| 1 |
1
딥러닝 학습을 위해 플랜트 공정 설계 도면에서 추출한 데이터를 기반으로 이미지셋(Set)을 구성하는 데이터셋구성부;와상기 데이터셋구성부로부터 얻은 상기 설계 도면의 이미지셋(Set)의 검출 대상 조건들을 인식하고, 각 도면의 특성에 맞는 인식 네트워크를 데이터화하는 도면인식네트워크부;와상기 도면인식네트워크부의 상기 도면에서 얻은 검출 대상 조건들로부터 얻은 HMB(Heat 0026# Mass Balance)데이터 관련 HMB데이터속성값 및 도면 설계비교데이터값을 생성하는 도면데이터값생성부;와 상기 도면데이터값생성부로부터 얻은 상기 HMB데이터속성값 및 설계비교데이터값을 기반으로 상기 도면 설계의 이상 여부 진단하는 설계값진단부;와 상기 설계값진단부로부터 얻은 결과를 기반으로 도면의 각 속성별 발생 오류 정보를 통합하여 목록화하며, 상기 진단 결과를 사용자에게 디스플레이하는 종합결과전달부;및상기 종합결과전달부로부터 확인 가능한 도면 설계의 오류 부분을 사용자가 재설계 할 수 있도록 하는 사용자수정부;를 포함하는 것을 특징으로 하는 딥러닝 기반 플랜트 공정 지능 설계 장치
|
| 2 |
2
제 1항에 있어서,상기 데이터셋구성부는, 딥러닝 학습용 플랜트 공정 설계 도면 내 심볼 및 텍스트 혹은 또 다른 도면 등의 이미지 및 데이터 정보를 포함하는 이미지셋(Set)을 구축하는 것을 특징으로 하는 딥러닝 기반 플랜트 공정 지능 설계 장치
|
| 3 |
3
제 1항에 있어서,상기 도면인식네트워크부는,상기 설계 도면의 이미지(Set)로부터 추출된 상기 플랜트 공정 도면들 내 검출 대상 심볼의 밸브, 계장, 파이프, 피팅 등 플랜트 도면 내 설계 조건들을 인식하고,검출 대상 텍스트의 공정흐름 라인, 설계 코멘트(Commnent) 등을 포함하는 노트, 계장 및 장치 조건을 인식하며, 상기 검출 대상의 조건들을 각 공정 당 설계 도면에서 인식할 수 있도록 상기 검출 대상 조건들의 네트워크화 할 수 있는 알고리즘을 개발하는 것을 특징으로 하는 딥러닝 기반 플랜트 공정 지능 설계 장치
|
| 4 |
4
제1항에 있어서,상기 도면데이터값생성부는,상기 설계 도면에서 추출한 HMB(Heat 0026# Mass Balance)데이터와 설계계산식을 이용해 도면 속성의 제한 값인 상기 HMB데이터속성값을 구하는 것을 특징으로 하는 딥러닝 기반 플랜트 공정 지능 설계 장치
|
| 5 |
5
제 4항에 있어서,상기 HMB데이터는,각각의 배관에서 흐르고 있는 유체 타입 및 온도와 압력 등의 조건 값들을 포함하고 있으며,상기 설계 계산식은,상기 HMB 및 도면 데이터 속성 값을 계산하는 식으로,상기 식의 가짓수가 10가지 내외로 정해져 있으며, 상기 10가지 내외의 속성 값 중에서 계산식 Hydraulic 혹은 PSV sizing 계산식을 이용하는 것을 특징으로 하는 딥러닝 기반 플랜트 공정 지능 설계 장치
|
| 6 |
6
제 1항에 있어서,상기 설계값진단부는,상기 도면데이터값생성부에서 얻은 상기 HMB데이터속성값과 피앤아이디(P0026#ID: Piping 0026# Instrumentation Diagram) 내 기재되어 있는 상기 검출 대상의 실제 설계 데이터값을 비교하여, 불일치하는 경우에는 상기 불일치하는 설계 도면의 데이터값에 필터를 적용하고,설계하는 작업의 목표 설정값과 다르게 설계되는지 아닌지를 확인하여 도면설계의 이상 여부를 진단하는 것을 특징으로 하는 딥러닝 기반 플랜트 공정 지능 설계 장치
|
| 7 |
7
제 6항에 있어서,상기 설계값진단부는,상기 이상 진단 결과를 받은 도면과 상기 기존에 설계되었던 도면 등의 이미지셋(Set)이 입력된 빅데이터를 활용하여, 상기 도면의 설계 이미지셋(Set) 정보의 Process Flow를 시퀀스 데이터로 변환하여 선행 데이터를 구축하고, 상기 도면으로부터 인식된 정보 시퀀스로 변경하여, 선행 데이터 특성과 설계 비교를 자동으로 가능하도록 하는 알고리즘을 개발하는 것을 특징으로 하는 딥러닝 기반 플랜트 공정 지능 설계 장치
|
| 8 |
8
제1항에 있어서,상기 도면데이터값생성부는,상기 설계 도면에서 추출한 데이터를 기반으로 상기 설계 도면 데이터값과 기 작성된 설계 도면 데이터값의 동일 여부를 비교하고,상기 동일 여부를 결과를 포함하고 있는 상기 설계비교데이터값 구해 상기 설계값진단부로 전달하는 것을 특징으로 하는 딥러닝 기반 플랜트 공정 지능 설계 장치
|
| 9 |
9
제 8항에 있어서,상기 설계값진단부는, 상기 설계비교데이터값에 포함된 상기 동일여부 비교 결과를 입력받아 상기 설계 중인 도면 작성 과정의 이상 여부를 진단하는 것을 특징으로 하는 딥러닝 기반 플랜트 공정 지능 설계 장치
|
| 10 |
10
제 1항에 있어서,상기 종합결과전달부는,상기 설계값진단부에서 얻은 도면 설계의 이상 여부에 대한 결과 정보를 기반으로 상기 도면의 각 속성별 발생 오류 조건들을 추출하고 통합하여 목록화하며,상기 도면 설계 이상 여부에 대한 결과를 사용자(공정 설계 엔지니어)들에게 디스플레이해주는 것을 특징으로 하는 딥러닝 기반 플랜트 공정 지능 설계 장치
|
| 11 |
11
제 10항에 있어서,상기 종합결과전달부는,상기 설계값진단부로부터 이상 진단 결과를 상기 이미지셋(Set)에 피드백 입력 데이터값으로 제공하는 것을 특징으로 하는 딥러닝 기반 플랜트 공정 지능 설계 장치
|
| 12 |
12
제 1항에 있어서, 상기 사용자수정부는,상기 종합결과전달부로터 디스플레이된 상기 설계도면의 오류 부분을 확인할 수 있으며, 상기 설계도면의 오류 부분을 공정 도면 설계 엔지니어가 직접 재수정 및 재설계할 수 있도록 하는 것을 특징으로 하는 딥러닝 기반 플랜트 공정 지능 설계 장치
|
| 13 |
13
딥러닝 기반 플랜트 공정 지능 설계 장치를 구현하는 방법에 있어서,딥러닝 학습을 위해, 플랜트 공정 설계 도면 이미지셋(Set)을 획득하는 단계;와상기 플랜트 공정 도면 이미지셋(Set)으로부터 상기 플랜트 공정 도면 조건들의 각각을 인식하며, 각 도면 당 인식되어지는 조건들의 인식 네트워크를 데이터화하는 단계;와상기 인식 네트워크 개발에 사용되는 플랜트 공정 도면들 중, 상기 설계 도면에서 추출한 HMB(Heat 0026# Mass Balance) 데이터와 설계 도면 데이터값의 동일 여부를 비교하는 단계;와상기 인식 네트워크 개발에 사용되는 플랜트 공정 도면들 중, 상기 설계 도면의 데이터값과 기 작성된 설계 도면 데이터값의 동일 여부를 비교하는 단계;와상기 각각의 동일여부 비교 결과를 기반으로 상기 도면 설계의 이상 여부를 진단하는 단계;와상기 도면 설계 이상 여부 진단 결과를 통합하여 각 속성별 오류 정보를 목록화하는 단계;와상기 도면 설계 이상 여부 진단 결과를 사용자(공정 도면 설계 엔지니어)에게 디스플레이(제공)하는 단계;및상기 제공된 설계 도면의 오류 부분을 수정 및 재설계하는 단계;를 포함하는 것을 특징으로 하는 딥러닝 기반 플랜트 공정 지능 설계 방법
|
