알고리즘 개발

알고리즘 개발

데이터로부터 유용한 정보와 부가가치를 추출합니다

특수한 응용분야를 위한 알고리즘 DOWNLOAD WHITEPAPER

당사의 개발팀은 센서 융합이나 자동 데이터 분석에 필요한 복잡한 수학 문제를 해결하기 위한 알고리즘 연구 개발에 특화되어 있습니다. 노이즈가 들어 있거나 이상 값이 포함된 센서 데이터를 잘 처리할 수 있는 알고리즘이 중요합니다.

센서 융합과 자동 데이터 분석에 충분한 역량과 다년간의 경험을 보유하고 있으며, 다양한 기술 분야에서 고품질 소프트웨어를 개발하는데 강점을 가지고 있습니다. 개발된 알고리즘의 통합뿐만 아니라, 보안과 품질 문제도 매우 중요합니다.

데이터 전처리

데이터 정리, 축소, 정규화, 보간, 퓨리에 변환, 이상값 감지 등,...

상태 추정

베이즈 정리, 칼만 필터, 파티클 필터, 은닉 마르코프 모델, 가우시안 프로세스 등,...

위치 파악

확장칼만필터, 무향칼만필터, 직선회귀칼만필터, 동시 위치추정 및 지도작성, 입자 필터, ...

기계학습

직선회귀, 서포트 벡터 머신, 신경망, 합성곱 신경망, 랜덤 포레스트, 앙상블 모델 등...

군집분석

주성분 분석, k-평균, 자율조직화지도, 지형생성매핑, t-분포 확률적 임베딩 등...

이상값 검출

베이즈 정리, 오토인코더, 주성분 분석, k-평균, 자율조직화지도 등, ...

응용 분야

데이터 처리 알고리즘은 센서와 기계로부터 나오는 데이터에서 정보와 지식, 부가가치를 추출해야 하는 모든 분야에서 필요합니다. 개별 센서에서 센서 네트워크, 장치 및 기계, 궁극적으로는 전체 공정과 지능형 공장에 이르기까지 그 응용 분야는 매우 다양합니다. 각 개별 응용 분야마다 가용한 데이터와 필요한 정보, 경계 조건들이 크게 다릅니다. 이러한 다양한 응용분야에서 가장 최적의 알고리즘을 찾아내어 고객들에게 최대의 부가가치를 제공하는 것이 중요합니다. 데이터 처리 알고리즘의 장점은 다음과 같습니다.

정확도의 증가

여러가지 센서의 조합을 통한 영역 확대 및 신뢰성 증가

직접 측정되지 않는 값의 추정

실시간 데이터의 검증

이상값, 결함, 오류의 조기 검출

데이터 해석, 예) 기계상태 정상 여부, 상태 변화 여부 확인

적응형 및 자체 학습 알고리즘을 이용한 인건비 절감

기계, 시스템 및 공정 모니터링 분야에서 당사가 개발한 알고리즘은 이상 감지에서부터 복잡한 결함 진단과 문제 해결에 이르기까지 매우 광범위하게 사용되고 있습니다. 다양한 산업용 기계와 시스템의 진동과 소음, 작동 조건들을 모니터링할 수 있습니다. 음향센서, 가속도 센서, 자기장 센서, 온도 센서와 센서 데이터 처리에 필요한 알고리즘이 들어 있는 지능형 측정 시스템이 이러한 것을 가능하게 합니다.

여러 종류의 센서 시스템을 적절한 알고리즘과 결합하면 공정의 상태, 베어링이나 회전자, 고정자의 손상, 전자 제어장치의 고장, 시스템의 알 수 없는 변화를 자동으로 감지할 수 있습니다. 특정한 유형의 손상에 대한 예측 모델이 있는 경우에는 이러한 손상도 예측할 수 있습니다. 모니터링과 예측을 통해 조기에 유지 보수를 위한 대응 조치를 할 수 있으며, 고장을 예방할 수 있습니다. 예측 모델이 없는 경우라면, 데이터 기반 알고리즘이 기계의 동작을 점진적으로 학습하고 시간이 지남에 따라 예지관리를 위한 보다 좋은 모델을 만들 수 있습니다. 또한, 알고리즘을 사용하면 복잡한 제조 공정을 최적화하여 더 높은 수율을 얻거나 제품의 품질을 향상시킬 수 있습니다.

센서와 기계 데이터로부터 정보의 추출

센서 융합 알고리즘

센서 융합이란 여러 개의 측정값을 조합하고 결합하는 것입니다. 서로 다른 종류의 센서를 새로운 가상 센서로 병합하여 실제로 수집되지 않은 데이터를 계산할 수 있습니다.

모델 기반 알고리즘이 센서 융합에 사용됩니다. 이러한 경우, 물리적 배경 지식이 수학적으로 설명 가능하다고 가정합니다. 더 정확한 결과를 얻기 위하여 센서 데이터가 결합됩니다. 선형 시스템에서는 칼만 필터(KF)가 가장 대표적이며, 비선형 시스템일 경우, 무향칼만필터(UKF), 확장칼만필터(EKF), 파티클 필터(PF)가 사용됩니다. 어떤 필터를 사용할 것인지는 각각의 응용 분야에 따라 달라집니다.

수학적 모델을 결합하면 연결과 상관 관계에 기반한 추가적인 지식을 통해 부가가치를 창출할 수 있습니다. 이렇게 함으로써 투자 비용을 줄일 수 있는 장점이 있습니다. 몇 가지 저렴한 센서를 통합하면 정확도가 매우 높은 고가의 특수 센서를 사용하는 것보다 동등 이상의 결과를 얻을 수 있기 때문입니다.

보다 발전된 분석기법의 응용: 센서 융합

센서 융합에 관한 웹비나를 시청하시고 싶으면 이곳을 클릭하세요.

알고리즘 파이프라인 – 모델 기반 접근방법

데이터 분석을 위한 알고리즘들

자동 데이터 분석을 통해 센서 데이터를 자동으로 모니터링하고 수학적 알고리즘을 사용하여 편차를 검출합니다. 이를 위해 많은 양의 측정 데이터를 지속적으로 평가 해석하고 패턴과 편차를 식별하며 필요시 자동으로 수정합니다.

대부분의 경우, 데이터만 있고 수학 방정식의 형태로 되어 있는 배경 지식이 없기 때문에 데이터 기반 알고리즘을 선택해야 합니다. 이러한 알고리즘은 직접 데이터로부터 필요한 정보를 추출합니다. 선형 회귀, 신경망, 랜덤 포레스트 또는 은닉 마르코프 모델과 같은 다양한 기계 학습 방법이 사용됩니다.

기계학습의 응용분야: 이상값 검출

이상값 검출에 관한 웹비나를 시청하시고 싶으면 이곳을 클릭하세요.

알고리즘 파이프라인 – 데이터 기반 접근방법

로컬에서 엣지, 클라우드까지

각 단계에서 필요한 알고리즘들이 포함된 전체 데이터 처리과정은 최대의 부가 가치를 산출할 수 있는 방식으로 구현되어야 합니다. 일반적으로 컴퓨팅 리소스가 제한된 소형 센서에서 게이트웨이 및 엣지 컴퓨터, 대형 클라우드 컴퓨터에 이르기까지 알고리즘이 전체 수준에서 구현되어야 하며, 하나의 수준에서만 구현되어서는 안 됩니다.

오히려 대부분의 경우에는 알고리즘을 가능한 한 센서에 가깝게 설치하는 것이 더 유리합니다. 이를 통해 더 빨리 데이터를 압축하고 처리할 수 있으며 통신비용과 저장 비용을 절감할 수 있습니다. 데이터에서 핵심 정보를 조기에 추출하기 때문에 더 높은 수준의 글로벌 알고리즘 개발도 쉬워집니다. 불필요하게 데이터를 저장하여 높은 데이터 전송비용과 저장 비용이 발생하지 않도록 스트리밍 분석 분야의 알고리즘도 사용할 수 있습니다. 이러한 알고리즘은 각 데이터 포인트를 한 번만 사용하므로 모든 정보가 여기에서 직접 추출되며 데이터를 저장할 필요가 없습니다.

특정 응용분야에서 사용할 알고리즘을 임베디드, 엣지, 클라우드 중 어떤 것을 사용하느냐는 데이터의 정확도와 적시성이 얼마나 요구되는지에 따라 달라집니다. 기본 목표는 경제적 기준과 품질 기준에 따라 로컬과 글로벌 데이터 처리의 최적 비율을 정해 원하는 결과를 달성하는 것입니다. 예를 들어 이미지 인식이나 가속도 데이터의 경우에는, 이상값이나 편차 및 변화가 나타나는 경우에만 데이터 전송이 시작되기 때문에 임베디드 처리와 엣지 처리가 가장 좋은 방법입니다. 배터리로 작동되는 게이트웨이의 경우 이러한 접근 방식을 통해 대역폭과 에너지를 절약할 수 있습니다.

모든 단계에서의 최적화된 알고리즘

당사의 알고리즘 개발과정

강력한 알고리즘을 개발하는데 있어서 복잡한 기술적 수학적 문제를 해결하는 것은 매우 어렵습니다. 효율적인 알고리즘을 신속하게 개발하여 고객들에게 전달하기 위해 당사에서는 특별하고 민첩한 개발 프로세스를 사용합니다.

분석단계: 문제점 분석, 기존 측정자료와 요구사양의 검토

개발단계: 다양한 접근방법으로 해결책을 제시하고 신속한 프로토타입 시험 환경 조성

평가단계: 시뮬레이션을 통해 알고리즘의 성능 평가

문서화: 알고리즘과 평가 결과의 기록

개발 단계와 평가 단계 사이에서 쉽게 변경을 할 수 있게 하고, 고객의 요구에 따라 Matlab, Python, R 등을 사용하여 프로토타이핑 환경을 조성함으로써 빠르고 효율적으로 강력한 알고리즘을 개발할 수 있습니다. 이를 통해 개발 시간을 단축하고 비용을 절감할 수 있습니다.

추가 정보가 필요하십니까?

First Name *
Last Name *
Primary Email *
Organization Name
Job Title
Email Opt-in *

First Name *
Last Name *
Primary Email *
Organization Name
Job Title
Email Opt-in *

First Name *
Last Name *
Organization Name
Email *
Office Phone
Email Opt-in *


Your Message *

First Name *
Last Name *
Primary Email *
Email Opt-in *

First Name *
Last Name *
Primary Email *
Email Opt-in *