KR101347748B1 - 씨피에스에서의 자율 컴퓨팅 방법 및 장치 - Google Patents
씨피에스에서의 자율 컴퓨팅 방법 및 장치 Download PDFInfo
- Publication number
- KR101347748B1 KR101347748B1 KR1020110103248A KR20110103248A KR101347748B1 KR 101347748 B1 KR101347748 B1 KR 101347748B1 KR 1020110103248 A KR1020110103248 A KR 1020110103248A KR 20110103248 A KR20110103248 A KR 20110103248A KR 101347748 B1 KR101347748 B1 KR 101347748B1
- Authority
- KR
- South Korea
- Prior art keywords
- cps
- defect
- model
- policy
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000002567 autonomic effect Effects 0.000 title claims description 48
- 230000007547 defect Effects 0.000 claims abstract description 127
- 238000004458 analytical method Methods 0.000 claims abstract description 63
- 238000004891 communication Methods 0.000 claims abstract description 25
- 238000003745 diagnosis Methods 0.000 claims abstract description 21
- 238000013210 evaluation model Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 15
- 239000012636 effector Substances 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 4
- 230000007812 deficiency Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 16
- 230000002159 abnormal effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 230000006978 adaptation Effects 0.000 description 9
- 230000003044 adaptive effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000035876 healing Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012938 design process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 1
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008649 adaptation response Effects 0.000 description 1
- 210000003403 autonomic nervous system Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0766—Error or fault reporting or storing
- G06F11/0781—Error filtering or prioritizing based on a policy defined by the user or on a policy defined by a hardware/software module, e.g. according to a severity level
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
본 발명은 대상 CPS 요소와 연관된 분석 모델, 진단 모델, 정책 모델, 전략 모델 및 평가 모델이 저장되어 있는 지식 베이스; 상기 대상 CPS 요소와 통신하는 통신부; 및 상기 통신부를 통해 수신된 데이터와 상기 분석, 진단, 정책, 전략 및 평가 모델을 비교 분석하여 상기 대상 CPS 요소의 결함 발생 여부, 상기 결함과 연관된 정보, 상기 결함에 대한 대응 방안을 수립하여 적용하는 제어부를 포함하고 상기 제어부의 결함에 대한 분석 및 진단이 상기 분석 및 진단 모델을 기반으로 이루어지되 상기 분석 및 진단 모델은 상기 CPS 요소 각각의 목표값과 연관된 정보를 포함하는 자율 컴퓨팅 장치 및 방법에 대해 개시하고 있다.
Description
본 발명은 자율 컴퓨팅 방법 및 장치에 관한 것으로, 보다 상세하게는 사이버 물리 시스템의 자가 적응을 위해, 시스템 스스로 런타임에 시스템에 존재하는 결함을 찾고 이를 치유하여 시스템이 정상 상태로 동작하도록 유지시켜주는 자율 컴퓨팅 방법 및 장치에 관한 것이다.
사이버 물리 시스템(CPS, Cyber Physical System)은 현실 세계의 물리 시스템과 이를 제어하는 컴퓨팅 시스템으로 구성된다. 대부분의 사이버 물리 시스템은 고도로 분산화된 임베디드 시스템들을 기반으로 하나의 전체적인 시스템이 구축되어 사용자에게 명세화된 서비스를 제공한다. 현재 사이버 물리 시스템 기술은 우주 항공, 군사 및 원자력 발전과 같은 고신뢰성을 요구하는 분야에서 각광 받고 있다. 그러나 이러한 종류의 시스템은 개발 과정에서 사전에 예측하지 못했던 다양한 문제점들이 운용 환경에서 발생할 가능성이 존재한다. 이러한 문제점이 시스템 결함으로 연결되는 경우 막대한 피해가 발생할 수 있다. 따라서 운용중인 시스템 스스로 결함을 인식하고 치유할 수 있는 자율 제어 기술이 요구된다.
자율 컴퓨팅 기술은 인간의 자율 신경계의 특징을 컴퓨팅 시스템에 적용한 것을 의미한다. 자율 컴퓨팅 기술이 적용된 컴퓨팅 시스템은 시스템 스스로 환경 또는 내부 상태의 변화를 감지하고 자가 적응을 통해 관리자의 개입을 최소화한다. 이 기술은 IBM에서 시작하였으며 현재는 전 세계적으로 다양한 연구가 진행되고 있다. 현재까지 개발된 자가 치유를 위한 자율 컴퓨팅 기술의 경우 시스템 내에 발생 가능한 오류를 명세화하고 사전에 명세화된 오류가 발생한 경우에 자가 적응 정책 및 전략을 수행하는 방식으로 구현되었다. 그러나 이러한 방식으로 진행되는 연구 결과는 최근 그 수요가 급증하고 있는 군사 목적 시스템이나 우주 항공 시스템, 발전소 시스템 제어와 같은 고 신뢰 시스템 개발에는 적용할 수 없는 한계를 가지고 있다.
자율 컴퓨팅 기술을 고 신뢰 사이버 물리 시스템에 적용하기 위해서는 사전에 명세화 되지 않은 오류에 관하여 인식하고 이를 처리할 수 있는 방법으로 구현되어야 한다. 이를 위해서 자율 컴퓨팅 내부의 지식 베이스에 관한 명세화 및 이를 처리하기 위한 프로세스가 중요하다.
자율 컴퓨팅에 대해 보다 구체적으로 살펴보면, 자율 컴퓨팅은 자가 재구성, 자가 치유, 자가 보호, 자가 최적화의 네 가지 특징을 통해 운용 중 발생하는 다양한 변화에 효과적으로 대처한다. 자율 컴퓨팅 중 하나인 자가 치유(self-healing) 방법은 시스템에 결함이 발생하였을 때, 이를 인식하고 스스로 치유하여 시스템을 정상 상태로 되돌리는 기술이다. 이러한 자가 치유 기술은 MAPE 라고 불리는 네 가지 단계를 갖는다. 각 단계에 관해서 살펴보면 시스템의 상태를 수집하는 모니터링(Monitoring) 단계, 수집한 정보를 분석하는 분석(Analysis) 단계, 문제가 발생하였을 경우 치유 정책을 결정하는 계획(Plan) 단계, 마지막으로 치유 정책을 수행하는 실행(Execution)단계가 존재한다.
IBM 에서는 로그 기반 기술을 바탕으로 자가 치유 시스템을 제안하였다. 로그 기반 치유 기술은 IBM 시스템 군에서 생성된 로그를 사용하여 에러 발생시 사후 관리를 가능하게 하는 프로세스를 제공하고, 로그를 자료화하여 에러에 대한 분석을 가능하게 한다. 그러나 이러한 로그 기반 시스템의 경우, 새로운 유형의 로그가 발견되면, 로그를 해석할 수 있는 해석기를 구현해야 하는 어려움으로 인해 재사용에 문제를 야기한다. 복구 지향 컴퓨팅 (ROC, Recovery Oriented Computing)기술은 시스템의 동작 실패(Failure)는 반드시 발생한다는 것을 인정하고 이러한 문제의 발생을 최대한 지연시키는 것이 아니라 문제 발생 시 복구 시간을 줄이는데 중점을 두었다. Fox는 이러한 기술을 구현하기 위해 소프트웨어의 개발초기부터 하드웨어 오류나 소프트웨어 오류, 관리자에 의한 오류에 대한 복구 방안을 고려할 것을 주장하였다. 그러나 사이버 물리 시스템의 경우 시스템에서 발생하는 문제가 심각한 결과를 나타내기 때문에, 시스템 실패의 가능성이 있는 결함에 관하여 사전에 인식하고 이를 치유하는 기술이 필요하다.
David Garlan은 자가 적응하는 시스템으로 레인보우 프레임워크를 제안하였다. 레인보우 프레임워크는 프로브, 번역기, 게이지, 모델 관리자, 구조평가자, 적응 관리자, 전략 수행자, 이펙터(Effector)로 구성된다. 프로브들이 수집한 시스템 정보는 번역기를 지나면서 모델 관리자가 가지고 있는 모델에 적용될 수 있도록 변환되고, 게이지는 이 정보를 모델에 적용한다. 구조 평가자는 모델을 평가하여 시스템의 상태를 파악한다. 결함이 발생하면 적응 관리자에 의하여 적응 전략이 선택되고 전략 수행자가 이를 수행한다. 전략은 번역기를 지나면서 실제 시스템에 적용될 수 있도록 바뀌고 이펙터들이 이들을 실제 시스템에 적용하여 자가 적응이 이루어진다. 레인보우와 같은 자율 컴퓨팅 시스템들은 구현 단계에서부터 자가 적응이 이루어 진다. 따라서 설계 단계에서 결함 정보들을 미리 파악하여야 하는 어려움이 있다.
본 발명의 목적은 현재 시스템 상태를 인식하고 분석하여 직면한 문제를 인식하고, 감지된 문제를 해결하여 시스템이 정상적인 임무 수행이 가능하도록 지원해주는 씨피에스에서의 자율 컴퓨팅 방법 및 장치를 제공하는 것이다.
또한, 본 발명의 목적은 시스템 스스로 런타임 중에 시스템에 존재하는 결함을 찾고 이를 치유하는 동작을 수행하도록 설계하여 실행 중 발생하는 결함들을 치유하고 시스템을 정상 상태로 유지시켜주는 씨피에스에서의 자율 컴퓨팅 방법 및 장치를 제공하는 것이다.
상술한 문제점을 해결하기 위한 본 발명에 따른 자율 컴퓨팅 장치는 대상 CPS 요소와 연관된 분석 모델, 진단 모델, 정책 모델, 전략 모델 및 평가 모델이 저장되어 있는 지식 베이스; 상기 대상 CPS 요소와 통신하는 통신부; 및 상기 통신부를 통해 수신된 데이터와 상기 분석, 진단, 정책, 전략 및 평가 모델을 비교 분석하여 상기 대상 CPS 요소의 결함 발생 여부, 상기 결함과 연관된 정보, 상기 결함에 대한 대응 방안을 수립하여 적용하는 제어부를 포함하고, 상기 제어부의 결함에 대한 분석 및 진단이 상기 분석 및 진단 모델을 기반으로 이루어지되 상기 분석 및 진단 모델은 상기 CPS 요소 각각의 목표값과 연관된 정보를 포함할 수 있다.
상기 제어부는 상기 통신부를 통해 수신된 상기 CPS 요소 관련 데이터를 모니터링하는 모니터링 모듈, 상기 모니터링된 데이터를 상기 분석 모델과 비교 분석하여 상기 CPS 요소의 결함 존재 여부를 검출하는 분석 모듈, 상기 진단 모델을 기반으로 상기 검출된 CPS 요소의 결함의 원인을 진단하는 진단 모듈, 상기 정책 및 전략 모델을 기반으로 상기 진단된 CPS 요소의 결함에 대한 대응 방안을 수립하는 계획 모듈, 상기 수립된 대응방안을 상기 CPS 요소에 실행시키는 실행 모듈 및 상기 CPS 요소에 적용된 상기 대응방안에 대한 결과를 평가하는 평가 모듈을 포함할 수 있다.
상기 목표값 관련 정보는, 뿌리 노드는 상기 대상 CPS가 궁극적으로 달성해야할 목표 수치를 의미하도록 구성되고 가지 노드는 상기 궁극적으로 달성해야할 목표 수치를 달성하기 위한 세부적인 목표 수치를 의미하도록 계층적으로 구성된 트리 구조로 형성되어 있을 수 있다.
상기 분석 모듈은 상기 CPS 전체에 대한 목표값을 기반으로 상기 CPS 전체에 대한 결함 존재 여부를 분석하고, 상기 CPS 전체에 결함이 존재하는 경우, 상기 CPS 요소 각각에 대한 목표값을 기반으로 상기 목표값의 만족 레벨에 도달 여부를 통해 결함이 발생한 CPS 요소를 찾아내어 위반된 목표값 ID를 상기 진단 모듈로 전송할 수 있다.
상기 진단 모듈은 상기 위반된 목표값 ID를 기반으로 상기 진단 모델을 이용하여 상기 결함의 원인을 진단하여 상기 결함의 원인 ID를 상기 계획 모듈로 전송할 수 있다.
상기 진단 모델은 결함 모델을 포함하고, 상기 결함 모델은 상기 CPS 실패(failure)에 대한 원인을 신속하게 식별하기 위해 상기 CPS의 런타임 중에 이용될 수 있다.
상기 결함 모델은 적어도 하나의 결함 트리를 포함하고, 상기 결함 트리는 상기 목표값 관련 정보의 가지 노드의 위반 여부에 맵핑되도록 구성될 수 있다.
상기 계획 모듈은 상기 정책 모델로부터 상기 원인 ID와 연관된 정책들을 추출하고, 상기 추출된 정책들 중 가장 적절한 정책을 선택하여, 상기 선택된 정책의 정책 ID를 실행 모듈로 전송할 수 있다.
상기 정책 모델은 각 정책에 대한 가중치가 부여된 형태로 형성되어 있을 수 있다.
상기 정책 모델의 각 정책에 대한 가중치는 최초에는 미리 설정되어 있고, 상기 평가 모듈로부터의 피드백을 통해 런타임 중에 변형 가능할 수 있다.
상기 통신부는 센서를 이용하여 상기 CPS 요소를 모니터링하여 상기 제어부가 요청하는 상기 CPS 요소의 내부 상태 정보를 수신하고, 상기 CPS 요소의 오류를 탐지한 경우, 이펙터를 이용하여 상기 제어부로부터 받은 대응 방안을 실행시킬 수 있다.
상술한 문제점을 해결하기 위한 본 발명에 따른 자율 컴퓨팅 방법은 통신부를 통해 대상 CPS 요소의 내부 데이터를 수신하는 데이터 수신 단계; 지식 베이스로부터 상기 대상 CPS 요소와 연관된 분석 모델, 진단 모델, 정책 모델, 전략 모델 및 평가 모델을 수신하는 모델 수신 단계; 제어부가 상기 수신된 데이터와 상기 대상 CPS 요소와 연관된 분석 모델, 진단 모델, 정책 모델, 전략 모델 및 평가 모델을 비교 분석하여 상기 대상 CPS 요소의 결함 발생 여부, 상기 결함과 연관된 정보를 분석하고 상기 결함에 대한 대응 방안을 수립하여 적용하는 제어 단계를 포함하고, 상기 제어 단계에서, 상기 제어부의 결함에 대한 분석 및 진단이 상기 분석 및 진단 모델을 기반으로 이루어지되, 상기 분석 및 진단 모델은 상기 CPS 요소 각각의 목표값과 연관된 정보를 포함할 수 있다.
상기 제어 단계는 상기 통신부를 통해 수신된 상기 CPS 요소 관련 데이터를 모니터링하는 모니터링 단계; 상기 모니터링된 데이터를 상기 분석 모델과 비교 분석하여 상기 CPS 요소의 결함 발생 여부를 검출하는 분석 단계; 상기 진단 모델을 기반으로 상기 검출된 CPS 요소의 결함의 원인을 진단하는 진단 단계; 상기 정책 및 전략 모델을 기반으로 상기 진단된 CPS 요소의 결함에 대한 대응 방안을 수립하는 계획 단계; 상기 수립된 대응방안을 상기 CPS 요소에 실행시키는 실행 단계; 및 상기 CPS 요소에 적용된 상기 대응방안에 대한 결과를 평가하는 평가 단계를 포함할 수 있다.
상기 목표값 관련 정보는, 뿌리 노드가 상기 대상 CPS가 궁극적으로 달성해야할 목표 수치를 의미하도록 구성되고 가지 노드가 상기 궁극적으로 달성해야할 목표 수치를 달성하기 위한 세부적인 목표 수치를 의미하도록 계층적으로 구성된 트리 구조로 형성되어 있을 수 있다.
상기 분석 단계는 상기 CPS 전체에 대한 목표값을 기반으로 상기 CPS 전체에 대한 결함 존재 여부를 분석하는 단계, 및 상기 CPS 전체에 결함이 존재하는 경우, 상기 CPS 요소 각각에 대한 목표값을 기반으로 상기 목표값의 만족 레벨에 도달 여부를 통해 결함이 발생한 CPS 요소를 찾아내어 위반된 목표값 ID를 상기 진단 모듈로 전송하는 단계를 포함할 수 있다.
상기 진단 단계는 상기 위반된 목표값 ID를 기반으로 상기 진단 모델을 이용하여 상기 결함의 원인을 진단하여 상기 결함의 원인 ID를 상기 계획 모듈로 전송하는 단계를 포함할 수 있다.
상기 진단 모델은 결함 모델을 포함하고, 상기 결함 모델은 상기 CPS 실패(failure)에 대한 원인을 신속하게 식별하기 위해 상기 CPS의 런타임 중에 이용될 수 있다.
상기 결함 모델은 적어도 하나의 결함 트리를 포함하고, 상기 결함 트리는 상기 목표값 관련 정보의 가지 노드의 위반 여부에 맵핑되도록 구성될 수 있다.
상기 계획 단계는 상기 정책 모델로부터 상기 원인 ID와 연관된 정책들을 추출하고, 상기 추출된 정책들 중 가장 적절한 정책을 선택하여, 상기 선택된 정책의 정책 ID를 실행 모듈로 전송하는 단계를 포함할 수 있다.
상기 정책 모델은 각 정책에 대한 가중치가 부여된 형태로 형성되어 있을 수 있다.
상기 정책 모델의 각 정책에 대한 가중치는 최초에는 미리 설정되어 있고, 상기 평가 모듈로부터의 피드백을 통해 런타임 중에 변형 가능할 수 있다.
본 발명의 씨피에스에서의 자율 컴퓨팅 방법 및 장치에 따르면, 종래 자율 컴퓨팅 시스템에 비해 유연성 및 확장성이 뛰어난 효과가 있다. 시스템 요소 각각의 결함에 대한 자가 정응 정책을 매칭하여 다양한 상황을 해결하고, 각 결함과 그에 대처하는 정책들을 리스트로 명세화하여 관리하기 때문에 새롭게 정의되는 결함을 리스트에 추가함으로써 확장할 수 있다.
또한, 본 발명의 씨피에스에서의 자율 컴퓨팅 방법 및 장치에 따르면, 시스템이 정상 상태가 아닌 경우를 우선적으로 식별하기 때문에 알 수 없는 결함이 발생하여도 대응을 시도할 수 있고, 더욱이 고려하지 못한 결함을 명세화하여 이후 발생하는 같은 종류의 결함에 대처가 가능하기 때문에 사전에 인식하지 못한 다양한 상황에 대처할 수 있고 새로운 유형의 결함에도 시스템의 가용성을 확보할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치와 CPS 요소들의 전체적인 구조를 설명하기 위한 블록도,
도 2는 본 발명의 일 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치의 동작 프로세스를 설명하기 위한 블록도,
도 3은 본 발명의 다른 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치의 개발 프로세스를 나타낸 블록도,
도 4는 본 발명의 또 다른 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치를 로봇에 적용하였을 때의 동작을 설명하기 위한 블록도,
도 5는 도 4의 씨피에스에서의 자율 컴퓨팅 장치를 적용한 로봇의 분석 모델을 설명하기 위한 도면,
도 6은 본 발명의 또 다른 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치의 결함 모델을 포함하는 진단 모델을 나타낸 도면,
도 7은 본 발명의 일 실시예에 따른 씨피에스에서의 자율 컴퓨팅 방법을 개략적으로 나타낸 흐름도,
도 8은 본 발명의 일 실시예에 따른 씨피에스에서의 자율 컴퓨팅 방법의 제어 단계를 구체적으로 나타낸 상세흐름도,
도 9는 본 발명의 다른 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치를 적용한 로봇의 전투 실험을 나타낸 도면,
도 10은 본 발명의 다른 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치를 적용한 로봇과 적용하지 않은 로봇의 전투 실험 결과를 나타낸 표이다.
도 2는 본 발명의 일 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치의 동작 프로세스를 설명하기 위한 블록도,
도 3은 본 발명의 다른 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치의 개발 프로세스를 나타낸 블록도,
도 4는 본 발명의 또 다른 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치를 로봇에 적용하였을 때의 동작을 설명하기 위한 블록도,
도 5는 도 4의 씨피에스에서의 자율 컴퓨팅 장치를 적용한 로봇의 분석 모델을 설명하기 위한 도면,
도 6은 본 발명의 또 다른 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치의 결함 모델을 포함하는 진단 모델을 나타낸 도면,
도 7은 본 발명의 일 실시예에 따른 씨피에스에서의 자율 컴퓨팅 방법을 개략적으로 나타낸 흐름도,
도 8은 본 발명의 일 실시예에 따른 씨피에스에서의 자율 컴퓨팅 방법의 제어 단계를 구체적으로 나타낸 상세흐름도,
도 9는 본 발명의 다른 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치를 적용한 로봇의 전투 실험을 나타낸 도면,
도 10은 본 발명의 다른 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치를 적용한 로봇과 적용하지 않은 로봇의 전투 실험 결과를 나타낸 표이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제 1, 제 2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
도 1은 본 발명의 일 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치와 CPS 요소들의 전체적인 구조를 설명하기 위한 블록도이다. 도 1에 도시된 바와 같이, 본 발명의 자율 컴퓨팅 장치(100)는 모니터링 모듈(110), 분석 모듈(112), 진단 모듈(114), 계획 모듈(116), 실행 모듈(118) 및 평가 모듈(120)로 구성된 제어부(미도시)와 지식 베이스(122), 및 통신부(124)를 포함할 수 있다.
자율 컴퓨팅 장치(100)는 통신부(124)를 통해 CPS 요소들(140)과 통신할 수 있다. 자율 컴퓨팅 장치(100)의 통신부(124)는 CPS 요소들(140)에 적용되는 센서(126)와 이펙터(128)를 통해 CPS 요소들(140)로부터 데이터를 수신하고, 자율 컴퓨팅 장치(100)의 명령을 실행히킨다.
전체 CPS는 적어도 하나의 CPS 요소들(140)로 구성되어 있고, 각 구성요소들(140)은 하나의 자율 컴퓨팅 장치(100)에 의해 런타임 중에 제어될 수 있다. 자율 컴퓨팅 장치는 6개의 모듈, 지식 베이스(122) 및 통신부(124)로 구성될 수 있다. 각 모듈은 여러 모델을 포함하고 있는 지식 베이스를 참조한다. 또한, 모니터링 모듈(110)은 통신부(124)를 통해 CPS 요소들(140)에 적용된 센서(126) 및 이펙터(128)와 통신할 수 있다.
모니터링 모듈(110)은 자율 컴퓨팅 장치(100)와 CPS 요소들(140)간의 통신 채널이다. CPS 요소들(140) 내의 센서(126)는 모니터링 모듈(110)로 대상 시스템의 상태를 보고한다. 센서(126)로부터 전송된 데이터는 지식 베이스(122) 내의 모니터링 모델을 기반으로 해석되고 분석 모듈(112)로 보내진다. 시스템의 오퍼레이션 내에 삽입되어 현재 실행 중인 오퍼레인션을 인지하는 모니터링 방식을 사용할 수 있다. 이는 시스템 고르 기반 및 시간 기반 모니터링에 비해 경량화된 모너터링 방식으로 임베디드 시스템에 적용하는데 적합할 수 있다.
분석 모듈(112)은 모니터링 모듈(110)로부터 수신된 시스템 상태 정보를 가지고 시스템을 분석한다. 이때, 분석 모듈(112)은 지식 베이스(122)에 저장되어 있는 분석 모델을 이용한다. 분석 모델은 유틸리티(utility) 함수 및 상태 모델을 목표 모델들을 포함할 수 있다. 분석 모델은 분석을 위해 개발된다. 분석 모델을 결함 모델을 포함할 수 있다. 분석 모듈(112)은 시스템 상태 정보를 상기 유틸리티 함수 및 상태 모델을 포함하는 목표 모델과 비교 분석하여 대상 시스템의 결함을 검출할 수 있다. 이때, 비정상 상태는 목표 모델에 정해진 목표값의 임계값을 고정적으로 설정하여 상태 정보가 상기 고정적인 임계값에 도달하지 못한다면, 결함으로 결정하는 방법이 있을 수 있고, 시스템의 상태에 따라 목표값의 임계값을 적응적으로 적용하여 결함 상태를 검출할 수도 있다. 이때 분석 결과를 통해 시스템의 정상/비정상 상태를 파악하기 위해 명세화된 지식을 활용할 수 있다. 시스템의 정상/이상 상태의 기준을 정의하기 위해 constraint에 필요한 지식을 명세화할 수 있다. 따라서, 결함 모델의 재구성이나 분석 모듈(112)의 재사용, 업데이트 등에 용이하다. 대상 시스템의 비정상 상태가 검출된다면, 진단을 위해 필요한 정보는 진단 모듈(114)로 보내진다.
진단 모듈(114)은 비정상 상태의 원인을 일으키는 결함의 위치를 찾아낸다. 진단 모델은 결함 모델을 포함할 수 있다. 진단 모델은 시스템 결함을 식별하기 위해 사용될 수 있다. 진단 모듈(114)에서 발견된 결함 정보는 계획 모듈(116)로 보내진다.
계획 모듈(116)은 비정상적인 상태를 해결하기 위해 자가 적응 정책을 결정할 수 있는 모듈이다. 여기서 결함 모델과 정책 모델의 연계를 통해 전략 모델을 파악하여 적함한 치유 전략을 수립한다. 진단 결과에 따라서 신속한 적응 계획 수립이 가능하고, 결함 모델을 사용하기 때문에 적응 정책의 변경 및 업데이터가 용이하다. 계획 모듈(116)은 정책 모델을 사용함으로써 적용되는 대응방안을 결정한다. 진단 모듈(114)로부터 수신된 결함 정보는 정책 모델 내에서 적합한 정책들을 추출하는데 사용된다. 계획 모듈(116)은 추출된 정책들 중 가장 적합한 정책을 선택하고 선택된 정책의 실행 순서를 결정한다.
실행 모듈(118)은 CPS 요소들(140) 내의 이팩터(128)들로 적응 대응 방안을 학당함으로써 선택된 정책 내에 포함된 대응방안을 실행시킨다.
평가 모듈(120)은 대응 방안이 성공적인지 체크하고 지식 베이스(122) 내에 상기 대응방안에 대한 결과를 저장시킨다. 누적된 대응방안에 대한 결과들은 피드백을 위해 사용될 수 있다.
지식 베이스(122)는 모듈들(110, 112, 114, 116, 118, 120)로 여러 모델들을 제공하고, 적응 대응방안에 대한 결과를 저장한다. 설계 중에 개발자들에 의해 생성된 여러 모델들은 실행중에 자율 컴퓨팅 장치(100)에 의해 유지될 수 있다.
통신부(124)는 스레드 풀링 기법(thread pooling technique)을 사용하여 대상 CPS와 자율 컴퓨팅 장치(100) 사이의 통신 오버헤드를 감소시킨다. 또한 센서를 통해 CPS 요소들(140)을 모니터링하여 제어부가 요청하는 CPS 요소의 내부 상태 정보를 제어부로 전달하고, CPS 요소의 오류를 탐지한 경우, 이펙터(128)를 통해 제어부로부터 받은 대응 방안을 실행시킬 수 있다.
CPS 내의 센서(126)는 현재 시스템 상태 정보를 수집하고, 통신부를 통해 모니터링 모듈(110)로 상태 정보를 보고한다. 이펙터(128)는 시스템 결함이 탐지되었을 때 실행 모듈(118)에 의해 할당된 적응 대응방안을 수행한다.
도 2는 본 발명의 일 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치의 동작 프로세스를 설명하기 위한 블록도이다. 도 2에 도시된 바와 같이, CPS 요소(250)와 자율 컴퓨팅 장치(200)는 연동하여 CPS 내의 결함을 검출하고 그에 대한 대응방안을 수립 적용할 수 있다.
시스템을 시스템 실패 및 환경 변화에 적응시키기 위해 시스템은 시스템 상태 및 환경을 감지하고 적합한 대응 방안을 수립한다. CPS 요소 내에 삽입된 센서(252)는 CPS 요소(250)의 상태 정보를 수집하여 이를 통신부(240)를 통해 모니터링 모듈(210)에 전송한다. 이때, 상태 정보 수집은 주기적으로 실행될 수 있다. 정확한 시스템 상태 정보를 효율적으로 획득하기 위해, 분석 모듈(212)은 모니터링 모듈(210)을 통해 시스템 정보를 분석하는데 필요한 정보를 포함하는 리스트를 제공할 수 있다. 모니터링 모듈(210)은 센서(252)로부터 상태 정보 데이터를 수신하여 분석 모듈(212)로 전송한다.
시스템 상태 정보를 획득하고 나면, 분석 모듈(212)은 대상 시스템의 고유의 프로세스를 실행하는 동안 시스템 목표를 만족하는지에 대해 분석을 수행하기 시작한다. 전술한 바와 같이, 유틸리티 함수 및 상태 모델을 갖는 목표 모델을 포함하는 분석 모델은 목표 만족 레벨을 결정하는데 사용될 수 있다. 다른 접근법과 달리, 본 발명의 장치는 모니터링 및 분석의 오버헤드를 줄이기 위해 분석 모듈(212)에서 단지 목표 위반만을 확인한다. 목표 위반이 검출되지 않으면, 대상 시스템은 대응 프로세스를 종료하고 그것의 본래 고유한 프로세스를 계속 진행한다. 목표 위반이 검출되는 경우, 분석 모듈(212)은 위반된 목표 ID를 진단 모듈(214)로 전송한다.
진단 모듈(214)은 결함 모델을 포함하는 진단 모델을 사용하여 결함의 원인을 찾아낸다. 종래 결함 모델은 설계 과정에서만 사용되었다. 그러나 본 발명의 결함 모델은 시스템 실패에 대한 원인을 규명하기 위해 실행중에 사용될 수 있다. 결함 모델을 사용하여 원인을 찾아내기 위해 추가적인 시스템 상태 정보가 모니터링 모듈(210)을 통해 센서(252)에 의해 수집될 수 있다. 결함 원인이 식별된 후에, 원인 ID는 계획 모듈(216)로 전송된다.
계획 모듈(216)은 원인 ID를 수신하고 지식 베이스(230) 내에서 원인 ID와 관련된 정책들을 추출한다. 추출된 정책들 중에 가장 적합한 정책을 선택하기 위해 계획 모듈은 정책 모델을 사용한다. 정책 모델은 정책 가중치 테이블에 의해 표현된다. 각 정책의 초기 가중치는 설계 과정에서 개발자들에 의해 할당되나, 평가 모듈(220)로부터의 피드백을 통해 실행중에 변형될 수 있다. 계획 모듈(216)은 가장 높은 값을 갖는 정책을 선택하고 정책 ID를 실행 모듈로 전송한다.
실행 모듈(218)은 계획 모듈(216)로부터 수신된 정책 ID와 관련된 실행 ID를 추출하고 실행 ID와 관련된 적응 대응방안을 실행시키기 위해 CPS 요소(250) 내의 이펙터(254)에 명령을 전달한다.
이펙터(254)는 실행 ID와 연관된 대응방안 코드를 실행시킨다. CPS 내의 대응방안 코드는 설계 과정 또는 실행 중에 삽입될 수 있다. 실행되어질 대응방안 코드가 이펙터 내에 존재하지 않는다면, 이펙터는 실행 모듈(218)에 코드를 요구한다. 요구한 후에 실행 모듈(218)은 지식 베이스(230) 내의 코드를 수집하여 이펙터로 전송한다.
대응방안 프로세스가 종료되면, 평가 모듈(220)은 대응방안 결과를 수집한다. 결과는 정책 ID, 대응 방안 ID, 상대적인 목표 만족의 수준을 포함할 수 있다. 이러한 값들은 지식 베이스(230) 내에 저장되고 계획 모듈(216)이 피드백을 통한 정책들의 가중치를 변형시키는데 사용될 수 있다.
도 3은 본 발명의 다른 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치의 개발 프로세스를 나타낸 블록도이다. 도 3에 도시된 바와 같이, 적응 정책을 생성하기 위해 적응 정책 생성 프로세스(300)는 목표 그래프 디자인(310), 결함 모델 디자인(320), 목표 및 결함 모델 매칭(330), 적응 전략 생성(340)을 포함하고, 상기 정책을 실행(350)하는 프로세스는 모니터링 코드 개발 및 삽입(360), 및 적응 코드 개발 및 삽입(370) 과정을 포함할 수 있다.
과도한 노력 없이 자율적인 CPS를 개발하기 위해, 목표 그래프(315) 편집 툴(tool), 결합 트리 편집 툴, 모니터링 및 적응 템플릿 코드 생성기를 포함하는 자동 셜계 툴을 사용할 수 있다.
먼저, 개발자들은 목표 그래프(315) 편집 툴을 가지고 목표 모델을 생성한다(310). 목표 그래프(315)는 트리 구조로 형성될 수 있다. 목표 그래프(315)의 뿌리 노드는 대상 시스템이 최종적으로 달성해야만 하는 시스템 근본 목표를 의미한다. 목표 그래프(315)의 잎새 노드는 다른 목표들로 분리되지 않는 원자적인 목표를 의미한다. 잎새 목표들은 대상 CPS의 원자 함수에 맵핑된다.
일반적으로, 목표 모델은 요구사항 분석 단계에서 완성된다. 그러나, 본 발명에 따르면, 목표 그래프(315)는 대상 CPS의 전체 개방 프로세스를 통해 변형될 수 있다. 목표 모델이 고정되면, 결함 모델(325)을 작성할 수 있다(320). 결함 모델(325)은 몇몇 결함 트리들로 구성된다. 각 결함 트리의 뿌리 노드는 목표 그래프(315)의 입패 목표의 위반과 매핑된다(330).
이후, 정책 테이블을 생성하고 각 결함의 가능성들을 분석한 후에 가중치를 할당한다(340). 적응 대응 방안들은 각 정책에 매핑된다. 적응 대응방안들은 필요에 따라 복사될 수 있다.
모니터링 코드와 적응 코드은 이전 단계에서 생성된 템플릿 코드들(342, 344)을 채움으로써 생성된다(360, 370). 생성된 코드들은 전체 시스템을 완성하기 위해 시스템 코드와 함께 편집될 수 있다(380).
도 4는 본 발명의 또 다른 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치를 로봇에 적용하였을 때의 동작을 설명하기 위한 블록도이다. 도 4에 도시된 바와 같이, 로봇은 시작 동작, 대기 동작, 및 종료 동작을 수행할 수 있다. 로봇이 고유의 프로세스를 시작한 후, 종료하기까지의 시간을 대기 상태로 정의한다. 대기 상태 동안에는 로봇의 배터리 양에 따라 재충전하는 동작을 수행할 수 있고, 이동을 수행할 수도 있다. 이동 중에는 장애물이 존재하는 경우에 장애물을 회피하는 동작을 수행할 수 있다. 또한, 기온, 습도와 같은 주위 정보를 보고하는 동작을 수행할 수 있다. 사진 촬영과 같은 동작의 수행도 가능하다. 상기와 같은 기능을 수행할 수 있는 대기 상태에서, 로봇은 예컨데, 로봇이 따라가는 경로 상의 장애물이 존재하는 등의 정상적이지 않은 환경으로 인해 상기 기능을 달성하지 못하는 상황이 발생할 수 있다.
도 5는 도 4의 씨피에스에서의 자율 컴퓨팅 장치를 적용한 로봇의 분석 모델을 설명하기 위한 도면이다. 상기와 같이, 로봇이 정상적이지 않은 상황에 봉착했을 때, 상태 모델과 목표 모델을 포함하는 분석 모델을 사용할 수 있다. 도 5는 분석 모델을 상세히 표현하고 있다. 뿌리 노드이 로봇이 있고, 1차 가지 노드로는 이동, 사진 촬영, 환경 정보 보고 및 배터리 레벨 유지가 존재한다. 1차 가지 노드에서 파생되는 2차 가지 노드로는 이동에서는 운전, 장애물 회피가 존재하고, 사진 촬영에는 카메라 회전, 기록이 존재하며, 환경 정보 보고에는 기온 정보 수집 및 습도 전보 수집이 있고, 배터리 레벨 유지에는 상태 체크 및 배터리 재충전이 존재한다. 이렇게 각 노드들마다 목표값이 매핑이 되어 있고 목표값과 센서로부터 수신된 실제 CPS 요소의 상태 정보를 비교하여 결함 발생 여부를 파악할 수 있다.
각 상태에 대해서는 잎새 목표들이 매핑되어 있다. 이러한 매핑 정보는 지식 베이스에 저장되어 있다. 로봇이 비정상 상태에서 시스템 목표를 달성하지 못해 결함의 존재를 인식하게 되면, 결함 트리의 각 노드는 근본 원인을 찾기 위해 소정 정보를 필요로 하고, 따라서, 이러한 정보를 모니터링 모듈로 매핑시킨다. 그리고는 정책 모델을 생성하고, 가중치를 할당한다. 최종적으로, 모든 모델들이 준비되면, 템플릿 코드를 채우고 시스템 프로세스 코드를 실행시킴으로써 로봇을 완성할 수 있다.
도 6은 본 발명의 또 다른 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치의 결함 모델을 포함하는 진단 모델을 나타낸 도면이다. 도 6에 도시된 바와 같이, 진단 모델은 결함 모델을 기반으로 구성되어 있기 때문에 역시 트리 구조를 가지고 계층적으로 결함의 원인을 진단할 수 있다. 도 6에는 휠1 및 휠2의 동작의 결함의 원인을 파악하는 진단 모델이 표현되어 있다.
원인 파악을 위한 동작의 경우는 정상 환경과 비정상 환경의 경우가 존재한다. 정상 환경은 모니터링 및 분석에서 필연적으로 발생하는 오버헤드를 측정하는데 중점을 두었다. 본 발명의 자율 컴퓨팅 장치는 시스템이 정상인 경우에는 보다 적은 정보를 필요로 하기 때문에 정상 환경인지 여부를 파악하여 많은 정보를 통한 오버헤드를 줄일 수 있다. 시스템 상태가 정상이라고 결정되면, 진단은 필요하지 않게 된다.
비정상 환경은 시스템의 그것의 고유의 프로세스 동안 시스템의 환경이 변화된 것을 의미한다. 이러한 변화는 시스템 목표를 달성을 저해하는 요인이 될 수 있다. 로봇이 경로 상의 장애물에 의해 막혔을 때, 정해진 시간 내에 도착하지 못하는 목표 위반이 분석 모듈을 통해 검출될 수 있다. 결함 원인을 찾아낸 후에 대응 방안을 수행하여 로봇은 새로운 경로를 찾을 수 있고 그것을 통해 이동할 수 있다.
이하, 자율 컴퓨팅 방법에 관한 논의가 이어진다. 자율 컴퓨팅 방법에 대한 설명 중 자율 컴퓨팅 장치에서의 설명과 중복되는 설명은 생략하도록 한다.
도 7은 본 발명의 일 실시예에 따른 씨피에스에서의 자율 컴퓨팅 방법을 개략적으로 나타낸 흐름도이다. 도 7에 도시된 바와 같이, 본 발명에 따른 자율 컴퓨팅 방법은 통신부를 통해 대상 CPS 요소의 내부 데이터를 수신하는 단계(710), 지식 베이스로부터 분석, 진단, 정책 , 전략 및 평가 모델을 수신하는 단계(720) 및 수신된 데이터와 분석, 진단, 정책, 전략 및 평가 모델을 비교 분석하여 CPS 요소의 결함 관련 정보 및 대응방안을 수립하고 적용하는 단계(730)를 포함할 수 있다.여기서 결함에 대한 분석 및 진단이 분석 및 진단 모델을 기반으로 이루어지는데, 분석 및 진단 모델은 CPS 요소 각각의 목표값과 연관된 정보를 포함하고 있을 수 있다.
도 8은 본 발명의 일 실시예에 따른 씨피에스에서의 자율 컴퓨팅 방법의 제어 단계를 구체적으로 나타낸 상세흐름도이다. 도 8에 도시된 바와 같이, 본 발명에 따른 자율 컴퓨팅 방법의 제어 단계는 통신부를 통해 수신된 CPS 관련 데이터를 모니터링하는 단계(810), 모니터링된 데이터를 분석 모델과 비교 분석하여 CPS 요소의 결함을 검출하는 단계(820), 진단 모델을 기반으로 CPS 요소의 결함을 진단하는 단계(830), 정책 및 전략 모델을 기반으로 CPS 요소의 결함에 대한 대응방안을 수립하는 단계(840), 상기 대응 방안을 CPS 요소에 실행시키는 단계(850) 및 상기 대응 방안에 대한 결과를 평가하는 단계(860)를 포함할 수 있다.
목표값 관련 정보는 뿌리 노드가 대상 CPS가 궁극적으로 달성해야할 목표 수치를 의미하도록 구성되고 가지 노드가 궁극적으로 달성해야할 목표 수치를 달성하기 위한 세부적인 목표 수치를 의미하도록 계층적으로 구성된 트리 구조로 형성될 수 있다.
분석 단계(820)는 CPS 전체에 대한 목표값을 기반으로 CPS 전체에 대한 결함 존재 여부를 분석하는 단계 및 CPS 전체에 결함이 존재하는 경우, CPS 요소 각각에 대한 목표값을 기반으로 목표값의 만족 레벨에 도달 여부를 통해 결함이 발생한 CPS 요소를 찾아내어 위반된 목표값 ID를 진단 모듈로 전송하는 단계를 포함한다.
진단 단계(830)는 위반된 목표값 ID를 기반으로 진단 모델을 이용하여 결함의 원인을 진단하여 결함의 원인 ID를 계획 모듈로 전송하는 단계를 포함할 수 있다. 진단 모델은 결함 모델을 포함할 수 있다. 결함 모델은 CPS 실패(failure)에 대한 원인을 신속하게 식별하기 위해 CPS의 런타임 중에 이용될 수 있다. 또한, 결함 모델은 적어도 하나의 결함 트리를 포함하고, 결함 트리는 목표값 관련 정보의 가지 노드의 위반 여부에 맵핑되도록 구성될 수 있다.
계획 단계(840)는 정책 모델로부터 원인 ID와 연관된 정책들을 추출하고, 추출된 정책들 중 가장 적절한 정책을 선택하여, 선택된 정책의 정책 ID를 실행 모듈로 전송하는 단계를 포함한다. 정책 모델은 각 정책에 대한 가중치가 부여된 형태로 형성되어 있고, 정책 모델의 각 정책에 대한 가중치는 최초에는 미리 설정되어 있고, 평가 모듈로부터의 피드백을 통해 런타임 중에 변형이 가능하다.
도 9는 본 발명의 다른 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치를 적용한 로봇의 전투 실험을 나타낸 도면이다. 이는 로봇 코드에서 동일한 로봇 5대를 하나의 팀으로 하여 2개의 팀을 준비하여 로보 코드의 규칙에 따라 어느 한 팀의 로봇이 모두 파괴될 때까지 지속하여 실행하였다. 도 9에 도시된 바와 같이, 전투시 개별 로봇들은 특정 확률로 레이터 불능, 이동 불능 상태에 놓이게 된다. 이러한 경우, 자율 컴퓨팅 장치는 로봇의 불능 상태를 모니터링하여 문제 발생을 빠르게 감지할 수 있고, 이에 따라 치유 정책을 수행하여 치유하게 된다.
도 10은 본 발명의 다른 실시예에 따른 씨피에스에서의 자율 컴퓨팅 장치를 적용한 로봇과 적용하지 않은 로봇의 전투 실험 결과를 나타낸 표이다. 도 10에 도시된 바와 같이, 자율 컴퓨팅 장치(ACE)를 갖는 로봇 팀이 자율 컴퓨팅 장치를 적용하지 않았을 때보다 적용한 후에 승률이 약 20% 가량 증가함을 알 수 있다.
이상 도면 및 실시예를 참조하여 설명하였지만, 본 발명의 보호범위가 상기 도면 또는 실시예에 의해 한정되는 것을 의미하지는 않으며 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
Claims (21)
- 대상 CPS 요소와 연관된 분석 모델, 진단 모델, 정책 모델, 전략 모델 및 평가 모델이 저장되어 있는 지식 베이스;
상기 대상 CPS 요소와 통신하는 통신부; 및
상기 통신부를 통해 수신된 데이터와 상기 분석, 진단, 정책, 전략 및 평가 모델을 비교 분석하여 상기 대상 CPS 요소의 결함 발생 여부, 상기 결함과 연관된 정보, 상기 결함에 대한 대응 방안을 수립하여 적용하는 제어부를 포함하고,
상기 제어부의 결함에 대한 분석 및 진단이 상기 분석 및 진단 모델을 기반으로 이루어지되 상기 분석 및 진단 모델은 상기 CPS 요소 각각의 목표값과 연관된 정보를 포함하며,
상기 대상 CPS 요소의 결함에 대한 정책을 제공하기 위한 정책 모델은 각 정책에 대해 결함 극복 가능성을 분석하여 생성된 가중치가 부여된 형태로 형성되고, 상기 각 정책에 대한 가중치는 각 정책에 매핑되는 대응방안의 적용 결과로서, 상기 결함 극복을 위해 적용되는 정책 ID, 대응 방안 ID 및 상대적인 목표 만족의 수준 정도에 대한 피드백을 통해 런타임 중에 변형되는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 장치.
- 제 1 항에 있어서, 상기 제어부는
상기 통신부를 통해 수신된 상기 CPS 요소 관련 데이터를 모니터링하는 모니터링 모듈, 상기 모니터링된 데이터를 상기 분석 모델과 비교 분석하여 상기 CPS 요소의 결함 존재 여부를 검출하는 분석 모듈, 상기 진단 모델을 기반으로 상기 검출된 CPS 요소의 결함의 원인을 진단하는 진단 모듈, 상기 정책 및 전략 모델을 기반으로 상기 진단된 CPS 요소의 결함에 대한 대응 방안을 수립하는 계획 모듈, 상기 수립된 대응방안을 상기 CPS 요소에 실행시키는 실행 모듈 및 상기 CPS 요소에 적용된 상기 대응방안에 대한 결과를 평가하는 평가 모듈을 포함하는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 장치.
- 제 2 항에 있어서,
상기 목표값 관련 정보는, 뿌리 노드가 상기 대상 CPS가 궁극적으로 달성해야할 목표 수치를 의미하도록 구성되고 가지 노드가 상기 궁극적으로 달성해야할 목표 수치를 달성하기 위한 세부적인 목표 수치를 의미하도록 계층적으로 구성된 트리 구조로 형성되어 있는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 장치.
- 제 2 항에 있어서, 상기 분석 모듈은
상기 CPS 전체에 대한 목표값을 기반으로 상기 CPS 전체에 대한 결함 존재 여부를 분석하고,
상기 CPS 전체에 결함이 존재하는 경우, 상기 CPS 요소 각각에 대한 목표값을 기반으로 상기 목표값의 만족 레벨에 도달 여부를 통해 결함이 발생한 CPS 요소를 찾아내어 위반된 목표값 ID를 상기 진단 모듈로 전송하는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 장치.
- 제 4 항에 있어서, 상기 진단 모듈은
상기 위반된 목표값 ID를 기반으로 상기 진단 모델을 이용하여 상기 결함의 원인을 진단하여 상기 결함의 원인 ID를 상기 계획 모듈로 전송하는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 장치.
- 제 5 항에 있어서,
상기 진단 모델은 결함 모델을 포함하고, 상기 결함 모델은 상기 CPS 실패(failure)에 대한 원인을 신속하게 식별하기 위해 상기 CPS의 런타임 중에 이용될 수 있는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 장치.
- 제 6 항에 있어서,
상기 결함 모델은 적어도 하나의 결함 트리를 포함하고, 상기 결함 트리는 상기 목표값 관련 정보의 가지 노드의 위반 여부에 맵핑되도록 구성되는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 장치.
- 제 5 항에 있어서, 상기 계획 모듈은
상기 정책 모델로부터 상기 원인 ID와 연관된 정책들을 추출하고, 상기 추출된 정책들 중 가장 높은 가중치를 갖는 정책을 선택하여, 상기 선택된 정책의 정책 ID를 실행 모듈로 전송하는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 장치.
- 삭제
- 삭제
- 제 1 항에 있어서, 상기 통신부는
센서를 이용하여 상기 CPS 요소를 모니터링하여 상기 제어부가 요청하는 상기 CPS 요소의 내부 상태 정보를 수신하고, 상기 CPS 요소의 오류를 탐지한 경우, 이펙터를 이용하여 상기 제어부로부터 받은 대응 방안을 실행시키는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 장치.
- 통신부를 통해 대상 CPS 요소의 내부 데이터를 수신하는 데이터 수신 단계;
지식 베이스로부터 상기 대상 CPS 요소와 연관된 분석 모델, 진단 모델, 정책 모델, 전략 모델 및 평가 모델을 수신하는 모델 수신 단계;
제어부가 상기 수신된 데이터와 상기 대상 CPS 요소와 연관된 분석 모델, 진단 모델, 정책 모델, 전략 모델 및 평가 모델을 비교 분석하여 상기 대상 CPS 요소의 결함 발생 여부, 상기 결함과 연관된 정보를 분석하고 상기 결함에 대한 대응 방안을 수립하여 적용하는 제어 단계를 포함하고,
상기 제어 단계에서, 상기 제어부의 결함에 대한 분석 및 진단이 상기 분석 및 진단 모델을 기반으로 이루어지되, 상기 분석 및 진단 모델은 상기 CPS 요소 각각의 목표값과 연관된 정보를 포함하며,
상기 대상 CPS 요소의 결함에 대한 정책을 제공하기 위한 정책 모델은 각 정책에 대해 결함 극복 가능성을 분석하여 생성된 가중치가 부여된 형태로 형성되고, 상기 각 정책에 대한 가중치는 각 정책에 매핑되는 대응방안의 적용 결과로서, 상기 결함 극복을 위해 적용되는 정책 ID, 대응 방안 ID 및 상대적인 목표 만족의 수준 정도에 대한 피드백을 통해 런타임 중에 변형되는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 방법.
- 제 12 항에 있어서, 상기 제어 단계는
상기 통신부를 통해 수신된 상기 CPS 요소 관련 데이터를 모니터링하는 모니터링 단계;
상기 모니터링된 데이터를 상기 분석 모델과 비교 분석하여 상기 CPS 요소의 결함 발생 여부를 검출하는 분석 단계;
상기 진단 모델을 기반으로 상기 검출된 CPS 요소의 결함의 원인을 진단하는 진단 단계;
상기 정책 및 전략 모델을 기반으로 상기 진단된 CPS 요소의 결함에 대한 대응 방안을 수립하는 계획 단계;
상기 수립된 대응방안을 상기 CPS 요소에 실행시키는 실행 단계; 및
상기 CPS 요소에 적용된 상기 대응방안에 대한 결과를 평가하는 평가 단계를 포함하는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 방법.
- 제 13 항에 있어서,
상기 목표값 관련 정보는, 뿌리 노드가 상기 대상 CPS가 궁극적으로 달성해야할 목표 수치를 의미하도록 구성되고 가지 노드가 상기 궁극적으로 달성해야할 목표 수치를 달성하기 위한 세부적인 목표 수치를 의미하도록 계층적으로 구성된 트리 구조로 형성되어 있는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 방법.
- 제 13 항에 있어서, 상기 분석 단계는
상기 CPS 전체에 대한 목표값을 기반으로 상기 CPS 전체에 대한 결함 존재 여부를 분석하는 단계, 및
상기 CPS 전체에 결함이 존재하는 경우, 상기 CPS 요소 각각에 대한 목표값을 기반으로 상기 목표값의 만족 레벨에 도달 여부를 통해 결함이 발생한 CPS 요소를 찾아내어 위반된 목표값 ID를 상기 진단 모듈로 전송하는 단계를 포함하는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 방법.
- 제 15 항에 있어서, 상기 진단 단계는
상기 위반된 목표값 ID를 기반으로 상기 진단 모델을 이용하여 상기 결함의 원인을 진단하여 상기 결함의 원인 ID를 상기 계획 모듈로 전송하는 단계를 포함하는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 방법.
- 제 16 항에 있어서,
상기 진단 모델은 결함 모델을 포함하고, 상기 결함 모델은 상기 CPS 실패(failure)에 대한 원인을 신속하게 식별하기 위해 상기 CPS의 런타임 중에 이용될 수 있는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 방법.
- 제 17 항에 있어서,
상기 결함 모델은 적어도 하나의 결함 트리를 포함하고, 상기 결함 트리는 상기 목표값 관련 정보의 가지 노드의 위반 여부에 맵핑되도록 구성되는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 방법.
- 제 17 항에 있어서, 상기 계획 단계는
상기 정책 모델로부터 상기 원인 ID와 연관된 정책들을 추출하고, 상기 추출된 정책들 중 가장 높은 가중치를 갖는 정책을 선택하여, 상기 선택된 정책의 정책 ID를 실행 모듈로 전송하는 단계를 포함하는 것을 특징으로 하는 씨피에스에서의 자율 컴퓨팅 방법.
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110103248A KR101347748B1 (ko) | 2011-10-10 | 2011-10-10 | 씨피에스에서의 자율 컴퓨팅 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110103248A KR101347748B1 (ko) | 2011-10-10 | 2011-10-10 | 씨피에스에서의 자율 컴퓨팅 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20130038732A KR20130038732A (ko) | 2013-04-18 |
| KR101347748B1 true KR101347748B1 (ko) | 2014-01-06 |
Family
ID=48439199
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020110103248A Expired - Fee Related KR101347748B1 (ko) | 2011-10-10 | 2011-10-10 | 씨피에스에서의 자율 컴퓨팅 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101347748B1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106489102A (zh) * | 2014-07-07 | 2017-03-08 | 西门子公司 | 信息物理系统中的电部件的运行 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050037606A (ko) * | 2002-09-20 | 2005-04-22 | 인터내셔널 비지네스 머신즈 코포레이션 | 컴퓨터 기반 방법, 컴퓨터 프로그램 제품 및 데이터 처리시스템 |
| KR20080086296A (ko) * | 2007-03-22 | 2008-09-25 | 성균관대학교산학협력단 | 멀티 에이전트 기반의 자가 치유 시스템 및 그 방법 |
| KR20110067418A (ko) * | 2009-12-14 | 2011-06-22 | 한국전자통신연구원 | 자가치유 시스템의 모니터링 및 치유성능 평가를 위한 시스템 및 방법 |
-
2011
- 2011-10-10 KR KR1020110103248A patent/KR101347748B1/ko not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050037606A (ko) * | 2002-09-20 | 2005-04-22 | 인터내셔널 비지네스 머신즈 코포레이션 | 컴퓨터 기반 방법, 컴퓨터 프로그램 제품 및 데이터 처리시스템 |
| KR20080086296A (ko) * | 2007-03-22 | 2008-09-25 | 성균관대학교산학협력단 | 멀티 에이전트 기반의 자가 치유 시스템 및 그 방법 |
| KR20110067418A (ko) * | 2009-12-14 | 2011-06-22 | 한국전자통신연구원 | 자가치유 시스템의 모니터링 및 치유성능 평가를 위한 시스템 및 방법 |
Non-Patent Citations (1)
| Title |
|---|
| 논문:ICACT 2010 * |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20130038732A (ko) | 2013-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117474357B (zh) | 基于深度学习的配电房运维管理方法及系统 | |
| Lou et al. | Software analytics for incident management of online services: An experience report | |
| US20230156026A1 (en) | System and method of automatizing a threat analysis based on artificial intelligence | |
| JP2019185422A (ja) | 故障予知方法、故障予知装置および故障予知プログラム | |
| Schmerl et al. | Challenges in composing and decomposing assurances for self-adaptive systems | |
| CN111176783A (zh) | 容器治理平台的高可用方法、装置及电子设备 | |
| KR20140036375A (ko) | 철도시스템의 지능형 고장자산관리시스템 | |
| CN109240851A (zh) | 一种自主式实现批量bmc自恢复的方法及系统 | |
| KR102730284B1 (ko) | 철도 신호 및 안전 관리를 위한 분산형 블록체인 네트워크 시스템 및 이를 이용한 방법 | |
| CN117092918A (zh) | 一种基于云边协同的燃气传感智能控制方法 | |
| CN117289681A (zh) | 一种面向智能控制器的三层功能安全监控方法 | |
| Lim et al. | A runtime verification framework for dynamically adaptive multi-agent systems | |
| Soualhia et al. | Automated traces-based anomaly detection and root cause analysis in cloud platforms | |
| CN113031991B (zh) | 一种嵌入式系统的远程自适应升级方法及其装置 | |
| KR101347748B1 (ko) | 씨피에스에서의 자율 컴퓨팅 방법 및 장치 | |
| Hafaiedh et al. | A distributed formal-based model for self-healing behaviors in autonomous systems: from failure detection to self-recovery | |
| CN111078444B (zh) | 用于故障行为的安全分析的系统和方法 | |
| Weber et al. | Diagnosis and repair of dependent failures in the control system of a mobile autonomous robot | |
| Lazarova-Molnar et al. | Reliability analysis of cyber-physical systems | |
| Püschel et al. | Testing self-adaptive software: requirement analysis and solution scheme | |
| Zhu et al. | A reinforcement learning approach to automatic error recovery | |
| Cámara et al. | Robustness evaluation of the rainbow framework for self-adaptation | |
| Ma et al. | Conceptually understanding uncertainty in self-healing cyber-physical systems | |
| Lynch et al. | A n-dimensional convex hull approach for fault detection and mitigation for high degree of freedom robots humanoid robots | |
| Rivera et al. | A Software Based Self-Recovering Robotic System Architecture Using ROS |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20111010 |
|
| PA0201 | Request for examination | ||
| PG1501 | Laying open of application | ||
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20130510 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20131226 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20131227 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20131230 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| FPAY | Annual fee payment |
Payment date: 20160928 Year of fee payment: 4 |
|
| PR1001 | Payment of annual fee |
Payment date: 20160928 Start annual number: 4 End annual number: 4 |
|
| LAPS | Lapse due to unpaid annual fee | ||
| PC1903 | Unpaid annual fee |
Termination category: Default of registration fee Termination date: 20191007 |