KR20230091959A - 기계 장치 진동 데이터를 기반으로 한 하부 주행체 마모 예측 - Google Patents

기계 장치 진동 데이터를 기반으로 한 하부 주행체 마모 예측 Download PDF

Info

Publication number
KR20230091959A
KR20230091959A KR1020237016932A KR20237016932A KR20230091959A KR 20230091959 A KR20230091959 A KR 20230091959A KR 1020237016932 A KR1020237016932 A KR 1020237016932A KR 20237016932 A KR20237016932 A KR 20237016932A KR 20230091959 A KR20230091959 A KR 20230091959A
Authority
KR
South Korea
Prior art keywords
wear
components
vibration
data
mechanical device
Prior art date
Application number
KR1020237016932A
Other languages
English (en)
Inventor
리 장
잉비아오 쉬
Original Assignee
캐타필라 인코포레이티드
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 캐타필라 인코포레이티드 filed Critical 캐타필라 인코포레이티드
Publication of KR20230091959A publication Critical patent/KR20230091959A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M7/00—Vibration-testing of structures; Shock-testing of structures
    • G01M7/02—Vibration-testing by means of a shake table
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D55/00—Endless track vehicles
    • B62D55/32—Assembly, disassembly, repair or servicing of endless-track systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/028—Acoustic or vibration analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/04—Bearings
    • G01M13/045—Acoustic or vibration analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/04—Testing internal-combustion engines
    • G01M15/12—Testing internal-combustion engines by monitoring vibrations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/006—Indicating maintenance
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Acoustics & Sound (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Discrete Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Portable Nailing Machines And Staplers (AREA)

Abstract

시스템은 장치를 포함할 수 있다. 상기 장치는 기계 장치의 진동 정도를 식별하는 기계 장치 진동 데이터를 수신하도록 구성될 수 있다. 기계 장치의 진동은 기계 장치의 하부 주행체의 구성부품들의 모션에 의해 야기되는 제1 진동, 및 이 제1 진동과 관련이 없는 제2 진동의 결합에 의해 야기될 수 있다. 상기 장치는, 제1 진동에 상응하는, 기계 장치 진동 데이터의 세그먼트를 식별하고; 고속 푸리에 변환(FFT)을 사용하여, 세그먼트를 주파수 도메인 내 신호로 변환하며; 그리고 구성부품들의 모션과 관련된 시그니처 스펙트럼을 식별하기 위해 신호를 분석하도록; 구성될 수 있다. 상기 장치는, 상기 시그니처 스펙트럼을 기반으로, 구성부품들의 마모량을 예측하도록 구성될 수 있다. 상기 장치는, 상기 구성부품들의 마모량을 기반으로 조치가 수행되도록 구성될 수 있다.

Description

기계 장치 진동 데이터를 기반으로 한 하부 주행체 마모 예측
본원 개시는 기계 장치(machine)의 하부 주행체(undercarriage)의 마모 모니터링 및 예컨대 기계 장치 진동 데이터(machine vibration data)를 기반으로 하는 하부 주행체의 마모 예측에 관한 것이다.
기계 장치의 하부 주행체의 구성부품들(예: 궤도 링크, 부싱 및/또는 핀)은 일정 기간에 걸쳐 마모된다. 구성부품들의 마모를 검출하기 위한 일 기술은 상기 구성부품들의 구성부품 치수들의 수동 측정치들을 획득하는 단계를 포함한다. 수동 측정치들은 구성부품들의 명시된 치수들에 대하여 비교될 수 있다. 수동 측정치들을 획득하기 위해, 기계 장치는 작업 현장(work site)에서 작업(task) 수행을 정지하도록 요구된다. 수동 측정치들의 획득은 기계 장치가 작업 수행을 정지하도록 요구하면서 (예컨대 수동 측정치들을 획득하기 위한 이동 시간 및/또는 수동 측정치들을 획득하기 위한 시간량으로 인한) 시간 소모 과정이기 때문에, 수동 측정치들의 획득은 작업 현장에서 생산성에 부정적인 영향을 미칠 수 있다. 이와 관련하여, 작업(즉, 기계 장치에 의해 수행될 작업)은 오랜 기간(예컨대 수동 측정치들이 획득되는 동안의 기간) 동안 정지될 수 있다.
그에 추가로, 상기 수동 측정치들은 부정확할 수 있다. 구성부품 치수들의 부정확한 측정치들은 결과적으로 구성부품들의 마모량과 관련하여 부정확한 예측을 야기할 수 있다. 부정확한 예측의 결과로서, 구성부품들은 너무 이른 시기에 고장날 수 있거나, 또는 너무 이른 시기에 수리되거나 교환될 수 있다(예컨대 그 이유는 구성부품들이 교환 또는 수리를 필요로 할 만큼 충분히 마모될 수 없기 때문이다). 또한, 구성부품들의 상기와 같은 너무 이른 시기의 고장 또는 구성부품들의 너무 이른 시기의 교환 또는 수리는 작업 현장에서 생산성에 부정적인 영향을 미친다.
국제 특허 공개 제WO2020049526호('562 공개)는, 궤도 시스템이 부착 어셈블리(attachment assembly)를 포함하되, 이런 부착 어셈블리는 궤도 시스템의 롤 피벗축을 정의하는 제1 피벗, 그의 피치 피벗축을 정의하는 제2 피벗 및 그의 요 피벗축(yaw pivot axis)을 정의하는 제3 피벗 중 적어도 하나를 포함한다는 점을 개시하고 있다. 또한, '562 공개는, 궤도 시스템이 롤 피벗축과 요 피벗축 중 적어도 하나를 중심으로 프레임 어셈블리를 회동(pivoting)시키기 위한 적어도 하나의 액추에이터; 및 궤도 시스템의 상태 및 지면 표면 조건 중 적어도 하나를 적어도 간접적으로 결정하기 위한 적어도 하나의 모니터링 센서;를 더 포함한다는 점도 개시하고 있다. '562 공개는, 적어도 하나의 모니터링 센서가, 궤도 시스템의 상태 및 지면 표면 조건 중 적어도 하나를 기반으로 적어도 하나의 액추에이터의 작동을 제어하기 위해 궤도 시스템 컨트롤러와 통신하고 있다는 점을 개시하고 있다.
상기 '562 공개가, 적어도 하나의 모니터링 시스템이 궤도 시스템 컨트롤러와 통신하고 있다는 점을 개시하고 있기는 하지만, '562 공개는, 궤도 시스템 컨트롤러가 적어도 하나의 모니터링 센서로부터 진동 데이터를 수신하며, 그리고 궤도 시스템 컨트롤러는 궤도 시스템의 마모량을 결정하는 것에 대하여 기계 장치의 진동에 영향을 미치는 요인들을 고려한다는 점을 개시하고 있지 않다.
본원 개시의 장치는 상기에서 제시한 문제들 및/또는 당업계에서의 다른 문제들 중 하나 이상을 해결한다.
장치에 의해 수행되는 방법은 일정 기간에 걸쳐 기계 장치의 진동 정도(measure of vibration)를 식별하는 기계 장치 진동 데이터를 수신하는 수신 단계; 기계 장치의 하부 주행체와 관련된 진동과 관련 있는 시간 도메인 신호를 포함하는 시간 도메인 신호들을 획득하기 위해 기계 장치 진동 데이터를 분할(segmenting)하는 분할 단계; 고속 푸리에 변환(FFT: Fast Fourier Transform)을 사용하여 시간 도메인 신호를 스펙트럼 도메인 신호(spectral domain signal)로 변환하는 변환 단계; 스펙트럼 도메인 신호로부터, 기계 장치의 하부 주행체의 구성부품들의 모션과 관련된 시그니처 스펙트럼(signature spectrum)을 식별하는 식별 단계; 시그니처 스펙트럼의 진폭을 기반으로, 구성부품들의 마모량을 예측하는 예측 단계; 및 구성부품들의 마모량을 기반으로 조치가 수행되도록 하는 조치 수행 단계;를 포함한다.
시스템은 장치를 포함하되, 상기 장치는, 기계 장치의 진동이 기계 장치의 하부 주행체의 구성부품들의 모션에 의해 야기되는 제1 진동과 제1 진동과 관련이 없는 제2 진동의 결합에 의해 야기되는 조건에서, 기계 장치의 진동 정도를 식별하는 기계 장치 진동 데이터를 수신하고; 제1 진동에 상응하는, 기계 장치 진동 데이터의 세그먼트를 식별하고; 고속 푸리에 변환(FFT)을 사용하여 상기 세그먼트를 주파수 도메인 내의 신호로 변환하고; 구성부품들의 모션과 관련된 시그니처 스펙트럼을 식별하기 위해 신호를 분석하고; 시그니처 스펙트럼을 기반으로 구성부품들의 마모량을 예측하며; 그리고 구성부품들의 마모량을 기반으로 조치가 수행되도록; 구성된다.
장치는 하나 이상의 메모리; 및 하나 이상의 프로세서;를 포함하되, 상기 프로세서는 기계 장치의 진동이 기계 장치의 하부 주행체의 구성부품들의 모션에 의해 야기되는 제1 진동과 제1 진동과 관련이 없는 제2 진동의 결합에 의해 야기되는 조건에서, 기계 장치의 진동 정도를 식별하는 기계 장치 진동 데이터를 수신하고; 제1 진동에 상응하는, 기계 장치 진동 데이터의 세그먼트를 식별하고; 고속 푸리에 변환(FFT)을 사용하여 상기 세그먼트를 주파수 도메인 내의 신호로 변환하고; 구성부품들의 모션과 관련된 시그니처 스펙트럼을 식별하기 위해 신호를 분석하고; 시그니처 스펙트럼을 기반으로 구성부품들의 마모량을 예측하며; 그리고 구성부품들의 마모량을 기반으로 조치가 수행되도록; 구성된다.
도 1은 본원에서 설명되는 예시의 구현예를 도시한 도면이다.
도 2는 본원에서 설명되는 예시를 도시한 도면이다.
도 3은 기계 학습 모델을 사용하는 하부 주행체 마모 예측과 관련된 예시의 과정을 나타낸 흐름도이다.
본원 개시는, 기계 장치의 기계 장치 진동 데이터를 기반으로, 기계 장치의 하부 주행체의 하나 이상의 구성부품의 마모량을 예측하는 장치에 관한 것이다. "기계 장치"란 용어는, 예를 들면 광산업, 건설, 농업, 운송과 같은 산업 또는 기타 산업과 관련된 작업(operation)을 수행하는 임의의 기계 장치를 지칭할 수 있다. 또한, 하나 이상의 도구(implement)는 기계 장치에 연결될 수 있다
도 1에는, 본원에서 설명되는 예시의 구현예(100)의 도면이 도시되어 있다. 도 1에 도시된 것처럼, 예시의 구현예(100)는 기계 장치(105)와 마모 검출 장치(190)를 포함한다. 기계 장치(105)는 불도저와 같은 토공 기계(earth-moving machine)로서 구성되어 있다. 그 대안으로, 기계 장치(105)는 굴착기와 같은 다른 유형의 궤도형 기계 장치일 수 있다.
도 1에 도시된 것처럼, 기계 장치(105)는 엔진(110), 센서 시스템(120), 운전실(130)(operator cabin), 운전자 제어부(135), 컨트롤러(140), 후방 부착부(150)(rear attachment), 전방 부착부(160) 및 지면 결합 부재들(170)(ground engaging members)을 포함한다.
엔진(110)은 압축 점화 엔진, 불꽃 점화 엔진, 레이저 점화 엔진, 플라스마 점화 엔진 등과 같은 내연기관을 포함할 수 있다.
엔진(110)은 기계 장치(105)로, 그리고/또는 기계 장치(105)와 관련된 부하들(예: 동력을 흡수하고, 그리고/또는 작동을 위해 동력을 사용하는 구성부품들)의 집합으로 동력을 공급한다. 예를 들면, 엔진(110)은, 하나 이상의 제어 시스템[예: 컨트롤러(140)], 센서 시스템(120), 운전실(130) 및/또는 지면 결합 부재들(170)로 동력을 공급할 수 있다.
엔진(110)은 광산업, 건설, 농업, 건설 또는 임의의 다른 산업에서 사용되는 도구와 같은 기계 장치(105)의 도구로 동력을 공급할 수 있다. 예를 들면, 엔진(110)은 기계 장치(105)의 후방 부착부(150) 및/또는 전방 부착부(160)의 제어를 용이하게 하기 위해 구성부품들(예: 하나 이상의 유압 펌프, 하나 이상의 액추에이터, 및/또는 하나 이상의 전기 모터)에 동력을 공급할 수 있다.
센서 시스템(120)은, (하기에서 보다 더 상세하게 설명되는 것처럼) 기계 장치(105)의 하부 주행체의 하나 이상의 구성부품의 마모량을 예측하기 위해 이용될 수 있는 신호들을 생성할 수 있는 센서 장치들을 포함한다. 센서 시스템(120)의 센서 장치들의 유형들은 도 2와 관련하여 하기에서 보다 더 상세하게 설명된다.
운전실(130)은 통합 디스플레이(미도시) 및 운전자 제어부(135)(operator controls)를 포함한다. 운전자 제어부는 기계 장치(105)의 작동을 제어하기 위해 하나 이상의 입력 구성부품(예: 통합 조이스틱, 누름 버튼, 제어 레버 및/또는 스티어링 휠)을 포함할 수 있다. 예를 들면, 운전자 제어부(135)는 기계 장치(105)의 하나 이상의 도구[예: 후방 부착부(150) 및/또는 전방 부착부(160)]의 작동을 제어하고, 그리고/또는 지면 결합 부재들(170)의 작동을 제어하기 위해 이용될 수 있다.
자율 주행 기계 장치를 위해, 운전자 제어부는 운전자에 의한 사용을 위해 설계되지 않을 수 있으며, 오히려 운전자로부터 독립적으로 작동하도록 설계될 수 있다. 이러한 경우에, 예를 들면, 운전자 제어부는 임의의 운전자 입력 없이 다른 구성부품에 의한 사용을 위한 입력 신호를 공급하는 하나 이상의 입력 구성부품을 포함할 수 있다.
컨트롤러(140)[예: 전자 제어 모듈(ECM)]는 기계 장치(105)의 작동을 제어하고, 그리고/또는 모니터링할 수 있다. 예를 들면, 컨트롤러(140)는 운전자 제어부(135)로부터, 센서 시스템(120)으로부터, 그리고/또는 마모 검출 장치(190)로부터 비롯되는 신호들을 기반으로 기계 장치(105)의 작동을 제어하고, 그리고/또는 모니터링할 수 있다. 컨트롤러(140)는, 하기에서 보다 더 상세하게 설명되는 것처럼, 센서 시스템(120)으로부터, 운전자 제어부(135)로부터, 그리고/또는 마모 검출 장치(190)로부터 비롯되는 신호들을 기반으로 하부 주행체의 하나 이상의 구성부품의 마모량을 예측할 수 있다.
후방 부착부(150)는 리퍼(ripper) 어셈블리, 윈치 어셈블리 및/또는 드로바(drawbar) 어셈블리를 포함할 수 있다. 전방 부착부(160)는 블레이드 어셈블리를 포함할 수 있다. 지면 결합 부재들(170)은 기계 장치(105)를 추진하도록 구성될 수 있다. 지면 결합 부재들(170)은 기계 장치(105)를 추진하기 위한 휠들, 궤도들, 롤러들, 및/또는 유사한 구성부품들을 포함할 수 있다. 지면 결합 부재들(170)은 (도 1에 도시된 것처럼) 궤도들을 포함하는 하부 주행체를 포함할 수 있다. 궤도들은 궤도 링크들을 포함할 수 있다. 궤도 링크는 궤도 링크 부싱 및 궤도 링크 핀을 포함할 수 있다. 일례로서, 궤도들은 제1 궤도 링크(172)와 제2 궤도 링크(174)를 포함할 수 있다. 제1 궤도 링크(172)는 제1 궤도 링크 부싱(176)과 제1 궤도 링크 핀(178)을 포함한다. 제2 궤도 링크(174)는 제2 궤도 링크 핀(180)을 포함한다.
스프로켓(182)은 [본원에서 개별적으로 "세그먼트(184)"로서, 그리고 집합적으로는 "세그먼트들(184)"로서 지칭되는] 하나 이상의 세그먼트(184)를 포함할 수 있다. 스프로켓(182)은 지면 결합 부재들(170)과 맞물려 지면 결합 부재들(170)을 구동하도록 구성될 수 있다. 예를 들면, 세그먼트들(184)은 [예컨대 지면 결합 부재들(170)의 궤도들의] 궤도 링크 부싱들과 맞물려 회전하면서 궤도들로 하여금 기계 장치(105)를 추진하도록 구성될 수 있다. 일부 예시에서, 하나 이상의 아이들러(186)(idler)는, 궤도들이 회전하면서 기계 장치(105)를 추진하는 것처럼, 궤도들을 안내할 수 있다.
마모 검출 장치(190)는 하부 주행체의 하나 이상의 구성부품[예컨대 하나 이상의 궤도, 제1 궤도 링크(172) 및/또는 제2 궤도 링크(174)와 같은 하나 이상의 궤도 링크, 제1 궤도 링크 부싱(176)과 같은 하나 이상의 궤도 링크 부싱, 제1 궤도 링크 핀(178) 및/또는 제2 궤도 링크 핀(180)과 같은 하나 이상의 궤도 링크 핀, 하나 이상의 스프로켓(182), 하나 이상의 세그먼트(184) 및/또는 하나 이상의 아이들러(186)]의 마모량을 예측할 수 있는 하나 이상의 장치를 포함할 수 있다. 마모량을 기반으로, 마모 검출 장치(190)는 하나 이상의 구성부품의 잔여 수명을 예측할 수 있다.
일부 예시에서, 마모 검출 장치(190)는 하나 이상의 구성부품의 마모 비율을 예측하고 마모 비율을 기반으로 마모량을 예측할 수 있다. 마모 검출 장치(190)는, 하기에서 보다 더 상세하게 설명되는 것처럼, 하나 이상의 구성부품의 마모 비율 및/또는 그의 마모량을 예측하기 위해 기계 학습 모델을 이용할 수 있다. 마모 검출 장치(190)는 [예컨대, 컨트롤러(140)의 부분으로서] 기계 장치(105)의 안쪽에, 기계 장치(105)의 외부에, 또는 부분적으로 기계 장치(105)의 안쪽에, 그리고 부분적으로는 그의 외부에 위치될 수 있다.
상기에서 명시한 것처럼, 도 1은 일례로서 제공된다. 다른 예시들은 도 1과 관련하여 설명한 것과 다를 수 있다.
도 2에는, 본원에서 설명되는 예시의 시스템(200)의 도면이 도시되어 있다. 도 2에 도시된 것처럼, 시스템(200)은 센서 시스템(120), 운전자 제어부(135), 마모 검출 장치(190) 및 측정 장치(210)를 포함한다. 마모 검출 장치(190) 및/또는 측정 장치(210)는 [예컨대, 기계 장치(105)와 관련한 작업 현장의] 현장 관리 시스템의 부분일 수 있다. 그 대안으로, 마모 검출 장치(190) 및/또는 측정 장치(210)는 백 오피스 시스템(back office system)의 부분 또는 기계 장치(105)의 부분일 수 있다.
마모 검출 장치(190) 및/또는 측정 장치(210)는 동일한 장치 내에 포함될 수 있다. 그 대안으로, 마모 검출 장치(190) 및/또는 측정 장치(210)는 별도의 장치들일 수 있다.
센서 시스템(120)은 하부 주행체의 하나 이상의 구성부품의 마모량과 관련된 센서 데이터를 생성하는 센서 장치들을 포함할 수 있다. 하나 이상의 구성부품은, 하나 이상의 궤도, 제1 궤도 링크(172) 및/또는 제2 궤도 링크(174)와 같은 하나 이상의 궤도 링크, 제1 궤도 링크 부싱(176)과 같은 하나 이상의 궤도 링크 부싱, 제1 궤도 링크 핀(178) 및/또는 제2 궤도 링크 핀(180)과 같은 하나 이상의 궤도 링크 핀, 하나 이상의 스프로켓(182), 하나 이상의 세그먼트(184) 및/또는 하나 이상의 아이들러(186)를 포함할 수 있다. 센서 데이터는 하나 이상의 구성부품의 마모량을 예측하기 위해 [예컨대 마모 검출 장치(190)에 의해 이용될 수 있다. 센서 데이터는 센서 데이터가 생성된 시간 및/또는 날짜를 식별하는 정보를 포함할 수 있다.
센서 시스템(120)은, 하기에서 보다 더 상세하게 설명되는 것처럼, 하나 이상의 구성부품의 마모량을 예측하기 위해 센서 데이터를 공급할 수 있다. 예를 들면, 센서 시스템(120)은, 마모 검출 장치(190)에 주기적으로(예컨대 매 한 시간마다, 매 두 시간마다, 그리고/또는 매 작업 교대 시마다) 센서 데이터를 공급할 수 있다. 그에 추가로, 또는 그 대안으로, 센서 시스템(120)은, 트리거링 이벤트[예를 들면, (예컨대 통합 디스플레이 및/또는 운전자 제어부를 통한) 마모 검출 장치(190)에서의 요청, 컨트롤러(140)에서의 요청, 및/또는 기계 장치(105)의 운전자의 요청]를 기반으로 마모 검출 장치(190)로 센서 데이터를 공급할 수 있다.
센서 장치들은, 진동 센서 장치, 모션 센서 장치, 및/또는 하나 이상의 구성부품의 마모량을 예측하기 위해 이용될 수 있는 센서 데이터를 공급하는 다른 센서 장치를 포함할 수 있다. 진동 센서 장치는 기계 장치(105)의 진동을 감지하여 이 진동을 기반으로 기계 장치 진동 데이터를 생성하는 하나 이상의 장치를 포함할 수 있다. 일례로서, 진동 센서 장치는 하나 이상의 관성 측정 유닛(IMU)을 포함할 수 있다. 기계 장치 진동 데이터는 일정 기간에 걸친 기계 장치(105)의 진동 정도(measure of vibration)를 나타낼 수 있다.
모션 센서 장치는, 기계 장치(105)와 관련된 속도[예컨대 엔진(110)의 엔진 속도 및/또는 하부 주행체의 궤도 속도]를 감지하고 기계 장치(105)와 관련된 속도를 식별하는 속도 데이터를 생성하는 하나 이상의 장치를 포함할 수 있다. 일부 구현예에서, 모션 센서 장치는 기계 장치(105)의 가속도를 더 감지할 수 있고 기계 장치(105)의 가속도를 식별하는 가속도 데이터를 생성할 수 있다. 모션 센서 장치는 기계 장치(105)의 이동 방향을 더 감지할 수 있고 기계 장치(105)의 이동 방향을 식별하는 방향 데이터를 생성할 수 있다. 모션 센서 장치는 가속도계, 회전 속도계, 속도계 및/또는 IMU를 포함할 수 있다.
운전자 제어부(135)는 기계 장치(105)의 작동을 제어하기 위해 이용되는 운전자 제어 데이터를 생성할 수 있는 하나 이상의 장치를 포함할 수 있다. 예를 들면, 운전자 제어부(135)는 기계 장치(105)의 하나 이상의 도구[예: 후방 부착부(150) 및/또는 전방 부착부(160)]의 작동을 제어하고, 그리고/또는 지면 결합 부재들(170)의 작동을 제어하기 위해 이용될 수 있다.
운전자 제어부 데이터는 하나 이상의 도구를 제어하기 위한 명령어를 식별하는 도구 명령어 데이터를 포함하고, 기계 장치(105)의 조향 명령어를 식별하는 조향 명령어 데이터를 포함하고, 그리고/또는 기계 장치(105)의 기어 설정을 식별하는 기어 설정 데이터를 포함할 수 있다. 운전자 제어부(135)는 주기를 기반으로, 그리고/또는 트리거링 이벤트를 기반으로 [예컨대, 마모 검출 장치(190)로] 운전자 제어부 데이터를 공급할 수 있다.
일부 예시에서, 운전자 제어부 데이터 및/또는 센서 데이터는 도구 데이터를 형성할 수 있다. 하부 주행체의 하나 이상의 구성부품의 마모량을 예측할 때, 마모 검출 장치(190)는, 하기에서 보다 더 상세하게 설명되는 것처럼, 하나 이상의 도구가 지면 표면과 맞물려 있는지[그리고 그에 따라 기계 장치(105)가 진동되게 하는지] 그 여부를 결정하기 위해 도구 데이터를 이용할 수 있다.
마모 검출 장치(190)는, 하기에서 보다 더 상세하게 설명되는 것처럼, 하부 주행체의 하나 이상의 구성부품의 마모량을 예측하도록 구성된 하나 이상의 장치(예컨대 서버 장치, 또는 서버 장치들의 그룹)를 포함할 수 있다. 마모 검출 장치(190)는 [본원에서 개별적으로 "프로세서(220)"로서, 그리고 종합적으로는 "프로세서들(220)"로서 지칭되는] 하나 이상의 프로세서(220) 및 [본원에서 개별적으로 "메모리(230)"로서, 그리고 종합적으로는 "메모리들(230)"로서 지칭되는] 하나 이상의 메모리(230)를 포함할 수 있다.
프로세서(220)는 하드웨어, 펌웨어, 및/또는 하드웨어 및 소프트웨어의 조합으로 구현된다. 프로세서(220)는 중앙 처리 유닛(CPU), 그래픽 처리 유닛(GPU), 가속 처리 유닛(APU), 마이크로프로세서, 마이크로컨트롤러, 디지털 신호 프로세서(DSP), 필드 프로그램 가능 게이트 어레이(FPGA), 주문형 집적회로(ASIC), 또는 다른 유형의 처리 컴포넌트를 포함한다. 프로세서(220)는 기능을 수행하도록 프로그래밍될 수 있다.
메모리(230)는, 기능을 수행하기 위해 프로세서(220)에 의한 사용을 위한 정보 및/또는 명령들을 저장하는 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM) 및/또는 또 다른 유형의 동적 또는 정적 저장 장치(예컨대 플래시 메모리, 자기 메모리 및/또는 광학 메모리)를 포함한다. 예를 들면, 기능을 수행할 때, 마모 검출 장치(190)는 [예컨대, 센서 시스템(120)으로부터] 센서 데이터를, [예컨대, 운전자 제어부(135)로부터] 운전자 제어부 데이터를, [예컨대, 측정 장치(210)로부터] 이력 마모 데이터를 획득할 수 있으며, 그리고 센서 데이터, 운전자 제어부 데이터 및/또는 이력 마모 데이터를 기반으로 하나 이상의 구성부품의 마모량을 예측할 수 있다.
일부 구현예에서, 마모 검출 장치(190)는 클라우드 컴퓨팅 환경의 하나 이상의 컴퓨팅 자원에 의해 구현될 수 있다. 예를 들면, 마모 검출 장치(190)는 클라우드 컴퓨팅 환경에서 호스팅(hosting)될 수 있다. 그 대안으로, 마모 검출 장치(190)는 비-클라우드 기반일 수 있거나, 또는 부분적으로 클라우드 기반일 수 있다.
측정 장치(210)는 이력 구성부품들(historical components)의 마모량과 관련한 이력 마모 데이터를 공급할 수 있는 하나 이상의 장치를 포함할 수 있다. 이력 구성부품들은 하부 주행체의 하나 이상의 구성부품과 유사하거나 동일할 수 있다(예컨대, 유사하거나 동일한 유형의 구성부품들, 유사하거나 동일한 사양, 및/또는 유사하거나 동일한 유형의 수행되는 기능들임). 이력 마모 데이터는 이력 구성부품들의 이동에 의해 야기되는 진동의 진동 데이터 및 이런 진동 데이터에 상응하는 이력 구성부품들의 마모량을 포함할 수 있다. 예를 들면, 이력 마모 데이터는 이력 구성부품들의 제1 마모량과 관련된 제1 진동 데이터, 이력 구성부품들의 제2 마모량과 관련된 제2 진동 데이터 등을 포함할 수 있다. 일례로서, 이력 마모 데이터는 상기에서 설명한 정보를 포함하는 데이터 구조를 포함할 수 있다.
이력 마모 데이터는 이력 구성부품들의 측정치들(예컨대 이력 검사들과 관련된 수동 측정치들)을 기반으로 획득되는 정보를 포함할 수 있다. 예를 들면, 이력 구성부품들의 마모량은 이력 구성부품들의 측정치들을 기반으로 결정될 수 있다. 이력 마모 데이터는, 하기에서 보다 더 상세하게 설명되는 것처럼, 하부 주행체의 하나 이상의 구성부품의 마모량을 예측하기 위해, 마모 검출 장치(190)에 의해 이용될 수 있다. 측정 장치(210)는 주기를 기반으로, 그리고/또는 트리거링 이벤트를 기반으로 [예컨대, 마모 검출 장치(190)로] 이력 마모 데이터를 공급할 수 있다.
도 2에 도시된 것처럼, 마모 검출 장치(190)는 센서 시스템(120)으로부터 센서 데이터를, 운전자 제어부(135)로부터 운전자 제어부 데이터를, 그리고/또는 측정 장치(210)로부터 이력 마모 데이터를 수신할 수 있다. 센서 데이터는 진동 센서 장치로부터 수신되는 기계 장치 진동 데이터를 포함할 수 있다. 기계 장치 진동 데이터는 일정 기간에 걸친 기계 장치(105)의 진동 정도(measure of vibration)를 나타낼 수 있다.
기계 장치(105)의 진동은, 하나 이상의 구성부품의 모션[예컨대, 기계 장치(105)의 이동을 야기하는 하나 이상의 구성부품의 주기적인 이동]에 의해 야기되는 제1 진동; 및 이 제1 진동과 관련이 없는 제2 진동;의 결합을 포함할 수 있다. 제2 진동은, 지면 표면[예컨대 기계 장치(105)가 그 위에서 이동하는 곳인 지면 표면]과 맞물리는 기계 장치(105)의 하나 이상의 도구[예컨대, 전방 부착부(150) 및/또는 후방 부착부(150)]에 의해 야기될 수 있다. 제2 진동은, 엔진(110)과 같은, 기계 장치(105)의 하나 이상의 다른 구성부품에 의해 야기될 수 있다.
마모 검출 장치(190)는, 제1 진동에 상응하는 기계 장치 진동 데이터의 제1 부분을 식별하고, 제2 진동에 상응하는 기계 장치 진동 데이터의 제2 부분을 식별하기 위해 기계 장치 진동 데이터를 분석할 수 있다. 예를 들면, 마모 검출 장치(190)는, 기계 장치(105)의 하나 이상의 도구가 지면 표면과 맞물려 있는지 그 여부를 나타내는 도구 데이터(implement data)를 사용하여 기계 장치 진동 데이터를 분석할 수 있다.
마모 검출 장치(190)는, 기계 장치(105)의 하나 이상의 도구가 지면 표면과 맞물려 있지 않음을 나타내는 도구 데이터를 기반으로 기계 장치 진동 데이터의 제1 부분을 식별할 수 있다. 마모 검출 장치(190)는, 기계 장치(105)의 하나 이상의 도구가 지면 표면과 맞물려 있음을 나타내는 도구 데이터를 기반으로 기계 장치 진동 데이터의 제2 부분을 식별할 수 있다. 마모 검출 장치(190)는 고려 사항에서 기계 장치 진동 데이터의 제2 부분을 제거할 수 있다.
도구 데이터는 일정 기간에 걸쳐서 생성되는 (예컨대, 센서 데이터에 포함되는) 속도 데이터, 가속도 데이터, 및/또는 방향 데이터를 포함할 수 있고, 그리고/또는 일정 기간에 걸쳐 생성되는 (예컨대, 운전자 제어부 데이터 내에 포함되는) 도구 명령어 데이터, 조향 명령어 데이터, 및/또는 기어 설정 데이터를 포함할 수 있다. 도구 데이터는, 제1 진동에 상응하는 (기계 장치 진동 데이터와 관련된 기간의) 하나 이상의 제1 시간 부분을 식별하는 정보, 및 제2 진동에 상응하는 (기간의) 하나 이상의 제2 시간 부분을 식별하는 정보를 포함할 수 있다.
예를 들면, 하나 이상의 제1 시간 부분은, 하나 이상의 도구가 기계 장치(105)로 하여금 진동하지 않게 할 때에 상응할 수 있다(예컨대, 그 이유는 하나 이상의 도구가 지면 표면과 맞물려 있지 않기 때문이다). 하나 이상의 제2 시간 부분은, 하나 이상의 도구가 기계(105)로 하여금 진동하게 할 때에 상응할 수 있다(예컨대, 그 이유는 하나 이상의 도구가 지면 표면과 맞물려 있기 때문이다.).
마모 검출 장치(190)는, 기계 장치 속도 데이터, 가속도 데이터 및/또는 방향 데이터를 기반으로, 하나 이상의 도구가 지면 표면과 맞물려 있는지 그 여부를 결정할 수 있다. 예를 들면, 기계 장치 속도 데이터는 [기계 장치(105)와 관련된] 속도가 일정하다고 나타낼 때, 가속도 데이터는 기계 장치(105)의 가속도가 일정하다고 나타낼 때, 그리고/또는 방향 데이터는 기계 장치(105)가 전진 방향으로 이동하고 있다고 나타낼 때, 마모 검출 장치(190)는, 하나 이상의 도구가 지면 표면과 맞물려 있지 않는 것으로 결정할 수 있다(예: 제1 진동).
그 대안으로, 기계 장치 속도 데이터는 [예컨대, 기계 장치(105)가 하나 이상의 도구를 사용하여 이동 재료와 관련된 작업을 수행하고 있기 때문에] 속도가 가변적이라고 나타낼 때, 기계 장치 속도 데이터는 속도가 임계 속도(예컨대 하나 이상의 도구를 사용한 이동 재료와 관련된 속도)를 만족한다고 나타낼 때, 가속도 데이터는 기계 장치(105)의 가속도가 가변적이라고 나타낼 때, 그리고/또는 방향 데이터는 기계 장치(105)가 후진 방향으로 이동하고 있다고 나타낼 때, 마모 검출 장치(190)는, 하나 이상의 도구가 지면 표면과 맞물려 있다고 결정할 수 있다(예: 제2 진동).
일부 사례에서, 마모 검출 장치(190)는, 도구 명령어 데이터, 조향 명령어 데이터 및/또는 기어 설정 데이터를 기반으로 하나 이상의 도구가 지면 표면과 맞물려 있는지 그 여부를 결정할 수 있다. 예를 들면, 도구 명령어 데이터는 기계 장치(105)의 운전자가 하나 이상의 도구를 사용하도록 명령을 내리지 않았다고 나타낼 때, 조향 명령어 데이터는 운전자가 하나 이상의 도구를 사용하는 것과 관련한 조향 명령을 내리지 않았다고 나타낼 때, 그리고/또는 기어 설정 데이터는 기계 장치(105)가 하나 이상의 도구를 사용하는 것과 관련이 없는 기어 위치에 있다고 나타낼 때, 마모 검출 장치(190)는, 하나 이상의 도구가 지면 표면과 맞물려 있지 않다고 결정할 수 있다.
그 대안으로, 도구 명령어 데이터는 운전자가 하나 이상의 도구를 사용하도록 명령을 내렸다고 나타낼 때, 조향 명령어 데이터는 운전자가 하나 이상의 도구를 사용하는 것과 관련한 조향 명령을 내렸다고 나타낼 때, 그리고/또는 기어 설정 데이터는 기계 장치(105)가 하나 이상의 도구를 사용하는 것과 관련한 기어 위치에 있다고 나타낼 때, 마모 검출 장치(190)는, 하나 이상의 도구가 지면 표면과 맞물려 있다고 결정할 수 있다.
마모 검출 장치(190)는, (예컨대 도구 데이터에 포함되는) 제1 진동에 상응하는 (기계 장치 진동 데이터에 대한) 기간의 하나 이상의 제1 시간 부분을 식별하는 정보, 및 제2 진동에 상응하는 기간의 하나 이상의 제2 시간 부분을 식별하는 정보를 기반으로, 제2 진동으로부터 제1 진동을 분리시키기 위해, 도구 데이터와 함께 기계 장치 진동 데이터를 분석할 수 있다. 일부 사례에서, 마모 검출 장치(190)는, 기간의 하나 이상의 제1 시간 부분을 식별하는 정보 및 기간의 하나 이상의 제2 시간 부분을 식별하는 정보를 기반으로, 기계 장치 진동 데이터의 세그먼트들을 시간 도메인 신호들로서 식별할 수 있다.
일례로서, 마모 검출 장치(190)는, 기간의 하나 이상의 제1 시간 부분을 식별하는 정보 및 기간의 하나 이상의 제2 시간 부분을 식별하는 정보를 기반으로, 기계 장치 진동 데이터를 시간 도메인 신호들로 분할할 수 있다. 시간 도메인 신호들은 기계 장치 진동 데이터의 제1 부분(또는 제1 세그먼트)에 상응하는 제1 시간 도메인 신호와, 기계 장치 진동 데이터의 제2 부분(또는 제2 세그먼트)에 상응하는 제2 시간 도메인 신호를 포함할 수 있다. 마모 검출 장치(190)는, 제1 진동에 상응하는, 기계 장치 진동 데이터의 제1 부분(또는 제1 세그먼트)을 식별하고 그에 집중할 수 있으며, 그리고 제2 진동에 상응하는, 기계 장치 진동 데이터의 제2 부분(또는 제2 세그먼트)을 식별하고 폐기할 수 있다.
일부 구현예에서, 제1 시간 도메인 신호는 하나 이상의 구성부품의 모션에 상응하는 제1 시간 도메인 부분(예: 제1 진동) 및 기계 장치(105)의 위치에서 지형 조건들(terrain conditions)과 관련된 랜덤 노이즈(random noise)에 상응하는 시간 도메인 신호의 제2 시간 도메인 부분을 포함할 수 있다. 일례로서, 랜덤 노이즈는 울퉁불퉁한 지면 표면 상에서 이동하는 기계 장치(105)에 의해, 포트홀(pothole)에 걸쳐 기계 장치(105)에 의해, 지면 표면 상의 바위와 부딪치는 기계 장치(105)에 의해, 그리고/또는 기계 장치(105)의 이동에 영향을 미치는 또 다른 이벤트에 의해 야기될 수 있다.
마모 검출 장치(190)는, 제1 시간 도메인 신호의 제1 시간 도메인 부분을 증폭하기(또는 최대화하기) 위해, 그리고 제1 시간 도메인 신호의 제2 시간 도메인 부분을 감소시키기(또는 최소화하기) 위해, 제1 시간 도메인 신호를 스펙트럼 도메인 신호로 변환할 수 있다. 일부 예시에서, 마모 검출 장치(190)는 고속 푸리에 변환(FFT)을 사용하여 제1 시간 도메인 신호의 변환을 수행할 수 있다. 그 대안으로, 마모 검출 장치(190)는, 제1 시간 도메인 신호의 전력 스펙트럼 밀도(PSD: power spectral density)를 결정(또는 계산)함으로써 제1 시간 도메인 신호의 변환을 수행할 수 있다. PSD는 FFT에 의해 결정될 수 있다.
마모 검출 장치(190)는, PSD와 관련된 주파수 분해능이 FFT를 사용한 변환과 관련된 주파수 분해능을 초과하기 때문에, PSD를 결정할 수 있다. 예를 들면, PSD는, 제1 시간 도메인 부분과 제2 시간 도메인 부분 간에 FFT에 의해 가능해지는 대조(contrast)를 초과하는, 제1 시간 도메인 부분과 제2 시간 도메인 부분 간의 대조를 가능하게 할 수 있다.
마모 검출 장치(190)는, 하나 이상의 구성부품의 모션과 관련된 시그니처 스펙트럼을 식별하기 위해, 스펙트럼 도메인 신호를 분석할 수 있다. 예를 들면, 마모 검출 장치(190)는, 제1 시간 도메인 부분과 관련된 스펙트럼 시그니처를 식별하기 위해, 스펙트럼 도메인 신호를 분석할 수 있다. 마모 검출 장치(190)는, 제1 시간 도메인 부분에 상응하는 전력 스펙트럼 밀도의 부분에서 시그니처 스펙트럼을 식별할 수 있다.
마모 검출 장치(190)는 시그니처 스펙트럼의 진폭(예컨대, 시그니처 스펙트럼의 일부분의 진폭)을 기반으로 하나 이상의 구성부품의 마모량을 예측할 수 있다. 일례로서, 마모 검출 장치(190)는 시그니처 스펙트럼의 진폭을 기반으로, 그리고 이력 마모 데이터를 기반으로 하나 이상의 구성부품의 마모량을 예측할 수 있다. 상기에서 설명한 것처럼, 이력 마모 데이터는, 이력 구성부품들의 제1 마모량과 관련된 제1 진동 데이터, 이력 구성부품들의 제2 마모량과 관련된 제2 진동 데이터 등을 포함할 수 있다.
제1 진동 데이터는 이력 구성부품들의 이동에 의해(예컨대, 이력 구성부품들의 마모량이 제1 마모량일 때) 야기되는 진동과 관련된 제1 시그니처 스펙트럼을 식별하는 정보, 및 제1 시그니처 스펙트럼의 진폭을 식별하는 정보를 포함할 수 있다. 제2 진동 데이터는, 이력 구성부품들의 이동에 의해(예컨대, 이력 구성부품들의 마모량이 제2 마모량일 때) 야기되는 진동과 관련된 제2 시그니처 스펙트럼을 식별하는 정보, 및 제2 시그니처 스펙트럼의 진폭을 식별하는 정보를 포함할 수 있다.
마모 검출 장치(190)는, 시그니처 스펙트럼의 진폭에 상응하는 특정한 진동 데이터(예컨대 특정한 시그니처 스펙트럼의 특정한 진폭)를 식별하기 위해 이력 마모 데이터를 분석함으로써, 하나 이상의 구성부품의 마모량을 예측할 수 있다. 한 예로서, 마모 검출 장치(190)에 의해, 시그니처의 진폭은 제2 시그니처 스펙트럼의 진폭에 상응한다고 결정되는 점이 상정된다. 상기 이벤트에서, 마모 검출 장치(190)는, 하나 이상의 구성부품의 마모량이 이력 구성부품들의 제2 마모량에 상응한다는 점을 예측할 수 있다.
하나 이상의 구성부품의 마모량을 예측하는 것에 추가로, 또는 그 대안으로, 마모 검출 장치(190)는 하나 이상의 구성부품의 마모 비율을 예측할 수 있고, 그리고/또는 하나 이상의 구성부품이 교환되고, 그리고/또는 수리되어야 하는 때의 날짜 및/또는 시간을 예측할 수 있다. 하나 이상의 구성부품의 예측 마모 비율, 하나 이상의 구성부품의 예측 마모량, 및/또는 예측 날짜 및/또는 시간은 이하 "예측 구성부품 마모 정보"로서 지칭될 수 있다.
일부 구현예에서, 마모 검출 장치(190)는, 예측 구성부품 마모 정보를 결정하기 위해, 기계 학습 모델을 이용할 수 있다. 예를 들면, 마모 검출 장치(190)는, 기계 학습 모델에, 센서 데이터 및/또는 운전자 제어부 데이터를 입력할 수 있으며, 그리고 기계 학습 모델은 예측 구성부품 마모 정보를 출력할 수 있다. 마모 검출 장치(190)는 기계 장치(105)와 관련된, 그리고/또는 기계 장치(105)와 유사한 하나 이상의 다른 기계 장치와 관련된 이력 데이터를 이용하여 기계 학습 모델을 훈련시킬 수 있다. 하나 이상의 기계 장치는 기계 장치(105)처럼 유사한 구성부품들, 유사한 치수들 및/또는 유사한 이용을 포함할 수 있다.
유사한 구성부품들은, 유사한 지면 결합 부재들(170), 유사한 궤도들, 제1 궤도 링크(172) 및/또는 제2 궤도 링크(174)와 같은 유사한 궤도 링크들, 제1 궤도 링크 부싱(176)과 같은 유사한 궤도 링크 부싱들, 제1 궤도 링크 핀(178) 및/또는 제2 궤도 링크 핀(180)과 같은 유사한 궤도 링크 핀들, 유사한 스프로켓들(182), 유사한 세그먼트들(184) 및/또는 유사한 아이들러들(186)을 포함할 수 있다. 이력 데이터는 이력 센서 데이터, 이력 운전자 제어부 데이터 및/또는 이력 마모 데이터를 포함할 수 있다. 이력 센서 데이터는 센서 시스템(120)으로부터 수신되는 센서 데이터를 포함할 수 있고, 이력 운전자 제어부 데이터는 운전자 제어부(135)로부터 수신되는 운전자 제어부 데이터를 포함할 수 있고, 그리고/또는 이력 마모 데이터는 측정 장치(210)로부터 수신되는 이력 마모 데이터를 포함할 수 있다.
기계 학습 모델을 훈련시킬 때, 마모 검출 장치(190)는, 훈련 세트(예: 기계 학습 모델을 훈련시키기 위한 데이터 세트), 유효성 검증 세트(validation set)[예: 기계 학습 모델의 적합도(fit)를 평가하기 위해, 그리고/또는 기계 학습 모델을 미세 조정하기 위해 사용되는 데이터 세트], 시험 세트(예: 기계 학습 모델의 최종 적합도를 평가하기 위해 사용되는 데이터 세트) 등으로 훈련 데이터를 나눌 수 있다. 마모 검출 장치(190)는, 훈련 데이터를 최소 기능 세트(minimum feature set)로 축소하기 위해 차원 축소(dimensionality reduction)를 전처리(preprocess)하고, 그리고/또는 수행할 수 있다. 마모 검출 장치(190)는, 상기 최소 기능 세트를 기반으로 기계 학습 모델(230)을 훈련시키고 그에 따라 기계 학습 모델(230)을 훈련시키기 위한 처리를 감소시킬 수 있으며, 그리고 최소 기능 세트에 분류 기술(classification technique)을 적용할 수 있다.
마모 검출 장치(190)는, 범주형 결과(categorical outcome)(예: 하나 이상의 구성부품의 마모량)를 결정하기 위해, 분류 기술, 예를 들면 논리 회귀 분류 기술, 랜덤 포레스트(random forest) 분류 기술, 그래디언트 부스팅 기계 학습(GBM: gradient boosting machine learning) 기술 등을 이용할 수 있다. 분류 기술의 사용에 추가로, 또는 그 대안으로서, 마모 검출 장치(190)는 나이브 베이지안(naive Bayesian) 분류기 기술을 이용할 수 있다. 이러한 경우에, 마모 검출 장치(190)는 파티션들(partitions) 및/또는 브랜치들(branches)로 최소 기능 세트의 훈련 데이터를 분할하기 위해 이진 재귀 파티셔닝(binary recursive partitioning)을 수행할 수 있으며, 그리고 (예컨대, 하나 이상의 구성부품의 마모 비율 및/또는 마모량의) 예측을 수행하기 위해 파티션들 및/또는 브랜치들을 이용할 수 있다. 재귀 파티셔닝의 이용을 기반으로, 마모 검출 장치(190)는, 데이터 항목들의 수동 선형 정렬(sorting) 및 분석에 상대적으로 컴퓨팅 자원들의 활용을 감소시킬 수 있으며, 그에 따라 모델을 훈련시키기 위해 수천, 수백만 또는 수억 개의 데이터 항목의 이용을 가능하게 하며, 그 결과로 보다 더 적은 데이터 항목을 이용하는 경우보다 더 정확한 모델을 생성할 수 있다.
마모 검출 장치(190)는, 주제 전문가(subject matter expert)[예: 기계 장치(105) 및/또는 하나 이상의 기계 장치와 관련된 한 명 이상의 운전자]로부터 기계 학습 모델에 대한 입력을 수신하는 수신 단계를 포함하는 감독식 훈련 절차(supervised training procedure)를 이용하여 기계 학습 모델을 훈련시킬 수 있으며, 이는 감독식 훈련 절차에 상대적으로 기계 학습 모델을 훈련시키기 위한 시간량, 처리 자원들의 양 등을 감소시킬 수 있다. 마모 검출 장치(190)는 하나 이상의 다른 모델 훈련 기술, 예를 들면 신경망 기술, 잠재 의미 색인 기술(latent semantic indexing technique) 등을 이용할 수 있다.
예를 들면, 마모 검출 장치(190)는, 하나 이상의 구성부품의 상이한 마모량들의 패턴들과 관련하여 패턴 인식(pattern recognition)을 수행하기 위해, 인공 신경망 처리 기술(예컨대, 2-계층 순방향 신경망 아키텍처, 3-계층 순방향 신경망 아키텍처 등을 사용하는 기술)을 수행할 수 있다. 이러한 경우에, 인공 신경망 처리 기술을 이용하면, 노이즈가 있거나, 부정확하거나, 또는 불완전한 데이터에 대해 보다 더 견고하게 함으로써, 그리고 마모 검출 장치(190)로 하여금 인간 분석가들 또는 보다 덜 복잡한 기술을 이용하는 시스템들에 검출될 수 없는 패턴들 및/또는 경향들을 검출할 수 있게 함으로써, 마모 검출 장치(190)에 의해 생성되는 기계 학습 모델의 정확성이 개선될 수 있다.
훈련 후에, 기계 학습 모델은 예측 구성부품 마모 정보를 결정(또는 예측)하기 위해 이용될 수 있다. 달리 말하면, 마모 검출 장치(190)는, 기계 학습 모델을 훈련시킨 후에, 기계 장치(105)로부터 센서 데이터 및/또는 운전자 제어부 데이터를 수신하여, 수신된 센서 데이터 및 수신된 운전자 제어부 데이터를 기계 학습 모델에 입력할 수 있으며, 그리고 기계 학습 모델은 하나 이상의 구성부품의 마모 비율 및/또는 마모량과 관련한 데이터를 출력할 수 있다. 기계 학습 모델의 출력은 예측 구성부품 마모 정보에 대한 점수(score)를 포함할 수 있다. 예측 구성부품 마모 정보에 대한 점수는 예측 구성부품 마모 정보의 신뢰 정도(measure of confidence)를 나타낼 수 있다.
서버 장치와 같은 다른 장치(different device)는 기계 학습 모델을 생성하여 훈련시킬 수 있다. 다른 장치는 마모 검출 장치(190)에 의한 이용을 위한 기계 학습 모델을 제공할 수 있다. 다른 장치는 (예컨대, 일정을 기반으로, 요청 시를 기반으로, 트리거링을 기반으로, 주기를 기반으로, 등) 기계 학습 모델을 업데이트 하여 마모 검출 장치(190)로 제공할 수 있다. 일부 사례에서, 마모 검출 장치(190)는 추가 훈련 데이터(예컨대, 추가 이력 센서 데이터, 추가 이력 운전자 제어부 데이터 및/또는 추가 이력 마모 데이터)를 수신하여 기계 학습 모델을 재훈련시킬 수 있다. 그 대안으로, 마모 검출 장치(190)는, 기계 학습 모델을 훈련시키기 위해, 다른 장치에 추가 훈련 데이터를 제공할 수 있다. 기계 학습 모델은 주기를 기반으로, 그리고/또는 트리거링 이벤트를 기반으로 재훈련될 수 있다.
일부 구현예에서, 마모 검출 장치(190)는, 컨트롤러(140)로 하여금 예측 구성부품 마모 정보를 결정할 수 있도록 하기 위해, 컨트롤러(140)에 기계 학습 모델을 제공할 수 있다. 그 대안으로, 마모 검출 장치(190)는, 예측 구성부품 마모 정보를 결정하기 위해, 컨트롤러(140)로부터 요청을 수신할 수 있다. 요청은 기계 장치(105)의 센서 데이터를 포함할 수 있다.
마모 검출 장치(190)[및/또는 컨트롤러(140)]는 예측 구성부품 마모 정보를 기반으로 조치를 수행할 수 있다. 예를 들면, 조치는, 마모 검출 장치(190)가 (예컨대, 예측 마모량이 임계 마모량을 만족할 때) 하나 이상의 구성부품의 예측 마모량을 기반으로 기계 장치(105)의 작동의 조정을 야기하는 것을 포함할 수 있다. 예를 들면, 마모 검출 장치(190)는, 기계 장치(105)의 속도의 변화, 기계 장치(105)의 가속도의 변화, 기계 장치(105)의 이동 방향의 변화, 도구 명령어의 변화, 조향 명령어의 변화, 기어 설정의 변화를 야기할 수 있고, 그리고/또는 하나 이상의 구성부품의 마모 비율을 감소시킬 수 있고 하나 이상의 구성부품이 수리되거나 교환되어야 할 때까지 시간을 연장시킬 수 있는 다른 작업을 야기할 수 있다.
마모 검출 장치(190)는, 기계 장치(105)로 하여금 다른 작업 현장으로 운행하여, 하나 이상의 구성부품의 수명을 연장하기 위한 노력의 일환으로, 다른 작업 현장에서 하나 이상의 작업을 수행하게 할 수 있다. 예를 들면, 다른 작업 현장은, 기계 장치(105)가 현재 위치해 있는 작업 현장과 관련한 (하나 이상의 구성부품의) 마모 비율보다 더 적은 (하나 이상의 구성부품의) 마모 비율과 관련될 수 있다. 그에 추가로, 또는 그 대안으로, 마모 검출 장치(190)는 기계 장치(105)로 하여금, 하나 이상의 구성부품의 수명을 연장하기 위한 노력의 일환으로, 다른 작업을 수행하도록 할 수 있다. 예를 들면, 다른 작업은, 기계 장치(105)가 현재 수행하고 있는 작업과 관련된 (하나 이상의 구성부품의) 마모 비율보다 더 적은 (하나 이상의 구성부품의) 마모 비율과 관련될 수 있다.
조치는, 마모 검출 장치(190)가, [예컨대, 기계 장치(105)를 포함하는] 복수의 기계 장치의 구성부품들의 마모량을 모니터링하는 하나 이상의 장치로, 마모 정보를 전송하는 것을 포함할 수 있다. 일부 예시에서, 마모 검출 장치(190)는, (하나 이상의 구성 부품의) 마모량이 임계 마모량을 만족시킬 때, 마모 정보를 전송할 수 있다. 마모 정보는 하나 이상의 구성부품의 마모량을 나타낼 수 있고, 하나 이상의 구성부품의 마모 비율을 나타낼 수 있고, 하나 이상의 구성부품의 마모량을 나타낼 수 있고, 그리고/또는 하나 이상의 구성부품의 수리 및/또는 교환과 관련된 제의(offer)를 나타낼 수 있다. 하나 이상의 장치는 현장 관리 시스템의 장치, 백 오피스 시스템의 장치, 기계 장치(105)의 운전자와 관련된 장치, 기술자와 관련된 장치, 및/또는 컨트롤러(140)를 포함할 수 있다.
마모 검출 장치(190)는, 하나 이상의 장치로 하여금 하나 이상의 교환 구성부품을 주문하도록 하기 위해, 마모 정보를 전송할 수 있다. 일부 사례에서, 마모 정보는 하나 이상의 구성부품 및/또는 하나 이상의 교환 구성부품을 식별하는 정보를 포함할 수 있다.
마모 검출 장치(190)는, 하나 이상의 장치[예: 컨트롤러(140)]로 하여금 기계 장치(105)가 수리 시설로 자율 운행하도록 하기 위해, 마모 정보를 전송할 수 있다. 그에 추가로, 또는 그 대안으로, 마모 검출 장치(190)는, 하나 이상의 장치로 하여금 기술자의 일정표(calendar)에 하나 이상의 구성부품을 검사하고, 그리고/또는 수리하기 위한 일정 이벤트(calendar event)가 덧붙여지도록 하기 위해, 마모 정보를 전송할 수 있다. 그에 추가로, 또는 그 대안으로, 마모 검출 장치(190)는, 하나 이상의 장치[예: 컨트롤러(140)]로 하여금 경보가 활성화되도록 하기 위해, 마모 정보를 전송할 수 있다. 경보는, 하나 이상의 구성부품이 수리되거나 교환되어야 함을 지시할 수 있다.
일부 사례에서, 마모 검출 장치(190)는, 하나 이상의 장치로 하여금 하나 이상의 구성부품을 수리하고, 그리고/또는 교환하도록 서비스 요청을 생성하도록 하기 위해, 마모 정보를 전송할 수 있다. 서비스 요청을 생성하는 것의 부분으로서, 하나 이상의 장치는 본원에서 설명되는 조치들 중 하나 이상을 수행할 수 있다.
일부 예시에서, 조치는, 마모 검출 장치(190)가 제1 자율 주행 장치(autonomous device)로 하여금 하나 이상의 교환 구성부품을 기계 장치(105)와 관련된 위치로 배달하도록 하는 것을 포함할 수 있다. 위치는, 기계 장치(105)의 현재 위치, 기계 장치(105)가 다수의 작업을 수행하는 작업 현장의 위치, 기계 장치(105)가 작업을 수행하고 있지 않을 때 기계 장치(105)가 배치되어 있는 위치, 및/또는 기계 장치(105)의 수리 및/또는 교환을 진행 중일 때 기계 장치(105)가 배치되어 있는 위치를 포함할 수 있다. 일부 사례에서, 마모 정보는 기계 장치(105)와 관련된 위치를 식별하는 정보를 포함할 수 있다.
일부 예시에서, 조치는, 마모 검출 장치(190)가 제2 자율 주행 장치로 하여금, 예측 구성부품 마모 정보를 검증하기 위해, 기계 장치(105)와 관련된 위치로 운행하도록 하는 것을 포함할 수 있다. 제2 자율 주행 장치는, 구성부품 마모 정보를 검증하는 것을 기반으로 검증 정보(verification information)를 생성할 수 있으며, 그리고 마모 검출 장치(190)로 검증 정보를 전송할 수 있다. 마모 검출 장치(190)는 기계 학습 모델을 재훈련시키기 위해 검증 정보를 이용할 수 있다.
일부 사례에서, 마모 검출 장치(190)는, 하나 이상의 구성부품의 고장이 (예컨대 예측 구성부품 마모 정보를 기반으로) 임박해 있는지 그 여부를 결정할 수 있다. 마모 검출 장치(190)가 고장이 임박해 있는 것으로 결정한다면, 마모 검출 장치(190)는 상기에서 설명한 조치들 중 하나 이상을 수행할 수 있다. 마모 검출 장치(190)가 고장이 임박해 있지 않은 것으로 결정한다면, 마모 검출 장치(190)는 조치를 수행하지 않을 수 있다.
도 2에 도시된 장치들 및 네트워크들의 개수 및 배치는 예시로서 제공되어 있다. 실제로, 도 2에 도시된 것보다 추가 장치들, 더 적은 장치들, 다른 장치들, 또는 다르게 배치된 장치들도 제공될 수 있다. 또한, 도 2에 도시된 2개 이상의 장치는 단일 장치 이내에서 구현될 수 있거나, 또는 도 2에 도시된 단일 장치는 다수의 분산된 장치로서 구현될 수 있다. 그에 추가로, 또는 그 대안으로, 시스템(200)의 장치들(예: 하나 이상의 장치)의 세트는, 시스템(200)의 장치들의 다른 세트에 의해 수행되고 있는 것처럼, 설명한 하나 이상의 기능을 수행할 수 있다.
도 3에는, 기계 장치 진동 데이터를 기반으로 하는 하부 주행체 마모 예측과 관련된 예시의 과정(300)의 흐름도가 도시되어 있다. 도 3의 하나 이상의 과정 블록(process block)은 장치[예: 마모 검출 장치(190)]에 의해 수행될 수 있다. 도 3의 하나 이상의 과정 블록은, 컨트롤러[예: 컨트롤러(140)]처럼, 장치로부터 분리되거나 그를 포함하는 장치들의 그룹 또는 또 다른 장치에 의해 수행될 수 있다.
도 3에 도시된 것처럼, 과정(300)은, 일정 기간에 걸쳐 기계 장치의 진동 정도를 식별하는 기계 장치 진동 데이터를 수신하는 수신 단계를 포함할 수 있다(블록 310). 예를 들면, 장치는, 상기에서 설명한 것처럼, 일정 기간에 걸쳐 기계 장치의 진동 정도를 식별하는 기계 장치 진동 데이터를 수신할 수 있다.
일례로서, 기계 장치 진동 데이터를 수신하는 수신 단계는 기계 장치의 하나 이상의 제1 센서 장치로부터 기계 장치 진동 데이터를 수신하는 수신 단계를 포함한다. 도구 데이터를 수신하는 수신 단계는, 기계 장치의 하나 이상의 제2 센서 장치로부터 하나 이상의 도구가 지면 표면과 맞물려 있는지 그 여부를 나타내는 센서 데이터를 수신하는 수신 단계, 및 기계 장치의 하나 이상의 운전자 제어부로부터 하나 이상의 도구가 지면 표면과 맞물려 있는지 그 여부를 나타내는 운전자 제어부 데이터를 수신하는 수신 단계 중 적어도 하나를 포함할 수 있다.
도 3에 추가로 도시된 것처럼, 과정(300)은 기계 장치의 하부 주행체와 관련된 진동과 관련이 있는 시간 도메인 신호를 포함하는 시간 도메인 신호들을 획득하기 위해 기계 장치 진동 데이터를 분할하는 분할 단계를 포함할 수 있다(블록 320). 예를 들면, 장치는, 상기에서 설명한 것처럼, 기계 장치의 하부 주행체와 관련된 진동과 관련이 있는 시간 도메인 신호를 포함하는 시간 도메인 신호들을 획득하기 위해 기계 장치 진동 데이터를 분할할 수 있다.
일례로서, 기계 장치의 진동은 구성부품들의 모션에 의해 야기될 수 있으며, 그리고 지면 표면과 맞물리는 기계 장치의 하나 이상의 도구에 의해 야기될 수 있되, 본원 방법은 하나 이상의 도구가 일정 기간 동안 지면 표면과 맞물려 있는지 그 여부를 나타내는 도구 데이터를 수신하는 수신 단계를 더 포함한다. 기계 장치 진동 데이터의 분할은 시간 도메인 신호들을 식별하기 위해 도구 데이터를 기반으로 하는 기계 장치 진동 데이터의 분할을 포함한다.
시간 도메인 신호는 제1 시간 도메인 신호일 수 있다. 시간 도메인 신호들은 기계 장치의 하부 주행체와 관련된 진동과 관련이 없는 진동과 관련이 있는 제2 시간 도메인 신호를 포함할 수 있다.
도 3에 추가로 도시된 것처럼, 과정(300)은, 고속 푸리에 변환(FFT)을 사용하여, 시간 도메인 신호를 스펙트럼 도메인 신호로 변환하는 변환 단계를 포함할 수 있다(블록 330). 예를 들면, 장치는, 상기에서 설명한 것처럼, 고속 푸리에 변환(FFT)을 사용하여, 시간 도메인 신호를 스펙트럼 도메인 신호로 변환할 수 있다.
시간 도메인 신호를 스펙트럼 도메인 신호로 변환하는 변환 단계는, 구성부품들의 모션에 상응하는 시간 도메인 신호의 제1 부분이 시간 도메인 신호의 전력 스펙트럼 밀도를 기반으로 증폭될 수 있게 하며, 그리고 기계 장치의 위치에서 지형 조건들과 관련된 랜덤 노이즈에 상응하는 시간 도메인 신호의 제2 부분은 시간 도메인 신호의 전력 스펙트럼 밀도를 기반으로 감소될 수 있게 한다. 전력 스펙트럼 밀도는 FFT에 의해 결정될 수 있다. 시그니처 스펙트럼은 시간 도메인 신호의 제1 부분에 상응하는 전력 스펙트럼 밀도의 부분에서 식별될 수 있다.
도 3에 추가로 도시된 것처럼, 과정(300)은, 스펙트럼 도메인 신호로부터, 기계 장치의 하부 주행체의 구성부품들의 모션과 관련된 시그니처 스펙트럼을 식별하는 식별 단계를 포함할 수 있다(블록 340). 예를 들면, 장치는, 상기에서 설명한 것처럼, 스펙트럼 도메인 신호로부터, 기계 장치의 하부 주행체의 구성부품들의 모션과 관련된 시그니처 스펙트럼을 식별할 수 있다.
도 3에 추가로 도시된 것처럼, 과정(300)은, 시그니처 스펙트럼의 진폭을 기반으로, 구성부품들의 마모량을 예측하는 예측 단계를 포함할 수 있다(블록 350). 예를 들면, 장치는, 상기에서 설명한 것처럼, 시그니처 스펙트럼의 진폭을 기반으로, 구성부품들의 마모량을 예측할 수 있다.
구성부품들의 마모량을 예측하는 예측 단계는, 시그니처 스펙트럼의 진폭 및 구성부품들과 관련된 이력 마모 데이터를 기반으로, 구성부품들의 마모량을 예측하는 예측 단계를 포함할 수 있다.
도 3에 추가로 도시된 것처럼, 과정(300)은 구성부품들의 마모량을 기반으로 조치가 수행되도록 하는 조치 수행 단계를 포함할 수 있다(블록 360). 예를 들면, 장치는, 상기에 설명한 것처럼, 구성부품들의 마모량을 기반으로 조치가 수행되도록 할 수 있다.
조치를 수행하는 조치 수행 단계는, 구성부품들이 정비받도록 하는 정비 단계, 구성부품들이 교환되도록 하는 교환 단계, 기계 장치의 작동의 조정을 야기하는 조정 야기 단계, 및 기계 장치의 운전자의 장치에 경보를 제공하는 경보 제공 단계 중 적어도 하나를 포함할 수 있다.
비록 도 3에는, 과정(300)의 예시의 블록들이 도시되어 있기는 하지만, 일부 구현예에서, 과정(300)은 도 3에 묘사된 것보다 추가 블록들, 더 적은 블록들, 다른 블록들 또는 다르게 배치된 블록들을 포함할 수 있다. 그에 추가로, 그 대안으로, 과정(300)의 블록들 중 2개 이상은 병행하여 수행될 수 있다.
산업 적용 가능성
본원 개시는, 기계 장치의 기계 장치 진동과 관련하여 센서 장치에서 비롯되는 센서 데이터를 기반으로 기계 장치의 하부 주행체의 하나 이상의 구성부품의 마모량을 예측하는 장치에 관한 것이다. 하나 이상의 구성부품의 마모량을 예측하기 위한 개시된 장치는 (궤도들의 마모량을 결정하기 위해) 기계 장치의 궤도들의 수동 측정치들과 관련된 문제들, 및 궤도들의 마모량의 부정확한 예측들을 방지할 수 있다.
궤도들의 수동 측정치들은, 수동 측정치들이 획득되는 동안 기계 장치의 이동을 방지하기 위해 이용되는 기계 장치 자원들을 낭비할 수 있다. 그에 추가로, 궤도들의 부정확한 수동 측정치들 및/또는 궤도들의 마모량의 부정확한 예측들은, 궤도들의 부정확한 수동 측정치들 및/또는 마모량의 부정확한 예측들과 관련된 문제들(예컨대, 궤도들의 너무 이른 시기의 고장, 궤도들의 너무 이른 시기의 수리 및/또는 궤도들의 너무 이른 시기의 교환)을 해소하기 위해 이용되는 컴퓨팅 자원들을 낭비할 수 있다.
하부 주행체의 하나 이상의 구성부품들의 마모량을 예측하기 위해 개시된 장치는 수동 측정치들에 대하여, 그리고 마모량의 부정확한 예측들에 대하여 상기에서 언급한 문제들을 해결할 수 있다. 여러 장점이 개시된 장치와 연계될 수 있다. 예를 들면, 기계 장치 진동 데이터를 기반으로 하나 이상의 구성부품의 마모량을 예측함으로써, 본원 장치는 기계 장치의 작동에서의 임의의 방해를 제한할 수 있고, 그리고/또는 기계 장치의 정지를 제한할 수 있으며, 그럼으로써 기계 장치로 하여금 (예컨대 궤도들의 수리 또는 교환이 요구될 때까지) 연장된 기간 동안 작동 가능한 상태로 유지되게 할 수 있다. 기계 장치 진동 데이터를 기반으로 하나 이상의 구성부품의 마모량을 예측함으로써, 본원 장치는, (궤도들이 너무 이른 시기에 수리되거나 교환되는 것과는 대조적으로) 궤도들의 수리 또는 교환이 요구될 때 궤도들이 수리되거나 교환될 수 있게 할 수 있다.
기계 장치 진동 데이터를 기반으로 하나 이상의 구성부품의 마모량을 예측함으로써, 본원 장치는 마모량의 부정확한 예측들을 감소시킬 수 있다. 궤도들의 마모량의 부정확한 예측들을 감소시킴으로써, 본원 장치는, 궤도들이 수리되고, 그리고/또는 교환되기 이전에, 궤도들의 고장 가능성을 감소시킬 수 있다. 궤도들의 마모량의 부정확한 예측들을 감소시킴으로써, 본원 장치는, 그렇지 않을 경우 부정확한 수동 측정치들 및 궤도들의 마모량의 부정확한 예측들과 관련된 문제들(예컨대, 궤도들의 너무 이른 시기의 고장, 궤도들의 너무 이른 시기의 수리 및/또는 궤도들의 너무 이른 시기의 교환)을 해소하기 위해 사용되었을 수도 있는 컴퓨팅 자원들 또는 기계 장치 자원들을 보존할 수 있다.
전술한 개시는 예시 및 설명을 제공하지만, 그러나 철저하게 하거나, 또는 개시된 정확한 형태로 구현예들을 제한하고자 하는 의도는 아니다. 수정 및 변형은 상기 개시 내용을 고려하여 이루어질 수 있거나, 또는 구현예들의 실행으로부터 획득될 수 있다. 또한, 전술한 개시가 하나 이상의 구현예가 조합될 수 없다는 이유를 명확하게 제공하지 않는 한, 본원에서 설명되는 구현예들 중 어느 구현예라도 조합될 수 있다. 비록 특징들의 특정한 조합들이 청구범위에 인용되고, 그리고/또는 명세서에 개시되어 있기는 하지만, 상기 조합들은 다양한 구현예들의 개시를 제한하고자 하는 의도는 아니다. 하기에 열거되는 각각의 종속 청구항이 직접으로 하나의 청구항에만 의존할 수 있기는 하지만, 다양한 구현예들의 개시는 청구범위 내 다른 모든 청구항과 결합되는 각각의 종속 청구항을 포함한다.
본원에서 사용되는 것처럼, "단수 명사" 및 "세트"는 하나 이상의 항목을 포함시키고자 하는 의도이며, "하나 이상"과 바뀌어 사용될 수 있다. 또한, 본원에서 사용되는 것처럼, "특정" 명사는 그 특정 명사와 관련하여 참조되는 하나 이상의 항목을 포함시키고자 하는 의도이며, 그리고 "하나 이상"과 바뀌어 사용될 수 있다. 또한, "~를 기반으로 하는"이란 표현은, 분명히 달리 명시되어 있지 않은 한 "적어도 부분적으로 ~를 기반으로 하는"을 의미하고자 하는 의도이다. 또한, 본원에서 사용되는 것처럼 "또는"이란 용어는 연속해서 사용될 때 포함되게 하고자 하는 의도이며, 그리고 분명히 달리 명시되지 않는 한, (예컨대 "~ 중 어느 하나" 또는 "~ 중 하나만"과 함께 사용되는 경우) "및/또는", "그리고/또는"과 바뀌어 사용될 수 있다.

Claims (10)

  1. 장치(190)에 의해 수행되는 방법에 있어서, 상기 방법은
    일정 기간에 걸쳐 기계 장치(105)의 진동 정도를 식별하는 기계 장치(105) 진동 데이터를 수신하는 수신 단계;
    상기 기계 장치(105)의 하부 주행체(170)와 관련된 진동과 관련이 있는 시간 도메인 신호를 포함하는 시간 도메인 신호들을 획득하기 위해 상기 기계 장치(105) 진동 데이터를 분할하는 분할 단계;
    고속 푸리에 변환(FFT)을 사용하여 상기 시간 도메인 신호를 스펙트럼 도메인 신호로 변환하는 변환 단계;
    상기 스펙트럼 도메인 신호로부터, 상기 기계 장치(105)의 하부 주행체(170)의 구성부품들(172, 174, 176, 178, 180, 182, 184, 186)의 모션과 관련된 시그니처 스펙트럼을 식별하는 식별 단계;
    상기 시그니처 스펙트럼의 진폭을 기반으로 상기 구성부품들(172, 174, 176, 178, 180, 182, 184, 186)의 마모량을 예측하는 예측 단계; 및
    상기 구성부품들(172, 174, 176, 178, 180, 182, 184, 186)의 마모량을 기반으로 조치가 수행되게 하는 조치 수행 단계;를 포함하는 것인, 방법
  2. 제1항에 있어서, 상기 기계 장치(105)의 진동은 상기 구성 부품들(172, 174, 176, 178, 180, 182, 184, 186)의 모션에 의해 야기되며, 그리고 지면 표면과 맞물리는 상기 기계 장치(105)의 하나 이상의 도구(150, 160)에 의해 야기되되;
    상기 방법은
    상기 하나 이상의 도구(150, 160)가 일정 기간 동안 지면 표면과 맞물려 있는지 그 여부를 나타내는 도구 데이터를 수신하는 수신 단계를 더 포함하며; 그리고
    상기 기계 장치(105) 진동 데이터를 분할하는 분할 단계는 시간 도메인 신호들을 식별하기 위해, 상기 도구 데이터를 기반으로 상기 기계 장치(105) 진동 데이터를 분할하는 분할 단계를 포함하는 것인, 방법
  3. 제1항 또는 제2항에 있어서, 상기 기계 장치(105) 진동 데이터를 수신하는 수신 단계는, 상기 기계 장치(105)의 하나 이상의 제1 센서 장치(120)로부터 상기 기계 장치(105) 진동 데이터를 수신하는 수신 단계를 포함하며; 그리고
    상기 도구 데이터를 수신하는 수신 단계는
    상기 기계 장치(105)의 하나 이상의 제2 센서 장치(120)로부터, 상기 하나 이상의 도구(150, 160)가 지면 표면과 맞물려 있는지 그 여부를 나타내는 센서 데이터를 수신하는 수신 단계; 또는
    상기 기계 장치(105)의 하나 이상의 운전자 제어부(135)로부터, 상기 하나 이상의 도구(150, 160)가 지면 표면과 맞물려 있는지 그 여부를 나타내는 운전자 제어부 데이터를 수신하는 수단 단계; 중 적어도 하나를 포함하는 것인, 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서, 시간 도메인 신호를 스펙트럼 도메인 신호로 변환하는 변환 단계는
    상기 구성부품들(172, 174, 176, 178, 180, 182, 184, 186)의 모션에 상응하는 상기 시간 도메인 신호의 제1 부분이 상기 시간 도메인 신호의 전력 스펙트럼 밀도를 기반으로 증폭되도록 하며, 그리고
    상기 기계 장치(105)의 위치에서 지형 조건들과 관련된 랜덤 노이즈에 상응하는 상기 시간 도메인 신호의 제2 부분은 상기 시간 도메인 신호의 전력 스펙트럼 밀도를 기반으로 감소되게 하고,
    상기 전력 스펙트럼 밀도는 FFT에 의해 결정되며; 그리고
    상기 시그니처 스펙트럼은 상기 시간 도메인 신호의 제1 부분에 상응하는 상기 전력 스펙트럼 밀도의 부분에서 식별되는 것인, 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서, 조치를 수행하는 조치 수행 단계는
    상기 구성부품들(172, 174, 176, 178, 180, 182, 184, 186)이 정비받도록 하는 정비 단계;
    상기 구성부품들(172, 174, 176, 178, 180, 182, 184, 186)이 교환되도록 하는 교환 단계;
    상기 기계 장치(105)의 작동의 조정을 야기하는 조치 야기 단계; 및
    상기 기계 장치(105)의 운전자의 장치(190)에 경보를 제공하는 경보 제공 단계; 중 적어도 하나를 포함하는 것인, 방법.
  6. 장치를 포함하는 시스템에 있어서,
    상기 장치(190)는,
    기계 장치(105)의 진동이 상기 기계 장치(105)의 하부 주행체(170)의 구성부품들(172, 174, 176, 178, 180, 182, 184, 186)의 모션에 의해 야기되는 제1 진동과 상기 제1 진동과 관련이 없는 제2 진동의 결합에 의해 야기되는 조건에서,
    기계 장치(105)의 진동 정도를 식별하는 기계 장치(105) 진동 데이터를 수신하고;
    상기 제1 진동에 상응하는, 상기 기계 장치(105) 진동 데이터의 세그먼트를 식별하고;
    고속 푸리에 변환(FFT)을 사용하여 상기 세그먼트를 주파수 도메인 내의 신호로 변환하고;
    상기 구성부품들(172, 174, 176, 178, 180, 182, 184, 186)의 모션과 관련된 시그니처 스펙트럼을 식별하기 위해 신호를 분석하고;
    상기 시그니처 스펙트럼을 기반으로 상기 구성부품들(172, 174, 176, 178, 180, 182, 184, 186)의 마모량을 예측하며; 그리고
    상기 구성부품들(172, 174, 176, 178, 180, 182, 184, 186)의 마모량을 기반으로 조치가 수행되도록; 구성되는 것인, 시스템.
  7. 제6항에 있어서, 상기 구성 부품들(172, 174, 176, 178, 180, 182, 184, 186)의 마모량을 예측할 때,
    상기 장치(190)는
    상기 시그니처 스펙트럼의 진폭을 기반으로 상기 구성부품들(172, 174, 176, 178, 180, 182, 184, 186)의 마모량을 예측하도록 구성되는 것인, 시스템.
  8. 제6항 또는 제7항에 있어서, 조치를 수행할 때,
    상기 장치(190)는,
    상기 구성부품들(172, 174, 176, 178, 180, 182, 184, 186)이 정비받게 하고;
    상기 구성부품들(172, 174, 176, 178, 180, 182, 184, 186)이 교환되게 하고;
    상기 기계 장치(105)의 작동의 조정을 야기하고;
    기계 장치(105)의 구성부품들(172, 174, 176, 178, 180, 182, 184, 186)의 마모를 모니터링하는 장치(190)로 마모량과 관련한 정보를 공급하거나; 또는
    상기 기계 장치(105)의 운전자의 장치(190)를 경보를 제공하도록; 구성되는 것인, 시스템.
  9. 제6항 내지 제8항 중 어느 한 항에 있어서, 세그먼트를 식별할 때,
    상기 장치(190)는,
    상기 기계 장치(105)의 도구(150, 160)가 지면 표면과 맞물려 있는지 그 여부를 나타내는 도구 데이터를 수신하며; 그리고
    상기 도구 데이터를 기반으로 상기 세그먼트를 식별하도록; 구성되는 것인, 시스템.
  10. 제6항 내지 제9항 중 어느 한 항에 있어서, 상기 도구 데이터는,
    상기 기계 장치(105)의 속도를 식별하는 기계 장치(105) 속도 데이터;
    상기 도구(150, 160)를 제어하기 위한 명령어를 식별하는 도구 명령어 데이터;
    상기 기계 장치(105)의 조향 명령어를 식별하는 조향 명령어 데이터; 또는
    상기 기계 장치(105)의 기어 설정을 식별하는 기어 설정 데이터; 중 적어도 하나를 포함하는 것인, 시스템.
KR1020237016932A 2020-10-29 2021-10-06 기계 장치 진동 데이터를 기반으로 한 하부 주행체 마모 예측 KR20230091959A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/949,450 2020-10-29
US16/949,450 US11462058B2 (en) 2020-10-29 2020-10-29 Undercarriage wear prediction based on machine vibration data
PCT/US2021/053678 WO2022093503A1 (en) 2020-10-29 2021-10-06 Undercarriage wear prediction based on machine vibration data

Publications (1)

Publication Number Publication Date
KR20230091959A true KR20230091959A (ko) 2023-06-23

Family

ID=78771137

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237016932A KR20230091959A (ko) 2020-10-29 2021-10-06 기계 장치 진동 데이터를 기반으로 한 하부 주행체 마모 예측

Country Status (8)

Country Link
US (1) US11462058B2 (ko)
EP (1) EP4237814A1 (ko)
JP (1) JP2023548456A (ko)
KR (1) KR20230091959A (ko)
CN (1) CN116391117A (ko)
AU (1) AU2021370458A1 (ko)
CA (1) CA3197079A1 (ko)
WO (1) WO2022093503A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7227997B2 (ja) * 2021-03-12 2023-02-22 本田技研工業株式会社 決定装置、決定方法、及びプログラム
US11972646B2 (en) * 2021-12-16 2024-04-30 Caterpillar Inc. Detecting sprocket segment wear based on machine drivetrain data
FR3144663A1 (fr) * 2022-12-30 2024-07-05 Developpement Et Production Pour L'industrie Et L'automotive - Dpia Procédé de détermination d’un indicateur de défaut structurel
FR3144662A1 (fr) * 2023-12-29 2024-07-05 Developpement Et Production Pour L'industrie Et L'automotive - Dpia Procédé de détermination d’un indicateur de défaut structurel

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6053047A (en) 1998-09-29 2000-04-25 Allen-Bradley Company, Llc Determining faults in multiple bearings using one vibration sensor
US6321602B1 (en) 1999-09-28 2001-11-27 Rockwell Science Center, Llc Condition based monitoring by vibrational analysis
JP4298433B2 (ja) 2003-08-20 2009-07-22 株式会社日立製作所 鉄道車両の異常検知装置
JP5384227B2 (ja) 2009-07-01 2014-01-08 株式会社ブリヂストン 履帯装着車両監視装置
US9091588B2 (en) * 2010-05-28 2015-07-28 Prognost Systems Gmbh System and method of mechanical fault detection based on signature detection
US10046815B2 (en) 2012-03-27 2018-08-14 Wearpro Incorporated Wear monitoring device and method of monitoring undercarriage and roller wear
US20150081166A1 (en) 2014-11-21 2015-03-19 Caterpillar Inc. Wear monitoring system for a track roller
US9669886B2 (en) 2015-02-02 2017-06-06 Caterpillar Inc. Wear sensing device for a carrier roller
GB2543521A (en) 2015-10-20 2017-04-26 Skf Ab Method and data processing device for severity assessment of bearing defects using vibration energy
CA3085012A1 (en) 2017-12-08 2018-12-07 Camso Inc. Systems and methods for monitoring off-road vehicles
CA3110625A1 (en) 2018-09-07 2020-03-12 Soucy International Inc. Track system
US11842580B2 (en) * 2020-04-23 2023-12-12 Zoox, Inc. Predicting vehicle health

Also Published As

Publication number Publication date
AU2021370458A1 (en) 2023-06-08
CA3197079A1 (en) 2022-05-05
WO2022093503A1 (en) 2022-05-05
JP2023548456A (ja) 2023-11-17
US11462058B2 (en) 2022-10-04
EP4237814A1 (en) 2023-09-06
US20220139118A1 (en) 2022-05-05
CN116391117A (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
US11704942B2 (en) Undercarriage wear prediction using machine learning model
KR20230091959A (ko) 기계 장치 진동 데이터를 기반으로 한 하부 주행체 마모 예측
US20170369190A1 (en) Performance prediction methods and systems for maintenance of aircraft flight control surface components
EP3825966A1 (en) A system and method for monitoring and predicting breakdowns in vehicles
CN111435557A (zh) 用于检测机器部件问题的故障检测装置
US11572076B2 (en) Track wear detection based on pressure data and flow data
CA3240744A1 (en) Component wear monitoring based on strain data
US11972646B2 (en) Detecting sprocket segment wear based on machine drivetrain data
WO2017199652A1 (ja) 診断システム及び電子制御装置
US20230168641A1 (en) On-board machine component failure detection
US20190195712A1 (en) System and method for predicting strain power spectral densities of light machine structure
US11680591B2 (en) Determining remaining life of a hose assembly based on sensor data
Harrison et al. Prognostic algorithms in condition based maintenance
CN117474425A (zh) 一种供应链数据采集与分析方法和***
CN118414588A (zh) 机载机器部件故障检测