제1항에 있어서,상기 공구 마모 여부를 예측하는 단계에서 공구 마모로 예측되면,상기 공구 마모 여부를 예측하는 단계 이후에 있어서,CNC 공작기계의 동작을 제어하는 CNC 공작기계 제어모듈로 CNC 공작기계의 구동을 중단시키기 위한 기설정된 중단명령코드를 전송하여, 상기 CNC 공작기계의 동작이 중단되도록 하는 단계;를 포함하는 인공지능 기반의 CNC 공작기계의 공구 마모 예측 방법.

외부로부터 입력되는 CNC 공작기계의 구동 횟수에 따른 툴 카운터값과, CNC 공작기계에 부착된 복수 개의 센서로부터 측정된 상기 복수 개의 센서 각각에 대응되는 복수 개의 측정값과, 사용자의 입력에 따라 CNC 공작기계로 전달되는 지코드를 포함하는 모니터링 데이터를 시간에 따라 저장하는 단계;시간에 따라 저장된 복수 개의 모니터링 데이터를 툴 카운터값을 기준으로 구분하여 동일한 툴 카운터값을 가지는 복수 개의 모니터링 데이터로 구성된 분할 데이터 세트를 생성하는 단계;상기 분할 데이터 세트에 포함된 복수 개의 모니터링 데이터 중 기설정된 제거코드와 대응되는 지코드를 포함하는 모니터링 데이터를 제거하며 시계열이 균일화된 균일 데이터 세트를 생성하는 단계;기설정된 샘플링 레이트를 기준으로 상기 균일 데이터 세트에 포함된 각 센서에 대응되는 항목별 복수 개의 측정값을 리샘플링하여 항목별 상기 샘플링 레이트에 따른 개수의 측정값을 포함하는 리샘플링 데이터 세트를 생성하는 단계;상기 리샘플링 데이터 세트에 포함된 값을 항목별로 최대-최소 정규화하며 정규화 데이터 세트를 생성하는 단계; 및상기 정규화 데이터 세트를 미리 학습된 학습모델에 적용하여 공구 마모 여부를 예측하는 단계;를 포함하는 인공지능 기반의 CNC 공작기계의 공구 마모 예측 방법.

제1항에 있어서,상기 리샘플링 데이터 세트를 생성하는 단계는상기 분할 데이터 세트에 포함된 복수 개의 모니터링 데이터에 대응되는 복수 개의 시점 중 최선 시점과 최후 시점의 차이에 따른 공작시간과 기설정된 샘플링 레이트를 곱함에 따라 기준치를 산출하는 단계와,상기 분할 데이터 세트에 포함된 모니터링 데이터의 개수가 상기 기준치를 초과하는지 비교하는 단계와,상기 분할 데이터 세트에 포함된 모니터링 데이터의 개수가 상기 기준치를 초과하면, 상기 분할 데이터 세트에 포함된 각 센서에 대응되는 항목별 시간에 따른 복수 개의 측정값을 상기 기준치에 따른 개수만큼 선택하며 항목별 상기 기준치에 따른 개수만큼 선택된 측정값으로 포함하도록 다운샘플링된 리샘플링 데이터 세트를 생성하는 단계를 포함하는 것인 인공지능 기반의 CNC 공작기계의 공구 마모 예측 방법.

CNC 공작기계의 동작을 제어하는 CNC 공작기계 제어모듈로부터 CNC 공작기계의 구동 횟수에 따른 툴 카운터값과, CNC 공작기계에 부착된 복수 개의 센서로부터 측정된 상기 복수 개의 센서 각각에 대응되는 복수 개의 측정값과, 사용자의 입력에 따라 CNC 공작기계로 전달되는 지코드를 포함하는 모니터링 데이터를 입력받아 시간에 따라 저장하는 데이터 수집부;시간에 따라 저장된 복수 개의 모니터링 데이터를 툴 카운터값을 기준으로 구분하여 동일한 툴 카운터값을 가지는 복수 개의 모니터링 데이터로 구성된 분할 데이터 세트를 생성하는 데이터 분할부;상기 분할 데이터 세트에 포함된 복수 개의 모니터링 데이터 중 기설정된 제거코드와 대응되는 지코드를 포함하는 모니터링 데이터를 제거하며 시계열이 균일화된 균일 데이터 세트를 생성하는 시계열 균일화부;기설정된 샘플링 레이트를 기준으로 상기 균일 데이터 세트에 포함된 각 센서에 대응되는 항목별 복수 개의 측정값을 리샘플링하여 항목별 상기 샘플링 레이트에 따른 개수의 측정값을 포함하는 리샘플링 데이터 세트를 생성하는 리샘플링부;상기 리샘플링 데이터 세트에 포함된 값을 항목별로 최대-최소 정규화하며 정규화 데이터 세트를 생성하는 정규화부; 및상기 정규화 데이터 세트를 미리 학습된 학습모델에 적용하여 공구 마모 여부를 예측하는 공구 마모 예측부;를 포함하는 인공지능 기반의 CNC 공작기계의 공구 마모 예측 장치.

제4항에 있어서,상기 공구 마모 예측부에서 공구 마모로 예측하면, CNC 공작기계의 동작을 제어하는 CNC 공작기계 제어모듈로 CNC 공작기계의 구동을 중단시키기 위한 기설정된 중단명령코드를 전송하여, 상기 CNC 공작기계의 동작이 중단되도록 하는 통신부;를 더 포함하는 인공지능 기반의 CNC 공작기계의 공구 마모 예측 장치.

제4항에 있어서,상기 리샘플링부는상기 분할 데이터 세트에 포함된 복수 개의 모니터링 데이터에 대응되는 복수 개의 시점 중 최선 시점과 최후 시점의 차이에 따른 공작시간과 기설정된 샘플링 레이트를 곱함에 따라 기준치를 산출하고, 상기 분할 데이터 세트에 포함된 모니터링 데이터의 개수가 상기 기준치를 초과하는지 비교하며, 상기 분할 데이터 세트에 포함된 모니터링 데이터의 개수가 상기 기준치를 초과하면, 상기 분할 데이터 세트에 포함된 각 센서에 대응되는 항목별 시간에 따른 복수 개의 측정값을 상기 기준치에 따른 개수만큼 선택하며 항목별 상기 기준치에 따른 개수만큼 선택된 측정값으로 포함하도록 다운샘플링된 리샘플링 데이터 세트를 생성하는 것인 인공지능 기반의 CNC 공작기계의 공구 마모 예측 장치.

외부로부터 입력된 지코드를 CNC 공작기계에 전달하여 상기 CNC 공작기계의 동작을 제어하고, 상기 CNC 공작기계의 구동 횟수에 따른 툴 카운터값과 상기 CNC 공작기계에 부착된 복수 개의 센서로부터 측정된 상기 복수 개의 센서 각각에 대응되는 복수 개의 측정값과 상기 CNC 공작기계로 전달된 지코드를 포함하는 모니터링 데이터를 외부로 전송하는 CNC 공작기계 제어모듈; 및상기 CNC 공작기계 제어모듈로부터 모니터링 데이터를 입력받아 시간에 따라 저장하고, 시간에 따라 저장된 복수 개의 모니터링 데이터를 툴 카운터값을 기준으로 구분하여 동일한 툴 카운터값을 가지는 복수 개의 모니터링 데이터로 구성된 분할 데이터 세트를 생성하며, 상기 분할 데이터 세트에 포함된 복수 개의 모니터링 데이터 중 기설정된 제거코드와 대응되는 지코드를 포함하는 모니터링 데이터를 제거하며 시계열이 균일화된 균일 데이터 세트를 생성하고, 기설정된 샘플링 레이트를 기준으로 상기 균일 데이터 세트에 포함된 각 센서에 대응되는 항목별 복수 개의 측정값을 리샘플링하여 항목별 상기 샘플링 레이트에 따른 개수의 측정값을 포함하는 리샘플링 데이터 세트를 생성하며, 상기 리샘플링 데이터 세트에 포함된 값을 항목별로 최대-최소 정규화하며 정규화 데이터 세트를 생성하고, 상기 정규화 데이터 세트를 미리 학습된 학습모델에 적용하여 공구 마모 여부를 예측하는 공구 마모 예측 장치;를 포함하는 인공지능 기반의 CNC 공작기계의 공구 마모 예측 시스템.

제7항에 있어서,상기 공구 마모 예측 장치는상기 정규화 데이터 세트를 미리 학습된 학습모델에 입력하여 공구 마모로 예측된 경우 CNC 공작기계의 구동을 중단시키기 위한 기설정된 중단명령코드를 상기 CNC 공작기계 제어모듈로 전송하는 것이며,상기 CNC 공작기계 제어모듈은상기 중단명령코드가 입력되면 상기 CNC 공작기계의 동작이 멈추도록 제어하는 것인 인공지능 기반의 CNC 공작기계의 공구 마모 예측 시스템.

제7항에 있어서상기 공구 마모 예측 장치는상기 CNC 공작기계 제어모듈로부터 모니터링 데이터를 입력받아 시간에 따라 저장하는 데이터 수집부와,상기 데이터 수집부에 시간에 따라 저장된 복수 개의 모니터링 데이터를 툴 카운터값을 기준으로 구분하여 동일한 툴 카운터값을 가지는 복수 개의 모니터링 데이터로 구성된 분할 데이터 세트를 생성하는 데이터 분할부와,상기 분할 데이터 세트에 포함된 복수 개의 모니터링 데이터 중 기설정된 제거코드와 대응되는 지코드를 포함하는 모니터링 데이터를 제거하며 시계열이 균일화된 균일 데이터 세트를 생성하는 시계열 균일화부와,기설정된 샘플링 레이트를 기준으로 상기 균일 데이터 세트에 포함된 각 센서에 대응되는 항목별 복수 개의 측정값을 리샘플링하여 항목별 상기 샘플링 레이트에 따른 개수의 측정값을 포함하는 리샘플링 데이터 세트를 생성하는 리샘플링부와,상기 리샘플링 데이터 세트에 포함된 값을 항목별로 최대-최소 정규화하며 정규화 데이터 세트를 생성하는 정규화부와,상기 정규화 데이터 세트를 시간에 따른 복수 개의 측정값들로 구성된 데이터 세트를 입력받아 공구 마모 여부를 예측하도록 미리 학습된 학습모델에 적용하여 공구의 마모 여부를 예측하는 공구 마모 예측부를 포함하는 것인 인공지능 기반의 CNC 공작기계의 공구 마모 예측 시스템.

제9항에 있어서,상기 리샘플링부는상기 분할 데이터 세트에 포함된 복수 개의 모니터링 데이터에 대응되는 복수 개의 시점 중 최선 시점과 최후 시점의 차이에 따른 공작시간과 기설정된 샘플링 레이트를 곱함에 따라 기준치를 산출하고, 상기 분할 데이터 세트에 포함된 모니터링 데이터의 개수가 상기 기준치를 초과하는지 비교하며, 상기 분할 데이터 세트에 포함된 모니터링 데이터의 개수가 상기 기준치를 초과하면, 상기 분할 데이터 세트에 포함된 각 센서에 대응되는 항목별 시간에 따른 복수 개의 측정값을 상기 기준치에 따른 개수만큼 선택하며 항목별 상기 기준치에 따른 개수만큼 선택된 측정값으로 포함하도록 다운샘플링된 리샘플링 데이터 세트를 생성하는 것인 인공지능 기반의 CNC 공작기계의 공구 마모 예측 시스템.