Comparing RSSI Data Augmentation and Indoor Localization Techniques for Application in Manufacturing Environments

최근, 많은 제조 산업 환경에서 공장의 스마트화가 진행되고 있다. 우리는 공정 물류의 유지관리를 디지털화하기 위해, 스마트 전자잉크 태그 시스템을 개발하였다. 공정 물류에 부착된 스마트 태그의 실시간 위치를 파악하는 RSSI 기반 BLE 스마트 태그 측위 기능은 이 시스템의 기능 중 하나이며, 시스템을 구축하기 위해 많은 RSSI 핑거프린트 데이터 수집이 필요하다. 하지만 산업 환경의 작업 중인 설비와 작업자, 많은 금속 구조물, 장애물을 피해 충분한 데이터를 수집하기 위해서는 많은 시간과 비용이 소모된다. 이 연구에서는, 실제 볼트 제조 공장에서 수집한 제한된 양의 RSSI 핑거프린트 데이터를 늘리고 스마트 태그 측위 성능을 높이기 위해, 다양한 데이터 증강 기술과 WkNN, Random Forest, Multilayer Perceptron, LSTM 기계 학습 기반 위치 추정 기술의 에러와 성능을 비교 분석한다.