내장 된 스프레드 모니터링

마지막 업데이트: 2022년 7월 26일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
Play

Claris FileMaker Pro

세계를 선도하는 업무 혁신 플랫폼으로 누구나 손쉽게 맞춤형 App을 제작할 수 있습니다. 수동 프로세스가 있다면 Claris FileMaker Pro로 자동화하세요. App을 생성하여 연락처 관리, 재고 파악, 프로젝트 구성 등을 수행하세요. 오랜 시간을 들이지 않고도 빠르게 App을 제작합니다.

모두를 위한 기술.

FileMaker Pro는 프로 코드의 성능을 지닌 로우 코드 도구입니다. 개발자가 아니어도 App을 제작할 수 있으며, 개발자에게도 완벽한 도구입니다. FileMaker Pro를 사용하여 모든 문제 해결자는 다음 작업을 수행할 수 있습니다.

  • 드래그 앤 드롭으로 레이아웃을 생성할 수 있습니다.
  • 내장 템플릿과 애드온을 사용할 수 있습니다.
  • Windows 및 Mac에서 App을 실행할 수 있습니다.
  • 모바일 App을 제작할 수 있습니다.
  • 스마트폰, 태블릿 및 노트북에서 App을 공유할 수 있습니다.
  • 즉석에서 리포트를 생성할 수 있습니다.

쉽게 협업할 수 있습니다.

FileMaker Pro로 매일 내장 된 스프레드 모니터링 사용하는 App과 시스템을 더 잘 활용할 수 있습니다. Toolkit 안의 또다른 도구가 될 것입니다. 기존 데이터로 시작해 보세요. 스프레드시트를 드래그 앤 드롭하거나, CSV 및 XML 파일을 가져오거나, SQL 데이터와 양방향 연결을 생성하는 등의 작업을 수행할 수 있습니다.

Rave CTMS

Rave CTMS (Clinical 내장 된 스프레드 모니터링 Trial Management System)는 지능형 자동화 및 워크플로 관리를 통해 시험, 국가 및 시험기관 감독 속도 및 효율성을 개선하며 EDC와 실시간 연동을 통해 임상시험 운영을 최적화 해주는 통합 CTMS 플랫폼​입니다.

Medidata Clinical Cloud™는 임상 운영 에코시스템을 간소화해 Rave EDC, Medidata Detect, Rave eTMF 간 데이터 전송을 자동화합니다. 이는 수동 데이터 재입력을 없애고 여러 애플리케이션을 연결하는 사용자 중심 워크플로를 실현합니다.

Play

Rave CTMS의 강점

Increase User Efficiency Scale More Easily Reduce Avoidable Startup Delay Improve Decisions with Data

사용자 효율성 향상

자동화된 워크플로가 주요 활동의 수동 프로세스를 간소화하며, 대시보드는 가장 중요한 사항에 집중합니다. 또한 주요 일정, 작업, 문제 및 문서 상태를 한 곳에서 추적할 수 있으며, 데이터를 한 번 입력하면 어디에서나 사용 가능합니다. 이를 통해 정보 사일로를 제거하고 시험기관 및 모니터링 직원에게 효율성을 제공할 수 있습니다.

Play

보다 쉬운 확장

Rave CTMS는 임상시험의 초기 단계에서 후기 단계까지 확장이 가능합니다. 또한 기존 사용하던 기술 및 워크플로와도 통합됩니다.

Play

임상시험 개시 지연 예방

Rave CTMS 및 RAVE eTMF에는 시험 개시 관련 이벤트들이 포함되어 있으며, 시험기관 별 필수 주요 일정과 작업을 한 곳에서 추적할 수 있습니다. 시험기관 활성화 활동 및 문제 관리를 위한 폐쇄 루프(closed-loop) 시스템은 다수의 상태 스프레드 시트 및 추적 리포트를 제거하여 시간과 노력을 절약할 수 있도록 합니다.

Play

데이터를 통한 의사결정 개선

진정한 인사이트를 얻기 위해서는 메디데이터만이 제공할 수 있는 심도 있는 데이터가 필요합니다. 간단한 계산에 기반한 정적 데이터를 기반으로 구축된 CTMS보다는 지능형 위험 감지 기능 및 실행 가능한 데이터가 내장된 시스템으로 전환하세요.

Play

주요 기능

인사이트 기반 대시보드 및 리포팅

인사이트 기반 대시보드 및 리포팅

대시보드, 예측 및 분석을 위해 EDC에서 자동으로 입력된 데이터로 전체 시험을 효율적으로 관리하세요. Rave CTMS 애드혹 리포팅을 사용하면 시험 전반의 Rave CTMS 데이터를 단일 시각화, 리포트 또는 대시보드에 결합하여 직관적인 시각 자료를 생성할 수 있습니다.

통합 문서 관리

통합 문서 관리

Rave EDC 및 Rave eTMF와의 긴밀한 통합을 특징으로 하는 Rave CTMS는 시험기관과의 최적화된 협업을 지원합니다. 사용자가 문서를 업로드하면 eTMF에 데이터와 콘텐츠가 자동으로 업데이트됩니다. 또한 데이터는 모니터링 방문 리포트에 자동으로 입력되고, 이후 자동으로 TMF에 제출됩니다.

리스크의 시각화

리스크의 시각화

CRA와 시험 관리자는 핵심 위험 지표(KRI)에서 도출된 분석 인사이트를 통해 시험대상자의 안전성과 시험의 안정성 보장할 수 있습니다.

위해성 기반 및 원격 모니터링

위해성 기반 및 원격 모니터링

관련 제품

Rave eTMF

Rave eTMF

Rave eTMF는 직관적인 사용자 화면과 DIA reference model을 통한 TMF작업과 보관 및 관리에 최적화 된 솔루션​입니다.

Medidata Risk Management

Medidata Risk Management

Medidata Risk Management는 Quality Tolerance Limits (QTL)의 정의 및 모니터링을 포함한 선제적 임상시험 설계를 통해 점차적으로 증가하는 임상시험의 복잡성을 지원하는 솔루션입니다.

Medidata Detect

Medidata Detect

Medidata Detect는 여러 데이터 전반에 걸쳐 데이터 오류, 트렌드 및 이상치를 자동으로 플래그 처리하는 통계 알고리즘을 통해 데이터 무결성을 개선하고 임상시험 위험을 줄이도록 설계되었습니다. Detect는 데이터의 품질을 향상시키고 임상시험 기간 전반에 걸쳐 시험대상자의 안전성을 보장합니다.

추가 정보

임상시험 디지털 관리/감독을 위한 통합 허브

Medidata Clinical Cloud™에 통합된 Rave CTMS는 기본적으로 제공되는 지능적인 워크플로 연결, 데이터 주도 인사이트 제공 및 협업 촉진을 위한 통합 데이터 수집 기반 업무 허브입니다.

Rave CTMS 애드혹 리포팅

Rave CTMS가 제공하는 애드혹 리포팅이 어떻게 효율적인 워크플로를 촉진하고 팀 간 내장 된 스프레드 모니터링 협업을 실현하며 시험 진행 상황을 감독할 수 있는지 확인해 보세요. 강력한 시각화 기능 및 사용이 쉬운 도구가 스터디에 대한 컨트롤을 가능하도록 합니다.

Rave CTMS 데모

실제 데모를 통해 3가지 성공적인 사례 연구의 세부 사항을 살펴보고, 의뢰자가 어떻게 시험 관련 시간, 비용 및 품질을 최적화하여 Rave CTMS에서 최고의 가치를 도출할 수 있는지 확인해 볼수 있습니다.

Play

임상시험 모니터링 워크플로 자동화를 통한 효율성 극대화

빠르게 성장 중인 바이오제약사 엔테린(Enterin)이 Rave CTMS 구현을 통해 어떻게 한정된 리소스를 보유한 소규모의 팀이 보다 효율적으로 일할 수 있도록 지원했는지 확인하실 수 있습니다.

신속한 데이터 인사이트를 통한 생산성 및 고객 중심성 향상

카탈리스트 클리니컬 리서치(Catalyst Clinical Research)의 직원들이 조직과 함께 성장하고 약물 개발 프로세스 전반에 걸쳐 고객을 지원하는 확장 가능한 CTMS 솔루션의 필요성을 파악한 이유와 방법, 그리고 Rave CTMS를 선택한 이유를 알아보세요.

We use cookies on our website to give you the most relevant experience by remembering your preferences and repeat visits. By clicking “Accept”, you consent to the use of ALL the cookies.

What are cookies?

We may collect information using “cookies.” Cookies are small data files stored on the hard drive of your computer or mobile device by a website. We may use both session cookies (which expire once you close your web browser) and persistent cookies (which stay on your computer or mobile device until you delete them) to provide you with a more personal and interactive experience on our Site.

Complete details can be found in our Privacy Policy.

Essential cookies enable core functionality. The website cannot 내장 된 스프레드 모니터링 function properly without these cookies, and can only be disabled by changing your browser preferences.

These cookies enable the website to provide enhanced functionality and personalization. They may be set by us or by third party providers whose services we have added to our pages. If you do not allow these cookies, some or all of these services may not function properly.

Analytical cookies allow us to analyze our Site. For example, we use analytical cookies to count the number of visitors 내장 된 스프레드 모니터링 and sources of web traffic so we can see how users move around our Site when they are using it. This helps us to improve the way our Site works, for example, by ensuring that users can find what they are looking for easily. All information these cookies collect is aggregated and therefore anonymized.

Cookies are used to deliver many types of targeted digital marketing. They store user data and behavior information, which allows advertising services to target audience groups according to variables including Age, Gender, Location, Interests, behavior on your website, search engines, and social media.

모니터링 프로필 설치

이 센서 인스턴스는 모니터링 에이전트에서 트래픽만 받는 데 사용해야 합니다. 또한, 이 수집을 위해 웹 서버를 다시 사용하는 경우 센서가 다른 포트에서 실행되도록 구성할 수 있습니다.

txlogd.conf 파일에는 기본 줄이 있습니다.

Data Workbench 모니터링 프로필 애플리케이션(또는 "태그가 지정된" 페이지 구현)의 경우 GIF 파일을 통해 수집하려면 이미지 유형을 제거해야 합니다. 업데이트된 라인은 다음과 같습니다.

insight_monitor.zip/insight_monitor_agent을 임시 위치에 복사합니다.

환경에 대한 insight_monitor_agent.cfg 파일을 업데이트합니다. 구성 파일 내의 설명을 따르십시오.

모니터링 구성 파일:

모든 정보를 수집하는 위치를 정의하고 URL 주소를 입력합니다. 이 센서는 전용 센서여야 하며 이 응용 프로그램을 제외하고 트래픽을 받지 않아야 합니다.

e가 있다고 가정하는 경로가 있습니다.디스크. 환경에 대해 이 경로를 변경할 수 있습니다.

변형 프로필을 실행할 때 Data Workbench가 응답하지 않을 수 있습니다. 이 값을 사용하면 프로세스가 응답하지 않는 행에서 세 번 이상 발생하면 경고를 보낼 수 있습니다. 이는 잘못된 양의 경고를 줄이는 방법입니다.

여기서 환경 및 그룹 차원을 설정합니다. 이는 호스트와 다를 수 있습니다.

이 경로는 입니다. 이 경로에서 오류 로그를 보고 모니터 에이전트가 수행하는 작업을 정확하게 확인할 수 있습니다.

temp db를 내부적으로 사용하는 것입니다. 용량 할당 시 경고될 수 있습니다. 실제 디스크 사용과는 다릅니다.

Data Workbench 서버를 실행하는 각 DPU 및 FSU 호스트에 insight_monitor_agent 폴더를 복사합니다. 구성 파일에 표시된 기본 위치는 e:\insight_monitor_agent이지만 이 위치를 변경할 수 있습니다.

10분마다 에이전트를 호출하는 Windows 예약 작업을 추가합니다(이 기간은 처리 속도 계산에서 가정). 프로그램은 e:insight_monitor/insight_monitor_agent.exe입니다. 인수는 config-file e:\insight_monitor\insight_monitor.cfg 입니다. e:\insight_monitor에서 시작합니다. 작업을 실행하는 사용자는 e:\insight_monitor 읽기/쓰기 권한이 있어야 하며 Win32 OLE 개체 root\CIMV2 읽기 권한이 있어야 합니다(Data Workbench 서버 서비스 시작 모드를 확인하고 로컬 디스크의 공간 비율을 확인하는 데 필요)

모니터 레코드가 누적됨에 따라 VSL 파일이 증가하기 내장 된 스프레드 모니터링 시작하는지 확인합니다. 소규모 설치에서는 트래픽 볼륨이 매우 낮으므로 시간이 좀 걸립니다(10분마다 에이전트가 호스트별 데이터에 대해 히트를 하나만 전송하고 처리 프로필당 히트는 하나씩).

insight_monitor.zip\profiles\Insight Historic to a temporary location의 압축을 해제합니다.

profile.cfg, dataset\cluster.cfg 및 dataset\segment export.cfg에서 호스트 이름을 업데이트합니다.

파일을 Data Workbench 프로필 디렉토리에 업데이트합니다.

dataset\log processing.cfg에 있는 로그 서버와 경로를 Sensor VSL이 누적되는 위치로 업데이트합니다.

[] 원할 경우 프로필 Insight Profile Status 및 Insight Server Status을 사용하여 동일한 작업을 수행합니다. 또한 상태 프로필은 후행 2일 창으로 매일 밤 다시 처리해야 합니다. Windows 예약 작업 추가:프로그램은 e:\insight_monitor\insight_reprocess.exe입니다. 인수는 --profile-path=“PATH TO PROFILES\insight profile status” --start-days-ago=2입니다. start in 을 비워 둡니다. "insight server status"​에 대해 예약된 다른 작업을 추가합니다. insight_reprocess. experience 로그 처리에 대한 읽기/쓰기 액세스 권한이 필요합니다. cfgto가 시작 시간을 업데이트합니다.

또한 상태 프로필은 후행 2일 창으로 매일 밤 다시 처리해야 합니다. Windows 예약 작업 추가:프로그램은 e:\insight_monitor\insight_reprocess.exe​입니다. 인수는 -profile-path=“PATH TO PROFILES\insight profile status” --start-days-ago=2입니다. 시작 위치​를 비워 둡니다. "insight server status"에 대해 다른 예약된 작업을 추가합니다. insight_reprocess.exe 시작 시간을 업데이트하려면 log processing.cfg 에 대한 읽기/쓰기 액세스 권한이 필요합니다. 각 프로필이 축적될 때 모니터 VSL을 읽고 있는지 확인합니다. 즉, 매우 적은 볼륨 때문에 몇 시간, 즉 몇 시간이 걸릴 수 있습니다.

설치 노트

라이선스가 부여된 테스트 환경에서 모니터링 프로필 구성. 테스트 환경 패키지는 Data Workbench 구현에 포함되어 있으므로 애플리케이션을 설치 및 구성할 수 있습니다. 프로덕션 FSU 또는 DPU 서버에 설치하는 경우 별도의 포트에서 실행되도록 서버를 구성해야 합니다.

모니터링 프로필에 새 센서 배포. 모니터링 프로필을 실행하는 서버에 새 Sensor 인스턴스를 설치해야 합니다. 이것은 센서의 프로덕션 인스턴스 외에 있습니다. (모니터링 프로필에 대한 프로덕션 또는 비프로덕션 서버에 센서를 설치하는 데 추가 비용이 없습니다.)

Data Workbench 유지 관리 중 모니터 에이전트를 비활성화합니다. 가동 시간 및 성능 지표를 오염하지 않도록 서비스 InsightServer(Omniture Insight Server)에 대한 서비스 시작 모드를 수동으로 설정할 수 있습니다. 편리한 PowerShell 명령은 set-service -name insightserver -startuptype manual​입니다. 유지 관리 후 다시 자동으로 설정합니다.set-service -name insightserver -startuptype automatic. 모니터 에이전트 예약 작업을 일시적으로 비활성화하는 것도 다른 옵션입니다.

상태 프로필에는 이전 호스트 및 프로필과 이전 호스트 프로필 매핑이 포함된 후행 창이 필요합니다. 그러나 이벤트 데이터의 양이 너무 적어 Data Workbench에서 버퍼링하지 않는 경우 처리하는 데 유리창의 크기를 꽤 확장해야 할 수 있습니다.

에이전트는 이벤트 데이터 로그 시간 스탬프가 UTC(VSL 파일에서처럼)라고 가정할 때 로컬 호스트 시간으로 보고되는 Data Workbench 세부 상태​에서 전체 및 가장 오래된 시간을 수집합니다. 이벤트 데이터 타임스탬프가 UTC가 아닌 시간대의 경우 기준 시간은 결과 Insight Profile Status 프로필에서 오프셋됩니다. 이벤트 데이터 타임스탬프의 모두 시간대가 동일한 시간대에 있는 경우 해당 오프셋을 인사이트 프로필 Status\metrics\as of delay minutes.metric​에 추가할 수 있습니다.

고객이 다른 상태의 프로덕션, 스테이징, 테스트 서버 및 서버와 같은 다른 상태에 있는 경우 서버를 그룹화할 수 있도록 두 개의 새로운 차원이 도입되었습니다. 예를 들어 "가동 시간"을 찾고 있다면 운영 모드에서만 서버를 확인할 수 있습니다. 따라서 그룹 차원은 사용자의 요구 사항에 따라 서버를 임의로 그룹화하는 또 다른 방법입니다. 예를 들어 모니터링 구성 파일에서 부서가 서비스하고 있는 작업, 개발 또는 마케팅과 같은 호스트를 설정할 수 있습니다.

In-Sight 7000 소프트웨어/툴

이 웹 사이트는 쿠키를 사용하여 귀하의 브라우징 경험을 개선하고 당사의 개인 정보 보호 정책에 따라 설명된 대로 분석 및 지표 목적을 위해 사용합니다. 쿠키 기본 설정 센터를 사용하여 언제든지 쿠키 기본 설정을 변경할 수 있습니다.

쿠키 기본 설정 센터

웹 사이트를 방문할 때 정보는 브라우저에 저장되거나 검색되는 경우가 많으며, 대부분 쿠키 형태로 제공됩니다. 이 정보는 브라우저 또는 장치 기본 설정에 관한 것일 수 있으며 주로 사이트가 예상대로 작동할 수 있도록 하는 데 사용됩니다. 이 정보는 사용자를 직접 식별하지는 않지만 보다 개인화된 웹 환경을 제공할 수 있습니다. 당사는 귀하의 개인 정보 보호 권리를 존중하기 때문에 귀하는 일부 유형의 쿠키를 허용하지 않도록 선택할 수 있습니다. 다른 카테고리 제목을 클릭하여 자세한 정보를 찾거나 기본 설정을 변경합니다. 일부 유형의 쿠키를 차단하면 당사 사이트 및 당사가 제공할 수 있는 서비스에 대한 귀하의 경험에 영향을 미칠 수 있습니다.

이러한 쿠키는 웹 사이트가 작동하려면 필요하며 시스템에서 꺼질 수 없습니다. 일반적으로 개인 정보 기본 설정, 로그인 또는 양식 작성과 같은 서비스 요청에 해당하는 작업에 대한 응답으로만 설정됩니다.

브라우저를 설정하여 이러한 쿠키에 대해 차단하거나 경고할 수 있지만 사이트의 일부 부분은 작동하지 않습니다. 이러한 쿠키는 개인 식별 정보를 저장하지 않습니다.

이러한 쿠키를 사용하면 방문 및 교통 소스를 계산하여 웹 사이트의 성능을 측정하고 개선할 수 있습니다. 그들은 우리가 가장 인기가 있는 페이지를 알고 방문자가 사이트를 이동하는 방법을 확인하는 데 도움이됩니다.

이러한 쿠키가 수집하는 모든 정보는 집계되므로 익명으로 처리됩니다. 귀하가 이러한 쿠키를 허용하지 않는 경우 당사는 귀하가 당사 사이트를 방문한 시기를 알 수 없으며 그 성능을 모니터링할 수 없습니다.

이러한 쿠키를 통해 웹 사이트는 향상된 기능과 개인화를 제공할 수 있습니다. 당사 또는 당사 페이지에 서비스를 추가한 제3자 제공업체에 의해 설정될 수 있습니다.

이러한 쿠키를 허용하지 않으면 이러한 서비스의 일부 또는 전부가 제대로 작동하지 않을 수 있습니다.

  • 머신 비전
    • 비전 센서
      • In-Sight 2000 비전 센서
      • In-Sight 2000 Mini Vision 센서
      • In-Sight D900 시리즈
      • In-Sight 2800 시리즈
      • In-Sight 9000 시리즈
      • In-Sight 8000 시리즈
      • In-Sight 7000 시리즈
      • In-Sight 5705 시리즈
      • In-Sight 라인 스캔 비전 시스템
      • In-Sight Explorer 소프트웨어
      • In-Sight 3D-L4000 시리즈
      • 3D-L4000(VisionPro 탑재)
      • 3D-A5000 시리즈
      • DS800 시리즈
      • In-Sight 레이저 프로파일러
      • DSMax 3D Laser Displacement Sensor
      • VisionPro
        • VisionPro 카메라 지원
        • Cognex Designer
        • Cognex 비전 라이브러리
        • 산업용 카메라
        • 프레임 그래버
        • IPC5 비전 컨트롤러
        • I/O 카드
        • Advantage 비전 및 ID 시스템
        • AE2 이미지 엔진
        • 고정형 바코드 판독 장비
          • DataMan 470 시리즈
          • DataMan 370 시리즈
          • DataMan 280 시리즈
          • DataMan 150/260 시리즈
          • DataMan 70 시리즈
          • DataMan 8700 시리즈
          • DataMan 8070 시리즈
          • DataMan 8050 시리즈
          • MX-1502 시리즈
          • MX-1000 시리즈
          • 모바일 바코드 SDK
          • DataMan 475V 시리즈
          • DataMan 475VS 시리즈
          • DataMan 8072V 시리즈
          • Webscan Barcode Verifiers
          • In-Sight D900
          • VisionPro Deep Learning
          • In-Sight 2800 시리즈
            • Blue Locate 툴
            • Red Analyze 툴
            • Green Classify 툴
            • Blue Read 툴
            • In-Sight ViDi 툴

            In-Sight Explorer 소프트웨어

            모든 In-Sight 비전 시스템은 In-Sight Explorer EasyBuilder®를 이용해서 머신 비전 검사를 설정, 모니터링합니다. 작업자는 직관적인 인터페이스를 통해서 단계별 설정 프로세스를 수행할 수 있어 초보자와 경험이 많은 사용자 모두 비전 애플리케이션을 쉽고 빠르게 구성할 수 있습니다.

            애플리케이션의 대부분은 point-and-click으로 작업 가능한 EasyBuilder 인터페이스로 해결할 수 있지만 애플리케이션 요구 사항이 변경되면 In-Sight 스프레드시트를 이용해서 비전 tool에 직접 액세스한 후 통신 옵션을 활용하여 제어를 수행할 수 있습니다. 스프레드시트에 대한 액세스는 핵심적인 조정을 수행하기 위한 프로그래밍 유연성을 제공할 뿐만 아니라 모든 비전 애플리케이션을 해결할 수 있다는 확신을 제공합니다.

            시스템 검증

            내장된 통신

            In-Sight Explorer EasyBuilder 인터페이스

            In-Sight 비전 tool

            In-Sight 비전 처리 tool은 추가적인 데이터 분석과 의사 결정을 위해 이미지 특징을 추출, 처리하는 기능들로 구성됩니다. In-Sight 비전 tool 집합은 다음으로 구성됩니다:

            Blob Tools

            Blob tool은 회색조와 유사한 특징을 감지하기 위해 사용됩니다. Blob은 결함 크기를 측정하거나 반복 형상이 없는 특징의 위치를 확인하는 용도로 매우 유용합니다. Blob은 특정 색상의 양적인 측면을 측정하기 위해서 단색 및 컬러 이미지에 사용할 수 있습니다.

            가장자리 및 InspectEdge tool

            가장자리 tool은 부품에서 어두운 부분에서 밝은 부분으로 변하는 지점을 감지합니다. 가장자리 tool 결과는 거리 측정을 위해 사용할 수 있으며 발견한 가장자리 개수를 계산해서 검사에 사용할 수도 있습니다. 또한 가장자리는 원과 호를 감지하고 측정하기 위한 용도로도 사용됩니다. InspectEdge tool은 결함 검사를 위해 부품의 가장자리를 추적합니다.

            결함 감지 tool

            Flex Flaw 및 Surface Flaw와 같은 결함 감지 tool은 부품의 윤곽선과 표면 영역을 검사하기 위해 사용합니다. 이 첨단 기술은 조명과 부품 형상에서 변화가 있을 때에도 적응 가능합니다.

            Geometry Tools

            Geometry Tool은 간단하게 지정 후 클릭을 통해서 부품의 중요한 치수를 측정하기 위해 사용합니다. 각도, 호, 지름, 점과 선 사이의 거리는 실제 상황과의 보정을 통해 정확하고 반복 가능한 결과를 제공합니다.

            히스토그램 tool

            히스토그램은 밝기에 따라 부품의 특징을 검사하거나 모니터링하기 위해 사용합니다.

            ID Tools

            In-Sight는 까다로운 DPM(직접 부품 표시) 코드를 비롯한 1D 및 2D 코드를 가장 빠른 속도로 판독할 수 있도록 PowerGrid와 Hotbars와 같은 업계 최고의 바코드 판독 알고리즘을 탑재하고 있습니다.

            이미지 필터링 도구

            다른 비전 도구로 추가 처리를 수행하기 전에 부품의 특징을 강조하거나 제거하기 위해 고급 이미지 필터링을 사용합니다. 컬러 카메라의 경우 트루 24비트 컬러 필터가 제공됩니다.

            광학 문자 인식 tool

            OCV/OCR tool은 이미지 내의 문자에 대해 광학 문자 인식(OCR) 및 광학 문자 검증(OCV)을 수행하기 위해서 글꼴을 세그먼트 분류, 추출, 훈련 등을 수행합니다. 글꼴 훈련 가능 tool은 혼동되는 배경에 표시된, 낮은 대비 또는 간격이 불균일한 문자도 정확하게 판독합니다.

            패턴 일치 기술

            대부분의 비전 애플리케이션에서 부품 위치를 정확하게 파악하는 것이 첫 번째 단계입니다. PatMax RedLine과 같은 업계 최고 수준의 Cognex의 패턴 일치 기술은 회전, 배율, 조명의 변동에서도 탁월한 정밀성과 신뢰성을 제공합니다.

            컬러 패턴 매칭 툴

            tools-color-patmax

            컬러 PatMax RedLine은 사용자가 모델을 위치시키는 것뿐만 아니라 학습된 모델의 색상을 찾는 것을 가능하게 하며, 모양과 색상에 따라 부품을 위치시킵니다. 이 툴은 더 견고한 패턴을 탐색하는 모델을 만들어 내기 위해 컬러 이미지에 기반을 두어 작동됩니다.

            컬러 도구

            컬러 도구는 컬러 데이터에 기초해서 물체를 식별하고 검사하며 측정된 컬러 픽셀의 수를 계산함으로써 측정하기 위해 사용합니다 고급 컬러 비전 기술은 기존의 컬러 비전 시스템에서 문제를 일으킬 수도 있는 조명의 변화가 발생해도 정확도를 유지합니다.

            데이터 센터의 엔지니어링 인프라의 효율적 관리

            시중에 판매되는 데이터센터 내의 자동 제어와 모니터링 작업을 위한 툴은 비교적 새로운 상품이다. 이러한 종류의 툴 중에서 최초의 제품은 장치의 기록 보관이나 이동 및 유지보수의 관리와 같은 다양한 기능들을 제공하였다. 오늘날 이것은 단순히 서버 룸의 멋진 다이어그램을 그리고 데이터베이스를 바인딩하는 것에만 관련된 것이 아니다. 이제 현대적인 데이터센터 시스템은 실시간으로 데이터 센터의 운영과 관련된 다양한 과제를 해결할 수 있도록 도와준다. 이 글에서 우리는 이 산업 분야에서 최근 주목을 받는 문제들을 살펴보고 이를 해결하기 위한 방법을 모색할 것이다.

            스케일링의 다양성

            데이터 센터의 엔지니어링 인프라는 두 개의 컨트롤 루프로 구분될 수 있다. 하나는 랙 수준에서 전력의 분배와 냉각을 처리하는 기능을 하며, 다른 하나는 전체 시설 수준에서 작동하여 전력과 공조 시스템 외에도 다양한 보조적 서브시스템(소방, 액세스 제어 등의 시스템)을 다루는 기능을 한다. 대개 이러한 컨트롤 루프와 그 구성요소들은 서로 다른 독립적 운영자 팀들에 의해 운영된다.

            기업이 엔지니어링 인프라 관리를 위하여 통합 솔루션을 구매하는 것을 항상 원하는 것은 아니다. 일반적으로 상업적 데이터센터는 이러한 통합적 옵션을 가지고 있지 않다. 하지만 데이터센터를 운용하는 기업의 경영진들이 비용을 절약하기를 원하여 공조장치와UPS로서 오직 분산적 시스템만 구매하는 것에 동의하는 경우는 결코 드물지 않다. 제어 회로 사이의 통신의 부족, 데이터센터 서브시스템의 서로 다른 자동화 수준, 서로 다른 장비 공급업체와 같은 문제들은 시설의 모든 부분이 조화롭게 작동하는 것을 어렵게 만들기 때문에 데이터센터의 최적화가 불가능하게 된다.

            컨트롤 모드

            소규모 시나리오에서 최악의 경우에는 데이터센터 서브시스템들이 전부 수동으로 제어되며 장비의 설치와 이동에 대한 정보는 마이크로소프트 엑셀을 사용하여 문서화된다. 스프레드시트를 사용하여 올바른 데이터베이스를 유지하는 것은 매우 까다로운 작업이기 때문에, 대개 이러한 문서 작업이 매우 복잡한 것은 당연한 일이다. 랙의 수량이 10자리 단위로 측정되는 경우(즉 랙의 수량이 많은 경우), 수동 계산에 수반되는 여러 문제점을 피할 수 없다. 이러한 데이터센터의 장비교체는 오직 고장이 발생할 때만 이루어지므로, 이는 사고 발생 시 간접비와 다운타임을 증가시킨다.

            데이터센터 소유자에게 다운타임의 발생이 치명적인 경우, 대응적 컨트롤 모델(reactive control model)이 사용된다. 이 경우에 문제해결 절차가 조정되며 관련 문서작업은 계속 유지된다. 하지만 이러한 프로세스는 특정 데이터센터에 대한 직원의 경험과 지식을 기반으로 한다. 이 경우에 사고가 발생하면 문제를 충분히 빠른 시간 내에 제거할 수는 있지만, 고장의 원인에 대한 종합적인 분석의 기회가 부족하기 때문에 고장 예방의 측면에서는 심각한 어려움을 겪을 수 있다.

            더욱 발전된 관리 모델은 항상 서비스-지향적이다. 이 모델은 시설의 모든 서브시스템을 모두 다루는 완전한 문서작업이 존재한다고 가정한다. 이것은 장비의 교체와 예방 정비에 대한 규칙과 절차를 분명하게 정의하고, 장비의 설치와 이동에 대한 철저한 기록을 유지한다. 한편으로 운영 서비스 측에서는 엔지니어링 시스템의 파라미터, 발생한 사고, 그리고 이를 해결하기 위하여 직원이 취한 조치를 기록한다.

            데이터센터 관리에 대한 서비스-지향적 접근방식의 주요 특징은 선행성(proactivity)이다. 이 모델은 오류의 원인을 분석할 수 있을 뿐만 아니라 오류가 발생하기 전에 문제를 미리 예측할 수 있다. 따라서 서비스의 가용성을 빠르게 회복하기 위한 대책을 수립할 수 있다. 물론 이러한 방식은 모든 주요 데이터센터 서브시스템들을 위하여 단일화되고 자동화된 모니터링 및 파견 시스템을 도입하지 않는다면 불가능하다. 실제로 직원들의 행동은 종종 서브시스템 고장의 원인이 되곤 한다. 숙련된 전문가는 항상 부족하지만 파견 센터(dispatching center)가 자동화되고 모든 시설 정비 규칙과 조정 방식이 체계적인 형식을 갖춘다면, 대부분의 직원들이 기본적인 지식만 갖추더라도 무방할 것이다.

            모니터링과 파견

            대략 10여 년 전에 단일 논리 구조 안에 모든 엔지니어링 서브시스템을 통합한 DCIM(Data Center Infrastructure Management) 솔루션이 출시되었다. DCIM의 최초 버전에서는 오브젝트 설계와 계획을 작성하고 문서 작업을 유지하는 것이 가능하였으나, 이제 이러한 기능들은 크게 변경되었다. 현대적 솔루션은 여러 제조업체의 장비에 내장된 모니터링 툴과 상호작용을 할 수 있으며 추가 센서, 컨트롤러, 신호 변환기, 데이터 수집 시스템과 연결될 수 있다. 대개 수집되는 정보는 랙 수준까지 포함된 데이터센터의 모든 레벨에서의 에너지 소비량, 랙과 냉각 시스템 내부 덕트의 온도 및 습도 정보, 유체 누설에 대한 데이터이다. 이것은 소기의 목적을 달성하기 위한 최소한의 요구사항이다.

            고객의 데이터센터에 DCIM이 설치되면, 고객은 모든 중요 서브시스템을 포함하며 어떤 경우에는 IT 장비까지 포함하는 통합적 모니터링 및 제어 환경을 보유하게 된다. 이것의 주요 임무는 최대 가용 자원으로부터 나오는 데이터 스트림들을 하나로 통합하는 것이다. 이러한 환경에서 정보는 실시간으로 수집되고 처리되며, 이를 통해 데이터센터의 모든 서브시스템들의 기능의 전체적인 현황을 서비스 직원에게 보여주며, 필요하다면 데이터센터의 계산 능력도 알려준다. 여기에서 우리는 DCIM의 또 다른 장점을 확인할 수 있다. 이 장점은 인간의 실수가 데이터센터 서브시스템의 퍼포먼스에 끼치는 좋지 않은 영향을 DCIM이 감소시켜 준다는 것이다.

            선택의 문제

            DCIM의 도입에는 여러가지 시나리오가 적용될 수 있지만, 가장 좋은 시나리오는 시설의 설계 단계에서 DCIM을 포함시키는 것이다. 또한 서로 다른 제조업체들이 만든 장비를 사용하는 기존의 단독형 서브시스템을 통합하는 방식도 있다. 데이터센터 설계 단계에서 솔루션을 선택하더라도 별다른 문제는 발생하지 않는다. 그리고 이러한 작업은 대개 필수적 하드웨어와 소프트웨어를 선정하는데 도움을 주는 시스템 통합자에 의해 이루어진다.

            기존에 설치된 데이터센터의 상황은 훨씬 더 복잡하다. 이 경우에는 모든 관련 부서의 대표자들이 참여하는 작업 그룹(WG)을 소집할 필요가 있다. 이러한 작업 그룹은 모니터링 대상 인프라의 모든 파라미터와 노드의 목록을 만들고 그것을 중요성의 순서대로 배열하는 작업을 수행하기 위하여 필요하다. 그 다음에 이 작업 그룹은 데이터센터 인프라의 장비가 지원하는 통신 프로토콜과 통신 수단을 조사하고 추가적으로 어떠한 센서 또는 컨트롤러를 설치해야 하는지 판단을 내려야 한다.

            이 모든 정보를 활용하면 당신은 필수적 소프트웨어 솔루션을 선정하고, 추가 장비의 목록을 작성하고, 프로젝트 예산을 정확히 계산할 수 있다. 기존 오브젝트에 DCIM을 도입하는 과정을 전부 전문가에게 아웃소싱하는 것도 매우 좋은 아이디어이다. 설계 단계에서 발생한 오류는 시스템 통합자가 내장 된 스프레드 모니터링 제공하는 서비스의 가격보다 더 많은 비용을 발생시킨다. 초기에 DCIM 시스템은 국소적으로 적용되었지만, 이제 많은 개발자들은 이것을 하나의 서비스(SaaS, 즉 서비스형 소프트웨어)로서 제공하고 있다. 그리고 이러한 방식을 통하여 자본 비용을 크게 감소시키는 것이 가능하다.

            최적화 포인트

            데이터센터의 운영비 지출 구조의 주요 항목은 바로 전기 요금이다. IT 장비와 냉각 시스템을 운영하면 많은 전기 요금이 발생한다. 그러므로 에너지 소비량을 최적화하는 것은 최우선적인 과제이다. 전력 소비량은 많은 외부적 요인과 내부적 요인들에 따라 달라진다. 예를 들어 계절의 변화를 비롯한 기후 조건은 냉각 시스템의 효율에 직접적으로 영향을 미친다. 또한 계산 장비와 텔레콤 장비에 대한 전력 부하의 피크와 드롭도 효율에 영향을 미치며, 그 밖에도 여러 가지 미묘한 차이들이 효율에 영향을 미친다. 이 모든 것을 사용자가 직접 알아내는 것을 불가능하지만 DCIM 시스템을 통해 실제 운영 통계를 축적하여 그것을 분석함으로써 시설 인프라에서 문제가 있는 부분을 식별하는 것은 가능하다.

            데이터센터에서 가장 중요한 지표 중 하나는 바로 PUE(Power Usage Effectiveness: 전력 사용 효율)이다. 이것은 IT 부하의 운영에 얼마나 많은 전력이 소비되며 냉각 장비나 UPS와 같은 보조 장비의 운영에 얼마나 많은 전력이 소비되는지 보여주고 배전 시스템에서의 전력 손실을 알려준다. 이 값은 총 에너지 소비량을 IT 장비의 소비량으로 나누어서 계산된다. 최근까지는 1.6 ~ 2.0 범위의 PUE factor가 적절한 것으로 간주되었다. 하지만 현재의 시장은 더욱 효율적인 데이터센터를 요구하므로, 1.1 ~ 1.2 범위의 값을 얻기 위한 시도가 시작되었다. 대부분 전력 소비량은 UPS의 출력과 PUD(power distribution unit)의 출력 부분에서 측정되며 IT 장비의 실제 전력 소비량도 측정된다.

            수집된 데이터를 기반으로 데이터센터의 에너지 효율을 상당히 정확하게 알아내는 것이 가능하다. 하지만 이러한 PUE 수치에는 관련된 모든 차이점들이 반영된 것은 아니다. 이 수치는 여전히 중요하지만, 이를 통해 서버의 다운타임을 판단하거나 문제가 있는 핫 스팟을 식별하는 것은 가능하지 않다. 또한 PUE를 1에 가까운 값으로 감소시키면 대개 데이터센터의 신뢰성도 감소되곤 한다. 따라서 사고 발생과 장비의 사용수명 감소로 인해 내장 된 스프레드 모니터링 에너지 절약의 효과가 상쇄될 수 있다.

            현대적인 컨트롤 시스템은 서버, 랙, 배전 장비로부터 에너지 소비량 데이터를 수집한다. 또한 각각의 소켓을 모니터링하는 것도 가능하다. 중요한 자원의 소비에 대한 통계를 이해하기 쉬운 형식으로 표시할 수 있으며, 이로 인하여 가장 많은 에너지를 소비하는 부분을 찾아내어 에너지 비용을 최적화하는 것이 더욱 쉬워진다. 또한 수동으로 제어하는 경우에 부하가 감소되는 기간을 확인하여 전력 예비율을 30% ~ 40%가 아니라 10% ~ 15%로 유지할 수 있다. 그 뿐만 아니라 이것은 상당한 절약 효과를 제공한다.

            또한 DCIM-class 솔루션은 다른 엔지니어링 서브시스템도 모니터링한다. 예를 들어 이것은 공기 흐름을 매핑하는데 도움이 되므로, 데이터센터 내에서 IT 장비 바로 다음으로 많은 전력을 사용하는 공조장치 또는 기후 조절 시스템에서 문제가 있는 부분을 찾아낼 수 있다. 또다른 중요한 장점은 심각한 상황이 발생하기 전에 문제 해결, 예방 정비, 문제점의 빠른 제거가 가능하다는 것이다. 이는 데이터센터 인프라의 신뢰성을 높일 뿐만 아니라 비용을 감소시킨다. 작은 서버 룸의 경우에 한해서는 수동 제어도 가능하지만, 서버 룸에 수십 또는 수백 개의 랙이 설치된 경우에는 DCIM의 도입이 필수적일 것이다.

            업계의 전망

            지금까지 우리는 엔지니어링 인프라에 대해서만 논하였다. 그 이유는 IT 인프라의 관리는 별도의 작업으로 간주되기 때문이다. 보통 이 작업은 DCIM과 관련이 없는 시스템을 사용하여 이루어진다. 상업적 데이터센터의 경우에 IT 장비의 작동은 고객 측이 책임져야 할 영역이다. 하지만 가상화(virtualization)와 컨버지드/하이퍼컨버지드 아키텍처의 개발은 점차 상황을 변화시키고 내장 된 스프레드 모니터링 있다. 오늘날 개발자들을 개별 물리적 디바이스에서 가상 서버의 상태를 실시간으로 모니터링할 수 있게 해주는 솔루션을 개발하고 있으며, IT 벤더들은 전력 소비량과 온도를 모니터링하기 위하여 그들이 공급하는 제품에 많은 센서를 삽입하고 있다.

            가상 환경에서의 효율적인 부하 관리 계획은 운영체제와 애플리케이션, 서버, 저장 시스템, 텔레콤 장비, 커뮤니케이션 채널, 그리고 전력, 냉각, 습도조절과 같은 물리적 자원을 비롯한 모든 측면을 다루어야 한다. DCIM 솔루션은 더 이상 대기업 데이터센터의 “전유물”이 아니다. 가까운 시일 내에 이 솔루션은 가상 플랫폼 및 IT 인프라 관리 시스템과 긴밀하게 통합될 것이다.


0 개 댓글

답장을 남겨주세요