KR102654695B1 - 시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 시스템 및 방법 - Google Patents
시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 시스템 및 방법 Download PDFInfo
- Publication number
- KR102654695B1 KR102654695B1 KR1020230135662A KR20230135662A KR102654695B1 KR 102654695 B1 KR102654695 B1 KR 102654695B1 KR 1020230135662 A KR1020230135662 A KR 1020230135662A KR 20230135662 A KR20230135662 A KR 20230135662A KR 102654695 B1 KR102654695 B1 KR 102654695B1
- Authority
- KR
- South Korea
- Prior art keywords
- time
- sensor
- outlier detection
- ensemble
- outlier
- Prior art date
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 84
- 238000013450 outlier detection Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 73
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 238000012806 monitoring device Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 19
- 238000004891 communication Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000007789 gas Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
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
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
본 발명은 배관, 회전체 또는 건축물과 같은 모니터링 대상체의 각종 센싱 정보를 시간대 별로 누적 분석하여 노이즈에 의한 가짜 이상치 신호의 포함 정도를 분류하고 노이즈가 적게 포함되는 시간대에서는 복잡도가 낮더라도 적정한 정확도를 확보할 수 있는 탐지 알고리즘을 적용하고 감지 신호에 노이즈가 많이 포함되는 시간대에는 높은 복잡도로 정확도를 높일 수 있는 탐지 알고리즘을 적용하는 방식으로 앙상블 알고리즘을 적응적으로 적용하는 센서 이상치 탐지 시스템 및 방법에 관한 것이다.
Description
본 발명은 시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 시스템 및 방법에 관한 것으로, 배관 또는 건축물과 같은 모니터링 대상체의 각종 센싱 정보를 시간대 별로 누적 분석하여 노이즈에 의한 가짜 이상치 신호의 포함 정도를 분류하고 노이즈가 적게 포함되는 시간대에서는 복잡도가 낮더라도 적정한 정확도를 확보할 수 있는 탐지 알고리즘을 적용하고 감지 신호에 노이즈가 많이 포함되는 시간대에는 높은 복잡도로 정확도를 높일 수 있는 탐지 알고리즘을 적용하는 방식으로 앙상블 알고리즘을 적응적으로 적용하는 센서 이상치 탐지 시스템 및 방법에 관한 것이다.
본 발명은 한국환경공단 국가물산업클러스터가 발주한 아래 물기술 능동형 디지털화 지원사업의 결과물로 도출된 것이다.
- 과제고유번호 : 202302-0401
- 과제번호 : 202302-0401
- 부처명 : 환경부
- 과제관리(전문)기관명 : 한국환경공단(국가물산업클러스터)
- 연구사업명 : 물기술 능동형 디지털화 지원사업
- 연구과제명 : 스마트 콘트롤밸브 시스템
주택, 상가, 공장 및 아파트 등에는 물 공급을 위한 수도 배관이 땅속에 매설되어 있으며, 복수의 수도 배관들은 그물망처럼 연결되어 수도 관망(Water Pipe Network)을 형성하고 있다. 노후 수도관에 대한 교체가 제대로 이루어지지 않는 경우, 많은 양의 물이 낭비될 수 있을 뿐만 아니 라, 배관의 균열, 배관의 기울어짐, 배관 내 이물질의 축적, 배관 내 유속의 증가 등 배관에서 발생하는 이상 상태로 인해 누수 사고로 이어질 가능성이 높기 때문에 누수 사고가 발생하기 이전에 사전 정비가 필요하다.
한편, 건축물은 토지 위에 지붕, 기둥, 벽이 있도록 지어지는 구조물을 말하는 것으로서, 대개는 토지의 지반을 다지는 작업을 거친 후에, 터 파기, 잡석 다짐, 버림 콘크리트 과정 등을 수행하여 건축물의 시공이 이루어진다.
건축물은 토지 위치에 시공이 이루어진 후에는 토지의 상태나, 지하에 위치된 지하수의 형태 변화에 따라, 건축물에 다양한 영향이 발생될 수 있는 것이며, 최근에는 지반에서 발생되는 지진으로 인하여 건축물의 구조에 영향이 발생되는 경우도 있다. 건축물의 주변 토지가 외부 환경에 의하여 붕괴되거나 토지 기반이 흔들리는 경우에는 건축물이 기울거나, 지속적인 흔들림으로 인하여 붕괴될 수 있는 문제가 발생할 수도 있다.
이에 따라, 건축물의 관리에 있어서는 건축물의 기울기 변화를 측정하거나 건축물에 발생되는 진동을 감지하는 방법 등을 이용하여 건축물의 상태를 지속적으로 체크 하여야만 건축물이 외부 환경에 의하여 흔들리거나, 붕괴되는 문제를 방지할 수 있다.
종래에는 배관 또는 건축물의 이상 상태를 모니터링하기 위해 배관이나 공장의 회전체, 또는 건축물 등에 진동 센서를 설치하고 대상체에서 발생되는 진동을 통해 사고 부위를 탐지하곤 했다.
그러나 상기 센서들의 감지 신호에는 순수하게 배관, 회전체 및 건축물 등의 대상체로부터 감지된 신호 외에 대상체 주변의 차량 운행 및 교통 안내 방송, 대상체 주변의 공사 소음, 배관 내 유량의 변화 등의 노이즈가 다수 유입되므로 배관 내 유량의 변화 등 이상 상태에 따른 진정 이상치 신호 외에 다양한 원인으로 인한 가짜 이상치 신호가 다수 포함되어 이상 상태 탐지의 오류가 빈번하게 발생되는 단점이 있다.
따라서 목표로 하는 진정 이상치 신호를 가짜 이상치 신호들과 좀더 정확하게 구별하기 위해 정교한 이상치 탐지 알고리즘이 사용될 필요가 있으며 이를 위해 한국특허등록 제10-2489502호는 4개의 서로 다른 이상치 탐지 알고리즘을 앙상블하는 이상치 탐지 기술을 제안한다.
그러나 앙상블에 입력되는 여러 가지 이상치 탐지 알고리즘은 종류별로 시간 복잡도 및 공간복잡도가 상이한 바, 감지 신호에 어느 정도의 노이즈가 포함되는지를 감안하지 않고 천편일률적으로 동일한 알고리즘을 적용한다면 불필요한 컴퓨팅 리소스의 낭비와 불필요한 데이터의 송수신으로 인한 전력 낭비가 발생할 수 있으므로 이에 대한 해결책이 요구된다.
본 발명이 해결하고자 하는 과제는 배관, 회전체 또는 건축물과 같은 모니터링 대상체의 각종 센싱 정보를 시간대 별로 누적 분석하여 노이즈에 의한 가짜 이상치 신호의 포함 정도를 분류하고 시간대별로 이상치 탐지 알고리즘을 가변적으로 선택 및 적용하는 이상치 탐지 시스템 및 방법을 제공하는 것이다.
본 발명은 전술한 과제를 해결하기 위한 수단의 일 실시예로, 모니터링 대상체에 설치되는 진동 센서(vibration sensor); 및 상기 센서의 감지 신호를 누적 저장하고, 감지 신호의 시간에 따른 파형의 변화를 일 단위로 분석하여 설정 기준 내의 신호 유사성을 가지는 시간대를 복수로 구분하는 분석기(analyzer)와, 복수의 이상치 탐지 알고리즘의 출력을 앙상블하여 상기 대상체의 이상 상태를 판단하되, 상기 분석기가 구분한 시간대별로 앙상블 대상의 이상치 탐지 알고리즘을 상이하게 선택하는 탐지기(detector)를 포함하는 관제 서버(supervisory server)를 포함하는 시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 시스템을 제안한다.
일 실시예의 시스템에서 상기 모니터링 대상체는, 배관, 건축물 및 회전체 중 어느 하나일 수 있다.
일 실시예의 시스템에서 상기 분석기는, 시간 영역의 상기 감지 신호를 주파수 영역으로 변환하고, 시간에 따른 주파수 영역 감지 신호의 노이즈 포함율을 산출함으로써 파형의 변화를 분석할 수 있다.
일 실시예의 시스템에서 상기 탐지기는, 상기 구분된 시간대별로 앙상블 대상의 이상치 탐지 알고리즘의 개수를 서로 상이하게 적용할 수 있다.
일 실시예의 시스템에서 상기 탐지기는, 상기 구분된 시간대별로 앙상블 대상의 이상치 탐지 알고리즘의 종류를 서로 상이하게 적용할 수 있다.
본 발명은 전술한 과제를 해결하기 위한 수단의 다른 일 실시예로, 대상체의 이상 상태를 감시하는 모니터링 장치(monitoring device)의 센서 이상치 탐지 방법을 제안한다.
일 실시예의 센서 이상치 탐지 방법은, 상기 모니터링 장치의 분석기가 상기 대상체에 설치된 진동 센서의 감지 신호를 누적 저장하는 단계; 상기 분석기가 감지 신호의 시간에 따른 파형의 변화를 일 단위로 분석하여 설정 기준 내의 신호 유사성을 가지는 시간대를 복수로 구분하는 단계; 및 상기 모니터링 장치의 탐지기가 복수의 이상치 탐지 알고리즘의 출력을 앙상블하여 상기 대상체의 이상 상태를 판단하되, 상기 분석기가 구분한 시간대별로 앙상블 대상의 이상치 탐지 알고리즘을 상이하게 선택하는 단계를 포함할 수 있다.
일 실시예의 센서 이상치 탐지 방법에서, 상기 신호 유사성을 가지는 시간대를 복수로 구분하는 단계는, 상기 분석기가 시간 영역의 상기 감지 신호를 주파수 영역으로 변환하는 단계; 및 상기 분석기가 시간에 따른 주파수 영역 감지 신호의 노이즈 포함율을 산출함으로써 파형의 변화를 분석하는 단계를 포함할 수 있다.
일 실시예의 센서 이상치 탐지 방법에서, 상기 탐지 단계는, 상기 탐지기가 상기 구분된 시간대별로 앙상블 대상의 이상치 탐지 알고리즘의 개수를 서로 상이하게 적용하는 단계를 포함할 수 있다.
일 실시예의 센서 이상치 탐지 방법에서, 상기 탐지 단계는, 상기 탐지기가 상기 구분된 시간대별로 앙상블 대상의 이상치 탐지 알고리즘의 종류를 서로 상이하게 적용하는 단계를 포함할 수 있다.
본 발명의 실시예에 의하면 이상치 신호를 가짜 이상치 신호들과 좀더 정확하게 구별하기 위해 정교한 이상치 탐지 알고리즘이 사용되기 때문에 배관의 이상 상태를 미연에 알 수 있어 사전 조치가 가능하므로 안전사고를 예방할 수 있다.
도 1은 본 발명의 일 실시예에 따른 센서 이상치 탐지 시스템의 구성도이다.
도 2는 도 1의 시스템에 포함되는 관제 서버의 세부 구성을 도시한 블록도이다.
도 3은 도 2의 관제 서버 중 탐지기의 세부 동작을 도시한 개념도이다.
도 4는 본 발명의 다른 일 실시예에 따른 센서 이상치 탐지 시스템 및 그 시스템에 포함되는 모니터링 장치의 세부 구성을 도시한 것이다.
도 5는 본 발명의 다른 일 실시예에 따른 센서 이상치 탐지 방법을 도시한 플로우챠트이다.
도 2는 도 1의 시스템에 포함되는 관제 서버의 세부 구성을 도시한 블록도이다.
도 3은 도 2의 관제 서버 중 탐지기의 세부 동작을 도시한 개념도이다.
도 4는 본 발명의 다른 일 실시예에 따른 센서 이상치 탐지 시스템 및 그 시스템에 포함되는 모니터링 장치의 세부 구성을 도시한 것이다.
도 5는 본 발명의 다른 일 실시예에 따른 센서 이상치 탐지 방법을 도시한 플로우챠트이다.
이하 본 발명의 몇 가지 실시예들을 도면을 이용하여 상세히 설명한다. 다만 이것은 본 발명을 어느 특정한 실시예에 대해 한정하려는 것이 아니며 본 발명의 기술적 사상을 포함하는 모든 변형(transformations), 균등물(equivalents) 및 대체물(substitutions)은 본 발명의 범위에 포함되는 것으로 이해되어야 한다.
본 명세서에서 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 명세서에서 어느 한 구성이 어떤 서브 구성을 "구비(have)" 또는 "포함(comprise)" 한다고 기재한 경우, 특별히 반대되는 기재가 없는 한 다른(other) 구성을 제외하는 것이 아니라 다른 구성을 더 포함할 수도 있음을 의미한다.
본 명세서에서 "...유닛(Unit)", "...모듈(Module)" 및 "컴포넌트(Component)"의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 하드웨어, 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수도 있다.
<실시예 1>
실시예 1은 배관 또는 건축물과 같은 모니터링 대상체로부터 측정된 센싱 정보를 이격지의 관제 서버로 전송하면, 관제 서버가 상기 센싱 정보를 분석하여 센서 이상치를 탐지하되, 시간대 별로 상이한 센싱 정보의 특성을 감안하여 다양한 이상치 탐지 알고리즘들을 적응적으로 앙상블하는 기술에 관한 것이다.
도 1은 실시예 1에 따른 센서 이상치 탐지 시스템의 구성도이다.
도 1에서 보듯, 실시예 1의 센서이상치 탐지 시스템은 센서(100)와 관제 서버(200)를 포함하여 이루어진다.
센서(sensor)(100)는 모니터링 대상체에 설치되는 진동 센서이다.
본 발명의 실시예들에 있어서 '모니터링 대상체'라 함은 배관, 건축물 및 회전체 중 어느 하나를 가리킬 수 있다.
여기서 '배관'이라 함은 지하에 매립되거나 건축물에 배치된 상수도관, 하수도관 또는 LNG 가스관일 수도 있고, 밸브실에 배치된 상수도관일 수도 있으며, 수소나 기체 또는 액상의 화석연료가 이동하는 수송관일 수도 있다. 다만 모니터링 대상체는 이들 예시에 반드시 한정될 필요는 없고 내부에 유체가 흐르는 관형 부재라면 모두 포함되는 개념으로 이해되어야 한다.
또한 '건축물'이라 함은 가옥, 빌딩, 교량, 타워 또는 이들의 지지 프레임 등을 통칭하고, '회전체'라 함은 공장 설비 중에 구비되는 회전 샤프트, 로터 등의 회전 부재나 증기터빈, 가스터빈, 풍력터빈, 추력 프로펠러, 에어스크루(airscrew) 등의 회전 부재를 가리킨다.
센서(100)는 위와 같은 모니터링 대상체에 직접 설치될 수도 있고, 모니터링 대상체를 내장하는 컨테이너 부재에 간접적으로 설치될 수 있다. 예를 들어 모니터링 대상체가 상수도 배관일 경우, 센서(100)는 배관의 외주면에 설치될 수도 있고, 상수도 배관을 에워싸는 밸브실의 내측면에 간접적으로 설치될 수도 있다.
한편 센서(100)에 의해 측정된 센싱 정보는 유선 또는 무선의 광역통신망을 통해 실시간으로 관제 서버(200)로 전송될 수도 있고, 센서(100)와 지근 거리에 연결되는 아카이브 장치(도면에 미도시)에 소정의 시간동안 누적 저장되어 있다가 미리 설정된 주기에 따라 광역통신망을 통해 일괄 전송될 수도 있다. 또는 상기 아카이브 장치에 누적 저장되어 있다가 센서(100)의 지근 거리로 접근한 관리자의 이동 단말로 수집되어 추후 관제 서버(200)로 간접적으로 전달될 수도 있다.
관제 서버(supervisory server)(200)는 센서(100)로부터 수집한 센싱 정보를 분석하여 모니터링 대상체의 이상 상태를 탐지한다. 구체적으로, 관제 서버(200)는 센서(100)로부터 수집한 센싱 정보로부터 시간대별 감지 신호의 특성을 분석하고, 유사한 특성이 유지되는 시간대를 구분하여 각기 상이한 정책의 앙상블 알고리즘을 적용하는 방식으로 모니터링 대상체의 센서 이상치를 탐지한다.
여기서 '이상치 탐지'라 함은 데이터에서 예상과는 다른 패턴을 보이는 신호 개체를 찾는 것을 의미하며, 학습된 데이터를 기반으로 기존 데이터들과 상이한 특성을 가지는 이종 데이터를 찾기 위한 모형을 만드는 것을 의미하기도 한다.
이하 도 2를 참고하여 관제 서버(200)의 세부 구성을 상세히 설명한다.
도 2는 도 1의 시스템에 포함되는 관제 서버의 세부 구성을 도시한 블록도이다.
도 2에서 보듯, 관제 서버(200)는 분석기(210)와 탐지기(220)를 포함하여 이루어진다.
분석기(analyzer)(210)는 상기 센서의 감지 신호를 누적 저장하고, 감지 신호의 시간에 따른 파형의 변화를 일 단위로 분석하여 설정 기준 내의 신호 유사성을 가지는 시간대를 복수로 구분한다.
여기서 '시간대'라 함은 n시간 단위(n은 양의 실수)를 의미할 수도 있고, 하루를 크게 둘로 나누어 주간 시간대 및 야간 시간대로 구분될 수도 있으며, 출퇴근 시간대, 주간 업무 시간대, 야간 시간대로 구분될 수도 있다. 다만 이는 예시에 불과하고 미리 설정된 기준 내의 신호 유사성을 가지는 시간대라면 하루를 m개(m은 양의 정수)의 세부 시간대로 구분할 수 있다.
분석기(210)는 시간 영역(time domain)의 감지 신호를 주파수 영역(frequency domain)으로 변환하고, 시간에 따른 주파수 영역 감지 신호의 노이즈 포함율을 산출함으로써 파형의 변화를 분석할 수 있다. 이때 분석기(210)는 푸리에 변환(Fourier Transform) 또는 고속 푸리에 변환(Fast Fourier Transform)을 이용하여 시간 영역의 감지 신호를 주파수 영역으로 변환할 수 있다.
구체적인 예로, 센서(100)가 어느 특정 도로에 매설된 밸브실의 배관으로부터 진동을 감지하는 경우를 가정해 본다.
이 경우, 출퇴근 시간인 AM 07:00 ~ AM 09:30 에는 배관 자체의 진동 신호 외에 밸브실 위를 오가는 각종 출퇴근 차량들로 인해 상당량의 차량 진동 신호가 노이즈로 섞이게 된다. 따라서 출퇴근 시간에서 해당 배관의 감지 신호는 상당한 복잡성을 띄게 될 것이다.
주간의 업무 시간인 AM 09:31 ~ PM 04:30 에는 상기 밸브실 위를 오고 가는 차량이 출퇴근 시간대에 비해 상대적으로 적기 때문에 감지 신호의 복잡도는 출퇴근 시간대에 비해 상대적으로 낮을 것이다.
퇴근 이후의 야간 시간인 PM 04:31 ~ 다음 날 AM 06:59 에는 상기 밸브실 위를 오고 가는 차량이 최소한이므로 출퇴근 시간대 및 주간 업무 시간대에 비해 가장 낮은 신호 복잡도를 가질 것이다.
따라서 분석기(210)가 상기 밸브실의 누적된 감지 신호를 하루 단위로 분석해 보면 크게 출퇴근 시간대, 주간 업무 시간대, 야간 시간대 별로 감지 신호의 복잡도 특성이 유사하게 유지됨을 확인할 수 있으므로 분석기(210)는 상기 밸브실에 대하여 하루를 3개의 시간대로 구분한다.
이상의 가정은 통상적으로 예견해 볼 수 있는 시간대의 특성일 것인 바, 밸브실(또는 밸브실의 센서)이 위치한 도시, 동일한 도시 내에서도 세부 구역, 세부 구역 내에서도 세부 도로, 밸브실(또는 밸브실의 센서)이 위치한 지역의 계절 등에 따라서 밸브실 마다 측정되는 감지 신호의 특성은 시간대마다 천차만별일 수 있다.
따라서 분석기(210)는 특정 위치의 센서(100)가 월, 분기, 또는 반기 등의 미리 설정된 기간 동안 누적 저장한 센싱 정보를 일괄 분석하되, 감지 신호의 시간에 따른 파형의 변화를 일 단위로 분석하여 설정 기준 내의 신호 유사성을 가지는 시간대를 복수로 구분한다. 분석기(210)가 구분한 각 시간대는 주기적인 분석에 의해 자동으로 변경될 수 있다.
한편, 센서(100)에 의해 수집된 감지 신호가 모니터링 대상체에 국한된 이상적인 신호라면 정상 상태의 신호와 이상 상태의 신호만으로 이루어질 것이므로, 원칙적으로 감지 신호에 대해 시간대에 무관하게 항상 동일한 조합의 센서 이상치 탐지 알고리즘을 앙상블 하더라도 탐지의 정확도나 탐지를 위한 시스템 리소스의 사용에 큰 차이가 없을 것이다.
구체적인 예로, 배관에 설치된 센서(100)는 배관 내부의 유체 즉, 물이나 가스 등의 흐름에 따라 발생하는 진동을 측정한다. 배관에 특별한 문제가 없는 정상 상태에서 감지 신호가 수집될 수도 있고, 배관에 크랙이 발생되거나 배관이 외부 요인에 의해 휘거나 배관 내부에 침전물이 고착된 경우 등과 같은 이상 상태에서 감지 신호가 수집될 수도 있다.
그러나 현실에서는 전술한 정상 상태 및 이상 상태의 순수한 배관 신호 외에도 배관 주변의 차량 운행 및 교통 안내 방송, 배관 내 유량의 변화, 배관 주변의 공사 소음 등의 노이즈가 다수 유입되어 감지 신호가 복합한 파형을 가지게 된다. 다시 말해, 배관의 이상 상태에 따른 진정 이상치 신호 외에 다양한 원인으로 인한 가짜(fake) 이상치 신호가 다수 포함되어 배관의 이상 상태 탐지의 오류가 빈번하게 발생하므로, 본 발명은 진정 이상치 탐지의 정확도를 높이기 위해 앙상블 알고리즘을 적용한다.
다만 여기서 더 나아가, 배관 주변의 차량 운행 및 교통 안내 방송, 배관 내 유량의 변화, 배관 지근 거리의 공사 소음 등의 노이즈는 하루 중 발생하는 시간대가 모두 상이하고, 또한 모니터링 대상 배관의 배치 지역에 따라서도 시간대별 발생 소음이 모두 상이하다는 점을 고려할 필요가 있다.
예를 들면, 새벽이나 한밤 중과 같은 시간대에는 차량 이동이 뜸하고 상수의 사용량이 적을 것이며 낮 시간에 수행해야 할 공사는 중단될 것이므로 가짜 이상치 신호가 적게 포함될 가능성이 높고, 주간의 시간대라 하더라도 세부 구간 별로 노이즈의 발생 종류는 달라질 수 있다.
따라서 본 발명은 센서 이상치의 탐지를 위해 앙상블 알고리즘을 채택하되 하루 중 시간대 별로 감지 신호의 특성이 상이할 수 있다는 가정 하에 유사 신호 특성이 유지되는 각 시간대 별로 서로 다른 앙상블 정책을 적응적으로 적용하는 방안을 제안한다.
이를 위해 실시예 1의 탐지기(detector)(220)는 복수의 이상치 탐지 알고리즘의 출력을 앙상블하여 상기 대상체의 이상 상태를 판단하되, 상기 구분된 시간대별로 앙상블 대상의 이상치 탐지 알고리즘을 상이하게 선택하는 것을 특징으로 한다.
도 3은 도 2의 관제 서버에서 탐지기의 세부 동작을 도시한 개념도이다.
도 3에서 보듯, 탐지기(220)는 복수의 이상치 탐지 알고리즘과 앙상블 알고리즘을 실행한다. 참고로 앙상블 알고리즘은 여러 개의 알고리즘을 사용하여 그 예측을 결함함으로써 보다 정확한 예측을 도출하는 원리이다.
탐지기(220)가 이용하는 이상치 탐지 알고리즘은 IQR(Inter Quartile Range), z-score, Generalized ESD test, isolation forest 중 적어도 둘 이상일 수도 있고, LOF(Local Outlier Factor), One-Class SVM 중 적어도 하나를 더 이용할 수도 있다. 다시 말해, 탐지기(220)는 군집 기반(clustering basis) 이상 탐지 알고리즘, 분류 기반(classification basis) 이상 탐지 알고리즘 및 통계학적 기반(statistical basis) 이상치 탐지 알고리즘 중 어느 것이라도 사용할 수 있으므로 전술한 IQR 등에 반드시 한정될 필요는 없다.
이하에는 IQR, z-score, Generalized ESD test 및 isolation forest의 4개 알고리즘 중 상황에 따라 적어도 하나 이상을 선택적으로 앙상블 하여 이상치를 탐지하는 실시예에 대해 구체적으로 설명한다.
IQR은 자료들을 크기순으로 배열한 후 1사분위수(25%)와 3사분위수(75%) 사이 간격을 IQR로 정의한다. 그리고 이 IQR값에 1.5배를 하고 중앙값을 더한 것이나 뺀 것보다 자료값이 더 크거나 작으면 이상치로 판단한다.
z-score는 표준화 점수라고도 불리며 자료가 정규분포(Normal probability distribution)를 따른다는 가정 하에서 그 자료가 평균값에서 표준편차를 고려하여 얼마나 멀리 떨어져 있는지를 보고 이상치 여부를 판단한다.
Generalized ESD test는 Grubb test와 같은 통계량을 사용하여 검정하지만 grubb 검정의 약점을 보완한 방법이다. 참고로 Grubb test(Grubb 검정)은 자료값 중에서 가장 평균값과 거리가 먼 자료의 절대 편차를 가지고 자료가 정규분포에서 나왔다는 가정하에 outlier 인지를 검증한다.
isolation forest는 이상치가 일반적인 데이터보다 더 적은 분할로 나누어진다는 것을 이용하여 데이터를 임의의 분할로 나누고, 이를 통해 이상치를 판단한다.
탐지기(220)는 분석기(210)에서 구분된 시간대 별로 앙상블 대상의 이상치 탐지 알고리즘을 상이하게 선택한다. 다시 말하면, 미리 구분된 시간대 별로 앙상블 정책을 상이하게 적용한다.
일 실시예로, 탐지기(220)는 구분된 시간대별로 앙상블 대상의 이상치 탐지 알고리즘의 개수를 서로 상이하게 적용할 수 있다.
구체적으로, 모니터링 대상체가 도로의 지하에 매설된 배관인 경우, 차량의 통행이 가장 많은 출퇴근 시간대(T1, T3)에는 배관 자체의 진동 신호 외에 밸브실 위를 오가는 각종 출퇴근 차량들로 인해 상당량의 차량 진동 신호가 노이즈로 섞여 감지 신호가 복잡성을 띄게 될 것이므로 앙상블 정책1(예를 들면, 알고리즘 4개를 앙상블)에 해당하는 개수의 이상치 탐지 알고리즘을 앙상블하여 이상치를 판단할 수 있다.
그리고 탐지기(220)는 차량의 통행이 일반적인 평소 시간대(T2)에는 밸브실 위를 오고 가는 차량이 출퇴근 시간대에 비해 상대적으로 적기 때문에 감지 신호의 복잡도는 출퇴근 시간대에 비해 상대적으로 낮을 것이므로 앙상블 정책2(예를 들면, 알고리즘 2개를 앙상블)에 해당하는 개수의 이상치 탐지 알고리즘을 앙상블하여 이상치를 판단할 수 있다.
또한, 센서(100)는 우천 시 빗 물의 소리를 탐지할 수도 있으며, 탐지기(120)는 비가 내리는 날에 동일한 시간대라고 하더라도 앙상블 정책을 달리하여 이상치 탐지 알고리즘의 개수를 다르게 적용할 수도 있다.
다른 실시예로, 탐지기(220)는 구분된 시간대별로 앙상블 대상의 이상치 탐지 알고리즘의 종류를 서로 상이하게 적용할 수도 있다.
예를 들면, 탐지기(220)는 출퇴근 시간대(T1, T3)에는 앙상블 정책1(IQR과 z-score의 이상치 탐지 알고리즘을 앙상블)에 해당하는 종류의 이상치 탐지 알고리즘을 앙상블하여 이상치를 판단할 수 있다. 그리고 탐지기(220)는 차량의 통행이 일반적인 평소 시간대(T2)에서 앙상블 정책2(IQR과 Generalized ESD test의 이상치 탐지 알고리즘을 앙상블)에 해당하는 종류의 이상치 탐지 알고리즘을 앙상블하여 이상치를 판단할 수 있다.
이와 같이 동일한 개수의 이상치 탐지 알고리즘을 적용하더라도, 시간대 별 노이즈에 따라 최적화된 서로 다른 이상치 탐지 알고리즘을 적용함으로써 이상치 탐지의 정확도를 높이는 한편 알고리즘 계산에 따른 리소스의 낭비를 최소화할 수 있다.
<실시예 2>
실시예 2는 배관 또는 건축물과 같은 모니터링 대상체로부터 측정된 센싱 정보를 이격지의 관제 서버가 아니라 지근 거리의 모니터링 장치(300)로 보내어 이상치를 탐지하되, 시간대 별로 상이한 센싱 정보의 특성을 감안하여 다양한 이상치 탐지 알고리즘들을 적응적으로 앙상블하는 기술에 관한 것이다.
여기서 '지근 거리의 모니터링 장치(300)'라 함은 센서(310)와 근거리 무선통신 또는 유선 통신으로 연결된 별개의 장치를 의미할 수도 있고, 센서(310) 내에 회로로 연결된 일종의 모듈을 의미할 수도 있다. 센서(310) 내의 모듈로 구현될 경우, 센서(310)라 함은 이상치 탐지 알고리즘을 자체적으로 실행하는 엣지 센서(edge sensor)를 의미할 수 있다.
도 4는 실시예 2에 따른 센서 이상치 탐지 시스템 및 그 시스템에 포함되는 모니터링 장치의 세부 구성을 도시한 것이다.
도 4에서 보듯, 모니터링 대상체의 지근 거리에는 모니터링 장치(300)가 구비되고, 모니터링 장치(300)는 모니터링 대상체에서 감지 신호를 수신하고 수신된 감지 신호를 분석하여 이상 상태를 판단한다. 참고로, 모니터링 대상체의 지근 거리이라 함은 배관이 설치된 밸브실의 내부일 수도 있고, 건축물의 내부일 수도 있으며, 터빈이 설치된 구조물일 수도 있다.
모니터링 장치(300)는 센서(310), 분석기(320) 및 탐지기(330)를 포함한다.
센서(310)는 모니터링 대상체에 설치되는 진동 센서이다.
센서(310)는 센싱 정보를 광역통신망을 통하거나 관리자 이동 단말을 경유하여 관제 센터로 전송하는 대신 근거리 무선통신, 유선통신 또는 회로상의 데이터 버스로 연결된 분석기(320)로 전송하는 점만 상이할 뿐 그 외의 기술 구성은 실시예 1의 센서(100)와 동일하므로 중복되는 설명은 생략한다.
분석기(320)는 메모리 수단(도면에 미도시)에 센서(310)의 감지 신호를 누적 저장하고, 감지 신호의 시간에 따른 파형의 변화를 일 단위로 분석하여 설정 기준 내의 신호 유사성을 가지는 시간대를 복수로 구분한다. 전술한 바와 같이 분석기(320)는 근거리 무선통신, 유선통신 또는 회로상의 데이터 버스로 연결된 센서(310)로부터 감지 신호를 제공받는다는 점에서 상이할 뿐 그 외의 기술 구성은 실시예 1의 분석기(210)와 동일하므로 중복되는 설명은 생략한다.
탐지기(330)는 복수의 이상치 탐지 알고리즘의 출력을 앙상블하여 상기 대상체의 이상 상태를 판단하되, 분석기(320)에 의해 구분된 시간대별로 앙상블 대상의 이상치 탐지 알고리즘을 상이하게 선택한다. 탐지기(330)의 기술 구성은 실시예 1의 탐지기(220) 와 동일하므로 중복되는 설명은 생략한다.
다만, 실시예 2의 탐지기(330)는 앙상블의 실행 결과 모니터링 대상체에서 센서 이상치가 발견되면 광역통신망을 통해 실시간 또는 미리 설정된 시간에 원격의 관제 장치(400)에 이상 상태의 발생 또는 이상 상태의 발생 가능성을 알람하는 기능을 더 구비할 수 있다.
<실시예 3>
실시예 3은 실시예 1의 관제 서버 또는 실시예 2의 모니터링 장치에서 실행되는 센서 이상치 탐지 방법에 관한 것이다.
도 5는 실시예 3에 따른 센서 이상치 탐지 방법을 도시한 플로우챠트이다.
도 5에서 보듯, 실시예 3의 센서 이상치 탐지 방법은 센서의 감지 신호를 누적 저장하는 단계(S110), 누적된 감지 신호를 분석하는 단계(S120), 신호 유사성을 가지는 시간대를 복수로 구분하는 단계(S130), 시간대별로 앙상블 대상의 이상치 탐지 알고리즘을 상이하게 설정하는 단계(S140) 및 앙상블을 이용하여 센서 이상치를 탐지하는 단계(S150)를 포함할 수 있다.
실시예 3에서 센서, 분석기 및 탐지기는 실시예 1의 센서(100), 분석기(210) 및 탐지기(220)에 대응하거나, 실시예 2의 센서(310), 분석기(320) 및 탐지기(330)에 대응하는 것으로 해석할 수 있다.
감지 신호 누적 단계(S110)는 관제 서버 또는 모니터링 장치의 분석기가 모니터링 대상체에 설치된 센서의 감지 신호를 누적 저장하는 단계이다. 분석기는 센서의 감지 신호를 누적 저장하기 위한 메모리 수단 또는 아카이브 장치 등의 저장 매체를 포함하거나 해당 저장 매체와 유선 또는 무선으로 연결될 수 있다.
감지 신호 분석 단계(S120)는 분석기가 감지 신호의 시간에 따른 파형의 변화를 일 단위로 분석하는 단계이다. 본 단계(S120)는 감지 신호의 변환 단계(도면에 미도시)와 파형 분석 단계(도면에 미도시)를 포함할 수 있다.
감지 신호 변환 단계에서 분석기는 푸리에 변환(Fourier Transform) 또는 고속 푸리에 변환(Fast Fourier Transform)을 이용하여 시간 영역의 감지 신호를 주파수 영역으로 변환한다.
또한 파형 분석 단계에서 분석기는 주파수 영역으로 변환된 시간에 따른 주파수 영역 감지 신호의 노이즈 포함율을 산출함으로써 파형의 변화를 분석한다.
시간대 구분 단계(S130)는 분석기가 상기 일 단위의 파형 분석 결과를 기초로 설정 기준 내의 신호 유사성을 가지는 시간대를 복수로 구분하는 단계이다.
앙상블 정책의 설정 단계(S140)는 탐지기가 상기 미리 구분된 시간대 별로 앙상블 대상의 이상치 탐지 알고리즘들을 서로 상이하게 설정하는 단계이다.
일 실시예로, 탐지기는 구분된 시간대별로 앙상블 대상의 이상치 탐지 알고리즘의 개수를 서로 상이하게 적용할 수 있다.
다른 실시예로, 탐지기는 구분된 시간대별로 앙상블 대상의 이상치 탐지 알고리즘의 종류를 서로 상이하게 적용할 수도 있다.
센서 이상치 탐지 단계(S150)는 탐지기가 상기 구분된 시간대별로 미리 설정된 앙상블 정책에 따라 앙상블 대상의 이상치 탐지 알고리즘을 상이하게 선택하여 상기 대상체의 이상 상태를 판단하는 단계이다.
이와 같이 동일한 개수의 이상치 탐지 알고리즘을 적용하더라도, 시간대 별 노이즈에 따라 최적화된 서로 다른 이상치 탐지 알고리즘을 적용함으로써 이상치 탐지의 정확도를 높이는 한편 알고리즘 계산에 따른 리소스의 낭비를 최소화할 수 있다.
이상에서는 본 발명에 관한 몇 가지 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
또한 이상에서 설명한 실시예들 중 방법에 관한 발명은 컴퓨터 프로그램으로 구현되거나 그 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체로 구현될 수 있다.
또한 상술한 장치 또는 시스템의 부분적 기능들은 이를 구현하기 위한 명령어들의 프로그램이 유형적으로 구현됨으로써 컴퓨터를 통해 판독될 수 있는 기록매체에 포함되어 제공될 수도 있다. 컴퓨터로 판독 가능한 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리, USB 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
100: 센서 200: 관제 서버
210: 분석기 220: 탐지기
300: 모니터링 장치 400: 관제 장치
210: 분석기 220: 탐지기
300: 모니터링 장치 400: 관제 장치
Claims (10)
- 모니터링 대상체에 설치되는 진동 센서(vibration sensor); 및
상기 센서의 감지 신호를 누적 저장하고, 감지 신호의 시간에 따른 파형의 변화를 일 단위로 분석하여 설정 기준 내의 신호 유사성을 가지는 시간대를 복수로 구분하는 분석기(analyzer)와,
복수의 이상치 탐지 알고리즘의 출력을 앙상블하여 상기 대상체의 이상 상태를 판단하되, 상기 분석기가 구분한 시간대별로 앙상블 대상의 이상치 탐지 알고리즘을 상이하게 선택하는 탐지기(detector)를 포함하는 관제 서버(supervisory server)
를 포함하는 시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 시스템. - 제1항에 있어서,
상기 모니터링 대상체는,
배관, 건축물 및 회전체 중 어느 하나인 것을 특징으로 하는 시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 시스템. - 제1항에 있어서,
상기 분석기는,
시간 영역의 상기 감지 신호를 주파수 영역으로 변환하고, 시간에 따른 주파수 영역 감지 신호의 노이즈 포함율을 산출함으로써 파형의 변화를 분석하는 것을 특징으로 하는 시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 시스템. - 제1항에 있어서,
상기 탐지기는,
상기 구분된 시간대별로 앙상블 대상의 이상치 탐지 알고리즘의 개수를 서로 상이하게 적용하는 것을 특징으로 하는 시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 시스템. - 제1항에 있어서,
상기 탐지기는,
상기 구분된 시간대별로 앙상블 대상의 이상치 탐지 알고리즘의 종류를 서로 상이하게 적용하는 것을 특징으로 하는 시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 시스템. - 대상체의 이상 상태를 감시하는 모니터링 장치(monitoring device)의 센서 이상치 탐지 방법에 있어서,
상기 모니터링 장치의 분석기가 상기 대상체에 설치된 진동 센서의 감지 신호를 누적 저장하는 단계;
상기 분석기가 감지 신호의 시간에 따른 파형의 변화를 일 단위로 분석하여 설정 기준 내의 신호 유사성을 가지는 시간대를 복수로 구분하는 단계; 및
상기 모니터링 장치의 탐지기가 복수의 이상치 탐지 알고리즘의 출력을 앙상블하여 상기 대상체의 이상 상태를 판단하되, 상기 분석기가 구분한 시간대별로 앙상블 대상의 이상치 탐지 알고리즘을 상이하게 선택하는 단계
를 포함하는 시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 방법. - 제6항에 있어서,
상기 모니터링 대상체는,
배관, 건축물 및 회전체 중 어느 하나인 것을 특징으로 하는 시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 방법. - 제6항에 있어서,
상기 신호 유사성을 가지는 시간대를 복수로 구분하는 단계는,
상기 분석기가 시간 영역의 상기 감지 신호를 주파수 영역으로 변환하는 단계; 및
상기 분석기가 시간에 따른 주파수 영역 감지 신호의 노이즈 포함율을 산출함으로써 파형의 변화를 분석하는 단계를 포함하는 것을 특징으로 하는
시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 방법. - 제6항에 있어서,
상기 탐지 단계는,
상기 탐지기가 상기 구분된 시간대별로 앙상블 대상의 이상치 탐지 알고리즘의 개수를 서로 상이하게 적용하는 단계를 포함하는 것을 특징으로 하는 시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 방법. - 제6항에 있어서,
상기 탐지 단계는,
상기 탐지기가 상기 구분된 시간대별로 앙상블 대상의 이상치 탐지 알고리즘의 종류를 서로 상이하게 적용하는 단계를 포함하는 것을 특징으로 하는 시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230135662A KR102654695B1 (ko) | 2023-10-12 | 2023-10-12 | 시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230135662A KR102654695B1 (ko) | 2023-10-12 | 2023-10-12 | 시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102654695B1 true KR102654695B1 (ko) | 2024-04-04 |
Family
ID=90637655
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230135662A KR102654695B1 (ko) | 2023-10-12 | 2023-10-12 | 시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102654695B1 (ko) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19980034191A (ko) * | 1996-11-05 | 1998-08-05 | 이대원 | 학습기능을 구비한 회전체의 진동 진단장치 |
| KR20160042616A (ko) * | 2014-10-10 | 2016-04-20 | 삼성에스디에스 주식회사 | 시계열 데이터의 분석을 통한 이상 감지 및 예측 시스템 및 방법 |
| KR101876730B1 (ko) * | 2017-11-29 | 2018-08-09 | 주식회사 대은계전 | 상수도 누수탐지 감시 시스템 |
| US20210133211A1 (en) * | 2019-11-01 | 2021-05-06 | EMC IP Holding Company LLC | Adaptive Usage of Storage Resources Using Data Source Models and Data Source Representations |
| KR102321607B1 (ko) * | 2020-11-25 | 2021-11-03 | 국민대학교산학협력단 | 기계의 결함 검출 장치 및 방법 |
| KR20220064877A (ko) * | 2020-11-12 | 2022-05-19 | 한국과학기술원 | 기계학습 기반의 균열신호 분류 방법, 이를 구현한 실시간 균열신호 감지 장치 |
| KR102489502B1 (ko) | 2021-09-27 | 2023-01-17 | (주)엘 테크 | 앙상블 알고리즘을 이용한 건축물 모니터링용 센서 이상치 탐지시스템 |
| KR20230100999A (ko) * | 2021-12-29 | 2023-07-06 | 주식회사 이파피루스 | 회전 기계 설비의 탁월 주파수 결정 방법, 및 이를 수행하는 컴퓨팅 시스템 |
-
2023
- 2023-10-12 KR KR1020230135662A patent/KR102654695B1/ko active IP Right Grant
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19980034191A (ko) * | 1996-11-05 | 1998-08-05 | 이대원 | 학습기능을 구비한 회전체의 진동 진단장치 |
| KR20160042616A (ko) * | 2014-10-10 | 2016-04-20 | 삼성에스디에스 주식회사 | 시계열 데이터의 분석을 통한 이상 감지 및 예측 시스템 및 방법 |
| KR101876730B1 (ko) * | 2017-11-29 | 2018-08-09 | 주식회사 대은계전 | 상수도 누수탐지 감시 시스템 |
| US20210133211A1 (en) * | 2019-11-01 | 2021-05-06 | EMC IP Holding Company LLC | Adaptive Usage of Storage Resources Using Data Source Models and Data Source Representations |
| KR20220064877A (ko) * | 2020-11-12 | 2022-05-19 | 한국과학기술원 | 기계학습 기반의 균열신호 분류 방법, 이를 구현한 실시간 균열신호 감지 장치 |
| KR102321607B1 (ko) * | 2020-11-25 | 2021-11-03 | 국민대학교산학협력단 | 기계의 결함 검출 장치 및 방법 |
| KR102489502B1 (ko) | 2021-09-27 | 2023-01-17 | (주)엘 테크 | 앙상블 알고리즘을 이용한 건축물 모니터링용 센서 이상치 탐지시스템 |
| KR20230100999A (ko) * | 2021-12-29 | 2023-07-06 | 주식회사 이파피루스 | 회전 기계 설비의 탁월 주파수 결정 방법, 및 이를 수행하는 컴퓨팅 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11348437B1 (en) | Sensor data to identify catastrophe areas | |
| EP3902992B1 (en) | Scalable system and engine for forecasting wind turbine failure | |
| Wah et al. | A regression-based damage detection method for structures subjected to changing environmental and operational conditions | |
| US10445162B2 (en) | Method of intuition generation | |
| Bas et al. | Structural health monitoring system of the long-span bridges in Turkey | |
| US8606543B2 (en) | Method to detect angle sensor performance degradation through dither monitoring | |
| KR102065435B1 (ko) | 사회기반시설물 건전성 모니터링 시스템 및 방법 | |
| US11810216B1 (en) | Air quality monitors minimization system and methods | |
| EP3751061B1 (en) | Rising main pipeline assessment system and method | |
| KR102654695B1 (ko) | 시간 적응적 앙상블 알고리즘을 이용한 센서 이상치 탐지 시스템 및 방법 | |
| Du et al. | A new early warning Criterion for assessing landslide risk | |
| Bellucci et al. | Implementing the Dynamap system in the suburban area of Rome | |
| CN118445758A (zh) | 管廊浸水预测与响应优化方法及系统 | |
| CN116906837B (zh) | 地下管线的状态监测系统及监测方法 | |
| Kaya et al. | Seismic structural health monitoring of bridges in British Columbia, Canada | |
| BR112014011015B1 (pt) | método de geração de dados em uma cadeia de suprimento de óleo e gás, interface geradora de dados e meio legível de computador não transitório | |
| US20170059744A1 (en) | Storm Confirmation and Path Prediction System | |
| CN117688464A (zh) | 一种基于多源传感器数据的隐患分析方法及系统 | |
| US20230204165A1 (en) | Method and System for Anomaly Detection for a Pumped Pipeline | |
| CN114234055A (zh) | 一种油气管道光纤振动报警信号复核方法与系统 | |
| CA3048286A1 (en) | Pipeline and equipment dynamic monitoring system and method therefor | |
| CN118310583B (zh) | 基于InSAR与地面传感技术的边坡监控方法及系统 | |
| US20240247998A1 (en) | Systems and Methods for Detecting Emergency Conditions Within a Roofing Structure and Initiating Remediation Procedures | |
| JP7527739B2 (ja) | 落雷発生予測システム、及びこのシステムを用いた送電事故発生予測システム | |
| CN118936889A (en) | Bearing fault detection method, device and train |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |