KR102361755B1 - 디지털 트윈 기반 Automotive Intelligence 지식베이스를 이용한 오류 탐지 및 형상화 방법 - Google Patents
디지털 트윈 기반 Automotive Intelligence 지식베이스를 이용한 오류 탐지 및 형상화 방법 Download PDFInfo
- Publication number
- KR102361755B1 KR102361755B1 KR1020190165318A KR20190165318A KR102361755B1 KR 102361755 B1 KR102361755 B1 KR 102361755B1 KR 1020190165318 A KR1020190165318 A KR 1020190165318A KR 20190165318 A KR20190165318 A KR 20190165318A KR 102361755 B1 KR102361755 B1 KR 102361755B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- error
- virtual space
- construction equipment
- space model
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000007794 visualization technique Methods 0.000 title 1
- 238000010276 construction Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000007493 shaping process Methods 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- 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
- 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; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/003—Navigation within 3D models or images
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Graphics (AREA)
- Radar, Positioning & Navigation (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Component Parts Of Construction Machinery (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
디지털 트윈 기술을 통해 물리적 현실세계의 건설 장비의 오류를 탐지하고, Automotive Intelligence 서비스 사용자에게 탐지 결과가 형상화된 정보들을 제공하는 방법이 제공된다. 본 발명의 실시예에 따른 오류 탐지 및 형상화 방법은, 건설 장비의 위치 데이터, 작업 데이터 및 상태 데이터를 수집하는 단계; 및 수집된 데이터들을 기반으로 직관적 형상화가 가능한 디지털 트윈 타입으로 구현된 가상공간 모델을 갱신하고, 갱신된 가상공간 모델의 오류 상황을 탐지하는 단계;를 포함한다. 이에 의해, 건설장비의 수집 데이터 종류에 상관없이 정상/비정상 범위만 정해지면 분류할 수 있어, 범용적으로 디지털 트윈 기술을 통해 물리적 현실세계의 건설 장비의 오류를 탐지하고, 탐지 결과를 형상화하여, 안전한 건설 장비의 활용 환경을 제공할 수 있다.
Description
본 발명은 에 관한 것으로, 더욱 상세하게는 디지털 트윈 기술을 통해 물리적 현실세계의 건설 장비의 오류를 탐지하고, Automotive Intelligence 서비스 사용자에게 탐지 결과가 형상화된 정보들을 제공하는 방법에 관한 것이다.
종래에 위성통신, 위치정보, 웹 솔루션, S/W 등 IT 기술을 접목한 건설 장비의 원격 관리 기술이나, 또는 ICT 기술을 건설 장비에 적용하여 장비 위치와 가동 상황, 엔진과 유압계통 등 주요 시스템의 상태 데이터를 수집하기 위한 텔레매틱스를 구축하는 기술 등은 개발되고 있지만, 수집된 데이터들을 가공하고, 이를 실시간으로 형상화할 수 있도록, 건설 장비에 디지털 트윈을 활용한 응용 서비스가 적용된 사례는 부족한 실정이다.
따라서, 단순히 건설 장비를 원격 제어하거나 상태 데이터를 수집하는 것에 그치지 않고, 수집된 상태 데이터를 가공하여, 실시간으로 건설 장비의 상태 이상을 탐지하고, 탐지 결과를 형상화하기 위한 방안의 모색이 요구된다.
삭제
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, 건설 장비의 상태 데이터를 가공하여, 디지털 트윈 기술을 통해 물리적 현실세계의 건설 장비의 오류를 탐지하고, 탐지 결과를 형상화하여, 안전한 건설 장비의 활용 환경을 제공할 수 있는 디지털 트윈 기반 Automotive Intelligence 지식베이스를 이용한 오류 탐지 및 형상화 방법을 제공함에 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 오류 탐지 및 형상화 방법은, 건설 장비의 위치 데이터, 작업 데이터 및 상태 데이터를 수집하는 단계; 및 수집된 데이터들을 기반으로 직관적 형상화가 가능한 디지털 트윈 타입으로 구현된 가상공간 모델을 갱신하고, 갱신된 가상공간 모델의 오류 상황을 탐지하는 단계;를 포함한다.
또한, 탐지 단계는, 수집된 데이터들을 기반으로 갱신된 가상공간 모델의 엔진 RPM 값 또는 메인 하중(weight) 값이 정상범위를 초과하거나 미달하는 경우, 오류가 발생된 것을 판단할 수 있다.
한편, 본 발명의 일 실시예에 따른, 오류 탐지 및 형상화 방법은, 오류 발생 여부 및 오류가 발생된 영역의 위치정보를 포함하는 오류 정보가 가상공간 모델에 형상화되는 단계;를 더 포함할 수 있다.
그리고 탐지 단계는, 일시적으로 기설정된 정상범위를 초과하거나 미달하는 이상치 데이터를 필터링하기 위해, 데이터의 수집 주기에 따라 연속된 시점(time)에 수집된 데이터들을 연속적으로 검증하여, 오류를 탐지할 수 있다.
또한, 상태 데이터는, 건설 장비의 주요 제원(諸元) 및 성능 지표에 대한 정보를 포함하며, 건설 장비가 크레인인 경우, 엔진 RPM 값 데이터, 크레인의 붐(boom)대가 부담하는 하중 값 데이터, 작업 반경을 산출하기 위한 붐대의 길이 데이터, 붐대의 방위각 데이터 및 붐대의 리프트 각도 데이터를 더 포함할 수 있다.
그리고 작업 데이터는, 건설 장비가 수행하고자 하는 작업에 대한 정보가 포함되며, 탐지 단계는, 상태 데이터를 기반으로 오류 탐지 시 이용되는 정상범위가 설정되되, 수집된 작업 데이터의 종류에 따라 설정된 정상범위가 조정될 수 있다.
또한, 위치 데이터는, 위도 데이터, 경도 데이터 및 고도 데이터를 포함할 수 있다.
한편, 본 발명의 다른 실시예에 따른, 오류 탐지 및 형상화 시스템은, 건설 장비의 위치 데이터, 작업 데이터 및 상태 데이터를 수집하는 통신부; 및 수집된 데이터들을 기반으로 직관적 형상화가 가능한 디지털 트윈 타입으로 구현된 가상공간 모델을 갱신하고, 갱신된 가상공간 모델의 오류 상황을 탐지하는 프로세서;를 포함한다.
이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 건설장비의 수집 데이터 종류에 상관없이 정상/비정상 범위만 정해지면 분류할 수 있어, 범용적으로 디지털 트윈 기술을 통해 물리적 현실세계의 건설 장비의 오류를 탐지하고, 탐지 결과를 형상화하여, 안전한 건설 장비의 활용 환경을 제공할 수 있다.
본 발명의 실시예들에 따르면, 3차원 형상화 모사에 따라 각 축을 중심으로 회전하며 오류 상황을 인지할 수 있으며, 대규모 건설 기계장비의 IoT 데이터 수집 지원을 통한 통신 환경에 자유도를 향상시키고, 수집 데이터를 그래프 이미지로 표현해 각 부품의 정상/비정상 상태로 분류하는 학습 모델을 지원할 수 있다.
도 1은 본 발명의 일 실시예에 따른 디지털 트윈 기반 Automotive Intelligence 지식베이스를 이용한 오류 탐지 및 형상화 방법의 설명에 제공된 흐름도,
도 2는 디지털 트윈 타입으로 구현된 가상공간 모델이 예시된 도면,
도 3은 정상 상태의 가상공간 모델이 예시된 도면,
도 4 내지 도 5는 오류 탐지 시, 오류 정보가 형상화된 가상공간 모델이 예시된 도면,
도 6 내지 도 7은 오류 상황을 탐지하는 과정의 설명에 제공된 도면, 그리고
도 8은 본 발명의 일 실시예에 따른 디지털 트윈 기반 Automotive Intelligence 지식베이스를 이용한 오류 탐지 및 형상화 시스템의 설명에 제공된 도면이다.
도 2는 디지털 트윈 타입으로 구현된 가상공간 모델이 예시된 도면,
도 3은 정상 상태의 가상공간 모델이 예시된 도면,
도 4 내지 도 5는 오류 탐지 시, 오류 정보가 형상화된 가상공간 모델이 예시된 도면,
도 6 내지 도 7은 오류 상황을 탐지하는 과정의 설명에 제공된 도면, 그리고
도 8은 본 발명의 일 실시예에 따른 디지털 트윈 기반 Automotive Intelligence 지식베이스를 이용한 오류 탐지 및 형상화 시스템의 설명에 제공된 도면이다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 디지털 트윈 기반 Automotive Intelligence 지식베이스를 이용한 오류 탐지 및 형상화 방법(이하에서는 '오류 탐지 및 형상화 방법'으로 총칭하기로 함)의 설명에 제공된 흐름도이다.
본 실시예에 따른 오류 탐지 및 형상화 방법은, 건설 장비의 상태 데이터를 가공하여, 디지털 트윈 기술을 통해 물리적 현실세계의 건설 장비의 오류를 탐지하고, 탐지 결과를 형상화할 수 있다.
이를 위해, 본 오류 탐지 및 형상화 방법은, 건설 장비의 위치 데이터, 작업 데이터 및 상태 데이터를 수집하는 수집 단계(S110), 수집된 데이터들을 기반으로 가상공간 모델을 갱신하고, 갱신된 가상공간 모델의 오류 상황을 탐지하는 탐지 단계(S120) 및 오류 발생 여부 및 오류가 발생된 영역의 위치정보를 포함하는 오류 정보가 가상공간 모델에 형상화되는 형상화 단계(S130)로 구성될 수 있다.
여기서, 가상공간 모델은, 도 2에 예시된 바와 같이 직관적 형상화가 가능한 디지털 트윈 타입으로 구현되는 가상공간 모델을 의미한다.
그리고 오류 정보는 색상, 형상, 텍스트 등으로 형상화될 수 있다.
또한, 탐지 단계(S120)에서는, 수집된 데이터들을 기반으로 갱신된 가상공간 모델의 엔진 RPM 값 또는 메인 하중(weight) 값이 정상범위를 초과하거나 미달하는 경우, 오류가 발생된 것을 판단할 수 있다.
즉, 수집된 데이터들을 기반으로 갱신된 가상공간 모델에 오류 발생 여부를 판단하여, 정상 상태인 경우, 도 3과 같이 형상화할 수 있으며, 오류가 발생된 것으로 판단되면, 도 4 내지 도 5에 예시된 바와 같이 가상공간 모델이 갱신되어, 오류 정보가 형상화될 수 있다.
더불어, 탐지 단계(S120)에서는, 일시적으로 기설정된 정상범위를 초과하거나 미달하는 이상치 데이터를 필터링하기 위해, 데이터의 수집 주기에 따라 연속된 시점(time)에 수집된 데이터들을 연속적으로 검증하여, 오류를 탐지할 수 있다.
다른 예를 들면, 탐지 단계(S120)에서는, 수집된 데이터들을 기반으로 갱신된 가상공간 모델의 엔진 RPM 값 또는 메인 하중(weight) 값이 정상범위를 초과하거나 미달하는 횟수가 기설정된 시간 안에 3회 또는 5회 이상 발생되는 것으로 판단되면, 오류가 발생된 것을 판단할 수 있다.
도 6 내지 도 7은 오류 상황을 탐지하는 과정의 설명에 제공된 도면이다.
본 오류 탐지 및 형상화 방법은, IoT 데이터 프로토콜을 기반으로 건설 장비 데이터의 실시간 수집하고, 수집된 데이터를 가공하여, 디지털 트윈 기술을 통한 물리적 현실세계의 건설 장비의 가상화 방법을 지원하는 것으로, 건설 장비 사용자에게 장비의 상태를 실시간으로 확인 및 오류 내용의 형상화 결과를 시각적으로 제공할 수 있다.
즉, 오류 탐지 및 형상화 방법은, 도 7에 예시된 바와 같이 각각의 수집된 데이터를 부품에 따라 항목별 그래프 이미지로 표현하고, 각각의 데이터 수치가 기설정된 정상범위를 초과하거나 또는 미달하는지 여부를 탐지하여, 각 부품의 정상/비정상 상태를 분류할 수 있다.
더불어, 본 오류 탐지 및 형상화 방법을 수행함에 있어서, 수집되는 상태 데이터에는, 기본적으로 건설 장비의 주요 제원(諸元) 및 성능 지표에 대한 정보를 포함될 수 있다.
그리고 건설 장비가 크레인인 경우, 상태 데이터에는 엔진 RPM 값 데이터, 크레인의 붐(boom)대가 부담하는 하중 값 데이터, 작업 반경을 산출하기 위한 붐대의 길이 데이터, 붐대의 방위각 데이터 및 붐대의 리프트 각도 데이터가 추가적으로 포함될 수 있다.
작업 데이터에는, 건설 장비가 수행하고자 하는 작업에 대한 정보가 포함될 수 있다.
본 오류 탐지 및 형상화 방법은, 상태 데이터를 기반으로 오류 탐지 시 이용되는 정상범위가 설정되되, 수집된 작업 데이터의 종류에 따라 설정된 정상범위가 조정되어, 특정 건설 장비가 수행하는 작업에 따라, 각 부품의 정상/ 비정상 상태를 효과적으로 분류할 수 있다.
위치 데이터에는 위도 데이터, 경도 데이터 및 고도 데이터가 포함될 수 있다.
이를 통해, 건설 장비의 부품 중 고장 또는 과부하 등의 오류가 발생하면, 이를 즉각적으로 형상화하여, 사용자가 직관적으로 오류 발생 여부를 확인하도록 할 수 있다.
도 8은 본 발명의 일 실시예에 따른 디지털 트윈 기반 Automotive Intelligence 지식베이스를 이용한 오류 탐지 및 형상화 시스템의 설명에 제공된 도면이다.
도 8을 참조하면, 본 발명의 일 실시예에 따른 디지털 트윈 기반 Automotive Intelligence 지식베이스를 이용한 오류 탐지 및 형상화 시스템은 통신부(110), 저장부(120) 및 프로세서(130)를 포함할 수 있다.
통신부(110)는, IoT 플랫폼과 연결되어, 건설 장비의 위치 데이터, 작업 데이터 및 상태 데이터를 수집할 수 있다.
저장부(120)는, 프로세서(130)가 구동함에 있어 필요한 데이터 및 프로그램을 저장하는 저장매체이다.
예를 들면, 저장부(120)에는 수집 데이터를 그래프 이미지로 표현해 각 부품의 정상/비정상 상태로 분류하는 딥러닝 학습 모델이 저장될 수 있다.
프로세서(130)는, 수집된 데이터들을 기반으로 가상공간 모델을 갱신하고, 갱신된 가상공간 모델의 오류 상황을 탐지하며, 오류 발생 여부 및 오류가 발생된 영역의 위치정보를 포함하는 오류 정보를 가상공간 모델에 형상화시킬 수 있다.
이를 통해, 3차원 형상화 모사에 따라 각 축을 중심으로 회전하며 오류 상황을 인지할 수 있으며, 대규모 건설 기계장비의 IoT 데이터 수집 지원을 통한 통신 환경에 자유도를 향상시키고, 수집 데이터를 그래프 이미지로 표현해 각 부품의 정상/비정상 상태로 분류하는 학습 모델을 지원할 수 있다.
한편, 본 실시예에 따른 장치와 방법의 기능을 수행하게 하는 컴퓨터 프로그램을 수록한 컴퓨터로 읽을 수 있는 기록매체에도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다. 또한, 본 발명의 다양한 실시예에 따른 기술적 사상은 컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터로 읽을 수 있는 코드 형태로 구현될 수도 있다. 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터에 의해 읽을 수 있고 데이터를 저장할 수 있는 어떤 데이터 저장 장치이더라도 가능하다. 예를 들어, 컴퓨터로 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광디스크, 하드 디스크 드라이브, 등이 될 수 있음은 물론이다. 또한, 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터로 읽을 수 있는 코드 또는 프로그램은 컴퓨터간에 연결된 네트워크를 통해 전송될 수도 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
110 : 통신부
120 : 저장부
130 : 프로세서
120 : 저장부
130 : 프로세서
Claims (8)
- 건설 장비의 위치 데이터, 작업 데이터 및 상태 데이터를 수집하는 단계; 및
수집된 데이터들을 기반으로 직관적 형상화가 가능한 디지털 트윈 타입으로 구현된 가상공간 모델을 갱신하고, 갱신된 가상공간 모델의 오류 상황을 탐지하는 단계;를 포함하며,
탐지 단계는,
수집된 데이터들을 기반으로 갱신된 가상공간 모델의 엔진 RPM 값 또는 메인 하중(weight) 값이 정상범위를 초과하거나 미달하는 경우, 오류가 발생된 것을 판단하고,
오류 발생 여부 및 오류가 발생된 영역의 위치정보를 포함하는 오류 정보가 가상공간 모델에 형상화되는 단계;를 더 포함하는 것을 특징으로 하는 오류 탐지 및 형상화 방법.
- 삭제
- 삭제
- 건설 장비의 위치 데이터, 작업 데이터 및 상태 데이터를 수집하는 단계; 및
수집된 데이터들을 기반으로 직관적 형상화가 가능한 디지털 트윈 타입으로 구현된 가상공간 모델을 갱신하고, 갱신된 가상공간 모델의 오류 상황을 탐지하는 단계;를 포함하며,
탐지 단계는,
수집된 데이터들을 기반으로 갱신된 가상공간 모델의 엔진 RPM 값 또는 메인 하중(weight) 값이 정상범위를 초과하거나 미달하는 경우, 오류가 발생된 것을 판단하고,
탐지 단계는,
일시적으로 기설정된 정상범위를 초과하거나 미달하는 이상치 데이터를 필터링하기 위해, 데이터의 수집 주기에 따라 연속된 시점(time)에 수집된 데이터들을 연속적으로 검증하여, 오류를 탐지하는 것을 특징으로 하는 오류 탐지 및 형상화 방법.
- 건설 장비의 위치 데이터, 작업 데이터 및 상태 데이터를 수집하는 단계; 및
수집된 데이터들을 기반으로 직관적 형상화가 가능한 디지털 트윈 타입으로 구현된 가상공간 모델을 갱신하고, 갱신된 가상공간 모델의 오류 상황을 탐지하는 단계;를 포함하며,
상태 데이터는,
건설 장비의 주요 제원(諸元) 및 성능 지표에 대한 정보를 포함하며,
건설 장비가 크레인인 경우, 엔진 RPM 값 데이터, 크레인의 붐(boom)대가 부담하는 하중 값 데이터, 작업 반경을 산출하기 위한 붐대의 길이 데이터, 붐대의 방위각 데이터 및 붐대의 리프트 각도 데이터를 더 포함하는 것을 특징으로 하는 오류 탐지 및 형상화 방법.
- 청구항 5에 있어서,
작업 데이터는,
건설 장비가 수행하고자 하는 작업에 대한 정보가 포함되며,
탐지 단계는,
상태 데이터를 기반으로 오류 탐지 시 이용되는 정상범위가 설정되되, 수집된 작업 데이터의 종류에 따라 설정된 정상범위가 조정되는 것을 특징으로 하는 오류 탐지 및 형상화 방법.
- 청구항 1에 있어서,
위치 데이터는,
위도 데이터, 경도 데이터 및 고도 데이터를 포함하는 것을 특징으로 하는 오류 탐지 및 형상화 방법.
- 건설 장비의 위치 데이터, 작업 데이터 및 상태 데이터를 수집하는 통신부; 및
수집된 데이터들을 기반으로 직관적 형상화가 가능한 디지털 트윈 타입으로 구현된 가상공간 모델을 갱신하고, 갱신된 가상공간 모델의 오류 상황을 탐지하는 프로세서;를 포함하며,
상태 데이터는,
건설 장비의 주요 제원(諸元) 및 성능 지표에 대한 정보를 포함하며,
건설 장비가 크레인인 경우, 엔진 RPM 값 데이터, 크레인의 붐(boom)대가 부담하는 하중 값 데이터, 작업 반경을 산출하기 위한 붐대의 길이 데이터, 붐대의 방위각 데이터 및 붐대의 리프트 각도 데이터를 더 포함하는 것을 특징으로 하는 오류 탐지 및 형상화 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190165318A KR102361755B1 (ko) | 2019-12-12 | 2019-12-12 | 디지털 트윈 기반 Automotive Intelligence 지식베이스를 이용한 오류 탐지 및 형상화 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190165318A KR102361755B1 (ko) | 2019-12-12 | 2019-12-12 | 디지털 트윈 기반 Automotive Intelligence 지식베이스를 이용한 오류 탐지 및 형상화 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210074541A KR20210074541A (ko) | 2021-06-22 |
| KR102361755B1 true KR102361755B1 (ko) | 2022-02-11 |
Family
ID=76600495
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190165318A KR102361755B1 (ko) | 2019-12-12 | 2019-12-12 | 디지털 트윈 기반 Automotive Intelligence 지식베이스를 이용한 오류 탐지 및 형상화 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102361755B1 (ko) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113624439B (zh) * | 2021-07-01 | 2023-11-10 | 中汽研（天津）汽车工程研究院有限公司 | 一种基于数字孪生技术的汽车环境风洞模拟方法 |
| CN113752264A (zh) * | 2021-09-30 | 2021-12-07 | 上海海事大学 | 基于数字孪生的机械臂智能装备控制方法及系统 |
| CN114077850B (zh) * | 2021-11-22 | 2023-06-20 | 西安交通大学 | 一种变工况下的基于图数据的旋转机械设备状态监测方法 |
| KR102602842B1 (ko) * | 2023-06-20 | 2023-11-17 | 한국건설기술연구원 | Its 장비 성능검증 시스템 및 이를 이용한 성능검증 방법 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101531056B1 (ko) | 2008-12-04 | 2015-06-23 | 두산인프라코어 주식회사 | 건설 기계의 위치를 모니터링하기 위한 통신 방법 |
| KR20180116577A (ko) * | 2017-04-17 | 2018-10-25 | 선문대학교 산학협력단 | 건물 시스템 진단 방법 및 장치 |
| KR102402845B1 (ko) * | 2018-04-25 | 2022-05-27 | 한국전자기술연구원 | 디지털 트윈 기반 건설기계 지능화를 위한 실시간 데이터 처리 방법 |
-
2019
- 2019-12-12 KR KR1020190165318A patent/KR102361755B1/ko active IP Right Grant
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210074541A (ko) | 2021-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102361755B1 (ko) | 디지털 트윈 기반 Automotive Intelligence 지식베이스를 이용한 오류 탐지 및 형상화 방법 | |
| US10579453B2 (en) | Stream-processing data | |
| CN110209835B (zh) | 一种异常检测方法及装置、计算机存储介质及电子设备 | |
| KR102190120B1 (ko) | 건설현장 작업환경 개선시스템 및 그 제공방법 | |
| CN103780696A (zh) | 基于分布式推送的云监控方法、装置及系统 | |
| CN109308252A (zh) | 一种故障定位处理方法及装置 | |
| CN109298713A (zh) | 指令发送方法、装置及系统、自动驾驶车辆 | |
| KR102289531B1 (ko) | 위치정보를 포함한 이동체의 디지털 트윈을 활용한 이동체 안전관리 시스템 | |
| EP4148526A1 (en) | Simulation method for autonomous vehicle and method for controlling autonomous vehicle | |
| KR20220166760A (ko) | 5g 분산 클라우드 시스템의 빅 데이터를 이용하여 장애를 관리하는 장치 및 방법 | |
| CN115952096A (zh) | 数据中心软件系统的故障检测方法、装置、设备、介质 | |
| KR102393285B1 (ko) | 엣지 클라우드에서 현장 경계와 지휘 통제 간 실감 콘텐츠 기반의 원격 협업 시스템 및 방법 | |
| CN114237196B (zh) | 分体机器人故障处理方法、装置、终端设备及介质 | |
| US11782699B1 (en) | Systems and methods for non-interruptive update | |
| CN114339155A (zh) | 抓拍漏洞路线确定方法和相关装置 | |
| JP3526246B2 (ja) | 目標表示システム | |
| KR101876717B1 (ko) | 재난재해 복구를 위한 복구 자원 관리 방법 및 시스템 | |
| CN115333928A (zh) | 网络预警方法、装置、电子设备及存储介质 | |
| CN105827418B (zh) | 一种通信网络告警关联方法及装置 | |
| CN113610008A (zh) | 获取渣土车状态的方法、装置、设备以及存储介质 | |
| KR102626346B1 (ko) | 공작 기계의 공구 마모 및 파손 상태 여부를 감지하는 방법 및 장치 | |
| CN112284403A (zh) | 定位方法、装置、电子设备和存储介质 | |
| CN106385670B (zh) | 移动Sink节点对感知节点的数据收集的方法及系统 | |
| US20240037752A1 (en) | Object-driven event detection from fixed cameras in edge environments | |
| CN117311396B (zh) | 飞行监控方法、装置、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |