공작기계의 동작데이터를 수집하는 데이터수집부;상기 데이터수집부에서 수집된 데이터를 PIP(Perceptually Important Points) 방법으로 간략화된 PIP데이터를 생성하는 PIP데이터 생성부;상기 PIP데이터 생성부에서 생성한 상기 PIP데이터의 위치를 조정하는 위치조정부; 및상기 위치조정부에서 위치가 조정된 상기 PIP데이터를 신경망에 인가하여 상기 공작기계의 고장을 진단하는 진단부;를 포함하는 고장 진단 장치.

제1항에 있어서,상기 데이터 수집부는,수집된 상기 동작데이터를 정상데이터와 고장데이터로 분류하는 데이터분류부; 및상기 고장데이터와 유사한 가상고장데이터를 생성하는 데이터생성부;를 포함하는 고장 진단 장치.

제2항에 있어서,상기 신경망는,LSTM(Long Short Term Memory)-RNN(Recurrent Neural Networks)으로 구성되며,상기 데이터분류부에서 분류한 정상데이터와 고장데이터 및 상기 데이터생성부에서 생성된 가상고장데이터를 이용하여 상기 신경망의 학습을 수행하는 것을 특징으로 하는 고장 진단 장치.

제1항에 있어서,상기 PIP데이터 생성부는, 인접한 두 개의 점 사이에 가장 거리가 먼 점을 진단하는 PIP-ED 방법을 이용하여 간략화하는 것을 특징으로 하는 고장 진단 장치.

제1항에 있어서,상기 위치조정부는, 상기 PIP데이터에서 각각의 솟구치는 부분의 시작점, 최고점, 종료점을 찾아 x축 데이터를 저장하고, 상기 각각의 솟구치는 부분의 최고점 평균을 기준으로 타겟점을 설정하며, 상기 시작점부터 상기 최고점까지의 데이터에 대하여 상기 최고점에서 타겟점을 뺀 절댓값만큼 이동하여 위치를 조정하는 것을 특징으로 하는 고장 진단 장치.

제1항에 있어서,상기 공작기계의 고장 진단 장치의 동작을 복수회 수행하여 고장으로 판단되는 횟수가 기설정된 횟수 이상일 경우에만 최종 고장으로 판단하는 것을 특징으로 하는 고장 진단 장치.

공작기계의 고장 진단 방법에 있어서,상기 공작기계의 동작데이터를 수집하는 단계;수집된 상기 동작데이터를 PIP(Perceptually Important Points) 방법으로 간략화된 PIP데이터를 생성하는 단계;상기 PIP데이터의 위치를 조정하는 단계; 및위치가 조정된 상기 PIP데이터를 신경망에 인가하여 상기 공작기계의 고장을 진단하는 단계;를 포함하는 고장 진단 방법.

제7항에 있어서,상기 공작기계의 동작데이터를 수집하는 단계는,수집된 상기 동작데이터를 정상데이터와 고장데이터로 분류하는 단계; 및상기 고장데이터와 유사한 가상고장데이터를 생성하는 단계;를 포함하는 고장 진단 방법.

제8항에 있어서,상기 신경망은,LSTM(Long Short Term Memory)-RNN(Recurrent Neural Networks)으로 구성되며, 상기 정상데이터, 고장데이터 및 가상고장데이터 이용하여 상기 신경망의 학습을 수행하는 단계를 더 포함하는 것을 특징으로 하는 고장 진단 방법.

제7항에 있어서,상기 PIP 방법은, 인접한 두 개의 점 사이에 가장 거리가 먼 점을 진단하는 PIP-ED 방법을 이용하여 간략화하는 것을 특징으로 하는 고장 진단 방법.

제7항에 있어서,상기 데이터의 위치를 조정하는 단계는, 상기 PIP데이터에서 각각의 솟구치는 부분의 시작점, 최고점, 종료점을 찾아 x축 데이터를 저장하는 단계;상기 각각의 솟구치는 부분의 상기 최고점 평균을 기준으로 타겟점을 설정하는 단계; 및상기 시작점부터 상기 최고점까지의 데이터에 대하여 상기 최고점에서 타겟점을 뺀 절댓값만큼 이동하여 위치를 조정하는 단계;를 포함하는 고장 진단 방법.

제7항에 있어서,상기 공작기계의 고장 진단 방법을 복수회 수행하여 고장으로 판단되는 횟수가 기설정된 횟수 이상일 경우에만 최종 고장으로 판단하는 것을 특징으로 하는 고장 진단 방법.