[发明专利]基于机器学习技术来检测机器的错误数据的算法和方法

说明书

本发明涉及一种基于机器学习技术来检测机器的错误数据的算法和方法。根据本公开，时序阈值数据可以由服务器自动检测，并且因此可以与所有时域中的操作数据进行比较。因此，操作者不需要手动输入阈值数据。此外，根据本公开，可以精确地检测到在设定阈值(绝对值)时通常没有被识别到的机器的错误或产品的缺陷。

相关申请的交叉引用

本申请根据35 USC 119(a)要求在2017年8月10日在韩国知识产权局提交的韩国专利申请No.10-2017-0101433的权益，其全部公开内容通过引用并入本文以用于所有目的。

技术领域

本发明涉及用于基于机器学习技术来检测机器的错误数据的算法和方法。

背景技术

随着互联网的迅速渗透和连接所有基于互联网的事物的技术发展，第四次工业革命已经出现。引领第四次工业革命的各种技术领域之一是与智能工厂相关的技术。

术语“智能工厂”是指使工厂中的机器和设备能够连接和容易管理的一般技术。智能工厂的这些技术之一是管理机器的技术。也就是说，它是通过监视机器是否正常运行并预测错误发生来管理机器的技术。

通常，为了预测机器的故障，设定定义为与时间无关的绝对值的阈值，并且频繁地收集机器的操作数据，并且如果任何操作数据偏离阈值，则确定发生特定错误。通常，阈值是机器用于生产的预定容许值。换句话说，阈值是操作上限和下限的组合，以避免产生缺陷产品。此外，现有的阈值通常是由工厂中的操作者直接设定的固定值(即，无论时间如何，都固定在由操作者设定的单个范围内的绝对值)。因此，如果操作者想通过降低产品质量来降低缺陷率，那么他/她只需要扩大阈值的上限和下限范围，而在相反的情况下，他/她只需缩小上限和下限范围。此外，对于在与机器的单个操作周期相对应的时间段期间生产产品的时间段设定阈值，但是对于与产品的生产无关的时间段没有设置单独的阈值。因此，即使能够判定产品具有或不具有缺陷，也难以准确地判定机器是否遇到错误。

发明内容

鉴于上述情况，本公开旨在通过基于机器学习技术自动地从实时收集的机器的操作数据中提取时序阈值数据来解决问题，从而精确地预测和检测由于操作者手动设定阈值而尚未识别的机器的错误数据。

此外，本公开旨在使得能够在操作者设备上容易地检查偏离时序阈值数据的错误数据。

根据本公开的一个方面，一种用于基于机器学习技术来检测机器的错误数据的方法可以包括：(a)收集至少一个机器的时序操作数据；(b)以预定时间间隔分割操作数据，并将分割的操作数据映射成在同一时域上重叠；(c)通过基于机器学习技术针对所映射的操作数据的集合推导出时序标准数据来产生时序阈值数据；以及(d)如果实时收集的操作数据偏离所述阈值数据，则将所述数据确定为错误事件，以及将关于所述错误事件的信息提供给操作者设备。

此外，根据本公开的另一方面，一种被配置为基于机器学习技术来检测机器的错误数据的服务器可以包括：存储器，其存储被配置为基于机器学习技术来检测机器的错误数据的程序；以及处理器，其被配置为执行所述程序，并且在执行所述程序时，所述处理器收集至少一个机器的时序操作数据，以预定时间间隔分割所述操作数据，并将所分割的操作数据映射成在同一时域上重叠，通过基于机器学习技术针对所映射的操作数据的集合推导出时序标准数据，生成时序阈值数据，并且如果实时收集的操作数据偏离所述阈值数据，则将其确定为错误事件，并将有关所述错误事件的信息提供给操作者设备。

根据本公开，时序阈值数据可以由服务器自动检测，并且因此可以与所有时域中的操作数据进行比较。因此，可以精确地检测在设定阈值(绝对值)时通常不被识别的机器的错误或产品的缺陷。

因此，本公开使得可以更精确地检查产品和质量以进行检测，从而能够进行精确的预防性维护。