KR20190128420A - 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법 및 시스템 - Google Patents

Abstract

클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법 및 시스템이 개시된다. 본 발명의 일 실시예에 따른 IoT 센서 이상 진단 방법은, 상기 IoT 센서에서 측정한 센서 데이터를 수집하는 단계; 검증 기간 및 상기 검증 기간 대비 기준 기간을 설정하는 단계; 상기 기준 기간에 상응하는 상기 센서 데이터에 외부 환경 조건을 반영하여 가상 센서 데이터를 생성하는 단계; 상기 검증 기간에 상응하는 상기 센서 데이터와, 상기 가상 센서 데이터를 교차 비교하는 단계; 및 상기 교차 비교 결과에 기초하여 상기 IoT 센서 혹은 상기 계측 대상에의 이상 발생 여부를 판단하는 단계를 포함할 수 있다.

Description

클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법 및 시스템{IoT sensor abnormality diagnosing method and system using cloud-based virtual sensor}

본 발명은 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법 및 시스템에 관한 것이다.

사물인터넷(Internet of Things, IoT) 시대의 도래로 인하여 다수의 센서가 현장에 설치되어 운영되고 있으며, 그 수는 지속적으로 늘어날 것으로 예상되고 있다.

IoT 기반 센서의 경우 배터리를 활용하여 운영할지라도 10년 이상의 장기 운영을 가정하는 경우가 많이 있다. 하지만, 원격지에서 운영되는 센서의 특성으로 인해 상시적인 관리가 어렵고, 장기간의 운영에 따른 센서 자체의 내구성 및 측정값의 변동에 대한 신뢰성이 저하될 소지가 있다.

현장의 센서로부터 측정된 값을 판단할 때 현재 주로 사용되는 근거는 임계치를 넘었는지 여부로 판단하는 관리 기준치 방식이다. 하지만, 이 방식으로는 관리 기준치가 없거나 관리 기준치는 넘지 않은 범위의 변화에 대해서는 문제 상황을 진단할 수 없는 한계가 있다.

한국등록특허 10-1790260호 (2017.10.19 등록) - 시설물 통합 모니터링 시스템 및 그 동작 방법

본 발명은 운영적인 IoT 센서의 측정값과 정량적으로 비교할 수 있는 가상 센서를 생성하고, 가상 센서의 센싱값을 실제 측정값과 비교하여 IoT 센서의 계측 대상 및/또는 IoT 센서 자체의 변화(이상)를 능동적으로 판단할 수 있는 근거를 제공하는 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법 및 시스템을 제공하기 위한 것이다.

본 발명의 이외의 목적들은 하기의 설명을 통해 쉽게 이해될 수 있을 것이다.

본 발명의 일 측면에 따르면, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 메모리를 포함하는 컴퓨팅 디바이스에서 수행되는 계측 대상에 설치된 IoT 센서의 이상을 진단하는 방법으로서, 상기 IoT 센서에서 측정한 센서 데이터를 수집하는 단계; 검증 기간 및 상기 검증 기간 대비 기준 기간을 설정하는 단계; 상기 기준 기간에 상응하는 상기 센서 데이터에 외부 환경 조건을 반영하여 가상 센서 데이터를 생성하는 단계; 상기 검증 기간에 상응하는 상기 센서 데이터와, 상기 가상 센서 데이터를 교차 비교하는 단계; 및 상기 교차 비교 결과에 기초하여 상기 IoT 센서 혹은 상기 계측 대상에의 이상 발생 여부를 판단하는 단계를 포함하는 IoT 센서 이상 진단 방법이 제공된다.

이상이 발생한 것으로 판단한 경우, 상기 검증 기간을 단축하는 조정을 통해 이상 상세 정보를 검토하는 단계를 더 포함할 수 있다.

한편 본 발명의 다른 측면에 따르면, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 메모리를 포함하는 컴퓨팅 디바이스에서 수행되는 계측 대상에 설치된 IoT 센서의 이상을 진단하는 방법으로서, 유사 조건을 가지는 IoT 센서들을 선정하는 단계; 선정된 상기 IoT 센서들의 센서 데이터들로부터 표준 데이터를 도출하는 단계; 상기 표준 데이터에 환경 조건을 반영하여, 가상 센서 데이터를 생성하는 단계; 상기 가상 센서 데이터의 시간 경과에 따른 패턴과, 상기 센서 데이터들의 시간 경과에 따른 패턴을 교차 비교하는 단계; 및 상기 교차 비교 결과에 기초하여 상기 IoT 센서들의 이상 여부를 판단하는 단계를 포함하는 IoT 센서 이상 진단 방법이 제공된다.

전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.

본 발명의 실시예에 따르면, 운영적인 IoT 센서의 측정값과 정량적으로 비교할 수 있는 가상 센서를 생성하고, 가상 센서의 센싱값을 실제 측정값과 비교하여 IoT 센서의 계측 대상 및/또는 IoT 센서 자체의 변화(이상)를 능동적으로 판단할 수 있는 근거를 제공하는 효과가 있다.

도 1은 본 발명의 일 실시예에 따른 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 시스템의 개략적인 구성도,
도 2는 클라우드 서버의 개략적인 구성 블록도,
도 3은 클라우드 서버에서 수행되는 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법의 순서도,
도 4는 기준 기간 동안의 센서 데이터 수집 과정을 나타낸 도면,
도 5는 가상 센서 데이터와 센서 데이터의 교차 비교 과정을 나타낸 도면,
도 6은 히스토그램을 이용한 교차 비교를 나타낸 도면,
도 7은 본 발명의 다른 실시예에 따른 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법의 순서도,
도 8은 IoT 센서 이상 진단 과정을 나타낸 도면.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

또한, 각 도면을 참조하여 설명하는 실시예의 구성 요소가 해당 실시예에만 제한적으로 적용되는 것은 아니며, 본 발명의 기술적 사상이 유지되는 범위 내에서 다른 실시예에 포함되도록 구현될 수 있으며, 또한 별도의 설명이 생략될지라도 복수의 실시예가 통합된 하나의 실시예로 다시 구현될 수도 있음은 당연하다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일하거나 관련된 참조부호를 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.

또한, 명세서에 기재된 "…부", "…유닛", "…모듈", "…기" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.

도 1은 본 발명의 일 실시예에 따른 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 시스템의 개략적인 구성도이고, 도 2는 클라우드 서버의 개략적인 구성 블록도이며, 도 3은 클라우드 서버에서 수행되는 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법의 순서도이고, 도 4는 기준 기간 동안의 센서 데이터 수집 과정을 나타낸 도면이며, 도 5는 가상 센서 데이터와 센서 데이터의 교차 비교 과정을 나타낸 도면이고, 도 6은 히스토그램을 이용한 교차 비교를 나타낸 도면이다.

본 발명의 일 실시예에 따른 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 시스템은 교량, 터널, 지반과 같이 계측 대상에 대한 전문적인 이해가 없이는 분석이 불가능한 고도의 분석 방법을 사용하지 않고, 현장에 설치된 센서의 데이터들의 패턴 혹은 트랜드를 기준으로 분석하고, 이를 통해 이상 여부를 직관적으로 판별할 수 있게 한다.

본 실시예에 따른 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 시스템(1)은 기본적으로 센서(10), 데이터 로거(20), 클라우드 서버(30)를 포함한다. 추가적으로 환경 조건 획득부(40)가 더 포함될 수 있다.

센서(10)는 계측 대상의 지정된 지점에 설치되어, 계측 대상의 변화를 측정하는 IoT 센서일 수 있다. 본 실시예에서 센서(10)는 변위를 측정하는 센싱 수단으로, 예를 들어 변형률계, 변위계, 신축이음계, 균열계 등 중 하나일 수 있다.

계측 대상으로는 교량, 터널, 지반 등과 같은 대형 구조물일 수 있으며, 이에 한정되지는 않으며, IoT 센서가 적용 가능한 다양한 현장이 포함될 수 있다.

데이터 로거(20)는 센서(10)로부터 신호를 수신하여 기록한다. 센서(10)로부터의 신호는 센서 식별 정보에 매칭되어 센서 데이터로 기록될 수 있다.

본 실시예에서 데이터 로거(20)는 라우터로서 기능할 수 있다. 사물인터넷 특성 상 다수의 센서(10)가 광범위하게 배치될 수 있는 바, 데이터 로거(20)에서는 이들 센서(10)에서 측정한 값을 1차적으로 수집한 후 원격에 위치하는 클라우드 서버(30)로 전송하게 된다.

클라우드 서버(30)는 원격지에 배치된 센서들()의 센서 데이터를 데이터 로거(20)를 통해 수집하고, 이를 분석하여 가상 센서 데이터를 생성한 후 센서 데이터와 교차 비교함으로써 계측 대상 및/또는 센서(10)의 이상 여부를 판단한다.

본 실시예에서 센서(10)는 계측 대상에 변화가 발생하지 않는 경우에는 측정 값(센서 데이터)의 변화가 없다. 하지만, 일반적으로 설치 지점의 온도 변화에 따라 센서 데이터가 일정한 패턴을 보이게 되며, 이러한 온도 변화에 따른 보정을 수행하여 결과 값(보정 데이터)를 산출하게 된다.

여기서, 센서(10)는 현장 설치 이전에 검교정을 수행하게 되며, 검교정을 수행하는 기간의 측정 결과가 가장 정확한 값(센서 데이터)을 나타내는 것으로 볼 수 있다. 따라서, 이러한 속성을 이용하여 가상 센서 데이터를 생성하게 된다.

도 2를 참조하면, 클라우드 서버(30)는 센서 데이터 수집부(31), 가상 센서 생성부(32), 데이터 비교부(33), 이상 판단부(34)를 포함한다.

도 3을 참조하면, 센서(10)는 계측 대상에 설치된 이후 데이터 측정을 시작한다(단계 S110). 이후 센서(10)에서의 데이터 측정 및 데이터 로거(20)를 통한 클라우드 서버(30)로의 센서 데이터 전송은 지속적으로 수행된다. 전송된 센서 데이터는 센서 데이터 수집부(31)에 의해 별도의 데이터베이스에 저장된다.

가상 센서 생성부(32)는 검증 기간 대비 기준 기간을 설정한다(단계 S120).

여기서, 기준 기간은 검증 기간과 비교할 때 가장 유사한 패턴을 보일 것으로 예상되는 기간으로, 외부 환경 조건이 유사한 기간을 설정한다. 예를 들어, 1년 단위를 기준으로 과거의 동일 기간이 설정될 수 있다. 즉, 현재 검증 기간이 2017. 01. 01.부터 2017. 01. 31.인 경우, 기준 기간은 1년 전인 2016. 01. 01.부터 2016. 01. 31.로 설정될 수 있다.

도 4에 도시된 예시에서는 센서 A에 대해서 2016. 1. 1. 부터 2016. 1. 31. 까지 1개월 동안의 측정 결과가 데이터 로거를 거쳐 클라우드 서버에 저장되는 경우가 도시되어 있다. 여기서, A 측정 결과값 2016이 기준 데이터가 된다.

가상 센서 생성부(32)는 기준 데이터를 보정하여 가상 센서 데이터를 생성한다(단계 S130). 예를 들어, A 측정 결과값 2016에 대해 외부 정보 중 취득 가능한 정보를 반영하여 보정을 수행할 수 있다. 취득 가능한 외부 정보, 즉 환경 조건은 예컨대 온도, 기상, 지진동 이벤트 등 중 적어도 하나일 수 있다.

여기서, 가상 센서 데이터는 실제하지 않지만 임의의 센서가 가상으로 존재하는 것으로 보고, 가상 센서에서 출력될 것으로 예상되는 가상의 센서 데이터를 의미한다. 본 실시예에서는 현재 검증 대상이 되는 센서에 이상이 발생하지 않은 경우를 가상 센서로 볼 수 있을 것이다.

그리고 데이터 비교부(33)는 검증 기간, 즉 현재 센서(10)에 의해 측정된 센서 데이터와 가상 센서 데이터를 교차 비교한다(단계 S140).

도 5를 참조하면, 클라우드 서버는 검증 기간(2017. 01. 01~2017. 01. 31.) 동안 획득한 센서 데이터(A 측정 결과값 2017)와 기준 데이터(A 측정 결과값 2016)에 대해 외부 정보(외부 환경 조건)가 반영된 가상 센서 데이터를 비교할 수 있다.

클라우드 서버(30)는 두 데이터 간의 편차를 분석하여 사용자에게 결과를 제공한다.

또한, 이상 판단부(34)는 두 데이터 간의 편차로부터 센서 및 계측 대상 중 적어도 하나에 대한 이상 여부를 판단할 수 있다(단계 S150).

여기서, 센서(10)에서 측정한 원시 데이터(전압, 전류, 기타 등등)를 물리량으로 변환할 때 온도 보정이 수행되거나 혹은 수행되지 않을 수 있다. 온도 보정을 한 경우 측정 값의 오차가 작아지지만, 그 값의 변화를 반영하는 것은 아닐 수 있다.

다만, 온도 보정을 수행한 센서 데이터의 경우 더 적은 오차를 나타내게 되므로, 더 적은 패턴의 변화가 발생하는 경우에도 센서에 문제가 발생한 것으로 볼 수 있을 것이다.

[표 1]

외부 정보(외부 환경 조건)의 반영에 대해서는, 도 6에 도시된 것과 같은 히스토그램 분석을 통해 수행될 수 있다.

예컨대, 2016년 1월 한달간의 온도 평균이 0도이고 변동폭이 -10도에서 +10도인 경우를 기준 데이터로 정의할 수 있다(도 6의 (a) 참조).

이 경우 2017년 1월 한달간의 온도 평균이 0도로 변화하지 않았지만, 변동폭이 -20도에서 +20도인 경우(도 6의 (b) 참조), 히스토그램 분포에서 오차 범위 이상의 변화가 감지될 수 있을 것이다.

이처럼 히스토그램의 분포가 동일한 양상을 가지지 않을 경우 센서 혹은 계측 대상에 변화가 생긴 것으로 판단할 수 있을 것이다.

IoT 계측 현장에서는 센서가 이상이 발생하거나 계측 대상에 이상이 발생한 경우 모두 관리자에게 알람을 제공하여 현장 점검이 요구되는 상황이므로, 센서 혹은 계측 대상에서의 이상 발생 여부를 판단하는 것이 중요하게 된다.

단계 S150에서 이상이 발생된 것으로 판단된 경우, 클라우드 서버(30)는 검증 기간을 조정하여 이상 상세 정보를 검토할 수 있다(단계 S160).

검증 기간을 한 달에서 10일, 1일 순으로 그 기간을 줄여가면서 과거 동기간에 대한 가상 센서 데이터를 생성하여 교차 비교함으로써, 문제 발생 시점을 보다 상세하게 특정할 수 있게 된다.

또한, 데이터 변이에 대한 검토도 가능하게 된다. 예컨대, 온도 변화량 이외에 기상청에서 제공하는 지진 정보 등을 이용한 분석을 수행함으로써 지진 발생 이전과 지진 발생 이후로 기간을 나누어 분석을 수행하면 실질적인 변이의 정도를 판단할 수 있을 것이다.

일반적으로 관리 기준치에 의한 계측 대상(예컨대, 구조물) 관리를 수행하는 경우, 센서 이상이 발생한 경우라도 관리 기준치 범위 이내라면 문제를 판단할 수 없게 된다. 또한, 관리 기준치를 넘는 경우라 할지라도 그 원인을 알기 쉽지 않다.

하지만, 본 실시예에 따르면 문제가 발생한 시점을 찾아 상세 분석을 수행할 수 있는 장점이 있다.

도 7은 본 발명의 다른 실시예에 따른 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법의 순서도이고, 도 8은 IoT 센서 이상 진단 과정을 나타낸 도면이다.

본 발명의 다른 실시예에 따른 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법은 동종 센서 데이터를 통합하여 가상 센서 데이터를 생성하고, 이에 기초하여 각 센서의 이상 여부를 판단한다.

도 7을 참조하면, 클라우드 서버(30)는 유사 조건에 있는 IoT 센서들을 선정한다(단계 S210). 유사 조건이라 함은 동일한 계측 현장에 설치되어 있거나 IoT 센서들이 상호 간에 근거리에 설치된 것을 의미한다.

선정된 센서들의 센서 데이터로부터 표준 데이터를 도출한다(단계 S220).

표준 데이터는 예를 들어 밴드 패스 필터링, 이동 평균 등과 같은 데이터 처리 알고리즘을 통해 도출될 수 있다. 여기서, 밴드 패스 필터링, 이동 평균과 같은 데이터 처리 알고리즘은 표준 데이터의 도출에만 이용되며, 실제 센서 데이터 자체를 가공하지는 않는다. 실제 센서 데이터 자체에 적용하는 경우 비정상적인 측정 값을 제거하거나 시간 위상을 변경할 수 있기 때문이다.

표준 데이터에 대해 환경 조건을 반영한다(단계 S230). 환경 조건에는 온도, 기상, 지진동 이벤트 중 적어도 하나가 포함될 수 있다.

환경 조건이 반영된 표준 데이터가 가상 센서 데이터로 생성될 수 있다(단계 S240). 가상 센서 데이터는 시간 흐름에 따른 패턴을 갖는 타입일 수 있다.

생성된 가상 센서 데이터의 패턴을 기 수집한 IoT 센서들의 센서 데이터의 패턴과 비교한다(단계 S250).

패턴 비교는 시간축을 기준으로 하여 수행될 수 있으며, 그 변동폭을 산출하여 미리 지정된 기준과 다른 센서에 이상이 발생한 것으로 판단할 수 있다(단계 S260).

도 8을 참조하면, 센서 A~N 으로부터 센서 데이터를 수집하고, 이들을 통합하여 표준 데이터를 도출하고 환경 조건을 반영함으로써 가상 센서 데이터의 패턴을 생성해 낼 수 있다(빨간색 그래프).

그리고 가상 센서 데이터 패턴을 다른 센서 데이터 패턴과 교차 비교함으로써, 시간축을 기준으로 한 변동폭으로부터 이상이 발생한 센서를 식별해 낼 수 있게 된다.

상술한 본 실시예에 따른 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체로는 컴퓨터 시스템에 의하여 해독될 수 있는 데이터가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래쉬 메모리, 광 데이터 저장장치 등이 있을 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 통신망으로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 읽을 수 있는 코드로서 저장되고 실행될 수 있다.

상기에서는 본 발명의 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

1: IoT 센서 이상 진단 시스템 10: 센서
20: 데이터 로거 30: 클라우드 서버
40: 환경 조건 획득부 31: 센서 데이터 수집부
32: 가상 센서 생성부 33: 데이터 비교부
34: 이상 판단부

Claims (3)

1. 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 메모리를 포함하는 컴퓨팅 디바이스에서 수행되는 계측 대상에 설치된 IoT 센서의 이상을 진단하는 방법으로서,
   상기 IoT 센서에서 측정한 센서 데이터를 수집하는 단계;
   검증 기간 및 상기 검증 기간 대비 기준 기간을 설정하는 단계;
   상기 기준 기간에 상응하는 상기 센서 데이터에 외부 환경 조건을 반영하여 가상 센서 데이터를 생성하는 단계;
   상기 검증 기간에 상응하는 상기 센서 데이터와, 상기 가상 센서 데이터를 교차 비교하는 단계; 및
   상기 교차 비교 결과에 기초하여 상기 IoT 센서 혹은 상기 계측 대상에의 이상 발생 여부를 판단하는 단계를 포함하는 IoT 센서 이상 진단 방법.
   
2. 제1항에 있어서,
   이상이 발생한 것으로 판단한 경우, 상기 검증 기간을 단축하는 조정을 통해 이상 상세 정보를 검토하는 단계를 더 포함하는 IoT 센서 이상 진단 방법.
   
3. 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 메모리를 포함하는 컴퓨팅 디바이스에서 수행되는 계측 대상에 설치된 IoT 센서의 이상을 진단하는 방법으로서,
   유사 조건을 가지는 IoT 센서들을 선정하는 단계;
   선정된 상기 IoT 센서들의 센서 데이터들로부터 표준 데이터를 도출하는 단계;
   상기 표준 데이터에 환경 조건을 반영하여, 가상 센서 데이터를 생성하는 단계;
   상기 가상 센서 데이터의 시간 경과에 따른 패턴과, 상기 센서 데이터들의 시간 경과에 따른 패턴을 교차 비교하는 단계; 및
   상기 교차 비교 결과에 기초하여 상기 IoT 센서들의 이상 여부를 판단하는 단계를 포함하는 IoT 센서 이상 진단 방법.

Images