AI 기반 데이터 인사이트가 식물 관리 개선에 도움을 주는 방식

보다 정확도 높은 예측으로 식물 관리 전략 개선하기

많은 기업 조직에 있어 식물 관리(VM)는 연료가 들지 않는 운영 비용 중 가장 큰 비중을 차지합니다. VM 작업에 우선순위를 부여하기 위해서는 기업 조직이 이미지, 관리 시스템으로부터 확보한 데이터, 규제 요구 사항, 날씨 정보, 위험 모델, 지리 공간 데이터 등 여러 소스의 데이터를 수집 및 병합해야 합니다. 그런 다음 이 데이터를 사용해 네트워크의 3D 모델과 주변의 식물을 신중히 등록 및 결합함으로써 자산과 식물 간의 거리를 정확히 계획 및 예측할 수 있어야 합니다. 지형 조사를 통해 확보한 데이터와 분석 데이터(예: 식물의 건강 지수)를 함께 활용함으로써 유틸리티 기업은 자사의 식물 유지 관리 리소스, 예산, 업무 일정을 최적화할 수 있습니다.

첨단 이미지 처리 기술로 비용을 절감하고 식물 관리 전략 강화하기

식물 관리 계획의 일환으로 나무의 캐노피 높이, 보다 광범위하게는 모든 종류의 식물의 높이를 측정하는 일은 LiDAR(light detection and ranging) 및 사진측량학을 적용하는 가장 널리 알려진 방식 중 하나입니다. 이 두 기술은 종종 결합해 사용되며, 두 기술 모두 정확한 식물 높이 및 상태 측정을 위해 고급 분류 및 필터링 알고리즘을 필요로 합니다. 유틸리티 기업들은 이와 같은 기술을 사용해 구조적으로 건강하지 못한 나무를 파악하고, 전선과 개폐 장치 부품에 영향을 미칠 수 있는 넝쿨 식물을 분석하고, 원치 않는 야생 동식물을 중요 시설 가까이로 유인할 가능성이 있는 식물을 관리합니다.

다음 아키텍처는 Oracle Modern Data Platform과 첨단 ML/AI 기술 및 NVIDIA GPU를 함께 사용하여 식물의 2D 사진을 촬영하고, 세부 정보 제공을 위해 3D를 추가하는 방법을 보여줍니다. 이 세부 정보 덕분에 우리는 나무의 종류, 성장 상태, 인프라와의 거리를 포함한 다양한 세부 내용들을 보다 정확히 파악할 수 있습니다.

이 이미지는 에너지 및 수자원을 위한 Oracle Data Platform이 식물 관리 사용 사례 지원에 어떻게 사용될 수 있는지를 보여줍니다. 본 플랫폼의 구성 요소들은 다음의 5가지 제품군으로 분류됩니다:

1. 1. 데이터 소스, 검색
2. 2. 수집, 변환
3. 3. 유지, 선별, 생성
4. 4. 분석, 학습, 예측
5. 5. 측정, 실행

데이터 소스, 검색 제품군에는 3가지 범주의 데이터가 포함됩니다.

1. 1. 제1자 데이터는 자산 메타데이터, GIS 데이터, LiDAR 이미지, 위성 이미지로 구성됩니다.
2. 2. 애플리케이션에는 정전 및 유지 관리 시스템이 포함됩니다.
3. 3. 제3자 데이터에는 날씨 출처로부터 확보한 데이터가 포함됩니다.

수집, 변환 제품군은 2가지 기능으로 구성됩니다.

1. 1. 일괄 수집은 Oracle Integration Cloud, Spatial Studio, OCI Data Integration, Data Studio를 사용합니다.
2. 2. 변경 데이터 수집은 OCI GoldenGate 및 Oracle Data Integrator를 사용합니다.

2가지 기능 모두 유지, 선별, 생성 제품군 내의 서빙 데이터 스토어 및 클라우드 스토리지에 단방향으로 연결됩니다.

유지, 선별, 생성 제품군은 4가지 기능으로 구성됩니다.

1. 1. 서빙 데이터 저장소는 Autonomous Data Warehouse를 사용합니다.
2. 2. 클라우드 스토리지는 OCI Object Storage를 사용합니다.
3. 3. 일괄 처리는 OCI Data Integration, Functions, Data Flow를 사용합니다.
4. 4. 거버넌스는 OCI Data Catalog를 사용합니다.

이상의 기능들은 해당하는 제품군 내에서 서로 연결됩니다. 클라우드 스토리지는 서빙 데이터 저장소에 단방향으로 연결되고, 일괄 처리와는 양방향으로 연결됩니다.

메타데이터 라인은 서빙 데이터 저장소 및 클라우드 스토리지에서 거버넌스로 단방향으로 연결됩니다.

2가지 기능이 분석, 학습, 예측 제품군에 연결됩니다: 서빙 데이터 저장소와 클라우드 스토리지는 분석 및 시각화, 로코드 App Dev, 예측, 학습, AI 서비스에 단방향으로 연결됩니다.

분석, 학습, 예측 제품군은 6가지 기능으로 구성됩니다.

1. 1. 분석 및 시각화는 Spatial Studio, Oracle Analytics Cloud, ISV를 사용합니다.
2. 2. 데이터 제품, API는 OCI API Gateway, Oracle Integration Cloud, OCI Functions를 사용합니다.
3. 3. 로코드 AppDev는 APEX 및 Oracle Visual Builder를 사용합니다.
4. 4. 예측은 OCI Data Science 및 Oracle Machine Learning 서비스를 사용합니다.
5. 5. 학습은 OCI Data Science 및 Oracle Machine Learning Notebooks을 사용합니다.
6. 6. AI 서비스는 OCI Vision, OCI Language, 제3자를 사용합니다.

데이터 제품, API 기능은 예측 기능에 단방향으로 연결됩니다.

서빙 데이터 저장소 및 객체 스토리지는 메타데이터를 OCI Data Catalog에 제공합니다.

측정, 실행 제품군은 데이터 분석이 식물 관리 제공 모델 및 성능 모니터링 지원에 적용되는 방법을 수집합니다. 이 애플리케이션들은 2개의 그룹으로 구분됩니다.

1. 1. 첫 번째 그룹인 Peoples and Partners에는 식물 관리 팀, 시스템 안정성, 운영 및 유지 관리가 포함됩니다.
2. 2. 두 번째 그룹인 Applications에는 Oracle Field Service, Oracle Utilities Work, Asset Management, 엔터프라이즈 자산 관리, 업무 관리 시스템, 현장 서비스 관리가 포함됩니다.

3가지 주요 제품군(수집 및 변환, 유지 및 선별, 생성 및 분석, 학습 및 예측)에는 인프라, 네트워크, 보안 솔루션, IAM 등이 지원됩니다.

식물 관리 논리 아키텍처

유틸리티 기업이 식물 관리 전략을 효과적으로 개발할 수 있도록 돕기 위해 아키텍처에 데이터를 주입하는 2가지 주요 방식이 있습니다.

• 우리는 일괄 수집 방식을 사용해 스트리밍을 지원하지 않는 시스템으로부터 데이터를 가져올 계획입니다(예: 구형 SCADA(감시 제어 데이터 수집) 시스템 또는 유지 보수 관리 시스템). 이 사용 사례에서는 고해상도 이미지, 날씨 데이터 및 GPS에서 수집한 데이터, 유지 보수, 정전 관리 시스템이 다양한 간격으로 수집됩니다. Oracle Integration Cloud를 사용해 이 데이터 세트를 Oracle Cloud Infrastructure(OCI) Object Storage에 로드하거나 Oracle Autonomous Data Warehouse(ADW)에 직접 로드합니다. 또한 LiDAR 및 관련 인프라와 주변 식물의 이미지를 수집한 뒤 이를 OCI Object Storage에 로드합니다. 이때 보통 API 또는 OCI 명령줄 인터페이스가 사용됩니다.
• 또한 Oracle Cloud Infrastructure GoldenGate를 사용해 변경 데이터 수집을 통해 정전 시스템, 유지 보수 관리 시스템, 리소스 계획 시스템 등 운영 시스템으로부터 데이터를 수집합니다.

데이터 지속성 및 처리는 3개의 구성 요소를 기반으로 구축됩니다.

• 모든 소스로부터 수집된 원시 데이터는 클라우드 스토리지에 저장됩니다. 처음에는 OCI Vision을 사용해 직접, 또는 서드파티 옵션을 사용해 이미지에 레이블을 지정하거나 주석을 추가합니다. 주석 추가 단계에서 각 이미지의 다양한 영역이 식물 유형, 전송 선로, 배전선, 전신주 등으로 분류됩니다. 이 사용 사례에서는 OCI Data Science와 NVIDIA 플랫폼 및 라이브러리를 함께 사용해 3D 이미지를 제공합니다. 그다음 일괄 처리를 위해 OCI Data Integration 또는 OCI Data Flow를 사용하여 수집된 데이터를 필요에 따라 통합, 선별, 개선합니다. OCI Data Integration은 데이터 파이프라인이 구축 및 유지 보수되는 곳입니다. OCI Data Integration에는 다양한 데이터 자산(데이터베이스, 애플리케이션, 객체 스토리지, REST API 등)을 위한 광범위한 커넥터가 함께 제공되지만 사용자의 니즈 모두를 충족시키지 못할 수도 있습니다. 이 경우 OCI Data Flow 애플리케이션을 구축해 Spark를 통해 이용 가능한 모든 커넥터를 활용할 수 있습니다. 이 사례에서는 이미지 처리, GPS, 과거 정전 및 유지 보수 데이터의 결과가 결합되어 주의가 필요한 물리적 자산의 위치 식별을 위한 모델 구축에 사용됩니다. 이 모델은 식물 관리 솔루션의 일부로 사용될 수 있습니다.
• 이제 ADW가 제공한 서빙 데이터 저장소에서 선별 및 쿼리 성능에 최적화되고 관계형 양식으로 유지할 준비가 된, 처리된 데이터세트가 생성되었습니다. 이를 통해 모델 예측의 결과를 시각화할 수 있습니다. 심지어 내장형 공간 기능을 사용해 즉각적인 주의가 필요한 핫스팟을 시각화할 수도 있습니다.

분석, 학습, 예측 기능은 3가지 기술을 통해 촉진됩니다.

• 분석 및 시각화 서비스(예: Oracle Analytics Cloud, Spatial Studio, Oracle APEX)는 이미지 정보를 시각화하고 식물이 특정 송신 또는 전송 자산에 미칠 수 있는 영향을 예측하는 데 사용되는 인터랙티브 대시보드를 제공할 수 있습니다. 이 서비스들은 다음과 같은 기능을 제공합니다
  • 히스토그램 및 차트와 함께 현재의 성장 및 침해율을 보여주는 데 사용할 수 있는 묘사 분석(Descriptive analytics)은 즉각적인 유지 보수가 필요한 영역을 파악할 수 있게 지원합니다
  • 미래의 성장 및 침해 예측을 통해 장기 유지 보수 니즈를 계획 및 결정하는 데 사용할 수 있는 예측 분석(Predictive analytics)은 트렌드를 파악하고 불확실한 결과의 발생 가능성을 확인할 수 있게 해 줍니다
  • 처방 분석(Prescriptive analytics)은 전략석 식물 관리 의사결정 최적화를 위한 적합한 조치를 제안합니다
• 고급 분석의 활용 외에도, OCI Data Science를 사용해 머신러닝 모델을 개발, 훈련, 배포할 수 있습니다. 이 모델들은 인공 지능을 사용해 대량의 LiDAR 이미지 데이터를 분석하고, 3D 사진을 생성해 핵심 인프라와 식물 간의 거리를 정확히 파악할 수 있게 해 줍니다. 이렇게 세분화된 측정 방식과 규제 요구 사항, 날씨 데이터, 유지 보수 일정 그리고 다양한 가치 있는 데이터가 결합되면, 유틸리티 기업은 수행해야 할 작업과 이를 수행하는 데 필요한 팀의 우선순위를 계속해서 가장 효과적이고 비용 효율적인 방식으로 정할 수 있습니다. 모델에 대한 훈련이 끝나면 사용자의 선호 방식에 따라 각 모델들을 다양한 방식으로 배포할 수 있습니다. 이 모델들은 OCI Data Science 플랫폼 또는 데이터베이스 내 Oracle Machine Learning Services REST API를 사용해 REST 엔드포인트를 통해 호출할 수 있습니다. 또한 사용자는 이 모델들을 Open Neural Network Exchange(ONNX) 형식으로 패키지화한 뒤 이를 애플리케이션의 일부로 배포할 수 있습니다.
• 테스트를 거쳐 엄선된 Oracle의 고품질 데이터 및 모델은 OCI Data Catalog와 기타 서비스를 함께 사용해 거버넌스 규칙 및 정책을 적용할 수 있고 데이터 메시 아키택처 내 '데이터 제품(API)'으로 노출되어 조직 전반에 배포할 수도 있습니다.

Oracle Modern Data Platform으로 식물 관리 전략의 수준 한 단계 높이기

효율적이고 시의적절한 자산 관리는 언제나 필요합니다. 하지만 과잉 성장한 식물로 인해 화재 또는 정전을 일으킬 수 있는, 송전선이 포함된 자산의 경우에는 그 중요성이 더욱 커집니다. 미국 내 전력 유틸리티 기업에서는 식물 관리가 가장 큰 예방적 유지 보수 비용을 차지합니다. 많은 유틸리티 대기업들에서는 그 비용이 연간 1억 달러를 넘어섰습니다. 하지만 VM은 유틸리티 시스템 안정성 및 효과적인 정전 관리에 가장 큰 기여를 하는 요인이기도 합니다. Oracle Modern Data Platform를 통해 인프라 및 주변 식물에 대한 세분화된 정보를 수집하고, 이 데이터를 사용해 다음과 같은 방식으로 VM 전략 및 결과를 개선할 수 있습니다:

• 식물의 송전선 침범 절감
• 식물 성장률 예측 검증
• 효과적인 식물 계획 및 모니터링 촉진
• 정전으로 인한 수익 손실 감소 예방
• 연간 식물 관리 예산 절감
• 고객 만족도 및 작업자 안전 증대