기계 학습을 활용한 마이닝 장비의 장애 예측

초록

블록체인은 분산되고 독립적이며 개방된 공통 장부(Ledger) 관리 기술로서, POW(Proof of Work)를 따르는 블록체인은 마이닝(Mining)을 통해 트랜잭션(Transaction)과 트랜잭션의 집합인 블록(Block)을 검증하고 승인하게 된다. 이 과정에서 참여자(노드)들은 네트워크에 컴퓨터 자원을 제공하고 POW를 유지하는데 초당 수천기가 해시를 소모하게 된다. 이처럼 해시 파워의 낭비는 금전적 손실과도 결부되어 있고 POW를 따르는 블록체인 네트워크에서 마이닝은 간과할 수 없는 중요한 문제이지만, 이와 관련된 관리 시스템이나 기법에 대한 연구는 미비한 실정이다. 이에 본 논문은 새로운 관리 기법으로 기계 학습(Machine Learning)을 활용하여 마이닝 장비의 이상 상태를 예측하는 모델을 제안하였다. 예측 모델을 생성하기 위해 마이닝 장비의 센서 데이터와 로그 데이터를 수집하여 주성분 분석(PCA: Principal Component Analysis)과 서포트 벡터 머신(SVM: Support Vector Machine) 알고리즘을 이용하여 기계 학습시키고 평가하였다. 그 결과 비선형 SVM이 상대적으로 더 적합한 모델임을 보여준다. 이에 본 연구는 마이닝 장비의 작업 이상 현상을 예측할 수 있는 모델을 제시함으로 마이너 장애 감지 및 진단 시간을 단축하고, 마이닝 환경 최적화에 기여할 수 있을 것이라 기대한다.

키워드