| 1 |
1
복수의 단위 시간들마다 공작기계의 정상 공정 및 비정상 공정을 각각 모니터링하여 정상 및 비정상 공정 데이터를 수집하는 공정 데이터 수집부;상기 정상 및 비정상 공정 데이터에서 적어도 하나의 특징 데이터를 각각 추출하여 정상 및 비정상 특징 데이터를 결정하는 특징 데이터 결정부;상기 적어도 하나의 특징 데이터에 관한 특징 조합을 결정하고 해당 특징 조합을 기준으로 상기 정상 및 비정상 특징 데이터의 공간 분포를 구축하는 공간 분포 구축부;상기 공간 분포를 이용하여 상기 정상 및 비정상 특징 데이터에 대한 무게 중심을 각각 결정하고 해당 무게 중심들 간의 거리를 산출하는 특징 데이터 분석부; 및상기 복수의 단위 시간들에서 상기 거리가 기 설정된 임계거리를 초과하는 상기 정상 및 비정상 공정 데이터를 결정하여 공작기계 수명 진단을 위한 학습 데이터를 구성하는 학습 데이터 결정부를 포함하는 공작기계 수명 진단 장치
|
| 2 |
2
제1항에 있어서, 상기 공정 데이터 수집부는상기 공작기계에 결합된 가속도 센서를 통해 가속도 기반의 공정 데이터를 상기 정상 및 비정상 공정 데이터로서 수집하는 것을 특징으로 하는 공작기계 수명 진단 장치
|
| 3 |
3
제2항에 있어서, 상기 공정 데이터 수집부는상기 공작기계의 절삭 공정을 검출하고 상기 단위 시간 동안 상기 가속도 센서를 동작시켜 연속적인 공정 데이터를 수집하는 것을 특징으로 하는 공작기계 수명 진단 장치
|
| 4 |
4
제3항에 있어서, 상기 공정 데이터 수집부는상기 연속적인 공정 데이터의 로컬 변곡 지점을 검출하여 상기 정상 및 비정상 공정 데이터를 이산적으로(discretely) 생성하는 것을 특징으로 하는 공작기계 수명 진단 장치
|
| 5 |
5
제1항에 있어서, 상기 특징 데이터 결정부는상기 정상 및 비정상 공정 데이터에 관한 통계적 변수로서 첨도(kurtosis), 왜도(skewness), 표준편차(standard deviation) 및 평균(average)을 상기 적어도 하나의 특징 데이터로 결정하는 것을 특징으로 하는 공작기계 수명 진단 장치
|
| 6 |
6
제1항에 있어서, 상기 공간 분포 구축부는첨도-왜도, 첨도-표준편차, 첨도-평균, 왜도-표준편차, 왜도-평균 및 평균-표준편차 중 어느 하나를 상기 특징 조합으로 결정하는 것을 특징으로 하는 공작기계 수명 진단 장치
|
| 7 |
7
제1항에 있어서, 상기 공간 분포 구축부는상기 특징 조합의 각 특징 데이터를 독립된 차원에 대응시켜 형성되는 다차원 공간 상에 상기 정상 및 비정상 특징 데이터를 각각 배치하여 상기 공간 분포를 구축하는 것을 특징으로 하는 공작기계 수명 진단 장치
|
| 8 |
8
제1항에 있어서, 상기 특징 데이터 분석부는상기 정상 및 비정상 특징 데이터를 포함하는 최소 경계 다각형을 각각 생성하고 상기 최소 경계 다각형을 이용하여 상기 무게 중심을 결정하는 것을 특징으로 하는 공작기계 수명 진단 장치
|
| 9 |
9
제8항에 있어서, 상기 특징 데이터 분석부는다각형 집합의 각 다각형에 대응하여 상기 최소 경계 다각형을 각각 생성하고 복수의 최소 경계 다각형들 각각의 후보 무게 중심을 산출한 후 해당 후보 무게 중심들의 평균으로 상기 무게 중심을 결정하는 것을 특징으로 하는 공작기계 수명 진단 장치
|
| 10 |
10
제1항에 있어서,상기 학습 데이터에 학습 알고리즘을 적용하여 라인센터 스핀들의 수명 진단을 위한 학습 모델을 구축하는 학습 모델 구축부; 및상기 학습 모델을 이용하여 상기 라인센터 스핀들의 수명을 진단하는 수명 진단 수행부를 더 포함하는 것을 특징으로 하는 공작기계 수명 진단 장치
|
| 11 |
11
제10항에 있어서,상기 학습 모델 구축부는 상기 학습 데이터를 정상 및 비정상 학습 데이터로 구분하여 상기 라인센터 스핀들의 정상 및 비정상에 관한 확률을 각각 출력하는 정상 및 비정상 학습 모델을 구축하고, 상기 수명 진단 수행부는 상기 정상 및 비정상에 관한 확률을 기초로 상기 라인센터 스핀들의 잔여 수명을 예측하는 것을 특징으로 하는 공작기계 수명 진단 장치
|
| 12 |
12
제11항에 있어서, 상기 수명 진단 수행부는상기 잔여 수명에 따라 상기 라인센터 스핀들의 점검, 수리 및 교체에 관한 알림을 생성하는 것을 특징으로 하는 공작기계 수명 진단 장치
|
| 13 |
13
복수의 단위 시간들마다 공작기계의 정상 공정 및 비정상 공정을 각각 모니터링하여 정상 및 비정상 공정 데이터를 수집하는 단계;상기 정상 및 비정상 공정 데이터에서 적어도 하나의 특징 데이터를 각각 추출하여 정상 및 비정상 특징 데이터를 결정하는 단계;상기 적어도 하나의 특징 데이터에 관한 특징 조합을 결정하고 해당 특징 조합을 기준으로 상기 정상 및 비정상 특징 데이터의 공간 분포를 구축하는 단계;상기 공간 분포를 이용하여 상기 정상 및 비정상 특징 데이터에 대한 무게 중심을 각각 결정하고 해당 무게 중심들 간의 거리를 산출하는 단계; 및상기 복수의 단위 시간들에서 상기 거리가 기 설정된 임계거리를 초과하는 상기 정상 및 비정상 공정 데이터를 결정하여 공작기계 수명 진단을 위한 학습 데이터를 구성하는 단계를 포함하는 공작기계 수명 진단 방법
|
| 14 |
14
제13항에 있어서, 상기 특징 데이터를 결정하는 단계는상기 정상 및 비정상 공정 데이터에 관한 통계적 변수로서 첨도(kurtosis), 왜도(skewness), 표준편차(standard deviation) 및 평균(average)을 상기 적어도 하나의 특징 데이터로 결정하는 단계를 포함하는 것을 특징으로 하는 공작기계 수명 진단 방법
|
| 15 |
15
제14항에 있어서, 상기 공간 분포를 구축하는 단계는첨도-왜도, 첨도-표준편차, 첨도-평균, 왜도-표준편차, 왜도-평균 및 평균-표준편차 중 어느 하나를 상기 특징 조합으로 결정하는 단계를 포함하는 것을 특징으로 하는 공작기계 수명 진단 방법
|
| 16 |
16
제13항에 있어서,상기 학습 데이터에 학습 알고리즘을 적용하여 라인센터 스핀들의 수명 진단을 위한 학습 모델을 구축하는 단계; 및상기 학습 모델을 이용하여 상기 라인센터 스핀들의 수명을 진단하는 단계를 더 포함하는 것을 특징으로 하는 공작기계 수명 진단 방법
|
