여러분의 데이터는 얼마나 오래됐나요?#
데이터 적시성은 제가 Methanex NZ에서 일하던 시절 정리했던 여섯 가지 기준 중 하나입니다. 정보는 새것일수록 훨씬 값어치가 있죠! 요즘 연구자들은 차세대 무선 네트워크(5G)에서 Age of Information(AoI)을 최소화하도록 센서와 IoT 기기의 데이터 수집을 스케줄링하는 알고리즘을 잇달아 내놓고 있습니다.
데이터 품질#
Methanex NZ에 있을 때 데이터 품질을 조사하면서, 데이터의 질을 평가할 때 봐야 할 핵심 포인트를 이렇게 정리했습니다.
- 적시성: 데이터를 사용하는 시점에 그 데이터가 지니는 가치
- 완전성: 누락된 필드 없이 데이터가 얼마나 채워져 있는가
- 일관성: 데이터가 얼마나 일관된 상태로 유지되는가
- 신뢰성: 데이터 출처를 얼마나 믿을 수 있는가
- 정확성: 데이터가 현실을 얼마나 잘 반영하는가
- 무결성: 소스의 개수와 소스 간 데이터가 맞아떨어지는 정도
데이터의 시대에 오신 것을 환영합니다.#
Age of Information이란#
Age of Information(AoI)은 데이터의 신선도에 주목하는 지표입니다[1]. 최근 AoI가 주목받는 배경에는 4G에서 5G로의 전환이 있습니다. 5G에서는 사물인터넷(IoT) 기기와 머신 타입 통신(MTC)을 지원하는 무선 기술에 훨씬 큰 비중이 실리기 때문이죠[2].
AoI 최신 연구#
이 논문이 가정하는 건 수많은 센서가 자기 상태를 쉬지 않고 전송하는 공장 환경입니다. 센서에는 자체 저장 공간이 없어서, 현재 상태를 기록하려면 원격 스케줄러가 그 신호를 골라 받아 줘야 합니다. 선택받지 못한 센서의 신호는 스케줄러의 액세스 포인트에서 그냥 무시되고요. 결국 시간 제약을 어기지 않으면서 서로 다른 종류의 센서를 어떻게 최적으로 골라낼 것인가 하는 딜레마가 스케줄러에게 생깁니다. 논문에서는 “URLLC 관점의 최소화는 각 센서의 AoI가 미리 정한 임계값을 넘을 확률을 최소로 억제하는 것으로 표현된다"고 하며, 이 문제를 머신러닝 기반 접근으로 풀어냅니다.
Minimizing the Age of Information from Sensors with Correlated Observations [3]
이 논문은 “상관관계가 있는 센서 정보를 가진 일반적인 설정에서의 평균 AoI"를 다룹니다. 같은 소스에서 나온 데이터라면 액세스 포인트로 보내는 중복량을 줄일 수 있을 겁니다. 다만 그러려면 전송 속도도 데이터 크기도 제각각인 센서들로부터 어떻게 수신할지 정하는 똑똑한 스케줄링 정책이 필요합니다. 머신러닝 기반 정책을 쓰면 스케줄러가 센서 데이터의 출처를 식별해 최소한의 데이터만 받으면서 전체 AoI를 낮출 수 있다는 내용입니다.
