대화형 데이터 시각화 기반 실시간 관찰 및 오류 감지 시스템
Interactive Data Visualization Based Realtime Monitoring and Fault Detection System
1
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
다양한 형태의 설비로부터 발생되는 여러 종류의 데이터들을 효과적으로 표현하는 방법은 쉬운 작업이 아니다. 정교한 데이터 분석 등을 위해 수집하는 데이터 항목이 많아질수록 시스템 운영자가 중요한 항목을 식별하는데 장애요소로 작용한다. 이러한 문제점을 개선하기 위해서는 대용량 데이터를 효과적으로 한 눈에 관측하고 미리 오류 감지를 확인할 수 있는 실시간 대화형 데이터 시각화 기술 개발이 필요하다. 본 논문에서는 연속적으로 발생되는 원시 데이터를 효율적으로 관리하기 위해 인터렉티브 데이터 시각화 방법을 이용한 실시간 관측 및 오류 감지 시스템을 제안한다. 제안된 시스템은 데이터 수집, 데이터 가시화, 데이터 오류 감지 및 알람 단계로 구성된다. 데이터 수집 단계에서는 데이터 수집 장치를 이용하여 발생된 실시간 설비 데이터를 저장하고 데이터 전처리과정을 통해 데이터를 마사징하고 일반화한다. 이렇게 정규화된 데이터들을 데이터 시각화 단계에서 데이터 분석, 시각화 매핑 및 렌더링 과정을 거친다. 본 논문에서는 정의된 데이터 프리미티브를 시각화 렌더링하기 위한 방법으로 히트맵(Heat Map), 레더 차트(Radar Chart), 스트림 그래프(Stream Graph) 방법을 사용하였다. 또한, 데이터의 오류 감지를 하기 위해 통계적 공정 관리(SPC: Statistical Process Control) 규칙 기반 오류 감지 및 알람 방법을 사용하였다. 제안된 방법은 이미지 생성, 데이터 융합, 오류 감지 및 기계 학습과 같은 다양한 분야에서 널리 활용될 수 있다.
Abstract
Effective representation of various types of data from various types of equipment is not a trivial task. The more data items collected for sophisticated data analysis, the more trouble the system operator has to identify important items. In order to solve these problems, it is necessary to develop a real-time interactive data visualization system that can be efficiently observing large-volume data at a glance and confirming fault detection in advance. In this paper, we propose a real - time observation and fault detection system using interactive data visualization method to efficiently manage consecutively generated raw data. The proposed system consists of data collection, data visualization, data fault detection and alarm steps. In the data collection step, the real-time generated device data using the data collection device is stored, and the collected data is massaged and generalized through data preprocessing process. The normalized data is subjected to data analysis, visualization mapping, and rendering in the data visualization step. To visualize and render the defined data primitives, we use heat map, radar chart, and stream graph. In addition, statistical process control (SPC) rule-based fault detection and alarm methods are used to detect data errors. The proposed method can be widely used in various fields such as image generation, data fusion, fault detection and machine learning.
참고문헌 (15)
- "Data, data everywhere", The Economist, Feb. 2010, ~ (2010)
- V. Dhar, "Data science and prediction", Communications of the ACM, 56(12), pp.64~ (2013)
- M. Aparicio, "Data visualization", Communication Design Quarterly Review, 3(1), pp.7~11 (2014)
- M. Friendly, "A brief history of data visualization" (2017), Springer-Verlag
- L. J. Rosenblum, "Scientific visualization:Advances and challenges" (1994), Academic Press
- B. B. Bederson, "The craft of information visualization: Readings and reflections" (2003), Morgan Kaufmann
- P. C. Wong, "Visual analytics", IEEE Computer Graphics and Applications, 24(5), pp.20~21 (2004)
- D. A. Freedman, "Statistical models: Theory and practice" (2005), Cambridge University Press
- H. Abdi, "Principal component analysis", Wiley Interdisciplinary Reviews: Computational Statistics, 2(4), pp.433~459 (2010)
- L. Wilkinson, "The history of the cluster heat map", The American Statistician, 63(2), pp.179~184 (2009)
- "Find content gaps using radar charts", Content Strategy Workshops (2015)
- L. Byron, "Stacked graphs-geometry & aesthetics", IEEE Transactions on Visualization and Computer Graphics, 14(6), pp.1245~1252 (2008)
- D. J. Wheeler, "Understanding statistical process control" (1992), SPC Press
- B. M. Wise, "A comparison of principal components analysis, multi-way principal components analysis, tri-linear decomposition and parallel factor analysis for fault detection in a semiconductor etch process", Journal of Chemometrics, (13), pp.379~396 (1999)
- D. Shiffman, "Learning processing, second edition: A beginner's guide to programming images, animation, and interaction" (2015), Morgan Kaufmann