[논문]시계열 분석 기반 신뢰구간 추정을 통한 효율적인 이상감지

김영주; 허유경; 박진관; 정민아

doi:10.7840/kics.2014.39c.8.708

초록
AI-Helper

본 논문은 센서 데이터의 이상을 감지하기 위하여 실시간 신뢰구간을 추정하였다. 실시간 신뢰구간 추정은 시계열분석 방법인 지수평활법과 이동평균법의 평균제곱오차를 비교하여 오차가 적은 이동평균법을 적용하였다. 이와 같이 추정된 신뢰구간을 측정된 센서 데이터가 이탈하게 되면 이상감지 경보를 통해 관리자에게 알려준다. 제안한 방법은 선박 내부의 실시간 이상감지를 위한 것으로 무선센서네트워크(WSN)와 사용자의 접근성을 높이기 위해 안드로이드 단말기를 사용하였다. 관리자는 실시간 신뢰구간에 따른 이상감지 정보를 활용하여 선박 내부에서 발생한 위급한 상황에서 신속하고 정확하게 의사결정을 함으로써 안전운항을 할 수 있다.

Abstract ▼ AI-Helper

In this paper, we suggest a method of realtime confidence interval estimation to detect abnormal states of sensor data. For realtime confidence interval estimation, the mean square errors of the exponential smoothing method and moving average method, two of the time series analysis method, where com...

In this paper, we suggest a method of realtime confidence interval estimation to detect abnormal states of sensor data. For realtime confidence interval estimation, the mean square errors of the exponential smoothing method and moving average method, two of the time series analysis method, where compared, and the moving average method with less errors was applied. When the sensor data passes the bounds of the confidence interval estimation, the administrator is notified through alarming. As the suggested method is for realtime anomaly detection in a ship, an Android terminal was adopted for better communication between the wireless sensor network and users. For safe navigation, an administrator can make decisions promptly and accurately upon emergency situation in a ship by referring to the anomaly detection information through realtime confidence interval estimation.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문은 선박 내 이상감지 방법을 제안하였다. 이상감지는 신뢰구간을 정하고 신뢰구간을 초과하거나 미만일 경우 관리자에게 경보를 통하여 알려주고 관리자는 이러한 정보를 통하여 신속하고 정확하게 의사결정을 할 수 있도록 도움을 받고 더불어 선박 안전운항을 할 수 있다.
본 논문은 이러한 선박의 안전운항을 위하여 선박 내부에 무선센서들을 설치하여 무선센서네트워크(WSN:Wireless Sensor Network) 환경을 구축하고 안드로이드 단말기를 통해 실시간으로 선박 내부의 이상감지를 관리자에게 알려주어 선박의 상태를 인지하여 선박 운항에 지장이 없도록 사전에 경고하여 조치하기 위함이다.

가설 설정

1. 절대오차는 오차를 포함하고 있는 양과 같은 단위량으로 표현된 오차의 크기이다.
3. concept of Ship internal anomaly detection.

제안 방법

여기서, 이상감지 예측의 정확도 향상을 위하여 센서 데이터의 연속형 시계열데이터는 실시간마다 변하는 신뢰구간을 가진다는 특성을 반영하여 실험한 결과 시계열데이터의 추세를 반영하는 이동평균법이 효과적임을 확인하였다. 그리고 이동평균법의 예측값과 오차를 합하고 차한 값으로 신뢰구간 추정하였다. 이는 실시간 신뢰구간을 추정할 수 있다.
이상감지를 위한 실험으로 첫 번째, WSN에서 수집된 센서데이터(온도, 조도, 습도, 소음)가 저장된 PC를 웹서버로 구성하고 안드로이드 단말기가 웹서버로 접속하여 데이터를 가져온다. 두 번째, 서버PC에서 불러온 데이터로 선박 내 실시간 이상감지를 위한 신뢰구간을 추정한다. 셋째, 신뢰구간 추정은 시계열분석방법인 지수평활법과 이동평균법을 비교 평가하였고 평균제곱오차가 적은 이동평균법과 오차를 적용하여 현재 수집되는 센서데이터의 신뢰구간을 실시간으로 추정한다.
본 논문에서 제안한 선박내부 이상감지의 기능은 선박환경수집, 선박환경모니터링, 선박내부 시설 제어로 나뉜다. 선박환경수집은 IT기술 부분으로 센서에서 ServerPC로 수집된 센서데이터를 처리하고 저장하여 안드로이드 단말기로 제공하는 기능을 하며, 선박환경 모니터링은 수집된 데이터를 기반으로 선박환경수집, 이상상황알림서비스, 수집데이터분석, 선박내부모니터링 그리고 유지보수관리 기능을 한다.
본 논문은 무선센서네트워크에서 수집되는 센서 데이터가 시간의 흐름에 따라 일정한 간격으로 수집되는 시계열이므로 시계열분석 방법의 여러 가지 예측 방법 중에서 최근 데이터에 가중치를 부여하는 지수 평활법과 시계열 구간마다 평균을 구하며 이동하는 이동평균법을 적용하여 센서데이터들의 예측값을 산출하고, 산출된 예측값과 오차를 이용하여 실시간으로 신뢰구간을 추정한다.
센서데이터는 시계열데이터이므로 이를 반영한 예측 방법으로 시계열 분석을 실시하였다. 아래 그래프에 나타난 시계열데이터(온도, 습도, 조도, 소음)는 1개월 기간 동안 총3개의 센서가 1초에 한 개씩 데이터를 ServerPC로 보내어 수집된 것으로, 수집하는 동안 센서의 고장이나 건전지 소모와 ServerPC의 전원차단 그리고 기타 이유로 생성된 결측치와 이상치를 삭제하고 정제된 330개를 나타내었다.
위 2번에서 참값이 신뢰구간이 되고 근사값이 예측값(A)이고 오차의 한계는 본 실험에서는 절대오차E를 오차의 한계로 대체한다.
이상감지를 위한 실험으로 첫 번째, WSN에서 수집된 센서데이터(온도, 조도, 습도, 소음)가 저장된 PC를 웹서버로 구성하고 안드로이드 단말기가 웹서버로 접속하여 데이터를 가져온다. 두 번째, 서버PC에서 불러온 데이터로 선박 내 실시간 이상감지를 위한 신뢰구간을 추정한다.

대상 데이터

센서데이터는 시계열데이터이므로 이를 반영한 예측 방법으로 시계열 분석을 실시하였다. 아래 그래프에 나타난 시계열데이터(온도, 습도, 조도, 소음)는 1개월 기간 동안 총3개의 센서가 1초에 한 개씩 데이터를 ServerPC로 보내어 수집된 것으로, 수집하는 동안 센서의 고장이나 건전지 소모와 ServerPC의 전원차단 그리고 기타 이유로 생성된 결측치와 이상치를 삭제하고 정제된 330개를 나타내었다.

데이터처리

두 번째, 서버PC에서 불러온 데이터로 선박 내 실시간 이상감지를 위한 신뢰구간을 추정한다. 셋째, 신뢰구간 추정은 시계열분석방법인 지수평활법과 이동평균법을 비교 평가하였고 평균제곱오차가 적은 이동평균법과 오차를 적용하여 현재 수집되는 센서데이터의 신뢰구간을 실시간으로 추정한다. 넷째, 선박 내에서 측정된 데이터가 추정된 신뢰구간을 이탈하게 되면 이상 징후 발생으로 인식하여 알림창과 함께 경보음을 울려 관리자에게 알려준다.

이론/모형

본 논문에서 제안한 시스템은 실시간 이상감지로 최근 센서데이터의 값을 반영하여 신뢰구간을 설정하기 위하여 이동평균법을 사용하였다.

성능/효과

넷째, 선박 내에서 측정된 데이터가 추정된 신뢰구간을 이탈하게 되면 이상 징후 발생으로 인식하여 알림창과 함께 경보음을 울려 관리자에게 알려준다. 마지막으로 관리자는 이러한 이상감지 정보를 활용하여 선박 내부에서 발생한 위급한 상황에서 신속하고 정확한 의사결정을 하는데 도움을 받음으로써 안전운항을 할 수 있다.
여기서, 이동평균기간 N은 이동평균대상기간수에 따라 3기간, 4기간, 5기간 등으로 나눌 수 있고 관측 기간 내에서의 예측오차의 평균제곱오차를 최소로 하는 N으로 결정한다. 본 논문에서는 이동평균기간 N은 3초, 4초, 5초, 6초로 실험하였고 기간이 5초일때 평균제곱오차가 최소로 나왔다.
이상감지는 신뢰구간을 정하고 신뢰구간을 초과하거나 미만일 경우 관리자에게 경보를 통하여 알려주고 관리자는 이러한 정보를 통하여 신속하고 정확하게 의사결정을 할 수 있도록 도움을 받고 더불어 선박 안전운항을 할 수 있다. 여기서, 이상감지 예측의 정확도 향상을 위하여 센서 데이터의 연속형 시계열데이터는 실시간마다 변하는 신뢰구간을 가진다는 특성을 반영하여 실험한 결과 시계열데이터의 추세를 반영하는 이동평균법이 효과적임을 확인하였다. 그리고 이동평균법의 예측값과 오차를 합하고 차한 값으로 신뢰구간 추정하였다.
Buonadonna 등은 센서 네트워크의 환경을 구축할 때 센서 배치를 위한 디자인과 최종 사용자의 편의성을 위한 요소들까지 고려하였다. 이 연구에서는 송신 센서와 수신 센서의 거리에 따른 데이터 전송 성공률을 측정하였으며, 실험에서 전송률이 가장 나쁜 센서는 22%의 성공률을 나타냈고, 전송률이 가장 좋은 센서는 75%의 성공률을 나타냈다. 센서 네트워크는 센서장비, 환경, 시스템 등의 다양한 요인으로 인해 결측치와 이상치가 발생하여 양질의 센서 신호 정보를 획득하기가 매우 어렵다.

후속연구

추후, 같은 시간 간격으로 이산형 시계열 데이터를 수집하여 실험, 분석하여 연속형 시계열 데이터의 예측을 보정해야 한다. 또한, 다양한 센서 데이터의 모니터링 적용과 이상치와 결측치 그리고 오작동 등을 시계열데이터 분석 결과를 근거로 구분 예측할 수 있는 연구가 필요하다.
추후, 같은 시간 간격으로 이산형 시계열 데이터를 수집하여 실험, 분석하여 연속형 시계열 데이터의 예측을 보정해야 한다. 또한, 다양한 센서 데이터의 모니터링 적용과 이상치와 결측치 그리고 오작동 등을 시계열데이터 분석 결과를 근거로 구분 예측할 수 있는 연구가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	본 논문에서 무선센서네트워크 환경을 활용한 이상 감지 실험의 흐름은 어떻게 되나요?	이상감지를 위한 실험으로 첫 번째, WSN에서 수집된 센서데이터(온도, 조도, 습도, 소음)가 저장된 PC를 웹서버로 구성하고 안드로이드 단말기가 웹서버로 접속하여 데이터를 가져온다. 두 번째, 서버PC에서 불러온 데이터로 선박 내 실시간 이상감지를 위한 신뢰구간을 추정한다. 셋째, 신뢰구간 추정은 시계열분석방법인 지수평활법과 이동평균법을 비교 평가하였고 평균제곱오차가 적은 이동평균법과 오차를 적용하여 현재 수집되는 센서데이터의 신뢰구간을 실시간으로 추정한다. 넷째, 선박 내에서 측정된 데이터가 추정된 신뢰구간을 이탈하게 되면 이상 징후 발생으로 인식하여 알림창과 함께 경보음을 울려 관리자에게 알려준다. 마지막으로 관리자는 이러한 이상감지 정보를 활용하여 선박 내부에서 발생한 위급한 상황에서 신속하고 정확한 의사결정을 하는데 도움을 받음으로써 안전운항을 할 수 있다.
	시계열예측법이란 무엇인가요?	시계열예측법이란 일정한 시간적 간격으로 나열된 과거의 자료에 나타난 수요의 패턴이 미래의 시간 간격에도 연속하여 적용된다는 가정에서 수요를 예측하는 기법이다. 이러한 시계열은 수년간의 과거 자료가 있으며 그 자료 속에는 추세가 분명하며 비교적 안정적일 때 적합한 방법이다.
	선박의 안전운항 서비스 기술은 어떤 분야로 나눌 수 있나요?	선박의 안전운항 서비스 기술은 선박 주변의 상황을 분석하여 선박이 안전하게 항로를 계획하도록 직접적으로 지원하는 분야와 선박 운항과 관련된 장비 또는 장치의 상태를 점검하여 운항에 지장이 없도록 사전에 경고하여 조치할 수 있는 분야로 나누어 볼 수 있다. 선박의 안전한 운항을 지원하기 위한 서비스 개발은 이미 오래전부터 추진되어 왔지만, 선박 분야에 IT기술이 접목되면서 본격적으로 개발되고 있는 추세이다.

참고문헌 (14)

J. H. Park, B. T. Jang, and D. S. Lim, "Safe operation of the shipyard and ship building digital technology developments supported," Korean Inst. Inf. Sci. Eng.(KIISE), vol. 31, no. 1, pp. 55-63, Jan. 2003.
A. C. Harvey, Time Series Models, 2nd Ed., MIT Press, (308), 1993.
H. Zou and Y. H. Yang, "Combining Time Series Model for Forecasting," Int. J. Forecasting, vol. 20, no. 1, pp. 69-84, 2004

상세보기
K. H. Cho and D. H. Lee, "A Study on Traffic Anomaly Detection Scheme Based Time Series Model," J. KICS, vol. 33, no. 5, pp. 304-309, 2008.
H. G. No, SPSS / Excel by time series analysis, HYOSAN, (323), 2008.
C. Lim, M. Michael, "Time Series Forecasts of International Travel Demand for Australia," Tourism Management, vol. 23, no. 4, pp. 389-396, Aug. 2002.

상세보기
Y. H. Kim, Time Series Prediction, HSPN, (448), 2002.
P. Buonadonna, D. Gay, J. M. Hellerstein, W. Hong, and S. Madden, "Task: Sensor network in a box," in Proc. 2nd European Workshop on Wirel. Sensor Netw., pp. 133-144, Istanbul, Turkey, Feb. 2005.
G. Werner-Allen, K. Lorincz, J. Johnson, J. Lees, and M. Welsh, "Fidelity and yield in a volcano monitoring sensor network," in Proc. 7th USENIX Symp. Operating System Design and Implementation, pp. 381-396, Berkeley, USA, Nov. 2006.
K. Ni, N. Ramanathan, M. N. H. Chehade, L. Bal zano, S. Nair, S. Zahedi, E. Kohler, G. Pottie, M. Hansen, and M. Srivastava, "Sensor Network Data Fault Types," J. ACM Trans. Sensor Netw., vol. 5, no. 3, pp. 1-29, Aug. 2009.
E. Elnahrawy and B. Nath, "Cleaning and Querying Noisy Sensors," in Proc. Int. Workshop Wirel. Sensor Netw. Appl., pp. 78-87, New York, USA, Sept. 2003.
S. R. Jeffery, G. Alonso, M. J. Franklin, W. Hong, and J. Widom. "Declarative support for sensor data cleaning," in Proc. Int. Conf. Pervasive Computing, Lecture Notes in Comput. Sci., vol. 3968, pp. 83-100, Dublin, Ireland, May 2006.
G. Shmueli, N. R. Patel, and P. C. Bruce, TData Mining for Business Intelligence, E&B, (460), 2006.
S. D. Lee and U. R. Lee, Time series data analysis using SAS, TAMJI, (319), 2006.

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

시계열 분석 기반 신뢰구간 추정을 통한 효율적인 이상감지
Efficient Anomaly Detection Through Confidence Interval Estimation Based on Time Series Analysis 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (14)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

시계열 분석 기반 신뢰구간 추정을 통한 효율적인 이상감지 Efficient Anomaly Detection Through Confidence Interval Estimation Based on Time Series Analysis 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (14)

이 논문을 인용한 문헌

저자의 다른 논문 :

김영주 (3) 박진관 (5) 정민아 (82)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

시계열 분석 기반 신뢰구간 추정을 통한 효율적인 이상감지
Efficient Anomaly Detection Through Confidence Interval Estimation Based on Time Series Analysis 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper