| 1 |
1
염색기를 통한 염색공정 상에서 전력, 급수량, 스팀량을 포함하는 환경정보를 센싱하는 복수개의 센서들(100)과;상기 복수개의 센서들(100)로부터 센싱 데이터를 전달받으며 염색기의 구동제어를 수행하는 DTC(Digital Temperature Controller)(200)와;상기 DTC(200)와 데이터 통신가능하도록 연결되어 DTC(200)의 염색기의 공정제어정보를 전송하는 현장관리서버(300); 및 상기 DTC(200)로부터 염색기의 공정제어정보 및 해당 공정제어정보에 따른 공정 수행시에 센싱되는 복수개의 센서들(100)의 센싱 데이터를 전달받으며 염색 공정시에 특정되는 섬유물성정보 및 생산정보와 상기 센싱 데이터를 염색 공정에 투입되는 에너지의 최적화가 이루어질 수 있는 공정제어정보의 산출을 위해 머신러닝기반의 분석을 수행하는 분석서버(400);를 포함하여 이루어지되, 상기 분석서버(400)는 이전 공정제어정보 및 이에 따른 센서들(100)의 센싱 데이터를 분석하여 염색공정에 인가되는 에너지를 절감할 수 있는 업데이트 공정제어정보를 산출하여 이를 현장관리서버(300)로 전송함에 따라 현장관리서버(300)에서 상기 업데이트 공정제어정보에 따라 염색기의 공정제어가 수행되는 전과정이 계속하여 반복되도록 구성되는 것을 특징으로 하는 염가공 공장 내 머신러닝 기반의 염색공정제어를 통한 에너지 최적화시스템
|
| 2 |
2
제1항에 있어서, 상기 복수개의 센서들(100)은 온도를 측정하는 온도센서와, 공급되는 전력을 측정하는 스마트 전력센서와, 냉수 또는 온수량을 측정하는 수량계와, 수위를 측정하는 수위 레벨센서와, 스팀량을 측정하는 열량계와, 래피드 염색기에 적용되며 노즐압력 또는 동체압력을 측정하는 압력센서와, 지거 염색기에 적용되며 포속도, 롤링수 또는 장력을 측정하는 엔코더 또는 인버터를 포함하여 구성되는 것을 특징으로 하는 염가공 공장 내 머신러닝 기반의 염색공정제어를 통한 에너지 최적화시스템
|
| 3 |
3
제2항에 있어서, 상기 분석서버(400)에서 염색 공정시에 특정되는 섬유물성정보는 원단종류, 중량, 사직경, 사번수, 제직형태를 포함하며, 생산정보는 수량, 색상, 재염구분 및 작업구분을 포함하여 이루어지는 것을 특징으로 하는 염가공 공장 내 머신러닝 기반의 염색공정제어를 통한 에너지 최적화시스템
|
| 4 |
4
제1항에 있어서, 상기 현장관리서버(300)는온도제어, 급수, 배수 또는 도어징 투입을 포함하는 공정제어정보를 상기 DTC(200)로 전송하여 제어의사결정을 수행하고, 염색기의 운행내역과 운영상태 및 현재 진행상태정보를 포함하는 생산모니터링정보와, 스케줄관리정보, 입출고관리정보 및 자재관리정보를 산출하여 저장하며, DTC(200)는 미들웨어부(310)로 복수개의 센서들(100)로부터 전달받은 센싱 데이터를 전송하고, 미들웨어부(310)는 분석서버(400)로 이를 전달하도록 구성되는 것을 특징으로 하는 염가공 공장 내 머신러닝 기반의 염색공정제어를 통한 에너지 최적화시스템
|
| 5 |
5
제4항에 있어서, 분석서버(400)는 머신러닝 기반의 분석을 실시간으로 전달되는 센싱 데이터를 기초로 인공 신경회로망에 학습시킴으로써 염색공정 상에 투입되는 에너지 최적화를 위한 공정제어정보를 출력하는 것을 특징으로 하는 염가공 공장 내 머신러닝 기반의 염색공정제어를 통한 에너지 최적화시스템
|
| 6 |
6
제5항에 있어서, 상기 인공 신경회로망을 통한 학습시 인공 신경회로망의 입력변수(500)는 야드, 야드당 중량, 염법번호, 원단명, 위사번수, 절수, 제직, 직물중량으로 구성하고, 출력변수(700)는 노즐압력, 메인펌프속도, 스팀량, 염료량, 온도상승속도, 온도상승시간, 온도하강속도, 온도하강시간, 최고온도, 최고온도 유지시간으로 구성하며, 상기 입력변수(500)층과 상기 출력변수(700)층 사이에 중간층(600)을 포함하되, 상기 중간층(600)은 2개소로, 뉴런은 (8,7)로 특정하여 학습이 이루어지도록 하는 것을 특징으로 하는 염가공 공장 내 머신러닝 기반의 염색공정제어를 통한 에너지 최적화시스템
|
