• 제목/요약/키워드: industrial networks

검색결과 1,233건 처리시간 0.032초

그래프 데이터베이스 환경에서 이상징후 탐지를 위한 연관 관계 분석 기법 (Association Analysis for Detecting Abnormal in Graph Database Environment)

  • 정우철;전문석;최도현
    • 융합정보논문지
    • /
    • 제10권8호
    • /
    • pp.15-22
    • /
    • 2020
  • 4차 산업 혁명과 데이터 환경의 급격한 변화는 기존 관계형 데이터베이스(RDB)는 기술적 한계를 드러내고 있다. IDC/금융/보험 등 전 분야에서 비정형 데이터에 대한 새로운 분석방안으로 그래프 데이터베이스(GDB) 기술에 관심이 높아지고 있다. 그래프 데이터베이스는 상호 연동된 데이터를 표현하고 광범위한 네트워크에서 연관 관계 분석에 효율적인 기술이다. 본 연구는 기존 RDB를 GDB 모델로 확장하고, 새로운 이상징후 탐지를 위해 기계학습 알고리즘(패턴인식, 클러스터링, 경로거리, 핵심추출)을 적용하였다. 성능분석 결과 이상 행위 성능(약 180배 이상)이 크게 향상되었고, RDB로 분석 불가능한 5단계 이후 이상징후 패턴을 추출할 수 있음을 확인하였다.

항만환경 규제에 따른 Green Port 구축방안 (A Study on Plans to Construct Green Port around Port environmental regulations)

  • 임종섭
    • 한국항만경제학회지
    • /
    • 제26권2호
    • /
    • pp.99-118
    • /
    • 2010
  • 환경오염으로 인한 오존층 파괴 등의 환경위기를 인식한 세계 각국은 환경을 보호 하면서 지속적인 성장을 이루기 위한 노력을 기울이고 있다. 친 환경을 위한 노력은 국제환경협약과 더불어 선진국의 환경규제 강화로 이어지고 있다. 이러한 동향은 선박 및 항만에 대한 환경오염 규제로 나타나고 있다. 따라서 본 연구의 목적은 국제기구와 주요 선진 국가들의 Green Port 구축을 위한 친환경 규제 내용을 문헌과 자료를 통해 심도 있게 분석한 후 구체적인 대응방안을 제시하여 실무적인 측면에서 시사점을 제공하는데 있다. 항만 환경 규제에 따른 Green Port구축을 위해서는, 첫째, 지속 가능한 정량적인 친환경 항만 구축을 통한 경쟁력을 갖춰야 할 것이다. 둘째, 선박 재활용 협약 체결에 따른 협력 및 지원체계 구축이 절실하다. 셋째, 환경규제 변화에 대한 대응과 환경문제에 대한 과학적 연구의 필요성이다. 왜냐하면 환경문제를 이해하는데 있어 지나친 경각심 부각 보다는 실질적인 해결책을 모색할 수 있도록 중장기적인 계획 수립이 필요한 시기이다. 마지막으로, 현재 항만에서 사용하고 있는 에너지는 경유 및 전기 사용이 대부분으로 신재생에너지 개발을 통한 에너지 자급능력 향상이 시급하다고 판단된다. 항만 분야도 타 산업분야와 같이 신재생 에너지를 통해 에너지 자립형 항만 구축을 달성해야 할 것이다. 종합적인 결론은 Green Port 구축을 위한 친환경 항만의 조건은 경제활동과 산업 활동이 결합하는 중요한 장소가 되고 직장과 주거가 근접하게 활용되는 생활공간으로서의 존재가치를 가져야 한다.

5G 네트워크의 보안 취약점 및 대응 방안: 서베이 (Security Vulnerability and Countermeasure on 5G Networks: Survey)

  • 홍성혁
    • 디지털융복합연구
    • /
    • 제17권12호
    • /
    • pp.197-202
    • /
    • 2019
  • 4차 산업혁명시대에 발맞춰 통신 기술도 5G 기술이 보편화되고 있으며, 5G 기술은 네트워크 슬라이싱, 초다접속 등의 기술을 이용해 4G에 비해 빠른 속도와 응답 속도를 최소화한 기술로 평가 받고 있다. 5G NR은 5G 이동통신 표준을 의미하고, 네트워크 슬라이싱을 통해 네트워크를 병렬연결로 잘라 네트워크를 최적화한다. 또한 기지국 단위에서도 데이터를 처리하게 되면서 해킹에 대한 위험이 증가 되고 있는 실정이다. 또한, 단위면적당 접속 가능한 기기의 수가 기하급수적으로 늘어나므로 단위면적 내 기기 다수 해킹 후 기지국 공격 가능성 또한 존재한다. 이에 해결 방안으로는 양자암호통신 도입, 5G 보안 표준화 등을 본 연구에서 제안하여 안전성과 통신속도를 전부 만족시키는 방안을 제안한다.

산업용 브리지 망을 위한 위치 기반의 신속한 망 장애 복구 절차의 성능분석 (Performance of Position Based Fast Fault Recovery Protocol for Industrial Bridged Ring Networks)

  • 서주상;윤종호;박홍순;김진욱
    • KEPCO Journal on Electric Power and Energy
    • /
    • 제6권3호
    • /
    • pp.259-269
    • /
    • 2020
  • RSTP는 링크 상태에 반응하는 제안-동의 절차를 통해 포트의 상태 천이 시간을 감소시킴으로써 노드 수 40개로 구성된 링 망에서 장애 복구 시간을 400 ms 이하로 단축시킬 수 있다. 본 본문에서는 기존 RSTP가 장애 위치 및 종류에 따라 이웃 브리지 간에 제안-동의 절차가 대체 포트를 갖는 브리지에서 번복되는 현상에 유의하여, 장애 발생 시 오직 한 번의 제안-동의절차가 수행되게 함으로써 장애 복구 시간을 최대 1/4로 감소시킬 수 있는 새로운 위치 기반의 장애 복구 절차를 제안하고 성능을 분석하였다. 제안된 절차는 링 형 망에서 각 브리지가 루트 브리지에 대한 상대적인 위치, 즉 홉 수를 사전에 인지하도록 하고, 이를 기반으로 루트 브리지의 장애 또는 링크 장애 발생 시 이를 감지한 이웃 브리지에 의해 개시된 제안-동의 절차가 양 방향의 링에서 전파될 때 장애 감지 브리지를 기준으로 항상 링의 중간 브리지에서 제안-동의 절차가 종료되도록 함으로써 신속한 망 복구 절차가 가능하다. 수식 분석 및 모의실험을 통하여 제안된 절차가 기존 400ms의 RSTP에 비하여 1/4인 100 ms 이내의 복구 시간으로 단축될 수 있음을 검증하였다.

'인공지능', '기계학습', '딥 러닝' 분야의 국내 논문 동향 분석 (Trend Analysis of Korea Papers in the Fields of 'Artificial Intelligence', 'Machine Learning' and 'Deep Learning')

  • 박홍진
    • 한국정보전자통신기술학회논문지
    • /
    • 제13권4호
    • /
    • pp.283-292
    • /
    • 2020
  • 4차 산업혁명의 대표적인 이미지 중 하나인 인공지능은 2016년 알파고 이후에 인공지능 인식이 매우 높아져 있다. 본 논문은 학국교육학술정보원에서 제공하는 국내 논문 중 '인공지능', '기계학습', '딥 러닝'으로 검색된 국내 발표 논문에 대해서 분석하였다. 검색된 논문은 약 1만여건이며 논문 동향을 파악하기 위해 빈도분석과 토픽 모델링, 의미 연결망을 이용하였다. 추출된 논문을 분석한 결과, 2015년에 비해 2016년에는 인공지능 분야는 600%, 기계학습은 176%, 딥 러닝 분야는 316% 증가하여 알파고 이후에 인공지능 분야의 연구가 활발히 진행됨을 확인할 수 있었다. 또한, 2018년 부터는 기계학습보다 딥 러닝 분야가 더 많이 연구 발표되고 있다. 기계학습에서는 서포트 벡터 머신 모델이, 딥 러닝에서는 텐서플로우를 이용한 컨볼루션 신경망이 많이 활용되고 있음을 알 수 있었다. 본 논문은 '인공지능', '기계학습', '딥 러닝' 분야의 향후 연구 방향을 설정하는 도움을 제공할 수 있다.

Thermal and Electrical Energy Mix Optimization(EMO) Method for Real Large-scaled Residential Town Plan

  • Kang, Cha-Nyeong;Cho, Soo-Hwan
    • Journal of Electrical Engineering and Technology
    • /
    • 제13권1호
    • /
    • pp.513-520
    • /
    • 2018
  • Since Paris Climate Change Conference in 2015, many policies to reduce the emission of greenhouse gas have been accelerating, which are mainly related to renewable energy resources and micro-grid. Presently, the technology development and demonstration projects are mostly focused on diversifying the power resources by adding wind turbine, photo-voltaic and battery storage system in the island-type small micro-grid. It is expected that the large-scaled micro-grid projects based on the regional district and town/complex city, e.g. the block type micro-grid project in Daegu national industrial complex will proceed in the near future. In this case, the economic cost or the carbon emission can be optimized by the efficient operation of energy mix and the appropriate construction of electric and heat supplying facilities such as cogeneration, renewable energy resources, BESS, thermal storage and the existing heat and electricity supplying networks. However, when planning a large residential town or city, the concrete plan of the energy infrastructure has not been established until the construction plan stage and provided by the individual energy suppliers of water, heat, electricity and gas. So, it is difficult to build the efficient energy portfolio considering the characteristics of town or city. This paper introduces an energy mix optimization(EMO) method to determine the optimal capacity of thermal and electric resources which can be applied in the design stage of the real large-scaled residential town or city, and examines the feasibility of the proposed method by applying the real heat and electricity demand data of large-scale residential towns with thousands of households and by comparing the result of HOMER simulation developed by National Renewable Energy Laboratory(NREL).

신경회로망을 이용한 직류전동기의 센서리스 속도제어 (Sensorless Speed Control of Direct Current Motor by Neural Network)

  • 김종수;강성주
    • 한국정보통신학회논문지
    • /
    • 제7권8호
    • /
    • pp.1743-1750
    • /
    • 2003
  • 근래에는 정확성과 신뢰성이 강한 센서리스 속도추정방법으로 전동기를 구동하기 위한 노력이 전개되고 있으며, 본 논문은 외란에 대한 강인성이 뛰어난 신경회로망을 이용하여 직류전동기의 센서리스 속도제어를 실현한 연구 결과이다. 〔6­8〕 신경회로망은 사람의 뇌가 경험을 통해 학습하듯이 주어진 입력에 대해 학습을 통하여 최적의 출력을 발생한다. 학습은 직류전동기의 수식모델을 통해 얻어진 전압$.$전류 및 회전자 속도를 입$.$출력 데이터로 사용하여 역전파 학습 알고리즘〔8〕을 통해 행하여지며, 학습 완료 후 얻은 최적의 연결강도를 이용하여 속도를 추정한다. 신경회로망에 의한 방식은 복잡한 알고리즘을 사용하지 않고도 정확한 속도 추정이 가능하며, 직류전동기의 문제점인 회전자 권선의 열에 의한 전동기의 성능 악화 및 속도 제어의 어려움을 해소하여 운전 조건에 따른 외란 등에도 강인한 제어 특성을 가질 뿐만 아니라 전 속도 영역에서 속도 응답 특성이 우수한 결과를 얻을 수 있었다.

지그비 무선 이미지 전송 및 모니터링 시스템 개발에 대한 연구 (A Study on the Development of Zigbee Wireless Image Transmission and Monitoring System)

  • 노재성;김상일;오규태
    • 한국정보통신학회:학술대회논문집
    • /
    • 한국해양정보통신학회 2009년도 춘계학술대회
    • /
    • pp.631-634
    • /
    • 2009
  • 최근 무선통신, MEMS 소자, 센서 및 베터리 분야의 발전은 저가, 저전력 다기능 소형 센서 노드를 가능하게 한다. 다수의 소형 센서 노드는 무선 통신을 통해 센서 네트워크를 형성한다. 센서 네트워크는 전통적인 센서를 통해 중요한 개선을 나타내며 지그비 무선 이미지 전송에 대한 연구는 산업과 과학 분야에서 주요 연구 테마가 되고 있다. 본 논문에서는 지그비 무선 이미지 센서 노드와 멀티미디어 모니터링 서버 시스템을 디자인하였다. 구현된 시스템은 임베디드 프로세서, CMOS 이미지 센서, 이미지 획득 및 처리부, 지그비 RF 모듈, 전력공급 및 원격 모니터링 서버 시스템으로 구성된다. 앞으로 지그비 무선 이미지 센서 노드 및 모니터링 서버 시스템의 성능을 개선하고 에너지 효율적인 지그비 무선 이미지 전송 프로토콜과 모바일 네트워크와의 연동에 대한 연구를 진행할 예정이다.

  • PDF

라즈베리 파이를 활용한 OpenWRT 기반 LTE 비상망 로드밸런서 (LTE Load Balancer for Emergency Based on Raspberry Pi and OpenWRT)

  • 백승현;장민석
    • 한국전자통신학회논문지
    • /
    • 제14권1호
    • /
    • pp.97-110
    • /
    • 2019
  • 제 4차 산업혁명이 각광받고 있는 가운데 통신 장애를 대비한 다양한 기술이 개발되어 상용화되고 있다. 그러나 IDC의 백업망은 많은 개발이 진행되고 있으나 소규모 저전력의 개인 또는 센서에 대한 통신 장애 대비는 다소 부족한 것이 현실이다. 이에 시중에서 쉽게 구할 수 있는 라즈베리 파이 재단의 라즈베리 파이 제품군에 OpenWRT 펌웨어를 사용하여 저전력 개인 로드 밸런서를 구축하고, USB기반 LTE 안테나를 통해 유선통신에 장애 발생 시 LTE를 통하여 장애 알림과 중요 데이터를 송신할 수 있는 시스템을 개발하였다. 시중에서 쉽게 구할 수 있는 제품들인 점과 USB를 사용함으로 다른 초소형 개발보드에서도 응용할 수 있기 때문에 개인의 센서 네트워크 망 구축에 많은 도움이 될 것이라 기대된다.

RNN 기반 디지털 센서의 Rising time과 Falling time 고장 검출 기법 (An RNN-based Fault Detection Scheme for Digital Sensor)

  • 이규형;이영두;구인수
    • 한국인터넷방송통신학회논문지
    • /
    • 제19권1호
    • /
    • pp.29-35
    • /
    • 2019
  • 4차 산업 혁명이 진행되며 많은 회사들의 스마트 팩토리에 대한 관심이 커지고 있으며 센서의 중요성 또한 대두되고 있다. 정보를 수집하기 위한 센서에서 고장이 발생하면 공장을 최적화하여 운영할 수 없기 때문에 이에 따른 손해가 발생할 수 있다. 이를 위해 센서의 상태를 진단하여 센서의 고장을 진단하는 일이 필요하다. 본 논문에서는 디지털 센서의 고장유형 중 Rising time과 Falling time 고장을 딥러닝 알고리즘 RNN의 LSTM을 통해 신호를 분석하여 고장을 진단하는 모델을 제안한다. 제안한 방식의 실험 결과를 정확도와 ROC 곡선 그래프의 AUC(Area under the curve)를 이용하여 Rule 기반 고장진단 알고리즘과 비교하였다. 실험 결과, 제안한 시스템은 Rule 기반 고장진단 알고리즘 보다 향상되고 안정된 성능을 보였다.