“데이터는 새로운 석유입니다” — Clive Humby, 2006

이 예측은 데이터에서 생성될 수 있는 가치와 관련이 있지만 여기서 초점은 유정의 도구에 있습니다. 석유 시추 플랫폼이 XNUMX시간 내내 안정적으로 원유를 생산할 것으로 예상되는 것처럼 센서는 안정적이고 지속적으로 고품질 데이터를 제공할 것으로 기대됩니다.

그러나 센서는 단순한 측정 변환기에서 때로는 무선으로 통신하는 컴퓨팅 플랫폼으로 진화한 지 오래되었습니다. 이는 측정 지점에서 직접 데이터를 융합하고 분석하기 위해 인공 지능을 통합하는 지점까지 잠재적인 응용 프로그램과 이점의 범위를 엄청나게 확장합니다.

기존의 개별 센서 설계는 수년 동안 더 에너지 효율적이고, 더 작고, 더 저렴한 마이크로 전자기계 시스템으로 인해 입지를 잃어왔습니다. 이는 센서 시스템이 장기간에 걸쳐 자율적으로 작동할 수 있고 다양한 환경에 통합될 수 있음을 의미합니다. 잘 알려진 사례는 스마트워치와 같은 수많은 소비자 제품에서 찾아볼 수 있습니다. MEMS 기반 지능형 센서는 공작 기계의 움직이는 구성 요소에 통합되어 생산 공정을 모니터링할 수도 있습니다.[1] 적용 범위는 지진 감지까지 확장됩니다. MEMS를 사용하면 모니터링 스테이션 비용이 2배 줄어들고 지진파 조기 감지를 위한 밀도 높은 센서 네트워크가 가능해집니다.[XNUMX]

통합 지능형 ​​센서의 예시인 지능형 볼 스크류 프로젝트.

많은 응용 분야에서는 센서 기술의 신뢰성이 매우 중요하며, 특히 자동 비행, 운전 또는 로봇 공학과 같이 센서 신호를 항상 신뢰할 수 있어야 하는 폐쇄 제어 루프에서는 더욱 그렇습니다. 인공지능을 센서에 통합하면 실시간 상태 진단이 가능하고 변환기나 전자 장치의 고장으로 인해 심각한 손상이 발생하는 것을 방지할 수 있습니다.[3]

센서 시스템에 기능이 점점 더 통합되면서 개발 및 테스트 방법을 확장해야 할 필요성도 커졌습니다. 측정된 변수가 올바르게 감지되었는지 여부에 대한 근본적인 질문부터 시작하여,[4] 지능형 센서 시스템에서 사용되는 알고리즘을 올바르게 훈련시키는 것이 중요합니다. 또한 온도 변동과 같은 변화하는 조건에서도 작동 중에 신뢰할 수 있고 오류 없는 분석을 제공해야 합니다. 센서 시스템의 복잡성과 광범위한 관련 테스트 사례를 고려할 때 애플리케이션 환경에서의 테스트는 적합하지 않습니다. 사용 적합성에 대해 신뢰할 수 있는 결론에 도달하는 데 필요한 노력은 너무 높으며 개발을 비경제적으로 만들 수 있습니다.

이를 위해서는 hardware-in-the-loop 프로세스의 추가 개발이 필요합니다. 센서 요소의 기능을 테스트하려면 온도 변화로 인한 스트레스뿐만 아니라 작동 시나리오 및 가능한 오류에 대한 실시간 시뮬레이션도 고려해야 합니다. 이를 통해 지능형 센서의 훈련 및 검증을 가속화할 수 있습니다. 마지막으로, 이러한 방법을 사용하면 비교적 적은 노력으로 다양한 작동 환경을 시뮬레이션할 수 있으므로 지능형 센서에 대한 새로운 응용 프로그램의 타당성을 테스트하고 무선 서비스 수명을 예측하기 위한 에너지 소비를 평가할 수 있습니다. 독립형 시스템.

1. https://www.leistungszentrum-mikronano.de/en/projekte/sdsema.html
2. 카스코네, 발레리아, 야코포 보아가, 조르지오 카시아니. “저비용 MEMS 가속도계를 사용한 소규모 지역 지진 감지: 이탈리아 북부 및 중부 지역의 사례.” 지진 기록 1, no. 1(1년 2021월 20일): 26~XNUMX. https://doi.org/10.1785/0320210007.
3. https://penta-eureka.eu/project-overview/penta-call-5/trust-e/
4. Iqbal, Ali, Naeem S. Mian, Andrew Longstaff 및 Simon Fletcher. “산업용 IoT 애플리케이션에서 저가형 진동 센서의 성능 평가.” 국제 자동화 기술 저널 16, no. 3(5년 2022월 329일) : 39–XNUMX. https://doi.org/10.20965/ijat.2022.p0329.