1 |
1
(a) 데이터 수집 및 학습 단계; 및(b) 공장 프로세스 모델링을 수행하는 단계를 포함하는 공장 프로세스 모델링 방법으로서, 상기 (a) 데이터 수집 및 학습 단계는, (a1) 데이터 수집용 공장(F0)에 3개 이상의 안테나(AP0)가 설치되고 그 설치 위치(AP01, AP02, AP03)가 위치 확인부(110)에 저장되며, 다수의 물품(G0)에 센서(S)가 부착되는 단계; (a2) 물품(G0)이 공장 프로세스에 따라 이동함에 따라, 3개 이상의 안테나(AP0)가 상기 센서(S)로부터의 신호 세기를 주기적으로 수신하는 단계; (a3) 상기 위치 확인부(110)가, 상기 수신된 신호 세기 및 3개 이상의 안테나(AP0)의 설치 위치(AP01, AP02, AP03)를 이용하여, 물품(G0)의 위치를 주기적으로 확인하는 단계; (a4) 상태 입력부(120)가, 상기 주기적으로 확인되는 물품(G0)의 위치마다, 상기 센서가 부착된 물품의 상태를 입력받는 단계; - 여기서, 입력되는 물품의 상태는 기 설정된 물품의 상태 그룹 중 선택된 어느 하나임(a5) 데이터 수집부(130)가, 각 물품(G0)마다, 식별자(ID), 상기 (a3) 단계에서 확인된 시간에 따른 위치 및 상기 (a4) 단계에서 입력된 상태를 포함하는 데이터 셋(data set)을 수집하는 단계; (a6) 상기 (a1) 내지 (a5) 단계가 다수의 데이터 수집용 공장에서 반복되는 단계; 및(a7) 인공지능 학습부(150)가, 상기 (a6) 단계에서 수집된 데이터 셋을 이용하여, "위치" 및 "상태"에 대하여 인공지능 학습을 수행하는 단계를 포함하며, 상기 (b) 공장 프로세스 모델링 단계는, (b1) 모델링하고자 하는 공장(F)에 3개 이상의 안테나(AP)가 설치되고 그 설치 위치(AP1, AP2, AP3)가 위치 확인부(210)에 저장되고, 다수의 물품(G)에 센서(S)가 부착되는 단계; (b2) 물품(G)이 공장 프로세스에 따라 이동함에 따라, 3개 이상의 안테나(AP)가 상기 센서(S)로부터의 신호 세기를 주기적으로 수신하는 단계; (b3) 상기 위치 확인부(210)가, 상기 수신된 신호 세기 및 3개 이상의 안테나(AP)의 설치 위치(AP1, AP2, AP3)를 이용하여, 물품(G)의 위치를 주기적으로 확인하는 단계; (b4) 상태 추정부(220)가, 상기 (a7) 단계에서 "위치" 및 "상태"에 대하여 학습된 결과에, 상기 (b3) 단계에서 확인된 물품(G)의 위치에 대한 정보를 적용함으로써, 상기 (b3) 단계에서 주기적으로 확인된 물품(G)의 위치마다 상태를 추정하는 단계; (b5) 데이터 설정부(230)가, 각 물품(G)마다, 식별자(ID), 상기 (b3) 단계에서 확인된 시간에 따른 위치 및 상기 (b4) 단계에서 추정된 상태를 포함하는 데이터 셋(data set)을 설정하는 단계; 및(b6) 공장 프로세스 모델링 수행부(260)가 상기 (b5) 단계에서 설정된 데이터 셋을 이용하여 모델링하고자 하는 공장(F)의 공장 프로세스 모델링을 수행하는 단계를 포함하며, 상기 (b6) 단계에서 수행된 프로세스 모델링은, 물품(G)의 이동 경로와 상태를 포함하는, 공장 프로세스 모델링 방법
|
2 |
2
제 1 항에 있어서, 상기 (b5) 단계는, 상기 설정된 데이터 셋에 포함된 정보를 더 이용하여 추가 데이터 셋을 더 설정하는 단계를 더 포함하고, 상기 (b6) 단계는, 공장 프로세스 모델링 수행부(000)가 상기 (b4) 단계에서 설정된 데이터 셋과 추가 데이터 셋을 이용하여 공장 프로세스 모델링을 수행하는 단계인, 공장 프로세스 모델링 방법
|
3 |
3
제 2 항에 있어서, 상기 추가 데이터 셋은 이전 평균위치, 속력, 공정유형(Ptype; process type), 물체의 종류(type), 인접한 물체의 종류, 및 인접한 물체의 거리 중 어느 하나 이상을 포함하는, 공장 프로세스 모델링 방법
|
4 |
4
제 3 항에 있어서, 상기 추가 데이터 셋은 공정유형(Ptype)을 포함하고, 상기 공정유형(Ptype)은, 서로 다른 물품(G)이 서로 다른 위치에 있다가 동일한 위치로 변경되었는지 여부에 따라 결정되는, 공장 프로세스 모델링 방법
|
5 |
5
제 4 항에 있어서,각각의 물품(G)는 일반 물체(0)와 도색 물체(1) 중 어느 하나로 구분되어 있으며, 서로 다른 일반 물체(0)가 서로 다른 위치에 있다가 동일한 위치로 변경된 경우 상기 공정 유형은 "조립"으로 설정되고, 일반 물체(0)와 도색 물체(1)가 서로 다른 위치에 있다가 동일한 위치로 변경된 경우 상기 공정 유형은 "도색"으로 설정되는, 공장 프로세스 모델링 방법
|
6 |
6
제 3 항에 있어서, 상기 추가 데이터 셋은 이전 평균위치를 포함하고, 상기 이전 평균위치는, 확인하고자 하는 시점을 기준으로, 다수의 이전 시점에서의 위치인 X좌표 및 Y좌표의 평균값을 이용하여 설정되는, 공장 프로세스 모델링 방법
|
7 |
7
제 3 항에 있어서, 상기 추가 데이터 셋은 속력을 포함하고, 상기 속력은, 확인하고자 하는 시점을 기준으로, 현재 시점에서의 위치와 다른 시점에서의 위치를 이용하여 연산된 이동거리와 양 시점 사이의 시간을 이용하여 설정되는, 공장 프로세스 모델링 방법
|
8 |
8
제 3 항에 있어서, 상기 추가 데이터 셋은 물체의 종류(type)를 포함하고, 상기 물체의 종류(type)는, 물품(G)의 그룹마다 미리 설정된 값인, 공장 프로세스 모델링 방법
|
9 |
9
제 8 항에 있어서,상기 추가 데이터 셋은 인접한 물체의 종류를 포함하고, 상기 인접한 물체의 종류는, 물품(G)의 위치를 이용하여 확인하고자 하는 물품의 위치와 가장 가까운 물품을 확인한 후, 확인된 물품의 물체의 종류(type)를 확인함으로써 설정되는, 공장 프로세스 모델링 방법
|
10 |
10
제 8 항에 있어서, 상기 추가 데이터 셋은 인접한 물체의 거리를 더 포함하고, 상기 인접한 물체의 거리는, 물품(G)의 위치를 이용하여 확인하고자 하는 물품의 위치와 가까운 물품들 중 물체의 종류(type)가 다른 물품으로 가장 가까운 물품을 선택한 후, 선택한 물품의 위치와 확인하고자 하는 물품의 위치 사이의 거리를 연산함으로써 설정되는, 공장 프로세스 모델링 방법
|
11 |
11
제 1 항에 있어서, 상기 (a2) 내지 (a3) 단계는 실내 측위 기술을 이용하여 수행되며, 상기 (a7) 단계는 딥러닝을 이용하여 수행되는, 공장 프로세스 모델링 방법
|
12 |
12
제 1 항에 있어서, 상기 (a4) 단계에서 입력되는 상태는, "이동" 및 "정지"를 포함하는, 공장 프로세스 모델링 방법
|