SDT

SDT Cloud

SDT Cloud는 실용적인 에지 디지털 트랜스포메이션을 위한 엔드투엔드 플랫폼입니다.

에지의 무한한 인사이트를 얻어보세요.

SDT Cloud는 즉각적인 에지 센싱, 에지 컴퓨팅과 MLOps 기술을 산업 현장에 가져다주는 에지 디바이스 및 데이터 관리 플랫폼입니다. SDT Cloud는 SDT 에지 컴퓨팅 하드웨어와 기존 산업 현장의 하드웨어에 AI의 힘을 더합니다. 사용자 경험을 중심에 둔 SDT Cloud는 매우 간단하게 설치할 수 있습니다.

SDT Cloud는 사용자를 중심에 둡니다. SDT Cloud를 사용하면 에지 장치로부터 제약 없는 데이터 흐름 및 구성이 가능합니다. 데이터 사이언티스트나 엔지니어의 손길 없이도 기업에게 유의미한 데이터를 찾아낼 수 있습니다. SDT Cloud는 사용자가 스토리지에서 라벨링, 기계 학습 지원 생산 통찰력에 이르기까지 모든 에지 장치와 현장 데이터를 직관적으로 제어할 수 있도록 합니다.

디바이스에서 클라우드까지 에지 연결을 하나의 솔루션 아키텍처로 통합하여, 데이터의 잠재력을 최대화합니다.

img

SDT Cloud의 배경

현재 산업 환경은 너무나 파편화 되어있습니다. 각 산업현장들이 서로 다른 환경에서 수 백, 수 천대의 기기들로부터 각양각색의 포맷을 지닌 데이터가 다양한 방법으로 통해 수집되고 있습니다.

산업간의 경계가 허물어지고 있는 세상에서 데이터가 가진 성질에 국한되면 더 이상 기업들은 살아남을 수 없습니다. 또한 모든 기업들은 산업현장에서 발생하는 데이터를 최대한 효율적으로 활용할 방안을 찾아야하는 과제에 직면해있습니다. 이런 고민을 해결하기 위해 SDT는 다양한 고객을 만나면서 수 년에 걸쳐 프로토콜 라이브러리를 만들어왔습니다. 이렇게 탄생한 SDT Cloud는 산업 현장에 있는 파편화된 데이터를 한 곳으로 모아 인사이트를 도출하는 에지 디바이스 및 데이터 관리 플랫폼입니다.

또한 SDT Cloud를 사용하면 현장에서 머신 러닝 학습 및 하드웨어로 배포가 가능합니다. 이렇게 배포된 머신 러닝 모델은 하드웨어에 새로운 추론 방법을 제공할 수 있으며, 기존 데이터를 가지고 새로운 통찰을 가질 수 있도록 도와줍니다. 이러한 과정의 반복을 통해 SDT Cloud는 더욱 정확한 머신 러닝 학습 모델을 만들어, 데이터 사이언티스트 없이도 현장에서 MLOps가 가능해집니다.

SDT Cloud를 통해 산업 현장에 있는 하드웨어에 대한 인사이트를 얻고 더욱 효율적인 생산 방식을 도입해보세요.

SDT Cloud의 구성

SDT Cloud는 하드웨어의 연결, 데이터의 전송⬝수집⬝저장⬝시각화, 그리고 그에 따른 머신 러닝 학습과 모델 생성을 수행합니다. 이렇게 생성된 머신 러닝 모델은 원래의 하드웨어에 배포되어 산업현장에서 지속적인 MLOps가 가능해집니다.

img
하드웨어로부터 수집한 내용에 따라 에지 하드웨어 솔루션이 액션을 취해야하는 경우가 있습니다. 예를 들어 디바이스에 메모리가 부족할 때, CPU가 너무 뜨거울 때, 또는 센서가 특정 수치 이상의 CO 농도를 감지할 때는 관련자에게 알림이 가야합니다. 이런 경우가 발생할 때,SDT Cloud는 언제 그리고 누구에게 알림을 보내야하는지 자동으로 알 수 있습니다.SDT Cloud와 함께라면 에지 데이터에 기반한 정확한 룰 세팅이 가능합니다.

SDT Cloud 호환성

  • icon

    멀티 프로토콜

    SDT Cloud는 Modbus, OPC, Siemens S7 등의 산업용 프로토콜과 MQTT, AMQP와 같은 범용 프로토콜을 지원해 SDT의 모든 에지 컴퓨팅 하드웨어 및 산업 현장에서 사용되는 타사 하드웨어와 연결이 가능합니다.

  • icon

    멀티 클라우드

    SDT Cloud의 모든 컴포넌트는 Amazon AWS, Microsoft Azure 등 퍼블릭 클라우드에서 작동하며 API를 통해 MES, PLM, SCM, ERP 등 이미 사용중인 기업용 소프트웨어와 연동이 가능하여 더 빠르고 더욱 정확한 비즈니스 의사 결정을 가능하게 합니다.

img

*위 이미지는 이해를 돕기 위한 자료입니다.
고객의 환경에 필요한 세부적인 호환성은 영업본부(info@sdt.inc)로 문의해 주십시오.

SDT Cloud는
에지 디바이스의
무한한 잠재력을 실현시킵니다.

SDT Cloud는 기존의 에지 관리 솔루션보다 더 깊고, 멀리 나아갑니다.

가트너는 “에지 AI는 에지(임베디드, 디바이스, 로컬 서버 등)에 필요한 지식과 경험의 부족으로 인해 2025년까지 초기 단계를 벗어나지 못할 것”이라고 예측하고 있습니다.

고객들은 MLOps 모델링과 디바이스 관리를 위해 수 많은 파트너를 찾던 복잡함에서 벗어나기 위해 SDT의 에지 하드웨어와 연결 전문성의 도움을 받게 되었습니다. SDT Cloud와 함께라면 지속적인 확장을 위해 사용자에게 맞는 온사이트 및 오프사이트 스토리지 요구 사항을 지정할 수 있습니다. SDT Cloud는 편리한 운영과 플랫폼 간 데이터 보안을 기본으로 제공합니다. SDT의 에지-클라우드간 최적화 기술은 고객 현장의 잠재력을 최대화하고 더 큰 가치를 제공합니다. 더 이상 리소스와 데이터 사일로의 제약 없이 오늘날의 에지의 모든 기능을 활용해 보세요.

SDT Cloud의 주요기능

SDT Cloud는 독립적이면서 유기적으로 운영될 수 있도록
강력한 마이크로서비스 아키텍처를 사용해 개발되었습니다.

  • BlokWorks Client

    서비스 요청과 관리의 표준

    초당 5,000개 이상의 데이터*를 수집하여 고객에게 유의미한 데이터로 변환하는 컴포넌트 [*Modbus 데이터 기준]

    • icon

      프로토콜 어댑터

      BlokWorks Client의 가장 처음에서 데이터를 수집하는 모듈입니다. 2022년 5월 현재 BlokWorks Client에서는 Modbus, OPCUA, Siemens S7 세 가지의 산업용 프로토콜을 지원하고 있으며, HTTP나 MQTT, AMQP와 같은 범용 프로토콜도 사용할 수 있습니다. BlokWorks Client에서는 여러 종류의 프로토콜을 동시에 사용하여 프로토콜 어댑터를 배치할 수 있습니다.

    • icon

      양질의 데이터 확보

      디바이스부터 수집된 데이터를 미리 설정해 놓은 규칙에 따라서 변환하는 페이로드 포매터입니다. 사용자가 원하는 형태로 데이터를 변환하는 작업 뿐만 아니라, 약간의 계산식을 통해서 수집된 데이터를 정규화 할 수 있습니다. 필요에 따라 여러 개의 페이로드 포매터를 배치하여 파이프라인으로 구성할 수 있습니다.

    • icon

      데이터 유실 방지

      데이터를 HTTP, AMQP, MQTT로 SDT Cloud 또는 사용자가 원하는 기타 저장소로 전송하는 데이터 캐리어입니다. 네트워크 문제 등과 같은 상황 발생 시 데이터 캐리어는 전송하려는 데이터를 자체적으로 저장합니다. 저장소로 데이터를 전송할 수 있는 상황이 되면 임시로 데이터 캐리어 안에 저장한 데이터를 자동적으로 전송합니다.

    • icon

      쉬운 배포

      모듈 매니저는 앞에서 기술한 세 종류의 모듈을 실시간으로 배포할 수 있는 기능을 제공합니다. 이미 배포되어 있는 모듈을 새로운 버전으로 교체하거나 아예 새로운 모듈을 추가할 수도 있습니다. BlokWorks Client의 모듈들은 편리한 배포를 위해 Docker에서 작동하는 컨테이너 형태로 작성됩니다. Docker 실행 환경에 문제가 생길 때를 대비하여 데이터 유실을 방지하고 안정성을 유지하기 위해 모듈 매니저는 OS에서 일반 프로세스로 작동합니다.

  • BlokWorks

    디바이스 관리의 표준

    디바이스와 데이터 오케스트레이션 위해서 현장 디바이스를 연결하고 동기화 하기 위한 확실한 시스템

    • icon

      클라우드에서 디바이스 관리

      SDT ECN(에지 컴퓨팅 노드)는 현장에서 USB 포트, RS-232 등을 통해 주변 장치를 연결할 수 있습니다. BlokWorks에 포함되어 있는 디바이스 관리는 SDT가 판매 또는 설치한 모든 하드웨어의 정보를 관리하며 이 하드웨어 정보를 바탕으로 전송된 데이터를 검증합니다. 더 많은 SDT 보증하는 장치가 제공될 예정입니다.

    • icon

      지능형 데이터 정리

      BlokWorks Client로부터 전송되는 데이터는 일반 문자 형태와 영상이나 음성 같은 파일 형태 두 종류의 데이터로 나눌 수 있습니다. 그리고 문자 형태의 데이터는 형태가 고정되어 있는 정형 데이터와 그렇지 않은 비정형 데이터로 나눌 수 있습니다. 디바이스 데이터 브로커는 전송된 데이터를 판단하여 이를 정형 데이터 저장소, 비정형 데이터 저장소, 파일 저장소로 나누어 저장합니다. Data Lake에는 이러한 데이터를 저장할 수 있는 저장소가 이미 마련되어 있으며, BlokWorks에 의해서 저장소가 선택되어 데이터가 저장됩니다.

    • icon

      포스트 프로세싱 파이프라인

      필요에 따라 디바이스가 전송한 데이터의 후처리를 제공합니다. 하드웨어에 문제가 있다는 알림이 전송되었을 수도 있고, 데이터 저장 이외에 다른 컴포넌트들에게 작업을 지시할 수도 있습니다. 이러한 작업들을 수행하기 위한 특정 하드웨어에서 데이터가 전송된 이후에 후처리를 연결할 수 있는 기능을 제공합니다. BlokWorks Client의 페이로드 포맷터 처럼 하나 이상의 후처리를 배치할 수 있으며, 또한 후처리 작업들을 서로 연결하여 파이프라인으로 구성할 수 있습니다.

  • Data Lake

    데이터 저장의 표준

    머신 러닝을 위해 정형화 데이터, 비정형화 데이터, 그리고 파일 형태의 데이터를 저장소

    • icon

      보안 데이터 API

      Data Lake에 저장된 데이터는 매우 민감합니다. 따라서 데이터의 보존을 위하여 데이터에 대한 직접적인 접근과 조작이 불가능해야합니다. 특정 하드웨어의 소유자이거나 데이터 접근 권한을 가진 사용자만 접근할 수 있어야 합니다. 데이터 API는 이런 권한 검증 뿐만 아니라, 데이터 검색 기능을 제공하여 사용자에게 안전하고 정확하게 데이터에 접근할 수 있도록 합니다.

    • icon

      검색가능 데이터 대시보드

      SDT Cloud는 고도의 컴퓨터 지식이 없는 사용자들도 데이터를 쉽게 볼 수 있도록 데이터를 가장 기본적인 GUI 형태로 표시하는 기능을 제공합니다. 데이터를 사용자, 디바이스, 시간, 장소, 파일명, 파일 형태 등으로 필터링하여 불러올 수 있습니다.

    • icon

      원활한 데이터 확장성

      BlokWorks를 통해서 데이터가 Data Lake로 전송되는데, 이 과정을 Data Fall이라고 합니다. 수많은 데이터가 폭포처럼 떨어져 Data Lake를 구성한다고 생각하면 됩니다. Data Fall을 통해 계속 데이터가 유입되면 Data Lake의 크기나 형태는 계속해서 변합니다. 이렇게 계속해서 변하는 데이터로는 기계 학습 모델을 만들기가 매우 어렵습니다. 이 문제를 해결하기 위해 SDT는 변화 중인 Data Lake를 ‘얼려서’ Data Cube를 만들어 기계 학습 모델을 생성합니다.

  • CobiOps

    미래의 MLOps

    현장에서 수집된 데이터를 기반으로 머신 러닝 모델을 만들고, 생성된 모델을 원격으로 에지 컴퓨팅 하드웨어로 배포하여 추론을 수행합니다.

    • icon

      사전 구성 데이터셋

      Data Lake에 이미 저장되어 있는 특정 기간 데이터의 사본을 생성하여 학습을 위한 데이터 집합(Dataset)으로 사용합니다. 데이터 집합 생성한 후에 데이터 라벨링을 사용하여 학습 시키고자 하는 데이터를 표시합니다. 이 때 사용할 수 있는 기법은 분류(classification), 분리(segmentation), 인식(detection) 세 가지 기법이며, 이렇게 표시(annotate)된 데이터는 다시 Data Lake에 저장되어, 재사용 될 수 있도록 합니다.

    • icon

      머신러닝 모델 훈련

      표시된 데이터 집합을 기반으로 추론에 사용할 기계 학습 모델을 생성합니다. 학습 과정은 매우 많은 컴퓨팅 자원이 필요하며, 강력한 GPU를 사용하여 학습을 진행합니다. 학습이 완료되어 모델이 생성되면 사용자에 알림을 편리하게 전송하여 생성한 모델이 저장된 위치를 알려줍니다.

    • icon

      자동 모델 모니터링

      생성된 기계 학습 모델을 데이터를 수집한 ECN으로 전송합니다. 새로운 모델은 ECN에 새로운 추론 방법을 제공할 수 있으며, 기존 데이터를 가지고 새로운 통찰을 가질 수 있도록 도와줍니다. 이 때, 새로운 인사이트 또는 새로운 데이터가 다시 BlokWorks를 통해 Data Lake에 저장되고, 이를 다시 데이터 집합으로 만들어 새로운 기계 학습 모델을 생성합니다. 이렇게 생성된 새로운 기계 학습 모델을 다시 ECN으로 전달하면, 또다시 새로운 인사이트를 얻을 수 있습니다.

공개예정

SDT Cloud의 부가기능

img

소스 코드의 SDT 커뮤니티 리포지토리(repository)

디바이스 에코시스템을 지원하는 스택베이스(StackBase)

개발자들이 전 세계에서 함께 애플리케이션을 공유하고 에지 디바이스를 위한 지원 플랫폼을 만들 수 있는 곳입니다.

  • icon

    SDT 코드 리포지토리

    Git, Pip, NPM, Maven, Docker Hub, Binaries, AI 모델 다운로드 가능

  • icon

    타사 코드 리포지토리

    개인화된 솔루션을 공유하고 기여

img

실제 환경을 클라우드 상에서 디지털화하는 데는 많은 장벽이 있습니다. 하드웨어 경험이 부족한 기업은 실사용자의 요구를 인지하지 못하고 중요한 문제에서 동떨어진 소프트웨어 도구를 도입하곤 합니다. 기존의 하드웨어 기업은 에지에서 클라우드까지의 데이터 파이프라인에서 일어나는 문제에 대해서는 도움을 제공하지 못하고 있습니다.

SDT Cloud는 디지털 트랜스포메이션을 위한 엔드투엔드 플랫폼을 통해 이런 문제들을 해결합니다. SDT Cloud와 함께 에지의 모든 가능성을 활용하세요. 디바이스를 이용하여 조직에 가치를 부여해 보세요. SDT Cloud와 함께라면 모든 프로덕션 환경을 위한 디바이스 에코시스템을 구축할 수 있습니다.