1차년도 연구 생산 설비의 제조 데이터를 수집하기 위해 범용 센서 연구 및 지능형 IIoT 디바이스 연구개발을 진행한다. IIoT 디바이스 개발을 위해 SBC(Single Board Computer)를 선정하여 범용 센서를 접목시킬 수 있는 쉴드와 OPC UA와 같은 통신 프로토콜을 연구하여 IIoT와 생산설비 기기 간의 통신을 위한 전용 프로토콜을 연구개발한다. 다음으로, IIoT 디바이스에 Edge Computing 적용을 위해 네트워크 연결, 대기시간, 대역폭 제약 등을 고려해 Edge Computing 구조를 설계한다. 이를 위해 고려사항에 따라 Edge Computing을 설계하는 기존 연구문헌을 분석한다. 기존 연구문헌으로부터 얻은 지식과 연구진들의 경험을 통합해 모든 고려사항을 반영할 수 있는 구조설계 단계를 도출한다. 그 후, 분산형 컴퓨팅 환경에 적합한 머신러닝 기반의 IIoT 시스템의 연구개발을 진행한다. 2차년도 연구 데이터 수집을 통해 생성된 빅데이터의 분석, 활용을 위한 기존 연구 문헌을 분석한다. 각종 제조 데이터의 상관 관계를 분석하여 최적의 요소를 도출하여, 구성하는 요소들, 구성 요소 간 선 후 관계 등을 정의한다. 다음으로 데이터 요소별 활용 범위에 대해 정의한다. IIoT에는 데이터 수집 과정만 포함되어있다면 전 과정을 체계적으로 계획하고 데이터를 전처리 및 알고리즘 설계 방법을 구축한다. 이렇게 얻은 정보를 바탕으로 기존 연구 문헌을 분석하여 활용 방법에 대해서 연구한다. 다음 IIoT에서 추출되는 데이터를 기반으로 이상치 검출을 구현하는 알고리즘을 개발한다. 알고리즘의 경우 딥러닝 기반의 알고리즘을 채택하고 기존 사례와 비교하여 높은 정확도를 가질 수 있는 방향으로 개발을 진행한다. 또한 제조 데이터의 특징(시계열, 이미지)에 맞춰 적합한 알고리즘과 매개변수를 설정해 제조 데이터의 이상치 검출 방안을 제시할 것이다. 이상치 검출 알고리즘을 통해 이상치가 검출되면 통합된 분석된 데이터에 대한 예측 분석 시나리오를 적용해 분석된 데이터에 대하여 예지 보전 시스템을 적용한다. 결함이 발생된 원인과 진전 과정, 운전상의 문제점 및 위험 정도 파악 등 전문가가 할 수 있는 의사결정을 대신하여 현장 관리자에게 통보하거나 정확한 판단을 할 수 있도록 지원하게 한다. 이후 개발된 알고리즘의 신뢰성 및 성능 향상 연구와 더불어 IIoT 시스템 적용성 분석을 통해 이상치 검출 알고리즘이 얼마나 IIoT 시스템에서 유효한지를 판단할 수 있을 것이다. 3차년도 연구 데이터 표준화를 위해 주요 영향 인자 및 다양한 변수를 동시에 고려한 클라우드 서비스를 구축한다. 먼저 IIoT 디바이스에서 수집된 데이터의 주요 영향 인자 및 변수들을 분석한다. 어떤 데이터가 수집되고, 수집 시점과 주기, 수집 방식 등 세부 단계 별로 고려사항들을 정리해 데이터 표준화를 위한 클라우드 서비스 구축을 설계한다. 또한, 최적화된 이상치 검출 알고리즘 기술의 이상감지 원인을 분석하기 위한 XAI(eXaplainable Artificial Intelligence) 기법을 연구한다. 이를 통해 알고리즘의 정확한 분류가 어떻게 이뤄졌는지, 데이터보다 예측 에러가 얼마나 더 커지는지 등을 측정, 분석한다. 이러한 기술 연구로 이상감지 모델의 신뢰성 및 문제 해결에 대한 솔루션을 최종 사용자에게 제공할 수 있다.

1차년도 연구 생산 설비의 제조 데이터를 수집하기 위해 범용 센서 연구 및 지능형 IIoT 디바이스 연구개발을 진행한다. IIoT 디바이스 개발을 위해 SBC(Single Board Computer)를 선정하여 범용 센서를 접목시킬 수 있는 쉴드와 OPC UA와 같은 통신 프로토콜을 연구하여 IIoT와 생산설비 기기 간의 통신을 위한 전용 프로토콜을 연구개발한다. 다음으로, IIoT 디바이스에 Edge Computing 적용을 위해 네트워크 연결, 대기시간, 대역폭 제약 등을 고려해 Edge Computing 구조를 설계한다. 이를 위해 고려사항에 따라 Edge Computing을 설계하는 기존 연구문헌을 분석한다. 기존 연구문헌으로부터 얻은 지식과 연구진들의 경험을 통합해 모든 고려사항을 반영할 수 있는 구조설계 단계를 도출한다. 그 후, 분산형 컴퓨팅 환경에 적합한 머신러닝 기반의 IIoT 시스템의 연구개발을 진행한다. 2차년도 연구 데이터 수집을 통해 생성된 빅데이터의 분석, 활용을 위한 기존 연구 문헌을 분석한다. 각종 제조 데이터의 상관 관계를 분석하여 최적의 요소를 도출하여, 구성하는 요소들, 구성 요소 간 선 후 관계 등을 정의한다. 다음으로 데이터 요소별 활용 범위에 대해 정의한다. IIoT에는 데이터 수집 과정만 포함되어있다면 전 과정을 체계적으로 계획하고 데이터를 전처리 및 알고리즘 설계 방법을 구축한다. 이렇게 얻은 정보를 바탕으로 기존 연구 문헌을 분석하여 활용 방법에 대해서 연구한다. 다음 IIoT에서 추출되는 데이터를 기반으로 이상치 검출을 구현하는 알고리즘을 개발한다. 알고리즘의 경우 딥러닝 기반의 알고리즘을 채택하고 기존 사례와 비교하여 높은 정확도를 가질 수 있는 방향으로 개발을 진행한다. 또한 제조 데이터의 특징(시계열, 이미지)에 맞춰 적합한 알고리즘과 매개변수를 설정해 제조 데이터의 이상치 검출 방안을 제시할 것이다. 이상치 검출 알고리즘을 통해 이상치가 검출되면 통합된 분석된 데이터에 대한 예측 분석 시나리오를 적용해 분석된 데이터에 대하여 예지 보전 시스템을 적용한다. 결함이 발생된 원인과 진전 과정, 운전상의 문제점 및 위험 정도 파악 등 전문가가 할 수 있는 의사결정을 대신하여 현장 관리자에게 통보하거나 정확한 판단을 할 수 있도록 지원하게 한다. 이후 개발된 알고리즘의 신뢰성 및 성능 향상 연구와 더불어 IIoT 시스템 적용성 분석을 통해 이상치 검출 알고리즘이 얼마나 IIoT 시스템에서 유효한지를 판단할 수 있을 것이다. 3차년도 연구 데이터 표준화를 위해 주요 영향 인자 및 다양한 변수를 동시에 고려한 클라우드 서비스를 구축한다. 먼저 IIoT 디바이스에서 수집된 데이터의 주요 영향 인자 및 변수들을 분석한다. 어떤 데이터가 수집되고, 수집 시점과 주기, 수집 방식 등 세부 단계 별로 고려사항들을 정리해 데이터 표준화를 위한 클라우드 서비스 구축을 설계한다. 또한, 최적화된 이상치 검출 알고리즘 기술의 이상감지 원인을 분석하기 위한 XAI(eXaplainable Artificial Intelligence) 기법을 연구한다. 이를 통해 알고리즘의 정확한 분류가 어떻게 이뤄졌는지, 데이터보다 예측 에러가 얼마나 더 커지는지 등을 측정, 분석한다. 이러한 기술 연구로 이상감지 모델의 신뢰성 및 문제 해결에 대한 솔루션을 최종 사용자에게 제공할 수 있다.

본 과제는 스마트팩토리 분야 인재양성과 제조데이터 공유 기반의 스마트제조 R&D 추진을 목표로 함. 연구목표는 스마트팩토리융합학과(Co-teaching, Track형) 운영 역량을 바탕으로 CPPS기술·제조지능 기술·IIoT 응용기술을 통해 참여기관 인식 공유, 사업방향 및 동종 MC 회원사 확산, 지역 노후장비 문제 해결과 일자리 창출에 기여하는 연구기자재·장비 공유임. 핵심 연구내용은 참여기업별 데이터 활용 로드맵 수립, 데이터분석 및 머신러닝 알고리즘 개발, 분석 모니터링 및 분석 모델 개발, 데이터 공동활용 플랫폼 기능 정의, 개방형 네트워킹 지원, 스마트고도화 및 가공정밀분야 최적 가공조건 표준화 구축 및 지능형 가공시스템 이행 기반 제시임. 기대효과는 최적 가공조건 도출 및 이상 상황 예측·대응 최적화로 공정운영 최적화, 생산 효율·정밀도 한계 극복, 데이터 표준화 및 업종 품질·생산데이터 연동 분석을 통한 신뢰성 높은 데이터 수집, 성공사례 확대로 제조혁신·기술발전·경제활성화 촉진임.

● 연구내용 1. 멀티미디어 컨텐츠분석 Framework 구축 연구 목표 : 차세대 네트워크에서 콘텐츠 확산을 위한 플랫폼 개발 및 AI를 접목한 지능형 콘텐츠 연구 당해년도 연구 내용 : SNSCrawling & Personal Video Presentation을 위한 인공지능 연구 및 개발 2. 자율 기계학습을 위한 자가구성 기술 개발 연구 목표 : 효과적인 기계학습 모델 생성을 위한 속성의 자율 선택 기법 및 최적 모델 개발을 위한 기계학습 기법의 자율 선정 기법 연구 당해년도 연구 내용 : 모델 생성 사례 분석을 통한 기계학습 기법 선정 기술 개발 3. 락킹 기반 트랜잭션 시스템상에서의 동시성 제고 연구 목표 : 트랜잭션의 최종 데이터 접근 힌트를 활용한 새로운 동시성 기법 개발 당해년도 연구 내용 : OLTP 워크로드 상에서 트랜잭션의 데이터 접근 패턴 분석 오픈소스 메인 메모리 DBMS (ERMIA)의 동작 과정 분석 최종 데이터 접근 힌트를 활용한 동시성 제어기법 설계 및 구현 4. 차세대 메모리 저장 장치와 밀 결합된 시스템 소프트웨어 연구 목표 : 차세대 비휘발성 메모리 저장장치와 밀 결합된 스토리지 관리 시스템 소프트웨어 개발 당해년도 연구 내용 : 기존 OCSSD 기반 스토리지 관리 기술 분석 Host 기반 OCSSD 기술 및 Computational SSD 기반 OCSSD 기술 분석 OCSSD 기반 하드웨어와 밀결합된 시스템 소프트웨어 설계 5. 차세대 메모리 및 고성능 저장장치 최적화 연구 연구 목표 : 차세대 메모리 및 고성능 저장장치 기반 데이터-인텐시브 컴퓨팅 환경 최적화 당해년도 연구 내용 : 차세대 메모리 기반 소프트웨어 계층 최적화 연구 6. 악성코드 탐지를 위한 지능형 분산 플랫폼 개발 연구 목표 : 시스템 행위 기반 특성 분석을 활용한 기계학습 기반의 악성코드 탐지 플랫폼 개발 당해년도 연구 내용 : 악성 프로그램 탐지를 위한 시스템 feature 수집 및 분석 7. 딥페이크 탐기기술 개발 연구 목표 : 데이터사이언스에 기반한 딥페이크합성 탐지 기술 개발 당해년도 연구 내용 : 딥페이크 탐지를 위한 데이터 셋 수집 및 생성 ● 추진전략 1) 글로벌 협력 채널 및 프로젝트 발굴 2) 글로벌 핵심인재 발굴 및 매칭 3) 글로벌 핵심인재 맞춤형 밀착 지원