KR20220120456A

KR20220120456A - 자동밸브의 인공지능 밸브 고장 예측 진단 시스템

Info

Publication number: KR20220120456A
Application number: KR1020220008880A
Authority: KR
Inventors: 김태준
Original assignee: 주식회사 미래엔지니어링
Priority date: 2021-02-22
Filing date: 2022-01-21
Publication date: 2022-08-30

Abstract

플랜트 자동제어밸브에 대한 엣지 컴퓨팅 기반의 인공지능 밸브 고장진단 시스템은, 자동밸브에 구비되는 포지셔너, 상기 자동밸브에 구비되는 복수의 IIoT 센서, 상기 포지셔너에서 전송되는 신호와 상기 복수의 IIoT 센서의 적어도 일부 또는 전부로부터 측정된 신호를 오토 디코더 딥러닝 알고리즘을 이용하여 실시간으로 추론 및 분석하여 상기 자동밸브의 비정상 운전 또는 고장의 종류를 판별하는 인공지능 밸브 고장진단기, 및 상기 고장진단기와 이더넷 내부 통신망을 이용하여 데이터의 통신 및 원격 모니터링을 수행하는 관리센터를 포함하고, 상기 포지셔너와 상기 IIoT 센서 및 상기 고장진단기는 개별 자동밸브마다 구비되고, 상기 고장진단기는 상기 자동밸브의 정상 운전 시의 데이터를 이용하여 학습 및 훈련하여 모델 값을 산출하고, 상기 모델 값에 의해 비정상 운전 시의 데이터를 추론하고, 복원 에러 최대값과 복원 에러 최소값의 경계치인 임계 값보다 복원 에러 값이 크면 고장으로 판별한다.

Description

자동밸브의 인공지능 밸브 고장 예측 진단 시스템{PREDICTION FAILURE DIAGNOSIS SYSTEM FOR AUTOMATIC VALVE USING ARTIFICIAL INTELLIGENCE}

이하의 설명은 인공지능을 이용하여 플랜트 자동제어밸브에 대한 실시간 원격의 고장 예측 진단 시스템 및 진단 방법에 관한 것이다.

신재생에너지발전(CSP), 화력, 열병합 및 기타 발전 산업, 석유화학 플랜트용 밸브는 가혹 여건(250~800℃ 수준의 고온, 20~300Bar의 고압), 그리고 극저온 LNG 산업분야 등에서 사용되며, 글로브밸브, 볼밸브, 게이트밸브 등의 다양한 밸브를 사용하고 있다.

그런데, 이와 같이 고온 고압 혹은 극저온 고압의 가혹한 여건에서 사용되는 밸브는 기계적 마모가 심해 밸브의 오작동, 내부 유체 누출 등 다양한 고장이 빈번히 발생하여 사고가 일어나거나, 플랜트를 정지해야 하는 경우 품질 및 생산성이 저하되거나 또는 물적/인적 피해가 발생할 우려가 있었다.

일반적으로 기존 계측 제어 장치의 경우, 현장에 설치되어 있는 밸브의 고장을 진단하기 위해서는, 밸브 운전을 정지하거나 정지하고 밸브를 배관에서 절단 등으로 분리하고, 분리한 밸브에 특정 신호로 작동시키고, 이러한 작동 신호 패턴을 분석하는 오프라인(off-line) 방식으로 분석 진단하였다. 그런데 기존의 진단 방법을 사용하기 위해서는 프로세스를 정지해야 하는 등의 비경제적인 측면과, 프로세스를 정지해야 하는 어려운 문제점이 있었다.

전술한 배경기술은 발명자가 본원의 개시 내용을 도출하는 과정에서 보유하거나 습득한 것으로서, 반드시 본 출원 전에 일반 공중에 공개된 공지기술이라고 할 수는 없다.

실시예의 목적은, 플랜트 자동제어밸브에 설치되어서 인공지능을 이용하여 자동밸브의 고장을 추론 및 분석하는 인공지능 밸브 고장 예측 진단 시스템을 제공하는 것이다.

실시예들에서 해결하려는 과제들은 이상에서 언급한 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

실시예들을 설명한다. 플랜트 자동제어밸브에 대한 인공지능 밸브 고장 예측 진단 시스템은, 자동밸브에 구비되는 포지셔너, 상기 자동밸브에 구비되는 복수의 IIoT 센서, 상기 포지셔너에서 전송되는 신호와 상기 복수의 IIoT 센서의 적어도 일부 또는 전부로부터 측정된 신호를 오토 디코더 딥러닝 알고리즘을 이용하여 실시간으로 추론 및 분석하여 상기 자동밸브의 비정상 운전 또는 고장의 종류를 판별 및 예측하는 엣지 기반의 인공지능 밸브 고장진단기, 및 상기 고장진단기와 이더넷 내부 통신망을 이용하여 데이터의 통신, 원격 모니터링 및 제어를 수행하는 관리센터를 포함하고, 상기 포지셔너와 상기 IIoT 센서 및 상기 고장진단기는 개별 자동밸브마다 구비되고, 상기 고장진단기는 상기 자동밸브의 정상 운전 시의 데이터를 이용하여 학습 및 훈련하여 모델 값을 산출하고, 상기 모델 값에 의해 비정상 운전 시의 데이터를 추론하고, 복원 에러 최대값과 복원 에러 최소값의 경계치인 임계 값보다 복원 에러 값이 크면 고장으로 판별한다.

도 1은 일 실시예에 따른 자동밸브에 엣지 기반의 인공지능 밸브 고장진단기와 IIoT 센서가 설치된 구성을 설명하는 도면이다.
도 2는 도 1의 엣지 기반의 인공지능 밸브 고장진단기의 구성 및 측정과 모니터링 동작을 설명하는 도면이다.
도 3은 I/O 보드의 세부 구성 및 기능을 설명하는 도면이다.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

또한, 실시예의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.

어느 하나의 실시예에 포함된 구성요소와, 공통적인 기능을 포함하는 구성요소는, 다른 실시예에서 동일한 명칭을 사용하여 설명하기로 한다. 반대되는 기재가 없는 이상, 어느 하나의 실시예에 기재한 설명은 다른 실시예에도 적용될 수 있으며, 중복되는 범위에서 구체적인 설명은 생략하기로 한다.

이하에서는 도 1 내지 도 3을 참조하여, 고온 고압의 가혹 환경(~800℃ 수준의 고온 및 300Bar 수준의 고압), 극저온(-270℃ 수준) 고압에서 운전되는 플랜트 자동밸브의 고장을 진단하고 생산 제품의 품질을 안정되게 유지할 수 있도록 하는 인공지능 밸브 고장 예측 진단 시스템 및 진단 방법에 대해서 설명한다.

도 1은 자동밸브(10)에 설치된 고장진단기(130)와 IIoT 센서(120)의 구성을 설명하는 도면이다.

도 1을 참조하면, 플랜트 자동제어밸브(이하, '자동밸브'라 함)(10)는 글로브 밸브형(Globe valve type)의 밸브 바디(11)에, 공기압 실린더(air actuated cylinder)(12)를 이용한 제어 방식의 오프셋 글러브 벨로즈 밸브(Offset globe bellows valve)일 수 있다. 다만, 자동밸브(10)가 이에 한정되는 것은 아니며, 밸브의 형태나, 크기, 액추에이터 타입, 사용되는 여건, 그리고 밸브의 적용온도는 실질적으로 다양하게 변경될 수 있다.

자동밸브(10)는 밸브 바디(11) 내부에 구비된 스템(13)이 실린더(12)에 의해서 상하로 구동되면, 스템(13) 하단의 글로브(14)가 유체의 유동을 위한 배관이 연결되는 입구(15)와 출구(16)를 개폐한다.

엣지 컴퓨팅(edge computing)기반의 인공지능 밸브 고장진단기(AI Valve surveillance Manager, 이하, '고장진단기'라 함)(130)는 자동밸브(10)의 고장을 예측 및 진단하기 위해서 밸브 바디(11) 또는 자동밸브(10)의 주변에 여러 가지 산업용 사물인터넷 센서(Industrial Internet of Things, IIoT) 센서(120)를 설치하고, IIoT 센서(120)의 측정 결과들로부터 오토 인코더 딥러닝 알고리즘을 이용하여 자동밸브(10)의 고장을 실시간 및 온라인으로 추론/분석한다.

고장진단기(130)는 IIoT 센서(120)의 측정 결과로부터 자동밸브(10)의 정상적인 운전 상태의 신호를 오토 인코더 딥러닝 인공지능 알고리즘으로 학습하고, 학습된 결과로부터 비정상 신호를 추론하고, 정상일 때의 복원 에러 최대값과 비정상일 때의 복원 에러 최소값의 경계치인 임계 값보다 복원 에러 값이 크면 비정상으로 판단하여 밸브 고장을 판별하게 된다.

여기서, 고장진단기(130)는 수집된 데이터를 여러 개의 데이터 셋으로 준비하고, 오프라인(off-line)에서 AI 알고리즘에 의해 학습 및 훈련시키고, 학습이 완료된 후에 자동밸브(10)의 정상 운전 특성을 포함하는 모델 값을 산출하고, 모델 값을 이용하여 비정상 운전을 추론하며, 정상 운전과 비정상 운전을 판별하는 임계 값(threshold)을 산출한다.

또한, 고장진단기(130)는 엣지 컴퓨팅을 기반으로 개별 자동밸브(10)에서 데이터 수집 및 분석을 수행하고, 현장에서 직접 자동 및 수동으로 자동밸브(10)의 모니터링과 제어가 수행된다.

한편, 자동밸브(10)의 고장 데이터는 그 종류가 매우 다양하기 때문에, 고장 데이터를 확보하는 것은 어렵다. 그러나, 고장진단기(130)는 정상 운전 데이터만으로 학습된 모델 값과 임계 값을 이용하여 자동밸브(10)의 비정상 운전을 검출하고 실시간 및 온라인으로 분석할 수 있다.

또한, 플랜트에는 자동밸브(10)가 수백 또는 수천 개 이상 매우 많이 사용되는데, 모든 자동밸브(10)에 고장진단기(130)를 설치하고, 각 고장진단기(130)에서 각 자동밸브(10)에 설치되어 있는 IIoT 센서(120)로부터의 신호를 입력 처리하고, 처리된 진단 결과만을 전송하게 된다.

고장진단기(130)는 포지셔너(positioner)(110)(제어 신호(CT)와 피드백 신호(FD) 포함)와, 자동밸브(10)의 운전상태를 모니터링하는 복수의 IIoT 센서(120)를 포함하여 구성될 수 있다.

여기서, 고장진단기(130)는 자동밸브(10)에 포지셔너(110) 및 IIoT 센서(120)와 별도로 장착된다. 이와 같이 고장진단기(130)를 별도로 형성함으로써, 기존의 자동밸브(10)의 부품을 교체하거나 변경할 필요 없이 설치가 가능하여, 다양한 회사에서 생산되는 다양한 종류의 자동밸브에 적용이 가능하여 호환성이 높다. 물론, 고장진단기(130)는 포지셔너(110)와 일체로 설치되는 것도 가능하다.

포지셔너(110)는 자동밸브(10)의 실린더(12)에 설치되며, 실린더(12)의 상하에 연결되어 있는 공기압 라인(111, 112)을 통해 실린더(12)에 공기압을 제공한다. 그리고 포지셔너(110)는 고장진단기(130)로부터 전송되는 제어 신호(CT)에 의해서 자동밸브(10)를 개폐한다.

여기서, 자동밸브(10)가 정상적으로 작동할 때는, 자동밸브(10)의 포지션에 따라 포지셔너(110) 내부에서 감지되는 피드백 신호(FD)가 약간씩 지연되면서 제어 신호(CT)와 거의 같은 포지션을 유지한다. 그러나 자동밸브(10)가 비정상적으로 작동할 때는, 피드백 신호(FD)가 불완전하게 움직이면서, 피드백 신호(FD)와 제어 신호(CT) 사이에 차이가 발생하게 된다.

IIoT 센서(120)는 자동밸브(10)의 밸브 바디(11) 내부 및 주변에 설치되며, 여러 가지 복수의 센서들을 포함한다. 예를 들어, IIoT 센서(120)는 하중 센서(또는 로드셀(load cell))(121), 음향 센서(acoustic sensor)(122), 온도 센서(123, 124), 유량 센서(125) 및 차압(differential pressure) 및 정압 센서(static pressure transducer)(126)를 포함한다. 여기서, IIoT 센서(120)는 이에 국한되는 것이 아니라, 진단하고자 하는 여건에 따라 상술한 센서 중 적어도 어느 하나 이상의 센서를 포함할 수 있고, 또는 상술한 센서 이외의 다른 센서(예를 들어, 진동 센서(미도시), 리미트 스위치(127, 도 3 참조) 등)를 포함할 수 있으며, 또한, 그 수 역시 다양하게 변경될 수 있다.

하중 센서(121)는 스템(13)의 중간에 설치되면 스템(13)에 작동되는 힘을 측정한다. 하중 센서(121)는 자동밸브(10)의 개폐시 글로브(14)의 닫힘과 열림이 이루어질 때의 기계적인 결함에 의한 하중 변화를 측정할 수 있다. 경우에 따라서는 프로세스 변동에 의한 유체 압력이 변할 때에도, 하중 센서(121)에서 하중의 변화를 측정할 수 있다.

압력 센서(126)는 자동밸브(10)의 입구(15)와 출구(16) 사이의 압력 변화를 측정한다. 예를 들어, 압력 센서(126)는 자동밸브(10)의 입구(15)와 출구(16) 사이의 압력차를 측정하는 차압 센서일 수 있다. 또는 압력 센서(126)는 자동밸브(10)의 입구(15) 및 출구(16)에 각각 설치되는 정압 센서일 수 있다.

압력 센서(126)는 입구(15) 및 출구(16)측의 배관에 직접 삽입하거나, 주배관에서 약간 멀리 튜빙하여 설치할 수 있으며, 이 외에도 적합한 방법으로 설치할 수 있다.

온도 센서(123, 124)는 자동밸브(10)의 입구(15) 및 출구(16)측에 설치된다.

음향 센서(122)와 유량 센서(125)는 자동밸브(10)의 출구(16)측에 설치되며, 자동밸브(10)의 개폐 시의 유체 유동 및 음향 레벨(또는 진동 레벨)을 측정한다. 그리고 측정된 결과를 100kHz 주파수 범위에서 푸리에 변환(Fourier transformation) 또는 옥타브 밴드(Octave band)에 따른 변화를 측정 및 분석할 수 있다.

여기서, 자동밸브(10)가 고장 상태일 때는 밸브의 개폐가 불안정하여 여러 가지 유체 유동 현상이 발생하는데, 밸브 제어의 정상 작동과 비정상 작동에 따른 하중 변화, 압력 변화, 유량 변화, 온도 변화, 음향 노이즈 변화가 다르게 나타나는데, 복수의 IIoT 센서(120)로부터 이와 같은 변화를 측정할 수 있다.

고장진단기(130)는 이더넷 내부 통신망(140)을 통해 현장이나 외부의 관리센터에서 자동밸브(10)의 작동 데이터 확인 및 정상/비정상 유무를 확인할 수 있다.

여기서, 고장진단기(130)는 각 자동밸브(10)에 설치되어 있는 IIoT 센서(120)로부터의 신호를 입력 처리하고, 처리된 진단 결과만을 관리센터에 전송할 수 있다. 또는, 물론 이더넷 내부 통신망(140)을 통해 IIoT 센서(120)로부터 수집된 데이터들을 관리센터에서 실시간으로 확인하거나 데이터를 수집하고, 데이터 서버로 전송할 수도 있다.

여기서, 데이터의 보관은 사용자의 실수나 분쟁 시에 필요하기 때문에, 고장진단기(130) 자체에 보관하거나 또는 이더넷 내부 통신망(140)을 통해 데이터 서버에도 보관할 수 있다.

도 2는 고장진단기(130)의 세부 구성과 동작을 도면이다.

도 2를 참조하면, 고장진단기(130)는 I/O 보드(131)와 마이크로 PC(132)를 포함하여 구성될 수 있다.

I/O 보드(131)는 자동밸브(10)에 설치되는 IIoT 센서(120)와 연결되는 커넥터(311)가 구비되고, 실시간 측정된 데이터를 이더넷 내부 통신망(140)을 통해 전송하기 위한 이더넷 포트(312)를 구비하거나, 현장에서 자동밸브(10)를 조작 및 모니터링 가능하도록 통신하는 WIFI 모듈(313)을 구비할 수 있다. 또는, I/O 보드(131)는 이더넷 포트(312)와 WIFI 모듈(313) 중 하나만 구비되거나 양측 모두를 구비할 수 있다.

마이크로 PC(132)는 I/O 보드(131)로부터 UART 또는 RS-232C의 시리얼 통신을 이용하여 데이터를 전송하고, 전송되는 데이터의 수집을 제어하는 초기화 유닛(Initialization unit)(322)과, 데이터가 일시적으로 수집되는 버퍼(321)를 포함할 수 있다. 그리고 마이크로 PC(132)는 버퍼(321)에 수집된 데이터를 인공지능으로 추론하는 추론부(AI interference)(323)와, 데이터의 통신을 위한 웹(Web)(324)과 제2 이더넷 포트(325)를 포함할 수 있다.

추론부(323)는 오토 인코더 딥러닝 알고리즘을 이용하여 수집된 데이터에 대해서 추론(분석)하여 고장을 예측하거나 고장 여부를 판별하게 된다.

웹(324)은 버퍼(321)에 수집된 데이터를 실시간으로 모니터일 가능하게 하거나, 추론부(323)에서 추론된 복원 에러(reconstruction error)인 결과 값을 모니터링하게 한다.

한편, 버퍼(321)에 수집된 데이터는 제2 이더넷 포트(325)를 통해 이더넷 내부 통신망(140)의 허브 또는 스위치(141)에 연결될 수 있다.

이더넷 내부 통신망(140)은 고장진단기(20)에 의해서 추론하기 위한 학습데이터를 빅 데이터(Big data)로 수집 분석하기 위한 부속 설비이다.

이더넷 내부 통신망(140)은 마이크로 PC(132)에서 전송된 데이터를 외부의 관리센터로 전송한다. 여기서, 관리센터는 고장진단기(130)와 이더넷 내부 통신망(140)을 통해 원격 및 무선으로 연결되어 있으며, 중앙제어실(142), 데이터 서버(143), 웹서버(144), 및 노트북 등의 사용자 장치(145) 또는 사용자 장치(145)에 설치된 앱이나 프로그램 등을 포함할 수 있다. 관리센터는 고장진단기(130)와 이더넷 내부 통신망(140)을 통해 연결되어 자동밸브(10)의 동작을 확인하거나 데이터를 저장할 수 있고 원격으로 모니터링이 가능하며, 제어를 수행하는 다양한 장치일 수 있다.

또한, 이더넷 내부 통신망(140)은 필요에 따라 이중망으로 구성할 수 있다.

고장진단기(130)는 인공지능 알고리즘을 이용한 딥러닝 알고리즘을 이용하여 자동밸브(10)의 고장을 진단하고, 실시간(Real-time)으로 판별 알고리즘으로 분석(추론)하여, 고장 판단 이외에 고장 징후를 예측하거나, 고장의 종류도 밝힐 수 있다. 여기서, 고장의 종류는 자동밸브(10) 내부에서의 유체의 거동(behavier) 및 누출 상태, 액추에이터 고장을 포함할 수 있다.

예를 들어, 고장진단기(130)는 Valve Anomaly Detection Variational Autoencoder를 이용하여 학습 및 훈련할 수 있다. 다만, 이는 일 예에 불과한 것으로, 고장진단기(130)는 오토 인코더 딥러닝 알고리즘뿐만 아니라 다양한 인공지능 알고리즘을 사용할 수 있다. 또한, 플랜트 설비들은 사용 시간 및 횟수가 증가함에 따라 구성 부품들이 노후화되는데, 본 실시예에 따른 고장진단기(130)를 이용하여 고장을 예측 및 진단함으로써 신속하게 대처할 수 있고, 정비비용 및 고장 손실비용을 최소화할 수 있다.

또한, 본 실시예에 따르면, 고장진단기(130)는 비간섭형으로 고장을 예측 및 진단하므로 플랜트를 정지시키지 않은 상태에서 실시간으로 진단할 수 있어서 안전하고 신속하게 고장을 예측 진단할 수 있다. 또한, 고장진단기(130)는 포지셔너(110) 외에도 여러 가지 IIoT 센서(120)를 이용하여 고장을 정확하게 예측 진단할 수 있다.

도 3은 I/O 보드(131)의 세부 구성 및 기능을 설명하는 도면이다.

I/O 보드(131)는 IIoT 센서(120)의 신호를 수집하는 복수의 측정 회로와 데이터를 처리 및 분석하는 마이크로 컨트롤러(Microcontroller)(314) 등을 포함하는 다수의 장치들이 온 보드(on-board)로 구비될 수 있다.

I/O 보드(131)의 커넥터(311)는 IIoT 센서(120)의 신호를 측정하고 수집하는 복수의 측정 회로를 포함할 수 있다. 측정 회로는, 포지셔너(110), 압력 센서(126) 및 유량 센서(125)의 신호를 측정하는 복수의 4-20mA 측정 회로(311a)와, 하중 센서(121), 음향 센서(122), 진동 센서, 가속도 센서 등의 신호를 측정하는 복수의 전압 측정 회로(311b)와, K형 열전대 센서 등의 온도 센서(123, 124)의 신호를 측정하는 5개의 수 mV 측정 회로(311c), 그리고 리미트 스위치(127, 도 3 참조) 등의 접점 신호를 측정하는 복수의 측정 회로(311d)를 포함하여 구성될 수 있다. 이 외에도 커넥터(311)는 IIoT 센서(120)로부터 신호를 측정할 수 있는 다양한 측정 회로들을 포함할 수 있다.

I/O 보드(131)는 전원 +24V DC를 공급받아 구성 회로에 필요한 +3.3V DC 전원 등으로 공급하는 전원 블록(315)을 구비할 수 있다.

I/O 보드(131)는 이더넷 포트(312)와 WIFI 모듈(313) 외에도 다양한 출력 포트(316)를 구비할 수 있다. 예를 들어, 출력 포트(316)는 펌웨어를 EEPROM에 임배딩하는 포트, 측정된 신호 및 분석한 데이터를 다른 연산회로 보드로 시리얼 데이터 통신을 이용하여 전송할 수 있는 UART 포트, RS-232C 포트, 및 예비 포트 등을 포함할 수 있다.

I/O 보드(131)는 장치의 정상 작동 여부를 알 수 있도록 하는 알림부(317)가 구비될 수 있다. 예를 들어, 알림부(317)는 I/O 보드(131)의 정상 작동을 알 수 있도록 발광하는 LED 회로와, 이더넷 통신이 정상으로 연결되었는지를 알 수 있도록 발광하는 LED 회로 등이 구비될 수 있다. 이 외에도 알림부(317)는 I/O 보드(131) 및 고장진단기(130)의 정상 작동 여부를 사용자가 알 수 있도록 하는 실질적으로 다양한 장치들을 포함할 수 있다.

또한, I/O 보드(131)는 실시간 데이터의 일부를 마이크로 PC(132)에 전송하거나, 또는 사용자의 실수나 오류로 밸브가 고장이 났을 때 점검 및 확인할 수 있도록 하기 위해서 데이터를 일시 보관하는 플래시 메모리(318)도 구비될 수 있다.

그리고, I/O 보드(131)에는 마이크로 폰, 가속도 및 위치 센서인 9축 자이로(Gyro) 센서, 습도 센서, 온도 센서 등과 같이 고장진단기(130) 및 I/O 보드(131)의 케이스 밀폐성이나 주변 여건 등의 환경을 알 수 있도록 하는 건전성 측정 센서(319)들이 온 보드로 구비되어 있을 수 있다.

다만, I/O 보드(131)의 구성과 그 배치는 도면에 의해 한정되는 것은 아니며, 그 구성요소들은 생략하거나 추가 및 변경이 가능하다.

본 실시예에 따르면, 고장진단기(130)는 모든 자동밸브(10)에 구비되어서, 각 자동밸브(10)에 설치된 IIoT 센서(120)의 신호를 측정하고, 수집 및 분석하며, 엣지 컴퓨팅(edge computing, mFinder;SD)에 의해 현장(즉, 개별 자동밸브(10))에서 데이터가 수집되고, 관리센터는 고장진단기(130)로부터 전송되는 진단 결과에 대한 데이터의 종합 관리 및 제어만 수행하게 된다.

이와 같이, 현장에서 직접 수동 또는 자동으로 자동밸브(10) 및 고장진단기(130)의 제어를 명령할 수 있으며, 무선으로 모니터링 가능하므로, 현장과 관리센터 사이의 케이블 연결을 생략할 수 있어서, 설계/설치/시운전/유지보수 등의 비용을 절감하고 공사기간을 단축할 수 있다. 또한, 고장진단기(130)는 이더넷 내부 통신망(140)을 이용해서 데이터의 통신이 수행되므로 데이터 전송이 쉽고, 설치 후 결선 점검이 거의 필요하지 않으며(통신망만 확인하면 됨), 비용을 줄일 수 있다.

그리고 고장진단기(130)는 자동밸브(10)의 고장을 실시간으로 예측하거나 진단함으로써 갑작스러운 프로세스의 정지 또는 오작동으로 인한 사고가 발생하거나, 품질 제어가 잘못되어서 생산 차질이 발생하는 것을 방지할 수 있다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

10: 자동밸브
11: 밸브 바디
12: 실린더
13: 스템
14: 글로브
15: 입구
16: 출구
110: 포지셔너
111, 112: 공기압 라인
120: IIoT 센서
121: 하중 센서
122: 음향 센서
123, 124: 온도 센서
125; 유량 센서
126: 압력 센서
130: AI 밸브 고장진단기
131: I/O 보드
132: 마이크로 pc
140: 이더넷 내부 통신망
141: 허브
CT: 제어 신호
FD: 피드백 신호

Claims

자동밸브에 구비되는 포지셔너;
상기 자동밸브에 구비되는 복수의 IIoT 센서;
상기 포지셔너에서 전송되는 신호와 상기 복수의 IIoT 센서의 적어도 일부 또는 전부로부터 측정된 신호를 오토 디코더 딥러닝 알고리즘을 이용하여 실시간으로 추론 및 분석하여 상기 자동밸브의 비정상 운전 또는 고장의 종류를 판별 및 예측하는 엣지 기반의 인공지능 밸브 고장진단기; 및
상기 고장진단기와 이더넷 내부 통신망을 이용하여 데이터의 통신, 원격 모니터링 및 제어를 수행하는 관리센터;
를 포함하고,
상기 포지셔너와 상기 IIoT 센서 및 상기 고장진단기는 개별 자동밸브마다 구비되고,
상기 고장진단기는 상기 자동밸브의 정상 운전 시의 데이터를 이용하여 학습 및 훈련하여 모델 값을 산출하고, 상기 모델 값에 의해 비정상 운전 시의 데이터를 추론하고, 복원 에러 최대값과 복원 에러 최소값의 경계치인 임계 값보다 복원 에러 값이 크면 고장으로 판별하는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제1항에 있어서,
상기 고장진단기는, 상기 포지셔너와 별도로 형성되거나 상기 포지셔너와 일체로 형성되어 상기 자동밸브에 장착 가능한,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제1항에 있어서,
상기 고장진단기는, 상기 고장진단기에서 전송되는 제어 신호와 상기 자동밸브의 동작에 의해서 상기 포지셔너에서 발생하는 피드백 신호 사이의 차이를 측정하는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제1항에 있어서,
상기 IIoT 센서는, 하중 센서, 음향 센서, 온도 센서, 유량 센서, 압력 센서를 포함하는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제4항에 있어서,
상기 하중 센서는 상기 자동밸브의 스템에 설치되고, 상기 자동밸브의 개폐 시 또는 프로세스 변동 따른 유체 압력 변동에 의한 하중 변화를 측정하는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제4항에 있어서,
상기 압력 센서는 상기 자동밸브의 입구와 출구 사이의 압력 변동을 측정하는 차압 센서 또는 상기 자동밸브의 입구와 출구에 각각 설치되는 정압 센서를 포함하고,
상기 압력 센서는 상기 자동밸브의 상기 입구 및 출구에 구비되는 배관에 직접 삽입되어 설치되거나 주배관에서 튜빙되어 설치되는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제4항에 있어서,
상기 온도 센서는 상기 자동밸브의 입구 및 출구에 각각 설치하여 상기 입구와 출구 사이의 온도 변동을 측정하는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제4항에 있어서,
상기 유량 센서는 상기 자동밸브의 출구에 설치되어서 상기 자동밸브를 유동하는 유체의 유동 상태를 100kHz 주파수 범위에서 푸리에 변환 또는 옥타브 밴드별 변화를 측정하는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제4항에 있어서,
상기 음향 센서는 상기 자동밸브의 출구에 설치되어서 상기 자동밸브의 출구 측의 음향 레벨을 100kHz 주파수 범위에서 푸리에 변환 또는 옥타브 밴드별 변화를 측정하는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제1항에 있어서,
상기 고장진단기는 I/O 보드와 마이크로 PC를 포함하는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제10항에 있어서,
상기 마이크로 PC는, 상기 I/O 보드와 데이터 통신을 위한 초기화 유닛과, 데이터를 수집하는 버퍼와, 데이터를 오토 인코더 딥러닝 알고리즘으로 추론 및 분석하는 추론부와, 데이터를 실시간 모니터링 가능하게 하는 웹과, 이더넷 내부 통신망과 연결되는 이더넷 포트를 구비하는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제10항에 있어서,
상기 I/O 보드는, 상기 복수의 IIoT 센서와 연결되는 커넥터와, 이더넷 내부 통신망과 연결되는 이더넷 포트와, 상기 IIoT 센서에서 신호를 측정하는 복수의 측정 회로와, 마이크로 컨트롤러와, 작동을 위한 전원을 공급하는 전원 블록을 포함하는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제12항에 있어서,
상기 IIoT 센서는, 하중 센서, 음향 센서, 온도 센서, 유량 센서, 압력 센서를 포함하고,
상기 측정 회로는, 상기 포지셔너와 상기 압력 센서 및 상기 유량 센서와 연결되는 복수의 4-20mA 측정 회로, 상기 하중 센서와 상기 음향 센서, 진동 센서 및 가속도 센서와 연결되는 복수의 volt 측정 회로, 상기 온도 센서와 연결되는 5개의 수 mV 측정 회로, 리미트 스위치를 포함하는 접점 신호를 측정하는 측정 회로를 포함하는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제12항에 있어서,
상기 I/O 보드는 정상 작동을 알 수 있도록 하는 알림부를 포함하고,
상기 알림부는 상기 I/O 보드의 정상 작동을 알리는 LED 회로, 이더넷 통신의 정상 작동을 알리는 LED를 포함하는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제12항에 있어서,
상기 I/O 보드는 온-보드로 구비되어 상기 고장진단기의 케이스의 밀폐와 주변 환경을 측정하는 복수의 건전성 측정 센서를 포함하고,
상기 건전성 측정 센서는 가속도 및 위치를 측정하는 자이로 센서, 습도 센서 및 온도 센서 중 어느 하나 이상을 포함하는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제12항에 있어서,
상기 I/O 보드는 데이터를 출력하거나 통신하기 위한 복수의 출력 포트를 구비하고,
상기 출력 포트는 펌웨어를 EEPROM에 임배딩하는 포트, 측정된 신호 및 분석한 데이터를 다른 연산회로 보드로 시리얼 데이터 통신하는 UART 포트와 RS-232C 포트, 예비 포트 및 실시간 측정된 데이터를 이더넷 내부 통신망을 통해 전송하는 이더넷 TCP/IP 포트 중 어느 하나 이상을 포함하는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제12항에 있어서,
상기 I/O 보드는 데이터의 일부를 일시 보관하는 플래시 메모리를 포함하는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.
제12항에 있어서,
상기 I/O 보드는 각 자동밸브에서 직접 모니터링 및 제어 가능하도록 WIFI 모듈을 온 보드로 구비하는,
자동밸브의 인공지능 밸브 고장 예측 진단 시스템.