지식창고

지식창고

  • AI 컴퓨팅 플랫폼, 엣지에서 운용하기

    2021.11.05
    1347

    Gartner는 ‘2021년 10대 데이터 및 분석 동향에 대한 보고서’에서 데이터 및 분석이 엣지단으로 이동하고 있다고 언급했다. 원래 데이터 센터나 클라우드에만 존재하던 데이터 분석 기술이 엣지단(Edge)으로 이동하고 있다는 것이다.데이터 분석을 엣지단으로 이동시킴으로써 데이터 분석 팀은 자체 능력을 다른 분야의 업무로 확장할 수 있으며 법률 규제 등으로 인해 특정 지역에서 데이터를 이동할 수 없었던 문제를 해결할 수 있다.엣지 컴퓨팅 요구사항을 충족하기 위해 산업용 컴퓨터는 하드웨어의 소형화, 고밀도화, 컴퓨팅 능력 향상과 동시에 장시간 운용에서의 안정성을 보장하는 추세로 가고 있다.따라서, 플랫폼의 운용과 효율에 영향을 줄 수 있는 극단의 온도, 진동, 분진, 전원불안정 등 일련의 요소에 대해 어떻게 발열, 퍼포먼스 등 애플리케이션 환경 조건들의 균형을 맞춰야 하는지가 엣지 AI응용의 난제가 됐다.본 백서는 솔루션에 필요한 컴퓨팅 성능과 장기적인 작동 안정성 및 용이한 유지보수를 충족하는 컴퓨팅 플랫폼을 선택하는 방법을 ▲전원 설계 ▲써멀 ▲환경적 요인 등 3가지 측면으로 설명한다.

  • AI 예지보전을 위한 TSDB의 활용

    2021.11.05
    1659

    제조설비 예지보전은 최근 PHM(Prognostics and Health Management)이라는 보다 큰 의미의 용어로 불리고 있으며, 설비 이상에 대한 사전 진단 및 설비, 부품 등의 수명을 예측해 최적의 설비상태를 유지하는 것을 뜻한다.이를 통해 제조업은 품질 향상과 납기를 준수하게 되어 경쟁력을 강화하고, 빅데이터 분석(AI, 통계)을 토대로 객관적인 근거를 바탕으로 공장의 다운타임을 줄이는 동시에 실질적인 비용손실을 감소시키는 효과를 가져온다.통상적으로 PHM의 실행은 정보 수집, 이상 탐지, 상태 진단, 고장 예측 등의 네 단계를 거친다. 예지보전을 잘하기 위해서는 단순히 특정 영역뿐 아니라, 데이터의 발생 시점부터 데이터가 분석되는 시점까지의 데이터 고속도로가 필요하다. AIoT 관점에서 예지보전 기술의 핵심은 AI에 있다기보다는 얼마나 데이터를 효율적으로 처리하느냐에 있기 때문이다.보통의 AI 모듈은 데이터소스를 파일이나 메모리에서 가져오지만, 마크베이스의 AIoT Suite는 추론 데이터소스를 DBMS에서 실시간으로 전송해 데이터 변환에 드는 불필요한 비용을 줄인다. 또 Edge computing 솔루션과 연계해 실제 데이터가 발생하는 Edge 장비로부터 데이터를 분석하는 서버 장비까지의 경로에서 혹여 발생할 수 있는 네트워크 단절이나 와이파이 끊김 상황에서도 데이터 손실 없는 전송을 가능케 한다.이번 리포트는 데이터 수집을 위한 Edge Computing 기술, 데이터 실시간 처리를 위한 Time Series DBMS 기술, 이상 감지 및 예지 보전을 위한 AI 모델, 마크베이스 AIoT Suite 개발 배경과 적용 사례를 담았다.

  • 산업 현장의 완벽한 AIoT 구현을 위한 'TSDB’

    2021.11.05
    1681

    4차 산업혁명 시대에 주도권을 확보하기 위해 AI, IoT 기술을 응용한 원격제어, 제조 자동화 등을 구축하고 있는 현장이 늘어나고 있다.초당 수백만 건의 데이터가 쏟아져 나오는데, 데이터베이스를 구축하고 활용하기가 쉽지 않다. 실제로 현장에서는 DB 관련 해프닝이 끊이지 않는다.마크베이스는 '완벽한 AIoT 구현을 위한 TSDB의 도입과 사례' 리포트를 통해 시계열 데이터베이스(TSDB : Time Series Database)를 소개한다.이번 리포트는 ▲DB 히스토리 ▲AIoT가 원하는 DB의 조건 ▲주요 DB 성능 비교 ▲TSDB 도입을 위한 준비 ▲주요 TSDB 종류 ▲응용사례를 중심으로 소개하며 다양한 산업 영역에서 본격화 되고 있는 AIoT 기술 관련 올바른 DB의 선택과 도입에 도움을 준다.

Page 1 of 1