• The Korean Journal of Applied Statistics
• /
• v.33 no.4
• /
• pp.467-482
• /
• 2020

We investigate a monitoring procedure for the early detection of parameter changes in location-scale time series models. We introduce a detector for monitoring procedure based on modified residual cumulative sum (CUSUM). The asymptotic properties of the monitoring procedure are established under the null and alternative hypotheses. Simulation results and data analysis are also provided for illustration.

• The Korean Journal of Applied Statistics
• /
• v.29 no.7
• /
• pp.1429-1444
• /
• 2016

We suggest a monitoring procedure to detect changes in the mean of the stochastic process. The monitoring procedure is based on penalized least squares estimates. Unlike the fluctuation (FL) monitoring, we use the numbers of nonzero estimates not the fluctuations of sequential parameter estimates. We investigate the behavior of the proposed monitoring procedure by means of a simulation study and compare its performance with CUSUM monitoring.

• The Korean Journal of Applied Statistics
• /
• v.37 no.2
• /
• pp.191-207
• /
• 2024

Many studies have been conducted to quickly detect out-of-control situations in autocorrelated processes. The most traditionally used method is a residual control chart, which uses residuals calculated from a fitted time series model. However, many procedures for monitoring autocorrelated processes using statistical learning methods have recently been proposed. In this paper, we propose a monitoring procedure using the latent vector of LSTM Autoencoder, a deep learning-based unsupervised learning method. We compare the performance of this procedure with the LSTM Autoencoder procedure based on the reconstruction error, the RNN classification procedure, and the residual charting procedure through simulation studies. Simulation results show that the performance of the proposed procedure and the RNN classification procedure are similar, but the proposed procedure has the advantage of being useful in processes where sufficient out-of-control data cannot be obtained, because it does not require out-of-control data for training.

• The Korean Journal of Applied Statistics
• /
• v.36 no.5
• /
• pp.399-413
• /
• 2023

Recently, monitoring and detecting anomalies in social networks have become an interesting research topic. In this study, we investigate the detection of abnormal changes in a network modeled by the DCSBM (degree corrected stochastic block model), which reflects the propensity of both individuals and communities. To this end, we propose three methods for anomaly detection in the DCSBM networks: One method for monitoring the entire network, and two methods for dividing and monitoring the network in consideration of communities. To compare these anomaly detection methods, we design and perform simulations. The simulation results show that the method for monitoring networks divided by communities has good performance.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.1269-1273
• /
• 2005

자연 친화적 하천관리는 현 치수위주의 하천정비 관행으로 인한 하천의 환경 기능의 훼손을 막고, 제도적으로 자연 친화적으로 하천 사업을 추진하기 위해서 수변조사, 계획, 설계, 시공, 모니터링, 그리고 유지관리 등 일련의 체계적인 절차에 따라 하천 사업을 시행하는 것이다. 특히 이러한 표준 절차 가운데 수변조사는 하천의 특성을 결정짓는 여러 가지 자연적, 인공적 형성과정들과 그 과정들을 지배하는 생태학적 원리들을 파악하여 하천사업의 정비주제와 방향을 설정하는데 도움을 준다. 모니터링은 계획과 설계, 시공을 통해 실시된 하천사업의 효과를 평가하고, 공법적용에 따른 하천의 변화과정을 파악하여 유지관리 및 적응관리를 위한 근거를 제시하는 과정이다. 수변조사 및 모니터링 매뉴얼은 건설교통부가 수행한 '자연친화적 하천정비기법 개발' 의 연구성과로서, 경기도의 탄천, 충청북도의 달천 그리고 경기도 오산천을 대상으로 각 관련분야의 전문가가 참여하여 직접 적용$\cdot$검증한 결과를 바탕으로 제작한 것이다. 이는 하천의 관리 및 하천관련 사업을 자연 친화적으로 수행하기 위하여 필요한 '수변조사'와 '모니터링'에 대한 일반적인 절차와 방법을 체계화 한 것이다. 특히 수변조사 매뉴얼의 경우는 $\ulcorner$하천설계기준$\lrcorner$의 '제12장 하천환경조사'를 보완하는 관계에 있다. 하천설계기준에서 제시한 하천환경조사는 본 수변조사 매뉴얼상과 동일한 절차와 양식을 따르고 있다. 하천설계기준에서 자세하게 기술하지 못한 조사방법, 정리, 분석, 평가에 대한 내용을 구체적으로 적용하여 이를 보완하고 있다.은 안양천 웹페이지(http://anyang.river.or.kr)에서 구현되고 있으며, 앞서 설명한 바와 같이 1단계 프론티어 사업으로 설치된 4개의 하천수위, 2개의 지하수위 관측시설과 함께, 2단계에 (주)웹솔루스에서 자체적으로 설치 운영하고 있는 2개소의 하수관거 모니터링 관측시설, 그리고 안양시에서 운영하고 있는 5개소의 강우관측소와 7개소의 수위관측소를 모두 통합하여 실시간 자료를 제공하고 있다. 수위자료는 10분단위의 텍스트정보와 그래프형태로 지원되며, 검색기간 설정을 통해 원하는 기간내의 자료를 선별, 검색할 수 있다.. 또한 이와 같은 기초적인 정보를 바탕으로 하류하천의 탁수 피해를 최소화할 수 있는 선택취수탑의 운영방안을 수립할 수 있다 본 연구에서는 이를 위해 선택취수탑 주위의 성층흐름을 기존의 실험자료와 수치해석을 통하여 분석하였고, 온도성층구조나 취수구의 위치변화에 따른 방류수 수질특성을 조사하였다.쇄파대(artifical reef)와 같은 완충지대를 갖는 호안을 축조함으로써 월파량을 감소시키는 대안으로 제시하고자 한다. 본 연구 수행을 통해 태풍 내습시 발생 가능한 자연재해에 대한 사전 방지를 목적으로 태풍피해의 원인을 제시하고 이를 해결하여 현재의 방재대책이 항구적인 방재대책으로 전환될 수 있는 방안 마련의 기초 자료로 활용되기를 기대한다., L-arabinose, 및 D-galactose; 제3차(第三次) 가수분해물(加水分解物)(C)에서 L-rhamnose, D-xylose, L-arabinose 및 D-galactose, 비가수분해물(非加水分解物)(C')에서 D-xylose와 D-galactose를 검출(檢出)하였다. (4) 구성당(構

• The Korean Journal of Applied Statistics
• /
• v.30 no.3
• /
• pp.487-501
• /
• 2017

A machine vision system (MVS) is a computer system that utilizes one or more image-capturing devices to provide image data for analysis and interpretation. Recently there have been a number of industrial- and medical-device applications where control charts have been proposed for use with image data. The use of image-based control charting is somewhat different from traditional control charting applications, and these differences can be attributed to several factors, such as the type of data monitored and how the control charts are applied. In this paper, we investigate the adjustment effect of image size and region of interest (ROI) size, when we use control charts to monitor grayscale image data in industry.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.662-664
• /
• 2023

해양 식물플랑크톤의 성장은 유해적인 적조를 유발할 수 있으며, 이는 여러 국가의 생태계에 피해를 주는 상황이다. 적조를 모니터링하는 것은 식물플랑크톤 미생물의 증가를 예방하고 통제하기 위해 중요하다. 그러나 현재의 적조 모니터링 기술은 날씨, 시간 제약 및 실시간 모니터링에 대한 어려움으로 인해 측정 정확도에 영향을 미치는 한계가 있다. 본 연구는 특히 적조 발생을 감지하기 위한 목적으로 개발된 자동 실시간 모니터링 시스템의 성공적인 개발을 보여준다. 개발한 시스템은 음향 반사파 데이터 처리를 통해 합성곱 신경망(Convolutional neural networks, CNN)을 활용하여 식물플랑크톤 농도를 정확하게 구별할 수 있다. 특히, 이 CNN 모델은 음향 신호의 변환된 주파수 스펙트럼과 Cochlodinium polykrikoides (C. polykrikoides)의 농도 간의 상관 관계를 수립하는 데 뛰어난 효과를 나타냈다. 이 CNN 은 C. polykrikoides 를 감지하는 데 0.90 의 정확도를 보여준다. 이러한 모니터링과 CNN 분류의 활용은 실시간 측정의 중요한 잠재력을 보여주며, 추가적인 절차가 필요 없는 자동 모니터링 시스템을 구축할 수 있을 것으로 예상된다.

• Journal of Digital Convergence
• /
• v.14 no.6
• /
• pp.61-67
• /
• 2016

This study is the basic direction of the BIM bases ubiquitous safety monitoring. First, studied the background and the purpose of the study, and it's scope and methods. Second, described the concept of BIM and investigated how BIM bases proceed through actual condition of ubiquitous safety monitoring. Third, identified BIM bases ubiquitous safety monitoring which can be applied consistently, Forth, DCP bases ubiquitous safety monitoring which can be applied consistently, Also, Finally, suggested the conclusion and sat the future research by analyzing the study results. It is expected to be worked out a way as a new model ubiquitous safety monitoring which will be combined with a ubiquitous DCP.

• The Korean Journal of Applied Statistics
• /
• v.35 no.6
• /
• pp.725-737
• /
• 2022

In the standard assumption of statistical process monitoring (SPM) under consideration, the in-control region of the control parameter of quality characteristic consists of a single point. However, if small deviations from the ideal situation may not be of practical importance, the parametric space can consist of three regions: In-control, indifference, and out-of-control. In this paper, we propose two exponentially weighted moving average (EWMA) charting procedures applicable to the situation with three parameter regions, and compare the efficiency of the proposed procedures with the Shewhart chart and the cumulative sum (CUSUM) chart.

• The Korean Journal of Applied Statistics
• /
• v.34 no.1
• /
• pp.25-38
• /
• 2021

Recently the need for network surveillance to detect abnormal behavior within dynamic social networks has increased. We consider a dynamic version of the degree corrected stochastic block model (DCSBM) to simulate dynamic social networks and to monitor for a significant structural change in these networks. To apply a control charting procedure to network surveillance, in-control model parameters must be estimated from the Phase I data, that is from historical data. In network surveillance, however, there are many situations where sufficient relevant historical data are unavailable. In this paper we propose a self-starting Shewhart control charting procedure for detecting change in the dynamic networks. This procedure can be a very useful option when we have only a few initial samples for parameter estimation. Simulation results show that the proposed procedure has good in-control performance even when the number of initial samples is very small.