[첨단 헬로티] ADI 손목 착용 워치 플랫폼을 사용한 시험 결과 이 PPG 박동 간격 알고리즘 결과를 ECG 최고점 검출용으로 잘 알려진 알고리즘인 판-톰킨스(Pan-Tompkins) 알고리즘[20]을 사용한 결과와 비교했다. 이를 위해 ADI의 VSM(Vital Signs Monitoring) 손목 착용 워치 플랫폼을 사용해서 데이터를 수집했다. ADI VSM iOS 애플리케이션을 사용해서 블루투스 연결을 통해 이 워치에 접속했다. 이 ADI 워치는 PPG 센서를 내장하고 있으므로, 이를 사용해서 피시험자의 손목에서 PPG 신호를 수집했다. 이 ADI 워치로부터 ECG 신호도 수집했다. 3개의 ECG 전극을 피시험자의 가슴 부위에 부착했다. 이들 전극으로부터의 와이어를 ADI 워치로 연결하고 PPG 신호와 동시에 처리 및 기록했다. 그러므로 이 플랫폼은 PPG 신호와 ECG 신호를 동시적으로 제공할 수 있다. 그림 3a는 데이터 수집에 사용된 ADI 워치이고, 그림 3b는 iOS 앱 인터페이스와 이 플랫폼에서 포착한 샘플 신호이다. ▲ 그림 3: ADI 플랫폼과 툴 평가 지표와 결과 결과를 비교하기에 앞서 먼저 판- 톰킨스 알고리즘과 이 PPG 박동 간격
[첨단 헬로티] 심전도(electrocardiograms, ECG)를 이용하는 심박 변이도(heart rate variability, HRV) 분석 기술은 심장의 자율 신경 기능 진단용으로 널리 알려진 기법이다. 이보다 전통적인 심장 기능 평가 방법은 광혈류 측정기(photoplethysmography, PPG) 파형을 사용하는 것이다. 이 방법에는 맥박 변이도(pulse rate variability, PRV)가 HRV를 대신한다. 하지만 PPG 신호 검출용으로 활용할 만한 제대로 된 알고리즘이 없어서 의료 업계에서는 PRV를 활용하여 임상 진단을 제공할 수 없었을 뿐 아니라 수면 단계, 스트레스 상태, 피로도 같은 건강 관련 생체 정보를 측정할 수도 없었다. 이 글에서는 PPG 신호를 사용하는 박동 간격 분석 기법을 위한 견고한 최고점(peak) 및 시작점(onset) 검출 알고리즘을 소개한다. 또한, 아나로그디바이스(Analog Devices, ADI)의 다중센서 워치 플랫폼을 사용하여 수집한 대규모 데이터를 통해, 이 새로운 접근법이 ECG 신호를 사용하는 박동 간격 검출 결과보다 높은 커버리지와 감도, 더 낮은 RMSSD(root mean squar
[첨단 헬로티] IAR Embedded Workbench의 C-SPY 디버거의 기능 중 하나인 Power Debugging은 디버깅 프로브에 의해 측정되는 전류 소비량과 수행된 소스코드와의 상관관계를 확인 할 수 있는 기능이다. 배터리를 사용하는 소형 IoT 디바이스, 웨어러블 장비 등의 저전력 고효율을 요구하는 디바이스 장비를 개발하는 경우 전류 소비를 최소화 시키는 노력이 필요하다. 하드웨어의 경우 전류 소비율이 적은 파트를 선정하여 사용하면 전류 소비에 최적화된 하드웨어를 구성할 수 있으나 구성된 하드웨어를 소프트웨어에서 제어를 어떻게 하느냐에 따라서 전체의 전류소율은 크게 변할 수 있다. 예를 들어. 사용하지 않는 I/O를 켜 놓거나 사용하지 않는 페리페럴을 동작시키는 경우 불필요한 전류를 소비하게 된다. 이러한 소프트웨어에 의해 불필요한 전류를 소비하는 경우를 확인하고 전류소비에 최적화된 소프트웨어를 위해 실시간으로 전류 소비량과 수행된 코드의 위치를 기록할 수 있는 C-SPY의 파워 디버깅(Power Debugging) 기능이 유용하게 사용된다. 일반적인 전류소모 측정 VS 파워 디버깅 일반적으로 가장 많이 사용되는 보드 전체 또는 보드의 특정 파
[첨단 헬로티] 특정한 전류 레벨을 발생시키는 것은 주로 펄스 폭 변조(PWM) 쵸핑 기법을 사용해서 한다. 2개 전력 트랜지스터 쌍으로 이루어진 H 브리지가 모터 코일로 쵸핑 전류를 제공한다. 쵸핑 전류가 해당 마이크로스텝으로 임계값에 도달하면 구동 전류가 중단된다. 이 지점에 도달한 후에는 전류가 감쇠되기 시작한다. 이러한 감쇠 형태는 H 브리지의 동작에 의해서 결정된다. ▲ 그림 2a: 빠른 감쇠일 때 H 브리지 전류 흐름 (출처 : 텍사스 인스트루먼트(Texas Instruments)) ▲ 그림 2b: 느린 감쇠일 때 H 브리지 전류 흐름 (출처 : 텍사스 인스트루먼트) 느린 감쇠일 때는 양쪽 하측 전력 트랜지스터를 통해서 전류가 재순환된다. 느린 감쇠일 때 문제점은, 모터를 구동하기 위해서 필요한 전류 양을 제한할 수 있다는 것이다. 빠른 감쇠는 H 브리지를 통해서 코일 권선 전압이 거꾸로 흐르게 해서 전류를 빠르게 떨어트린다. 하지만 대신에 높은 리플 전류를 일으킴으로써 효율을 떨어트릴 수 있으며 해당 모터로 높은 전류 레벨을 필요로 하는 경우에는 적합하지 않을 수 있다. 그림 3: 빠른 감쇠, 느린 감쇠, 혼합적 감쇠일 때 전류 감쇠 양상 (출처
[첨단 헬로티] 스텝퍼 모터는 정밀한 모션 제어에 널리 사용되는 기법이다. 표준 DC 모터는 연속적으로 회전하는 것과 달리, 스텝퍼 모터는 축을 중심으로 한 번에 한 스텝씩 회전할 수 있다. 그러므로 정밀한 포지셔닝과 속도 제어를 필요로 하는 애플리케이션에 적합하다. 하지만 모든 동작 지점으로 모터 제어가 정밀하게 이루어지도록 하기 위해서 모터와 컨트롤러를 튜닝해야 한다. 통상적인 스텝퍼 모터는 고정자, 샤프트에 부착되는 회전자, 고정자를 둘러싸고 고정된 위치에 부착되어서 자기장을 발생시키는 일련의 코일 권선으로 이루어진다. 영구 자석 스텝퍼 모터의 회전자는 자성 소재의 원반을 사용한다. 이 원반은 2개 극만을 사용할 수도 있고, 정밀 모터에 사용되는 좀더 복잡한 것은 더 많은 수의 극을 사용할 수도 있다. 이와 달리 가변 릴럭턴스 스텝퍼 모터는 전적으로 전자기이다. 모터로부터 전원을 제거하면 외부적 힘에 의해서 회전하게 된다. 영구 자석 모터는 모터로 전원을 인가하면 회전자가 가장 안정적인 위치를 찾는다. 코일로 발생된 전자기장이 회전자로 형성된 마그넷의 한쪽 극은 끌어당기고 다른 쪽 극은 밀쳐낸다. 마그넷 상에서 가장 가까운 반대 극이 코일로 생성된 전자
[첨단 헬로티] 기존의 공장들은 기계 데이터를 자동으로 수집하는 방법이 어렵기 때문에 B&R이 Orange Box를 개발했다. 사용자가 여러 라인, 위치 및 대륙으로부터 수집된 데이터를 비교할 수 있도록 B&R은 클라우드 인터페이스에 Orange Box를 장착한다. ▲ B&R의 데이터 수집 및 분석 툴인 Orange Box를 통해 기존 기계에서 클라우드로 데이터를 전송할 수 있다. 기계는 20년에서 30년, 혹은 그 이상의 수명을 가질 수 있다. 기계는 시간이 지남에 따라 최신 기술을 따라가기 위해 업그레이드된다. 하지만 여전히 많은 브라운필드 작업자들은 문제가 발생하기 전에 미리 문제를 파악하거나 생산성과 가용성을 높이기 위한 대책을 결정하는 데에 펜과 종이를 사용하고 있다. B&R의 산업용 IoT 및 제품 매니저인 René Blaschke씨는 지금까지 디지털로부터 분리된 기계들의 운영 데이터를 자동으로 수집하는 것은 불가능했다고 말한다. 클라우드로 B&R이 개발한 솔루션은 Orange Box이다. Orange Box는 작동자들이 모든 타입의 기계 컨트롤러로부터 데이터를 읽고, 체계화하고, 분석할 수 있도록
[첨단 헬로티] 머신비전산업에서 인공지능 기술(머신러닝, 딥러닝)이 빠르게 확산되고 있다. 인공지능 기술을 통해 기존의 컴퓨터비전 기술로는 어려웠던 검사가 가능해질 뿐만 아니라 ‘데이터의 자기 학습’으로 보다 빠르고 쉬우며 신뢰성과 유연성을 갖춘 머신비전 검사가 가능해졌다. 이에 따라 자연스럽게 인공지능 기술에 대한 관심이 높아지고 있다. 국내 대표적인 머신비전 전문업체인 라온피플은 ‘LAON PEOPLE’s 머신러닝 아카데미’를 통해 인공지능의 대표적인 기술인 머신러닝 기술에 대해 연재한다. CNN(Convolutional Neural Network) – “GoogLeNet (part2)” 지난 호에서 구글의 GoogLeNet에 대하여 간단하게 살펴보았다. 그 동안 살펴본 LeNet-5, AlexNet, ZFNet 등은 그런대로 이해하는데 무리가 없을 것이라 생각되지만, 다소 괴상하게(?) 생긴 GoogLeNet은 왠지 부담스러울 것 같다. GoogLeNet에서는 망의 깊이 및 넓이가 모두 커지고, 중간에 분기되는 부분도 있고, “인셉션”이라는 생소한
[첨단 헬로티] 머신비전산업에서 인공지능 기술(머신러닝, 딥러닝)이 빠르게 확산되고 있다. 인공지능 기술을 통해 기존의 컴퓨터비전 기술로는 어려웠던 검사가 가능해질 뿐만 아니라 ‘데이터의 자기 학습’으로 보다 빠르고 쉬우며 신뢰성과 유연성을 갖춘 머신비전 검사가 가능해졌다. 이에 따라 자연스럽게 인공지능 기술에 대한 관심이 높아지고 있다. 국내 대표적인 머신비전 전문업체인 라온피플은 ‘LAON PEOPLE’s 머신러닝 아카데미’를 통해 인공지능의 대표적인 기술인 머신러닝 기술에 대해 연재한다. CNN(Convolutional Neural Network) – “GoogLeNet (part2)” 지난 호에서 구글의 GoogLeNet에 대하여 간단하게 살펴보았다. 그 동안 살펴본 LeNet-5, AlexNet, ZFNet 등은 그런대로 이해하는데 무리가 없을 것이라 생각되지만, 다소 괴상하게(?) 생긴 GoogLeNet은 왠지 부담스러울 것 같다. GoogLeNet에서는 망의 깊이 및 넓이가 모두 커지고, 중간에 분기되는 부분도 있고, “인셉션”이라는 생소한
[첨단 헬로티] 전세계적으로도 최적화 단계까지는 활발하게 발전하고 있지 못한 상황 1. 들어가면서 2019년을 시작하면서 필자는 에너지 데이터 수집과 공유, 활용에 초점을 두고 에너지산업 비즈니스모델의 확장 가능성들을 탐색하기 시작했다. 필자는 에너지의 생산, 거래, 소비 영역 중에서 우선 소비 효율화 부문의 비즈니스모델 사례들을 발굴하기 시작했으며, 이의 기반이 되는 논거는 그림 1에서 보듯이, 하바드비즈니스리뷰 논문에서 제시된 ‘스마트 커넥티드 프로덕트(Smart, Connected Products; 이하 SCP)’의 4대 역량이다. 그림 1. SCP 역량 4단계: 모니터링-제어-최적화-자율<출처: Porter & Hippelmann (2014); 송민정(2017.7) 재인용> 필자는 먼저 소비 효율화 측면에서 1월호에서는 모니터링(Monitoring) 단계의 서비스 가능성과 현황에 대해, 2월 호에서는 제어(Control) 단계에서의 서비스 가능성과 현황들을 살펴보았으며, 이번 호에서는 모니터링과 제어 역량을 인프라로 가진 상태에서 에너지 소비 및 운영 효율화 측면에서 예측 처방과 유지보수 등 한발 더 나아간 소비
[첨단 헬로티] 디지털 라이프케어 서비스로 발전할 수 있도록 산/연/관/민 공동 노력 필요 Ⅰ. 개요 스마트 헬스케어(Smart health care)와 생활편의 서비스기능이 융합된 라이프케어(Life care) 기능이 다양화되면서 IoT(사물인터넷) 기술력을 기반으로 한 디지털 라이프케어 서비스로 발전하고 있다. 나아가 IoT 기술융합을 라이프케어 서비스 영역으로 확장시킴으로써 공공부문의 서비스모델을 개발하는 데 크게 기여하고 있다. 아울러 IoT 관련 기업들의 신 시장 개척에도 중요한 계기를 제시하고 있다. 이를 통해 라이프케어 서비스시설의 문제점들을 해소함으로써 삶의 질을 향상시키고 관련 이해당사자의 공동이익을 추구할 수 있는 기회를 제공하고 있다. IoT 기반의 라이프케어 서비스를 구현하기 위해서는 통합정보화 기능이 최우선 과제이다. 이는 핵심 업무를 보조하는 역할이기 때문에 정보화담당 부처(공공기관 등)의 역할을 강화할 필요가 있다[1]. 현재 국내 통합정보화 운용형태를 보면 총무/행정/운영지원 부서의 일부 업무로 분장하고 있는 비율은 54.3%, 정보화담당 인력을 두고 있는 시설은 73.7%로 나타났다. 특히 유무선 네트워크를 운용하고 있는 라이프
[첨단 헬로티] 디지털 라이프케어 서비스로 발전할 수 있도록 산/연/관/민 공동 노력 필요 Ⅰ. 개요 스마트 헬스케어(Smart health care)와 생활편의 서비스기능이 융합된 라이프케어(Life care) 기능이 다양화되면서 IoT(사물인터넷) 기술력을 기반으로 한 디지털 라이프케어 서비스로 발전하고 있다. 나아가 IoT 기술융합을 라이프케어 서비스 영역으로 확장시킴으로써 공공부문의 서비스모델을 개발하는 데 크게 기여하고 있다. 아울러 IoT 관련 기업들의 신 시장 개척에도 중요한 계기를 제시하고 있다. 이를 통해 라이프케어 서비스시설의 문제점들을 해소함으로써 삶의 질을 향상시키고 관련 이해당사자의 공동이익을 추구할 수 있는 기회를 제공하고 있다. IoT 기반의 라이프케어 서비스를 구현하기 위해서는 통합정보화 기능이 최우선 과제이다. 이는 핵심 업무를 보조하는 역할이기 때문에 정보화담당 부처(공공기관 등)의 역할을 강화할 필요가 있다[1]. 현재 국내 통합정보화 운용형태를 보면 총무/행정/운영지원 부서의 일부 업무로 분장하고 있는 비율은 54.3%, 정보화담당 인력을 두고 있는 시설은 73.7%로 나타났다. 특히 유무선 네트워크를 운용하고 있는 라이프
[첨단 헬로티] 전세계적으로도 최적화 단계까지는 활발하게 발전하고 있지 못한 상황 1. 들어가면서 2019년을 시작하면서 필자는 에너지 데이터 수집과 공유, 활용에 초점을 두고 에너지산업 비즈니스모델의 확장 가능성들을 탐색하기 시작했다. 필자는 에너지의 생산, 거래, 소비 영역 중에서 우선 소비 효율화 부문의 비즈니스모델 사례들을 발굴하기 시작했으며, 이의 기반이 되는 논거는 그림 1에서 보듯이, 하바드비즈니스리뷰 논문에서 제시된 ‘스마트 커넥티드 프로덕트(Smart, Connected Products; 이하 SCP)’의 4대 역량이다. 그림 1. SCP 역량 4단계: 모니터링-제어-최적화-자율<출처: Porter & Hippelmann (2014); 송민정(2017.7) 재인용> 필자는 먼저 소비 효율화 측면에서 1월호에서는 모니터링(Monitoring) 단계의 서비스 가능성과 현황에 대해, 2월 호에서는 제어(Control) 단계에서의 서비스 가능성과 현황들을 살펴보았으며, 이번 호에서는 모니터링과 제어 역량을 인프라로 가진 상태에서 에너지 소비 및 운영 효율화 측면에서 예측 처방과 유지보수 등 한발 더 나아간 소비
[첨단 헬로티] 중소기업 스마트공장 컨설팅 사례 스마트공장 컨설팅이 무엇이고, 정부지원자금을 활용하여 ERP나 MES 활용도를 높이는 방법을 컨설팅 사례를 통해 알아본다. 필자는 2002년부터 ERP컨설팅을 필두로 2018년까지 거의 매년 ERP, MES, 스마트공장 컨설팅을 수행해오면서, 중소기업은 ERP나 MES를 새로 설치하면 10중 8은 실패한다는 것을 보아 왔으며, ERP/MES전문가가 도와주면 성공률을 50% 이상 높일 수 있다는 확신도 생겼다. 그림1 엄밀히 얘기하면 ERP나 MES가 스마트공장은 아니나, 편의상 스마트공장이라고 표현하고 글을 이어 나가겠다. 2. 스마트공장 컨설팅 종류 스마트공장 컨설팅은 구축 전, 구축 중, 구축 후 세가지로 나뉜다. 그간 스마트공장 컨설팅을 해오면서, 가장 기업(스마트공장 도입기업)이 적극적으로 요청 온 경우는 ‘구축 후’ 이다. 도입 기업은 구축 기업이 다 알아서 잘 구축해 줄 것으로 믿기에 구축 전에도 구축 중에도 요청하지 않는다. 그럼에도 불구하고 필자가 구축 전이나 구축 중에 컨설팅 한 경우도 적지 않은 이유는 도입 기업에 컨설팅의 필요성을 많이 강조했기 때문이다. 말을 물가로 데
[첨단 헬로티] 배터리를 사용하는 디바이스가 갈수록 늘어나고 있다. 그런데 많은 제품이 충전 커넥터를 사용하기가 어렵거나 불가능할 수 있다. 어떤 제품은 민감한 전자 장치를 가혹한 환경으로부터 보호하고 세척이나 소독을 용이하게 하기 위해서 밀봉 차폐를 필요로 할 수 있다. 또 어떤 제품은 크기가 너무 작아서 커넥터를 포함시킬 수 없고 이동이 잦거나 회전 장치를 포함하는 제품의 경우에는 선을 사용해서 충전하는 것은 생각할 수도 없다. 바로 이러한 경우에 무선 충전을 사용함으로써 제품의 가치, 신뢰성, 견고성을 높일 수 있다. 전원을 무선으로 제공하는 방법에는 여러 가지가 있을 수 있다. 수 인치 미만의 짧은 거리로 주로 사용되는 방법은 용량성 결합과 유도 결합이다. 이 글에서 설명하는 솔루션은 유도 결합을 사용한다. 통상적인 유도 결합 무선 전원 시스템은 송신 코일로 ac 자기장을 생성하면 수신 코일로 교류 전류가 유도된다. 트랜스포머 시스템과 같은 원리이다. 트랜스포머 시스템과 무선 전원 시스템의 가장 큰 차이점은 에어 갭이나 여타 비자성 소재의 간극에 의해서 트랜스미터와 리시버가 분리된다는 것이다. 또한 송신 코일과 수신 코일 사이에 결합 계수가 대체로 매
[첨단 헬로티] ▲ 인도네시아 자카르타 전경 인도네시아 중산층 구매력 상승 및 스마트폰과 전자지갑(e-Wallet) 보급률 확산으로 전자상거래 규모 증가하는 추세이다. 또한 관련 인프라가 확장되지 않아 관련 기업들의 현지 진출이 기대된다. 인도네시아 전자상거래 시장 규모 및 동향 인도네시아 전자상거래 시장 규모는 갈수록 커져가고 있으며 중산층의 구매력이 상승하면서 전자 소매(internet retailing) 시장 성장은 유로모니터 시장자료에 따라 2012년부터 2017년까지 5년간 연평균 42% 성장했다(표 1). 유로모니터는 2018년의 전자 소매 시장 규모를 총 61조4106억 루피아(약 43억8428만 달러)로 추정했으며 5년 후인 2023년의 전자상거래 시장 규모는 175조4703억 루피아(약 125억2733만 달러)까지 성장할 것으로 전망하고 있다. 표 1. 인도네시아 전자 소매(B2C)시장 규모 및 동향 (단위: 10억 루피아) 특히 인도네시아 전역으로 스마트폰 보급률이 증가하면서 현재 인도네시아는 중국, 인도, 미국에 이어 네 번째로 스마트폰을 가장 많이 사용하는 국가가 됐다. 최근 3년간 OVO, Go-Pay, Tcash, Jenius 등의
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2024년 11월 24일 21시 28분
