KR20160026492A - 시계열 분석 기반의 신뢰 구간 추정을 이용한 이상 감지 방법 - Google Patents

Abstract

본 발명은 시계열 분석 기반의 신뢰구간 추정을 이용한 이상 감지 방법으로, 무선 센서 네트워크로부터 센서 데이터를 획득하고, 획득한 센서 데이터를 기초로 이동평균법을 이용하여 실시간 이상 감지를 위한 신뢰 구간을 추정하고, 추정 시점 이후에 획득한 센서 데이터의 값이 추정된 신뢰 구간의 범위를 벗어나면 이상으로 판단하는 것을 그 요지로 한다.

Description

시계열 분석 기반의 신뢰 구간 추정을 이용한 이상 감지 방법 {Anomaly detection method using confidence interval estimation based on time series analysis}

본 발명은 이상 감지 방법에 관한 것으로, 더 구체적으로는 무선 센서 네트워크 환경에서 시계열 분석 기반의 신뢰 구간 추정을 이용한 이상 감지 방법에 관한 것이다.

선박의 안전 운항을 위해서는 선박의 이상을 감지하는 것이 매우 중요하다. 일반적으로 선박의 이상을 감지하기 위해서는 무선 센서 네트워크를 이용하여 센서 데이터를 감지한다.

선박의 안전 운항 서비스 기술은 선박 주변의 상황을 분석하여 선박이 안전하게 항로를 계획하도록 직접적으로 지원하고 선박 운항과 관련된 장비 또는 장치의 상태를 점검하여 운항에 지장이 없도록 사전에 경고하여 조치할 수 있는 기술이다.

선박 안전 운항을 지원하기 위한 서비스 개발은 이미 오래전부터 추진되어 왔지만, 그동안 기술의 한계로 실효성 있는 서비스가 개발되지 못하다가 최근 들어, 선박 분야에 IT기술이 접목되면서 본격적으로 개발되고 있다.

그런데, 종래의 안전 운항을 위한 선박 이상을 감지하는 방법은 실시간으로 센서 데이터 변화를 감지하기 어려운 문제점이 있었다.

본 발명에서는 센서 네트워크를 통해 수집되는 센서 데이터의 신뢰 구간을 실시간으로 추정하고, 수집되는 센서 데이터가 추정된 신뢰 구간을 벗어나면 이상 징후 발생 상황으로 인식하여 관리자에게 알려주는 시계열 분석 기반의 신뢰구간 추정을 이용한 이상 감지 방법을 제공하는 것을 목적으로 한다.

본 발명의 일면에 따른, 이상 감지 방법은 시계열 분석 기반의 신뢰구간 추정을 이용한 이상 감지 방법으로서, 무선 센서 네트워크로부터 센서 데이터를 획득하는 단계; 획득한 상기 센서 데이터를 기초로 이동평균법을 이용하여 실시간 이상 감지를 위한 신뢰 구간을 추정하는 단계; 및 추정 시점 이후에 획득한 상기 센서 데이터의 값이 추정된 상기 신뢰 구간의 범위를 벗어나면 이상으로 판단하는 단계를 포함한다.

본 발명에 따르면, 센서 데이터를 기초로 이동평균법을 이용하여 이상 감지를 위한 신뢰 구간을 실시간으로 추정할 수 있고, 추정 시점 이후에 획득한 센서 데이터의 값이 추정된 신뢰 구간의 범위를 벗어나면 이상으로 판단하여 관리자에게 경보를 통하여 알려준다.

따라서, 관리자는 이러한 이상감지 정보를 활용하여 선박 내부에서 발생한 위급한 상황에서 신속하고 정확하게 의사 결정을 하는데 도움을 받음으로써 안전 운항을 할 수 있다.

도 1은 본 발명의 실시 예에 따른 시계열 분석 기반의 신뢰 구간 추정을 이용한 이상 감지 방법의 순서도.
도 2는 본 발명의 실시 예에 따른 선박 내 센서 데이터의 시계열을 도시한 도면.
도 3은 본 발명의 실시 예에 따른 시계열 분석 결과를 도시한 도면.
도 4는 본 발명의 실시 예에 따른 신뢰 구간을 추정하는 것과 센서 데이터 를 수집하는 것을 도시한 도면.
도 5는 본 발명의 실시 예에 따른 신뢰 구간 중 최대값과 최소값을 계산하는 것을 도시한 도면.
도 6은 본 발명의 실시 예에 따른 선박 내부의 이상 감지 시스템의 개념도를 도시한 도면.
도 7은 본 발명의 실시 예에 따른 휴대단말에서 실행되는 선박 내부의 이상 감지 화면을 도시한 도면.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술 되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 기재에 의해 정의된다. 한편, 본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성소자, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성소자, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.

이하, 첨부된 도면을 참조하여 본 발명의 실시 예를 상세히 설명하기로 한다.

도 1은 본 발명의 실시 예에 따른 시계열 분석 기반의 신뢰 구간 추정을 이용한 이상 감지 방법의 순서도이다.

도 1에 도시한 바와 같이, 먼저, 무선 센서 네트워크로부터 센서 데이터를 획득한다(S110).

센서 데이터는 시계열데이터이므로 이를 반영한 예측 방법으로 본 발명에서는 시계열 분석을 실시한다. 시계열데이터(온도, 습도, 조도, 소음)는 1개월 기간 동안 총 세 개의 센서가 1초에 한 개씩 데이터를 서버로 보내어 수집된 것이다.

본 발명에서는 수집하는 동안 센서의 고장이나 건전지 소모와 서버의 전원차단 그리고 기타 이유로 생성된 결측치와 이상치를 삭제하고 정제된 330개를 나타내었다.

도 2는 본 발명의 실시 예에 따른 선박 내 센서 데이터의 시계열을 도시한 도면이다.

도 2에 도시한 바와 같이, 보통 시계열 데이터는 수준, 추세, 계절변동, 잡음의 요소를 포함한다. 수준은 시계열의 평균값을 나타내며, 추세는 한 시점에서 다음 시점으로의 전반적인 패턴변화를 나타낸다. 계절변동은 짧은 기간 동안의 주기적인 패턴을 의미하며, 마지막으로 잡음은 무작위적인 변동으로 알 수 없는 오류로부터 발생한다.

도 2는 정제된 330개의 온도, 조도 습도 소음의 시계열 그래프로 불규칙변동을 나타낸다. 불규칙변동은 평균수준이 시간대에 상관없이 거의 변하지 않는 수평적 계열을 나타내는 것으로 시계열 분석 방법 중에 이동평균법이나 지수평활법을 사용하여 불규칙변동을 평활시켜 시계열의 미래값을 예측할 수 있다.

다음으로, 획득한 센서 데이터를 기초로 이동평균법을 이용하여 실시간 이상 감지를 위한 신뢰 구간을 추정한다(S120).

구체적으로, 상동평균법으로 추정된 신뢰 구간의 예측값과 신뢰 구간의 실측값의 차이의 절대값인 절대 오차를 추정된 신뢰 구간에 더하고 뺀 값으로 최대값과 최대값을 계산한다. 계산된 최소값과 최대값을 새로운 신뢰 구간으로 추정한다.

선박 내 이상감지를 위한 실시간 신뢰구간은 최대값(Max)과 최소값(Min) 사이로 정한다. 최대값은 이동평균법(5초)으로 예측한 예측값(A)과 실측값(B)의 절대오차(E=|A-B|)를 합한 값이고, Min은 이동평균법(5초)으로 예측한 예측값(A)과 실제 측정한 실측값(B)의 절대오차(E=|A-B|)를 뺀 값이다.

여기서, 신뢰 구간에서 고려할 사항은 다음과 같다.

1. 절대오차는 오차를 포함하고 있는 양과 같은 단위량으로 표현된 오차의 크기이다.

2. 참값의 범위

(근사값)-(오차의 한계) < (참값) < (근사값)+(오차의 한계)

참값이 신뢰구간이 되고 근사값이 예측값(A)이고 오차의 한계는 본 실험에서는 절대오차E를 오차의 한계로 대체한다.

신뢰구간 수식은 아래 수학식 1과 수학식 2와 같다. 신뢰구간=[Min, Max]

아래는 본 발명에서 추정한 신뢰구간의 예측값 결정을 위한 실험으로 지수평활법과 이동평균법(3초, 4초, 5초, 6초)의 예측값을 비교 평가한 실험이다.

분석결과의 정확도는 평균제곱오차에 의하여 결정되며 오차가 적을수록 정확도가 높아지게 된다. 이동평균법은 시계열 예측 기법 중 가장 용이하게 적용될 수 있는 방법으로 시계열 자료에 추세, 순환 변동, 계절적 변동이나 급격한 변화가 없고 우연 변동만 존재하는 경우의 예측에 유용하게 적용될 수 있다.

또한, 이동평균법은 시계열 변동 요인이 존재하는 경우에는 추세나 계절지수를 산정하는 데도 이용된다. 과거의 시계열 자료가 특정 추세 패턴을 나타낼 때 이동평균법에 의한 예측은 정확도가 떨어질 수 있지만 일반적으로 단순하고 응용하기 쉬워 관광수요, 어획량예측 등 비교적 소규모의 수요나 실적 예측에 이용되고 있다.

이동평균법을 사용한 예측값은 아래 수학식 3과 같다. N은 일정 기간을 의미하고, 기간은 시계열 측정 단위의 수량으로 결정할 수 있다. Xt-1 는 수집된 시계열 데이터에서 t-i 시점의 관측치이다.

이동평균법 기간	평균 제곱 오차(MSE)
	온도	습도	조도	소음
3기간	0.018	0.045	0.057	0.42
4기간	0.012	0.030	0.037	0.28
5기간	0.009	0.023	0.029	0.22
6기간	0.012	0.030	0.036	0.28

표 1에서는 이동평균기간 N(단위: 초)을 3, 4, 5, 6으로 실험하였다. 5기간 에서 평균 제곱 오차가 가장 적게 나왔다. 또한, 3기간에서 5기간으로 갈수록 점점 평균 제곱 오차가 적어졌으나 6기간에서 다시 평균 제곱 오차가 커진다.

지수 평활법(exponential smoothing method)은 예측값을 계산하기 위하여 기간에 부여하는 가중치가 과거로 거슬러 올라갈수록 지수함수적으로 감소한다. 그러므로 지수평활법에서는 가장 가까운 과거에 가장 큰 가중치를 부여하는 것이 모형의 정확성이 높고, 모형의 설정이 쉽고, 모형을 쉽게 이해할 수 있고, 계산량이 적고, 모형의 정확성을 시험하기 쉽다.

또한, 지수 평활법은 컴퓨터 기억장소를 많이 요구하지 않는다. 이러한 이유로 시계열분석 방법 중에서 단기 예측을 실시하는 데에 지수 평활법이 가장 많이 이용된다.

지수평활법을 사용한 예측값은 수학식 4와 같다.

여기서, Ft는 기간 t의 예측값, Ft-1은 기간 (t-1)의 예측값, Dt-1은 기간 (t-1)의 실제값,

는 지수평활계수(0 <

< 1) 이다.

지수평활법 평활계수(0.5)	평균 제곱 오차(MSE)
	온도	습도	조도	소리
0.5	0.013	0.032	0.041	0.30

표 2는 지수평활법 예측값에 따른 평균 제곱 오차이다. 본 발명에서는 평활 계수는 0.5로 설정하고 실험하였다.

평균 제곱 오차(MSE, 'Mean squared errors')는 예측 오차를 제곱하는 것으로 정확한 예측을 하기 위해서는 오차의 크기를 정확하게 측정하는 것이 중요하다. 오차 크기가 작을수록 실제 상황과 근접하다.

평균 제곱 오차는 아래 수학식 5와 같다.

여기서, t는 시간,

는 실측값,

의 예측값은

이다. 예측값

와 실제값

의 차이, 즉 예측오차 et는 수학식 6과 같다.

도 3은 본 발명의 실시 예에 따른 시계열 분석 결과를 도시한 도면이다.

도 3에 도시한 바와 같이, 온도, 습도, 조도, 소리의 이동평균법과 지수평활법의 비교 그래프에서 지수평활법은 예측값 변화가 없이 일정하고 이동평균법(N=5)은 실측값에 따라 변동이 나타난다.

지수평활법은 시계열데이터의 단기 예측을 실시할 때 가장 많이 사용하고, 실시간 모니터링이 가능한 장점이 있으나 도 3과 같이 실시간데이터의 변화를 반영하지는 못하는 단점이 있다. 그러나 이동평균법은 실측값에 따른 추세를 반영한 결과를 표시할 수 있다.

본 발명에서 제안한 시스템은 실시간 이상감지로 최근 센서데이터의 값을 반영한 신뢰구간을 설정하기 위하여 이동평균법을 사용하였다.

추정 시점 이후에 획득한 센서 데이터의 값이 추정된 신뢰 구간의 범위를 벗어나면(S130) 이상으로 판단한다(S140).

센서 데이터의 값이 신뢰 구간의 범위를 벗어나지 않으면 정상으로 판단하고, 다시 무선 센서 네트워크로부터 센서 데이터를 획득한다(S110).

신뢰 구간은 이동평균법으로 산출된 예측값 A와 절대오차(E=|A-B|)의 합이 최대값, 차가 최소값으로 정해지고 최대값과 최소값 사이의 신뢰구간을 실시간으로 입력된 센서데이터가 벗어날 경우 이상 감지를 관리자에게 알려주어 관리자의 의사결정을 보조하는 역할을 한다.

도 4는 본 발명의 실시 예에 따른 신뢰 구간을 추정하는 것과 센서 데이터 를 수집하는 것을 도시한 도면이다.

도 4에 도시한 바와 같이, 신뢰 구간은 실시간 신뢰구간으로 시계열분석 방법인 이동평균법(구간 5초)으로 예측값을 산출하여 추정한다.

도 5는 본 발명의 실시 예에 따른 신뢰 구간 중 최대값과 최소값을 계산하는 것을 도시한 도면이다.

도 5에 도시한 바와 같이, 신뢰 구간의 예측값(A)을 이용하여 예측값(A)에 절대오차를 더하고 뺀 값으로 Max와 Min을 산출하여 Max와 Min 사이를 신뢰구간으로 추정한다.

도 6은 본 발명의 실시 예에 따른 선박 내부의 이상 감지 시스템의 개념도를 도시한 도면이다.

도 6에 도시한 바와 같이, 선박 내부 이상감지 시스템의 기능은, 선박 환경 모니터링, 선박 환경 수집, 선박 내부 시설 제어 분야로 나누어진다.

선박 환경 수집은 IT기술 부분으로 센서에서 서버로 수집된 센서데이터를 처리하고 저장한 후, 이를 안드로이드 단말기로 제공한다.

선박 환경 모니터링은 수집된 데이터를 기반으로 선박환경수집, 이상상황알림서비스, 수집데이터분석, 선박 내부 모니터링 그리고 유지보수관리 기능을 포함한다.

선박 내부 시설 제어는 화제 시 관수 제어, 보일러제어, 기계제어, 환풍기제어, 개폐기제어 등의 역할을 수행한다.

도 7은 본 발명의 실시 예에 따른 휴대단말에서 실행되는 선박 내부의 이상 감지 화면을 도시한 도면이다.

도 7에 도시한 바와 같이, 첫 번째 화면은 선수 또는 좌현 등의 장소를 선택하는 화면이고, 두 번째 화면은 실제로 좌현의 소음에 이상감지가 발생하여 경보음과 함께 이상 발생 알림 화면이다.

본 발명에 따르면, 센서 데이터를 기초로 이동평균법을 이용하여 실시간 이상 감지를 위한 신뢰 구간을 실시간으로 추정할 수 있고, 추정 시점 이후에 획득한 센서 데이터의 값이 추정된 신뢰 구간의 범위를 벗어나면 이상으로 판단하여 관리자에게 경보를 통하여 알려준다.

따라서, 관리자는 이러한 이상감지 정보를 활용하여 선박 내부에서 발생한 위급한 상황에서 신속하고 정확하게 의사 결정을 하는데 도움을 받음으로써 안전 운항을 할 수 있다.

이상의 설명은 본 발명의 기술적 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면, 본 발명의 본질적 특성을 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능하다. 따라서, 본 발명에 표현된 실시 예들은 본 발명의 기술적 사상을 한정하는 것이 아니라, 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 권리범위가 한정되는 것은 아니다. 본 발명의 보호범위는 아래의 특허청구범위에 의하여 해석되어야 하고, 그와 동등하거나, 균등한 범위 내에 있는 모든 기술적 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (2)

1. 시계열 분석 기반의 신뢰 구간 추정을 이용한 이상 감지 방법으로서,
   무선 센서 네트워크로부터 센서 데이터를 획득하는 단계;
   획득한 상기 센서 데이터를 기초로 이동평균법을 이용하여 실시간 이상 감지를 위한 신뢰 구간을 추정하는 단계; 및
   추정 시점 이후에 획득한 상기 센서 데이터의 값이 추정된 상기 신뢰 구간의 범위를 벗어나면 이상으로 판단하는 단계
   를 포함하는 이상 감지 방법.
   
2. 제1항에 있어서, 상기 추정하는 단계는
   상기 이동평균법으로 추정된 신뢰 구간의 예측값과 신뢰 구간의 실측값의 차이의 절대값인 절대 오차를 추정된 상기 신뢰 구간에 더하고 뺀 값으로 최대값과 최대값을 계산하는 단계; 및
   계산된 상기 최소값과 상기 최대값을 새로운 신뢰 구간으로 추정하는 단계
   를 더 포함하는 것인 이상 감지 방법.
   

Images