공장 자동화 시스템의 DeviceNet 토폴로지 구조가 점차 복잡해지고 산업 장비 및 공정의 신뢰성 요구가 엄격해지면서 네트워크 자체의 장애 진단 방법이 더욱 중요해졌다. DeviceNet 시스템에서는 간헐적 연결(IC) 오류가 발생하여 생산 성능에 심각한 영향을 미치거나 운영 안전을 저해할 수 있다. 하지만 기존의 DeviceNet IC 오류 진단 방법 - 특히 복잡한 토폴로지 네트워크에 대한 방법 -은 여러 오류 상황을 직접 다룰 수 없으며 종합적인 진단을 위해 인간의 개입이 필요하다. 본 논문에서는 복잡한 토폴로지 DeviceNet 네트워크에 대한, 시스템이 정상적으로 작동하는 상태에서 네트워크 내의 모든 IC 오류를 정확하고 효과적으로 식별할 수 있는 새로운 데이터 주도형 IC 오류 진단 방법을 제안한다. 먼저, IC 오류에 의해 중단된 데이터 프레임을 분석하여 관측 증상을 정의하고 관측 증상을 네트워크 토폴로지 정보와 통합하여 의심되는 IC 오류 면밀히 유도한다. 그 다음, 관측 증상의 수량 정보 및 의심되는 IC 오류와의 인과 관계를 활용하여 베이즈 추론 기반의 추정 방법을 제시하여 각 의심되는 IC 오류가 네트워크에서 발생할 사후 확률을 추정한다. 최종적으로, 최대 우도에 기반한 빠른 진단 알고리즘 개발로 다양한 복잡한 오류 상황에서 IC 오류 위치를 빠르게 식별한다. 실험 설치를 통해 다양한 네트워크 토폴로지와 오류 상황에서 사례 연구를 수행하여 제안된 방법의 효과성과 우위를 검증한다. 실험 결과는 본 논문에서 제시한 방법이 실험 설정과 일치하는 IC 오류 위치를 진단하였음을 보여준다.

DeviceNet; 현장 버스; 복잡한 토폴로지; 오류 진단; 간헐적 연결; 베이즈 추론