KR20220084895A - 온디바이스 기반 데이터 분석 시스템 및 방법 - Google Patents
온디바이스 기반 데이터 분석 시스템 및 방법 Download PDFInfo
- Publication number
- KR20220084895A KR20220084895A KR1020200174840A KR20200174840A KR20220084895A KR 20220084895 A KR20220084895 A KR 20220084895A KR 1020200174840 A KR1020200174840 A KR 1020200174840A KR 20200174840 A KR20200174840 A KR 20200174840A KR 20220084895 A KR20220084895 A KR 20220084895A
- Authority
- KR
- South Korea
- Prior art keywords
- measurement data
- processing
- resource usage
- usage rate
- size
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000005259 measurement Methods 0.000 claims abstract description 133
- 238000012545 processing Methods 0.000 claims abstract description 72
- 238000007781 pre-processing Methods 0.000 claims abstract description 50
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000007405 data analysis Methods 0.000 claims abstract description 21
- 238000013473 artificial intelligence Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 9
- 238000012800 visualization Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 4
- 230000007786 learning performance Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 20
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/16—Threshold monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Environmental & Geological Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computational Mathematics (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
본 기술은 온디바이스 기반 데이터 분석 시스템 및 방법이 개시된다. 본 발명의 구체적인 예에 따르면, 유저 요청에 의거 센서, 공정, 또는 각종 장비로부터 수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위의 상한치 이상인 경우 수집된 측정데이터를 클라우드 서버로 전달하여 클라우드 기반으로 측정데이터에 대한 노이즈 제거, 전처리 및 분석을 수행하고, 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위 내에 존재하거나 하한치 미만인 경우 온디바이스 기반으로 측정데이터에 대한 노이즈 제거, 전처리 및 분석을 수행함에 따라, 온디바이스 및 클라우스 서버 간의 분산 처리가 가능하고 이에 클라우드 서버의 부하를 감소할 수 있다.
Description
본 발명은 온디바이스 기반 데이터 분석 시스템 및 방법에 관한 것으로서, 보다 상세하게는 유저 요청에 의거 수집된 측정데이터의 크기가 온디바이스 자원 사용율을 초과하는 경우 수집된 측정데이터를 클라우드 서버로 전달함에 따라 클라우드 서버의 부하를 감소할 수 있도록 한 기술에 관한 것이다.
클라우드(cloud) 컴퓨팅(computing)은 한곳에 모인 비교적 큰 컴퓨팅 자원을 효율적으로 활용함으로써 비용을 절감할 수 있는 컴퓨팅 모델을 의미한다. 클라우드 서비스 제공자(Cloud Service Provider; CSP)는 컴퓨팅 자원을 클라우드 사용자(Cloud Customer)들의 요구에 맞게 제공함으로써 자신의 컴퓨팅 자원을 효율적으로 사용한다.
클라우드 사용자는 클라우드 컴퓨팅을 통해 자신의 컴퓨팅 환경을 구축할 필요 없이 원하는 만큼의 컴퓨팅 자원을 사용할 수 있고, 사용량에 따라 클라우드 제공자에게 비용을 지불할 수 있다.
클라우드 컴퓨팅은 매우 유망한 컴퓨팅 모델로서, 전세계 클라우드 시장 규모가 2009년에 약 800억 달러에 이르렀으며, 2010년에는 1095억 달러로 성장할 만큼, 앞으로 대부분의 컴퓨팅 모델은 클라우드 컴퓨팅 모델로 변경될 것으로 예측되고 있다.
그러나, 클라우드 컴퓨팅 방식에서의 전처리 및 분석은 클라우드 서버에 의거 처리되는데, 갈수록 늘어나는 데이터의 처리를 위해 데이터를 저장하기 위한 저장소가 증가되며, 또한 늘어나는 데이터를 처리하여야 하는 분석 성능도 더 높아져야 한다. 이에 데이터 량의 증가에 따라 하드웨어의 구축비용이 증가하는 한계에 도달하였다.
이에 본 출원인은 유저 요청에 의거 센서, 공정, 또는 각종 장비로부터 수집된 측정데이터의 크기가 온디바이스 자원 사용율을 초과하는 경우 수집된 측정데이터를 클라우드 서버로 전달함에 따라 클라우드 서버의 부하를 감소할 수 있는 방안을 제안하고자 한다.
본 발명은 유저 요청에 의거 센서, 공정, 또는 각종 장비로부터 수집된 측정데이터의 크기가 온디바이스 자원 사용율을 초과하는 경우 수집된 측정데이터를 클라우드 서버로 전달함에 따라 클라우드 서버의 부하를 감소할 수 있는 온디바이스 기반 데이터 분석 시스템 및 방법을 제공하고자 한다.
이에 본 발명은 클라우드 서버와 온디바이스 처리장치의 분산 처리에 의거 분석 결과를 실시간으로 제공함에 따라 이에 분석 결과를 실시간으로 확인할 수 있는 온디바이스 기반 데이터 분석 시스템 및 방법을 제공하고자 한다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
본 발명의 한 실시예에 따른 온디바이스 기반 데이터 분석 시스템은
외부로부터 제공받은 다수의 측정데이터를 수집하고 수집된 측정데이터에 대한 전처리 및 분석을 수행하여 분석 결과를 시각화 대쉬보드로 전달하는 온디바이스 처리장치를 포함하되,
상기 온디바이스 처리장치는,
수집된 측정데이터의 크기와 온디바이스 자원 사용율의 비교 결과를 토대로 온디바이스 자원 사용율을 초과하는 수집된 측정데이터를 클라우드 서버로 전달하도록 구비되는 것을 일 특징으로 한다.
바람직하게 상기 온디바이스 처리장치는
외부로부터 제공받은 다수의 측정데이터를 수집하는 측정데이터 수집부;
수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위 내에 존재하는 지를 비교하는 제1 비교부;
상기 비교 결과 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위 내에 존재하는 경우 측정데이터를 단위 시간별 단위 크기로 측정데이터를 분할한 다음 분할된 측정데이터에 대해 전처리 및 분석하는 제1 처리부를 포함할 수 있다.
바람직하게 상기 온디바이스 처리장치는
상기 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위 내에 존재하지 아니한 경우 측정데이터의 크기를 온디바이스 자원 사용율의 상기 소정 범위의 하한치와 비교하는 제2 비교부; 및
상기 측정데이터의 크기가 온디바이스 자원 사용율의 상기 소정 범위의 하한치 미만인 경우 수집된 측정데이터의 노이즈 제거 및 전처리를 수행하는 제2 처리부를 더 포함하도록 구비될 수 있다.
바람직하게 상기 온디바이스 처리장치는
상기 제2 처리부의 상기 노이즈 제거 및 전처리 수행이 정상인 지를 판단하는 제1 판단부; 및
제1 판단부 결과 노이즈 제거 및 전처리 수행이 정상이 아닌 경우 기 구축된 인공지능 모델 기반으로 학습하여 분할된 측정데이터에 대한 노이즈 제거 및 전처리를 수행하는 제3 처리부를 더 포함하도록 구비될 수 있다.
바람직하게 상기 온디바이스 처리장치는
상기 인공지능 모델 기반으로의 학습 수행이 정상인 지를 판단하는 제2 판단부를 더 포함하고,
제2 판단부의 판단 결과 인공지능 기반의 학습이 정상이 아닌 경우 또는 상기 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위의 상한치 이상인 경우 수집된 측정데이터를 클라우드 서버로 전달하는 통신부를 더 포함할 수 있다.
본 발명의 다른 실시 양태에 의거한 온디바이스 기반 데이터 분석 방법은
외부로부터 제공된 다수의 측정데이터를 수집하는 측정데이터 수집단계; 및
상기 수집된 측정데이터의 크기와 기 정해진 온디바이스 자원 사용율을 비교하고 비교 결과를 토대로 수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위 내에 존재하는 지를 판단하는 제1 비교단계; 및
상기 수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위 내에 존재하는 경우 수집된 측정데이터의 전처리 및 분석을 수행하는 제1 처리단계를 포함하는 것을 일 특징으로 한다.
바람직하게 상기 제1 비교단계에서,
수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위 내에 존재하지 아니한 경우 수집된 측정데이터의 크기를 온디바이스 자원 사용율의 소정 범위의 하한치와 비교하는 제2 비교단계; 및
상기 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위의 하한치 미만인 경우 수집된 측정데이터의 노이즈 제거 및 전처리를 수행하는 제2 처리단계를 더 포함할 수 있다.
바람직하게 상기 제2 처리단계에서
측정데이터의 노이즈 제거 및 전처리가 정상인 지를 판단하는 제1 판단단계; 및
상기 측정데이터의 노이즈 제거 및 전처리가 정상이 아닌 경우 측정데이터에 대해 인공지능 모델 기반의 학습을 수행하여 측정데이터의 노이즈 제거 및 전처리를 수행하는 제3 처리단계를 더 포함할 수 있다.
바람직하게 상기 제1 판단단계에서,
수집된 측정데이터에 대한 인공지능 모델 학습이 정상적으로 수행되는 지를 판단하는 제2 판단단계; 및
수집된 측정데이터에 대한 인공지능 모델 학습이 정상적으로 수행되지 아니한 경우 수집된 측정데이터를 클라우드 서버로 전달하는 통신 단계를 더 포함할 수 있다.
이러한 특징에 따르면 유저 요청에 의거 센서, 공정, 또는 각종 장비로부터 수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위의 상한치 이상인 경우 수집된 측정데이터를 클라우드 서버로 전달하여 클라우드 기반으로 측정데이터에 대한 노이즈 제거, 전처리 및 분석을 수행하고, 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위 내에 존재하거나 하한치 미만인 경우 온디바이스 기반으로 측정데이터에 대한 노이즈 제거, 전처리 및 분석을 수행함에 따라, 온디바이스 및 클라우스 서버 간의 분산 처리가 가능하고 이에 클라우드 서버의 부하를 감소할 수 있다.
또한 일 실시예에 의거, 분석 결과를 시각화 대쉬보드를 통해 실시간으로 확인할 수 있는 효과를 가진다.
본 명세서에서 첨부되는 다음의 도면들은 본 발명의 바람직한 실시 예를 예시하는 것이며, 후술하는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니된다.
도 1은 일 실시예의 온디바이스 기반 데이터 분석 시스템의 구성도이다.
도 2는 일 실시예의 온디바이스 처리장치의 세부 구성도이다.
도 3은 다른 실시예의 온디바이스 기반 데이터 분석과정을 보인 전체 흐름도이다.
도 1은 일 실시예의 온디바이스 기반 데이터 분석 시스템의 구성도이다.
도 2는 일 실시예의 온디바이스 처리장치의 세부 구성도이다.
도 3은 다른 실시예의 온디바이스 기반 데이터 분석과정을 보인 전체 흐름도이다.
이하에서는 도면을 참조하여 본 발명의 실시예들을 보다 상세하게 설명한다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에서 사용되는 "부"라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부"는 어떤 역할들을 수행한다. 그렇지만 "부"는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부"는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.
따라서, 일 예로서 "부"는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부"들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부"들로 결합되거나 추가적인 구성요소들과 "부"들로 더 분리될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략한다.
도 1은 일 실시예의 온디바이스 기반 데이터 분석 시스템의 구성도이고, 도 2는 도 1의 온디바이스 처리장치의 세부 구성도이다.
도 1 및 도 2를 참조하면, 일 실시예에 따른 온디바이스 기반 데이터 분석 시스템은, 유저 요청에 의거 센서, 공정, 또는 각종 장비로부터 수집된 측정데이터의 크기가 기 정해진 온디바이스 자원 사용율의 소정 범위의 상한치 이상인 경우 수집된 측정데이터를 클라우드 서버로 전달하는 구성을 갖추며, 이에 일 실시예의 시스템은 온디바이스 처리장치(100) 및 클라우드 서버(200)를 포함할 수 있다.
여기서 센서 및 각종 장비로부터 수집된 측정데이터는 기계로봇, 전자전기, 자동차/항공/조선해양, 철강/화학/섬유, 뿌리산업 분야 등의 산업 데이터이고, 공정으로 수집된 측정데이터는 제조 산업 데이터를 이용하여 결과 도출 및 개산사항 적용이 가능한 스마트 공장 데모 공장 및 대표공장 데이터를 활용한 데이터로부터 확보할 수 있다.
한편, 온디바이스 처리장치(100)와 클라우드 서버(200)는 도 1에 도시된 바와 같이 분리시켜 구성하고, 분리된 이들 구성간 무선통신 또는 유선통신을 통해 연결되는 구조로 형성될 수 있고, 다른 례로, 온디바이스 처리장치(100)와 클라우드 서버(200)는 전선 또는 커넥터 등을 통해 직접 연결되는 장치일 수 있으며 이를 한정하지 아니한다.
온디바이스 처리장치(100)는 센서, 공정, 및 장비, IoT 기반으로부터 수집된 측정데이터, 예를 들어, 정보, 사진, 및 비디오 등의 비정형 데이터를 가공 처리 분석하고 분석 결과를 시각화 대쉬보드에 의거 확인할 수 있고, 다른 례로 분석 결과를 웹 기반으로 전달받은 유저 단말에 의거 확인할 수 있다.
즉, 온디바이스 처리장치(100)는 스마트 공장 반도체 공정화 같은 실제 산업 현장에서 밀리초(ms), 나노초(ns) 단위로 발생하는 다종의 대용량 시계열 데이터를 실제 산업 현장에서 고속 처리한다. 이에 통신망을 통한 측정데이터의 수신시간 및 트래픽이 절감되고, 효율성 및 비용 절감된다. 이에 일 실시예는 측정데이터와 온디바이스 자원 사용율을 토대로 온디바이스 처리장치(100)에서 처리할 수 있는 크기의 측정데이터는 온디바이스 처리장치(100)에서 처리하고, 처리할 수 없는 크기의 측정데이터는 클라우드 서버로 전달한다. 여기서, 온디바이스 자원 사용율은 온디바이스의 CPU 및 RAM 등으로 설정되며, 온디바이스 자원 사용율로 설정되는 온디바이스의 CPU 및 RAM 용량은 당업자에 의거 이미 적용하고 있는 값들을 적용할 수 있으며, 본 명세서 상에서는 온디바이스 자원 사용율에 적용하는 온디바이스의 CPU 및 RAM 용량을 구체적으로 명시하지 않지만, 당업자의 수준에서 이해되어야 할 것이다.
이에 온디바이스 처리장치(100)는 수집된 측정데이터의 크기와 기 정해진 온디바이스 자원 사용율을 비교하고 비교 결과에 따라 온디바이스 기반으로 수집된 측정데이터를 처리하는 기능을 수행하며, 여기서, 온디바이스 처리장치(100)는, 제1 비교부(101), 제1 처리부(102), 제2 비교부(111), 제2 처리부(112), 제1 판단부(121), 제3 처리부(122), 제2 판단부(131), 및 통신부(132)로 구비된다.
제1 비교부(101)는 측정데이터와 온디바이스 자원 사용율과 비교한다. 일 례로 수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위(30% ~ 70%) 이면 수집된 측정데이터는 제1 처리부(102)로 전달된다.
제1 처리부(102)는 수집된 측정데이터를 단위 시간별 단위 크기로 분할한 다음 분할된 단위 시간별 단위 크기의 측정데이터를 노이즈 제거, 전처리, 및 분석을 수행한다.
한편, 제2 비교부(111)는 제1 비교부(101)의 비교 결과 수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위(30% ~ 70%)의 하한치(30%) 미만인 지를 판단하고 수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위(30% ~ 70%)의 하한치(30%) 미만이면, 수집된 측정데이터는 제2 처리부(112)로 전달된다.
제2 처리부(112)는 측정데이터의 노이즈 제거 및 전처리를 수행한다. 즉, 즉 제1 처리부(112)는 통계학적 분석 및 정규분포, Z 스코어 등과 같은 알고리즘으로 측정데이터의 노이즈를 제거한 다음 전처리 과정을 수행한다.
제1 판단부(121)는 제2 처리부(112)에서 측정데이터의 노이즈 제거 및 전처리가 정상적으로 수행되었는 지를 판단하고 판단 결과는 제3 처리부(122)로 전달된다. 제3 처리부(122)는 제1 판단부(121)의 판단 결과 측정데이터의 노이즈 제거 및 전처리가 비정상적으로 수행인 경우 인공지능 기반의 학습을 수행하여 측정데이터에 대한 노이즈 제거 및 전처리를 수행한다.
한편, 제1 판단부(121)의 판단 결과 측정데이터의 노이즈 제거 및 전처리가 정상적으로 수행인 경우 제2 처리부(112)는 측정데이터에 대한 노이즈 제거 및 전처리를 계속 수행한다.
제2 판단부(131)는, 제3 처리부(112)에서 인공지능 기반의 측정데이터의 노이즈 제거 및 전처리가 정상적으로 수행되었는 지를 판단하고 판단 결과 측정데이터의 노이즈 제거 및 전처리가 정상적으로 수행인 경우 제3 처리부(122)의 인공지능 기반의 학습을 수행하여 측정데이터에 대한 노이즈 제거 및 전처리를 수행한다. 여기서, 측정데이터의 노이즈 제거 및 전처리가 정상적으로 수행되었는 지를 판단은 각 처리항목에 대한 허용 범위로 결정되고, 이러한 허용 범위는 이미 적용하고 있는 값들을 적용할 수 있으며, 본 명세서 상에서는 각 처리 항목 별 허용 범위들을 구체적으로 명시하지 않지만, 당업자의 수준에서 이해되어야 할 것이다.
한편, 제2 판단부(121)의 판단 결과 인공지능 기반의 측정데이터의 노이즈 제거 및 전처리가 비정상적으로 수행인 경우 통신부(133)는 측정데이터를 통신망을 통해 클라우드 서버(200)로 전달한다.
이에 클라우드 서버(200)는 데이터 저장 및 저장, 데이터 처리 및 전처리 또는 인공지능 기반의 학습 및 분석을 수행하는 알고리즘 및 데이터베이스를 포함하여 온디바이스 처리장치(100)로부터 전달받은 측정데이터를 전달받아 처리한다. 즉, 클라우드 서버(200)는 수신된 측정데이터에 대해 기 구축된 학습 모델을 통해 노이즈 제거 및 전처리하거나, 인공지능 모델을 통해 처리 및 분석하고 분석 결과로 학습 모델 또는 인공지능 모델의 학습 데이터를 생성하고 생성된 학습 데이터를 온디바이스 처리장치(100)로 배포한다.
이에 일 실시예는 대용량의 측정데이터에 대해 온디바이스와 클라우드 서버 간의 인터랙션을 통해 분산 처리가 가능하고 체계적인 분석 및 학습이 가능하며 이에 분석 결과를 시각화 대쉬보드를 통해 실시간으로 확인할 수 있다.
도 3은 도 2에 도시된 온디바이스 처리장치(100)의 동작 과정을 보인 전체 흐름도로서, 도 3을 참조하여 다른 실시예의 온디바이스 기반 데이터 분석 방법을 설명한다.
우선 단계(S11)에서, 일 실시예의 제1 비교부(101)는 측정데이터와 온디바이스 자원 사용율과 비교하고, 비교 결과 수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위(30% ~ 70%) 이면 수집된 측정데이터는 제1 처리부(102)로 전달된다.
그리고 단계(S12)에서, 일 실시예의 제1 처리부(102)는 수집된 측정데이터를 단위 시간별 단위 크기로 분할한 다음 분할된 단위 시간별 단위 크기의 측정데이터를 노이즈 제거, 전처리, 및 분석을 수행한다.
한편, 단계(S13)에서, 일 실시예의 제2 비교부(111)는 제1 비교부(101)의 비교 결과 수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위(30% ~ 70%)의 하한치(30%) 미만인 지를 판단한다.
단계(S14)(S15)에서, 일 실시예의 제2 처리부(112)는 수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위(30% ~ 70%)의 하한치(30%) 미만인 경우 수집된 측정데이터에 대한 노이즈 제거 및 전처리를 수행한다.
노이즈 제거 및 전처리 수행 중 단계(S16)(S17)에서, 일 실시예의 제1 판단부(121)는 측정데이터에 대한 노이즈 제거 및 전처리가 정상적으로 수행되는 지를 판단하고 판단 결과 측정데이터에 대한 노이즈 제거 및 전처리가 정상적으로 수행되지 아니한 경우 일 실시예의 제3 처리부(122)는 기 구축된 인공지능 모델 기반의 학습을 통해 노이즈 제거 및 전처리를 수행한다.
그리고 단계(S18)(S19)에서, 일 실시예의 제2 판단부(131)는 인공지능 모델 기반의 학습을 통해 노이즈 제거 및 전처리가 정상적으로 수행되는 지를 판단하고 판단 결과 인공지능 모델 기반의 학습을 통해 노이즈 제거 및 전처리가 정상적으로 수행되지 아니한 경우 측정데이터를 클라우드 서버(200)로 전송한다.
이 후 온디바이스 처리장치(100) 및 클라우드 서버(200) 중 적어도 하나의 처리 결과는 시각화 대쉬보드에 의거 확인된다.
이에 일 실시예는 유저 요청에 의거 센서, 공정, 또는 각종 장비로부터 수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위의 상한치 이상인 경우 수집된 측정데이터를 클라우드 서버로 전달하여 클라우드 기반으로 측정데이터에 대한 노이즈 제거, 전처리 및 분석을 수행하고, 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위 내에 존재하거나 하한치 미만인 경우 온디바이스 기반으로 측정데이터에 대한 노이즈 제거, 전처리 및 분석을 수행함에 따라, 온디바이스 및 클라우스 서버 간의 분산 처리가 가능하고 이에 클라우드 서버의 부하를 감소할 수 있다.
따르면 유저 요청에 의거 센서, 공정, 또는 각종 장비로부터 수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위의 상한치 이상인 경우 수집된 측정데이터를 클라우드 서버로 전달하여 클라우드 기반으로 측정데이터에 대한 노이즈 제거, 전처리 및 분석을 수행하고, 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위 내에 존재하거나 하한치 미만인 경우 온디바이스 기반으로 측정데이터에 대한 노이즈 제거, 전처리 및 분석을 수행함에 따라, 온디바이스 및 클라우스 서버 간의 분산 처리가 가능하고 이에 클라우드 서버의 부하를 감소할 수 있는 온디바이스 기반 데이터 분석 시스템 및 방법에 대한 운용의 정확성 및 신뢰도 측면, 더 나아가 성능 효율 면에 매우 큰 진보를 가져올 수 있으며, 온디바이스 칩, 클라우드 서버 등의 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있는 발명이다.
Claims (10)
- 외부로부터 제공받은 다수의 측정데이터를 수집하고 수집된 측정데이터에 대한 전처리 및 분석을 수행하여 분석 결과를 시각화 대쉬보드로 전달하는 온디바이스 처리장치를 포함하되,
상기 온디바이스 처리장치는,
수집된 측정데이터의 크기와 온디바이스 자원 사용율의 비교 결과를 토대로 온디바이스 자원 사용율을 초과하는 수집된 측정데이터를 클라우드 서버로 전달하도록 구비되는 것을 특징으로 하는 온디바이스 기반 데이터 분석 시스템. - 제1항에 있어서, 상기 온디바이스 처리장치는
외부로부터 제공받은 다수의 측정데이터를 수집하는 측정데이터 수집부;
수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위 내에 존재하는 지를 비교하는 제1 비교부; 및
상기 비교 결과 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위 내에 존재하는 경우 측정데이터를 단위 시간별 단위 크기로 측정데이터를 분할한 다음 분할된 측정데이터에 대해 전처리 및 분석하는 제1 처리부를 포함하는 것을 특징으로 하는 온디바이스 기반 데이터 분석 시스템. - 제2항에 있어서, 상기 온디바이스 처리장치는
상기 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위 내에 존재하지 아니한 경우 측정데이터의 크기를 온디바이스 자원 사용율의 상기 소정 범위의 하한치와 비교하는 제2 비교부; 및
상기 측정데이터의 크기가 온디바이스 자원 사용율의 상기 소정 범위의 하한치 미만인 경우 수집된 측정데이터의 노이즈 제거 및 전처리를 수행하는 제2 처리부를 더 포함하는 것을 특징으로 하는 온디바이스 기반 데이터 분석 시스템. - 제3항에 있어서, 상기 온디바이스 처리장치는
상기 제2 처리부의 상기 노이즈 제거 및 전처리 수행이 정상인 지를 판단하는 제1 판단부; 및
제1 판단부 결과 노이즈 제거 및 전처리 수행이 정상이 아닌 경우 기 구축된 인공지능 모델 기반으로 학습하여 분할된 측정데이터에 대한 노이즈 제거 및 전처리를 수행하는 제3 처리부를 더 포함하는 것을 특징으로 하는 온디바이스 기반 데이터 분석 시스템. - 제4항에 있어서, 상기 온디바이스 처리장치는
상기 인공지능 모델 기반으로의 학습 수행이 정상인 지를 판단하는 제2 판단부를 더 포함하고,
제2 판단부의 판단 결과 인공지능 기반의 학습이 정상이 아닌 경우 또는 상기 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위의 상한치 이상인 경우 수집된 측정데이터를 클라우드 서버로 전달하는 통신부를 더 포함하는 것을 특징으로 하는 온디바이스 기반 데이터 분석 시스템. - 외부로부터 제공된 다수의 측정데이터를 수집하는 측정데이터 수집단계; 및
상기 수집된 측정데이터의 크기와 기 정해진 온디바이스 자원 사용율을 비교하고 비교 결과를 토대로 수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위 내에 존재하는 지를 판단하는 제1 비교단계; 및
상기 수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위 내에 존재하는 경우 수집된 측정데이터의 전처리 및 분석을 수행하는 제1 처리단계를 포함하는 것을 특징으로 하는 온디바이스 기반 데이터 분석 방법. - 제6항에 있어서, 상기 제1 비교단계에서,
수집된 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위 내에 존재하지 아니한 경우 수집된 측정데이터의 크기를 온디바이스 자원 사용율의 소정 범위의 하한치와 비교하는 제2 비교단계; 및
상기 측정데이터의 크기가 온디바이스 자원 사용율의 소정 범위의 하한치 미만인 경우 수집된 측정데이터의 노이즈 제거 및 전처리를 수행하는 제2 처리단계를 더 포함하는 것을 특징으로 하는 온디바이스 기반 데이터 분석 방법. - 제7항에 있어서, 상기 제2 처리단계에서
측정데이터의 노이즈 제거 및 전처리가 정상인 지를 판단하는 제1 판단단계; 및
상기 측정데이터의 노이즈 제거 및 전처리가 정상이 아닌 경우 측정데이터에 대해 인공지능 모델 기반의 학습을 수행하여 측정데이터의 노이즈 제거 및 전처리를 수행하는 제3 처리단계를 더 포함하는 것을 특징으로 하는 온디바이스 기반 데이터 분석 방법. - 제8항에 있어서, 상기 제1 판단단계에서,
수집된 측정데이터에 대한 인공지능 모델 학습이 정상적으로 수행되는 지를 판단하는 제2 판단단계; 및
수집된 측정데이터에 대한 인공지능 모델 학습이 정상적으로 수행되지 아니한 경우 수집된 측정데이터를 클라우드 서버로 전달하는 통신 단계를 더 포함하는 것을 특징으로 하는 온디바이스 기반 데이터 분석 방법. - 제6항 내지 제9항 중 한 중의 온디바이스 기반 데이터 분석 방법을 실행하기 위한 프로그램이 기록되고 컴퓨터에서 판단 가능한 기록매체.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200174840A KR102510650B1 (ko) | 2020-12-14 | 2020-12-14 | 온디바이스 기반 데이터 분석 시스템 및 방법 |
| PCT/KR2020/018631 WO2022131404A1 (ko) | 2020-12-14 | 2020-12-18 | 온디바이스 기반 데이터 분석 시스템 및 방법 |
| US18/257,121 US20240106728A1 (en) | 2020-12-14 | 2020-12-18 | On-device-based data analysis system and method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200174840A KR102510650B1 (ko) | 2020-12-14 | 2020-12-14 | 온디바이스 기반 데이터 분석 시스템 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220084895A true KR20220084895A (ko) | 2022-06-21 |
| KR102510650B1 KR102510650B1 (ko) | 2023-03-20 |
Family
ID=82057706
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200174840A KR102510650B1 (ko) | 2020-12-14 | 2020-12-14 | 온디바이스 기반 데이터 분석 시스템 및 방법 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20240106728A1 (ko) |
| KR (1) | KR102510650B1 (ko) |
| WO (1) | WO2022131404A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102567024B1 (ko) | 2022-12-26 | 2023-08-16 | 한국단자공업 주식회사 | 임베디드 기기 내 센서데이터의 온-디바이스 학습을 위한 신경망 구조 탐색방법 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150195416A1 (en) * | 2010-06-09 | 2015-07-09 | International Business Machines Corporation | Optimizing storage between mobile devices and cloud storage providers |
| US20150220438A1 (en) * | 2014-02-04 | 2015-08-06 | Netapp, Inc. | Dynamic hot volume caching |
| KR20160084215A (ko) * | 2015-01-05 | 2016-07-13 | 엔트릭스 주식회사 | 최적 클라우드 스트리밍 서비스를 위한 동적 어플리케이션 처리 방법 및 이를 위한 장치 |
| KR20180051242A (ko) * | 2016-11-08 | 2018-05-16 | 한국전자통신연구원 | 데이터 분석 시스템 및 그 방법 |
| KR20180096310A (ko) * | 2017-02-21 | 2018-08-29 | 에스케이텔레콤 주식회사 | 성능 제어 방법 및 이를 위한 장치 |
| KR102182606B1 (ko) | 2016-09-23 | 2020-11-24 | 구글 엘엘씨 | 온-디바이스 모델을 사용하는 스마트 응답들 |
-
2020
- 2020-12-14 KR KR1020200174840A patent/KR102510650B1/ko active IP Right Grant
- 2020-12-18 WO PCT/KR2020/018631 patent/WO2022131404A1/ko active Application Filing
- 2020-12-18 US US18/257,121 patent/US20240106728A1/en active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150195416A1 (en) * | 2010-06-09 | 2015-07-09 | International Business Machines Corporation | Optimizing storage between mobile devices and cloud storage providers |
| US20150220438A1 (en) * | 2014-02-04 | 2015-08-06 | Netapp, Inc. | Dynamic hot volume caching |
| KR20160084215A (ko) * | 2015-01-05 | 2016-07-13 | 엔트릭스 주식회사 | 최적 클라우드 스트리밍 서비스를 위한 동적 어플리케이션 처리 방법 및 이를 위한 장치 |
| KR102182606B1 (ko) | 2016-09-23 | 2020-11-24 | 구글 엘엘씨 | 온-디바이스 모델을 사용하는 스마트 응답들 |
| KR20180051242A (ko) * | 2016-11-08 | 2018-05-16 | 한국전자통신연구원 | 데이터 분석 시스템 및 그 방법 |
| KR20180096310A (ko) * | 2017-02-21 | 2018-08-29 | 에스케이텔레콤 주식회사 | 성능 제어 방법 및 이를 위한 장치 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102567024B1 (ko) | 2022-12-26 | 2023-08-16 | 한국단자공업 주식회사 | 임베디드 기기 내 센서데이터의 온-디바이스 학습을 위한 신경망 구조 탐색방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102510650B1 (ko) | 2023-03-20 |
| WO2022131404A1 (ko) | 2022-06-23 |
| US20240106728A1 (en) | 2024-03-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20170068581A1 (en) | System and method for relationship based root cause recommendation | |
| CN110888783B (zh) | 微服务系统的监测方法、装置以及电子设备 | |
| CN111209310B (zh) | 基于流计算的业务数据处理方法、装置和计算机设备 | |
| CN110515808B (zh) | 数据库监控方法、装置、计算机设备及存储介质 | |
| CN112115031A (zh) | 集群状态监控方法及装置 | |
| CN115277566B (zh) | 数据访问的负载均衡方法、装置、计算机设备及介质 | |
| CN113839904A (zh) | 基于智能网联汽车的安全态势感知方法和系统 | |
| KR20220084895A (ko) | 온디바이스 기반 데이터 분석 시스템 및 방법 | |
| CN109951326B (zh) | 数据处理方法、装置、存储介质及处理器 | |
| CN107025129B (zh) | 一种数据处理方法以及装置 | |
| CN105706062A (zh) | 车载信息系统及其信息处理方法 | |
| CN107766224B (zh) | 测试方法和测试装置 | |
| CN112087455B (zh) | 一种waf站点防护规则生成方法、系统、设备及介质 | |
| JP7262000B2 (ja) | 優先度判定システム、優先度判定方法及びプログラム | |
| CN113765850A (zh) | 物联网异常检测方法、装置、计算设备及计算机存储介质 | |
| US20170222897A1 (en) | Application Aware Cluster Monitoring | |
| JP2006133820A (ja) | 処理時間算出プログラムおよびワークロードモデル作成プログラム | |
| CN115904883A (zh) | 一种rpa流程执行可视化异常监控方法、装置及介质 | |
| CN112631577B (zh) | 一种模型的调度方法、模型调度器以及模型安全测试平台 | |
| CN113656313A (zh) | 自动化测试处理方法及装置 | |
| CN114581711A (zh) | 目标对象检测方法、装置、设备、存储介质以及程序产品 | |
| CN113419852A (zh) | 微服务的请求响应方法、装置、设备及存储介质 | |
| CN110572401A (zh) | 一种基于DNS over HTTPS的排名统计方法、装置、系统及介质 | |
| CN109918222B (zh) | 应用程序的dump分析方法及系统 | |
| CN105337811A (zh) | 基于Radius服务器的监控系统及监控方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |