J Appropr Technol > Volume 11(3); 2025 > Article
국제망을 이용한 참여형 AIoT 시스템 구축

Abstract

지역에 관계없는 공동·대규모 개발 환경 변화와 글로벌 협력 요구에 맞춰 한국(건국대학: 융합혁신교육센터)과 태국(PSU) 학생들이 참여하는 개발 환경을 구축했다. 또한 AI, IoT, Cloud 등 컴퓨팅 기술과 다양한 분야를 융합하는 참여형 AIoT 시스템을 제안했다. AIoT 시스템 개발 환경은 컴퓨팅 기술이 없는 학생들도 자신의 분야(로봇, 항공, 농업, 경제 등)를 기반으로 기획 및 해결 알고리즘 개발에 적극 참여하여 융합 프로젝트에 기여할 수 있는 참여형 AIoT 시스템을 제안한다.

In line with changes in the joint and large-scale development environment and global cooperation demands, we have established a development environment in which students from Korea (Konkuk University: Innovative Future Convergence Education Center) and Thailand (PSU) participate. In addition, we proposed a participatory AIoT system that combines computing technologies such as AI, IoT, and Cloud with various fields. The AIoT system development environment proposes a participatory AIoT system that allows students without computing technology to contribute to convergence projects by actively participating in the development of planning and solving algorithms based on their fields (robot, aviation, agriculture, economy, etc.).

서론

AIoT는 3차 산업혁명의 정보기술을 기반으로 인공지능, 네트워크, 사물인터넷, 애플리케이션, 데이터, 클라우드 컴퓨팅 그리고 엣지 컴퓨팅 등을 요소 기술로 활용하여, 정보와 지능의 형태로 사물에 적용될 수 있게 하는 융합기술의 특성을 갖고 있다. 또한 AIoT는 “어떤 문제를 해결하거나 목표를 달성하기 위해 인공지능을 개발하여 물리적 사물, 디지털 사물 그리고 생물학적 존재에 탑재 또는 융합하고 활용하는데 필요한 인공지능 융합기술”로 정의할 수 있다. 새롭게 정의한 AIoT에 대하여 이해하고, 그 요소기술과 로봇, AR, VR, 3D 프린팅, 블록체인, 디지털 트윈, 메타버스 등의 활용기술들을 이용하여 이전의 문제를 새롭게 해석하고 더 적극적으로 새로운 목적을 설정할 수 있다. 또한 스마트 홈, 스마트 그리드, 스마트 시티, 스마트 팩토리 등 스마트X(SmartX) 에코시스템의 기술적·사회적 발전으로 사회 인프라의 편의성과 효율성, 지능화가 극대화될 수 있었다. 이러한 변화의 중심에는 단연 사물인터넷(IoT, Internet of Things)이라 할 수 있다. 공공·민간·국방·교육 등 다양한 산업 분야에서 발생하는 공간, 위치, 온도, 초음파 등의 변동정보를 수집하여 저장, 처리, 공유, 활용할 수 있는 초연결 생태계가 조성되었다. 센싱 기술의 높은 기술 성숙도와 표준화를 통해 사회 인프라 전반의 보편화 및 자동화가 가능해지면서 사물인터넷 시장의 급격한 성장의 촉매제가 되었다. 현재는 클라우드, 블록체인, 인공지능, 디지털 트윈, 5G/6G 등의 신기술이 결합된 자율형 IoT를 지향하고 있다. 자율형 IoT로의 기술발전은 단순 데이터 수집 형태를 벗어나 데이터를 통한 업무 효율화 및 자동화로 인한 의사결정을 목적으로 하고 있다. 따라서 IoT를 통해 새로운 관점의 인사이트를 도출하기 위해서는 인공지능이 결합된 AIoT기술이 필수적이다. 이에 따라서 참여형 AIoT 시스템을 KOREN에 적용하여 다양하게 분포되어 있는 컴퓨팅 자원을 SDN을 연결하여 개발자가 개발하기 편리하게 컴퓨팅 자원을 재구성했다. 참여형 AIoT 시스템은 컴퓨팅자원이 부족한 연구기관 및 국가에서 SDN 네트워크만 접속할 경우 다양한 개발 환경을 만들어 줄 수 있기 때문에 대규모 개발에 효과적이다. 참여형 AIoT 시스템을 통하여 한국-태국 대학생들 간의 공동개발 시스템을 소개하려 한다.

관련연구

AIoT는 사물인터넷(IoT)을 통해 다양한 사물(센서, 장비, 가전 등)이 네트워크에 연결되어 데이터를 수집하고 이는 방대한 데이터를 인공지능(AI)이 분석, 학습 및 처리하여 스스로 판단하고 스마트하게 상호작용할 수 있도록 하는 기술을 말한다. 기존 IoT가 단순히 사물을 연결하고 데이터를 주고받는 데 초점을 맞췄다면, AIoT는 여기에 AI의 지능적인 의사결정 및 자동화 역량을 접목하여 시스템을 더욱 효율적이고 자율적으로 만든다. 인간의 개입 없이도 주변 환경 변화에 대응하거나, 사용자의 습관을 학습하여 최적화된 서비스를 제공하는 등 생산성 향상과 편리한 서비스 제공이 가능해 졌다.

1. AIoT 플랫폼 및 아키텍처

AIoT는 기존의 연결형 IoT에서 사물이 스스로 지능을 갖는 지능형 IoT나 자율형 IoT로 발전하는 단계에 있습니다. 이러한 발전은 대규모 데이터 분석을 통한 통찰(insight)을 필요하다.
- 분산형 데이터 운영 모델: 대규모 데이터를 수집, 가공 및 활용하기 위해 중앙 집중형 모델(클라우드 데이터센터 등)이 아닌 분산형 데이터 운영 모델의 구현이 필수적이며, 이는 서비스 지연 및 대역폭 문제 등을 최소화 하는 데 중요하다.
- 엣지 컴퓨팅(Edge Computing): 분산형 데이터 운영 모델을 구현하는 핵심 기술로, IoT 기기와 클라우드 서버 사이에 엣지 컴퓨팅 서버를 위치시켜 실시간 데이터 분석 및 처리, 서비스 지연 및 대역폭 문제 최소화를 목표로 하는 연구가 중요하다.
- AIoT 플랫폼 계층 구조: IoT 디바이스(프런트엔드), 엣지 라우터, IoT 클라우드 서버(백엔드)의 3계층 구조가 일반적이며, 시간 민감성(time-sensitive)이 요구되는 애플리케이션(예: 자율 주행 차량, 디지털 트윈)을 위해 IoT 디바이스에 로컬 의사 결정 능력(local decision-making capability)을 부여하는 AIoT 장치 구현이 강조된다.

2. 하드웨어 및 펌웨어 기술 개발

저전력 및 저비용 AIoT/IIoT/IoT 장치를 구현하기 위한 하드웨어 및 펌웨어 기술 개발 연구가 활발할 게 진행되고 있다.
- 저전력 MCU 및 SoC: ARM-M, ARM-A 기반 MCU IP가 지배적이지만, 오픈 소스 RISC-V IP 기반의 새로운 마이크로컨트롤러 포트폴리오 연구가 증가하고 있습니다. 또한, Sub-threshold 기술 (예: Ambiq SPOT) 및 MRAM 기반 MCU를 사용하여 전력 소비를 최소화하면서 리소스(메모리, 컴퓨팅 파워)를 증가시키는 연구도 진행 중에 있다.
- 센서 기술: MEMS/NEMS 기술을 활용하여 저비용, 저전력 소비, 소형 폼 팩터의 센서 구현이 가장 유망하며, CMOS 회로와 MEMS/NEMS 센서를 동일 기판에 통합하여 전력 소비, 비용, 폼 팩터를 줄이는 연구가 주목받고 있습니다.
- 펌웨어 및 통신 프로토콜: 실시간 다중 작업을 위한 마이크로커널 및 나노커널 기반 운영 체제(예: FreeRTOS, Zephyr) 연구가 중요하며 , IoT 장치의 상호 운용성을 위한 표준화된 통신 프로토콜 스택(예: OpenThread ) 및 애플리케이션 계층 프로토콜(예: Matter ) 채택 연구가 진행되고 있다.

3. AI/ML 모델 및 프레임워크 최적화

자원 제약적인 AIoT 장치에 딥러닝 기능을 효율적으로 통합하는 연구가 핵심이다.
- TinyML (Tiny Machine Learning): 초저전력(mW 이하)으로 딥러닝 모델을 실행하는 기술로, TensorFlow Lite for microcontroller와 같은 프레임워크를 사용하여 훈련된 모델의 메모리 풋프린트와 계산량을 최적화하는(예: float32를 int8로 양자화) 연구가 주가 된다.
- 신경 형태 컴퓨팅(Neuromorphic Computing): 인간의 뇌기능을 모방한 비폰 노이만(von Neumann) 아키텍처를 사용하여 에너지 효율적인 인지 작업(딥러닝)을 수행하는 연구입니다. 스파이킹 신경망(SNN) 및 인메모리 컴퓨팅(IMC)을 활용하여 초저전력 AIoT 장치를 구현하는 것을 목표로 하고 있다.

4. 응용 분야별 AIoT 시스템 구현 연구

AIoT는 다양한 산업 및 생활 영역에 적용되어 실제 문제를 해결하는 시스템 구축 연구가 진행 중에 있다.
- 스마트 홈/건물 모니터링: Triboelectric Nanogenerator(TENG) 기반 센서와 딥러닝(DL)을 결합하여 카메라 없이도 사용자의 위치/경로 추적 및 신원 인식을 동시에 수행하는 스마트 플로어 모니터링 시스템 연구가 대표적이다. 이는 주변 환경 변화 및 작동 방식에 영향을 받지 않는 신뢰성 높은 감지 능력을 제공한다.
- 원격 상호 작용 및 로봇: TENG/PVDF 센서가 통합된 소프트 로봇 매니퓰레이터를 개발하여 접촉 위치, 면적, 변형(strain), 온도를 감지하고, 이를 딥러닝으로 분석하여 객체 인식 및 가상 상점(virtual shop)에서 실시간 피드백을 제공하는 등 디지털 트윈 기반의 원격 상호 작용 시스템 연구가 이루어진다.
농업 및 헬스케어: CNN 딥러닝 알고리즘을 MCU에 내장하여 딸기 잎 질병을 실시간으로 감지하는 AIoT 장치 구현 가능성 연구나 , 웨어러블 및 E-textile 형태의 AIoT 시스템을 이용한 신체/생리적 모니터링, 직관적인 제어, 헬스케어 등의 연구도 활발하다.

연구 방법

1. 국제망에서 AIoT 시스템 구축

KOREN/TEIN 기반의 AIoT 시스템 구축은 SDN, Cloud, IoT, AI 4개의 분야로 나눠 시스템을 구축했다. 먼저 차세대 네트워크(SDN)을 중심으로 Cloud를 구축했으며 Cloud는 Openstack, Kubernetes를 구축 했다. IoT시스템에서는 고정센서, 스마트이동체를 설치 후에 측정 센서 데이터와 스마트이동체의 제어 데이터만 전송하는 것을 확인 했다.

1.1 Software defined networking(SDN) 시스템 구축

AIoT 시스템에서 SDN은 하드웨어 및 인프라를 연결하는 역할을 담당한다. 또한 각나라의 Cloud와 인프라를 연결하는 역할도 같이 했다. 따라서 한국(건국대학교, ETRI)과 태국(PSU) 간에 국제망(KOREN-TEIN-ThaiREN)으로 연결되어 있는 구간을 SDN Controller, Open vSwitch(OVS)를 이용하여 SDN 환경으로 재구축 했다. 무선 SDN 구축은 WiFi, Zigbee, LoRa 3가지 IoT 통신 방식을 사용하는 통합 OVS를 구축하여 IoT 디바이스와 센서들 간의 통신을 가능하게 구축했다.
KOREN기반 SDN 구축은 판교 POP에 있는 OVS와 건국대학교 OVS를 서로 연결 했다. 먼저 판교 POP에 OVS 설치 및 테스트를 진행했으며 건국대학교에서도 동일하게 OVS 설치 및 자체 테스트를 진행했다. 연결 구간은 건국대학교 OVS 부터 판교 POP OVS 까지 이며 각각 Ping 테스트와 스트리밍 전송을 통하여 SDN 성능 측정도 함께 진행 했다. 대전 SDN 구축은 대전 KOREN-POP, ETRI에 각각 OVS 설치 및 자체 테스트를 진행했다. 자체 테스트 이후 ETRIOVS와 대전-PoP OVS 연결 테스트를 진행했다. 연결 테스트는 Ping 테스트와 24시간 스트리밍 테스트를 진행하여 안정성 확보했다. 대전의 SDN 연결 테스트가 끝난 후에는 대전 POP OVS와 판교-POP OVS를 연결 후에 OVS 데이터 영역에서 Ping 테스트와 스트리밍 테스트를 진행하여 성능 평가를 진행하였다. 마지막으로 건국대학교에 있는 SDN 컨트롤러에 등록 확인함으로써 건국대학교 OVS부터 ETRI-OVS까지 연결 확인 했으며 판교, 대전 연결도 확인 했다. 서울 KOREN-POP도 동일하게 OVS를 설치 후 연결 자체 테스트를 진행하였다. 설치된 서울 POP OVS와 판교, 대전, 건국대학교의 OVS를 서로 연결 후에 ONOS에 등록 했다. ONOS 등록 후 연결 테스트를 위하여 Ping, 스트리밍 테스트를 진행하여 안정성을 확보했다.
태국 PSU SDN 구축은 OVS 설치 후에 연결 테스트를 진행하였다. PSU는 태국의 연구망을 사용하고 있어 KOREN과 태국의 ThaiREN 연결은 네트워크 대역폭의 차이로 네트워크 QoS를 보장하기 힘든 문제점이 발생하였다. 따라서 SDN의 OVS 이중화를 진행 하였고 SDN Controller의 제어패킷의 안정적 전송이 어려움에 따라서 클러스터 SDN Controller를 적용하였다. 이는 서로의 SDN을 독립적으로 운영하지만 데이터 전송에서는 SDN Controller의 정보 공유로 OVS 간의 데이터 전송을 할 수 있게 구성했다.

2. Cloud 시스템 구축

AIoT 시스템의 Cloud는 다양한 개발 환경을 고려하여 IaaS와 PaaS 모두를 사용할 수 있게 Cloud 시스템을 설계했다. IaaS는 Openstack을 사용하였으며 PaaS는 Kubernetes 적용 했다. 서로 다른 형태의 Cloud는 SDN을 중심으로 독립적으로 구축 및 운영을 하고 있으며 개발자가 개발환경에 맞게 선택적으로 IaaS 또는 PaaS를 선택적으로 사용할 수 있게 했다.
기존의 OPENSTACK은 AI를 지원하는 노드가 없으나 IoT, AI, OpenCV 등 인공지능 연산이 필요하기 때문에 AI 처리 노드를 추가로 설치했다. Kubernetes는 PaaS의 Cloud이기 때문에 AI 서버를 적용하기에는 힘든 부분이 있으나 IaaS의 Cloud는 하드웨어 제어 까지 담당하기 때문에 쉽게 연결해서 사용이 가능하다. 그러므로 AIoT 시스템에서는 AI에 관련해서는 Openstack의 AI노드가 별도로 처리할 수 있게 시스템을 설계했다.
태국 Cloud의 네트워크 연결은 KOREN의 서울 POP OVS 에서 태국의 PSU OVS를 서로 연결된 상태에서 태국 Openstack을 구축했다. 1개의 컨트롤 노드와 2개의 컴퓨터 노드로 구성을 했다. 태국의 Cloud는 서비스의 목적이 아닌 예비 Cloud로 구성하였으며 기본적으로 건국대학교 Cloud가 마스터 이며 컴퓨팅자원이 많이 필요한 것은 건국대학교 Cloud가 처리하고 실시간성이 필요한 가상 머신은 태국의 Cloud가 처리하는 방향으로 시스템을 설계했다. 태국의 Cloud의 내부 네트워크는 10Gbps이며 외부로 나가는 네트워크는 1Gbps로 Cloud를 구성했다.

3. IoT 시스템 설계

IoT 시스템은 센서 데이터를 수집하는 IoT 디바이스와 센서가 실제 데이터를 측정하는 측정 부로 나누어 구축한다. 먼저 IoT 디바이스 부분은 데이터의 수집과 전달을 담당하게 된다. 서버로 데이터를 보내는 것은 대용량 데이터를 고속으로 전송하기 때문에 유선 네트워크로 구성하였으며 다수의 센서들이 측정된 데이터를 전송할 때는 무선으로 사용하도록 구성하였다. 무선은 5G, SDN-WiFi를 사용하여 데이터 수집을 진행하였다. 센서의 측정 부는 실제 센서가 측정하는 부분이기 때문에 다양한 센서의 적용이 가능하게 모듈화 하여 사용자의 접근을 쉽게 구성했다. 측정된 IoT 데이터는 OPENSTACK의 Hadoop의 DB에 저장 되며 사용자는 원하는 데이터를 찾아 사용하기 쉽게 구성했다. 또한 Hadoop을 통하여 필요한 데이터를 빠르게 AI 알고리즘을 적용할 수 있게 AI 알고리즘의 모듈화도 함께 만들고 있다. 하드웨어 측면에서의 IoT 시스템은 크게 두 종류로 분류하여 시스템 설계를 했다. 첫째는 고정 센서 시스템이고 둘째는 스마트 무인이동체 시스템이다. 고정 센서는 다리나, 건물, 대기질 오염도 측정 등 계속적 측정이 필요한 곳에 센서를 설치 후에 데이터 값을 받는 시스템을 말한다. 스마트 무인이동체는 드론, 로봇, 자율주행처럼 무인으로 이동하는 장치를 제어 및 행동 명령을 내리는 시스템을 말한다. 고정센서 시스템에서 측정된 데이터는 Cloud 내의 Hadoop으로 전송되어 저장되며 필요한 사용자가 있으면 Hadoop에서 받아서 사용할 수 있게 공개 데이터 형태로 제공한다.
무인 이동체 시스템은 드론이나 로봇처럼 제어 및 필요한 코드를 Cloud 올리고 Cloud에서 이동체에게 명령을 내리는 형태로 시스템을 구성 했다. Cloud 내에서 개발을 하게 되면 CI/CD가 가능하며 개발 중에 컨테이너 및 인스턴스를 이미지화 하여 다수의 개발자가 개발 할 수 있으며 필요에 따라서는 다음 개발자가 동일한 개발 환경을 이어 받아서 개발할 수 있게 하는 목적도 있다.

4. AIoT 인프라

AI 인프라 구축은 AI에 사용하는 기본적인 알고리즘을 도커-컨테이너 형태로 이미지를 만들어 도커 허브에 저장하도록 구성했다. 사용자가 원하는 AI 알고리즘이 있을 경우 Kubernetes에서 활성화 시킨 후에 Kubernetes에서 연산 부족이 생기는 경우 Openstack 안에 있는 AI 노드의 Kubernetes에 컨테이너를 전송하여 GPU 지원받는 Openstack 노드에서 활성화 하여 실행함으로써 Kubernetes의 AI 연산을 지원하게 설계하였다. AI 서버의 컨트롤은 Openstack에서 맡아 필요시 컨테이너 교환으로 Kubernetes에서도 AI 연산이 가능하게 설계했으며 AI 자원을 분산되거나 사용할 수 없는 Cloud 서비스가 없도록 시스템을 구성했다.

5. 참여형 AIoT 교육 및 개발 도구

참여형 AIoT는 누구나 참여할 수 있게 교육 또는 개발환경을 제공하여 혼자 또는 팀 단위로 다양한 프로젝트에 참여하여 개인의 실력을 높이는 것을 목표로 하고 있다. 참여형 AIoT 교육에서는 오픈소스 활용을 위하여 오픈소스 설치 영상 및 자료 제공과 온라인 교육 자료를 제작하여 배포하여 혼자서 오픈소스를 설치 및 개발을 할 수 있도록 제공해주고 있다. 또한 AIoT 개발도구로는 Jitsi과 Gitlab을 Cloud 환경에서 설치하여 사용하고 있다. Jitsi은 온라인 회의에 사용하는 어플리케이션이 있으며 태국 학생들과 한국 학생들간의 프로젝트 토론에 사용한고 있다. Gitlab은 개발 일정 및 개발 코드를 CI/CD에 사용하는 어플리케이션으로 개발하는 학생들이 서로 파트를 맡아 개발 한 후에 코드를 취합하거나 배포 및 프로젝트 일정 관리에 사용한다. Gitlab의 경우 주 프로젝트 배포 및 참여 의사를 물어 볼 때도 사용하고 있다. 도커 허브를 운영하고 있으며 개인들이 만든 컨터에너 이미지를 모아두는 곳으로 필요한 개발 환경이 있을 경우 도커 허브에서 찾아 개발환경을 만드는 역할을 한다.
참여형 AIoT 시스템은 다양하게 분포되어 있는 컴퓨팅 자원을 SDN을 연결하여 개발자가 개발하기 편리하게 컴퓨팅 자원을 재구성했다. 참여형 AIoT 시스템은 컴퓨팅자원이 부족한 연구기관 및 국가에서 SDN 네트워크만 접속할 경우 다양한 개발 환경을 만들어 줄 수 있기 때문에 대규모 개발에 효과적이다. 본 논문에서는 한국-태국 대학생을 대상으로 진행 하였으면 향후에는 여러 나라의 대학생들이 모여 대규모 공동개발을 진행할 경우 다양한 영역에서의 개발과 많은 데이터들이 모일 것이라 생각된다. 현재는 한국-태국 학생들은 스마트팜이라는 공동 프로젝트를 진행하고 있으며 향후에는 AI 무인 물류 관리 시스템, 스마트 공장으로 프로젝트를 확대하여 진행할 방침이다.

결론

현재는 한국-태국 간의 AIoT를 이용하여 참여형 AIoT 시스템를 운영 중에 있다. 건국대학교 특성화 과목인 AIoT 활용에 참여형 AIoT 시스템을 활용하고 있다. AIoT 시스템에서는 필요한 개발 환경 및 개발 내용을 학생들에게 제시고 학생들은 원하는 분야를 선택하여 개발을 진행하고 있다. 한국/태국 학생들은 개발이 완료되면 Gitlab에 소스코드를 올려놓으면 교수나 개발자의 승인 후에 본 프로젝트에 적용되는 방식으로 운영하고 있다. 또한 기술적 내용은 Gitlab을 이용하며 학생들 간의 토론은 화상회의를 통하여 진행하고 있다. 교수나 개발자는 개발 조언과 개발 방향을 제시하고 직접 개발은 한국/태국 학생들이 서로 의견 교환을 통해 필요한 부분을 협동하여 개발하고 있다. 현재 진행 중인 프로젝트는 국제망에서의 AIoT 스마트팜 구축이며 스마트팜 구축은 로봇, 항공, 농업, 컴퓨터 등 다양한 분야가 제공되어야 하기 때문에 융합을 목표로 하고 있다. 향후에는 다양한 분야에 적용할 계획이다.

Figure 1.
Korea/Thailand International Research Network Integration System
jat-2025-00752f1.jpg
Figure 2.
ONOS, 10Gbps OVS, and OVS configurations installed in PoP in Seoul
jat-2025-00752f2.jpg
Figure 3.
Cloud (Openstack, Kubernetes) systems in SDN environments
jat-2025-00752f3.jpg
Figure 4.
Konkuk University 10Gbps-Openstack Hardware
jat-2025-00752f4.jpg
Figure 5.
Fixed Measurement Sensor
jat-2025-00752f5.jpg
Figure 6.
Smart Unmanned Vehicle System
jat-2025-00752f6.jpg
Figure 7.
Apply AI systems in Cloud (Openstack, Kubernetes)
jat-2025-00752f7.jpg
Figure 8.
Development Environment Using Gitlab, Docker-Hub
jat-2025-00752f8.jpg

References

Cai, Y., Starly, B., Cohen, P., Lee, Y. S. (2017). Procedia Manuf. 10, 1031.
Chol, S., Ryu, M., Jin, N., and Kim, J. (2014). Internet of Things platform and service trends. Information and Communications Magazine, 31(4), pp. 20-27.
Duarte, P., Costa e Silva, S., Ferreira, M. B. (2018). J. Retail. Consum. Serv. 44, 161.
Kim, U., Yu, S., Lee, J., Cho, S., and Kim, J. (2024). Design and Implementation of Convenience System Based on IoT, J. of the Korea Institute of Electronic Communication Sciences, 19(1), pp. 165-171. https://doi.org/10.13067/JKIECS.2024.19.1.165.
crossref
NVIDIA KOREA, “What is edge computing?,” Report, 2021.
Qazi, S., Khawaja, B., and Farooq, Q. (2022). IoT-Equipped and AI-Enabled Next Generation Smart Agriculture: A Critical Review, Current Challenges and Future Trends. Institute of Electrical and Electronics Engineers, 10, pp. 21219-21235. https://doi.org/10.1109/ACCESS.2022.3152544.
crossref
Ryu, D., Kang, Y., and Choi, T. (2023). Development of IoTbased Can Compactor/PET Bottle Crusher Management System, J. of the Korea Institute of Electronic Communication Sciences, 18(6), pp. 1239-1244. https://doi.org/10.13067/JKIECS.2023.18.6.1239.
crossref
Seo, J. (2019). Evolution into an intelligent Internet of Things network, National Information Society Agency, AI Network Lab INSIHT, 3.
Trancossi, M., Cannistraro, M., Pascoa, J. (2018). Math. Modell. Eng. Probl. 5, 303.
B&R Industrial Automation, “Smart factory: Industry 4.0,” 2016.
IEEE 802.15.4e-2012, “IEEE standard for local and metropolitan area networks-Part 15.4: Low-rate wireless personal area networks(LRWPANs), amendment 1: MAC sublayer,” Apr. 2012.
TOOLS
METRICS Graph View
  • 0 Crossref
  •  0 Scopus
  • 249 View
  • 8 Download
Related articles


ABOUT
BROWSE ARTICLES
EDITORIAL POLICY
FOR CONTRIBUTORS
Editorial Office
5F, 109-ho, 39, Seocho-daero 77-gil, Seocho-gu, Seoul, Republic of Korea
Tel: +82-31-206-0226    E-mail: editor.ejat@gmail.com                

Copyright © 2026 by Academic Society for Appropriate Technology.

Developed in M2PI

Close layer
prev next