[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

KR20200023882A - 스마트 공장의 공정 데이터의 가공방법 - Google Patents

스마트 공장의 공정 데이터의 가공방법 Download PDF

Info

Publication number
KR20200023882A
KR20200023882A KR1020180100350A KR20180100350A KR20200023882A KR 20200023882 A KR20200023882 A KR 20200023882A KR 1020180100350 A KR1020180100350 A KR 1020180100350A KR 20180100350 A KR20180100350 A KR 20180100350A KR 20200023882 A KR20200023882 A KR 20200023882A
Authority
KR
South Korea
Prior art keywords
data
process data
facility
integrated process
timestamp
Prior art date
Application number
KR1020180100350A
Other languages
English (en)
Other versions
KR102093281B1 (ko
Inventor
박경국
Original Assignee
스퀘어네트 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 스퀘어네트 주식회사 filed Critical 스퀘어네트 주식회사
Priority to KR1020180100350A priority Critical patent/KR102093281B1/ko
Publication of KR20200023882A publication Critical patent/KR20200023882A/ko
Application granted granted Critical
Publication of KR102093281B1 publication Critical patent/KR102093281B1/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]
    • G05B19/41865—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 job scheduling, process planning, material flow
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • 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]
    • G05B19/4183—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 data acquisition, e.g. workpiece identification
    • 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
    • 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
    • G06Q50/04—Manufacturing
    • 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
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Factory Administration (AREA)

Abstract

본 발명은 스마트 공장의 공정 데이터의 가공방법에 관한 것으로, 보다 구체적으로 공장 설비 및 센서로부터 실시간으로 수집되는 공정 데이터를 기반으로 빅 데이터 분석을 통해 공장 설비의 운영을 관리하는 스마트 공장의 공정 데이터의 가공방법에 있어서, (a) 서버의 게이트웨이부를 통해 공정 단계 별 설비로부터 실시간으로 발생하는 설비 데이터와 설비 외부에 별도로 설치된 센서로 부터 실시간으로 발생하는 센서 데이터를 수집하는 단계; 및 (b) 서버의 메모리부에서 상기 (a) 단계에서 수집된 설비 데이터와 센서 데이터를 매칭 결합시켜 통합 공정 데이터를 실시간으로 생성시키되, 상기 설비 데이터의 타임스탬프와 센서 데이터의 타임스탬프를 일치시켜 통합 공정 데이터를 생성한 후 저장하는 단계;를 포함하고, 상기 (b) 단계에서 설비 데이터 및 센서 데이터 중 적어도 어느 한쪽 데이터의 타임스탬프를 기준으로 나머지 데이터의 타임스탬프를 수정하여 일치시키고, 타임스탬프가 수정된 데이터의 값은 수정 전 데이터 중 직전 가장 최근 값으로 대체하여 통합 공정 데이터를 생성하는 것을 특징으로 한다.

Description

스마트 공장의 공정 데이터의 가공방법{Processing method of process data of smart factory}
본 발명은 공장 설비 및 센서로부터 실시간으로 수집되는 공정 데이터를 기반으로 빅 데이터 분석을 통해 공장 설비의 운영을 관리하는 스마트 공장의 공정 데이터의 가공방법에 관한 것이다.
일반적으로 중소 제조업체의 경우 ERP, MES, POP등의 솔루션을 기반으로 제조 설비에 대한 데이터를 수집하고 이를 관리하지만 심리스(seemless) 운영을 위한 예지보전에 대한 데이터의 의미를 파악하는 데는 의미 있는 데이터가 부족해서 스마트 공장이라는 개념을 도입하여 예지 보전을 위해 설비 상 의심이 되는 부분에 외부적인 센서를 부가적으로 장착 하거나 기존의 설비 데이터의 수집 간격을 더욱 더 촘촘히 하여 다양하고 방대한 데이터를 수집·분석할 필요가 대두되고 있다.
최근 들어 기존의 설비에 추가적인 센서를 설치하여 빅데이터를 수집하고 이에 대한 인공지능 분석 기술의 적용 사례가 증가하는 추세이나 인공지능 분석을 원활하게 하기 위해서는 분석의 기반이 되는 공정 데이터 간 타임스탬프(timestamp)의 동기화가 중요하며, 이에 따라 서로 다른 타임스탬프를 가지는 데이터에 대한 데이터 추정방법이 필요하다. 가령, A 설비의 경우 데이터 수집 주기가 1 sec인 반면, B 센서의 경우 데이터 수집 주기가 100ms인 경우 서로 데이터 간 타임스탬프의 차이가 발생하며, A 설비에서 수집한 데이터와 B 센서에서 수집한 데이터 간 정확한 상관관계 분석이 어렵게되는 문제가 발생한다.
이에 스마트 공장에서 원활하고 신뢰도 높은 빅 데이터 분석을 위해서는 실시간으로 수집되는 서로 다른 타임스탬프를 가지는 설비 데이터 및 센서 데이터에 대한 데이터 통합 기술의 개발이 시급한 상황이다.
본 발명은 스마트 공장에서 공정 데이터 간의 상관관계 분석을 통해 보다 높은 정확도 및 신뢰도를 가지는 제조공정의 실시간 품질 분석 및 예측이 가능하도록 서로 다른 타임스탬프를 가지는 공정 데이터 간 타임스탬프를 일치시킨 통합 공정 데이터를 생성하는 방법을 제공하는 것을 그 목적으로 한다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며 언급되지 않은 또 다른 기술적과제들은 하기의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기와 같은 과제를 해결하기 위한 본 발명은 스마트 공장의 공정 데이터의 가공방법에 관한 것으로, 보다 구체적으로 공장 설비 및 센서로부터 실시간으로 수집되는 공정 데이터를 기반으로 빅 데이터 분석을 통해 공장 설비의 운영을 관리하는 스마트 공장의 공정 데이터의 가공방법에 있어서, (a) 서버의 게이트웨이부를 통해 공정 단계 별 설비로부터 실시간으로 발생하는 설비 데이터와 설비 외부에 별도로 설치된 센서로 부터 실시간으로 발생하는 센서 데이터를 수집하는 단계; 및 (b) 서버의 메모리부에서 상기 (a) 단계에서 수집된 설비 데이터와 센서 데이터를 매칭 결합시켜 통합 공정 데이터를 실시간으로 생성시키되, 상기 설비 데이터의 타임스탬프와 센서 데이터의 타임스탬프를 일치시켜 통합 공정 데이터를 생성한 후 저장하는 단계;를 포함하고, 상기 (b) 단계에서 설비 데이터 및 센서 데이터 중 적어도 어느 한쪽 데이터의 타임스탬프를 기준으로 나머지 데이터의 타임스탬프를 수정하여 일치시키고, 타임스탬프가 수정된 데이터의 값은 수정 전 데이터 중 직전 가장 최근 값으로 대체하여 통합 공정 데이터를 생성하는 것을 특징으로 한다.
본 발명에 의하면, 실시간 공정 데이터에 대해 전 처리 또는 후처리 가공 공정을 통해 서로 다른 타임스탬프를 가지는 공정 데이터 간 타임스탬프를 일치시킨 통합 공정 데이터를 생성하여 빅 데이터 분석의 Input 데이터로 제공할 수 있어, 공정 데이터 간의 상관관계를 통해 보다 높은 정확도 및 신뢰도를 가지는 제조공정의 실시간 품질 분석 및 예측이 가능한 효과가 있다.
도 1은 본 발명에 따른 스마트 공장의 공정 데이터의 가공방법의 일 양태에 대한 공정 순서도를 도시한 것이다.
도 2는 본 발명에 따른 스마트 공장의 공정 데이터의 가공방법의 다른 양태에 대한 공정 순서도를 도시한 것이다.
도 3은 본 발명에 의해 통합 공정 데이터가 생성되는 예시를 도시한 것이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에서 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 발명은 스마트 공장의 공정 데이터의 가공방법에 관한 것으로, 보다 구체적으로 공장 설비 및 센서로부터 실시간으로 수집되는 공정 데이터를 기반으로 빅 데이터 분석을 통해 공장 설비의 운영을 관리하는 스마트 공장의 공정 데이터의 가공방법에 있어서, (a) 서버의 게이트웨이부를 통해 공정 단계 별 설비로부터 실시간으로 발생하는 설비 데이터와 설비 외부에 별도로 설치된 센서로 부터 실시간으로 발생하는 센서 데이터를 수집하는 단계; 및 (b) 서버의 메모리부에서 상기 (a) 단계에서 수집된 설비 데이터와 센서 데이터를 매칭 결합시켜 통합 공정 데이터를 실시간으로 생성시키되, 상기 설비 데이터의 타임스탬프와 센서 데이터의 타임스탬프를 일치시켜 통합 공정 데이터를 생성한 후 저장하는 단계;를 포함하고, 상기 (b) 단계에서 설비 데이터 및 센서 데이터 중 적어도 어느 한쪽 데이터의 타임스탬프를 기준으로 나머지 데이터의 타임스탬프를 수정하여 일치시키고, 타임스탬프가 수정된 데이터의 값은 수정 전 데이터 중 직전 가장 최근 값으로 대체하여 통합 공정 데이터를 생성하는 것을 특징으로 한다.
본 발명에 따른 공정 데이터의 가공방법은 공장 설비의 운영을 관리하는 스마트 공장 시스템의 서버에서 실행된다. 상기 서버는 공장의 공정 단계별 설비와 설비 외부에 별도 설치된 센서들로부터 실시간으로 전송되는 공정 데이터(설비 데이터, 센서 데이터)를 수집하는 게이트웨이부, 상기 게이트웨이부를 통해 수집된 공정 데이터를 전처리 가공한 후 저장하는 메모리부, 공장 설비의 운영을 제어하는 중앙처리장치부 등을 포함하고 있다.
본 발명에서 상기 (a) 단계는 서버의 게이트웨이부를 통해 실시간으로 공정 데이터를 수집하는 단계로서, 본 발명에서 상기 공정 데이터는 공정 단계 별 설비로부터 발생하는 설비 데이터와 설비 외부에 별도로 설치되어 설비의 공정 상황을 감지하는 센서로 부터 발생하는 센서 데이터로 이루어져 있다. 본 발명의 스마트 공장은 공정 별 설비로부터 직접적으로 얻어지는 설비 데이터에만 의존하여 빅 데이터 분석을 하지 않고, 설비 외부에 설치된 다수의 센서들에 의해 감지되는 센서 데이터를 보완적으로 빅 데이터 분석에 반영함으로써 보다 높은 정확도 및 신뢰도로 공정 관리가 가능하다.
본 발명에서 상기 (b) 단계에서는 서버의 메모리부에서 상기 (a) 단계에서 수집된 설비 데이터와 센서 데이터를 매칭 결합시켜 통합 공정 데이터를 실시간으로 생성시키되, 상기 설비 데이터의 타임스탬프와 센서 데이터의 타임스탬프를 일치시켜 통합 공정 데이터를 생성한다. 본 발명에 의해 통합 가공되어 생성된 통합 공정 데이터는 빅 데이터 분석에 사용된다. 상기 설비 데이터와 센서 데이터는 각각 데이터 수집 주기가 상이하므로, 서로 동일 시점의 공정 상황을 나타내는 데이터라도 서로 간 타임스탬프의 차이가 발생하여 설비 데이터와 센서 데이터 간 상관관계 분석 결과의 정확도 및 신뢰도를 현저히 저하시키게 된다. 따라서, 이러한 문제를 극복하기 위해 설비 데이터와 센서 데이터 간 타임스탬프의 일치화(동기화) 과정이 필요하다.
상기 (b) 단계에서 설비 데이터 및 센서 데이터의 타임스탬프를 일치시켜 통합 공정 데이터를 생성하는 방식은 설비 데이터 및 센서 데이터 중 적어도 어느 한쪽 데이터의 타임스탬프를 기준으로 나머지 데이터의 타임스탬프를 수정하여 일치시키되, 타임스탬프가 수정된 데이터의 값은 직전 가장 최근 값으로 대체하여 생성하는 것이 빅 데이터 분석 결과의 높은 정확도와 신뢰도를 위해 바람직하다.
다만, 상황에 따라 대체되는 데이터 값의 편차가 지나치게 클 경우에는 데이터 값의 평균 값 또는 이동 평균값으로 대체하는 것이 바람직할 수 있다.
본 발명은 경우에 따라, 공정 데이터에 대한 빅 데이터 분석 결과의 정확도및 신뢰도를 보다 더 높이기 위해 상기 (b) 단계 이후에 후처리 공정으로 서버의 메모리부에서 생성된 통합 공정 데이터 중 타임스탬프가 수정된 데이터의 값을 수정 전 데이터 중 시간 상 전후로 가장 가까운 값으로 대체하는 단계를 추가로 거치는 것이 더 바람직할 수 있다.
본 발명에서 상기 생성된 통합 공정 데이터를 저장하는 방법은 방대한 양의 통합 공정 데이터에 대해 중복되는 데이터의 저장을 최소화하여 스토리지의 불필요한 저장 공간 낭비를 현저히 줄이고, 이에 따라 통합 공정 데이터를 분석하기 위한 시스템 구축 비용을 절감할 수 있도록 하기 위해, 서버의 데이터베이스로부터 가장 최근의 통합 공정 데이터를 메모리부에 적재시켜 기준 데이터를 생성하는 단계; 신규 생성 통합 공정 데이터에 로우 키(row key)를 부여하는 단계; 및 로우 키가 부여된 신규 생성 통합 공정 데이터와 상기 메모리부에 생성된 기준 데이터의 동일 여부를 판단하고, 동일한 경우 신규 생성 통합 공정 데이터의 로우 키만 데이터베이스에 저장하고, 일부 또는 전부가 다른 경우에는 신규 생성 통합 공정 데이터의 로우 키 및 차이나는 컬럼 부분을 데이터베이스에 저장하고, 동시에 상기 메모리부에 상기 차이나는 컬럼 부분을 치환하여 적재함으로써 기준 데이터를 갱신하는 단계;를 포함하는 것이 바람직하다.
본 발명에 의하면, 실시간 공정 데이터에 대해 전 처리 또는 후처리 가공 공정을 통해 서로 다른 타임스탬프를 가지는 공정 데이터 간 타임스탬프를 일치시킨 통합 공정 데이터를 생성하여 빅 데이터 분석의 Input 데이터로 제공할 수 있어, 공정 데이터 간의 상관관계를 통해 보다 높은 정확도 및 신뢰도를 가지는 제조공정의 실시간 품질 분석 및 예측이 가능하다.
이하, 본 발명에 대한 이해를 돕기 위해 도면을 통해 설명하도록 한다. 하기 도면에 관한 설명은 본 발명의 일예에 지나지 않으며, 이에 의해 본 발명의 범위가 제한되는 것은 아니다.
도 1은 본 발명에 따른 스마트 공장의 공정 데이터의 가공방법의 일 양태에 대한 공정 순서도를 도시한 것이다. 도 1에 의하면 본 발명의 일 양태에 따른 공정 데이터의 가공방법은 서버의 게이트웨이부를 통해 실시간으로 발생하는 공정 데이터(설비 데이터, 센서 데이터)를 수집하는 단계(S10), 서버의 메모리부에서 전 처리 가공으로 실시간으로 공정 데이터 간 타임스탬프를 일치시키고, 타임스탬프가 수정된 데이터의 값은 수정 전 데이터 중 직전 가장 최근 값으로 대체하여 통합 공정 데이터를 생성한 후 저장하는 단계(S20)를 포함하는 것을 특징으로 한다.
도 2는 본 발명에 따른 스마트 공장의 공정 데이터의 가공방법의 다른 양태에 대한 공정 순서도를 도시한 것으로, 도 2에 의하면 본 발명의 다른 양태에 따른 공정 데이터의 가공방법은 상기 도 1의 공정에서 후 처리 공정을 추가로 더 포함하는 것을 특징으로 한다. 즉, 서버의 게이트웨이부를 통해 실시간으로 발생하는 공정 데이터(설비 데이터, 센서 데이터)를 수집하는 단계(S10), 서버의 메모리부에서 전 처리 가공으로 실시간으로 공정 데이터 간 타임스탬프를 일치시키고, 타임스탬프가 수정된 데이터의 값은 수정 전 데이터 중 직전 가장 최근 값으로 대체하여 통합 공정 데이터를 생성한 후 저장하는 단계(S20) 및 서버의 메모리부에서 후 처리 가공으로 상기 생성된 통합 공정 데이터 중 타임스탬프가 수정된 데이터의 값을 수정 전 데이터 중 시간 상 전후로 가장 가까운 값으로 대체하는 단계(S30)를 포함한다.
한편, 도 3은 본 발명에 의해 통합 공정 데이터가 생성되는 예시를 도시한 것이다. 도 3에서 'A'는 설비 데이터를 의미하고, 'B'는 센서 데이터를 의미한다. 도 3의 a.는 설비 데이터(A)와 센서 데이터(B) 간 타임스탬프가 일치하는 경우로서, 상기와 같은 경우에는 설비 데이터(A)와 센서 데이터(B)를 그대로 통합해서 통합 공정 데이터를 생성한다.
도 3의 b. 내지 e.는 설비 데이터(A)와 센서 데이터(B) 간 타임스탬프가 일치하지 않는 경우로서, b.의 경우는 설비 데이터(A)의 타임스탬프를 기준으로 센서 데이터(B)의 타임스탬프를 일치시켜 통합하는 경우로서, 타임스탬프가 수정된 센서 데이터(B)의 데이터 값은 수정 전 데이터 중 직전 가장 최근 값으로 대체하여 통합 공정 데이터를 생성한다.
c.의 경우는 설비 데이터(A)와 센서 데이터(B) 양쪽의 타임스탬프를 기준으로 서로의 타임스탬프를 일치시켜 통합하는 경우로서, 타임스탬프가 수정된 설비 데이터(A) 및 센서 데이터(B)의 데이터 값은 수정 전 데이터 중 직전 가장 최근 값으로 대체하여 통합 공정 데이터를 생성한다.
d.의 경우는 센서 데이터(B)의 타임스탬프를 기준으로 설비 데이터(A)의 타임스탬프를 일치시켜 통합하는 경우로서, 타임스탬프가 수정된 설비 데이터(A)의 데이터 값은 수정 전 데이터 중 직전 가장 최근 값으로 대체하여 통합 공정 데이터를 생성한다.
e.의 경우는 설비 데이터(A)의 타임스탬프를 기준으로 센서 데이터(B)의 타임스탬프를 일치시켜 통합하는 경우로서, 타임스탬프가 수정된 센서 데이터(B)의 데이터 값은 수정 전 데이터 중 직전 가장 최근 값으로 대체하여 통합 공정 데이터를 1차적으로 생성한 후, 1차 생성된 통합 공정 데이터 중 타임스탬프가 수정된 센서 데이터(B)의 데이터 값을 수정 전 데이터 중 시간 상 전후로 가장 가까운 값으로 대체하는 후 처리 가공을 부가한 것이다.
이상에 설명한 바와 같이, 본 발명이 속하는 기술 분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 본 발명의 범위는 상기의 상세한 설명보다는 후술할 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (3)

  1. 공장 설비 및 센서로부터 실시간으로 수집되는 공정 데이터를 기반으로 빅 데이터 분석을 통해 공장 설비의 운영을 관리하는 스마트 공장의 공정 데이터의 가공방법에 있어서,
    (a) 서버의 게이트웨이부를 통해 공정 단계 별 설비로부터 실시간으로 발생하는 설비 데이터와 설비 외부에 별도로 설치된 센서로 부터 실시간으로 발생하는 센서 데이터를 수집하는 단계; 및
    (b) 서버의 메모리부에서 상기 (a) 단계에서 수집된 설비 데이터와 센서 데이터를 매칭 결합시켜 통합 공정 데이터를 실시간으로 생성시키되, 상기 설비 데이터의 타임스탬프와 센서 데이터의 타임스탬프를 일치시켜 통합 공정 데이터를 생성한 후 저장하는 단계;를 포함하고,
    상기 (b) 단계에서 설비 데이터 및 센서 데이터 중 적어도 어느 한쪽 데이터의 타임스탬프를 기준으로 나머지 데이터의 타임스탬프를 수정하여 일치시키고, 타임스탬프가 수정된 데이터의 값은 수정 전 데이터 중 직전 가장 최근 값으로 대체하여 통합 공정 데이터를 생성하는 스마트 공장의 공정 데이터의 가공방법.
  2. 제 1항에 있어서,
    (c) 서버의 메모리부에서 상기 (b) 단계에서 생성된 통합 공정 데이터 중 타임스탬프가 수정된 데이터의 값을 수정 전 데이터 중 시간 상 전후로 가장 가까운 값으로 대체하는 단계;를 더 포함하는 것을 특징으로 하는 스마트 공장의 공정 데이터의 가공방법.
  3. 제 1항 또는 제 2항에 있어서,
    상기 생성된 통합 공정 데이터를 저장하는 방법은
    서버의 데이터베이스로부터 가장 최근의 통합 공정 데이터를 메모리부에 적재시켜 기준 데이터를 생성하는 단계;
    신규 생성 통합 공정 데이터에 로우 키(row key)를 부여하는 단계; 및
    로우 키가 부여된 신규 생성 통합 공정 데이터와 상기 메모리부에 생성된 기준 데이터의 동일 여부를 판단하고, 동일한 경우 신규 생성 통합 공정 데이터의 로우 키만 데이터베이스에 저장하고, 일부 또는 전부가 다른 경우에는 신규 생성 통합 공정 데이터의 로우 키 및 차이나는 컬럼 부분을 데이터베이스에 저장하고, 동시에 상기 메모리부에 상기 차이나는 컬럼 부분을 치환하여 적재함으로써 기준 데이터를 갱신하는 단계;를 포함하는 것을 특징으로 하는 스마트 공장의 공정 데이터의 가공방법.
KR1020180100350A 2018-08-27 2018-08-27 스마트 공장의 공정 데이터의 가공방법 KR102093281B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180100350A KR102093281B1 (ko) 2018-08-27 2018-08-27 스마트 공장의 공정 데이터의 가공방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180100350A KR102093281B1 (ko) 2018-08-27 2018-08-27 스마트 공장의 공정 데이터의 가공방법

Publications (2)

Publication Number Publication Date
KR20200023882A true KR20200023882A (ko) 2020-03-06
KR102093281B1 KR102093281B1 (ko) 2020-03-25

Family

ID=69802761

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180100350A KR102093281B1 (ko) 2018-08-27 2018-08-27 스마트 공장의 공정 데이터의 가공방법

Country Status (1)

Country Link
KR (1) KR102093281B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022139038A1 (ko) * 2020-12-24 2022-06-30 하나 마이크론(주) 반도체 후공정 산업을 위한 arc 스마트 팩토리를 관리하기 위한 방법 및 엣지 장치
KR102480565B1 (ko) * 2022-09-05 2022-12-22 한화시스템(주) 무인 함정의 자율항해를 위한 빅데이터 수집 시스템 및 방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230146270A (ko) 2022-04-12 2023-10-19 (주)심플랫폼 Rpa를 활용한 장비 및 시설 데이터 수집 시스템 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160117965A (ko) * 2015-04-01 2016-10-11 삼성에스디에스 주식회사 NoSQL 모델 생성 방법 및 그 장치
KR20180026301A (ko) * 2016-09-02 2018-03-12 주식회사 포스코아이씨티 스마트 팩토리를 위한 빅데이터 분석 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160117965A (ko) * 2015-04-01 2016-10-11 삼성에스디에스 주식회사 NoSQL 모델 생성 방법 및 그 장치
KR20180026301A (ko) * 2016-09-02 2018-03-12 주식회사 포스코아이씨티 스마트 팩토리를 위한 빅데이터 분석 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022139038A1 (ko) * 2020-12-24 2022-06-30 하나 마이크론(주) 반도체 후공정 산업을 위한 arc 스마트 팩토리를 관리하기 위한 방법 및 엣지 장치
KR102480565B1 (ko) * 2022-09-05 2022-12-22 한화시스템(주) 무인 함정의 자율항해를 위한 빅데이터 수집 시스템 및 방법

Also Published As

Publication number Publication date
KR102093281B1 (ko) 2020-03-25

Similar Documents

Publication Publication Date Title
KR101917006B1 (ko) 머신 러닝 기반 반도체 제조 수율 예측 시스템 및 방법
JP5111719B2 (ja) 時系列なリアルタイムのデータおよび非リアルタイムのデータを収集し検索する方法およびシステム
US8612372B2 (en) Detection rule-generating facility
US8761909B2 (en) Batch process monitoring using local multivariate trajectories
US20170003677A1 (en) Real Time Monitoring System and Method Thereof of Optical Film Manufacturing Process
CN112346941A (zh) 一种故障诊断方法及装置
US10817140B2 (en) Sequential data
KR20200023882A (ko) 스마트 공장의 공정 데이터의 가공방법
CN104462179A (zh) 处理大数据的方法、执行其的装置以及储存其的存储媒介
CN113609790B (zh) 产品虚拟量测方法及系统及装置及介质
CN110096036A (zh) 一种设备状态的确定方法、装置及设备
US20190196458A1 (en) Method for selecting leading associated parameter and method for combining critical parameter and leading associated parameter for equipment prognostics and health management
CN104021072A (zh) 用于评估失效的软件程序的机器和方法
CN113886262A (zh) 软件自动化测试方法、装置、计算机设备和存储介质
CN116822115A (zh) 一种基于数字孪生技术的智慧园区的环境管理方法及系统
CN113672692B (zh) 数据处理方法、装置、计算机设备和存储介质
CN110543869A (zh) 滚珠丝杠寿命预测方法、装置、计算机设备及存储介质
CN114896168B (zh) 用于自动驾驶算法开发的快速调试系统、方法以及存储器
CN114139853A (zh) 一种基于大数据的钢结构产品清单处理方法和装置
CN112152968B (zh) 网络威胁检测方法和装置
CN114219035A (zh) 一种多传感器的数据融合方法及装置
CN114245895A (zh) 为至少两个日志文件生成一致表示的方法
EP3640751A1 (en) Apparatus for gas analysis and emission prediction
CN113094258A (zh) 精准测试方法、装置、计算机设备及介质
CN111190978A (zh) 海上目标对象的数据处理方法及装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant