• The Journal of the Korean life insurance medical association
• /
• v.24
• /
• pp.79-96
• /
• 2005

1. 연구배경과 문제제기 - 보험시장의 환경변화 : 보험업법 개정, 방카슈랑스 도입, 고(高)보장성 생존급부(CI, LTC)상품의 등장, 통신판매 전문보험회사의 설립 허용 - 현행 언더라이팅 시스템의 문제점 : 위험난이도와 판매 채널별 특성이 고려되지 않고 언더라이터에 전건 배정 되어 업무의 효율성이 낮음 - 보험시장의 환경변화에 맞는 EUS(Expert Underwriting System) 도입으로 언더라이팅의 효율성을 증대하고자함 2. 국내/외 생보사 언더라이팅 시스템 현황 비교 및 개선방안 - 국내 언더라이팅 시스템 현황 : 청약서 입력/스캔 후 진단 및 적부 유무(有無)에 따라 자동으로 언더라이터에게 심사가 배정됨 - 미국 언더라이팅 시스템 현황 : EUS에 의한 1차 전산승낙여부 결정 후(後)언더라이터에게 심사가 배정됨 - 위험난이도의 고저(高低)와 관계없이 언더라이터에 배정되는 심사시스템의 문제점을 극복하고 체계적인 위험평가를 위해 EUS도입이 필요함 3. EUS 선행요건 - 고객정보의 확보 - 국내 생보사의 고객정보 수집원 : 청약서, 모집인 보고서, 건강진단서,적부조사, 보험사고정보조회시스템 (ICPS), 고액보험 및 상해보험 중복가입자에 대한 정보 교환제도 - 북미 생보사의 고객정보 수집원 : 청약서, 모집인 보고서, 의사소견서 및 진료기록서, 건강검진, 적부조사, 정보교환제도( 북미보험사간 의료정보 공유-MIB) - 정확한 고객정보의 확보방안 : 법률/제도의 정비, 청약서 질문 내용의 세분화, 의료정보교환제도의 구축 4. EUS 개요 및 현황 - EUS의 정의: 고객의 정보를 입력하여 청약부터 보험증권 발행 단계까지 One-Stop 서비스를 제공하는 것으로 언더라이터가 청약서를 가지고 언더라이팅 하는 것과 동일한 업무를 할 수 있는 전문가 시스템 - EUS의 장점: (1) 비용절감 및 인력의 효율적 활용 (2) 업무별 시스템화 되는 조직속성에 적합함. (3) 언더라이팅 정책이 경영 환경 변화에 대처하는데 신속함 - 국외 EUS 현황 (예: Cologne Re) 및 사례연구 5. 위험분류 및 EUS 개요현황 (언더라이팅 시스템 도입) - 위험관리 선행요건으로 위험요소별 분류가 체계적으로 수립되어야 함. - 데이터웨어하우스 (의사결정을 목적으로 설계된 조회와 분석이 가능한 통합된 정보저장소) 시스템 사용 - EUS 도입을 통한 언더라이팅 프로세스: 데이터마이닝 과정을 통해 "자동승낙, 언더라이터에게 심사배정, 적부의뢰, 진단의뢰, 텔레 언더라이터, 보완지시"등이 결정됨. 6. 판매채널별 EUS 활용방안 - 대면채널: 효용성 높은 정보제공과 정확한 위험분석이 가능한 시스템으로 고(高)보장, 고(高)위험 상품에 대해 언더라이터가 집중 심사 할 수 있게 함. - 방카슈랑스: 3S(간결, 신속, 서비스)의 특성에 맞는 전과정 무인자동심사시스템 - 비대면채널: 판매상품과 타겟시장을 명확히 한 후 도덕적 위험과 재무적 위험에 대한 평가시스템 및 의사결정 시스템을 도입 7. 결론 - EUS 도입의 기대효과 (1) 심사기일의 단축으로 고객만족 실현 (2) 체계적 과학적 리스크 관리로 위험률차익 증대에 기여 (3) 업무효율의 증대와 언더라이터의 역량강화 (4) CRM 활용증대와 모바일 청약시스템 구축의 근간 - EUS 도입시 경제적 법률적 제도적 문제 극복과 생보 업계 공동의 관심과 노력이 필요함 - EUS를 활용하여 종합적.체계적 리스크 관리가 가능한 금융회사로의 경쟁력 향상에 기여함.

• Korean Journal of Construction Engineering and Management
• /
• v.19 no.4
• /
• pp.52-60
• /
• 2018

In the construction industry, attempts to evaluate the environmental impact of products through life cycle assessment (LCA) approach has been on the rise. However, the domestic construction industry needs to make rapid decisions due to limited budget and schedule, so it is difficult to carry out a review of the environmental load on all resources. The decision-making process requires information on the major influence factors that should be focused on to reduce environmental load. And this information should be quantified so that it can be linked to environmental impact assessment. In this study, the LCA results of road construction cases were analyzed to provide such information. As a result, diesel, ready-mixed concrete, urethane-based paint, aggregate, and asphalt concrete were found to be the main factors that generated 93.17% of the environmental load in the earthwork type of road project. The total environmental cost caused by these affecting factors when constructing 1 km of earthwork type of road project is 242 million won. The analysis also shows that a 10% reduction in the amount of ready-mixed and asphalt concretes can reduce carbon emissions by 5.02% and 2.28% while reducing environmental costs by 11 million won per kilometer. In order to reduce carbon emissions of the earthwork type of road project, it is necessary to actively develop and introduce new methods and eco-friendly materials to reduce the overall use of ready-mixed concrete and asphalt concrete.

• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2017.04a
• /
• pp.162-162
• /
• 2017

구글에서 공개한 Tensorflow를 이용한 여러 학문 분야의 연구가 활발하다. 농업 시설환경을 대상으로 한 빅데이터의 축적이 증가함과 아울러 실효적인 정보 획득을 위한 각종 데이터 분석 및 마이닝 기법에 대한 연구 또한 활발한 상황이다. 한편, 타 분야의 성공적인 심층학습기법 응용사례에 비하여 농업 분야에서의 응용은 초기 성장 단계라 할 수 있다. 이는 농업 현장에서 취득한 정보의 난해성 및 완성도 높은 생육/환경 모델링 정보의 부재로 실효적인 전과정 처리 기술 도출에 소요되는 시간, 비용, 연구 환경이 상대적으로 부족하기 때문일 것이다. 특히, 센서 기반 데이터 취득 기술 증가에 따라 비약적으로 방대해진 수집 데이터를 시간 복잡도가 높은 심층 학습 모델링 연산에 기계적으로 단순 적용할 경우 시간 효율적인 측면에서 성공적인 결과 도출에 애로가 있을 것이다. 매우 높은 시간 복잡도를 해결하기 위하여 제시된 하드웨어 가속 기능의 경우 일부 개발환경에 국한이 되어 있다. 일례로, 구글의 Tensorflow는 오픈소스 기반 병렬 클러스터링 기술인 MPICH를 지원하는 알고리즘을 공개하지 않고 있다. 따라서, 본 연구에서는 심층학습 기법 연구에 있어서, 예상 가능한 다양한 자원을 활용하여 최대한 연산의 결과를 빨리 도출할 수 있는 하드웨어적인 접근 방법을 모색하였다. 호스트에서 수행하는 일방적인 학습 알고리즘과 달리 이기종간 심층 학습이 가능하기 위해선 우선, NFS(Network File System)를 이용하여 데이터 계층이 상호 연결이 되어야 한다. 이를 위해서 고속 네트워크를 기반으로 한 NFS의 이용이 필수적이다. 둘째로 제한된 자원의 한계를 극복하기 위한 메모 공유 라이브러리가 필요하다. 셋째로 이기종간 프로세서에 최적화된 병렬 처리용 컴파일러를 이용해야 한다. 가장 중요한 부분은 이기종간의 처리 능력에 따른 작업을 고르게 분배할 수 있는 작업 스케쥴링이 수행되어야 하며, 이는 처리하고자 하는 데이터의 형태에 따라 매우 가변적이므로 해당 데이터 도메인에 대한 엄밀한 사전 벤치마킹이 수행되어야 한다. 이러한 요구조건을 대부분 충족하는 Open-CL ver1.2(https://www.khronos.org/opencl/)를 이용하였다. 최신의 Open-CL 버전은 2.2이나 본 연구를 위하여 준비한 4가지 이기종 시스템에서 모두 공통적으로 지원하는 버전은 1.2이다. 실험적으로 선정된 4가지 이기종 시스템은 1) Windows 10 Pro, 2) Linux-Ubuntu 16.04.4 LTS-x86_64, 3) MAC OS X 10.11 4) Linux-Ubuntu 16.04.4 LTS-ARM Cortext-A15 이다. 비교 분석을 위하여 NVIDIA 사에서 제공하는 Pascal Titan X 2식을 SLI로 구성한 시스템을 준비하였다. 개별 시스템에서 별도로 컴파일 된 바이너리의 이름을 통일하고, 개별 시스템의 코어수를 동일하게 균등 배분하여 100 Hz의 데이터로 입력이 되는 온도 정보와 조도 정보를 입력으로 하고 이를 습도정보에 Linear Gradient Descent Optimizer를 이용하여 Epoch 10,000회의 학습을 수행하였다. 4종의 이기종에서 총 32개의 코어를 이용한 학습에서 17초 내외로 연산 수행을 마쳤으나, 비교 시스템에서는 11초 내외로 연산을 마치는 결과가 나왔다. 기보유 하드웨어의 적절한 활용이 가능한 심층학습 기법에 대한 연구를 지속할 것이다

• Journal of the Korea Society for Simulation
• /
• v.32 no.3
• /
• pp.23-31
• /
• 2023

Software development involves a series of stages, including requirements analysis, design, implementation, unit testing, and integration testing, similar to those used in the system engineering process. This study utilized MathWorks' model-based design platform to develop multi-function radar software and evaluated its feasibility and efficiency. Because the development of conventional radar software is performed by a unit algorithm rather than in an integrated form, it requires additional efforts to manage the integrated software, such as requirement analysis and integrated testing. The mode-based platform applied in this paper provides an integrated development environment for requirements analysis and allocation, algorithm development through simulation, automatic code generation for deployment, and integrated requirements testing, and result management. With the platform, we developed multi-level models of the multi-function radar software, verified them using test harnesses, managed requirements, and transformed them into hardware deployable language using the auto code generation tool. We expect this Model-based integrated development to reduce errors from miscommunication or other human factors and save on the development schedule and cost.