The Key Factors for
Leading Service Robot
Data Managing Observability
& Data Engineering
안전과 품질이 보장되어야 하는 로봇,
로봇으로부터 수집되는
공간과 환경, 인구 데이터가
안전하고 신뢰할 수 있는지
데이터의 안전과 보안, 신뢰는
로봇 서비스의 기초가 됩니다
지능형 로봇의 궁긍적인 목표, 서비스 효용의 지향점은 사람과 사물 주변환경을 더 잘 이해하고 그로인해 스스로 판단하고 조치할 수 있어야 합니다.
이를 위해서 로봇은 주어진 환경에서 최대한 많은 데이터를 수집하고 분석할 수 있어야 하고, 체계적이며 구조화된 그리고 신뢰할 수 있는 안전한 데이터 체계와 효율적인 메커니즘을 갖추는 것이 요구됩니다
더 스마트한 결정을 위한
로봇 데이터 엔지니어링
인터넷 기업과 서비스들의 이미 보편화된 데이터 엔지니어링 시대에, 이를 연동하기 위한 로봇은 그 혁신의 속도를 따라잡기 위하여 로봇 자체의 발전 뿐만 아니라 로봇 데이터의 프레임워크와 데이터 모델링과 분석, 보안 등 데이터 정확도를 높이고 파이프라인 손상을 방지할 수 있는 체계를 갖추는 것에도 많은 투자가 이루어 져야 합니다.
최근 기업과 서비스는 점점 더 데이터 중심적으로 변해가고 있으며, 이를 위한 판단과 풍부한 Data Insight 기술들은 점점 더 고도화 되고 있습니다. 이러한 인더스트리 현장에서는 로봇이 정교한 데이터를 수집, 저장, 집계를 위한 로봇 데이터 엔지니어링을 구비하였는지 의문을 제시하고 있습니다.
로봇의 정교한 공간, 환경 데이터 수집은 데이터 엔지니어링을 통하여 실시간 시각화되고, 데이터 메시, 클라우드 웨어하우스, 데이터 모델링 솔루션 등으로 체계화되어, 체계적인 데이터 메커니즘으로 로봇의 활용을 극대화 하고, 최적화된 고객과 현장 대응 시나리오를 계획할 수 있습니다.
멀티 로봇을 위한
체계적인 데이터셋과
데이터 파이프 라인
기업과 서비스는 데이터를 분석하고 ML 모델을 생성하기 위해서 수십에서 수백 개의 내부 및 외부 데이터 소스를 사용합니다. 이러한 데이터 소스 중 하나가 예기치 않은 방식으로 오염되어 의사 결정을 위해 사용하는 데이터를 손상시킬 수 있습니다.
예를 들어, 로봇의 자율주행과 협업 스케쥴을 결정하는 단계에서 어느 하나의 잘못된 로봇 데이터의 유입은 주요 환경의 지표를 오인하게 하며 로봇 시스템 전체는 잘못된 조치와 협업 을 결정 수 있습니다.
로봇의 데이터 체계는 다양한 기능과 사양을 가진 로봇과, 이들로부터 여러 단계의 처리 및 다양한 데이터 자산 간의 개별 종속성으로 인해 점점 더 복잡해지고 있습니다. 그러나 이러한 공통의 메타 데이터와 개별 종속된 로봇 데이터에 대한 정의와 가시성이 제공되지 않아, 하나의 데이터 세트에 대한 변경이 전체 데이터 자산의 정확성에 영향을 미치게 되는 의도하지 않은 결과를 초래할 수 있습니다.
데이터 분석과 이를 위한 파이프라인은 모든 과정에서 예외를 수용할 수 있는지 여부는 로봇 시스템의 필수 요소입니다.
로봇 서비스를 위한
전문적인 데이터 체계와
실시간 로봇 데이터의
관찰 가능성과 오류의 보정
로봇은 스스로 의사 결정을 위해 데이터에 의존하고 있습니다. 잘못된 소통이나 불충분한 데이터로 복잡한 시스템이 중단됩니다. 예를 들어, 한 로봇이 데이터 테이블에 새 필드를 추가하면 다른 로봇의 파이프라인이 실패하여 데이터가 누락되거나 부분적으로 발생할 수 있습니다. 현장에서 이러한 ‘가비지 데이터’ 오류는 로봇에 대한 고객 신뢰 붕괴, 심지어 규정 준수 위험으로 이어질 수 있습니다.
”garbage data”로 인한 오류를 방지하기 위하여 플라잉렛에서는 데이터 검증과 복원 프로그램을 제공합니다. 이러한 현상을 데이터 다운타임 (Data downtime) 현상은 데이터가 부분적, 오류, 누락 또는 부정확한 기간을 말하며, 데이터 시스템이 점점 더 복잡해지고 소스와 소비자의 끝없는 에코시스템을 지원하면서 증가합니다.
플라잉렛의 로봇 데이터의 관찰 가능성 및 안정성과 같은 데이터 검증과 복원에 적용하여 이러한 문제를 식별, 해결 및 사전에 예방할 수 있어, 이것이 적용된 기초 데이터에 대한 확신을 갖게 되어 귀중한 통찰력을 얻을 수 있습니다.
첨단 서비스 로봇을 위한
Data Managing
Observability
& Data Engineering 필요성
로봇의 이상동작을 사전에 예방하고 적절한 대응 조치를 가능하게 것은 안정된 서비스를 위한 필수 요소입니다. 이같은 로봇에서 발생되는 데이터에 대한 실시간 Observability 는 서로 다른 다양한 멀티로봇을 개별적으로 추적하고 최적의 협업을 제공 할 수 있는 방법을 제공합니다.
또한 데이터베이스에서 별도로 데이터를 추출하지 않고, 저장된 데이터를 자동으로 모니터링하여 최고 수준의 보안 및 규정 준수 요구 사항을 충족할 수 있습니다.
이러한 솔루션은 각 로봇 서비스를 위하여 설정된 임계값과 ML 모델을 사용하여 환경과 데이터를 자동으로 학습하고, 이상 탐지 루틴을 통해 로봇 혹은 로봇 서비스에 문제가 발생했을 때 스스로 적절한 조치를 가능하게 합니다.
이같은 데이터 자산 분석을 통한 능동적인 조치는 복잡한 환경에서 운영되는 로봇에게 수시로 발생될 수 있는 ‘데이터 다운타임’ 사고를 방지 할 수 있는 대안을 구비하는 것으로 안전하고 신속한 서비스 개발과 운영, 문제 해결을 가능하게 하는 최소한의 데이터 컨텍스트를 제공하는 일이 될 것입니다.
인티그리트만의 검증된 플라잉렛 플랫폼은 지능형 멀티 로봇의 첨단 기능과 서비스 효용을 극대화 합니다
서비스 로봇을 위한 최고의 데이터 제어 플랫폼
검증된 플라잉렛은 지능형 로봇의 방대한 데이터를 관리하고 분석해 최적의 자동화 서비스를 제공하고 있습니다
5천 Km 이상의 누적 자율주행거리, 누적시간 6천 시간 이상의 상용서비스를 통하여 방대한 데이터 통합과 분석을 제공한 플라잉렛은 검증되고 안전한 서비스로봇의 운영을 제공하고 있습니다.