KR20120138298A - 플랜트 관리 네트워크에서의 관리 네트워크 장치 및 데이터 처리 방법 - Google Patents

플랜트 관리 네트워크에서의 관리 네트워크 장치 및 데이터 처리 방법 Download PDF

Info

Publication number
KR20120138298A
KR20120138298A KR1020110057660A KR20110057660A KR20120138298A KR 20120138298 A KR20120138298 A KR 20120138298A KR 1020110057660 A KR1020110057660 A KR 1020110057660A KR 20110057660 A KR20110057660 A KR 20110057660A KR 20120138298 A KR20120138298 A KR 20120138298A
Authority
KR
South Korea
Prior art keywords
sensing data
data packet
packet
processing
plant
Prior art date
Application number
KR1020110057660A
Other languages
English (en)
Inventor
유재학
이병복
이인환
Original Assignee
한국전자통신연구원
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020110057660A priority Critical patent/KR20120138298A/ko
Publication of KR20120138298A publication Critical patent/KR20120138298A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
    • H04L47/245—Traffic characterised by specific attributes, e.g. priority or QoS using preemption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

플랜크 관리 네트워크에서, 플랜트 시설물에 위치한 적어도 하나의 센서 노드를 각각 포함하는 복수의 필드 네트워크와 플랜트 관리 시스템 사이에서 중계 역할을 수행하는 관리 네트워크 장치는 적어도 하나의 센서 노드로부터 수신한 센싱 데이터 패킷에서 처리 우선 순위의 분류 기준이 되는 시퀀스 번호를 추출하고, 센싱 데이터 패킷의 시퀀스 번호의 값을 이용하여 센싱 데이터 패킷을 처리 우선 순위 등급별로 분류하여 처리한다.

Description

플랜트 관리 네트워크에서의 관리 네트워크 장치 및 데이터 처리 방법{MANAGEMENT NETWORK APPARATUS AND METHDO FOR PROCESSING DATA IN PLANT MANAGEMENT NETWORK}
본 발명은 플랜트 관리 네트워크에서의 관리 네트워크 장치 및 데이터 처리 방법에 관한 것이다.
종래 산업플랜트와 관련된 각종 시설물 관리는 실시간 모니터링 및 자동화된 제어 기술 적용의 어려움으로 아날로그 방식이 주를 이루고 있는 실정이며, 정유 시설이나 에너지 관련 위험도가 높은 시설물의 경우 안정성과 신뢰성 보장을 위해 관리자 또는 직원들이 수작업으로 동작 제어 및 상태 데이터를 수집하고 있다.
이러한 종래 플랜트 시설물 관리는 실시간 관리가 어렵기 때문에 사고 발생 시 신속하게 대처할 수 없으며, 특히 위험도가 높은 시설물의 경우 안전한 관리와 사고 방지를 위해 관리자들이 빈번하게 현장을 방문하여 시설물을 확인해야 하는 불편함이 있으며 사고의 위험도 수반될 수 있다.
본 발명이 해결하고자 하는 기술적 과제는 실시간 관리를 가능하게 하는 플랜트 관리 네트워크에서의 관리 네트워크 장치 및 데이터 처리 방법을 제공하는 것이다.
본 발명의 한 실시 예에 따르면, 플랜트 시설물에 위치한 적어도 하나의 센서 노드를 각각 포함하는 복수의 필드 네트워크와 플랜트 관리 시스템 사이의 관리 네트워크 장치에서 데이터를 처리하는 방법이 제공된다. 데이터 처리 방법은 상기 적어도 하나의 센서 노드로부터 센싱 데이터 패킷을 수신하는 단계, 상기 센싱 데이터 패킷을 처리 우선 순위 등급별로 분류하는 단계, 그리고 처리 우선 순위 등급에 따라서 센싱 데이터 패킷을 처리하는 단계를 포함한다.
상기 분류하는 단계는, 상기 센싱 데이터 패킷으로부터 처리 우선 순위의 분류 기준이 되는 시퀀스 번호를 추출하는 단계, 상기 시퀀스 번호가 유용한지 판단하는 단계, 그리고 유용한 시퀀스 번호를 포함하는 센싱 데이터 패킷을 상기 시퀀스 번호에 따라서 상기 처리 우선 순위 등급별로 분류하는 단계를 포함할 수 있다.
상기 분류하는 단계는, 유용하지 않은 시퀀스 번호를 포함하는 센싱 데이터 패킷을 기계 학습 방법을 사용하여 상기 처리 우선 순위 등급별로 분류하는 단계를 더 포함할 수 있다.
상기 처리 우선 순위 등급은 긴급, 실시간 및 비실시간을 포함할 수 있으며, 상기 처리하는 단계는, 상기 긴급에 해당하는 센싱 데이터 패킷을 상기 실시간에 해당하는 센싱 데이터 패킷보다 우선하여 상기 플랜트 관리 시스템으로 전송하는 단계를 포함할 수 있다.
또한, 상기 처리하는 단계는, 상기 비실시간에 해당하는 센싱 데이터 패킷을 설정 시간 동안 취합한 후에 상기 플랜트 관리 시스템으로 전송하는 단계를 더 포함할 수 있다.
상기 복수의 필드 네트워크는 플랜트 시설물의 위험도에 따라 다른 네트워크 토폴로지로 구성될 수 있으며, 상기 복수의 필드 네트워크 중 사고 및 안전과 직결된 플랜트 시설물에 위치한 센서 노드를 포함하는 필드 네트워크는 메쉬(mesh) 토폴로지로 구성되어 있을 수 있다.
본 발명의 다른 실시 예에 따르면, 플랜트 시설물에 위치한 적어도 하나의 센서 노드에서 데이터를 처리하는 방법이 제공된다. 데이터 처리 방법은 상기 플랜트 시설물에 관련된 정보를 센싱하는 단계, 센싱한 데이터를 포함하는 센싱 데이터 패킷의 메시지 식별자 필드에 상기 센싱한 데이터의 처리 우선 순위 등급을 나타내는 시퀀스 번호를 설정하는 단계, 그리고 상기 센싱 데이터 패킷을 관리 네트워크 장치로 전송하는 단계를 포함할 수 있다.
상기 처리 우선 순위 등급은 최우선적으로 처리하는 긴급, 실시간으로 처리하는 실시간 및 일정 기간 동안 취합한 후에 처리하는 비실시간을 포함할 수 있으며, 상기 관리 네트워크 장치는 상기 처리 우선 순위 등급에 따라서 해당 센싱 데이터 패킷을 처리할 수 있다.
본 발명의 또 다른 실시 예에 따르면, 플랜트 시설물에 위치한 적어도 하나의 센서 노드를 각각 포함하는 복수의 필드 네트워크와 플랜트 관리 시스템 사이의 관리 네트워크 장치가 제공된다. 관리 네트워크 장치는 패킷 분석부, 1차 패킷 분류부, 그리고 패킷 송신부를 포함한다. 패킷 분석부는 상기 적어도 하나의 센서 노드로부터 센싱 데이터 패킷을 수신하고, 상기 센싱 데이터 패킷에서 처리 우선 순위의 분류 기준이 되는 시퀀스 번호를 추출한다. 1차 패킷 분류부는 상기 센싱 데이터 패킷의 시퀀스 번호의 값이 유용한 경우에, 상기 시퀀스 번호의 값을 이용하여 센싱 데이터 패킷을 처리 우선 순위 등급별로 분류한다. 그리고 패킷 송신부는 처리 우선 순위 등급에 따라 해당 센싱 데이터 패킷을 전송 처리한다.
상기 관리 네트워크 장치는 상기 센싱 데이터 패킷의 시퀀스 번호의 값이 유용하지 않은 경우에, 기계 학습 방법을 이용하여 상기 센싱 데이터 패킷을 상기 처리 우선 순위 등급별로 분류하는 2차 패킷 분류부를 더 포함할 수 있다.
본 발명의 실시 예에 의하면, 플랜트 시설물에 무선 통신 기술을 도입함으로써 플랜트 시설물의 관리 및 운영 비용을 감소시킬 수 있다.
또한, 플랜트 관리 네트워크에서 게이트웨이 역할을 하는 관리 네트워크 장치에서 센싱 데이터 패킷을 처리 우선 순위 등급에 따라 전송 처리 처리함으로써 플랜트 시설물의 효율적인 모니터링 및 관리가 이루어질 수 있다.
또한, 센싱 데이터 패킷에서 처리 우선 순위 등급을 나타내는 시퀀스 번호가 손실된 경우, 기계 학습 방법을 이용하여 센싱 데이터 패킷을 처리함으로써, 센싱 데이터 패킷에 신뢰성 및 안정성을 향상시킬 수 있다.
도 1은 본 발명의 실시 예에 따른 플랜트 관리 네트워크를 나타낸 도면이다.
도 2는 본 발명의 실시 예에 따른 센싱 데이터 패킷의 구조를 나타낸 도면이다.
도 3은 본 발명의 실시 예에 따른 관리 네트워크 장치에서 센싱 데이터 패킷을 처리하는 방법을 나타낸 도면이다.
도 4는 본 발명의 실시 예에 따른 센서 노드에서 센싱 데이터 패킷을 처리하는 방법을 나타낸 도면이다.
도 5는 SVM의 기본 원리를 나타낸 도면이다.
도 6은 본 발명의 실시 예에 따른 관리 네트워크 장치를 나타낸 도면이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 및 청구범위 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
이제 본 발명의 실시 예에 따른 플랜트 관리 네트워크에서의 관리 네트워크 장치 및 데이터 처리 방법에 대하여 도면을 참고로 하여 상세하게 설명한다.
도 1은 본 발명의 실시 예에 따른 플랜트 관리 네트워크를 나타낸 도면이다.
도 1을 참조하면, 플랜트 관리 네트워크는 적어도 하나의 필드 네트워크 예를 들면, 필드 네트워크(100a, 100b, 100c), 관리 네트워크 장치(200) 및 플랜트 관리 시스템(300)을 포함한다.
플랜트 관리 네트워크는 센서 네트워크(Sensor Network) 기술을 응용한 것으로, 원유 및 가스처리설비, 석유화학, 원유 정제시설 등의 화공 플랜트와 LNG 등 가스 플랜트뿐 아니라 화력, 복합화력, 원자력발전 등 다양한 종류의 발전 플랜트 등 플랜트 전반의 모니터링, 유지 보수 등에 이용된다. 이러한 센서 네트워크의 기술을 이용하면, 플랜트 시설물의 전반적인 관리 및 운용 비용을 줄일 수 있고 신뢰성 있는 데이터 통신 및 실시간 모니터링이 가능해질 수 있다.
필드 네트워크(100a, 100b, 100c)는 각각 복수의 센서 노드(110a, 110b, 110c)를 포함한다.
각 센서 노드(110a, 110b, 110c)는 플랜트 시설물에 부착되어서 센서 노드(110a, 110b, 110c)의 상태, 프로세스의 상태, 그리고 사물 예를 들면, 벨브, 컴프레스 등과 같은 프로세서에 연결된 다른 장비들의 상태에 대한 진단 정보 등을 센싱하고 센싱 데이터를 포함하는 센싱 데이터 패킷을 전송한다.
필드 네트워크(100a, 100b, 100c)는 주로 스타 토폴로지(star topology), 메쉬 토폴로지(mesh topology), 스타 및 메쉬의 혼성 토폴로지(star-mesh topology) 등의 형태로 구성될 수 있다. 이때, 필드 네트워크(100a, 100b, 100c) 중 고위험 시설물과 같이 사고 및 안전과 직결된 긴급 센싱 데이터의 발생 빈도가 높은 필드 네트워크의 경우, 신뢰성 있는 데이터 전송을 위해 메쉬 토폴로지로 구성될 수 있다. 또한, 필드 네트워크(100a, 100b, 100c) 중 중앙 제어 시설 또는 모니터링을 위한 실시간 센싱 데이터나 비실시간적 특성을 갖는 주기적 보고 센싱 데이터를 발생시키는 필드 네트워크의 경우, 스타 또는 스타 및 메쉬의 혼성 토폴롤지로 구성될 수 있다. 이와 같이, 플랜트 시설물의 위험도에 따라 다양한 구조의 네트워크 토폴로지를 구현함으로써, 플랜트 시설물을 안전하게 관리할 수 있고 이에 따라 사고를 예방할 수 있으며, 사고 발생 시 긴급하게 대처할 수 있어서 그 피해를 최소화할 수게 된다.
도 1에서는 각각 스타 토폴로지, 메쉬 토폴로지 및 스타-메쉬 포톨로지 형태로 구성된 필드 네트워크(100a, 100b, 100c)를 도시하였다.
관리 네트워크 장치(200)는 필드 네트워크(100a, 100b, 100c)간의 라우팅 및 필드 네트워크(100a, 100b, 100c)와 플랜트 관리 시스템(300) 사이에서 게이트웨이의 기능을 수행한다.
관리 네트워크 장치(200)는 센서 노드(110a, 110b, 110c)로부터 센싱 데이터패킷을 수신하고, 센싱 데이터 패킷의 목적지로 센싱 데이터 패킷을 전달하는 기능을 수행한다. 이때, 관리 네트워크 장치(200)는 센서 노드(110a, 110b, 110c)로부터 수신한 센싱 데이터 패킷을 유형별로 분류하고, 유형별 센싱 데이터 패킷을 처리한다. 예를 들어, 관리 네트워크 장치(200)는 센싱 데이터 패킷을 처리 우선 순위 등급에 따라 긴급 메시지, 실시간 메시지 및 비실시간 메시지로 분류하여 전송 처리할 수 있다. 센싱 데이터의 유형은 처리 우선 순위에 대한 정의, 시스템 운영 및 분석 목적에 따라 보다 상세하게 세분화될 수 있다.
플랜트 관리 시스템(300)는 센서 노드(110a, 110b, 110c)의 센싱 데이터를 수집하고 저장 및 관리하는 역할을 수행하며, 센서 노드(110a, 110b, 110c)의 센싱 데이터로부터 플랜트 시설물의 이상 발생 시 이를 관리자에게 알리는 기능을 수행한다.
이러한 플랜트 관리 네트워크를 이용하면, 플랜트 시설물의 실시간 모니터링이 가능해질 수 있으며, 처리 우선 순위 등급에 따라 센싱 데이터를 처리함으로써 안전 사고를 미연에 방지할 수 있다.
도 2는 본 발명의 실시 예에 따른 센싱 데이터 패킷의 구조를 나타낸 도면이다.
도 2를 참고하면, 센싱 데이터 패킷은 메시지 식별자 필드, 데이터 길이 필드, 데이터 필드 및 체크섬(Checksum) 필드를 포함한다. 이러한 센싱 데이터 패킷은 IP(Internet Protocol) 기반일 수 있다.
메시지 식별자 필드는 센싱 데이터 패킷의 식별자를 포함하며, 32비트일 수 있다.
메시지 식별자 필드는 센싱 데이터 패킷을 송신한 소스 식별자(Source ID)를 포함하는 소스 식별자 필드, 센싱 데이터 패킷의 목적지 식별자(Destination ID)를 포함하는 목적지 식별자 필드 및 센싱 데이터 패킷의 처리 우선 순위를 나타내는 시퀀스 번호(Sequence Number)를 포함하는 시퀀스 번호 필드를 포함한다. 이때, 소스 식별자 필드, 목적지 식별자 필드 및 시퀀스 번호 필드는 각각 8비트, 8비트 및 16비트일 수 있다.
즉, 센서 노드(110a, 110b, 110c)는 센싱 데이터의 유형에 따라 시퀀스 번호를 설정하여 센싱 데이터 패킷을 전송하며, 시퀀스 번호에 의해 관리 네트워크 장치(200)에서 센싱 데이터 패킷을 유형별로 분류할 수 있다. 예를 들어, 센싱 데이터 패킷이 처리 우선 순위 등급에 따라 긴급 메시지, 실시간 메시지 및 비실시간 메시지로 분류되는 경우에, 센싱 데이터 패킷의 시퀀스 번호의 값이 0~21845이면 긴급 메시지로 분류되고, 센싱 데이터 패킷의 시퀀스 번호의 값이 21846~43690이면 실시간 메시지로 분류되고, 센싱 데이터 패킷의 시퀀스 번호의 값이 43691~65535이면 비실시간 메시지로 분류될 수 있다.
데이터 길이 필드는 센싱 데이터의 길이를 포함하며, 32비트일 수 있다.
데이터 필드는 센싱 데이터를 포함하며, 그 크기는 가변적일 수 있다.
체크섬 필드는 센싱 데이터 패킷이 정상인지 아닌지를 나타내는 정보를 포함하며, 16비트일 수 있다.
도 3은 본 발명의 실시 예에 따른 관리 네트워크 장치에서 센싱 데이터 패킷을 처리하는 방법을 나타낸 도면이다.
도 3을 참고하면, 관리 네트워크 장치(200)는 센싱 데이터 패킷을 수신하면(S310), 센싱 데이터 패킷에서 메시지 식별자 필드를 추출한다(S320).
또한, 관리 네트워크 장치(200)는 메시지 식별자 필드의 시퀀스 번호 필드에서 시퀀스 번호를 추출하고(S330), 시퀀스 번호가 유용한지를 판단한다(S340). 관리 네트워크 장치(200)는 시퀀스 번호의 값이 손실되었거나 시퀀스 번호의 값이 시퀀스 번호의 범위를 벗어난 경우에 시퀀스 번호의 값이 유용하지 않은 것으로 판단한다.
관리 네트워크 장치(200)는 시퀀스 번호의 값이 유용한 경우에, 시퀀스 번호의 값을 이용하여 센싱 데이터 패킷을 처리 우선 순위 등급별로 분류한다(S350). 예를 들어서, 관리 네트워크 장치(200)는 시퀀스 번호의 값에 따라서 센싱 데이터 패킷을 긴급 메시지, 실시간 메시지 및 비실시간 메시지로 분류할 수 있다.
한편, 관리 네트워크 장치(200)는 시퀀스 번호의 값이 유용하지 않은 경우에, 기계 학습(Machine Learving) 방법을 통해 센싱 데이터 패킷을 처리 우선 순위 등급별로 분류한다(S360).
기계 학습 방법은 주어진 데이터를 컴퓨터에 입력하고 특정 알고리즘을 기반으로 학습을 수행하여 분류 기준을 구축함으로써 새로운 데이터가 주어졌을 때 그 데이터가 어떠한 유형으로 분류되는지 예측하는 방법을 나타낸다. 이러한 기계 학습 방법으로 SVM(Support Vector Machine), SVDD(Support Vector Data Description), DT(Decision Tree) 등이 사용될 수 있다.
즉, 관리 네트워크 장치(200)는 센싱 데이터 패킷의 시퀀스 번호의 값이 유용하지 않은 경우에 해당 센싱 데이터 패킷을 폐기하지 않고 기계 학습 방법으로 센싱 데이터 패킷을 분류한다. 만약, 긴급 센싱 데이터를 포함하는 센싱 데이터 패킷의 시퀀스 번호의 값이 유용하지 않은 경우, 이를 바로 폐기 처리하면 플랜트 관리 시스템(300)에서 해당 센싱 데이터 패킷을 수신할 수 없다. 긴급 센싱 데이터는 플랜트 시설물의 안전과 사고에 직결되기 때문에 해당 센싱 데이터 패킷의 폐기 처리로 인해서 플랜트 관리 시스템에서 안전 사고를 미연에 방지하지 못할 수 있게 된다. 그러나, 본 발명의 실시 예에 따른 관리 네트워크 장치(200)는 긴급 센싱 데이터를 포함하는 센싱 데이터 패킷의 시퀀스 번호의 값이 유용하지 않은 경우에 기계 학습 방법으로 해당 센싱 데이터 패킷을 긴급 메시지로 분류할 수 있으므로, 센싱 데이터 패킷의 유형별 분류 및 전송에 있어서 신뢰성과 안정성을 향상시킬 수 있다.
관리 네트워크 장치(200)는 처리 우선 순위 등급별로 분류된 센싱 데이터 패킷을 처리 우선 순위 등급에 따라서 전송 처리한다(S370).
구체적으로, 관리 네트워크 장치(200)는 긴급 메시지로 분류된 센싱 데이터 패킷을 최우선적으로 플랜트 관리 시스템(300)으로 전송하고, 실시간 메시지로 분류된 센싱 데이터 패킷을 실시간으로 플랜트 관리 시스템(300)으로 전달한다. 실시간 메시지는 플랜트 시설물의 안전과 사고에 직결된 긴급 메시지는 아니지만, 실시간으로 플랜트 관리 시스템(300)으로 전송해야 하는 메시지이다. 실시간 메시지에는 관리 네트워크 장치(200)의 상태 정보나 광범위하게 플랜트 시설물에 설치된 센서 노드별 상태 정보, 수명 정보 등이 포함될 수 있다.
관리 네트워크 장치(200)는 긴급메시지와 실시간 메시지가 동시에 들어올 경우, 시퀀스 번호에 의해 긴급 메시지를 우선으로 처리한다. 네트워크 망에서 제공하는 대역폭(bandwidth) 또는 데이터 처리율(throughput)은 한정되어 있고, 이러한 상황에서 긴급 메시지와 실시간 메시지가 대량 들어왔을 때 동시에 플랜트 관리 시스템(300)으로 전송 시 긴급메시지 전송이 안되거나 지연될 가능성이 크므로, 관리 네트워크 장치(200)는 시퀀스 번호를 이용해서 긴급 메시지를 최우선으로 전송한다.
또한, 관리 네트워크 장치(200)는 비실시간 메시지로 분류된 센싱 데이터 패킷을 설정 시간 동안 저장하고, 설정 시간 동안에 저장된 센싱 데이터 패킷을 취합하여 플랜트 관리 시스템(300)으로 전달한다. 비실시간 메시지는 주기적 보고의 특성을 가지며, 비실시간 메시지에는 플랜트 시설물에 설치된 센서 노드에서 일정기간 동안 수집하여 주기적으로 전송하는 센싱 데이터가 포함될 수 있다. 이러한 비실시간 메시지에 해당하는 센싱 데이터는 추후 장기적으로 수집하여 특정 시간, 장소, 주변 환경 변화에 따른 플랜트 시설물별 상태 보고 패턴 등을 분석하는 데 활용될 수 있다.
도 4은 본 발명의 실시 예에 따른 센서 노드에서 센싱 데이터 패킷을 처리하는 방법을 나타낸 도면이다.
도 4를 참고하면, 센서 노드(110a, 110b, 110c)는 해당 플랜트 시설물에서 해당 플랜트 시설물 관련 데이터를 센싱한다(S410).
센서 노드(110a, 110b, 110c)는 센싱한 데이터를 포함한 센싱 데이터 패킷을 생성한다(S420). 구체적으로, 센서 노드(110a, 110b, 110c)는 센싱한 데이터를 데이터 필드에 설정하고, 센싱한 데이터의 길이를 데이터 길이 필드에 설정하며, 소스 식별자와 목적지 식별자를 메시지 식별자 필드의 소스 식별자 필드와 목적지 식별자 필드에 설정한다. 또한, 센서 노드(110a, 110b, 110c)는 센싱한 데이터의 처리 우선 순위 등급의 분류 기준이 되는 시퀀스 번호를 메시지 식별자 필드의 시퀀스 번호 필드에 설정한다.
센서 노드(110a, 110b, 110c)는 센싱 데이터 패킷을 관리 네트워크 장치(200)로 전송한다(S430).
그러면, 기계 학습 방법의 대표적인 SVM에 대해서 도 5를 참고로 하여 설명한다.
통계적 학습 이론(Statistical Learning Theory)에 기반을 둔 SVM는 주어진 문제를 항상 전역적 최적해가 보장되는 컨벡스 쿼드릭(Convex Quadratic) 문제로 변환하여 해를 구하기 때문에 패턴 인식 분야에서 매우 우수한 성능을 보여주고 있다.
도 5는 SVM의 기본 원리를 나타낸 도면이다.
도 5를 참고하면, SVM의 기본 원리는 수학식 1과 같이 선형 분리(Linearly Separable)가 가능한 문제에서부터 출발한다.
[수학식 1]
d(x)=wTx + b = 0
여기서, d(x)는 전체 특정 공간을 두 영역으로 분할하며, 한 쪽 영역에 속하는 점 x는 d(x) > 0이고 다른 쪽 영역에 속하는 점 x는 d(x) < 0이다. w는 초평면(Optimal Hyperplane)의 법선 벡터로서 초평면의 방향을 나타내고, b는 초평면의 위치를 나타낸다.
즉, SVM은 입력 데이터(x)가 주어졌을 때 출력으로 {-1, +1}과 같이 이진 값으로 구분되는 문제에서 출발한다.
초평면(Optimal Hyperplane)이 분류 함수로 주어질 때, 초평면과 학습 데이터간 거리(r)은 수학식 2와 같이 나타낼 수 있다.
[수학식 2]
Figure pat00001
수학식 2에서, 하한 값의 거리에 있는 학습 데이터는 초평면과 가장 가까운 거리에 위치하게 되며, 이 학습 데이터가 서포트 벡터(Support Vector)가 된다.
즉, SVM에서는 흰색 원과 검은색 원의 데이터가 학습용으로 주어졌을 때 두 그룹 사이의 경계에 H1과 H2 선을 그어서 파이프를 구한 후에 그 파이프 안에서 가운데에 새로운 선을 그어서 최적의 초평면으로 정한다. 이때, H1과 H2 선을 정하는 데 기여하는 데이터를 서포트 벡터라 한다. 도 5에서는 흰색 원 두 개와 검은색 원 한 개가 기여 벡터로 사용되었음을 알 수 있다.
수학식 2로부터 초평면에 의해 분류되는 두 클래스간의 거리는 수학식 3과 같게 된다.
[수학식 3]
Figure pat00002
수학식 3에서,
Figure pat00003
는 분류 한도(margin of separation)를 나타낸다.
즉, 최적의 초평면을 구하는 문제는 분류 한도(margin)을 최대화하는 문제로 정의될 수 있으며, SVM의 학습은 수학식 4의 최적화 문제로 정의될 수 있다.
[수학식 4]
Figure pat00004
수학식 3에 관한 쌍대 문제(dual problem)을 구하기 위해 라그랑제 함수(Largrange function)(L)이 도입될 수 있다. 라그랑제 함수(L)은 수학식 5와 같을 수 있다.
[수학식 5]
Figure pat00005
수학식 5에서,
Figure pat00006
는 라그랑제 승수를 나타낸다.
이와 같이 하여, 최적의 초평면(w)이 구해지면, 새로운 학습 데이터 즉, 센싱 데이터 패킷이 어떤 클래스에 속하는지를 판정할 수 있다. 이때, 새로운 학습 데이터가 어떤 클래스에 속하는지 판정하는 결정 함수는 수학식 6과 같이 정의될 수 있다.
[수학식 6]
Figure pat00007
수학식 6에서, sgn()는 이진 클래스 즉, 2가지로 분류하는 것을 의미한다. 즉, sgn의 괄호 안의 식을 계산하면 sgn()은 + 또는 - 부호로 판별한다. K(x,xi)는 커널 함수로써 고차원의 문제를 풀 때 내적을 계산하지 않고 빠르게 계산할 수 있는 방법이다. 일반적으로 사용되는 커널 함수로는 다항식(polynomial), RBF(Radial Basis Function), 시그모이드(sigmoid) 커널 함수 등이 있을 수 있다.
이와 같은 SVM는 단일형으로 학습 데이터를 2개의 클래스로 구분할 수 있지만, 두 개의 SVM을 결합하면 3 또는 4개의 클래스로도 구분이 가능해진다. 따라서, SVM을 이용하여 센싱 데이터 패킷을 긴급 메시지, 실시간 메시지 및 비실시간 메시지로 분류할 수 있다.
이와 같은 기계 학습 방법을 이용하면, 센싱 데이터 패킷을 분류하면, 플랜트 시설물의 특성 상 비실시간 메시지를 긴급 메시지나 실시간 메시지로 오판정하는 비율인 FPR(False Positive Rate)이 높더라도, 긴급 메시지를 비실시간 메시지로 오판정하는 FNR(False Negative Rate)를 최소화할 수 있게 된다. 이때, 플랜트 시설물의 안전과 사고로 인해 발생하는 피해를 줄이기 위해 FNR의 최소화는 매우 중요한 성능 지표가 될 수 있다.
도 6은 본 발명의 실시 예에 따른 관리 네트워크 장치를 나타낸 도면이다.
도 6을 참고하면, 관리 네트워크 장치(200)는 패킷 분석부(210), 1차 패킷 분류부(220), 2차 패킷 분류부(230) 및 패킷 송신부(240)를 포함한다.
패킷 분석부(210)는 센서 노드로부터 수신한 센싱 데이터 패킷에서 메시지 식별자 필드를 추출하고, 메시지 식별자 필드에서 시퀀스 번호 필드를 추출한다. 패킷 분석부(210)는 센싱 데이터 패킷의 시퀀스 번호 필드에서 시퀀스 번호의 값이 유용한지를 판단하고, 센싱 데이터 패킷의 시퀀스 번호의 값이 유용한 경우에 해당 센싱 데이터 패킷을 1차 패킷 분류부(220)로 전달하며, 센싱 데이터 패킷의 시퀀스 번호의 값이 유용하지 않은 경우에 해당 센싱 데이터 패킷을 2차 패킷 분류부(230)로 전달한다.
1차 패킷 분류부(220)는 센싱 데이터 패킷의 시퀀스 번호의 값을 이용하여 센싱 데이터 패킷을 처리 우선 순위 등급별 즉, 긴급 메시지, 실시간 메시지 및 비실시간 메시지 중 하나로 분류한다.
2차 패킷 분류부(230)는 센싱 데이터 패킷을 기계 학습 방법을 통해 센싱 데이터 패킷을 긴급 메시지, 실시간 메시지 및 비실시간 메시지 중 하나로 분류한다.
패킷 송신부(240)는 1차 패킷 분류부(220) 및 2차 패킷 분류부(230)에 의해 분류된 센싱 데이터 패킷을 처리 우선 순위 등급별로 플랜트 관리 시스템(300)으로 전달한다. 이때, 패킷 송신부(240)는 해당 센싱 데이터 패킷의 목적지에 따라서 해당 센싱 데이터 패킷을 센서 노드로 전달할 수 있다.
본 발명의 실시 예는 이상에서 설명한 장치 및/또는 방법을 통해서만 구현되는 것은 아니며, 본 발명의 실시 예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시 예의 기재로부터 본 발명이 속하는 기술 분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시 예에 대하여 상세하게 설명하였지만 본 발명의 권리 범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리 범위에 속하는 것이다.

Claims (17)

  1. 플랜트 시설물에 위치한 적어도 하나의 센서 노드를 각각 포함하는 복수의 필드 네트워크와 플랜트 관리 시스템 사이의 관리 네트워크 장치에서 데이터를 처리하는 방법에서,
    상기 적어도 하나의 센서 노드로부터 센싱 데이터 패킷을 수신하는 단계,
    상기 센싱 데이터 패킷을 처리 우선 순위 등급별로 분류하는 단계, 그리고
    처리 우선 순위 등급에 따라서 센싱 데이터 패킷을 처리하는 단계
    를 포함하는 데이터 처리 방법.
  2. 제1항에서,
    상기 분류하는 단계는,
    상기 센싱 데이터 패킷으로부터 처리 우선 순위의 분류 기준이 되는 시퀀스 번호를 추출하는 단계,
    상기 시퀀스 번호가 유용한지 판단하는 단계, 그리고
    유용한 시퀀스 번호를 포함하는 센싱 데이터 패킷을 상기 시퀀스 번호에 따라서 상기 처리 우선 순위 등급별로 분류하는 단계를 포함하는 데이터 처리 방법.
  3. 제2항에서,
    상기 분류하는 단계는,
    유용하지 않은 시퀀스 번호를 포함하는 센싱 데이터 패킷을 기계 학습 방법을 사용하여 상기 처리 우선 순위 등급별로 분류하는 단계를 더 포함하는 데이터 처리 방법.
  4. 제3항에서,
    상기 기계 학습 방법은 SVM(Support Vector Machine), SVDD(Support Vector Data Description) 및 DT(Decision Tree) 중 적어도 하나를 포함하는 데이터 처리 방법.
  5. 제2항에서,
    상기 판단하는 단계는,
    상기 시퀀스 번호가 손실되었거나 상기 시퀀스 번호의 범위를 벗어난 경우에 상기 시퀀스 번호가 유용하지 않은 것으로 판단하는 단계를 포함하는 데이터 처리 방법.
  6. 제1항에서,
    상기 처리 우선 순위 등급은 긴급, 실시간 및 비실시간을 포함하고,
    상기 처리하는 단계는,
    상기 긴급에 해당하는 센싱 데이터 패킷을 상기 실시간에 해당하는 센싱 데이터 패킷보다 우선하여 상기 플랜트 관리 시스템으로 전송하는 단계를 포함하는 데이터 처리 방법.
  7. 제6항에서,
    상기 처리하는 단계는,
    상기 비실시간에 해당하는 센싱 데이터 패킷을 설정 시간 동안 취합한 후에 상기 플랜트 관리 시스템으로 전송하는 단계를 포함하는 데이터 처리 방법.
  8. 제1항에서,
    상기 복수의 필드 네트워크는 플랜트 시설물의 위험도에 따라 다른 네트워크 토폴로지로 구성되는 데이터 처리 방법.
  9. 제8항에서,
    상기 복수의 필드 네트워크 중 사고 및 안전과 직결된 플랜트 시설물에 위치한 센서 노드를 포함하는 필드 네트워크는 메쉬(mesh) 토폴로지로 구성되어 있는 데이터 처리 방법.
  10. 플랜트 시설물에 위치한 적어도 하나의 센서 노드에서 데이터를 처리하는 방법에서,
    상기 플랜트 시설물에 관련된 정보를 센싱하는 단계,
    센싱한 데이터를 포함하는 센싱 데이터 패킷의 메시지 식별자 필드에 상기 센싱한 데이터의 처리 우선 순위 등급을 나타내는 시퀀스 번호를 설정하는 단계, 그리고
    상기 센싱 데이터 패킷을 관리 네트워크 장치로 전송하는 단계
    를 포함하는 데이터 처리 방법.
  11. 제10항에서,
    상기 처리 우선 순위 등급은 최우선적으로 처리하는 긴급, 실시간으로 처리하는 실시간 및 일정 기간 동안 취합한 후에 처리하는 비실시간을 포함하며,
    상기 관리 네트워크 장치는 상기 처리 우선 순위 등급에 따라서 해당 센싱 데이터 패킷을 처리하는 데이터 처리 방법.
  12. 제10항에서,
    상기 메시지 식별자 필드는 상기 센싱 데이터 패킷의 소스 식별자 및 상기 센싱 데이터 패킷의 목적지 식별자를 더 포함하는 데이터 처리 방법.
  13. 플랜트 시설물에 위치한 적어도 하나의 센서 노드를 각각 포함하는 복수의 필드 네트워크와 플랜트 관리 시스템 사이의 관리 네트워크 장치에서,
    상기 적어도 하나의 센서 노드로부터 센싱 데이터 패킷을 수신하고, 상기 센싱 데이터 패킷에서 처리 우선 순위의 분류 기준이 되는 시퀀스 번호를 추출하는 패킷 분석부,
    상기 센싱 데이터 패킷의 시퀀스 번호의 값이 유용한 경우에, 상기 시퀀스 번호의 값을 이용하여 센싱 데이터 패킷을 처리 우선 순위 등급별로 분류하는 1차 패킷 분류부, 그리고
    처리 우선 순위 등급에 따라 해당 센싱 데이터 패킷을 전송 처리하는 패킷 송신부
    를 포함하는 관리 네트워크 장치.
  14. 제13항에서,
    상기 센싱 데이터 패킷의 시퀀스 번호의 값이 유용하지 않은 경우에, 기계 학습 방법을 이용하여 상기 센싱 데이터 패킷을 상기 처리 우선 순위 등급별로 분류하는 2차 패킷 분류부
    를 더 포함하는 관리 네트워크 장치.
  15. 제13항에서,
    상기 처리 우선 순위 등급은 긴급, 실시간 및 비실시간을 포함하고,
    상기 패킷 송신부는,
    상기 긴급에 해당하는 센싱 데이터 패킷을 즉시 상기 플랜트 관리 시스템으로 전송하는 관리 네트워크 장치.
  16. 제15항에서,
    상기 패킷 송신부는,
    상기 비실시간에 해당하는 센싱 데이터 패킷을 설정 시간 동안 취합한 후에 상기 플랜트 관리 시스템으로 전송하는 관리 네트워크 장치.
  17. 제13항에서,
    상기 복수의 필드 네트워크 중 사고 및 안전과 직결된 플랜트 시설물에 위치한 센서 노드를 포함하는 필드 네트워크는 메쉬(mesh) 토폴로지로 구성되어 있는 관리 네트워크 장치.
KR1020110057660A 2011-06-14 2011-06-14 플랜트 관리 네트워크에서의 관리 네트워크 장치 및 데이터 처리 방법 KR20120138298A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110057660A KR20120138298A (ko) 2011-06-14 2011-06-14 플랜트 관리 네트워크에서의 관리 네트워크 장치 및 데이터 처리 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110057660A KR20120138298A (ko) 2011-06-14 2011-06-14 플랜트 관리 네트워크에서의 관리 네트워크 장치 및 데이터 처리 방법

Publications (1)

Publication Number Publication Date
KR20120138298A true KR20120138298A (ko) 2012-12-26

Family

ID=47905109

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110057660A KR20120138298A (ko) 2011-06-14 2011-06-14 플랜트 관리 네트워크에서의 관리 네트워크 장치 및 데이터 처리 방법

Country Status (1)

Country Link
KR (1) KR20120138298A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021172723A1 (ko) * 2020-02-27 2021-09-02 한국수력원자력 주식회사 원전의 지능형 상태감시 방법 및 시스템
KR20220071548A (ko) 2020-11-24 2022-05-31 한국남동발전 주식회사 센서 데이터 처리 시스템

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021172723A1 (ko) * 2020-02-27 2021-09-02 한국수력원자력 주식회사 원전의 지능형 상태감시 방법 및 시스템
KR20210109206A (ko) * 2020-02-27 2021-09-06 한국수력원자력 주식회사 원전의 지능형 상태감시 방법 및 시스템
KR20220071548A (ko) 2020-11-24 2022-05-31 한국남동발전 주식회사 센서 데이터 처리 시스템

Similar Documents

Publication Publication Date Title
US11595268B2 (en) Deep fusion reasoning engine (DFRE) for prioritizing network monitoring alerts
US11146463B2 (en) Predicting network states for answering what-if scenario outcomes
US11711271B2 (en) Predictive routing using machine learning in SD-WANs
US10805185B2 (en) Detecting bug patterns across evolving network software versions
US20190138938A1 (en) Training a classifier used to detect network anomalies with supervised learning
US9705914B2 (en) Signature creation for unknown attacks
US10904125B2 (en) Active probe construction using machine learning for measuring SD-WAN tunnel metrics
Srinivasan et al. Machine learning-based link fault identification and localization in complex networks
US20210390423A1 (en) Deep fusion reasoning engine for time series analysis
US11564113B2 (en) Machine learning-based approach to network planning using observed patterns
US20190238396A1 (en) Using random forests to generate rules for causation analysis of network anomalies
US20190215230A1 (en) Analyzing common traits in a network assurance system
JP6823501B2 (ja) 異常検知装置、異常検知方法及びプログラム
US20210281492A1 (en) Determining context and actions for machine learning-detected network issues
US20220360502A1 (en) Adaptive stress testing of sd-wan tunnels for what-if scenario model training
US11856425B2 (en) Automatic characterization of AP behaviors
US20120026898A1 (en) Formatting Messages from Sensor Nodes in a Sensor Network
US10361935B2 (en) Probabilistic and proactive alerting in streaming data environments
KR20180120558A (ko) 딥러닝 기반 통신망 장비의 장애 예측 시스템 및 방법
US11063861B2 (en) Ensuring backup path performance for predictive routing in SD-WANs
US11049033B2 (en) Deriving highly interpretable cognitive patterns for network assurance
US11677819B2 (en) Peer-to-peer feature exchange for edge inference of forecasting models
US10904271B2 (en) Active prioritization of investigation targets in network security
Sarao Machine learning and deep learning techniques on wireless networks
CN116684253A (zh) 基于智能运维的网络异常管控方法

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination