[go: up one dir, main page]

KR102900968B1 - Ai 기반의 제조 설비 진단 및 챗봇 대응 방법 - Google Patents

Ai 기반의 제조 설비 진단 및 챗봇 대응 방법

Info

Publication number
KR102900968B1
KR102900968B1 KR1020220174044A KR20220174044A KR102900968B1 KR 102900968 B1 KR102900968 B1 KR 102900968B1 KR 1020220174044 A KR1020220174044 A KR 1020220174044A KR 20220174044 A KR20220174044 A KR 20220174044A KR 102900968 B1 KR102900968 B1 KR 102900968B1
Authority
KR
South Korea
Prior art keywords
measurement
chatbot
data
process data
outputting
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
KR1020220174044A
Other languages
English (en)
Other versions
KR20230090274A (ko
Inventor
민보경
Original Assignee
아이디비 주식회사
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 아이디비 주식회사 filed Critical 아이디비 주식회사
Publication of KR20230090274A publication Critical patent/KR20230090274A/ko
Application granted granted Critical
Publication of KR102900968B1 publication Critical patent/KR102900968B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • 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]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/50—Business processes related to the communications industry
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Operations Research (AREA)

Abstract

본 발명은 제조 공장의 관리자가 전반적인 제조 공장의 현재 상태 및 예측 상황을 직관적이고 쉽게 모니터링할 수 있는 AI 기반의 제조 설비 진단 및 챗봇 대응 방법을 제공하고자 한다. 본 발명에 따른 AI 기반의 제조 설비 진단 및 챗봇 대응 방법은, 제조 공장의 각 제조 설비로부터 공정 데이터를 수집하는 단계; 상기 공정 데이터, 설비 조건 데이터, 및 임계치 데이터를 AI 신경망에 입력하여 제조 공정에 대한 분석 정보를 생성하는 단계; 및 상기 공정 데이터 및 상기 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계를 포함한다.

Description

AI 기반의 제조 설비 진단 및 챗봇 대응 방법{AI BASED MANUFACTURING EQUIPMENT DIAGNOSIS AND CHAT BOT RESPONSE METHOD}
본 발명은 AI 기반의 제조 설비 진단 및 챗봇 대응 방법에 대한 것이다.
제조 공장에서 수십 내지 수백개의 제조 설비에 의해 제조 공정이 수행되며, 제조 공장의 관리자는 목표에 따라 제품이 생산되도록 각 제조 설비 마다 데이터를 기록하며 관리하여야 한다. 최근 데이터 연산 기술 및 통신 기술의 발전에 따라 각 제조 설비 마다 구비된 센서의 데이터를 취합하여 제조 공정을 관리하는 스마트 팩토리 기술이 소개되고 있다.
다만, 대부분의 스마트 팩토리 기술에서는 단순히 공정 현황을 저장하고 관리자의 요청에 따라 해당 정보를 출력할 뿐, 관리자 입장에서 전반적인 공정 상황을 모니터링하고 대응하기 어려웠다.
본 발명은 제조 공장의 관리자가 전반적인 제조 공장의 현재 상태 및 예측 상황을 직관적이고 쉽게 모니터링할 수 있는 AI 기반의 제조 설비 진단 및 챗봇 대응 방법을 제공하고자 한다.
본 발명의 해결과제는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확히 이해될 수 있을 것이다.
본 발명에 따른 AI 기반의 제조 설비 진단 및 챗봇 대응 방법은, 제조 공장의 각 제조 설비로부터 공정 데이터를 수집하는 단계; 상기 공정 데이터, 설비 조건 데이터, 및 임계치 데이터를 AI 신경망에 입력하여 제조 공정에 대한 분석 정보를 생성하는 단계; 및 상기 공정 데이터 및 상기 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계를 포함한다.
본 발명에 따르면, 상기 공정 데이터는 상기 제조 공장에 구비된 엣지 디바이스에 의해 1차 수집 및 처리되고, 상기 1차 수집 및 처리된 상기 공정 데이터가 서버에 해당하는 컴퓨팅 장치로 2차 수집 및 처리될 수 있다.
본 발명에 따르면, 상기 공정 데이터는 상기 제조 설비 및 상기 제조 설비에 구비된 센서에 의해 측정된 온도, 압력, 전류, 진동, 소리, 농도 데이터를 포함할 수 있다.
본 발명에 따르면, 상기 제조 공정에 대한 분석 정보를 생성하는 단계는, 상기 공정 데이터를 머신 러닝 엔진에 입력하여 상기 제조 설비의 고장 및 잔여 수명에 대한 예측 정보를 생성하는 단계를 포함할 수 있다.
본 발명에 따르면, 상기 제조 공정에 대한 분석 정보를 생성하는 단계는, 학습된 정상 데이터의 특징과 구분되는 이상 데이터의 특징을 추출하는 단계; 및 상기 공정 데이터 중 상기 이상 데이터가 발생한 제조 설비 및 이상 정보를 출력하는 단계를 포함할 수 있다.
본 발명에 따르면, 상기 공정 데이터 및 상기 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계는, 모바일 기기로부터 상기 제조 공장의 상태에 대한 요청 메시지를 상기 챗봇 어플리케이션을 통해 입력받는 단계; 및 요청 메시지에서 측정 항목, 측정 위치, 측정 시기, 및 측정 기간을 추출하는 단계; 상기 측정 항목, 측정 위치, 측정 시기, 및 측정 기간에 대응하는 측정 정보를 추출하는 단계; 및 상기 추출된 측정 정보를 텍스트 메시지 형태로 상기 챗봇 어플리케이션을 통해 출력하는 단계를 포함할 수 있다.
본 발명에 따르면, 상기 공정 데이터 및 상기 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계는, 상기 요청 메시지에서 상기 측정 위치에 해당하는 센서 위치가 복수개인 경우, 상기 측정 위치에서 센서 위치를 선택할 것을 요청하는 메시지 및 상기 측정 위치의 화면을 표시하는 링크를 출력하는 단계를 더 포함할 수 있다.
본 발명에 따르면, 상기 공정 데이터 및 상기 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계는, 상기 요청 메시지에서 상기 측정 시기 및 상기 측정 기간이 검출되지 않는 경우 기본(default)으로 설정된 측정 시기 및 측정 기간에 해당하는 측정 정보를 출력하는 단계를 더 포함한다.
본 발명에 따르면, 상기 공정 데이터 및 상기 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계는, 상기 요청 메시지에서 상기 측정 시기가 상기 요청 메시지의 입력 시간 이후이거나 상기 요청 메시지가 예측 값을 요청하는 메시지인 경우 상기 측정 항목의 예측 값을 출력하는 단계를 더 포함한다.
본 발명에 따르면, 상기 공정 데이터 및 상기 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계는, 상기 공정 데이터에서 임계치를 초과하는 측정 항목이 검출되면 상기 측정 항목에 대한 알람 메시지를 상기 챗봇 어플리케이션을 통해 출력하는 단계를 포함한다.
본 발명에 따른 AI 기반의 제조 설비 진단 및 챗봇 대응 방법을 수행하기 위한 컴퓨팅 장치가 제공될 수 있다.
본 발명에 따르면, AI 신경망을 통해 분석 정보를 생성하고 공정 데이터 및 분석 정보를 챗봇의 텍스트 포맷으로 출력함으로써 관리자가 전반적인 제조 공장의 현재 상태 및 예측 상황을 직관적이고 쉽게 모니터링하고 대응할 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1 및 도 2는 AI 기반의 제조 설비 진단 및 챗봇 대응을 위한 시스템을 도시한다.
도 3은 AI 기반의 제조 설비 진단 및 챗봇 대응을 위한 시스템에서 컴퓨팅 장치의 구성을 나타내는 블록도이다.
도 4는 AI 기반의 제조 설비 진단 및 챗봇 대응 방법을 나타내는 흐름도이다.
도 5는 공정 데이터의 수집 및 분석 정보의 생성을 위한 과정을 설명하기 위한 도면이다.
도 6은 본 발명에 따른 AI 기반의 제조 설비 진단 및 챗봇 대응 방법이 적용된 챗봇 어플리케이션 화면의 예를 도시한다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시예들에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예들에 한정되지 않는다.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.
또한, 여러 실시예들에 있어서, 동일한 구성을 가지는 구성요소에 대해서는 동일한 부호를 사용하여 대표적인 실시예에서만 설명하고, 그 외의 다른 실시예에서는 대표적인 실시예와 다른 구성에 대해서만 설명하기로 한다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결(또는 결합)"되어 있다고 할 때, 이는 "직접적으로 연결(또는 결합)"되어 있는 경우뿐만 아니라, 다른 부재를 사이에 두고 "간접적으로 연결(또는 결합)"된 것도 포함한다. 또한, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 AI 기반의 제조 설비 진단 및 챗봇 대응을 위한 시스템을 도시한다. 도 1을 참고하면, 제조 공장(10)에는 복수개의 제조 설비(100)들이 구비되며, 각 제조 설비(100)에는 하나 또는 그 이상의 센서(200)가 구비된다. 제조 공장(10)에는 특징 제조 공정을 수행하기 위한 제조 라인이 복수개 설치된다. 각 제조 라인은 해당 제조 공정을 수행하기 위한 제조 설비(100)가 복수개 설치된다. 각 센서(200)는 제조 설비(100)의 상태와 관련된 데이터(예; 온도, 압력, 회전량)를 측정하고, 측정된 데이터를 전송할 수 있다. 컴퓨팅 장치(20)는 센서(200)로부터 수신된 데이터를 저장하고, 저장된 데이터를 이용하여 제조 공장(10)에 대한 분석 정보를 생성하고, 분석 정보를 출력한다. 컴퓨팅 장치(20)에 의해 수행되는 분석 정보 생성 및 출력은 이후 상세히 설명한다. 컴퓨팅 장치(20)는 스마트폰, 태블릿과 같은 모바일 기기(30)로 분석 정보를 전송할 수 있다. 관리자는 컴퓨팅 장치(20) 또는 모바일 기기(30)를 통해 제조 공장(10)의 관리를 위한 정보를 모니터링하고 필요한 데이터를 입력할 수 있다. 컴퓨팅 장치(20)는 AI 기반의 제조 공정 관리 방법을 수행할 수 있으며, 또는 딥러닝을 수행하기 위한 AI 신경망을 구성하는 외부의 서버와 통신하여 AI 기반의 제조 공정 관리 방법을 수행할 수 있다.
제조 설비(100) 또는 센서(200)에 의해 측정된 공정 데이터는 곧바로 컴퓨팅 장치(20)로 전송될 수 있다. 또는, 도 2에 도시된 것과 같이 엣지 디바이스(40)에 의해 처리된 데이터가 공정 데이터로서 컴퓨팅 장치(20)로 전송될 수도 있다. 도 2를 참고하면, 제조 공장(10)에서 각 제조 설비(100) 및 센서(200)와 연결된 엣지 디바이스(40)가 공정 데이터를 1차 수집 및 처리하고, 1차 수집 및 처리된 공정 데이터가 컴퓨팅 장치(20)로 전송되어 2차 수집 및 처리될 수 있다. 엣지 디바이스(40)는 제조 설비(100) 및 센서(200)로부터 1차 수집된 공정 데이터를 필터링하거나 컴퓨팅 장치(20)에 의해 처리되기에 적합한 형태로 변환하여 컴퓨팅 장치(20)로 제공될 수 있다. 특히 엣지 디바이스(40)는 1차 수집된 공정 데이터에서 이상이 발생한 데이터를 검출하고, 이상이 발생한 데이터 및 관련 정보를 컴퓨팅 장치(20)로 제공할 수도 있다. 이하 설명되는 절차는 컴퓨팅 장치(20)에 의해 수행될 수도 있고, 컴퓨팅 장치(20) 및 엣지 디바이스(40)에 의해 수행될 수 있다. 여기서 컴퓨팅 장치(20)는 AI 기반의 제조 설비 진단 및 챗봇 대응을 위한 시스템에서 서버로서 기능할 수 있다.
도 3은 AI 기반의 제조 설비 진단 및 챗봇 대응을 위한 시스템에서 컴퓨팅 장치(20)의 구성을 나타내는 블록도이다. 도 3을 참고하면, 컴퓨팅 장치(20)는 프로세서(210), 통신 모듈(220), 디스플레이(230), 입출력 인터페이스(240), 메모리(250)를 포함할 수 있다.
프로세서(210)는 컴퓨팅 장치(20)의 동작을 수행하기 위한 연산 및 데이터 처리, 그리고 컴퓨팅 장치(20)의 각 모듈을 제어할 수 있다. 프로세서(210)는 메모리(250)에 저장된 하나 이상의 소프트웨어 프로그램들을 실행할 수 있다. 프로세서(210)는 컴퓨팅 장치(20)의 전반적인 동작을 관리하는 운영 체제를 실행하는 범용 프로세서(예: CPU)를 포함할 수 있다. 또한, 프로세서(210)는 특정 연산 처리를 위한 전용 프로세서(예: GPU, NPU)를 포함할 수 있다. 프로세서(210)는 하나 또는 그 이상의 프로세싱 회로를 포함할 수 있다. 프로세서(210)는 제조 공장(10)의 공정 관리를 위한 데이터 처리 및 제어 동작을 수행할 수 있다.
통신 모듈(220)은 컴퓨팅 장치(20)와 외부 개체(예: 서버, 기지국, IoT 기기, 모바일 기기(30))와 통신할 수 있는 환경을 제공한다. 통신 모듈(220)은 유선 또는 무선 통신을 수행하기 위한 장치를 포함할 수 있다. 통신 모듈(220)은 외부 개체로부터 수신된 데이터를 프로세서(210)로 제공할 수 있다. 통신 모듈(220)은 프로세서(210)로부터 제공된 데이터를 변환하여 외부 개체로 전송할 수 있다. 통신 모듈(220)은 제조 공장(10)의 각 센서(200)로부터 데이터를 수신하고, 프로세서(210)에 의해 처리 또는 생성된 데이터를 다른 개체(예: 모바일 기기(30) 또는 제조 설비(100))로 전송할 수 있다.
디스플레이(230)는 시각적 정보를 출력하는 장치로서, 패널 및 제어 회로를 포함할 수 있다. 메모리(250)는 컴퓨팅 장치(20)의 동작을 위한 운영 체제, 어플리케이션과 같은 프로그램 및 프로그램의 실행 과정에서 사용되는 데이터를 저장할 수 있다. 메모리(250)는 휘발성 메모리(예: DRAM) 및 비휘발성 메모리(예: 플래시 메모리)를 포함할 수 있다. 또한, 메모리(250)는 데이터베이스를 구성하기 위한 대용량 저장 장치를 포함할 수 있다. 메모리(250)는 제조 공장(10)의 공정 관리를 위한 데이터를 저장할 수 있다. 입출력 인터페이스(240)는 프로세서(210)로부터 제공되는 데이터를 외부로 전송하거나 외부의 입력을 수신하여 프로세서(210)로 제공할 수 있다.
컴퓨팅 장치(20)는 본 발명에 따른 AI 기반의 제조 설비 진단 및 챗봇 대응 방법을 수행하도록 설정될 수 있다. 이하 설명되는 AI 기반의 제조 공정 관리 방법은 컴퓨팅 장치(20)의 프로세서(210)에 의해 수행될 수 있다.
도 4는 AI 기반의 제조 설비 진단 및 챗봇 대응 방법을 나타내는 흐름도이다. 도 4를 참고하면, AI 기반의 제조 설비 진단 및 챗봇 대응 방법은, 제조 공장(10)의 각 제조 설비(100)로부터 공정 데이터를 수집하는 단계(S410)와, 공정 데이터, 설비 조건 데이터, 및 임계치 데이터를 AI 신경망에 입력하여 제조 공정에 대한 분석 정보를 생성하는 단계(S420)와, 공정 데이터 및 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계(S430)를 포함한다.
S410 단계에서, 제조 공장(10)에 설치된 제조 설비(100)들로부터 수집된 공정 데이터가 컴퓨팅 장치(20)로 전송된다. 제조 설비(100)에 설치된 센서(200)에 의해 측정된 측정 데이터 및 제조 설비(100)에 구비된 기기에 의해 수집된 기록 데이터가 공정 데이터로서 컴퓨팅 장치(20)로 제공될 수 있다. 공정 데이터는 곧바로 컴퓨팅 장치(20)로 전송될 수 있다. 또는, 도 2에 도시된 것과 같이 엣지 디바이스(40)에 의해 1차 처리된 데이터가 공정 데이터로서 컴퓨팅 장치(20)로 전송될 수도 있다.
도 5에 도시된 것과 같이, 공정 데이터는 설비명, 해당 제조 설비의 재료 정보, 온도 정보, 압력 정보, 동작 시간 정보, 임계치 정보, 및 생산 수량 정보를 포함할 수 있다. 공정 데이터는 컴퓨팅 장치(20)에 의해 관리되는 데이터베이스에 저장될 수 있다. 또한, 공정 데이터는 제조 설비(100) 및 제조 설비(100)에 구비된 센서(200)에 의해 측정된 온도, 압력, 전류, 진동, 소리, 농도 데이터를 포함한다.
데이터베이스에 저장된 공정 데이터는 머신 러닝 엔진으로 제공될 수 있다. S320 단계에서, 컴퓨팅 장치(20)는 공정 데이터를 머신 러닝 엔진에 입력하여 제조 설비(100)의 고장 및 잔여 수명에 대한 예측 정보를 생성한다. 즉, 제조 공정에 대한 분석 정보를 생성하는 단계(S420)는 공정 데이터를 머신 러닝 엔진에 입력하여 제조 설비(100)의 고장 및 잔여 수명에 대한 예측 정보를 생성하는 단계를 포함한다.
컴퓨팅 장치(20)에 의해 관리되는 머신 러닝 엔진은 수집된 데이터를 신경망에 입력하여 각 제조 설비(100)의 상태 예측 값 및 이상 상태 발생 가능성 값을 계산할 수 있다. 즉, 제조 공정에 대한 분석 정보를 생성하는 단계(S320)는 선형 회귀(Linear Regression) 방식의 머신 러닝 엔진을 통해 공정 데이터, 레시피 데이터, 수리 이력 데이터로부터 각 제조 설비(100)의 상태 예측 값 및 이상 상태 발생 가능성 값을 계산하는 단계를 포함한다. 데이터베이스에 저장된 데이터 및 머신 러닝 엔진에 의해 출력된 분석 정보는 챗봇 어플리케이션을 통해 출력될 수 있으며, 관리자는 챗봇 어플리케이션을 통해 제조 설비(100)의 상황을 모니터링하고, 이상 상황에 대한 대응 조치 명령을 제조 설비(100)로 전송할 수 있다.
도 5에 도시된 것과 같이, 머신 러닝 엔진은 설비 예지 보전 알고리즘 및 설비 이상패턴 분석 알고리즘을 통해 특정 공정 데이터가 임계치를 초과할 확률이 기준치를 초과하는 경우 알람을 출력할 수 있다. 즉, 제조 공정에 대한 분석 정보를 생성하는 단계(S420)는, 학습된 정상 데이터의 특징과 구분되는 이상 데이터의 특징을 추출하는 단계와, 공정 데이터 중 이상 데이터가 발생한 제조 설비 및 이상 정보를 출력하는 단계를 포함한다.
S430 단계에서, 컴퓨팅 장치(20)는 데이터베이스의 수집 정보 및 머신 러닝 엔진에 의해 출력된 분석 정보를 챗봇 어플리케이션을 통해 출력할 수 있다. 예를 들어, 도 6에 도시된 것과 같이 이상이 발생한 제조 설비(100)의 정보를 챗봇 어플리케이션을 통해 메시지로 출력할 수 있다. 또한, 컴퓨팅 장치(20)는 데이터베이스의 수집 정보 및 머신 러닝 엔진에 의해 출력된 분석 정보를 디스플레이(230)를 통해 시각화하여 출력할 수 있다. 또는, 컴퓨팅 장치(20)는 데이터를 모바일 기기(30)로 전달하고, 모바일 기기(30)가 분석 데이터를 시각화하여 출력할 수 있다.
본 발명에 따른 AI 기반의 제조 설비 진단에 따른 챗봇 대응 방법을 상세히 설명하도록 한다. 본 발명은 클라우드 기반 스마트 공장 통합 관리 서비스를 제공할 수 있다. 컴퓨팅 장치(20)는 제조 공장(10)에 구비된 제조 설비(100) 및 센서(200)에 의해 수집된 공정 데이터를 수집하고, 수집된 데이터를 기반으로 머신 러닝/딥러닝 예측을 통해 이상이 발생하기 전에 관리자에게 알리거나 센서에 이상이 발생하면 직접 관리자에게 알람을 출력한다. 이러한 알람을 챗봇 어플리케이션을 통해 구현할 수 있다. 또한, 컴퓨팅 장치(20)는 관리자로부터 입력을 수신하여 제조 설비(100) 및 센서(200)를 원격으로 제어할 수 있다. 또한, 컴퓨팅 장치(20)는 챗봇 어플리케이션을 통해 제조 공장(10)의 상태를 확인할 수 있는 페이지로의 연결을 위한 링크를 제공할 수 있다.
본 서비스의 구현을 위하여 네이버 클라우드 플랫폼 챗봇이 제공하는 개발환경을 사용할 수 있다. 네이버 챗봇과 api gateway를 사용해서 http request를 통해서 서버와 통신할 수 있는데, 이러한 http request를 통해서 공장 관리를 할 수 있다.
본 발명에 따른 챗봇 입/출력 시나리오는 표 1과 같이 구현될 수 있다.
<센서에 대한 챗봇 입/출력 시나리오>
챗봇 서비스를 위하여 입력되는 데이터 및 주기는 아래와 같다.
- 센서 입력: co2(이산화탄소), hcho(포름알데히드), pm100 (미세먼지), pm25(초미세먼지), temperature(온도), 진동센서
- 주기성: hour(시간), day_cos(시간 주기의 cosine), day_sin(시간 주기의 sine)
1. 현재 (광주) 지역의 (온도) 값?
1-1. (지역 or 센서)를 정확하게 물어보지 않으면
(광주)지역의 (온도) 표시 + 화면 링크
어떤 지역인지 어느 센서 데이터인지 물어봄

2. 센서 통계량
2-1. (오늘) (하루)의 (초미세먼지) 농도 보여줘 : 하루 동안의 센서 데이터 표시
2-2. (오늘) (시간)당 (초미세먼지) 농도 (평균)을 보여줘 [default:오늘, 1시간]
2-3. (지난 1주일) 간 (초미세먼지) 농도 (최대값) 추이를 보여줘
단위 기준을 말하지 않았을 경우 : 단위를 물어봄
통계량을 말하지 않았을 경우 : 통계량을 물어봄

2. 예측 값
2-1. (1시간) 뒤의 (포름알데히드) 농도 보여줘
단위 기준을 말하지 않았을 경우 : 단위를 물어봄
시간을 말하지 않았을 경우 : 시간을 물어봄
2-2. 어떻게 될 거 같아? 와 같은 질문
예측 값과 임계값을 기준으로 그래도 갈것인지 or 좋아질 것인지 or 나빠질 것인지 답

3. 시각화 화면으로 이동해줘
링크 표시

4. 데이터가 잘 들어오고 있어?
센서 데이터 최근 head값 표시 + 답변

5. 농도가 임계치를 넘어가는 경우
(이산화탄소) 농도가 평소보다 높아요
5-1. 어떻게 해야돼?
5-2. 시각화 화면 보여줘, 데이터 보여줘, (1시간) 뒤는 어떻게 될거 같아
5-3. 다른 데이터는 이상이 없어?
ex) (포름알데히드) 농도도 이상 징후를 보이고 있어요

6. 내일 예보가 어떻게 돼?

<설비에 대한 챗봇 입/출력 시나리오>
1. 설비 현재 상황은?
1-1. 정상 : 설비 A는 현재 (수상, 유상, 메인 공정 과정)에 있어요 + 현재 제조 상황 간단한 수치
1-2. 이상 : 설비 A는 (문제 있는 지점) 문제가 있어요 -> 이상있는 곳을 보여줌
이상 설비 화면으로 이동해줘 -> 링크 표시

2. 설비의 제조 상태를 보여줘
현재 설비에 제조 중인 제품의 코드번호, 제조 번호, 지시량, AI 결과 예상 값 ...

3. 설비의 현재 ()값을 알려줘
() : 센서데이터 값, 제품코드, 지시수량 ...
()값 표시

4. 시각화 화면으로 이동해줘
링크 표시

5. 이상 징후 발견 시
설비 A의 값에 이상이 있어요
본 발명에 따른 공정 데이터 및 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계(S430)는, 모바일 기기(30)로부터 제조 공장(10)의 상태에 대한 요청 메시지를 챗봇 어플리케이션을 통해 입력받는 단계와, 요청 메시지에서 측정 항목, 측정 위치, 측정 시기, 및 측정 기간을 추출하는 단계와, 측정 항목, 측정 위치, 측정 시기, 및 측정 기간에 대응하는 측정 정보를 추출하는 단계와, 추출된 측정 정보를 텍스트 메시지 형태로 챗봇 어플리케이션을 통해 출력하는 단계를 포함한다.
예를 들어, "(오늘) (하루)의 (A-1)의 (온도) 알려줘"와 같은 요청 메시지가 모바일 기기(30)를 통해 입력되어 챗봇 어플리케이션을 통해 컴퓨팅 장치(20)로 전달될 수 있다. 컴퓨팅 장치(20)는 요청 메시지에서 측정 항목(온도), 측정 위치(TX50), 측정 시기(오늘), 측정 기간(하루)을 추출할 수 있다. 컴퓨팅 장치(20)는 측정 항목(온도, 예: 30℃), 측정 위치(예: A-1), 측정 시기(예: 2022년 2월 1일), 측정 기간(예: 00:00 ~ 15:15(현재 시간))에 해당하는 측정 정보를 추출하고 추출된 측정 정보를 텍스트 메시지 형태(예: "(오늘) (하루)의 (A-1)의 (온도)는 (30℃) 입니다")로 챗봇 어플리케이션을 통해 출력할 수 있다.
본 발명에 따르면, 공정 데이터 및 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계(S430)는, 요청 메시지에서 측정 위치에 해당하는 센서 위치가 복수개인 경우, 측정 위치에서 센서 위치를 선택할 것을 요청하는 메시지 및 측정 위치의 화면을 표시하는 링크를 출력하는 단계를 더 포함한다.
예를 들어, "(오늘) (하루)의 (A 구역)의 (온도) 알려줘"와 같은 요청 메시지가 모바일 기기(30)를 통해 입력되어 챗봇 어플리케이션을 통해 컴퓨팅 장치(20)로 전달될 수 있다. 컴퓨팅 장치(20)는 요청 메시지에서 측정 항목(온도), 측정 위치(A 구역), 측정 시기(오늘), 측정 기간(하루)을 추출할 수 있다. 이때, A 구역에 위치하는 센서(200)가 여러 개 인 경우, 컴퓨팅 장치(20)는 해당 위치(A 구역)에 위치하는 센서(200)의 위치를 선택할 것을 요청하는 메시지(예: "A 구역의 어느 위치의 온도를 알려드릴까요?") 및 해당 측정 위치의 화면의 링크를 챗봇 어플리케이션을 통해 출력할 수 있다. 또는 컴퓨팅 장치(20)는 해당 위치(A 구역)에 위치하는 센서(200)에 의해 측정된 온도 값 리스트(예: "A-1: 30℃, A-2: 31℃, A-3: 28℃")를 챗봇 어플리케이션을 통해 출력할 수 있다.
본 발명에 따르면, 공정 데이터 및 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계(S430)는, 요청 메시지에서 측정 시기 및 측정 기간이 검출되지 않는 경우 기본(default)으로 설정된 측정 시기 및 측정 기간에 해당하는 측정 정보를 출력하는 단계를 더 포함한다.
예를 들어, "(A-1)의 (온도) 알려줘"와 같은 요청 메시지가 모바일 기기(30)를 통해 입력되어 챗봇 어플리케이션을 통해 컴퓨팅 장치(20)로 전달될 수 있다. 컴퓨팅 장치(20)는 요청 메시지에서 측정 항목(온도), 측정 위치(A-1)가 검출되었으나, 측정 시기 및 측정 기간이 검출되지 않음을 확인한다. 이때, 컴퓨팅 장치(20) 기본(default)으로 설정된 측정 시기(오늘) 및 측정 기간(1시간)에 해당하는 측정 정보를 챗봇 어플리케이션을 통해 출력할 수 있다(예: "(오늘) (1시간) 동안 (A-1)의 (온도)는 30℃ 입니다" 또는 "30℃ 입니다").
본 발명에 따르면, 공정 데이터 및 상기 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계(S430)는, 요청 메시지에서 측정 시기가 요청 메시지의 입력 시간 이후이거나 요청 메시지가 예측 값을 요청하는 메시지인 경우 측정 항목의 예측 값을 출력하는 단계를 더 포함한다.
예를 들어, "(내일) (6시) (A-1)의 (온도) 알려줘"와 같은 요청 메시지가 모바일 기기(30)를 통해 입력되어 챗봇 어플리케이션을 통해 컴퓨팅 장치(20)로 전달될 수 있다. 컴퓨팅 장치(20)는 요청 메시지에서 측정 시기가 요청 메시지의 입력 시간(예: 2021년 2월 1일 6시) 이후의 시기(예: 2021년 2월 2일 6시)인 것을 판단한다. 이 경우 컴퓨팅 장치는 머신 러닝 엔진을 통한 수집된 공정 데이터의 이력에 대한 학습을 통해 입력된 측정 시기(예: 2021년 2월 2일 6시)의 예측 값(예: 25℃)을 계산할 수 있다. 컴퓨팅 장치(20)는 계산된 예측 값을 챗봇 어플리케이션의 메시지를 통해 출력할 수 있다(예: "내일 6시 A-1의 예상 온도는 25℃입니다).
본 발명에 따르면, 공정 데이터 및 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계(S430)는, 공정 데이터에서 임계치를 초과하는 측정 항목이 검출되면 측정 항목에 대한 알람 메시지를 챗봇 어플리케이션을 통해 출력하는 단계를 포함한다. 예를 들어, A-1 위치의 온도의 임계치가 40℃인데 측정된 A-1 위치의 온도가 41℃인 경우, 컴퓨팅 장치(20)는 챗봇 어플리케이션을 통해 임계치를 초과하는 데이터가 발생하였음을 알리는 메시지(예: A-1의 온도가 41℃이며, 임계치(40℃)를 초과하였습니다.)를 모바일 기기(30)로 전송할 수 있다.
또한, 도 6의 (a)에 도시된 것과 같이, 수집된 공정 데이터로부터 계산된 예상치가 기준치를 벗어나는 경우, 컴퓨팅 장치(20)는 알람 메시지("기계가공 설비 TX50의 설비 이상이 예상됩니다")를 챗봇 어플리케이션을 통해 모바일 기기(30)로 전송할 수 있다. 모바일 기기(30)로부터 구체적인 이상 정보를 요청하는 메시지("어떤 이상인데?", "무엇이 문젠데?")를 수신하는 경우 컴퓨팅 장치(20)는 세부 이상 상태 정보("모터 회전수가 느립니다", "정상은 50RPM이나 현재 20RPM 입니다")를 모바일 기기(30)로 전송할 수 있다. 컴퓨팅 장치(20)는 1차적으로 이상 상태에 대한 정보(모터 회전수 느림)을 출력하고, 세부 문제를 요청하는 메시지에 대응하여 2차적으로 이상 상태에 대한 세부 수치 정보(정상은 50RPM 이나 현재 20RPM)를 출력할 수 있다.
이후, 도 6의 (b)에 도시된 것과 같이 조치 방안을 요구하는 메시지("어떤 조치가 필요하지?")가 모바일 기기(30)에서 입력되는 경우, 컴퓨팅 장치(20)는 해당 이상 상태의 조치 방안을 안내하는 안내 메시지("모터의 상태 점검이 필요합니다")를 출력한다. 추가적인 공유 요청 메시지("담당자들에게 공유해줘")가 모바일 기기(30)에서 입력되면 컴퓨팅 장치(20)는 해당 관리자 및 해당 설비의 담당자/관련자/책임자로 등록된 계정으로 해당 이상 상태에 대한 정보를 알리는 메시지를 챗봇 어플리케이션을 통해 전송할 수 있다.
본 실시예 및 본 명세서에 첨부된 도면은 본 발명에 포함되는 기술적 사상의 일부를 명확하게 나타내고 있는 것에 불과하며, 본 발명의 명세서 및 도면에 포함된 기술적 사상의 범위 내에서 당업자가 용이하게 유추할 수 있는 변형예와 구체적인 실시예는 모두 본 발명의 권리범위에 포함되는 것이 자명하다고 할 것이다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (11)

  1. 컴퓨팅 장치에 의해 수행되는 AI 기반의 제조 설비 진단 및 챗봇 대응 방법에 있어서,
    프로세서가, 제조 공장의 각 제조 설비로부터 공정 데이터를 수집하는 단계;
    상기 프로세서가, 상기 공정 데이터, 설비 조건 데이터, 및 임계치 데이터를 AI 신경망에 입력하여 제조 공정에 대한 분석 정보를 생성하는 단계; 및
    상기 프로세서가, 상기 공정 데이터 및 상기 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 변환하여 출력하는 단계를 포함하고,
    상기 공정 데이터 및 상기 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계는,
    모바일 기기로부터 상기 제조 공장의 상태에 대한 요청 메시지를 상기 챗봇 어플리케이션을 통해 입력받는 단계;
    요청 메시지에서 측정 항목, 측정 위치, 측정 시기, 및 측정 기간을 추출하는 단계;
    상기 측정 항목, 측정 위치, 측정 시기, 및 측정 기간에 대응하는 측정 정보를 추출하는 단계; 및
    상기 추출된 측정 정보를 텍스트 메시지 형태로 상기 챗봇 어플리케이션을 통해 출력하는 단계를 포함하는 AI 기반의 제조 설비 진단 및 챗봇 대응 방법.
  2. 제1항에 있어서,
    상기 공정 데이터는 상기 제조 공장에 구비된 엣지 디바이스에 의해 1차 수집 및 처리되고,
    상기 1차 수집 및 처리된 상기 공정 데이터가 서버에 해당하는 컴퓨팅 장치로 2차 수집 및 처리되는 AI 기반의 제조 설비 진단 및 챗봇 대응 방법.
  3. 제1항에 있어서,
    상기 공정 데이터는 상기 제조 설비 및 상기 제조 설비에 구비된 센서에 의해 측정된 온도, 압력, 전류, 진동, 소리, 농도 데이터를 포함하는 AI 기반의 제조 설비 진단 및 챗봇 대응 방법.
  4. 제3항에 있어서,
    상기 제조 공정에 대한 분석 정보를 생성하는 단계는, 상기 공정 데이터를 머신 러닝 엔진에 입력하여 상기 제조 설비의 고장 및 잔여 수명에 대한 예측 정보를 생성하는 단계를 포함하는 AI 기반의 제조 설비 진단 및 챗봇 대응 방법.
  5. 제4항에 있어서,
    상기 제조 공정에 대한 분석 정보를 생성하는 단계는,
    학습된 정상 데이터의 특징과 구분되는 이상 데이터의 특징을 추출하는 단계; 및
    상기 공정 데이터 중 상기 이상 데이터가 발생한 제조 설비 및 이상 정보를 출력하는 단계를 포함하는 AI 기반의 제조 설비 진단 및 챗봇 대응 방법.
  6. 삭제
  7. 제1항에 있어서,
    상기 공정 데이터 및 상기 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계는,
    상기 요청 메시지에서 상기 측정 위치에 해당하는 센서 위치가 복수개인 경우, 상기 측정 위치에서 센서 위치를 선택할 것을 요청하는 메시지 및 상기 측정 위치의 화면을 표시하는 링크를 출력하는 단계를 더 포함하는 AI 기반의 제조 설비 진단 및 챗봇 대응 방법.
  8. 제1항에 있어서,
    상기 공정 데이터 및 상기 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계는,
    상기 요청 메시지에서 상기 측정 시기 및 상기 측정 기간이 검출되지 않는 경우 기본(default)으로 설정된 측정 시기 및 측정 기간에 해당하는 측정 정보를 출력하는 단계를 더 포함하는 AI 기반의 제조 설비 진단 및 챗봇 대응 방법.
  9. 제1항에 있어서,
    상기 공정 데이터 및 상기 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계는,
    상기 요청 메시지에서 상기 측정 시기가 상기 요청 메시지의 입력 시간 이후이거나 상기 요청 메시지가 예측 값을 요청하는 메시지인 경우 상기 측정 항목의 예측 값을 출력하는 단계를 더 포함하는 AI 기반의 제조 설비 진단 및 챗봇 대응 방법.
  10. 제1항에 있어서,
    상기 공정 데이터 및 상기 분석 정보를 챗봇 어플리케이션의 텍스트 포맷으로 출력하는 단계는,
    상기 공정 데이터에서 임계치를 초과하는 측정 항목이 검출되면 상기 측정 항목에 대한 알람 메시지를 상기 챗봇 어플리케이션을 통해 출력하는 단계를 포함하는 AI 기반의 제조 설비 진단 및 챗봇 대응 방법.
  11. 제1항에 따른 AI 기반의 제조 설비 진단 및 챗봇 대응 방법을 수행하기 위한 컴퓨팅 장치.
KR1020220174044A 2021-12-14 2022-12-13 Ai 기반의 제조 설비 진단 및 챗봇 대응 방법 Active KR102900968B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210178866 2021-12-14
KR1020210178866 2021-12-14

Publications (2)

Publication Number Publication Date
KR20230090274A KR20230090274A (ko) 2023-06-21
KR102900968B1 true KR102900968B1 (ko) 2025-12-15

Family

ID=86989991

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220174044A Active KR102900968B1 (ko) 2021-12-14 2022-12-13 Ai 기반의 제조 설비 진단 및 챗봇 대응 방법

Country Status (1)

Country Link
KR (1) KR102900968B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20250075261A (ko) 2023-11-21 2025-05-28 이여랑 챗봇을 이용한 스마트팩토리 지원 시스템
KR102829035B1 (ko) 2024-07-09 2025-07-08 주식회사 인터엑스 사출성형 공정에 적용 가능한 소규모 언어 모델 기반의 생성형 ai를 활용한 챗봇

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
웹문서(DATANET), 보안담당자 설문조사5, AI 기술완성도 낮다,(2019.2.5.)*
웹문서(innidatabridge.com), 아이디비 바로GO 실시간 설비 상태 모니터링, (2020.7.19.)*
유기성 외 1명, 스마트공장 설비진단 및 예지보전 기술의 발전 동향, 정보와 통신, (2020.6.)*

Also Published As

Publication number Publication date
KR20230090274A (ko) 2023-06-21

Similar Documents

Publication Publication Date Title
Mourtzis et al. Intelligent predictive maintenance and remote monitoring framework for industrial equipment based on mixed reality
US20220035356A1 (en) Equipment failure diagnosis support system and equipment failure diagnosis support method
JP2019185422A (ja) 故障予知方法、故障予知装置および故障予知プログラム
KR102900968B1 (ko) Ai 기반의 제조 설비 진단 및 챗봇 대응 방법
JP6961740B2 (ja) 産業用コントローラのデータ完全性を保証するためのａｉの使用
KR20190062739A (ko) 복수의 센서를 활용하여 제조 공정상의 장비 고장을 예지하는 데이터 분석 방법, 알고리즘 및 장치
CN114551271A (zh) 监测机台运行状况的方法及装置、存储介质及电子设备
US20150241873A1 (en) Monitoring a first system of a technical plant for producing a product
EP4423582B1 (en) System, apparatus and method for monitoring condition of an asset in technical installation
US20190257719A1 (en) Abnormal-state detection system and abnormal-state detection method
JP2006277185A (ja) 故障予測診断支援システム
KR102890336B1 (ko) Ai 기반의 제조 공정 관리 방법 및 컴퓨팅 장치
CN108873826A (zh) 巡检管理方法及系统
US10318364B2 (en) Methods and systems for problem-alert aggregation
TW202248779A (zh) 診斷裝置、診斷方法及診斷程式
KR102409862B1 (ko) 실시간 로봇 모니터링 서비스 제공 방법, 서버 및 프로그램
KR102879690B1 (ko) Ai 기반의 제조 공정 표준 통합 관리 및 모니터링을 위한 방법
JP2014063337A (ja) 異常検知システム及び記録媒体
JP2021140400A (ja) 学習モデル作成システム及び学習モデル作成方法
EP3995920B1 (en) EVENT ANALYSIS IN MODULAR INDUSTRIAL FACILITIES
CN112904807B (zh) 工业分析系统、方法和非暂态计算机可读介质
KR20140056952A (ko) 이상 예측 평가 방법 및 시스템
CN111243059B (zh) 图形实时绘制方法、装置、设备及计算机可读介质
Tong et al. Industry 4.0 for aerospace manufacturing: condition based maintenance methodology, implementation and challenges
Mayadevi et al. SCADA-based operator support system for power plant equipment fault forecasting

Legal Events

Date Code Title Description
PA0109 Patent application

St.27 status event code: A-0-1-A10-A12-nap-PA0109

PA0201 Request for examination

St.27 status event code: A-1-2-D10-D11-exm-PA0201

P11-X000 Amendment of application requested

St.27 status event code: A-2-2-P10-P11-nap-X000

P13-X000 Application amended

St.27 status event code: A-2-2-P10-P13-nap-X000

PG1501 Laying open of application

St.27 status event code: A-1-1-Q10-Q12-nap-PG1501

R18-X000 Changes to party contact information recorded

St.27 status event code: A-3-3-R10-R18-oth-X000

R18-X000 Changes to party contact information recorded

St.27 status event code: A-3-3-R10-R18-oth-X000

P22-X000 Classification modified

St.27 status event code: A-2-2-P10-P22-nap-X000

P22-X000 Classification modified

St.27 status event code: A-2-2-P10-P22-nap-X000

D13-X000 Search requested

St.27 status event code: A-1-2-D10-D13-srh-X000

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

St.27 status event code: A-1-2-D10-D21-exm-PE0902

E13 Pre-grant limitation requested

Free format text: ST27 STATUS EVENT CODE: A-2-3-E10-E13-LIM-X000 (AS PROVIDED BY THE NATIONAL OFFICE)

E13-X000 Pre-grant limitation requested

St.27 status event code: A-2-3-E10-E13-lim-X000

P11 Amendment of application requested

Free format text: ST27 STATUS EVENT CODE: A-2-2-P10-P11-NAP-X000 (AS PROVIDED BY THE NATIONAL OFFICE)

P11-X000 Amendment of application requested

St.27 status event code: A-2-2-P10-P11-nap-X000

D22 Grant of ip right intended

Free format text: ST27 STATUS EVENT CODE: A-1-2-D10-D22-EXM-PE0701 (AS PROVIDED BY THE NATIONAL OFFICE)

PE0701 Decision of registration

St.27 status event code: A-1-2-D10-D22-exm-PE0701

F11 Ip right granted following substantive examination

Free format text: ST27 STATUS EVENT CODE: A-2-4-F10-F11-EXM-PR0701 (AS PROVIDED BY THE NATIONAL OFFICE)

PR0701 Registration of establishment

St.27 status event code: A-2-4-F10-F11-exm-PR0701

PR1002 Payment of registration fee

St.27 status event code: A-2-2-U10-U11-oth-PR1002

Fee payment year number: 1

U11 Full renewal or maintenance fee paid

Free format text: ST27 STATUS EVENT CODE: A-2-2-U10-U11-OTH-PR1002 (AS PROVIDED BY THE NATIONAL OFFICE)

Year of fee payment: 1

PG1601 Publication of registration

St.27 status event code: A-4-4-Q10-Q13-nap-PG1601

Q13 Ip right document published

Free format text: ST27 STATUS EVENT CODE: A-4-4-Q10-Q13-NAP-PG1601 (AS PROVIDED BY THE NATIONAL OFFICE)