KR102597112B1 - Resource allocation method on wireless sensor network in smart factory using game theory, and recording medium thereof - Google Patents
Resource allocation method on wireless sensor network in smart factory using game theory, and recording medium thereof Download PDFInfo
- Publication number
- KR102597112B1 KR102597112B1 KR1020210053646A KR20210053646A KR102597112B1 KR 102597112 B1 KR102597112 B1 KR 102597112B1 KR 1020210053646 A KR1020210053646 A KR 1020210053646A KR 20210053646 A KR20210053646 A KR 20210053646A KR 102597112 B1 KR102597112 B1 KR 102597112B1
- Authority
- KR
- South Korea
- Prior art keywords
- wireless sensor
- cloud server
- cell
- sensor node
- mobile device
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000013468 resource allocation Methods 0.000 title claims abstract description 24
- 238000004891 communication Methods 0.000 claims abstract description 11
- 230000007774 longterm Effects 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 6
- 210000004027 cell Anatomy 0.000 description 58
- 238000004519 manufacturing process Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000004807 localization Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage 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
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/24—Cell structures
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/51—Allocation or scheduling criteria for wireless resources based on terminal or device properties
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
본 발명의 격자 구조의 다수의 셀(cell)로 구성되며, 각 셀 내에 하나 이상의 무선 센서 노드가 위치하고, 모바일 장치가 정해진 이동 경로에 따라 이동하면서 각 셀 내의 무선 센서 노드와 연결되어 클라우드 서버와 데이터 통신을 수행하는, 스마트 팩토리 환경의 무선 센서 네트워크 자원 할당 방법에서, 상기 클라우드 서버는 상기 모바일 장치의 이동 경로를 추적하여, 이동 경로 상에 있는 셀 목록을 예측하는 단계, 상기 클라우드 서버는 게임 이론을 이용하여, 상기 셀 목록에서 각 셀 내에 존재하는 다수의 무선 센서 노드 중에서 하나의 무선 센서 노드를 선택하여 자원을 할당하는 단계 및 상기 클라우드 서버는 상기 셀 목록의 모든 셀에 대하여 무선 센서 노드를 선택하여 자원을 할당하는 단계를 포함한다.
본 발명에 의하면, 스마트 팩토리 환경에서 게임 이론을 이용하여 자원 할당을 최적화함으로써, 모바일 장치, 무선 센서 노드, 클라우드 간의 데이터 통신 성공률을 높일 수 있다는 효과가 있다.The present invention consists of a plurality of cells in a grid structure, with one or more wireless sensor nodes located within each cell, and as the mobile device moves along a designated movement path, it is connected to the wireless sensor nodes within each cell to access the cloud server and data. In a wireless sensor network resource allocation method in a smart factory environment that performs communication, the cloud server tracks the movement path of the mobile device and predicts a list of cells on the movement path, and the cloud server performs game theory. Using the step of allocating resources by selecting one wireless sensor node from among a plurality of wireless sensor nodes present in each cell from the cell list, and the cloud server selecting a wireless sensor node for all cells in the cell list Includes the step of allocating resources.
According to the present invention, by optimizing resource allocation using game theory in a smart factory environment, the success rate of data communication between mobile devices, wireless sensor nodes, and the cloud can be increased.
Description
본 발명은 스마트 팩토리 환경의 무선 센서 네트워크 자원 할당 방법에 관한 것이다. The present invention relates to a wireless sensor network resource allocation method in a smart factory environment.
스마트 팩토리(Smart factory)는 제품을 조립, 포장하고 기계를 점검하는 전 과정이 자동으로 이뤄지는 공장으로 정보통신기술(ICT)의 융합으로 이뤄지는 차세대 산업혁명인 4차 산업혁명의 핵심으로 꼽힌다. 스마트 팩토리는 모든 설비와 장치가 무선통신으로 연결되어 있기 때문에 실시간으로 전 공정을 모니터링하고 분석할 수 있다. 스마트 팩토리에서는 공장 곳곳에 사물인터넷(IoT) 센서와 카메라를 부착시켜 데이터를 수집하고 플랫폼에 저장해 분석하는데, 이렇게 분석된 데이터를 기반으로 어디서 불량품이 발생하였는지, 이상 징후가 보이는 설비는 어떤 것인지 등을 인공지능이 파악하여 전체적인 공정을 제어한다.A smart factory is a factory where the entire process of assembling and packaging products and inspecting machines is performed automatically. It is considered the core of the Fourth Industrial Revolution, the next-generation industrial revolution achieved through the convergence of information and communication technology (ICT). In a smart factory, all facilities and devices are connected through wireless communication, so the entire process can be monitored and analyzed in real time. In a smart factory, Internet of Things (IoT) sensors and cameras are attached throughout the factory to collect data and store it on a platform for analysis. Based on this analyzed data, it is possible to determine where defective products occurred and which equipment shows signs of abnormality. Artificial intelligence understands and controls the entire process.
스마트 팩토리에서는 실시간으로 재구성 할 수 있는 유닛(unit), 프로덕션 셀(production cells), 프로덕션 라인(production line) 등의 환경이 필수이며, 지능적이고 효율적인 데이터 획득을 위해서 클라우드 서비스와 IIoT(Industrial Internet of Things) 기술을 사용한다. 또한 스마트 팩토리 환경에서는 여러 무선 센서 노드와 모바일 장치들이 실시간으로 데이터를 주고 받으며 제품을 생산하고 작업을 처리한다. 이런 환경에서 모바일 장치는 공장내에서 여러 경로를 움직이며 고정되어 있는 무선 센서 노드와 통신을 하여 클라우드 서버(edge)와 데이터를 주고 받는다. 이 때, 무선 센서 노드는 프로덕션 셀(production cell) 안에 여러 개가 설치되어 있으며, 신뢰있는 데이터 전송을 위해서 모바일 장치는 움직이는 경로에 따라서 한 셀(cell) 안의 어떤 무선 센서 노드와 통신을 할지 결정하고 자원을 할당해야 한다. 또한 여러 셀(cell)에 적용되는 장기간(long-term) 자원 할당도 고려해야 한다.In a smart factory, an environment such as units, production cells, and production lines that can be reconfigured in real time is essential, and cloud services and IIoT (Industrial Internet of Things) are essential for intelligent and efficient data acquisition. ) use technology. Additionally, in a smart factory environment, multiple wireless sensor nodes and mobile devices exchange data in real time to produce products and process tasks. In this environment, mobile devices move through various paths within the factory and communicate with fixed wireless sensor nodes to exchange data with the cloud server (edge). At this time, multiple wireless sensor nodes are installed in a production cell, and for reliable data transmission, the mobile device determines which wireless sensor node in a cell to communicate with according to the moving path and resources. must be assigned. Additionally, long-term resource allocation applied to multiple cells must be considered.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 모바일 장치의 움직이는 경로에 따라 한 셀(cell) 안의 어떤 무선 센서 노드와 통신을 할지 결정하고 자원을 할당하고, 여러 셀(cell)에 적용되는 장기간(long-term) 자원을 할당하기 위하여, 게임 이론을 이용한 스마트 팩토리 환경의 무선 센서 네트워크 자원 할당 방법을 제공하는데 그 목적이 있다.The present invention was developed to solve the above problems. According to the moving path of the mobile device, it determines which wireless sensor node in one cell to communicate with, allocates resources, and applies it to several cells. The purpose is to provide a wireless sensor network resource allocation method in a smart factory environment using game theory to allocate long-term resources.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The object of the present invention is not limited to the object mentioned above, and other objects not mentioned will be clearly understood by those skilled in the art from the description below.
이와 같은 목적을 달성하기 위한 본 발명의 격자 구조의 다수의 셀(cell)로 구성되며, 각 셀 내에 하나 이상의 무선 센서 노드가 위치하고, 모바일 장치가 정해진 이동 경로에 따라 이동하면서 각 셀 내의 무선 센서 노드와 연결되어 클라우드 서버와 데이터 통신을 수행하는, 스마트 팩토리 환경의 무선 센서 네트워크 자원 할당 방법에서, 상기 클라우드 서버는 상기 모바일 장치의 이동 경로를 추적하여, 이동 경로 상에 있는 셀 목록을 예측하는 단계, 상기 클라우드 서버는 게임 이론을 이용하여, 상기 셀 목록에서 각 셀 내에 존재하는 다수의 무선 센서 노드 중에서 하나의 무선 센서 노드를 선택하여 자원을 할당하는 단계 및 상기 클라우드 서버는 상기 셀 목록의 모든 셀에 대하여 무선 센서 노드를 선택하여 자원을 할당하는 단계를 포함한다. To achieve this purpose, the present invention is composed of a plurality of cells in a grid structure, and one or more wireless sensor nodes are located within each cell, and the wireless sensor node within each cell moves along a designated movement path as the mobile device moves. In a wireless sensor network resource allocation method in a smart factory environment that is connected to and performs data communication with a cloud server, the cloud server tracks the movement path of the mobile device and predicts a list of cells on the movement path, The cloud server allocates resources by selecting one wireless sensor node from among a plurality of wireless sensor nodes present in each cell from the cell list using game theory, and the cloud server allocates resources to all cells in the cell list. It includes selecting a wireless sensor node and allocating resources.
상기 클라우드 서버는 각 무선 센서 노드를 경기자(player)로 설정하고, 이에 따라 전략(strategy)과 보수(payoff)를 설정하는 방식으로 게임 이론 모델을 구성할 수 있다. The cloud server can configure a game theory model by setting each wireless sensor node as a player and setting a strategy and payoff accordingly.
상기 클라우드 서버는 각 무선 센서 노드에서 상기 모바일 장치와의 연결 유무를 전략으로 설정하고, 각 무선 센서 노드와 상기 클라우드 서버 간의 데이터 전송 성공률, 무선 센서 노드의 전파 세기를 각 전략에 따른 보수로 설정할 수 있다. The cloud server may set the presence or absence of connection with the mobile device at each wireless sensor node as a strategy, and set the data transmission success rate between each wireless sensor node and the cloud server and the radio wave strength of the wireless sensor node as a reward according to each strategy. there is.
상기 클라우드 서버는 모든 무선 센서 노드에 대한 보수를 사용하여 최고 응답 전략(best response strategy)을 산출하고, 상기 최고 응답 전략에 따라 각 셀 내에서 무선 센서 노드를 선택하고, 이를 이용하여 각 셀의 내쉬 균형(Nash equilibrium)을 산출하고, 모든 셀의 내쉬 균형 집합을 상기 모바일 장치의 장기간 자원으로 할당(long-term resource allocation)할 수 있다. The cloud server calculates a best response strategy using the payoffs for all wireless sensor nodes, selects a wireless sensor node within each cell according to the best response strategy, and uses this to calculate the best response strategy for each cell. A Nash equilibrium can be calculated, and the Nash equilibrium set of all cells can be allocated as long-term resources of the mobile device.
본 발명에 의하면, 스마트 팩토리 환경에서 게임 이론을 이용하여 자원 할당을 최적화함으로써, 모바일 장치, 무선 센서 노드, 클라우드 간의 데이터 통신 성공률을 높일 수 있다는 효과가 있다. According to the present invention, by optimizing resource allocation using game theory in a smart factory environment, the success rate of data communication between mobile devices, wireless sensor nodes, and the cloud can be increased.
또한 실시간으로 데이터 통신이 필요한 스마트 팩토리 환경에서 데이터 손실을 최소화 하는 동시에 연결의 신뢰성을 보장할 수 있으며, 고정되어 있지 않은 모바일 장치의 이동 경로에 따른 최적의 무선 센서 노드 자원 할당을 실행할 수 있는 효과가 있다. In addition, in a smart factory environment that requires real-time data communication, data loss can be minimized while ensuring connection reliability, and it has the effect of executing optimal wireless sensor node resource allocation according to the non-fixed movement path of mobile devices. there is.
도 1은 산업용 IoT를 위한 TTGN(Two-Tier Geographical Networking) 구조를 도시한 것이다.
도 2은 스마트 팩토리 환경에서 모바일 장치의 움직이는 경로와 그에 따른 프로덕션 셀(production cell) 안에서 할당된 무선 센서 노드를 나타낸 도면이다.
도 3는 본 발명의 일 실시예에 따른 게임 이론을 이용하여 모바일 장치의 이동 경로에 따라 최적의 무선 센서 노드를 선택하는 과정을 예시한 것이다.
도 4은 본 발명의 일 실시예에 따른 게임 이론을 이용한 스마트 팩토리 환경의 무선 센서 네트워크 자원 할당 알고리즘이다.
도 5는 본 발명의 일 실시예에 따른 게임 이론을 이용한 스마트 팩토리 환경의 무선 센서 네트워크 자원 할당 방법을 나타낸 흐름도이다.
도 6는 본 발명의 일 실시예에 따른 게임 이론 모델을 구성하는 상세한 과정을 예시한 흐름도이다.Figure 1 shows a Two-Tier Geographical Networking (TTGN) structure for industrial IoT.
Figure 2 is a diagram showing the moving path of a mobile device in a smart factory environment and the wireless sensor nodes assigned within the corresponding production cell.
Figure 3 illustrates a process of selecting an optimal wireless sensor node according to the movement path of a mobile device using game theory according to an embodiment of the present invention.
Figure 4 is a wireless sensor network resource allocation algorithm in a smart factory environment using game theory according to an embodiment of the present invention.
Figure 5 is a flowchart showing a wireless sensor network resource allocation method in a smart factory environment using game theory according to an embodiment of the present invention.
Figure 6 is a flowchart illustrating a detailed process for constructing a game theory model according to an embodiment of the present invention.
본 명세서에서 개시된 실시 예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 개시에서 제안하고자 하는 실시 예는 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 당해 기술분야에서 통상의 지식을 가진 자에게 실시 예들의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.Advantages and features of the embodiments disclosed in this specification and methods for achieving them will become clear by referring to the embodiments described below along with the accompanying drawings. However, the embodiments to be proposed in the present disclosure are not limited to the embodiments disclosed below and may be implemented in various different forms, and the present embodiments are merely provided to those skilled in the art. It is provided only to provide complete information about the category.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시 예에 대해 구체적으로 설명하기로 한다. Terms used in this specification will be briefly described, and the disclosed embodiments will be described in detail.
본 명세서에서 사용되는 용어는 개시된 실시 예들의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 명세서의 상세한 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 명세서의 전반에 걸친 내용을 토대로 정의되어야 한다. The terms used in this specification are general terms that are currently widely used as much as possible while considering the functions of the disclosed embodiments, but this may vary depending on the intention or precedent of a technician working in the related field, the emergence of new technology, etc. In addition, in certain cases, there are terms arbitrarily selected by the applicant, and in this case, the meaning will be described in detail in the detailed description section of the relevant specification. Therefore, the terms used in this disclosure should be defined based on the meaning of the term and the overall content of this specification, rather than simply the name of the term.
본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다.In this specification, singular expressions include plural expressions, unless the context clearly specifies the singular.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에서 사용되는 "부"라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부"는 어떤 역할들을 수행한다. 그렇지만 "부"는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부"는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부"는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부"들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부"들로 결합되거나 추가적인 구성요소들과 "부"들로 더 분리될 수 있다.When it is said that a part "includes" a certain element throughout the specification, this means that, unless specifically stated to the contrary, it does not exclude other elements but may further include other elements. Additionally, the term “unit” used in the specification refers to a hardware component such as software, FPGA, or ASIC, and the “unit” performs certain roles. However, “wealth” is not limited to software or hardware. The “copy” may be configured to reside on an addressable storage medium and may be configured to run on one or more processors. Thus, as an example, “part” refers to software components, such as object-oriented software components, class components, and task components, processes, functions, properties, procedures, Includes subroutines, segments of program code, drivers, firmware, microcode, circuits, data, databases, data structures, tables, arrays, and variables. The functionality provided within the components and “parts” may be combined into smaller numbers of components and “parts” or may be further separated into additional components and “parts”.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.In addition, when describing with reference to the accompanying drawings, identical components will be assigned the same reference numerals regardless of the reference numerals, and overlapping descriptions thereof will be omitted. In describing the present invention, if it is determined that a detailed description of related known technologies may unnecessarily obscure the gist of the present invention, the detailed description will be omitted.
본 발명은 산업용 IoT(Internet of Things) 시스템에서, 무선 HART(Highway Addressable Remote Transducer) 프로토콜 기반 이동성 지원 체계를 제안한다. The present invention proposes a mobility support system based on the wireless HART (Highway Addressable Remote Transducer) protocol in an industrial IoT (Internet of Things) system.
도 1은 산업용 IoT를 위한 TTGN(Two-Tier Geographical Networking) 구조를 도시한 것이다.Figure 1 shows a Two-Tier Geographical Networking (TTGN) structure for industrial IoT.
도 1에서 TTGN은 산업용 WSN(Wireless Sensor Network) 티어(tier)(10)와 에지 컴퓨팅(edge computing) 티어(20)의 두 계층으로 이루어진다.In Figure 1, TTGN consists of two layers: an industrial WSN (Wireless Sensor Network) tier (10) and an edge computing (edge computing) tier (20).
산업 WSN 티어(10)는 Industry 4.0 도메인의 생산 셀(Production Cell, PC)을 나타낸다. Industry 4.0 도메인, 즉 스마트 팩토리 도메인에는 여러 생산 셀이 있으며, 각 생산 셀은 특정 제품 제조를 위해 구성되며, 셀의 자산 단위가 공장 도메인의 동일한 위치 또는 다른 위치에 있는 다른 제품에 대해 재구성되어야 할 때까지 유지된다. 따라서 생산 셀(PC)은 고유 ID(PC ID)를 가질 수 있다. The industrial WSN tier 10 represents the production cell (PC) of the Industry 4.0 domain. An Industry 4.0 domain, i.e. a smart factory domain, has several production cells, each of which is configured for manufacturing a specific product, when the asset units of the cell need to be reconfigured for different products in the same or different locations in the factory domain. It is maintained until Therefore, a production cell (PC) may have a unique ID (PC ID).
생산 셀(PC)의 모든 자산은 스마트 팩토리의 제조업체 또는 관리자가 제어하는 생산 셀(PC)의 수명 동안 PC ID로 처리된다. 생산 셀(PC) 당 모든 자산의 데이터와 AMR(autonomous mobile robots)과 같은 생산 셀(PC) 간 임무로 작동하는 자산의 데이터는 데이터 관리 모듈(21)에서 수집되고, 각 장치의 RSS(Radio Signal Strength) 데이터는 지리적 위치 모듈(22)에 입력된다. All assets in a production cell (PC) are processed with a PC ID for the life of the production cell (PC), controlled by the manufacturer or manager of the smart factory. Data from all assets per production cell (PC) and data from assets operating on inter-production cell (PC) missions, such as autonomous mobile robots (AMR), are collected in the data management module 21 and sent to the radio signal (RSS) of each device. Strength) data is entered into the geographic location module 22.
에지 컴퓨팅 티어(20)에서 데이터 관리 모듈(21)은 산업 WSN 티어(10)의 모든 자산에서 데이터 수집을 수행한다. In the edge computing tier 20, the data management module 21 performs data collection from all assets in the industrial WSN tier 10.
지리적 위치 모듈(22)은 DNN(Deep Neural Network) 기반의 MLP(Multi-Layer Perceptron)로 구성되며, 조회된 자산의 위치를 예측할 수 있다. 이때, MLP는 필요한 위치 예측 정확도를 수용하기 위해 많은 양의 데이터로 사전 훈련되어야 한다. MLP에서 각 노드는 합산과 활성화의 두 가지 기능에 의해 수행될 수 있다. 입력, 가중치 및 편향(bias)의 곱은 다음 수학식 (1)의 함수를 사용하여 계산된다.The geographic location module 22 is composed of a Multi-Layer Perceptron (MLP) based on a Deep Neural Network (DNN) and can predict the location of the viewed asset. At this time, the MLP must be pre-trained with a large amount of data to accommodate the required location prediction accuracy. In MLP, each node can perform two functions: summation and activation. The product of input, weight, and bias is calculated using the function of equation (1):
(1) (One)
여기서, n은 입력, xi는 i의 입력 변수, 는 편향 텀(bias term), 는 연결 가중치를 나타낸다. Here, n is the input, x i is the input variable of i, is the bias term, represents the connection weight.
MLP 모델의 활성화 함수로서 시그모이드 함수(sigmoid function)가 사용된다. 시그모이드 함수는 다음 수학식 (2)와 같이 나타낼 수 있고, 뉴런(neuron) j는 다음 수학식 (3)에 의해 구할 수 있다. The sigmoid function is used as the activation function of the MLP model. The sigmoid function can be expressed as equation (2) below, and neuron j can be obtained by equation (3) below.
(2) (2)
(3) (3)
산업용 WSN 티어(10)에서 데이터 세트는 각 그리드 셀에서 BLE(Bluetooth Low Energy) 비콘의 RSS(Radio Signal Strength)이다. 모든 데이터 세트에는 좌표로 레이블이 지정되어 있으며, 따라서 어떤 자산이 현재 RSS 값 튜플을 업로드 할 때, 지리적 위치 모듈(22)은 생산 셀(PC)을 통해 로컬라이제이션 그리드 내에 있는 자산의 위치를 감지할 수 있다. In the industrial WSN tier 10, the data set is the Radio Signal Strength (RSS) of the Bluetooth Low Energy (BLE) beacons in each grid cell. All data sets are labeled with coordinates, so when any asset uploads a current RSS value tuple, the geolocation module 22 can detect the asset's location within the localization grid via production cell (PC). there is.
지리적 위치 모듈(22)은 위치에 대한 결과를 얻은 후, 그 결과를 이동성 감지 및 장기 예측 모듈(23)에 전달한다. The geo-location module 22 obtains location results and then passes the results to the mobility detection and long-term prediction module 23.
이동성 감지 및 장기 예측 모듈(23)에서는 위치 결과를 기반으로 하는 세분화된 현지화가 수행되며, 현지화 그리드에서 모든 자산의 현재 위치 맵을 업데이트 한 다음, 이 자산이 모바일 장치인지 고정 장치인지 분류할 수 있다. In the mobility detection and long-term prediction module (23), a fine-grained localization based on the location results is performed, updating the current location map of all assets in the localization grid, and then classifying whether this asset is a mobile device or a stationary device. .
자신이 모바일인 경우, 이동성 감지 및 장기 예측 모듈(23)은 모든 자산의 무선 네트워킹 그래프 토폴로지를 업데이트 할 때, 모바일 자산을 고려하지 않고, 다음 이동성 관리 단계에서 관리한다. 이동성 감지 및 장기 예측 모듈(23)은 먼저 그래프 토폴로지에 대한 리소스 할당을 수행한 다음, 모바일 자산에 대한 채널 리소스를 추가로 정렬한다. 리소스 할당에 따라 이동성 감지 및 장기 예측 모듈(23)은 모바일 장치를 포함한 모든 자산과의 링크 경로를 설정한다. 자원 할당 정보와 경로 정보를 수신한 후, 모든 노드는 업스트림 및 다운 스트림 통신을 시작한다. If it is mobile, the mobility detection and long-term prediction module 23 does not consider mobile assets when updating the wireless networking graph topology of all assets, and manages them in the next mobility management step. The mobility detection and long-term prediction module 23 first performs resource allocation for the graph topology and then further sorts channel resources for mobile assets. Depending on resource allocation, the mobility detection and long-term prediction module 23 establishes link paths with all assets, including mobile devices. After receiving resource allocation information and route information, all nodes start upstream and downstream communication.
도 1의 (a)에 도시된 바와 같이, 모바일 노드 NM은 현재 센서 노드 1에 연결되어 있으며, 감지된 RSS 튜플을 에지에 업로드한다. 에지는 모바일 노드 NM이 존재하는 위치를 감지하여 액세스 포인트 1(A1), 센서 노드 1 및 모바일 노드 NM에 채널 리소스를 할당할 수 있다. 모바일 노드 NM은 파란색 화살표를 따라 계속 이동하고 RSS 데이터를 계속 보고하므로, 에지는 센서 노드 2에 연결될 것이며 링크 경로 노드 2-A2-G (게이트웨이)를 이용할 것임을 알아낸다. 따라서 에지는 현재 링크 경로, 즉 도 1의 (b)의 파란색 경로를 통해 모바일 노드 NM에 이 정보를 제공하고, 모바일 노드 NM이 센서 노드 2에 연결된다. 빨간색 화살표로 표시된 새 경로에는 이미 채널 리소스가 할당되어 있으며, 모바일 노드 NM은 센서 노드 2에 연결된 후 통신할 수 있다. As shown in (a) of Figure 1, mobile node N M is currently connected to sensor node 1 and uploads the detected RSS tuple to the edge. The edge can detect the location of mobile node N M and allocate channel resources to access point 1 (A1), sensor node 1, and mobile node N M. Since mobile node N M continues to move along the blue arrow and continues to report RSS data, we find that the edge will be connected to sensor node 2 and will use the link path node 2-A2-G (gateway). Therefore, the edge provides this information to mobile node N M through the current link path, that is, the blue path in (b) of Figure 1, and mobile node N M is connected to sensor node 2. The new path indicated by the red arrow already has channel resources allocated, and mobile node N M can communicate after connecting to sensor node 2.
도 2은 스마트 팩토리 환경에서 모바일 장치의 움직이는 경로와 그에 따른 프로덕션 셀(production cell) 안에서 할당된 무선 센서 노드를 나타낸 도면이다. Figure 2 is a diagram showing the moving path of a mobile device in a smart factory environment and the wireless sensor nodes assigned within the corresponding production cell.
도 2에서 보는 바와 같이, 스마트 팩토리 환경에서는 여러 개의 프로덕션 셀(production cell)이 있다. 그리고, 모바일 장치(200)는 정해진 이동 경로에 따라 움직이며, 각 셀 안에서 무선 센서 노드와 연결되며 클라우드 서버(cloud server, edge)(100)와 데이터를 주고 받는다. 따라서 스마트 팩토리 환경에서 실시간으로 안정적인 데이터 전송을 위해서 모바일 장치(200)의 이동 경로에 따른 무선 센서 노드의 자원 할당은 필수적이다.As shown in Figure 2, there are multiple production cells in a smart factory environment. Additionally, the mobile device 200 moves according to a designated movement path, connects to a wireless sensor node within each cell, and exchanges data with a cloud server (edge) 100. Therefore, for stable real-time data transmission in a smart factory environment, resource allocation of wireless sensor nodes according to the movement path of the mobile device 200 is essential.
도 2에서 스마트 팩토리 환경은 사각형의 격자 구조의 다수의 셀로 구분되며, 각 셀은 {1, 1}, {1, 2}, {1, 3}, {1, 4}...로 표시되어 있다. 그리고, 모바일 장치(200)의 이동 경로가 표시되어 있다. In Figure 2, the smart factory environment is divided into a number of cells in a square grid structure, and each cell is indicated as {1, 1}, {1, 2}, {1, 3}, {1, 4}... there is. Additionally, the movement path of the mobile device 200 is displayed.
본 발명은 격자 구조의 다수의 셀(cell)로 구성되며, 각 셀 내에 하나 이상의 무선 센서 노드가 위치하고, 모바일 장치(200)가 정해진 이동 경로에 따라 이동하면서 각 셀 내의 무선 센서 노드와 연결되어 클라우드 서버(100)와 데이터 통신을 수행하는, 스마트 팩토리 환경의 무선 센서 네트워크 자원 할당 방법에 관한 것이다. The present invention consists of a plurality of cells in a grid structure, one or more wireless sensor nodes are located within each cell, and the mobile device 200 moves along a designated movement path and connects to the wireless sensor nodes within each cell to create a cloud This relates to a wireless sensor network resource allocation method in a smart factory environment that performs data communication with the server 100.
도 5는 본 발명의 일 실시예에 따른 게임 이론을 이용한 스마트 팩토리 환경의 무선 센서 네트워크 자원 할당 방법을 나타낸 흐름도이다. Figure 5 is a flowchart showing a wireless sensor network resource allocation method in a smart factory environment using game theory according to an embodiment of the present invention.
도 5를 참조하면, 클라우드 서버(100)는 모바일 장치(200)의 이동 경로를 추적하여, 이동 경로 상에 있는 셀의 목록인 셀 목록을 예측한다(S410, S420). Referring to FIG. 5, the cloud server 100 tracks the movement path of the mobile device 200 and predicts a cell list, which is a list of cells on the movement path (S410, S420).
그리고, 클라우드 서버(100)는 게임 이론(game theory)을 이용하여, 셀 목록에서 각 셀 내에 존재하는 다수의 무선 센서 노드 중에서 하나의 무선 센서 노드를 선택하여 자원을 할당한다(S430). Then, the cloud server 100 uses game theory to allocate resources by selecting one wireless sensor node from among a plurality of wireless sensor nodes present in each cell from the cell list (S430).
그리고, 클라우드 서버(100)는 셀 목록의 모든 셀에 대하여 무선 센서 노드를 선택하여 자원을 할당한다(S440). Then, the cloud server 100 selects wireless sensor nodes for all cells in the cell list and allocates resources (S440).
도 6는 본 발명의 일 실시예에 따른 게임 이론 모델을 구성하는 상세한 과정을 예시한 흐름도이다.Figure 6 is a flowchart illustrating a detailed process for constructing a game theory model according to an embodiment of the present invention.
도 6를 참조하면, 클라우드 서버(100)는 각 무선 센서 노드를 경기자(player)로 설정하고, 이에 따라 전략(strategy)과 보수(payoff)를 설정하는 방식으로 게임 이론 모델을 구성한다(S510, S520). Referring to FIG. 6, the cloud server 100 configures a game theory model by setting each wireless sensor node as a player and setting the strategy and payoff accordingly (S510, S520).
여기서, 클라우드 서버(100)는 각 무선 센서 노드에서 모바일 장치(200)와의 연결 유무를 전략으로 설정하고, 각 무선 센서 노드와 클라우드 서버(100) 간의 데이터 전송 성공률, 무선 센서 노드의 전파 세기를 각 전략에 따른 보수로 설정할 수 있다. Here, the cloud server 100 sets the presence or absence of connection with the mobile device 200 at each wireless sensor node as a strategy, and sets the data transmission success rate between each wireless sensor node and the cloud server 100 and the radio wave strength of each wireless sensor node. You can set the reward according to your strategy.
클라우드 서버(100)는 모든 무선 센서 노드에 대한 보수를 사용하여 최고 응답 전략(best response strategy)을 산출한다(S530). The cloud server 100 calculates the best response strategy using the payoffs for all wireless sensor nodes (S530).
그리고, 클라우드 서버(100)는 최고 응답 전략에 따라 각 셀 내에서 무선 센서 노드를 선택하고, 이를 이용하여 각 셀의 내쉬 균형(Nash equilibrium)을 산출한다(S540). Then, the cloud server 100 selects a wireless sensor node within each cell according to the best response strategy and uses this to calculate the Nash equilibrium of each cell (S540).
그리고, 클라우드 서버(100)는 모든 셀의 내쉬 균형 집합을 모바일 장치(200)의 장기간 자원으로 할당(long-term resource allocation)한다(S550). Then, the cloud server 100 allocates the Nash balance set of all cells as a long-term resource of the mobile device 200 (S550).
도 3는 본 발명의 일 실시예에 따른 게임 이론을 이용하여 모바일 장치의 이동 경로에 따라 최적의 무선 센서 노드를 선택하는 과정을 예시한 것이다. Figure 3 illustrates a process of selecting an optimal wireless sensor node according to the movement path of a mobile device using game theory according to an embodiment of the present invention.
도 3는 모바일 장치(200)의 이동 경로 중 셀 {2,4}, {2,3}, {3,2}가 포함되어 있는 상황에서 각 셀 안에서의 무선 센서 노드 자원 할당을 나타낸다. Figure 3 shows resource allocation of wireless sensor nodes within each cell in a situation where cells {2,4}, {2,3}, and {3,2} are included in the movement path of the mobile device 200.
도 3를 참조하면, 게임 이론을 이용한 최적화 결과, 세 개의 무선 센서 노드 3A, 2A, 4C가 선택된 것을 나타낸다. 이 때, 게임 이론의 구성 요소인 경기자(player), 전략(strategy), 보수(payoff)를 설정해야 하고, 경기자의 전략에 따른 보수를 비교하여 최고 응답 전략(best response strategy)을 구한다. 그리고, 각 전략의 최고 응답 전략(best response strategy)을 이용하여 각 셀의 내쉬 균형(Nash equilibrium)을 구하고, 모든 셀의 내쉬 균형(Nash equilibrium)의 집합을 모바일 장치(200)의 장기간 자원으로 할당(long-term resource allocation)한다.Referring to Figure 3, as a result of optimization using game theory, three wireless sensor nodes 3A, 2A, and 4C are selected. At this time, the components of game theory, such as player, strategy, and payoff, must be set, and the payoff according to the player's strategy is compared to find the best response strategy. Then, the Nash equilibrium of each cell is obtained using the best response strategy of each strategy, and the set of Nash equilibria of all cells is allocated as a long-term resource of the mobile device 200. (long-term resource allocation).
도 4은 본 발명의 일 실시예에 따른 게임 이론을 이용한 스마트 팩토리 환경의 무선 센서 네트워크 자원 할당 알고리즘이다. Figure 4 is a wireless sensor network resource allocation algorithm in a smart factory environment using game theory according to an embodiment of the present invention.
도 4을 참조하면, 게임 이론의 경기자(player)는 n개의 무선 센서 노드(Ni)이다. 모바일 장치(200)와 연결되는 것을 전략(strategy)으로 Si=0 이면 연결되지 않은 것을 의미하고, Si=1 이면 연결된 것을 의미한다. 그리고, 각 전략에 따른 보수(payoff)는 무선 센서 노드와 클라우드 서버(100) 간의 데이터 전송 성공률, 무선 센서 노드의 전파 세기로 한다. Referring to FIG. 4, the players in the game theory are n wireless sensor nodes (N i ). The strategy is to connect to the mobile device 200. If S i = 0, it means not connected, and if S i = 1, it means connected. And, the payoff for each strategy is determined by the data transmission success rate between the wireless sensor node and the cloud server 100 and the radio wave intensity of the wireless sensor node.
이 알고리즘에서 클라우드 서버(100)는 모바일 장치(200)에 대한 이동 경로를 감지한다. 이동 경로는 모바일 장치(200)의 현재 위치와 이동 속도로 구성된다. 클라우드 서버(100)는 모바일 장치(200)의 연속적인 이동 경로 추적을 통해 이동 경로 상에 있는 일련의 셀 목록을 예측할 수 있다. 그 후, 셀 목록(List cell)의 각 셀 Cellc 에서 여러 개의 무선 센서 노드 중 하나를 선택한다. In this algorithm, the cloud server 100 detects the movement path for the mobile device 200. The movement path consists of the current location and movement speed of the mobile device 200. The cloud server 100 can predict a series of cell lists on the movement path through continuous movement path tracking of the mobile device 200. After that, each cell in the cell list (List cell) Cell c Select one of several wireless sensor nodes.
최적의 무선 센서 노드를 선택하기 위해서 클라우드 서버(100)는 모든 무선 센서 노드에 대한 보상(payoff)인 P를 사용하여 최고 응답 전략(best response strategy)인 S를 계산한다. 그리고, 각 무선 센서 노드 N에 대한 S의 결과가 전략 S의 집합인 Sset로 구성된다. 그 결과로 가장 좋은 무선 센서 노드가 선택되고, 이는 NE(Nash equilibrium)으로 설정된다. 이 절차는 모든 셀에 대한 처리가 끝날 때까지 반복되며, 절차의 결과로 NE 세트에는 각 셀에 대해 모바일 장치(200)와 통신 할 수 있는 최적의 무선 센서 노드 목록이 포함된다. 즉, 게임 이론 알고리즘에서 클라우드 서버(100)는 한 셀에 대한 자원 할당뿐만 아니라 일련의 셀에 대한 장기간 자원 할당(long-term resource allocation)도 수행한다.In order to select the optimal wireless sensor node, the cloud server 100 calculates S, the best response strategy, using P, which is a payoff for all wireless sensor nodes. And, the result of S for each wireless sensor node N is composed of S set , which is a set of strategies S. As a result, the best wireless sensor node is selected, which is set to NE (Nash equilibrium). This procedure is repeated until all cells have been processed, and as a result of the procedure, the NE set contains a list of optimal wireless sensor nodes that can communicate with the mobile device 200 for each cell. That is, in the game theory algorithm, the cloud server 100 not only allocates resources for one cell but also performs long-term resource allocation for a series of cells.
한편, 본 발명의 실시예에 따른 게임 이론을 이용한 스마트 팩토리 환경의 무선 센서 네트워크 자원 할당 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다.Meanwhile, the wireless sensor network resource allocation method in a smart factory environment using game theory according to an embodiment of the present invention can be implemented as computer-readable code on a computer-readable recording medium. Computer-readable recording media include all types of recording devices that store data that can be read by a computer system.
예컨대, 컴퓨터가 읽을 수 있는 기록매체로는 롬(ROM), 램(RAM), 시디-롬(CD-ROM), 자기 테이프, 하드디스크, 플로피디스크, 이동식 저장장치, 비휘발성 메모리(Flash Memory), 광 데이터 저장장치 등이 포함된다.For example, computer-readable recording media include ROM, RAM, CD-ROM, magnetic tape, hard disk, floppy disk, removable storage, and non-volatile memory (Flash Memory). , optical data storage devices, etc.
또한, 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터 통신망으로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 읽을 수 있는 코드로서 저장되고 실행될 수 있다.Additionally, the computer-readable recording medium can be distributed to a computer system connected through a computer communication network, and stored and executed as code that can be read in a distributed manner.
이상 본 발명을 몇 가지 바람직한 실시 예를 사용하여 설명하였으나, 이들 실시 예는 예시적인 것이며 한정적인 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 지닌 자라면 본 발명의 사상과 첨부된 특허청구범위에 제시된 권리범위에서 벗어나지 않으면서 다양한 변화와 수정을 가할 수 있음을 이해할 것이다.Although the present invention has been described above using several preferred examples, these examples are illustrative and not limiting. Those of ordinary skill in the technical field to which the present invention pertains will understand that various changes and modifications can be made without departing from the spirit of the present invention and the scope of rights set forth in the appended claims.
100 클라우드 서버 200 모바일 장치100 Cloud Servers 200 Mobile Devices
Claims (5)
상기 클라우드 서버는 상기 모바일 장치의 이동 경로를 추적하여, 이동 경로 상에 있는 셀 목록을 예측하는 단계;
상기 클라우드 서버는 게임 이론을 이용하여, 상기 셀 목록에서 각 셀 내에 존재하는 다수의 무선 센서 노드 중에서 하나의 무선 센서 노드를 선택하여 자원을 할당하는 단계; 및
상기 클라우드 서버는 상기 셀 목록의 모든 셀에 대하여 무선 센서 노드를 선택하여 자원을 할당하는 단계를 포함하고,
상기 클라우드 서버는 산업용 IoT(Internet of Things) 시스템에서 무선 HART(Highway Addressable Remote Transducer) 프로토콜 기반 이동성 지원 체계를 지원하고,
상기 클라우드 서버는 각 무선 센서 노드를 경기자(player)로 설정하고, 각 무선 센서 노드를 경기자로 설정함에 따라 전략(strategy)과 보수(payoff)를 설정하는 방식으로 게임 이론 모델을 구성하고,
상기 클라우드 서버는 각 무선 센서 노드에서 상기 모바일 장치와의 연결 유무를 전략으로 설정하고, 각 무선 센서 노드와 상기 클라우드 서버 간의 데이터 전송 성공률, 무선 센서 노드의 전파 세기를 각 전략에 따른 보수로 설정하고,
상기 클라우드 서버는 모든 무선 센서 노드에 대한 보수를 사용하여 최고 응답 전략(best response strategy)을 산출하고, 상기 최고 응답 전략에 따라 각 셀 내에서 무선 센서 노드를 선택하고, 상기 최고 응답 전략을 이용하여 각 셀의 내쉬 균형(Nash equilibrium)을 산출하고, 모든 셀의 내쉬 균형 집합을 상기 모바일 장치의 장기간 자원으로 할당(long-term resource allocation)하며,
상기 셀 목록을 예측하는 단계에서, 상기 클라우드 서버는 상기 모바일 장치의 현재 위치와 이동 속도로 구성된 이동 경로를 감지하고, 상기 모바일 장치의 연속적인 이동 경로 추적을 통해 이동 경로 상에 있는 일련의 셀 목록을 예측하고,
상기 클라우드 서버는 최적의 무선 센서 노드를 선택하기 위해서, 모든 무선 센서 노드에 대한 보상(payoff)인 P를 사용하여 최고 응답 전략(best response strategy)인 S를 계산하고, 각 무선 센서 노드 N에 대한 S의 집합인 Sset를 구성하고, Sset에서 최적의 무선 센서 노드를 선택하는 것을 특징으로 하는 스마트 팩토리 환경의 무선 센서 네트워크 자원 할당 방법.
It consists of a number of cells in a grid structure, and one or more wireless sensor nodes are located within each cell. As the mobile device moves along a designated movement path, it connects to the wireless sensor nodes within each cell and performs data communication with the cloud server. In a wireless sensor network resource allocation method in a smart factory environment,
The cloud server tracks the movement path of the mobile device and predicts a list of cells on the movement path;
The cloud server allocates resources by selecting one wireless sensor node from among a plurality of wireless sensor nodes present in each cell from the cell list using game theory; and
The cloud server includes selecting a wireless sensor node for all cells in the cell list and allocating resources,
The cloud server supports a mobility support system based on the wireless HART (Highway Addressable Remote Transducer) protocol in an industrial IoT (Internet of Things) system,
The cloud server configures a game theory model by setting each wireless sensor node as a player and setting a strategy and payoff according to setting each wireless sensor node as a player,
The cloud server sets the presence or absence of connection with the mobile device at each wireless sensor node as a strategy, and sets the data transmission success rate between each wireless sensor node and the cloud server and the radio wave intensity of the wireless sensor node as a reward according to each strategy, ,
The cloud server calculates a best response strategy using the payoffs for all wireless sensor nodes, selects a wireless sensor node within each cell according to the best response strategy, and uses the best response strategy. Calculate the Nash equilibrium of each cell, and allocate the set of Nash equilibria of all cells as long-term resources of the mobile device,
In the step of predicting the cell list, the cloud server detects a movement path composed of the current location and movement speed of the mobile device, and creates a list of cells on the movement path through continuous movement path tracking of the mobile device. predict,
In order to select the optimal wireless sensor node, the cloud server calculates the best response strategy, S, using P, the payoff for all wireless sensor nodes, and calculates the best response strategy, S, for each wireless sensor node N. A wireless sensor network resource allocation method in a smart factory environment, characterized by configuring S set , which is a set of S, and selecting the optimal wireless sensor node from S set .
A computer-readable recording medium that records a program that can execute the method of claim 1 on a computer.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210053646A KR102597112B1 (en) | 2021-04-26 | 2021-04-26 | Resource allocation method on wireless sensor network in smart factory using game theory, and recording medium thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210053646A KR102597112B1 (en) | 2021-04-26 | 2021-04-26 | Resource allocation method on wireless sensor network in smart factory using game theory, and recording medium thereof |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220146864A KR20220146864A (en) | 2022-11-02 |
| KR102597112B1 true KR102597112B1 (en) | 2023-11-01 |
Family
ID=84043216
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210053646A KR102597112B1 (en) | 2021-04-26 | 2021-04-26 | Resource allocation method on wireless sensor network in smart factory using game theory, and recording medium thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102597112B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116519895B (en) * | 2023-04-20 | 2024-03-29 | 安徽禾美环保集团有限公司 | Water quality on-line monitoring analysis management system based on big data platform |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100810661B1 (en) * | 2007-02-07 | 2008-03-07 | 삼성전자주식회사 | Method and apparatus for allocating radio resource in a wireless sensor network |
| KR101405841B1 (en) | 2012-12-12 | 2014-07-14 | 이화여자대학교 산학협력단 | Method and system for allocating resources using transformation-based low complexity algorithm for nash bargaining solutions in dynamic networks |
| JP2018125034A (en) | 2011-09-02 | 2018-08-09 | フィッシャー−ローズマウント システムズ，インコーポレイテッド | Asset tracking management method and asset tracing management host |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110024582A (en) | 2009-09-02 | 2011-03-09 | 경희대학교 산학협력단 | Method for allocating resource optimally to users by using bargaing game in wireless network |
| EP2869644B1 (en) * | 2013-10-31 | 2017-12-27 | Alcatel Lucent | A communications system, an access network node and a method of optimising energy consumed in a communication network |
| KR102658049B1 (en) * | 2016-02-25 | 2024-04-17 | 한국전자통신연구원 | Method and node device for allocating resources in wireless sensor networks |
| EP3340115A1 (en) * | 2016-12-21 | 2018-06-27 | Fujitsu Limited | A system and method to predict the path of moving objects |
-
2021
- 2021-04-26 KR KR1020210053646A patent/KR102597112B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100810661B1 (en) * | 2007-02-07 | 2008-03-07 | 삼성전자주식회사 | Method and apparatus for allocating radio resource in a wireless sensor network |
| JP2018125034A (en) | 2011-09-02 | 2018-08-09 | フィッシャー−ローズマウント システムズ，インコーポレイテッド | Asset tracking management method and asset tracing management host |
| KR101405841B1 (en) | 2012-12-12 | 2014-07-14 | 이화여자대학교 산학협력단 | Method and system for allocating resources using transformation-based low complexity algorithm for nash bargaining solutions in dynamic networks |
Non-Patent Citations (3)
| Title |
|---|
| L. Ascorti, S. Savazzi, S. Galimberti, "Cloud-based wirelesshart networking for critical industrial monitoring and control", proc. 12th IEEE International Conference on Industrial Informatics(INDIN), |
| P. Rai, "An analysis on the impact of utility functions on the performance of game theory based channel allocation in cognitive radio wireless sensor network", IEEE 2020 ANTS, pp.1-6(2020.10.) 1부.* |
| P. Roy et al, "AI-enabled mobile multimedia service instance placement scheme in mobile edge computing", Computer Networks, vol.182, no.137573, pp.1-14(2020.12.09.) 1부.* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220146864A (en) | 2022-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Osamy et al. | Coverage, deployment and localization challenges in wireless sensor networks based on artificial intelligence techniques: a review | |
| Orciuoli et al. | An ontology-driven context-aware recommender system for indoor shopping based on cellular automata | |
| Venturini et al. | Distributed reinforcement learning for flexible and efficient uav swarm control | |
| CN101459914A (en) | Wireless sensor network node coverage optimization method based on ant colony algorithm | |
| Bhat et al. | Is localization of wireless sensor networks in irregular fields a challenge? | |
| Zannou et al. | Relevant node discovery and selection approach for the Internet of Things based on neural networks and ant colony optimization | |
| Sung et al. | Distributed simultaneous action and target assignment for multi-robot multi-target tracking | |
| KR102597112B1 (en) | Resource allocation method on wireless sensor network in smart factory using game theory, and recording medium thereof | |
| Couceiro et al. | Mechanism and convergence analysis of a multi-robot swarm approach based on natural selection | |
| Raj et al. | Edge/Fog Computing Paradigm: The Concept, Platforms and Applications. | |
| Ahmed et al. | An optimized k-nearest neighbor algorithm for extending wireless sensor network lifetime | |
| Behjat et al. | Learning robot swarm tactics over complex adversarial environments | |
| Bouzid et al. | Wireless sensor network deployment optimisation based on coverage, connectivity and cost metrics | |
| Joyce et al. | Industrial internet of things (iiot)-an iot integrated services for industry 4.0: A review | |
| Denisov et al. | Mathematical and algorithmic model for local navigation of mobile platform and UAV using radio beacons | |
| Mohar et al. | Optimum deployment of sensor nodes in wireless sensor network using hybrid fruit fly optimization algorithm and bat optimization algorithm for 3D Environment | |
| Egwuche et al. | Machine learning for coverage optimization in wireless sensor networks: a comprehensive review | |
| Firouz et al. | A hybrid multi-objective algorithm for imbalanced controller placement in software-defined networks | |
| Nagireddy et al. | Comparative analysis of PSO-SGO algorithms for localization in wireless sensor networks | |
| Indu et al. | Self deployment of mobile sensor network for optimal coverage | |
| Azimi et al. | Performance management in clustered edge architectures using particle swarm optimization | |
| Dadhirao et al. | Localization techniques using machine learning algorithms | |
| Kulkarni et al. | Network-centric localization in MANETs based on particle swarm optimization | |
| Zaza et al. | Modern QoS solutions in WSAN: an overview of energy aware routing protocols and applications | |
| Morcos et al. | Preferential field coverage through detour-based mobility coordination |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |