Methodology_Part 2_모델 개발 & 향상
#멀티로봇 #논문리뷰 #프로세스마이닝 #라라크루
2023년부터 연재를 이어가던 논문리뷰를 다시 시작해 본다.
매주 2번의 글쓰기를 계획하고 연재를 하고 있던 찰나에 갑작스레 찾아온 건강 이슈로 잠깐 글을 쓸 수 없었다.
이제 다시 연재를 하면서 흐름을 회복하려고 한다.
지난 연재된 논문의 내용을 간단하게 요약하면, 프로세스 마이닝을 이용하여 데이터를 분석하고, 그 결과를 토대로 멀티 로봇의 미션을 수행하기 위한 간단한 이론에 대해 살펴보았다.
오늘부터는 실제로 실험에 사용되는 프로세스 마이닝 파트 중 Model discovery 부분부터 Resource Analysis까지 살펴보려고 한다.
[ Model discovery ]
이 파트는 프로세스 마이닝의 시작점으로, 마이닝이란 방법을 통해 실제 현장에서 발생되는 로봇의 시나리오 프로세스가, 새로 개발된 프로세스 모델에 잘 반영이 되도록 여러 가지 모델 및 알고리즘을 통하여 프로세스 모델을 발견/도출 (discovery) 하는 단계이다.
아래 그림은 적합도 평가 및 모델 개선을 통해 가장 현실의 프로세스를 잘 반영하는 모델을 발견하는 개념을 정리한 그림이다.
T출처 : Aalst, Wil. (2011). Using Process Mining to Bridge the Gap between BI and BPM. Computer. 프로세스 모델은 이벤트 로그보다 사례를 더 잘 구성하며 일반적인 행동과 예외적인 행동을 분리하고 상태 및 전이의 수를 줄일 수 있음. 또한, 이벤트 로그는 활동 간의 선행 관계만 나타내지만 모델은 인과 관계와 병렬 관계를 나타낼 수 있음
프로세스 마이닝은 Petri nets, Business Process Modeling Notation, transition systems and casual nets와 같은 다양한 유형의 모델과 함께 작동
이러한 모델은 Petri 네트와 히든 마르코프 모델이 가장 유함. Petri 네트는 병렬성을 관리할 수 있고, 여러 로봇의 작업 및 상호 작용을 나타내는 데 사용될 수 있음. 히든 마르코프 모델은 복잡한 다중로봇 미션에서의 불확실성을 관리할 수 있음. Petri 네트는 프로세스 마이닝과의 강력한 관련성과 예측을 위해 의사 결정 트리로 보완할 수 있는 가능성 때문임. 현재의 작업은 새로운 방법을 사용하여 체계적인 절차를 수립하고 대규모의 실제 다중로봇 미션 데이터를 사용하여 기존 기술과 결합임
다양한 유형의 모델
완전 미션 모델: 미션의 전체적인 진행을 나타내고, 운영자 명령과 로봇 동작을 결합하고 그들 간의 관계를 보여줌
운영자 모델: 미션 중 로봇을 명령하는 운영자의 전략을 보여줌. 미션 실행 중의 편차를 감지하고 운영자의 의사 결정을 지원하는 등 여러 측면에서 유용
에이전트 모델: 로봇의 행동을 고려하며 미션 중 성능과 협업을 연구 가능. 이 연구를 통해 미션 병목 현상과 리소스 할당의 비효율성을 감지 가능
통합 운영자 및 에이전트 모델: 미션과 에이전트를 경우로 고려하여 수집. 운영자와 로봇 행동을 통합하지만 분리하여 나타냄
[ Model evaluation and enhancement ]
모델 평가 : 의도한 목표를 달성하는 데 필요한 모델의 성능 및 효과를 평가하는 프로세스
프로세스 마이닝은 일반적으로 모델의 품질을 네 가지 매개변수를 통해 평가: 적합도, 간결성, 일반성 및 정확도
적합도는 모델이 관측된 행동을 설명하는 능력
간결성은 이를 이해하기 쉬운 방식으로 수행하는 능력
일반성은 오버핏팅을 피하는 능력을 측정하는데, 이는 모델이 훈련 사례에 적응되었지만 새로운 샘플을 설명할 수 없을 때 발생
정확도는 언더핏팅을 피하는 능력을 측정하는데, 예측을 수행하는 데 유용하지 않을 때 발생
위 네 가지 매개변수는 시나리오에 따라 다양한 방식으로 얻을 수 있고, 모델 및 이벤트 로그의 정보에서 양적으로 얻을 수 있음 (예: 모델 및 이벤트 로그의 트레이스 비교 또는 상태 및 전이의 특징 연구). 그러나 사용자가 질적으로 연구해야 하는 경우도 있어서 이러한 기술을 전문가 사용자에게 제한할 수 있음
모델의 향상은 기본적으로 세부 사항을 다시 조정하여 수행할 수 있으며, 이는 주로 상태와 전이를 추가하거나 제거함으로써 이루어질 수 있음. 예를 들어, 모델이 복잡하거나 언더핏팅 경향이 있는 경우 일부 드물게 발생하는 전이를 제거해야 할 수 있으며, 모델이 간단하거나 오버핏팅 경향이 있는 경우 일부 제외된 전이를 고려해야 함.
[ Time analysis ]
이전에 얻은 모델을 사용하여 상태 및 전이의 평균, 최소 및 최대 시간 계산
이 연구는 미션의 병목 현상과 노력이 많이 필요한 작업을 찾을 수 있음
운영자 조작 시간: 운영자가 명령을 실행하는 데 필요한 시간을 결정하는 데 도움. 운영자가 명령 창을 열 때부터 명령이 전송될 때까지 시간 측정 가능. 결과는 명령 인터페이스의 설계 및 운영자 교육을 개선하는 데 사용
운영자 결정 시간: 운영자의 반응 시간에 관한 정보 제공. 이 시간은 미션에서 개입이 필요한 시점부터 운영자가 이를 인식할 때까지 측정. 결과는 정보 인터페이스의 설계 및 운영자 교육에서 문제를 수정하는 데 유용함
로봇 실행 시간: 로봇이 작업을 실행하는 데 필요한 시간 결정. 이를 통해 어떤 활동이 가장 많은 시간이 소요되는지 감지하고 미션의 효과를 개선하기 위한 변경을 도입 가능.
전이 시간: 다양한 미션 작업 간의 대기 시간 결정. 이를 통해 과도한 대기 시간과 비효율적인 자원 할당을 감지하고 수정할 수 있음
[ Resource analysis ]
자원 분석은 시간 분석보다 임무에 대한 다른 시각을 보여줌. 각 작업을 수행하는 자원을 파악하고, 임무에 참여하는 에이전트 간의 관계를 찾아내며 자원과 작업 간의 시너지를 극대화
자원 분석의 첫 번째 단계는 자원-활동 행렬을 구성하는 것. 여기서 행은 자원을, 열은 활동을 나타내며 각 셀에는 자원이 각 사례당 활동을 수행한 횟수가 들어 있음. 이러한 표는 어떤 자원이 특정 작업에 협력하거나 특정 자원이 어떤 작업을 수행하는지 쉽게 보여줌
또 다른 단계는 사회망 (Social Networks) 개발입니다. 여기서 노드는 임무에 관여하는 자원(예: 로봇, 오퍼레이터 및 기타 에이전트)이고, 활선은 그들 간의 관계(예: 공통 작업에서의 협력 또는 종속적인 작업)를 나타냄. 에이전트 수가 많고 임무에서의 역할을 이해하기 어려울 때에만 이러한 사회망이 더 유용함
이 분야를 공부하기 위한 나도 논문을 보면서 어렵고 이해가 안 될 텐데, 이 글을 보는 어떤 사람이 과연 재밌게 볼까? 하는 마음을 떨쳐버릴 수 없다. 하지만.. 그래도 Keep Going~!!
