• 항공우주정책ㆍ법학회지
• /
• 제29권1호
• /
• pp.3-32
• /
• 2014

항공안전관리는 항공운용 등에 있어서 승무원, 항공기 및 기타 자원의 안전을 확보하기 위한 항공산업 전반에 대한 관리이다. 국제민간항공기구는 안전한 항공기술의 발전을 위하여 국제 기술표준의 중요성을 인식하고 국제민간항공협약에서 19개 부속서(Annex 19)를 제정하였다. 이에 따라 각 회원국도 국제민간항공기구의 정책에 맞춰 항공법령에 국제표준 및 권고사항을 수용하게 되었으며 2013년 11월 14일부터 적용되는 부속서 19에서는 그간 항공안전에 관한 각국의 의견을 반영하여 항공안전관리체계가 제시되었다. 이 같은 국제적 흐름에 따라 국토교통부는 2012년 1차 항공정책 기본계획으로 사전예방적 안전관리 전략을 추진할 것이라고 공표하였으며 부속서 19의 안전관리에 대한 핵심인 항공안전프로그램(SSP) 및 안전관리시스템(SMS) 등을 통합하여 기술 인적자원 정보공유와 투자우선순위 결정, 항공안전관련 주체들의 협력강화를 하기 위한 정책을 시행 중이다. 부속서 19는 국가항공안전프로그램(SSP), 항공안전관리시스템(SMS), 항공안전감독시스템, 안전정보수집, 공유 및 보호정책에 대한 내용을 포함하며 예방적인 안전관리의 체제로 전환을 유도하고 있다. 항공안전프로그램은 안전 증진을 목표로 정부의 규정과 활동을 통합적으로 관리하는 일련의 활동체계를 의미한다. 본 프로그램의 목적은 항공운송사업자, 항행서비스 공급자, 공항운영자, 훈련 및 정비 기관에서 제공하는 항공 서비스의 허용 가능한 안전 수준을 설정하고 관리하는 것이다. 항공안전관리시스템은 위험정보 통계에 근거하여 예측적인 위험관리가 핵심인바 항공안전관리시스템의 성공적인 운영을 위해서는 풍부한 위험정보의 수집이 필수적이다. 수집되는 정보 중 대형사고는 의무보고제도에 의해 보고를 받게 되지만("항공법" 제49조의 3), 소규모 사고는 자체보고하지 않는다면 진지한 조사가 행해지지 않고서는 알 수 없기 때문에 이에 대한 위험사고 수집이 중요하다고 할 수 있다. 국내 항공교통의 안전확보는 정부의 주요 임무이다. 정부는 국제민간항공기구의 기준과 국내항공법규 요건을 준수하고 안전한 정도를 유지하기 위하여 필요한 전략과 프로세스를 수립 시행하며 이를 지속적으로 개선하여야 한다. 민간항공사는 안전관리의 향상과 안전문화 조성을 위하여 전자적인 안전관리기법을 적용하여 안전제반기능이 구현되도록 노력해야 한다. 항공안전은 항공실무를 토대로 규칙을 제정하여야 하는바 항공안전 규제 사항에 대하여 항공산업계의 의견을 적극 수렴해야 한다. 또한 항공안전 보고제도와 자유로운 정보교환 여건을 조성하여 효율적인 안전관리 실현을 지원해야 하며, 안전과 관련된 문제를 해결하는 과정에서 민간항공사와 공조해야 한다. 항공안전 활동을 위하여 적절한 자원을 배정하고 직원의 교육 훈련을 통해 안전관리에 관한 기량을 유지시켜야 하며, 안전목표의 달성도 평가 및 위험도 평가와 같은 성과기반의 점검과 안전기준 절차이행점검 방식을 병행해야 할 것이다.

• 지능정보연구
• /
• 제18권3호
• /
• pp.185-202
• /
• 2012

오늘날 정보사회에서는 정보에 대한 가치를 인식하고, 이를 위한 정보의 활용과 수집이 중요해지고 있다. 얼굴 표정은 그림 하나가 수천개의 단어를 표현할 수 있듯이 수천 개의 정보를 지니고 있다. 이에 주목하여 최근 얼굴 표정을 통해 사람의 감정을 판단하여 지능형 서비스를 제공하기 위한 시도가 MIT Media Lab을 필두로 활발하게 이루어지고 있다. 전통적으로 기존 연구에서는 인공신경망, 중회귀분석 등의 기법을 통해 사람의 감정을 판단하는 연구가 이루어져 왔다. 하지만 중회귀모형은 예측 정확도가 떨어지고, 인공신경망은 성능은 뛰어나지만 기법 자체가 지닌 과적합화 문제로 인해 한계를 지닌다. 본 연구는 사람들의 자극에 대한 반응으로서 나타나는 얼굴 표정을 통해 감정을 추론해내는 지능형 모형을 개발하는 것을 목표로 한다. 기존 얼굴 표정을 통한 지능형 감정판단모형을 개선하기 위하여, Support Vector Regression(이하 SVR) 기법을 적용하는 새로운 모형을 제시한다. SVR은 기존 Support Vector Machine이 가진 뛰어난 예측 능력을 바탕으로, 회귀문제 영역을 해결하기 위해 확장된 것이다. 본 연구의 제안 모형의 목적은 사람의 얼굴 표정으로부터 쾌/불쾌 수준 그리고 몰입도를 판단할 수 있도록 설계되는 것이다. 모형 구축을 위해 사람들에게 적절한 자극영상을 제공했을 때 나타나는 얼굴 반응들을 수집했고, 이를 기반으로 얼굴 특징점을 도출 및 보정하였다. 이후 전처리 과정을 통해 통계적 유의변수를 추출 후 학습용과 검증용 데이터로 구분하여 SVR 모형을 통해 학습시키고, 평가되도록 하였다. 다수의 일반인들을 대상으로 수집된 실제 데이터셋을 기반으로 제안모형을 적용해 본 결과, 매우 우수한 예측 정확도를 보임을 확인할 수 있었다. 아울러, 중회귀분석이나 인공신경망 기법과 비교했을 때에도 본 연구에서 제안한 SVR 모형이 쾌/불쾌 수준 및 몰입도 모두에서 더 우수한 예측성과를 보임을 확인할 수 있었다. 이는 얼굴 표정에 기반한 감정판단모형으로서 SVR이 상당히 효과적인 수단이 될 수 있다는 점을 알 수 있었다.

• 지능정보연구
• /
• 제16권3호
• /
• pp.99-120
• /
• 2010

최근 고객들의 비대면 접점 서비스 이용도가 높아짐에 따라, 비대면 채널은 다양한 데이터의 분석을 통해 고객 만족도를 향상시킬 수 있는 유용한 창구로 인식되고 있다. 이러한 비대면 채널의 대표적 영역으로 콜센터를 들 수 있으며, 콜센터 운영에서 고객 만족도에 가장 큰 영향을 미치는 요소는 상담 인력의 규모인 것으로 알려져 있다. 즉, 일정수준 이상의 고객 만족도를 유지하기 위해서는 충분한 상담 인력을 확보하는 것이 관건이지만, 불필요하게 많은 인력을 확보하는 것은 인건비 측면에서 비용의 낭비를 초래할 수 있다. 따라서 부족하지도 않고 넘치지도 않을 정도의 적정 인력을 산출하는 능력은 콜센터 운영의 핵심 경쟁력으로 인식되고 있으며, 최근 콜센터에서는 적정 인력의 규모를 예측하기 위해 WFM(Work Force Management) 업무 전담 부서를 설치하고 콜량을 정확하게 예측하기 위한 노력을 기울이고 있다. 콜량 예측을 위해 현업에서 주로 사용되는 방법은 담당자의 직관에 의존하는 방법으로, 일정기간의 콜량 평균을 담당자가 주관적 판단에 의해 보정함으로써 이루어진다. 하지만 이러한 방식은 담당자의 주관적 성향에 크게 좌우된다는 한계를 갖고 있어서, 최근에는 다양한 예측 모형을 시스템화한 WFMS(Workforce Management System) 패키지가 널리 활용되고 있다. 하지만 이 시스템은 초기 도입 시 매우 고가의 구축비용이 발생하며, 신규 요인 발굴 시 이를 즉각적으로 시스템에 반영하기 어렵다는 한계점을 갖고 있다. 이를 극복하기 위해 본 연구에서는 데이터 마이닝의 대화식 의사결정나무 기법을 이용함으로써, 객관적이면서도 업무 배경 지식을 충분히 활용할 수 있는 예측 모형을 수립하고자 한다. 또한, 본 연구에서 수립한 모형의 정확성 평가를 위해, 국내 최대 규모의 한 자동차 보험사 콜센터의 4년 8개월 간의 실 데이터를 사용한 실험을 수행하고 그 결과를 제시하였다. 실험에서는 기존의 WFMS와 본 연구에서 제안하는 두 가지 모형인 대화식 의사결정나무 기반의 예측 모형, 일반 의사결정나무 기반의 예측 모형의 세 가지 모형에 대해, 다양한 오차 허용범위 하에서의 사고콜 및 고장콜에 대한 예측 적중률을 평가하였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.191-203
• /
• 2022

화장품 및 뷰티산업에서 고객 맞춤형 제품과 서비스를 제공하는 것은 주요 기술 트렌드이고, 피부상태 진단과 관리는 중요한 필수기능이다. 고객의 요구 수준은 더욱더 높아지고 있으며 이에 대한 다양하고 섬세한 고민과 요구 사항이 소셜미디어 커뮤니티에서 활발하게 다루어지고 있다. 소셜미디어 상의 이미지는 매우 다양하고 비정형적이므로 피부상태 진단 및 관리에 필요한 체계적인 피부 이미지 식별을 위한 시스템이 필요하다. 본 논문에서는 소셜미디어 인스타그램에서 수집한 빅데이터로부터 피부 이미지 데이터를 지능적으로 식별하고, 피부상태 진단 및 관리를 위한 정형화된 피부 샘플 데이터를 추출하는 시스템을 개발하였다. 본 논문에서 제안한 시스템은 빅데이터수집분석단계, 피부이미지분석단계, 훈련데이터준비단계, 인공신경망훈련단계, 피부이미지식별단계로 구성된다. 빅데이터수집분석단계에서는 인스타그램으로부터 빅데이터를 수집하고 피부 상태 진단 및 관리를 위한 이미지 정보를 분석결과로 저장한다. 피부이미지분석단계에서는 전통적인 이미지 처리 기법을 사용하여 피부 이미지의 평가 및 분석 결과를 획득한다. 훈련데이터준비단계에서는 피부이미지 분석결과로부터 피부 샘플데이터를 추출하여 훈련데이터를 준비하였다. 그리고 인공신경망훈련단계에서는 이 훈련데이터를 사용하여 지능적으로 피부 이미지 유형을 예측하는 인공신경망 AnnSampleSkin을 단계별 고도화와 훈련을 통해 모델을 완성하였다. 피부이미지식별단계에서는 소셜미디어로부터 수집된 이미지에 대해 피부샘플을 추출하고, 훈련된 인공신경망 AnnSampleSkin의 이미지 유형 예측 결과들을 통합하여 최종 피부 이미지 유형을 지능적으로 식별한다. 본 논문에서 제안된 피부이미지식별 방법은 약 92% 이상의 높은 피부 이미지 식별 정확도를 나타내고 있고, 정형화된 피부 샘플 이미지 빅데이터를 제공할 수 있게 되었다. 추출된 피부샘플 세트는 피부 상태를 진단하고 관리하는데 매우 효율적이고 유용한 정형화된 피부 이미지 데이터로 사용될 것으로 기대된다.