幻の命
Sekai no Owari - 幻の命
산업용 회전 장비 이상 진동 탐지 시스템 (Edge Computing)
🧠 프로젝트 개요
이 프로젝트는 산업 현장에서 사용되는 회전 장비의 진동 패턴을 실시간 분석하여,
불균형(Imbalance), 축 불일치(Misalignment), 정상(Normal) 3가지 상태로 분류하는
엣지 컴퓨팅 기반 이상 진동 탐지 시스템을 구현한 과제입니다.
- Arduino Nano 33 BLE Sense로 진동 데이터를 수집하고,
- Edge Impulse 플랫폼에서 모델을 학습한 뒤
- 모바일 기기와 Bluetooth Low Energy(BLE)로 연결하여 실시간 진동 상태를 스트리밍합니다.
🔗 GitHub Repository: Gaebobman/Edge-Computing
🔑 주요 기능
- ✅ 산업용 회전 장비 진동 신호 기반 이상 탐지
- ✅ Edge Impulse에서 모델 학습 및 최적화된 Arduino 라이브러리 생성
- ✅ Arduino에서 실시간 추론 결과를 Bluetooth LE로 전송
- ✅ 모바일 기기와 BLE 통신 파이프라인 구성
- ✅ 반복 실험을 위한 자동화 스크립트 및 로깅 시스템 구축
📁 프로젝트 디렉토리 구조
Edge-Computing/
├── Arduino/ # Arduino Nano 33 BLE Sense 코드 (C/C++)
│ └── vibration_inferencing # Edge Impulse 추론 라이브러리 포함
├── assets/ # 시스템 다이어그램, 스크린샷 등
├── experiments/ # 실험 스크립트 및 설정
│ └── run_all.sh # 반복 실험 자동화 배치 스크립트
├── logs/ # 실험 및 추론 결과 로그 (CSV, JSON)
├── results/ # 시각화된 실험 결과 요약 파일
├── vibration_inferencing.zip # Edge Impulse 내보낸 추론 라이브러리
└── README.md # 프로젝트 개요 및 실행 설명
⚙️ 시스템 구성 흐름
- 데이터 수집
- Machine Fault Simulator를 통해 다양한 고장 상태를 시뮬레이션
- Arduino Nano 33 BLE Sense 내장 IMU로 진동 데이터 측정
- 모델 학습
- Edge Impulse 플랫폼에서 데이터 업로드, 라벨링, 전처리
- FFT 기반 특성 추출 및 경량 분류 모델 학습
- Arduino에서 실행 가능한 C 라이브러리로 내보내기
- 실시간 추론 & 전송
- 학습된 모델을 탑재한 Arduino가 진동 상태를 실시간 추론
- 추론 결과를 BLE로 모바일 디바이스에 송신
- 모바일 연동
- 모바일 기기에서 BLE 데이터를 수신
- 추론 결과를 실시간 로그 또는 시각화 형태로 저장
📊 실험 및 성능 결과
- 클래스: Imbalance / Misalignment / Normal
- 데이터 수집 시간: 각 상태당 약 5분
- Sampling Rate: 400 Hz
- Accuracy: 96.8%
- Precision / Recall
- Imbalance: 0.95 / 0.97
- Misalignment: 0.97 / 0.96
- Normal: 0.98 / 0.98
👨💻 기여 및 역할: 김준희 (Inha University, Dept. of Statistics)
- 🔧 BLE 통신 파이프라인 구성
- 엣지 디바이스와 모바일 간 Bluetooth Low Energy 연결 설계
- 추론 결과 실시간 스트리밍 구조 구현 및 검증
- 🧪 반복 실험 자동화 및 데이터 수집 관리
experiments/run_all.sh작성으로 다수 조건 실험을 자동 실행- 실험 결과를
logs/에 자동 저장하여 분석 효율성 향상
- 📦 Edge Impulse 기반 모델 구축 및 최적화
- FFT 기반 특성 추출 구성, 모델 아키텍처 설정 및 하이퍼파라미터 튜닝
- 모델을 Arduino용 라이브러리로 익스포트하여 엣지 추론 구현
- 📐 시각자료 구성 및 전체 시스템 아키텍처 설계
- 진동 수집 → 모델 학습 → BLE 연동까지의 흐름 설계
- 시스템 구성도를 포함한
assets/디렉토리 작성
📚 참고 자료
2026
2025
Gibbs Posteriors
이 포스팅은 모델 Misspecification에 강건한 Gibbs Posteriors (or Generalized Posteriors)에 대해 정리합니다. Introduction: Standard Bayes의 한계 이전 포스팅에서 다룬 Variational Infere...
[Paper Review] Generalized Variational Inference: Three arguments for deriving new posteriors
이 포스팅은 Knoblauch, Jewson, Damoulas (2019) 의 “Generalized Variational Inference: Three arguments for deriving new posteriors” 를 읽고 정리한 글입니다. Introducti...
Variational Inference
이 포스팅은 Variational Inference(VI) 를 정리한 글입니다. Introduction 베이지안 추론의 목표는 관측 데이터 $y$ 에 대해 사후분포(posterior) [p(\theta \mid y) \propto p(\theta)\, p(y \mi...
Particle Filter : Sequential Monte Carlo
이 포스팅은 Sequential Monte Carlo(SMC) 방법의 대표 알고리즘인 Particle Filter 의 핵심 개념과 구조를 정리한 글입니다. “Filtering & State Space Model” 에 이어지는 내용입니다. Introduc...
Filtering & State Space Model
이 포스팅은 동적 시스템(Dynamic System)에서의 필터링(Filtering) 과 상태공간모형(State-Space Model) 에 대한 기본 개념을 정리한 글입니다. Introduction 현실 세계의 많은 문제는 시간에 따라 변화하는 시스템을 다루고 있으며, ...
AIC & BIC
회귀분석에 대한 기본적인 내용은 Linear Regression 포스팅을 참고해주세요
Graph PCA
개요 데이터의 저차원 표현을 학습하면서, 그래프 인접성(유사도)을 보존하도록 정규화 항을 추가한 PCA 변형입니다. 핵심은 그래프 라플라시안 $L$을 이용한 매끄러움(smoothness) 패널티 $λ tr(Z^T L Z)$ 입니다. 이 항은 그래프에서 이웃한 노드들의 임베...
TabPFN: Foundation Models for Tabular Data
Introduction: The Last Frontier of Tabular Data
Linear Regression
Linear Regressio은 연속형 반응 변수와 설명 변수의 선형 관계를 모델링하는 가장 기본적인 통계 모델입니다. 이 글에서는 OLS(Ordinary Least Squares)의 수식적 구조, 가정, 해석을 중심으로 정리하고, 간단한 파이썬 실습을 해보려고 합니다.
[Paper Review] Generalized Bayesian Additive Regression Trees Models: Beyond Conditional Conjugacy
이 포스팅은 Linero (2023) 의 논문 Generalized Bayesian Additive Regression Trees Models: Beyond Conditional Conjugacy 을 읽고 정리한 글입니다.
[Paper Review] Bayesian Additive Regression Networks (BARN)
이 포스팅은 Bayesian Additive Regression Networks (BARN) Linero, 2024; arXiv:2404.04425v1 을 읽고 정리한 글입니다.
Bayesian ICA
이 포스팅은 Bayesian Independent Component Analysis (Bayesian ICA) 에 대해 공부하며 정리한 글입니다.
Probabilistic PCA
이 포스팅은 Probabilistic Principal Component Analysis (PPCA)에 대해 공부하며 정리한 글입니다. Tipping & Bishop (1999)의 고전 논문을 기반으로 수학적 정의, 추론 과정, 장단점을 설명하겠습니다.
Bayesian PCA
이 포스팅은 Bayesian Principal Component Analysis (BPCA)에 대해 공부하고 정리한 글입니다.
[Paper Review] Compact Memory for K-prior Based Continual Learning
이 포스팅은 지속학습(Continual Learning)에서의 K-prior 기반 Compact Memory 논문 “Compact Memory for K-prior Based Continual Learning”을 정리한 글입니다.
Mixture of Experts (MoE)
이 포스팅은 Mixture of Experts(MoE)의 개념을 정리하고, 전통적인 Ensemble과 비교하여 차이를 설명합니다.
Variety of Methods for Dimensionality Reduction
이 포스팅은 여러가지 차원축소(Dimensionality Reduction)기법들에 대해 소개하고 간단한 시각화를 해보는 글입니다.
Natural Gradient for Variational Inference
이 포스팅은 Amari (1998)의 Natural Gradient 개념과 Variational Inference에서의 응용을 정리한 글입니다.
[Paper Review] Hilbert Space Methods for Reduced-Rank Gaussian Process Regression
이 포스팅은 A. Solin et al. (2014)의 논문 Hilbert Space Methods for Reduced-Rank Gaussian Process Regression을 읽고 정리한 글입니다.
[Paper Review] GRAPH-BASED CHANGE-POINT DETECTION
이 포스팅은 H.Chen et el. (2014)의 논문 Graph-Based Change-Point Detection을 읽고 정리한 글입니다.
Bayesian Online Change Point Detection
이 포스팅은 Bayesian Online Changepoint Detection에 대한 글입니다.
PyMC를 이용한 베이지안 모델링
Introduction
[Paper Review] Bayesian graph convolutional neural networks for semi-supervised classification
이 포스팅은 “Bayesian Graph Convolutional Neural Networks for Semi-supervised Classification” 논문을 읽고 BGCNN에 대해 정리한 글입니다.
Moran’s I Statistics
이 포스팅은 공간통계에서 자주 사용하는 공간 자기상관에 대한 통계량 Moran’s I에 대해 설명하는 글입니다.
[Paper Review] Make Me a BNN: A Simple Strategy for Estimating Bayesian Uncertainty from Pre-trained Model
이 포스팅은 “Make Me a BNN: A Simple, Scalable Strategy for Estimating Bayesian Uncertainty” 논문을 읽고 ABNN의 핵심 아이디어에 대해 정리한 글입니다.
[Paper Review] Normalizing Flows: Probabilistic Modeling and Inference
이 포스팅은 Papamakarios et al. (2021)의 “Normalizing Flows for Probabilistic Modeling and Inference”, Kobyzev et al. (2021)의 “Normalizing Flows: An Introductio...
[Paper Review] The Bayesian Learning Rule
이 포스팅은 Khan 등 (2023)의 논문 “The Bayesian Learning Rule”를 읽고 정리한 글입니다.
[Paper Review] Graph Attention Networks
이 포스팅은 Velickovic et al. (2018) 의 논문 Graph Attention Networks를 읽고 정리한 글입니다.
[Paper Review] Gaussian Processes Over Graphs
이 포스팅은 Venkitaraman et al. (2018) 의 논문 Gaussian Processes Over Graphs를 읽고 정리한 글입니다.
Graph Basics
이 포스팅은 그래프 이론의 기본 개념—노드, 엣지, 인접행렬, 차수행렬, 라플라시안, 그래프 신호—을 정리한 글입니다.
[Paper Review] SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS
이 포스팅은 SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS 논문을 읽고 정리한 글입니다.
Bayesian Linear Regression
이 포스팅은 Bayesian Linear Regression에 대한 개념을 소개하는 글입니다.
Gaussian Process(GP)
이 포스팅은 Gaussian Process에 대한 개념을 소개하는 글입니다.
[Paper Review] ROCKET: Exceptionally fast and accurate time series classification using random convolutional kernels
이 포스팅은 Dempster et al. (2020)의 논문 “ROCKET: Exceptionally Fast and Accurate Time Series Classification Using Random Convolutional Kernels” 을 바탕으로 내용을 정리한 글...
[Paper Review] GP-BART: a novel Bayesian additive regression trees approach using Gaussian processes
이 포스팅은 Maia et al. (2022)의 논문 “GP-BART: a novel Bayesian additive regression trees approach using Gaussian processes”를 읽고 정리한 글입니다.
Bayesian Kernel Machine Regression (BKMR)
본 포스팅에서는 Bayesian Kernel Machine Regression (BKMR)의 이론적 배경을 정리하고 간단한 실습을 진행합니다.
[Paper Review] BART : Bayesian Additive Regression Tree
이 포스팅은 Chipman et al. (2010)의 논문 “BART: Bayesian Additive Regression Trees”를 읽고 정리한 글입니다.
MCMC Sampling in Bayesian Models
본 포스팅에서는 베이지안 추론에서 핵심이 되는 MCMC(Markov Chain Monte Carlo) 알고리즘의 원리와 구현 방식을 살펴보겠습니다.