• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.165-166
• /
• 2022

본 논문에서는 웹툰 플랫폼 서비스를 위한 모바일 엣지 컴퓨팅의 구조를 제안한다. 웹툰과 같이 모바일 디바이스에서 실행되는 데이터들을 클라우드 서버로 오프로드하거나 원격 서버로부터 필요한 응용프로그램들을 다운로드 받지 않고, 모바일과 가까운 곳에 캐싱 콘텐츠를 전개함으로써 전송 지연없는 서비스를 보장받으며, 데이터가 발생한 근접 지역에서 데이터 분석 및 처리가 가능하므로 딥러닝을 적용한 새로운 서비스 카테고리로 확장할 수 있음을 제시한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.66-69
• /
• 2021

최근 실시간 응답 및 처리에 민감한 서비스들이 급증하면서 멀티액세스 엣지 컴퓨팅(MEC)이 차세대 기술로 주목받고 있다. 사용자들의 잦은 이동성 때문에 MEC 서버들 사이에서의 마이그레이션은 중요한 문제로 다뤄진다. 본 논문에서는 이동성이 많은 차량 엣지 컴퓨팅 환경을 고려하였으며, 강화학습 기법인 Q-learning 을 사용하여 마이그레이션 여부 및 대상을 결정하는 기법을 제안하였다. 제안 기법의 목적은 지연 제약조건을 만족시키면서 차량 엣지 컴퓨팅 서버(VECS) 사이의 로드 밸런싱을 최적화하는 것이다. 제안 기법의 성능 비교를 통하여 다른 기법들보다 로드 밸런싱 측면에서 약 22-30%, 지연 제약조건 만족도 측면에서 약 20-31%로 더 좋은 성능을 보임을 확인하였다.

• KIPS Transactions on Computer and Communication Systems
• /
• v.11 no.12
• /
• pp.437-444
• /
• 2022

Recently, research on mobile edge services has been conducted to handle computationally intensive and latency-sensitive tasks occurring in wireless networks. However, MEC, which is fixed on the ground, cannot flexibly cope with situations where task processing requests increase sharply, such as commuting time. To solve this problem, a technology that provides edge services using UAVs (Unmanned Aerial Vehicles) has emerged. Unlike ground MEC servers, UAVs have limited battery capacity, so it is necessary to optimize energy efficiency through load balancing between UAV MEC servers. Therefore, in this paper, we propose a load balancing technique with consideration of the energy state of UAVs and the mobility of vehicles. The proposed technique is composed of task offloading scheme using genetic algorithm and task migration scheme using Q-learning. To evaluate the performance of the proposed technique, experiments were conducted with varying mobility speed and number of vehicles, and performance was analyzed in terms of load variance, energy consumption, communication overhead, and delay constraint satisfaction rate.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.74-77
• /
• 2022

최근 사물 인터넷(IoT)의 발전으로 계산 집약적이거나 지연시간에 민감한 태스크가 증가하면서, 모바일 엣지 컴퓨팅 기술이 주목받고 있지만 지상에 고정되어 있는 MEC 서버는 사용자의 요구사항 변화에 따라 서버의 위치를 변경하거나 유연하게 대처할 수 없다. 이 문제를 해결하기 위해 UAV(Unmanned Aerial Vehicle)를 추가로 이용해 엣지 서비스를 제공하는 기법이 연구되고 있다. 그러나 UAV는 지상 MEC와는 달리 배터리 용량이 제한되어 있어 태스크 마이그레이션을 통해 에너지 사용량을 최소화하는 것이 필요하다. 본 논문에서는 MEC 서버들 사이의 로드 밸런싱과 UAV MEC 서버의 에너지 효율성을 최적화하기 위해 강화학습 기법인 Q-learning을 이용한 태스크 마이그레이션 기법을 제안한다. 제안 시스템의 성능을 평가하기 위해 UAV의 개수에 따라 실험을 진행하여 잔여 에너지와 로드 밸런싱 측면에서 성능을 분석한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.84-85
• /
• 2023

본 논문에서는 엣지 컴퓨팅에서 다수의 스마트 카메라를 클러스터링하여 협업하며 로드 밸런싱을 수행하는 알고리즘을 제안하고, Kubernetes 환경에서 시뮬레이션을 통해 여러 가지 상황에서 성능을 검증하여 엣지 컴퓨팅에서의 AI 연산을 보다 효율적으로 수행할 수 있는 방법을 제시한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.144-146
• /
• 2022

차량 환경에서 발생하는 계산 집약적인 태스크가 증가하면서 모바일 엣지 컴퓨팅(MEC, Mobile Edge Computing)의 필요성이 높아지고 있다. 하지만 지상에 존재하는 MEC 서버는 출퇴근 시간과 같이 태스크가 일시적으로 급증하는 상황에 유동적으로 대처할 수 없으며, 이러한 상황을 대비하기 위해 지상 MEC 서버를 추가로 설치하는 것은 자원의 낭비를 불러온다. 최근 이 문제를 해결하기 위해 UAV(Unmanned Aerial Vehicle)기반 MEC 서버를 추가로 사용해 엣지 서비스를 제공하는 연구가 진행되고 있다. 그러나 UAV MEC 서버는 지상 MEC 서버와 달리 한정적인 배터리 용량으로 인해 서버 간 로드밸런싱을 통해 에너지 사용량을 최소화 하는 것이 필요하다. 본 논문에서는 UAV MEC 서버의 에너지 사용량을 고려한 마이그레이션 기법을 제안한다. 또한 GRU(Gated Recurrent Unit) 모델을 활용한 트래픽 예측을 바탕으로 한 마이그레이션을 통해 지연시간을 최소화할 수 있도록 한다. 제안 시스템의 성능을 평가하기 위해 MEC의 마이그레이션 시점을 결정하는 기준점와 차량의 밀도에 따라 실험을 진행하고, 서버의 로드 편차, UAV MEC 서버의 에너지 사용량 그리고 평균 지연 시간 측면에서 성능을 분석한다.

• KIPS Transactions on Computer and Communication Systems
• /
• v.10 no.12
• /
• pp.311-318
• /
• 2021

With the rapid development of the Internet of Things(IoT) technology recently, multi-access edge computing(MEC) is emerged as a next-generation technology for real-time and high-performance services. High mobility of users between MECs with limited service areas is considered one of the issues in the MEC environment. In this paper, we consider a vehicle edge computing(VEC) environment which has a high mobility, and propose a task migration algorithm to decide whether or not to migrate and where to migrate using DQN, as a reinforcement learning method. The objective of the proposed algorithm is to improve the system throughput while satisfying QoS(Quality of Service) requirements by minimizing the difference between queueing delays in vehicle edge computing servers(VECSs). The results show that compared to other algorithms, the proposed algorithm achieves approximately 14-49% better QoS satisfaction and approximately 14-38% lower service blocking rate.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.107-108
• /
• 2019

모바일 엣지 컴퓨팅(Mobile Edge Computing, MEC)은 높은 컴퓨팅 성능을 요구하는 작업을 모바일 장치에서 가까운 MEC 서버로 오프로딩함으로써 모바일 서비스에 높은 계산 요구량을 효율적으로 제공할 수 있는 기술로 부상하였다. 본 논문에서는 실행 대기 시간과 장치 에너지 소비를 줄이기 위해 여러 가지의 독립적 작업을 통해 MEC 시스템에 대한 작업 오프로드 일정 및 전송 에너지 할당을 최적화하는 기법을 제안한다. 시뮬레이션 결과로 MEC 시스템에서 사용 가능한 무선 및 계산 리소스가 상대적으로 균형 잡혀있는 경우 작업 오프로딩 일정이 더 중요하다는 것을 확인했다.

• Tribology and Lubricants
• /
• v.25 no.6
• /
• pp.427-431
• /
• 2009

When a bearing roller is in contact with race ways. excessive pressure peaks occur at the ends of the contact region. They are called edge loading. In this study, a method to determinate crowning quantity of the tapered roller bearing which considers tilting. This method is based on contact analysis.

• KIPS Transactions on Computer and Communication Systems
• /
• v.12 no.9
• /
• pp.263-272
• /
• 2023

Industrial Internet of Things (IIoT) is an important factor in increasing production efficiency in industrial sectors, along with data collection, exchange and analysis through large-scale connectivity. However, as traffic increases explosively due to the recent spread of IIoT, an allocation method that can efficiently process traffic is required. In this thesis, I propose a two-stage task offloading decision method to increase successful task throughput in an IIoT environment. In addition, I consider a hybrid offloading system that can offload compute-intensive tasks to a mobile edge computing server via a cellular link or to a nearby IIoT device via a Device to Device (D2D) link. The first stage is to design an incentive mechanism to prevent devices participating in task offloading from acting selfishly and giving difficulties in improving task throughput. Among the mechanism design, McAfee's mechanism is used to control the selfish behavior of the devices that process the task and to increase the overall system throughput. After that, in stage 2, I propose a multi-armed bandit (MAB)-based task offloading decision method in a non-stationary environment by considering the irregular movement of the IIoT device. Experimental results show that the proposed method can obtain better performance in terms of overall system throughput, communication failure rate and regret compared to other existing methods.