| 1 |
1
가공 또는 이송을 수행하는 설비부에 설치된 진동센서로부터 제어모듈로 센서 데이터가 수신되는 제1단계;상기 제어모듈에서 상기 센서 데이터를 전처리하여 전처리 데이터가 생성되는 제2단계;상기 제어모듈이 상기 전처리 데이터로부터 상기 설비부의 작동에 대한 정상 데이터 및 고장 데이터를 수집하는 제3단계;상기 제어모듈에서, 상기 정상 데이터와 상기 고장 데이터가 머신러닝 모델에 입력되어 처리되고, 상기 고장 데이터의 머신러닝에 의해 가상의 고장 데이터인 페이크 데이터가 생성되는 제4단계; 및상기 정상 데이터와 상기 고장 데이터 및 상기 페이크 데이터를 이용하여 상기 제어모듈이 상기 설비부에 대한 고장 진단을 수행하는 제5단계;를 포함하는 것을 특징으로 하는 머신러닝에 의해 생성된 가상 데이터를 이용한 고장 진단 방법
|
| 2 |
2
청구항 1에 있어서, 상기 설비부에 대한 고장 진단 정보가 상기 제어모듈로부터 출력부로 전달되어, 상기 설비부의 정상 여부에 대한 정보가 출력되는 제6단계;를 더 포함하는 것을 특징으로 하는 머신러닝에 의해 생성된 가상 데이터를 이용한 고장 진단 방법
|
| 3 |
3
청구항 1에 있어서,상기 제4단계에서, 상기 페이크 데이터 생성 후, 유클리드 거리 계산을 이용하여 상기 페이크 데이터에 대한 후처리를 수행하는 것을 특징으로 하는 머신러닝에 의해 생성된 가상 데이터를 이용한 고장 진단 방법
|
| 4 |
4
청구항 1에 있어서, 상기 머신러닝 모델은, GAN(Generative Adversarial Network)인 것을 특징으로 하는 머신러닝에 의해 생성된 가상 데이터를 이용한 고장 진단 방법
|
| 5 |
5
청구항 1에 있어서,상기 설비부는, LM가이드(Linear Motor guide)인 것을 특징으로 하는 머신러닝에 의해 생성된 가상 데이터를 이용한 고장 진단 방법
|
| 6 |
6
청구항 1에 있어서,상기 진동센서는 상기 설비부에 복수 개 설치되는 것을 특징으로 하는 머신러닝에 의해 생성된 가상 데이터를 이용한 고장 진단 방법
|
| 7 |
7
청구항 6에 있어서,상기 제2단계에서, 상기 제어모듈은, 복수 개의 상기 진동센서 각각으로부터 전달된 복수 개의 센서 데이터 각각에 대해 일정한 시간 단위로 분할하는 것을 특징으로 하는 머신러닝에 의해 생성된 가상 데이터를 이용한 고장 진단 방법
|
| 8 |
8
가공 또는 이송을 수행하는 설비부에 설치되어 진동을 측정하여 센서 데이터를 생성하는 진동센서;상기 센서 데이터를 전달 받아 전처리하는 전처리 데이터를 생성하는 전처리부, 상기 전처리 데이터로부터 상기 설비부의 작동에 대한 정상 데이터 및 고장 데이터를 생성하고 머신러닝 모델에 상기 고장 데이터를 입력시켜 가상의 고장 데이터인 페이크 데이터를 생성하는 데이터생성부 및, 상기 정상 데이터와 상기 고장 데이터 및 상기 페이크 데이터가 포함된 판별용 데이터를 상기 데이터생성부로부터 전달 받고 상기 전처리부로부터 실시간의 전처리 데이터를 전달 받아 상기 판별용 데이터와 상기 실시간의 전처리 데이터를 비교 분석하여 상기 설비부의 고장 여부를 판별하는 데이터판별부,를 구비하는 제어모듈; 및상기 제어모듈로부터 상기 설비부에 대한 고장 진단 정보를 전달 받아 상기 설비부의 정상 여부에 대한 정보가 출력되는 출력부;를 포함하는 것을 특징으로 하는 머신러닝에 의해 생성된 가상 데이터를 이용한 고장 진단 장치
|
