로봇 데이터 관리

• 로봇은 운영하는 내내 데이터를 쏟아냄 — 센서 스트림, 로그, 지도, 작업 실적, 훈련 데이터셋
• 이 데이터는 모니터링·학습·예지보전의 원료 → 수집부터 폐기까지의 생애주기 전체를 체계적으로 관리 필요
• 시험 출제 포인트: 데이터 생애주기, 저장소 유형(RDB·NoSQL·시계열 DB)의 선택 기준, 빅데이터의 3V, 백업 방식(전체·증분·차등)의 비교, 개인정보 보호(비식별화)

로봇이 만들어 내는 데이터의 종류

데이터 생애주기(Data Lifecycle)

수집 → 저장 → 처리·분석 → 활용 → 보관(아카이브) → 폐기

• 수집(Collection): 무엇을, 얼마나 자주, 어떤 품질로 모을지 정의 — 전부 모으면 저장·통신이 폭발하므로 목적 기반 선별이 원칙 (→ 수집 방식은 로봇 모니터링 프로그램)
• 저장(Storage): 데이터 성격에 맞는 저장소 선택 (아래 절)
• 처리·분석(Processing): 정제·변환 후 통계·학습에 사용
• 활용(Use): 모니터링, 예지보전, 훈련, 디지털 트윈
• 보관(Archive): 자주 안 쓰는 데이터를 저비용 저장소로 이동 (콜드 스토리지)
• 폐기(Disposal): 보존 기한이 지난 데이터의 안전한 삭제 — 개인정보는 법적 의무

저장소의 선택 — RDB, NoSQL, 시계열 DB, 오브젝트 스토리지

빅데이터의 3V (+5V)

• Volume(규모): 방대한 양 — 로봇 한 대가 하루 수백 GB의 센서 데이터 생성 가능
• Velocity(속도): 빠른 생성·처리 속도 — 실시간 스트림
• Variety(다양성): 정형(테이블) + 반정형(로그·JSON) + 비정형(영상·음성) 혼재
• 확장: Veracity(정확성·신뢰성), Value(가치) 를 더해 5V

데이터 품질과 전처리

분석·학습의 성패는 데이터 품질이 좌우한다 — GIGO(Garbage In, Garbage Out).

• 결측치(Missing Value) 처리: 통신 끊김 등으로 빠진 값 — 제거하거나 보간으로 채움
• 이상치(Outlier) 처리: 센서 오류로 튄 값 — 탐지 후 제거·보정 (분석 대상인 "진짜 이상"과 구별 주의)
• 정규화·표준화: 단위·범위가 다른 값들을 비교 가능한 스케일로 변환
• 라벨링(Labeling): 학습용 데이터에 정답 표기 — 품질 관리가 학습 성능을 결정 (→ 인지지능 알고리즘 설계)

백업(Backup) — 전체 · 증분 · 차등

장애·실수·랜섬웨어로부터 데이터를 지키는 마지막 방어선이다. 세 방식의 비교가 시험 포인트.

• 3-2-1 규칙: 데이터를 3벌 보관, 2가지 다른 매체에, 1벌은 원격지(오프사이트)에
• 백업은 복원 시험을 해봐야 완성이다 — 복원 안 되는 백업은 백업이 아니다

개인정보 보호 — 로봇 데이터의 법적 관리

로봇의 카메라·마이크가 수집하는 얼굴·음성·위치는 개인정보다. 개인정보보호법의 원칙을 지켜야 한다.

• 수집 최소화: 목적에 필요한 최소한만 수집, 수집 사실 고지·동의
• 비식별화(De-identification): 익명처리(Anonymization) — 누구인지 복원 불가능하게 (얼굴 블러링 등) / 가명처리(Pseudonymization) — 식별자를 가명으로 대체, 추가 정보와 결합하면 재식별 가능하므로 분리 보관
• 접근 통제·암호화: 권한자만 접근, 저장·전송 암호화 (→ 로봇 보안)
• 보존 기한·파기: 목적 달성 후 지체 없이 파기

로봇 데이터 생애주기와 저장소

graph LR
    C["수집
선별·타임스탬프"] --> S["저장"]
    S --> P["처리·분석
정제·라벨링"]
    P --> U["활용
모니터링·훈련·예지보전"]
    U --> A["보관
콜드 스토리지"]
    A --> D["폐기
기한 경과 시 안전 삭제"]
    S -.- DB1[("RDB
실적·설정")]
    S -.- DB2[("시계열 DB
상태 스트림")]
    S -.- DB3[("NoSQL
이벤트·메타")]
    S -.- DB4[("오브젝트
영상·지도·모델")]

백업 방식의 비교 (일요일 전체 백업 후)

graph TD
    subgraph INC["증분 백업 — 직전 백업 이후 변경분"]
        I0["일: 전체"] --> I1["월: 월요일 변경분"] --> I2["화: 화요일 변경분"] --> I3["수: 수요일 변경분"]
        IR["수요일 복원 = 전체 + 월 + 화 + 수 (모두 필요)"]
    end
    subgraph DIF["차등 백업 — 마지막 전체 이후 변경분"]
        D0["일: 전체"] --> D1["월: 일∼월 변경분"] --> D2["화: 일∼화 변경분"] --> D3["수: 일∼수 변경분"]
        DR["수요일 복원 = 전체 + 수요일 차등 1개"]
    end

1. 로봇 상태(관절 전류·온도)의 초당 수백 건 주기 데이터를 저장하고 시간 구간 질의·다운샘플링을 효율적으로 하려 한다. 가장 적합한 저장소는?

① 관계형 DB ② 시계열 데이터베이스 ③ 텍스트 파일 1개에 계속 추가 ④ 스프레드시트

2. 빅데이터의 3V에 해당하지 않는 것은?

① Volume — 방대한 규모 ② Velocity — 빠른 생성·처리 속도 ③ Variety — 정형·비정형의 다양성 ④ Visibility — 화면 표시 품질

3. 일요일에 전체 백업을 하고 평일에는 직전 백업 이후의 변경분만 백업했다. 수요일 데이터 유실 시 복원에 필요한 것은?

① 수요일 백업 1개 ② 전체 백업 + 수요일 백업 ③ 전체 백업 + 월·화·수 백업 모두 ④ 복원이 불가능하다

4. 안내 로봇이 수집한 얼굴 영상 데이터의 관리로 적절하지 않은 것은?

① 수집 목적에 필요한 최소한만 수집하고 수집 사실을 고지한다 ② 얼굴을 블러링하는 등 비식별화 처리를 한다 ③ 접근 권한을 통제하고 저장·전송 시 암호화한다 ④ 목적 달성 후에도 언젠가 쓸 수 있으니 무기한 원본을 보관한다

5. 가명처리(Pseudonymization)에 대한 설명으로 옳은 것은?

① 어떤 방법으로도 재식별이 불가능한 상태다 ② 식별자를 가명으로 대체한 것으로, 추가 정보와 결합하면 재식별될 수 있어 분리 보관이 필요하다 ③ 데이터를 완전히 삭제하는 것을 말한다 ④ 암호화와 완전히 같은 개념이다

• 로봇 훈련 프로그램 — 데이터가 원료가 되는 훈련 파이프라인
• 로봇 모니터링 프로그램 — 데이터의 수집·시계열 저장
• 로봇 보안 — 데이터 암호화·접근 통제
• 동기화 프로그램 — 로봇-서버 데이터 동기화
• 로봇과 ICT 융합 — 빅데이터·클라우드 활용의 큰 그림
• _MOC 로봇운영소프트웨어