IoT & Edge Physics Dynamics

Overview

IoT 및 엣지 물리 동학(IoT & Edge Physics Dynamics, IEP)은 수십억 개의 기기가 네트워크에 연결되어 물리적 세계와 디지털 세계를 실시간으로 동기화하는 초연결 지능형 인프라를 다룹니다.

IoT는 '현장의 컴퓨팅'입니다. 학습자는 물리 현상(온도, 압력, 가속도)을 전기 신호화하는 센서 인터페이스부터, 좁은 대역폭에서 효과적으로 동작하는 전송 규약(MQTT), 그리고 지연 시간(Latency) 최소화를 위해 데이터 발생지 근처에서 직접 연산하는 엣지(Edge) 아키텍처를 배웁니다. 이를 통해 단순히 "연결된 장치"를 넘어, 저전력·고신뢰 조건하에서 자율적으로 기동하는 거대 물리 시스템을 구축합니다.

Scope & Boundaries

In-Scope

엣지 단말 물리: MCU 기반 설계, RTOS(Real-Time OS), 저전력 전원 관리(Low Power)
통신 및 프로토콜: MQTT(Publish/Subscribe), CoAP, LoRaWAN, BLE 전송 물리학
엣지 네트워크: 게이트웨이 아키텍처, 안개 컴퓨팅(Fog Computing), 로컬 통신 메시(Mesh)
데이터 처리 물리: 실시간 스트림 처리, 엣지 AI(On-device AI) 인퍼런스, 데이터 압축

Out-of-Scope

일반적인 클라우드 중앙 서버의 대용량 DB 저장 (06. Data Management 영역으로 위임)
산업용 로봇의 팔 제어 등 구체적 모터 제어 (14.03 Robotics 영역으로 위임)
홈 오토메이션의 단순 앱 UI 사용법 (HCI 보조 영역)

Boundaries

IEP vs. Cloud: Cloud-Native(07.07)가 '중앙 집중식 안정성'을 추구한다면, IEP는 '분산된 현장에서의 즉각성과 생존성'에 집중합니다.

Counterexample

단순히 "스마트 플러그를 앱으로 켠다"는 것은 IEP 학습이 아닙니다. 왜 MQTT가 오버헤드를 줄이기 위해 바이너리 헤더를 물리적으로 어떻게 유지하는지, 그리고 배터리로 구동되는 단말이 Deep Sleep 모드에서 어떻게 물리적 전력 소모를 최적화하며 주기적으로 깨어나는지를 시스템적으로 입증해야 합니다.

Prerequisites

컴퓨터 아키텍처 및 하드웨어 (Basic): 레지스터, 인터럽트, I/O 포트에 대한 지식이 필요합니다. (02.01 CA context)
네트워크 기초 (Recommended): TCP/UDP 및 패킷 오버헤드의 개념을 알면 좋습니다. (08.01 NOS)

Learning Map

Signal Capture: 현실의 물리적 변화를 0.1v의 전압차나 저항 변화로 잡아내는 센서 물리 레이어를 이해합니다.
Local Reasoning: 중앙 서버의 명령을 기다리지 않고 단말 스스로 상황을 판단하는 엣지 연산 능력을 구축합니다.
Lean Messaging: 끊기기 쉬운 무선 환경에서 최소한의 비트로 정보를 끝까지 전달하는 통신 경로를 설계합니다.
Swarm Dynamics: 수만 개의 기기가 거대한 무리를 이루어 데이터의 강물을 만들 때 발생하는 트래픽 물리 병목을 관리합니다.

Learning Topics

Basic

임베디드 기초: MCU(Arduino, ESP32)와 센서 간의 물리적 연결(I2C, SPI, UART)
IoT 통신 레이어: Wi-Fi vs Zigbee vs Bluetooth의 물리적 도달 거리와 전력 특성
MQTT 입문: Broker-Client 구조 위에서 메시지가 물리적으로 배달되는 순서(QoS)

엣지 컴퓨팅 아키텍처: 클라우드의 기능을 현장 단말로 물리적으로 하사(Offloading)하는 법
RTOS와 실시간성: 정해진 시간 내에 작업을 반드시 마쳐야 하는 물리적 제약 조건 관리
저전력 프로토콜: 배터리 수명을 5년 이상 유지하기 위한 통신 윈도우(Slotted Aloha) 물리

Practical

센서 데이터 정제: 노이즈 섞인 물리 신호를 칼만 필터(Kalman) 등으로 보정하는 실무
OTA (Over-the-Air) 업데이트: 수천 대의 기기에 펌웨어를 물리적으로 안전하게 원격 배포하는 기술
엣지 AI 구현: TensorFlow Lite 등을 이용해 마이크로콘트롤러에서 물리적 추론 실행

Advanced

디지털 트윈 (Digital Twin): 실제 물리 자산의 상태를 실시간 연동하여 가상 공간에 복제하는 동기화 기술
IoT 보안 및 Identity: 기기마다 고유한 물리적 복제 방지 기능(PUF)을 이용한 신뢰 구축
대규모 기기 관리 (LwM2M): 수백만 대의 단말 상태를 효율적으로 원기 모니터링하고 제어하는 물리 인프라

Terminology

Term (EN / ko)	1문장 정의	단계	역할	관련 개념	Evidence
MQTT	지연시간이 길고 불안정한 네트워크 환경에 최적화된 가벼운 메시징 프로토콜입니다.	기본	전송	Pub/Sub, Broker	Industry Standard
Edge Computing	데이터가 생성되는 물리적 장치 근처에서 연산을 수행하여 지연과 비용을 줄이는 기술입니다.	실무	최적	Latency, Local, Hub	CS2023/Architecture
Sensor Physics	현실의 물리량(온도, 빛 등)을 기계가 읽을 수 있는 전기 신호로 물리적으로 변환하는 원리입니다.	기본	획득	ADC, Signal, I2C	SWEBOK

References

Primary

[P1] CS2023 - Parallel and Distributed Computing (Distributed)
[Internet of Things: A Hands-On Approach] Arshdeep Bahga

Secondary

[Building the Web of Things] Dominique Guinard
[TinyML: Machine Learning with TensorFlow Lite] Pete Warden

Final Checklist

데이터가 1초에 한 번씩 올라올 때와 1ms에 한 번 올라올 때, 엣지 게이트웨이의 물리적 처리량 한계를 계산하는가?
'MQTT QoS 1'과 'QoS 2'가 네트워크 패킷 손실 상황에서 메시지 중복을 물리적으로 어떻게 다르게 처리하는지 아는가?
센서에서 읽어온 'Analog' 값이 실제 물리 단위(Celsius, Lux)로 변환되는 물리 공식의 정합성을 검증했는가?
단말기 분실 시, 물리적으로 기기 내부의 데이터를 읽지 못하게 하는 '보안 칩(Secure Element)' 활용 방안이 있는가?