KR102484018B1 - AI IoT-based Elevator Predictive Maintenance System Project - Google Patents
AI IoT-based Elevator Predictive Maintenance System Project Download PDFInfo
- Publication number
- KR102484018B1 KR102484018B1 KR1020210146286A KR20210146286A KR102484018B1 KR 102484018 B1 KR102484018 B1 KR 102484018B1 KR 1020210146286 A KR1020210146286 A KR 1020210146286A KR 20210146286 A KR20210146286 A KR 20210146286A KR 102484018 B1 KR102484018 B1 KR 102484018B1
- Authority
- KR
- South Korea
- Prior art keywords
- elevator
- information
- failure
- iot
- parts
- Prior art date
Links
- 238000012423 maintenance Methods 0.000 title abstract description 24
- 238000010801 machine learning Methods 0.000 claims abstract description 12
- 238000013473 artificial intelligence Methods 0.000 claims description 79
- 238000007689 inspection Methods 0.000 claims description 31
- 238000012544 monitoring process Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 17
- 230000015556 catabolic process Effects 0.000 claims description 12
- 230000008439 repair process Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000004092 self-diagnosis Methods 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 4
- 241000393496 Electra Species 0.000 claims description 3
- 240000004050 Pentaglottis sempervirens Species 0.000 claims description 3
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 3
- 238000003058 natural language processing Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 208000024891 symptom Diseases 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 41
- 238000010586 diagram Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 238000013024 troubleshooting Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000000746 purification Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 101000666657 Homo sapiens Rho-related GTP-binding protein RhoQ Proteins 0.000 description 1
- 102100038339 Rho-related GTP-binding protein RhoQ Human genes 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
- B66B5/0018—Devices monitoring the operating condition of the elevator system
- B66B5/0025—Devices monitoring the operating condition of the elevator system for maintenance or repair
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
- B66B5/0018—Devices monitoring the operating condition of the elevator system
- B66B5/0031—Devices monitoring the operating condition of the elevator system for safety reasons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
Abstract
Description
본 발명은 승강기(엘리베이터)에 대한 유지 관리 기술에 관한 것으로, 보다 상세하게는 IoT 기반으로 승강기의 각종 데이터를 실시간으로 수집 및 운행 상태(고장 포함)를 모니터링하고, AI 기반으로 고장 예측과 부품의 수명 관리, 자재 추적 관리 등을 통해 미리 진단 또는 예방하여 대응함으로서 유지 보수 업무의 생산성을 향상시키고, 승강기의 안전성도 향상시키는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템 및 방법에 관한 것이다.The present invention relates to a maintenance technology for an elevator (elevator), and more particularly, collects various data of the elevator in real time based on IoT, monitors the operation status (including failure), and predicts failure and parts based on AI. Artificial intelligence (AI) and Internet of Things (IoT)-based elevator failure parts and necessary materials improve the productivity of maintenance work and improve the safety of elevators by diagnosing or preventing and responding in advance through life span management and material tracking management. It relates to prediction systems and methods.
승강기는 종적 교통운반 수단으로, 소규모 빌딩에서부터 수십 층의 초고층 건물에 이르기까지 건물의 용도에 따라 기능별로 설치 및 운행되며, 건물의 고층화에 따른 승강기의 역할을 점점 증가하고 있는 추세이다.Elevators are vertical transport means, and are installed and operated by function according to the purpose of the building, ranging from small buildings to high-rise buildings with dozens of floors.
승강기 시스템은 승강로를 따라 상하 이동하는 승강기 및 승강로의 상부에 설치되어 승강기의 움직임을 제어하는 기계실로 구성된다. 상기 기계실에는 상기 승강기를 움직이는 권상기, 상기 승강기의 이상속도를 검출하는 조속기, 동력전원의 수전반, 승강기의 움직임을 제어하는 제어반(전기제어시스템)이 설치된다.The elevator system is composed of an elevator that moves up and down along the hoistway and a machine room installed at the top of the hoistway to control the movement of the elevator. In the machine room, a traction machine that moves the elevator, a speed governor that detects an abnormal speed of the elevator, a power receiving panel, and a control panel (electrical control system) that controls the movement of the elevator are installed.
한편, 상기 제어반은 마이크로 컴퓨터가 함께 장착되어 있고, 승강로 및 기계실에서 이루어지는 결선 상태, 승강기의 에러 검사, 승강기 시스템의 설치/보수 및 각종 입/출력 신호상태 등을 감시하고, 아울러 승강기가 설치되는 빌딩의 정보에 맞는 사양 변경 및 기계적인 시스템에 따른 승강기에 적용되는 데이터를 조정하는 기능을 수행한다.On the other hand, the control panel is equipped with a microcomputer and monitors wiring conditions in the hoistway and machine room, error inspection of the elevator, installation/maintenance of the elevator system, and various input/output signal states, etc., and also the building where the elevator is installed. It performs the function of adjusting the data applied to the elevator according to the specification change and mechanical system according to the information of the
즉, 승강기의 효율적인 제어를 위한 사양 변경 및 조정, 그리고 점검이나 각종 고장으로 인한 보수 행위가 상기의 제어반을 통해 이루어지고 있다. 이는 작업자가 일련의 행위를 위해서는 반드시 제어반이 있는 기계실에 접근해야함을 말한다. 현재 승강기 시스템을 점검하고 보수하기 위해서는 작업자는 기계실에 있는 제어반에 노트북이나 콘솔과 같은 서비스 툴(tool)을 직렬 또는 병렬 통신방식으로 연결하여 작업을 하게 된다.That is, specifications change and adjustment for efficient control of the elevator, and maintenance activities due to inspection or various failures are performed through the control panel. This means that the operator must access the machine room where the control panel is located for a series of actions. Currently, in order to inspect and repair an elevator system, a worker connects a service tool such as a laptop computer or a console to a control panel in a machine room through serial or parallel communication.
그렇기 때문에, 종래 승강기 시스템을 점검하고 보수하는 행위에서는 다음과 같은 문제점이 초래되고 있다.Therefore, the following problems are caused in the act of inspecting and repairing the conventional elevator system.
먼저, 작업자는 기계실의 내부에서만 작업을 해야하기 때문에, 기계실 외부에서 일어나는 각종 상황을 제대로 알 수 없다. 즉, 승강기 내부에서만 발견되는 진동, 출발시 충격, 이상 소음 등의 문제를 알 수 없고, 승장표시기 이상동작, 홀 부름 작동 이상문제, 승강기의 상부에서 확인이 가능한 장치 들에 대한 동작 상태 등을 실시간으로 확인을 하면서 조정할 수 없었다.First, since the operator has to work only inside the machine room, he cannot properly know various situations occurring outside the machine room. In other words, problems such as vibration found only inside the elevator, shock at departure, abnormal noise, etc. cannot be identified, and the operation status of devices that can be checked from the top of the elevator, such as abnormal operation of the landing indicator, abnormal operation of hall calling, etc. could not be adjusted while checking with .
또한 승강기가 멈춘 경우, 작업자는 기계실까지 직접 가서 점검 및 보수를 해야만 했다. 따라서 승강기의 내부에 승객이 있는 경우라면 최대한 빠른 시간 내에 승강기를 정상 운행시켜 승객들을 안심시켜야 하지만, 현재의 보수 과정으로는 승강기를 재기동시키는데 적지 않은 시간이 소요되고 있다.In addition, when the elevator stopped, the operator had to go directly to the machine room for inspection and maintenance. Therefore, if there are passengers inside the elevator, it is necessary to reassure the passengers by operating the elevator normally as soon as possible, but in the current maintenance process, it takes a considerable amount of time to restart the elevator.
뿐만 아니라, 현재는 승강기가 멈춘 경우, 승강기 내부에 설치된 인터폰을 통해 관리자와 통화를 하여 현재 상황을 인지하고 있는 수준이다. 하지만 관리자는 승강기의 고장 점검 상태를 실시간으로 알 수 없어, 승객들에게 정확한 정보를 제공하지 못하고 있다. 이에 따라 승객들은 불안감을 감추지 못하고, 또 갑자기 승강기가 다시 기동할 경우 승객들이 놀라거나 다칠 경우가 있다.In addition, currently, when the elevator stops, the operator is aware of the current situation by making a call with the manager through the interphone installed inside the elevator. However, since the manager cannot know the status of the elevator failure check in real time, it is not possible to provide accurate information to the passengers. Accordingly, passengers cannot hide their anxiety, and passengers may be surprised or injured if the elevator suddenly starts again.
또한, 종래의 승강기 시스템은 관리소 또는 민원 전화 접수에 의존하는 것이므로 고장 상태에 대한 정보 부재, 고객센터에서 고장 접수 이후 상황 전파 시간 과다 소요, 승강기 유지보수 담당자에게 유선(전화)으로 고장접수 정보만 전달하게 되면서 고장 접수시 단순 민원과 고장 처리가 필요한 경우를 판단할 수 있는 정보 부재(보수 인력 불필요한 현장 방문 횟수 감소), 승강기 원격 접속 부재로 실시간 상태 정보 모니터링 불가, 작업자 현황 파악 부재로 긴급 처리에 대한 지원이 미흡한 단점이 있다.In addition, since the conventional elevator system relies on a management office or civil petition phone reception, there is no information on the failure state, it takes too much time to propagate the situation after the failure is received by the customer center, and only the failure registration information is delivered to the elevator maintenance manager over the wire (phone). As a result, there is a lack of information to determine when simple civil complaints and breakdown handling are required when reporting a breakdown (reduction in the number of site visits that do not require maintenance personnel), real-time status information monitoring is impossible due to the absence of remote access to elevators, and lack of grasping the current status of workers, resulting in a need for emergency handling. The downside is the lack of support.
또한, 종래의 승강기 시스템은 출동 전에 고장 발생에 대한 원인 분석 정보 부재로 현장 출동 이후 점검으로 필요 자재 파악에 따른 조치 시간 지연(본사 자재 창고에 와서 자재 불출), 승강기 고장 조치에 대한 지식 정보 부재로 작업자 경험에 의존하는 단점, 그리고 승강기 운행 상태에 대한 로그 정보 부재로 어떤 상황에서 발생된 고장인지 파악하기 어려웠다.In addition, the conventional elevator system lacks cause analysis information for failures before dispatch, delays in action due to identification of necessary materials through inspection after dispatch to the site (comes to the head office's material warehouse and releases materials), and lacks knowledge and information on elevator failure measures. Due to the disadvantages of relying on operator experience and the lack of log information on the operating status of the elevator, it was difficult to determine under what circumstances the failure occurred.
또한, 종래의 승강기 시스템은 자재 입고/출고 관리 미흡으로 재고 파악이 곤란하고, 적정 재고관리 미흡으로 긴급 자재 조달에 따른 공급 지연, 현장에서 부품 교체가 필요시 고객에게 견적서 제공 기능 미흡의 문제점이 있음은 물론, 작업자에 의한 부품 교체시 자재 담당자에게 요청으로 업무 지연이나 자재 출고 요청에 대한 진행사항 통보 기능 미흡으로 인해 그 유지 관리가 제대로 이루어질 수 없었던 것이다.In addition, the conventional elevator system has problems in inventory identification due to insufficient material warehousing/shipping management, supply delays due to urgent material procurement due to inadequate inventory management, and insufficient function to provide a quote to customers when parts replacement is required in the field. Of course, when a worker replaces a part, the maintenance cannot be properly performed due to a delay in work at the request of the material manager or an insufficient function to notify the progress of the material release request.
본 발명이 해결하고자 하는 과제는, IoT 기반 승강기의 컨디션 데이터와 고장 이력 데이터, 그리고 자재 및 부품 데이터를 이용한 빅데이터(Big Data)와 기계 학습(Machine learning)을 통해 승강기의 고장을 미리 예측하고, 승강기 고장 발생시 원인과 필요 자재 등을 능동적으로 미리 판단하면서 승강기의 유지 보수 시간과 횟수를 줄이고 생산성을 향상시키며 승강기의 안전성을 도모할 수 있도록 하는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템 및 방법을 제공하려는 것이다.The problem to be solved by the present invention is to predict the failure of the elevator in advance through big data and machine learning using IoT-based elevator condition data, failure history data, and material and parts data, Artificial intelligence (AI) and Internet of Things (IoT)-based elevators that actively determine the cause and required materials in advance when an elevator failure occurs, reduce elevator maintenance time and frequency, improve productivity, and promote elevator safety. It is intended to provide a system and method for predicting failure areas and required materials.
본 발명의 과제 해결 수단인 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템은, 제어반에 의해 제어되는 승강기의 상태 정보를 감시하고 전송하는 지능형 IoT 기반의 센서부; 상기 센서부와 유선 또는 무선의 통신망으로 통신 연결되는 것으로 데이터베이스가 구축되며, 상기 승강기의 상태 정보를 기반으로 상기 승강기의 운행 상태를 실시간 모니터링하고, 상기 승강기의 운행 상태를 학습하면서 사고 예방과 고장 예측이 가능한 자가 진단 정보를 자동 생성하는 AI 기반의 엔진이 탑재되는 것으로서, 상기 데이터 베이스에 저장되거나 저장할 정보들의 빅데이터 분석, AI/DL 처리하는 클라우드 기반의 플랫폼으로서, 각종 설비 주요 핵심 안전 부품 및 센서부로부터 실시간으로 데이터를 취합, AI기반 분석해 사용자에게 사고 예방과 고장 예측이 가능한 진단이나 제어 서비스를 제공함은 물론, 현장과 클라우드 서버를 연결하는 지능형 IoT 게이트웨이를 통해 각 노드 간 통신, 보안 등 최신 국제 IoT 표준, 보안 표준을 적용한 고품질의 안전한 클라우드 기반의 사물 인터넷 서비스 제공하고, 유무선 인터넷이 가능한 어떤 기기에서든 접속하는 반응형 웹/앱 서비스로서 실시간 상태 체크 및 원격 대응 워크 플로우 모니터링, 인력 관리, 통계 보고, 일목 요연한 UX/UI를 제공하는 한편, 탄력적인 서버 운용 및 과금하는 구조로 대규모 현장은 물론 소규모 현장에서도 최적의 서비스 제공할 수 있도록 하는, AI 모델 개발을 위해 Facebook AI Research Lab에서 개발한 Torch 기반의 오픈 소스 머신 러닝 라이브러리인 PyTorch 1.6을 사용하고, Python 3.7로 작성, AI 모델 학습을 위해 NVIDIA Tesla V100 2EA를 사용하고, 장애 부품 및 필요 자재 예측 모델은 딥러닝 기반의 Multi-layer Perceptron 아키텍처를 채용하면서, 유사 문제 해법 제시 모델은 딥러닝 기반의 자연어 처리 아키텍처인 ELECTRA를 채용하고, Tokenizer로는 Wordpiece를 사용한 것으로서, 그 적용 대상 및 범위로는 승강기 고장 발생 시의 고장 처리 프로세스에서, 고장 원인 분석 및 처리 요구사항을 분석하고 즉시 대응할 수 있도록 적용, 승강기 고장 발생 시 장애부품 및 필요자재 예측 모델이 고장이력데이터와 승강기의 제어반 데이터, 자재 내구연한 데이터, 승강기 운영데이터 등을 분석하여 실시간 판단하고, 고장 부품과 필요 자재를 예측하도록 인공지능 모델 적용, 승강기 고장 대응시 엔지니어가 입력한 승강기의 현재 상태 및 고장 증상을 자연어로 입력받아 유사한 문제에 대한 해법을 제시하도록 인공지능 모델 적용한 클라우드 서버; 상기 클라우드 서버와 유선 또는 무선의 통신망으로 연결되며, 상기 클라우드 서버에 의해 자동 생성되는 자가 진단 정보를 기반으로 엔지니어 호출 여부를 결정하는 콜센터 서버; 및, 상기 콜센터 서버에 의해 호출되는 엔지니어 단말; 을 포함하는 것이다.The artificial intelligence (AI) and Internet of Things (IoT)-based elevator failure part and necessary material prediction system, which is a means of solving the problems of the present invention, is an intelligent IoT-based sensor unit that monitors and transmits the status information of the elevator controlled by the control panel. ; A database is established by being connected to the sensor unit through a wired or wireless communication network, and based on the information on the status of the elevator, the operation status of the elevator is monitored in real time, and accident prevention and failure prediction are performed while learning the operation status of the elevator. It is equipped with an AI-based engine that automatically generates self-diagnosis information that can be stored in the database, and is a cloud-based platform that analyzes big data and processes AI/DL of information to be stored or stored in the database. Data is collected in real time and analyzed based on AI to provide users with diagnosis and control services that can prevent accidents and predict failures. Provides high-quality, secure cloud-based Internet of Things services that apply IoT standards and security standards, and is a responsive web/app service that can be accessed from any device with wired/wireless Internet access. Real-time status check, remote response workflow monitoring, manpower management, and statistical reporting , Torch developed by Facebook AI Research Lab to develop an AI model that provides a clear UX/UI, while providing optimal service in large-scale as well as small-scale sites with a flexible server operation and billing structure. Based open source machine learning library PyTorch 1.6 is used, written in Python 3.7, NVIDIA Tesla V100 2EA is used for AI model training, and the failure parts and required material prediction model uses a multi-layer Perceptron architecture based on deep learning. While adopting, the similar problem solution proposal model adopts ELECTRA, a deep learning-based natural language processing architecture, and uses Wordpiece as a tokenizer. You can analyze processing requirements and respond immediately. In the event of an elevator failure, the faulty parts and necessary material prediction model analyzes the failure history data, elevator control panel data, material durability data, and elevator operation data to make real-time decisions and to predict failed parts and required materials. A cloud server that applies an artificial intelligence model to provide solutions to similar problems by receiving the current state of the elevator and failure symptoms entered by the engineer in natural language when applying the model and responding to elevator failure ; a call center server connected to the cloud server through a wired or wireless communication network and determining whether to call an engineer based on self-diagnosis information automatically generated by the cloud server; And, an engineer terminal called by the call center server; is to include
또한, 상기 지능형 IoT 기반의 센서부는 지능형 IoT 게이트웨이를 통해 상기 승강기의 상기 제어반과 상기 클라우드 서버를 통신 연결하는 것이다.In addition, the intelligent IoT-based sensor unit communicates and connects the control panel of the elevator and the cloud server through an intelligent IoT gateway.
또한, 상기 지능형 IoT 기반의 센서부는, 상기 승강기의 내부를 영상 촬영하는 webRTC 프로토콜 기반의 카메라; 상기 승강기가 운행시 발생하는 진동을 감지하는 진동센서; 및, 상기 승강기가 운행시 발생하는 소음을 감지하는 소음센서; 를 포함하는 것이다.In addition, the intelligent IoT-based sensor unit may include a webRTC protocol-based camera for capturing an image of the interior of the elevator; a vibration sensor that senses vibration generated when the elevator is in operation; And, a noise sensor for detecting noise generated when the elevator is in operation; is to include
또한, 상기 승강기의 운행 상태 정보에는, 고장 부위 및 수리 부품 정보가 포함되는 고장 처리 데이터를 포함하고, 상기 AI 기반의 상기 엔진은 상기 고장 처리 데이터가 수집시 고장 수리를 위한 필요 자재를 추전하는 것이다.In addition, the operating state information of the elevator includes failure handling data including information on the failure part and repair parts, and the AI-based engine recommends necessary materials for repair when the failure handling data is collected. .
또한, 상기 엔지니어 단말에는 고장 발생에 따른 승강기 상태 정보가 공유되는 것이다.In addition, the elevator status information according to the occurrence of a failure is shared with the engineer terminal.
또한, 상기 승강기 상태 정보에는 고장 수리를 위한 필요 도구와 진단 정보가 포함되는 것이다.In addition, the elevator status information includes necessary tools for repair and diagnosis information.
또한, 상기 AI 기반의 상기 엔진은 실시간 자재 추적 및 바코드를 관리하는 것이다.In addition, the AI-based engine manages real-time material tracking and barcodes.
또한, 상기 클라우드 서버의 운행상태 실시간 모니터링 정보에는, 승강기 기본정보, 승강기의 운행정보, 맵 또는 현장 조감도 이미지 뷰를 통해 표시되는 승강기 위치 및 운행 상태 정보, 운행 로그, 에러 로그, 고장 접수 목록 및 부품 교체 이력 정보와 조회 정보를 포함하는 것이다.In addition, the real-time monitoring information of the operation status of the cloud server includes basic elevator operation information, elevator operation information, elevator location and operation status information displayed through a map or a bird's-eye view image view of the site, operation log, error log, failure reception list and parts It includes replacement history information and inquiry information.
또한, 상기 승강기 운행정보는 정상 여부, 운행모드, 현재층, 운행방향, 승강기 도어 상태를 포함하는 것이다.In addition, the elevator operating information includes whether the elevator is normal, operating mode, current floor, operating direction, and elevator door state.
또한, 상기 클라우드 서버의 운행상태 실시간 모니터링 정보에는 점검 관리 정보, AI 기반의 고장 관리 정보, 자재 관리 및 AI 기반의 필요 자재 추천 정보, 부품 수명 관리 정보, 통계/분석 정보를 포함하는 것이다.In addition, the real-time monitoring information of the operating state of the cloud server includes inspection management information, AI-based failure management information, material management and AI-based required material recommendation information, parts life management information, and statistical/analysis information.
또한, 상기 점검 관리 정보는, 승강기 자체 점검 유형(점검항목, 내용, 방법, 주기 등)별 기준 정보, 승강기의 월별 점검 계획 및 인원 현황 정보, 승강기의 점검 계획에 따른 실적 정보, 승강기의 점검 계획에 따른 일정 변경 정보, 승강기의 자체 점검 진행 상황 및 점검표 입력 및 출력 정보를 포함하는 것이다.In addition, the inspection management information includes standard information for each elevator self-inspection type (inspection item, content, method, period, etc.), monthly elevator inspection plan and personnel status information, performance information according to the elevator inspection plan, and elevator inspection plan. It includes schedule change information, elevator self-inspection progress status, and checklist input and output information.
또한, 상기 고장 관리 정보는, CTI 기반 콜(전화) 접수 및 통화 이력의 기록 정보, 통화 내용 조회 정보, 자동/수동 고장접수 내역의 전체 조회 및 진행 상태 변경 정보, 고장처리 상태 변경(배정, 출동, 작업 중, 부문 완료, 조치 완료 등) 정보, 지능형 IoT 기반의 센서부로부터 수집된 에러 로그 정보, AI 기반에 의한 고장처리 조치 방법 질의/응답 정보, AI 기반 고장처리 관련 위키 정보 등록 및 조회 정보를 포함하는 것이다.In addition, the failure management information includes CTI-based call (telephone) reception and call history record information, call content inquiry information, total inquiry and progress status change information of automatic / manual failure reception history, and failure handling status change (allocation, dispatch , work in progress, section completion, action completion, etc.) information, error log information collected from the intelligent IoT-based sensor unit, AI-based failure handling method question/response information, AI-based failure handling-related wiki information registration and inquiry information is to include
또한, 상기 자재 관리 및 AI기반 필요 자재 추천 정보는, 승강기 부품 관련 자재 마스터 등록 정보, 승강기 고장 관련 AI기반 필요 자재 추천 정보, 고장 부품 교체 관련 견적서 등록 및 출고 내역 정보, 재고 자산 부품 바코드 기반 선출고 정보, 고장 부품 교체 관련 구매 발주 및 입고처리 정보, 자재 입고 및 재고 현황 정보를 포함하는 것이다.In addition, the above material management and AI-based recommended material recommendation information includes material master registration information related to elevator parts, AI-based recommended material recommendation information related to elevator failure, quotation registration and shipment history information related to replacement of broken parts, stock asset parts barcode-based first-out information In addition, it includes purchase order and warehousing processing information related to replacement of defective parts, warehousing of materials and inventory status information.
또한, 상기 부품 수명 관리 정보는, 부품 수명 관리 기준 등록 정보, 부품 교체 이력 정보, 부품 교체 TBM기반 교체 주기 관리 정보, 부품 교체 CBM기반 교체 주기 관리 정보를 포함하는 것이다.Further, the parts life management information includes parts life management standard registration information, part replacement history information, parts replacement TBM-based replacement cycle management information, and parts replacement CBM-based replacement cycle management information.
또한, 상기 통계/분석 정보는, 고장 부위별 및 원인별 건수 정보, 현장별/승강기별/일자별 운행 횟수, 운행거리, 운행시간, 고장정지 시간, 층별 도어 개폐 횟수 정보를 포함하는 것이다.In addition, the statistical/analysis information includes information on the number of failures by part and cause, the number of trips by site/elevator/day, travel distance, travel time, outage time, and door opening/closing count information by floor.
이와 같이, 본 발명은 IoT 기반 승강기의 컨디션 데이터와 고장 이력 데이터, 그리고 자재 및 부품 데이터를 이용한 빅데이터(Big Data)와 기계 학습(Machine learning)을 통해 승강기의 고장을 미리 예측하고, 승강기 고장 발생시 원인과 필요 자재 등을 능동적으로 미리 판단하면서 승강기의 유지 보수 시간과 횟수를 줄이고 생산성을 향상시키며 승강기의 안전성을 도모하는 AI-IoT 기반의 승강기 원격 유지 관리 플랫폼을 제공하여 다음과 같은 효과를 기대할 수 있는 것이다.As such, the present invention predicts the failure of the elevator in advance through big data and machine learning using IoT-based elevator condition data, failure history data, and material and parts data, and when the elevator failure occurs The following effects can be expected by providing an AI-IoT-based elevator remote maintenance platform that reduces elevator maintenance time and frequency, improves productivity, and promotes elevator safety while actively determining the cause and required materials in advance. There is.
첫째, 운행 상태 정보나 고장 정보 등을 포함하는 승강기 컨디션 정보를 실시간 모니터링 및 제어반 기반 데이터 축적을 통해 하여 정기적인 자체 점검 지원 서비스를 제공하는 효과를 기대할 수 있는 것이다.First, the effect of providing regular self-inspection support service can be expected by real-time monitoring of elevator condition information including operation status information or failure information through control panel-based data accumulation.
둘째, 승강기 고장 발생시 자동으로 고장 접수하고, 에러 코드 기반 고장 예측을 판단하여 작업자에게 현장 출동 전에 필요 정보를 제공하는 고장 출동 서비스를 제공하는 효과를 기대할 수 있는 것이다.Second, when an elevator failure occurs, it is possible to expect the effect of providing a breakdown dispatch service that automatically receives a breakdown and determines an error code-based failure prediction to provide workers with necessary information before dispatching to the site.
셋째, ELSA Cloud 플랫폼에서 승강기 고장 발생시 자동으로 고장 접수하고, AI엔진에 의한 승강기 고장 부위 및 필요 자재를 추천하는 고장 예측 서비스를 제공하는 효과를 기대할 수 있는 것이다.Third, it is possible to expect the effect of providing a failure prediction service that automatically receives failures in the case of elevator failures on the ELSA Cloud platform and recommends the elevator failure parts and necessary materials by AI engine.
넷째, 승강기 고장 이력 및 고장 처리 빅데이터의 수집 및 분석을 통해 부품 수명을 예측하여 부품 교체 주기 정보를 제공하면서 고장 출동율을 감소시키는 유지 관리 서비스를 제공하는 효과를 기대할 수 있는 것이다.Fourth, it is possible to expect the effect of providing maintenance services that reduce the breakdown dispatch rate while providing information on parts replacement cycles by predicting the life of parts through the collection and analysis of elevator failure history and failure handling big data.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The effects of the present invention are not limited to the effects mentioned above, and other effects not mentioned will be clearly understood by those skilled in the art from the description of the claims.
도 1은 본 발명의 실시예로 AI-IoT 기반의 승강기 원격 유지 관리 플랫폼에 대한 개략적인 블럭 구성도.
도 2는 본 발명의 실시예로 AI-IoT 기반의 승강기 원격 유지 관리 플랫폼이 구성되는 상태도.
도 3은 본 발명의 실시예로 실시간 모니터링 흐름도.
도 4는 본 발명의 실시예로 고장접수 목록 화면도.
도 5는 본 발명의 실시예로 고장 처리 흐름도.
도 6은 본 발명의 실시예로 고장처리 ERD.
도 7은 본 발명의 실시예로 고장처리 위키 정보 화면.
도 8은 본 발명의 실시예로 고장처리 테이블 목록.
도 9는 본 발명의 실시예로 자재관리 서비스 흐름도.
도 10은 본 발명의 실시예로 자재 관리 ERD.
도 11은 본 발명의 실시예로 자재관리 테이블 목록.
도 12는 본 발명의 실시예로 자재부품 관리 조화 화면도.
도 13은 본 발명의 실시예로 부품 공급 견적서에 따른 자재 출고 목록 조회 화면도.
도 14는 본 발명의 실시예로 부품 구매 견적서에 따른 자재 입고 목록 조회 화면도.
도 15는 본 발명의 실시예로 기계 학습을 통한 필요 자재 예측 판단 처리도.
도 16은 본 발명의 실시예로 기계 학습을 통한 유사문제 해법 제시 처리도.
도 17은 본 발명의 실시예로 답변을 제공받는 챗봇 화면도.
도 18은 본 발명의 실시예로 수리 추전 및 예측 화면도.
도 19는 본 발명의 실시예로 승강기 AI 데이터 수집을 위한 처리도.
도 20은 본 발명의 실시예로 승강기 실시간 모니터링 화면.
도 21은 본 발명의 실시예로 승강기 실시간 운행 상태 및 로그정보 조회 화면도.
도 22는 본 발명의 실시예로 승강기 실시간 운행 상태 및 고장 관련 감시항목 처리도.
도 23은 본 발명의 실시예로 승강기 실시간 운행 상태 정보 수집 연동형 아키텍쳐.
도 24는 본 발명의 실시예로 승강기 운행에 따른 진동 정보 수집 연동형 아키텍쳐.
도 25는 본 발명의 실시예로 승강기 위험 상황 데이터 수집 모듈의 아키텍쳐.
도 26은 본 발명의 실시예로 전화 콜 접수 화면도.1 is a schematic block diagram of an AI-IoT-based elevator remote maintenance platform according to an embodiment of the present invention.
2 is a state diagram illustrating the configuration of an AI-IoT-based elevator remote maintenance platform according to an embodiment of the present invention.
3 is a real-time monitoring flowchart according to an embodiment of the present invention;
4 is a screen diagram of a failure report list according to an embodiment of the present invention;
5 is a failure handling flow chart according to an embodiment of the present invention;
6 is a failure handling ERD according to an embodiment of the present invention.
7 is a failure handling wiki information screen according to an embodiment of the present invention.
8 is a list of failure handling tables according to an embodiment of the present invention.
9 is a material management service flow chart according to an embodiment of the present invention.
10 is a material management ERD in an embodiment of the present invention.
11 is a material management table list according to an embodiment of the present invention.
12 is a screen diagram of material and parts management coordination according to an embodiment of the present invention.
13 is a screen view of a material shipment list inquiry according to a parts supply estimate according to an embodiment of the present invention.
14 is a screen view of a material warehousing list inquiry according to a parts purchase estimate according to an embodiment of the present invention.
15 is a diagram illustrating a process for predicting and determining a necessary material through machine learning in an embodiment of the present invention.
16 is a process diagram for suggesting solutions to similar problems through machine learning according to an embodiment of the present invention.
17 is a screen diagram of a chatbot receiving an answer according to an embodiment of the present invention.
18 is a repair recommendation and prediction screen according to an embodiment of the present invention.
19 is a process diagram for collecting elevator AI data according to an embodiment of the present invention.
20 is an elevator real-time monitoring screen according to an embodiment of the present invention.
21 is a view of a real-time operating status and log information inquiry screen of an elevator according to an embodiment of the present invention.
22 is an embodiment of the present invention, showing real-time operation status and processing of monitoring items related to failures of an elevator.
23 is an example of an elevator real-time operating state information collection interlocking architecture.
24 is an embodiment of the present invention, which shows an architecture for collecting vibration information according to elevator operation.
25 is an architecture of an elevator danger situation data collection module according to an embodiment of the present invention.
26 is a screen diagram of a telephone call reception according to an embodiment of the present invention;
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 설명하기로 한다.Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings.
도 1은 본 발명의 실시예로 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템에 대한 개략적인 블럭 구성도를 도시한 것이고, 도 2는 본 발명의 실시예로 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템이 구성되는 상태도를 도시한 것이다.FIG. 1 shows a schematic block diagram of an artificial intelligence (AI) and Internet of Things (IoT)-based elevator failure part and necessary material prediction system as an embodiment of the present invention, and FIG. 2 is an embodiment of the present invention. It shows a state diagram in which an artificial intelligence (AI) and Internet of Things (IoT)-based elevator failure part and necessary material prediction system are configured.
첨부된 도 1 및 도 2를 참조하면, 본 발명의 실시예에 따른 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템은, 지능형 IoT 기반의 센서부(10), 클라우드 서버(20), 콜센터 서버(30), 엔지니어 단말(40)을 포함하는 것이다.Referring to the attached FIGS. 1 and 2, the artificial intelligence (AI) and Internet of Things (IoT) based elevator failure part and required material prediction system according to an embodiment of the present invention is an intelligent IoT based
상기 지능형 IoT 기반의 센서부(10)는 제어반에 의해 제어되는 승강기(100)의 상태 정보를 감시하고 그 감시 정보를 지능형 IoT 게이트웨이(10a)를 통해 상기 클라우드 서버(20)에 전송하는 것이다.The intelligent IoT-based
즉, 상기 지능형 IoT 게이트웨이(10a)는 상기 승강기(100)의 상기 제어반과 상기 클라우드 서버(20)를 통신 연결하는 것이며, 상기 지능형 IoT 기반의 센서부(10)에는 상기 승강기(100)의 내부를 영상 촬영하는 webRTC 프로토콜 기반의 카메라(11), 상기 승강기(100)가 운행시 발생하는 진동을 감지하는 진동센서(12), 그리고 상기 승강기(100)가 운행시 발생하는 소음을 감지하는 소음센서(13)를 포함할 수 있지만, 반드시 이러한 것에 한정하는 것은 아니며 IoT 기반의 각종 센서류가 선택적으로 적용될 수 있는 것이다.That is, the
상기 클라우드 서버(20)는 상기 지능형 IoT 기반의 상기 센서부(10)와 유선 또는 무선의 통신망으로 통신 연결되는 것으로 데이터베이스(21)가 구축되며, 상기 승강기(100)의 상태 정보를 기반으로 상기 승강기(100)의 운행 상태를 실시간 모니터링하고, 상기 승강기(100)의 운행 상태를 학습하면서 사고 예방과 고장 예측이 가능한 자가 진단 정보를 자동 생성하는 AI 기반의 엔진(22)이 탑재될 수 있는 것이다.The
즉, 상기 클라우드 서버(20)는 상기 데이터 베이스(21)에 저장되거나 저장할 정보들의 빅데이터 분석, AI/DL 처리하는 클라우드 기반의 플랫폼으로서, 각종 설비 주요 핵심 안전 부품 및 센서부(10)로부터 실시간으로 데이터를 취합, AI기반 분석해 사용자에게 사고 예방과 고장 예측이 가능한 진단이나 제어 서비스를 제공함은 물론, 현장과 클라우드 서버(20)를 연결하는 지능형 IoT 게이트웨이(10a)를 통해 각 노드 간 통신, 보안 등 최신 국제 IoT 표준, 보안 표준을 적용한 고품질의 안전한 클라우드 기반의 사물 인터넷 서비스 제공하고, 유무선 인터넷이 가능한 어떤 기기에서든 접속하는 반응형 웹/앱 서비스로서 실시간 상태 체크 및 원격 대응 워크 플로우 모니터링, 인력 관리, 통계 보고, 일목 요연한 UX/UI를 제공하는 한편, 탄력적인 서버 운용 및 과금하는 구조로 대규모 현장은 물론 소규모 현장에서도 최적의 서비스 제공할 수 있도록 하는 것이다.That is, the
이때, 상기 클라우드 서버(20)에서 설명하는 상기 승강기(100)의 운행 상태 정보에는, 고장 부위 및 수리 부품 정보가 포함되는 고장 처리 데이터를 포함하고, 상기 AI 기반의 상기 엔진(22)은 상기 고장 처리 데이터가 수집시 고장 수리를 위한 필요 자재를 추천할 수 있도록 하는 것이다.At this time, the operating state information of the
더불어, 상기 엔지니어 단말(40)에는 고장 발생에 따른 승강기 상태 정보가 공유되며, 상기 승강기 상태 정보에는 고장 수리를 위한 필요 도구와 진단 정보도 포함될 수 있는 것이다.In addition, the elevator status information according to the occurrence of a failure is shared with the
여기서, 상기 AI 기반의 상기 엔진(22)은 실시간 자재 추적 및 바코드를 관리할 수 있음이다.Here, the AI-based
한편, 상기 클라우드 서버(20)의 운행상태 실시간 모니터링 정보에는, 승강기 기본정보, 승강기의 운행정보, 맵 또는 현장 조감도 이미지 뷰를 통해 표시되는 승강기 위치 및 운행 상태 정보, 운행 로그, 에러 로그, 고장 접수 목록 및 부품 교체 이력 정보와 조회 정보를 포함할 수 있으며, 상기 승강기 운행정보는 정상 여부, 운행모드, 현재층, 운행방향, 승강기 도어 상태를 포함할 수 있는 것이다.On the other hand, the real-time operation status monitoring information of the
또한, 상기 클라우드 서버(20)의 운행상태 실시간 모니터링 정보에는 점검 관리 정보, AI 기반의 고장 관리 정보, 자재 관리 및 AI 기반의 필요 자재 추천 정보, 부품 수명 관리 정보, 통계/분석 정보를 포함할 수 있는 것이다.In addition, the real-time monitoring information of the operating state of the
상기 점검 관리 정보는, 승강기 자체 점검 유형(예; 점검항목, 내용, 방법, 주기 등)별 기준 정보, 승강기의 월별 점검 계획 및 인원 현황 정보, 승강기의 점검 계획에 따른 실적 정보, 승강기의 점검 계획에 따른 일정 변경 정보, 승강기의 자체 점검 진행 상황 및 점검표 입력 및 출력 정보를 포함할 수 있는 것이다.The inspection management information includes standard information for each type of elevator self-inspection (e.g., inspection item, contents, method, period, etc.), monthly inspection plan of the elevator and information on the number of personnel, performance information according to the inspection plan of the elevator, and inspection plan of the elevator. It can include schedule change information, elevator self-inspection progress status, and checklist input and output information.
상기 고장 관리 정보는, CTI 기반 콜(전화) 접수 및 통화 이력의 기록 정보, 통화 내용 조회 정보, 자동/수동 고장접수 내역의 전체 조회 및 진행 상태 변경 정보, 고장처리 상태 변경(배정, 출동, 작업 중, 부문 완료, 조치 완료 등) 정보, 지능형 IoT 기반의 센서부로부터 수집된 에러 로그 정보, AI 기반에 의한 고장처리 조치 방법 질의/응답 정보, AI 기반 고장처리 관련 위키 정보 등록 및 조회 정보를 포함할 수 있는 것이다.The failure management information includes CTI-based call (telephone) reception and call history record information, call content inquiry information, total inquiry and progress status change information of automatic/manual failure registration details, and failure handling status change (assignment, dispatch, work information, error log information collected from the intelligent IoT-based sensor unit, AI-based failure handling method question/response information, and AI-based failure handling-related wiki information registration and inquiry information. It can be done.
상기 자재 관리 및 AI기반 필요 자재 추천 정보는, 승강기 부품 관련 자재 마스터 등록 정보, 승강기 고장 관련 AI기반 필요 자재 추천 정보, 고장 부품 교체 관련 견적서 등록 및 출고 내역 정보, 재고 자산 부품 바코드 기반 선출고 정보, 고장 부품 교체 관련 구매 발주 및 입고처리 정보, 자재 입고 및 재고 현황 정보를 포함할 수 있는 것이다.The above material management and AI-based recommended material recommendation information includes material master registration information related to elevator parts, AI-based recommended material recommendation information related to elevator failure, quotation registration and shipment history information related to replacement of broken parts, stock asset parts barcode-based first-out information, and breakdown It can include parts replacement-related purchase order and warehousing information, material warehousing and inventory status information.
상기 부품 수명 관리 정보는, 부품 수명 관리 기준 등록 정보, 부품 교체 이력 정보, 부품 교체 TBM기반 교체 주기 관리 정보, 부품 교체 CBM기반 교체 주기 관리 정보를 포함할 수 있는 것이다.The parts life management information may include parts life management standard registration information, parts replacement history information, parts replacement TBM-based replacement cycle management information, and parts replacement CBM-based replacement cycle management information.
상기 통계/분석 정보는, 고장 부위별 및 원인별 건수 정보, 현장별/승강기별/일자별 운행 횟수, 운행거리, 운행시간, 고장정지 시간, 층별 도어 개폐 횟수 정보를 포함할 수 있는 것이다.The statistical/analysis information may include information on the number of failures by part and cause, number of trips by site/elevator/date, trip distance, run time, outage time, and door opening/closing count by floor.
상기 콜센터 서버(30)는 상기 클라우드 서버(20)와 유선 또는 무선의 통신망으로 연결되며, 상기 클라우드 서버(20)에 의해 자동 생성되는 자가 진단 정보를 기반으로 엔지니어가 휴대하는 엔지니어 단말(40)의 호출 여부를 결정하는 것이다.The
즉, 본 발명의 실시예는 AI 모델 개발을 위해 Facebook AI Research Lab에서 개발한 Torch 기반의 오픈 소스 머신 러닝 라이브러리인 PyTorch 1.6을 사용하였으며, Python 3.7로 작성, AI 모델 학습을 위해 NVIDIA Tesla V100 2EA를 사용하고, 장애 부품 및 필요 자재 예측 모델은 딥러닝 기반의 Multi-layer Perceptron 아키텍처를 채용하면서, 유사 문제 해법 제시 모델은 딥러닝 기반의 자연어 처리 아키텍처인 ELECTRA를 채용하였으며, Tokenizer로는 Wordpiece를 사용한 것으로서, 그 적용 대상 및 범위로는 승강기 고장 발생 시의 고장 처리 프로세스에서, 고장 원인 분석 및 처리 요구사항을 분석하고 즉시 대응할 수 있도록 적용, 승강기 고장 발생 시 장애부품 및 필요자재 예측 모델이 고장이력데이터와 승강기의 제어반 데이터, 자재 내구연한 데이터, 승강기 운영데이터 등을 분석하여 실시간 판단하고, 고장 부품과 필요 자재를 예측하도록 인공지능 모델 적용, 승강기 고장 대응시 엔지니어가 입력한 승강기의 현재 상태 및 고장 증상을 자연어로 입력받아 유사한 문제에 대한 해법을 제시하도록 인공지능 모델 적용한 것이다.That is, the embodiment of the present invention uses PyTorch 1.6, an open source machine learning library based on Torch developed by Facebook AI Research Lab, for AI model development, written in Python 3.7, and NVIDIA Tesla V100 2EA for AI model training. used, the failure parts and required materials prediction model adopts a deep learning-based multi-layer Perceptron architecture, the similar problem solution proposal model adopts a deep learning-based natural language processing architecture, ELECTRA, and uses Wordpiece as a tokenizer, The target and scope of application include analyzing the cause of the failure and processing requirements in the failure handling process in case of an elevator failure, and applying it to respond immediately. Control panel data, material durability data, elevator operation data, etc. are analyzed and judged in real time, and artificial intelligence models are applied to predict failed parts and necessary materials. It is an artificial intelligence model applied to provide solutions to similar problems.
이와 같이, 본 발명의 실시예에 따른 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템에 적용되는 상기 클라우드 서버(20)는 AI 기반의 엔진(22)을 통해 운행되는 승강기(100)의 운행 상태 정보를 실시간 수집한 후 이를 분석하여 엔니지어에게 전달하는 것이다.As such, the
그러면, 상기와 같이 실시간 모니터링을 통해, 승강기 중대 사고에 대한 예방 및 신속한 조치가 가능하고, 전화 접수시 승강기 고장 에러 정보가 사전에 수집되어 정확한 고객 응대가 가능하며, 고객 센터 상황실에 승강기 운행 상태 전체를 표출하고, 고장 에러 코드가 접수되면 자동으로 고장 접수되도록 하면서, 상황 전체 전달 및 엔지니어에게 알림을 통보하면서 승강기 유지 보수 담당자를 주/보조로 2인/1조로 편성한 상태에서, 엔지니어 현황 상태정보를 쉽게 파악할 수 있도록 표출 엔지니어는 단말(40)로 고장 접수된 정보를 확인하고, 현장 출동을 알림으로서 고객센터에서 동일 사항에 대한 2번 이상 민원 접수에 대한 대응이 가능할 수 있게 되는 것이다.Then, through real-time monitoring as described above, it is possible to prevent serious elevator accidents and take prompt action, and when receiving a call, elevator failure error information is collected in advance to enable accurate customer response, and the entire elevator operation status is displayed in the customer center control room. and, when a failure error code is received, the failure is automatically accepted, while the entire situation is communicated and notifications are notified to the engineer, and the elevator maintenance manager is organized as 2 people/1 team as main/assistant, engineer status status information In order to easily understand, the expression engineer checks the information received for failure through the terminal 40 and informs the dispatch to the site, so that the customer center can respond to complaints received twice or more for the same matter.
한편, 상기 클라우드 서버(20)에 탑재된 AI 기반의 상기 엔진(22)은 고장 접수시 그 원인 분석 및 장애를 처리하는 프로세스를 가동하게 된다.On the other hand, the AI-based
그러면, 승강기 고장사고에 대한 신속한 대응으로 승강기 고장 복구 시간 단축(현장 출동 이전에 고장원인 분석하여 필요 자재 확보 후 출동), 빅 데이터 활용으로 승강기 관련 데이터를 수집, 저장, 분류, 분석을 통해 고장 예측 정확도를 항상 기대할 수 있음은 물론, 원격 모니터링 및 점검으로 현장 출동하지 않고 고장 조치 완료가 가능하고, 매월 원격 자체 점검으로 엔지니어 현장 출동 횟수가 감소(법적으로 월1회 의무 사항임)되며, 고장 처리에 대한 지식 정보가 누적되어 고장조치 시간 단축(고장 조치에 대한 매뉴얼 검색 및 정보 찾는 시간 절감)하는 효과를 기대할 수 있는 것이다.Then, quick response to elevator failure accidents shortens elevator failure recovery time (analyzes the cause of failure before dispatching to the site, secures necessary materials and dispatches), and predicts failure by collecting, storing, classifying, and analyzing elevator-related data through the use of big data. Accuracy can always be expected, and troubleshooting can be completed without going to the site through remote monitoring and inspection, and the number of engineers going to the field is reduced through monthly remote self-inspection (legally, it is mandatory once a month), and troubleshooting As knowledge information about the is accumulated, it is possible to expect the effect of reducing the time for troubleshooting (reducing the time to search the manual for troubleshooting and finding information).
한편, 부품관리(자재 추적 및 이력관리 포함) 서비스는, 자재 입고/출고관리 신속 정확성을 위하여 바코드 기반 시스템을 구현한 것이며, 자재 부품 교체물 량 통계 기반에 의한 적정 재고 물량 산출 구현, 부품 이력 관리를 통한 부품 수명관리 구현(승강기 예지보전 시스템 구현), 고장수리시 부품에 대한 설치 및 운행관련 이력정보 제공이 가능하고, 현장에서 견적서 작성 및 결재(전자결재 기능 포함)하며, 결재문서 메일 전송 기능 구현(현장 결재에 따른 고장처리 시간 단축)하고, 주요 부품에 대한 공급처, 대기업 납품단가, 고객납품단가 등 정보를 엔지니어에게 즉시 제공할 수 있는 것이다.On the other hand, the parts management (including material tracking and history management) service implements a barcode-based system for quick and accurate material warehousing/shipping management, realization of proper inventory quantity calculation based on material parts replacement quantity statistics, and parts history management Implementation of parts lifespan management (realization of elevator predictive maintenance system), it is possible to provide history information related to installation and operation of parts when repairing a breakdown, prepare and pay a quote on site (including electronic payment function), and send approval documents by mail It can be realized (reduction of breakdown processing time due to on-site approval), and information such as supply sources for major parts, delivery unit price to large corporations, and unit delivery price to customers can be provided to engineers immediately.
본 발명의 실시예에 따른 장애부품 및 필요 자재 예측 정확도 모델링은, 승강기 장애부품 및 필요자재 예측 데이터 분류, 수집된 승강기 운행상태정보, 에러코드 및 진동 데이터 레이블링, 수집된 승강기 운행상태정보, 에러코드 및 진동 데이터 정제, 고장이력데이터 데이터 레이블링, 고장이력데이터 데이터 정제, 기계학습을 통한 필요자재 예측 판단 시스템 설계, 고장이력데이터와 승강기의 제어반 데이터, 자재 내구연한 데이터, 승강기 운영데이터 등을 이용하여 AI 솔루션이 분석하여 실시간 판단하고, 즉시 필요자재 예측 모델 적용, 기계학습 기반 필요자재 예측판단 프로그램 설계로 이루어질 수 있는 것이다.Accuracy modeling for predicting failure parts and required materials according to an embodiment of the present invention classifies elevator failure parts and required materials prediction data, collects elevator operation status information, labeling error codes and vibration data, collects elevator operation status information, and error codes and vibration data refinement, failure history data data labeling, failure history data data refinement, necessary material prediction judgment system design through machine learning, failure history data and elevator control panel data, material durability data, elevator operation data, etc. The solution can be analyzed and judged in real time, immediately applied with a necessary material prediction model, and designed with a machine learning-based material prediction and judgment program.
본 발명의 실시예에 따른 유사 문제 해법 제시 정확도 모델링은, 승강기 유사 문제해법 제시 예측 데이터 분류로서, 수집된 승강기 운행상태정보, 에러코드 및 진동 데이터 레이블링, 수집된 승강기 운행상태정보, 에러코드 및 진동 데이터 정제, 고장처리 이력 데이터 레이블링, 고장처리 이력 데이터 정제를 포함할 수 있는 것이다.Similar problem solution suggestion accuracy modeling according to an embodiment of the present invention is classification of elevator similar problem solution suggestion prediction data, collected elevator operating state information, error code and vibration data labeling, collected elevator operating state information, error code and vibration It may include data purification, failure handling history data labeling, and failure handling history data purification.
이때, 기계 학습을 통한 유사문제 해법 제시 시스템 설계는, 기계학습(Machine Learning) 알고리즘 기반 유사 문제 해법 제시 시스템으로 승강기 실시간 동적 계측/예지보전, 빅데이터 분석을 통한 상호연관 벡터(Correlation Vector) 분석 및 고장 유사 문제 해법 제시 모델을 적용할 수 있는 것이다.At this time, the design of the system for suggesting solutions to similar problems through machine learning is a system for suggesting solutions to similar problems based on machine learning algorithms. It is possible to apply a failure-like problem solution proposal model.
따라서, 본 발명의 실시예에 따른 플랫폼은, AI기반으로 분석하여 고장부위 및 필요자재(부품)를 Top5 자재를 추천하여 보수 엔지니어가 출동 전에 필요 자재를 확보하여 현장 출동 시스템을 구축하는 한편, 고장수리 작업시 수리 방법을 AI 챗봇으로 질의/응답으로 유사 문제를 제공함으로서 수리시간 단축 및 작업 생산성 향상시키고, 서류 작업, 데이터베이스화, 이력을 자동 기록, 조회, 필터링, 검색으로 현재 현장의 워크플로우보다 빠른 일 처리 할 수 있는 기록관리 체계 구축함은 물론, 제어반/진동 등 각종 센서 정보를 통해 AI(인공지능) 기반 고장 상황 예측, 상황 처리 체계 구축하면서, 저장된 데이터를 이용 버튼하나로 통계와 보고서 자동 생성하는 것이다.Therefore, the platform according to the embodiment of the present invention recommends
따라서, 관리적 측면에서, 유지 보수 엔지니어 업무의 집중화를 통한 전문 인력 조기양성 체계 마련하고, 유지보수 시간 단축을 통한 생산성을 증가시키며, 24시간 365일 실시간 원격 관제를 통한 서비스 질 향상시키고, 고장출동 상황 발생 시 즉시 중앙상황실, 시설관리 업체와 보수 엔지니어 PC/모바일 기기에 알림. 이동 중에도 즉각 대응 체계 구축할 수 있는 것이다.Therefore, from the management point of view, a professional manpower early training system is prepared through the centralization of maintenance engineer work, productivity is increased through maintenance time reduction, service quality is improved through real-time
더불어, 표준화 측면에서, TTA TC10 지능네트워크 기술위원회((구)STC1 (IoT/M2M 특별기술위원회)) 및 관련 프로젝트 그룹에서 정보통신 단체표준을 제정하면서, 사물인터넷 포럼에서 관련 국내 포럼 표준을 제정하고, 국가 표준으로서 확장하기 위한 데이터 수집 방안을 적용함은 물론, 국가적 차원의 표준화 지침에 따른 전략적 사물인터넷 표준 개발을 통해, 글로벌 선진 기업 중심의 폐쇄적 IoT 산업 생태계로부터 국내 IT 중소중견 기업을 보호하고, 표준기반 개방형 사물인터넷, LoD(Linked Open Data) 플랫폼 활용을 통한 시민 참여형 IoT 장비/서비스 연동 개발 확산. IoT 기술의 실제적인 빠른 파급 효과를 기대할 수 있는 것이다.In addition, in terms of standardization, while the TTA TC10 Intelligent Network Technical Committee (former) STC1 (IoT/M2M Special Technical Committee) and related project groups establish information and communication collective standards, the Internet of Things Forum establishes related domestic forum standards, , Protect domestic small and medium-sized IT companies from the closed IoT industry ecosystem centered on global advanced companies through the application of data collection measures to expand as national standards, as well as the development of strategic IoT standards in accordance with national standardization guidelines. Proliferation of citizen participation-type IoT equipment/service linkage development through standard-based open Internet of Things and LoD (Linked Open Data) platform utilization. It is possible to expect practical and rapid ripple effects of IoT technology.
이상에서 본 발명의 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템에 대한 기술사상을 첨부도면과 함께 서술하였지만, 이는 본 발명의 가장 바람직한 실시예를 예시적으로 설명한 것이지 본 발명을 한정하는 것은 아니다.In the above, the technical idea of the artificial intelligence (AI) and Internet of Things (IoT)-based elevator failure part and required material prediction system of the present invention has been described along with the accompanying drawings, but this is exemplarily the most preferred embodiment of the present invention. It is described and does not limit the present invention.
따라서, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와같은 변경은 청구범위 기재의 범위내에 있게 된다.Therefore, the present invention is not limited to the specific embodiments described above, and various modifications can be implemented by anyone having ordinary knowledge in the art to which the present invention belongs without departing from the gist of the present invention claimed in the claims. Of course, such changes are within the scope of the claims.
10; 지능형 IoT 기반의 센서부
10a; 지능형 IoT 게이트웨이
20; 클라우드 서버
21; 데이터 베이스
22; AI 기반의 엔진
30; 콜센터 서버
40; 엔지니어 단말
100; 승강기10; Sensor part based on intelligent IoT
10a; Intelligent IoT Gateway
20; cloud server
21; database
22; AI powered engine
30; call center server
40; engineer terminal
100; lift
Claims (15)
상기 센서부와 유선 또는 무선의 통신망으로 통신 연결되는 것으로 데이터베이스가 구축되며, 상기 승강기의 상태 정보를 기반으로 상기 승강기의 운행 상태를 실시간 모니터링하고, 상기 승강기의 운행 상태 를 학습하면서 사고 예방과 고장 예측이 가능한 자가 진단 정보를 자동 생성하는 AI 기반의 엔진이 탑재되는 것으로서, 상기 데이터 베이스에 저장되거나 저장할 정보들의 빅데이터 분석, AI/DL 처리하는 클라우드 기반의 플랫폼으로서, 각종 설비 주요 핵심 안전 부품 및 센서부로부터 실시간으로 데이터를 취합, AI기반 분석해 사용자에게 사고 예방과 고장 예측이 가능한 진단이나 제어 서비스를 제공함은 물론, 현장과 클라우드 서버를 연결하는 지능형 IoT 게이트웨이를 통해 각 노드 간 통신, 보안 등 최신 국제 IoT 표준, 보안 표준을 적용한 고품질의 안전한 클라우드 기반의 사물 인터넷 서비스 제공하고, 유무선 인터넷이 가능한 어떤 기기에서든 접속하는 반응형 웹/앱 서비스로서 실시간 상태 체크 및 원격 대응 워크 플로우 모니터링, 인력 관리, 통계 보고, 일목 요연한 UX/UI를 제공하는 한편, 탄력적인 서버 운용 및 과금하는 구조로 대규모 현장은 물론 소규모 현장에서도 최적의 서비스 제공할 수 있도록 하는, AI 모델 개발을 위해 Facebook AI Research Lab에서 개발한 Torch 기반의 오픈 소스 머신 러닝 라이브러리인 PyTorch 1.6을 사용하고, Python 3.7로 작성, AI 모델 학습을 위해 NVIDIA Tesla V100 2EA를 사용하고, 장애 부품 및 필요 자재 예측 모델은 딥러닝 기반의 Multi-layer Perceptron 아키텍처를 채용하면서, 유사 문제 해법 제시 모델은 딥러닝 기반의 자연어 처리 아키텍처인 ELECTRA를 채용하고, Tokenizer로는 Wordpiece를 사용한 것으로서, 그 적용 대상 및 범위로는 승강기 고장 발생 시의 고장 처리 프로세스에서, 고장 원인 분석 및 처리 요구사항을 분석하고 즉시 대응할 수 있도록 적용, 승강기 고장 발생 시 장애부품 및 필요자재 예측 모델이 고장이력데이터와 승강기의 제어반 데이터, 자재 내구연한 데이터, 승강기 운영데이터 등을 분석하여 실시간 판단하고, 고장 부품과 필요 자재를 예측하도록 인공지능 모델 적용, 승강기 고장 대응시 엔지니어가 입력한 승강기의 현재 상태 및 고장 증상을 자연어로 입력받아 유사한 문제에 대한 해법을 제시하도록 인공지능 모델 적용한 클라우드 서버;
상기 클라우드 서버와 유선 또는 무선의 통신망으로 연결되며, 상기 클라우드 서버에 의해 자동 생성되는 자가 진단 정보를 기반으로 엔지니어 호출 여부를 결정하는 콜센터 서버; 및,
상기 콜센터 서버에 의해 호출되는 엔지니어 단말; 을 포함하는 것을 특징으로 하는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템.An intelligent IoT-based sensor unit that monitors and transmits status information of the elevator controlled by the control panel;
A database is established by being connected to the sensor unit through a wired or wireless communication network, monitoring the operation status of the elevator in real time based on the status information of the elevator, and preventing accidents and predicting failures while learning the operation status of the elevator It is equipped with an AI-based engine that automatically generates self-diagnosis information that can be stored in the database, and is a cloud-based platform that analyzes big data and processes AI/DL of information to be stored or stored in the database. Data is collected in real time and analyzed based on AI to provide users with diagnosis and control services that can prevent accidents and predict failures. Provides high-quality, secure cloud-based Internet of Things services that apply IoT standards and security standards, and is a responsive web/app service that can be accessed from any device with wired/wireless Internet access. Real-time status check, remote response workflow monitoring, manpower management, and statistical reporting , Torch developed by Facebook AI Research Lab to develop an AI model that provides a clear UX/UI, while providing optimal service in large-scale as well as small-scale sites with a flexible server operation and billing structure. Based open source machine learning library PyTorch 1.6 is used, written in Python 3.7, NVIDIA Tesla V100 2EA is used for AI model training, and the failure parts and required material prediction model uses a multi-layer Perceptron architecture based on deep learning. While adopting, the similar problem solution proposal model adopts ELECTRA, a deep learning-based natural language processing architecture, and uses Wordpiece as a tokenizer. Able to analyze processing requirements and respond immediately In the event of an elevator failure, the faulty parts and required material prediction model analyzes the failure history data, elevator control panel data, material durability data, and elevator operation data to make real-time decisions and to predict failed parts and required materials. A cloud server that applies an artificial intelligence model to provide solutions to similar problems by receiving the current state of the elevator and failure symptoms entered by the engineer in natural language when applying the model and responding to elevator failure ;
a call center server connected to the cloud server through a wired or wireless communication network and determining whether to call an engineer based on self-diagnosis information automatically generated by the cloud server; and,
an engineer terminal called by the call center server; Artificial intelligence (AI), characterized in that it comprises a. Internet of Things (IoT) based elevator failure parts and required material prediction system.
상기 지능형 IoT 기반의 센서부는 지능형 IoT 게이트웨이를 통해 상기 승강기의 상기 제어반과 상기 클라우드 서버를 통신 연결하는 것을 특징으로 하는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템.According to claim 1,
The intelligent IoT-based sensor unit communicates and connects the control panel of the elevator and the cloud server through an intelligent IoT gateway. An artificial intelligence (AI) and Internet of Things (IoT) based elevator failure part and necessary material prediction system. .
상기 지능형 IoT 기반의 센서부는, 상기 승강기의 내부를 영상 촬영하는 webRTC 프로토콜 기반의 카메라; 상기 승강기가 운행시 발생하는 진동을 감지하는 진동센서; 및, 상기 승강기가 운행시 발생하는 소음을 감지하는 소음센서; 를 포함하는 것을 특징으로 하는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템.According to claim 1,
The intelligent IoT-based sensor unit may include a webRTC protocol-based camera for capturing an image of the inside of the elevator; a vibration sensor that senses vibration generated when the elevator is in operation; And, a noise sensor for detecting noise generated when the elevator is in operation; Artificial intelligence (AI), characterized in that it comprises a. Internet of Things (IoT) based elevator failure parts and required material prediction system.
상기 승강기의 운행 상태 정보 에는, 고장 부위 및 수리 부품 정보가 포함되는 고장 처리 데이터를 포함하고, 상기 AI 기반의 상기 엔진은 상기 고장 처리 데이터가 수집시 고장 수리를 위한 필요 자재를 추전하는 것을 특징으로 하는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템. According to claim 1,
Characterized in that the operating state information of the elevator includes failure handling data that includes failure part and repair parts information, and the AI-based engine recommends necessary materials for repairing the failure when the failure handling data is collected. An artificial intelligence (AI) and Internet of Things (IoT)-based elevator failure part and necessary material prediction system.
상기 엔지니어 단말에는 고장 발생에 따른 승강기 상태 정보가 공유되는 것을 특징으로 하는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템.According to claim 1,
An artificial intelligence (AI) and Internet of Things (IoT) based elevator failure part and required material prediction system, characterized in that the elevator status information is shared in the engineer terminal.
상기 승강기의 상태 정보에는 고장 수리를 위한 필요 도구와 진단 정보가 포함하는 것을 특징으로 하는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템. According to claim 1,
The elevator status information includes artificial intelligence (AI) and Internet of Things (IoT)-based elevator failure parts and necessary materials prediction system, characterized in that it includes necessary tools and diagnostic information for repair.
상기 AI 기반의 상기 엔진은 실시간 자재 추적 및 바코드를 관리하는 것을 특징으로 하는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템.According to claim 1,
The AI-based engine is artificial intelligence (AI), characterized in that for real-time material tracking and barcode management. The elevator failure part and required material prediction system based on the Internet of Things (IoT).
상기 클라우드 서버의 운행상태 실시간 모니터링 정보에는, 승강기 기본정보, 승강기의 운행정보, 맵 또는 현장 조감도 이미지 뷰를 통해 표시되는 승강기 위치 및 운행 상태 정보, 운행 로그, 에러 로그, 고장 접수 목록 및 부품 교체 이력 정보와 조회 정보를 포함하는 것을 특징으로 하는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템.According to claim 1,
The real-time monitoring information of the operation status of the cloud server includes basic elevator operation information, elevator operation information, elevator location and operation status information displayed through a map or a bird's-eye view image view of the site, operation log, error log, failure reception list, and parts replacement history. Artificial intelligence (AI), characterized in that it includes information and inquiry information. Internet of Things (IoT) based elevator failure part and required material prediction system.
상기 승강기의 운행정보는 정상 여부, 운행모드, 현재층, 운행방향, 승강기 도어 상태를 포함하는 것을 특징으로 하는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템. According to claim 8,
The operation information of the elevator includes artificial intelligence (AI) and Internet of Things (IoT) based elevator failure parts and required materials prediction system, characterized in that it includes normality, operation mode, current floor, operation direction, and elevator door status.
상기 클라우드 서버의 운행상태 실시간 모니터링 정보에는 점검 관리 정보, AI 기반의 고장 관리 정보, 자재 관리 및 AI 기반의 필요 자재 추천 정보, 부품 수명 관리 정보, 통계/분석 정보를 포함하는 것을 특징으로 하는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템.According to claim 1,
The real-time monitoring information of the operation status of the cloud server includes inspection management information, AI-based failure management information, material management and AI-based required material recommendation information, parts life management information, and statistical/analysis information. (AI).Internet of Things (IoT) based elevator failure part and required material prediction system.
상기 점검 관리 정보는, 승강기 자체 점검 유형(점검항목, 내용, 방법, 주기 등)별 기준 정보, 승강기의 월별 점검 계획 및 인원 현황 정보, 승강기의 점검 계획에 따른 실적 정보, 승강기의 점검 계획에 따른 일정 변경 정보, 승강기의 자체 점검 진행 상황 및 점검표 입력 및 출력 정보를 포함하는 것을 특징으로 하는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템. According to claim 10,
The inspection management information includes standard information for each elevator self-inspection type (inspection item, content, method, period, etc.), monthly inspection plan of the elevator and information on the number of personnel, performance information according to the elevator inspection plan, and information according to the elevator inspection plan. An artificial intelligence (AI) and Internet of Things (IoT)-based elevator failure part and required material prediction system that includes schedule change information, elevator self-inspection progress, and checklist input and output information.
상기 고장 관리 정보는, CTI 기반 콜(전화) 접수 및 통화 이력의 기록 정보, 통화 내용 조회 정보, 자동/수동 고장접수 내역의 전체 조회 및 진행 상태 변경 정보, 고장처리 상태 변경(배정, 출동, 작업 중, 부문 완료, 조치 완료 등) 정보, 지능형 IoT 기반의 센서부로부터 수집된 에러 로그 정보, AI 기반에 의한 고장처리 조치 방법 질의/응답 정보, AI 기반 고장처리 관련 위키 정보 등록 및 조회 정보를 포함하는 것을 특징으로 하는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템. According to claim 10,
The failure management information includes CTI-based call (telephone) reception and call history record information, call content inquiry information, total inquiry and progress status change information of automatic/manual failure registration details, and failure handling status change (assignment, dispatch, work information, error log information collected from the intelligent IoT-based sensor unit, AI-based failure handling method question/response information, and AI-based failure handling-related wiki information registration and inquiry information. Artificial intelligence (AI), which is characterized by doing. Internet of Things (IoT) based elevator failure part and required material prediction system.
상기 자재 관리 및 AI기반 필요 자재 추천 정보는, 승강기 부품 관련 자재 마스터 등록 정보, 승강기 고장 관련 AI기반 필요 자재 추천 정보, 고장 부품 교체 관련 견적서 등록 및 출고 내역 정보, 재고 자산 부품 바코드 기반 선출고 정보, 고장 부품 교체 관련 구매 발주 및 입고처리 정보, 자재 입고 및 재고 현황 정보를 포함하는 것을 특징으로 하는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템. According to claim 10,
The above material management and AI-based recommended material recommendation information includes material master registration information related to elevator parts, AI-based recommended material recommendation information related to elevator failure, quotation registration and shipment history information related to replacement of broken parts, inventory asset parts barcode-based first-out information, and breakdown An artificial intelligence (AI) and Internet of Things (IoT)-based elevator failure part and required material prediction system that includes parts replacement related purchase order and warehousing processing information, material warehousing and inventory status information.
상기 부품 수명 관리 정보는, 부품 수명 관리 기준 등록 정보, 부품 교체 이력 정보, 부품 교체 TBM기반 교체 주기 관리 정보, 부품 교체 CBM기반 교체 주기 관리 정보를 포함하는 것을 특징으로 하는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템. According to claim 10,
The parts life management information includes parts life management standard registration information, parts replacement history information, parts replacement TBM-based replacement cycle management information, and parts replacement CBM-based replacement cycle management information. Internet (IoT) based elevator failure part and required material prediction system.
상기 통계/분석 정보는, 고장 부위별 및 원인별 건수 정보, 현장별/승강기별/일자별 운행 횟수, 운행거리, 운행시간, 고장정지 시간, 층별 도어 개폐 횟수 정보를 포함하는 것을 특징으로 하는 인공지능(AI).사물인터넷(IoT) 기반의 승강기 고장부위 및 필요자재 예측 시스템.
According to claim 10,
The statistical/analysis information includes information on the number of failures by part and cause, number of trips by site/elevator/day, travel distance, operation time, breakdown time, door opening/closing frequency information by floor, artificial intelligence. (AI).Internet of Things (IoT) based elevator failure part and required material prediction system.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210146286A KR102484018B1 (en) | 2021-10-29 | 2021-10-29 | AI IoT-based Elevator Predictive Maintenance System Project |
| KR1020220185418A KR20230062463A (en) | 2021-10-29 | 2022-12-27 | AI IoT-based Elevator Predictive Maintenance System Project |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210146286A KR102484018B1 (en) | 2021-10-29 | 2021-10-29 | AI IoT-based Elevator Predictive Maintenance System Project |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220185418A Division KR20230062463A (en) | 2021-10-29 | 2022-12-27 | AI IoT-based Elevator Predictive Maintenance System Project |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102484018B1 true KR102484018B1 (en) | 2023-01-03 |
Family
ID=84924544
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210146286A KR102484018B1 (en) | 2021-10-29 | 2021-10-29 | AI IoT-based Elevator Predictive Maintenance System Project |
| KR1020220185418A KR20230062463A (en) | 2021-10-29 | 2022-12-27 | AI IoT-based Elevator Predictive Maintenance System Project |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220185418A KR20230062463A (en) | 2021-10-29 | 2022-12-27 | AI IoT-based Elevator Predictive Maintenance System Project |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR102484018B1 (en) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116081424A (en) * | 2023-04-07 | 2023-05-09 | 南京合智信息技术有限公司 | Construction data processing method based on complex scene |
| CN116281476A (en) * | 2023-03-01 | 2023-06-23 | 深圳市卓越信息技术有限公司 | AR and artificial intelligence based preventive maintenance method and system for elevator |
| CN117499216A (en) * | 2023-12-29 | 2024-02-02 | 珠海格力电器股份有限公司 | State early warning method, device, equipment and medium of Internet of things equipment |
| CN117633636A (en) * | 2024-01-25 | 2024-03-01 | 江苏省特种设备安全监督检验研究院 | Cloud interconnected special detection data processing system and processing equipment thereof |
| WO2024162567A1 (en) * | 2023-01-30 | 2024-08-08 | 주식회사 지노시스 | 5g iot platform system |
| CN118561117A (en) * | 2024-08-01 | 2024-08-30 | 浙江新再灵科技股份有限公司 | Elevator safety monitoring method and system based on multi-source data fusion and electronic equipment |
| WO2024181728A1 (en) * | 2023-02-27 | 2024-09-06 | 현대엘리베이터주식회사 | Maintenance system for passenger transport equipment |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100948360B1 (en) * | 2009-08-19 | 2010-03-22 | 대성아이디에스 주식회사 | Method for remote intervention of elevator |
| KR101352610B1 (en) | 2012-01-27 | 2014-01-22 | 누리엔지 엔지니어링(주) | Elevator controlling system apparatus |
| JP2016166070A (en) * | 2015-03-10 | 2016-09-15 | 東芝エレベータ株式会社 | Maintenance work support device, system and method for elevator |
| KR20200136171A (en) * | 2019-05-27 | 2020-12-07 | 투비씨앤씨 주식회사 | Elevator monitoring system for customer safety based on Internet of Things, and monitoring method thereof |
-
2021
- 2021-10-29 KR KR1020210146286A patent/KR102484018B1/en active IP Right Grant
-
2022
- 2022-12-27 KR KR1020220185418A patent/KR20230062463A/en not_active Application Discontinuation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100948360B1 (en) * | 2009-08-19 | 2010-03-22 | 대성아이디에스 주식회사 | Method for remote intervention of elevator |
| KR101352610B1 (en) | 2012-01-27 | 2014-01-22 | 누리엔지 엔지니어링(주) | Elevator controlling system apparatus |
| JP2016166070A (en) * | 2015-03-10 | 2016-09-15 | 東芝エレベータ株式会社 | Maintenance work support device, system and method for elevator |
| KR20200136171A (en) * | 2019-05-27 | 2020-12-07 | 투비씨앤씨 주식회사 | Elevator monitoring system for customer safety based on Internet of Things, and monitoring method thereof |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024162567A1 (en) * | 2023-01-30 | 2024-08-08 | 주식회사 지노시스 | 5g iot platform system |
| WO2024181728A1 (en) * | 2023-02-27 | 2024-09-06 | 현대엘리베이터주식회사 | Maintenance system for passenger transport equipment |
| CN116281476A (en) * | 2023-03-01 | 2023-06-23 | 深圳市卓越信息技术有限公司 | AR and artificial intelligence based preventive maintenance method and system for elevator |
| CN116081424A (en) * | 2023-04-07 | 2023-05-09 | 南京合智信息技术有限公司 | Construction data processing method based on complex scene |
| CN116081424B (en) * | 2023-04-07 | 2023-08-22 | 南京合智信息技术有限公司 | Construction data processing method based on complex scene |
| CN117499216A (en) * | 2023-12-29 | 2024-02-02 | 珠海格力电器股份有限公司 | State early warning method, device, equipment and medium of Internet of things equipment |
| CN117499216B (en) * | 2023-12-29 | 2024-04-12 | 珠海格力电器股份有限公司 | State early warning method, device, equipment and medium of Internet of things equipment |
| CN117633636A (en) * | 2024-01-25 | 2024-03-01 | 江苏省特种设备安全监督检验研究院 | Cloud interconnected special detection data processing system and processing equipment thereof |
| CN117633636B (en) * | 2024-01-25 | 2024-05-03 | 江苏省特种设备安全监督检验研究院 | Cloud interconnected special detection data processing system and processing equipment thereof |
| CN118561117A (en) * | 2024-08-01 | 2024-08-30 | 浙江新再灵科技股份有限公司 | Elevator safety monitoring method and system based on multi-source data fusion and electronic equipment |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230062463A (en) | 2023-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102484018B1 (en) | AI IoT-based Elevator Predictive Maintenance System Project | |
| US20220414614A1 (en) | Systems for Actively Monitoring Lift Devices and Maintaining Lift Devices, and Related Methods | |
| US20230410631A1 (en) | Remote equipment monitoring and notification using a server system | |
| US10726957B2 (en) | Systems and methods for predicting and detecting hazardous conditions and facilitating regulatory compliance through automated communication platforms | |
| CN101753364B (en) | Equipment state analyzing and predicting and source distributing method and system | |
| CN110329862B (en) | Elevator intelligent integrated management system based on cloud platform | |
| JP6947683B2 (en) | Building maintenance system and building maintenance support method | |
| KR20170130823A (en) | In order to small, medium size enterprise, Visible prognostics system for the machinery out of order and quality failure on the advanced factory automatic based on the embeded I.O.T technology | |
| CN111639885A (en) | Agricultural sewage management system and management method | |
| KR100948360B1 (en) | Method for remote intervention of elevator | |
| KR20190049602A (en) | IoT based elevator pervasive autonomous system and method | |
| US20220017328A1 (en) | Process and method for uniform maintenance for conveyance apparatuses | |
| US20240032150A1 (en) | System to monitor and process risk relationship sensor data | |
| TWI380226B (en) | System and method of prognostic analysis and resource planning for apparatu | |
| KR102489119B1 (en) | Smart FMEA system and process management system and method using thereof | |
| KR20160108883A (en) | System for managing facilities of builings | |
| US20230289745A1 (en) | Systems for Actively Monitoring Lift Devices and Maintaining Lift Devices, and Related Methods | |
| EP4345711A1 (en) | System and method for data connector for external labor management systems | |
| JP7549066B1 (en) | Maintenance management support device and maintenance management support system | |
| TR201907462A2 (en) | A METHOD FOR TROUBLESHOOTING WITH AUDIO | |
| WO2022269748A1 (en) | Robot monitoring system and operation monitoring fee charging method | |
| US20240104484A1 (en) | Systems and methods for next generation connected-worker solutions for occupational safety, health, and productivity | |
| KR20200072069A (en) | Robot state information providing system based on motor information | |
| US20240112134A1 (en) | System and method for template creation, configuration, and identification | |
| JPH10305974A (en) | Failure prediction and inspection work support device of carrying device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| A107 | Divisional application of patent | ||
| GRNT | Written decision to grant |