데이터 수집:IoT 제품 관리자를 위한 입문서

사물 인터넷의 주요 속성 중 하나는 물리적 신호를 측정하여 주변 세계를 더 잘 이해할 수 있다는 것입니다. 이것은 매우 중요한 주제이며 제품 관리자가 잘 이해해야 하는 주제입니다. 이 게시물에서는 데이터 수집의 세계와 PM이 알아야 하는 주요 매개변수를 소개합니다.

실제 신호 또는 데이터 수집을 수집하는 프로세스는 특히 하드웨어에 노출되지 않은 경우 대부분의 PM에게 미스테리입니다. 하지만 종단 간 IoT 제품이 작동하는 방식에 대해 더 많이 알수록 엔지니어링 팀과 더 많은 정보에 입각한 대화를 나눌 수 있습니다.

목표는 기술 전문가가 되거나 엔지니어링 팀이 제품을 구축하는 데 사용해야 하는 기술을 지시하는 것이 아님을 기억하십시오. 목표는 기술 컨텍스트를 이해하여 엔지니어링 대화에 참여하고 비즈니스 및 사용자 관점을 추가할 수 있도록 하는 것입니다.

이전 포스트에서는 모든 IoT 디바이스에 포함된 4가지 핵심 하드웨어 구성 요소에 대해 썼습니다. 이 게시물에서는 이러한 구성 요소 중 하나인 데이터 수집 모듈에 대해 자세히 설명합니다.

Data Acquisition Module의 역할은 실제 세계에서 물리적 신호를 수집하여 컴퓨터가 조작할 수 있는 디지털 정보로 변환하는 것입니다.

실제 신호에는 이산 신호와 아날로그 신호의 두 가지 주요 유형이 있습니다. 시작하기 위해 이 게시물에서는 아날로그 신호에만 집중하겠습니다.

아날로그 신호란 무엇입니까?

아날로그 신호는 시간에 따라 진폭이나 주파수가 변하는 연속 신호로 정의됩니다. 이러한 변화는 측정하는 물리적 현상의 변화에 ​​따라 발생합니다. 예를 들어 아래 이미지는 시간에 따라 변동하는 온도를 보여줍니다.

이제 아날로그 신호에 익숙해졌으므로 이러한 신호를 획득하거나 "디지털화"하는 데 필요한 하드웨어와 프로세스에 대해 알아보겠습니다.

데이터 수집의 엔지니어링 측면은 매우 복잡해질 수 있습니다. PM의 관점에서 저는 데이터 수집 프로세스의 구성 요소에 중점을 둘 것입니다.

<올>

어떤 실제 신호를 측정하시겠습니까?

센서 이해

신호 조절

아날로그-디지털 변환 작업

데이터 해석

1. 어떤 실제 신호를 측정하시겠습니까?

하드웨어 로드맵 계획을 시작하기 전에 측정하려는 물리적 신호의 유형을 이해해야 합니다. 물리적 신호의 예는 다음과 같습니다.

<울>

온도

사운드

습도

진동

빛

압력

기타

센서 선택으로 바로 넘어가지 않습니다. 센서는 목적에 수단을 제공하는 기술 구성 요소입니다. 먼저 측정해야 하는 신호의 유형을 이해하고 해당 정보를 어떻게 사용할 계획인지 잘 파악하는 것이 중요합니다.

필요한 신호 유형을 결정했으면 팀과 협력하여 올바른 센서를 선택하기 전에 몇 가지 추가 매개변수를 조사해야 합니다. 다음은 답변해야 하는 몇 가지 주요 질문입니다.

측정할 정확한 신호 유형은 무엇입니까?

"가스"를 측정하고 싶다고 말하는 것만으로는 충분하지 않습니다. 어떤 종류의 가스입니까? 산소? 이산화탄소? 가스에 대한 어떤 정보를 측정하시겠습니까? 흐름? 온도? 평방 인치당 입자? 엔지니어링 팀이 작업에 가장 적합한 센서를 선택할 수 있도록 구체적으로 작성하십시오.

신호가 얼마나 빨리 변합니까?

온도를 측정해야 한다고 가정해 보겠습니다. 애플리케이션에 따라 동일한 물리적 현상(이 경우 온도)은 매우 느리게 변경되거나(예:실내 주변 온도) 매우 빠르게 변경될 수 있습니다(예:엔진 내부 온도).

신호 변화 속도(변화율)를 이해하면 팀에서 측정하려는 신호를 따라갈 수 있는 센서와 변환기를 선택하는 데 도움이 됩니다.

측정해야 하는 신호의 범위는 얼마입니까?

예를 들어, 실내 온도를 측정하는 경우 섭씨 0-40도 범위의 센서만 있으면 충분합니다. 반면에 용광로 내부의 온도를 측정하는 경우 범위가 섭씨 수천도인 센서가 필요할 수 있습니다. 다시 한 번 말씀드리지만, 구체적일수록 엔지니어링 팀이 올바른 결정을 내릴 수 있도록 더 많은 권한을 부여하고 있습니다.

2. 센서 이해

수백 개의 센서가 있으므로 측정하려는 실제 신호에 적합한 센서를 선택할 수 있는 유연성이 뛰어납니다. 하지만 센서는 어떻게 작동합니까?

모든 아날로그 센서는 측정하려는 실제 신호의 변화를 나타내는 전기 신호(전압 또는 전류)를 생성합니다. 실제 신호는 시간이 지남에 따라 달라지므로 센서는 이러한 변화를 정확하게 나타내는 전기 신호를 생성합니다.

3. 신호 조절이란 무엇입니까?

각 유형의 센서는 서로 다른 레벨의 전압 또는 전류 출력을 생성합니다. 그리고 종종 센서의 출력은 아날로그-디지털 변환기(ADC)에 필요한 입력 범위와 호환되지 않습니다. 또는 장치 하드웨어가 전자기 노이즈가 많은 장소에 설치되어 있고 ADC에 전달하기 전에 해당 신호를 정리할 방법이 필요할 수 있습니다.

신호 컨디셔닝은 ADC에서 소비할 수 있도록 센서의 출력을 조작하는 프로세스를 나타냅니다. 신호 컨디셔닝의 가장 일반적인 형태는 다음과 같습니다.

<울>

DC 오프셋

증폭

감쇠

필터링

많은 공급업체에는 센서에서 오는 신호가 처리할 준비가 되었는지 확인하기 위해 장치 하드웨어에 추가할 수 있는 신호 조절 제품이 있습니다. 이러한 제품은 개별 칩에서 특수 애플리케이션을 위한 전체 하드웨어 모듈에 이르기까지 다양합니다. 엔지니어링 팀과 협력하여 애플리케이션에 가장 적합한 접근 방식을 결정하십시오.

4. 아날로그-디지털 변환(ADC)

기기 하드웨어는 센서에서 오는 신호를 디지털화해야 컴퓨터에서 데이터를 사용할 수 있습니다. 이 과정을 아날로그-디지털 변환이라고 합니다.

아날로그에서 디지털로의 변환은 매우 심층적인 주제이므로 이 게시물에서는 제품 관리자가 알아야 하는 가장 중요한 매개변수에만 초점을 맞출 것입니다.

ADC(아날로그-디지털 변환기)는 신호의 개별 샘플을 지속적으로 취하여 신호를 디지털화하는 하드웨어(일반적으로 칩)입니다.

아날로그-디지털 변환기에서 고려해야 할 주요 매개변수는 샘플 속도와 해상도입니다.

샘플 레이트

샘플 속도는 ADC가 아날로그 신호의 샘플을 취하는 빈도를 나타냅니다. 아날로그 신호의 주파수 내용을 정확하게 재현하려면 ADC가 신호의 최고 주파수보다 최소 2배 빠른 속도로 샘플링해야 합니다. 이것은 나이퀴스트 주파수를 기반으로 합니다.

주파수 내용뿐만 아니라 시간 영역에서 신호의 모양과 진폭을 재생하려면 ADC가 훨씬 더 높은 속도로 샘플링해야 합니다. 엔지니어링 경험의 법칙은 이 원래 신호의 주파수의 10배를 샘플링하는 것입니다. 즉, 신호의 주파수가 100Hz(초당 100사이클)인 경우 변환기는 1,000Hz에서 샘플링해야 합니다.

아래 이미지는 아날로그 신호의 느린 샘플링과 빠른 샘플링의 결과를 보여줍니다.

해상도

해상도는 정확도를 원하는 정도를 나타냅니다. 분해능은 ADC가 각 샘플을 나타내는 데 사용하는 비트 수로 지정됩니다. 예를 들어, 2비트 ADC, 4비트, 8비트, 24비트 등을 가질 수 있습니다. 2비트 ADC는 4개의 값(2^2 =4)을 등록할 수 있습니다. 4비트 ADC는 16개의 값(2^4 =16) 등을 측정할 수 있습니다. 샘플당 비트 수가 많을수록 측정 분해능이 향상됩니다.

예를 들어 보겠습니다. 섭씨 0도에서 96도 사이의 온도 변화를 측정할 수 있는 열전대(온도 센서)가 있다고 가정해 보겠습니다. 4비트 ADC를 사용하는 경우 센서의 전체 범위를 나타내는 16개의 가능한 값(2^4 =16)이 있습니다. ADC 출력 0은 0도에 해당하고 ADC 출력 15는 96도에 해당합니다.

측정 범위를 ADC 값의 수로 나누면 측정할 수 있는 최소 스텝 크기가 됩니다. 이 경우 단계 크기는 6(96/16 =6)입니다. 이것이 의미하는 바는 이 ADC에 등록할 수 있는 가장 작은 온도 변화가 6도라는 것입니다.

이제 8비트 ADC를 사용하는 동일한 예를 생각해 보십시오. 센서의 전체 범위(96°C)를 ADC 분해능 256(2^8 =256)으로 나누면 결과는 0.375(96 / 256 =0.375)가 됩니다. d 0.375도의 작은 온도 변화도 구별할 수 있습니다!

PM 관점에서 중요한 점은 샘플 속도와 해상도의 조합이 장치에서 생성하는 데이터의 양을 결정한다는 것입니다. 예를 들어, 24비트 ADC가 있고 200kHz로 샘플링하는 경우(예, 초당 200,000샘플), 이 센서 하나만으로 초당 600kB의 데이터를 생성하게 됩니다. 에지에서 처리해야 하는 데이터입니다. 클라우드로 전송, 저장, 백업 등을 수행해야 할 수도 있습니다.

이제 이러한 계산을 수행하는 방법을 알았으므로 제품이 일/월/년에 생성할 원시 데이터의 양을 추정할 수 있습니다. 기계는 거의 즉각적으로 수많은 데이터를 생성할 수 있습니다. 이러한 계산을 염두에 두어 IoT 기술 스택의 다른 영역과 비즈니스 및 보안과 같은 기타 의사 결정 영역에 어떤 영향을 미치는지 이해할 수 있습니다.

5. 해석

이제 디지털화된 신호가 있으므로 해당 데이터를 이해하기 위해 일부 변환을 적용해야 합니다. 센서의 출력은 측정하는 물리적 현상의 변화와 상관 관계가 있는 숫자일 뿐입니다.

온도 예제로 돌아가서 열전쌍은 섭씨 또는 화씨 값을 반환하지 않습니다. 사람이 사용할 수 있는 단위로 변환해야 하는 숫자만 반환합니다. 이 과정을 통역이라고 합니다.

센서마다 다르니 참고하세요. 센서 제조업체에서 원시 값을 사용 가능한 단위로 변환하는 공식을 제공합니다.

해석 과정에서 메타데이터를 센서 측정에 첨부하는 것도 일반적입니다. 일부 메타데이터에는 다음이 포함될 수 있습니다.

<울>

타임스탬프(시계열을 생성하기 위해 각 ADC 샘플에 추가됨)

센서 ID

위치 ID

기기 ID

기타

결론

데이터 수집은 모든 IoT 제품의 핵심 구성 요소입니다. 그것은 심오하고 복잡한 학문이며 전문가가 될 필요는 없습니다. PM으로서 귀하의 목표는 기술이 어떻게 작동하고 부품이 어떻게 서로 잘 맞는지 이해하여 엔지니어링과 생산적인 대화를 나누는 것입니다.

데이터 수집 프로세스 자체에 초점을 맞추는 것이 아니라 생성할 데이터의 양, 전송할 데이터의 양, 더 중요하게는 이를 통해 고객에게 가치를 제공하는 방법을 포함한 데이터 전략의 요소에 초점을 맞춰야 합니다. 데이터.