[논문]무선 센서 네트워크 기반의 상태 모니터링을 위한 온도 데이터 시각화

서정희

doi:10.13067/jkiecs.2020.15.2.245

무선 센서 네트워크 기반의 상태 모니터링을 위한 온도 데이터 시각화
Temperature Data Visualization for Condition Monitoring based on Wireless Sensor Network 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.15 no.2, 2020년, pp.245 - 252

초록
AI-Helper

예상치 못한 장비들의 결함은 우리 사회 전반에 막대한 경제적 손실을 초래하고, 이런 상황에서 상태 모니터링은 해결 가능한 방법을 제시할 수 있다. 상태 모니터링은 부착된 다양한 센서 데이터로부터 기계 고장을 예측하기 위해 신호 처리 알고리즘의 개발이 요구된다. 상태 모니터링에 사용되는 신호 처리 알고리즘은 높은 계산 효율과 고해상도를 요구하고 있다. 무선 센서 네트워크상(WSN)에서 상태 모니터링을 개선하기 위해서 데이터의 시각화는 데이터의 특징적인 표현을 극대화할 수 있다. 따라서 본 논문은 대규모 기반 시설에서 장비의 환경 상태를 식별하기 위해 WSN 기반의 상태 모니터링을 위한 온도 데이터의 시각적인 특징 추출을 제안한다. 실험 결과, 시간-주파수 분석은 시간에 따른 온도 변화를 시각적으로 확인할 수 있으며 온도 데이터 변화의 특징을 추출하는데 용이하였다.

Abstract ▼ AI-Helper

Unexpected equipment defects can cause a huge economic losses in the society at large. Although condition monitoring can provide solutions, the signal processing algorithms must be developed to predict mechanical failures using data acquired from various sensors attached to the equipment. The signal processing algorithms used in a condition monitoring requires high computing efficiency and resolution. To improve condition monitoring on a wireless sensor network(WSN), data visualization can maximize the expressions of the data characteristics. Thus, this paper proposes the extraction of visual feature from temperature data over time using condition monitoring based on a WSN to identify environmental conditions of equipment in a large-scale infrastructure. Our results show that time-frequency analysis can visually track temperature changes over time and extract the characteristics of temperature data changes.

주제어

표/그림 (3)

그림 그림 1. 처리 절차 Fig. 1 Processing procedure
그림 그림 2. 온도 데이터의 시각화 Fig. 2 Visualization of temperature data
표 표 1. 상태 모니터링의 비교 분석 Table 1. Analysis comparison of condition monitoring

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 논문은 대규모 기반 시설에서 장비의 환경 상태를 식별하기 위해 무선 센서 기반의 상태 모니터링을 위한 온도 데이터의 시각적인 특징을 추출하는 것을 제안한다.
본 논문은 무선 센서 네트워크 기반의 상태 모니터링을 위한 온도 데이터의 시각적인 특징을 추출하는 것을 제안한다.
본 논문은 장비의 실시간 상태 모니터링에서 발생 할 수 있는 비정상적인 온도 측정을 보다 정확하게 만들기 위해 무선 센서 네트워크의 센싱에서 수집된 데이터의 효과적인 시각화 방법을 제안하였다. 무선 센서 네트워크 환경에서 센서로부터 수집한 데이터 시각화의 주요 목표는 원시 환경 데이터를 수집하고 시각적으로 변환하여 쉽게 특징을 분석 및 관리하여 초기 단계에서 시스템 환경의 열화가 발생하는 것을 감지하고, 사전에 오류를 예측하여 시설 장비 환경의 문제를 효과적으로 감지하는 데 사용할 수 있다.
Koh 외 등 [12]에서 무선 센서 네트워크 (WSN) 데이터의 효율적인 검색 및 시각화를 위해 Android 애플리케이션인 Sensorem을 설계하고 구현하였다. 스마트 시티의 중요한 개발 핵심 요소인 데이터 배포 및 시각화에 비추어 유지 보수 담당자를 대상으로 하는 센서 데이터의 의미있는 시각화를 위한 사용자 친화적인 모바일 애플리케이션 (Sensorem)을 개발하여 센서 데이터 액세스 가능성을 향상시키려고 하였다.

제안 방법

그리고 JTFA의 2차(quadratic) 방법을 사용하여 시간-주파수 영역에서 신호의 에너지 밀도가 시간에 따라 어떻게 변하는지를 표시한다. 그러나 2차 시간주파수 분석 방법은 신호를 되돌릴 수 없으므로 스펙트로그램에서 시간 영역 신호를 재구성할 수 없다.
따라서 본 논문은 각각의 무선 센서 노드에서 전송한 온도 데이터를 게이트웨이를 통해 호스트 PC에 저장하고, 시간-주파수 분석을 통해서 시각화 처리를 수행한다. 이런 수집된 데이터의 시각화는 상태에 대한 유용한 정보를 제공하고 데이터에 더 많은 의미를 부여할 수 있다.
그러나 2차 시간주파수 분석 방법은 신호를 되돌릴 수 없으므로 스펙트로그램에서 시간 영역 신호를 재구성할 수 없다. 따라서 스펙트로그램을 이용하여 온도 신호의 변동을 분석하기 위해 신호의 평균 주파수를 계산하여 신호의 특징을 추출한다.
신호의 2차 시간-주파수 표현은 시간-주파수 영역에서 신호의 에너지 밀도를 나타낸다. 따라서 신호의 변동을 분석하기 위해 가우스 가보 기본 함수를 사용하여 시간-주파수 분석을 수행하였고, 또 다른 시간-주파수 그래프를 나타낸다. 그림과 같이 신호의 스펙트럼 내용과 시간 경과에 따른 스펙트럼 내용의 변화를 결정할 수 있는 색상 맵으로 강도 그래프에 스펙트로그램을 표시하였다.
먼저, 센싱된 데이터를 입력으로 하여 이산 가보 변환(Discrete Gabor Transform)을 수행하여 신호를 시간 도메인에서 시간-주파수 공통 도메인으로 변환하여 시간 영역 신호의 시간-주파수 표현을 계산한다.
본 논문의 실험 환경에서 게이트웨이는 NI-9792, 무선 측정 노드는 NI WSN-3226를 사용하여 네트워크를 구성하였고, NI WSN-3226 노드에 Flame Sensor Module(R2808 Module ASSY) 센서를 부착하여 노드에서 수집한 온도 데이터를 이산 가보 변환 및 확장을 수행하고 시간-주파수 도메인으로 변환하도록 프로그래밍하였다.
신호의 시간-주파수 표현의 데이터를 시간 영역의 신호로 재구성하기 위해서 이산 가보 확장(Discrete Gabor Expansion)을 계산한다.
1에 Google 차트를 포함하여 Xively와 동일한 서비스를 제공하기 위해 업데이트되었다. 특히 수집된 센서 데이터를 저장하는 타사의 개입없이 단일 센서 유형 (예 : 온도 또는 습도)을 시각화하고 타사의 데이터 스토리지와 무관하게 데이터 시각화 기능을 제공한다.

대상 데이터

Windau 외 등 [1]에서 MMS(Inertial Machine Monitoring System)로 기존 기계를 비침습적으로 업그레이드하여 장비 고장 또는 성능 저하 상태를 탐지하고 분류하는 솔루션을 제시하였다. 실험에서 시스템은 3D 프린터의 여러 위치에 배치된 36개의 관성 센서로부터 데이터를 수집하였다. 이 실험에서 결과는 작은 센서 네트워크와 짧은 테스트 프로그램조차도 기계의 열화 상태를 효과적으로 감지할 수 있으며 조기 정화를 용이하게 할 수 있음을 확인할 수 있었다.

이론/모형

시간 영역에서 신호 분석은 기계 결함 진단에 사용되는 가장 간단한 방법이다. 주파수 도메인 방법은 고속 푸리에 변환(FFT)과 보간 이산 푸리에 변환과 같은 푸리에 변환 기반 신호 처리 기술을 사용한다. 그러나, 별도로 사용되는 시간 도메인 및 주파수 도메인 방법은 진동 신호로부터 유용한 정보의 일부만 추출할 수 있으며, 다른 도메인 각각의 정보는 손실된다[7].

성능/효과

실험에서 시스템은 3D 프린터의 여러 위치에 배치된 36개의 관성 센서로부터 데이터를 수집하였다. 이 실험에서 결과는 작은 센서 네트워크와 짧은 테스트 프로그램조차도 기계의 열화 상태를 효과적으로 감지할 수 있으며 조기 정화를 용이하게 할 수 있음을 확인할 수 있었다.

질의응답

핵심어	질문	논문에서 추출한 답변
	계획되지 않은 기계 가동 중지 시간의 주된 원인은?	계획되지 않은 기계 가동 중지 시간으로 인해 산업 제조업체는 매년 500억 달러의 비용을 부담한다. 이 계획되지 않은 중단 시간의 42%는 장비 고장으로 인한 것이다. 결과는 과도한 유지 보수, 시간 소모적인 수리 또는 장비 교체 비용이다.
	시간 영역에서 신호 분석은 무엇인가?	과거에는 시간 도메인, 주파수 도메인과 시간-주파수 도메인에서 신호 분석을 수행하기 위해 많은 전통적인 기술이 제시되었다. 시간 영역에서 신호 분석은 기계 결함 진단에 사용되는 가장 간단한 방법이다. 주파수 도메인 방법은 고속 푸리에 변환(FFT)과 보간 이산 푸리에 변환과 같은 푸리에 변환 기반 신호 처리 기술을 사용한다.
	MEMS 보조 센서는 어떤 역할을 하는가?	광산의 폭발로 인한 지진 진동을 측정하기 위해 MEMS 가속도계를 선택하여 평가하고, MEMS 보조 센서는 임베디드 기술 및 무선 센서 네트워크에서 핵심적인 역할을 수행하여, 향후 비용 효과적인 지반 진동 감시로서 신뢰성을 확보하고 있다[2].

참고문헌 (19)

J. Windau and L. Itti, "Inertial Machine Monitoring System for automated failure detection," 2018 IEEE International Conference on Robotics and Automation(ICRA), Brisbane, Australia, May 2018, pp. 93-98.
P. Ragam and D. S. Nimaje, "Selection and Evolution of MEMS Accelerometer Sensor for Measurement of Blast-Induced Peak Particle Velocity," IEEE Sensors Letters, vol. 2, no. 4, Dec. 2018, pp. 1-4.

상세보기
O. Janssens, M. Loccufier, and S. V. Hoecke, "Thermal Imaging and Vibration-Based Multisensor Fault Detection for Rotating Machinery," IEEE TransactionS On Industrial Informatics, vol. 15, no. 1, Jan. 2019, pp. 434-444.

상세보기
W. Qiao and L. Qu, "Prognostic Condition Monitoring for Wind Turbine Drivetrains via Generator Current Analysis," Chinese Journal of Electrical Engineering, vol. 4, no. 3, Sept. 2018, pp. 80-89.

상세보기
M. N. Soares, J. Gyselinck, Y. Mollet, C. Peeters, N. Gioia, and J. Helsen, "Vibration-Based Rotor-Side-Converter Open-Switch-Fault Detection in DFIGs for Wind Turbines," 2018 IEEE International Conference on Prognostics and Health Management(ICPHM), Seattle, WA, USA, June 2018.
J. Escartin, J. Argandona, and J. K. Gerrikagoitia, "Data-driven Exploration and Process Optimization for a Milling-boring Machine," 2018 IEEE 16th International Conference on Industrial Informatics(INDIN), Porto, Portugal, July 2018.
F. Jiang, Z. Zhu, and W. Li, "An Improved VMD With Empirical Mode Decomposition and Its Application in Incipient Fault Detection of Rolling Bearing," IEEE Access, vol. 6, July 2018, pp. 44483-44493.

상세보기
T. Hasegawa, J. Ogata, M. Murakawa, and T. Ogawa, "Tandem Connectionist Anomaly Detection: Use of Faulty Vibration Signals in Feature Representation Learning," 2018 IEEE International Conference on Prognostics and Health Management (ICPHM), Seattle, WA, USA, June 2018.
N. Mussin, A. Suleimen, T. Akhmenov, N. Amanzholov, V. Nurmanova, M. Bagheri, M. S. Naderi, and O. Abedinia, "Transformer Active Part Fault Assessment Using Internet of Things," 2018 International Conference on Computing and Network Communications(CoCoNet), Astana, Kazakhstan, Aug. 2018.
Y. Hu, D. Li, X. He, T. Sun, and Y. Han, "The Implementation of Wireless Sensor Network Visualization Platform based on Wetland Monitoring," 2009 Second International Conference on Intelligent Networks and Intelligent Systems, Tianjin, China, Nov. 2009.
C. Schmitt, T. Strasser, and B. Stiller, "Third-party-independent Data Visualization of Sensor Data in CoMaDa," 2016 IEEE 12th International Conference on Wireless and Mobile Computing, Networking and Communications (WiMob), New York, NY, USA, Oct. 2016.
J. M. Koh, M. Sak, H.-X. Tan, and H. Liang, F. Folianto, and T. Quek, "Sensorem-An Efficient Mobile Platform for Wireless Sensor Network Visualisation," 2015 IEEE Tenth International Conference on Intelligent Sensors, Sensor Networks and Information Processing (ISSNIP), Singapore, Singapore, Apr. 2015.
M. Hammoudeh, R. Newman, C. Dennett, and S. Mount, "Inductive as a Support of Deductive Data Visualisation in Wireless Sensor Networks," 2009 IEEE Symposium on Computers and Communications, Sousse, Tunisia, July 2009.
J. H. Seo and H. B. Park, "Sound Visualization Method using Joint Time-Frequency Analysis for Visual Machine Condition Monitoring," Journal of The Korea Society of Computer and Information, vol. 20, no. 8, Aug. 2015, pp. 53-59.

원문보기 상세보기
J. H. Seo and H. B. Park, "Forest Environment Monitoring Application of Intelligence Embeded based on Wireless Sensor Networks," KSII Transactions on Internet and Information Systems, vol. 10, no. 4, Apr. 2016, pp. 1555-1570.

원문보기 상세보기
M. R. Barbosa and A. M. Lopes, "Temperature Time Series: Pattern Analysis and Forecasting," 2017 4th Experiment@International Conference(exp.at'17), Faro, Portugal, June 2017.
P. Sharma, N. Murali, and T. Jayakumar, "A Time-Frequency Analysis of Temperature Fluctuations in a Fast Reactor," 2012 5th International Congress on Image and Signal Processing, Chongqing, China, Oct. 2012.
D. H. Ryu and T. W. Choi, "Development of the Compact Smart Device for Industrial IoT," J. of the Korea Institute of Electronic Communication Sciences, vol. 13, no. 4, Aug. 2018, pp. 751-756.

원문보기 상세보기
B. J. Kim and B. G. Lee, "Biosignal-based Driver's Emotional Response Monitoring System: Part 1. System Implementation," J. of the Korea Institute of Electronic Communication Sciences, vol. 13, no. 3, June 2018, pp. 677-684.

원문보기 상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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