[논문 리뷰] IoT evolution towards a super-connected world

Ayman Elnashar|arXiv (Cornell University)|2019. 06. 30.

IoT and Edge/Fog Computing인용 수 7

한 줄 요약

이 논문은 클라우드 컴퓨팅, 빅데이터, 분석, 기계학습과의 통합을 통해 사물인터넷(IoT)이 초연결 세계로의 진화를 탐색한다. 센서/기기, 연결성, 플랫폼의 세 층으로 구성된 IoT 아키텍처를 제안하며, 데이터 분석과 기계학습이 실시간 인사이트, 운영 효율성, 새로운 비즈니스 모델을 가능하게 하는 방식을 강조한다. 2022년까지 연결된 기기 수가 최대 500억 대에 이를 것으로 예측된다.

ABSTRACT

Internet of Things (IoT) is one of the key components of Digital Transformation, along with big data and analytics. IoT, together with the cloud, big data, analytics, machine learning (ML), and deep ML, can help create numerous possibilities and new opportunities. These possibilities will impact our daily lives substantially and open new business models for consumers and enterprises where the number of connected IoT devices could go up to 50 Billion by 2022. The ecosystem of IoT consists mainly of sensors/devices layer, connectivity layer and IoT platform. The main value of IoT is in creating use cases for efficiency, monitoring and management of the things/devices. IoT connects the things through the Internet to the IoT platform which equipped with device management and with the possibility of creating new use cases along with data analytics and ML that provide 360 view through data insight

연구 동기 및 목표

• 신속한 스마트 시스템의 배경에서 IoT가 디지털 전환의 핵심 추진력으로서 수행하는 역할을 분석하기 위해.
• 대규모 IoT 구현을 뒷받기는 데 핵심적인 기술 구성 요소와 아키텍처 계층을 특정하기 위해.
• 데이터 분석과 기계학습이 실시간 인사이트와 자동화를 통해 IoT의 가치와 기능을 어떻게 향상시키는지 검토하기 위해.
• 연결된 기기의 증가 추세를 예측하고 기업 및 소비자 응용 분야에 대한 영향을 평가하기 위해.
• 센서, 연결성, IoT 플랫폼 간의 생태계 구조와 상호의존성을 개략적으로 제시하기 위해.

제안 방법

• 센서/기기 계층, 연결성 계층, IoT 플랫폼 계층으로 구성된 세 층의 IoT 아키텍처를 제안한다.
• IoT 플랫폼이 기기 관리, 데이터 수집, 고급 분석 기능 제공에 기여하는 역할을 강조한다.
• IoT에서 생성된 데이터에서 실행 가능한 인사이트를 도출하기 위해 기계학습(ML) 및 딥러닝(DL) 기법을 통합한다.
• 모니터링 및 최적화를 위해 연결된 기기와 시스템의 360도 시각을 제공하기 위해 데이터 분석을 활용한다.
• IoT 데이터의 확장성, 스토리지, 분산 처리를 지원하기 위해 클라우드 인프라에 의존한다.
• 상호운용성, 데이터 흐름, 서비스 혁신의 관점에서 생태계 역학을 분석한다.

실험 결과

연구 질문

• RQ1 클라우드, 빅데이터, 기계학습과 결합된 IoT는 산업 전반에 걸쳐 변혁적인 디지털 응용을 어떻게 가능하게 하는가?
• RQ2 수십억 대의 기기가 포함된 초연결 IoT 생태계를 뒷받기기 위한 필수 아키텍처 구성 요소는 무엇인가?
• RQ3 데이터 분석과 기계학습은 IoT 플랫폼의 가치와 기능을 어떻게 향상시키는가?
• RQ4 IoT 기기의 보급 증가 추세는 무엇이며, 이는 시스템 설계 및 관리에 어떤 영향을 미치는가?
• RQ5 실시간 데이터 인사이트를 통해 IoT 플랫폼은 새로운 비즈니스 모델 창출을 어떻게 지원할 수 있는가?

주요 결과

• 클라우드 컴퓨팅, 빅데이터, 기계학습과의 통합은 실시간 모니터링 및 의사결정을 위한 지능적이고 확장 가능한 시스템을 구축하는 데 기여한다.
• 2022년까지 연결된 IoT 기기의 수는 약 500억 대에 이를 것으로 예측되며, 이는 글로벌 IoT 구현의 급격한 확장임을 시사한다.
• IoT 플랫폼 계층은 기기 관리, 데이터 처리, 분석 및 기계학습을 통한 고급 사용 사례 지원에 있어 핵심적인 역할을 한다.
• 데이터 분석과 기계학습은 시스템 동작 방식에 대한 360도 시각을 제공하여 운영 효율성과 예측 능력을 향상시킨다.
• 센서, 연결성, 플랫폼의 세 층으로 구성된 IoT 아키텍처는 신뢰성 있고 대규모의 IoT 생태계를 구축하는 기초가 된다.
• 논문은 IoT와 디지털 전환 간의 강력한 시너지를 규명하며, 소비자 및 기업 응용 분야에서의 혁신 잠재력이 크다는 것을 밝힌다.