KR20200052403A - 에지 컴퓨팅 기반 데이터 분석 시스템 및 그 방법 - Google Patents

Abstract

에지 컴퓨팅 기반 데이터 분석 시스템이 제공된다. 상기 데이터 분석 시스템은 복수의 그룹을 형성하는 복수의 단말 기기 중 적어도 일부로부터 수집된 데이터를 기초로 업데이트용 분석 모델을 생성하고 배포하는 서버 및 상기 복수의 단말 기기 중 적어도 일부와 연결되고, 상기 서버로부터 상기 업데이트용 분석 모델을 수신함에 응답하여, 기존 분석 모델과 상기 업데이트용 분석 모델에 대한 성능 평가를 수행하며, 상기 성능 평가 결과에 기초하여 상기 기존 분석 모델에 대한 업데이트 수행 여부를 결정하는 복수의 에지 장치를 포함할 수 있다. 이때, 상기 서버는, 상기 복수의 에지 장치의 분석 모델 업데이트 수행 결과에 기초하여, 상기 복수의 단말 기기 중 적어도 일부의 소속 그룹을 조정할 수 있다

Description

에지 컴퓨팅 기반 데이터 분석 시스템 및 그 방법{DATA ANALYSIS SYSTEM BASED ON EDGE COMPUTING AND METHOD THEREOF}

본 발명은 에지 컴퓨팅 기반 데이터 분석 시스템 및 그 방법에 관한 것이다. 보다 자세하게는, 분석 모델을 생성하고 배포하는 서버와 배포된 분석 모델을 이용하여 연결된 단말 기기의 데이터를 분석하는 에지 장치를 포함하는 데이터 분석 시스템 및 그 시스템에서 수행되는 방법에 관한 것이다.

사물 인터넷(Internet of Things; IoT) 기술이 보편화됨에 따라 다양한 환경에 IoT 플랫폼이 구축되고 있다. 가령, 스마트 홈, 스마트 빌딩, 스마트 시티 등을 구현하기 위해 홈, 빌딩 등의 환경에 IoT 플랫폼이 구축될 수 있다.

종래의 IoT 플랫폼은 IoT 기기, 다수의 IoT 기기를 인터넷과 연결해주는 IoT 게이트웨이, IoT 기기로부터 수집된 센서 데이터를 분석하여 IoT 기기에 대한 전반적인 관리 및 제어를 수행하는 서버로 구성된다. 통상적으로, 서버는 동일한 종류의 IoT 기기에 대해 동일한 분석 모델을 이용하여 분석을 수행한다. 가령, 스마트 빌딩에서 서버가 다수의 에어컨을 제어하는 경우, 서버는 에어컨의 설치 위치 등에 관계없이 각 에어컨으로부터 수집된 센서 데이터를 하나의 분석 모델을 이용하여 분석하고, 분석 결과를 기초로 다수의 에어컨을 각각 제어한다.

그러나, 위와 같은 종래의 IoT 플랫폼의 경우 몇 가지 문제점이 존재한다.

먼저, IoT 기기의 센서 데이터가 IoT 게이트웨이를 거쳐 서버에 도달할 때까지 데이터 분석이 지연되기 때문에, IoT 기기에 대한 즉각적인 제어가 이루어지기 어렵다는 문제가 있다.

또한, 동일한 종류의 IoT 기기에 대해 하나의 분석 모델이 일괄 적용되기 때문에, 분석 결과의 정확도가 떨어진다는 문제가 있다. 가령, 분석 모델이 IoT 기기의 이상 여부를 예측하는 모델이라고 가정해보면, 동일한 종류의 IoT 기기(e.g. 에어컨)라고 하더라도, 제조사(e.g. 삼성 에어컨, LG 에어컨) 또는 기기 모델에 따라 정상과 이상을 판단하는 기준이 달라질 수 있다. 또는, 제조사까지 동일한 IoT 기기라 하더라도, 주변 환경의 영향으로 인해 설치 위치에 따라 정상과 이상을 판단하는 기준이 달라질 수 있다. 따라서, 동일한 종류의 IoT 기기라고 하더라도 다수의 IoT 기기로부터 수집된 데이터를 하나의 분석 모델을 통해 분석하면, 분석 결과의 정확도는 떨어질 수 밖에 없다.

한국공개특허 제10-2017-0112467호 (2017.10.12 공개)

본 발명의 실시예를 통해 해결하고자 하는 기술적 과제는, 분석 모델에 대한 점진적 업데이트 기능이 구비된 데이터 분석 시스템 및 그 시스템에서 수행되는 방법을 제공하는 것이다.

본 발명의 실시예를 통해 해결하고자 하는 다른 기술적 과제는, 복수의 단말 기기의 대한 그룹 조정 기능을 지원하는 데이터 분석 시스템 및 그 시스템에서 수행되는 방법을 제공하는 것이다.

본 발명의 실시예를 통해 해결하고자 하는 또 다른 기술적 과제는, IoT 환경에서 대용량의 IoT 데이터에 대한 효율적이고 정확한 분석을 수행할 수 있는 데이터 분석 시스템 및 그 시스템에서 수행되는 방법을 제공하는 것이다.

본 발명의 실시예를 통해 해결하고자 하는 다른 기술적 과제는, 특정 단말 기기에 특화된 분석 모델을 자동으로 생성하고 배포하는 서버 및 그 서버에서 수행되는 방법을 제공하는 것이다.

본 발명의 실시예를 통해 해결하고자 하는 또 다른 기술적 과제는, 연결된 단말 기기에 적합한 최적의 분석 모델로 업데이트를 수행하는 에지 장치 및 그 에지 장치에서 수행되는 방법을 제공하는 것이다.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상기 기술적 과제를 해결하기 위한, 본 발명의 일 실시예에 따른 에지 컴퓨팅 기반 데이터 분석 시스템은 복수의 그룹을 형성하는 복수의 단말 기기 중 적어도 일부로부터 수집된 데이터를 기초로 업데이트용 분석 모델을 생성하고 배포하는 서버 및 상기 복수의 단말 기기 중 적어도 일부와 연결되고, 상기 서버로부터 상기 업데이트용 분석 모델을 수신함에 응답하여, 기존 분석 모델과 상기 업데이트용 분석 모델에 대한 성능 평가를 수행하며, 상기 성능 평가 결과에 기초하여 상기 기존 분석 모델에 대한 업데이트 수행 여부를 결정하는 복수의 에지 장치를 포함하되, 상기 서버는, 상기 복수의 에지 장치의 분석 모델 업데이트 수행 결과에 기초하여, 상기 복수의 단말 기기 중 적어도 일부의 소속 그룹을 조정할 수 있다.

일 실시예에서, 상기 서버는, 상기 복수의 에지 장치 중에서 상기 업데이트용 분석 모델로 업데이트를 수행한 에지 장치를 선별하고, 상기 선별된 에지 장치에 연결된 단말 기기가 동일한 그룹에 소속되도록 상기 복수의 단말 기기의 소속 그룹을 조정할 수 있다.

일 실시예에서, 상기 기존 분석 모델은 상기 복수의 단말 기기 전부로부터 수집된 데이터에 기초하여 생성된 모델이고, 상기 업데이트용 분석 모델은 상기 복수의 단말 기기 중 일부로부터 수집된 데이터에 기초하여 생성된 모델일 수 있다.

일 실시예에서, 상기 기존 분석 모델은 상기 복수의 단말 기기 중 적어도 일부로부터 제1 기간 동안 수집된 데이터에 기초하여 생성된 모델이고, 상기 업데이트용 분석 모델은 상기 복수의 단말 기기 중 적어도 일부로부터 상기 제1 기간 이후에 수집된 데이터에 기초하여 생성된 모델일 수 있다.

일 실시예에서, 상기 복수의 그룹은 계층적 구조로 구성되고, 상기 복수의 그룹 중 제1 그룹은 상기 제1 그룹의 하위 계층 그룹인 제2 그룹에 소속된 단말 기기를 포함하며, 상기 서버는, 상기 제1 그룹의 단말 기기로부터 수집된 데이터를 기초로 생성된 제1 업데이트용 분석 모델을 상기 복수의 에지 장치 중 상기 제1 그룹의 단말 기기와 연결된 에지 장치로 배포하고, 상기 제2 그룹의 단말 기기로부터 수집된 데이터를 기초로 생성된 제2 업데이트용 분석 모델을 상기 복수의 에지 장치 중 상기 제2 그룹의 단말 기기와 연결된 에지 장치로 배포할 수 있다.

일 실시예에서, 상기 복수의 에지 장치 중 제1 에지 장치는, 기 저장된 평가용 데이터를 이용하여 상기 기존 분석 모델과 상기 업데이트용 분석 모델에 대한 성능 평가를 수행하되, 상기 기 저장된 평가용 데이터는 거짓 긍정(false positive) 오류 또는 거짓 부정(false negative) 오류가 발생한 데이터를 포함할 수 있다.

일 실시예에서, 상기 복수의 에지 장치 중 제1 에지 장치는, 가용 리소스가 임계치 이상이라는 판정에 응답하여, 상기 제1 에지 장치에 연결된 단말 기기로부터 수집된 데이터를 기초로 제1 업데이트용 분석 모델을 직접 생성할 수 있다.

상기 기술적 과제를 해결하기 위한, 본 발명의 다른 실시예에 따른 에지 컴퓨팅 기반 데이터 분석 시스템은, 타깃 단말 기기를 포함하는 복수의 단말 기기 중 적어도 일부로부터 수집된 데이터를 기초로 분석 모델을 생성하고 배포하는 서버 및 상기 타깃 단말 기기와 연결되고, 상기 타깃 단말 기기로부터 데이터를 수집하여 상기 서버로 전달하고, 상기 서버에 의해 배포된 분석 모델을 이용하여 상기 타깃 단말 기기로부터 수신된 데이터를 분석하는 에지 장치를 포함하되, 상기 서버는, 상기 복수의 단말 기기로부터 수집된 데이터를 기초로 상기 복수의 단말 기기와 연관된 범용 분석 모델을 생성하여 상기 에지 장치로 배포하고, 모델 업데이트 조건이 만족되었다는 판정에 응답하여 상기 타깃 단말 기기로부터 수집된 데이터를 기초로 상기 타깃 단말 기기와 연관된 업데이트용 분석 모델을 생성하여 상기 에지 장치로 배포할 수 있다.

일 실시예에서, 상기 모델 업데이트 조건은 상기 에지 장치로부터 상기 범용 분석 모델에 대한 업데이트 요청 메시지가 수신되는 것이고, 상기 에지 장치는, 상기 타깃 단말 기기로부터 수신된 데이터를 상기 범용 분석 모델에 적용하여 예측 결과를 출력하고, 상기 예측 결과에 오류가 존재한다는 판정에 응답하여 업데이트 지수를 증가시키며, 상기 증가된 업데이트 지수가 임계치 이상이라는 판정에 응답하여 상기 서버로 상기 업데이트 요청 메시지를 전송할 수 있다.

일 실시예에서, 상기 모델 업데이트 조건은 상기 에지 장치로부터 상기 범용 분석 모델에 대한 업데이트 요청 메시지가 수신되는 것이고, 상기 범용 분석 모델은 상기 복수의 단말 기기로부터 제1 기간 동안 수집된 데이터에 기초하여 생성된 분석 모델이며, 상기 서버는, 상기 업데이트 요청 메시지가 수신된 경우, 상기 타깃 단말 기기로부터 수집된 데이터의 양이 임계치 미만인지 여부를 판정하고, 상기 임계치 미만이라는 판정에 응답하여 상기 제1 기간 이후에 상기 복수의 단말 기기로부터 수집된 데이터를 기초로 상기 범용 분석 모델을 업데이트하며, 상기 업데이트된 범용 분석 모델을 상기 에지 장치로 배포할 수 있다.

일 실시예에서, 상기 복수의 단말 기기는 계층 구조로 그룹핑된 복수의 그룹 중에서 제1 그룹에 속하고, 상기 타깃 단말 기기는 상기 제1 그룹의 하위 계층 그룹인 제2 그룹에 속할 수 있다.

상술한 기술적 과제를 해결하기 위한 본 발명의 또 다른 실시예에 따른 서버는, 타깃 단말 기기를 포함하는 복수의 단말 기기 중 적어도 일부와 연결된 복수의 에지 장치와 통신하는 통신 인터페이스, 하나 이상의 인스트럭션들(instructions)을 저장하는 메모리 및 상기 하나 이상의 인스트럭션들을 실행함으로써, 상기 복수의 단말 기기로부터 수집된 데이터를 기초로 범용 분석 모델을 생성하고, 상기 범용 분석 모델을 상기 복수의 단말 기기와 연결된 에지 장치로 배포하며, 타깃 모델 생성 조건이 만족됨에 응답하여, 상기 타깃 단말 기기로부터 수집된 데이터를 기초로 타깃 분석 모델을 생성하고, 상기 타깃 분석 모델을 상기 타깃 단말 기기와 연결된 타깃 에지 장치로 배포하는 프로세서를 포함할 수 있다.

상술한 기술적 과제를 해결하기 위한 본 발명의 또 다른 실시예에 따른 컴퓨터 프로그램은, 컴퓨팅 장치와 결합되어, 복수의 단말 기기로부터 수집된 데이터를 기초로 범용 분석 모델을 생성하는 단계, 상기 범용 분석 모델을 상기 복수의 단말 기기와 연결된 에지 장치로 배포하는 단계, 타깃 모델 생성 조건이 만족됨에 응답하여, 상기 타깃 단말 기기로부터 수집된 데이터를 기초로 타깃 분석 모델을 생성하는 단계 및 상기 타깃 분석 모델을 상기 타깃 단말 기기와 연결된 타깃 에지 장치로 배포하는 단계를 실행시키기 위하여, 컴퓨터로 판독가능한 기록매체에 저장될 수 있다.

도 1은 본 발명의 일 실시예에 따른 데이터 분석 시스템을 나타내는 구성도이다.
도 2는 본 발명의 다른 실시예에 따른 데이터 분석 시스템을 나타내는 구성도이다.
도 3은 본 발명의 일 실시예에 따른 서버를 나타내는 블록도이다.
도 4는 본 발명의 일 실시예에 따른 에지 장치를 나타내는 블록도이다.
도 5는 본 발명의 몇몇 실시예들에 따른 서버 및 에지 장치를 구현할 수 있는 예시적인 컴퓨팅 장치를 나타내는 하드웨어 구성도이다.
도 6은 본 발명의 일 실시예에 따른 데이터 분석 시스템의 분석 모델 업데이트 방법을 나타내는 흐름도이다.
도 7은 도 6에 도시된 분석 모델 배포 단계(S30 or S50)의 상세 흐름도이다.
도 8은 도 6에 도시된 업데이트용 분석 모델 생성 단계(S40)의 상세 흐름도이다.
도 9는 도 6에 도시된 분석 모델 업데이트 단계(S60)의 상세 흐름도이다.
도 10은 본 발명의 일 실시예에 따른 에지 장치의 분석 모델 업데이트 요청 방법을 나타내는 흐름도이다.
도 11은 본 발명의 일 실시예에 따른 에지 장치의 분석 모델 생성 방법을 나타내는 흐름도이다.
도 12 내지 도 15는 본 발명의 일 실시예에 따라 계층적 구조를 갖는 데이터 분석 시스템에서 수행되는 분석 모델 업데이트 방법을 설명하기 위한 예시도이다.
도 16은 본 발명의 일 실시예에 따른 데이터 분석 시스템의 기기 그룹 조정 방법을 나타내는 흐름도이다.
도 17 및 도 18은 본 발명의 일 실시예에 따라 계층적 구조를 갖는 데이터 분석 시스템에서 수행되는 기기 그룹 조정 방법을 나타내는 흐름도이다.
도 19는 본 발명의 일 활용예에 따른 스마트 빌딩 관리 시스템을 나타내는 구성도이다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예들을 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.

또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.

명세서에서 사용되는 "포함한다 (comprises)" 및/또는 "포함하는 (comprising)"은 언급된 구성 요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성 요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.

이하, 본 발명의 몇몇 실시예들에 대하여 첨부된 도면에 따라 상세하게 설명한다.

도 1은 본 발명의 일 실시예에 따른 데이터 분석 시스템을 나타내는 구성도이다.

도 1을 참조하면, 상기 데이터 분석 시스템은 서버(100), 복수의 에지 장치(200) 및 복수의 단말 기기(300)를 포함할 수 있다. 단, 이는 본 발명의 목적을 달성하기 위한 바람직한 실시예일 뿐이며, 필요에 따라 일부 구성 요소가 추가되거나 삭제될 수 있음은 물론이다. 또한, 도 1에 도시된 데이터 분석 시스템의 각각의 구성 요소들은 기능적으로 구분되는 기능 요소들을 나타낸 것으로서, 복수의 구성 요소가 실제 물리적 환경에서는 서로 통합되는 형태로 구현될 수도 있음에 유의한다.

상기 데이터 분석 시스템에서, 서버(100)는 에지 장치(200)를 통해 수집된 단말 기기(300)의 데이터를 통합 관리하고, 상기 수집된 데이터를 분석하기 위한 분석 모델을 생성 및 배포하는 컴퓨팅 장치이다. 여기서, 상기 컴퓨팅 장치는, 노트북, 데스크톱(desktop), 랩탑(laptop) 등이 될 수 있으나, 이에 국한되는 것은 아니며 컴퓨팅 기능 및 통신 기능이 구비된 모든 종류의 장치를 포함할 수 있다. 다만, 다수의 단말 기기(300)와 에지 장치(200)가 존재하는 경우라면, 서버(100)는 고성능의 컴퓨팅 장치로 구현되는 것이 바람직할 수 있다.

상기 분석 모델은 단말 기기(300)로부터 수집된 데이터를 분석하기 위해 에지 장치(200)에 의해 이용되는 임의의 모델을 의미한다. 가령, 상기 분석 모델은 단말 기기(300)의 이상 여부를 예측하는 모델 등이 될 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.

몇몇 실시예에서, 서버(100)는 특정 단말 기기에 특화된 분석 모델을 생성하여 배포할 수 있다. 가령, 데이터가 충분하게 수집되지 않은 시스템 초기에, 서버(100)는 다수의 단말 기기(300)로부터 수집된 데이터를 기초로 다수의 단말 기기(300)에 범용적으로 적용될 수 있는 범용 분석 모델을 생성하여 배포할 수 있다. 이후, 특정 단말 기기로부터 데이터가 충분하게 수집되면, 서버(100)는 상기 특정 단말 기기로부터 수집된 데이터를 기초로 상기 특정 단말 기기에 특화된 분석 모델을 생성하여 배포할 수 있다. 본 실시예에 따르면, 단말 기기(300)의 설치 환경, 자체 특성 등을 고려하여 각 단말 기기(300)에 특화된 맞춤형 분석 모델이 제공될 수 있다. 이에 따라, 데이터 분석의 정확도가 향상될 수 있다. 본 실시예에 대한 보다 자세한 설명은 도 6 내지 도 15를 참조하여 후술하도록 한다.

참고로, 본 명세서에서, 범용 분석 모델은 특정 단말 기기에 특화된 분석 모델과 서로 상대적인 의미로 사용되는 것임에 유의하여야 한다. 가령, 제1 분석 모델은 제2 분석 모델에 비교할 때 범용 분석 모델이 될 수 있으나, 제3 분석 모델에 비교할 때는 특화된 분석 모델이 될 수도 있다.

몇몇 실시예에서, 서버(100)는 복수의 단말 기기(300)에 대한 소속 그룹을 설정하고, 다양한 업데이트용 분석 모델을 생성하여 복수의 단말 기기(300)와 연결된 에지 장치(200)로 배포할 수 있다. 이때, 에지 장치(200)는 기존 분석 모델과 상기 업데이트용 분석 모델에 대한 성능 평가 결과에 기초하여 기존 분석 모델에 대한 업데이트를 수행하거나 보류할 수 있다. 또한, 서버(100)는 에지 장치(200)의 분석 모델 업데이트 결과에 기초하여 단말 기기(300)의 소속 그룹에 대한 조정을 수행할 수 있다. 가령, 서버(100)는 동일 분석 모델을 이용하는 에지 장치(200)에 연결된 단말 기기(300)들이 동일한 그룹에 속하도록 소속 그룹을 조정할 수 있다. 본 실시예에 따르면, 특성 또는 주변 환경이 유사한 단말 기기들이 동일한 그룹에 소속되도록 조정됨으로써, 관리의 용이성이 향상될 수 있다. 또한, 소속 그룹이 조정된 이후에, 특성이 유사한 단말 기기(즉, 동일 그룹에 속한 단말 기기들)의 데이터를 종합하여 다시 업데이트용 분석 모델이 생성될 수 있기 때문에, 분석 결과의 정확도가 더욱 향상될 수 있다. 본 실시예에 대한 보다 자세한 설명은 도 16 내지 도 18을 참조하여 후술하도록 한다.

몇몇 실시예에서, 도 2에 도시된 바와 같이, 서버(100)의 기능은 다수의 컴퓨팅 장치로 구성된 클라우드(10) 형태로 구현될 수도 있다. 같은 맥락에서, 에지 장치(200)의 기능 또한 다수의 컴퓨팅 장치로 구성된 포그(fog) 형태로 구현될 수도 있다. 다만, 이하에서는, 이해의 편의를 제공하기 위해, 도 1에 도시된 시스템 구성을 가정하여 설명을 이어가도록 한다.

서버(100)의 세부 구성 및 동작에 대한 보다 자세한 설명은 도 3, 도 6 내지 도 18을 참조하여 후술하도록 한다.

상기 데이터 분석 시스템에서, 에지 장치(200)는 서버(100)에 의해 배포된 분석 모델을 이용하여 연결된 단말 기기(300)로부터 수집된 데이터를 분석하고, 분석 결과에 따른 처리를 수행하는 컴퓨팅 장치이다. 또한, 에지 장치(200)는 연결된 단말 기기(300)로부터 수집된 데이터를 서버(100)에게 전달한다. 상기 데이터 분석 시스템이 IoT(Internet of Things) 환경에 구축된 경우, 에지 장치(200)는 IoT 게이트웨이로 구현될 수 있다.

몇몇 실시예에서, 에지 장치(200)는 서버(100)로부터 분석 모델을 수신하지 않고, 자체적으로 분석 모델을 생성할 수도 있다. 구체적으로, 에지 장치(200)는 가용 리소스가 충분하다는 판정에 응답하여, 서버(100)에게 분석 모델의 업데이트를 요청하지 않고, 자체적으로 분석 모델을 생성할 수 있다. 본 실시예에 따르면, 서버(100)의 부담이 경감되고, 에지 장치(200)의 리소스가 효율적으로 활용될 수 있다. 본 실시예에 대한 자세한 설명은 도 11을 참조하여 추후 부연 설명하도록 한다.

에지 장치(200)의 구성 및 동작에 대한 보다 자세한 설명은 도 4, 도 6 내지 도 18을 참조하여 후술하도록 한다.

상기 데이터 분석 시스템에서, 단말 기기(300)는 분석 대상이 되는 데이터를 제공하는 장치이다. 가령, 데이터 분석 시스템이 IoT 환경에 구축된 경우, 단말 기기(300)는 각종 센서 데이터를 제공하는 IoT 기기에 대응될 수 있다.

도 1에 도시된 데이터 분석 시스템의 구성 요소는 네트워크를 통해 통신할 수 있다. 여기서, 상기 네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 이동 통신망(mobile radio communication network), Wibro(Wireless Broadband Internet) 등과 같은 모든 종류의 유/무선 네트워크로 구현될 수 있다.

지금까지 도 1 및 도 2를 참조하여 본 발명의 실시예에 따른 데이터 분석 시스템에 대하여 간략하게 설명하였다. 이하에서는, 도 3 및 도 4를 참조하여 데이터 분석 시스템의 구성 요소인 서버(100)와 에지 장치(200)의 구성 및 동작에 대하여 보다 상세하게 설명하도록 한다.

도 3은 본 발명의 일 실시예에 따른 서버(100)를 나타내는 블록도이다.

도 3을 참조하면, 서버(100)는 데이터 수집부(110), 데이터 DB(130), 모델 관리부(150) 및 기기/에지 정보 관리부(170)를 포함할 수 있다. 다만, 도 3에는 본 발명의 실시예와 관련 있는 구성요소들만이 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 3에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다. 물론, 도 3에 도시된 구성요소들 중 일부가 생략되는 형태로 서버(100)가 구현될 수도 있다.

또한, 도 3에 도시된 서버(100)의 각각의 구성 요소들은 기능적으로 구분되는 기능 요소들을 나타낸 것으로서, 복수의 구성 요소가 실제 물리적 환경에서는 서로 통합되는 형태로 구현될 수도 있음에 유의한다.

각 구성 요소를 살펴보면, 데이터 수집부(110)는 복수의 에지 장치(200)로부터 단말 기기(300)의 데이터를 수집한다. 수집된 데이터는 데이터 DB(130)에 저장될 수 있다.

다음으로, 데이터 DB(130)는 단말 기기(300)로부터 수집된 데이터를 통합 관리하는 저장소이다.

다음으로, 모델 관리부(150)는 분석 모델에 대한 전반적인 관리를 수행한다. 모델 관리부(150)는 모델 정보 관리부(151), 모델 생성부(153) 및 모델 배포부(155)를 포함할 수 있다.

모델 정보 관리부(150)는 분석 모델에 대한 배포 이력, 각 에지 장치(200)의 분석 모델 정보 등 분석 모델의 배포 및 업데이트와 연관된 각종 정보를 관리한다.

다음으로, 모델 생성부(153)는 데이터 DB(130)에 저장된 데이터를 기초로 다양한 분석 모델을 생성한다.

다음으로, 모델 배포부(155)는 모델 생성부(153)에 의해 생성된 분석 모델을 에지 장치(200)로 배포한다. 구체적으로, 모델 배포부(155)는 분석 모델이 적용될 단말 기기(300)를 결정하고, 기기/에지 정보 관리부(170)의 관리 정보에 기초하여 상기 결정된 단말 기기(300)와 연결된 에지 장치(200)를 배포 대상으로 결정한다.

다음으로, 기기/에지 정보 관리부(170)는 단말 기기(300)의 그룹 정보, 단말 기기(300)와 에지 장치(200) 간의 연결 관계 등 단말 기기(300)와 에지 장치(200)와 연관된 각종 정보를 관리한다.

도 3에 도시된 서버(100)의 구성 요소에 대한 자세한 설명은 도 6 내지 도 18의 설명 부분을 더 참조하도록 한다.

도 4는 본 발명의 일 실시예에 따른 에지 장치(200)를 나타내는 블록도이다.

도 4를 참조하면, 에지 장치(200)는 데이터 수집부(210), 데이터 전달부(220), 분석부(230), 데이터 DB(240), 모델 관리부(250), 리소스 모니터링부(260) 및 피드백 수집부(270)를 포함할 수 있다. 다만, 도 4에는 본 발명의 실시예와 관련 있는 구성요소들만이 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 4에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다. 물론, 도 4에 도시된 구성요소들 중 일부가 생략되는 형태로 에지 장치(200)가 구현될 수도 있다.

또한, 도 4에 도시된 에지 장치(200)의 각각의 구성 요소들은 기능적으로 구분되는 기능 요소들을 나타낸 것으로서, 복수의 구성 요소가 실제 물리적 환경에서는 서로 통합되는 형태로 구현될 수도 있음에 유의한다.

데이터 수집부(210)는 연결된 단말 기기(300)로부터 데이터를 수집한다. 수집된 데이터의 일부 또는 전부는 데이터 DB(240)에 저장될 수 있다.

다음으로, 데이터 전달부(220)는 연결된 단말 기기(300)로부터 수집된 데이터를 서버(100)로 전달한다. 이외에도, 데이터 전달부(220)는 피드백 수집부(270)에 의해 수집된 피드백 정보, 분석부(230)가 제공하는 분석 결과 등의 각종 데이터를 서버(100)로 전달할 수 있다.

다음으로, 분석부(230)는 모델 관리부(250)의 분석 모델에 기초하여 연결된 단말 기기(300)로부터 수집된 데이터를 분석한다. 상기 분석 결과 또한 데이터 DB(240)에 저장될 수 있다.

다음으로, 데이터 DB(240)는 연결된 단말 기기(300)로부터 수집된 데이터, 상기 데이터의 분석 결과 등의 각종 데이터를 관리하는 저장소이다.

다음으로, 모델 관리부(250)는 에지 장치(200)의 분석 모델에 대한 전반적인 관리를 수행한다. 모델 관리부(250)는 모델 업데이트부(251), 모델 평가부(253) 및 모델 생성부(255)를 포함할 수 있다.

모델 업데이트부(251)는 기존 분석 모델에 대한 업데이트를 수행한다. 구체적으로, 모델 업데이트부(251)는 서버(100)로부터 업데이트용 분석 모델을 수신한 경우, 모델 평가부(253)로부터 상기 업데이트용 분석 모델과 기존 분석 모델에 대한 성능 평가 결과를 제공받는다. 또한, 모델 업데이트부(251)는 상기 업데이트용 분석 모델의 성능이 더 우수한 경우, 상기 기존 분석 모델을 상기 업데이트용 분석 모델로 대체할 수 있다.

또한, 모델 업데이트부(251)는 분석 모델의 오류에 기초하여 업데이트 지수를 증가시키고, 상기 업데이트 지수가 임계치 이상이라는 판정에 응답하여 서버(100)로 업데이트 요청 메시지를 전송할 수 있다.

다음으로, 모델 평가부(253)는 분석 모델에 대한 성능 평가를 수행한다. 이때, 상기 성능 평가의 메트릭(metric)으로 정확도(accuracy), 재현율(recall), 정밀도(precision), 민감도(sensitivity), 특이도(specificity), F-점수(e.g. F1, F2 등) 등이 이용될 수 있다.

다음으로, 모델 생성부(255)는 데이터 DB(240)에 저장된 데이터를 기초로 분석 모델을 자체적으로 생성한다. 가령, 모델 생성부(255)는 리소스 모니터링부(260)로부터 가용 리소스에 대한 정보를 제공받고, 상기 가용 리소스가 임계치 이상이라는 판정에 응답하여 상기 분석 모델을 자체적으로 생성할 수 있다.

다음으로, 리소스 모니터링부(260)는 에지 장치(200)의 리소스 상태를 모니터링한다.

다음으로, 피드백 수집부(270)는 분석부(230)의 분석 결과에 대한 피드백을 수집한다. 이때, 상기 피드백은 분석 결과에 오류(e.g. 거짓 긍정, 거짓 부정 오류 등)가 존재하는지 여부에 대한 것일 수 있다. 피드백 수집부(270)가 상기 피드백을 수집하는 방식은 어떠한 방식이 되더라도 무방하다.

도 4에 도시된 에지 장치(200)의 구성 요소에 대한 자세한 설명은 도 6 내지 도 18의 설명 부분을 더 참조하도록 한다.

도 3 및 도 4의 각 구성 요소는 소프트웨어(Software) 또는, FPGA(Field Programmable Gate Array)나 ASIC(Application-Specific Integrated Circuit)과 같은 하드웨어(Hardware)를 의미할 수 있다. 그렇지만, 상기 구성 요소들은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, 어드레싱(Addressing)할 수 있는 저장 매체에 있도록 구성될 수도 있고, 하나 또는 그 이상의 프로세서들을 실행시키도록 구성될 수도 있다. 상기 구성 요소들 안에서 제공되는 기능은 더 세분화된 구성 요소에 의하여 구현될 수 있으며, 복수의 구성 요소들을 합하여 특정한 기능을 수행하는 하나의 구성 요소로 구현될 수도 있다.

도 5는 본 발명의 몇몇 실시예들에 따른 서버(100) 및 에지 장치(200)를 구현할 수 있는 예시적인 컴퓨팅 장치(400)를 나타내는 하드웨어 구성도이다.

도 5를 참조하면, 컴퓨팅 장치(400)는 컴퓨팅 장치(400)는 하나 이상의 프로세서(410), 버스(450), 통신 인터페이스(470), 프로세서(410)에 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리(430)와, 데이터 분석 소프트웨어(491)를 저장하는 스토리지(490)를 포함할 수 있다. 다만, 도 5에는 본 발명의 실시예와 관련 있는 구성요소들만이 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 5에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다.

프로세서(410)는 컴퓨팅 장치(400)의 각 구성의 전반적인 동작을 제어한다. 프로세서(410)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다. 또한, 프로세서(410)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있다. 컴퓨팅 장치(400)는 하나 이상의 프로세서를 구비할 수 있다.

메모리(430)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(430)는 본 발명의 실시예들에 따른 데이터 분석 방법을 실행하기 위하여 스토리지(490)로부터 하나 이상의 프로그램(491)을 로드할 수 있다.

메모리(430)에 컴퓨터 프로그램(491)이 로드되면, 메모리(430) 상에 도 3 또는 도 4에 도시된 모듈이 구현될 수 있다. 예를 들어, 컴퓨터 프로그램(491)이 서버(100)의 동작을 수행하는 프로그램인 경우, 도 3에 도시된 서버(100)의 모듈이 메모리(430) 상에 구현될 수 있다. 다른 예를 들어, 컴퓨터 프로그램(491)이 에지 장치(200)의 동작을 수행하는 프로그램인 경우, 도 4에 도시된 에지 장치(200)의 모듈이 메모리(430) 상에 구현될 수 있다.

버스(450)는 컴퓨팅 장치(400)의 구성 요소 간 통신 기능을 제공한다. 버스(450)는 주소 버스(Address Bus), 데이터 버스(Data Bus) 및 제어 버스(Control Bus) 등 다양한 형태의 버스로 구현될 수 있다.

통신 인터페이스(470)는 컴퓨팅 장치(400)의 유무선 인터넷 통신을 지원한다. 또한, 통신 인터페이스(470)는 인터넷 통신 외의 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 통신 인터페이스(470)는 본 발명의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다.

스토리지(490)는 상기 하나 이상의 프로그램(491), 각종 데이터를 비임시적으로 저장할 수 있다.

스토리지(490)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.

컴퓨터 프로그램(491)은 본 발명의 몇몇 실시예들에 따른 방법들을 수행하도록 하는 하나 이상의 인스트럭션들(instructions)을 포함할 수 있다. 여기서, 인스트럭션은 기능을 기준으로 묶인 일련의 명령어들로서 컴퓨터 프로그램의 구성 요소이자 프로세서(410)에 의해 실행되는 것을 가리킨다. 컴퓨터 프로그램(491)이 메모리(430)에 로드되고, 프로세서(410)가 컴퓨터 프로그램(491)을 구성하는 하나 이상의 인스트럭션들을 실행함으로써, 본 발명의 몇몇 실시예들에 따른 방법들이 수행될 수 있다.

예를 들어, 컴퓨터 프로그램(491)은 복수의 단말 기기로부터 수집된 데이터를 기초로 범용 분석 모델을 생성하는 동작, 상기 범용 분석 모델을 상기 복수의 단말 기기와 연결된 에지 장치로 배포하는 동작, 모델 업데이트 조건이 만족됨에 응답하여, 상기 타깃 단말 기기로부터 수집된 데이터를 기초로 업데이트용 분석 모델을 생성하는 동작, 상기 업데이트용 분석 모델을 상기 타깃 단말 기기와 연결된 에지 장치로 배포하는 동작을 수행하도록 하는 인스트럭션들을 포함할 수 있다. 이와 같은 컴퓨터 프로그램(491)이 메모리(430)에 로드되고, 프로세서(410)에 의해 상기 하나 이상의 인스트럭션들이 실행되면, 컴퓨팅 장치(400)는 서버(100)로 동작할 수 있다.

다른 예를 들어, 예를 들어, 컴퓨터 프로그램(491)은 연결된 단말 기기로부터 수집된 데이터를 상기 서버로 전달하는 동작, 상기 서버에 의해 배포된 업데이트용 분석 모델을 수신하는 동작, 기존 분석 모델과 상기 업데이트용 분석 모델에 대한 성능 평가 결과에 기초하여 상기 기존 분석 모델에 대한 업데이트 수행 여부를 결정하는 동작을 수행하도록 하는 인스트럭션들을 포함할 수 있다. 이와 같은 컴퓨터 프로그램(491)이 메모리(430)에 로드되고, 프로세서(410)에 의해 상기 하나 이상의 인스트럭션들이 실행되면, 컴퓨팅 장치(400)는 에지 장치(200)로 동작할 수 있다.

지금까지, 도 5를 참조하여 본 발명의 실시예에 따른 서버(100) 또는 에지 장치(200)를 구현할 수 있는 예시적인 컴퓨팅 장치(400)의 구성 및 동작에 대하여 설명하였다. 이하에서는, 본 발명의 실시예에 따른 데이터 분석 시스템에 수행되는 방법들에 대하여 설명하도록 한다.

설명의 편의를 위해, 이하에서 후술될 방법에 포함되는 각 단계의 동작 주체는 그 기재가 생략될 수도 있다. 또한, 상기 방법의 각 단계는 프로세서에 의해 실행되는 컴퓨터 프로그램의 인스트럭션들로 구현될 수 있다.

도 6은 본 발명의 일 실시예에 따른 분석 모델 업데이트 방법을 나타내는 흐름도이다. 단, 이는 본 발명의 목적을 달성하기 위한 바람직한 실시예일뿐이며, 필요에 따라 일부 단계가 추가되거나 삭제될 수 있음은 물론이다.

도 6을 참조하면, 상기 분석 모델 업데이트 방법은 서버(100)가 적어도 하나의 에지 장치(200)로부터 데이터를 수집하는 단계(S10)로부터 시작된다. 상기 데이터는 에지 장치(200)와 연결된 단말 기기(300)로부터 수집된 데이터이다. 즉, 본 단계(S10)에서, 각각의 에지 장치(200)는 연결된 단말 기기(300)로부터 데이터를 수집하고, 수집된 데이터를 서버(100)로 전달한다.

참고로, 에지 장치의 개수는 실시예에 따라 얼마든지 달라질 수 있다. 또한, 하나의 에지 장치가 하나의 물리적 장치로 구현될 필요는 없고, 하나의 물리적 장치에 다수의 에지 장치가 구현될 수도 있음에 유의하여야 한다.

단계(S20)에서, 서버(100)는 수집된 데이터를 기초로 분석 모델을 생성한다. 예를 들어, 서버(100)는 수집된 데이터에 대한 기계 학습을 통해 분석 모델을 생성할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.

본 단계(S20)에서, 서버(100)는 수집된 데이터의 개수, 품질, 클래스별 데이터의 비율 등에 기초하여 분석 모델의 생성이 가능한지 여부를 판정하고, 생성 가능하다는 판정에 응답하여 분석 모델을 생성할 수 있다.

단계(S30)에서, 서버(100)는 생성된 분석 모델을 에지 장치(200)로 배포한다. 구체적으로, 도 7에 도시된 바와 같이, 서버(100)는 복수의 에지 장치(200) 중에서 배포 대상 에지 장치를 결정하고(S31), 상기 배포 대상 에지 장치로 분석 모델을 배포한다(S33).

몇몇 실시예에서, 서버(100)는 분석 모델의 기초 데이터를 제공한 단말 기기와 연결된 에지 장치를 배포 대상으로 결정할 수 있다. 가령, 제1 복수의 단말 기기로부터 수집된 데이터를 기초로 제1 분석 모델을 생성한 경우, 서버(100)는 상기 제1 복수의 단말 기기와 연결된 에지 장치로 상기 제1 분석 모델을 배포할 수 있다.

단계(S40)에서, 서버(100)는 소정의 모델 업데이트 조건이 만족됨에 응답하여 업데이트용 분석 모델을 생성한다.

몇몇 실시예에서, 상기 업데이트용 분석 모델은 특정 단말 기기에 특화된 분석 모델일 수 있다. 예를 들어, 서버(100)는 단계(S20)에서 복수의 단말 기기로부터 수집된 데이터를 기초로 범용 분석 모델을 생성하고, 본 단계(S40)에서 상기 복수의 단말 기기 중 일부 단말 기기로부터 수집된 데이터를 기초로 상기 일부 단말 기기에 특화된 분석 모델을 생성할 수 있다. 본 실시예에 따르면, 에지 장치(200)는 상기 특화된 분석 모델을 이용하여 상기 일부 단말 기기로부터 수집된 데이터를 분석할 것인 바, 데이터 분석의 정확도가 향상될 수 있다.

몇몇 실시예에서, 상기 업데이트용 분석 모델은 최근 데이터에 기반한 것일 수 있다. 예를 들어, 서버(100)는 단계(S20)에서 제1 기간 동안 단말 기기로부터 수집된 데이터를 학습하여 제1 분석 모델을 생성하고, 본 단계(S40)에서 상기 제1 기간 이후에 수집된 데이터를 추가 학습을 수행하여 상기 제1 분석 모델을 업데이트할 수 있다. 또는, 서버(100)는 상기 제1 기간 이후에 수집된 데이터를 새롭게 학습하여 제2 분석 모델을 생성할 수도 있다.

몇몇 실시예에서, 상기 업데이트용 분석 모델은 하이퍼파라미터(hyperparameter), 학습 알고리즘 중 적어도 하나의 요소가 기존 분석 모델과 상이한 것일 수 있다. 예를 들어, 서버(100)는 단계(S20)에서 제1 학습 알고리즘을 이용하여 제1 분석 모델을 생성하고, 본 단계(S40)에서 제2 학습 알고리즘을 이용하여 제2 분석 모델을 생성할 수 있다.

몇몇 실시예에서, 상기 업데이트용 분석 모델은 전술한 실시예들의 조합에 의해 생성될 수 있다. 예를 들어, 서버(100)는 일부 단말 기기로부터 수집된 최근 데이터를 기초로 상기 일부 단말 기기에 특화된 분석 모델을 생성하거나, 상기 수집된 최근 데이터에 기존 분석 모델과 다른 학습 알고리즘을 적용하여 상기 일부 단말 기기에 특화된 분석 모델을 생성할 수 있다. 또한, 서버(100)는 전술한 실시예들에 따라 복수개의 업데이트용 분석 모델을 생성하여 배포할 수도 있다.

한편, 전술한 모델 업데이트 조건은 실시예에 따라 달라질 수 있다.

몇몇 실시예에서, 상기 모델 업데이트 조건은 에지 장치(200)로부터 업데이트 요청 메시지를 수신하는 것일 수 있다. 예를 들어, 서버(100)는 에지 장치(200)로부터 업데이트 요청 메시지를 수신함에 응답하여 업데이트용 분석 모델을 생성할 수 있다. 에지 장치(200)가 업데이트 요청 메시지를 전송하는 동작에 대한 자세한 설명은 도 10을 참조하여 후술하도록 한다.

몇몇 실시예에서, 상기 모델 업데이트 조건은 서버(100)에 미리 설정된 조건일 수 있다. 즉, 업데이트용 분석 모델을 생성하는 동작이 에지 장치(200)의 요청에 관계없이 서버(100)의 자체적인 판단에 의해 트리거될 수 있다. 예를 들어, 서버(100)는 지정된 주기에 따라 최근 데이터에 기반한 분석 모델을 생성하여 배포할 수 있다. 다른 예를 들어, 서버(100)는 제1 단말 기기로부터 수집된 데이터가 임계치 이상이라는 판정에 응답하여 상기 제1 단말 기기에 특화된 제1 분석 모델을 생성하고, 제2 단말 기기로부터 수집된 데이터가 임계치 이상이라는 판정에 응답하여 상기 제2 단말 기기에 특화된 제2 분석 모델을 생성하여 배포할 수 있다. 또 다른 예를 들어, 서버(100)는 복수의 에지 장치(200)로부터 분석 모델에 대한 성능 평가 결과를 수집하고, 특정 분석 모델의 성능이 임계치 미만이 경우, 상기 특정 분석 모델에 대한 업데이트용 분석 모델을 생성할 수 있다. 이때, 서버(100)는 상기 업데이트용 분석 모델을 상기 특정 분석 모델을 이용하고 있는 에지 장치(200)로 배포할 수 있다.

몇몇 실시예에서, 상기 모델 업데이트 조건은 전술한 실시예들의 조합에 기초하여 결정될 수 있다.

한편, 몇몇 실시예에서, 본 단계(S40)의 세부 과정은 도 8에 도시된 흐름도에 따라 수행될 수 있다. 구체적으로, 에지 장치(200)로부터 업데이트 요청 메시지가 수신되면, 서버(100)는 에지 장치(200)에서 이용 중인 기존 분석 모델보다 특화된 분석 모델이 생성 가능한지 판단한다(S41, S43). 여기서, 기존 분석 모델보다 특화된 분석 모델이라는 것은 상기 기존 분석 모델보다 더 적은 수의 단말 기기로부터 수집된 데이터를 기초로 생성된 분석 모델을 의미한다. 가령, 에지 장치(200)의 기존 분석 모델이 에지 장치(200)와 연결된 타깃 단말 기기를 포함하는 복수의 단말 기기의 데이터를 기초로 생성된 것이고, 상기 타깃 단말 기기로부터 수집된 데이터 데이터가 임계치 이상인 경우, 서버(100)는 상기 타깃 단말 기기에 특화된 분석 모델의 생성이 가능하다고 판단할 수 있다. 또한, 생성 가능 판정에 응답하여, 서버(100)는 상기 타깃 단말 기기에 특화된 분석 모델을 생성할 수 있다. 반대의 경우, 서버(100)는 최근 데이터를 기초로 에지 장치(200)의 기존 분석 모델을 업데이트할 수 있다(S45, S47).

단계(S50)에서, 서버(100)는 업데이트용 분석 모델을 에지 장치(200)로 배포한다. 구체적으로, 서버(100)는 복수의 에지 장치(200) 중에서 배포 대상 에지 장치를 결정하고, 상기 배포 대상 에지 장치로 업데이트용 분석 모델을 배포할 수 있다.

몇몇 실시예에서, 서버(100)는 업데이트 요청 메시지를 전송한 에지 장치(200)를 배포 대상으로 결정할 수 있다.

몇몇 실시예에서, 서버(100)는 업데이트용 분석 모델의 기초 데이터를 제공한 단말 기기와 연결된 에지 장치(200)를 배포 대상으로 결정할 수 있다. 가령, 특정 단말 기기(300)로부터 수집된 데이터를 기초로 특정 단말 기기(300)에 특화된 제1 분석 모델을 생성한 경우, 서버(100)는 특정 단말 기기(300)와 연결된 에지 장치(200)를 상기 제1 분석 모델의 배포 대상으로 결정할 수 있다.

몇몇 실시예에서, 서버(100)는 복수의 에지 장치(200)로부터 수집된 분석 모델의 성능 평가 결과를 기초로 배포 대상을 결정할 수 있다. 가령, 서버(100)는 성능이 임계치 미만인 분석 모델을 이용하고 있는 에지 장치(200)를 배포 대상으로 결정할 수 있다.

몇몇 실시예에서, 서버(100)는 복수의 에지 장치(200) 중에서 랜덤하게 배포 대상을 결정할 수 있다. 가령, 서버(100)는 에지 장치(200)에게 최적의 분석 모델을 선택할 기회를 제공하기 위해 다양한 업데이트용 분석 모델을 생성하고, 생성된 업데이트용 분석 모델을 무작위로 배포할 수 있다.

몇몇 실시예에서, 전술한 실시예들의 조합에 기초하여 배포 대상이 결정될 수 있다.

단계(S60)에서, 에지 장치(200)는 업데이트용 분석 모델이 수신됨에 응답하여 기존 분석 모델에 대한 업데이트를 수행하거나 보류한다. 본 단계(S60)의 상세 과정은 도 9에 도시되어 있다. 도 9에 도시된 바와 같이, 에지 장치(200)는 업데이트용 분석 모델이 수신됨에 응답하여 기존 분석 모델과 업데이트용 분석 모델에 대한 성능 평가를 수행한다(S61, S63). 또한, 에지 장치(200)는 업데이트용 분석 모델의 성능이 더 우수하다는 판정에 응답하여 기존 분석 모델에 대한 업데이트를 수행한다(S65, S67). 가령, 에지 장치(200)는 기존 분석 모델을 업데이트용 분석 모델로 대체할 수 있다.

단계(S70)에서, 업데이트용 분석 모델을 수신한 에지 장치(200)는 업데이트 수행 결과를 서버(100)에게 보고한다.

전술한 단계(S10 내지 S70) 중에서, 단계(S10)는 데이터 수집부(110)에 의해 수행되고, 단계(S20, S40)는 모델 생성부(153)에 의해 수행되며, 단계(S30, S50)는 모델 배포부(155)에 의해 수행될 수 있다. 또한, 단계(S60, S70)는 모델 업데이트부(251)와 모델 평가부(253)에 의해 수행될 수 있다.

지금까지 도 6 내지 도 9를 참조하여 본 발명의 일 실시예에 따른 분석 모델 업데이트 방법에 대하여 설명하였다. 상술한 방법에 따르면, 단말 기기(300)의 설치 환경, 자체 특성 등을 고려하여 각 단말 기기(300)에 특화된 맞춤형 분석 모델이 제공될 수 있다. 이에 따라, 데이터 분석의 정확도가 향상될 수 있다.

도 10은 본 발명의 일 실시예에 따라 에지 장치(200)가 분석 모델 업데이트 요청하는 방법을 나타내는 흐름도이다. 단, 이는 본 발명의 목적을 달성하기 위한 바람직한 실시예일뿐이며, 필요에 따라 일부 단계가 추가되거나 삭제될 수 있음은 물론이다.

도 10을 참조하면, 상기 분석 모델 업데이트 요청 방법은 에지 장치(200)가 분석 모델의 예측 결과에 대한 피드백을 수신하는 단계(S110)에서 시작된다. 구체적으로, 에지 장치(200)는 분석 모델을 통해 단말 기기(300)로부터 수신된 데이터를 분석하여 예측 결과를 출력하고, 상기 예측 결과에 오류가 존재하는지에 대한 피드백을 제공받을 수 있다. 이때, 상기 피드백은 어떠한 방식으로 제공되더라도 무방하다.

가령, 상기 분석 모델이 단말 기기(300)의 이상 여부를 예측하는 모델이라고 가정하자. 또한, 에지 장치(200)는 단말 기기(300)의 상태가 이상으로 예측된 경우 단말 기기(300)의 전원을 차단하거나 관리자에게 알람을 제공하는 등의 제어 동작을 수행한다고 가정하자. 그러면, 에지 장치(200)는 관리자 또는 상기 단말 기기로부터 상기 제어 동작에 대한 피드백을 받을 수 있다. 예를 들어, 관리자가 단말 기기(300)를 점검하여 이상이 없는 경우 예측 결과에 오류가 존재한다는 피드백을 제공할 수 있다. 다른 예를 들어, 단말 기기(300)가 빌트인 테스트(built-in test)를 통해 자체적으로 상태를 점검하고, 이상이 없는 경우 예측 결과에 오류가 존재한다는 피드백을 제공할 수 있다.

단계(S130)에서, 에지 장치(200)는 제공받은 피드백을 기초로 예측 결과에 오류가 존재하는지 여부를 판정한다. 오류가 존재한다는 판정에 응답하여 다음 단계(S150)가 수행될 수 있다.

단계(S150 내지 S190)에서, 에지 장치(200)는 업데이트 지수를 증가시키고, 증가된 업데이트 지수가 임계치 이상이라는 판정에 응답하여 업데이트 요청 메시지를 서버(100)로 전송할 수 있다.

다만, 몇몇 실시예에서, 상기 피드백을 통해 확인된 오류가 미리 설정된 심각한 오류에 해당하는 경우, 에지 장치(200)는 업데이트 지수에 관계없이 곧바로 업데이트 요청 메시지를 서버(100)로 전송할 수 있다. 예를 들어, 해당 시스템에서 거짓 긍정 오류가 심각한 오류인 경우, 에지 장치(200)는 상기 오류가 거짓 긍정 오류에 해당하면 곧바로 업데이트 요청 메시지를 서버(100)로 전송할 수 있다. 다른 예를 들어, 해당 시스템에서 거짓 부정 오류가 심각한 오류인 경우, 에지 장치(200)는 상기 오류가 거짓 부정 오류에 해당하면 곧바로 업데이트 요청 메시지를 서버(100)로 전송할 수 있다.

몇몇 실시예에서, 에지 장치(200)는 피드백을 통해 확보한 거짓 긍정 오류 또는 거짓 부정 오류가 발생된 데이터셋을 저장하고 활용할 수 있다. 예를 들어, 에지 장치(200)는 상기 데이터셋을 평가용 데이터로 활용할 수 있다. 구체적으로, 에지 장치(200)는 기존 분석 모델과 업데이트용 분석 모델에 대한 성능 평가를 수행할 때(e.g. 단계 S63), 상기 데이터셋을 활용하여 성능 평가를 수행할 수 있다. 여기서, 에지 장치(200)는 심각한 오류와 연관된 데이터셋에 더 높은 평가 가중치를 두고 성능 평가를 수행할 수도 있다. 다른 예를 들어, 에지 장치(200)는 상기 데이터셋을 서버(100)로 전달하여 분석 모델의 생성에 활용되도록 할 수 있다. 구체적으로, 서버(100)는 상기 데이터셋에 더 높은 학습 가중치를 부여하고, 상기 부여된 학습 가중치를 기초로 학습을 수행하여 업데이트용 분석 모델을 생성하고 배포할 수 있다. 가령, 서버(100)는 제1 에지 장치로부터 오류 정보에 대한 데이터셋을 전달받은 경우, 상기 데이터셋을 더 높은 학습 가중치로 학습하여 업데이트용 분석 모델을 생성할 수 있다. 또한, 서버(100)는 상기 업데이트용 분석 모델을 상기 제1 에지 장치로 배포할 수 있다. 여기서, 상기 업데이트용 분석 모델은 기존 분석 모델에 비해 해당 오류에 강인할 것인 바, 데이터 분석의 정확도가 더욱 향상될 수 있다.

전술한 단계(S110 내지 S190)에서, 단계(S110)은 피드백 수집부(270)에 의해 수행되고, 나머지 단계(S130 내지 S190)은 모델 업데이트부(251)에 의해 수행될 수 있다.

지금까지 도 10을 참조하여 에지 장치(200)에서 수행되는 본 발명의 일 실시예에 따른 분석 모델 업데이트 요청 방법에 대하여 설명하였다. 이하에서는, 도 11을 참조하여 에지 장치(200)가 자체적으로 분석 모델을 생성하는 방법에 대하여 설명하도록 한다.

도 11은 본 발명의 일 실시예에 따라 에지 장치(200)가 자체적으로 분석 모델을 생성하는 방법을 나타내는 흐름도이다. 단, 이는 본 발명의 목적을 달성하기 위한 바람직한 실시예일뿐이며, 필요에 따라 일부 단계가 추가되거나 삭제될 수 있음은 물론이다.

도 11을 참조하면, 상기 분석 모델 생성 방법은 에지 장치(200)가 리소스를 모니터링하는 단계에서 시작된다(S210).

단계(S230)에서, 에지 장치(200)는 가용 리소스가 충분한지 여부를 판정한다. 가령, 에지 장치(200)는 일정 시간 동안 프로세서의 점유율이 지속적으로 임계치 미만인 경우, 가용 리소스가 충분하다고 판단할 수 있다. 그러나, 본 발명의 범위가 이에 한정되는 것은 아니다. 가용 리소스가 충분하다는 판정에 응답하여 다음 단계(S250)가 수행될 수 있다.

단계(S250)에서, 에지 장치(200)는 연결된 단말 기기(300)로부터 수집된 데이터를 기초로 업데이트용 분석 모델을 생성하고, 기존 분석 모델에 대한 업데이트를 수행한다. 전술한 바와 같이, 에지 장치(200)는 업데이트용 분석 모델의 성능이 기존 분석 모델보다 우수한 경우에 한하여 업데이트를 수행할 수 있다.

몇몇 실시예에서, 연결된 단말 기기로부터 수집된 데이터가 충분하지 않은 경우, 에지 장치(200)는 서버(100)를 통해 추가 데이터를 확보하고, 상기 추가 데이터를 더 이용하여 업데이트용 분석 모델을 생성할 수 있다. 가령, 서버(100)는 제1 에지 장치로부터 추가 데이터를 요청받은 경우, 상기 제1 에지 장치에 연결된 제1 단말 기기와 유사한 단말 기기의 데이터를 상기 제1 에지 장치에게 제공할 수 있다. 이때, 상기 유사한 단말 기기는 상기 제1 단말 기기와 동일한 그룹에 속한 단말 기기, 가까운 위치에 배치된 단말 기기 등이 될 수 있다. 또는, 복수의 단말 기기(300)가 도 12에 도시된 바와 같이 계층 구조의 그룹을 형성하는 경우, 상기 계층 구조 상에서 상기 제1 단말 기기의 소속 그룹과 가까운 거리에 위치한 그룹의 단말 기기가 상기 유사한 단말 기기가 될 수 있다.

단계(S270)에서, 에지 장치(200)는 서버(100)로 업데이트 수행 결과를 보고한다.

몇몇 실시예에서, 에지 장치(200)는 상기 업데이트 수행 결과와 함께 단계(S250)에서 생성된 분석 모델을 서버(100)에게 제공할 수 있다. 서버(100)는 제공받은 분석 모델을 다른 에지 장치에게 배포함으로써 에지 장치(200)가 생성한 분석 모델을 에지 장치와 공유할 수 있다.

전술한 단계(S210 내지 S270) 중에서, 단계(S210)는 리소스 모니터링부(260)에 의해 수행되고, 단계(S230, S250, S270)는 모델 관리부(250)에 의해 수행될 수 있다.

지금까지 도 12를 참조하여 에지 장치(200)에서 분석 모델을 직접 생성하는 방법에 대하여 설명하였다. 상술한 방법에 따르면, 서버(100)에 의존하지 않고, 에지 장치(200)가 자신의 가용 리소스를 이용하여 분석 모델을 생성하고, 생성된 분석 모델을 서버(100)를 통해 다른 에지 장치와 공유할 수 있다. 이에 따라, 서버(100)의 부담이 경감되고, 에지 장치(200)의 리소스가 효율적으로 활용될 수 있다.

이하에서는, 보다 이해의 편의를 제공하기 위해, 도 12 내지 도 15에 도시된 계층 구조를 갖는 데이터 분석 시스템에서 분석 모델이 업데이트되는 과정에 대하여 설명하도록 한다. 특히, 도 12 내지 도 15는 서버(100)가 점진적으로 특화된 분석 모델을 배포하는 것을 가정하고 있다. 또한 도 12 내지 도 15는 다수의 단말 기기(1 내지 8)가 계층적 그룹(501 내지 527)으로 관리되는 경우를 예시하고 있다. 다만, 본 발명의 기술적 사상이 적용되기 위해 다수의 단말 기기(1 내지 8)가 도 12에 도시된 바와 같이 계층적으로 그룹핑되어야 하는 것은 아니다.

참고로, 이하의 도면에서 그룹 노드(e.g. 521, 523)에 인접하여 분석 모델이 표시된 것은 해당 그룹에 속한 모든 에지 장치가 해당 분석 모델을 이용하고 있다는 것을 의미한다. 또한, 에지 장치 노드에 인접하여 분석 모델이 표시된 것은 해당 에지 장치만이 해당 분석 모델을 이용하고 있다는 것을 의미한다. 또한, 분석 모델에 표시된 식별자(e.g. 1, 1-2)는 상기 식별자에 매칭되는 그룹에 속한 단말 기기의 데이터를 기초로 해당 분석 모델이 생성되었다는 것을 의미한다.

도 12 내지 도 15와 도 16 및 도 17을 설명함에 있어서, 그룹은 그룹 노드에 표시된 참조 번호로 지칭하며, 에지 장치와 단말 기기는 에지 장치 노 드 및 단말 기기 노드에 표시된 번호(1 내지 8)에 "#" 표시를 병기하여 지칭하도록 한다. 가령, 그룹 1은 그룹(551)으로 지칭되고, 에지 장치 1은 에지 장치(#1)로 지칭될 수 있다. 또한, 설명의 편의상, 특정 그룹에 속한 단말 기기로부터 수집된 데이터는 상기 특정 그룹의 데이터로 요약하여 서술될 수 있고, 상기 특정 그룹에 속한 에지 장치로 분석 모델을 배포하는 것은 상기 특정 그룹으로 분석 모델을 배포하는 것으로 요약하여 서술될 수 있다.

도 12를 참조하면, 다수의 단말 기기(#1 내지 #8)가 계층적 그룹(501 내지 527)을 형성하고 있다. 이와 같은 그룹은 관리의 편의를 위해 관리자에 의해 수동으로 설정되거나, 단말 기기(또는 에지 장치)의 배치 위치, 단말 기기(또는 에지 장치)의 종류 등에 기초하여 자동으로 설정될 수도 있다.

참고로, 도 12에 도시된 에지 장치(#1 내지 #8)는 논리적 장치에 대응되는 것으로, 복수의 에지 장치가 하나의 물리적 장치로 구현될 수도 있다. 이와 같은 경우, 상기 하나의 물리적 에지 장치는 복수의 그룹에 소속될 수도 있다. 여기서, 에지 장치가 그룹에 소속된다는 것은 에지 장치에 연결된 단말 기기가 상기 그룹에 속한다는 것을 의미한다.

도 12에 도시된 바와 같이, 최상위 계층의 그룹(501)에는 모든 단말 기기(#1 내지 #8)가 속하고, 그룹(501)의 하위 계층에 위치한 그룹(511)에는 5대의 단말 기기(#1 내지 #5)가 속하며, 그룹(511)의 하위 계층에 위치한 그룹(521)에는 3대의 단말 기기(#1 내지 #3)가 속하게 된다.

도 13은 서버(100)가 다수의 단말 기기(#1 내지 #8)에 적용될 수 있는 범용 분석 모델(531)을 배포하는 것을 예시하고 있다. 구체적으로, 서버(100)는 최상위 그룹(501)의 데이터를 기초로 범용 분석 모델(531)을 생성하고 배포할 수 있다. 이때, 범용 분석 모델(531)의 배포 대상은 그룹(501)에 속한 에지 장치(#1 내지 #8)가 될 수 있다. 범용 분석 모델(531)은 다수의 단말 기기(#1 내지 #8)로부터 수집된 데이터를 기초로 생성되었기 때문에, 특정 단말 기기의 데이터를 분석하는 데에는 다소 부정확할 수 있다.

도 14는 서버(100)가 일부 단말 기기(#6 내지 #8)에 특화된 분석 모델(541)을 업데이트용으로 배포하는 것을 예시하고 있다.

예를 들어, 서버(100)는 그룹(513)의 데이터가 충분하게 수집되었다고 판단한 경우, 단말 기기(#6 내지 #8)에 특화된 분석 모델(541)을 생성할 수 있다. 또한, 서버(100)는 분석 모델(541)을 그룹(513)에 속한 에지 장치(#6 내지 #8)로 배포할 수 있다.

다른 예를 들어, 서버(100)는 그룹(513)에 속한 에지 장치(#6 내지 #8)로부터 업데이트 요청 메시지를 수신하고, 상기 업데이트 요청 메시지의 수신에 응답하여 특화된 분석 모델(541)을 생성할 수 있다. 구체적으로, 서버(100)가 에지 장치(#6)로부터 업데이트 요청 메시지를 수신한 경우, 서버(100)는 에지 장치(#6)의 분석 모델 정보를 확인한다. 또한, 서버(100)는 확인된 분석 모델 정보를 기초로 에지 장치(#6)의 분석 모델(531)보다 더 특화된 분석 모델을 생성할 수 있는지 판단한다. 여기서, 분석 모델(531)이 최상위 계층(계층 1)에 대응되는 모델이므로, 상기 특화된 분석 모델은 상기 최상위 계층의 하위 계층(계층 2 or 3)에 대응되는 분석 모델이 된다. 자세하게는, 상기 특화된 분석 모델은 그룹(513 or 525)의 데이터를 기초로 생성된 모델이 될 수 있다. 따라서, 서버(100)는 단말 기기(#6 내지 #8)로부터 수집된 데이터를 기초로 분석 모델(541)을 생성하고, 분석 모델(541)을 에지 장치(#6 내지 #8)로 배포한다. 이와 같은 경우, 에지 장치(#7, #8)는 업데이트 요청 메시지를 전송하지 않았음에도 다른 에지 장치(#6)의 업데이트 요청에 의해 업데이트용 분석 모델(541)을 수신하게 된다. 참고로, 단말 기기(#6 내지 #8)로부터 수집된 데이터가 충분하지 않은 경우, 서버(100)는 최근 데이터를 기초로 에지 장치(#6)의 기존 분석 모델(531)을 업데이트하고, 업데이트된 분석 모델을 에지 장치(#6 내지 #8)로 배포할 수도 있다.

도 15는 에지 장치(#6 내지 #8)의 모델 업데이트 결과를 도시하고 있다.

도 15를 참조하면, 각 에지 장치(#6 내지 #8)는 기존 분석 모델(531)과 업데이트용 분석 모델(541)에 대한 성능 평가를 수행하고, 성능 평가 결과에 기초하여 기존 분석 모델(531)에 대한 업데이트 수행 여부를 결정할 수 있다. 특히, 도 15는 에지 장치(#6, #8)는 모델 업데이트를 수행하기로 결정하고, 에지 장치(7)는 모델 업데이트를 수행하지 않기로 결정한 경우를 예시하고 있다.

몇몇 실시예에서, 서버(100)는 업데이트용 분석 모델(541)에 대한 성능 평가 결과를 에지 장치(#6 내지 #8)로부터 수신할 수 있다. 이때, 업데이트용 분석 모델(541)의 성능이 임계치 이상인 경우, 서버(100)는 업데이트용 분석 모델(541)을 다른 에지 장치에게 추가 배포할 수 있다. 가령, 서버(100)는 계층 구조 상에서 에지 장치(#6 내지 #8)의 소속 그룹(513)과 가깝게 위치한 그룹(e.g. 511)의 에지 장치(#1 내지 #5)로 업데이트용 분석 모델(541)을 추가 배포할 수 있다. 또는, 서버(100)는 임의의 에지 장치로 업데이트용 분석 모델(541)을 추가 배포할 수도 있다.

지금까지 도 12 내지 도 15에 도시된 예를 참조하여 계층 구조를 갖는 데이터 분석 시스템에서 모델 업데이트가 수행되는 과정에 대하여 설명하였다. 상술한 바에 따르면, 시스템 초기에 다수의 단말 기기로부터 수집된 데이터를 기초로 범용 분석 모델이 빠르게 생성되어 배포될 수 있다. 또한, 상기 다수의 단말 기기로부터 데이터가 축적될수록, 점점 더 특화된 분석 모델이 업데이트용으로 배포되는 바, 시간이 지날수록 데이터 분석의 정확도가 점점 향상되는 효과가 달성될 수 있다. 나아가, 에지 장치는 기존 분석 모델과 업데이트용 분석 모델의 성능 비교를 통해 연결된 단말 기기에 적합한 최적의 분석 모델을 선택하게 되는 바, 전반적인 시스템 성능이 더욱 향상될 수 있다.

이하에서는, 도 16 내지 도 18을 참조하여 분석 모델의 업데이트 결과에 기초하여 단말 기기(300)의 소속 그룹을 조정하는 방법에 대하여 설명하도록 한다.

도 16은 본 발명의 일 실시예에 따른 기기 그룹 조정 방법을 나타내는 흐름도이다. 단, 이는 본 발명의 목적을 달성하기 위한 바람직한 실시예일뿐이며, 필요에 따라 일부 단계가 추가되거나 삭제될 수 있음은 물론이다.

도 16을 참조하면, 상기 기기 그룹 조정 방법은 서버(100)가 복수의 단말 기기(300)의 소속 그룹을 설정하는 단계(S310)부터 시작된다. 예를 들어, 서버(100)는 관리자의 선택에 기초하여 복수의 단말 기기(300)의 소속 그룹을 설정할 수 있다. 다른 예를 들어, 서버(100)는 단말 기기(300) 또는 에지 장치(200)의 배치 위치에 기초하여 복수의 단말 기기(300)의 소속 그룹을 설정할 수 있다.

단계(S320, S330)에서, 서버(100)는 상기 소속 그룹에 기초하여 업데이트용 분석 모델을 생성하여 배포한다. 가령, 서버(100)는 제1 그룹에 속한 제1 단말 기기로부터 수집된 데이터를 기초로 제1 업데이트용 분석 모델을 생성하고, 상기 제1 업데이트용 분석 모델을 상기 제1 그룹에 속한 에지 장치로 배포할 수 있다. 본 단계(S320, S330)에 대한 설명은 전술한 단계(S40, S50)를 더 참조하도록 한다.

단계(S340)에서, 에지 장치(200)는 기존 분석 모델에 대한 업데이트를 수행하거나 보류한다. 즉, 본 단계(S340)에서 제1 에지 장치는 기존 분석 모델을 업데이트하고, 제2 에지 장치는 업데이트를 보류할 수 있다. 따라서, 업데이트가 진행됨에 따라, 각각의 에지 장치(200)가 이용하는 분석 모델은 점차 서로 달라질 수 있다. 본 단계(S340)에 대한 설명은 전술한 단계(S60)를 더 참조하도록 한다.

단계(S350)에서, 에지 장치(200)는 업데이트 수행 결과를 보고한다. 본 단계(S350)에 대한 설명은 전술한 단계(S70)를 더 참조하도록 한다.

단계(S360)에서, 서버(100)는 복수의 에지 장치(200)로부터 수신된 업데이트 수행 결과에 기초하여 복수의 단말 기기(300)의 소속 그룹을 조정한다. 구체적으로, 서버(100)는 에지 장치(200)의 업데이트 수행 결과(e.g. 현재 이용중인 분석 모델 정보)에 기초하여 동일한 분석 모델을 이용하는 에지 장치(200)에 연결된 단말 기기(300)들이 동일한 그룹에 소속되도록 조정할 수 있다.

분석 모델을 기준으로 소속 그룹을 조정하는 이유는 동일한 분석 모델이 적용되는 단말 기기(300)들은 서로 유사한 특성을 가지고 있을 확률이 높기 때문이다. 가령, 상기 분석 모델이 이상 여부를 판단하는 모델이라고 할 때, 동일한 분석 모델이 적용되는 단말 기기(300)들은 이상 여부를 판단하는 기준이 매우 유사하다는 것을 의미한다. 따라서, 유사한 특성을 지닌 단말 기기(300)들끼리 그룹이 형성되면, 일괄적인 관리가 가능한 바 관리의 편의성이 증대될 수 있다. 게다가, 서버(100)는 유사한 특성을 지닌 단말 기기(300)들의 데이터를 기초로 업데이트용 분석 모델을 생성하여 배포할 수 있는 바, 데이터 분석의 정확도가 더욱 향상될 수 있다.

몇몇 실시예에서, 서버(100)는 미리 설정된 조건이 만족됨에 응답하여 단말 기기(300)의 소속 그룹을 조정할 수 있다. 예를 들어, 서버(100)는 기 설정된 주기마다 복수의 단말 기기(300)의 소속 그룹을 조정할 수 있다. 다른 예를 들어, 서버(100)는 동일한 그룹에 속한 에지 장치(200)의 분석 모델이 일정 수준 이상 달라진 경우, 해당 그룹에 속한 단말 기기(300)의 소속을 조정할 수 있다.

지금까지 도 16을 참조하여 본 발명의 일 실시예에 따른 기기 그룹 조정 방법에 대하여 설명하였다. 이하에서는, 보다 이해의 편의를 제공하기 위해, 도 17 및 도 18을 참조하여 계층 구조를 갖는 데이터 분석 시스템에서 기기 그룹의 조정이 일어나는 과정에 대하여 설명하도록 한다.

도 17은 전술한 몇몇 실시예들에 따른 분석 모델 업데이트 결과를 도시한다. 도 17에서 음영 표시된 에지 장치(#1 내지 #3, #7)는 그룹 조정의 대상이 되는 단말 기기(#1 내지 #3, #7)와 연결된 에지 장치를 의미한다.

도 17을 참조하면, 에지 장치(#3)는 같은 그룹(571)에 속한 다른 에지 장치(#1, #2)와 다른 분석 모델을 이용하고 있다. 가령, 에지 장치(#3)는 자체적으로 분석 모델을 생성하여 업데이트한 것일 수 있다. 또한, 에지 장치(#3)에 의해 생성된 분석 모델은 서버(100)를 통해 다른 에지 장치(#1, #2)에도 배포되었을 것이나, 에지 장치(#1, #2)는 기존 분석 모델의 성능이 더 우수하여 업데이트를 수행하지 않은 것일 수 있다.

그룹(577)에 속한 에지 장치(#7)는 에지 장치(#8)보다 더 범용적인 분석 모델을 이용하고 있다. 이는, 그룹(577)의 데이터를 기초로 생성된 업데이트용 분석 모델이 그룹(577)에 속한 에지 장치(#7, #8)에게 배포되었으나, 에지 장치(#7)는 기존 분석 모델의 성능이 더 우수하여 업데이트를 수행하지 않은 것일 수 있다. 또한, 에지 장치(#8)는 상기 업데이트용 분석 모델의 성능이 더 우수하여 업데이트를 수행한 것일 수 있다.

도 17에 도시된 바와 같이, 모델 업데이트가 수행됨에 따라 동일한 그룹에 속한 에지 장치들의 분석 모델이 점차 서로 달라지게 되는 것을 알 수 있다. 이와 같은 경우, 서버(100)는 분석 모델을 기준으로 에지 장치(#1 내지 #8)에 연결된 단말 기기(#1 내지 #8)의 소속 그룹을 조정할 수 있다.

도 18은 서버(100)가 단말 기기(#1 내지 #8)의 소속 그룹을 조정한 결과를 도시한다.

도 18에 도시된 바와 같이, 그룹(571) 내에서 에지 장치(#1 내지 #3)의 분석 모델이 달라진 경우, 해당 그룹(571)의 하위 계층에 새로운 그룹(581, 583)이 생성될 수 있다. 이와 같은 그룹 조정 결과에 따르면, 서버(100)는 그룹(581)의 데이터를 기초로 업데이트용 분석 모델을 생성하고, 생성된 업데이트용 분석 모델을 에지 장치(#1, #2)로 배포할 수 있게 된다. 여기서, 상기 업데이트용 분석 모델은 에지 장치(#1, #2)의 분석 모델보다 더 특화된 모델인 바, 그룹 조정 결과로 데이터 분석의 정확도가 더욱 향상될 수 있게 된다.

에지 장치(#4, #5)의 경우, 동일한 분석 모델을 이용하고 있으므로, 서버(100)는 단말 기기(#4, #5)에 대해서는 소속 그룹을 조정하지 않는다.

에지 장치(#6)는 단독으로 그룹(575)에 소속되어 있는 바, 단말 기기(#6)에 대해서는 별도의 그룹 조정이 수행될 필요가 없다.

그룹(577)에 속한 에지 장치(#7, #8)는 서로 다른 분석 모델을 이용하므로, 서버(100)는 단말 기기(#7, #8)의 소속 그룹을 조정한다. 구체적으로, 서버(100)는 에지 장치(#7)와 동일한 분석 모델을 이용하는 에지 장치(#6)의 소속 그룹이 그룹(575)인 것을 확인하고, 단말 기기(#7)가 그룹(575)에 소속되도록 조정한다. 이와 같은 그룹 조정 결과에 따르면, 서버(100)는 그룹(575)의 데이터를 기초로 업데이트용 분석 모델을 생성하고, 생성된 업데이트용 분석 모델을 에지 장치(#6, #7)로 배포할 수 있게 된다. 여기서, 상기 업데이트용 분석 모델은 에지 장치(#6, #7)의 분석 모델보다 더 특화된 모델인 바, 그룹 조정 결과로 데이터 분석의 정확도가 더욱 향상될 수 있게 된다.

한편, 신규 단말 기기 또는 신규 에지 장치가 데이터 분석 시스템에 동적으로 참여하는 경우가 있을 수 있다. 가령, 신규 단말 기기가 참여한다고 가정하자. 이와 같은 경우, 서버(100)는 상기 신규 단말 기기의 참여 요청에 응답하여 기 생성된 복수의 분석 모델을 상기 신규 단말 기기와 연결된 특정 에지 장치로 배포할 수 있다. 다음으로, 서버(100)는 상기 특정 에지 장치로부터 상기 기 생성된 복수의 분석 모델에 대한 성능 평가 결과를 획득할 수 있다. 구체적으로, 상기 특정 에지 장치는 상기 신규 단말 기기의 데이터로 상기 기 생성된 복수의 분석 모델 각각에 대한 성능 평가를 수행하고, 성능 평가 결과를 서버(100)로 전달할 수 있다. 그러면, 서버(100)는 상기 획득된 성능 평가 결과에 기초하여 상기 신규 단말 기기의 소속 그룹을 결정할 수 있다. 예를 들어, 상기 기 생성된 복수의 분석 모델 중에서 제1 분석 모델의 성능이 가장 우수한 경우, 서버(100)는 상기 제1 분석 모델이 적용되는 그룹에 상기 신규 단말 기기를 참여시킬 수 있다. 신규 에지 장치가 동적으로 참여하는 경우에도, 위와 유사한 과정에 따라 소속 그룹이 결정될 수 있다.

지금까지 도 17 및 도 18을 참조하여 계층 구조를 갖는 데이터 분석 시스템에서 기기 그룹의 조정이 일어나는 과정에 대하여 설명하였다. 이하에서는, 도 19을 참조하여 본 발명의 기술적 사상이 IoT 플랫폼에 활용된 예에 대하여 간략하게 언급하도록 한다. 특히 도 19는 IoT 플랫폼 기반으로 스마트 빌딩 관리 시스템이 구축된 것을 예시하고 있다.

도 19에 도시된 바와 같이, 상기 스마트 빌딩 관리 시스템은 서버(600), 복수의 IoT 게이트웨이(611, 631, 651)와 복수의 IoT 기기(613, 633, 663)를 포함할 수 있다. 이때, 제1 빌딩(610)에 제1 IoT 게이트웨이(611)와 제1 복수의 IoT 기기(613)들이 설치되고, 제2 빌딩(630)에 제2 IoT 게이트웨이(631)와 제2 복수의 IoT 기기(633)들이 설치될 수 있다. 또한, 제3 빌딩(650)에 제3 IoT 게이트웨이(651)와 제3 복수의 IoT 기기(653)들이 설치될 수 있다.

서버(600)는 전술한 본 발명의 실시예들에 따른 서버(100)에 대응될 수 있다. 복수의 IoT 게이트웨이(611, 631, 651) 각각은 전술한 본 발명의 실시예들에 따른 에지 장치(200)에 대응될 수 있다. 복수의 IoT 기기(613, 633, 663)들은 전술한 단말 기기(300)에 대응될 수 있다.

상기 스마트 빌딩 관리 시스템이 제공하는 기능은 분석 모델의 종류에 따라 얼마든지 달라질 수 있다.

예를 들어, 상기 스마트 빌딩 관리 시스템은 IoT 기기(613, 633, 663)로부터 수집된 센서 데이터를 분석하여 빌딩(610, 630, 650)의 에너지 사용량을 예측하고, 빌딩의 에너지 사용량이 절감되도록 IoT 기기(613, 633, 653) 또는 각종 설비들을 제어하는 시스템일 수 있다. 이와 같은 경우, 서버(600)는 상기 수집된 센서 데이터를 분석하여 빌딩의 에너지 사용량을 예측하는 분석 모델을 각 IoT 게이트웨이(611, 631, 651)로 배포할 수 있다.

다른 예를 들어, 상기 스마트 빌딩 관리 시스템은 빌딩 내 설비의 오작동과 같은 긴급 상황을 실시간으로 감지하고 대처하는 시스템일 수 있다. 이와 같은 경우, 서버(600)는 IoT 기기(613, 633, 653)로부터 수집된 센서 데이터를 분석하여 IoT 기기(613, 633, 653) 또는 각종 설비의 이상 여부를 예측하는 분석 모델을 각 IoT 게이트웨이(611, 631, 651)로 배포할 수 있다.

본 발명의 몇몇 실시예들에 따르면, 서버(600) 단에서 데이터 분석 및 예측이 수행되는 것이 아니라, IoT 게이트웨이(611, 631, 651) 단에서 데이터 분석 및 예측이 수행될 수 있다. 따라서, 서버(600)의 부담이 크게 경감되고, 데이터 분석 및 예측이 신속하게 수행되어 이상 상황에 대한 즉각적인 대응이 이루어질 수 있다.

또한, 본 발명의 몇몇 실시예들에 따르면, 서버(600)는 점진적으로 각 IoT 기기(613, 633, 653)에 특화된 업데이트용 분석 모델을 IoT 게이트웨이(611, 631, 651)로 배포할 수 있다. 이에 따라, 데이터 분석의 정확도가 더욱 향상될 수 있다. 가령, 동일한 IoT 기기라고 하더라도 설치된 빌딩(610, 630, 650)의 환경적 영향으로 인해 IoT 기기 데이터의 분석 기준이 미세하게 달라질 수 있다. 따라서, 동일한 IoT 기기라고 하더라도 주변 환경 등을 고려하여 맞춤화된 분석 모델이 배포되는 경우, 데이터 분석의 정확도는 향상될 수 있는 것이다.

또한, 본 발명의 몇몇 실시예들에 따르면, IoT 기기(613, 633, 653)에 대한 초기 그룹이 설정되고, 서버(600)는 IoT 게이트웨이(611, 631, 651)의 모델 업데이트 결과에 기초하여 IoT 기기(613, 633, 653)의 소속 그룹을 조정할 수 있다. 이에 따라, 유사한 특성을 가진 IoT 기기(613, 633, 653)이 새롭게 그룹을 형성하게 되는 바, 관리의 용이성이 증대될 수 있다, 또한, 서버(600)는 유사한 특성을 가진 IoT 기기(613, 633, 653)들의 데이터를 종합하여 업데이트용 분석 모델을 생성하고 재배포할 것인 바, 전반적인 데이터 분석의 정확도가 더욱 향상될 수 있다.

지금까지 도 19를 참조하여 본 발명의 기술적 사상이 IoT 플랫폼에 활용된 예에 대하여 간략하게 살펴보았다.

지금까지 도 1 내지 도 19를 참조하여 본 발명의 몇몇 실시예들 및 그 실시예들에 따른 효과들을 언급하였다. 본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

지금까지 도 1 내지 도 19를 참조하여 설명된 본 발명의 개념은 컴퓨터가 읽을 수 있는 매체 상에 컴퓨터가 읽을 수 있는 코드로 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록 매체는, 예를 들어 이동형 기록 매체(CD, DVD, 블루레이 디스크, USB 저장 장치, 이동식 하드 디스크)이거나, 고정식 기록 매체(ROM, RAM, 컴퓨터 구비 형 하드 디스크)일 수 있다. 상기 컴퓨터로 읽을 수 있는 기록 매체에 기록된 상기 컴퓨터 프로그램은 인터넷 등의 네트워크를 통하여 다른 컴퓨팅 장치에 전송되어 상기 다른 컴퓨팅 장치에 설치될 수 있고, 이로써 상기 다른 컴퓨팅 장치에서 사용될 수 있다.

이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다.

도면에서 동작들이 특정한 순서로 도시되어 있지만, 반드시 동작들이 도시된 특정한 순서로 또는 순차적 순서로 실행되어야만 하거나 또는 모든 도시 된 동작들이 실행되어야만 원하는 결과를 얻을 수 있는 것으로 이해되어서는 안 된다. 특정 상황에서는, 멀티태스킹 및 병렬 처리가 유리할 수도 있다. 더욱이, 위에 설명한 실시예들에서 다양한 구성들의 분리는 그러한 분리가 반드시 필요한 것으로 이해되어서는 안 되고, 설명된 프로그램 컴포넌트들 및 시스템들은 일반적으로 단일 소프트웨어 제품으로 함께 통합되거나 다수의 소프트웨어 제품으로 패키지 될 수 있음을 이해하여야 한다.

이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (17)

1. 복수의 그룹을 형성하는 복수의 단말 기기 중 적어도 일부로부터 수집된 데이터를 기초로 업데이트용 분석 모델을 생성하고 배포하는 서버; 및
   상기 복수의 단말 기기 중 적어도 일부와 연결되고, 상기 서버로부터 상기 업데이트용 분석 모델을 수신함에 응답하여, 기존 분석 모델과 상기 업데이트용 분석 모델에 대한 성능 평가를 수행하며, 상기 성능 평가 결과에 기초하여 상기 기존 분석 모델에 대한 업데이트 수행 여부를 결정하는 복수의 에지 장치를 포함하되,
   상기 서버는,
   상기 복수의 에지 장치의 분석 모델 업데이트 수행 결과에 기초하여, 상기 복수의 단말 기기 중 적어도 일부의 소속 그룹을 조정하는 것을 특징으로 하는,
   에지 컴퓨팅 기반 데이터 분석 시스템.
2. 제1 항에 있어서,
   상기 서버는,
   상기 복수의 에지 장치 중에서 상기 업데이트용 분석 모델로 업데이트를 수행한 에지 장치를 선별하고, 상기 선별된 에지 장치에 연결된 단말 기기가 동일한 그룹에 소속되도록 상기 복수의 단말 기기의 소속 그룹을 조정하는 것을 특징으로 하는,
   에지 컴퓨팅 기반 데이터 분석 시스템.
3. 제1 항에 있어서,
   상기 기존 분석 모델은 상기 복수의 단말 기기 전부로부터 수집된 데이터에 기초하여 생성된 모델이고,
   상기 업데이트용 분석 모델은 상기 복수의 단말 기기 중 일부로부터 수집된 데이터에 기초하여 생성된 모델인 것을 특징으로 하는,
   에지 컴퓨팅 기반 데이터 분석 시스템.
4. 제1 항에 있어서,
   상기 기존 분석 모델은 상기 복수의 단말 기기 중 적어도 일부로부터 제1 기간 동안 수집된 데이터에 기초하여 생성된 모델이고,
   상기 업데이트용 분석 모델은 상기 복수의 단말 기기 중 적어도 일부로부터 상기 제1 기간 이후에 수집된 데이터에 기초하여 생성된 모델인 것을 특징으로 하는,
   에지 컴퓨팅 기반 데이터 분석 시스템.
5. 제1 항에 있어서,
   상기 복수의 그룹은 계층적 구조로 구성되고,
   상기 복수의 그룹 중 제1 그룹은 상기 제1 그룹의 하위 계층 그룹인 제2 그룹에 소속된 단말 기기를 포함하며,
   상기 서버는,
   상기 제1 그룹의 단말 기기로부터 수집된 데이터를 기초로 생성된 제1 업데이트용 분석 모델을 상기 복수의 에지 장치 중 상기 제1 그룹의 단말 기기와 연결된 에지 장치로 배포하고,
   상기 제2 그룹의 단말 기기로부터 수집된 데이터를 기초로 생성된 제2 업데이트용 분석 모델을 상기 복수의 에지 장치 중 상기 제2 그룹의 단말 기기와 연결된 에지 장치로 배포하는 것을 특징으로 하는,
   에지 컴퓨팅 기반 데이터 분석 시스템.
6. 제1 항에 있어서,
   상기 서버는,
   신규 단말 기기의 참여 요청에 응답하여, 기 생성된 복수의 분석 모델을 상기 신규 단말 기기와 연결된 제1 에지 장치로 배포하고, 상기 제1 에지 장치로부터 상기 기 생성된 복수의 분석 모델에 대한 성능 평가 결과를 획득하며, 상기 획득된 성능 평가 결과에 기초하여 상기 신규 단말 기기의 소속 그룹을 결정하는 것을 특징으로 하는,
   에지 컴퓨팅 기반 데이터 분석 시스템.
7. 제1 항에 있어서,
   상기 복수의 에지 장치 중 제1 에지 장치는,
   기 저장된 평가용 데이터를 이용하여 상기 기존 분석 모델과 상기 업데이트용 분석 모델에 대한 성능 평가를 수행하되,
   상기 기 저장된 평가용 데이터는 거짓 긍정(false positive) 오류 또는 거짓 부정(false negative) 오류가 발생한 데이터를 포함하는 것을 특징으로 하는,
   에지 컴퓨팅 기반 데이터 분석 시스템.
8. 제1 항에 있어서,
   상기 복수의 에지 장치 중 제1 에지 장치는,
   가용 리소스가 임계치 이상이라는 판정에 응답하여, 상기 제1 에지 장치에 연결된 단말 기기로부터 수집된 데이터를 기초로 제1 업데이트용 분석 모델을 직접 생성하는 것을 특징으로 하는,
   에지 컴퓨팅 기반 데이터 분석 시스템.
9. 제8 항에 있어서,
   상기 제1 에지 장치는,
   상기 서버를 통해 상기 제1 업데이트용 분석 모델을 상기 복수의 에지 장치 중 제2 에지 장치와 공유하는 것을 특징으로 하는,
   에지 컴퓨팅 기반 데이터 분석 시스템.
10. 타깃 단말 기기를 포함하는 복수의 단말 기기 중 적어도 일부로부터 수집된 데이터를 기초로 분석 모델을 생성하고 배포하는 서버; 및
    상기 타깃 단말 기기와 연결되고, 상기 타깃 단말 기기로부터 데이터를 수집하여 상기 서버로 전달하고, 상기 서버에 의해 배포된 분석 모델을 이용하여 상기 타깃 단말 기기로부터 수신된 데이터를 분석하는 에지 장치를 포함하되,
    상기 서버는,
    상기 복수의 단말 기기로부터 수집된 데이터를 기초로 상기 복수의 단말 기기와 연관된 범용 분석 모델을 생성하여 상기 에지 장치로 배포하고, 모델 업데이트 조건이 만족되었다는 판정에 응답하여 상기 타깃 단말 기기로부터 수집된 데이터를 기초로 상기 타깃 단말 기기와 연관된 업데이트용 분석 모델을 생성하여 상기 에지 장치로 배포하는 것을 특징으로 하는,
    에지 컴퓨팅 기반 데이터 분석 시스템.
11. 제10 항에 있어서,
    상기 에지 장치는,
    상기 범용 분석 모델에 의해 거짓 긍정 오류 또는 거짓 부정 오류가 발생한 제1 데이터를 상기 서버에게 전달하고,
    상기 서버는,
    상기 타깃 단말 기기로부터 수집된 데이터 중에서 상기 제1 데이터에 더 높은 가중치를 부여하고, 상기 부여된 가중치를 기초로 학습을 수행하여 상기 업데이트용 분석 모델을 생성하는 것을 특징으로 하는,
    에지 컴퓨팅 기반 데이터 분석 시스템.
12. 제10 항에 있어서,
    상기 모델 업데이트 조건은 상기 에지 장치로부터 상기 범용 분석 모델에 대한 업데이트 요청 메시지가 수신되는 것이고,
    상기 에지 장치는,
    상기 타깃 단말 기기로부터 수신된 데이터를 상기 범용 분석 모델에 적용하여 예측 결과를 출력하고, 상기 예측 결과에 오류가 존재한다는 판정에 응답하여 업데이트 지수를 증가시키며, 상기 증가된 업데이트 지수가 임계치 이상이라는 판정에 응답하여 상기 서버로 상기 업데이트 요청 메시지를 전송하는 것을 특징으로 하는,
    에지 컴퓨팅 기반 데이터 분석 시스템.
13. 제12 항에 있어서,
    상기 에지 장치는,
    상기 오류가 미리 설정된 특정 오류에 해당한다는 판정에 응답하여, 상기 업데이트 지수에 관계없이 상기 서버로 상기 업데이트 요청 메시지를 전송하는 것을 특징으로 하는,
    에지 컴퓨팅 기반 데이터 분석 시스템.
14. 제10 항에 있어서,
    상기 모델 업데이트 조건은 상기 에지 장치로부터 상기 범용 분석 모델에 대한 업데이트 요청 메시지가 수신되는 것이고,
    상기 범용 분석 모델은 상기 복수의 단말 기기로부터 제1 기간 동안 수집된 데이터에 기초하여 생성된 분석 모델이며,
    상기 서버는,
    상기 업데이트 요청 메시지가 수신된 경우, 상기 타깃 단말 기기로부터 수집된 데이터의 양이 임계치 미만인지 여부를 판정하고, 상기 임계치 미만이라는 판정에 응답하여 상기 제1 기간 이후에 상기 복수의 단말 기기로부터 수집된 데이터를 기초로 상기 범용 분석 모델을 업데이트하며, 상기 업데이트된 범용 분석 모델을 상기 에지 장치로 배포하는 것을 특징으로 하는,
    에지 컴퓨팅 기반 데이터 분석 시스템.
15. 제10 항에 있어서,
    상기 복수의 단말 기기는 계층 구조로 그룹핑된 복수의 그룹 중에서 제1 그룹에 속하고,
    상기 타깃 단말 기기는 상기 제1 그룹의 하위 계층 그룹인 제2 그룹에 속하는 것을 특징으로 하는,
    에지 컴퓨팅 기반 데이터 분석 시스템.
16. 제15 항에 있어서,
    상기 데이터 분석 시스템은 상기 에지 장치 외에 상기 복수의 단말 기기 중 일부와 연결된 다른 에지 장치를 더 포함하고,
    상기 서버는,
    상기 범용 분석 모델을 상기 다른 에지 장치에게도 배포하고, 상기 업데이트용 분석 모델은 상기 에지 장치에게만 배포하는 것을 특징으로 하는,
    에지 컴퓨팅 기반 데이터 분석 시스템.
17. 타깃 단말 기기를 포함하는 복수의 단말 기기 중 적어도 일부와 연결된 복수의 에지 장치와 통신하는 통신 인터페이스;
    하나 이상의 인스트럭션들(instructions)을 저장하는 메모리; 및
    상기 하나 이상의 인스트럭션들을 실행함으로써,
    상기 복수의 단말 기기로부터 수집된 데이터를 기초로 범용 분석 모델을 생성하고, 상기 범용 분석 모델을 상기 복수의 단말 기기와 연결된 에지 장치로 배포하며, 타깃 모델 생성 조건이 만족됨에 응답하여, 상기 타깃 단말 기기로부터 수집된 데이터를 기초로 타깃 분석 모델을 생성하고, 상기 타깃 분석 모델을 상기 타깃 단말 기기와 연결된 타깃 에지 장치로 배포하는 프로세서를 포함하는,
    서버.

Images