KR20230077994A - 제조 설비의 고장 예측 시스템 - Google Patents

제조 설비의 고장 예측 시스템 Download PDF

Info

Publication number
KR20230077994A
KR20230077994A KR1020210165292A KR20210165292A KR20230077994A KR 20230077994 A KR20230077994 A KR 20230077994A KR 1020210165292 A KR1020210165292 A KR 1020210165292A KR 20210165292 A KR20210165292 A KR 20210165292A KR 20230077994 A KR20230077994 A KR 20230077994A
Authority
KR
South Korea
Prior art keywords
power
power consumption
manufacturing facility
data
unit
Prior art date
Application number
KR1020210165292A
Other languages
English (en)
Inventor
조대현
Original Assignee
주식회사 디에어
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 디에어 filed Critical 주식회사 디에어
Priority to KR1020210165292A priority Critical patent/KR20230077994A/ko
Publication of KR20230077994A publication Critical patent/KR20230077994A/ko

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
    • G05B23/0259—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
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/01—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using semiconducting elements having PN junctions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/02—Measuring effective values, i.e. root-mean-square values
    • 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
    • G05B23/0218—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • General Factory Administration (AREA)

Abstract

본 발명은 제조 설비의 고장 예측 시스템에 관한 것으로, 제조 설비들 각각에 전력을 공급하는 전력선에 설치되어 실시간 전력 소비량을 검출하는 다수의 전력검출부와, 상기 전력검출부들의 검출신호를 설정된 주기에 따라 수집하는 데이터 수집부와, 상기 데이터 수집부에서 수집된 각 제조 설비별 전력 소비량 데이터를 학습하여, 상기 제조 설비 각각의 이상 여부를 확인하고, 교체 주기를 설정할 수 있다.

Description

제조 설비의 고장 예측 시스템{Failure prediction system for manufacturing facilities}
본 발명은 제조 설비의 고장 예측 시스템에 관한 것으로, 더 상세하게는 전력의 공급에 의해 동작하는 제조 설비의 교체주기 및 고장진단을 수행하는 예측 시스템에 관한 것이다.
특정 제품을 생산하는 공장은 다양한 설비들의 집합체이다. 이러한 설비 중 공정에 필수적으로 사용되며, 이상 발생시 투입된 원자재의 훼손, 설비 고장, 설비 내구도 하락등 다양한 문제가 발생되는 주요 설비들이 있다.
주요 설비는 예를 들어 모터, 펌프, 히터, 조명 등을 포함할 수 있으며, 이러한 주요 설비들에 대해서 다양한 감시 방법들이 제안되었다.
예를 들어 등록특허 10-2066744호(2020년 1월 9일 등록, 영상분석을 이용하여 모터펌프의 고장예방진단이 가능한 원격감시제어 시스템)에는 카메라를 이용하여 영상을 촬영하고, 영상에 기반한 고장 예방 진단을 수행한다.
그러나 고장을 예측하기 위해 영상을 기반으로 하는 방법은 처리할 데이터가 많고, 영상정보의 처리를 위해서는 고가의 시스템을 사용해야 한다는 비용적 문제점과, 영상정보의 처리과정이 상대적으로 복잡하기 때문에 처리에 소요되는 시간이 상대적으로 많이 소요된다는 시간적 문제점이 있었다.
이러한 예 외에, 공개특허 10-2014-0072331호(이상진단 사전감시 방법, 2014년 6월 13일 공개)에는 생산설비의 이상진동을 통해 수리 또는 교체 여부를 판단하는 방법이 기재되어 있다.
그러나 위의 공개특허는 진동이 발생하지 않는 히터나 조명등의 설비에는 적용할 수 없다는 문제점이 있었다.
이처럼 종래에는 설비의 고장 예측에 대하여 다양한 방식이 제안되었으나, 각각의 방식들 마다 개선이 필요한 부분들이 있었다.
상기와 같은 문제점을 감안한 본 발명의 목적은, 전력을 사용하는 모든 설비에 광범위하게 적용할 수 있는 예측 시스템을 제공함에 있다.
또한, 본 발명의 다른 목적은, 제조 설비 예지를 위한 데이터를 최소화하여 시스템의 구성을 단순화할 수 있으며, 처리 시간을 단축할 수 있는 예측 시스템을 제공함에 있다.
아울러 본 발명의 또 다른 목적은, 설비의 확장이나 변경에도 유연하게 적용할 수 있는 예측 시스템을 제공함에 있다.
상기와 같은 기술적 과제를 해결하기 위한 본 발명 제조 설비의 고장 예측 시스템은, 제조 설비들 각각에 전력을 공급하는 전력선에 설치되어 실시간 전력 소비량을 검출하는 다수의 전력검출부와, 상기 전력검출부들의 검출신호를 설정된 주기에 따라 수집하는 데이터 수집부와, 상기 데이터 수집부에서 수집된 각 제조 설비별 전력 소비량 데이터를 학습하여, 상기 제조 설비 각각의 이상 여부를 확인하고, 교체 주기를 설정할 수 있다.
본 발명의 실시예에서, 상기 전력검출부는, 상기 제조 설비에 전력을 공급하는 전력선에 흐르는 전류를 검출하는 전류센서와, 상기 전류센서의 검출결과를 디지털 신호로 변환하는 디지털 변환부와, 상기 디지털 변환부에서 변환된 전류값을 이용하여 소비 전력량을 연산하는 제어부와, 연산된 소비 전력량을 송신하는 통신부를 포함할 수 있다.
본 발명의 실시예에서, 상기 전력검출부는, 상기 제어부에서 연산된 소비 전력량을 표시하는 표시부를 더 포함하고, 상기 제어부는 연산된 전력량이 기준 범위를 벗어나는 경우 상기 표시부를 이용하여 알람을 발생시킬 수 있다.
본 발명의 실시예에서, 상기 제조 설비의 주변 공기 온도를 검출하는 온도 센서와, 상기 제조 설비에서 처리되는 원료의 표면 온도를 검출하는 적외선 온도 센서를 더 포함할 수 있다.
본 발명의 실시예에서, 상기 온도 센서 및 적외선 온도 센서의 검출 결과는 상기 인공지능 학습 서버에 제공되고, 상기 인공지능 학습 서버는, 상기 소비 전력량, 상기 온도 센서에서 검출된 온도, 상기 적외선 온도 센서에서 검출된 원료의 표면 온도 정보를 입력 데이터세트로 하는 학습을 수행할 수 있다.
상기 데이터 수집부에서 수집한 각 제조 설비의 소비 전력량 데이터를 저장하고, 허가를 받은 사용자 단말에서 확인 가능하도록 공개하는 데이터 서버를 더 포함할 수 있다.
본 발명은, 제조 설비들의 소비전력을 각각 검출하고, 비교, 진단 및 분석을 통해 해당 제조 설비의 이상 여부를 확인하도록 구성하여, 전력을 공급받아 동작하는 모든 제조 설비의 고장 예지에 적용함으로써, 범용성을 향상시킬 수 있는 효과가 있다.
또한, 본 발명은 전류 센서를 이용하여 각 제조 설비들의 전력 소비량을 검출하기 때문에 예지 판단에 사용되는 데이터를 최소화할 수 있으며, 따라서 상대적으로 간단한 시스템을 사용할 수 있으며, 예지 판단에 소요되는 시간을 최소화할 수 있는 효과가 있다.
그리고 본 발명은 제조 설비별로 소비 전력을 검출하여, 제조 설비의 이상 여부를 확인함으로써, 공장 내 제조 설비의 확장이 있는 경우, 추가된 제조 설비의 소비 전력량을 검출하는 전류 센서의 추가를 통해 기존 시스템을 그대로 적용할 수 있어, 유연한 확장성을 가지는 효과가 있다.
도 1은 본 발명의 바람직한 실시예에 따른 제조 설비의 고장 예측 시스템의 구성도이다.
도 2는 본 발명에 적용되는 전력검출부의 예시도이다.
도 3은 전력검출부의 블록 구성도이다.
도 4는 인공지능 학습 서버에서 수행되는 학습 알고리즘의 설명도이다.
도 5 내지 도 7은 각각 본 발명의 분석 방법을 설명하기 위한 그래프이다.
도 8은 본 발명의 다른 실시예에 따른 제조 설비의 고장 예측 시스템 구성도이다.
본 발명의 구성 및 효과를 충분히 이해하기 위하여, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예들을 설명한다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라, 여러가지 형태로 구현될 수 있고 다양한 변경을 가할 수 있다. 단지, 본 실시예에 대한 설명은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위하여 제공되는 것이다. 첨부된 도면에서 구성요소는 설명의 편의를 위하여 그 크기를 실제보다 확대하여 도시한 것이며, 각 구성요소의 비율은 과장되거나 축소될 수 있다.
'제1', '제2' 등의 용어는 다양한 구성요소를 설명하는데 사용될 수 있지만, 상기 구성요소는 위 용어에 의해 한정되어서는 안 된다. 위 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용될 수 있다. 예를 들어, 본 발명의 권리범위를 벗어나지 않으면서 '제1구성요소'는 '제2구성요소'로 명명될 수 있고, 유사하게 '제2구성요소'도 '제1구성요소'로 명명될 수 있다. 또한, 단수의 표현은 문맥상 명백하게 다르게 표현하지 않는 한, 복수의 표현을 포함한다. 본 발명의 실시예에서 사용되는 용어는 다르게 정의되지 않는 한, 해당 기술분야에서 통상의 지식을 가진 자에게 통상적으로 알려진 의미로 해석될 수 있다.
도 1은 본 발명의 바람직한 실시예에 따른 제조 설비의 고장 예측 시스템의 구성도이다.
도 1을 참조하며 본 발명은 공장 내의 전원공급장치(2)로부터 제조 설비(1)들 각각에 전력을 공급하는 전력선에 설치되어 실시간 전력 소비량을 검출하는 다수의 전력검출부(10)와, 상기 전력검출부(10)들의 검출신호를 설정된 주기에 따라 수집하는 데이터 수집부(20)와, 상기 데이터 수집부(20)의 데이터를 저장하고, 사용자 단말(도면 미도시)의 요청시 저장된 데이터를 제공하는 데이터 서버(30)와, 상기 데이터 서버(30)에 저장된 데이터를 이용한 학습을 수행하고, 상기 데이터 수집부(20)에서 수집된 데이터를 학습 결과에 따라 확인하여 제조 설비(1)의 이상 여부를 확인하고, 교체 주기를 설정하는 인공지능 학습 서버(40)와, 상기 제조 설비(1)의 주변 공기 온도를 검출하는 온도 센서(50)와, 공정중 원료에서 발산되는 적외선 광량을 검출하여 적외선 온도를 검출하는 적외선 온도 센서(60)를 포함한다.
이하, 상기와 같이 구성되는 본 발명의 바람직한 실시예에 따른 제조 설비의 고장 예측 시스템의 구성과 작용에 대하여 보다 상세히 설명한다.
먼저, 전력검출부(10)는 각 제조 설비(1)들의 전원 입력단 측 전력선에 설치되는 것으로 한다.
도 2는 상기 전력검출부(10)의 예시도이고, 도 3은 전력검출부(10)의 블록 구성도이다.
도 2와 도 3을 각각 참조하면, 본 발명에 적용되는 전력검출부(10)는 제조 설비(1)에 전력을 공급하는 전력선에 흐르는 전류를 검출하는 전류센서(11)와, 상기 전류센서(11)의 검출결과를 디지털 신호로 변환하는 디지털 변환부(12)와, 상기 디지털 변환부(12)에서 변환된 전류값을 이용하여 소비전력을 연산하는 제어부(13)와, 상기 제어부(13)의 제어에 따라 소비전력량을 표시하는 표시부(14)와, 상기 소비전력량을 송신하는 통신부(15)를 포함할 수 있다.
상기 전력검출부(10)는 사용자 설정을 입력 받기 위한 입력버튼들과, 필요에 따라 타 장치들과 데이터 통신을 통해 제어부(13)의 펌웨어 업그레이드를 위한 USB 포트 등을 더 포함할 수 있다.
상기 전류센서(11)는 코어를 가지는 CT 센서를 사용할 수 있으며, 이때 제조 설비(1)에 전력을 공급하는 전력선을 단선하지 않고 적용할 수 있는 클램프 방식의 전류센서(11)를 사용하는 것이 바람직하다.
전류센서(11)는 코어의 자속 변화에 따른 2차 전류를 생성하고, 션트 저항을 출력단으로하여 전압을 출력하는 구성일 수 있다. 이때 전류센서(11)의 검출신호는 아날로그값이며, 아날로그 신호를 디지털 신호로 변환하는 디지털 변환부(12)를 통해 디지털 신호로 변환한다.
그 다음, 디지털 변환부(12)에서 변환된 전류센서(11)의 검출결과는 제어부(13)에 제공되고, 제어부(13)에서 설정된 기준값과 비교하여 이상 여부를 직접판단할 수 있다.
제어부(13)는 MCU를 사용할 수 있으며, 전류센서(11)의 검출결과를 표시부(14)에 표시할 수 있다.
제어부(13)는 설정된 소비전력 기준값(범위)에 대한 정보를 가지고 있으며, 디지털 변환부(12)에서 디지털 신호로 변환된 전류센서(11)의 검출신호가 소비전력 기준범위를 벗어나는 경우, 알람을 표시부(14)에 표시할 수 있다. 즉, 오류 발생을 표시하고, 표시부(14)를 점멸 제어하여 시각적 알람을 표시할 수 있다.
다른 예로서 전력검출부(10)는 청각적 알람을 출력할 수도 있다.
제어부(13)는 검출된 전류량을 이용하여 소비 전력량을 산출한다. 즉, 본 발명은 각 제조 설비(1)에 공급되는 전류량을 사용하지 않고, 각 전력검출부(10)에서 해당 제조 설비(1)마다 소비 전력량을 산출한 후, 이를 통신부(15)를 통해 송신하는 방식을 사용한다.
이와 같은 소비 전력량 산출 결과를 송신하는 방식은 분산 연산을 통해 연산량이 하나의 장치(예를 들어 데이터 서버)에 집중되는 것을 방지하기 위한 것이다.
본 발명은 분산 연산을 통해 데이터 처리에 대한 부하가 하나의 장치에 집중되는 것을 방지하여, 연산처리 속도를 향상시키고, 시스템을 단순화하고, 저가격화 할 수 있다.
또한, 제조 설비(1)마다 역률 등에 차이가 있을 7수 있다. 제조 설비(1)들은 전원공급장치(2)에 대하여 병렬로 연결되어 유효전력에 차이가 있을 수 있으며, 따라서 개별 전력검출부(10)의 제어부(13)에 감시하는 제조 설비(1)의 부하 종류에 부합하는 소비 전력량 산식을 제공하여 더 정확한 소비 전력량을 산출할 수 있다.
이처럼 산출된 소비 전력량은 통신부(15)를 통해 데이터 수집부(20)로 송신된다.
이때 통신부(15)는 RS-485 등의 직렬 데이터 통신을 사용할 수 있으나, 본 발명은 이에 제한되지 않고 무선 통신을 포함하는 알려진 다양한 통신 방식을 사용할 수 있다.
통신부(15)를 통해 송신되는 데이터에는 제조 설비(1)를 나타내는 ID를 포함하는 것으로 한다. 이러한 식별정보는 제어부(13)에서 생성하여 통신 데이터와 결합할 수 있다.
통신부(15)를 통해 송신되는 데이터는 데이터 수집부(20)를 통해 수집될 수 있다. 데이터 수집부(20)는 다수의 전력검출부(10)에서 검출된 소비 전력량 데이터를 수신하며, 수신시 부하량을 줄이기 위하여 소비 전력량의 검출 주기를 제한할 수 있다.
그러나 실시간 검출과 판단을 위하여 1ms 내지 20ms의 간격으로는 각 제조 설비(1)의 소비 전력량을 검출한 전력검출부(10)의 데이터를 수집하는 것이 바람직하다.
데이터 수집부(20)는 퍼스널 컴퓨터를 사용할 수 있으며, 하나 또는 둘 이상이 사용될 수 있다.
상기 데이터 수집부(20)는 수집된 데이터의 노이즈를 제거하는 소프트웨어 필터를 포함할 수 있다.
상기 데이터 수집부(20)를 통해 수집된 제조 설비(1) 각각의 소비 전력량 정보는 데이터 서버(30)로 송신되어 저장된다. 또한, 데이터 서버(30)에는 상기 온도 센서(50)에서 검출된 온도 정보와, 상기 적외선 온도 센서(60)에서 검출된 원료의 적외선 온도 정보가 저장될 수 있다.
이처럼 데이터 서버(30)에 저장된 데이터들은 접근 권한이 허용된 별도의 사용자 단말(도면 미도시)을 이용하여 확인할 수 있다.
본 발명은 제조 설비의 고장 예측을 각 제조 설비의 소비 전력량 데이터를 기초로 하기 때문에, 제조 설비들의 실제 소비 전력량 누적 데이터를 얻을 수 있으며, 따라서 공장의 전력 사용관리 목표를 설정하고, 전력 에너지 사용의 효율화를 계획 및 달성할 수 있는 기초를 제공할 수 있다.
상기 데이터 수집부(20)를 통해 수집되고, 데이터 서버(30)에 저장된 데이터들은 인공지능 학습 서버(40)의 학습에 사용될 수 있다. 인공지능 학습 서버(40)는 데이터 수집부(20)에서 수집된 데이터를 직접 입력받아 학습할 수 있다.
초기 학습은 학습할 데이터가 충분히 누적된 후 수행된다. 예를 들어 2~3개월분의 데이터가 누적된 후, 누적된 데이터를 이용하여 학습한다.
본 발명에서 인공지능 학습 서버(40)의 학습 알고리즘은 알려진 다양한 인공지능 학습 방법을 사용할 수 있으나, 특히 랜덤 포레스트 알고리즘이 적합하다.
랜덤 포레스트는 알려진 바와 같이 앙상블 머신 러닝 모델이며, 다수의 결정 트리를 형성하고, 새로운 데이터 포인트를 각 트리에 통과시켜, 트리가 분류한 결과 중 공통된 다수의 결과를 최종 분류 결과로 선정하는 방식이다.
랜덤 포레스트 알고리즘은 각 데이터가 다시 트리로 구조화되는 점에서 다른 모델에 비하여 학습이 빠르며 데이터 중심의 감독 학습에 적합하다.
본 발명의 인공지능 학습 서버(40)는 이미 알려진 랜덤 포레스트 모델을 이용하지만, 학습 데이터세트에서 특징을 가진다.
학습 데이터세트는 전력검출부(10)에서 검출된 각 제조 설비(1)들의 소비 전력량뿐만 아니라 온도 센서(50)와 적외선 온도 센서(60)에서 검출된 공기 온도 및 원료의 적외선 온도 데이터를 포함한다.
도 4는 인공지능 학습 서버(40)에서 수행되는 학습 알고리즘의 설명도이다.
도 4를 참조하면, 본 발명은 학습 데이터세트로 소비 전력량, 공기 온도, 원재료의 표면 온도인 적외선 온도를 사용한다.
이때 적외선 온도는 라벨(LABELS), 전력량과 공기 온도는 특징(FEATURES)이 된다. 랜덤 포레스트 알고리즘은 입력 데이터와 출력 데이터 간의 관계를 발견해야 하며, 알고리즘의 학습에서 정립한 관계는 다시 공정의 현황과 설비의 수명을 예측하는 새로운 입력 데이터에 적용된다.
특징(FEATURE)은 단순 선형 회귀의 입력값으로 사용되는 변수이며, 라벨은 단순 선형 회귀의 출력 변수로서 사용된다.
즉, 본 발명의 인공지능 학습 서버(40)는 제조 설비(1)의 소비 전력량과 주변 온도 정보를 입력으로 하고, 적외선 온도인 광량을 출력으로 한다.
실제 공정에서 원재료 용액의 상태 자체가 경화 과정 중 필요한 제조 설비(1)인 히터의 가열에 영향을 미치고, 이는 적외선 온도 센서의 검출값에 영향을 주며, 소비 전력량은 히터의 수명을 측정할 수 있는 지표로 사용되기 때문에 이를 모델링하여 학습한다.
라벨링된 적외선 온도는 학습모델로 예측된 매개변수를 통해 모니터링 중인 제조 설비(1)의 수명에 대한 정보를 제공해야 하며, 따라서 적외선 온도의 변위 폭은 미리 지정하여 학습에 적용한다.
이와 같은 학습을 통해 제조 설비의 수명 기준을 적용하고, 설비 수명을 예측 가능하게 된다.
제조 설비(1) 주변의 온도는 현재 환경을 정의하는 기준이 되며, 공기 온도가 다른 환경에서는 새로운 전력량 및 새로운 적외선 온도를 이용하여 다시 학습할 필요가 있다.
도 5는 상기 인공지능 학습 서버(40)의 데이터 분석 예시도이다.
각 제조 설비(1) 마다 정상 작동 범위를 정하고, 정상 작동 범위를 벗어나는 경우 점검이 필요한 것으로 판단할 수 있으며, 정상 범위로부터 설정 범위 이상의 값을 가질 때는 제조 설비(1)인 램프의 교체 시기가 도래한 것으로 판단할 수 있다.
도 6은 고장 진단 검출의 예를 설명하기 위한 그래프로서, 샘플링 데이터에서 소비 전력량의 최고값을 구하고, 제1설정값 이하에서는 주의 알람을 발생시키고, 샘플링 평균과 제2설정값의 합보다 샘플 값이 더 작은 경우에는 경고 알람을 발생시킬 수 있다.
도 7은 제조 설비(1)인 램프의 수명 점검 분석을 위한 그래프로서, 샘플링한 소비 전력량의 그래프의 정상적인 기울기에 비하여 더 급격한 변화를 가지는 시점에서 램프의 수명 점검을 위한 알람을 발생시킬 수 있다.
도 8은 본 발명의 다른 실시예에 따른 제조 설비의 고장 예측 시스템의 구성도이다.
도 8을 참조하면 본 발명은 도 1에 도시하고 설명한 구성의 예에 환경정보 검출부(70)를 더 포함하고, 환경정보 검출부(70)의 검출결과를 상기 인공지능 학습 서버(40)에 제공하여 검출된 환경정보를 반영하여 제조 설비의 고장 예측 결과를 보정할 수 있다.
상기 환경정보 검출부(70)는 습도 정보 및 먼지의 양 검출 정보일 수 있다.
습도와 먼지의 양은 정전기 발생과 영향이 있으며, 정전기의 발생은 미세하게 제조 설비의 이상이나 제조물(특히 미세 전자회로)의 수율을 저하시키는 원인이 될 수 있다.
정전기는 습도가 낮은 환경 및 먼지의 양이 많은 환경에서 발생하며, 공장내 공조장치 가동 등의 조건에서 쉽게 발생하게 된다.
따라서, 본 발명은 습도와 먼지의 양을 검출하고, 그 정보를 인공지능 학습 서버(40)로 제공하고, 인공지능 학습 서버(40)는 습도 및 먼지의 양에 따른 정전기의 발생 확률을 학습하도록 할 수 있다.
정전기 발생 확률이 높을 수록 공정의 이상이나 설비 이상으로 판단될 가능성이 높기 때문에 이를 고려하여, 제조 설비의 고장 예측 결과를 보정할 수 있다.
구체적으로 환경정보 검출부(70)는 습도를 검출한다. 상대습도가 65% 이상의 환경에서는 대부분의 물질은 정전기의 축적을 방지할 수 있는 충분한 표면 도전율을 가진다.
그러나 상대습도가 30% 이하로 떨어지면 양질의 절연체가 되어 전하의 축적이 증가하게 된다.
인공지능 학습 서버(40)는 공장내 설비들의 소재에 대한 정보를 포함하는 것으로 한다. 일부 절연체는 공기로부터 수분(습분)을 흡수하지 않으며, 상대습도 65% 이상에서도 표면저항률이 낮아지지 않기 때문에 습도와 무관하게 전하가 축적될 수 있다.
이러한 절연체의 예로 플라스틱 파이프, 용기 및 필름, 오염되지 않은 폴리머를 예로 들 수 있다.
따라서, 인공지능 학습 서버(40)는 제조설비의 구성 중 습도와 무관하게 정전하를 축적하는 소재의 비율, 습도와 무관하게 정전하를 축적하지 않는 소재의 비율, 및 습도에 따라 정전하를 축적하는 소재의 비율의 정보를 포함하고, 각 소재 비율의 제조설비가 특정한 습도에서 전체적으로 정전기력을 발생시키는지를 학습한다.
또한, 인공지능 학습 서버(40)는 제조설비를 구성하는 소재의 비율과 검출된 상대습도에 따라 구한 정전기 발생 예측 결과에 더하여 환경정보 검출부(70)에서 검출된 먼지의 양에 따라 정전기 발생 예측 결과를 가감한다.
인공지능 학습 서버(40)는 먼지의 양 판단을 위하여 먼지의 양을 설정된 범위로 분할하고, 각 분할된 범위마다 가감값을 저장한다.
예를 들어, 일반적인 환경에서의 먼지의 양 기준범위를 기준으로 소정 단위로 먼지의 양이 증가하는 증가범위들을 나누고, 반대로 기준범위를 기준으로 소정 단위로 먼지의 양이 감소하는 감소범위들을 나누어 설정한다.
상기 정전기 발생 예측 결과는 확률(%)이며, 환경정보 검출부(70)에서 검출한 먼지의 양이 증가범위 중 하나에 속하면, 해당 증가범위의 가산치(양의 정수)를 정전기 발생 예측 결과에 가산하여 정전기 발생 확률이 보다 높게 예측되도록 조정하는 것으로 한다.
반대로 검출된 먼지의 양이 감소범위 중 하나에 속하면, 해당 감소범위의 감산치(음의 정수)를 정전기 발생 예측 결과에 더하여 정전기 발생 확률이 보다 낮게 예측되도록 조정하는 것으로 한다.
인공지능 학습 서버(40)는 최종 정전기 발생 확률의 값을 이용하여 앞서 설명한 바와 같이 제조 설비의 고장 예측 결과를 보정할 수 있다.
정전기 발생 확률을 10% 단위로 분할하고, 각 분할된 정전기 발생 확률 분할값마다 가중치를 설정하여, 정전기 발생 확률이 높을수록 제조 설비의 고장 예측 확률을 더 가중시키는 것으로 할 수 있다.
이처럼 본 발명은 제조 설비의 특징과 무관하게 공통적으로 적용되는 소비 전력량 정보를 이용하여 제조 설비의 고장 예측을 수행할 수 있어, 범용성을 높일 수 있으며, 소비 전력량과 제조 설비에서 사용되는 원료의 표면 온도 정보의 관계를 이용하여 제조 설비의 교체 시기 등을 추정할 수 있다.
또한, 본 발명은 제조 설비의 고장 예측을 각 제조 설비의 소비 전력량 데이터를 기초로 하기 때문에, 제조 설비들의 실제 소비 전력량 누적 데이터를 얻을 수 있으며, 따라서 공장의 전력 사용관리 목표를 설정하고, 전력 에너지 사용의 효율화를 계획 및 달성할 수 있는 기초를 제공할 수 있다.
이상에서 본 발명에 따른 실시예들이 설명되었으나, 이는 예시적인 것에 불과하며, 당해 분야에서 통상적 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 범위의 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 다음의 청구범위에 의해서 정해져야 할 것이다.
10:전력검출부 11:전류센서
12:디지털 변환부 13:제어부
14:표시부 15:통신부
20:데이터 수집부 30:데이터 서버
40:인공지능 학습서버 50:온도 센서
60:적외선 온도 센서 70:환경정보 검출부

Claims (6)

  1. 제조 설비들 각각에 전력을 공급하는 전력선에 설치되어 실시간 전력 소비량을 검출하는 다수의 전력검출부;
    상기 전력검출부들의 검출신호를 설정된 주기에 따라 수집하는 데이터 수집부; 및
    상기 데이터 수집부에서 수집된 각 제조 설비별 전력 소비량 데이터를 학습하여, 상기 제조 설비 각각의 이상 여부를 확인하고, 교체 주기를 설정하는 인공지능 학습 서버를 포함하는 제조 설비의 고장 예측 시스템.
  2. 제1항에 있어서,
    상기 전력검출부는,
    상기 제조 설비에 전력을 공급하는 전력선에 흐르는 전류를 검출하는 전류센서;
    상기 전류센서의 검출결과를 디지털 신호로 변환하는 디지털 변환부;
    상기 디지털 변환부에서 변환된 전류값을 이용하여 소비 전력량을 연산하는 제어부; 및
    연산된 소비 전력량을 송신하는 통신부를 포함하는 제조 설비의 고장 예측 시스템.
  3. 제2항에 있어서,
    상기 전력검출부는,
    상기 제어부에서 연산된 소비 전력량을 표시하는 표시부를 더 포함하고,
    상기 제어부는 연산된 전력량이 기준 범위를 벗어나는 경우 상기 표시부를 이용하여 알람을 발생시키는 제조 설비의 고장 예측 시스템.
  4. 제1항에 있어서,
    상기 제조 설비의 주변 공기 온도를 검출하는 온도 센서; 및
    상기 제조 설비에서 처리되는 원료의 표면 온도를 검출하는 적외선 온도 센서를 더 포함하는 제조 설비의 고장 예측 시스템.
  5. 제4항에 있어서,
    상기 온도 센서 및 적외선 온도 센서의 검출 결과는 상기 인공지능 학습 서버에 제공되고,
    상기 인공지능 학습 서버는,
    상기 소비 전력량, 상기 온도 센서에서 검출된 온도, 상기 적외선 온도 센서에서 검출된 원료의 표면 온도 정보를 입력 데이터세트로 하는 학습을 수행하는 것을 특징으로 하는 제조 설비의 고장 예측 시스템.
  6. 제1항에 있어서,
    상기 데이터 수집부에서 수집한 각 제조 설비의 소비 전력량 데이터를 저장하고, 허가를 받은 사용자 단말에서 확인 가능하도록 공개하는 데이터 서버를 더 포함하는 제조 설비의 고장 예측 시스템.
KR1020210165292A 2021-11-26 2021-11-26 제조 설비의 고장 예측 시스템 KR20230077994A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210165292A KR20230077994A (ko) 2021-11-26 2021-11-26 제조 설비의 고장 예측 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210165292A KR20230077994A (ko) 2021-11-26 2021-11-26 제조 설비의 고장 예측 시스템

Publications (1)

Publication Number Publication Date
KR20230077994A true KR20230077994A (ko) 2023-06-02

Family

ID=86756083

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210165292A KR20230077994A (ko) 2021-11-26 2021-11-26 제조 설비의 고장 예측 시스템

Country Status (1)

Country Link
KR (1) KR20230077994A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102572628B1 (ko) * 2023-04-03 2023-08-31 주식회사 이에스피 생산설비 통합 관리 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102572628B1 (ko) * 2023-04-03 2023-08-31 주식회사 이에스피 생산설비 통합 관리 시스템

Similar Documents

Publication Publication Date Title
US20210241544A1 (en) Platform for analyzing health of heavy electric machine and analysis method using the same
US8566070B2 (en) Apparatus abnormality monitoring method and system
JP6301791B2 (ja) 配電網の故障予兆診断システムおよびその方法
JP5520807B2 (ja) 住宅用電気機器メンテナンス管理装置及び住宅用電気機器メンテナンスシステム
CN110119128B (zh) 一种用于实验室用电设备的监控管理***
CA3009773A1 (en) Prognostic and health monitoring systems for light fixtures
KR101989962B1 (ko) 통합 관리 서버 및 이를 이용한 건물 관리 시스템
CN110674001B (zh) 一种服务器、基于服务器的温度告警方法及***
CN117078017A (zh) 一种用于电力电网设备监控智能化决策分析***
WO2019130718A1 (ja) 判定装置、太陽光発電システム、判定方法および判定プログラム
Quek et al. IoT load classification and anomaly warning in ELV DC picogrids using hierarchical extended ${k} $-nearest neighbors
KR20230077994A (ko) 제조 설비의 고장 예측 시스템
CN117371670A (zh) 一种新能源电动汽车充电桩的可靠性分析***
KR102561675B1 (ko) 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템
US20050254548A1 (en) Method and apparatus for monitoring a technical installation, especially for carrying out diagnosis
CN107250931B (zh) 能源服务推荐引擎
CN116192038A (zh) 光伏***故障诊断方法、装置及计算机设备
CN109342942A (zh) 一种发电机健康管理方法及设备
CN113218444A (zh) 一种电能计量设备运行环境智能传感方法及设备
KR102105692B1 (ko) 태양광발전이 연계된 에너지 관리 시스템
CN117456709B (zh) 用于碳计量多表合一集中器装置、控制方法、***及介质
CN117288267B (zh) 基于物联网实现线缆卡具的连接固定监测方法及装置
KR102572628B1 (ko) 생산설비 통합 관리 시스템
KR102420120B1 (ko) 전력량 측정장치의 이상상태 모니터링 시스템
CN117493129B (zh) 一种计算机控制设备的运行功率监测***

Legal Events

Date Code Title Description
E902 Notification of reason for refusal