디지털 라이브러리[ 검색결과 ]
협동 로봇 모션 결함 데이터셋 구축을 위한 비전 기반 위치 편차 모의 결함 주입 방법
http://doi.org/10.5626/JOK.2023.50.9.795
스마트팩토리의 핵심 설비인 협동 로봇에는 기기의 고장을 진단하기 위해 내부, 외부 센서로부터 데이터를 실시간으로 수집하고 결함을 예측하는 데이터 기반 결함 진단 방법이 도입되고 있다. 데이터 기반 결함 진단 방법은 학습을 위한 많은 양의 데이터가 필요하며, 특히 결함 상태로 레이블링된 대량의 데이터가 필수적으로 요구된다. 그러나, 산업 현장에서 실제 결함 데이터를 대량으로 얻기 어렵다. 따라서 본 논문에서는 비전 센서를 기반으로 협동 로봇 결함 상태의 출력을 정상 상태의 출력을 비교 분석하고, 분석된 출력 신호간의 편차를 바탕으로 모의 결함 주입 방법을 제안한다. 실제 결함 상태에서 수집된 협동 로봇 데이터는 제안하는 모의 결함 주입 상태에서 수집된 데이터로 대체 가능하다. 결함 주입 데이터로 학습된 모델의 성능과 실제 결함 데이터로 학습된 모델의 성능 비교 결과, 정확도의 경우 평균 0.97, 0.98로 차이가 거의 없음을 확인하여 제안하는 결함 주입 방법의 효용성을 검증하였다.
협동 로봇 센싱 데이터의 특징 클러스터 기반 학습 모델 성능 평가 기법
http://doi.org/10.5626/JOK.2022.49.10.824
최근 스마트팩토리의 대표 설비 기기인 협동 로봇의 건전성 관리 기술(PHM)에 인공지능 모델을 접목하려는 시도가 이어지고 있다. 그러나 일반적인 모델은 테스트 프로그램을 운영하여 수집한 센싱 데이터를 전처리하거나 분석하지 않고 휴리스틱한 방식으로 개발되고 있다. 따라서 본 논문에서는 협동 로봇에서 수집된 주기를 가지는 시계열 센싱 데이터의 특징을 분석할 수 있는 특징 클러스터 기반 학습 모델 성능 평가 방법을 제안한다. 제안하는 방법의 효용성을 검증하기 위해 모션 결함 검출 네트워크의 내부 구성 요소인 프로그램 분류 모델에 적용하여, 기존의 평가 방식에서는 드러나지 않던 학습 성능 저하의 원인이 되는 데이터의 특징을 확인하였다. 이러한 결과는 학습 모델의 성능에 대한 정성적인 평가를 가능하게 하며, 학습 모델 개선에 대한 방향성을 제공한다.
인공지능 의료기기 소프트웨어의 IEC 62304 국제표준 준수 가이드라인 개발 및 적용
http://doi.org/10.5626/JOK.2021.48.1.71
의료기기 소프트웨어 개발자는 의료기기 소프트웨어 생명주기 프로세스에 대한 국제표준인 IEC 62304가 요구하는 프로세스를 수립하고, 방대한 양의 산출물을 갖추어 인허가를 받아야 한다. 최근에는 의료영상 기반 인공지능 의료기기 소프트웨어가 활발히 개발되고 있으며, 독립형 소프트웨어로 취급되기 때문에 의료기기 소프트웨어에 대한 IEC 62304를 준수하여 인허가를 받아야 한다. 인공지능 기술에 대한 국제표준은 논의 단계에 있어, 개발자는 인공지능 의료기기 소프트웨어의 생명주기 프로세스를 임의로 수립해야 하며, IEC 62304의 어느 명세를 기준으로 삼아 인공지능 제품의 성능과 안전성을 입증할지, 어떤 품질관리 기법을 사용하여 산출물을 작성할지 파악하기 어렵다. 본 논문은 인공지능 의료기기 소프트웨어에 대한 IEC 62304 준수 범위와 요구사항을 수행하기 위한 품질관리 기법을 가이드라인의 형태로 제공한다. 또한 실제 인공지능 제품에 적용하여 본 가이드라인의 활용성을 확인한다.
속성 기반 및 모델 기반 테스트를 통한 테스트 단계별 스마트 컨트랙트 및 DApp 신뢰성 향상
http://doi.org/10.5626/JOK.2019.46.8.763
블록체인에 기반한 스마트 컨트랙트는 제3자의 개입 없이도 투명한 거래 및 자동 계약 실행이 가능하며 이더리움이 그 기능을 구현할 수 있는 솔리디티 언어(Solidity) 및 이더리움 가상 머신을 제공하며 빠르게 발전하고 있다. 또한, 스마트 컨트랙트를 활용하여 새로운 블록체인을 개발할 필요 없이 DApp 을 만들 수 있게 되면서 많은 관심을 받고 있다. 하지만 코드 업데이트가 불가능한 특성을 가진 스마트 컨트랙트는 배포 이후 결함이 있다면 사소한 결함이라도 이를 수정하기 위해 많은 작업들이 필요하다. 따라서, 컨트랙트 배포 이전에 소스코드의 충분한 테스트 혹은 분석을 거쳐 결함이 없음을 확인해야 할 필요가 있다. 이를 위해 본 논문에서는 동적 테스팅 방법을 통해 스마트 컨트랙트 및 DApp의 정확성을 검증하고, 결함을 발견하는 기법을 제안한다. 이를 위해 각 테스트 단계에서 필요한 동적 모델을 정의하여 기존 테스팅 방법인 속성 기반 테스팅과 모델 기반 테스팅을 적용한다.
동시성을 포함한 액티비티 다이어그램 기반 테스트 시나리오 생성 기법
소프트웨어 테스트에 대한 중요도는 오늘날의 산업 전반적으로 커지고 있으며 효과적인 테스트를 지원하기 위한 많은 방법들이 연구되고 있다. 이에 테스트 설계를 위해 시스템의 요구사항을 정형화하는 방법으로 모델 기반 테스트가 주로 사용되고 있는데, 반복과 동시성 작업을 포함하는 복잡한 시스템의 경우 경로 폭발을 야기하기 쉬운 문제가 있다. 특히 동시성 작업의 경우 Thread가 추가될수록 기하급수적인 수의 테스트 시나리오가 발생하게 되는데, 기존의 방법으로는 이를 해결하기 어렵다는 문제가 있다. 본 논문에서는 동시성 경로가 가지는 작업적 특성에 주안점을 두고, 이를 탐색하는 새로운 기법으로 경로 폭발 문제를 회피하는 방법을 제안한다. 사례 연구에서는 동시성 작업을 포함하는 시스템을 액티비티 다이어그램으로 표현하고, 기존의 기법이 생성할 테스트 시나리오의 수와 비교하여 본 기법의 효과를 보인다. 본 방법은 적은 수의 테스트 시나리오를 통해 반복과 동시성 작업의 결함을 효과적으로 발견할 것임을 기대한다.
메모리 맵 기반 메모리 영역 분할과 메모리 갱신 정보를 활용한 결함 후보 축소 기법
요즘 자동차 제작비용 중 차량용 전자장치에 사용되는 비용이 30% 이상을 차지하고 있다. 따라서 차량용 전자장치에 사용되는 비용 절약의 필요성이 증가하고 있다. 그런데, 완성차 업체들은 차량용 전장부품을 제작하는 일을 대부분 외주 업체에 맡기기 때문에 전장부품의 테스트 및 디버깅의 복잡도가 증가하고 있다. 이로 인해, 차량용 전장부품의 테스트 시에 발생하는 결함의 위치를 찾아내는데 많은 비용과 시간을 소비하고 있다. 이러한 문제를 해결하기 위해, 본 논문에서는 차량용 전장부품을 대상으로 통합테스팅을 수행하는 검사자가 메모리상의 결함후보를 축소할 수 있는 기법을 제안한다. 본 기법에서는 메모리 맵을 이용하여 메모리를 분할하고, 분할된 메모리 영역에 메모리 갱신 정보를 적용해 각 분할 영역의 결함 의심도를 계산한다. 이렇게 계산된 결함 의심도를 기준으로 분할 영역들의 결함 의심순위를 결정할 수 있다. 제안하는 기법을 이용해 결함 후보 영역을 전체 메모리 크기의 1/6 정도로 축소했다.
실내/실외 컨텍스트 전이를 고려한 저전력 센싱 모델
다양한 센서가 부착된 스마트 폰의 보급으로 상황인지 어플리케이션 시장의 규모가 발달하고 있다. 하지만, 한정된 전력으로 인해 원활한 서비스를 제공받기는 어렵다. 상황인지 어플리케이션 관점에서 볼 때, 컨텍스트의 종류에 따라 필요한 센싱 정보가 다르기 때문에, 컨텍스트의 전이가 발생하면 필요한 센서들의 변화로 인해 센서 모듈들을 끄고 켜는 과정에서의 전력 소비가 크며, 정확한 센싱이 되지 않는 상황에서 과도한 센싱을 시도하게된다. 본 논문에서는 실내/실외 컨텍스트 전이에서 발생하는 전력 소모에 초점을 두고 해당 컨텍스트와 연관된 센서 활동을 모델링 한 뒤, 컨텍스트 전이가 일어나는 시점을 감지하여 전력 소모를 최소화할 수 있는 freezing 알고리즘을 적용하는 기법을 제안한다. 시중의 실내/실외 위치추적 어플리케이션을 이용하여 컨텍스트 전이가 발생하는 지점에서, 제안하는 기법의 유무에 따른 소비전력 차이를 실측하였으며, 시중의 어플리케이션의 실제 구동 중 컨텍스트 전이과정에서의 전력 절감이 있었으며, 전체 시나리오에서 약 20%의 전력 절감 효과를 얻었다.
