본 연구는 오픈소스 기반의 AIㆍ빅데이터 센터를 구축할 때, 규모를 쉽고 빠르게 산정하여 초기 계획에서 발생하는 지연 시간을 최소화 하고자 하는데에 목적이 있다. 연구 범위는 센터 구성 시에 필요한 하드웨어, 소프트웨어, 기반설비를 대상으로 하며, 비즈니스 특성에 따라 편차가 심한 신규 서비스의 개발과 운영 조직의 구성, 개인정보보호 구축에 대한 부분은 제외한다. 연구의 방법은 크게 ‘시스템 설계 및 구현‘, ‘시스템 검증‘의 두 단계로 진행하는데, ’시스템 설계 및 구현' 단계에서는 ...
본 연구는 오픈소스 기반의 AIㆍ빅데이터 센터를 구축할 때, 규모를 쉽고 빠르게 산정하여 초기 계획에서 발생하는 지연 시간을 최소화 하고자 하는데에 목적이 있다. 연구 범위는 센터 구성 시에 필요한 하드웨어, 소프트웨어, 기반설비를 대상으로 하며, 비즈니스 특성에 따라 편차가 심한 신규 서비스의 개발과 운영 조직의 구성, 개인정보보호 구축에 대한 부분은 제외한다. 연구의 방법은 크게 ‘시스템 설계 및 구현‘, ‘시스템 검증‘의 두 단계로 진행하는데, ’시스템 설계 및 구현' 단계에서는 아키텍처참조모델의 정의, 입력인자 도출, 규모산정 계산식 정의, 시스템 상세설계 및 프로그램 개발의 순으로 진행하며, ’시스템 검증‘ 단계에서는 검증방법 설정, 시뮬레이션 및 검증, 산업체 전문가 의견 수렴의 순으로 진행한다. 시스템 시뮬레이션 및 검증은 실제 설계 사례 또는 구축 사례로부터 도출된 입력값을 규모산정시스템에 입력한 후, 규모산정시스템으로부터 나온 결과값을 실제 결과와 비교함으로써 검증한다. 이 때, 적합함을 판정하는 기준은 규모산정 우선순위 내에 실제 모델과 동일한 하드웨어 수량의 모델이 있는지와 총 비용의 오차 범위가 6.49% 이내를 만족하는지의 여부로 판단한다. 검증을 위한 비교 사례는 총 3개의 사례를 참조하였는데, 정부부처 사례 2건, 시ㆍ도청 사례 1건으로 시뮬레이션 결과, 모두 적합한 것으로 판정되었다. 첫 번째 사례는 정부부처의 사례로써, 하드웨어 156대에 대한 총 비용이 9,027,456,900원 산정되었고, 실제 결과와의 차이가 1.39% 발생하여 적합한 것으로 판단하였다. 두 번째 사례는 시ㆍ도청에서 구축한 사례로써, 재활용 자원을 제외한 하드웨어 48대에 대한 총 비용이 1,243,242,000원 산정되었고, 차이가 3.64% 발생하여 적합한 것으로 판단하였다. 마지막 세 번째 사례는 정부부처 사례로써, 재활용 자원을 제외한 하드웨어 155대에 대한 총 비용이 9,775,363,400원 발생하였고, 차이가 5.42% 발생하여 적합한 것으로 판단하였다. 또한 규모산정시스템의 활용성에 대한 검증을 위해 산업체 전문가를 대상으로 시스템을 사용하도록 하였고, 설문조사를 시행하여 의견을 수렴하였다. 조사 결과, 4가지 항목인 입력인자의 적정성, 결과모델 수량 및 비용의 적정성, 우선순위의 적정성, 산업현장에서의 효용성에 대한 항목에서 모두 긍정적인 평가인 평균 88.5점을 받았고, 특히 산업현장에서의 활용 측면에서는 응답 대상자 중 70%이상의 참여자가 ‘매우 도움이 될 것이다.’라는 응답을 주어, 100점 만점 기준 94점의 점수를 획득하였다. 다만 현 시점에서는 구축 사례 데이터의 부족, 공개되지 않는 하드웨어 단가 등의 한계점이 있는데, 빅데이터 분석 및 인공지능 학습을 통한 지능형 규모산정시스템의 개발을 향후 연구과제로 하여 한계점을 극복하고자 한다.
본 연구는 오픈소스 기반의 AIㆍ빅데이터 센터를 구축할 때, 규모를 쉽고 빠르게 산정하여 초기 계획에서 발생하는 지연 시간을 최소화 하고자 하는데에 목적이 있다. 연구 범위는 센터 구성 시에 필요한 하드웨어, 소프트웨어, 기반설비를 대상으로 하며, 비즈니스 특성에 따라 편차가 심한 신규 서비스의 개발과 운영 조직의 구성, 개인정보보호 구축에 대한 부분은 제외한다. 연구의 방법은 크게 ‘시스템 설계 및 구현‘, ‘시스템 검증‘의 두 단계로 진행하는데, ’시스템 설계 및 구현' 단계에서는 아키텍처 참조모델의 정의, 입력인자 도출, 규모산정 계산식 정의, 시스템 상세설계 및 프로그램 개발의 순으로 진행하며, ’시스템 검증‘ 단계에서는 검증방법 설정, 시뮬레이션 및 검증, 산업체 전문가 의견 수렴의 순으로 진행한다. 시스템 시뮬레이션 및 검증은 실제 설계 사례 또는 구축 사례로부터 도출된 입력값을 규모산정시스템에 입력한 후, 규모산정시스템으로부터 나온 결과값을 실제 결과와 비교함으로써 검증한다. 이 때, 적합함을 판정하는 기준은 규모산정 우선순위 내에 실제 모델과 동일한 하드웨어 수량의 모델이 있는지와 총 비용의 오차 범위가 6.49% 이내를 만족하는지의 여부로 판단한다. 검증을 위한 비교 사례는 총 3개의 사례를 참조하였는데, 정부부처 사례 2건, 시ㆍ도청 사례 1건으로 시뮬레이션 결과, 모두 적합한 것으로 판정되었다. 첫 번째 사례는 정부부처의 사례로써, 하드웨어 156대에 대한 총 비용이 9,027,456,900원 산정되었고, 실제 결과와의 차이가 1.39% 발생하여 적합한 것으로 판단하였다. 두 번째 사례는 시ㆍ도청에서 구축한 사례로써, 재활용 자원을 제외한 하드웨어 48대에 대한 총 비용이 1,243,242,000원 산정되었고, 차이가 3.64% 발생하여 적합한 것으로 판단하였다. 마지막 세 번째 사례는 정부부처 사례로써, 재활용 자원을 제외한 하드웨어 155대에 대한 총 비용이 9,775,363,400원 발생하였고, 차이가 5.42% 발생하여 적합한 것으로 판단하였다. 또한 규모산정시스템의 활용성에 대한 검증을 위해 산업체 전문가를 대상으로 시스템을 사용하도록 하였고, 설문조사를 시행하여 의견을 수렴하였다. 조사 결과, 4가지 항목인 입력인자의 적정성, 결과모델 수량 및 비용의 적정성, 우선순위의 적정성, 산업현장에서의 효용성에 대한 항목에서 모두 긍정적인 평가인 평균 88.5점을 받았고, 특히 산업현장에서의 활용 측면에서는 응답 대상자 중 70%이상의 참여자가 ‘매우 도움이 될 것이다.’라는 응답을 주어, 100점 만점 기준 94점의 점수를 획득하였다. 다만 현 시점에서는 구축 사례 데이터의 부족, 공개되지 않는 하드웨어 단가 등의 한계점이 있는데, 빅데이터 분석 및 인공지능 학습을 통한 지능형 규모산정시스템의 개발을 향후 연구과제로 하여 한계점을 극복하고자 한다.
The purpose of this study is to minimize the delay that occurs in the initial plan by calculating the scale easily and quickly when building an open source based AIㆍBigdata center. The scope of the study covers the hardware, software, and infrastructure facility for the center construction, and excl...
The purpose of this study is to minimize the delay that occurs in the initial plan by calculating the scale easily and quickly when building an open source based AIㆍBigdata center. The scope of the study covers the hardware, software, and infrastructure facility for the center construction, and excludes the development of new services, the composition of the operating organization, and the establishment of personal information protection, which vary greatly depending on business characteristics. The study method is largely carried out in two stages: 'system design and implementation' and 'system verification'. 'System design and implementation' stage proceeds in the order of the definition of the architectural reference model, the derivation of input factors, the definition of the sizing calculation formula, the detailed system design and program development. And 'system verification' stage, proceeds in the order of the verification method setup, the simulation and verification, the industry expert opinions collected. System simulation and verification are verified by inputting input values derived from actual design cases or construction cases into the sizing system, and then comparing the results from the sizing system with the actual results. At this time, the criterion for determining suitability is whether there is a model with the same number ofthree case hardware as the actual model within the sizing priority and whether the error range of the total cost is within 6.49%. A total of three cases were referenced for the comparison case for verification, as a result of the simulation, two cases of government departments and one case of city and provincial offices were found to be suitable. The first case is the case of the government department. The total cost for 156 hardware units was calculated as 9,027,456,900 won, and the difference from the actual result was 1.39%, so it was judged appropriate. The second case is a case built by the city and provincial offices. The total cost for 48 hardware units excluding recycled resources was calculated as 1,243,242,000 won, and the difference from the actual result was 3.64%, so it was judged appropriate. The third case is the case of government departments. The total cost for 155 hardware units excluding recycled resources was calculated as 9,775,363,400 won, and the difference from the actual result was 5.42%, so it was judged appropriate. In addition, to verify the utility of the sizing system, experts in the industry were asked to use the system, and a survey was conducted to collect opinions. As a result of the survey, in the four categories of input factor appropriateness, result model quantity and cost adequacy, adequacy of priority, and utility in industrial sites, all of them received an average of 88.5 points positive evaluation. In particular, in terms of use in industrial sites, more than 70% of the respondents responded with the answer, ‘It will be very helpful.’ The score was 94 points out of 100. However, at the present time, there are limitations such as lack of construction case data and undisclosed hardware unit cost. The development of an intelligent sizing system through Bigdata analysis and Artificial Intelligence learning is a future research task to overcome the limitations.
The purpose of this study is to minimize the delay that occurs in the initial plan by calculating the scale easily and quickly when building an open source based AIㆍBigdata center. The scope of the study covers the hardware, software, and infrastructure facility for the center construction, and excludes the development of new services, the composition of the operating organization, and the establishment of personal information protection, which vary greatly depending on business characteristics. The study method is largely carried out in two stages: 'system design and implementation' and 'system verification'. 'System design and implementation' stage proceeds in the order of the definition of the architectural reference model, the derivation of input factors, the definition of the sizing calculation formula, the detailed system design and program development. And 'system verification' stage, proceeds in the order of the verification method setup, the simulation and verification, the industry expert opinions collected. System simulation and verification are verified by inputting input values derived from actual design cases or construction cases into the sizing system, and then comparing the results from the sizing system with the actual results. At this time, the criterion for determining suitability is whether there is a model with the same number ofthree case hardware as the actual model within the sizing priority and whether the error range of the total cost is within 6.49%. A total of three cases were referenced for the comparison case for verification, as a result of the simulation, two cases of government departments and one case of city and provincial offices were found to be suitable. The first case is the case of the government department. The total cost for 156 hardware units was calculated as 9,027,456,900 won, and the difference from the actual result was 1.39%, so it was judged appropriate. The second case is a case built by the city and provincial offices. The total cost for 48 hardware units excluding recycled resources was calculated as 1,243,242,000 won, and the difference from the actual result was 3.64%, so it was judged appropriate. The third case is the case of government departments. The total cost for 155 hardware units excluding recycled resources was calculated as 9,775,363,400 won, and the difference from the actual result was 5.42%, so it was judged appropriate. In addition, to verify the utility of the sizing system, experts in the industry were asked to use the system, and a survey was conducted to collect opinions. As a result of the survey, in the four categories of input factor appropriateness, result model quantity and cost adequacy, adequacy of priority, and utility in industrial sites, all of them received an average of 88.5 points positive evaluation. In particular, in terms of use in industrial sites, more than 70% of the respondents responded with the answer, ‘It will be very helpful.’ The score was 94 points out of 100. However, at the present time, there are limitations such as lack of construction case data and undisclosed hardware unit cost. The development of an intelligent sizing system through Bigdata analysis and Artificial Intelligence learning is a future research task to overcome the limitations.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.