| 1 |
1
설비에 구비된 측정계 또는 센서에 의해 검출된 과거 데이터로로부터 마스터 테이블을 생성하는 단계와,
마스터 테이블으로부터 고장 예측을 위한 모델을 선정하기 위한 모델링 단계,
설비로부터 현재 시간에 검출된 신호로부터 계산된 현재 통계 데이터를 상기 모델에 적용하는 단계,
선정된 모델을 통해 설비 상태를 예측하는 단계
를 포함하는 설비 고장 예측 방법
|
| 2 |
2
제 1 항에 있어서,
상기 마스터 테이블을 생성하는 단계는 측정계 또는 센서로부터 설정시간 단위로 데이터를 수집하는 단계와, 수집 데이터로부터 제1 단위시간에 대한 평균 데이터를 계산하는 단계, 평균 데이터로부터 예측 단위시간에 대한 통계 데이터를 계산하는 단계, 통계 데이터에 대한 실제 설비의 고장여부를 확인하여 모델링을 위한 마스터 테이블을 생성하는 단계를 포함하는 설비 고장 예측 방법
|
| 3 |
3
제 2 항에 있어서,
상기 마스터 테이블은 상기 통계 데이터를 X 인자로 하고 이에 대한 실제 고장 여부를 Y 인자로 하여 생성되는 설비 고장 예측 방법
|
| 4 |
4
제 2 항에 있어서,
상기 모델링 단계는 의사결정나무(Decision Tree) 모델 또는 회귀분석(Logistic Regression Analysis) 모델을 통해 정합성을 비교하여 모델을 선정하는 설비 고장 예측 방법
|
| 5 |
5
제 4 항에 있어서,
상기 현재 통계 데이터를 모델에 적용하는 단계에서, 상기 현재 통계 데이터는 설비에 구비된 측정계 또는 센서로부터 설정시간 단위로 현재 데이터를 수집하는 단계와, 수집 데이터로부터 제1 단위시간에 대한 평균 데이터를 계산하는 단계, 평균 데이터로부터 예측하고자 하는 예측 단위시간에 대한 통계 데이터를 계산하는 단계를 포함하는 설비 고장 예측 방법
|
| 6 |
6
제 2 항 또는 제 5 항에 있어서,
상기 통계 데이터는 최소값, P1, P5, P95, P99, 최대값인 설비 고장 예측 방법
|
