WO2016129775A1 - 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 및 방법 - Google Patents

해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 및 방법 Download PDF

Info

Publication number
WO2016129775A1
WO2016129775A1 PCT/KR2015/011649 KR2015011649W WO2016129775A1 WO 2016129775 A1 WO2016129775 A1 WO 2016129775A1 KR 2015011649 W KR2015011649 W KR 2015011649W WO 2016129775 A1 WO2016129775 A1 WO 2016129775A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
failure type
maintenance
monitoring
management
Prior art date
Application number
PCT/KR2015/011649
Other languages
English (en)
French (fr)
Inventor
황진상
송덕용
김환석
Original Assignee
(주)부품디비
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 (주)부품디비 filed Critical (주)부품디비
Publication of WO2016129775A1 publication Critical patent/WO2016129775A1/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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02B—HYDRAULIC ENGINEERING
    • E02B17/00—Artificial islands mounted on piles or like supports, e.g. platforms on raisable legs or offshore constructions; Construction methods therefor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B35/00—Vessels or similar floating structures specially adapted for specific purposes and not otherwise provided for
    • B63B35/44—Floating buildings, stores, drilling platforms, or workshops, e.g. carrying water-oil separating devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B35/00—Vessels or similar floating structures specially adapted for specific purposes and not otherwise provided for
    • B63B35/44—Floating buildings, stores, drilling platforms, or workshops, e.g. carrying water-oil separating devices
    • B63B35/4413—Floating drilling platforms, e.g. carrying water-oil separating devices
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B15/00—Supports for the drilling machine, e.g. derricks or masts
    • E21B15/02—Supports for the drilling machine, e.g. derricks or masts specially adapted for underwater drilling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/42—Servomotor, servo controller kind till VSS
    • G05B2219/42061—Stochastic predictive controller spc
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • 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
    • Y02P90/80—Management or planning

Definitions

  • the present invention relates to predictive maintenance of marine resource production equipment, and more particularly, to a failure type management apparatus and method for predictive maintenance of marine resource production equipment.
  • DNV In offshore plant predictive preservation systems, DNV, GE, SAS and SIEMENS products offer advanced CBM-level capabilities, and Arker solutions provides the asset management system to the market based on engineering services.
  • Oil Platform or Offshore Platform
  • Oil Platform is very large structures that can be used for oil rigs, oil and natural gas extraction and storage, and are fixed, floating and oil or platform from one or several wells, depending on the environment of use. It consists of sub-Cs connected by gas sending line.
  • FPSO a marine offshore plant with the purpose of refining and storing crude oil or gas collected from the surrounding platforms and sub-sea lines, and since its first operation in Shell in 1977, more than 200 FPSOs have been in operation as of 2013. have.
  • DPS Dynamic Positioning System
  • the offshore plant industry aims to operate and produce in deep sea environments.
  • the average length and diameter are getting smaller, and the total cost of the deep sea project is increasing due to the demand for pipeline defects and the constraints of the installation environment.
  • 1 is a view for explaining the element technology for predicting the maintenance of offshore plant.
  • CBM Condition Based Maintenance
  • FIG. 1 shows the classification of maintenance policy
  • CBM is a kind of preventive maintenance along with TBM (Time Based Maintenance)
  • TBM is a maintenance policy based on the reliability of equipment
  • CBM is a maintenance predominantly based on the predictive technique. It is a policy.
  • TBM a time-based preventive maintenance
  • TBM a time-based preventive maintenance
  • a time-based preventive maintenance is a method that checks and replaces a certain period periodically, and performs periodic repairs at intervals shorter than the original life, taking into account the difference in deterioration according to the operating conditions of the facility. Or when the cycle is too long, there is a risk of failure due to the difference in facility deterioration. Consequently, the repair cycle is shortened and the quantity of maintenance is increased. It also has drawbacks in terms of facility reliability and maintenance cost savings.
  • PM Predictive maintenance
  • CBM is a method of quantitatively observing the deterioration status of equipment by facility diagnosis or CMS (Control Management System) without fixing a certain period of time and repairing when an abnormality is found.
  • ERP enterprise resource management
  • EAM enterprise asset management
  • CMMS facility management information system
  • facility management activities were aimed at reducing ordinary costs by reducing facility maintenance costs centered on improving productivity, while EAM's facility management activities pursue the concept of generating profits from facilities.
  • ALM Asset Lifecycle Management
  • CBM3 a simple CBM system, is the lowest-cost CBM system that regularly diagnoses the condition of the facility and decides the maintenance action by a simple diagnostic device that can check or transport the five senses.
  • CBM2 an intermediate CBM system
  • the CBM system regularly diagnoses and preserves the equipment condition by the precision diagnostic equipment.
  • the best-known CBM system that decides conservation policy by regular simple diagnosis and precise diagnosis.
  • CBM1 an advanced CBM system
  • CBM1 is an advanced grade CBM equipped with a continuous facility monitoring monitor with automatic diagnosis.
  • the system is used only for the critical machine of the high-priced system, and this may be the technology of the leading overseas famous diagnosis and control companies.
  • the present invention is to solve the problems of the prior art as described above, an object of the present invention is to provide a supervisory control and data acquisition (SCADA: based on distributed control system) and learning failure type management based Development of a virtual offshore plant operation system for offshore plant predictive preservation solution and offshore plant related system verification, and a failure type management device and method for predictive maintenance of offshore plant production equipment capable of predictive maintenance for offshore plant integration operation and maintenance.
  • SCADA supervisory control and data acquisition
  • learning failure type management based Development of a virtual offshore plant operation system for offshore plant predictive preservation solution and offshore plant related system verification and a failure type management device and method for predictive maintenance of offshore plant production equipment capable of predictive maintenance for offshore plant integration operation and maintenance.
  • the failure type management device for predictive maintenance of the marine resource production equipment of the present invention for achieving the above object is to establish a multi-distributed control system for the systematic collection / management of maintenance data, to develop a real-time data management and monitoring system, A distributed distributed control system (DCS), monitoring, and performance evaluation module 100 for developing a performance evaluation system of a plant performance monitoring level; Prognosis for mapping data from real-time sensor data of the multi-distribution control system (DCS), monitoring and performance evaluation module 100, storing the corresponding data, and managing the learning failure type according to the normal type and the failure type data.
  • DCS distributed distributed control system
  • monitoring and performance evaluation module 100 for developing a performance evaluation system of a plant performance monitoring level
  • Prognosis for mapping data from real-time sensor data of the multi-distribution control system (DCS), monitoring and performance evaluation module 100, storing the corresponding data, and managing the learning failure type according to the normal type and the failure type data.
  • Maintenance platform 200 Develop an automatic improvement technology for predictive maintenance reliability based on learning failure type management based on data from the multi-distributed control system (DCS), monitoring and performance evaluation module 100 transmitted to the predictive maintenance platform 200, and offshore plant Diagnosis / Foresight / Maintenance / Shape Management Module (300): Develop a diagnosis, foresight, maintenance system, and develop a diagnostic and predictive maintenance operating platform and configuration management system; And a virtual marine plant simulator 400 for developing an input / output virtualization system for interoperation with a predictive maintenance solution and an offshore plant monitoring control data collection (SCADA) system.
  • DCS multi-distributed control system
  • SCADA offshore plant monitoring control data collection
  • Monitoring system 120 for monitoring the TOP Side, Hull, Subsea and environmental load using the data collected from the control system (DCS), and the monitoring system 120
  • Real-time sensor / driving database (DB) 150 for database monitoring data of the sensor
  • DB real-time sensor database
  • DB real-time sensor database
  • DB real-time sensor database
  • the predictive maintenance platform 200 maps data from the real-time sensor data database (DB) 130 of the multi-distribution control system (DCS), monitoring, and performance evaluation module 100, and diagnoses the corresponding data.
  • Data mapping server 210 to store in the / prognosis / maintenance data mart 220 and the normal type / failure type database (DB) 230, and the data of the normal type / failure type database (DB) 230 Accordingly, it is preferable that the learning failure type management system 240 is configured to manage the learning failure type.
  • diagnosis / prognosis / maintenance / configuration management module 300 the intelligent diagnostic system 310 for analyzing the general diagnosis, functional resistance possibility, failure possibility, failure type analysis, prediction of remaining life prediction and failure type
  • the system 320 and the maintenance system 330 which analyzes the cause of the failure, analyzes the severity / Reliability Block Diagram (RBD) and determines maintenance, the requirements, baseline, plant according to the product information data and the maintenance history data. It is preferably configured to include a configuration management system 340 that performs configuration, change, consistency management.
  • the virtual marine plant simulator 400 3D CAD (information provided from the shipyard (SHIPYARD) according to the process simulator model 411 according to the control information from the multi-dispersion control system (DCS) for the offshore plant ( Training scenario database consisting of CAD data, process flow diagram (PFD), virtual reality model database 412, and production process monitoring / control, field worker training, interoperability with field operators, emergency response training, and other real-world scenarios.
  • DB (413) is operated as a virtual marine plant system 416 consisting of a visualization system 414 and the operation control system 415, and transmits the control results according to the operation to the multi-distribution control system 110 for offshore plants It is preferably configured to include the input and output virtualization system 410.
  • monitoring system 120 may be bi-directionally operated with the operation control system 415, and preferably feeds back an image to the virtual marine plant operation system 416.
  • the failure type management method for predictive maintenance of the marine resource production equipment of the present invention to achieve the above object is the normal type pattern analysis and knowledge and the normal type in the failure type database (DB) through the initial database (DB) construction (S100) approving the failure / normal type data by completing the failure type database (DB) through the failure type pattern recognition and knowledge by determining whether and by knowledge, and determining and knowledge of the failure type pattern; Collecting SCADA data (S110); Monitoring the collected marine SCADA data (S120); Diagnosing in the failure type database (DB) according to the monitoring result (S130); Making a prediction according to the diagnosis result (S140); And performing a decision according to the prognosis result (S150), and preserving the decision content (S160).
  • the failure type database (DB) completed through the failure type pattern recognition and knowledge is preferably used as a knowledge-based reliability database (DB) through the recycling of knowledge.
  • failure type database is preferably applied to the marine failure engineering knowledge service by applying to the learning failure type management knowledge base technology through engineering simulator data, shipyard technical data, land plant field data and reliability data.
  • the step of collecting the marine SCADA data (S110), the distributed control system of the DCS (Distributed Control System), monitoring, performance evaluation module 100 is dualized to enable real-time large-capacity data collection and monitoring, and field equipment and It is preferable to perform the HART (Highway Addressable Remote Transducer) interface which is a standard protocol of the smart sensor network.
  • HART Highway Addressable Remote Transducer
  • a virtual offshore plant test method for verifying offshore plant-related systems using a failure type management device for predictive maintenance of the marine resource production equipment of the present invention for achieving the above object is an input / output simulator 601 and a visualization system 602.
  • a virtual offshore plant operating system 610 composed of an operation control system 603, a virtual reality three-dimensional model database 630 and a process simulation model 640 according to a drawing (620).
  • a virtual marine plant testbed 600 including a training scenario database (DB) 650; Connecting the multidistribution control system (DCS) 110 for the offshore plant and the input / output simulator 601; Visualizing the virtual reality three-dimensional model database (630) and the process simulation model (640) according to the drawing (620) by the visualization system (602); And performing, by the operation control system 630, training training according to the training scenario database (DB) 413 and the visualization system 620.
  • DCS multidistribution control system
  • DCS distributed control system
  • 1 is a view for explaining the element technology for predicting the maintenance of offshore plant.
  • FIG. 2 is a view for explaining the production plant predictive maintenance technology.
  • FIG. 3 is a view for explaining a failure type management device for predictive maintenance of marine resources production equipment according to the present invention.
  • FIG. 4 is a detailed diagram illustrating a marine plant SCADA (Supervisory Control and Data Acquisition) system based on a distributed control system among failure type management devices for predictive maintenance of marine resource production equipment shown in FIG. 3.
  • SCADA Supervisory Control and Data Acquisition
  • FIG. 5 is a detailed diagram illustrating a marine plant predictive preservation solution based on learning failure type management among failure type management devices for predictive maintenance of marine resource production equipment shown in FIG. 3.
  • FIG. 6 is a detailed diagram illustrating a virtual marine plant operating system among failure type management devices for predictive maintenance of marine resource production equipment shown in FIG. 3.
  • FIG. 7 is a diagram for describing a method of improving reliability of predictive maintenance based on learning failure type management using the failure type management device for predictive maintenance of marine resource production equipment shown in FIG. 3.
  • FIG. 8 is a view for explaining a failure type database DB for predictive maintenance in the failure type management method for predictive maintenance of the marine resource production equipment shown in FIG.
  • FIG. 9 is a view for explaining the establishment of a distributed plant control system based SCADA system in the failure type management method for predictive maintenance of the marine resource production equipment shown in FIG.
  • FIG. 10 is a view illustrating a virtual offshore plant test bed for verifying a offshore plant-related system using a failure type management device for predictive maintenance of offshore resource production equipment shown in FIG. 3.
  • monitoring system 130 real-time sensor data DB
  • performance evaluation system 150 real-time sensor / operation DB
  • Diagnosis / forecast / preservation data mart 230 Normal type / failure type DB
  • diagnostic / forecast / conservation / shape management module 310 intelligent diagnostic system
  • simulator model 412 virtual reality model DB
  • Training Scenario DB 414 Visualization System
  • 600 virtual offshore plant testbed 601: input and output simulator
  • 602 Visualization system 603: Operation control system
  • Condition Based Maintenance is maintenance that predicts the life expectancy in advance through professional diagnosis of the condition of the equipment and makes it possible to use it smoothly until the life of the equipment is reached.
  • Preventive maintenance is a planned maintenance to keep parts available to prevent accidents such as breakdowns and stoppages during the use of equipment. For example, regular replacement of engine oil every 5,000 km .
  • Predictive maintenance is the maintenance of predicting failures by monitoring whether physical changes are occurring in the condition of equipment, for example, recognizing the aging of life due to color changes during oil gauge inspection.
  • condition based maintenance (CBM) in the present invention is a maintenance to predict the life through the professional diagnosis of the condition of the equipment, and to use the equipment smoothly until the end of life, the user ( For example, the manager may foresee the remaining life of the engine oil even if it is not recognized.
  • FIG. 3 is a view for explaining a failure type management device for predictive maintenance of the marine resource production equipment according to the present invention
  • Figure 4 is distributed control of the failure type management device for predictive maintenance of the marine resource production equipment shown in FIG.
  • SCADA Supervisory Control and Data Acquisition
  • FIG. 5 is a predictive offshore plant prediction based on learning type management among failure type management devices for predictive maintenance of marine resource production equipment shown in FIG. 3.
  • Figure 6 is a view showing the maintenance solution in detail
  • Figure 6 is a view for explaining a virtual marine plant operating system of the failure type management device for predictive maintenance of the marine resource production equipment shown in FIG.
  • the failure type management apparatus for predictive maintenance of the marine resource production equipment of the present invention shown in FIGS. 3 to 6 includes a distributed control system (DCS), a monitoring and performance evaluation module 100, and a predictive maintenance platform 200. ), Diagnostic / prognosis / maintenance / configuration management module 300 and the virtual marine plant simulator 400.
  • DCS distributed control system
  • monitoring and performance evaluation module 100 a monitoring and performance evaluation module
  • predictive maintenance platform 200 a predictive maintenance platform 200.
  • Diagnostic / prognosis / maintenance / configuration management module 300 and the virtual marine plant simulator 400.
  • the multi-distribution control system (DCS), monitoring, performance evaluation module 100 is a multi-distribution control system (DCS) 110 for offshore plants, monitoring system 120, real-time sensor data DB 130 and performance evaluation system It consists of 140, to build a multi-distributed control system for the systematic collection / management of maintenance data, to develop a real-time data management and monitoring system, and to develop a performance evaluation system of the offshore plant performance monitoring level.
  • DCS multi-distribution control system
  • monitoring system 120 for offshore plants
  • real-time sensor data DB 130 real-time sensor data DB 130
  • performance evaluation system It consists of 140, to build a multi-distributed control system for the systematic collection / management of maintenance data, to develop a real-time data management and monitoring system, and to develop a performance evaluation system of the offshore plant performance monitoring level.
  • the offshore plant multi-distribution control system (DCS) 110 collects data in accordance with the data collection and control signal indication, and transmits it to the monitoring system 120 through the communication network 500 (for example, Ethernet).
  • the communication network 500 for example, Ethernet
  • the monitoring system 120 performs monitoring of TOP side, hull, subsea and environmental load, and database them with a real time sensor / operation database (DB) 150.
  • the sensor / driving database (DB) 150 is databased in a real-time sensor data database (DB) 130.
  • the performance evaluation system 140 performs system performance evaluation on operation history, performance indicators, performance calculation, and performance history according to the composite facility performance evaluation common model (PIM) and the composite facility performance evaluation implementation model (PSM).
  • PIM composite facility performance evaluation common model
  • PSM composite facility performance evaluation implementation model
  • the performance evaluation system 140 is connected to the distributed control system DCS through the integrated control system 160 to the communication network 500 to perform control processing from the integrated control system 160.
  • the predictive maintenance platform 200 includes a data mapping server 210, a diagnosis / prognosis / preservation data mart 220, a normal type / failure type database (DB) 230, and a learning failure type management system 240. It is composed of
  • the data mapping server 210 maps data from the real-time sensor data database (DB) 130 of the multi-distribution control system (DCS), monitoring, and performance evaluation module 100, and diagnoses / predicts / preserves the data.
  • the data mart 220 and the normal type / failure type database (DB) 230 are stored.
  • the learning failure type management system 240 manages the learning failure type according to the data of the normal type / failure type database (DB) 230.
  • the diagnosis / prediction / preservation / shape management module 300 is composed of an intelligent diagnosis system 310, a prediction system 320, a maintenance system 330, and a configuration management system 340, and transmitted to the data mapping server 210.
  • DB real-time sensor data database
  • the intelligent diagnostic system 310 analyzes general diagnosis, functional resistance possibility, and failure possibility.
  • Prediction system 320 learns failure type analysis, remaining life prediction and failure type.
  • the maintenance system 330 analyzes the cause of the failure, analyzes the severity / Reliability Block Diagram (RBD), and determines maintenance.
  • RBD Reliability Block Diagram
  • the configuration management system 340 performs requirements, baselines, plant configuration, change, and consistency management according to product information data and maintenance history data.
  • the virtual marine plant simulator 400 is composed of an input / output virtualization system 410, a virtual offshore plant operation system (simulator) 420, and a scenario-based operation training system 430, to build a virtual offshore plant simulator, scenario-based operation Develop training systems and develop I / O virtualization systems for interoperability with predictive maintenance solutions and offshore plant SCADA systems.
  • the input / output virtualization system 410 is a 3D CAD data which is information provided from a shipyard according to a process simulator model 411 according to control information from a multi-distribution control system (DCS) 110 for offshore plants,
  • a virtual offshore plant system 416 consisting of a visualization system 414 and an operational control system 415 according to a virtual reality model database 412 and a training scenario database (413), such as a process flow diagram (PFD). It operates as, and transmits the control result according to the operation to the multi-distribution control system 110 for offshore plants.
  • the monitoring system 120 is capable of bidirectional operation with the operation control system 415 and feeds back the image to the virtual marine plant operating system 416.
  • the training scenario database (DB) 413 includes production process monitoring / control, field worker training, interoperation with field operators, emergency response training, and other real-world scenarios.
  • FIG. 7 is a view for explaining a method of improving reliability of predictive maintenance based on learning failure type management using the failure type management device for predictive maintenance of marine resource production equipment shown in FIG. 3, and FIG. 8 is a marine resource production shown in FIG.
  • the failure type management device for predictive maintenance of equipment is a diagram for explaining a failure type database (DB) for predictive maintenance.
  • DB failure type database
  • a method of improving reliability of predictive maintenance reliability based on learning failure type management using a failure type management device for predictive maintenance of marine resource production equipment for example, reported failure cases in constructing an initial database (DB) (Failure Report Database) OREDA (Offshore Reliability Data) to analyze and knowledge the normal type pattern in the failure type database, determine the normal type and determine it, and determine the failure type pattern and knowledge.
  • DB Initial Database
  • OREDA Offshore Reliability Data
  • OREDA collects reliability data for safety devices, analyzes repair and operation data, converts reliability, establishes a high quality reliability database, and provides equipment repair and safety technology (RAMS) involving multiple companies.
  • RAMS equipment repair and safety technology
  • OREDA-97 participated in 10 European refineries and collected data on 11,150 failure events in 7600 facility units.
  • the failure type database (DB) completed through the failure type pattern recognition and knowledge the failure / normal type data is approved (S100), marine SCADA data is collected (S110), and the data is monitored (S120). ), The diagnosis is made in the failure type database (DB) according to the monitoring result (S130). Subsequently, the prediction is made (S140), and the decision is made (S150) and preserved (S160). Meanwhile, the failure type database (DB) completed through the recognition of the failure type pattern and knowledge is used in the knowledge-based reliability database (DB) through the recycling of knowledge.
  • the failure type database (DB) for predictive maintenance is learned through engineering simulator data, shipyard technical data, land plant field data and reliability data (ODERA, WOAD, etc.). It is applied to the failure type management knowledge base technology and provided as offshore plant engineering knowledge service.
  • FIG. 9 is a view for explaining the establishment of a distributed plant control system based SCADA system in the failure type management device for predictive maintenance of the marine resource production equipment shown in FIG.
  • DCS distributed control system
  • FIG. 10 is a diagram for describing a virtual offshore plant system for verifying a offshore plant-related system in a failure type management device for predictive maintenance of an offshore resource production equipment shown in FIG. 3.
  • the virtual offshore plant system for verifying offshore plant related systems in the failure type management device for predictive maintenance of offshore resource production equipment first establishes a virtual offshore plant test bed 600.
  • the virtual offshore plant test bed 600 constructs a virtual offshore plant operation system 610 composed of an input / output simulator 601, a visualization system 602, and an operation control system 603, and a drawing (SHIPYARD) 620.
  • the virtual reality 3D model database 630 and the process simulation model 640 are constructed, and a training scenario database (DB) 650 is included.
  • the input / output simulator 601 is connected to a multi-distribution control system (DCS) 110 for an offshore plant based on a distributed control system as shown in FIG.
  • DCS distributed control system
  • the visualization system 602 visualizes the virtual reality three-dimensional model database 630 and the process simulation model 640 according to the drawing 620.
  • the operational control system 630 performs operational training in accordance with the training scenario database (DB) 413 and the visualization system 620.
  • DB training scenario database
  • the marine plant is connected to the multidistribution control system (DCS) 110 for the offshore plant based on the distributed control system and the predictive maintenance systems 320 and 330 to target the offshore plant.
  • DCS multidistribution control system
  • the present invention relates to predictive maintenance of marine resource production equipment, and more particularly, relates to a failure type management apparatus and method for predictive maintenance of marine resource production equipment.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Mechanical Engineering (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Human Resources & Organizations (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Architecture (AREA)
  • Ocean & Marine Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Automation & Control Theory (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Fluid Mechanics (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Strategic Management (AREA)
  • Environmental & Geological Engineering (AREA)
  • Marketing (AREA)

Abstract

본 발명은 해양자원 생산장비의 예지보전에 관한 것으로, 더욱 상세하게는 에 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 및 방법에 관한 것으로, 유지보수 데이터의 체계적 수집/관리용 다중 분산제어시스템을 구축하여, 실시간 데이터 관리 및 모니터링 시스템 개발하고, 해양플랜트 성능 모니터링 수준의 성능평가 시스템 개발하는 다중분산제어시스템(DCS), 모니터링, 성능평가 모듈(100); 상기 다중분산제어시스템(DCS), 모니터링, 성능평가 모듈(100)의 실시간 센서 데이터로부터의 데이터를 매핑하고, 해당 데이터를 저장하며, 정상유형과 고장유형 데이터에 따른 학습적 고장유형을 관리하는 예지보전 플랫폼(200); 상기 예지보전 플랫폼(200)으로 전송된 상기 다중분산제어시스템(DCS), 모니터링, 성능평가 모듈(100)로부터의 데이터에 따라 학습적 고장유형 관리 기반 예지보전 신뢰성 자동 향상 기술을 개발하고, 해양플랜트 진단, 예지, 보전 시스템을 개발하며, 진단 및 예지보전 운영 플랫폼 및 형상관리 시스템을 개발하는 진단/예지/보전/형상관리 모듈(300): 및 가상 해양플랜트 시뮬레이터를 구축하고, 시나리오 기반 운영 훈련 시스템을 구축하며, 예지보전 솔루션 및 해양플랜트 SCADA 시스템과의 상호운용을 위한 입출력 가상화 시스템을 개발하는 가상해양 플랜트 시뮬레이터(400);를 포함하여 구성됨을 특징으로 하는 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치를 제공한다.

Description

해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 및 방법
본 발명은 해양자원 생산장비의 예지보전에 관한 것으로, 더욱 상세하게는 에 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 및 방법에 관한 것이다.
근래 들어 산업발전에 따른 자원의 소비가 가속화 되면서 육상에서의 자원 개발만으로는 이러한 자원 수요를 충족시키기 위한 충분한 공급이 이루어지기 어려워지고 있으며 이에 따라 바다 특히 심해에서의 석유, 가스 등의 자원을 시추, 생산하는 것이 점점 더 중요해 지고 있다.
국내에서는 선형을 가진 해양플랜트가 익숙하지만 멕시코만, 북해 등에서는 잭업리그 타입, TLP, SPAR 등과 같은 해양플랜트도 많이 운용되고 있다.
1980년도 이후에 설치되어 운영된지 25년 이상 된 해양플랜트들의 잔여 수명 계산을 통해 수명 연장 또는 해체를 판단하는 업무가 2005년부터 증가하고 있으며, DNVGL, ABS에서는 수명 연장 시장의 확대를 예상하고 관련 엔지니어링 서비스와 소프트웨어를 강화해 나가고 있다.
해양플랜트 예지보전 시스템 분야에서는 DNV, GE, SAS 그리고 SIEMENS의 제품들이 고급 CBM 단계의 기능을 제공하고 있으며 Arker solutions는 엔지니어링 서비스 기반으로 자산관리 시스템을 시장에 공급하고 있다.
전 세계적으로 1980년대부터 운영된 해양플랜트들의 수명이 끝나가고 있으며, 오일메이저는 플랫폼의 수명 연장 또는 신규 발주를 선택해야 하는 상황이므로 이를 판단할 수 있는 통합 시스템 개발이 필요하고, 확대되는 해양플랜트 유지보수 관리 시장 진출, 해양플랜트 산업특성 연구를 통한 예지보전 시스템 개발이 필요한 시기이다.
이러한 해양플랜트(Oil Platform 또는 Offshore Platform)는 굉장히 큰 구조물로써 유정굴착, 석유와 천연가스 추출 그리고 저장을 할 수 있으며, 사용 환경에 따라 고정식, 부유식 그리고 한 개 또는 여러 개의 유정으로부터 플랫폼으로 석유 또는 가스를 보내는 라인으로 연결된 서브씨로 구성된다.
이러한 해양플랜트로 드릴쉽은 선박형태의 해양플랜트로써 플랫폼 설치가 불가능한 심해지역이나 파도가 심한 곳에서 운용되며 2013년 현재 전 세계적으로 79척이 운용, 68척이 건조 중에 있다.
그리고 FPSO : 주변의 플랫폼과 서브씨 라인으로부터 수집한 원유 또는 가스를 정제 후 저장하는 목적을 가진 선박형태의 해양플랜트이며 1977년에 Shell에서 처음 운용을 시작한 뒤에 2013년 현재 200여척 이상의 FPSO가 운용되고 있다.
DPS(Dynamic Positioning System)는 추진시스템을 이용하여 GPS신호를 통해 선박의 위치와 선수의 방향을 자동적으로 유지하는 시스템이며 조선해양플랜트 산업에서 대표적인 IT융합 기술의 결과라 할 수 있다.
최근 해양플랜트 산업은 심해 환경에서의 운영 및 생산을 주요 목표로 하고 있음. 심해 환경을 극복하기 위해 평균 길이와 직경은 작아지고, 파이프라인의 무결점에 대한 요구와 설치 환경의 열악함으로 인한 제약으로 인해 심해 프로젝트는 총 비용이 증가하고 있는 실정이다.
이하 첨부된 도면을 참조하여 해양플랜트 예지보전을 위한 요소 기술을 설명하기로 한다.
도 1은 해양플랜트 예지보전을 위한 요소 기술을 설명하기 위한 도면이다.
예지보전에 대해서 영국 표준학회에서는 설비 상태 관측 데이터를 바탕으로 장비를 진단하고, 진단 결과를 근거로 보전의 필요 및 시기를 결정하는 것을 CBM(Condition Based Maintenance)라고 정의하고 있다.
도 1은 보전(Maintenance) 정책의 분류에 대해 나타낸 것이며, CBM은 TBM(Time Based Maintenance)과 함께 예방 보전의 일종으로 TBM은 장비의 신뢰성에 기반을 둔 보전 정책이며 CBM은 예지 기법이 주가 되는 보전 정책이다.
시간기준 예방보전인 TBM은 어느 일정기간을 정해 놓고 주기적으로 점검ㆍ교체 등 수리를 실시하는 방식으로, 설비의 운전 조건에 따른 열화도 차이를 고려, 본래의 수명보다 더 짧은 간격으로 정기적 수리를 실시하거나 주기를 너무 길게 할 때 설비 열화도 차이에 의한 고장발생 우려가 있어 결과적으로 수리주기가 단축되고 정비 물량이 많아지게 되며, 수리할 때마다 설비 초기 불량조건을 갖게 되므로 설비의 신뢰성이 문제시 되며 설비 신뢰성이나, 정비량을 감소시켜 정비비를 절감한다는 측면에서도 결점을 가지고 있다.
예측보전인 PM(Predictive Maintenance)은 장비 상태에서 물리적인 변화가 나타나고 있는지를 측정 및 모니터링(Monitoring)하여 고장을 예측해 유지보수를 하는 방법이며 엔진오일의 검사 시 색상 변화를 관찰 후 보전하는 정비 정책이다.
예지보전 혹은 상태기준 예방보전, CBM은 일정한 기간을 정하지 않고 설비 진단이나 CMS(Control Management System)에 의해 설비의 열화 상태를 정량적으로 관측, 이상 징후가 발견되었을 시 수리를 실시하는 방법이다.
그리고의 TBM의 정기적 수리가 정기적 진단으로 대체, 즉 정기적으로 실시하는 수리 대신에 설비 진단 또는 컨디션 모니터링(Condition Monitoring)을 실시, 설비 상태를 정량적으로 모니터링하여 과도한 보전에 의한 정비비 상승을 억제하고 고장을 미연에 방지 가능하지만 진단에 필요한 장비와 시스템 도입에 적지 않은 투자가 필요하므로 도입에 대한 비용을 낮추기 위해서 ICT(Information Communication Technology)기술이 수반되어야 한다.
최근에는 자산관리 개념으로 확장되고 있어 전사적자원관리(ERP), 전사적자산관리(EAM), 설비관리정보시스템 (CMMS)이 생산 플랜트의 정보관리와 모니터링에 활용되고 있으나 전체를 통합하여 관리할 수 있는 시스템은 아직 시중에 출시되지 않고 있다.
이러한 설비관리의 최근 주요 경향은 설비의 보전 및 운영에 초점을 맞추었던 전통적인 관리방식에서 벗어나, 설비의 범위 및 관리 영역을 확장하여 설비가 아닌 자산에 대한 전체 생애주기 관리에 초점을 맞추는 방향으로 가고 있으며, 기존의 ERP, MES 및 PLM과 같은 레거시(legacy) 정보시스템들과의 통합/연계성을 강화하는 방향으로 발전하고 있다.
과거의 설비관리 활동은 생산성 향상을 중심으로 설비 보전비용의 절감을 통한 경상비용의 절감을 목표로 하였다면 EAM의 설비관리 활동은 설비에서 수익을 창출하는 개념을 추구하고 있다는 점에서 기존의 설비관리 시스템과 차별화된다.
그리고 2000년대 들어오면서부터 EAM은 설비관리 전산화 시스템을 개발/운영하는데 가장 기본적인 사상으로 자리 잡게 되었고, 기존의 CMMS를 한 단계 발전시킨 형태의 관리 시스템으로 정착되고 있으며, 최근에는 EAM의 범위를 확장하여 기업 자산의 전체 생애주기에 걸쳐서 관리를 수행하는 개념인 ALM(Asset Lifecycle Management)이 탄생하였다.
CBM 기반의 예지보전 기술을 도입하기 위해서는 기 보유한 시스템의 수준에 따라서 순차적으로 적용하는 것이 필요하며, 세 등급으로 구분하여 도입 가능하다.
우선 간이 CBM 시스템인 CBM3는 오감을 이용한 점검 또는 운반이 가능한 간이진단 기기에 의해 설비의 상태를 정기적으로 간이 진단하여 보전 액션을 결정하는 가장 싼 가격의 CBM 시스템이다.
그다음 중급 CBM 시스템인 CBM2는 간이 CBM 시스템에 추가하고, 정밀진단 기기에 의한 설비상태를 정기적으로 진단하여, 보전하는 CBM 시스템. 즉, 정기적인 간이진단과 정밀진단에 의해 보전정책을 결정하는 가장 잘 알려진 CBM 시스템이다.
마지막으로 고급 CBM 시스템인 CBM1은 자동진단 기능을 가진 연속 설비감시 모니터를 설치한 고급 그레이드의 CBM. 고가 시스템의 최고 중요 설비(Critical Machine)에 한해 사용하는 시스템이며 현재 유수의 해외 유명 진단, 제어 전문 회사들의 기술이 여기에 해당된다할 수 있다.
그러나 최근에 30년 이상 설치되고 사용되는 해양플랜트에 적용하기 위해서는 국제표준 기반의 자산정보 관리와 통신을 지원하는 시스템의 개발이 필요하며, 고급CBM 단계를 넘어서는 새로운 개념이 필요하다.
이와 같은 기존 시스템으로는 장기간 운영에 따른 막대한 운영/유지보수 비용이 소요되고, 인력의 실수, 점검미숙으로 인한 피해 및 사고가 발생될 수 있어 예지보전 원천기술 확보 및 국산화 필요성이 대두되고 있다.
본 발명은 상기와 같은 종래 기술의 문제점을 해결하기 위한 것으로, 본 발명의 목적은 분산제어시스템에 기반한 해양플랜트 감시 제어 데이터 수집(SCADA : Supervisory Control and Data Acquisition)과, 학습적 고장유형 관리 기반의 해양플랜트 예지보전 솔루션 및 해양플랜트 관련 시스템 검증용의 가상 해양플랜트 운영 시스템을 개발하여 해양플랜트 통합운영 및 유지보수를 위한 예지보전이 가능한 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 및 방법을 제공함에 있다.
상기한 목적을 달성하기 위한 본 발명 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치는 유지보수 데이터의 체계적 수집/관리용 다중 분산제어시스템을 구축하여, 실시간 데이터 관리 및 모니터링 시스템 개발하고, 해양플랜트 성능 모니터링 수준의 성능평가 시스템 개발하는 다중분산제어시스템(DCS), 모니터링, 성능평가 모듈(100); 상기 다중분산제어시스템(DCS), 모니터링, 성능평가 모듈(100)의 실시간 센서 데이터로부터의 데이터를 매핑하고, 해당 데이터를 저장하며, 정상유형과 고장유형 데이터에 따른 학습적 고장유형을 관리하는 예지보전 플랫폼(200); 상기 예지보전 플랫폼(200)으로 전송된 상기 다중분산제어시스템(DCS), 모니터링, 성능평가 모듈(100)로부터의 데이터에 따라 학습적 고장유형 관리 기반 예지보전 신뢰성 자동 향상 기술을 개발하고, 해양플랜트 진단, 예지, 보전 시스템을 개발하며, 진단 및 예지보전 운영 플랫폼 및 형상관리 시스템을 개발하는 진단/예지/보전/형상관리 모듈(300): 및 가상 해양플랜트 시뮬레이터를 구축하고, 시나리오 기반 운영 훈련 시스템을 구축하며, 예지보전 솔루션 및 해양플랜트 감시 제어 데이터 수집(SCADA) 시스템과의 상호운용을 위한 입출력 가상화 시스템을 개발하는 가상해양 플랜트 시뮬레이터(400);를 포함하여 구성됨을 특징으로 한다.
여기서 상기 다중분산제어시스템(DCS), 모니터링, 성능평가 모듈(100)은, 제어신호 지시에 따라 데이터를 수집하는 해양플랜트용 다중분산제어시스템(DCS)(110)과, 상기 해양플랜트용 다중분산제어시스템(DCS)으로부터 수집된 데이터를 이용하여 상부설비(TOP Side), 선체(Hull), 서브씨(Subsea) 및 환경 하중의 모니터링을 수행하는 모니터링 시스템(120)과, 상기 모니터링 시스템(120)의 모니터링 데이터를 데이터베이스화하는 실시간 센서/운전 데이터베이스(DB)(150)와, 상기 실시간 센서/운전 데이터베이스(DB)(150)의 데이터에 따라 센서 데이터를 데이터베이스화하는 실시간 센서 데이터베이스(DB)(130)와, 복합설비 성능평가 공통모델(PIM)과 복합설비 성능평가 구현모델(PSM)에 따라 운전이력, 성능지표, 성능계산 및 성능 이력에 대한 시스템 성능평가를 하고, 상기 해양플랜트용 다중분산제어시스템(DCS)(110)과 접속되어 종합컨트롤 시스템(160)으로부터의 제어처리를 수행하는 성능평가 시스템(140)을 포함하여 구성됨이 바람직하다.
그리고 상기 예지보전 플랫폼(200)은, 상기 다중분산제어시스템(DCS), 모니터링, 성능평가 모듈(100)의 상기 실시간 센서 데이터 데이터베이스(DB)(130)로부터의 데이터를 매핑하고, 해당 데이터를 진단/예지/보전용 데이터마트(220)와 정상유형/고장유형 데이터베이스(DB)(230)에 저장하는 데이터매핑 서버(210)와, 상기 정상유형/고장유형 데이터베이스(DB)(230)의 데이터에 따라 학습적 고장유형을 관리하는 학습적 고장유형 관리 시스템(240)을 포함하여 구성됨이 바람직하다.
또한 상기 진단/예지/보전/형상관리 모듈(300)은, 일반진단, 기능 저항 가능성, 고장 가능성을 분석하는 지능형 진단 시스템(310)과, 고장 유형 분석, 잔여 수명 예지 및 고장유형을 학습하는 예지 시스템(320)과, 고장 원인을 분석하고, 심각도/RBD(Reliability Block Diagram)를 분석하며, 유지보수를 결정하는 보전 시스템(330) 및 제품정보 데이터와 정비이력 데이터에 따라서 요구사항, 기준선, 플랜트 구성, 변경, 정합성 관리를 수행하는 형상관리 시스템(340)을 포함하여 구성됨이 바람직하다.
한편 상기 가상해양 플랜트 시뮬레이터(400)는, 상기 해양플랜트용 다중분산제어시스템(DCS)(110)으로부터의 제어정보에 따른 프로세스 시뮬레이터 모델(411)에 따라 조선소(SHIPYARD)로부터 제공된 정보인 3D 캐드(CAD) 데이터, PFD(Process flow diagram)를 가상현실 모델 데이터베이스(412) 및 생산 프로세스 모니터링/제어, 현장 작업자 교육, 현장 운영자와 상호운용, 비상시 대응 교육 및 기타 실상황 시나리오로 구성되는 훈련 시나리오 데이터베이스(DB)(413)에 따라 가시화 시스템(414)과 운영통제 시스템(415)으로 구성된 가상해양플랜트 시스템(416)으로 운영하고, 운영에 따른 제어결과를 해양플랜트용 다중분산제어시스템(110)으로 전송하는 입출력 가상화 시스템(410)을 포함하여 구성됨이 바람직하다.
또한 모니터링 시스템(120)은 상기 운영통제시스템(415)과 양방향 조작이 가능하며 상기 가상해양플랜트 운영 시스템(416)으로 영상을 피드백하는 것이 바람직하다.
그리고 상기한 목적을 달성하기 위한 본 발명 해양자원 생산장비의 예지보전을 위한 고장유형관리 방법은 초기 데이터베이스(DB) 구축을 통해 고장유형 데이터베이스(DB)에 정상유형 패턴 분석 및 지식화와, 정상유형 여부 결정 및 지식화, 고장유형 패턴 결정 및 지식화를 통해 고장유형 패턴 인지 및 지식화를 통해 고장유형 데이터베이스(DB)를 완성하여 고장/정상 유형 데이터를 승인하는 단계(S100); SCADA 데이터를 수집하는 단계(S110); 상기 수집된 해양 SCADA 데이터를 모니터링하는 단계(S120); 상기 모니터링 결과에 따라 상기 고장유형 데이터베이스(DB)에서 진단을 하는 단계(S130); 상기 진단결과에 따른 예지를 하는 단계(S140); 상기 예지결과에 따른 의사결정을 수행하여(S150), 상기 의사결정 내용을 보전하는 단계(S160);를 포함하여 이루어지는 것을 특징으로 한다.
여기서 상기 고장유형 패턴 인지 및 지식화를 통해 완성한 상기 고장유형 데이터베이스(DB)는 지식의 재활용을 통해 지식기반 신뢰도 데이터베이스(DB)로 활용하는 것이 바람직하다.
그리고 상기 고장유형 데이터베이스(DB)는 공학시뮬레이터 데이터, 조선소 기술 데이터, 육상 플랜트 현장 데이터 및 신뢰성 데이터를 통해 학습적 고장유형 관리 지식베이스 기술에 적용되어 해양 플랜트 엔지니어링 지식서비스로 제공됨이 바람직하다.
한편 상기 해양 SCADA 데이터를 수집하는 단계(S110)는, DCS(Distributed Control System), 모니터링, 성능평가 모듈(100)의 분산제어시스템은 실시간 대용량 데이터 수집 및 모니터링이 가능하도록 이중화처리되고, 현장기기와는 스마트 센서네트워크 표준 프로토콜인 하트(HART :Highway Addressable Remote Transducer) 인터페이스를 수행하는 것이 바람직하다.
또한 상기한 목적을 달성하기 위한 본 발명 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치를 이용한 해양플랜트 관련 시스템 검증용 가상 해양플랜트 테스트 방법은, 입출력 시뮬레이터(601)와, 가시화 시스템(602) 및 운영 통제 시스템(603)으로 구성된 가상해양플랜트 운영시스템(610)을 구축하고, 도면(SHIPYARD)(620)에 따른 가상 현실 3차원 모델 데이터베이스(630)와 프로세스 시뮬레이션 모델(640)을 구축하여, 훈련 시나리오 데이터베이스(DB)(650)가 포함되는 가상 해양 플랜트 테스트베드(600)를 구축하는 단계; 해양플랜트용 다중분산제어시스템(DCS)(110)과 상기 입출력 시뮬레이터(601)가 접속되는 단계; 상기 도면(SHIPYARD)(620)에 따른 상기 가상 현실 3차원 모델 데이터베이스(630)와 상기 프로세스 시뮬레이션 모델(640)을 상기 가시화 시스템(602)이 가시화하는 단계; 및 훈련 시나리오 데이터베이스(DB)(413)와 상기 가시화 시스템(620)에 따른 운영 훈련을 운영 통제 시스템(630)이 수행하는 단계;를 포함하여 이루어지는 것을 특징으로 한다.
본 발명에 의하면 다음과 같은 효과가 있다.
첫째, 실제 해양플랜트의 구성요소인 분산제어시스템(DCS) 기반 실시간 대용량 데이터의 수집 및 운전성능 모니터링/평가 체계 구축이 가능하다.
둘째, 하트(HART) 표준을 적용하여 실시간 대용량 데이터 수집이 가능하다.
셋째, 이중화 처리를 통한 데이터수집을 위한 안정적인 시스템 신뢰도 확보가 가능하다.
넷째, 분산제어시스템에 기반한 해양플랜트 SCADA(Supervisory Control and Data Acquisition)과, 학습적 고장유형 관리 기반의 해양플랜트 예지보전 솔루션 및 해양플랜트 관련 시스템 검증용의 가상 해양플랜트 운영 시스템을 개발하여 해양플랜트 통합운영 및 유지보수를 위한 예지보전이 가능하므로, 설비 운영 효율화 및 최적화가 가능하므로 예방 차원을 넘어 적극적인 운영/유지보수가 가능한 효과가 있다.
도 1은 해양플랜트 예지보전을 위한 요소 기술을 설명하기 위한 도면이다.
도 2는 생산 플랜트 예지보전 기술을 설명하기 위한 도면이다.
도 3은 본 발명에 따른 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치를 설명하기 위한 도면이다.
도 4는 도 3에 나타낸 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 중 분산제어시스템에 기반한 해양플랜트 SCADA(Supervisory Control and Data Acquisition : 감시 제어 데이터 수집시스템)를 상세히 나타낸 도면이다.
도 5는 도 3에 나타낸 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 중 학습적 고장유형 관리 기반의 해양플랜트 예지보전 솔루션을 상세히 나타낸 도면이다.
도 6은 도 3에 나타낸 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 중 가상해양플랜트 운영 시스템을 상세히 나타낸 도면이다.
도 7은 도 3에 나타낸 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치를 이용한 학습적 고장유형 관리 기반 예지보전 신뢰성 향상 방법을 설명하기 위한 도면이다.
도 8은 도 7에 나타낸 해양자원 생산장비의 예지보전을 위한 고장유형관리 방법에서 예지보전용 고장유형 데이터베이스(DB)를 설명하기 위한 도면이다.
도 9는 도 7에 나타낸 해양자원 생산장비의 예지보전을 위한 고장유형관리 방법에서 분산제어시스템 기반 해양 플랜트 SCADA 체계 정립을 설명하기 위한 도면이다.
도 10은 도 3에 나타낸 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치를 이용한 해양플랜트 관련 시스템 검증용 가상 해양플랜트 테스트베드를 설명하기 위한 도면이다.
100 : 성능평가 모듈
110 : 해양플랜트용 다중분산제어시스템(DCS)
120 : 모니터링 시스템 130 : 실시간 센서 데이터 DB
140 : 성능평가 시스템 150 : 실시간 센서/운전 DB
160 : 종합컨트롤 시스템
200 : 예지보전 플랫폼 210 : 데이터매핑 서버
220 : 진단/예지/보전용 데이터마트 230 : 정상유형/고장유형 DB
240 : 학습적 고장유형 관리 시스템
300 : 진단/예지/보전/형상관리 모듈 310 : 지능형 진단 시스템
320 : 예지 시스템 330 : 보전 시스템
340 : 형상관리 시스템
400 : 가상해양 플랜트 시뮬레이터 410 : 입출력 가상화 시스템
411 : 시뮬레이터 모델 412 : 가상현실 모델 DB
413 : 훈련 시나리오 DB 414 : 가시화 시스템
415 : 운영통제 시스템
420 : 가상해양플랜트 운영 시스템(시뮬레이터)
430 : 시나리오 기반 운영 훈련 시스템
500 : 통신망
600 : 가상 해양 플랜트 테스트베드 601 : 입출력 시뮬레이터
602 : 가시화 시스템 603 : 운영 통제 시스템
610 : 가상해양플랜트 운영시스템 620 : 도면(SHIPYARD)
630 : 가상 현실 3차원 모델 데이터베이스
640 : 프로세스 시뮬레이션 모델 650 : 훈련 시나리오 DB
본 발명의 바람직한 실시 예를 첨부된 도면에 의하여 상세히 설명하면 다음과 같다.
아울러, 본 발명에서 사용되는 용어는 가능한 한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며 이 경우는 해당되는 발명의 설명부분에서 상세히 그 의미를 기재하였으므로, 단순한 용어의 명칭이 아닌 용어가 가지는 의미로서 본 발명을 파악하여야 함을 밝혀두고자 한다. 또한 실시예를 설명함에 있어서 본 발명이 속하는 기술 분야에 익히 알려져 있고, 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.
우선 예지보전(Condition Based Maintenance, CBM)은 장비의 상태에 대한 전문가적 진단을 통해 미리 수명을 예지하고, 장비의 수명이 다할 때까지 원활하게 사용할 수 있도록 하는 유지보수이다.
현재까지는 주로 예방보전(Preventive Maintenance)과 예측보전(Predictive Maintenance)이 주를 이루고 있다.
여기서 예방보전 이란 장비의 사용 중 고장 및 정지와 같은 사고를 미리 방지하고자 부품을 사용 가능한 상태로 유지하기 위해 계획적으로 하는 유지보수로써, 예를 들면 5,000km 마다 자동차 엔진오일의 정기적 교환과 같은 것이 있다.
그리고 예측보전이란, 장비의 상태에서 물리적인 변화가 나타나고 있는지를 모니터링하여 고장을 예측하여 유지보수로써, 예를 들면 오일게이지 검사 시 색상 변화로 수명 노화를 인지하는 것이 있다.
한편 본 발명에서의 예지보전(CBM: Condition Based Maintenance)이란, 장비의 상태에 대한 전문가적 진단을 통해 수명을 예지하고, 장비가 수명이 다할 때까지 원활하게 사용할 수 있도록 하는 유지보수로써, 사용자(관리자)가 인지하지 못한 상태에서도 엔진오일의 잔여 수명을 예지하여 알려주는 것을 예로 할 수 있다.
도 3은 본 발명에 따른 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치를 설명하기 위한 도면이고, 도 4는 도 3에 나타낸 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 중 분산제어시스템에 기반한 해양플랜트 SCADA(Supervisory Control and Data Acquisition)를 상세히 나타낸 도면이며, 도 5는 도 3에 나타낸 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 중 학습적 고장유형 관리 기반의 해양플랜트 예지보전 솔루션을 상세히 나타낸 도면이고, 도 6은 도 3에 나타낸 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 중 가상해양플랜트 운영 시스템을 설명하기 위한 도면이다.
도 3 내지 도 6에 나타낸 본 발명 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치는 다중분산제어시스템(DCS : Distributed Control System), 모니터링, 성능평가 모듈(100)과, 예지보전 플랫폼(200), 진단/예지/보전/형상관리 모듈(300) 및 가상해양 플랜트 시뮬레이터(400)로 구성된다.
여기서, 다중분산제어시스템(DCS), 모니터링, 성능평가 모듈(100)은 해양플랜트용 다중분산제어시스템(DCS)(110), 모니터링 시스템(120), 실시간 센서 데이터 DB(130) 및 성능평가 시스템(140)으로 구성되어, 유지보수 데이터의 체계적 수집/관리용 다중 분산제어시스템을 구축하여, 실시간 데이터 관리 및 모니터링 시스템 개발하고, 해양플랜트 성능 모니터링 수준의 성능평가 시스템 개발한다.
해양플랜트용 다중분산제어시스템(DCS)(110)은 데이터 수집 및 제어신호 지시에 따라 데이터를 수집하고, 이를 통신망(500)(예로써 이더넷)을 통해 모니터링 시스템(120)으로 전송한다.
모니터링 시스템(120)은 상부설비(TOP Side), 선체(Hull), 서브씨(Subsea) 및 환경 하중 등의 모니터링을 수행하고 이를 실시간 센서/운전 데이터베이스(DB)(150)로 데이터베이스화하며, 실시간 센서/운전 데이터베이스(DB)(150)는 실시간 센서 데이터 데이터베이스(DB)(130)에 데이터베이스화한다.
성능평가 시스템(140)은 복합설비 성능평가 공통모델(PIM)과 복합설비 성능평가 구현모델(PSM)에 따라 운전이력, 성능지표, 성능계산 및 성능 이력 등에 대한 시스템 성능평가를 한다. 그리고 성능평가 시스템(140)은 종합컨트롤 시스템(160)을 통해 통신망(500)으로 분산제어시스템(DCS)과 접속되어 종합컨트롤 시스템(160)으로부터의 제어처리를 수행한다.
그리고 예지보전 플랫폼(200)은 데이터매핑 서버(210)와, 진단/예지/보전용 데이터마트(220)와, 정상유형/고장유형 데이터베이스(DB)(230) 및 학습적 고장유형 관리 시스템(240)으로 구성된다.
데이터매핑 서버(210)는 다중분산제어시스템(DCS), 모니터링, 성능평가 모듈(100)의 실시간 센서 데이터 데이터베이스(DB)(130)로부터의 데이터를 매핑하고, 해당 데이터를 진단/예지/보전용 데이터마트(220)와 정상유형/고장유형 데이터베이스(DB)(230)에 저장한다.
학습적 고장유형 관리 시스템(240)은 정상유형/고장유형 데이터베이스(DB)(230)의 데이터에 따라 학습적 고장유형을 관리한다.
진단/예지/보전/형상관리 모듈(300)은 지능형 진단 시스템(310), 예지 시스템(320), 보전 시스템(330) 및 형상관리 시스템(340)으로 구성되어, 데이터매핑 서버(210)로 전송된 실시간 센서 데이터 데이터베이스(DB)(130)로부터의 데이터에 따라 학습적 고장유형 관리 기반 예지보전 신뢰성 자동 향상 기술을 개발하고, 해양플랜트 진단, 예지, 보전 시스템을 개발하며, 진단 및 예지보전 운영 플랫폼 및 형상관리 시스템을 개발하는데 이용된다.
여기서 지능형 진단 시스템(310)은 일반진단, 기능 저항 가능성, 고장 가능성을 분석한다.
예지 시스템(320)은 고장 유형 분석, 잔여 수명 예지 및 고장유형을 학습한다.
보전 시스템(330)은 고장 원인을 분석하고, 심각도/RBD(Reliability Block Diagram)를 분석하며, 유지보수를 결정한다.
형상관리 시스템(340)은 제품정보 데이터와 정비이력 데이터 등에 따라서 요구사항, 기준선, 플랜트 구성, 변경, 정합성 관리를 수행한다.
가상해양 플랜트 시뮬레이터(400)는 입출력 가상화 시스템(410), 가상해양플랜트 운영 시스템(시뮬레이터)(420) 및 시나리오 기반 운영 훈련 시스템(430)으로 구성되어, 가상 해양플랜트 시뮬레이터를 구축하고, 시나리오 기반 운영 훈련 시스템을 구축하며, 예지보전 솔루션 및 해양플랜트 SCADA 시스템과의 상호운용을 위한 입출력 가상화 시스템을 개발한다.
입출력 가상화 시스템(410)은 해양플랜트용 다중분산제어시스템(DCS)(110)으로부터의 제어정보에 따른 프로세스 시뮬레이터 모델(411)에 따라, 조선소(SHIPYARD)로부터 제공된 정보인 3D 캐드(CAD) 데이터, PFD(Process flow diagram)와 같은 도면을 가상현실 모델 데이터베이스(412) 및 훈련 시나리오 데이터베이스(DB)(413)에 따른 가시화 시스템(414)과 운영통제 시스템(415)으로 구성된 가상해양플랜트 시스템(416)으로 운영하고, 운영에 따른 제어결과를 해양플랜트용 다중분산제어시스템(110)으로 전송한다.
이때, 모니터링 시스템(120)은 운영통제시스템(415)과 양방향 조작이 가능하며 가상해양플랜트 운영 시스템(416)으로 영상을 피드백한다.
한편 훈련 시나리오 데이터베이스(DB)(413)는 생산 프로세스 모니터링/제어, 현장 작업자 교육, 현장 운영자와 상호운용, 비상시 대응 교육 및 기타 실상황 시나리오 등으로 구성된다.
도 7은 도 3에 나타낸 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치를 이용한 학습적 고장유형 관리 기반 예지보전 신뢰성 향상 방법을 설명하기 위한 도면이고, 도 8은 도 3에 나타낸 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치에서 예지보전용 고장유형 데이터베이스(DB)를 설명하기 위한 도면이다.
해양자원 생산장비의 예지보전을 위한 고장유형관리 장치를 이용한 학습적 고장유형 관리 기반 예지보전 신뢰성 향상 방법은 도 7에 나타낸 바와 같이, 초기 데이터베이스(DB)를 구축하는데 있어 예를 들면 보고된 실패사례(Failure report database)인 OREDA(Offshore Reliability Data)를 이용하여 고장유형 데이터베이스(DB)에 정상유형 패턴 분석 및 지식화와, 정상유형 여부 결정 및 지식화, 고장유형 패턴 결정 및 지식화 등을 통해 고장유형 패턴 인지 및 지식화를 통해 고장유형 데이터베이스(DB)를 완성한다.
참고로 OREDA는 이제까지 보고된 실패사례를 바탕으로 안전장치을 위한 신뢰도 데이터 수집을 통해서 보수와 운전데이터 분석, 신뢰도 변환, 높은 품질의 신뢰도 데이터베이스의 설립, 여러회사가 참여한 설비보수와 안전기술(RAMS) 등을 통해서 안전과 설계비 용을 개선하기 위한 것이로 예를 들면 OREDA-97은 유럽 10개 정유사에서 참여하였으며, 7600 개 설비 Unit에 11,150개의 고장 Event에 대하여 수집된 자료이다.
본 발명에서는 이러한 고장유형 패턴 인지 및 지식화를 통해 완성한 고장유형 데이터베이스(DB)를 이용해 고장/정상 유형 데이터를 승인하고(S100), 해양 SCADA 데이터를 수집한다(S110), 데이터를 모니터링하며(S120), 모니터링 결과에 따라 고장유형 데이터베이스(DB)에서 진단을 한다(S130). 이어서 예지를 하고(S140), 의사결정에 따라(S150) 보전한다(S160). 한편 이러한 고장유형 패턴 인지 및 지식화를 통해 완성한 고장유형 데이터베이스(DB)는 지식의 재활용을 통해 지식기반 신뢰도 데이터베이스(DB)에 이용된다.
한편 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치에서 예지보전용 고장유형 데이터베이스(DB)는 공학시뮬레이터 데이터, 조선소 기술 데이터, 육상 플랜트 현장 데이터 및 신뢰성 데이터(ODERA, WOAD 등)을 통해 학습적 고장유형 관리 지식베이스 기술에 적용되어 해양 플랜트 엔지니어링 지식서비스로 제공된다.
도 9는 도 3에 나타낸 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치에서 분산제어시스템 기반 해양 플랜트 SCADA 체계 정립을 설명하기 위한 도면이다.
한편 본 발명에 따른 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치에서 분산제어시스템 기반 해양 플랜트 SCADA 체계 정립은 도 9에 나타낸 바와 같은데, DCS(Distributed Control System), 모니터링, 성능평가 모듈(100)과 예지보전 플랫폼(200)은 실시간 대용량 데이터 수집 및 모니터링이 가능하도록 분산제어시스템(110)은 이중화처리되고, HART : 스마트 센서네트워크 표준 프로토콜인 하트(HART :Highway Addressable Remote Transducer) 인터페이스를 수행한다.
따라서 실제 해양플랜트의 구성요소인 분산제어시스템(DCS) 기반 실시간 대용량 데이터의 수집 및 운전성능 모니터링/평가 체계 구축이 가능하고, 하트(HART) 표준을 적용하여 실시간 대용량 데이터 수집이 가능하며, 이중화 처리를 통한 데이터수집을 위한 안정적인 시스템 신뢰도 확보가 가능하다.
도 10은 도 3에 나타낸 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치에서 해양플랜트 관련 시스템 검증용 가상 해양플랜트 체계를 설명하기 위한 도면이다.
해양자원 생산장비의 예지보전을 위한 고장유형관리 장치에서 해양플랜트 관련 시스템 검증용 가상 해양플랜트 체계는 우선 가상 해양 플랜트 테스트베드(600)를 구축한다. 여기서 가상 해양 플랜트 테스트베드(600)는 입출력 시뮬레이터(601)와, 가시화 시스템(602) 및 운영 통제 시스템(603)으로 구성된 가상해양플랜트 운영시스템(610)을 구축하고, 도면(SHIPYARD)(620)에 따른 가상 현실 3차원 모델 데이터베이스(630)와 프로세스 시뮬레이션 모델(640)을 구축하며, 훈련 시나리오 데이터베이스(DB)(650)가 포함된다.
입출력 시뮬레이터(601)는 도 4에 나타낸 바와 같은 분산제어시스템에 기반한 해양플랜트용 다중분산제어시스템(DCS)(110)과 접속된다.
가시화 시스템(602)은 도면(SHIPYARD)(620)에 따른 가상 현실 3차원 모델 데이터베이스(630)와 프로세스 시뮬레이션 모델(640)을 가시화한다.
운영 통제 시스템(630)은 훈련 시나리오 데이터베이스(DB)(413)와 가시화 시스템(620)에 따른 운영 훈련을 수행한다.
따라서 이러한 가상 훈련 플랜트 테스트 베드(600)의 입출력 시뮬레이터(601)를 통해 분산제어시스템에 기반한 해양플랜트용 다중분산제어시스템(DCS)(110) 및 예지보전 시스템(320,330)과 접속하여 해양플랜트를 대상으로 향후의 각종 IT 솔루션에 대한 가상 테스트베드 제품화가 가능하다.
또한 실제 해양 플랜트와 4차원 기반의 상호운용 역시 수행할 수 있다.
본 발명을 첨부된 도면과 함께 설명하였으나, 이는 본 발명의 요지를 포함하는 다양한 실시 형태 중의 하나의 실시예에 불과하며, 당업계에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 하는 데에 그 목적이 있는 것으로, 본 발명은 상기 설명된 실시예에만 국한되는 것이 아님은 명확하다. 따라서, 본 발명의 보호범위는 하기의 청구범위에 의해 해석되어야 하며, 본 발명의 요지를 벗어나지 않는 범위 내에서의 변경, 치환, 대체 등에 의해 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함될 것이다. 또한, 도면의 일부 구성은 구성을 보다 명확하게 설명하기 위한 것으로 실제보다 과장되거나 축소되어 제공된 것임을 명확히 한다.
본 발명은 해양자원 생산장비의 예지보전에 관한 것으로, 더욱 상세하게는 에 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 및 방법에 관한 것으로써 산업상 이용가능성이 있다.

Claims (11)

  1. 유지보수 데이터의 체계적 수집/관리용 다중 분산제어시스템을 구축하여, 실시간 데이터 관리 및 모니터링 시스템 개발하고, 해양플랜트 성능 모니터링 수준의 성능평가 시스템 개발하는 다중분산제어시스템(DCS), 모니터링, 성능평가 모듈(100);
    상기 다중분산제어시스템(DCS), 모니터링, 성능평가 모듈(100)의 실시간 센서 데이터로부터의 데이터를 매핑하고, 해당 데이터를 저장하며, 정상유형과 고장유형 데이터에 따른 학습적 고장유형을 관리하는 예지보전 플랫폼(200);
    상기 예지보전 플랫폼(200)으로 전송된 상기 다중분산제어시스템(DCS), 모니터링, 성능평가 모듈(100)로부터의 데이터에 따라 학습적 고장유형 관리 기반 예지보전 신뢰성 자동 향상 기술을 개발하고, 해양플랜트 진단, 예지, 보전 시스템을 개발하며, 진단 및 예지보전 운영 플랫폼 및 형상관리 시스템을 개발하는 진단/예지/보전/형상관리 모듈(300): 및
    가상 해양플랜트 시뮬레이터를 구축하고, 시나리오 기반 운영 훈련 시스템을 구축하며, 예지보전 솔루션 및 해양플랜트 SCADA 시스템과의 상호운용을 위한 입출력 가상화 시스템을 개발하는 가상해양 플랜트 시뮬레이터(400);를 포함하여 구성됨을 특징으로 하는 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치.
  2. 제1항에 있어서,
    상기 다중분산제어시스템(DCS), 모니터링, 성능평가 모듈(100)은,
    제어신호 지시에 따라 데이터를 수집하는 해양플랜트용 다중분산제어시스템(DCS)(110)과,
    상기 해양플랜트용 다중분산제어시스템(DCS)(110)으로부터 수집된 데이터를 이용하여 상부설비(TOP Side), 선체(Hull), 서브씨(Subsea) 및 환경 하중의 모니터링을 수행하는 모니터링 시스템(120)과,
    상기 모니터링 시스템(120)의 모니터링 데이터를 데이터베이스화하는 실시간 센서/운전 데이터베이스(DB)(150)와,
    상기 실시간 센서/운전 데이터베이스(DB)(150)의 데이터에 따라 센서 데이터를 데이터베이스화하는 실시간 센서 데이터베이스(DB)(130)와,
    복합설비 성능평가 공통모델(PIM)과 복합설비 성능평가 구현모델(PSM)에 따라 운전이력, 성능지표, 성능계산 및 성능 이력에 대한 시스템 성능평가를 하고, 상기 해양플랜트용 다중분산제어시스템(DCS)(110)과 접속되어 종합컨트롤 시스템(160)으로부터의 제어처리를 수행하는 성능평가 시스템(140)을 포함하여 구성됨을 특징으로 하는 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치.
  3. 제2항에 있어서,
    상기 예지보전 플랫폼(200)은,
    상기 다중분산제어시스템(DCS), 모니터링, 성능평가 모듈(100)의 상기 실시간 센서 데이터 데이터베이스(DB)(130)로부터의 데이터를 매핑하고, 해당 데이터를 진단/예지/보전용 데이터마트(220)와 정상유형/고장유형 데이터베이스(DB)(230)에 저장하는 데이터매핑 서버(210)와,
    상기 정상유형/고장유형 데이터베이스(DB)(230)의 데이터에 따라 학습적 고장유형을 관리하는 학습적 고장유형 관리 시스템(240)을 포함하여 구성됨을 특징으로 하는 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치.
  4. 제1항에 있어서,
    상기 진단/예지/보전/형상관리 모듈(300)은,
    일반진단, 기능 저항 가능성, 고장 가능성을 분석하는 지능형 진단 시스템(310)과,
    고장 유형 분석, 잔여 수명 예지 및 고장유형을 학습하는 예지 시스템(320)과,
    고장 원인을 분석하고, 심각도/RBD(Reliability Block Diagram)를 분석하며, 유지보수를 결정하는 보전 시스템(330) 및
    제품정보 데이터와 정비이력 데이터에 따라서 요구사항, 기준선, 플랜트 구성, 변경, 정합성 관리를 수행하는 형상관리 시스템(340)을 포함하여 구성됨을 특징으로 하는 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치.
  5. 제2항에 있어서,
    상기 가상해양 플랜트 시뮬레이터(400)는,
    상기 해양플랜트용 다중분산제어시스템(DCS)(110)으로부터의 제어정보에 따른 프로세스 시뮬레이터 모델(411)에 따라 조선소(SHIPYARD)로부터 제공된 정보를 가상현실 모델 데이터베이스(412) 및 생산 프로세스 모니터링/제어, 현장 작업자 교육, 현장 운영자와 상호운용, 비상시 대응 교육 및 기타 실상황 시나리오로 구성되는 훈련 시나리오 데이터베이스(DB)(413)에 따라 가시화 시스템(414)과 운영통제시스템(415)으로 구성된 가상해양플랜트 시스템(416)으로 운영하고, 운영에 따른 제어결과를 해양플랜트용 다중분산제어시스템(110)으로 전송하는 입출력 가상화 시스템(410)을 포함하여 구성됨을 특징으로 하는 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치.
  6. 제5항에 있어서,
    상기 모니터링 시스템(120)은 상기 운영통제시스템(415)과 양방향 조작이 가능하며 상기 가상해양플랜트 운영 시스템(416)으로 영상을 피드백하는 것을 특징으로 하는 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치.
  7. 청구항 1 내지 6항 중 어느 하나의 항에 기재된 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치를 이용한 해양자원 생산장비의 예지보전을 위한 고장유형관리 방법에 있어서,
    초기 데이터베이스(DB) 구축을 통해 고장유형 데이터베이스(DB)에 정상유형 패턴 분석 및 지식화와, 정상유형 여부 결정 및 지식화, 고장유형 패턴 결정 및 지식화를 통해 고장유형 패턴 인지 및 지식화를 통해 고장유형 데이터베이스(DB)를 완성하여 고장/정상 유형 데이터를 승인하는 단계(S100);
    해양 SCADA 데이터를 수집하는 단계(S110);
    상기 수집된 해양 SCADA 데이터를 모니터링하는 단계(S120);
    상기 모니터링 결과에 따라 상기 고장유형 데이터베이스(DB)에서 진단을 하는 단계(S130);
    상기 진단결과에 따른 예지를 하는 단계(S140);
    상기 예지결과에 따른 의사결정을 수행하여(S150), 상기 의사결정 내용을 보전하는 단계(S160);를 포함하여 이루어지는 것을 특징으로 하는 해양자원 생산장비의 예지보전을 위한 고장유형관리 방법.
  8. 제7항에 있어서,
    상기 고장유형 패턴 인지 및 지식화를 통해 완성한 상기 고장유형 데이터베이스(DB)는 지식의 재활용을 통해 지식기반 신뢰도 데이터베이스(DB)로 활용하는 것을 특징으로 하는 해양자원 생산장비의 예지보전을 위한 고장유형관리 방법.
  9. 제8항에 있어서,
    상기 고장유형 데이터베이스(DB)는 공학시뮬레이터 데이터, 조선소 기술 데이터, 육상 플랜트 현장 데이터 및 신뢰성 데이터를 통해 학습적 고장유형 관리 지식베이스 기술에 적용되어 해양 플랜트 엔지니어링 지식서비스로 제공됨을 특징으로 하는 해양자원 생산장비의 예지보전을 위한 고장유형관리 방법.
  10. 제9항에 있어서,
    상기 해양 SCADA 데이터를 수집하는 단계(S110)는,
    DCS(Distributed Control System), 모니터링, 성능평가 모듈(100)의 분산제어시스템은 실시간 대용량 데이터 수집 및 모니터링이 가능하도록 이중화처리되고, 현장기기와는 스마트 센서네트워크 표준 프로토콜인 하트(HART :Highway Addressable Remote Transducer) 인터페이스를 수행하는 것을 특징으로 하는 해양자원 생산장비의 예지보전을 위한 고장유형관리 방법.
  11. 입출력 시뮬레이터(601)와, 가시화 시스템(602) 및 운영 통제 시스템(603)으로 구성된 가상해양플랜트 운영시스템(610)을 구축하고, 도면(SHIPYARD)(620)에 따른 가상 현실 3차원 모델 데이터베이스(630)와 프로세스 시뮬레이션 모델(640)을 구축하여, 훈련 시나리오 데이터베이스(DB)(650)가 포함되는 가상 해양 플랜트 테스트베드(600)를 구축하는 단계;
    해양플랜트용 다중분산제어시스템(DCS)(110)과 상기 입출력 시뮬레이터(601)가 접속되는 단계;
    상기 도면(SHIPYARD)(620)에 따른 상기 가상 현실 3차원 모델 데이터베이스(630)와 상기 프로세스 시뮬레이션 모델(640)을 상기 가시화 시스템(602)이 가시화하는 단계; 및
    훈련 시나리오 데이터베이스(DB)(413)와 상기 가시화 시스템(620)에 따른 운영 훈련을 운영 통제 시스템(630)이 수행하는 단계;를 포함하여 이루어지는 것을 특징으로 하는 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치를 이용한 해양플랜트 관련 시스템 검증용 가상 해양플랜트 테스트 방법.
PCT/KR2015/011649 2015-02-15 2015-11-02 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 및 방법 WO2016129775A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020150022959A KR101518720B1 (ko) 2015-02-15 2015-02-15 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 및 방법
KR10-2015-0022959 2015-02-15

Publications (1)

Publication Number Publication Date
WO2016129775A1 true WO2016129775A1 (ko) 2016-08-18

Family

ID=53394232

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2015/011649 WO2016129775A1 (ko) 2015-02-15 2015-11-02 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 및 방법

Country Status (3)

Country Link
US (1) US9665092B2 (ko)
KR (1) KR101518720B1 (ko)
WO (1) WO2016129775A1 (ko)

Families Citing this family (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170054957A (ko) * 2015-11-10 2017-05-18 한국해양과학기술원 해양플랜트 예지보전 시스템 및 이를 사용한 해양플랜트 예지보전방법
CN106682742B (zh) * 2016-12-06 2021-10-22 浙江图讯科技股份有限公司 一种基于物联网技术的实时数据采集分析方法
CN106647579B (zh) * 2016-12-30 2019-04-12 北京桑德环境工程有限公司 一种污水收集管网信息化控制***及方法
KR101853480B1 (ko) * 2017-03-31 2018-04-30 (주)부품디비 해양플랜트 예지보전 시스템
EP3602086B1 (en) * 2017-03-31 2023-05-10 CAE Inc. Method and system for diagnosis of a simulator
US10908981B2 (en) 2017-03-31 2021-02-02 Cae Inc. Method and system for diagnosis of a simulator
KR101853485B1 (ko) * 2017-04-13 2018-04-30 (주)부품디비 부유식 천연가스 생산저장설비 예지보전 시스템
CN107327366B (zh) * 2017-06-28 2018-09-21 华中科技大学 一种抽水蓄能机组故障预测与健康管理***和方法
KR20190021560A (ko) 2017-08-23 2019-03-06 주식회사 에스씨티 빅데이터를 활용한 고장예지보전시스템 및 고장예지보전방법
CN110019623B (zh) * 2017-12-15 2023-04-07 宝山钢铁股份有限公司 一种钢铁原料场燃料储运智能监控***
CN108629430B (zh) * 2018-05-14 2021-10-01 西安交通大学 一种重大设备智能运维管理***
US11315015B2 (en) * 2018-06-08 2022-04-26 Technip France Continuous learning of simulation trained deep neural network model
KR102118966B1 (ko) * 2018-06-28 2020-06-04 한국남동발전 주식회사 발전소 고장 예측 및 진단시스템과 그 방법
KR102141673B1 (ko) * 2018-06-28 2020-08-05 한국남동발전 주식회사 발전소 고장 예측 및 진단시스템의 화면표시방법
KR102141677B1 (ko) 2018-06-28 2020-08-05 한국남동발전 주식회사 발전소 고장 예측 및 진단시스템의 학습모델을 위한 학습데이터 생성장치 및 방법
KR101937244B1 (ko) * 2018-08-08 2019-01-11 주식회사 대은계전 포괄적 유지보수 전용 시스템
CN109189599B (zh) * 2018-08-08 2021-11-05 新智能源***控制有限责任公司 一种提高scada***实时数据转储稳定性的方法和装置
CN108762224A (zh) * 2018-08-23 2018-11-06 中国电力工程顾问集团西南电力设计院有限公司 一种智慧电厂综合监控管理***
CN111427937A (zh) * 2019-01-09 2020-07-17 江苏新道格自控科技有限公司 旋转机械在线健康管理与技术状态评估***
JP6807999B1 (ja) * 2019-08-08 2021-01-06 川崎重工業株式会社 舶用推進システム
WO2021059227A1 (en) * 2019-09-25 2021-04-01 Single Buoy Moorings Inc. Computer-implemented method for providing a performance parameter value being indicative of a production performance of a floating hydrocarbon production plant
KR102327636B1 (ko) * 2020-01-10 2021-11-17 (주)상아매니지먼트컨설팅 플랜트 설계 오류 예측 방법 및 장치
KR102350637B1 (ko) * 2020-02-11 2022-01-14 두산중공업 주식회사 고장 예지 모델 생성 장치 및 방법
KR102185017B1 (ko) 2020-07-14 2020-12-01 (주)부품디비 가스공급시설 정보관리 및 예지보전 통합 시스템
CN111988167A (zh) * 2020-07-21 2020-11-24 合肥爱和力人工智能技术服务有限责任公司 一种基于工业互联网机理模型的故障分析方法及设备
CN112270422A (zh) * 2020-11-19 2021-01-26 广东电网有限责任公司电力调度控制中心 一种基于知识服务的电务维护辅助***及方法
CN112558568A (zh) * 2020-12-08 2021-03-26 安徽东爵有机硅有限公司 基于dcs数据采集的生胶自动化生产线信息可视化***
CN113077061B (zh) * 2021-02-20 2022-08-16 上海琥崧智能科技股份有限公司 一种基于生产数据挖掘的设备预测性维护***
CN113125884A (zh) * 2021-04-06 2021-07-16 江苏丰能海服科技有限公司 一种海上风电设备运维监测***
CN113762919A (zh) * 2021-08-05 2021-12-07 海澜智云科技有限公司 一种电厂设备管理平台***及设备管理方法
CN113593080B (zh) * 2021-08-10 2023-07-21 中国船舶工业集团公司第七0八研究所 一种fpso智能装载监控***
CN113706354B (zh) * 2021-09-02 2024-06-07 浙江索思科技有限公司 一种基于大数据技术的海洋综合业务管理***
CN114572361B (zh) * 2022-03-07 2023-11-28 武汉理工大学 船舶智能机舱运维***验证平台
CN114722130B (zh) * 2022-03-09 2024-04-16 大连东软信息学院 一种基于gis***的数字海洋海底电缆状态监控方法
CN114897514B (zh) * 2022-06-09 2024-05-28 南京维拓科技股份有限公司 一种基于plm与erp***集成的数据抛转方法
CN115862401B (zh) * 2022-08-16 2023-07-21 中国人民解放军海军工程大学 燃气轮机监控***故障模拟与维修训练方法、***与装置
EP4369261A1 (en) * 2022-11-14 2024-05-15 Fincantieri S.p.A. System and method for supporting activities in a shipyard during the construction of a ship
CN115695276B (zh) * 2023-01-05 2023-03-14 湖南国科海防信息技术有限公司 一种海洋环境感知***的状态测试诊断方法及其***
CN117592819B (zh) * 2024-01-18 2024-03-26 乳山市海洋经济发展中心 一种面向海洋牧场的陆海综合体的动态监管方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000056080A (ja) * 1998-08-12 2000-02-25 Toshiba Corp プラントの遠隔保守支援システム
JP2004133553A (ja) * 2002-10-08 2004-04-30 Toshiba Corp 設備診断装置
KR20130024841A (ko) * 2011-08-30 2013-03-08 하이드릴 유에스에이 메뉴팩춰링 엘엘씨 해저 구성요소 모니터링 방법, 장치 및 시스템
KR20130065800A (ko) * 2011-11-30 2013-06-20 주식회사 엑센솔루션 예지 보전 기반의 실시간 협업 기업 자산 관리 시스템 및 방법
KR101456781B1 (ko) * 2013-04-25 2014-11-12 (주)부품디비 해양 굴착, 시추 장비의 예지보전을 위한 학습적 고장유형 관리 장치 및 방법

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101210918B1 (ko) 2010-05-25 2012-12-11 주식회사 이메인텍 부유식 구조물의 자동화된 유지보수관리 시스템
US9964967B2 (en) * 2012-02-28 2018-05-08 Chevron U.S.A. Inc. System and method for control performance monitoring
KR101375352B1 (ko) 2012-04-09 2014-03-19 마이클 명섭 리 해양 구조물의 6자유도 운동의 실시간 모니터링을 이용한 해양 구조물의 정적 및 동적 포지셔닝 시스템 및 방법
KR101245646B1 (ko) 2012-06-15 2013-03-20 대우조선해양 주식회사 부유식 구조물의 자동화된 유지보수관리 시스템
KR101380722B1 (ko) 2012-08-22 2014-04-02 대우조선해양 주식회사 부유식 해양 구조물의 동적 위치 유지 시스템 및 방법
US20140067352A1 (en) * 2012-09-06 2014-03-06 Intellicess Inc. Presenting attributes of interest in a physical system using process maps based modeling
US20160055280A1 (en) * 2014-08-20 2016-02-25 Matthews-Daniel Company System for predictive failure analysis of offshore platform placement and safe recovery from rapid leg penetration incidents

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000056080A (ja) * 1998-08-12 2000-02-25 Toshiba Corp プラントの遠隔保守支援システム
JP2004133553A (ja) * 2002-10-08 2004-04-30 Toshiba Corp 設備診断装置
KR20130024841A (ko) * 2011-08-30 2013-03-08 하이드릴 유에스에이 메뉴팩춰링 엘엘씨 해저 구성요소 모니터링 방법, 장치 및 시스템
KR20130065800A (ko) * 2011-11-30 2013-06-20 주식회사 엑센솔루션 예지 보전 기반의 실시간 협업 기업 자산 관리 시스템 및 방법
KR101456781B1 (ko) * 2013-04-25 2014-11-12 (주)부품디비 해양 굴착, 시추 장비의 예지보전을 위한 학습적 고장유형 관리 장치 및 방법

Also Published As

Publication number Publication date
US9665092B2 (en) 2017-05-30
KR101518720B1 (ko) 2015-05-08
US20160239743A1 (en) 2016-08-18

Similar Documents

Publication Publication Date Title
WO2016129775A1 (ko) 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 및 방법
CN110109359B (zh) 一种海洋石油井控装备的安全完整性水平评估方法
Tiddens et al. Exploring predictive maintenance applications in industry
KR20210068687A (ko) 복합설비 고장진단 및 지식기반탐색 방법
KR102163910B1 (ko) 해양플랫폼의 조류정보를 기반으로 한 위치정보 예측 및 위치정보 학습을 통한 계류라인의 장력 예측 시스템
KR101853480B1 (ko) 해양플랜트 예지보전 시스템
CN111753603A (zh) 一种应急发电机组edg故障诊断***
Shimada et al. A statistical approach to reduce failure facilities based on predictive maintenance
Veloso et al. The MetroPT dataset for predictive maintenance
WO2022014864A1 (ko) 가스공급시설 정보관리 및 예지보전 통합 시스템
CN110765633A (zh) 一种动力装置的智能管理方法和装置
Runcie et al. Advances in structural health monitoring system architecture
CN116754022B (zh) 电缆隧道的在线检测应急预警方法及***
Marhaug et al. Smart maintenance-industry 4.0 and smart maintenance: from manufacturing to subsea production systems
Mahmoudi SIL analysis of subsea control system components based on a typical OREDA database
Chen et al. BIM-and IoT-Based Data-Driven Decision Support System for Predictive Maintenance of Building Facilities
Escuer et al. Dynamic integrity management of flexible pipe through condition performance monitoring
Elusakin et al. Towards implementing condition-based maintenance (CBM) policy for offshore blowout preventer (BOP) system
JPT staff Digital Twins Mature in the North Sea
Petschen et al. Tunnel Digitalization Center–Beyond BIM in underground construction
Teal et al. A planned maintenance program for aircraft wiring
Ottermo et al. Reporting of incidents in automated systems during drilling operations
Ong et al. Future trends in aircraft engine monitoring
Jiang et al. Simulation modelling for scenario planning to evaluate IVHM benefit in naval ship building
ISHII et al. Development of Asset Integrity Management System Using Digital Twin for Large Floating Structures

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15882138

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 10/01/2018)

122 Ep: pct application non-entry in european phase

Ref document number: 15882138

Country of ref document: EP

Kind code of ref document: A1