14는 다변량관리도인 T-squared 관리도 기능의 결과 모니터링, 도 15은 웨이블릿 변환을 통해 등록된 데이터 분해 기능의 결과 모니터링, 도 16은 공정설비의 데이터 모니터링 대시보드 전체 화면을 나타내고 있다. Results according to the preprocessing and outlier detection logic can be checked through 'Grafana', the above-described open source web dashboard. Exemplary drawings of the results are shown in FIGS. 13 to 16 . 13 is a result monitoring of Xbar, which is a control chart function, FIG. 14 is a result monitoring of a T-squared control chart function, which is a multivariate control chart, FIG. 15 is a result monitoring of a data decomposition function registered through wavelet transformation, and FIG. 16 is a process facility. Shows the full screen of the data monitoring dashboard.

이와 같이 본 발명은 공정설비(equipment 1 ~ N)(10)의 공정 변경이나 제조 할 제품 변경에 따라 전처리 및 이상치 감지 알고리즘을 선택할 수 있고, 이를 시스템에 적용할 수 있으며, 전처리 및 이상치 감지 결과 또한 쉽게 확인할 수 있음을 알 수 있다. As such, the present invention can select a pre-processing and outlier detection algorithm according to a process change of the process equipment 1 to N (10) or a product change to be manufactured, and can be applied to the system, and the pre-processing and outlier detection results are also It can be seen that it can be easily checked.

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 merely exemplary, and those of ordinary skill in the art to which the present invention pertains can use various functions without departing from the spirit and scope of the present invention. It will be apparent that modifications, variations and equivalent other embodiments are possible. Therefore, the true technical protection scope of the present invention should be determined by the technical spirit of the appended claims.

10: 공정설비
20: 데이터 수집 서버
100: 모니터링 시스템(데이터 플랫폼)
200: 데이터 저장모듈
220: 시계열 데이터 베이스(Time-Series Database)
300: 데이터 처리모듈
310: 데이터 처리유닛
311: 전처리부
312: 이상치 감지부
313: 사용자 정의 함수부
314: ML/DL 모델부
320: 룰 리스트 유닛부
400: 데이터 모니터링 대시보드10: process equipment
20: data collection server
100: monitoring system (data platform)
200: data storage module
220: Time-Series Database
300: data processing module
310: data processing unit
311: preprocessor
312: outlier detection unit
313: User-defined function part
314: ML/DL model unit
320: rule list unit unit
400: Data Monitoring Dashboard

Claims (12)

복수 개의 공정설비의 공정 데이터를 수집하는 데이터 수집 서버;
상기 공정 데이터를 실시간 저장하는 시계열 데이터 베이스(Time-series table);
상기 저장된 공정 데이터의 전처리(Preprocessing) 및 이상치 감지(Anomaly Detection) 동작을 수행하는 데이터 처리모듈; 및
상기 전처리 및 이상치 감지결과를 출력하는 데이터 모니터링 대시보드를 포함하는 것을 특징으로 하는 모니터링 시스템.a data collection server that collects process data of a plurality of process facilities;
a time-series database for storing the process data in real time;
a data processing module for performing preprocessing and anomaly detection of the stored process data; and
Monitoring system comprising a data monitoring dashboard for outputting the pre-processing and outlier detection results. 제 1 항에 있어서, 상기 데이터 수집 서버는,
상기 공정설비에서 실시간 발생하는 데이터를 수집하는 제1 수집부;
제조현장에서 발생하는 스페셜 이벤트 데이터를 수집하는 제2 수집부를 포함하며,
상기 제1 수집부는, CNC 컨트롤러의 프로토콜에 맞춰 데이터를 수집하는 프로그램이 제공되고, 상기 제2 수집부는, 바코드 라벨 기반의 수집 프로그램과 산업용 터치패널 기반의 이벤트 수집 프로그램이 제공되는 모니터링 시스템. According to claim 1, wherein the data collection server,
a first collection unit for collecting data generated in real time in the process facility;
Includes a second collection unit that collects special event data that occurs at the manufacturing site,
A monitoring system in which the first collection unit, a program for collecting data according to a protocol of the CNC controller is provided, and the second collection unit, a barcode label-based collection program and an industrial touch panel-based event collection program are provided. 제 1 항에 있어서,
상기 데이터 수집 서버는,
발행(publishing)/ 구독(subscribe) 기반의 데이터 송수신 프로토콜에 의하여 공정 데이터를 상기 시계열 데이터 베이스(Time-series table)로 전달하는 모니터링 시스템.The method of claim 1,
The data collection server,
A monitoring system that delivers process data to the time-series table by a publishing/subscribe-based data transmission/reception protocol. 제 3 항에 있어서,
상기 시계열 데이터 베이스(Time-series table)는,
둘 이상의 어플리케이션과 확장 가능한 API를 제공하며, 상기 발행(publishing)/ 구독(subscribe) 기반의 데이터 송수신 프로토콜에 의해 전달되는 데이터들과의 연결성을 제공하는 데이터 베이스이고,
상기 데이터 베이스는 'Influx DB'인 모니터링 시스템. 4. The method of claim 3,
The time-series database (Time-series table),
It is a database that provides two or more applications and an extensible API, and provides connectivity with data delivered by the publishing/subscribe-based data transmission/reception protocol,
The database is 'Influx DB' monitoring system. 제 1 항에 있어서, 상기 데이터 처리모듈은,
상기 공정 데이터에 대한 잡음요소 제거나 변환과정을 수행하는 전처리부; 및
이상 이벤트 감지와 비선형 예측을 위한 신경망 모형을 이용하여 공정 데이터를 분석하는 이상치 감지부를 포함하는 모니터링 시스템.According to claim 1, wherein the data processing module,
a pre-processing unit that performs a noise factor removal or conversion process on the process data; and
A monitoring system including an outlier detection unit that analyzes process data using a neural network model for abnormal event detection and nonlinear prediction. 제 5 항에 있어서, 상기 데이터 처리모듈은,
사용자가 직접 원하는 함수를 등록하여 사용하도록 스크립트를 통해 데이터 변환 및 분석 알고리즘이 정의되어 제공되는 사용자 정의 함수부; 및
상기 신경망 모형을 제공하는 신경망 모델부를 더 포함하는 모니터링 시스템.According to claim 5, wherein the data processing module,
a user-defined function unit in which a data conversion and analysis algorithm is defined and provided through a script so that a user can directly register and use a desired function; and
Monitoring system further comprising a neural network model unit for providing the neural network model. 제 5 항에 있어서,
상기 전처리부 및 이상치 감지부는 각각 복수 개의 알고리즘을 가지며, 어느 하나의 알고리즘이 선택되면 모니터링 시스템에 적용되는 모니터링 시스템.6. The method of claim 5,
The preprocessing unit and the outlier detection unit each have a plurality of algorithms, and when any one algorithm is selected, the monitoring system is applied to the monitoring system. 제 7 항에 있어서,
상기 알고리즘은 GUI 기반의 데이터 전처리 및 이상치 감지 알고리즘이고, 상기 GUI 환경에서 선택되는 모니터링 시스템.8. The method of claim 7,
The algorithm is a GUI-based data preprocessing and outlier detection algorithm, and a monitoring system selected in the GUI environment. 제 7 항에 있어서,
상기 데이터 처리모듈은,
공정설비의 공정 변경 및 주문 변경에 따라 현재 실행중인 알고리즘 대신 적용 가능한 알고리즘 정보를 제공하는 모니터링 시스템.8. The method of claim 7,
The data processing module,
A monitoring system that provides information about algorithms that can be applied instead of the currently running algorithm according to process changes and order changes of process equipment. 제 9 항에 있어서,
상기 알고리즘은 복수 개의 룰(Rule)이 제공되며,
상기 룰은 미리 정해진 절차 및 규칙에 따라 반복적으로 데이터 처리 로직을 수행하여 상기 전처리 및 이상치 감지를 수행하는 모니터링 시스템.10. The method of claim 9,
The algorithm is provided with a plurality of rules,
The rule is a monitoring system for performing the pre-processing and outlier detection by repeatedly performing data processing logic according to a predetermined procedure and rule. 제 5 항에 있어서, 상기 전처리부는,
상기 시계열 데이터 베이스(Time-series table)에 저장되는 공정 데이터의 분석결과에 시간에 대한 정보를 추가하도록, 국소 푸리에 변환(Short term fourier transform)을 이용한 스펙트럼그램을 시각화하여 표시하는 제1 분석방법; 및
공정 데이터로부터 잠재변수를 추출할 수 있는 비지도 학습 기능을 이용하여 데이터의 통계량을 확인하는 제2 분석방법 중 어느 하나에 의해 이상치를 감지하는 모니터링 시스템.According to claim 5, wherein the pre-processing unit,
a first analysis method for visualizing and displaying a spectrumgram using a local Fourier transform so as to add information about time to an analysis result of the process data stored in the time-series table; and
A monitoring system that detects outliers by any one of the second analysis methods that check statistics of data using an unsupervised learning function that can extract latent variables from process data. 제 1 항에 있어서, 상기 데이터 모니터링 대시보드는,
공정 데이터용 모니터링 대시보드; 및
데이터 서버 모니터링 대시보드를 포함하는 모니터링 시스템.

According to claim 1, wherein the data monitoring dashboard,
monitoring dashboard for process data; and
Monitoring system with data server monitoring dashboard.
KR1020200122737A 2020-09-23 2020-09-23 Monitoring system for real-time based data preprocessing and anomaly detection KR102415711B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200122737A KR102415711B1 (en) 2020-09-23 2020-09-23 Monitoring system for real-time based data preprocessing and anomaly detection

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200122737A KR102415711B1 (en) 2020-09-23 2020-09-23 Monitoring system for real-time based data preprocessing and anomaly detection

Publications (2)

Publication Number Publication Date
KR20220040030A true KR20220040030A (en) 2022-03-30
KR102415711B1 KR102415711B1 (en) 2022-07-05

Family

ID=80948118

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200122737A KR102415711B1 (en) 2020-09-23 2020-09-23 Monitoring system for real-time based data preprocessing and anomaly detection

Country Status (1)

Country Link
KR (1) KR102415711B1 (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101343403B1 (en) 2013-08-14 2013-12-20 (주)한국툴모니터링 Detecting method of abnormality of machine tool operation
KR101758870B1 (en) * 2017-02-13 2017-07-18 주식회사 온더 Mining Rig Monitoring System And Mining Rig Monitoring Method In Using Same
KR101827108B1 (en) 2016-05-04 2018-02-07 두산중공업 주식회사 Plant fault detection learning method and system
KR20180074473A (en) 2016-12-23 2018-07-03 주식회사 포스코 Pre-sensing apparatus for abnormal of coiling equipment
KR20190013017A (en) * 2017-07-31 2019-02-11 고려대학교 산학협력단 Method and device for equipment health monitoring based on sensor clustering

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101343403B1 (en) 2013-08-14 2013-12-20 (주)한국툴모니터링 Detecting method of abnormality of machine tool operation
KR101827108B1 (en) 2016-05-04 2018-02-07 두산중공업 주식회사 Plant fault detection learning method and system
KR20180074473A (en) 2016-12-23 2018-07-03 주식회사 포스코 Pre-sensing apparatus for abnormal of coiling equipment
KR101758870B1 (en) * 2017-02-13 2017-07-18 주식회사 온더 Mining Rig Monitoring System And Mining Rig Monitoring Method In Using Same
KR20190013017A (en) * 2017-07-31 2019-02-11 고려대학교 산학협력단 Method and device for equipment health monitoring based on sensor clustering

Also Published As

Publication number Publication date
KR102415711B1 (en) 2022-07-05

Similar Documents

Publication Publication Date Title
US10713307B2 (en) Dynamic search engine for an industrial environment
EP3285127B1 (en) Remote industrial automation site operation in a cloud platform
EP3018597A1 (en) Crawler for discovering control system data in an industrial automation environment
US7162312B2 (en) Method, system and device for predictive error recognition in a plant
Unver An ISA-95-based manufacturing intelligence system in support of lean initiatives
US11340142B2 (en) System and method for monitoring manufacturing
US20170351226A1 (en) Industrial machine diagnosis and maintenance using a cloud platform
CN100555136C (en) Unusual condition prevention method and system in the processing factory
CN110971666A (en) Internet of things management system and communication method thereof
US20180234514A1 (en) Message queue-based systems and methods for establishing data communications with industrial machines in multiple locations
CN108009300A (en) A kind of novel maintenance system based on big data technology
KR20180101815A (en) System and Method of Smart Factory Operation Management Solution Service Using Big Data Platform
José Álvares et al. Development of a cyber-physical framework for monitoring and teleoperation of a CNC lathe based on MTconnect and OPC protocols
CN113805550A (en) Spacecraft assembly process control method and system based on digital twins
Ali et al. Middleware for real-time event detection andpredictive analytics in smart manufacturing
CN112363461A (en) Industrial field data acquisition and control system
Fleischmann et al. A modular architecture for the design of condition monitoring processes
KR20190106369A (en) Programmable Logic Controller pattern analysis system for improving lifetime and productivity of factory automation facilities, and method thereof
BA et al. Shop floor to cloud connect for live monitoring the production data of CNC machines
Zhou et al. Machine OEE monitoring and analysis for a complex manufacturing environment
Singh et al. A real-time information system for multivariate statistical process control
CN113919813A (en) Production line dynamic value flow analysis method and system based on production line dynamic value flow graph
KR102415711B1 (en) Monitoring system for real-time based data preprocessing and anomaly detection
CN113867286A (en) Three-dimensional visual intelligent management and control system and production system of nuclear industry production line
Mohanraj et al. IoT-enabled Condition Monitoring and Intelligent Maintenance System for Machine

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant