죄송합니다. 더 이상 지원되지 않는 웹 브라우저입니다.

환경 센서 데이터에 더욱 효과적인 클라우드 기반 자동 분석

PDF 다운로드

글/마크 패트릭(Mark Patrick), 마우저 일렉트로닉스(Mouser Electronics)

사물 인터넷(IoT) 시대가 본격적으로 도래하는 가운데 향후 몇 년간 수십억 개의 노드가 운영될 것으로 보인다. 이 기술은 다방면에서 본격적으로 도입되고 있으며, 향후 온도, 공기의 습도, 일산화탄소 수준 등과 같은 주요 환경 매개변수를 모니터링하는데 주로 사용될 것이다. 그리고 이러한 과정으로 얻은 데이터를 통해 의사결정을 내리고 적절한 조치를 취하는 것이 용이해질 전망이다.
화학 처리 공장을 예로 들어보자. 공장 굴뚝에서 배출되는 가스 함량이 기준 임계치를 초과하게 되면, 공장 가동 수준을 조정해야 할 필요가 있을 것이다. 아니면 장기적인 관점에서 가동 장비에 대한 유지보수나 수명이 다한 부품에 대한 교체를 위한 신호로 볼 수도 있을 것이다.
IoT노드의 확장 네트워크에 통합된 센서 장치를 통해 지속적으로 방대한 양의 데이터를 얻어 내고, 이를 심층적으로 분석할 수 있는 효율적인 방법을 찾는 것은 그리 간단한 일이 아니다.
소수의 노드로부터 데이터가 유입될 경우에는 큰 문제가 아니겠지만, 산업 제어 및 환경 모니터링 시스템에서 다루는 데이터의 양은 그 차원이 다르다. 스마트 주택이나 건물, 공장 자동화, 농업, 스마트 시티 등과 같은 광범위한 차원에서도 잠재적으로 같은 맥락에 있다고 볼 수 있다.
효율성을 극대화하고 응답 시간을 최대한 짧게 유지하기 위해서는 자동화된 의사결정 프로세스가 마련되어야 하며, 이를 위해서는 향상된 알고리즘의 도입이 필요하다.

“1970년대 후반 최초로 개발된 Rete 알고리즘은 이미 비즈니스에 폭넓게 적용되고 있다.”

IoT 노드끼리 서로 연관될 수 있는 경우의 수를 고려한다면 데이터베이스에 일련의 규칙을 저장하고 수신된 데이터에 대해 상호 참조하는 방법은 효과적이지 않다.
이러한 방식으로는 그 많은 숫자를 일일이 따라잡기 힘들기 때문이다. 그렇기에 보다 정교하면서도 능률적인 접근 방법이 필요하다.
어떤 이들은 Rete 알고리즘이 이 문제를 위한 핵심이라고 말한다. 1970년대 후반 최초로 개발된 Rete 알고리즘은 이미 비즈니스에 있어서 폭넓게 적용되고 있다.
이 알고리즘의 목표는 오늘날 IoT 네트워크가 생성하기 시작한 방대한 양의 패턴 정보를 다른 많은 개체들을 포함하는 데이터베이스와 빠르게 비교할 수 있는 패턴 매칭 메커니즘을 제공하는 것이다. 프로세스 전체에 있어서 특정 패턴의 상태가 메모리 저장소에 보관되기 때문에 데이터 처리 절차에 대한 반복이 필요하지 않은 것이다.
결과적으로 이전에 적용된 규칙으로 되돌릴 필요가 없고 절차 진행 속도가 빠르기 때문에 다른 방법들과 비교해 보았을때 시간적인 측면에 있어서 훨씬 효율적이다.
UrsaLeo의 클라우드 기반 분석 소프트웨어의 경우 Silicon Labs의 Thunderboard™ 2 센서 모듈과 Raspberry Pi 3B+ (Yocto LinuxⓇ에 사전 탑재)와 함께 작동하는 방식을 따른다.

[그림 1] UrsLeo IoT 하드웨어 - Thunderboard™ 2 센서 모듈과 Raspberry Pi 3B+ (Yocto Linux®에 사전 탑재)로 구성 

“지게차를 공장 바닥의 지정 구역 내에서만 움직이도록 제한하거나 함선 관리, 가축 추적 앱에도 활용할 수 있다.”

UrsaLeo UL-RPI1S2R2 Raspberry Pi 클라우드 개발 키트는 정적 센서를 구글 클라우드(Google Cloud)에 연결하기 위한 시작점으로 사용되도록 설계되었다. 이 키트는 9 개의 센서에서 데이터를 즉시 구글 클라우드 계정으로 전송하고, 구글 클라우드에서 데이터를 읽고 처리하게 된다.
UrsaLeo UL-RPI1S2R2를 사용할 경우 조회 테이블을 참조하는 대신, 패턴 일치에 트리 기반 규칙 구조를 적용하여 캡처된 데이터를 처리할 수 있다.
그리하면 시스템에서 원치 않는 지연을 겪지 않고 보다 정확한 결정을 내릴 수 있다. 압축된 데이터 세트를 표시하는 사용자 정의 대시 보드에 접속할 수 있고, 작업자의 개입이 필요한 특정 이벤트가 발생하면 작업자에게 알림이 오도록 트리거가 설정된다.
직관적인 시각적 기반 편집 도구를 사용하면 특정 응용 프로그램 요구 사항에 완전히 맞는 일련의 규칙을 설정할 수 있다. 메시지가 수신될 때마다, 아니면 반대로 특정 시간 내에 메시지가 수신되지 않은 때로 트리거를 설정할 수 있다. 또한 1시간 후, 하루 또는 일주일 후 등 장기적 모니터링 목적에서 규칙적인 간격으로 맞춰 트리거를 설정할 수도 있다.
모바일 노드가 지정된 영역 바깥으로, 또는 영역 안쪽으로 이동할 경우에는 지오펜싱 규칙을 정의하여 트리거할 수도 있다. 이는 지게차를 공장 바닥의 지정 구역 내에서만 움직이도록 제한하거나 함선 관리, 가축 추적에 있어서도 활용할 수 있다.
또한 수집된 데이터 값이 비정상적으로 나타날 경우(예를 들어 지속적으로 같은 값이 나오거나 0이 나올 때) 센서가 올바르게 작동하지 않는다는 것을 나타내기 때문에 수리를 위해 엔지니어가 현장으로 출동할 수 있도록 표시가 된다.
Thunderboard 2 모듈은 주변 밝기, 대기 질, 기압, 상대 습도 및 온도 측정은 물론 가스 감지 기능까지 추가된 다양한 센서로부터 환경 데이터를 얻을 수 있다. 6 축 관성 센서(장소 지남력) 및 홀 효과 센서(지리 지남력)도 포함된다.
함께 제공되는 Rasberry P 보드는 loT 게이트웨이(구글 클라우드 플랫폼과 직접 연동) 역할을 한다.
이렇게 컴파일된 모든 데이터는 무선(Wi-Fi) 및 유선(이더넷) 연결 옵션을 통해  클라우드로 다시 전송이 가능하다.
애플리케이션 시나리오에 따라 하드웨어의 전원 공급은 USB 또는 리튬 이온 배터리를 통해 이뤄진다.
채택된 트리 기반 방법은 이 시스템이 일정 수량으로 제한되는 것이 아니라 네트워크 내에서 연결된 다수의 IoT 노드의 수에 주의를 기울일 수 있는 능력을 가지고 완전히 확장 가능하다는 것을 의미한다. 그 결과 매초 수십만 건의 이벤트나 알림이 처리될 수 있게 된다. 중형 서버를 사용해도 초당 50만 개의 메시지를 처리할 수 있으며, 100만 개에서 200만 개까지 처리 가능한 대용량 서버로 업그레이드할 수 있다.
고도로 최적화된 클라우드 지원 하드웨어와 우수한 알고리즘의 조합을 통해IoT 데이터를 처리하는 방법은 지금보다 훨씬 더 시간적으로 효율적일 수 있다. 이렇게 수십만 개의 연결된 노드가 집결된 IoT의 사용량을 늘려 다양한 산업 부문에서 기술의 이점을 극대화할 수 있을 것이다.