• 전자공학회논문지 IE
• /
• 제43권3호
• /
• pp.41-48
• /
• 2006

본 논문에서는 인터넷 트래픽 입력율의 예측성을 이용하여 큰 시간 스케일 (large time scale)에서 트래픽 입력율 예측을 통한 새로운 동적 큐 관리 기법 (Active Queue Management (AQM))을 제안한다. RED를 비롯한 대부분의 기존 AQM 기법들은 큐 길이를 기반으로 망의 혼잡 정도를 판단하여 패킷 폐기 확률을 설정하고 이에 따라 입력 패킷을 폐기하므로 동적으로 변화하는 망 환경에 제어 인자들이 적절히 적응하지 못하거나 적응시간이 긴 단점을 가진다. 제안 기법은 패킷 측정을 통해 얻은 입력율 정보를 자기 회기 (Auto-Regressive (AR)) 시 계열 모델에 적용하여 향후 트래픽 입력율을 예측하고, 이를 기반으로 향후 망 혼잡 수준을 결정한다. 혼잡이 예측되는 경우 향후 트래픽 입력율이 라우터의 서비스율과 근사하도록 패킷 폐기 확률을 결정함으로써 제안 기법은 패킷 폐기율은 기존 기법과 유사하게 유지하면서 링크 효율을 높이고 평균 큐 길이를 망 환경변화에 무관하게 안정적으로 유지할 수 있게 해준다. 본 논문에서는 ns-2 시뮬레이터를 이용하여 제안기법과 RED, adaptive RED (ARED), REM, Predictive AQM (PAQM)과의 성능 비교를 통해 다양하게 변화하는 망 환경에서 제안기법의 성능이 평균 큐 길이와 망 적응성 측면에서 우수하다는 사실을 검증하였다.

• 문화기술의 융합
• /
• 제10권1호
• /
• pp.403-409
• /
• 2024

본 논문에서는 산업안전보건법에 따라 유해·위험 설비 사업자가 제출하여 공정안전관리 전담기관으로부터 승인받은 공정안전보고서의 데이터를 기반으로 사업장 안전성 향상을 위한 인공지능 통합 공정안전관리(PSM) 시스템 설계를 위한 가이드라인을 제안하였다. 제안된 가이드라인으로 구성되는 시스템은 단일사업장 또는 다수의 사업장을 운영하는 사업자와 공정안전관리 전담기관에 각각 구축하며, 데이터 수집·전처리, 확장 및 분할, 레이블링, 학습 데이터 셋구축 등의 주요 구성 요소와 단계로 구성하였다. 각 공정에서 발생하는 공정 운영 데이터 및 변경 허가 승인 데이터의 수집이 가능하며, 사업장 운영에서 발생하는 모든 데이터의 분석을 통해 잠재적인 고장 예측 및 유지보수 계획을 수립하여, 공정 운전 상황에서의 의사 결정 지원이 가능하다. 또한, 정확하고 신뢰할 수 있는 학습 데이터, 특화된 데이터 셋을 이용하여 시간 및 비용 절감, 인적 오류를 포함한 다양한 위험 요소 감지와 예측, 지속적인 모델 개선 등에 유용성과 효과를 갖으며, 이를 통해 작업장 안전성 향상 및 사고 예방이 가능하다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제27권5호
• /
• pp.113-119
• /
• 2023

인프라 구조물은 대부분 경제 성장기에 완공되었다. 이러한 인프라 구조물은 최근 들어 공용연수가 점차 증가하고 있어 노후 구조물의 비중이 점차 증가하고 있다. 이러한 노후 구조물은 설계 당시의 기능과 성능이 저하될 수 있고 안전사고로까지 이어질 수 있다. 이를 예방하기 위해서는 정확한 점검과 적절한 보수가 필수적이다. 이를 위해서는 우선 미세한 균열까지 정확히 탐지할 수 있도록 컴퓨터 비전과 딥러닝 기술에 수요가 증가하고 있다. 하지만 딥러닝 알고리즘은 다수의 학습 데이터가 있어야 한다. 특히 영상 내 균열의 위치를 표시한 라벨 영상은 필수적이다. 이러한 라벨 영상을 다수 확보하기 위해서는 많은 노동력과 시간이 필요한 실정이다. 이러한 비용을 절감하고 탐지 정확도를 높이기 위해서 본 연구에서는 mean teacher 방식의 학습 구조를 제안하였다. 이 학습 구조는 900장의 라벨 영상 데이터 세트와 3000장의 비라벨 영상 데이터 세트로 훈련되었다. 학습된 균열 탐지 신경망 모델은 300여장의 실험용 데이터 세트를 통해 평가되었고 탐지 정확도는 89.23%의 mean intersection over union과 89.12%의 F1 score를 기록하였다. 이 설험을 통해 지도학습과 비교하여 탐지 성능이 향상된 것을 확인하였다. 향후에 이러한 방법은 라벨 영상을 확보하는데 필요한 비용을 절감하는데 활용될 것으로 기대한다.

• 한국산학기술학회논문지
• /
• 제7권4호
• /
• pp.721-726
• /
• 2006

본 논문은 가스 저장탱크 안전거리의 지적결정 시스템에 관한 것으로, 현장에서는 저장탱크의 파열로 인한 위해를 예방하기 위해 법에서 설정한 안전거리를 유지하고 있다. 하지만 이는 비전문가에게는 저장탱크의 크기, 형상, 그리고 위치를 고려한 적절한 안전거리를 결정하기란 결코 쉽지 않다. 따라서 본 논문에서는 비전문가라도 가스 3법 및 저장탱크의 크기, 형상, 그리고 위치를 지적결정에 의하여 선택하도록 하는 사용자 친화적 지적결정 시스템을 개발하였다. 이를 통하여 얻어진 자료의 활용으로 현장에서 안전관리에 만전을 기할 수 있도록 하였다. 또한 본 논문에서는 저장탱크의 파열로 인한 과압의 피해영향 거리를 Hopkinson의 삼승근법을 이용하여 계산하여 법에서 규정한 거리와 비교 평가할 수 있는 자료를 생성토록 하였으며, 또한 이를 PHAST 모델에 적용하면 그래픽으로 출력이 되어 보다 쉽게 안전범위를 파악할 수 있도록 하였다.

• 대한토목학회논문집
• /
• 제37권1호
• /
• pp.175-185
• /
• 2017

가스 사용의 지속적인 증대로 이에 따른 가스의 제조, 취급, 사용이 점점 확대되어 관련 시설이 대형화, 복잡화되어, 이로 인한 크고 작은 사고가 지속적으로 발생하고 있다. 이러한 사고는 인명피해 및 물적 손실 뿐만 아니라 국가의 경제적인 손실의 큰 원인이 된다. 가스시설의 공통적으로 많은 부분을 차지하고 있는 Pipe Line 부분에 외부의 영향에 의한 사고가 가장 큰 위험요소를 가지고 있다. 특히, 도심지역 및 인구밀집지역의 경우의 고압가스배관의 사고 발생은 경제적 손실을 비롯한 보다 많은 손실을 야기시킬 수 있다. 이러한 매설배관의 사고에 대한 예방대책으로 여러 관련 기관에서는 가스배관에 대한 안전성을 확보하기 위해서는 전체 시스템의 파손 및 위험요소를 효과적으로 평가할 필요가 있다. 특히 가스배관이 설치되거나 작동되어 질 때에 이러한 파손(failure)의 가능성을 매우 작게 하더라도 위험요소가 존재하게 된다. 그러나 일단 파손이 발생하면 인명 및 재산상의 피해가 매우 크기 때문에 파손의 원인을 분석하여 파손사고의 비율을 최소한으로 낮추는 것이 필요하다. 그러므로 본 논문에서는 Scoring Model의 정성적 위험성 분석기법을 이용하여 매설배관의 위험성을 점수로 표현하여 정량적인 숫자로 표현하였다. 이러한 가시적인 평가의 결과는 매설배관의 안전을 확보하여 실질적인 매설배관의 유지관리를 하는데 있어서 매우 효율적으로 적용될 수 있을 것이다.

• 한국복식학회:학술대회논문집
• /
• 한국복식학회 2003년도 춘계학술대회
• /
• pp.42-42
• /
• 2003

세계적으로 인터넷 이용 인구는 2002년 2월 현재 5억 4천 4백만여명에 이르고 있으며, 우리나라의 인터넷 이용 인구는 2001년 12월말 자료에 의하면 2천4백3십8만여명에 달하는 것으로 보고되고 있다(한국 인터넷정보센터통계보고서, 2002). 또한, 네오위즈는 작년 한 해 아바타 매출 100억원을 돌파, 다모임은 지난해 12월 한달간의 아바타 매출이 3억 6000만원에 달하였으며, 다움(Daum)의 경우 서비스 개시 15일 만에 일일 발생 매출이 1천만원 돌파, 현재 1일 3천500만원의 수익을 올리는 등, 아바타 선두 업체 뿐 아니라 후발 주자들도 큰 수익 창출하고 있다(Economy21- 2002.04.25). 올 한해 아바타 시장규모는 800억원-1000억원으로 예상되고 있으며, 이러한 시장 증대에 따라 기존 캐릭터 업체들이 구축계약 위주에서 서비스 제휴사업으로 아바타모델 제안 및 시장영업이 증대되고 있다. 즉, 아바타 시장은 구축되어 있는 것이 아니라 계속적으로 확대되어 가고 있음. 또한 아바타산업은 인터넷 인프라의 확산과 더불어 아바타의 호응 또한 급격히 상승하고 있으며, 단순히 사이버 세계에서의 분신으로서의 역할에서 벗어나 다양한 부가가치를 구현하는 아바타의 등장으로 아바타의 확산은 계속적인 추세이다. 또한 아바타는 게임, 채팅, 일정관리등 인터넷 전 분야에 걸쳐 Cyber Agent활용도가 확산되고 있으며, 아바타 시장은 초기 일본형 애니메이션 아바타에서 벗어나 아바타와 패션, 아바타와 문화의 접목에 대한 관심이 상승되고 있으며 이로 인한 신규시장이 창출되고 있다 이러한 디지털 시대로의 급격한 발전은 복식문화를 디지털 문화컨텐츠 사업화로의 그 발전방향을 제시하고 있다.2cm 적용하고, 진동두께 계산식은 (B/8-1.5)+2cm를 적용함으로써 진동깊이와 진동두께의 편차가 작아짐으로 인해 소매부위와 진동부위의 맞음새를 향상시켰다. 3) 가슴둘레의 증가에 따라 등길이에 앞길이 치수를 증가시키는 계산식을 설정하여 앞가슴둘레의 맞음새를 향상시켰다. 4) Plus-size여성의 경우 허리부분의 신체적합성을 높이기 위하여 사이드 판넬(side panel)의 재킷원형으로 하였다. 앞 허리와 배 부분의 지방 침착이 크므로 앞 허리둘레 다아트 폭과 앞판 사이드 판넬(side panel) 솔기 다아트 폭을 작게 설정하고, 뒤판 사이드 판넬 솔기 폭을 크게 설정하였다. 5) 어깨끝점 사이길이는 다른 부위의 체지방 침착과 같이 비례적으로 증가하지 않으므로 표준체형에 비해 좁게 설정하였다. 보여주어 우리나라의 선호 질감과는 차이가 있었다. 실제 판매율을 살펴본 결과 주관적 질감 이미지 평가의 선호도와의 비교에서 약간의 차이가 있었는데, 이는 질감 외에 가격이 구매에 영향을 미쳤기 때문으로 분석되었다., 2002; Huun et al, 2001).의 특징이라 할 수 있겠다. 대한 자부심과 국제 사회에서 차별화 할 수 있는 한국 복식 디자인에 독창성과 창조성을 표현하는 중요한 영역임을 인식할 수 있었다.와 보호인자를 재확인할 필요가 있다고 보며 본 연구의 결과는 지역민의 대장직장암 예방을 위한 영양교육 자료로서 활용될 수 있다고 본다. 관여도에 영향을 미치고 있음을 알 수 있었다. 유지되어 쾌적역이 향상된 것으로 사려된다.하였으며, 효율적인 색채 정보로서 활용될 수 있는 패션 색채 팔레트를 제시하였다는데 의의가 있다.′, aesthetic of ′unity in multiplicity′, a

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.