Earticle

항공기 공중 충돌사고는 대규모 인명 피해를 초래할 수 있는 위험한 사건이다. 이를 예방하기 위해 민간 항공에서는 TCAS(traffic alert and collision avoidance system) 장착을 의무화하였으며, 새로운 기술의 도움을 받아 더욱 정밀하게 발전하고 있다. 한국에서 개인적으로 TCAS 연구를 위한 데이터를 수집하는데는 절차적인 어려움이 있다. 이를 해결하기 위해 ADS-B(automatic dependent surveillance-broadcast)와 Mode-S(mode-select)를 활용하면 TCAS RA(resolution advisory)의 정보 획득이 가능하다. ADS-B Exchange와 Opensky-Network에서 보관중인 데이터베이스를 제공받아 연구에 활용하였으며, 3건의 TCAS RA 발생 사례를 시각화하였다. 또한 2023년 전반기 국내 TCAS RA 발생사례를 분류한 후 그 특징을 분석하였다. 이를 통해 ADS-B와 Mode-S 데이터의 유효성을 확인하고, 발전방향을 모색하였다.

Aircraft midair collisions are dangerous events that can cause massive casualties. To prevent this, civil aviation has mandated the installation of TCAS (ACAS), which is becoming more sophisticated with the help of new technologies. However, there are institutional problems in collecting data for TCAS research in Korea, limiting the ability to obtain data for personal research. ADS-B and Mode-S automatic broadcast various information about the flight status of the aircraft. This data also contains information about TCAS RA, which can be used by anyone to find examples of TCAS RA operation. We used the databases of ADS-B Exchange and Opensky-Network to acquire data and visually represent three TCAS RA cases through Python coding. We also identified domestic TCAS cases in the first half of 2023 and analyzed their characteristics to confirm the usefulness of the data.

웹을 통해 제공되는 서비스는 현재 문서중심에서 데이터 중심으로 변화를 겪고 있으며, 그 변화의 중심에는 Linked Open Data(LOD)가 존재한다. 본 연구는 이러한 흐름에 부응하여 기록정보의 LOD 구축을 위한 구체적인 절차와 방법을 살펴보고자 하였다. 또한 소규모 아카이브의 서비스 지속가능성을 염두에 두고, 오픈소스 소프트웨어를 활용하여 LOD 구축 절차를 진행하는 범례를 제시하고자 했다. 이에 본 연구에서는 LOD 구축을 위한 5단계의 프레임워크를 제안했다. 그리고 일상아카이브인 '인간과 기억 아카이브'의 일기 기록물 컬렉션을 수집하여, 제안된 5단계 프레임워크에 따라 오픈소스 소프트웨어인 Protege와 Apache Jena Fuseki를 활용하여 POC(Proof of concept)를 진행하였다. 오픈소스를 활용하여 기록정보의 LOD를 구축한 뒤, 상호연결(Interlinking)과 SPARQL 검색을 통해서 외부 LOD와 연결되는 모습을 확인할 수 있었다. 또한 기록정보의 LOD 구축 절차 진행과정의 경험을 바탕으로 내용정보 기술의 품질 향상, 아키비스트의 역량 고도화, 기록정보의 접근성 향상을 위한 상호연결 고도화, LOD 서비스의 수준 결정, LOD 구축을 위한 도구 선정 등, 기록관 LOD 구축을 위한 필요요건을 제시했다.

Recently, the web service environment has changed from document-centered to data-oriented focus, and the Linked Open Data (LOD) exists at the core of the new environment. Specific procedures and methods were examined to build the LOD of records information in accordance with this trend. With the service sustainability of small-scale archive in consideration, an exemplification on LOD building process by utilizing open source software was developed in this paper. To this end, a 5-step service framework for LOD construction was proposed and applied to a collection of diary records from 'Human and Memory Archive'. Proof of Concept (POC) utilizing open source softwares, Protege and Apache Jena Fuseki, was conducted according to the proposed 5 step framework. After establishing the LOD of record information by utilizing the open source software, the connection with external LOD through interlinking and SPARQL search has been successfully performed. In addition, archives' considerations for LOD construction, including improvement on the quality of content information, the role of the archivist, were suggested based on the understanding obtained through the LOD construction process of records information.

IT발전과 함께 해킹 범죄는 지능화, 정교화 되고 있다. 침해대응에 있어 빅데이터 분석이란 정보보호 시스템에서 발생하는 정상로그 등 전체 로그를 수집, 저장, 분석 및 시각화하여 이상행위와 같은 특이점을 도출하는 것이다. 기존에 간과해왔던 데이터를 포함하는 전수 로그를 활용하여 사이버 침해의 초기단계에서부터 침해에 대한 이상 징후를 탐지 및 대응하고자 한다. 정보보호 시스템과 단말 및 서버 등에서 발생하는 비정형에 가까운 빅데이터를 분석하기 위해서 오픈소스 기술을 사용하였다. ELK Stack 오픈소스를 사용한다는 점은 해당 기관의 자체 인력으로 기업 환경에 최적화된 정보보호 관제 체계를 구축하는 것이다. 고가의 상용 데이터 통합 분석 솔루션에 의존할 필요가 없으며, 자체 인력으로 직접 정보보호 관제 체계를 구현함으로써 침해대응의 기술 노하우 축적이 가능하다.

With the development of IT, hacking crimes are becoming intelligent and refined. In Emergency response, Big data analysis in information security is to derive problems such as abnormal behavior through collecting, storing, analyzing and visualizing whole log including normal log generated from various information protection system. By using the full log data, including data we have been overlooked, we seek to detect and respond to the abnormal signs of the cyber attack from the early stage of the cyber attack. We used open-source ELK Stack technology to analyze big data like unstructured data that occur in information protection system, terminal and server. By using this technology, we can make it possible to build an information security control system that is optimized for the business environment with its own staff and technology. It is not necessary to rely on high-cost data analysis solution, and it is possible to accumulate technologies to defend from cyber attacks by implementing protection control system directly with its own manpower.

무선 통신 기술의 발달에 따라 사물인터넷 분야의 연구가 활발히 진행되고 있다. 하지만 많은 연구들에서 다루는 IoT 플랫폼은 데이터의 시각화 방법보다 전송 방법 및 수집량 증대에 초점을 두고 있다. 많은 양의 데이터를 수집하 더라도 처리가 이루어지는 방식이나 데이터 시각화 방법에 따라 수집한 데이터를 처리하고 분석하는 속도 및 효율성 이 크게 달라진다. 본 논문에서는 데이터의 분석과 처리의 효율 증대 및 시각화에 중점을 두고 오픈 소스 기반 IoT 플랫폼에 시각화 오픈 소스를 연동하는 방법을 제안한다. 제안 방법은 이기종 센서들로부터 Wi-Fi 네트워크를 통해 데이터를 수집하고, 별도로 구현된 대시보드에서 수집한 데이터를 사용하는 형태로 웹 페이지에 결과를 출력한다. 또한 실제 환경에서 플랫폼을 개발/운용하는 과정에 대해 소개한다.

With the development of wireless communication technology, research in the field of IoT is actively progressing. However, IoT platforms covered in many studies focus on increasing transmission method and collection amount rather than data visualization method. Even if a large amount of data is collected, the speed and efficiency of processing and analyzing the collected data vary greatly depending on how processing is performed or data visualization method. In this paper, we propose a method of linking visualization open source to open source-based IoT platform, focusing on increasing the efficiency and visualization of data analysis and processing. The proposed method collects data through a Wi-Fi network from heterogeneous sensors and outputs results on web pages in the form of using data collected from a separately implemented dashboard. It also introduces the process of developing/operating the platform in a real environment.

사물인터넷(Internet of Things, IoT)이 활용되는 분야가 많이 확장되고 있다. 수집된 데이터를 통계 처리하고 시각화하는 방법에 따라 분석 결과의 가치가 달라질 수 있다. 본 논문에서는 오픈소스 IoT 플 랫폼에 시각화 오픈 소스를 연동하여 센서/장치/시스템 들로 부터의 데이터 수집, 분석 그리고 분석 결과 의 시각화와 상황에 따른 센서/장치/시스템 제어를 효과적으로 수행하는 구조를 제시하고, 구현 결과를 보인다. 시각화는 웹 기반으로 구현되어, 모든 장치들에서 동시에 시각화 정보를 확인할 수 있다.

Recently, as a sensor technology for detecting sensor data such as a temperature sensor, a humidity sensor and an optical sensor has rapidly developed, big data technology is rapidly developing in various fields such as industry, military, medical, and weather. Big data processing consists of five steps: Aggregator, Storage, Processing, Analysis, and Visualization, and processes large amounts of large data. It looks like a simple process, but it requires advanced core skills to drive the flow of large amounts of data. In this paper, we construct a distributed system for data collection and processing in order to conduct an effective big data analysis on a huge amount of sensing data generated in a sensor network. In order to reduce the unnecessary analysis of the data generated by the sensor, we implemented the system using Hadoop ECO System and ELK, and verified the superiority of the paper through simulation.

This study evaluated the performance of open-source Korean natural language processing (NLP) tools with resume data, which include written texts to be analyzed for obtaining Human Resources (HR) insights. The results of this study showed that the overall performance of Korean morphological analyzers was satisfactory and Fasttext dealt with similar and rare vocabulary better than other algorithms of word embedding. Plus, TextRank and genism_summarizer successfully extracted the key phrases of a sentence. In contrast, Korean OCR packages produced poor results. Recently, an enormous amount of HR data such as resume and cover letter has been available, and if they are appropriately analyzed with NLP tools, the automation of HR work will be achieved.

ICT 융합 스마트팜 내의 환경계측 센서, 영상 및 사양관리 시스템의 증가에도 불구하고 이들 장비에서 확보되는 데이터를 적절히 유효하게 활용하는 기술이 미흡한 실정이다. 돈사의 경우 가축의 복지수준, 성장 변화를 실시간으로 모니터링 및 예측할 수 있는 데이터 분석 및 모델링 기술 확보가 필요하다. 이를 위해선 가축의 생리적 변화 및 행동적 변화를 조기에 감지하고 가축의 복지수준을 실시간으로 감시하고 분석 및 예측 기술이 필요한데 이를 위한 대표적인 정보 통신 공학적 접근법 중에 하나가 Data mining 이다. Data mining에 대한 연구 수행에 필요한 다양한 소프트웨어 중에서 Open source로 제공이 되는 4가지 도구를 비교 분석하였다. 스마트 돈사 내에서 열환경 모델링을 목표로 한 데이터 분석에서 고려해야할 요인으로 데이터 분석 알고리즘 도출 시간, 시각화 기능, 타 라이브러리와 연계 기능 등을 중점 적으로 분석하였다. 선정된 4가지 분석 도구는 1) R(https://cran.r-project.org), 2) OpenCV(http://opencv.org), 3) OpenNN (http://www.opennn.net), 4) Orange(http://orange.biolab.si) 이다. 비교 분석을 수행한 운영체제는 Linux-Ubuntu 16.04.4 LTS(X64)이며, CPU의 클럭속도는 3.6 Ghz, 메모리는 64 Gb를 설치하였다. 개발언어 측면에서 살펴보면 1) R 스크립트, 2) C/C++, Python, Java, 3) C++, 4) C/C++, Python, Cython을 지원하여 C/C++ 언어와 Python 개발 언어가 상대적으로 유리하였다. 데이터 분석 알고리즘의 경우 소스코드 범위에서 라이브러리를 제공하는 경우 Cross-Platform 개발이 가능하여 여러 운영체제에서 개발한 결과를 별도의 Porting 과정을 거치지 않고 사용할 수 있었다. 빌트인 라이브러리 경우 순서대로 R 의 경우 가장 많은 수의 Data mining 알고리즘을 제공하고 있다. 이는 R 운영 환경 자체가 개방형으로 되어 있어 온라인에서 추가되는 새로운 라이브러리를 클라우드를 통하여 공유하기 때문인 것으로 판단되었다. OpenCV의 경우 영상 처리에 강점이 있었으며, OpenNN은 신경망학습과 관련된 라이브러리를 소스코드 레벨에서 공개한 것이 강점이라 할 수 있다. Orage의 경우 라이브러리 집합을 제공하는 것에 중점을 둔 다른 패키지와 달리 시각화 기능 및 망 구성 등 사용자 인터페이스를 통합하여 운영한 것이 강점이라 할 수 있다. 열환경 모델링에 요구되는 시간 복잡도에 대응하기 위한 부가 정보 처리 기술에 대한 연구를 수행하여 스마트팜 열환경 모델링을 실시간으로 구현할 수 있는 방안 연구를 수행할 것이다.

Background: In 2022, the revised WHO classification and International Consensus Classification (ICC) for myeloid neoplasms were published. We examined the impact of these guidelines on AML diagnoses alongside the 2022 European LeukemiaNet (ELN) recommendations on risk stratification. Methods: We included 450 adult patients with newly diagnosed AML (non-acute promyelocytic leukemia) from the cBioPortal open-source dataset. Diagnoses and risk stratifications were revised based on the new guidelines and compared with the 2017 WHO classification. Survival analyses were performed using Cox regression. Results: Among the patients included, 190 (42.2%) had consistent diagnoses across the three classifications, whereas 225 (50.0%) had inconsistent diagnoses. The two major WHO 2017 subtypes, AML not otherwise specified (AML-NOS) and AML with myelodysplasia- related changes (AML-MRC), were further subdivided according to the WHO 2022 and ICC. The ICC had the highest prognostication power among the three classifications. Subgroup analysis according to the different definitions of myelodysplasia-related AML and the introduction of AML with mutated TP53 (AML-TP53) showed that the differentiation of AMLTP53 was beneficial. The update from ELN 2017 to ELN 2022 resulted in significant transitions in a subset of patients. The updated diagnostic classification and ELN risk stratification (i.e., the ICC and ELN 2022) showed a straightforward relationship. Conclusions: This study presents an integrative comparative analysis of past and current guidelines for AML diagnosis and risk classification based on open-source data. The ICC diagnostic criteria are clinically significant for determining AML prognosis. In line with the changing treatment paradigm for AML, future research is needed to continuously validate diagnostic and risk stratification systems.

Background: In 2022, the WHO and International Consensus Classification (ICC) published diagnostic criteria for myelodysplastic neoplasms (MDSs). We examined the influence of the revised diagnostic criteria on classifying MDSs in a large population. Methods: We retrieved an open-source pre-existing dataset from cBioPortal and included 2,454 patients with MDS in this study. Patients were reclassified based on the new diagnostic 2022 WHO and ICC criteria. Survival analysis was performed using Cox regression to validate the new criteria and to assess risk factors. Results: Based on the 2022 WHO criteria, 1.4% of patients were reclassified as having AML. The 2022 WHO criteria provide a superior prognostic/diagnostic model to the 2017 WHO criteria (Akaike information criterion, 14,152 vs. 14,516; concordance index, 0.705 vs. 0.681). For classifying MDS with low blast counts and SF3B1 mutation, a variant allele frequency cut-off of 5% (2022 WHO criteria) and the absence of RUNX1 co-mutation (2022 ICC criteria) are diagnostically relevant. For classifying MDSs with mutated TP53, a blast count cut-off of 10% (2022 ICC criteria) and multi-hit TP53 (2022 WHO criteria) are independent risk factors in cases with ≥ 10% blasts. Conclusions: Our findings support the refinements of the new WHO criteria. We recommend the complementary use of the new WHO and ICC criteria in classifying SF3B1- and TP53-mutated MDSs for better survival prediction.

We present our experiences with open-source NoSQL database systems in analyzing spatial and temporal astronomical data. We conduct experiments of using Redis in-memory NoSQL database system by modifying and exploiting its support of geohash for astronmical spatial data. Our experiment focuses on performance, cost, difficulty, and scalability of the database system. We also test OpenTSDB as a possible NoSQL database system to process astronomical time-series data. Our experiments include ingesting, indexing, and querying millions or billions of astronomical time-series measurements. We choose our KMTNet data and the public VVV (VISTA Variables in the Via Lactea) catalogs as test data. We discuss issues in using these NoSQL database systems in astronomy.

빅데이터 및 머신러닝 플랫폼을 구축하기 위해선 많은 하드웨어와 소프트웨어, 데이터 엔지니어가 필수인데, 초급 엔지니어들은 경험 부족으로 인해 기업의 수요를 충족시키지 못하고 있다. 본 논문에서는 초급 데이터 엔지니어가 쉽게 접근 가능한 오픈소스를 활용한 빅데이터 플랫폼과 머신러닝 플랫폼을 통합한 7개층으로 이루어진 '데이터 플랫폼'을 제안한다. 향후 제안하는 플랫폼의 현실적인 검증을 위해 계층간 연계가 얼마나 용이한지에 대해 후속연구가 필요하다.

스마트 시설환경은 대표적으로 원예, 축산 분야 등 여러 형태의 농업현장에 정보 통신 및 데이터 분석 기술을 도입하고 있는 시설화된 생산 환경이라 할 수 있다. 근래에 하드웨어적으로 급증한 스마트 시설환경에서 생산되는 방대한 생육/환경 데이터를 올바르고 적합하게 사용하기 위해서는 일반 산업 현장과는 차별화 된 분석기법이 요구된다고 할 수 있다. 소프트웨어 공학 분야에서 연구된 빅데이터 처리 기술을 기계적으로 농업 분야의 빅데이터에 적용하기에는 한계가 있을 수 있다. 시설환경 내/외부의 다양한 환경 변수는 시계열 데이터의 난해성, 비가역성, 불특정성, 비정형 패턴 등에 기인하여 예측 모델 연구가 매우 난해한 대상이기 때문이라 할 수 있다. 본 연구에서는 근래에 관심이 급증하고 있는 인공신경망 연구 소프트웨어인 Tensorflow (www.tensorflow.org)와 대표적인 Open source인 OpenNN (www.openn.net)을 스마트 시설환경 환경변수 상호간 상관성 분석에 응용하였다. 해당 소프트웨어 라이브러리의 운영환경을 살펴보면 Tensorflow 는 Linux(Ubuntu 16.04.4), Max OS X(EL capitan 10.11), Windows (x86 compatible)에서 활용가능하고, OpenNN은 별도의 운영환경에 대한 바이너리를 제공하지 않고 소스코드 전체를 제공하므로, 해당 운영환경에서 바이너리 컴파일 후 활용이 가능하다. 소프트웨어 개발 언어의 경우 Tensorflow는 python이 기본 언어이며 python(v2.7 or v3.N) 가상 환경 내에서 개발이 수행이 된다. 주의 깊게 살펴볼 부분은 이러한 개발 환경의 제약으로 인하여 Tensorflow의 주요한 장점 중에 하나인 고속 연산 기능 수행이 일부 운영 환경에 국한이 되어 제공이 된다는 점이다. GPU(Graphics Processing Unit)의 제공하는 하드웨어 가속기능은 Linux 운영체제에서 활용이 가능하다. 가상 개발 환경에 운영되는 한계로 인하여 실시간 정보 처리에는 한계가 따르므로 이에 대한 고려가 필요하다. 한편 근래(2017.03)에 공개된 Tensorflow API r1.0의 경우 python, C++, Java언어와 함께 Go라는 언어를 새로 지원하여 개발자의 활용 범위를 매우 높였다. OpenNN의 경우 C++ 언어를 기본으로 제공하며 C++ 컴파일러를 지원하는 임의의 개발 환경에서 모두 활용이 가능하다. 특징은 클러스터링 플랫폼과 연동을 통해 하드웨어 가속 기능의 부재를 일부 극복했다는 점이다. 상기 두 가지 패키지를 이용하여 2016년 2월부터 5월 까지 충북 음성군 소재 딸기 온실 내부에서 취득한 온도, 습도, 조도, CO2에 대하여 Large-scale linear model을 실험적(시간단위, 일단위, 주단위 분할)으로 적용하고, 인접한 세그먼트의 환경변수 예측 모델링을 수행하였다. 동일한 조건의 학습을 수행함에 있어, Tensorflow가 개발 소요 시간과 학습 실행 속도 측면에서 매우 우세하였다. OpenNN을 이용하여 대등한 성능을 보이기 위해선 병렬 클러스터링 기술을 활용해야 할 것이다. 오프라인 일괄(Offline batch)처리 방식의 한계가 있는 인공신경망 모델링 기법과 현장 보급이 불가능한 고성능 하드웨어 연산 장치에 대한 대안 마련을 위한 연구가 필요하다.

IoT 환경에서 센싱 정보의 활용을 위해서는 센서로 부터 생성된 정보의 가공 및 처리를 위한 효율적인 소프트웨어 아키텍처 설계가 필수적이다. 특히 IoT 환경에서 사물은 인터넷에 연결되고 각종 센서를 탑재한 디바이스간 통신이 가능하여야 한다. 그러나 MapReduce 기반의 Hadoop과 Twister은 데이터의 배치 처리에 적합하지만, 스트리밍 센서 자료의 이동중 처리에는 제약점을 갖는다. 전통적인 스트리밍 데이터 처리 방법인 MOM 기반의 메시지 큐 시스템을 이용해 메시지 스트림을 처리하는 방식은 프로그래머가 메시지 흐름의 복잡도를 고려해야 상세한 처리를 프로그램 함으로써 유지보수 및 확장성을 갖기 어려움이 있다. 이 논문에서는 IoT 환경에서 수집된 센싱 자료의 처리를 위한 소프트 웨어 아키텍처를 설계하였다. 또한 설계된 소프트아키텍처를 기반으로 오픈소스 프레임워크인 Storm의 응용 구성을 기술한다. 구성응용은 센서게이트웨이(Sensor Gateway)를 통해 자료를 수집한 후 실시간 스트리밍 데이터를 파이프-필터 스타일로서 변환한다.

To utilize sensory data, it is necessary to design architecture for processing and handling data generated from sensors in an IoT environment. Especially in the IoT environment, a thing connects to the Internet and efficiently enables to communicate a device with diverse sensors. But Hadoop and Twister based on MapReduce are good at handling data in a batch processing. It has a limitation for processing stream data from a sensor in a motion. Traditional streaming data processing has been mainly applied a MoM based message queuing system. It has maintainability and scalability problems because a programmer should consider details related with complex messaging flow. In this paper architecture is designed to handle sensory data aggregated The designed software architecture is used to operate an application on the open source framework Storm. The application is conceptually used to transform streaming data which aggregated via sensor gateway by pipe-filter style.

작황 정보 시스템은 작물 분포, 작황 정보 및 생산량에 대한 모니터링, 예측, 추정 또는 분석과 같은 다양한 형태를 통해 정보를 제공하며 본 논문은 한국, 미국 및 중국 데이터를 기반으로 구축한 웹기반 작황 정보 시스템을 제안한다. 온도, 강수량 및 일사량의 기후 데이터는 작물 성장에 미치는 영향을 분석하는데 사용되었으며, NDVI 데이터와 작물구분도 데이터는 각각 작물 모니터링과 작물 분포 관리를 목적으로 사용되었다. 본 시스템은 3가지의 주요 장점을 갖고 있으며 이는 다음과 같다: 1) 높은 시간 해상도의 데이터를 통한 정보 제공, 2) 보유 데이터 분석을 통한 보고서 작성의 자동화, 3) 사용자의 편리성을 위한 기능 제공.

A crop information system can provide information regarding crop distribution, crop growth conditions, crop yield in various forms such as monitoring, forecasting, estimation or analysis. This paper presents the design and construction of a crop information system based on data collected in Korea, USA, and China. Therein, climate data including temperature, precipitation,solar radiation are used to evaluate the impact on crop growth, NDVI (Normalized Difference Vegetation Index) data is used in crop monitoring, and crop map data is utilized for the management of crop distribution. The system has achieved three prominent results: 1) Providing information with high frequency, 2) Automatically creating the report through the analysis of the data, 3) The users to easily approach the system and retrieve the information.

Recently, in the shipbuilding industry, various smart quality management technologies integrating Fourth Industrial Revolution technologies have been actively researched, with particular emphasis on the use of 3D laser scanning technologies for the rapid acquisition of precise data. The raw 3D point cloud data generated by 3D laser scanners often contains incomplete information and noise due to various factors such as surface characteristics, measurement environment, and weather conditions. Consequently, post-processing of the data is essential to accurately extracting and analyzing the desired information. Accordingly, this study investigates post-processing methods and applications for the analysis of point cloud in ship blocks. Utilizing open-source algorithms, the research implements and evaluates the feasibility of 3D point cloud data processing and analysis techniques, including noise removal and plane recognition. Initially, the algorithms were applied to sample 3D point cloud data measured in a laboratory setting, and an examination of characteristics based on algorithm parameters confirmed their applicability. Based on these findings, a step-by-step assessment of each algorithm was conducted on point cloud data from ship blocks measured on-site. The results indicated the applicability of the algorithms, except for the DBSCAN algorithm, for the ship block point cloud data.

Recently, in the shipbuilding industry, various smart quality management technologies integrating Fourth Industrial Revolution technologies have been actively researched, with particular emphasis on the use of 3D laser scanning technologies for the rapid acquisition of precise data. The raw 3D point cloud data generated by 3D laser scanners often contains incomplete information and noise due to various factors such as surface characteristics, measurement environment, and weather conditions. Consequently, post-processing of the data is essential to accurately extracting and analyzing the desired information. Accordingly, this study investigates post-processing methods and applications for the analysis of point cloud in ship blocks. Utilizing open-source algorithms, the research implements and evaluates the feasibility of 3D point cloud data processing and analysis techniques, including noise removal and plane recognition. Initially, the algorithms were applied to sample 3D point cloud data measured in a laboratory setting, and an examination of characteristics based on algorithm parameters confirmed their applicability. Based on these findings, a step-by-step assessment of each algorithm was conducted on point cloud data from ship blocks measured on-site. The results indicated the applicability of the algorithms, except for the DBSCAN algorithm, for the ship block point cloud data.

사이버물리시스템(CPS)은 실시간 제약으로 타이밍에 민감한 특징이 있으며, 산업 영역에 적용시 시스템 동작과 안전필수 로그의 특정한 패턴을 나타내는 대용량의 실시간 데이터를 생성시킨다. 본 논문은 공개소스프로젝트인 하둡에코시스템을 이용한 CPS 데이터분석 아키텍처를 소개한다. CPS 처리의 특징 때문에 그 대용량의 데이터 처리는 하나의 머신에서 분석될 수 없으므로, 하둡에코시스템을 통하여 실시간 기반으로 생성되는 데이터를 저장하고 처리하는 시스템 아키텍처를 제안한다. 하둡분산파일시스템(HDFS)은 거대한 CPS 데이터의 저장을 위한 기본 파일시스템이고, 하이브는 데이터웨어하우징 처리를 위한 CPS 데이터분석에 사용된다. 플룸은 서버들로부터 데이터를 수집하고 HDFS에서 그 데이터를 처리하기 위해 사용되며, Rhive는 데이터 마이닝과 분석을 적용하기 위해 사용된다. 이러한 아키텍처를 개관하고, 또한 효과적인 데이터 분석을 위해 사용한 시스템 설계 전략을 소개한다.

해양관측 정지궤도 위성인 GOCI(Geostationary Ocean Color Imager) 데이터는 대용량 산출물을 효과적으로 저장, 배포하기 위해 HDF5 자료 형식을 사용하고 있다. 해양위성센터에서는 HDF5(Hierarchical Data Format version5) 포맷에 익숙지 않은 일반 사용자를 위해 GDPS(GOCI Data Processing System)를 개발하여 관측자료와 함께 제공하고 있다. 그럼에도 불구하고 위성데이터 특성에 대한 이해와 GDPS의 사용법을 익혀야 하는 점, 그리고 위치정보와 속성정보가 분리되어 있는 HDF5 형식의 자료를 병합하고 가공하는 일은 쉽지 않은 일이다. 따라서 본 연구에서는 오픈소스 R과 rhdf5, data.table, matrixStats 패키지를 이용하여 GDPS를 이용하는 과정 없이도 HDF5 형식의 위성데이터를 손쉽게 활용할 수 있는 알고리즘을 개발하였다.

HDF5 data format is used to effectively store and distribute large volume of Geostationary Ocean Color Imager(GOCI) satellite data. The Korea Ocean Satellite Center has developed and provided a GOCI Data Processing System(GDPS) for general users who are not familiar with HDF5 format. Nevertheless, it is not easy to merge and process Hierarchical Data Format version5(HDF5) data that requires an understanding of satellite data characteristics, needs to learn how to use GDPS, and stores location and attribute information separately. Therefore, the open source R and rhdf5, data.table, and matrixStats packages were used to develop algorithm that could easily utilize satellite data in HDF5 format without the need for the process of using GDPS.