1 |
1
비정상 상황 검출 시스템에 의해 수행되는, 비정상 상황 검출 방법으로서, 상기 방법은, 설비 장치로부터 제1 센서 데이터를 획득하는 단계; 획득된 제1 센서 데이터로부터 비정상 상황의 발생 여부를 판단하는 단계;상기 획득된 제1 센서 데이터에 기초하여 비정상 상황의 발생이 판단되면, 상기 비정상 상황의 발생 시각 이후 획득된 제1 센서 데이터로부터 학습용 데이터를 생성하는 단계;상기 제1 센서 데이터와 상이한 유형의 제2 센서 데이터를 획득하는 단계; 획득된 제2 센서 데이터로부터 상기 비정상 상황의 발생 여부를 판단하는 단계; 상기 제1 센서 데이터에 기초한 비정상 상황의 판단이 완료된 이후에, 상기 학습용 데이터를 이용하여 기계 학습을 통해 비정상 상황 인지용 파라미터를 업데이트하는 단계; 및상기 비정상 상황 인지용 파라미터에 의해 다음 비정상 상황의 발생 여부를 판단하는 단계를 포함하고, 상기 학습용 데이터는, 상기 비정상 상황의 발생의 판단 시각에서 다음 비정상 상황의 발생 시각 사이에 획득된 제1 센서 데이터 중에서 상기 다음 비정상 상황의 발생 시각으로부터 일정 시간 범위 동안 획득된 제1 센서 데이터를 포함하며, 상기 일정 시간 범위는 상기 획득된 제1 센서 데이터의 특징에 기초하여 결정되며, 상기 획득된 제1 센서 데이터의 특징은 제1 센서 데이터의 유형, 제1 센서 데이터와 관련된 값, 및 생성될 학습용 데이터의 예상 용량 중 하나 이상을 포함하는 것을 특징으로 하는 비정상 상황 검출 방법
|
2 |
2
삭제
|
3 |
3
삭제
|
4 |
4
제 1 항에 있어서, 상기 제2 센서 데이터로부터 비정상 상황의 발생이 판단되기 이전에 상기 획득된 제1 센서 데이터로부터 비정상 상황이 발생할 것이라고 판단된 경우, 경고를 발생시키는 단계를 더 포함하는 비정상 상황 검출 방법
|
5 |
5
제 1 항에 있어서, 상기 비정상 상황 인지용 파라미터는 SVM(support vector machine), SVDD(support vector data description), SVR(support vector regression), ANN(artificial neural network) 및 K 평균 클러스터링(K-means clustering) 알고리즘 중 적어도 하나에 의해 업데이트되는 것을 특징으로 하는 비정상 상황 검출 방법
|
6 |
6
제 1 항에 있어서, 상기 비정상 상황 인지용 파라미터는 일정 시간 간격(duration) 동안 축적된 복수의 학습용 데이터로부터 업데이트되는 것을 특징으로 하는 비정상 상황 검출 방법
|
7 |
7
삭제
|
8 |
8
제 1 항에 있어서, 비정상 상황이 발생한 이후 획득된 센서 데이터를 확률 모델에 적용하여 다음 비정상 상황이 발생할 확률을 산출하는 단계를 더 포함하는 비정상 상황 검출 방법
|
9 |
9
제1항, 및 제4항 내지 제6항, 및 제8항 중 어느 하나의 항에 따른 비정상 상황 검출 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체
|
10 |
10
비정상 상황 검출 시스템으로서, 상기 시스템은, 설비 장치로부터 제1 센서 데이터를 획득하는 제1 센싱부; 획득된 제1 센서 데이터로부터 비정상 상황의 발생 여부를 판단하는 제1 상황판단부;상기 제1 센서 데이터와 상이한 유형의 제2 센서 데이터를 획득하는 제2 센싱부; 상기 제2 센서 데이터로부터 상기 비정상 상황의 발생 여부를 판단하는 제2 상황판단부; 상기 획득된 제1 센서 데이터에 기초하여 비정상 상황의 발생이 판단되면, 상기 비정상 상황의 발생 시각 이후 획득된 제1 센서 데이터로부터 학습용 데이터를 생성하는 학습용 데이터 생성부; 및상기 제1 센서 데이터에 기초하여 비정상 상황의 판단이 완료된 이후에, 상기 학습용 데이터를 이용하여 기계 학습을 통해 비정상 상황 인지용 파라미터를 업데이트하는 비정상 상황 인지용 파라미터 학습부를 포함하고, 상기 제1 상황판단부는 상기 비정상 상황 인지용 파라미터에 의해 다음 비정상 상황의 발생 여부를 판단하고, 상기 학습용 데이터는 상기 비정상 상황의 발생의 판단 시각에서 다음 비정상 상황의 발생 시각 사이의 제1 센서 데이터 중에서 상기 다음 비정상 상황의 발생 시각으로부터 일정 시간 범위 동안 획득된 제1 센서 데이터를 포함하며, 상기 일정 시간 범위는 상기 획득된 제1 센서 데이터의 특징에 기초하여 결정되며, 상기 획득된 제1 센서 데이터의 특징은, 상기 제1 센서 데이터의 유형, 상기 제1 센서 데이터와 관련된 값, 및 생성될 학습용 데이터의 예상 용량 중 하나 이상을 포함하는 것을 특징으로 하는 비정상 상황 검출 시스템
|
11 |
11
삭제
|
12 |
12
삭제
|
13 |
13
제 10 항에 있어서,상기 제2 상황판단부가 비정상 상황의 발생을 판단하기 이전에 상기 제1 상황판단부가 비정상 상황이 발생할 것이라고 판단한 경우, 경고를 발생시키는 경고부를 더 포함하는 비정상 상황 검출 시스템
|
14 |
14
제 10 항에 있어서, 획득된 센서 데이터를 확률 모델에 적용하여 비정상 상황 발생 확률을 산출하는 가능성 산출부를 더 포함하는 비정상 상황 검출 시스템
|
15 |
15
제 10 항에 있어서, 상기 비정상 상황 인지용 파라미터는 SVM(support vector machine), SVDD(support vector data description), SVR(support vector regression), ANN(artificial neural network) 및 K 평균 클러스터링(K-means clustering) 알고리즘 중 적어도 하나에 의해 업데이트된 것을 특징으로 하는 비정상 상황 검출 시스템
|