• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2017년도 추계학술대회
• /
• pp.96-97
• /
• 2017

학교에 처음 방문한 신입생, 손님이거나 재학생들 중 학교에 관한 정보를 알고 싶어 할 때 스마트폰, 태블릿 등을 통하여 검색을 한다. 그러나 학교홈페이지에 접속하면 찾고자 하는 정보가 어디에 위치한지 정확히 알지 못하여 시간을 많이 소비하는 문제가 있다. 이 논문에서는 음성인식 기능을 가지고 있는 알렉사를 이용하여 학교안내시스템을 개발한다. 학교안내시스템을 대학소개, 전공, 대학활동, 입학정보 주제별로 나누고 주제별로 세부사항을 작성한다. 아마존 웹 서비스의 람다기능에서 Node.js을 사용하여 주제별로 정보를 작성하여 사용자에게 음성으로 정보를 제공해준다.

• 한국산학기술학회논문지
• /
• 제19권1호
• /
• pp.75-84
• /
• 2018

본 철도 유지보수 산업의 효율화를 위해서는 핵심부품의 적시 관리를 통한 부품 가동률 향상 및 철도 운행의 안정성 향상이 필요하다. 또한 유지보수 시스템 고속화에 따른 신뢰성 향상과 핵심부품의 유지보수 비용 절감의 두 가지 측면을 모두 만족시키기 위해, 부품 이력관리와 대규모 빅데이터의 자동화된 분석 기술을 활용한 부품 상태 진단 기술 수요가 증가하고 있다. 이 논문에서는 철도차량의 차상 및 지상 장치로부터 발생되는 실시간 빅데이터 수집, 처리, 분석을 위해서 빅데이터 플랫폼 기반의 철도차량 부품의 상태 데이터 관리시스템을 개발하였으며, 이 시스템의 활용으로 철도차량의 부품 상태정보 및 시스템 리소스에 대한 실시간 모니터링이 가능하다. 또한 빅데이터 플랫폼으로부터 수집된 상태 데이터를 기반으로 분산/병렬처리 및 자동화된 부품 고장진단이 가능한 머신러닝 기법을 제안하였다. 실험결과, 분산/병렬처리 기술이 적용된 알고리즘의 실행시간 단축을 아마존 웹서비스의 가상 인스턴스 생성 시스템을 통해 증명하였으며, random forest 머신러닝 기법을 활용한 고장 진단 모델의 베어링 및 차륜 부품에 대한 상태 예측 정확도가 83%임을 확인하였다.