KR20220072311A - Method for designing intelligent integrated logistics platform - Google Patents

Method for designing intelligent integrated logistics platform Download PDF

Info

Publication number
KR20220072311A
KR20220072311A KR1020200159758A KR20200159758A KR20220072311A KR 20220072311 A KR20220072311 A KR 20220072311A KR 1020200159758 A KR1020200159758 A KR 1020200159758A KR 20200159758 A KR20200159758 A KR 20200159758A KR 20220072311 A KR20220072311 A KR 20220072311A
Authority
KR
South Korea
Prior art keywords
data
technology
logistics
development
intelligent
Prior art date
Application number
KR1020200159758A
Other languages
Korean (ko)
Inventor
임형채
김인섭
김민혁
Original Assignee
재단법인 한국우편사업진흥원
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 재단법인 한국우편사업진흥원 filed Critical 재단법인 한국우편사업진흥원
Priority to KR1020200159758A priority Critical patent/KR20220072311A/en
Publication of KR20220072311A publication Critical patent/KR20220072311A/en

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067Enterprise or organisation modelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0633Workflow analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0637Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/08Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087Inventory or stock management, e.g. order filling, procurement or balancing against orders

Abstract

지능형 종합물류 플랫폼 설계 방법이 개시된다. 본 발명의 일실시예에 따른, 지능형 종합물류 플랫폼 설계 방법은, 우편물류에서 접수, 구분, 운송, 배달, 및 복합 중 어느 하나의 단계별 핵심 실증분야 과제를 관리하는 단계; 및 상기 단계별 핵심 실증분야 과제를 이용하여, 통합 운영이 가능한 플랫폼을 설계하는 단계를 포함할 수 있다.An intelligent comprehensive logistics platform design method is disclosed. According to an embodiment of the present invention, a method for designing an intelligent integrated logistics platform includes: managing a core verification field task for any one step of reception, classification, transportation, delivery, and complex in postal logistics; and designing a platform capable of integrated operation by using the step-by-step core demonstration field task.

Description

지능형 종합물류 플랫폼 설계 방법{METHOD FOR DESIGNING INTELLIGENT INTEGRATED LOGISTICS PLATFORM}How to design an intelligent integrated logistics platform

본 발명은 5G 엣지 클라우드를 활용한 지능형 종합물류 플랫폼 구축 및 실증을 위한, 지능형 종합물류 플랫폼 설계 방법 및 장치에 관한 것이다.The present invention relates to a method and apparatus for designing an intelligent comprehensive logistics platform for building and demonstrating an intelligent comprehensive logistics platform using 5G edge cloud.

특히, 본 발명에서는, 우편물류에서 접수, 구분, 운송, 배달, 복합 등 단계별 핵심 실증분야 과제(총 7개 세부과제) 전체를 관리하고, 통합 운영이 가능한 플랫폼을 설계하기 위한, 지능형 종합물류 플랫폼 설계 방법 및 장치를 제공한다.In particular, in the present invention, an intelligent comprehensive logistics platform for managing the entire core verification field tasks (total of 7 detailed tasks) for each stage such as reception, classification, transportation, delivery, and compounding in postal logistics, and designing a platform capable of integrated operation A design method and apparatus are provided.

5G 통신기술은 2019년 4월 3일 세계 최초 5G 상용화 서비스가 시작됨에 따라 자율주행차, 로봇, VR 등 관련 산업은 크게 성장할 것으로 예상된다. 5G는 '초고속', '초저지연', '초연결' 세 가지를 주요한 특징을 갖고 있다. 5G 최대 전송속도는 20Gbps로, 4G LTE(Long Term Evolution) 대비 20배가량 빠르다(HD급 영화 약 2GB 다운로드에 LTE 16초, 5G 0.8초 소요). 자율주행차에 있어서 가장 중요한 초저지연 특징의 경우, LTE는 지연시간이 10~20ms인 반면에 5G의 지연시간은 1ms로 최대 10배 이상 향상할 수 있다. 초연결의 특징으로 5G는 반경 1km 이내에 100만 개에 달하는 각종 디바이스가 동시에 접속할 수 있다.As the world's first 5G commercialization service for 5G communication technology started on April 3, 2019, related industries such as autonomous vehicles, robots, and VR are expected to grow significantly. 5G has three main characteristics: 'ultra-speed', 'ultra-low latency', and 'super-connection'. The maximum transmission speed of 5G is 20 Gbps, which is 20 times faster than 4G LTE (Long Term Evolution) (it takes 16 seconds for LTE and 0.8 seconds for 5G to download about 2GB of HD movie). In the case of ultra-low latency, which is the most important feature of autonomous vehicles, LTE has a latency of 10 to 20 ms, while 5G has a latency of 1 ms, which can be improved up to 10 times or more. As a feature of hyper-connectivity, 5G allows up to 1 million devices to be connected simultaneously within a radius of 1 km.

5G의 초고속, 초저지연, 초연결 등 특징은, 도로, 물류센터 내외부 등에서 차량, 물류 자동화장비, 운반구(지게차, AGV 등), 협동물류로봇 등을 무선으로 작동, 컨트롤, 모니터링 할 수 있는 시대를 도래시킨다.The characteristics of 5G such as ultra-high speed, ultra-low latency, and ultra-connection are the era of wireless operation, control, and monitoring of vehicles, logistics automation equipment, transport equipment (forklifts, AGVs, etc.), cooperative logistics robots, etc. to come

5G 장점으로 우편물류 현장에 적용 가능한 기술은 자율주행차, 자율주행 택배배송 드로이드(로봇), 자율주행 상하차 디바이스 등이다. 5G 통신은, 도로, 물류센터, 배송현장 등에서 공간정보, 도로, 교통, 사물 등 다양한 정보를 더 낮은 지연시간으로 주변의 모든 사물장치들과 연계되어 정보를 소통하고 주고받을 수 있게 한다. 5G 기술 도입은, 주변 도로, 교통정보, 주변 차량, 위치정보, 물류센터 내 파렛트, 사람, 기계 장치 등과 모두 빠른 속도로 데이터를 받아서 더욱 안전하게 자율주행할 수 있는 차량, 로봇(디바이스, 드로이드 등) 등을 운영할 수 있게 한다. 초고속 데이터 전송, 초저지연, 초연결 등으로 인하여 위급한 상황에 대한 대처가 가능해짐에 따라 차량, 로봇, 드로이드 등은, 안전하게 자율주행을 할 수 있게 되었다.With the advantages of 5G, the technologies applicable to the postal logistics field are autonomous vehicles, autonomous delivery delivery droids (robots), and autonomous driving loading and unloading devices. 5G communication enables various information such as spatial information, roads, traffic, and objects in roads, distribution centers, and delivery sites to communicate and exchange information with lower latency in connection with all surrounding objects and devices. The introduction of 5G technology will allow vehicles and robots (devices, droids, etc.) that can autonomously drive more safely by receiving data at high speed from surrounding roads, traffic information, surrounding vehicles, location information, pallets in distribution centers, people, and mechanical devices. to operate, etc. As high-speed data transmission, ultra-low latency, and hyper-connection enable responses to emergencies, vehicles, robots, and droids can safely autonomously drive.

5G 엣지 클라우드 기반 지능형 종합물류 플랫폼은 우편물류 프로세스 전주기를 '접수 → 운송 → 분류 → 배달' 상에서 5G 통신이 적용된 자율주행차량, 상하차 운반구 등을 관리할 수 있는 환경을 필요로 한다. 자율주행 이동우체국, 자율주행 택배배달 드로이드(로봇), 물류센터 내 각종 자율주행 로봇, 장비 등을 운영하기 위해서는, 임무 명령, 취소, 작업 현황 모니터링 등을 할 수 있는 지능형 물류정보 시스템을 필요로 한다. 5G 엣지 클라우드 기반 지능형 종합물류 플랫폼은 모바일 엣지 클라우드(MEC)를 구축하여 우편물류 프로세스상에 속한 각 단말에서 데이터를 수집, 처리할 수 있는 지능형 물류 플랫폼 환경을 마련하여야 한다. 지능형 종합물류 플랫폼 구축 및 실증을 위해서는 3가지 핵심 기능, 즉, 물류 프로세스(단계)별 각 단말과의 표준화 연계 및 대용량 데이터 수집, 각종 차량, 디바이스 등 단말 데이터 수집 및 처리를 위한 5G 엣지 클라우드 기반 물류관리 플랫폼 구축, 우편물류 전주기 상에서의 서비스 연계 실증을 위한 통합관리 체계 구축이 필요하다.The 5G edge cloud-based intelligent comprehensive logistics platform requires an environment that can manage the 5G communication-applied autonomous vehicle, loading and unloading equipment, etc. in 'receipt → transport → sorting → delivery' throughout the entire postal logistics process. In order to operate autonomous mobile post offices, autonomous delivery delivery droids (robots), and various autonomous driving robots and equipment in logistics centers, an intelligent logistics information system that can command, cancel, and monitor work status is required. . The 5G edge cloud-based intelligent comprehensive logistics platform must establish a mobile edge cloud (MEC) to create an intelligent logistics platform environment that can collect and process data from each terminal in the postal logistics process. 5G edge cloud-based logistics for three core functions, namely, standardization linkage with each terminal for each logistics process (step), large-capacity data collection, and terminal data collection and processing such as various vehicles and devices for building and demonstrating an intelligent comprehensive logistics platform It is necessary to establish a management platform and establish an integrated management system to demonstrate service linkage in the entire postal distribution cycle.

따라서, 우편물류 전주기에 적용된 5G 기반 각종 물류장비들을 관리할 수 있는 우편물류 지능형 종합관리 플랫폼을 구축하여 우편물류 선진화 및 대국민 서비스 선진화 추진이 요구되는 실정이다.Accordingly, there is a need to advance postal logistics and public service by establishing an intelligent comprehensive postal logistics management platform that can manage various 5G-based logistics equipment applied to the entire postal logistics cycle.

본 발명의 실시예는, 5G 기반 물류 ICT 데이터를 활용한 지능형 종합물류 플랫폼 구축 및 실증을 수행하는 것을 목적으로 한다.An embodiment of the present invention aims to build and demonstrate an intelligent comprehensive logistics platform using 5G-based logistics ICT data.

또한, 본 발명의 실시예는, 접수, 구분, 운송, 배달, 복합 등 단계별 핵심 실증분야에 대한 통합관리 플랫폼 구축을 가능하게 하는 것을 목적으로 한다.In addition, an embodiment of the present invention aims to enable the establishment of an integrated management platform for key verification fields such as reception, classification, transportation, delivery, and complex step-by-step.

또한, 본 발명의 실시예는, ICT융합서비스경쟁력강화 과제(총 8개)에서 개발된 자율주행차량, 드로이드, 상하차 로봇 등 물류디바이스의 이동경로 모니터링, 장애대응, 긴급상황 대처, 콜센터 영상 연결 등이 가능한 관제기술을 개발하는 것을 목적으로 한다.In addition, an embodiment of the present invention provides monitoring, failure response, emergency situation response, call center video connection, etc. The purpose is to develop this possible control technology.

또한, 본 발명의 실시예는, 각 세부과제에서 개발된 기술들의 우편물류 현장에서 업무 연계 실증 추진 및 작업 수행능력(작업 처리량, 기존 장비 대비 개선 정도 등) 등 성과분석을 가능하게 하는 것을 목적으로 한다.In addition, the embodiment of the present invention aims to enable performance analysis such as business connection verification promotion and work performance capability (work throughput, improvement compared to existing equipment, etc.) at the postal logistics site of the technologies developed in each detailed task. do.

또한, 본 발명의 실시예는, 우편물류 접수에서 배달까지 전제 우편물류 프로세스상에서 활동하는 자율주행 우편차량, 택배배달 드로이드, 스마트물류센터 등의 데이터를 실시간으로 수집하여 종합관제 시스템으로 활용하는 것을 목적으로 한다.In addition, an embodiment of the present invention aims to collect data such as self-driving postal vehicles, parcel delivery droids, and smart logistics centers that are active in the entire postal logistics process from postal logistics reception to delivery in real time and utilize it as a comprehensive control system. do it with

또한, 본 발명의 실시예는, 자율주행차량, 드로이드, 로봇, 각종 IoT 디바이스, 물류센터 등에서 수집되는 데이터를 기반으로 실시간 현황을 파악하고 대시보드 모니터링 현황을 통해 종합관제에 적용하는 것을 목적으로 한다.In addition, an embodiment of the present invention aims to identify the real-time status based on data collected from autonomous vehicles, droids, robots, various IoT devices, distribution centers, etc. and apply it to comprehensive control through dashboard monitoring status. .

또한, 본 발명의 실시예는, 관제시스템에 수집된 데이터를 기반으로 의사결정 지원체계를 구축하여 물량이나 운영에 필요한 데이터 기반 인사이트를 제공하는 것을 목적으로 한다.In addition, an embodiment of the present invention aims to provide a data-based insight necessary for quantity or operation by establishing a decision support system based on data collected in the control system.

또한, 본 발명의 실시예는, 지능형 물류 플랫폼에 누적된 데이터를 기반으로 다양한 통계적 알고리즘 및 예측 기술을 개발하여 경영 의사결정의 보조적 도구로 활용하는 것을 목적으로 한다.In addition, an embodiment of the present invention aims to develop various statistical algorithms and prediction techniques based on data accumulated in an intelligent logistics platform and utilize them as an auxiliary tool for business decision-making.

또한, 본 발명의 실시예는, 자율주행차 기술, 고중량 물품 운반 기술, 소형 풀필먼트 물류센터 등 스마트 기술 축적을 통해 신사업 모델 발굴에 활용하는 것을 목적으로 한다.In addition, the embodiment of the present invention aims to utilize it in discovering new business models through the accumulation of smart technologies such as autonomous vehicle technology, heavy-duty goods transport technology, and small fulfillment logistics center.

또한, 본 발명의 실시예는, 우편물류정보시스템(PostNet) 등 레거시 시스템 및 각종 우편 관련 응용 서비스들과의 연계를 통하여 기존 우편서비스의 선진화 및 대국민 서비스 고도화에 기여하는 것을 목적으로 한다.In addition, an embodiment of the present invention aims to contribute to the advancement of the existing postal service and the advancement of public service through linkage with legacy systems such as PostNet and various postal related application services.

또한, 본 발명의 실시예는, 우편물류 통합관제 플랫폼 기술개발로 ICT융합 경쟁력강화 세부과제의 5G 엣지 클라우드 기반 통합 운영 및 모니터링 기술을 마련하는 것을 목적으로 한다.In addition, an embodiment of the present invention aims to prepare 5G edge cloud-based integrated operation and monitoring technology for the detailed task of strengthening ICT convergence competitiveness by developing postal logistics integrated control platform technology.

또한, 본 발명의 실시예는, 5G를 우편물류 현장에 적용함으로써 자율주행 물류 장비를 우편물류 현장에 적용하는 것을 목적으로 한다.In addition, an embodiment of the present invention aims to apply the autonomous driving logistics equipment to the postal logistics site by applying 5G to the postal logistics site.

또한, 본 발명의 실시예는, 자율주행차, 드로이드 등 자율주행기반 물류 디바이스를 플랫폼에서 제어하고 관제하는 기술개발로 통합 운영기능을 확보하는 것을 목적으로 한다.In addition, an embodiment of the present invention aims to secure an integrated operation function by developing technology for controlling and controlling autonomous driving-based logistics devices such as autonomous vehicles and droids on a platform.

또한, 본 발명의 실시예는, 우편물류 전과정에서 안전 위해 요인을 파악하고 회피 및 진압하는 ICT기반 안전기술 적용체계를 마련하는 것을 목적으로 한다.In addition, an embodiment of the present invention aims to provide an ICT-based safety technology application system that identifies, avoids, and suppresses safety risk factors in the entire postal distribution process.

또한, 본 발명의 실시예는, 자동화 안전기술 도입을 통한 우편물류 현장 근로자의 안전한 작업환경을 구축하는 것을 목적으로 한다.In addition, an embodiment of the present invention aims to establish a safe working environment for postal logistics field workers through the introduction of automated safety technology.

또한, 본 발명의 실시예는, 우편물류 현장문제 해결을 위한 ICT융합 물류 신기술 실증을 통해 현장 근로자가 만족할 수 있는 업무 개선방안 도출로 노동집약적 업무 강도를 개선하는 것을 목적으로 한다.In addition, an embodiment of the present invention aims to improve the intensity of labor-intensive work by deriving a work improvement plan that can satisfy field workers through demonstration of new ICT convergence logistics technology for solving postal logistics field problems.

또한, 본 발명의 실시예는, 우편물류 현장에서 ICT융합 물류기술을 실증함으로써 우편물류 효율화를 통한 생산성 개선을 가능하게 하는 것을 목적으로 한다.In addition, an embodiment of the present invention aims to enable productivity improvement through postal logistics efficiency by demonstrating ICT convergence logistics technology in the postal logistics field.

또한, 본 발명의 실시예는, 구분기 자동화, 상하차 자동화, 파렛트 집하 자동화 등 스마트 물류센터 기능 도입으로 기존 우체국 물류센터 내 체계 효율화 및 생산성을 향상하는 것을 목적으로 한다.In addition, an embodiment of the present invention aims to improve system efficiency and productivity in the existing post office logistics center by introducing smart logistics center functions such as sorter automation, loading and unloading automation, and pallet collection automation.

또한, 본 발명의 실시예는, 우편물류 작업자 중심의 편의 기능과 지능화, 자동화 기술을 통해 업무처리 소요시간 단축 및 구분 배송업무의 효율성을 향상하는 것을 목적으로 한다.In addition, an embodiment of the present invention aims to reduce the time required for business processing and improve the efficiency of the divisional delivery business through convenient functions, intelligence, and automation technology centered on postal logistics workers.

본 발명의 일실시예에 따른, 지능형 종합물류 플랫폼 설계 방법은, 우편물류에서 접수, 구분, 운송, 배달, 및 복합 중 어느 하나의 단계별 핵심 실증분야 과제를 관리하는 단계; 및 상기 단계별 핵심 실증분야 과제를 이용하여, 통합 운영이 가능한 플랫폼을 설계하는 단계를 포함할 수 있다.According to an embodiment of the present invention, a method for designing an intelligent integrated logistics platform includes: managing a core verification field task for any one step of reception, classification, transportation, delivery, and complex in postal logistics; and designing a platform capable of integrated operation by using the step-by-step core demonstration field task.

본 발명의 일실시예에 따르면, 5G 기반 물류 ICT 데이터를 활용한 지능형 종합물류 플랫폼 구축 및 실증을 수행할 수 있다.According to an embodiment of the present invention, it is possible to build and demonstrate an intelligent comprehensive logistics platform using 5G-based logistics ICT data.

또한, 본 발명에 의해서는, 접수, 구분, 운송, 배달, 복합 등 단계별 핵심 실증분야에 대한 통합관리 플랫폼 구축을 할 수 있다.In addition, according to the present invention, it is possible to build an integrated management platform for core verification fields such as reception, classification, transportation, delivery, and complex.

또한, 본 발명에 의해서는, ICT융합서비스경쟁력강화 과제(총 8개)에서 개발된 자율주행차량, 드로이드, 상하차 로봇 등 물류디바이스의 이동경로 모니터링, 장애대응, 긴급상황 대처, 콜센터 영상 연결 등이 가능한 관제기술을 개발할 수 있다.In addition, according to the present invention, the movement path monitoring, failure response, emergency situation response, call center video connection, etc. Possible control technology can be developed.

또한, 본 발명에 의해서는, 각 세부과제에서 개발된 기술들의 우편물류 현장에서 업무 연계 실증 추진 및 작업 수행능력(작업 처리량, 기존 장비 대비 개선 정도 등) 등 성과분석을 할 수 있다.In addition, according to the present invention, it is possible to perform performance analysis such as business linkage verification promotion and work performance capability (work throughput, improvement compared to existing equipment, etc.) at the postal logistics field of the technologies developed in each detailed task.

또한, 본 발명에 의해서는, 우편물류 접수에서 배달까지 전제 우편물류 프로세스상에서 활동하는 자율주행 우편차량, 택배배달 드로이드, 스마트물류센터 등의 데이터를 실시간으로 수집하여 종합관제 시스템으로 활용할 수 있다.In addition, according to the present invention, it is possible to collect data such as self-driving postal vehicles, parcel delivery droids, and smart logistics centers that are active in the entire postal logistics process from postal logistics reception to delivery in real time and utilize it as a comprehensive control system.

또한, 본 발명에 의해서는, 자율주행차량, 드로이드, 로봇, 각종 IoT 디바이스, 물류센터 등에서 수집되는 데이터를 기반으로 실시간 현황을 파악하고 대시보드 모니터링 현황을 통해 종합관제에 적용할 수 있다.In addition, according to the present invention, it is possible to grasp the real-time status based on data collected from autonomous vehicles, droids, robots, various IoT devices, distribution centers, etc., and apply it to comprehensive control through the dashboard monitoring status.

또한, 본 발명에 의해서는, 관제시스템에 수집된 데이터를 기반으로 의사결정 지원체계를 구축하여 물량이나 운영에 필요한 데이터 기반 인사이트를 제공할 수 있다.In addition, according to the present invention, it is possible to provide a data-based insight necessary for quantity or operation by establishing a decision support system based on data collected in the control system.

또한, 본 발명에 의해서는, 지능형 물류 플랫폼에 누적된 데이터를 기반으로 다양한 통계적 알고리즘 및 예측 기술을 개발하여 경영 의사결정의 보조적 도구로 활용할 수 있다.In addition, according to the present invention, various statistical algorithms and prediction techniques can be developed based on the data accumulated in the intelligent logistics platform and utilized as an auxiliary tool for business decision-making.

또한, 본 발명에 의해서는, 자율주행차 기술, 고중량 물품 운반 기술, 소형 풀필먼트 물류센터 등 스마트 기술 축적을 통해 신사업 모델 발굴에 활용할 수 있다.In addition, according to the present invention, it can be utilized for discovering new business models through the accumulation of smart technologies such as autonomous vehicle technology, heavy-duty transport technology, and small fulfillment logistics center.

또한, 본 발명에 의해서는, 우편물류정보시스템(PostNet) 등 레거시 시스템 및 각종 우편 관련 응용 서비스들과의 연계를 통하여 기존 우편서비스의 선진화 및 대국민 서비스 고도화에 기여할 수 있다.In addition, according to the present invention, it is possible to contribute to the advancement of the existing postal service and the advancement of public service through linkage with legacy systems such as PostNet and various postal-related application services.

또한, 본 발명에 의해서는, 우편물류 통합관제 플랫폼 기술개발로 ICT융합 경쟁력강화 세부과제의 5G 엣지 클라우드 기반 통합 운영 및 모니터링 기술을 마련할 수 있다.In addition, according to the present invention, it is possible to prepare 5G edge cloud-based integrated operation and monitoring technology for the detailed task of strengthening ICT convergence competitiveness by developing the postal logistics integrated control platform technology.

또한, 본 발명에 의해서는, 5G를 우편물류 현장에 적용함으로써 자율주행 물류 장비를 우편물류 현장에 적용 가능하다.In addition, according to the present invention, by applying 5G to the postal logistics site, autonomous driving logistics equipment can be applied to the postal logistics site.

또한, 본 발명에 의해서는, 자율주행차, 드로이드 등 자율주행기반 물류 디바이스를 플랫폼에서 제어하고 관제하는 기술개발로 통합 운영기능을 확보할 수 있다.In addition, according to the present invention, it is possible to secure an integrated operation function by developing a technology for controlling and controlling autonomous driving-based logistics devices such as autonomous vehicles and droids on the platform.

또한, 본 발명에 의해서는, 우편물류 전과정에서 안전 위해 요인을 파악하고 회피 및 진압하는 ICT기반 안전기술 적용체계를 마련할 수 있다.In addition, according to the present invention, it is possible to prepare an ICT-based safety technology application system that identifies, avoids, and suppresses safety risk factors in the entire postal distribution process.

또한, 본 발명에 의해서는, 자동화 안전기술 도입을 통한 우편물류 현장 근로자의 안전한 작업환경을 구축할 수 있다.In addition, according to the present invention, it is possible to establish a safe working environment for postal logistics field workers through the introduction of automated safety technology.

또한, 본 발명에 의해서는, 우편물류 현장문제 해결을 위한 ICT융합 물류 신기술 실증을 통해 현장 근로자가 만족할 수 있는 업무 개선방안 도출로 노동집약적 업무 강도를 개선할 수 있다.In addition, according to the present invention, it is possible to improve the intensity of labor-intensive work by deriving a work improvement plan that can satisfy field workers through the demonstration of new ICT convergence logistics technology for solving postal logistics field problems.

또한, 본 발명에 의해서는, 우편물류 현장에서 ICT융합 물류기술을 실증함으로써 우편물류 효율화를 통한 생산성 개선이 가능하다.In addition, according to the present invention, it is possible to improve productivity through postal logistics efficiency by demonstrating ICT convergence logistics technology in the postal logistics field.

또한, 본 발명에 의해서는, 구분기 자동화, 상하차 자동화, 파렛트 집하 자동화 등 스마트 물류센터 기능 도입으로 기존 우체국 물류센터 내 체계 효율화 및 생산성 향상을 기대할 수 있다.In addition, according to the present invention, system efficiency and productivity improvement in the existing post office logistics center can be expected by introducing smart logistics center functions such as sorter automation, loading and unloading automation, and pallet collection automation.

또한, 본 발명에 의해서는, 우편물류 작업자 중심의 편의 기능과 지능화, 자동화 기술을 통해 업무처리 소요시간 단축 및 구분 배송업무의 효율성을 향상할 수 있다.In addition, according to the present invention, it is possible to reduce the time required for business processing and improve the efficiency of the divisional delivery business through convenient functions, intelligence, and automation technology centered on postal logistics workers.

도 1은 본 발명에 따른 물류 단계별 핵심 실증 분야를 설명하기 위한 도이다.
도 2는 데이터 연계관리체계 목표 및 목적을 설명하기 위한 도이다.
도 3은, 데이터 연계관리체계의 구성도이다.
도 4는 데이터 연계관리체계 원칙을 설명하기 위한 도이다.
도 5는 데이터 연계관리체계 프로세스를 설명하기 위한 도이다.
도 6은 데이터 처리 예시를 보여주는 도면이다.
도 7은 메시지 큐의 구조를 설명하기 위한 도이다.
도 8은 실시간 정보처리 Agent Pipeline 구성도를 설명하기 위한 도이다.
도 9는 지능형 통합 관제 시스템 기능 구조도이다.
도 10은 분산처리 기반의 대용량 IoT 고속 검색 모듈의 데이터 분산 저장 구조도이다.
도 11은 실시간 시각화를 위한 오픈소스 대시보드의 예시도이다.
도 12는 지능형 종합물류 플랫폼 설계 장치의 기술에 대해, 일 실시예에 따른 기술 내용을 정리하는 도이다.
도 13은 데이터 연계 구조 개념도이다.
도 14는 배치 데이터 수집 방식을 설명하기 위한 도이다.
도 15는 실시간 데이터 수집 방식을 설명하기 위한 도이다.
도 16은 분할 데이터 스트림 처리를 예시하는 도이다.
도 17은 지원하는 데이터베이스 종류를 설명하기 위한 도이다.
도 18은 이상치를 예시하는 도이다.
도 19는 이상치 탐지 분류를 설명하기 위한 도이다.
도 20은 식별 방지 기술 종류를 설명하기 위한 도이다.
도 21은 식별 방지 기술 적용을 예시하는 도이다.
도 22는 ARX 비식별화 프로세스를 예시하기 위한 도이다.
도 23은 5G 실시간 데이터 진단 기술을 예시하기 위한 도이다.
도 24는 데이터 파이프라인 환경 구성을 설명하기 위한 도이다.
도 25는 Producer, Consumer 연결 구성도를 예시하기 위한 도이다.
도 26은 데이터 구간 암호화 방법을 예시하기 위한 도이다.
도 27은 분산처리 대용량 메시지 큐(Message) 모니터링 처리를 예시하기 위한 도이다.
도 28은 데이터 전송 모니터링을 예시하기 위한 도이다.
도 29는 지능형 통합 관제 구조도이다.
도 30은 분산처리 기반의 대용량 IoT 고속 검색 모듈 아키텍쳐를 예시하기 위한 도이다.
도 31은 물류 배송 정보 실시간 모니터링의 구성을 설명하기 위한 도이다.
도 32는 물류 센터 정보 모니터링 구성을 설명하기 위한 도이다.
도 33은 지능형 효율 분석 기술 구성도이다.
도 34는 오토인코더의 기본구조를 설명하기 위한 도이다.
도 35는 강화학습 구조를 설명하기 위한 도이다.
도 36은 hyperparameter optimization를 설명하기 위한 도이다.
도 37은 Bayesian Optimization 과정을 예시하기 위한 도이다.
도 38은 Bayesian Optimization 과정을 예시하기 위한 다른 도이다.
도 39는 지능형 물량 예측 기술 구성도이다.
도 40은 GAN의 학습 과정 원리를 설명하기 위한 도이다.
도 41은 지능형 이상 진단 기술 구성도이다.
도 42는 HDBSCAN 분류를 예시하기 위한 도이다.
도 43은 지능형 성과 분석 기술 구성도이다.
도 44는 Random Forest를 이용한 변수 중요도 계산을 예시하기 위한 도이다.
도 45는 상관분석을 예시하기 위한 도이다.
도 46은 우편물류정보시스템(PostNet) 구성을 설명하기 위한 도이다.
도 47은 우편물류정보시스템(PostNet) 시스템 구성(To-Be)을 설명하기 위한 도이다.
도 48은 실증 추진 대상 지역(안) 대덕연구단지 및 한국과학기술원 배치도이다.
도 49는 지능형 종합물류 플랫폼 설계 장치의 기술에 대해, 다른 실시예에 따른 기술 내용을 정리하는 도이다.
도 50은 Data Imputation 모델의 종류를 설명하기 위한 도이다.
도 51은 고객센터 연결 모듈 구성을 설명하기 위한 도이다.
도 52는 Video Stream Consumer 아키텍쳐를 예시하기 위한 도이다.
도 53은 자율주행 화물차량/택배 드로이드 이동 경로 모니터링 구성을 설명하기 위한 도이다.
도 54는 모듈 상태 점검 모니터링 및 통합 관제 구성도이다.
도 55는 지능형 물류분석 각 요소 기술연동 기술개발을 설명하기 위한 도이다.
도 56은 지능형 통합관제 시스템 연동을 설명하기 위한 도이다.
도 57은 지능형 물류분석 기술 고도화를 설명하기 위한 도이다.
도 58은 우편물류정보시스템(PostNet) 시스템 구성(As-Is)을 설명하기 위한 도이다.
1 is a diagram for explaining a key verification field for each logistics step according to the present invention.
2 is a diagram for explaining the goals and objectives of the data linkage management system.
3 is a block diagram of a data linkage management system.
4 is a diagram for explaining the principle of the data linkage management system.
5 is a diagram for explaining a data linkage management system process.
6 is a diagram showing an example of data processing.
7 is a diagram for explaining the structure of a message queue.
8 is a diagram for explaining a configuration diagram of a real-time information processing agent pipeline.
9 is a functional structural diagram of an intelligent integrated control system.
10 is a data distribution storage structure diagram of a large-capacity IoT high-speed search module based on distributed processing.
11 is an exemplary diagram of an open source dashboard for real-time visualization.
12 is a diagram to summarize the technical contents according to an embodiment for the technology of the intelligent comprehensive logistics platform design device.
13 is a conceptual diagram of a data linkage structure.
14 is a diagram for explaining a batch data collection method.
15 is a diagram for explaining a real-time data collection method.
16 is a diagram illustrating divided data stream processing.
17 is a diagram for explaining supported types of databases.
18 is a diagram illustrating an outlier.
19 is a diagram for explaining an outlier detection classification.
20 is a diagram for explaining types of identification prevention technology.
21 is a diagram illustrating application of identification prevention technology.
22 is a diagram for illustrating an ARX de-identification process.
23 is a diagram for illustrating a 5G real-time data diagnosis technology.
24 is a diagram for explaining the configuration of a data pipeline environment.
25 is a diagram illustrating a configuration diagram of a producer and consumer connection.
26 is a diagram for illustrating a data section encryption method.
27 is a diagram illustrating a distributed processing large-capacity message queue (Message) monitoring process.
28 is a diagram for illustrating data transmission monitoring.
29 is an intelligent integrated control structure diagram.
30 is a diagram illustrating a distributed processing-based large-capacity IoT high-speed search module architecture.
31 is a diagram for explaining the configuration of real-time monitoring of logistics and delivery information.
32 is a diagram for explaining the configuration of the distribution center information monitoring.
33 is a configuration diagram of an intelligent efficiency analysis technology.
34 is a diagram for explaining the basic structure of an autoencoder.
35 is a diagram for explaining a reinforcement learning structure.
36 is a diagram for explaining hyperparameter optimization.
37 is a diagram illustrating a Bayesian Optimization process.
38 is another diagram for illustrating a Bayesian Optimization process.
39 is a configuration diagram of an intelligent quantity prediction technology.
40 is a diagram for explaining the principle of the learning process of the GAN.
41 is a configuration diagram of an intelligent abnormality diagnosis technology.
42 is a diagram for illustrating HDBSCAN classification.
43 is a configuration diagram of an intelligent performance analysis technology.
44 is a diagram for illustrating variable importance calculation using a random forest.
45 is a diagram for illustrating correlation analysis.
46 is a diagram for explaining the configuration of a postal distribution information system (PostNet).
47 is a diagram for explaining a configuration (To-Be) of a postal distribution information system (PostNet).
48 is a layout diagram of the Daedeok Research Complex and the Korea Advanced Institute of Science and Technology in the area (plan) to be promoted.
49 is a diagram to summarize the technical contents according to another embodiment for the technology of the intelligent comprehensive logistics platform design device.
50 is a diagram for explaining a type of a Data Imputation model.
51 is a diagram for explaining the configuration of a customer center connection module.
52 is a diagram for illustrating a Video Stream Consumer architecture.
53 is a diagram for explaining the configuration of autonomous driving freight vehicle/courier droid movement path monitoring.
54 is a block diagram of module status check monitoring and integrated control.
55 is a diagram for explaining the technology development of each element of intelligent logistics analysis.
56 is a diagram for explaining interworking of an intelligent integrated control system.
57 is a diagram for explaining advancement of intelligent logistics analysis technology.
58 is a diagram for explaining the configuration (As-Is) of the postal distribution information system (PostNet).

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings. However, since various changes may be made to the embodiments, the scope of the patent application is not limited or limited by these embodiments. It should be understood that all modifications, equivalents and substitutes for the embodiments are included in the scope of the rights.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 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.The terms used in the examples are used for the purpose of description only, and should not be construed as limiting. The singular expression includes the plural expression unless the context clearly dictates otherwise. In this specification, terms such as "comprise" or "have" are intended to designate that a feature, number, step, operation, component, part, or a combination thereof described in the specification exists, but one or more other features It should be understood that this does not preclude the existence or addition of numbers, steps, operations, components, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which the embodiment belongs. Terms such as those defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related art, and should not be interpreted in an ideal or excessively formal meaning unless explicitly defined in the present application. does not

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.In addition, in the description with reference to the accompanying drawings, the same components are given the same reference numerals regardless of the reference numerals, and the overlapping description thereof will be omitted. In describing the embodiment, if it is determined that a detailed description of a related known technology may unnecessarily obscure the gist of the embodiment, the detailed description thereof will be omitted.

도 1은 본 발명에 따른 물류 단계별 핵심 실증 분야를 설명하기 위한 도이다.1 is a diagram for explaining a key verification field for each logistics step according to the present invention.

도 1에서와 같이, 지능형 종합물류 플랫폼 설계 장치는 5G 엣지 클라우드 기반의 지능형 물류관리 플랫폼을 개발하여 물류 전 과정의 통합적 관제가 가능한 운영 시스템을 마련한다.As shown in Figure 1, the intelligent integrated logistics platform design device develops a 5G edge cloud-based intelligent logistics management platform to provide an operating system that enables integrated control of the entire logistics process.

지능형 종합물류 플랫폼 설계 장치는 접수, 구분, 운송, 배달, 복합 등 단계별 핵심 실증분야에 대한 통합관리 플랫폼 체계이다.The intelligent integrated logistics platform design device is an integrated management platform system for key verification fields such as reception, classification, transportation, delivery, and complex.

지능형 종합물류 플랫폼 설계 장치는 ICT융합 물류 기술개발 과제에서 개발되는 자율주행차, 배달 디바이스, 상하차 자동화 기기 등 물류 기기에서 데이터 수집, 분석, 관리 및 모니터링을 기술개발한다.The intelligent integrated logistics platform design device develops technologies for data collection, analysis, management and monitoring in logistics devices such as autonomous vehicles, delivery devices, and automatic loading and unloading devices developed in the ICT convergence logistics technology development task.

지능형 종합물류 플랫폼 설계 장치는 플랫폼에서 발생하는 모든 데이터를 활용하여 인공지능, 머신러닝 예측 방법론을 기반으로 접수물량, 배송시간 등을 예측 및 분석하고, 내용의 자동 리포트화를 통해 지능형 성과 분석 지원한다.The intelligent comprehensive logistics platform design device utilizes all data generated from the platform to predict and analyze the receipt volume and delivery time based on artificial intelligence and machine learning prediction methodology, and supports intelligent performance analysis through automatic reporting of the contents. .

지능형 종합물류 플랫폼 설계 장치는 자율주행차량, 드로이드 등 이동경로 모니터링, 장애대응, 긴급상황 대처, 콜센터와 영상 연결 등의 관제기술을 개발할 수 있다.The intelligent integrated logistics platform design device can develop control technologies such as autonomous driving vehicles and droids, etc. movement path monitoring, failure response, emergency response, and video connection with call centers.

지능형 종합물류 플랫폼 설계 장치는 이동형 무인 우체국 및 자율주행 드로이드를 활용하여 고객의 요청에 따라 실시간으로 반응하는 통합관제 플랫폼을 제공한다.The intelligent integrated logistics platform design device provides an integrated control platform that responds in real time to customer requests by utilizing a mobile unmanned post office and autonomous driving droid.

지능형 종합물류 플랫폼 설계 장치는 기존 우편물류시스템과 연결 시뮬레이션을 통해 R&D 서비스 개발된 기술들의 업무 연계 실증을 추진한다.The intelligent comprehensive logistics platform design device promotes the business connection demonstration of R&D service developed technologies through connection simulation with the existing postal logistics system.

지능형 종합물류 플랫폼 설계 장치는 ICT융합 물류기술을 활용하여 우편물류 현장 작업자 업무경감 및 안전사고 예방을 추진할 수 있다.The intelligent integrated logistics platform design device can utilize ICT convergence logistics technology to reduce the work of postal logistics field workers and prevent safety accidents.

지능형 종합물류 플랫폼 설계 장치는 집배원, 현장근무자의 업무경감 및 안전사고 예방을 위한 무인, 자율화 물류 기기를 도입하여 통합운영이 가능한 플랫폼을 구축할 수 있다.The intelligent integrated logistics platform design device can build a platform capable of integrated operation by introducing unmanned and autonomous logistics devices for reducing the work of postmen and field workers and preventing safety accidents.

지능형 종합물류 플랫폼 설계 장치는 ICT융합 물류기술 과제(7건)를 종합하여 우편물류 현장에서 실증 가능한 종합관리 업무를 수행할 수 있다.The intelligent integrated logistics platform design device can perform comprehensive management tasks that can be demonstrated at the postal logistics site by synthesizing ICT convergence logistics technology tasks (7 cases).

지능형 종합물류 플랫폼 설계 장치는 우정사업본부 우편물류 현장에서 ICT융합 기술에 대한 니즈(Needs)를 7개 과제 주관기관, 참여기관과 소통을 통해 현장에서 실증으로 기술성과를 나타낼 수 있는 기술개발을 추진할 수 있다.The intelligent integrated logistics platform design device will promote the development of technologies that can demonstrate technological performance in the field through communication with the 7 project organizers and participating organizations by addressing the needs for ICT convergence technology at the postal logistics site of the Postal Service Headquarters. can

지능형 종합물류 플랫폼 설계 장치는 표준화 데이터 연계관리체계를 구축할 수 있다.The intelligent integrated logistics platform design device can establish a standardized data linkage management system.

도 2는 데이터 연계관리체계 목표 및 목적을 설명하기 위한 도이다.2 is a diagram for explaining the goals and objectives of the data linkage management system.

지능형 종합물류 플랫폼 설계 장치는 4차 산업혁명시대를 능동적으로 대응하고 미래 ICT 기술 및 표준화를 선도하기 위해 새로운 표준화 전략을 도입한 데이터 연계관리체계를 필요로 한다.The intelligent integrated logistics platform design device requires a data linkage management system that introduces a new standardization strategy to actively respond to the 4th industrial revolution era and lead the future ICT technology and standardization.

지능형 종합물류 플랫폼 설계 장치는 미래 ICT 환경변화 대응을 위한 초연결, 초실감, 초지능 기술 기반의 표준화 대응 전략을 개발 한다.The intelligent integrated logistics platform design device develops a standardization response strategy based on hyper-connection, hyper-realistic, and super-intelligent technology to respond to future ICT environmental changes.

데이터 연계관리체계 목적은, 데이터의 흐름 및 추적관리, 연계표준 관리 기능을 통해 단절 없는 양질의 데이터 활용을 지향하는 데에 있다. 데이터 연계관리체계는 데이터 활용 관점의 소비자 만족을 위하여 소비자의 니즈(Needs)를 측정하고 분석할 수 있는 CTQ(Critical to Quality) 선정을 지원한다.The purpose of the data linkage management system is to aim for the use of quality data without interruption through data flow and tracking management, and linkage standard management functions. The data linkage management system supports the selection of CTQ (Critical to Quality) that can measure and analyze consumer needs for consumer satisfaction in terms of data utilization.

데이터 연계관리체계는 데이터 생애주기 전체단계(송신, 수신, 이용)에 대한 연계관리를 위하여 데이터의 송수신을 관리하며, PDCA(Plan-Do-Check-Act) 사이클에 기반한 프로세스 설계로 연계개선 및 관리역량을 강화한다. 데이터 연계관리체계는 이용 활성화 및 품질개선 활동 지원하기 위하여 활용처 정보를 이용한 활용도 분석 등의 흐름 정보를 제공하며, 출처 정보를 이용한 영향도 및 원인분석 등의 추적 정보를 제공한다. 데이터 연계관리체계는 빅데이터 특성 반영을 위하여 내부연계에 빅데이터 생애주기를 적용하여 수집, 저장, 분석/가공 과정을 진행한다.The data linkage management system manages data transmission and reception for linkage management of all stages of the data life cycle (transmission, reception, use), and improves and manages linkage by designing a process based on the PDCA (Plan-Do-Check-Act) cycle. Strengthen your competencies. The data linkage management system provides flow information such as utilization analysis using information on the source of use to support activation of use and quality improvement activities, and provides tracking information such as impact and cause analysis using source information. The data linkage management system carries out the collection, storage, analysis/processing process by applying the big data life cycle to the internal linkage to reflect the characteristics of big data.

데이터 연계관리체계는 표준에 의한 효율적인 연계관리를 위해 국제 메타데이터 표준인 DCAT 기반으로 구성된 오픈 소스를 활용하여 구성된 표준화 코드 변환 모듈을 제공한다.The data linkage management system provides a standardized code conversion module configured by using an open source based on DCAT, an international metadata standard, for efficient linkage management according to standards.

도 3은, 데이터 연계관리체계의 구성도이다.3 is a block diagram of a data linkage management system.

도 4는 데이터 연계관리체계 원칙을 설명하기 위한 도이다.4 is a diagram for explaining the principle of the data linkage management system.

데이터 연계관리체계 원칙은 데이터 제공자와 이용자 모두 단절없는 양질의 데이터를 활용하기 위하여 표준화된 연계메타데이터와 PDCA(Plan-Do-Check-Act) 사이클 기반의 데이터 송수신 및 추적을 관리하며 출처정보를 통한 데이터 이용 활성화 제고, 품질개선 활동 지원 및 범국가적인 데이터 연계활동에 기여하는 것으로 6개의 원칙과 12개의 세부원칙으로 도출하는 데에 있다.The principle of data linkage management system manages data transmission and reception and tracking based on standardized linkage metadata and PDCA (Plan-Do-Check-Act) cycle in order to utilize high-quality data without interruption by both data providers and users. It is to contribute to the promotion of data use vitalization, support for quality improvement activities, and national data linkage activities, and it consists in deriving it into 6 principles and 12 detailed principles.

데이터 연계관리체계 관리기능은, 3개의 연계관리 기능에 PDCA(Plan-Do-Check-Act) 사이클을 적용하여 연계관리기능을 세분화한다. 데이터 연계관리체계 관리기능은, 세분화된 연계관리 기능으로부터 12개의 연계관리 프로세스를 정의한다.The data linkage management system management function subdivides the linkage management function by applying the PDCA (Plan-Do-Check-Act) cycle to the three linkage management functions. The data linkage management system management function defines 12 linkage management processes from the subdivided linkage management function.

도 5는 데이터 연계관리체계 프로세스를 설명하기 위한 도이다.5 is a diagram for explaining a data linkage management system process.

지능형 종합물류 플랫폼 설계 장치는 5G 엣지 클라우드 기반 실시간 정보처리 Agent 기술을 개발할 수 있다.The intelligent integrated logistics platform design device can develop 5G edge cloud-based real-time information processing agent technology.

지능형 종합물류 플랫폼 설계 장치는 실시간으로 디바이스(드로이드, 로봇, 자율주행차 등) 장비에서 생성되는 대용량의 ICT물류 데이터를 최초 수집된 공간으로부터 통합 관제 및 분석이 가능하도록 데이터를 처리 및 가공하는 ‘5G 엣지 클라우드 기반 실시간 정보처리 Agent를 개발한다.The intelligent comprehensive logistics platform design device is a '5G system that processes and processes large-capacity ICT logistics data generated by devices (droids, robots, autonomous vehicles, etc.) Develop edge cloud-based real-time information processing agent.

5G 엣지 클라우드 기반 실시간 정보처리 Agent는 데이터 부하를 감소시킨다. 5G 엣지 클라우드 기반 실시간 정보처리 Agent는 대규모 데이터 즉 300억 건 이상의 데이터의 처리를 클라우드로 데이터를 보내고 받기 위한 네트워크 부하를 줄일 수 있다. 5G 엣지 클라우드 기반 실시간 정보처리 Agent는 데이터에 대한 전처리 이후 꼭 필요한 결과 값만 클라우드가 수집하게 하거나 데이터를 걸러서 보내는 역할을 해줄 수 있기 때문에, 컴퓨팅 부하를 줄일 수 있다. 5G 엣지 클라우드 기반 실시간 정보처리 Agent는 데이터의 전송 비율 및 서비스의 대기 시간을 줄여 서비스의 품질을 향상시킬 수 있다.5G edge cloud-based real-time information processing agent reduces data load. 5G edge cloud-based real-time information processing agent can reduce the network load for sending and receiving data to the cloud for processing of large-scale data, that is, more than 30 billion data. The 5G edge cloud-based real-time information processing agent can reduce the computing load because the cloud can collect only the necessary result values after pre-processing the data or play a role of filtering and sending the data. 5G edge cloud-based real-time information processing agent can improve service quality by reducing data transmission rate and service waiting time.

5G 엣지 클라우드 기반 실시간 정보처리 Agent는 실시간 서비스를 보장한다. 5G 엣지 클라우드 기반 실시간 정보처리 Agent는 근거리의 네트워크 내에서 데이터를 송수신하기 때문에 데이터의 실시간 처리를 보장하여 서비스의 품질을 향상시킬 수 있다. 5G 엣지 클라우드 기반 실시간 정보처리 Agent는 5G 통신의 초저지연 특성(

Figure pat00001
1ms) 이용으로 인하여 실시간 서비스의 지원이 가능하다.5G edge cloud-based real-time information processing agent guarantees real-time service. Because the 5G edge cloud-based real-time information processing agent transmits and receives data within a short-distance network, the quality of service can be improved by ensuring real-time processing of data. 5G edge cloud-based real-time information processing agent has ultra-low latency characteristics (
Figure pat00001
1ms), real-time service support is possible.

5G 엣지 클라우드 기반 실시간 정보처리 Agent는 보안성을 향상한다. 5G 엣지 클라우드 기반 실시간 정보처리 Agent는 근거리의 네트워크 내에서 데이터의 수집과 처리를 끝내기 때문에 데이터의 보안을 향상시킬 수 있다.5G edge cloud-based real-time information processing agent improves security. The 5G edge cloud-based real-time information processing agent can improve data security by completing the collection and processing of data within a short-distance network.

5G 엣지 클라우드 기반 실시간 정보처리 Agent는 초고속/대용량 데이터 전송 처리한다. 5G 엣지 클라우드 기반 실시간 정보처리 Agent는 5G 통신의 사용에 따른 데이터 대역폭(최대 20Gbps)의 확장으로 인하여 대용량의 데이터를 초고속으로 5G 엣지 서버에 송신 가능하여 처리할 수 있다.5G edge cloud-based real-time information processing agent handles high-speed/large-capacity data transmission. 5G edge cloud-based real-time information processing agent can transmit and process large amounts of data to 5G edge servers at high speed due to the expansion of data bandwidth (up to 20 Gbps) according to the use of 5G communication.

5G 엣지 클라우드 기반 실시간 정보처리 Agent는 데이터 수집을 스트리밍 시스템에 도착하는 시점에 하나씩 처리하는 Stream Layer와 시간 주기의 Batch 처리가 가능한 단위로 묶어서 처리하는 Batch Layer로 구성하여 실시간 데이터 수집 모듈을 개발한다.The 5G edge cloud-based real-time information processing agent develops a real-time data collection module by composing the Stream Layer, which processes data collection one by one when it arrives at the streaming system, and the Batch Layer, which processes batches of time period by grouping them into units that can be processed.

Streaming 처리에는 Time agnostic, Filtering, Inner Join, Windowing 방식 등이 있으며, Skew가 환경에 따른 변화가 심해 데이터가 시스템에 도착하는 순서가 순차적이지 않기 때문에 배치에 비해 복잡할 수 있다. Time agnostic은 시간 속성이 없는 데이터로 들어오는 순서대로 처리한다. Filtering은 들어오는 데이터 중 특정 데이터만 필터링 후 저장한다. Inner Join은 두 개의 무제한 데이터에서 들어오는 값을 비교, 매칭시켜 값을 구별한다. Windowing은 스트리밍 데이터를 일정한 시간 간격으로 처리한다.Streaming processing includes Time agnostic, Filtering, Inner Join, and Windowing methods, and it can be more complicated than arrangement because the order in which data arrives to the system is not sequential as the Skew varies greatly depending on the environment. Time agnostic processes data without time attribute in the order they come in. Filtering saves only specific data among incoming data after filtering. Inner Join distinguishes values by comparing and matching incoming values from two unlimited data sets. Windowing processes streaming data at regular time intervals.

Batch는 스트리밍 데이터를 일정 시간 단위로 모아 처리하는 방식이며, 구현이 간단하나 데이터 수집 후 처리가 되므로 실시간 처리에서 떨어진다.Batch is a method of collecting and processing streaming data in a certain time unit, and although it is simple to implement, it is inferior to real-time processing because it is processed after data collection.

5G 엣지 클라우드 기반 실시간 정보처리 Agent는 수집된 ICT 물류 데이터를 진단하고 정제, 정형, 이상치 및 결측치를 보정하는 등의 데이터 클렌징 기법을 통해 관제 및 분석에서 데이터를 최대로 활용할 수 있는 기술을 개발할 수 있다. 5G 엣지 클라우드 기반 실시간 정보처리 Agent는 오픈소스인 Spark 등을 이용하여 데이터를 전처리할 수 있으며, Spark Streaming, Kafka Stream 등을 활용하여 이상치 및 결측치를 보정할 수 있다.The 5G edge cloud-based real-time information processing agent can diagnose the collected ICT logistics data and develop a technology that can maximize the use of data in control and analysis through data cleansing techniques such as refining, shaping, and correcting outliers and missing values. . The 5G edge cloud-based real-time information processing agent can pre-process data using open source Spark, etc., and can correct outliers and missing values using Spark Streaming and Kafka Stream.

도 6은 데이터 처리 예시를 보여주는 도면이다.6 is a diagram showing an example of data processing.

5G 엣지 클라우드 기반 실시간 정보처리 Agent는 분산처리 메시지 큐(Message Queue) 기반의 수집부터 저장까지 데이터의 유실 방지 및 대용량 실시간 데이터 처리 파이프라인을 구축한다. 메시지 큐는 프로세스(프로그램) 간에 데이터를 교환할 때 사용하는 통신 방법으로, 메시지 지향 미들웨어(MOM : Message Oriented Middleware) 구현 시스템을 의미한다. 메시지 큐는 메시지를 교환할 때 AMQP(Advanced Message Queuing Protocol)를 이용하여 다른 AMQP를 사용하는 Application과의 통신이 가능하며, 다른 네트워크 사이에 데이터 전송이 가능한다.The 5G edge cloud-based real-time information processing agent prevents data loss and builds a large-capacity real-time data processing pipeline from collection to storage based on distributed processing message queues. A message queue is a communication method used to exchange data between processes (programs) and refers to a Message Oriented Middleware (MOM) implementation system. When exchanging messages, message queues use AMQP (Advanced Message Queuing Protocol) to communicate with applications using other AMQPs, and data transmission between different networks is possible.

메시지 큐의 구조는 Producer(생산자)가 Message를 Queue에 넣어두면 Consumer(소비자)가 Queue에서 Message를 가져와 처리하는 방식의 구조를 갖는다.The structure of the message queue is such that the producer puts a message in the queue, and the consumer gets the message from the queue and processes it.

도 7은 메시지 큐의 구조를 설명하기 위한 도이다.7 is a diagram for explaining the structure of a message queue.

메시지 큐는, Queue에 넣기 때문에 나중에 처리할 수 있고(비동기(Asynchronous)), Application과 분리할 수 있고(비동조(Decoupling)), 일부가 실패 시 전체는 영향을 받지 않고(탄력성(Resilience)), 실패할 경우 재실행이 가능하고(과잉(Redundancy)), 작업이 처리된 걸 확인할 수 있고(보증(Guarantees)), 다수의 프로세스들이 큐에 메시지를 보낼 수 있다(확장성(Scalable))라는 장점을 가지고 있다.A message queue can be processed later because it is put in a queue (asynchronous), can be separated from the application (decoupling), and when some parts fail, the whole is not affected (resilience) , it can be re-executed in case of failure (Redundancy), it can be confirmed that the operation has been processed (Guarantees), and multiple processes can send messages to the queue (Scalable). has a

메시지 큐는 다른 곳의 API로부터 데이터 송수신 가능하고, 다양한 Application에서 비동기 통신 가능하며, 이메일 발송 및 문서 업로드 가능하고, 많은 양의 프로세스들을 처리할 수 있다.A message queue can send and receive data from APIs in other places, asynchronous communication in various applications, sending e-mails and uploading documents, and processing a large amount of processes.

데이터 파이프라인 구축은, 수집 부분에서 Spark Streaming, Logstash, Fluentd 등을 활용하고, 데이터 연결 파이프라인인 메시지 큐(Message Queue)에서 RabbitMQ, Apache Kafka로 연결하며, 시계열 데이터베이스(TSDB)에서 Prometheus, InfluxDB, OpenTSDB 및 Elastic Search 등으로 저장되어 이루어진다.Data pipeline construction utilizes Spark Streaming, Logstash, Fluentd, etc. in the collection part, connects to RabbitMQ and Apache Kafka from Message Queue, a data connection pipeline, and Prometheus, InfluxDB, Prometheus, InfluxDB, and It is stored in OpenTSDB and Elastic Search.

도 8은 실시간 정보처리 Agent Pipeline 구성도를 설명하기 위한 도이다.8 is a diagram for explaining a configuration diagram of a real-time information processing agent pipeline.

지능형 종합물류 플랫폼 설계 장치는 지능형 통합 관제 모니터링 기술을 개발할 수 있다.The intelligent integrated logistics platform design device can develop intelligent integrated control and monitoring technology.

빅데이터라는 이슈와 사회적 관점이 변함에 따라 현장에서 발생하는 대용량 ICT 물류 데이터를 기존 단순 IT 인프라 관리/관제를 벗어나 ICT 서비스를 관제하고 비즈니스 관제까지 발전하는 ICT 통합 관제가 주목받고 있다.As the issue of big data and social perspectives change, ICT integrated control, which manages ICT services and develops business control, beyond the existing simple IT infrastructure management/control, is drawing attention for large-capacity ICT logistics data generated in the field.

단순 인프라 관리를 벗어나 데이터의 흐름을 실시간 분석/관제 할 수 있는 지능형 통합 관제 모니터링 기술 개발이 필요하다.It is necessary to develop an intelligent integrated control monitoring technology that can analyze/control data flow in real time beyond simple infrastructure management.

지능형 통합 관제 모니터링 기술은 관리대상이 되는 우편물 배송 정보, 자율주행 이동 우체국 스테이션 현황, 물류센터 적재 현황, 무인 화물 차량 운영현황, 드로이드 운영 현황 등의 데이터를 관리 시스템으로 전달하여 관리하며, 해당 데이터를 종합 모니터링하는 기술이다.Intelligent integrated control monitoring technology delivers and manages data such as mail delivery information, autonomous driving mobile post office station status, logistics center loading status, unmanned cargo vehicle operation status, and droid operation status, to the management system and manages the data. Comprehensive monitoring technology.

지능형 통합 관제 모니터링 기술은, 우편물류 이동형 접수/배달’, ‘물류센터 파렛트 상/하차 물류 집하 및 분배작업’, ‘물류센터 상/하차 노동부하’, ‘우편물류 화물운송’, ‘대단지 택배 개별배송’, ‘집배원 고중량 이동형 배달지원’, ‘소형 적재공간 활용 입출고 및 보관 자동화’와 같은 현장에서 발생하는 대용량 ICT 물류 데이터의 흐름을 실시간으로 분석하여 모니터링하는 것을 목적으로 한다.Intelligent integrated control and monitoring technology, postal logistics mobile reception/delivery', 'logistics collection and distribution work on pallet loading/unloading of logistics center', 'labor load on/off logistics center', 'postal logistics cargo transportation', 'individual parcel delivery service It aims to analyze and monitor in real time the flow of large-scale ICT logistics data that occurs in the field, such as 'delivery', 'support for heavy-duty mobile delivery by postman', and 'automated storage and warehousing using small loading space'.

도 9는 지능형 통합 관제 시스템 기능 구조도이다.9 is a functional structural diagram of an intelligent integrated control system.

관제시스템은 ICT융합 물류기술 세부과제 결과물(차량, 드로이드, 상하차 운반구 등), 우편물류 빅데이터 센터 등과 데이터 연계, 시스템 확장성을 위하여, G-클라우드 환경에서 개발한다.The control system is developed in the G-Cloud environment for system scalability and data connection with the results of detailed ICT convergence logistics technology tasks (vehicles, droids, loading and unloading equipment, etc.), postal logistics big data centers, etc.

지능형 통합 관제 모니터링 기술은 데이터의 흐름을 실시간으로 분석을 위한 분산처리 기반의 대용량 IoT 고속 검색 모듈을 개발한다. 지능형 통합 관제 모니터링 기술은 Elasticsearch와 같은 오픈 소스를 활용하여 분산처리 기반 대용량 데이터를 처리하기 위한 기술 환경을 구성한다. 지능형 통합 관제 모니터링 기술은 분산처리 기반 대용량 데이터 처리 기술 환경을 구성함으로 서버의 확장이 용이하며, 높은 가용성을 보장한다. 지능형 통합 관제 모니터링 기술은 ICT 물류 관리 대상이 되는 대용량의 데이터를 빠른 속도로 분산하여 저장하기 위한 용도로 사용한다.The intelligent integrated control monitoring technology develops a distributed processing-based high-capacity IoT high-speed search module for real-time data flow analysis. Intelligent integrated control monitoring technology utilizes open sources such as Elasticsearch to form a technology environment for processing large-scale data based on distributed processing. The intelligent integrated control and monitoring technology configures a distributed processing-based large-capacity data processing technology environment, so server expansion is easy and high availability is guaranteed. The intelligent integrated control monitoring technology is used to distribute and store large amounts of data subject to ICT logistics management at a high speed.

도 10은 분산처리 기반의 대용량 IoT 고속 검색 모듈의 데이터 분산 저장 구조도이다.10 is a data distribution storage structure diagram of a large-capacity IoT high-speed search module based on distributed processing.

지능형 통합 관제 모니터링 기술은 분산처리 기반의 대용량 IoT 고속 검색 모듈에서 실시간으로 데이터를 전달 받아 모니터링 하기 위한 기술이다.The intelligent integrated control monitoring technology is a technology for receiving and monitoring data in real time from a large-capacity IoT high-speed search module based on distributed processing.

지능형 통합 관제 모니터링 기술은 Grafana, Kibana, React와 같은 오픈 소스를 활용하여 분산 저장되어 있는 ICT 물류 데이터를 실시간으로 시각화한다.The intelligent integrated control monitoring technology utilizes open sources such as Grafana, Kibana, and React to visualize distributed and stored ICT logistics data in real time.

지능형 통합 관제 모니터링 기술은 위와 같은 오픈 소스를 활용함으로 분산처리 기반의 대용량 IoT 고속 검색 모듈과 연결하여 시계열성 데이터를 대시보드로 구성 가능하다.The intelligent integrated control monitoring technology can configure time-series data as a dashboard by connecting to a large-capacity IoT high-speed search module based on distributed processing by using the open source above.

지능형 통합 관제 모니터링 기술은 하나의 대쉬보드에 동시에 여러 메트릭 시스템들의 지표를 표시할 수 있으며, Metric 등의 실시간 데이터의 시각화가 가능하다.The intelligent integrated control monitoring technology can display indicators of multiple metric systems at the same time on one dashboard, and real-time data such as metrics can be visualized.

지능형 통합 관제 모니터링 기술은 지능형 물류 분석 기술을 통해 생성된 이상상황 분석결과를 제공하여 장애대응에 참고할 수 있도록 이상상황 분석 결과를 제공한다.The intelligent integrated control monitoring technology provides the abnormal situation analysis result generated through the intelligent logistics analysis technology to provide the abnormal situation analysis result so that it can be referred to for failure response.

도 11은 실시간 시각화를 위한 오픈소스 대시보드의 예시도이다.11 is an exemplary diagram of an open source dashboard for real-time visualization.

지능형 종합물류 플랫폼 설계 장치는 관제시스템을 활용하여 축적된 데이터를 분석 제공하는 지능형 물류 분석 기술을 개발할 수 있다.The intelligent integrated logistics platform design device can develop intelligent logistics analysis technology that analyzes and provides accumulated data using the control system.

지능형 물류 분석 기술은 GAN, 딥러닝, 강화학습, Hyperparameter Optimization 등 분석 기술을 조합해 지능형 효율 분석, 지능형 물량 예측, 지능형 이상 진단, 지능형 성과분석 정보를 제공할 수 있다.Intelligent logistics analysis technology can provide intelligent efficiency analysis, intelligent quantity prediction, intelligent anomaly diagnosis, and intelligent performance analysis information by combining analysis technologies such as GAN, deep learning, reinforcement learning, and hyperparameter optimization.

지능형 물류 분석 기술은 물류흐름이 효율적으로 분배되는지 분석하고 분석된 내용을 피드백 해주는 지능형 효율 분석 기술을 포함한다.The intelligent logistics analysis technology includes intelligent efficiency analysis technology that analyzes whether the logistics flow is efficiently distributed and feeds back the analyzed contents.

지능형 물류 분석 기술은 관제시스템에서 축적된 데이터 중 특정지역 발생할 물량을 예측해 물류 운송로봇의 스케줄링, 물류작업 시뮬레이션, 물류운송로봇의 최대 투입 수량 등에서 활용할 수 있도록 지능형 물량 예측 기술을 포함한다.The intelligent logistics analysis technology includes intelligent quantity prediction technology to predict the quantity to occur in a specific area among the data accumulated in the control system and utilize it for scheduling, logistics operation simulation, and maximum input quantity of the logistics transport robot.

지능형 물류 분석 기술은 물류흐름이 원활하게 동작하는지 분석하고, 센서 이상, 과부하 문제가 발생하는 구간을 분석해 제공해주는 지능형 이상 진단 기술을 포함한다.The intelligent logistics analysis technology includes intelligent abnormality diagnosis technology that analyzes whether the logistics flow operates smoothly and analyzes the section where sensor abnormalities and overload problems occur.

지능형 물류 분석 기술은 관제시스템에서 수집되는 데이터를 통계적 기반 분석을 활용해 요약된 정보제공 및 평균 배송시간 예측을 통해 추가적인 분석에 활용할 수 있는 지능형 성과분석 기술을 포함한다.Intelligent logistics analysis technology includes intelligent performance analysis technology that can be used for additional analysis by providing summarized information and predicting average delivery time using statistical-based analysis of data collected from the control system.

지능형 물류 분석 기술은 세부과제별 특화된 물류처리 환경과 장비를 고려한 프로세스 기반 물류 분석 기술을 포함한다.Intelligent logistics analysis technology includes process-based logistics analysis technology that considers the specialized logistics processing environment and equipment for each detailed task.

지능형 물류 분석 기술은 각 세부과제별 물류단위프로세스의 물류 처리 방식과 다양한 물류 처리 장비들의 특성을 고려한 특화된 물류 분석 요소 및 공통 KPI를 포함한다.The intelligent logistics analysis technology includes specialized logistics analysis elements and common KPIs considering the logistics processing method of the logistics unit process for each detailed task and the characteristics of various logistics processing equipment.

지능형 물류 분석 기술은 물류운송이동체, 상하차지원로봇, 배송용 드로이드 등 다양한 물류 처리 장비와 물류 단위업무 유형에 따라 식별된 분석 요소들에 대한 지능형 물류 분석 기술을 포함한다.Intelligent logistics analysis technology includes intelligent logistics analysis technology for various logistics processing equipment such as logistics transport vehicles, loading and unloading support robots, and delivery droids, and analysis elements identified according to logistic unit work types.

지능형 물류 분석 기술은 물류 처리 장비와 물류 업무 특성에 특화된 분석 요소들에 대한 효과적인 분석 결과 제공을 위한 다양한 물류 시각화 및 리포팅 기능을 포함한다.Intelligent logistics analysis technology includes various logistics visualization and reporting functions to provide effective analysis results for logistics processing equipment and analysis elements specialized for logistics business characteristics.

지능형 물류 분석 기술은 자율주행차량, 물류로봇, 배송용 드로이드 등과 같은 에이전트 업무용 통합물류 프로세스 연계 및 지능형 물류 분석 기술을 포함한다.Intelligent logistics analysis technology includes integrated logistics process linkage and intelligent logistics analysis technology for agent tasks such as autonomous vehicles, logistics robots, and delivery droids.

지능형 물류 분석 기술은 폐쇄공간인 물류센터 및 외부 배달 공간 등 차별화된 물류 환경 분석을 위한 에이전트 기반 물류 프로세스 모델을 개발한다.The intelligent logistics analysis technology develops an agent-based logistics process model for the analysis of differentiated logistics environments such as logistics centers and external delivery spaces, which are closed spaces.

지능형 물류 분석 기술은 세부과제별 물류단위프로세스가 유기적으로 연계된 통합물류프로세스 기반의 프로세스 마이닝 및 데이터 마이닝 등을 활용한 지능형 물류 분석 기술을 포함한다.The intelligent logistics analysis technology includes intelligent logistics analysis technology using process mining and data mining based on the integrated logistics process in which the logistics unit processes for each detailed task are organically linked.

지능형 종합물류 플랫폼 설계 장치는 실증 및 서비스를 구축할 수 있다.The intelligent integrated logistics platform design device can build demonstrations and services.

실증 및 서비스 기술은 대규모 트래픽 처리와 다중 연결을 안정적으로 수행할 수 있는 G클라우드 기반의 시스템 아키텍쳐의 설계와 보안환경을 구축할 수 있다.The demonstration and service technology can design a G-Cloud-based system architecture and build a security environment that can reliably perform large-scale traffic processing and multiple connections.

실증 및 서비스 기술은 5G 엣지 컴퓨팅 기반의 데이터 전송 설계로 7가지 핵심분야 세부과제와 데이터 규격, 프로토콜 등과 연계가 필요하다.The demonstration and service technology is a data transmission design based on 5G edge computing, and it is necessary to link 7 core field specific tasks, data standards, protocols, etc.

실증 및 서비스 기술은 ROS(Robot operating system)의 통합적 도입을 통한 연계가 가능하다. ROS는 로봇 개발 소프트웨어 플랫폼부터 로봇 하드웨어에서 구동되는 운영체제 역할까지 포함하는 개념일 수 있다. ROS는 하드웨어 설계 구상화부터 개발 라이브러리 및 디버깅 도구까지 지원할 수 있다.Demonstration and service technology can be linked through the integrated introduction of ROS (Robot Operating System). ROS may be a concept that includes the role of an operating system running on robot hardware from a robot development software platform. ROS can support from hardware design visualization to development libraries and debugging tools.

실증 및 서비스 기술은 세부과제별 수집 데이터에 대해 정의하고, 데이터수집 표준화 방안을 수립할 수 있다.Demonstration and service technology can define collection data for each detailed task and establish a data collection standardization plan.

실증 및 서비스 기술은 모니터링 필요 항목에 대해 정의하고, 시각적으로 표현해야 하는 데이터에 대한 규명을 할 수 있다.Demonstration and service technology can define monitoring necessary items and identify data that must be visually expressed.

실증 및 서비스 기술은 분석 예상 항목에 대한 요구사항 정의 및 관련 데이터를 수집할 수 있다.Demonstration and service technology can collect requirements definitions and related data for analysis expectations.

실증 및 서비스 기술은 우편물류정보시스템 등 레거시 시스템과의 연계를 염두해 둔 연계 시뮬레이션을 테스트 할 수 있다.Demonstration and service technology can test linkage simulation with linkage with legacy systems such as postal and logistics information systems in mind.

지능형 종합물류 플랫폼 설계 장치는 G클라우드 기반의 시스템을 통해 구현되며, 각 개별 기술개발 과제와 연계된 5G 엣지 클라우드 서버와 MEC 시스템을 통해 연계되도록 설계되어 있어 클라우드 인프라를 통한 정보시스템의 작동, 구현 여부가 주된 실증 영역이 될 수 있다.The intelligent comprehensive logistics platform design device is implemented through the G-cloud-based system, and is designed to be linked through the 5G edge cloud server and MEC system linked to each individual technology development task, so whether the information system through the cloud infrastructure works or is implemented can be the main demonstration area.

지능형 종합물류 플랫폼 설계 장치는 개별 기술개발 과제에서 연계 Agent를 통해 수집되는 작동 현황에 대한 모니터링 데이터를 서버에서 정상적으로 수집하고, 중앙 모니터링이 가능 여부 확인을 필요로 한다.The intelligent comprehensive logistics platform design device normally collects monitoring data on the operation status collected through the link agent in individual technology development tasks from the server, and it is necessary to check whether central monitoring is possible.

실증 및 서비스 기술은 시뮬레이팅 된 레거시(Legacy) 시스템과의 연계 여부를 확인한다.The demonstration and service technology checks whether it is linked with the simulated legacy system.

실증 및 서비스 기술은 로그(log) 기록 확인 가능 여부를 검토한다.Demonstration and service technology examines whether log records can be checked.

실증 및 서비스 기술은 세부과제에서 5G 데이터 파이프라인을 통해 수집되는 현황 데이터가 정상적으로 수집, 처리되고 모니터링 가능 여부를 확인한다.The verification and service technology checks whether the status data collected through the 5G data pipeline is normally collected, processed, and monitored in the detailed task.

실증 및 서비스 기술은 중앙에서 모니터링 중 이상상황 발생 등 필요시 비상정지와 같은 사전 정의된 제어기능이 정상적으로 전달되고, 작동하였는지에 대한 피드백 기록을 확인한다.The demonstration and service technology checks the feedback record on whether the predefined control functions such as emergency stop are normally delivered and operated when necessary, such as when an abnormal situation occurs during central monitoring.

실증 및 서비스 기술은 콜센터와 같은 CS 처리가 가능한 별도의 데이터 조회, 호출, 제어기능 제공 여부를 확인한다.The verification and service technology checks whether separate data inquiry, call, and control functions that can be processed like a call center are provided.

실증 및 서비스 기술은 수집된 데이터를 활용한 성과분석, 추이 분석, 예측 기능이 정상 작동 여부를 확인한다.The verification and service technology verifies whether performance analysis, trend analysis, and prediction functions using the collected data operate normally.

지능형 통합 관제 시스템에서는, 대시보드, 물류 프로세스 효율분석, 물량예측, 이상진단, 성과분석, 수요예측, 통계관리 등의 기능을 제공한다.The intelligent integrated control system provides functions such as dashboard, logistics process efficiency analysis, quantity forecasting, abnormal diagnosis, performance analysis, demand forecasting, and statistical management.

도 12는 지능형 종합물류 플랫폼 설계 장치의 기술에 대해, 일 실시예에 따른 기술 내용을 정리하는 도이다.12 is a diagram for organizing the technical contents according to an embodiment for the technology of the intelligent comprehensive logistics platform design device.

1. 표준화 데이터 연계 관리체계1. Standardized data linkage management system

① 데이터 연계관리체계 관리 요구사항 분석 및 정의① Analysis and definition of data linkage management system management requirements

데이터 연계관리체계 구성과 관련 세부과제 요구도를 반영하기 위한 연계 데이터 관련 요구사항 조사 및 정의, 분석 예상 항목에 대한 요구사항 정의 및 관련 데이터 수집Investigate and define requirements related to linked data to reflect requirements for data linkage management system configuration and related detailed tasks, define requirements for analysis expected items, and collect related data

데이터 연계관리 체계 개발을 위한 데이터 연계 프로세스 정의 및 데이터 연계 모델 개발Data linkage process definition and data linkage model development for data linkage management system development

데이터 연계 국내단체 표준화 동향 분석Analysis of data-linked domestic organization standardization trend

② 데이터 연계 모듈 및 표준화 코드 변환 검증 모듈 설계② Data link module and standardized code conversion verification module design

자율주행 이동 우체국, 물류센터, 운송, 배달 등 물류처리 단계별 연계 데이터 내역 정의Define data details linked to each stage of logistics processing such as autonomous driving mobile post office, logistics center, transportation, and delivery

물류처리 단계별 수집 데이터를 사용할 지능형 물류분석 및 관제 시스템과 연계를 위한 변환 검증 모듈 설계Design of transformation verification module for linking with intelligent logistics analysis and control system that will use the data collected for each step of logistics processing

도 13은 데이터 연계 구조 개념도이다.13 is a conceptual diagram of a data linkage structure.

2. 5G 엣지 클라우드 기반 정보처리 Agent 기술2. 5G edge cloud-based information processing agent technology

① 실시간/배치 대용량 데이터 수집 기술 개발① Real-time/batch large-capacity data collection technology development

실시간 데이터의 수집 방식은 Batch와 Streaming 두 가지 수집 방식으로 구성되어 있음The real-time data collection method consists of two collection methods: batch and streaming.

Batch 데이터 수집 방식Batch data collection method

스트리밍으로 들어오는 데이터를 일정 시간 단위로 모은 후, 배치로 처리하는 방식A method of collecting data coming in through streaming at a certain time unit and processing it in batches

도 14는 배치 데이터 수집 방식을 설명하기 위한 도이다.14 is a diagram for explaining a batch data collection method.

스트림 데이터 수집 방식Stream data collection method

대량의 데이터를 실시간으로 스트리밍 처리를 지원하여 수집Collect large amounts of data by supporting streaming processing in real time

도 15는 실시간 데이터 수집 방식을 설명하기 위한 도이다.15 is a diagram for explaining a real-time data collection method.

분산 데이터 스트림 프로세싱 프레임워크를 이용하여 실시간 데이터 수집 모듈을 개발함Developing a real-time data collection module using a distributed data stream processing framework

확장성, 결함 허용성 등의 기능을 제공함Provides features such as scalability and fault tolerance

클러스터 노드를 추가하여 대용량 데이터 처리량을 증가시킬 수 있음Large data throughput can be increased by adding cluster nodes

매우 작은 고정 사이즈의 시간 간격의 배치(마이크로 배치)를 통한 분할 데이터 스트림 처리Split data stream processing through batches of very small fixed-size time intervals (micro-batches)

실시간 데이터 수집 모듈의 주요기능Main functions of real-time data collection module

다양한 데이터 스트림 소스 지원Supports various data stream sources

다양한 언어에 대한 API를 제공Provides APIs for various languages

초당 파티션의 처리량 제한Partition throughput limit per second

클러스터의 작업 처리시간에 따른 동적으로 입력 레코드 수의 조정Dynamically adjusting the number of input records according to the processing time of the cluster.

도 16은 분할 데이터 스트림 처리를 예시하는 도이다.16 is a diagram illustrating divided data stream processing.

② 5G 실시간 데이터 진단 기술 개발② 5G real-time data diagnosis technology development

데이터 전처리 기술 개발Development of data preprocessing technology

데이터 수집 모듈로부터 데이터를 전송받아 데이터를 메시지 큐(Message Queue)로 넘기기 전에 데이터의 수정, 추출 등을 데이터를 정제 및 정형할 수 있는 기술을 개발함Developed a technology that can refine and format data by receiving data from the data collection module and modifying and extracting data before passing the data to the message queue.

실시간 데이터 진단 기술의 기능Features of real-time data diagnosis technology

칼럼 선택column selection

로우 필터링row filtering

칼럼 집계Column aggregation

데이터 세트 조인Join data sets

CSV. JSON, Parquet, ORC등의 다양한 파일 형식을 지원CSV. Supports various file formats such as JSON, Parquet, ORC

다양한 형태의 데이터 저장 지원Support for storing various types of data

실시간 데이터 진단 기술의 성능The performance of real-time data diagnostic technology

디스크 I/O 감소Reduce disk I/O

파티셔닝 기능Partitioning function

칼럼 기반 저장 스토리지Column-based storage storage

인메모리 칼럼 캐싱In-memory column caching

로우 스킵skip low

쿼리 최적화Query optimization

도 17은 지원하는 데이터베이스 종류를 설명하기 위한 도이다.17 is a diagram for explaining supported types of databases.

결측치 탐지 기술 개발Development of missing value detection technology

실시간 데이터가 들어올 경우 NooneType, NULL, Blank, Empty String 등을 필터링 기능을 이용한 결측치 탐지 기술을 개발함When real-time data comes in, we developed a technology for detecting missing values using filtering functions such as NooneType, NULL, Blank, Empty String, etc.

이상치 탐지 기술 개발Development of outlier detection technology

이상(anomaly)은 정상(normal)의 반대 개념이며 이상치 탐지(Anomaly Detection)은 정상에 반대에 있는 ‘이상’한 값을 찾아내는 방법을 의미함Anomaly is the opposite of normal, and anomaly detection refers to a method of finding ‘odd’ values that are opposite to normal.

이상(Anomaly)은 세 가지의 종류가 있음There are three types of anomalies

점 이상(Point anomaly)Point anomaly

맥락적 이상(Collective anomaly)Collective anomaly

Contextual anomalycontextual anomaly

도 18은 이상치를 예시하는 도이다.18 is a diagram illustrating an outlier.

이상치(Anomaly) 종류에 따라 다양한 이상치 탐지(Anomaly Detection)가 존재함There are various types of anomaly detection depending on the type of anomaly.

도 19는 이상치 탐지 분류를 설명하기 위한 도이다.19 is a diagram for explaining an outlier detection classification.

이상치 탐지를 하기 위한 알고리즘 계열A family of algorithms for detecting outliers

regression 계열regression series

time-series 계열time-series series

decision tree 계열 (random forest, 몬테카를로)decision tree series (random forest, Monte Carlo)

bayesian network 계열bayesian network family

데이터 타입과 다양한 이상치 탐지 방법을 기반으로 이상치 보정 기술을 개발함Developed outlier correction technology based on data types and various outlier detection methods

개인 및 민감 정보 비식별 기술Personal and Sensitive Information Non-Identification Technologies

비식별화는 정보의 일부 또는 전체를 삭제/대체 하거나 다른 정보와 쉽게 결합하지 못하도록 하여 특정 개인을 식별할 수 없도록 하는 일련의 조치를 의미함De-identification refers to a set of measures that make it impossible to identify a specific individual by deleting/replacing some or all of the information or preventing it from being easily combined with other information.

식별자(Identifiers) : 개인을 식별할 수 있는 속성들(1:1 대응이 가능한 모든 정보)을 말함Identifiers: Refers to attributes that can identify an individual (all information that can be matched 1:1)

준식별자(QI : Quasi-Identifiers) : 자체로는 식별자가 아니지만, 다른 데이터와 결합을 통해 특정 개인을 간접적으로 추론하는데 사용될 수 있는 속성들을 말함Quasi-Identifiers (QI): properties that are not identifiers by themselves, but that can be used to indirectly infer a specific individual through combination with other data.

민감정보(SA : Sensitive Attributes) : 개인의 사생활을 드러낼 수 있는 속성을 말함(데이터분석 시 주로 측정되는 대상 속성)Sensitive Attributes (SA): Refers to attributes that can reveal an individual's privacy (target attributes that are mainly measured during data analysis)

비식별화는 식별방지(식별자 제거), 추론방지(프라이버시 모델 준수) 같은 두 가지의 원칙으로 존재함De-identification exists as two principles: anti-identification (removal of identifiers) and anti-inference (according to the privacy model).

프라이버시 모델은 다양한 추론 공격에 대해 개인정보 추론 위험 정도를 확률적/정량적으로 제한하는 방법론을 의미함Privacy model refers to a methodology that probabilistically/quantitatively limits the degree of personal information inference risk for various inference attacks.

일반적 기법을 이용한 개인 식별요소 방지 기술 개발Development of technology to prevent personal identification using general techniques

가명처리 : 개인정보 중 주요 식별요소를 다른 값으로 대체함Pseudonymization: Substituting other values for key identification elements in personal information

총계처리 : 데이터의 총합을 보임으로서 개별 데이터의 값을 보이지 않도록 함Total processing: By showing the total of the data, the value of individual data is not shown.

데이터 삭제 : 데이터 셋에 구성된 값 중 필요 없는 값 또는 개인 식별에 중요한 값을 삭제Data deletion: Delete unnecessary values or important values for personal identification among the values configured in the data set

데이터 범주화 : 데이터의 값을 범주의 값으로 변환함Data categorization: transforms the values of data into values of categories

데이터 마스킹 : 공개된 정보 등과 결합하여 개인을 식별하는데 기여할 확률이 높은 주요 개인 식별자가 보이지 않도록 처리함Data masking: In combination with public information, etc., it is processed so that the key personal identifier that is highly likely to contribute to identifying an individual is hidden.

도 20은 식별 방지 기술 종류를 설명하기 위한 도이다.20 is a diagram for explaining types of identification prevention technology.

도 21은 식별 방지 기술 적용을 예시하는 도이다.21 is a diagram illustrating application of identification prevention technology.

프라이버시 보호 모델을 이용한 추론 방지 기술 개발Development of anti-inference technology using privacy protection model

k-anonymity(익명성) : 공개된 데이터에 대한 연결공격 등 취약점을 방어하기 위해 제안된 프라이버시 보호 모델k-anonymity: A privacy protection model proposed to defend against vulnerabilities such as connection attacks on public data

l-diversity(다양성) : k-익명성에 대한 동질성 공격 및 배경지식에 의한 공격을 방어하기 위한 모델. 각 블록이 적어도 l개의 다양한 민감정보를 가지고 있어야 한다는 조건을 만족해야 함l-diversity: A model for defending against homogeneity attacks and background knowledge attacks on k-anonymity. Each block must have at least l different types of sensitive information.

t-closeness(근접성) : 데이터 집합에서 구별되지 않는 레코드들의 민감한 정보의 분포와 전체 데이터의 민감한 정보의 분포의 차이를 t이하로 만들어 프라이버시를 보호하는 모델t-closeness: A model that protects privacy by making the difference between the distribution of sensitive information in undistinguished records in the data set and the distribution of sensitive information in the entire data set less than t

비식별화에서 k-anonymity(익명성)을 기본적인 기법으로 사용하며, 민감정보가 포함될 경우 l-diversity(다양성), t-closeness(근접성)의 방법론도 고려해야 함In de-identification, k-anonymity is used as a basic technique, and if sensitive information is included, the methodologies of l-diversity (diversity) and t-closeness (proximity) should also be considered.

식별요소 방지 기술과 추론 방지 기술을 이용한 비식별화 모듈 개발Development of de-identification module using identification element prevention technology and inference prevention technology

비식별화를 수행하는 ARX와 같은 오픈소스 프로그램 등을 활용하여 비식별화 모듈 개발Development of de-identification modules using open source programs such as ARX that perform de-identification

도 22는 ARX 비식별화 프로세스를 예시하기 위한 도이다.22 is a diagram for illustrating an ARX de-identification process.

Configure : Raw Data를 import하여 데이터 변환모형과 프라이버시 모형을 설정하는 단계Configure: The step of importing raw data to set the data transformation model and privacy model

Explore : 설정된 모형을 만족하는 모든 가능한 변환을 도식화해서 보여주는 단계Explore: A step that schematically shows all possible transformations that satisfy the set model.

Analyze : 재식별화 가능성 등 위험수준을 분석하여 최종 export 여부를 결정하는 단계Analyze: The stage of determining whether to export or not by analyzing the risk level such as the possibility of re-identification

도 23은 5G 실시간 데이터 진단 기술을 예시하기 위한 도이다.23 is a diagram for illustrating a 5G real-time data diagnosis technology.

③ 대용량 데이터 분산처리 및 모니터링 기술 개발③ Development of distributed processing and monitoring technology for large-capacity data

대용량 데이터 분산처리 기술 개발Development of large-capacity data distributed processing technology

실시간/배치 대용량 데이터 수집 모듈에서 전송받은 실시간 데이터를 Producer를 통해 Broker 소프트웨어에게 전달하면, Broker에서는 해당 메시지를 Topic에 저장하고 해당 Topic을 Consumer를 통해 분산처리 기반의 대용량 IoT 고속 검색 모듈에 저장하는 기술을 개발Technology that delivers real-time data received from real-time/batch large-capacity data collection module to the broker software through the producer, and the broker stores the message in the topic and stores the topic in the distributed processing-based high-capacity IoT high-speed search module through the consumer develop

도 24는 데이터 파이프라인 환경 구성을 설명하기 위한 도이다.24 is a diagram for explaining the configuration of a data pipeline environment.

실시간/배치 대용량 데이터 수집 모듈로부터 전송되는 데이터를 메시지 큐(Message Queue)로 전송하는 Producer기술 개발Development of producer technology that transmits data transmitted from real-time/batch large-capacity data collection module to message queue

분산처리 기반 대용량 IoT 고속 검색 모듈에서 메시지 큐(Message)의 Topic 데이터를 전달받기 위한 Consumer기술 개발Development of consumer technology to receive topic data of message queue from distributed processing-based high-capacity IoT high-speed search module

Apache Kafka, RabbitMQ와 같은 오픈 소스 메시지 큐 Broker 소프트웨어로 구성되며, 대용량 고효율, 실시간 로그 통합, 무중단(장비의 장애), 이기종과의 호환성, Producer와 Consumer의 역할이 분리 가능한 환경을 의미함It is composed of open source message queue broker software such as Apache Kafka and RabbitMQ, and refers to an environment in which the roles of producer and consumer are separable, with high capacity and high efficiency, real-time log integration, non-stop (device failure), compatibility with heterogeneous types.

Producer는 특정 Topic의 메시지를 생성한 뒤 해당 메시지를 Broker(Kafka, RabbitMQ)에 전달하고. Broker가 전달받은 메시지를 Topic별로 분류하여 쌓아놓으면, 해당 Topic을 구독하는 Consumer들이 메시지를 가져가서 처리함The producer creates a message of a specific topic and delivers the message to the broker (Kafka, RabbitMQ). If the broker classifies the received messages by topic and stacks them up, consumers subscribing to the topic take the messages and process them.

도 25는 Producer, Consumer 연결 구성도를 예시하기 위한 도이다.25 is a diagram illustrating a configuration diagram of a producer and consumer connection.

메시지 큐(Message Queue)에서 다른 네트워크의 분산처리 기반 대용량 IoT 고속 검색 모듈로 데이터를 전송할 경우 end-to-end 데이터 암호화 기술 기반 구간 암호화 기술을 개발Developed end-to-end data encryption technology-based section encryption technology when data is transmitted from Message Queue to a distributed processing-based high-capacity IoT high-speed search module of another network

KMS(Key Management Server) 구성 방법은 로컬 키 저장소와 하둡의 KMS 기능을 활용한 방법들이 존재함There are methods for configuring KMS (Key Management Server) using the local key storage and the KMS function of Hadoop.

로컬 키 저장소는 작성/주제와 관련된 모든 키를 포함하는 생산자(Producer)와 소비자(Consumer)에게 로컬 파일로 제공되는 저장소로부터 제공함The local keystore provides from the store, which is provided as a local file to Producers and Consumers, which contains all keys related to the creation/subject.

하둡 KMS는 중앙 키 관리 서버를 사용하여 데이터와 함께 암호화된 형식으로 저장된 키에 대한 엔벨로프 암호화를 제공함Hadoop KMS provides envelope encryption for keys stored in encrypted form with data using a central key management server.

엔벨로프 암호화는 데이터 암호화 키(DEK)로 데이터를 암호화한 다음 완전히 관리할 수 있는 루트 키(Root Key)로 DEK를 랩핑하는 것을 의미함Envelope encryption means encrypting data with a data encryption key (DEK) and then wrapping the DEK with a fully manageable root key.

도 26은 데이터 구간 암호화 방법을 예시하기 위한 도이다.26 is a diagram for illustrating a data section encryption method.

대용량 데이터 모니터링 기술 개발Development of large-capacity data monitoring technology

대용량 분산 메시지 큐의 클러스터 모니터링 운영은 JMX 인터페이스를 활용한 MBean(managed bean) 모니터링 방법과 offset을 이용하여 가능함Cluster monitoring operation of large-capacity distributed message queue is possible by using MBean (managed bean) monitoring method using JMX interface and offset

JMX는 Java Management eXtensions 약어로 자바로 만든 애플리케이션의 모니터링 도구를 제공하는 자바 API를 의미함JMX stands for Java Management eXtensions, which refers to a Java API that provides monitoring tools for applications written in Java.

Offset 정보를 활용하여 데이터 파이프라인을 구축하는 Producer에서 메시지 큐(Message Queue)로 전송하는 데이터의 상태, 메시지 큐(Message Queue) 상태, 메시지 큐로부터 전송받아가는 Consumer의 상태를 확인할 수 있는 모니터링 기술을 개발Monitoring technology that can check the status of data transmitted to the message queue, message queue status, and consumer status from the message queue from the producer who builds the data pipeline by using the offset information. Development

도 27은 분산처리 대용량 메시지 큐(Message) 모니터링 처리를 예시하기 위한 도이다.27 is a diagram for illustrating distributed processing large-capacity message queue (Message) monitoring processing.

대용량 데이터 모니터링 기능은 다음과 같이 제공함Large data monitoring function is provided as follows

각 Topic의 처리 현황Processing status of each topic

Broker와 Consumer 현황Brokers and Consumers

클러스터 현황 등cluster status, etc.

도 28은 데이터 전송 모니터링을 예시하기 위한 도이다.28 is a diagram for illustrating data transmission monitoring.

3. 지능형 통합 관제 모니터링 기술3. Intelligent integrated control and monitoring technology

① 실시간 데이터 시각화 기반 기술 개발① Real-time data visualization-based technology development

현장에서 발생하는 데이터는 5G 엣지 클라우드 기반 실시간 정보처리 Agent를 통해 분산처리 기반의 대용량 IoT 고속 검색 모듈에 저장되며, 해당 데이터를 실시간으로 분석할 수 있는 모니터링 기능 개발Data generated in the field is stored in a large-capacity IoT high-speed search module based on distributed processing through a 5G edge cloud-based real-time information processing agent, and a monitoring function to analyze the data in real time is developed.

실시간으로 들어오는 데이터를 효과적으로 시각화할 수 있도록 해주는 Grafana, Kibana, React, D3.js와 같은 오픈소스를 기반으로 지연/단절 없는 통합 관제 모니터링 모듈 개발Development of integrated control monitoring module without delay/interruption based on open sources such as Grafana, Kibana, React, and D3.js that enables effective visualization of incoming data in real time

도 29는 지능형 통합 관제 구조도이다.29 is an intelligent integrated control structure diagram.

분산처리 기반의 대용량 IoT 고속 검색 모듈은 ElasticSearch와 같은 텍스트, 숫자, 위치 기반 정보, 정형 및 비정형 데이터 등 모든 유형의 데이터를 저장하기 위한 분산형 오픈 소스 검색 및 분석 엔진 기반으로 구성됨High-capacity IoT high-speed search module based on distributed processing is configured based on a distributed open source search and analysis engine for storing all types of data, such as text, numbers, location-based information, structured and unstructured data, such as ElasticSearch

분산처리 기반의 대용량 IoT 고속 검색 모듈은 여러 개의 Cluster로 구성하여 처리 할 수 있으므로 하나의 서버가 비정상 종료되어도 Cluster로 구성된 다른 서버에 데이터가 자동으로 복제되어 SPOF(Single Point Of Faulure)를 제거함Distributed processing-based high-capacity IoT high-speed search module can be configured with multiple clusters for processing, so even if one server is abnormally terminated, data is automatically replicated to other clustered servers to eliminate SPOF (Single Point Of Failure)

SPOF(Single Point Of Faulure)란 단일 고장 점으로 시스템에서 고장이 발생하면 전체 시스템의 작동이 멈춰버리는 한 부분을 의미함SPOF (Single Point Of Failure) is a single point of failure, and when a failure occurs in the system, the entire system stops working.

또한, 데이터의 분산과 병렬처리가 되므로 실시간 검색 및 분석을 할 수 있으며 수평적으로 늘어나도록 설계되어 많은 양의 데이터 처리가 필요하면 Node를 Cluster에 추가하여 데이터를 분산해서 저장할 수 있음 In addition, since data is distributed and processed in parallel, real-time search and analysis can be performed, and it is designed to grow horizontally.

도 30은 분산처리 기반의 대용량 IoT 고속 검색 모듈 아키텍쳐를 예시하기 위한 도이다.30 is a diagram illustrating a distributed processing-based large-capacity IoT high-speed search module architecture.

② 통합 관제 모니터링 기술 개발② Development of integrated control and monitoring technology

물류의 배송 정보 실시간 모니터링 기술 Logistics delivery information real-time monitoring technology

도 31은 물류 배송 정보 실시간 모니터링의 구성을 설명하기 위한 도이다.31 is a diagram for explaining the configuration of real-time monitoring of logistics and delivery information.

분산처리 기반의 대용량 IoT 고속 검색 모듈에 저장된 우편정보 시스템 데이터로 물류 접수에서 배송 완료까지 물류의 배송 정보를 실시간으로 모니터링Real-time monitoring of logistics delivery information from receipt of logistics to completion of delivery with the postal information system data stored in the distributed processing-based high-capacity IoT high-speed search module

물류 배송의 위치는 물류 접수 번호와 GIS(Geographic Information System) 데이터를 기반으로 추적함Logistics shipment location is tracked based on logistic receipt number and Geographic Information System (GIS) data

GIS란 지도 및 지리정보를 컴퓨터를 이용해 작성 관리하고, 여기서 얻은 지리정보를 기초로 데이터를 수집 분석 가공하여 지형과 관련되는 모든 분야에 적용하기 위해 설계된 종합 정보 시스템GIS is a comprehensive information system designed to create and manage maps and geographic information using a computer, collect, analyze and process data based on the geographic information obtained from it, and apply it to all terrain-related fields.

물류센터, 운송, 배달 업무를 수행하는 자동화기기 및 로봇 자원의 활용 상태를 고속 검색 모듈에 저장된 우편정보 시스템 데이터로 물류 접수에서 배송 완료까지 물류지원의 운영상태를 실시간으로 모니터링Real-time monitoring of the operational status of logistics support from receipt of logistics to completion of delivery using the postal information system data stored in the high-speed search module for the utilization status of automated equipment and robot resources that perform logistics center, transportation, and delivery tasks

물류센터 정보 모니터링 기술 개발Logistics center information monitoring technology development

작업자 없이 상/하차 되는 물류센터 자동화 시스템에서 발생하는 데이터를 대용량 IoT 고속 검색 모듈과 물류센터 정보 모니터링 Consumer 모듈을 통해 도크플레이트 및 차량(플레이트) 도킹/언도킹 정보, 물류 상/하차 정보와 같은 데이터를 실시간으로 모니터링Data such as dock plate and vehicle (plate) docking/undocking information and logistics loading/unloading information through large-capacity IoT high-speed search module and logistics center information monitoring consumer module for data generated from the logistics center automation system that is loaded/unloaded without an operator monitoring in real time

도 32는 물류 센터 정보 모니터링 구성을 설명하기 위한 도이다.32 is a diagram for explaining the configuration of the distribution center information monitoring.

③ 표준화 데이터 연계 현황 정보 시스템 설계③ Standardized data linkage information system design

표준화 데이터 연계 및 표준화 코드변환 검증 표출 모듈 설계Standardized data linkage and standardized code conversion verification expression module design

관련 시스템에서 처리된 표준화 데이터의 연계/검증현황을 수집하는 기능의 시스템 구조 설계System structure design of functions to collect linkage/verification status of standardized data processed in related systems

표준화 데이터 연계 현황정보를 표출하는 기능의 시스템 구조 설계System structure design for the function of expressing standardized data linkage status information

4. 지능형 물류 분석 기술4. Intelligent logistics analysis technology

① 지능형 효율 분석 기술 개발① Development of intelligent efficiency analysis technology

도 33은 지능형 효율 분석 기술 구성도이다.33 is a configuration diagram of an intelligent efficiency analysis technology.

오토인코더 기반 특징 추출Autoencoder-based feature extraction

통합 데이터 로드Integrated data load

파생변수 생성 기술 개발Derived variable generation technology development

오토인코더 모델 생성Autoencoder model creation

오토인코더를 이용한 특징 추출 기술 개발Development of feature extraction technology using autoencoder

특징 추출 기술을 이용한 입력변수 선정 기술 개발Development of input variable selection technology using feature extraction technology

통합데이터를 이용한 최적시간 산출Optimal time calculation using integrated data

학습된 오토인코더 저장 및 로드 기술 개발Develop learned autoencoder save and load skills

머신러닝, 딥러닝 알고리즘을 사용해 예측을 진행할 때 입력 값으로 사용되는 데이터 특징의 따라서 알고리즘 학습의 영향을 줌When making predictions using machine learning and deep learning algorithms, the data features used as input values influence algorithm learning accordingly.

영향도 높은 데이터를 추출하기 위해서 오토인코더를 사용한 특징추출 기술 개발Development of feature extraction technology using autoencoder to extract high-impact data

도 34는 오토인코더의 기본구조를 설명하기 위한 도이다.34 is a diagram for explaining the basic structure of an autoencoder.

오토인코더는 비지도 학습에서 주로 사용되는 구조로 출력값을 입력값의 근사함수로 학습함Autoencoder is a structure mainly used in unsupervised learning, and it learns the output value as an approximate function of the input value.

입력과 출력층의 수의 동일함을 제외하면 일반적인 MLP(Multi-Layer Perceptron)와 같은 구조Same structure as general MLP (Multi-Layer Perceptron) except that the number of input and output layers is the same.

인코더를 통해 입력 데이터에 대한 특징을 추출하고, 디코더를 통해 원본 데이터를 재구성하는 방식을 가짐It has a method of extracting features from the input data through the encoder and reconstructing the original data through the decoder.

인코딩 과정에서 입력된 데이터의 핵심 특징 정보만 히든 레이어에서 학습하고, 나머지 정보를 손실시킴In the encoding process, only the key characteristic information of the input data is learned from the hidden layer, and the rest of the information is lost.

디코딩 과정에서 히든 레이어의 출력 값을 뽑았을 때 완벽한 값 복사가 아닌 입력 값의 근사치가 됨When the output value of the hidden layer is extracted during the decoding process, it is an approximation of the input value, not a perfect copy of the value.

출력 값이 입력 값과 최대한 같아지도록 튜닝함으로써, 특징을 잘 추출할 수 있게 하는 것이 오토인코더의 원리The principle of autoencoder is to make it possible to extract features well by tuning the output value to be the same as the input value as much as possible.

오토인코더를 이용한 특징추출 기술을 통해 물량 예측에서 사용할 입력변수 선정Selection of input variables to be used in quantity prediction through feature extraction technology using autoencoder

Stacked 오토인코더, Denoising 오토인코더, Sparse 오토인코더, Variational 오토인코더 등의 방법 적용Applied methods such as stacked autoencoder, denoising autoencoder, sparse autoencoder, and variational autoencoder

강화학습 기반 효율적 분배Efficient distribution based on reinforcement learning

DDDQN(Double Dueling Deep Q Network) 강화학습 내부 환경, 보상, 보상 규칙 등 내용 정의DDDQN (Double Dueling Deep Q Network) Reinforcement learning internal environment, reward, reward rules, etc.

DDDQN 강화학습 모델 생성Creating a DDDQN reinforcement learning model

DDDQN 강화학습을 이용한 효율적 분배 기술 개발Development of efficient distribution technology using DDDQN reinforcement learning

학습된 모델 저장 및 로드 기술 개발Develop skills for storing and loading trained models

로드된 모델을 이용한 분배 기술 개발Distribution technology development using loaded models

효율적 분배 기술은 다양한 데이터를 입력으로 최적의 성능을 도출하게 수치를 조정하는 방법Efficient distribution technology is a method of adjusting numerical values to derive optimal performance by inputting various data

간단한 규칙, 통계적 분석, 사용자 경험 등으로 수치를 조정하는 방식으로 운영됨 It operates by adjusting the figures with simple rules, statistical analysis, user experience, etc.

강화학습 알고리즘을 사용해 다양한 데이터를 학습하고 수치를 조정할 수 있도록 기술 개발Developing skills to learn a variety of data and adjust numerical values using reinforcement learning algorithms

도 35는 강화학습 구조를 설명하기 위한 도이다.35 is a diagram for explaining a reinforcement learning structure.

구글에서 발표한 알파고를 대중들에게 많이 알려지고 최근 다양한 분야에서 사용되어지는 강화학습 알고리즘은 최적 제어를 하는 분야에서 많이 사용함The reinforcement learning algorithm, which is widely known to the public and used in various fields recently, is widely used in the field of optimal control of AlphaGo announced by Google.

최근, 강화학습은 고전 게임과 바둑에 적용되어, 정책의 자가발전(self-learning)이 가능함을 보여 주었고, 수많은 경우의 수가 존재하는 문제에 대해서도 사람 수준의 의사결정이 가능함이 입증됨Recently, reinforcement learning has been applied to classic games and Go, demonstrating that self-learning of policies is possible, and human-level decision-making has been demonstrated even for problems with a large number of cases.

대표적인 사례로 구글에서 전력사용량을 강화학습을 사용해 최적화해서 불필요한 전력사용량을 줄임As a representative example, Google optimizes power consumption using reinforcement learning to reduce unnecessary power consumption.

강화학습은 정책(policy)을 통해 상태(state)에 대한 행위(action)를 판단(sequential decision making)하며, 해당 행위의 적절성을 보상(reward)이라는 가치(value)로 판단을 평가Reinforcement learning makes sequential decision making on a state through a policy, and evaluates the judgment as a value of reward for the appropriateness of the action.

이러한 과정의 반복을 통해, 주어진 상태에서 가치를 최대로 하는 행위를 선택할 수 있는 정책(optimal policy)을 탐색 및 수립함Through repetition of this process, we explore and establish an optimal policy that can select the behavior that maximizes the value in a given state.

강화학습은 상태 변화의 예측 혹은 상태와 행위의 관계에 대한 해석이 불필요하므로, 기존 방식과 달리 모델이 불필요Reinforcement learning does not require prediction of state changes or interpretation of the relationship between states and behaviors, so unlike existing methods, models are not required.

과거의 강화학습은 현재 상태에서 다음 상태로 변화하는 확률을 정의하여 (Markov Decision Problem), 현재 상태와 다음 상태 가치의 관계를 수식으로 표현하고 (Bellman Equation), 각 상태에 대한 가치를 iteration을 통해 업데이트하는 dynamic programming 접근을 이용Reinforcement learning in the past defines the probability of changing from the current state to the next state (Markov Decision Problem), expresses the relationship between the present state and the next state value as a formula (Bellman Equation), and calculates the value of each state through iteration. Using a dynamic programming approach to update

DQN(Deep Q Network), Double Q Network, Dueling Double Q Network, Actor Critic 등의 방법 적용Applied methods such as DQN (Deep Q Network), Double Q Network, Dueling Double Q Network, Actor Critic, etc.

Hyperparameter Optimization 기반 Parameter 최적화 기술 개발Hyperparameter Optimization-based Parameter Optimization Technology Development

강화학습 기반 효율적 분배 모듈 Parameter 정의Reinforcement Learning-based Efficient Distribution Module Parameter Definition

Bayesian Optimization 기술 개발Bayesian Optimization Technology Development

정의되어진 Parameter에 Optimization 적용 기술 개발Optimization application technology development for defined parameters

최적성능 Parameter로 강화학습 기반 효율적 분배 모듈 학습 및 저장Learning and storing reinforcement learning-based efficient distribution module as an optimal performance parameter

Hyperparameter Optimization이란 학습을 수행하기 위해 사전에 설정해야 하는 값인 하이퍼파라미터의 최적값을 탐색하는 문제임Hyperparameter Optimization is a problem of searching for optimal values of hyperparameters, which are values that must be set in advance to perform learning.

Hyperparameter는 learning rate, cost function, regularization parameter, batch size 등으로 연구자의 선험적 지식으로 설정해왔지만, 최적의 모델과 성능을 도출하는 hyperparameter를 찾기위해 hyperparameter optimization 기술을 사용Hyperparameters have been set with a priori knowledge of researchers such as learning rate, cost function, regularization parameter, batch size, etc., but hyperparameter optimization technology is used to find hyperparameters that derive the optimal model and performance.

도 36은 hyperparameter optimization를 설명하기 위한 도이다.36 is a diagram for explaining hyperparameter optimization.

Bayesian Optimization을 사용해 가장 우수한 성능을 도출하는 전처리, 모델, parameter의 조합을 도출Derive a combination of preprocessing, model, and parameter that derives the best performance using Bayesian Optimization

Bayesian Optimization은 새로운 하이퍼파라미터 값에 대한 조사를 수행할 시 ‘사전 지식’을 충분히 반영하면서, 동시에 전체적인 탐색 과정을 체계적으로 수행할 수 있는 방법임Bayesian Optimization is a method that can systematically perform the entire search process while sufficiently reflecting ‘prior knowledge’ when conducting research on new hyperparameter values.

Bayesian Optimization은 어느 입력 값 x를 받는 미지의 목적 함수(objective function) f를 상정하여, 그 함수값 f(x)를 최대로 만드는 최적해를 찾는 것이 목적임The purpose of Bayesian Optimization is to find an optimal solution that maximizes the function value f(x) by supposing an unknown objective function f that receives an input value x.

입력 값, 목적 함수 등 그 외 설정 값들을 정의Define other setting values such as input value and objective function

설정한 탐색 대상 구간 내에서 처음 n개의 입력 값들을 랜덤하게 샘플링하여 선택Select by randomly sampling the first n input values within the set search target section

선택한 n개의 입력 값을 각각 학습률 값으로 설정하여 딥러닝 모델을 학습한 뒤, 검증 데이터셋을 사용하여 학습이 완료된 모델의 성능 결과 수치를 계산After learning the deep learning model by setting each of the selected n input values as the learning rate value, the performance result of the trained model is calculated using the validation dataset.

각각의 입력 값-함수 값에 대하여 Surrogate Model로 확률적 추정을 수행Perform probabilistic estimation with Surrogate Model for each input value-function value

조사된 입력 값-함수 값의 점들이 지정한 총 N개에 도달할 때까지 위의 과정을 반복 수행Repeat the above process until the number of points of the investigated input value-function value reaches the specified total number of N points.

총 N개의 입력 값-함수 값 점들에 대하여 확률적으로 추정된 목적 함수 결과물을 바탕으로 평균 함수를 최대로 만드는 최적해를 최종 선택Final selection of the optimal solution that maximizes the average function based on the result of the objective function estimated probabilistically for a total of N input value-function value points

해당 최적해 값을 학습률로 사용하여 딥러닝 모델을 학습하면 성능이 극대화된 모델을 얻을 수 있음If the deep learning model is trained using the optimal solution value as the learning rate, a model with maximal performance can be obtained.

도 37은 Bayesian Optimization 과정을 예시하기 위한 도이다.37 is a diagram illustrating a Bayesian Optimization process.

도 38은 Bayesian Optimization 과정을 예시하기 위한 다른 도이다.38 is another diagram for illustrating a Bayesian Optimization process.

② 지능형 물량 예측 기술 개발② Development of intelligent quantity prediction technology

도 39는 지능형 물량 예측 기술 구성도이다.39 is a configuration diagram of an intelligent quantity prediction technology.

오토인코더 기반 특징 추출 기술 개발Autoencoder-based feature extraction technology development

통합 데이터 로드Integrated data load

파생변수 생성 기술 개발Derived variable generation technology development

오토인코더 모델 생성Autoencoder model creation

오토인코더를 이용한 특징 추출 기술 개발Development of feature extraction technology using autoencoder

특징 추출 기술을 이용한 입력변수 선정 기술 개발Development of input variable selection technology using feature extraction technology

통합데이터를 이용한 물동량 산출Calculation of cargo volume using integrated data

학습된 오토인코더 저장 및 로드 기술 개발Develop learned autoencoder save and load skills

GAN(Generative Adversarial Network) + 딥러닝 기반 물량 예측 기술 개발Development of GAN (Generative Adversarial Network) + Deep Learning-based quantity prediction technology

오토인코더 기반 특징 추출 입력변수 로드Autoencoder-based feature extraction Loading input variables

데이터 분할(학습데이터, 검증데이터, 테스트데이터)Data division (training data, verification data, test data)

딥러닝 모델 생성(DNN(Deep Neural Network), LSTM(Long Short Term Memory) 등)Deep learning model creation (DNN (Deep Neural Network), LSTM (Long Short Term Memory), etc.)

GAN 모델 생성GAN model creation

GAN + 딥러닝 모델 융합GAN + Deep Learning Model Convergence

GAN + 딥러닝 기반 물량 예측 기술 개발Development of GAN + deep learning-based quantity prediction technology

학습된 모델 저장 및 로드 기술 개발Develop skills to store and load trained models

로드된 모델을 이용한 예측 기술 개발Developing predictive technology using loaded models

각 물류 프로세스에서 생산된 데이터를 통합해 물량예측을 진행Integrate data produced in each logistics process to predict quantity

오토인코더를 이용한 특징 추출 기술을 통해 추출된 특징을 입력데이터로 사용Features extracted through feature extraction technology using autoencoder are used as input data

물량예측에 사용되는 알고리즘은 GAN으로 지역에 발생되는 물량예측The algorithm used for volume prediction is GAN, which predicts the volume generated in the region.

GAN은 두 개의 신경망으로 구성되어 있는데, 생성자(Generator)라고 불리는 하나의 신경망이 새로운 데이터 인스턴스를 생성하고 다른 하나인 판별자(Discriminator)는 데이터의 진위를 평가GAN consists of two neural networks, one neural network called a generator creates new data instances and the other discriminator evaluates the authenticity of the data.

도 40은 GAN의 학습 과정 원리를 설명하기 위한 도이다.40 is a diagram for explaining the principle of the learning process of the GAN.

Hyperparameter Optimization 기반 Parameter 최적화 기술 개발Hyperparameter Optimization-based Parameter Optimization Technology Development

GAN + 딥러닝 기반 물량 예측 모듈 Parameter 정의GAN + Deep Learning-based Quantity Prediction Module Parameter Definition

Bayesian Optimization 기술 개발Bayesian Optimization Technology Development

정의되어진 Parameter에 Optimization 적용 기술 개발Optimization application technology development for defined parameters

최적성능 Parameter로 GAN + 딥러닝 기반 물량 예측 모듈 학습 및 저장Learning and storing GAN + deep learning-based quantity prediction module as an optimal performance parameter

물동량 기반 부하분석 및 수요예측 기술 개발Development of load analysis and demand forecasting technology based on cargo volume

통계적 분석 기술 개발(물동량 패턴 EDA 및 부하 분석 등)Development of statistical analysis technology (transportation pattern EDA and load analysis, etc.)

물류자원 수요예측 모델 개발Development of logistics resource demand forecasting model

③ 지능형 이상 진단 기술 개발③ Development of intelligent abnormal diagnosis technology

도 41은 지능형 이상 진단 기술 구성도이다.41 is a configuration diagram of an intelligent abnormality diagnosis technology.

GAN + 딥러닝 기반 이상치 데이터 생성 기술 개발Development of outlier data generation technology based on GAN + deep learning

통합 데이터 로드Integrated data load

파생변수 생성 및 입력변수 선정 기술 개발Derived variable generation and input variable selection technology development

오토인코더 모델 생성Autoencoder model creation

오토인코더를 이용한 이상치 데이터 생성 기술 개발Development of outlier data generation technology using autoencoder

학습된 오토인코더 저장 및 로드 기술 개발Develop learned autoencoder save and load skills

이상치 데이터 생성 및 기존 통합데이터와 통합 기술 개발Creation of outlier data and development of integrated technology with existing integrated data

머신러닝, 딥러닝 알고리즘은 충분한 양의 데이터를 학습시킬 때 뛰어난 성능을 보이지만 학습 데이터의 각 범주간의 비율이 불균등하다면 성능이 크게 떨어지는 문제가 있음Machine learning and deep learning algorithms show excellent performance when training a sufficient amount of data, but if the ratio between each category of training data is uneven, the performance is significantly reduced.

이상치 데이터는 범주간의 비율이 불균등함으로 해당 문제점을 해결하기 위해 GAN(Generative Adversarial Network) 기법을 이용해 불균형 데이터 문제를 완화시키는 방법을 사용함For outlier data, the ratio between categories is uneven, so to solve the problem, a method is used to alleviate the problem of imbalanced data using the GAN (Generative Adversarial Network) technique.

GAN 기법은 생성자(Generator)모델과 판별자(Discriminator)모델이 서로 적대적으로 경쟁하며 학습하여 학습 성능을 높이는 비지도 학습 기반의 모델이며 구조는 아래와 같음The GAN technique is an unsupervised learning-based model in which a generator model and a discriminator model compete against each other and learn to improve learning performance, and the structure is as follows.

생성자는 원본 데이터와 유사한 데이터를 생성하는 모델이고 판별자는 원본 데이터와 생성된 데이터를 판별하는 모델로 구성됨The generator is a model that generates data similar to the original data, and the discriminator consists of a model that determines the original data and the generated data.

학습이 진행 될수록 생성자는 판별자가 판별하기 어렵도록 원본 데이터와 유사한 데이터를 생성As the learning progresses, the generator generates data similar to the original data so that it is difficult for the discriminator to determine it.

충분한 학습을 거친 후에는 판별자가 원본데이터와 가까운 데이터를 구분하기 어려울 정도로 생성After sufficient learning, the discriminator is generated to the extent that it is difficult for the discriminator to distinguish the close data from the original data.

이러한 방식은 데이터의 손실 및 Overfitting을 방지하며 원본 데이터와 유사한 데이터를 생성함으로 노이즈 데이터 생성문제도 해결This method prevents data loss and overfitting, and also solves the problem of generating noise data by generating data similar to the original data.

이상치 데이터는 상대적으로 정상 데이터에 비해 비율이 98:2 정도로 구성되어 있어 GAN 기법을 사용해 이상치 데이터를 생성The outlier data is relatively composed of a ratio of 98:2 compared to normal data, so the outlier data is generated using the GAN technique.

하이브리드 클러스터링 기반 이상 탐지 기술 개발Development of hybrid clustering-based anomaly detection technology

K-meas, KNN(K Nearest Neighbors), HDBSCAN(Hierarchical Density-based Spatial Clustering of Applications with Noise) 클러스터링 생성 기술 기발Invention of K-meas, K Nearest Neighbors (KNN), and Hierarchical Density-based Spatial Clustering of Applications with Noise (HDBSCAN) clustering generation technology

이상/정상 클러스터 생성 기술 개발Development of abnormal/normal cluster generation technology

학습된 클러스터링 저장 및 로드 기술 개발Developing Learned Clustering Store and Load Skills

실시간 데이터 이상 진단을 위해서 클러스터링 기법을 이용한 이상탐지 기술 개발Development of anomaly detection technology using clustering technique for real-time data abnormality diagnosis

이상탐지는 전체 프로세스에서 속도 및 성능을 저하하는 부분을 의미함Anomaly detection refers to the part that degrades speed and performance in the entire process.

먼저 정상 데이터와 이상 데이터를 구분하는 방법 필요First, we need a way to distinguish normal data from abnormal data.

이상 데이터는 부족하기 때문에 앞서 GAN 기법을 이용해 데이터 생성Since there is not enough abnormal data, data is generated using the GAN technique.

이상탐지 기술은 클러스터링 방법을 사용해 정상 데이터와 이상 데이터를 구분Anomaly detection technology uses a clustering method to distinguish normal data from abnormal data

클러스터링 기법 중 Density based Clustering 방법론 중 대표적인 DBSCAN 알고리즘을 개선한 HDBSCAN 알고리즘과 대표적인 K-means, KNN 클러스터링 알고리즘을 사용Among the clustering techniques, HDBSCAN algorithm, which improved the representative DBSCAN algorithm among the density based clustering methodologies, and the representative K-means and KNN clustering algorithms are used.

각 클러스터링 알고리즘은 장단점이 존재하지만 하이브리드 형식으로 융합해 사용해 단점을 보완하는 방식으로 사용Although each clustering algorithm has its pros and cons, it is used in a way to compensate for the shortcomings by fusion in a hybrid format.

각 알고리즘의 결과에서 가중치를 주고 융합해 이상 탐지 실행Anomaly detection is performed by weighting the results of each algorithm and fusion

도 42는 HDBSCAN 분류를 예시하기 위한 도이다.42 is a diagram for illustrating HDBSCAN classification.

Hyperparameter Optimization 기반 Parameter 최적화 기술 개발Hyperparameter Optimization-based Parameter Optimization Technology Development

GAN + 딥러닝 기반 이상치 데이터 생성 모듈 Parameter 정의GAN + Deep Learning-based Outlier Data Generation Module Parameter Definition

하이브리드 클러스터링 기반 이상 탐지 모듈 Parameter 정의Hybrid clustering based anomaly detection module parameter definition

Bayesian Optimization 기술 개발Bayesian Optimization Technology Development

정의되어진 Parameter에 Optimization 적용 기술 개발Optimization application technology development for defined parameters

최적성능 Parameter로 GAN + 딥러닝 기반 이상치 데이터 생성 모듈 학습 및 저장GAN + deep learning-based outlier data generation module learning and storage as optimal performance parameters

최적성능 Parameter로 하이브리드 클러스터링 기반 이상 탐지 모듈 학습 및 저장Learning and storing hybrid clustering-based anomaly detection module as optimal performance parameter

④ 지능형 성과 분석 기술 개발④ Development of intelligent performance analysis technology

도 43은 지능형 성과 분석 기술 구성도이다.43 is a configuration diagram of an intelligent performance analysis technology.

통계적 기반 분석 기술 개발Statistical-based analysis technology development

통합 데이터 로드Integrated data load

파생변수 확인 기술 개발Development of Derived Variable Confirmation Technology

변수 트렌드 분석 기술 개발Variable trend analysis technology development

변수 중요도 분석 기술 개발Variable importance analysis technology development

변수 상관분석 기술 개발Variable correlation analysis technology development

통계적 분석 결과 통합 및 입력변수 선정 기술 개발Statistical analysis result integration and input variable selection technology development

통계분석 기능을 통해 데이터의 특징 및 간략한 설명을 확인할 수 있음You can check the characteristics and brief description of the data through the statistical analysis function

다양한 물류 프로세스에서 생산되는 데이터를 한눈에 확인하기 위해 다음과 같은 통계적 기능을 개발함The following statistical functions were developed to check the data produced by various logistics processes at a glance.

통계분석 기능을 크게 파생변수 확인, 변수 트렌드 분석, 변수 중요도 분석, 변수 상관분석 네 가지 기능으로 정의함 Statistical analysis function is largely defined as four functions: Derived Variable Check, Variable Trend Analysis, Variable Importance Analysis, and Variable Correlation Analysis.

각 기능은 포괄적인 개념으로 세부적인 통계분석 기법은 각 카테고리에 포함됨Each function is a comprehensive concept, and detailed statistical analysis techniques are included in each category

파생변수 확인 기능은 아래와 같은 방법을 이용해 개발함Derived variable check function was developed using the following method

파생변수 확인 기능에서는 크게 시계열 데이터의 이동평균선(Moving Average)와 모멘텀(Momentum)을 확인할 수 있음In the derived variable check function, you can check the moving average and momentum of time series data.

이동평균선은 데이터 분석 시 가장 기본적으로 사용하는 지표로 시계열 데이터의 단기, 장기 트렌드를 확인할 수 있음The moving average line is the most basic indicator used in data analysis, and you can check short-term and long-term trends in time series data.

또한 대부분 연구에서는 시계열 예측에 이동평균선을 사용하고 있음 In addition, most studies use moving averages for time series prediction.

일반적으로 이동평균선은 단기, 중기, 장기로 나눌 수 있음In general, moving averages can be divided into short-term, medium-term and long-term.

마찬가지로 시계열 데이터의 모멘텀 지표란 데이터의 추세방향과 속도를 나타내주어 주요하게 추세의 방향을 계산할 때 많이 사용함Similarly, the momentum indicator of time series data indicates the direction and speed of the data trend and is mainly used to calculate the direction of the trend.

또한 모멘텀 지표는 현재기간과 일정기간의 데이터 비교를 통해 추세의 강함과 방향을 비교 분석해볼 수 있음In addition, the momentum indicator can be used to compare and analyze the strength and direction of a trend through data comparison between the current period and a certain period.

변수 트렌드 분석 기능은 아래와 같은 방법을 이용해 개발Variable trend analysis function is developed using the following method

STL 분해(Seasonal and Trend decomposition using Loess)Seasonal and Trend decomposition using Loess

STL은 다양한 상황에서 사용할 수 있고 계절성, 트렌드, 잔차로 분해해서 월별 분기별 데이터를 포함해 어떤 종류의 계절성도 다룰 수 있는 분석 기법임STL is an analytical technique that can be used in a variety of contexts and can be decomposed into seasonality, trend, and residual to handle any kind of seasonality, including monthly, quarterly, and monthly data.

변수 중요도 분석 기능은 아래와 같은 방법을 이용해 개발The variable importance analysis function is developed using the following method

일반적으로 딥러닝 모델은 많은 입력변수들 가운데서 예측 결과에 가장 많은 영향을 주는 입력변수에 더 많은 가중치를 부여하는 방식으로 학습함In general, deep learning models learn by giving more weight to the input variable that has the most influence on the prediction result among many input variables.

하지만 이러한 “블랙박스”식 입력변수의 사용은 모델의 성능은 우수할 수 있으나 충분하고 명확한 분석 결과를 설명할 수 없게 됨However, the use of such “black box” input variables can provide excellent model performance, but cannot explain the analysis results sufficiently and clearly.

따라서 딥러닝 모델을 학습하기 전 입력변수에 대한 성격 및 합당한 사유에 대해 충분한 분석이 필요함Therefore, before learning the deep learning model, it is necessary to sufficiently analyze the characteristics of input variables and reasonable reasons.

가장 대표적인 알고리즘으로 Random Forest 알고리즘을 이용한 입력변수 중요도 계산은 아래와 같이 이루어짐As the most representative algorithm, the input variable importance calculation using the Random Forest algorithm is done as follows.

랜덤 포레스트 알고리즘은 투표(voting) 기반 알고리즘이며 출력된 결과의 비율을 참고해 최종 결정을 내리기 때문에 일반적으로 높은 예측 성능을 나타냄The random forest algorithm is a voting-based algorithm and generally shows high prediction performance because the final decision is made by referring to the ratio of output results.

큰 중요도 점수를 가지는 변수는 작은 값을 갖는 변수보다 높은 순위의 중요성을 갖게 됨Variables with high importance scores have higher ranking importance than variables with small values.

Random Forest는 변수의 중요도를 평가하고 모델링에 사용할 변수를 선택하는 데 사용할 수 있음Random Forest can be used to evaluate the importance of variables and to select variables to use for modeling.

Random Forest에서 변수의 중요도는 변수가 정확도(accuracy)와 노드 분순도(Node Impurity) 개선에 얼마만큼 기여하는지 측정됨In a random forest, the importance of a variable is measured by how much it contributes to improving accuracy and node impurity.

이렇게 구한 변수 중요도는 다른 모델(예를 들면, 선형 회귀)에 사용할 변수를 선택하는 데 사용할 수 있음This obtained variable importance can be used to select variables for use in other models (e.g., linear regression).

도 44는 Random Forest를 이용한 변수 중요도 계산을 예시하기 위한 도이다.44 is a diagram for illustrating variable importance calculation using a random forest.

변수 상관성 분석 기능은 아래와 같은 방법을 이용해 개발Variable correlation analysis function is developed using the following method

상관분석(Correlation analysis)과 회귀분석(Regression Analysis) 기법을 사용Correlation analysis and regression analysis techniques are used

도 45는 상관분석을 예시하기 위한 도이다.45 is a diagram for illustrating correlation analysis.

GAN + 딥러닝 기반 평균 배송시간 예측 기술 개발Development of average delivery time prediction technology based on GAN + deep learning

오토인코더 기반 특징 추출 입력변수 로드Autoencoder-based feature extraction Loading input variables

통합데이터를 이용한 평균 배송시간 산출Calculate average delivery time using integrated data

데이터 분할(학습데이터, 검증데이터, 테스트데이터)Data division (training data, verification data, test data)

딥러닝 모델 생성(DNN(Deep Neural Network), LSTM(Long Short Term Memory) 등)Deep learning model creation (DNN (Deep Neural Network), LSTM (Long Short Term Memory), etc.)

GAN 모델 생성GAN model creation

GAN + 딥러닝 모델 융합GAN + Deep Learning Model Convergence

GAN + 딥러닝 기반 평균 배송시간 예측 기술 개발Development of average delivery time prediction technology based on GAN + deep learning

학습된 모델 저장 및 로드 기술 개발Develop skills for storing and loading trained models

로드된 모델을 이용한 예측 기술 개발Developing predictive technology using loaded models

Hyperparameter Optimization 기반 Parameter 최적화 기술 개발Hyperparameter Optimization-based Parameter Optimization Technology Development

GAN + 딥러닝 기반 평균 배송시간 예측 모듈 Parameter 정의GAN + Deep Learning-based Average Delivery Time Prediction Module Parameter Definition

Bayesian Optimization 기술 개발Bayesian Optimization Technology Development

정의되어진 Parameter에 Optimization 적용 기술 개발Optimization application technology development for defined parameters

최적성능 Parameter로 GAN + 딥러닝 기반 평균 배송시간 예측 모듈 학습 및 저장Learning and storing the GAN + deep learning-based average delivery time prediction module as an optimal performance parameter

⑤ 세부과제별 특화된 물류처리 환경과 장비를 고려한 프로세스 기반 물류 분석 및 가시화 모듈 설계⑤ Process-based logistics analysis and visualization module design considering specialized logistics processing environment and equipment for each detailed task

각 세부과제별 물류단위프로세스의 물류 처리 방식과 다양한 물류 처리 장비들의 특성을 고려한 특화된 물류 분석 요소 및 공통 KPI 도출Deduction of specialized logistics analysis elements and common KPIs considering the logistics processing method of the logistics unit process for each detailed task and the characteristics of various logistics processing equipment

우편물류프로세스 상의 주요 단계인 접수, 구분, 운송, 배달 단계별 물류 처리 장비와 해당 업무 특성을 고려한 물류 분석 요소 식별 Identification of logistical analysis elements in consideration of logistics processing equipment and business characteristics for each stage of reception, classification, transportation, and delivery, which are major steps in the postal logistics process

공통적인 물류 처리 대상인 우편물 처리량 및 통당 처리 시간과 같은 물류 처리 단계별 공통 KPI 개발Development of common KPIs for each logistics processing step, such as mail throughput and processing time per package, which are common logistics processing targets

물류접수/배달, 물류센터 파렛트 상하차 등에 대한 표준화 물류 프로세스 정의Definition of standardized logistics process for logistics reception/delivery, pallet loading and unloading, etc.

물류 처리 장비와 물류 단위업무 유형에 따라 식별된 분석 요소들에 대한 분석 기능 정의Define the analysis function for the analysis elements identified according to the type of logistics processing equipment and logistics unit

자율운송차량, 물류로봇 및 배송용 드로이드 등 다양한 물류 처리 주체들에 대한 이동 거리, 이동속도, 이동 시간, 처리 시간 및 물류 처리량 및 자원 가동률 Movement distance, movement speed, movement time, processing time and logistics throughput and resource utilization rate for various logistics processing entities such as autonomous transport vehicles, logistics robots and delivery droids

물류 처리 장비가 수행하는 에이전트 업무를 포함한 물류 단위업무 관점에서의 체계적인 물류 처리 통계분석 및 물류 성과분석Systematic logistics processing statistical analysis and logistics performance analysis from the perspective of logistics unit tasks, including agent tasks performed by logistics processing equipment

단위업무별 물량 분포, 배달 밀도 등 다양한 물류 처리 환경에 따른 최적의 자원 할당을 위한 물류 효율성 분석Logistics efficiency analysis for optimal resource allocation according to various logistics processing environments such as volume distribution by unit task and delivery density

물류 처리 장비와 물류 업무 특성에 특화된 분석 요소들에 대한 효과적인 분석 결과 제공을 위한 다양한 물류 시각화 및 리포팅 기능 설계Design of various logistics visualization and reporting functions to provide effective analysis results for logistics processing equipment and analysis elements specialized for logistics business characteristics

다양한 물류 처리 주체에 따른 특화된 분석 결과의 효과적인 제공을 위하여 시간시각화, 분포시각화, 관계시각화, 공간시각화 등 다양한 시각화 기능 Various visualization functions such as temporal visualization, distribution visualization, relational visualization, and spatial visualization to effectively provide specialized analysis results according to various logistics processing subjects

우편물류프로세스 흐름에 따른 물류 처리 단계별 물류 분석 결과에 대한 다양한 유형의 시각화 기반 리포팅 기능Various types of visualization-based reporting function for logistic analysis results for each step of logistics processing according to the flow of the postal logistics process

5. 실증 및 서비스5. Demonstration and Service

① 레거시 시스템 연계 요구사항 도출① Derivation of legacy system linkage requirements

우편물류정보시스템(PostNet)의와의 연계를 통한 ICT융합기술의 우편업무 적용을 위해 시스템 연계 및 데이터 송, 수신에 필요한 요구사항을 발굴In order to apply the postal service of ICT convergence technology through linkage with the Postal Logistics Information System (PostNet), the requirements for system linkage and data transmission/reception are discovered.

시스템 연계 방안System linkage plan

데이터 보안 확보 및 연계 과정에서의 안정성 담보 방안Measures to ensure data security and stability in the process of linking

데이터 전송 규격 및 형식에 대한 정의Definition of data transmission standards and formats

실시간 제공이 필요한 데이터와 통계적 데이터의 구분Distinguishing between data requiring real-time provision and statistical data

콜센터 CS시스템과의 연계에 필요한 요구사항 도출Derivation of requirements for connection with call center CS system

시스템 연계 방안System linkage plan

콜센터 영역에서 접근, 제어 가능한 부분에 대한 정의Definition of accessible and controllable parts in the call center area

각 과제별 콜센터 업무 처리 시나리오 수립Establishment of call center business processing scenarios for each task

고객응대 매뉴얼 작성Customer response manual

도 46은 우편물류정보시스템(PostNet) 구성을 설명하기 위한 도이다.46 is a diagram for explaining the configuration of a postal distribution information system (PostNet).

② 시스템 연계 에이전트 개발② System-linked agent development

우편물류정보시스템과의 연계에 따른 시스템 부하 및 기존 업무 처리에 지장을 주지 않기 위해 연계 에이전트를 통한 데이터 송, 수신 방식 추진In order not to interfere with the system load due to the linkage with the postal logistics information system and existing business processing, the method of sending and receiving data through the linkage agent is promoted.

실시간 데이터 연계 및 통계 데이터 등 배치 처리용 기능을 모두 포함Includes all functions for batch processing such as real-time data linkage and statistical data

데이터 전송 과정에서 수신하는 우편물류정보시스템의 가용 처리량 및 부하 문제를 최소화 할 수 있는 방향으로 설계 진행Design progress in a direction that can minimize the problem of available throughput and load of the postal logistics information system received in the data transmission process

③ 구현단계 시스템과 연계 시뮬레이션 수행③ Execution of simulation in connection with the implementation stage system

현재 우편물류정보시스템은 고도화 시스템 개발 단계에 있으며 2020년 개발 완료 및 안정화 작업을 수행할 계획으로 진행중임Currently, the postal logistics information system is in the development stage of an advanced system, and it is in progress with a plan to complete development and perform stabilization work in 2020.

구현되는 플랫폼 시스템은 개발 완료되는 고도화 시스템과 연계하는 것을 목표로 하나 실제 실증 단계에서 안정화 마무리 여부가 불투명 하여, 1차년도인 2020년에는 연계 시스템과의 테스트를 시뮬레이션하여 개선방안 도출The implemented platform system aims to link with the developed advanced system, but it is unclear whether the stabilization will be completed in the actual demonstration stage, so in 2020, the first year, we simulate testing with the linked system to derive improvement plans

고도화되는 우편물류정보시스템에는 지능형 관제기능이 탑재되어 본 과제에서 개발되는 시스템과의 연계로 더 높은 시너지 창출이 가능할 것으로 예상The advanced postal logistics information system is equipped with an intelligent control function, and it is expected that higher synergies will be created by linking with the system developed in this project.

도 47은 우편물류정보시스템(PostNet) 시스템 구성(To-Be)을 설명하기 위한 도이다.47 is a diagram for explaining a configuration (To-Be) of a postal distribution information system (PostNet).

우편물류 빅데이터 전문센터와 데이터 연계를 통해 데이터 분석 기반을 확장하고 활용성 높은 데이터 생산기반 구축Expand the data analysis base through data linkage with the postal logistics big data center and build a highly usable data production base

빅데이터 전문센터 표준화 규약에 맞는 데이터 전송방안 마련Prepare a data transmission plan that meets the standardization rules for the big data center

데이터 연동을 위한 VPN 및 방화벽 등 보안체계 수립Establishment of security systems such as VPN and firewall for data interworking

개인정보 보호를 위하여 데이터 비식별화 및 가명화 처리방안 수립Establishment of data de-identification and pseudonymization processing measures to protect personal information

④ 타 과제 연계 실증 시나리오 개발④ Development of demonstration scenarios linked to other projects

도 48은 실증 추진 대상 지역(안) 대덕연구단지 및 한국과학기술원 배치도이다.48 is a layout diagram of the Daedeok Research Complex and the Korea Advanced Institute of Science and Technology in the area (plan) to be promoted.

대덕연구단지와 한국과학기술원 인근을 중심으로 우정 신기술의 우편업무 적용 실증 추진Promotion of postal service application of new postal service centering around Daedeok Research Complex and Korea Advanced Institute of Science and Technology

5G 통신 음영지역 없는 인프라 환경 구축이 완료되어 있으며, KT의 5G 로봇운용 실증을 진행하는 등(`19.9월) 기술 실증에 적합The infrastructure environment without 5G communication shadow areas has been completed, and KT's 5G robot operation demonstration is in progress (September `19), suitable for technology demonstration

중부권물류센터(IMC)의 설립으로 물류센터內 공간 창출이 상대적으로 용이하여 상, 하차 및 집하, 분배 기술 등 실증에 적합Due to the establishment of the Central Distribution Center (IMC), it is relatively easy to create space for the distribution center, so it is suitable for demonstration of loading, unloading, collection, and distribution technologies.

종합관제 시스템 및 5G 엣지 클라우드 시스템의 우편업무 시스템과의 전용망 연계작업 시 국가정보자원관리원이 부근에 있어 비용적 이점Cost advantage because the National Information Resources Service is nearby when working with the dedicated network linkage with the postal service system of the comprehensive control system and 5G edge cloud system

과제별 실증 시나리오를 실무위원회 차원에서 수립하여 실증 계획에 맞춰 수행하고 현장 근로자 및 관계자 의견수렴절차를 거쳐 고도화 추진Demonstration scenarios for each task are established at the working committee level, carried out in accordance with the demonstration plan, and advanced through the process of collecting opinions from field workers and stakeholders

과제별 실증 시나리오에는 서비스 측면과 운영 측면에 맞춰 계획을 수립In the demonstration scenario for each task, a plan is established in accordance with the service aspect and operation aspect

도 49는 지능형 종합물류 플랫폼 설계 장치의 기술에 대해, 다른 실시예에 따른 기술 내용을 정리하는 도이다.49 is a diagram to summarize the technical contents according to another embodiment of the technology of the intelligent comprehensive logistics platform design device.

1. 표준화 데이터 연계 관리체계1. Standardized data linkage management system

① 데이터 연계 및 표준화 코드 변환 검증 모듈 개발 ① Data linkage and standardization code conversion verification module development

5G 엣지 클라우드 기반 정보처리 Agent와 지능형 물류분석 및 관제시스템과 데이터 연계 검증 모듈 개발 Development of 5G edge cloud-based information processing agent and intelligent logistics analysis and control system and data linkage verification module

5G 엣지 클라우드 기반 정보처리 Agent를 통해 수신된 물류처리 데이터와 지능형 분석 및 관제 시스템간 데이터 연계를 위한 표준화 코드 변환 검증 모듈 개발Development of standardized code conversion verification module for linking data between logistics processing data received through 5G edge cloud-based information processing agent and intelligent analysis and control systems

② 시스템 연계 시험 및 국내외 표준화② System-linked test and domestic and international standardization

지능형 통합관제 시스템 등 관련 시스템과의 연계 시험 Linkage test with related systems such as intelligent integrated control system

시스템 연계 시험 결과에 따른 국내외 표준화 추진Promoting domestic and international standardization according to system-linked test results

국내 단체표준* 기고서(용어, 인터페이스 기술 등) 제출 및 국제 표준화 단체 동향 분석/참여Submission of domestic group standards* contributions (terms, interface technology, etc.) and analysis/participation in international standardization group trends

* 국내 단체표준 : TTA PG 1003/1004 (예정)* Domestic group standard: TTA PG 1003/1004 (planned)

2. 5G 엣지 클라우드 기반 정보처리 Agent 기술2. 5G edge cloud-based information processing agent technology

① 대용량 데이터 진단 및 향상 기술 고도화① Advancement of large-capacity data diagnosis and improvement technology

결측치 자동 보정 기술 개발Development of automatic correction technology for missing values

실시간 데이터의 결측치와 이상치를 탐지하여 자동으로 보정하는 기술을 개발함Developed a technology to detect and automatically correct missing values and outliers in real-time data

결측치의 유형은 MCAR(missing completely at random), MAR(missing at random), MNAR(missing not at random) 등으로 구분할 수 있음The types of missing values can be divided into MCAR (missing completely at random), MAR (missing at random), MNAR (missing not at random), etc.

MCAR(missing completely at random) : 가장 높은 수준의 임의성을 나타내는 결측치, 해당 속성의 값이나 해당 개체의 다른 속성 값들에 영향을 미치지 않을 경우 발생함MCAR (missing completely at random): A missing value representing the highest level of randomness, which occurs when the value of that property or the values of other properties of the object are not affected.

MAR(missing at random) : 중간 수준의 임의성을 나타내는 결측치, 해당 개체의 다른 속성 값으로부터 영향을 받지만 해당 속성의 값에 영향을 받지 않을 경우 발생함MAR (missing at random): A missing value representing a moderate level of randomness, which occurs when the value of another attribute of the subject is affected but not affected by the value of that attribute.

MNAR(missing not at random) : 가장 낮은 수준의 임의성을 나타내는 결측치, 해당 속성의 값에 영향을 받을 경우 발생함MNAR (missing not at random): A missing value representing the lowest level of randomness, which occurs when the value of the attribute is affected.

데이터의 누락값(결측치) 보정에 사용하는 알고리즘은 다음과 같음The algorithm used to correct missing values (missing values) in the data is as follows.

도 50은 Data Imputation 모델의 종류를 설명하기 위한 도이다.50 is a diagram for explaining a type of a Data Imputation model.

데이터의 형태와 패턴 등의 기준으로 다양한 Single Imputation Model 및 Multiple Imputation Model 등과 같은 다양한 Data Imputation Model을 적용하여 Imputation 기술 개발Imputation technology development by applying various Data Imputation Models such as various Single Imputation Models and Multiple Imputation Models based on data shape and pattern

데이터의 도메인과 MCAR(missing completely at random) 메커니즘을 이용하여 데이터의 결측값 보완 모듈 개발Development of a module to compensate for missing data using the domain of data and MCAR (missing completely at random) mechanism

이상치 자동 보정 기술 개발Development of outlier automatic correction technology

이상치를 탐지했을 경우 머신러닝에서 이상치를 보정하는 두 가지의 방법을 사용하여 자동으로 보정할 수 있는 기술을 개발함When an outlier is detected, machine learning develops a technology that can automatically correct the outlier using two methods of correcting the outlier.

이상치 보정 방법How to correct outliers

윈저라이징(Winsorizing) 방식 : 경계값 너머의 값을 경계값으로 보정Winsorizing method: Correcting the value beyond the boundary value as the boundary value

트림(Trim), 트렁케이션(Truncation) 방식 : 경계값 너머의 값을 모두 제거Trim, truncation method: remove all values beyond the boundary value

경계값은 상하위 n%(±1)로 정하거나, 관측값 기준 z-score(±3)로 정함Boundary values are determined by upper and lower n% (±1) or by z-score (±3) based on observed values.

3. 지능형 통합 관제 모니터링 기술3. Intelligent integrated control and monitoring technology

① 민원 고객센터 화상 연계 기술 개발① Development of image linkage technology for civil complaints customer center

현장에서 발생하는 고객의 민원을 처리하기 위한 고객센터 연결 모듈 개발Development of customer center connection module to handle customer complaints that occur in the field

이동형 무인 우체국, 자율주행 드로이드 등 현장에서 발생하는 영상/음성 데이터는 분산처리 기반 대용량 IoT 고속 검색 모듈에 저장되며, Video Stream Consumer를 통해 실시간으로 고객센터 상담사와 영상/음성 연결됨Video/audio data generated in the field, such as mobile unmanned post offices and autonomous driving droids, are stored in a distributed processing-based high-capacity IoT high-speed search module, and video/voice is connected to a customer center counselor in real time through Video Stream Consumer

도 51은 고객센터 연결 모듈 구성을 설명하기 위한 도이다.51 is a diagram for explaining the configuration of a customer center connection module.

Video Stream Consumer는 이미지 및 비디오 파일을 처리할 수 있는 OpenCV와 같은 라이브러리와 그래프 처리를 위한 GraphX 및 Spark Streaming과 같은 라이브러리로 구성됨Video Stream Consumer consists of libraries such as OpenCV that can process image and video files, and libraries such as GraphX and Spark Streaming for graph processing.

GraphX, Spark Streaming은 이산 스트림(Discretized Stream, DStream) 방식으로 스트리밍 데이터를 표현하며, 가장 마지막 타임 윈도 안에 유입된 데이터가 RDD 로 구성된 실시간 스트리밍 데이터 처리 프레임워크임GraphX and Spark Streaming express streaming data in a discrete stream (DStream) method, and it is a real-time streaming data processing framework in which the data introduced within the last time window is composed of RDD.

도 52는 Video Stream Consumer 아키텍쳐를 예시하기 위한 도이다.52 is a diagram for illustrating a Video Stream Consumer architecture.

② 통합 관제 모니터링 기술 고도화② Advancement of integrated control and monitoring technology

무인자동차/드로이드 이동 경로 모니터링 기술 개발Development of autonomous vehicle/droid movement path monitoring technology

이동형 무인 우체국 및 자율주행 드로이드 등 현장에서 발생하는 IOT 센서 데이터를 분산처리 기반 대용량 IoT 고속 검색 모듈에서 GIS(Geographic Information System), GPS(Global Positioning System)* 등의 센서 데이터를 조회하여 실시간으로 모니터링함IOT sensor data generated in the field, such as mobile unmanned post offices and autonomous driving droids, are monitored in real time by inquiring sensor data such as GIS (Geographic Information System) and GPS (Global Positioning System)* from the distributed processing-based high-capacity IoT high-speed search module.

* GPS란 3개 이상의 위성으로부터 정확한 시간과 거리를 측정하여 3개의 각각 다른 거리를 삼각 방법에 의하여 위치를 계산하는 위성항법장치 시스템이며 위도, 경도, 고도와 같은 데이터를 가지고 있음 * GPS is a satellite navigation system that measures the exact time and distance from three or more satellites and calculates the location of three different distances by triangulation. It has data such as latitude, longitude, and altitude.

무인자동차/드로이드 이동 경로는 OpenStreetMap과 같은 오픈소스 기반의 지도위에 물류 배송 이동경로와 함께 로봇의 현재 위치가 실시간으로 표시됨The autonomous vehicle/droid movement path displays the robot's current location in real time along with the logistics delivery movement path on an open source-based map such as OpenStreetMap.

도 53은 자율주행 화물차량/택배 드로이드 이동 경로 모니터링 구성을 설명하기 위한 도이다.53 is a diagram for explaining the configuration of autonomous driving freight vehicle/courier droid movement path monitoring.

모듈 상태 점검 모니터링 및 통합 관제 기술 개발Module status check monitoring and integrated control technology development

이동형 무인 우체국 및 자율주행 드로이드 등 로봇/장비의 가동/불 가동 상태 확인 및 이상 현상 실시간 모니터링 및 알림 모듈 개발Check operation/non-operation status of robots/equipment such as mobile unmanned post offices and autonomous driving droids, and develop real-time monitoring and notification modules for abnormalities

도 54는 모듈 상태 점검 모니터링 및 통합 관제 구성도이다.54 is a block diagram of module status check monitoring and integrated control.

5G 엣지 클라우드 기반 실시간 정보처리 Agent의 Health Actuator 모듈 개발5G edge cloud-based real-time information processing agent health actuator module development

Health Actuator 모듈은 다른 서버에 존재하는 Agent에 대한 모니터링, Metric 정보, Traffic 정보 등을 실시간으로 확인하여 점검하고, Agent의 버전 업데이트, 데이터 수집 대상 변경 등 여러 가지의 관제 기술을 원격으로 제어할 수 있도록 제공함The Health Actuator module checks and checks the monitoring, metric information, and traffic information of agents existing in other servers in real time, and enables remote control of various control technologies such as agent version update and data collection target change. provided

Health Actuator 모듈은 Cloud 형태의 Config 서버로 구성되며, 서로 다른 서버에 설치된 Agent의 IP, PORT 등의 정보를 관리하며 RESTful 방식으로 각 Agent와 통신함The Health Actuator module consists of a cloud-type config server, manages IP and PORT information of agents installed in different servers, and communicates with each agent in a RESTful manner.

REST는 Representational State Transfer라는 용어의 약자로서 웹의 장점을 최대한 활용할 수 있는 아키텍처로 HTTP URI를 통해 Resource를 명시하고 HTTP Method(GET, POST, PUT, DELETE)를 통해 해당 Resource에 대한 CRUD Operation을 적용하는 것을 의미함REST is an abbreviation of the term Representational State Transfer. It is an architecture that can take full advantage of the advantages of the web. It specifies a resource through HTTP URI and applies CRUD operation to the resource through HTTP method (GET, POST, PUT, DELETE). means that

RESTful은 REST를 기반으로 자원에 접근할 수 있도록 제공하는 어플리케이션 개발 인터페이스임RESTful is an application development interface that provides access to resources based on REST.

③ 표준화 데이터 연계 현황정보 시스템 개발③ Development of standardized data linkage status information system

표준화 데이터 연계 및 표준화 코드변환 검증 표출 모듈 개발Development of standardized data linkage and standardized code conversion verification expression module

표준화 데이터의 연계/검증현황 정보를 수집하는 기능을 구현Implement a function to collect standardized data linkage/verification status information

관련 시스템에 현황정보를 표출하는 기능을 구현Implement the function to display the current status information in the related system

4. 지능형 물류 분석 기술 개발4. Development of intelligent logistics analysis technology

① 지능형 물류 분석 각 요소 기술 연동 기술 개발① Development of technology interlocking technology for each element of intelligent logistics analysis

지능형 물류 분석 각 요소 결과를 토대로 분석 진행Intelligent Logistics Analysis Analysis proceeds based on the results of each element

각 기능별 연동을 통한 보완 내용 도출Derivation of supplementary contents through interlocking for each function

지능형 효율 분석, 지능형 물량 예측, 물류자원 수요예측, 지능형 이상 진단, 지능형 성과 분석 기술 간 연동 기술 개발Development of interworking technology between intelligent efficiency analysis, intelligent quantity prediction, logistics resource demand prediction, intelligent abnormal diagnosis, and intelligent performance analysis technology

도 55는 지능형 물류분석 각 요소 기술연동 기술개발을 설명하기 위한 도이다.55 is a diagram for explaining the technology development of each element of intelligent logistics analysis.

② 지능형 통합 관제 모니터링 기술과 연동 기술 개발② Development of intelligent integrated control monitoring technology and interlocking technology

지능형 물류 분석 결과를 지능형 통합 관제 플랫폼의 전달하는 기술 개발Development of technology to deliver intelligent logistics analysis results to intelligent integrated control platform

각 분석 기술 별 결과물 정리 및 연동 방안 설계Organize results for each analysis technology and design a linkage plan

실시간 분석 기술 제공을 위한 테스트 설계Test design to provide real-time analytics technology

지능형 통합 관제 모니터링 기술과 연동하는 기술 개발Development of technology linked with intelligent integrated control and monitoring technology

도 56은 지능형 통합관제 시스템 연동을 설명하기 위한 도이다.56 is a diagram for explaining interworking of an intelligent integrated control system.

③ 지능형 물류 분석 기술 고도화③ Advancement of intelligent logistics analysis technology

지능형 물류 분석 실증을 통한 기술 보완 및 고도화Technology supplementation and advancement through demonstration of intelligent logistics analysis

입력 파생변수 수정, 알고리즘 구조 수정 등 기술을 통한 고도화 Advancement through technology such as modification of input derivative variables and modification of algorithm structure

추가된 데이터를 이용해 기존 모델을 추가로 학습할 수 있는 기술 개발Developing technologies that can further train existing models using the added data

지능형 물류 분석 기술 자동화 기술 개발Development of intelligent logistics analysis technology automation technology

도 57은 지능형 물류분석 기술 고도화를 설명하기 위한 도이다.57 is a diagram for explaining advancement of intelligent logistics analysis technology.

④ 물류단위프로세스 분석 및 통합물류프로세스 가시화 기술 개발④ Logistics unit process analysis and integrated logistics process visualization technology development

폐쇄공간인 물류센터 및 외부 배달 공간 등 차별화된 물류 환경 분석을 위한 에이전트 기반 물류프로세스 모델 개발Development of agent-based logistics process model to analyze differentiated logistics environment such as closed space logistics center and external delivery space

폐쇄공간인 물류센터 내부 물류 처리(물류운송이동체 및 상하차 지원 로봇장비 등)를 위한 물류프로세스 모델링Logistics process modeling for logistics processing inside the logistics center, which is a closed space (logistics transport vehicles and robot equipment that supports loading and unloading, etc.)

외부 배달 업무 처리(이동형 접수/배달 자율주행차량, 자율물류운송차량(집중국-총괄국간), 배송용 드로이드 등)를 위한 라스트마일 배달프로세스 모델링Last-mile delivery process modeling for external delivery business processing (mobile reception/delivery autonomous vehicle, autonomous logistics transportation vehicle (central-central office), delivery droid, etc.)

세부과제별 물류단위프로세스을 유기적으로 연계한 통합물류프로세스 기반의 지능형 물류 분석 기술 개발 및 우편물류 프로세스 표준화, 정형화 추진Development of intelligent logistics analysis technology based on the integrated logistics process that organically links the logistic unit process for each detailed task, and standardization and standardization of the postal logistics process

다양한 Process Discovery 알고리즘을 이용한 각 세부과제별 수집 데이터 기반의 이벤트 로그 분석을 통한 세부 물류단위프로세스 맵 도출Deduction of detailed logistic unit process map through event log analysis based on collected data for each detailed task using various Process Discovery algorithms

프로세스 마이닝을 이용하여 각 세부 단위프로세스가 연계된 통합물류프로세스 기반의 물류 처리 및 물량 흐름 분석 기술 개발Development of logistics processing and quantity flow analysis technology based on the integrated logistics process in which each detailed unit process is linked using process mining

각 세부 단위프로세스 범위에 대한 로컬 병목 및 세부별 연계 구간의 물류 흐름에 따른 글로벌 병목 구간 식별 및 원인 분석 환경 구현Local bottleneck for each detailed unit process scope and global bottleneck section identification and cause analysis environment implementation according to the logistics flow of each detailed link section

각 세부별 온디맨드 접근을 통하여 셀프 분석 지원(R, Python 등)이 가능한 물류 단계별 다중 프리젠테이션 레이어 가시화 기술 개발Development of multiple presentation layer visualization technology for each logistic step that can support self-analysis (R, Python, etc.) through on-demand access for each detail

5G 엣지 클라우드 기반 우편물류 내부 프로세스(우편물류 접수~배달, 물류센터 파렛트 상하차, 화물운송 등) 표준화 방안 수립Establishment of standardization plan for 5G edge cloud-based postal logistics internal process (postal logistics receipt-delivery, pallet loading and unloading, cargo transportation, etc.)

지능형 종합물류 플랫폼 도입 시 집배원 업무경감 등 물류단위 프로세스 혁신 기대효과 분석 Analysis of expected effects of logistics unit process innovation such as postman work reduction when introducing an intelligent comprehensive logistics platform

5. 실증 및 서비스5. Demonstration and Service

① 시스템 연계작업 수행① Perform system linkage work

우편물류정보시스템은 현재 시스템 고도화 추진중으로 2020년 개발 완료하여 2020년말까지 안정화 작업을 진행할 예정임The postal logistics information system is currently in the process of upgrading the system, and is expected to be developed in 2020 and stabilized by the end of 2020.

시스템 연계는 신규 To-Be 시스템에 연계하는 방향으로 추진하되 1차년도 시뮬레이션 결과에서 도출한 보완점을 적용System linkage is promoted in the direction of linkage to the new To-Be system, but the complementary points derived from the simulation results of the first year are applied.

우편물류시스템 및 인터넷 우체국과의 연결에 따르는 보안사항 준수Compliance with security requirements for connection to postal distribution systems and Internet post offices

각 과제와 연결되는 영역은 외부망과 단절된 내부 전용망으로 구성The area connected to each task consists of an internal dedicated network cut off from the external network.

도 58은 우편물류정보시스템(PostNet) 시스템 구성(As-Is)을 설명하기 위한 도이다.58 is a diagram for explaining the configuration (As-Is) of the postal distribution information system (PostNet).

② DW, 콜센터와의 시스템 연계작업② System linkage with DW and call center

우편 데이터 웨어하우스(DW)로의 통계 및 모니터링 정보 연계Linking statistical and monitoring information to the Postal Data Warehouse (DW)

데이터 정보를 우편업무에서 활용중인 OLAP시스템과 연계된 데이터 웨어하우스에 전송하기 위한 요구조건을 확인하고, 시스템 연계Check the requirements for transmitting data information to the data warehouse linked to the OLAP system used in the postal service, and link the system

관련 DB는 우편물류정보시스템과 연계되어 있어 직접접속이 어려울 가능성이 높아 게이트웨이 설치와 같은 연계 방안 모색 필요Since the related DB is linked with the postal logistics information system, direct access is highly likely to be difficult.

콜센터와의 연계작업Linked work with call center

콜센터 상담원들이 사용하는 전용 페이지를 상담 시나리오에 맞춰 구성Configure the dedicated page used by call center agents according to the consultation scenario

상담업무 편의성을 확보할 수 있는 방향으로 UI/UX 디자인 측면에서 고려Considered in terms of UI/UX design in a direction that can secure the convenience of consulting work

영상 확인 상담이나 관련 내용 찾아볼 수 있는 방법을 구축하여 품질 높은 서비스를 제공할 수 있도록 고려Consider providing a high-quality service by establishing a method for video confirmation consultation or related content search

빅데이터 전문센터로의 데이터 전송을 위한 연계 구축Establishment of linkage for data transmission to big data specialized center

빅데이터 전문센터로의 데이터 전송을 위해 DCAT, NiFi, Kafka 등 관련 표준화 방안을 빅데이터 전문센터의 표준화 지침에 맞춰 정제Refining related standardization measures such as DCAT, NiFi, and Kafka for data transmission to the big data center in line with the standardization guidelines of the big data center

각 과제에서 수집되는 센서 데이터를 데이터셋화 할 수 있는 방안 마련Prepare a way to set the sensor data collected in each task into a dataset

자율주행을 위해 구축되는 고정밀 지도의 데이터상품화 방안 고려Consideration of data commercialization of high-precision maps built for autonomous driving

데이터 전송 단계에서의 암호화 및 비식별화 등 관련 조치 이행Implement relevant measures such as encryption and de-identification at the data transmission stage

③ 시스템 연계 성능테스트③ System-linked performance test

시스템 연계 작업을 통해 연결되는 개별 시스템과의 데이터 전송 및 제어정보 등 송, 수신과 관련된 성능지표에 대한 테스트 수행Conducting tests on performance indicators related to transmission and reception such as data transmission and control information with individual systems connected through system linkage work

적정 수준에 미달하는 경우 문제점을 파악하고 개선사항을 도출하여 과제수행 기간 내 원활한 실증환경이 구축될 수 있도록 진행If it does not meet the appropriate level, the problem is identified and improvements are made so that a smooth demonstration environment can be established within the project execution period.

기존 레거시 시스템과의 연결시에는 기존업무에 지장이 없도록 각별히 주의하며 시스템 부하량, 회선 사용량 등을 고려하여 진행When connecting to an existing legacy system, take special care so that there is no disruption to the existing business, and proceed in consideration of the system load and line usage.

④ 관제 시나리오 실증테스트④ Control Scenario Demonstration Test

1차년도에 개발된 실증 시나리오를 바탕으로 실증 대상 지역에서 실제 우편업무 혹은 유사한 환경에서의 실증테스트 수행Based on the demonstration scenario developed in the first year, the verification test is performed in the actual postal service or similar environment in the verification target area

단발성의 테스트가 아닌 장기간의 실증테스트를 수행하며 고도화할 부분과 개선해야 할 부분에 대한 도출을 시행Conduct long-term empirical tests, not single-shot tests, and derive areas to be advanced and areas to be improved

우편업무 종사자와 우정사업본부 담당자 등 업무관계자의 의견수렴 청취를 통해 실증테스트 시나리오의 수정작업 수행Revision of the demonstration test scenario by listening to opinions of business people such as postal service workers and postal officials in charge of postal service

<자율주행 기술 실증><Demonstration of autonomous driving technology>

(차량 자율주행 실증) 기술실증 지역을 대상으로 우편서비스와 연계한 ICT융합 자율주행 기술 및 서비스의 실증 추진(Vehicle autonomous driving demonstration) Promoting demonstration of ICT convergence autonomous driving technology and service in connection with postal service in technology demonstration areas

무인접수, 배달 기술과 자율주행 융합기술의 실증을 위해 제한구역 안쪽의 지정된 경로를 순환 주행, 정차하며 서비스 제공To demonstrate unmanned reception and delivery technology and autonomous driving convergence technology, service is provided by cyclically driving and stopping the designated route inside the restricted area

물류 화물운송 문제해결 과제 실증을 위해 자율주행 차량이 실증지역 총괄국(물류센터)과 동단위 우체국과 간 물류 운송작업 수행In order to demonstrate the logistics and freight transportation problem solving task, the autonomous vehicle performs logistics transportation work between the demonstration area control office (logistics center) and the post office in the same unit

(자율주행 드로이드 실증) 차량에 비해 주행환경이 가변적인 택배 개별배송 드로이드 및 배달지원 드로이드의 제한공간 내 기술 실증(Demonstration of autonomous driving droid) Technology demonstration within limited space of individual delivery droids and delivery support droids that have a variable driving environment compared to vehicles

택배 개별배송 드로이드의 경우 제한공간 택배물 전달 및 공동택배함 연계 서비스 제공을 위주로 하여 기술개발 및 실증In the case of individual delivery delivery droid, technology development and demonstration are mainly focused on delivering parcels in limited space and providing services linked to shared delivery boxes.

사전 정의된 집배 순로에 맞춰 이동형 중간수도 및 집배 협업 드로이드의 추종기능, 우편물 전달기능 등 배달보조업무 실증Demonstration of delivery assistance tasks such as tracking function and mail delivery function of mobile intermediate water supply and delivery and delivery collaboration droids according to the predefined pickup and delivery routes

(실증 계획) 자율운행 차량은 시범지역내 실증을 위한 임시운행허가와 고정밀 지도 제작 등 실증에 필요한 사전작업 수행(Demonstration plan) Carry out preliminary work necessary for demonstration such as temporary operation permission and high-precision map production for self-driving vehicles in the demonstration area

(관제, 운영) 자율주행 차량은 서비스 현황 모니터링과 비상상황 대처 및 원활한 서비스 제공을 위해 자체적인 관제 시스템을 마련하고 총괄과제인 통합 플랫폼과 연계작업 수행(Control, operation) Self-driving vehicles prepare their own control system to monitor service status, respond to emergency situations, and provide smooth services, and perform linked work with the integrated platform, which is the overall task

(단계적 추진) 자율주행 차량에 대한 주행실증을 먼저 추진하고, 이후 사용자와 대면하는 우편서비스를 적용하여 단계적 실증 추진(Step-by-step promotion) Promoting driving demonstration for self-driving vehicles first, and then applying a postal service that faces users in a phased way

<물류센터 기술 실증><Demonstration of logistics center technology>

(실증 지역) 기술실증 지역의 유휴공간 창출이 가능한 물류센터를 지정하여 상, 하차 작업 및 집하, 분류작업 문제해결 실증과제 기술개발 및 테스트를 한 곳에서 수행(Demonstration area) Designate a logistics center that can create an idle space in the technology demonstration area, and perform the demonstration project technology development and testing in one place

(실증 계획) 실증에 사용되는 우편 운송차량 및 수하물을 실제 우편물류 현장과 동일하게 조성하여 기술실증 효과가 극대화될 수 있도록 실증환경 구성(Demonstration plan) Construct a demonstration environment to maximize the effect of technology demonstration by making the postal transport vehicle and baggage used for the demonstration identical to the actual postal logistics site

물류지원단을 통해 노후화 차량 등을 사용할 수 있는 방안 확인Check ways to use aging vehicles, etc. through the logistics support group

(관제, 운영) 다량의 운송 로봇이 작업자와 동시에 운영할 수 있는 관제시스템을 마련하고, 플랫폼 통합 관제시스템과의 연계작업 수행(Control, operation) Prepare a control system that allows a large number of transport robots to operate simultaneously with workers, and perform linkage with the platform integrated control system

(과제별 연계) 차량에서 하차된 파레트 등을 구분기까지 운송하는 작업을 일괄 자동화 할 수 있도록 과제별 연계 방안에 대한 실증 추진(Linking by task) Promoting demonstration of linkage plans for each task so that the task of transporting pallets that have been unloaded from the vehicle to the sorter can be collectively automated

(표준화 방안 도출) 기술 실증을 통해 물류센터, 집중국 등 다양한 형태 또는 구조, 물류 처리 프로세스에 따른 업무 표준화 방안을 도출하여 도입 자원의 효율적 운영 방안 마련(Deduction of standardization plan) Prepare a plan for efficient operation of introduced resources by deriving work standardization plans according to various types or structures, such as logistics centers and centralized stations, and logistics processing processes through technology demonstration

<초소형 스마트 물류센터 실증><Demonstration of small smart logistics center>

(실증 계획) 물류 차량의 접근부터 배송물품의 상차까지 단계별 시나리오를 구성하여 마이크로 풀필먼트 물류센터 개발, 운용 실증(Demonstration plan) Developing and operating a micro-fulfillment logistics center by composing a step-by-step scenario from the approach of the logistics vehicle to the loading of the delivered goods

(실증 지역) 기술 개발 후 업무 적용을 고려하여 유휴공간 활용이 가능한 우체국사 또는 물류센터 실증지역의 일부 공간을 실증에 활용(Demonstration area) In consideration of business application after technology development, some space in the post office or distribution center demonstration area that can utilize idle space is used for demonstration

<통합, 관제 실증><Integration, control demonstration>

(실증 구성) 7개 과제에서 수집되는 데이터를 기반으로 하는 현황 모니터링 및 관제기능의 구현과 데이터의 분석, 활용 플랫폼 개발 및 실증(Experimental composition) Implementation of status monitoring and control functions based on data collected from 7 tasks, and development and demonstration of data analysis and utilization platforms

안전위해 요인의 모니터링을 통해 위험 감지가 가능한 ICT안전기술 실증Demonstration of ICT safety technology that can detect risks through monitoring of safety risk factors

(실증 환경) 통합 관제시스템은 G클라우드 기반의 클라우드 인프라로 구성하여 유연한 연계, 확장, 운영 환경을 보장(Demonstration environment) The integrated control system is composed of G-Cloud-based cloud infrastructure to ensure flexible connection, expansion, and operation environment.

수집된 데이터는 우편물류 빅데이터 전문센터와 연계하여 통합적 데이터 분석에 사용될 수 있도록 활용The collected data is used for integrated data analysis in connection with the postal logistics big data center

(단계적 실증) 통합 관제, 모니터링 기능과 우편물류시스템과의 연계를 통해 업무 환경에 원활하게 도입할 수 있도록 추진(Step-by-step verification) Promote smooth introduction into the work environment by linking the integrated control and monitoring functions with the postal distribution system

실제 업무시스템과의 연계 전 시뮬레이션 형태의 실증을 거쳐 우편 서비스의 제공에 영향을 주지 않도록 단계적 실증 진행Step-by-step verification is carried out so as not to affect the provision of postal services through simulation-type verification before connection with the actual business system.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and available to those skilled in the art of computer software. Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floppy disks. - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.Software may comprise a computer program, code, instructions, or a combination of one or more thereof, which configures a processing device to operate as desired or is independently or collectively processed You can command the device. The software and/or data may be any kind of machine, component, physical device, virtual equipment, computer storage medium or apparatus, to be interpreted by or to provide instructions or data to the processing device. , or may be permanently or temporarily embody in a transmitted signal wave. The software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described with reference to the limited drawings, those skilled in the art may apply various technical modifications and variations based on the above. For example, the described techniques are performed in an order different from the described method, and/or the described components of the system, structure, apparatus, circuit, etc. are combined or combined in a different form than the described method, or other components Or substituted or substituted by equivalents may achieve an appropriate result.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents to the claims are also within the scope of the following claims.

Claims (7)

우편물류에서 접수, 구분, 운송, 배달, 및 복합 중 어느 하나의 단계별 핵심 실증분야 과제를 관리하는 단계; 및
상기 단계별 핵심 실증분야 과제를 이용하여, 통합 운영이 가능한 플랫폼을 설계하는 단계
를 포함하는, 지능형 종합물류 플랫폼 설계 방법.
managing the core verification field tasks for each stage of reception, classification, transportation, delivery, and complex in postal logistics; and
Designing a platform capable of integrated operation using the above step-by-step core demonstration field tasks
Including, intelligent comprehensive logistics platform design method.
제1항에 있어서,
(1)표준화 데이터 연계 관리체계, (2)5G 엣지 클라우드 기반 정보처리 Agent 기술개발, (3)지능형 통합 관제 기술개발, (4)지능형 물류 분석 기술개발, 및 (5)실증 및 서비스 연계 중 어느 하나를, 상기 단계별 핵심 실증분야 과제로 설정하는 단계
를 더 포함하는, 지능형 종합물류 플랫폼 설계 방법.
According to claim 1,
Any of (1) standardized data linkage management system, (2) 5G edge cloud-based information processing agent technology development, (3) intelligent integrated control technology development, (4) intelligent logistics analysis technology development, and (5) demonstration and service linkage Step of setting one as a key demonstration field task for each step
A method of designing an intelligent comprehensive logistics platform further comprising a.
제2항에 있어서,
상기 (1)표준화 데이터 연계 관리체계는,
표준화 데이터 연계처리 관리 요구사항 분석, 표준화 데이터 연계 및 코드변환 검증 모듈 설계, 데이터 연계 및 표준화 코드변환 검증 모듈 개발, 및 시스템 연계 시험 및 국내외 표준화를, 상기 단계별 핵심 실증분야 과제로서 설정하는
지능형 종합물류 플랫폼 설계 방법.
3. The method of claim 2,
The (1) standardized data linkage management system is,
Setting up standardization data linkage processing management requirements analysis, standardization data linkage and code conversion verification module design, data linkage and standardization code conversion verification module development, and system linkage testing and domestic and international standardization as key verification field tasks for each stage
An intelligent comprehensive logistics platform design method.
제2항에 있어서,
상기 (2)5G 엣지 클라우드 기반 정보처리 Agent 기술개발은,
실시간/배치 대용량 데이터 수집 기술개발, 5G 실시간 데이터 진단 기술 개발, 대용량 데이터 분산처리 및 모니터링 기술개발, 5G 엣지 클라우드 기반 정보처리 Agent 기술 고도화, 및 이상치/결측치 자동 보정 기술개발을, 상기 단계별 핵심 실증분야 과제로서 설정하는
지능형 종합물류 플랫폼 설계 방법.
3. The method of claim 2,
(2) 5G edge cloud-based information processing agent technology development,
Real-time/batch large-capacity data collection technology development, 5G real-time data diagnosis technology development, large-capacity data distributed processing and monitoring technology development, 5G edge cloud-based information processing agent technology advancement, and outlier/missing value automatic correction technology development set as a task
An intelligent comprehensive logistics platform design method.
제2항에 있어서,
상기 (3)지능형 통합 관제 기술개발은,
실시간 데이터 시각화 기반 기술개발, 통합 관제 모니터링 기술개발, 표준화 데이터 연계 현황 정보 시스템 설계, 민원 고객센터 화상 연계 기술 개발, 통합 관제 모니터링 기술 고도화, 및 표준화 데이터 연계 현황 정보 시스템 개발을, 상기 단계별 핵심 실증분야 과제로서 설정하는
지능형 종합물류 플랫폼 설계 방법.
3. The method of claim 2,
The above (3) intelligent integrated control technology development,
Real-time data visualization-based technology development, integrated control monitoring technology development, standardized data connection status information system design, civil complaint customer center image connection technology development, integrated control monitoring technology advancement, and standardized data connection status information system development, key demonstration areas for each stage set as a task
An intelligent comprehensive logistics platform design method.
제2항에 있어서,
상기 (4)지능형 물류 분석 기술개발은,
지능형 효율 분석 기술개발, 지능형 물량 예측 기술개발, 지능형 이상 진단 기술개발, 지능형 성과분석 기술개발, 통계적 분석 기술 개발(물동량 패턴 EDA 및 부하 분석), 물류자원 수요예측 모델 개발, 세부 유형별 우편물류 단위 프로세스 분석 및 가시화 모듈 설계, 각 분석 요소 기술 연동 (물류자원 수요예측 모델 포함) 기술개발, 지능형 통합 관제 기술과 연동 기술개발, 지능형 물류 분석 기술 고도화, 및 우편물류 단위 프로세스 분석 및 통합 우편물류 프로세스 가시화 기술개발을, 상기 단계별 핵심 실증분야 과제로서 설정하는
지능형 종합물류 플랫폼 설계 방법.
3. The method of claim 2,
The above (4) development of intelligent logistics analysis technology,
Development of intelligent efficiency analysis technology, development of intelligent quantity prediction technology, development of intelligent anomaly diagnosis technology, development of intelligent performance analysis technology, development of statistical analysis technology (transportation pattern EDA and load analysis), development of logistics resource demand forecasting model, postal logistics unit process by detailed type Analysis and visualization module design, technology linkage for each analysis element (including logistics resource demand forecasting model) technology development, intelligent integrated control technology and linkage technology development, intelligent logistics analysis technology advancement, postal logistics unit process analysis and integrated postal logistics process visualization technology Setting development as a key demonstration field task for each stage
An intelligent comprehensive logistics platform design method.
제2항에 있어서,
상기 (5)실증 및 서비스 연계는,
레거시 시스템 연계 요구사항 도출, 시스템 연계 에이전트 개발, 구현단계 시스템과 연계 시뮬레이션 수행, ICT융합 물류 기술개발 세부과제 연계 실증 시나리오 개발, 시스템 연계작업 수행, DW, 콜센터와의 시스템 연계작업, 시스템 연계 성능테스트, 및 관제 시나리오 실증테스트를, 상기 단계별 핵심 실증분야 과제로서 설정하는
지능형 종합물류 플랫폼 설계 방법.
3. The method of claim 2,
The above (5) verification and service linkage,
Derivation of requirements for linkage with legacy systems, development of system linkage agents, conducting simulations linked to the implementation stage system, development of demonstration scenarios linked to detailed tasks for ICT convergence logistics technology development, system linkage work, system linkage work with DW, call center, system linkage performance test , and setting the control scenario demonstration test as a key demonstration field task for each stage
An intelligent comprehensive logistics platform design method.
KR1020200159758A 2020-11-25 2020-11-25 Method for designing intelligent integrated logistics platform KR20220072311A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200159758A KR20220072311A (en) 2020-11-25 2020-11-25 Method for designing intelligent integrated logistics platform

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200159758A KR20220072311A (en) 2020-11-25 2020-11-25 Method for designing intelligent integrated logistics platform

Publications (1)

Publication Number Publication Date
KR20220072311A true KR20220072311A (en) 2022-06-02

Family

ID=81985606

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200159758A KR20220072311A (en) 2020-11-25 2020-11-25 Method for designing intelligent integrated logistics platform

Country Status (1)

Country Link
KR (1) KR20220072311A (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230100612A1 (en) * 2021-09-24 2023-03-30 ST.corporation Cloud-based artificial intelligence learning logistics management system and method
US20230145340A1 (en) * 2021-11-08 2023-05-11 Adobe Inc. Distributing and synchronizing encrypted data for multi-regional accessibility
CN116562740A (en) * 2023-07-10 2023-08-08 长沙宜选供应链有限公司 Foreign trade logistics platform based on improved deep learning algorithm model

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230100612A1 (en) * 2021-09-24 2023-03-30 ST.corporation Cloud-based artificial intelligence learning logistics management system and method
US20230145340A1 (en) * 2021-11-08 2023-05-11 Adobe Inc. Distributing and synchronizing encrypted data for multi-regional accessibility
CN116562740A (en) * 2023-07-10 2023-08-08 长沙宜选供应链有限公司 Foreign trade logistics platform based on improved deep learning algorithm model
CN116562740B (en) * 2023-07-10 2023-09-22 长沙宜选供应链有限公司 Foreign trade logistics platform based on improved deep learning algorithm model

Similar Documents

Publication Publication Date Title
US20220076165A1 (en) Systems and methods for automating data science machine learning analytical workflows
Jan et al. Artificial intelligence for industry 4.0: Systematic review of applications, challenges, and opportunities
Wang et al. Big data driven cycle time parallel prediction for production planning in wafer manufacturing
US20230252592A1 (en) Artificial Intelligence Control of Mining Operations
KR20220072311A (en) Method for designing intelligent integrated logistics platform
WO2023048747A1 (en) Systems, apparatus, articles of manufacture, and methods for cross training and collaborative artificial intelligence for proactive data management and analytics
NL2032844B1 (en) Systems, apparatus, articles of manufacture, and methods for cross training and collaborative artificial intelligence for proactive data management and analytics
Education Data science
Zafar et al. Interplay between big spectrum data and mobile internet of things: current solutions and future challenges
Embarak Smart Cities New Paradigm Applications and Challenges
Evans et al. Sustainable urban governance networks, data-driven internet of things systems, and wireless sensor-based applications in smart city logistics
El Mokhtari et al. Development of a cognitive digital twin for building management and operations
Yang et al. A digital twin framework for large comprehensive ports and a case study of Qingdao Port
Gerrits Soul of a new machine: Self-learning algorithms in public administration
Wang et al. The Merging of Knowledge Management and New Information Technologies
Mouzakitis et al. Enabling Maritime Digitalization by Extreme-Scale Analytics, AI and Digital Twins: The Vesselai Architecture
Talebkhah et al. Comprehensive Review on Development of Smart Cities Using Industry 4.0 Technologies
Bayar A DATA-INTEGRATED EDGE COMPUTING TECHNOLOGY ROADMAP FOR INDUSTRIAL INTERNET OF THINGS
Lakshman Narayana et al. An intelligent IoT framework for handling multidimensional data generated by IoT gadgets
Deksne et al. Technology Selection for Development of Intellectual Road Maintenance Platform
Samanta et al. Introduction to Intelligent IoT
Dias An architecture to predict anomalies in industrial processes
Parisi Automation and Information Approaches to Support Maintenance and Production Management in the Construction Industry
CN116629802A (en) Big data platform system for railway port station
Nof et al. E-service industry