• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.05a
• /
• pp.552-555
• /
• 2013

클라우드 컴퓨팅은 인터넷 기술을 기반으로 소프트웨어, 스토리지, OS 등의 가상화된 IT 자원 서비스로서 이용한 만큼 비용을 지불하는 방식으로 제공된다. 따라서 이를 이용하는 사용자 또는 조직이 IT 자원의 유지비용을 절감할 수 있는 이점이 있다. 하지만 기존의 단일 클라우드 서비스 모델은 가용성 문제, vendor lock-in 문제 등의 해결하기 어려운 문제점을 가지고 있다. 이에 따라 최근 클라우드 서비스 간 상호작용을 통해 기존 단일 클라우드의 문제를 해결하고자 하는 모델에 대한 연구가 진행되고 있다. 본 논문에서는 앞서 언급한 모델을 hybrid 클라우드 서비스 모델이라 칭한다. 현재까지 hybrid 클라우드 서비스 모델은 multi-cloud, inter-cloud, collaborative-cloud 등 크게 세 가지 형태로 제안되었다. 본 논문에서는 hybrid 클라우드 서비스 모델에 대한 전반적인 내용을 분석하고, 서로 다른 클라우드 서비스 간 상호작용 과정에서 새롭게 발생할 수 있는 보안 문제를 분석한다.

• Journal of Intelligence and Information Systems
• /
• v.25 no.1
• /
• pp.127-137
• /
• 2019

Recidivism prediction has been a subject of constant research by experts since the early 1970s. But it has become more important as committed crimes by recidivist steadily increase. Especially, in the 1990s, after the US and Canada adopted the 'Recidivism Risk Assessment Report' as a decisive criterion during trial and parole screening, research on recidivism prediction became more active. And in the same period, empirical studies on 'Recidivism Factors' were started even at Korea. Even though most recidivism prediction studies have so far focused on factors of recidivism or the accuracy of recidivism prediction, it is important to minimize the prediction misclassification cost, because recidivism prediction has an asymmetric error cost structure. In general, the cost of misrecognizing people who do not cause recidivism to cause recidivism is lower than the cost of incorrectly classifying people who would cause recidivism. Because the former increases only the additional monitoring costs, while the latter increases the amount of social, and economic costs. Therefore, in this paper, we propose an XGBoost(eXtream Gradient Boosting; XGB) based recidivism prediction model considering asymmetric error cost. In the first step of the model, XGB, being recognized as high performance ensemble method in the field of data mining, was applied. And the results of XGB were compared with various prediction models such as LOGIT(logistic regression analysis), DT(decision trees), ANN(artificial neural networks), and SVM(support vector machines). In the next step, the threshold is optimized to minimize the total misclassification cost, which is the weighted average of FNE(False Negative Error) and FPE(False Positive Error). To verify the usefulness of the model, the model was applied to a real recidivism prediction dataset. As a result, it was confirmed that the XGB model not only showed better prediction accuracy than other prediction models but also reduced the cost of misclassification most effectively.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 1993.10a
• /
• pp.106-107
• /
• 1993

오늘날 다양한 고객욕구를 충족시키기 위해 재공품재고 없이 단일조립라인에서 다양한 제품들을 생산하는 혼합모델조립(MMAL)방식이 많이 사용되고 있다. 일반적으로 MMAL은 모든 일감에 대해 동일한 작업장, 작업시간이 동일한 여러가지 사양중 하나를 선택할 수 있는 작업장, 그리고 작업시간이 상이한 작업들을 수행하는 작업장으로 구성되어 있다. 첫째 유형의 작업장에서의 작업순서결정은 전혀 문제가 되지 않는다. 그러나 두번째 유형의 작업장에서는 작업순서에 따라 작업준비비용이 달라지게 된다. 세번째 유형의 작업장에서는 필요로 하는 작업유형의 종류와 양에 따라 원활한 흐름에 변화를 가져온다. 조립라인의 일괄작업순서가 작업장의 처리능력보다 많은 부하를 초래하면 후속 작업장의 원활한 작업을 위하여, 해당 작업장의 작업자들을 지원하는 보완작업(utility work)을 행하여야 하나, 타 작업장에서 해당조립품의 작업시간에 따라 해당작업장의 부하는 평활화될 수 있으므로 보완작업량은 통제가능하다. 따라서 준비비용과 보완작업 비용의 합을 최소화하는 일정계획이 요구된다. 이에 관한 연구들이 행해져오고 있으나, 두가지 비용의 합을 최소화하는 연구는 아직 많이 진척되지 못하고 있는 실정이다. 선행연구들에서 이미 제시된 TSP개념을 이용한 비선형2진 혼합정수계획모델인 수리모델을 이용할 수 있다. 그러나 이 모델은 너무 복잡하여 현실문제를 적용할 경우 계산이 불가능하다. 따라서 단시간에 최적에 가까운 해를 구하기 위한 휴리스틱 기법의 개발이 요구된다. 따라서 본 연구에서는 이를 위한 기초연구로서 우선 준비비용을 고려하지 않는 경우의 휴리스틱기법을 개발하는데 초점을 맞추었다. 특히 본 연구에서는 작업장에서 행해지는 작업유형은 기본작업과 여러가지 선택작업이 있을 수 있으므로 선행연구를 확장하여 기본작업과 두가지의 선택작업이 행해지는 경우에 촛점을 맞추었다. 그리하여 다작업장의 휴리스틱에 의거한 작업순서 결정을 위해 우선 BB의 상한을 구하는 연구를 행했다. 이를 위해 우선 단일작업장에서 야기될 수 있는 모든 상황을 고려한 최적 작업순서 결정규칙을 연구했으며, 이의 증명을 위해 이 규칙에 의거했을 때의 보완작업량이 최소가 된다는 것을 밝혔다. 보완작업 계산의 효율성을 제고하기 위해 과부하(violation)개념을 도입하였으며, 작업유형이 증가된 상황에서도 과부하 개념이 보완작업량을 충분히 반영할 수 있음을 밝혔다. 본 연구에서 제시한 최적 작업순서 규칙에 의거했을 때 야기될 수 있는 여러가지 경우의 과부하를 모두 계산했다. 앞에서 개발된 단일작업량의 최적 작업순서 결정규칙을 이용하여 다작업장의 문제를 실험했다. 이 문제는 규모가 매우 크므로 Branch & Bound를 이용하였으며, 각 가지에서 과부하량이 최적인 경우만을 고려하는 휴리스틱을 택하여 실험자료를 이용하여 여러 회 반복실험을 행했다. 그리고 본 연구의 성과를 측정하기 위해 휴리스틱 기법시 소요되는 평균 CPU time 범위에서, 랜덤 작업순서에 따른 작업할당을 반복실험하여 이중 가장 좋은 해와 비교했다. 그러나 앞으로 다작업장 문제를 다룰 때, 각 작업장 작업순서들의 상관관계를 고려하여 보다 개선된 해를 구하기 위한 연구가 요구된다. 또한, 준비작업비용을 발생시키는 작업장의 작업순서결정에 대해서도 연구를 행하여, 보완작업비용과 준비비용을 고려한 GMMAL 작업순서문제를 해결하기 위한 연구가 수행되어야 할 것이다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.24 no.3
• /
• pp.31-38
• /
• 2019

In this paper, we design a green supply chain (gSC) network model. For constructing the gSC network model, environmental and economic factors are taken into consideration in it. Environmental factor is to minimize the $CO_2$ emission amount emitted when transporting products or materials between each stage. For economic factor, the total cost which is composed of total transportation cost, total handling cost and total fixed cost is minimized. To minimize the environmental and economic factors simultaneously, a mathematical formulation is proposed and it is implemented in a genetic algorithm (GA) approach. In numerical experiment, some scales of the gSC network model is presented and its performance is analyzed using the GA approach. Finally, the efficiencies of the gSC network model and the GA approach are proved.

• The Journal of Bigdata
• /
• v.6 no.2
• /
• pp.161-168
• /
• 2021

In this study, we propose a cardiovascular disease prediction model using machine learning. First, a multidimensional analysis of various differences between the two groups is performed and the results are visualized. In particular, we propose a predictive model using cost-sensitive learning that can improve the sensitivity for cases where there is a high class imbalance between the normal and patient groups, such as diseases. In this study, a predictive model is developed using CART and XGBoost, which are representative machine learning technologies, and prediction and performance are compared for cardiovascular disease patient data. According to the study results, CART showed higher accuracy and specificity than XGBoost, and the accuracy was about 70% to 74%.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2005.05a
• /
• pp.707-714
• /
• 2005

최근 개별 제품의 가격이 상승하고 품질의 중요성이 강조됨에 따라, 생산현장에서 제품의 불량을 검사하고, 불량품을 즉시 재작업하는 공정이 많아지고 있다. 따라서 본 연구에서는 불량품의 재작업 과정을 고려하여 생산라인에서 비용을 최소화 하는 최적 배치사이즈와 재작업 정책을 결정하는 모델을 제안하였다. 제안된 모델은 다수의 기계가 연속적으로 연결된 다단계생산시스템을 가정하고 있으며, 검사 공정의 위치 변화에 따른 두 가지 재작업 정책과 두 정책으로부터 변형된 정책을 반영할 수 있다. 제안된 모델을 통해 생산 환경에 따라 비용을 최소화하는 재작업 정책과 최적의 생산 배치사이즈를 결정할 수 있으며, 생산 환경요인들의 변화에 따른 배치사이즈와 비용의 변화를 정책 별로 비교 분석할 수 있다.

• Journal of Korean Society of Industrial and Systems Engineering
• /
• v.34 no.3
• /
• pp.106-114
• /
• 2011

DEA 관련 연구에서 전체 효율을 측정하는 것의 중요성은 강조되어져 왔다. 그 연구는 주로 그것이 오직 가격과 비용의 정보를 정확히 알 때 측정될 수 있다는 제한이 있었다. 그러나 실제 사례에서 이 정확한 정보를 얻는 것은 쉽지 않다. 이런 한계를 일부 극복하기 위해 이 논문에서는 Cone-ratio 제약을 이용하여 전체 효율을 측정하기 위한 새로운 모델들을 제안했다. 제안된 모델들을 기반으로 DEA에서 전체 효율 모델들을 적용하기 위해 우리가 알아야 할 필요가 있는 모든 것은 정확한 비용 또는 가격이 아니라, 비용 또는 가격의 비율이라는 사실을 증명하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.364-366
• /
• 2003

수준 높은 소프트웨어의 품질과 개발, 유지보수 비용의 최소화, 제품 출하시간의 단축을 위하여 소프트웨어 프로세스에 대한 예측, 통제 가능성을 증가시키기 위함이다. 기업이 최고도의 높은 수준에 도달하기 의해서는 정량적인 모델에 의한 프로젝트 관리가 필요하다. 따라서 기업들은 SPICE/CMM와 같은 표준을 사용하여 조직의 프로세스 능력 수준을 평가하고 수준향상을 꾀한다. 조직의 프로세스의 능력을 평가하고 수준향상을 위해서는 신뢰성 있는 SPICE 심사의 심사결과에 대한 객관적인 신뢰성의 보장과 좀더 적은 비용으로 프로세스의 수준향상을 할 수 있는 방법이 필요하다. 본 논문에서는 SPICE 심사의 신뢰성을 얻기 위해 CMM/KPA 설문서를 통해 심사하고 SPICE심사의 결과를 비교 분석하여 SPICE심사의 신뢰성을 검증한다. 또한 이를 기반으로 CMM/KPA 설문서의 정량적인 모델을 제안함으로서 좀더 적은 비용과 시간으로 SPICE 심사의 결과와 같은 효과를 얻을 수 있게 한다.

• Journal of Digital Convergence
• /
• v.12 no.5
• /
• pp.139-148
• /
• 2014

In recent years, computational models using parametric estimation method have been developed and used widely for efficient cost analysis. In this research, by applying experienced data from Guidance and Control Systems in Missile System field, the cost analysis for engineering model and commercial computational model(Price H, HL, M, S) are conducted and its result is analysed, so that the difference between two models and its grounds are apprehended. Comparing the calibrated value of computational model based on the data base of similar equipment and the cost from the engineering estimation, the two results are very close. It means that the credibility of data is enhanced through calibration. Also, for cost analysis of similar components in the future, the method for calibration of the computational models is also examined. When estimating development cost in this research, although many parts have been estimated through uncertain elements, the reliability could have been enhanced by applying computational model which secures objectivity. It is a very reasonable estimation method by utilizing calibration of the computational models based on existing accumulated development data.

• The Journal of Society for e-Business Studies
• /
• v.24 no.3
• /
• pp.19-33
• /
• 2019

Recently, manufacturers have been struggling to efficiently use production equipment as their production methods become more sophisticated and complex. Typical factors hindering the efficiency of the manufacturing process include setup cost due to job change. Especially, in the process of using expensive production equipment such as semiconductor / LCD process, efficient use of equipment is very important. Balancing the tradeoff between meeting the deadline and minimizing setup cost incurred by changes of work type is crucial planning task. In this study, we developed a scheduling model to achieve the goal of minimizing the duedate and setup costs by using reinforcement learning in parallel machines with duedate and work preparation costs. The proposed model is a Deep Q-Network (DQN) scheduling model and is a reinforcement learning-based model. To validate the effectiveness of our proposed model, we compared it against the heuristic model and DNN(deep neural network) based model. It was confirmed that our proposed DQN method causes less due date violation and setup costs than the benchmark methods.