엣지 분석

엣지 분석의 정의는 단순히 데이터를 생성하는 IoT 디바이스에서 직접 실행 가능한 인사이트를 실시간으로 수집, 분석 및 생성하는 프로세스입니다. 일부에서는 이것이 엣지 컴퓨팅이라고 주장할 수도 있습니다. 실제로 엣지 분석은 빠른 조치를 취하기 전에 더 많은 데이터를 캡처하고 복잡한 분석을 수행하는 한 차원 높은 수준입니다. 엣지 컴퓨팅은 소프트웨어 프로그래밍의 '만약/그렇다면' 구조와 유사하고, 엣지 분석은 '만약' 접근 방식을 취합니다.

인공지능(AI) 분야의 순수주의자들은 엣지 분석이 ‘예측(추론)’을 다루는 것이라고 말할 것입니다. 즉, 학습된 신경망 모델의 지식을 적용하여 결과를 유추하는 과정입니다.

사실 데이터 생성 속도는 네트워크 용량을 앞지르고 있습니다. 따라서 우리는 어떤 데이터를 분석할지, 어떤 데이터를 클라우드로 보내 저장할지, 그리고 가장 중요한 것은 데이터를 어디에 분석해야 하는지에 대해 지능적으로 판단해야 합니다. 이러한 질문에 대한 가장 쉬운 대답은 "상황에 따라 다르다"는 것이지만, 비즈니스 및 기술적 이유와 권장 사항이 있습니다.

실시간으로 데이터를 분석하는 것이 얼마나 중요한지와 해당 데이터로 추가 분석을 수행해야 하는지 여부라는 두 가지 요소가 그 답을 결정합니다. 그런 다음 비즈니스 및 관할권 규정 준수 요건을 충족하기 위한 스토리지 요건(또는 그렇지 않은 요건)이 있습니다.

클라우드가 실시간 분석에 적합하지 않다는 의견도 있습니다. 따라서 클라우드에 저장된 대부분의 데이터는 분석되지 않기 때문에 모든 데이터를 클라우드로 보내는 것은 답이 아닙니다. 결국 이는 데이터베이스나 비트 버킷에 저장되어 그대로 유지됩니다.

비디오를 캡처하는 원격 카메라를 예로 들어, 엣지 분석과 서버 분석의 장단점을 아래 표에 정리했습니다.

상황 인식은 시간 또는 공간에 대한 환경 요소 및 사건에 대한 인식, 그 의미의 이해, 미래 상태의 예측입니다. 이 정의는 Wikipedia에서 차용되었으며 세 가지 수준의 상황 인식이 아래 그래픽에 나와 있습니다. 시간이 상황 인식에서 가장 중요한 측면이라는 점을 고려할 때 시간은 분석, 특히 엣지의 분석의 원동력이라고 할 수 있습니다.

그림 1: 상황 인식의 세 가지 수준.

엣지에서의 이벤트에는 카메라가 보고 있는 것이나 센서가 감지하는 것을 실시간으로 분석하여 신속하게 결정을 내리고 즉각적인 조치를 취할 수 있도록 해야 합니다. 두 대의 자동차가 충돌하는 경로에 있을 때는 정보를 클라우드로 보내거나 다른 사람에게 알릴 시간이 없습니다. 현재 경로를 유지할 경우 발생할 수 있는 결과를 상상할 수 있으며, 즉각적인 조치를 취하여 충돌을 피할 수 있습니다. 자동차 제조 공장에서 도장 로봇을 지켜보는 스마트 카메라가 차체 부품에 잘못된 양의 페인트가 도포되는 것을 발견하면 시정 조치가 필요합니다. 이 모든 것은 이러한 장치나 시스템에 배포된 사전 구축된 모델을 통해서만 가능합니다.

하지만 새로운 상황이나 지금까지 상상하지 못했던 상황은 어떨까요? 건설 구역에서는 안전모를 착용하지 않은 사람을 감지하고 경보를 울리거나 현장 감독관에게 알리도록 카메라를 훈련할 수 있습니다. 진입 센서는 사람들이 배지를 착용하고 있는지 또는 무기를 소지하고 있는지 등을 감지할 수 있습니다. 팬데믹과 같은 자연 재해에서는 동일한 장치가 안면 마스크, 장갑 등과 같은 건강 관련 품목을 감지하기를 원할 수 있습니다.

기존 모델을 개선하거나 새로운 머신 러닝(ML) 모델을 배포하여 엣지 디바이스가 이러한 상황을 감지 및 분석하고 필요한 조치를 취할 수 있도록 해야 합니다. 결과 동작은 프로그래밍이 가능하며 특정 상황에 따라 달라집니다. 경보를 울리거나, 해당 직원에게 알리거나, 사람들의 출입을 제한할 수 있습니다. 이것이 바로 엣지 분석의 힘입니다.

디바이스가 특정 임계값에 도달하면 경고를 발행하는 것은 다소 간단하지만, 진정한 가치는 여러 데이터 변수를 실시간으로 시각적으로 분석하고 데이터 스트림에서 예측 의미를 찾는 데 있습니다. 이를 통해 기업은 심층 분석을 수행하고 추가 분석을 수행해야 하는 잠재적인 이상값이나 문제를 식별할 수 있습니다.

엣지 분석이 항상 시각적인 것은 아니며 충격 및 진동 분석, 소음 감지, 온도 감지, 압력 게이지, 유량계, 오디오 및 톤 분석과 같은 다른 많은 데이터 생성 측면이 있습니다. 자동차의 충돌 방지 시스템은 카메라가 아닌 센서를 사용합니다. 엣지 분석 애플리케이션은 메모리, 처리 능력 또는 통신 제약이 있는 엣지 디바이스에서 작동해야 하지만 이러한 디바이스는 컨테이너화된 애플리케이션이 실행되는 엣지 서버/게이트웨이에 연결됩니다.

디바이스에서 서버 또는 게이트웨이로 데이터를 전송하는 데 다양한 프로토콜이 사용됩니다(일반적으로 퍼스트 마일이라고 함). 다음은 일반적인 프로토콜 중 일부이며 전체를 포함하지는 않습니다.

• HTTP/HTTPS: 하이퍼텍스트 전송 프로토콜/보안은 인터넷의 기반이 되는 상태 비저장 통신 프로토콜입니다.
• MQTT: 메시지 큐 텔레메트리 전송은 경량 게시/구독 머신 간 메시징 연결 프로토콜입니다.
• RTSP: 실시간 스트리밍 프로토콜은 비디오 제공에 사용되는 상태 저장 프로토콜입니다.
• HTTP를 통한 스트림: 많은 HTTP 기반 적응형 프로토콜 중 하나입니다.
• WebRTC: 실시간 커뮤니케이션을 가능하게 하는 표준, 프로토콜, JavaScript 및 HTML5 API의 조합입니다.
• 지그비: 패킷 기반 무선 프로토콜을 사용하는 무선 기술로, 산업 환경에서 저가의 배터리로 작동하는 장치를 위한 것입니다.

소프트웨어 스택은 특정 산업의 사용 사례에 따라 다르지만 일반적으로 엣지 분석의 토폴로지에는 제품 조합이 포함됩니다. 먼 엣지에는 시각, 청각 또는 감각 장치가 있으며 일부는 컨테이너화된 추론 모델을 실행할 수 있습니다. 이들은 IBM® Visual Insights와 IBM® Edge Application Manager를 실행하여 추론 서버로 데이터를 전송할 것입니다. 비시각적 데이터는 IBM® Event Streams 또는 Kafka를 사용하여 이벤트 백본으로 전송됩니다. 또한 모델을 학습/재교육하는 IBM Watson과 같은 소프트웨어 제품과 IBM® Cloud Pak for Data 및 AI와 같은 미들웨어는 다음 계층에서 데이터를 집계, 정제 및 분석할 수 있습니다.

위에 표시된 인식 그래픽을 명심하세요. 인식에서 행동에 이르기까지 엣지 분석은 실시간으로 작동해야 합니다. 블록 아키텍처 다이어그램은 작동 중인 다양한 구성 요소를 보여주며, 서로 다른 계층 간의 대기 시간은 밀리초 단위로 표시됩니다.

그림 2: 엣지 분석 구성 요소 아키텍처.

인간은 고도로 조정된 존재이며, 인지적 수준에서 밀리초 단위(때로는 마이크로초 단위)로 작동한다는 사실이 밝혀졌습니다. 따라서 기계와 디바이스의 응답과 의사 결정은 클라우드에 데이터를 전송하는 데 100밀리초 또는 500밀리초가 걸리지 않고 그에 근접해야 합니다.

엣지 분석의 주요 요구 사항 중 하나는 응답 시간을 줄여 컴퓨팅 경험을 개선하는 것입니다. 또 다른 측면은 확장성입니다. 센서와 네트워크 장치의 수가 계속 증가함에 따라 점점 더 많은 데이터가 생성될 것입니다. 이는 중앙 데이터 분석 리소스에 대한 부담을 증가시킵니다. 엣지 분석을 통해 조직은 데이터가 실제로 수집되는 위치로 분산하여 분석 기능을 확장할 수 있습니다.

끝으로, 엣지 분석은 중앙 집중형 데이터 분석을 대체하는 것이 아닙니다. 이 두 방식은 서로를 보완하며 데이터 분석 정보를 제공하는 데 기여할 수 있습니다. 앞서 언급했듯이, 실시간 처리가 중요한 경우에는 엣지 분석이 적합하며, 지연 시간이 허용되는 정밀 분석이 필요한 경우에는 중앙 데이터 분석이 더 적절할 수 있습니다. 엣지 분석의 주요 목표는 실시간(또는 거의 실시간에 가까운) 비즈니스 인사이트를 제공하는 것입니다.

IBM Cloud 아키텍처 센터는 엣지 컴퓨팅 참조 아키텍처를 포함하여 다양한 하이브리드 및 멀티클라우드 참조 아키텍처를 제공합니다. 새로 게시된 엣지 관련 자동차 레퍼런스 아키텍처도 볼 수 있습니다.

엣지 컴퓨팅과 추가 리소스에 대한 이 블로그 게시물 시리즈의 모든 기사를 확인하세요.

• 1부: '엣지에서의 아키텍처 설계'
• 2부: '엣지에서의 DevOps'
• 3부: '엣지에서의 5G'
• 4부: '엣지 클러스터'
• 5부: '엣지에서의 자동화'
• 6부: '엣지에서의 네트워크 슬라이싱'
• 7부: '엣지에서의 데이터'
• 8부: '엣지에서의 아키텍처 결정'
• 9부: '엣지에서의 GitOps'
• 10부: '엣지에서의 스토리지 서비스'
• 11부: '엣지에서의 클라우드 서비스'
• 12부: '엣지에서의 데이터 주권'
• 13부: '엣지에서의 커넥티드 제품'
• 14부: '엣지에서의 파운데이션 모델'
• IBM Garage
• IBM Edge Application Manager
• Red Hat PoV
• 엣지 컴퓨팅 및 엣지 분석
• Endsley, Micah; Jones, Debra (2016-04-19). 상황 인식을 위한 설계 (2판). CRC Press. p. 13. ISBN 978-1-4200-6358-5.
• 2020년의 엣지 분석: 지능형 IoT 애플리케이션 가이드
• 엣지 분석 – 무엇을, 왜, 언제, 누가, 어디서, 어떻게?

이 기사를 검토해 준 David Booz와 블록 아키텍처 다이어그램에 영감을 준 Andy Gibbs에게 감사드립니다.