Uppaal Tiga를 활용한 데이터 경로 적응형 스케줄링

초록

본 논문은 최신 프린터 이미지 처리 파이프라인에 발생하는 작업 도착 불확실성을 고려하여, Uppaal Tiga 기반의 타임드 오토마타 모델을 이용해 자동으로 적응형 스케줄링 전략을 생성하는 방법을 제시한다. 실험 결과, 제안 기법이 기존 정적 스케줄링에 비해 처리량과 응답 시간에서 현저히 개선됨을 보인다.

상세 분석

이 연구는 산업 현장에서 흔히 발생하는 작업 도착 시점의 불확실성을 정형화된 모델링 기법으로 다루었다는 점에서 의미가 크다. 기존의 스케줄링 접근법은 주로 작업이 미리 알려진 경우에 최적화를 수행했으며, 실시간으로 변하는 작업 흐름에 대한 대응력이 부족했다. 저자들은 이러한 한계를 극복하기 위해 타임드 오토마타와 게임 이론을 결합한 Uppaal Tiga를 선택하였다. Uppaal Tiga는 시스템(컨트롤러)와 환경(불확실한 작업 도착) 사이의 대립 게임을 모델링함으로써, 최악의 경우에도 보장되는 전략을 자동으로 합성한다.

논문에서는 프린터 내부의 이미지 처리 파이프라인을 5개의 주요 단계(입력 버퍼링, 색상 변환, 압축, 인쇄 엔진 전달, 출력 버퍼링)로 추상화하고, 각 단계마다 처리 시간과 자원(버스, 메모리) 사용 제약을 타임드 오토마타 형태로 기술하였다. 작업 도착은 비동기적이며, 도착 간격이 최소값만 보장될 뿐 정확한 시점은 알 수 없으므로, 이를 환경 플레이어가 선택하는 비결정적 이벤트로 모델링했다.

핵심 기여는 다음과 같다. 첫째, 실제 산업용 프린터의 파이프라인을 정밀히 모델링하면서도 상태 폭발을 억제하기 위해 추상화 기법과 대칭성 감소 기법을 적용하였다. 둘째, Uppaal Tiga가 생성한 전략을 실제 스케줄러에 매핑하기 위해, 전략을 조건부 규칙 집합으로 변환하고, 이를 기존의 실시간 운영체제에 삽입하는 방법을 제시하였다. 셋째, 전략의 효율성을 검증하기 위해 시뮬레이션과 실제 하드웨어 테스트를 병행했으며, 평균 대기 시간 22 % 감소, 최대 처리량 15 % 향상을 달성했다.

또한, 저자들은 전략 합성 과정에서 발생하는 계산 복잡도를 완화하기 위해, 작업 유형별(예: 흑백·컬러·고해상도)로 모델을 분할하고, 각 서브 모델에 대해 독립적으로 전략을 도출한 뒤, 최종적으로 통합하는 계층적 접근법을 도입했다. 이 방법은 합성 시간과 메모리 사용량을 크게 줄였으며, 실제 산업 현장에서 요구되는 빠른 재설계 주기에 부합한다.

마지막으로, 논문은 향후 연구 방향으로 다중 프린터 클러스터 환경에서의 전역 스케줄링, 에너지 소비 최적화, 그리고 머신러닝 기반 예측과의 하이브리드 전략을 제시하며, 타임드 오토마타 기반 적응형 스케줄링이 다양한 제조 및 물류 시스템에 적용될 가능성을 열었다.