4차 산업혁명 시대의 급속한 발전으로 인해 ICT 기술이 확산되며 IoT 기기 및 센서를 기반으로 기술 간 연계성이 높아져 다양한 형태의 스마트 시스템이 등장하였다. 스마트시티를 중심으로 스마트 빌딩, 스마트 팩토리, 스마트 모빌리티 등의 스마트 시스템은 주로 ...
4차 산업혁명 시대의 급속한 발전으로 인해 ICT 기술이 확산되며 IoT 기기 및 센서를 기반으로 기술 간 연계성이 높아져 다양한 형태의 스마트 시스템이 등장하였다. 스마트시티를 중심으로 스마트 빌딩, 스마트 팩토리, 스마트 모빌리티 등의 스마트 시스템은 주로 IoT 센서를 통해 수집된 환경, 에너지, 운영 관련 데이터를 기반으로 운영되기 때문에 데이터를 분석하고 사용할 수 있게 하는 데이터 관리 플랫폼의 선택이 매우 중요하다. 본 논문에서는 다양한 스마트 시스템 중 스마트 빌딩, 스마트 팩토리, 스마트 모빌리티 상에서 에너지 절감, 운영 효율 증대, 보안 강화, 자율시스템 발전으로 인프라를 최적화하기 위한 데이터 관리 플랫폼에 관한 연구를 하였다. AI 기반의 데이터 학습 방식 중 머신러닝의 한 종류인 강화학습 방식을 선택하였으며, 기존의 머신러닝 기반의 연구와 강화학습 기반의 연구의 분석을 통해 스마트 시스템 최적화를 위한 강화학습 기반의 데이터 관리 플랫폼의 필요성에 대해 논의하였다. 강화학습은 학습의 주체인 Agent가 데이터의 상태를 인식하여 행위 기반 환경으로 얻는 보상을 최대한으로 얻는 방법이다. 강화학습은 다른 방법에 비해 학습 속도가 매우 느리고 원하지 않았던 이외의 결과를 내는 경우가 있기 때문에, 강화학습 알고리즘을 이용한 스마트 시스템 별 데이터 분석 서비스가 상용화 되지 않았다. 따라서 스마트 시스템을 최적화하기 위한 강화학습 이용 환경이 구축되어야 할 것이며, 동시에 비용 절감과 리스크 예방을 위한 디지털 트윈 적용을 통해 가상의 시뮬레이션을 활발히 사용되어야 할 것이다.
4차 산업혁명 시대의 급속한 발전으로 인해 ICT 기술이 확산되며 IoT 기기 및 센서를 기반으로 기술 간 연계성이 높아져 다양한 형태의 스마트 시스템이 등장하였다. 스마트시티를 중심으로 스마트 빌딩, 스마트 팩토리, 스마트 모빌리티 등의 스마트 시스템은 주로 IoT 센서를 통해 수집된 환경, 에너지, 운영 관련 데이터를 기반으로 운영되기 때문에 데이터를 분석하고 사용할 수 있게 하는 데이터 관리 플랫폼의 선택이 매우 중요하다. 본 논문에서는 다양한 스마트 시스템 중 스마트 빌딩, 스마트 팩토리, 스마트 모빌리티 상에서 에너지 절감, 운영 효율 증대, 보안 강화, 자율시스템 발전으로 인프라를 최적화하기 위한 데이터 관리 플랫폼에 관한 연구를 하였다. AI 기반의 데이터 학습 방식 중 머신러닝의 한 종류인 강화학습 방식을 선택하였으며, 기존의 머신러닝 기반의 연구와 강화학습 기반의 연구의 분석을 통해 스마트 시스템 최적화를 위한 강화학습 기반의 데이터 관리 플랫폼의 필요성에 대해 논의하였다. 강화학습은 학습의 주체인 Agent가 데이터의 상태를 인식하여 행위 기반 환경으로 얻는 보상을 최대한으로 얻는 방법이다. 강화학습은 다른 방법에 비해 학습 속도가 매우 느리고 원하지 않았던 이외의 결과를 내는 경우가 있기 때문에, 강화학습 알고리즘을 이용한 스마트 시스템 별 데이터 분석 서비스가 상용화 되지 않았다. 따라서 스마트 시스템을 최적화하기 위한 강화학습 이용 환경이 구축되어야 할 것이며, 동시에 비용 절감과 리스크 예방을 위한 디지털 트윈 적용을 통해 가상의 시뮬레이션을 활발히 사용되어야 할 것이다.
The rapid development of ICT in the era of the 4th Industrial Revolution led to the expansion of ICT and increased connectivity between technologies based on IoT devices and sensors, resulting in the emergence of various types of smart systems. Smart systems such as Smart Building, Smart Factory and...
The rapid development of ICT in the era of the 4th Industrial Revolution led to the expansion of ICT and increased connectivity between technologies based on IoT devices and sensors, resulting in the emergence of various types of smart systems. Smart systems such as Smart Building, Smart Factory and Smart Mobility mainly operate on the basis of environment, energy and operational data collected through IoT sensors, so the choice of data management platforms that enable data to be analyzed and used is critical. In this paper, among the various smart systems, a study on the data management platform was conducted to optimize the infrastructure by reducing energy, increasing operational efficiency, strengthening security and developing autonomous systems on Smart Building, Smart Factory, and Smart Mobility. Among the AI-based data learning methods, we selected the Reinforcement Learning method, which is a type of Machine Learning, and discussed the need for a Reinforcement Learning-based data management platform for smart system optimization through the analysis of existing Machine Learning-based researches and Reinforcement Learning-based researches. Reinforcement Learning is a way for the agent, the main actor in learning, to recognize the status of the data and obtain the maximum rewards from the action-based environment. Since Reinforcement Learning is often very slow compared to other methods and produces results other than desired, data analysis services by smart system using Reinforcement Learning algorithms have not been commercialized. Therefore, a Reinforcement Learning utilization environment should be established to optimize smart systems, while at the same time virtual simulation should be actively used through Digital Twin applications to reduce costs and prevent risks.
The rapid development of ICT in the era of the 4th Industrial Revolution led to the expansion of ICT and increased connectivity between technologies based on IoT devices and sensors, resulting in the emergence of various types of smart systems. Smart systems such as Smart Building, Smart Factory and Smart Mobility mainly operate on the basis of environment, energy and operational data collected through IoT sensors, so the choice of data management platforms that enable data to be analyzed and used is critical. In this paper, among the various smart systems, a study on the data management platform was conducted to optimize the infrastructure by reducing energy, increasing operational efficiency, strengthening security and developing autonomous systems on Smart Building, Smart Factory, and Smart Mobility. Among the AI-based data learning methods, we selected the Reinforcement Learning method, which is a type of Machine Learning, and discussed the need for a Reinforcement Learning-based data management platform for smart system optimization through the analysis of existing Machine Learning-based researches and Reinforcement Learning-based researches. Reinforcement Learning is a way for the agent, the main actor in learning, to recognize the status of the data and obtain the maximum rewards from the action-based environment. Since Reinforcement Learning is often very slow compared to other methods and produces results other than desired, data analysis services by smart system using Reinforcement Learning algorithms have not been commercialized. Therefore, a Reinforcement Learning utilization environment should be established to optimize smart systems, while at the same time virtual simulation should be actively used through Digital Twin applications to reduce costs and prevent risks.
Keyword
#Smart City Bigdata Reinforcement Learning Artificial Intelligence Smart System
학위논문 정보
저자
김승민
학위수여기관
中央大學校 大學院
학위구분
국내석사
학과
전자전기공학과 컴퓨터 전공
지도교수
박세현
발행연도
2020
총페이지
iii, 52장
키워드
Smart City Bigdata Reinforcement Learning Artificial Intelligence Smart System
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.