KR20190082645A - 실시간 학습과 호출을 위한 인공지능 시스템 및 그 처리 방법 - Google Patents

실시간 학습과 호출을 위한 인공지능 시스템 및 그 처리 방법 Download PDF

Info

Publication number
KR20190082645A
KR20190082645A KR1020180009631A KR20180009631A KR20190082645A KR 20190082645 A KR20190082645 A KR 20190082645A KR 1020180009631 A KR1020180009631 A KR 1020180009631A KR 20180009631 A KR20180009631 A KR 20180009631A KR 20190082645 A KR20190082645 A KR 20190082645A
Authority
KR
South Korea
Prior art keywords
artificial intelligence
data
learning
server
legacy system
Prior art date
Application number
KR1020180009631A
Other languages
English (en)
Other versions
KR102077384B1 (ko
Inventor
구경호
이영래
박재선
Original Assignee
주식회사 포스코아이씨티
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 주식회사 포스코아이씨티 filed Critical 주식회사 포스코아이씨티
Publication of KR20190082645A publication Critical patent/KR20190082645A/ko
Application granted granted Critical
Publication of KR102077384B1 publication Critical patent/KR102077384B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H04L67/2823—
    • 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
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/565—Conversion or adaptation of application format or content

Abstract

본 발명은 실시간 학습과 호출을 위한 인공지능 시스템 및 그 처리 방법에 관한 것이다.
본 발명의 일 형태에 따른 실시간 학습과 호출을 위한 인공지능 시스템은, 적어도 하나의 레거시 시스템으로부터 데이터를 수신하여 인공지능 서버에서 처리가능한 데이터 형태로 변환하는 인터페이스 미들웨어 장치; 상기 인터페이스 미들웨어 장치에서 변환된 데이터를 레거시 시스템별로 저장하는 데이터 핸들링 장치; 상기 데이터 핸들링 장치로부터 상기 변환된 데이터를 요청하여 상기 적어도 하나의 레거시 시스템에 대한 인공지능 학습을 수행하는 인공지능 서버; 및 학습하고자 하는 레거시 시스템 정보, 학습해야 할 데이터 정보, 인공지능 학습 모델 정보를 이용하여 상기 적어도 하나의 레거시 시스템에 대한 인공지능 학습을 핸들링하고, 상기 인공지능 학습이 수행된 인공지능 학습 모델에서의 학습 결과를 핸들링하는 인공지능 서비스 장치를 포함하는 것을 특징으로 한다.

Description

실시간 학습과 호출을 위한 인공지능 시스템 및 그 처리 방법 {Artificial intelligence system for real-time training and calling and processing method thereof}
본 발명은 실시간 학습과 호출을 위한 인공지능 시스템 및 그 처리 방법에 관한 것으로, 보다 상세하게는 기존의 레거시 시스템과 인공지능 서버를 연동하여 실시간 학습/호출을 처리하는 실시간 학습과 호출을 위한 인공지능 시스템 및 그 처리 방법에 관한 것이다.
이미 구현되어 사용되고 있는 MES, ERP, PC, DB, Hadoop 등과 같은 레거시 시스템(Legacy system)은 각각 그 목적에 적합한 아키텍쳐와 언어(예, Java, C, C++)를 사용하여 개발되었기 때문에 운영체제, 인터페이스, 프로토콜 등이 서로 다른 실정이다.
이러한 이기종의 레거시 시스템을 인공지능 서버와 연동시키기 위해, 종래기술의 경우에는, 도 1에 도시된 바와 같이, 각각의 레거시 시스템(100'), 예컨대 MES(110'), ERP(120'), PC(130') 등에 맞는 개별 모듈을 각각 별도로 개발하여 인공지능 서버(400')와 연동시켰다.
하지만, 종래기술의 경우, 각각의 레거시 시스템의 개발언어에 따라 서로 다른 형태의 어댑터(adapter), 클라이언트 소프트웨어(client SW) 등을 개별적으로 개발하여 인공지능 서버와 데이터를 주고 받아야 하기 때문에, 서로 규약에 따라 데이터를 가공해서 제공하여야 하는 어려움이 존재하였다.
더욱이, 인공지능 서버에서 원하는 데이터 형태는 많은 가공 단계를 거치는 데이터 전처리(Pre-processing)가 필요한 것이 대부분이며, 이는 인공지능 학습에 있어서 가장 중요한 부분으로 취급되는데, 이기종의 레거시 시스템은 개발언어조차 서로 다르기 때문에 인공지능 서버와의 연동에 많은 시간과 비용이 소요되는 문제점이 있었다.
또한, 종래기술의 경우 각각의 레거시 시스템이 FTP 및/또는 HTTP를 이용하여 인공지능 서버로 데이터를 직접 스트리밍 전송하기 때문에 사용자가 데이터 전송 과정을 직접 모니터링해야 하며 데이터 전송의 신뢰성도 낮은 문제점이 있었다.
한국 공개특허공보 제10-2017-0130775호 한국 등록특허공보 제10-1787613호
본 발명은 전술한 바와 같은 문제점을 해결하기 위해 창안된 것으로, 본 발명의 목적은 이기종의 레거시 시스템과 인공지능 서버를 효율적으로 연동시킬 수 있는 실시간 학습과 호출을 위한 인공지능 시스템 및 그 처리 방법을 제공하는 것이다.
본 발명의 다른 목적은 이기종의 레거시 시스템의 상이한 형태의 데이터에 대해 데이터 전처리를 통합하여 수행함으로써 각각의 레거시 시스템에서의 데이터 처리 부하를 감소시킬 수 있는 실시간 학습과 호출을 위한 인공지능 시스템 및 그 처리 방법을 제공하는 것이다.
본 발명의 또 다른 목적은 각각의 레거시 시스템으로부터 인공지능 서버로의 데이터 스트리밍 전송을 데이터 핸들링 장치를 경유하여 수행함으로써 데이터 전송의 신뢰성을 높일 수 있는 실시간 학습과 호출을 위한 인공지능 시스템 및 그 처리 방법을 제공하는 것이다.
상기 목적을 위하여, 본 발명의 일 형태에 따른 실시간 학습과 호출을 위한 인공지능 시스템은, 적어도 하나의 레거시 시스템으로부터 데이터를 수신하여 인공지능 서버에서 처리가능한 데이터 형태로 변환하는 인터페이스 미들웨어 장치; 상기 인터페이스 미들웨어 장치에서 변환된 데이터를 레거시 시스템별로 저장하는 데이터 핸들링 장치; 상기 데이터 핸들링 장치로부터 상기 변환된 데이터를 요청하여 상기 적어도 하나의 레거시 시스템에 대한 인공지능 학습을 수행하는 인공지능 서버; 및 학습하고자 하는 레거시 시스템 정보, 학습해야 할 데이터 정보, 인공지능 학습 모델 정보를 이용하여 상기 적어도 하나의 레거시 시스템에 대한 인공지능 학습을 핸들링하고, 상기 인공지능 학습이 수행된 인공지능 학습 모델에서의 학습 결과를 핸들링하는 인공지능 서비스 장치를 포함하는 것을 특징으로 한다.
바람직하게는, 상기 실시간 학습과 호출을 위한 인공지능 시스템은, 상기 인공지능 서버에서 인공지능 학습이 수행된 인공지능 학습 모델을 업데이트하여 관리하며, 상기 업데이트된 인공지능 학습 모델을 실행하여 학습 결과를 생성하는 모델 서버; 및 상기 인공지능 학습 모델에서의 학습 결과를 상기 데이터 핸들링 장치를 통해 수신하고, 상기 학습 결과를 상기 적어도 하나의 레거시 시스템에 맞는 데이터 형태로 변환하여 상기 적어도 하나의 레거시 시스템으로 전송하는 피드백 처리 장치를 더 포함한다.
한편, 본 발명의 일 형태에 따른 인공지능 시스템에서 실시간 학습 처리 방법은, 인공지능 서비스 장치가 사용자 인터페이스를 통해 학습하고자 하는 레거시 시스템 정보, 학습해야 할 데이터 정보, 인공지능 학습 모델을 포함하는 인공지능 학습 요청을 수신하는 단계; 상기 인공지능 서비스 장치가 인터페이스 미들웨어 장치로 학습하고자 하는 레거시 시스템 정보, 학습해야 할 데이터 정보, 인공지능 학습 모델에서 처리되는 데이터 형태 정보를 전송하여 상기 인공지능 학습 요청에 상응하는 데이터의 변환을 지시하는 단계; 상기 인터페이스 미들웨어 장치가 학습하고자 하는 레거시 시스템으로부터 학습해야 할 데이터를 수신하여 인공지능 학습 모델에서 처리되는 데이터 형태로 변환하는 단계; 상기 인터페이스 미들웨어 장치가 상기 변환된 데이터를 데이터 핸들링 장치로 전송하는 단계; 인공지능 서버가 상기 데이터 핸들링 장치로 상기 변환된 데이터를 요청하는 단계; 및 상기 인공지능 서버가 상기 변환된 데이터를 이용하여 상기 인공지능 학습 모델에 대해 인공지능 학습을 수행하는 단계를 포함하는 것을 특징으로 한다.
바람직하게는, 상기 인공지능 학습을 수행하는 단계 이전에, 상기 인공지능 서비스 장치가 상기 인공지능 서버로 인공지능 학습 모델을 업로드하는 단계를 더 포함한다.
또한, 바람직하게는, 상기 인공지능 서버가 모델 서버로 상기 인공지능 학습을 수행한 인공지능 학습 모델에 대해 업데이트하는 단계를 더 포함한다.
본 발명에 따르면, 인터페이스 미들웨어 장치를 이용하여 이기종의 레거시 시스템의 상이한 형태의 데이터에 대한 데이터 전처리를 통합하여 수행함으로써 개별 레거시 시스템에서의 데이터 처리 부하를 감소시킬 수 있는 효과를 가진다.
그리고, 본 발명에 따르면, 각각의 레거시 시스템으로부터 인공지능 서버로의 데이터 스트리밍 전송을 데이터 핸들링 장치를 경유하여 수행함으로써 데이터 전송의 신뢰성을 높일 수 있는 효과를 가진다.
또한, 본 발명에 따르면, 인공지능 서비스 장치를 통해 인터페이스 미들웨어 장치와 데이터 핸들링 장치를 제어하고 데이터 가공 상태 및 데이터 전송 상태를 모니터링함으로써, 레거시 시스템과 인공지능 서버를 안정적으로 연동시키고 인공지능 학습 및 호출을 효율적으로 처리할 수 있는 효과를 가진다.
도 1은 종래기술에 따른 인공지능 시스템에서 이기종의 레거시 시스템과 인공지능 서버의 연동 방식을 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 인공지능 시스템에서 인공지능 학습 요청을 실시간으로 처리하는 과정을 설명하는 도면이다.
도 3은 본 발명의 일 실시예에 따른 인공지능 시스템에서 인공지능 호출 요청을 실시간으로 처리하는 과정을 설명하는 도면이다.
이하에서는 첨부 도면 및 바람직한 실시예를 참조하여 본 발명을 상세히 설명한다. 참고로, 하기 설명에서 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.
도 2는 본 발명의 일 실시예에 따른 인공지능 시스템에서 인공지능 학습 요청을 실시간으로 처리하는 과정을 설명하는 도면이다. 그리고, 도 3은 본 발명의 일 실시예에 따른 인공지능 시스템에서 인공지능 호출 요청을 실시간으로 처리하는 과정을 설명하는 도면이다.
도 2 및 도 3을 참조하면, 본 발명의 일 실시예에 따른 실시간 학습과 호출을 위한 인공지능 시스템은 레거시 시스템(100), 인터페이스 미들웨어 장치(200), 데이터 핸들링 장치(300), 인공지능 서버(400), 모델 서버(500), 피드백 처리 장치(600), 인공지능 서비스 장치(700) 등을 포함한다.
레거시 시스템(100)은 이미 구현되어 사용되고 있는 시스템을 말하는 것으로, 기존에 사용되고 있는 MES, ERP, PC, DB, Hadoop 등을 들 수 있다. 레거시 시스템(100)은 각각 그 목적에 적합한 아키텍쳐와 언어를 사용하여 개발되었기 때문에 운영체제, 인터페이스, 프로토콜 등이 서로 다르며, 이에 따라 각각의 레거시 시스템이 처리하고 전송하는 데이터의 형태도 서로 다르다. 참고로, 도 2 및 도 3에서는 레거시 시스템(100)의 예로 MES(110), ERP(120), PC(130) 등을 나타내었다.
인터페이스 미들웨어 장치(200)는 이기종의 레거시 시스템(100), 예컨대 MES(110), ERP(120), PC(130) 등으로부터 데이터를 수신하여 인공지능 서버(400)에서 처리가 가능한 데이터 형태로 변환하는 데이터 전처리(Pre-processing)를 수행한다.
이를 위해, 본 발명의 일 실시예에 따른 인터페이스 미들웨어 장치(200)는 이기종의 레거시 시스템으로부터 수신된 서로 다른 형태의 데이터를 파싱(parsing)하는 파싱부(210), 파싱부(210)에서 파싱된 데이터를 인공지능 서버에서 처리가능한 데이터 형태(인공지능 학습 모델에 필요한 데이터 형태)로 변환(converting)하는 변환부(220), 변환부(220)에서 변환된 데이터를 정제(filtering)하는 정제부(230), 정제부(230)에서 정제된 데이터를 데이터 핸들링 장치(300)로 전송하는 전송부(240) 등을 포함한다.
데이터 핸들링 장치(300)는 각각의 레거시 시스템, 예컨대 MES(110), ERP(120), PC(130) 등을 위한 각각의 큐(Queue)를 구비하여, 외부 장치로부터 전송되어 오는 스트리밍 데이터를 핸들링한다. 예컨대, 데이터 핸들링 장치(300)는 카프카(Kafka) 서버 형태로 구현되어, 인터페이스 미들웨어 장치(200)에서 전송된 데이터를 레거시 시스템별로 저장하고 있다가 인공지능 서버(400)로부터 요청이 있으면 해당 데이터를 전송하고, 마찬가지로 모델 서버(500)에서 전송된 데이터를 레거시 시스템별로 저장하고 있다가 피드백 처리 장치(600)로부터 요청이 있으면 해당 데이터를 전송한다.
인공지능 서버(400)는 다양한 인공지능 프레임워크(Framework)를 이용하여 레거시 시스템별로 인공지능 학습 모델을 관리하고, 임의의 레거시 시스템으로부터 데이터 핸들링 장치(300)를 통해 데이터를 전송 받아 인공지능 학습을 수행한다. 또한, 인공지능 서버(400)는 주기적으로 최신 업데이트된 인공지능 학습 모델을 모델 서버(500)로 전송하여 모델 업데이트를 수행한다.
모델 서버(550)는 인공지능 서버(400)에서 생성된 레거시 시스템별 인공지능 학습 모델을 구비하고 있으며, 인공지능 학습 모델에 입력될 파라미터를 수신하여 인공지능 학습 모델을 실행하고, 그 결과값(학습 결과)을 생성하여 해당 레거시 시스템으로 리턴한다.
피드백 처리 장치(600)는 모델 서버(500)로부터 데이터 핸들링 장치(300)를 통해 전송된 학습 결과를 해당 레거시 시스템에 맞도록 데이터 형태를 변환하여 전송한다.
인공지능 서비스 장치(700)는 사용자 인터페이스를 통해 인공지능 학습/호출 요청을 수신하면 인터페이스 미들웨어 장치(200), 데이터 핸들링 장치(300), 인공지능 서버(400), 모델 서버(500), 피드백 처리 장치(600) 등과 연동하여 이를 처리한다.
이를 위해, 본 발명의 일 실시예에 따른 인공지능 서비스 장치(700)는 사용자 인터페이스와 연결되어 인공지능 학습/호출 요청을 수신하여 처리하는 사용자요청 핸들러(710), 인공지능 학습 모델에서 학습할 대상 데이터를 인공지능 서버로 전송하도록 처리하는 학습대상 핸들러(720), 인공지능 학습 모델을 인공지능 서버로 업로드하도록 처리하는 학습모델 핸들러(730), 인공지능 서버에서 인공지능 학습이 수행되도록 처리하는 학습 핸들러(740), 인공지능 학습 모델을 실행하고 그 결과값(학습 결과)을 해당 레거시 시스템으로 전송하도록 처리하는 학습결과 핸들러(750) 등을 포함한다.
이하에서는 도 2를 참조하여 본 발명의 일 실시예에 따른 인공지능 시스템에서 인공지능 학습 요청을 실시간으로 처리하는 과정에 대해 상세 설명한다.
사용자가 사용자 인터페이스를 통해 임의의 레거시 시스템에 대한 인공지능 학습 요청을 입력하면, 사용자 인터페이스와 연결된 사용자요청 핸들러(710)가 이를 수신하여 처리한다. 인공지능 학습 요청에는 학습하고자 하는 레거시 시스템 정보, 학습해야 할 데이터 정보, 인공지능 학습 모델 등이 포함되고, 사용자요청 핸들러(710)는 학습대상 핸들러(720)로 학습하고자 하는 레거시 시스템 정보, 학습해야 할 데이터 정보, 인공지능 학습 모델 정보를 전송하고, 학습모델 핸들러(730)로 인공지능 학습 모델을 전송한다.
학습대상 핸들러(720)는 사용자요청 핸들러(710)로부터 학습하고자 하는 레거시 시스템 정보, 학습해야 할 데이터 정보, 인공지능 학습 모델 정보를 수신하면, 인터페이스 미들웨어 장치(200)로 학습하고자 하는 레거시 시스템 정보, 학습해야 할 데이터 정보, 인공지능 학습 모델에 필요한 데이터 형태 정보를 전송한다.
그러면, 인터페이스 미들웨어 장치(200)는 이에 기초하여 해당 레거시 시스템(100)으로 학습해야 할 데이터를 요청하고, 레거시 시스템(100)으로부터 전송된 데이터를 파싱, 변환, 정제 과정을 거쳐 인공지능 학습 모델에 필요한 데이터 형태로 변환한 후 데이터 핸들링 장치(300)로 전송한다. 그리고, 인터페이스 미들웨어 장치(200)는 파싱, 변환, 정제, 전송 과정을 수행하면서 현재의 데이터 가공 상태를 학습대상 핸들러(720)로 전송하고, 데이터 핸들링 장치(300)로 해당 레거시 시스템의 모든 데이터 전송이 완료되면 학습대상 핸들러(720)로 데이터 전송 완료를 통지한다.
또한, 학습대상 핸들러(720)는 학습하고자 하는 레거시 시스템 정보를 인공지능 서버(400)로 전송하고, 인공지능 서버(400)는 이에 기초하여 데이터 핸들링 장치(300)로 해당 레거시 시스템에 대한 데이터를 요청하여 수신한다.
데이터 핸들링 장치(300)는 인공지능 서버(400)로 해당 레거시 시스템에 대한 데이터를 전송하면서 현재의 데이터 전송 상태를 학습대상 핸들러(720)로 전송하며, 해당 레거시 시스템에 대한 데이터를 인공지능 서버(400)로 모두 전송하여 해당 레거시 시스템에 대한 큐(Queue)가 소진되면 학습대상 핸들러(720)로 데이터 전송 완료를 통지한다.
한편, 인터페이스 미들웨어 장치(200)에서 데이터 가공이 수행되고 데이터 핸들링 장치(300)를 통해 인공지능 서버(400)로 전송되는 동안, 학습모델 핸들러(730)는 사용자요청 핸들러(710)부터 전송된 인공지능 학습 모델을 인공지능 서버(400)로 업로드한다.
학습대상 핸들러(720)는 인터페이스 미들웨어 장치(200)와 데이터 핸들링 장치(300)로부터 각각 데이터 전송 완료를 통지 받으면, 학습 핸들러(740)로 데이터 전송 완료를 통지한다.
그러면, 학습 핸들러(740)는 인공지능 서버(400)로 해당 레거시 시스템의 인공지능 학습 모델에 대한 학습을 지시한다.
인공지능 서버(400)는 학습 핸들러(740)로부터 학습 지시를 받으면, 데이터 핸들링 장치(300)로부터 수신된 데이터를 이용하여, 학습모델 핸들러(730)로부터 업로드된 인공지능 학습 모델에 대해 학습을 수행한다.
전술한 바와 같이, 데이터 핸들링 장치(300)로부터 수신된 데이터는 인터페이스 미들웨어 장치(200)에서 인공지능 학습 모델에 필요한 데이터 형태로 변환된 데이터이며, 이와 같이 본 발명에 따르면 각각의 레거시 시스템(100), 예컨대 MES(110), ERP(120), PC(130) 등에 별도의 모듈을 설치하지 않더라도 인공지능 학습 모델에 필요한 형태의 데이터가 인공지능 서버(400)로 전송된다.
한편, 인공지능 학습 모델에 대해 학습이 완료되면, 인공지능 서버(400)는 학습 핸들러(740)로 인공지능 학습 완료를 통지하고, 또한 주기적으로 최신 업데이트된 인공지능 학습 모델을 모델 서버(500)로 전송하여 모델 업데이트를 수행한다.
이하에서는 도 3을 참조하여 본 발명의 일 실시예에 따른 인공지능 시스템에서 인공지능 호출 요청을 실시간으로 처리하는 과정에 대해 상세 설명한다.
사용자가 사용자 인터페이스를 통해 임의의 레거시 시스템에 대한 인공지능 호출 요청을 입력하면, 사용자 인터페이스와 연결된 사용자요청 핸들러(710)가 이를 수신하여 처리한다. 인공지능 호출 요청에는 학습 결과를 필요로 하는 레거시 시스템 정보, 인공지능 학습 모델에 입력될 파라미터 정보, 인공지능을 실행할 학습 모델 정보 등이 포함되고, 사용자 요청 핸들러(710)는 학습대상 핸들러(720)로 학습 결과를 필요로 하는 레거시 시스템 정보, 인공지능 학습 모델에 입력될 파라미터 정보, 인공지능을 실행할 학습 모델 정보를 전송하고, 학습결과 핸들러(750)로 학습 결과를 필요로 하는 레거시 시스템 정보와 인공지능을 실행할 학습 모델 정보를 전송한다.
학습대상 핸들러(720)는 사용자요청 핸들러(710)로부터 학습 결과를 필요로 하는 레거시 시스템 정보, 인공지능 학습 모델에 입력될 파라미터 정보, 인공지능을 실행할 학습 모델 정보를 수신하면, 인터페이스 미들웨어 장치(200)로 학습 결과를 필요로 하는 레거시 시스템 정보, 인공지능 학습 모델에 입력될 파라미터 정보, 인공지능 학습 모델에 필요한 데이터 형태 정보를 전송한다.
그러면, 인터페이스 미들웨어 장치(200)는 이에 기초하여 해당 레거시 시스템(100)으로 인공지능 학습 모델에 입력될 파라미터를 요청하고, 레거시 시스템(100)으로부터 전송된 파라미터를 파싱, 변환, 정제 과정을 거쳐 인공지능 학습 모델에 필요한 데이터 형태로 변환한 후 데이터 핸들링 장치(300)로 전송한다. 그리고, 인터페이스 미들웨어 장치(200)는 데이터 핸들링 장치(300)로 파라미터의 전송이 완료되면 학습대상 핸들러(720)로 파라미터 전송 완료를 통지한다.
마찬가지로, 데이터 핸들링 장치(300)는 파라미터를 모델 서버(500)로 전송하고, 학습대상 핸들러(720)로 파라미터 전송 완료를 통지한다.
학습대상 핸들러(720)는 인터페이스 미들웨어 장치(200)와 데이터 핸들링 장치(300)로부터 각각 파라미터 전송 완료를 통지 받으면, 학습결과 핸들러(750)로 파라미터 전송 완료를 통지한다.
그러면, 학습결과 핸들러(750)는 사용자요청 핸들러(710)로부터 전송받은 인공지능을 실행할 학습 모델 정보에 기초하여 모델 서버(500)로 해당 레거시 시스템의 인공지능 학습 모델에 대한 실행 및 그 결과값(학습 결과)의 리턴을 지시한다.
모델 서버(500)는 학습결과 핸들러(750)로부터 학습 모델 실행 지시를 받으면, 데이터 핸들링 장치(300)로부터 수신한 파라미터를 이용하여 해당 레거시 시스템의 인공지능 학습 모델을 실행한다. 그리고, 인공지능 학습 모델에 대한 실행이 완료되면, 그 결과(학습 결과)를 데이터 핸들링 장치(300)로 전송하고, 학습결과 핸들러(750)로 인공지능 호출 완료를 통지한다.
그러면, 학습결과 핸들러(750)는 피드백 처리 장치(600)로 학습 결과를 필요로 하는 레거시 시스템 정보와 함께 학습 결과 리턴을 지시하고, 피드백 처리 장치(600)는 학습 결과를 필요로 하는 레거시 시스템 정보에 기초하여 데이터 핸들링 장치(300)로부터 학습 결과를 요청하고 수신하여 해당 레거시 시스템(100)에 맞는 데이터 형태로 변환한 후 이를 해당 레거시 시스템(100), 예컨대 MES(110), ERP(120), PC(130) 등으로 리턴한다.
지금까지 본 발명을 바람직한 실시예를 참조하여 상세히 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명의 기술적 사상이나 필수적 특징들을 변경하지 않고서 다른 구체적인 다양한 형태로 실시할 수 있는 것이므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다.
그리고, 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 특정되는 것이며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태는 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (11)

  1. 실시간 학습과 호출을 위한 인공지능 시스템으로서,
    적어도 하나의 레거시 시스템으로부터 데이터를 수신하여 인공지능 서버에서 처리가능한 데이터 형태로 변환하는 인터페이스 미들웨어 장치;
    상기 인터페이스 미들웨어 장치에서 변환된 데이터를 레거시 시스템별로 저장하는 데이터 핸들링 장치;
    상기 데이터 핸들링 장치로부터 상기 변환된 데이터를 요청하여 상기 적어도 하나의 레거시 시스템에 대한 인공지능 학습을 수행하는 인공지능 서버; 및
    학습하고자 하는 레거시 시스템 정보, 학습해야 할 데이터 정보, 인공지능 학습 모델 정보를 이용하여 상기 적어도 하나의 레거시 시스템에 대한 인공지능 학습을 핸들링하고, 상기 인공지능 학습이 수행된 인공지능 학습 모델에서의 학습 결과를 핸들링하는 인공지능 서비스 장치를 포함하는 것을 특징으로 하는 실시간 학습과 호출을 위한 인공지능 시스템.
  2. 제1항에 있어서,
    상기 인공지능 서비스 장치는,
    사용자 인터페이스와 연결되어 학습하고자 하는 레거시 시스템 정보, 학습해야 할 데이터 정보, 인공지능 학습 모델 정보가 포함된 인공지능 학습 요청을 처리하는 사용자요청 핸들러; 및
    상기 인터페이스 미들웨어 장치로 학습하고자 하는 레거시 시스템 정보, 학습해야 할 데이터 정보, 인공지능 학습 모델 정보를 전송하여, 학습하고자 하는 해당 레거시 시스템의 데이터를 상기 인공지능 서버로 전송하도록 처리하는 학습대상 핸들러를 포함하는 것을 특징으로 하는 실시간 학습과 호출을 위한 인공지능 시스템.
  3. 제2항에 있어서,
    상기 인공지능 서비스 장치는,
    상기 사용자요청 핸들러로부터 전송된 인공지능 학습 모델 정보에 따라 해당 인공지능 학습 모델을 상기 인공지능 서버로 업로드하여, 상기 인공지능 서버에서 해당 인공지능 학습 모델을 이용하여 학습하도록 처리하는 학습모델 핸들러를 더 포함하는 것을 특징으로 하는 실시간 학습과 호출을 위한 인공지능 시스템.
  4. 제3항에 있어서,
    상기 인공지능 서비스 장치는,
    상기 학습대상 핸들러의 데이터 전송 완료 통지에 따라 상기 인공지능 서버로 인공지능 학습 모델에 대한 학습을 지시하여, 상기 인공지능 서버에서 인공지능 학습이 수행되도록 처리하는 학습 핸들러를 더 포함하는 것을 특징으로 하는 실시간 학습과 호출을 위한 인공지능 시스템.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 인터페이스 미들웨어 장치는, 상기 적어도 하나의 레거시 시스템으로부터 수신한 데이터를 파싱, 변환, 정제하여 상기 인공지능 학습 모델에서 처리되는 데이터 형태로 가공하는, 데이터 가공 상태를 상기 인공지능 서비스 장치로 전송하는 것을 특징으로 하는 실시간 학습과 호출을 위한 인공지능 시스템.
  6. 제1항에 있어서,
    상기 인공지능 서버에서 인공지능 학습이 수행된 인공지능 학습 모델을 구비하며, 상기 인공지능 학습 모델을 실행하여 학습 결과를 생성하는 모델 서버를 더 포함하는 것을 특징으로 하는 실시간 학습과 호출을 위한 인공지능 시스템.
  7. 제6항에 있어서,
    상기 인공지능 서비스 장치는,
    상기 모델 서버로 인공지능 학습 모델의 실행 및 학습 결과의 리턴을 지시하여, 상기 인공지능 학습 모델에서 실행된 학습 결과를 상기 적어도 하나의 레거시 시스템으로 전송하도록 처리하는 학습결과 핸들러를 포함하는 것을 특징으로 하는 실시간 학습과 호출을 위한 인공지능 시스템.
  8. 제1항, 제6항, 제7항 중 어느 한 항에 있어서,
    상기 인공지능 학습 모델에서의 학습 결과를 상기 데이터 핸들링 장치를 통해 수신하고, 상기 학습 결과를 상기 적어도 하나의 레거시 시스템에 맞는 데이터 형태로 변환하여 상기 적어도 하나의 레거시 시스템으로 전송하는 피드백 처리 장치를 더 포함하는 것을 특징으로 하는 실시간 학습과 호출을 위한 인공지능 시스템.
  9. 인공지능 시스템에서 실시간 학습 처리 방법으로서,
    인공지능 서비스 장치가 사용자 인터페이스를 통해 학습하고자 하는 레거시 시스템 정보, 학습해야 할 데이터 정보, 인공지능 학습 모델을 포함하는 인공지능 학습 요청을 수신하는 단계;
    상기 인공지능 서비스 장치가 인터페이스 미들웨어 장치로 학습하고자 하는 레거시 시스템 정보, 학습해야 할 데이터 정보, 인공지능 학습 모델에서 처리되는 데이터 형태 정보를 전송하여 상기 인공지능 학습 요청에 상응하는 데이터의 변환을 지시하는 단계;
    상기 인터페이스 미들웨어 장치가 학습하고자 하는 레거시 시스템으로부터 학습해야 할 데이터를 수신하여 인공지능 학습 모델에서 처리되는 데이터 형태로 변환하는 단계;
    상기 인터페이스 미들웨어 장치가 상기 변환된 데이터를 데이터 핸들링 장치로 전송하는 단계;
    인공지능 서버가 상기 데이터 핸들링 장치로 상기 변환된 데이터를 요청하는 단계; 및
    상기 인공지능 서버가 상기 변환된 데이터를 이용하여 상기 인공지능 학습 모델에 대해 인공지능 학습을 수행하는 단계를 포함하는 것을 특징으로 하는 인공지능 시스템에서 실시간 학습 처리 방법.
  10. 제9항에 있어서, 상기 인공지능 학습을 수행하는 단계 이전에,
    상기 인공지능 서비스 장치가 상기 인공지능 서버로 인공지능 학습 모델을 업로드하는 단계를 더 포함하는 것을 특징으로 하는 인공지능 시스템에서 실시간 학습 처리 방법.
  11. 제9항 또는 제10항에 있어서,
    상기 인공지능 서버가 모델 서버로 상기 인공지능 학습을 수행한 인공지능 학습 모델에 대해 업데이트하는 단계를 더 포함하는 것을 특징으로 하는 인공지능 시스템에서 실시간 학습 처리 방법.
KR1020180009631A 2017-12-31 2018-01-25 실시간 학습과 호출을 위한 인공지능 시스템 및 그 처리 방법 KR102077384B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20170185037 2017-12-31
KR1020170185037 2017-12-31

Publications (2)

Publication Number Publication Date
KR20190082645A true KR20190082645A (ko) 2019-07-10
KR102077384B1 KR102077384B1 (ko) 2020-02-13

Family

ID=67254859

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180009631A KR102077384B1 (ko) 2017-12-31 2018-01-25 실시간 학습과 호출을 위한 인공지능 시스템 및 그 처리 방법

Country Status (1)

Country Link
KR (1) KR102077384B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210050377A (ko) 2019-10-28 2021-05-07 주식회사 교원크리에이티브 개인 맞춤형 학습 시스템
KR102381776B1 (ko) * 2021-12-24 2022-04-01 주식회사 코난테크놀로지 인공지능 기능 처리 및 데이터 수집을 동시 수행하는 데이터 처리장치 및 그 방법
KR20230109510A (ko) 2022-01-13 2023-07-20 비트루브 주식회사 개념 이해도를 추정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
KR20230114127A (ko) 2022-01-24 2023-08-01 비트루브 주식회사 사용자의 개념 이해도에 관한 정보를 제공하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
KR20230150106A (ko) 2022-04-21 2023-10-30 비트루브 주식회사 학습 문제에 대한 정오 예측을 제공하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220152923A (ko) * 2021-05-10 2022-11-17 현대자동차주식회사 M2m 시스템에서 인공지능 서비스를 가능하게 하기 위한 방법 및 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060130596A (ko) * 2003-12-23 2006-12-19 던 & 브래드스트리트, 아이엔씨. 비즈니스 엔티티들을 링킹하는 방법 및 시스템
WO2017066674A1 (en) * 2015-10-15 2017-04-20 The Dun & Bradstreet Corporation Global networking system for real-time generation of a global business ranking based upon globally retrieved data
KR101787613B1 (ko) 2017-01-20 2017-11-15 주식회사 더디엔에이시스템 딥 러닝 기반의 자가 적응 학습 기술을 이용한 인공지능 플랫폼 시스템
KR20170130775A (ko) 2016-05-19 2017-11-29 건국대학교 산학협력단 딥러닝 수행 시스템 및 방법
KR20190019684A (ko) * 2017-08-18 2019-02-27 에스케이텔레콤 주식회사 인공지능 서비스를 인터페이싱하는 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060130596A (ko) * 2003-12-23 2006-12-19 던 & 브래드스트리트, 아이엔씨. 비즈니스 엔티티들을 링킹하는 방법 및 시스템
WO2017066674A1 (en) * 2015-10-15 2017-04-20 The Dun & Bradstreet Corporation Global networking system for real-time generation of a global business ranking based upon globally retrieved data
KR20170130775A (ko) 2016-05-19 2017-11-29 건국대학교 산학협력단 딥러닝 수행 시스템 및 방법
KR101787613B1 (ko) 2017-01-20 2017-11-15 주식회사 더디엔에이시스템 딥 러닝 기반의 자가 적응 학습 기술을 이용한 인공지능 플랫폼 시스템
KR20190019684A (ko) * 2017-08-18 2019-02-27 에스케이텔레콤 주식회사 인공지능 서비스를 인터페이싱하는 장치 및 방법

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210050377A (ko) 2019-10-28 2021-05-07 주식회사 교원크리에이티브 개인 맞춤형 학습 시스템
KR102381776B1 (ko) * 2021-12-24 2022-04-01 주식회사 코난테크놀로지 인공지능 기능 처리 및 데이터 수집을 동시 수행하는 데이터 처리장치 및 그 방법
US11977917B2 (en) 2021-12-24 2024-05-07 Konan Technology Inc. Apparatus for data processing for simultaneously preforming artificial intelligence function processing and data collection and method therefor
KR20230109510A (ko) 2022-01-13 2023-07-20 비트루브 주식회사 개념 이해도를 추정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
KR20230114127A (ko) 2022-01-24 2023-08-01 비트루브 주식회사 사용자의 개념 이해도에 관한 정보를 제공하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
US11869383B2 (en) 2022-01-24 2024-01-09 Vitruv Inc. Method, system and non-transitory computer- readable recording medium for providing information on user's conceptual understanding
KR20230150106A (ko) 2022-04-21 2023-10-30 비트루브 주식회사 학습 문제에 대한 정오 예측을 제공하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체

Also Published As

Publication number Publication date
KR102077384B1 (ko) 2020-02-13

Similar Documents

Publication Publication Date Title
KR20190082645A (ko) 실시간 학습과 호출을 위한 인공지능 시스템 및 그 처리 방법
Toris et al. Robot web tools: Efficient messaging for cloud robotics
US20190163524A1 (en) Method and apparatus for processing task in smart device
Perrotin et al. TASTE: a real-time software engineering tool-chain overview, status, and future
JP2018534651A5 (ko)
CN102185901B (zh) 一种客户端报文转换方法
CN109159125B (zh) 基于ros系统机器人的云服务系统
US20130326079A1 (en) Unifying Programming Models in Connectivity Framework
CN107621987B (zh) 一种基于消息的无人机通用地面站软件架构系统
EP3561680B1 (en) Rpc conversion process system and rpc conversion method
CN108833510B (zh) 消息处理方法和装置
Ahn et al. Development of an oneM2M-compliant IoT platform for wearable data collection
US10432448B2 (en) Systems and methods for stream-based, protocol-agnostic messaging
CN110708239B (zh) 一种基于opc和mqtt的工业物联网网关
JP2014085732A (ja) 異なるタイプのロボットミドルウェア間を連携する変換モジュールの生成方法及び装置
CN112565404A (zh) 数据处理方法、边缘服务器、中心服务器和介质
US9503489B2 (en) Streaming data on data processes
JP7049641B2 (ja) 通信デバイス、情報通信端末装置及び通信方法
KR20110070680A (ko) 이기종 로봇의 협업을 위한 컴포넌트 연동 장치 및 그에 따른 방법
RU2638003C1 (ru) Способ распределения задач между сервисными роботами и средствами киберфизического интеллектуального пространства при многомодальном обслуживании пользователей
CN113849449A (zh) 一种通信系统和信息交互方法、设备和介质
Kato et al. Remote control experiment of multiple robots using RSNP unit
Napoli DDS Connector: The Industrial Internet of Things Platform in Node. js
Stelmach et al. Universal platform for composite data stream processing services management
KR100395501B1 (ko) 상위 설계 및 명세 언어 시스템과 코바간의 인터페이스장치 및 그 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right