Search

KR-102958801-B1 - Apparatus and method for cloud-based AI monitoring of air compressor equipment

KR102958801B1KR 102958801 B1KR102958801 B1KR 102958801B1KR-102958801-B1

Abstract

본 발명은 공기압축기 설비의 클라우드 기반 AI 모니터링 장치 및 방법을 제공하기 위한 것으로, 공기압축기 설비(300)의 값을 데이터 인제션 처리하여 정규화하고, 장치 상태 이상을 감지해 재시작을 트리거하는 데이터 인제션 처리부(110)와; 데이터를 전처리하고 피처를 출력하는 스트리밍 전처리부(120)와; CNN을 포함한 AI 모델로 상태와 신뢰도를 산출하고, 열화 추세와 잔여수명을 예측하여 AI 결과를 출력하는 AI 예지분석 처리부(130)와; 알람, 작업 권고, 원격 조치를 처리하는 경보권고 처리부(140)와; 대시보드와 리포트로 표시하는 시각화 리포트 처리부(150);를 포함하여 AI 모니터링부(100)를 구성함으로서, 진동·습도·전류·압력 등 다종 센서 데이터를 클라우드를 통해 전달받고, 클라우드 내의 AI 모니터링부가 이를 데이터 인제션 처리, 스트리밍 전처리, AI 예지분석 처리, 경보권고 처리, 시각화 리포트 처리를 수행하여 공기압축기 설비의 상태진단, 이상탐지, 예지보전 및 품질관리를 수행할 수 있다.

Inventors

  • 이정훈
  • 김태호
  • 류민영
  • 이성훈

Assignees

  • 주식회사 케이와이

Dates

Publication Date
20260506
Application Date
20251113

Claims (5)

  1. 산업현장의 공기압축기 설비(300)에서 진동, 습도, 전력, 유량 정보를 포함하여 수신하고, 상기 공기압축기 설비(300)의 장치ID, 타임스탬부, 채널, 값을 수신하며, 표준 스키마로 정규화 후 데이터베이스에 전달하고, 다수개의 상기 공기압축기 설비(300)에 동시접속하며, 역전데이터 및 지연데이터를 정렬시키며, 데이터 인제션 처리하여 정규화하고, 상기 공기압축기 설비(300)의 장치 상태 이상을 감지해 재시작을 트리거하는 데이터 인제션 처리부(110)와; 상기 데이터 인제션 처리부(110)에서 수집된 시계열 데이터를 실시간 정제하여 전처리하고 피처를 출력하는 스트리밍 전처리부(120)와; 상기 스트리밍 전처리부(120)에서 전처리된 피처를 입력받아 AI 모델로 분석하고, CNN을 포함한 AI 모델로 상기 공기압축기 설비(300)의 상태와 신뢰도를 산출하고, 열화 추세와 잔여수명을 예측하여 AI 결과를 출력하고, AI 모델을 관리하고 재학습을 수행하는 AI 예지분석 처리부(130)와; 상기 AI 예지분석 처리부(130)의 AI 결과를 정책화하여 상기 공기압축기 설비(300)에 대한 알람, 작업 권고, 원격 조치를 자동화하여 처리하는 경보권고 처리부(140)와; 상기 데이터 인제션 처리부(110), 상기 스트리밍 전처리부(120), 상기 AI 예지분석 처리부(130), 상기 경보권고 처리부(140)의 출력을 대시보드와 리포트로 표시하는 시각화 리포트 처리부(150);를 포함하여 구성되고, 상기 AI 예지분석 처리부(130)는, 상기 스트리밍 전처리부(120)에서 전처리된 피처를 입력받고, CNN 처리를 통해 상기 공기압축기 설비(300)에 대한 상태 라벨과 고장확률을 산출하고, 상태 라벨의 불확실도를 산출하여 신뢰도를 계산하는 온라인 이상탐지부(131)와; 상기 온라인 이상탐지부의 출력을 전달받고, 구조적 변화(열화)와 주기요인을 분리하여 스펙트럼 밴드/엔벨로프 지표의 장기 증감률, 변동성 상승 정보를 포함한 열화 벡터를 구성하고, 회귀 기반 또는 생존분석으로 잔여수명 및 고장확률을 산출하며, 센서값에 대한 단기 예측으로 성능 저하를 조기 감지하여 품질을 예측하고, 예측구간과 신뢰구간으로 불확실도를 추출하고, 백테스트로 보류기간 검증하여 배치로 일괄 처리하여, 예지 정보를 출력하는 배치예지 처리부(132)와; 상기 배치예지 처리부(132)의 결과를 입력받고, 상기 공기압축기 설비(300)의 정보를 학습하여 AI 예지분석을 위한 AI 모델을 구성하고, 학습 산출물의 버전, 성능 및 캘리브레이션을 관리하며, AI 모델에 따른 예지분석 결과값으로 상기 공기압축기 설비(300)에 대한 클라우드 서빙 또는 엣지 배포를 제어하는 AI 모델 관리부(133)와; 상기 AI 모델 관리부(133)의 AI 모델에 대한 데이터 큐레이션, 재학습 스케줄, 캘리브레이션을 수행하여 AI 모델의 검증과 학습을 관리하고, 신뢰도를 보정하고 재학습 스케줄을 관리하는 검증학습 관리부(134); 를 더욱 포함하여 구성된 것을 특징으로 하는 공기압축기 설비의 클라우드 기반 AI 모니터링 장치.
  2. 청구항 1에 있어서, 상기 스트리밍 전처리부(120)는, 상기 데이터 인제션 처리부(110)를 통해 수신한 센서 원시 신호의 노이즈와 스파이크 제거와 윈도우링 처리를 수행하여 안정화된 시계열 버퍼를 출력하는 실시간 필터링부(121)와; 상기 실시간 필터링부(121)의 출력을 FFT, STFT, 스펙트로그램 또는 엔벨로프를 포함한 변환을 수행하고, 상기 공기압축기 설비(300) 고유의 회전, 불평형, 베어링 결함 성분을 드러내어 결과를 스펙트로그램 또는 밴드 파워 시퀀스로 출력하는 스펙트럼 처리부(122)와; 상기 스펙트럼 처리부(122)의 출력을 전달받고, 도메인 피처를 계산하여 구조화된 피처 벡터를 출력하는 피처벡터 추출부(123)와; 상기 피처벡터 추출부(123)의 피처벡터를 전달받고, z-score, 장치표준화 및 부하보정을 수행하고, 결측 및 드리프트 보정을 수행하여 피처 스트림을 상기 AI 예지분석 처리부(130)로 전달하는 스케일링 처리부(124); 를 포함하여 구성된 것을 특징으로 하는 공기압축기 설비의 클라우드 기반 AI 모니터링 장치.
  3. 청구항 1에 있어서, 상기 경보권고 처리부(140)는, 상기 AI 예지분석 처리부(130)의 처리 결과를 전달받고, 임계, 지속시간, 중복억제, 신뢰도 규칙으로 평가하여 알람을 트리거하는 알람정책 관리부(141)와; 상기 알람정책 관리부(141)와 연결되고, 고장유형, 잔여수명(RUL), 에너지 및 품질지표를 근거로 정비 권고(티켓/체크리스트/예비품)를 생성하는 작업권고 처리부(142)와; 상기 작업권고 처리부(142)와 연결되고, 상기 공기압축기 설비(300)에 대한 원격제어 승인 시 권고 실행 명령을 전송하는 원격조치 처리부(143)와; 상기 원격조치 처리부(143)와 연결되고, 알람, 승인, 조치, 종결까지를 감사 추적하는 알람이력 관리부(144); 를 포함하여 구성된 것을 특징으로 하는 공기압축기 설비의 클라우드 기반 AI 모니터링 장치.
  4. 청구항 1에 있어서, 상기 시각화 리포트 처리부(150)는, 상기 경보권고 처리부(140)의 출력을 전달받고, 상기 공기압축기 설비(300)의 상태(정상/경고/고장) 정보, 트렌드(압력, 전류, 전력, 유량, 진동 또는 습도 포함) 정보, 알람 타임라인 정보를 렌더링하여 대시보드에 출력하고, 상기 공기압축기 설비(300)의 다장비 동시 모니터링과 사용자별 다중 접근이 가능하게 하는 실시간 대시보드 처리부(151)와; 상기 실시간 대시보드 처리부(151)와 연결되고, 공장→라인→장비→센서 계층 뷰와 필터링 및 검색이 가능하게 하고, 상기 공기압축기 설비(300)의 메타 정보(모델, 펌웨어, 업타임 포함) 정보를 관리하는 자산 토폴로지 관리부(152)와; 상기 자산 토폴로지 관리부(152)와 연결되고, 기간별(시간대/일/월/연도별) 전력 및 유량 정보를 포함한 집계 리포트를 처리하는 리포트 처리부(153)와; 상기 리포트 처리부(153)와 연결되고, 사용자 단말(200)을 통한 사용자 인증, 인가, 세션 및 접속 감사를 수행하며, 사용자의 권한에 따른 뷰 모델(대시보드/리포트 접근 범위)을 관리하는 사용자접근 관리부(154); 를 포함하여 구성된 것을 특징으로 하는 공기압축기 설비의 클라우드 기반 AI 모니터링 장치.
  5. 사용자 단말(200) 및 산업현장의 공기압축기 설비(300)와 연결된 클라우드 플랫폼의 AI 모니터링부(100)에서의 클라우드 기반 AI 모니터링 방법에 있어서, 상기 공기압축기 설비(300)의 디바이스 등록과 접속을 수행하여 인제션 처리하는 인제션 단계(ST1)와; 상기 인제션 단계 후 필터, 위도, 이상치 완화로 실시간 전처리하며, FFT, STFT, 엔벨로프 또는 스펙트로그램 산출을 통해 스펙트럼 처리하고, 피처 벡터 생성과 스케일링 처리를 수행하며, 상기 공기압축기 설비(300)에 대한 온라인 이상탐지를 수행하는 전처리 단계(ST2 ~ ST5)와; 상기 전처리 단계 후 상기 공기압축기 설비(300)의 정보를 학습하여 AI 모델을 수립하고, 열화, 잔여수명(RUL), 위험도를 계산하여 알람 권고 및 원격 조치를 수행하게 하는 AI 예지단계(ST6, ST7)와; 상기 AI 예지단계 후 임계, 지속, 중복억제, 신뢰도 조건을 포함한 정책 판정을 수행하고, AI 모니터링 이력 정보를 관리하고, 상기 공기압축기 설비(300)에 대한 장애 복구를 수행하는 경보권고 단계(ST8, ST9)와; 상기 경보권고 단계 후 대시보드와 리포트로 상기 공기압축기 설비(300)에 대한 AI 모니터링 상태를 표시하는 시각화 리포트 단계(ST10); 를 포함하여 수행하는 것을 특징으로 하는 공기압축기 설비의 클라우드 기반 AI 모니터링 방법.

Description

공기압축기 설비의 클라우드 기반 AI 모니터링 장치 및 방법{Apparatus and method for cloud-based AI monitoring of air compressor equipment} 본 발명은 공기압축기 설비의 모니터링에 관한 것으로, 특히 공기압축기 설비에서 진동·습도·전류·압력 등 다종 센서 데이터를 클라우드를 통해 전달받고, 클라우드 내의 AI 모니터링부가 이를 데이터 인제션 처리, 스트리밍 전처리, AI 예지분석 처리, 경보권고 처리, 시각화 리포트 처리를 수행하여 공기압축기 설비의 상태진단, 이상탐지, 예지보전 및 품질관리를 수행하기에 적당하도록 한 공기압축기 설비의 클라우드 기반 AI 모니터링 장치 및 방법에 관한 것이다. 일반적으로 공기압축기는 제조·에너지·건설·식품 등 거의 모든 산업설비의 기본 유틸리티 장치로서, 장시간 운전 중 부하 변화·진동·습도·온도·압력의 영향을 크게 받는다. 그러나 종래에는 현장 제어반이나 임베디드 장치 내부에서만 단일 장치의 데이터를 확인할 수 있어, 여러 대의 설비를 동시에 관리하거나 원격에서 이상 징후를 분석하기 어려웠다. 이에 따라, 다수의 공기압축기를 클라우드 환경에서 통합 관리하고, AI 기반으로 이상·고장 패턴을 자동 학습하여 예지보전(Preventive Maintenance)을 실현하려는 기술 수요가 높아지고 있다. 기존의 공기압축기 설비에 대한 모니터링 시스템은 단순한 데이터 수집이나 경보(Alarm) 발신 수준에 그쳐, 고장 원인이나 잔여수명(RUL)을 추정하는 기능이 부족하였다. 또한 설비마다 설치된 임베디드 제어기의 데이터 형식과 통신 프로토콜이 상이하여 다수 장치의 데이터를 통합·분석하기 어려웠고, 네트워크 단절·정전 등 비정상 상황 시 데이터 손실 및 모니터링 중단이 빈번하였다. 또한 클라우드 서버와 현장 장치 간 실시간 연계 구조, AI 모델의 자동 배포·갱신(MLOps) 및 리포트 생성 기능이 부재하여 산업현장 전반의 지능형 예지운전 체계로 발전하기 어려웠다. 특허문헌 1의 공기압축기 원격 모니터링을 통한 예지보전 서비스 제공 플랫폼(공개특허 10-2025-0040175) 기술은 센서로부터 압력·온도·진동·전류·밸브·서지 등의 실시간 데이터를 수집(무선/Modbus) → 전처리/데이터셋 생성 → AE(오토인코더) 이상탐지, Auto-ARIMA·LSTM 예측, SHAP 영향도 분석을 학습/적용하여 예지보전 정보를 제공(서버·플랫폼 구조)한다. 그러나 특허문헌 1은 수집 인프라/운영 신뢰성 기술 부재하여, 동일 포트 다중 접속, 장치 고유ID 기반 세션, 시계열 DB 온라인 적재, 오프라인 버퍼·자동 재가동과 같은 대규모 플릿 수집·복구 구조에 대한 구체적인 모듈이 부족한 한계가 있다. 또한 스트리밍 신호처리 체계가 미약하여, FFT/STFT·엔벨로프 등 실시간 스펙트럼 기반 전처리 파이프라인이 구체화되어 있지 않다. 또한 플릿 운영·시각화·리포팅 체계가 부족하여, 멀티테넌시·권한·정기 리포트·알람 정책/워크플로 설명이 제한적이다. 특허문헌 2의 인공지능 기반 스마트 공기압축기 고장예측 진단 장치(공개특허 10-2025-0046041) 기술은 다종 센서 → 센서 측정 허브(노이즈 보정·ADC 샘플링/분주·평균화) → 예측 진단부(고장예측) → 통신부가 알림 장치/클라우드 서버로 전송하는 구조로서, 샘플링/보정 수식과 센서 배치·평균화 로직을 상세히 개시하였다. 그러나 특허문헌 2는 단일 장치 지향이고, 클라우드 운영이 미비하다. 즉, 클라우드가 수신·표시 수준으로 등장하나, 다중 설비 동시 수집·시계열 DB·대시보드·리포팅·정책/권고·원격조치 등 플랫폼 레벨 기능이 부족한 한계가 있다. 또한 모델 버전/배포/성능 모니터링, 플릿 학습/검증 파이프라인 기재가 없어, 모델 운영과 MLOps(Machine Learning Operations, 기계 학습 운영)가 부재한 단점이 있다. 또한 정전/단절 시 자동 재가동·버퍼 재전송 등의 플랫폼 레벨 기술은 제시되어 있지 않다. 특허문헌 3은 빅데이터 활용 양방향 고장진단 및 원격운전제어(공개특허 10-2020-0084401) 기술은 MACS(압축기 자동제어기)가 다수 컴프레서를 제어(고정/가변 속도 혼합), 원격지 제어서버로 상태정보를 보내 고장 가능성·A/S 시기 판단 및 통지, 경우에 따라 원격제어·프로그램 업데이트까지 수행한다. 그러나 특허문헌 3은 상태값 기반 판정·스케줄/임계 로직 중심으로 개시되어, 스펙트럼 기반 CNN·신뢰도 결합의 실시간 스트리밍 AI 파이프라인이 부족한 한계가 있다. 또한 클라우드 네이티브 확장성이 미흡하다. 즉, 멀티 사용자·멀티 테넌트 대시보드/리포트, 시계열 DB·백업·장애복구 등을 위한 운영 인프라 스펙이 부족한 단점이 있다. 또한 정비 티켓/권고·승인·원격조치 등 정책→행위 워크플로가 제한되어 부족한 한계가 있다. 특허문헌 4는 그룹화를 통한 공기압축기 모니터링 장치/방법(등록특허 10-2551043) 기술은 규격·환경·업종·사용기간 등으로 그룹화 → 그룹 평균 패턴(제1 기준)과 사용기간 그룹 패턴(제2 기준)을 벗어나는 장치를 선택·알림, 필요 시 개별 원격제어(비상정지) 수행하는 내용이 개시되어 있다. 그러나 특허문헌 4는 그룹 통계 비교 중심으로서, AI 심도가 부족한 한계가 있다. 즉, 그룹 기준범위/패턴 기반 비교가 핵심으로, CNN 스펙트럼 추론·불확실도·배치 예지(RUL) 등 AI 분석 체계가 부족한 한계가 있다. 또한 인제션/DB/운영 기능이 한정되어, 대규모 동일 포트 다중 접속·고유ID·시계열 DB·백업·자동 재가동 등 클라우드 운영 스펙이 부족한 한계가 있다. 또한 정비권고·리포트·권한의 상세내용이 제시되지 못한 한계가 있다. 도 1은 본 발명이 적용되는 산업현장의 공기압축기 설비에 대한 클라우드 기반 AI 모니터링의 구성을 보인 개념도이다. 도 2는 본 발명의 일 실시예에 의한 공기압축기 설비의 클라우드 기반 AI 모니터링 장치의 블록구성도이다. 도 3은 도 2에서 AI 모니터링부의 상세블록도이다. 도 4는 본 발명의 일 실시예에 의한 공기압축기 설비의 클라우드 기반 AI 모니터링 방법을 보인 흐름도이다. 이와 같이 구성된 본 발명에 의한 공기압축기 설비의 클라우드 기반 AI 모니터링 장치 및 방법의 바람직한 실시예를 첨부한 도면에 의거하여 상세히 설명하면 다음과 같다. 하기에서 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 판례 등에 따라 달라질 수 있으며, 이에 따라 각 용어의 의미는 본 명세서 전반에 걸친 내용을 토대로 해석되어야 할 것이다. 먼저 본 발명은 공기압축기 설비에서 진동·습도·전류·압력 등 다종 센서 데이터를 클라우드를 통해 전달받고, 클라우드 내의 AI 모니터링부가 이를 데이터 인제션 처리, 스트리밍 전처리, AI 예지분석 처리, 경보권고 처리, 시각화 리포트 처리를 수행하여 공기압축기 설비의 상태진단, 이상탐지, 예지보전 및 품질관리를 수행하고자 한 것이다. 도 1은 본 발명이 적용되는 산업현장의 공기압축기 설비에 대한 클라우드 기반 AI 모니터링의 구성을 보인 개념도이다. 클라우드 플랫폼은 사용자 단말(200)이 접속 가능하고, 산업현장의 공기압축기 설비(300)에 대해 클라우드에서 관리하는 플랫폼이다. 클라우드 플랫폼에는 AI 모니터링부(100)가 포함되어, 산업현장의 공기압축기 설비(300)에서 올라오는 데이터를 수신·저장·분석하고 결과(상태, 알람, 리포트용 데이터)를 사용자 단말(200)로 제공한다. 사용자 단말(200)은 브라우저/모바일/운영자 콘솔 등으로 구성되며, AI 모니터링부(100)에서 계산된 결과를 대시보드·리포트·알림 형태로 조회·수신한다. 산업현장의 공기압축기 설비(300)는 공기압축기(310), 공기압축기(310)에 설치된 센서(320) 및 임베디드 PC(330)를 포함하여 구성된다. 공기압축기 설비(300)는 실측 데이터를 생성·수집하고 클라우드 플랫폼의 AI 모니터링부(100)로 전송한다. 공기압축기(310)는 실제 압축기 본체로서, 운전 중에 압력·온도·유량·전류·진동·출구공기 품질(예: 습도)에 변화가 발생한다. 센서(320)는 공기압축기(310)에 부착되어 진동/전류/온도/압력/습도 등 상태 신호를 취득한다. 취득 주기와 채널은 장치·용도에 따라 구성되며, 신호는 임베디드 PC(330)로 전달된다. 임베디드 PC(330)는 센서(320)에서 들어온 원시 신호를 수집(필요 시 간단한 전처리·요약 포함)하여 보안 통신으로 클라우드 플랫폼의 AI 모니터링부(100)에 업링크한다. 네트워크 상태에 따라 버퍼링·재전송 정책을 적용할 수 있도록 설계된다. 도 2는 본 발명의 일 실시예에 의한 공기압축기 설비의 클라우드 기반 AI 모니터링 장치의 블록구성도이다. AI 모니터링부(100)는 데이터 인제션 처리부(110), 스트리밍 전처리부(120), AI 예지분석 처리부(130), 경보권고 처리부(140), 시각화 리포트 처리부(150)를 포함하여 구성할 수 있다. 데이터 인제션 처리부(110)는 현장에서 올라온 장치ID·타임스탬프·채널·값을 수신하여 형식·시간을 정리한다. 입력으로는 센서·운전 신호(진동, 전류/압력/온도, 습도 등) 정보를 받고, 필요 시 엣지 측 요약/상태값 정보를 받는다. 출력으로는 정규화된 시계열 이벤트가 스트리밍 전처리부(120)로 전달된다. 스트리밍 전처리부(120)는 실시간으로 들어온 시계열을 정제하여 AI가 다루기 쉬운 형태(예: 윈도우링·필터링·스펙트럼/피처화 결과)로 변환한다. 입력으로는 데이터 인제션 처리부(110)에서 넘어온 정규화 스트림이다. 출력으로는 전처리·특징화된 데이터가 AI 예지분석 처리부(130)로 전달된다. AI 예지분석 처리부(130)는 전처리 결과를 입력으로 받아 상태 판정(정상/경고/고장), 이상점수/신뢰도, 필요 시 예측 지표(부하/열화 추세 등)를 산출한다. 입력으로는 스트리밍 전처리부(120)의 전처리·피처 스트림이다. 출력으로는 AI 판단 결과가