Core Concepts
상호 인과성 기반 자동 레이블링 기능을 통해 배포된 기계 학습 모델을 지속적으로 적응시킬 수 있는 사이버 제조 IoT 시스템
Abstract
이 논문은 기계 학습(ML) 기술을 제조 분야에 적용하기 위한 사이버 제조 IoT 시스템인 AdaptIoT를 제안한다. AdaptIoT는 실시간 센서 데이터 스트리밍, ML 서비스 통합, 자동 레이블링 서비스 등의 기능을 제공한다. 특히 상호 인과성 기반 자동 레이블링 기능을 통해 배포된 ML 모델을 지속적으로 적응시킬 수 있다.
AdaptIoT의 주요 구성 요소는 다음과 같다:
데이터 스트리밍 관리자: 실시간 고처리량, 저지연 센서 데이터 스트리밍 지원
ML 서비스 통합: 다양한 ML 프레임워크와 ML 모델 통합
자동 레이블링 서비스: 상호 인과성 기반 자동 레이블링 워크플로우 실행
확장 가능한 마이크로서비스 아키텍처: 새로운 기능 쉽게 통합 가능
AdaptIoT는 제조 메이커스페이스에 구현되어 실제 환경에서 자동 레이블링 기반 적응형 ML 애플리케이션을 개발하고 테스트하였다. 이를 통해 AdaptIoT의 실용성과 적응형 ML 기능을 입증하였다.
Stats
단일 엣지 노드의 평균 처리량은 284 msg/s, 평균 지연 시간은 31ms이다.
Kafka 단일 프로듀서의 최대 처리량은 182k msg/s이다.
실제 시스템 테스트에서 하루 평균 1억 8백만 개의 메시지가 생성되었고, InfluxDB의 평균 데이터 수집 속도는 1259 msg/s이다.
Quotes
"AdaptIoT는 실시간 타임스탬프 센서, 오디오, 비디오 데이터를 이기종 서비스와 장치에서 실시간으로 전송할 수 있어야 한다."
"AdaptIoT는 상호 인과성 지식베이스, 자동 레이블링 서비스, ML 서비스, 데이터 스트림을 연결하고 자율적으로 ML 모델을 재학습 및 재배포할 수 있어야 한다."
"AdaptIoT는 새로운 엣지, ML, 자동 레이블링 서비스를 쉽게 수용할 수 있는 확장 가능한 아키텍처를 가져야 한다."