• 한국산학기술학회논문지
• /
• 제19권3호
• /
• pp.669-678
• /
• 2018

본 연구는 차량센싱데이터, 공공데이터 등 다종의 빅데이터를 활용하여 주행환경 분석 플랫폼 구축을 위한 정보기술 인프라를 개발하였다. 정보기술 인프라는 H/W 기술과 S/W 기술로 구분할 수 있다. 먼저, H/W 기술은 빅데이터 분산 처리를 위한 병렬처리 구조의 소형 플랫폼 서버를 개발하였다. 해당 서버는 1대의 마스터 노드와 9대의 슬래이브 노드로 구성하였으며, H/W 결함에 따른 데이터 유실을 막기 위하여 클러스터 기반 H/W 구성으로 설계하였다. 다음으로 S/W 기술은 빅데이터 수집 및 저장, 가공 및 분석, 정보시각화를 위한 각각의 프로그램을 개발하였다. 수집 S/W의 경우, 실시간 데이터는 카프카와 플럼으로 비실시간 데이터는 스쿱을 이용하여 수집 인터페이스를 개발하였다. 저장 S/W는 데이터의 활용 용도에 따라 하둡 분산파일시스템과 카산드라 DB로 구분하여 저장하는 인터페이스를 개발하였다. 가공 S/W는 그리드 인덱스 기법을 적용하여 수집데이터의 공간 단위 매칭과 시간간격 보간 및 집계를 위한 프로그램을 개발하였다. 분석 S/W는 개발 알고리즘의 탐재 및 평가, 장래 주행환경 예측모형 개발을 위하여 제플린 노트북 기반의 분석 도구를 개발하였다. 마지막으로 정보시각화 S/W는 다양한 주행환경 정보제공 및 시각화를 위하여 지오서버 기반의 웹 GIS 엔진 프로그램을 개발하였다. 성능평가는 개발서버의 메모리 용량과 코어개수에 따른 연산 테스트를 수행하였으며, 타 기관의 클라우드 컴퓨팅과도 연산성능을 비교하였다. 그 결과, 개발 서버에 대한 최적의 익스큐터 개수, 메모리 용량과 코어 개수를 도출하였으며, 개발 서버는 타 시스템 보다 연산성능이 우수한 것으로 나타났다.

• 경영과정보연구
• /
• 제36권4호
• /
• pp.129-148
• /
• 2017

기존 전시회 정보 제공 서비스는 전시회가 열리는 장소 주변의 관광지를 추천한다. 이러한 위치기반 추천의 경우 전시회의 내용과 관련이 없는 관광지를 추천할 수 있다는 한계점이 있다. 전시회 내용과 관련된 관광지를 관람객에게 추천함으로써 전시회에서 획득한 지식을 관광지에서 경험하는 데에 도움을 줄 필요가 있다. 전시회 큐레이터들이 전시회 내용과 관련된 관광지를 일일이 찾아 추천하는 방법이 있지만, 수작업이다 보니 큐레이터가 가지고 있는 배경지식의 범위 내에서만 추천이 가능하다는 한계점이 있다. 수작업에 따른 오류가 있을 수도 있기 때문에 자동화된 방법이 필요하다. 본 연구에서는 언어자원 빅데이터를 활용하여 전시회 내용과 관련된 관광지를 자동으로 추천하는 방법을 제안한다. 언어자원으로는 한국관광공사 LOD(Linked Open Data), 위키피디아, 국립국어원 사전 등을 활용했다. 단일 컴퓨터로는 이러한 대용량 언어자원을 효율적으로 처리하기 어렵기 때문에, 클라우드 컴퓨팅 프레임워크인 아파치 스파크(Apache Spark)에 기반하여 구현했다. 사용자가 웹브라우저를 통해 전시회 정보를 열람하면 본 알고리즘에 의해 추천된 관광지들을 같이 보여주는 웹인터페이스도 구현했다(http://bike.snu.ac.kr/WARP). 주요 전시회에 대한 관광지 추천 정확도에 대해 전문가 평가를 진행했다. 기존 방법에 비해 본 논문에서 제안한 방법의 정확도가 더 높았다. 본 연구를 활용하면 전시회 큐레이터의 수작업을 줄여줄 수 있고 전시회 관람자들을 관광지로 자연스럽게 유도할 수 있기 때문에, 전시산업과 관광산업 모두에게 도움이 될 수 있다.

• 한국전자통신학회논문지
• /
• 제14권1호
• /
• pp.1-10
• /
• 2019

제4차 산업혁명시대의 지능형 전자정부와 같은 바람직한 미래형 전자정부의 구현에 있어, 블록체인 기술의 전자정부 도입 방안 측면에서 제4차 산업혁명과 지능형 정부 운용전략으로서 전자투표, 전자계약, 주민등록 전자문서 등의 관리, 부동산 등기 분야의 네 가지 측면에서 심도있는 고찰을 수행하고 바람직한 전략을 제안하였다. 제4차 산업혁명시대는 정보 혹은 데이터의 공유, 개방, 소통, 공개를 특징으로 클라우드 컴퓨팅 체제에 정보 혹은 데이터를 집중하고 빅데이터를 분석하여 사물인터넷을 통해 정보를 수집하고 언제 어디서나 모바일 등의 스마트기기로 정보통신기술을 활용하여 인간의 행복을 증진시키는 것을 목적으로 한다. 따라서 이를 위해서는 그 중심이 되는 정보 혹은 데이터에 대한 신뢰는 매우 중요하며 정보 혹은 데이터가 위변조되지 않고 참여자 모두가 투명하게 공유하는 것이 중요하다. 즉 그런 점에서 보안성을 강화하여 신뢰성을 높일 수 있는 블록체인 기술의 도입 또는 활용이야말로 필수적인데 여기서는 관련 선행연구를 검토하고 제4차 산업혁명과 지능형 정부 측면에 대한 논의를 진행한 뒤 전자투표, 전자계약, 주민등록 전자문서 등의 관리, 부동산 등기 분야에서 제4차 산업혁명과 전자정부 운용전략을 제시하였다.

• 한국조경학회지
• /
• 제47권2호
• /
• pp.59-75
• /
• 2019

본 연구는 조경산업의 관점에서 4차 산업혁명 기술을 탐색하여, 선순환적 가치증대에 필요한 기초자료를 제공하고자 수행하였다. 4차 산업혁명, 조경산업과 도시재생의 특성 등을 고찰하고, 체계적 연구에 적합한 기술 분류 체계를 틀로 선정하는 등 방법론을 설정하여 연구하였다. 먼저, 조경산업의 선순환적 가치증대에 활용이 가능한 디지털 데이터 기반의 4차 산업혁명 기술을 선별하였다. '요소기술 수준'에서 '핵심기술'인 사물인터넷, 클라우드 컴퓨팅, 빅데이터, 인공지능, 로봇, '주변기술'인 가상 증강현실, 드론, 3D 4D 프린팅, 3D 스캐닝이 디지털 데이터 기반의 4차 산업혁명 기술로 조명되었다. 조경산업에 특화하여 '트렌드 수준'으로 응용하면 선순환적 가치증대에 활용이 가능한 것으로 나타났다. '시스템 수준'은 하나의 범용기술로 분석하였으며, 플랫폼을 중심으로 요소기술 수준, 컴퓨터와 스마트기기 등이 유기적으로 상호연계되어 시스템화된 디지털 데이터 기반의 4차 산업혁명 기술로 조명되었다. 조경산업에 특화하여 '트렌드 수준'으로 응용하면 선순환적 가치증대에 효과적인 기술로 나타났다. 요소기술 수준을 응용한 트렌드 수준에서 제시된 모든 활용 방안의 구현과 시너지효과 창출이 가능하다. 스마트정원, 스마트공원 등이 추구해야 하는 수준으로 분석되었다. 트렌드 수준의 인접산업 기술 중에는 스마트시티, 스마트홈, 스마트팜 및 정밀농업, 스마트관광, 스마트헬스케어가 협업에 의한 연계성이 클 것으로 판단되었다. 다음으로, 도시재생 공공공간을 포함한 조경공간의 조성 유지관리 및 서비스에서 도구이자 소재로서, 트렌드 수준으로 응용된 관련 기술의 다양한 활용 방안이 조명되었다. 즉, 유비쿼터스 컴퓨팅의 실현으로 조경공간에서 디지털 기술의 기본적 특성이 반영된 초연결화, 초실감화, 초지능화, 초융합화되는 방안들이 제시되었다. 조경산업이 도시재생 사업에 참여함에 있어서도, 기존 업무를 비롯하여 새로운 성격의 요구 수용 및 조율, 교육, 컨설팅 등에서 가치를 증대하는데 효과적인 것으로 분석되었다. 특히, 조경영역 전반이 전략적 교두보로 유지관리를 연계하여, 트렌드 수준의 관련 기술을 시스템화할 때 선순환적 가치증대에 효과적인 것으로 나타났다. 산업구조 상, 다양한 경로에서 생산된 데이터와 정보를 유통시키는데 효과적이기 때문이다. 향후 디지털 데이터 기반의 4차 산업혁명 기술을 실제 조경공간의 조성 유지관리 및 서비스에 융합하여 실증하는 등의 후속적 연구가 필요하다.

• 한국컴퓨터정보학회논문지
• /
• 제25권3호
• /
• pp.243-250
• /
• 2020

본 논문에서는 대학의 효과적인 SW교육 방법을 제안한다. 해외 Top 10 대학과 SW중심대학, 거점 국립대학의 SW교육과정을 비교 분석하고, 그 결과를 기반으로 대학의 효과적인 SW교육 방법을 위해 5가지 개선할 점을 제안한다. 첫째는 교육과정 개발과정에서 SW 개발자의 직무 분석을 기반으로 교과목을 개발함으로써 산업체 현장 적응력을 높이는 것이다. 둘째는 4차 산업혁명 핵심기술(클라우드컴퓨팅, 빅데이터, 가상/증강현실, 사물인터넷 등)의 교과목을 강화하여 의료, 바이오, 센서, 인간, 인지과학 등의 다양한 분야와 융합하는 것이 필요하다. 셋째는 프로그래밍 언어 교육은 기본적인 문법 교육 후, SW융합 교과목에 포함하여 다양한 분야의 프로젝트를 구현해 보도록 해야 한다. 또한, 응용프로그램 개발자보다는 시스템프로그래밍 개발자, Back-End(서버단) 개발자 양성을 위한 교과목을 강화해야 한다. 넷째는 Product 기반의 자기 주도적 학습이 가능한 캡스톤디자인, 종합설계 등의 교과목을 강화하여 산업체 프로젝트에 참여할 기회를 제공한다. 다섯째는 지역 기반의 산업체 현장에서 기술을 습득할 수 있는 인턴십 또는 산학연계 프로그램을 강화함으로써 각 지역산업 기반의 대학 특성화 교육과정 개발이 필요하다.

• 한국지리정보학회지
• /
• 제22권1호
• /
• pp.62-77
• /
• 2019

지구관측위성 위원회(Committee on Earth Observation Satellites: CEOS)에서 주관하는 오픈 데이터 큐브(Open Data Cube: ODC)는 지구관측그룹(Group on Earth Observations: GEO)에서 구축하는 전 지구 관측시스템(Global Earth Observation System of Systems: GEOSS)의 기반 플랫폼으로 적용되고 발전하고 있다. ODC는 클라우드 컴퓨팅 환경을 기반으로 무상으로 공개되는 대용량의 위성영상정보를 이용하여 국가 규모, 지역 단위에서 사용자가 원하는 다양한 수준의 과학적 정보처리와 분석을 목적으로 하는 응용 서비스 구축에 적용할 수 있는 오픈소스 플랫폼이다. 이 연구에서는 ODC의 주요 특징에 대하여 유사한 목적을 갖는 구글 어스 엔진과 비교하여 설명하였다. 그리고 ODC에 대하여 소개하고 우리나라의 다목적실용위성(KOMPSAT) 영상정보를 이 플랫폼에 적용하는 데 필요한 기본 개념과 고려 사항을 제시하고자 한다. 또한, KOMPSAT 위성영상을 이 플랫폼에서 사용하기 위한 단계를 구분하여 설명하였고 실제 데이터를 이용하여 데이터의 입력과 등록에 적용되는 중간 과정을 예시하였다. 한편 오픈 데이터 사용권 관점에서 KOMPSAT 위성영상을 ODC 응용 서비스에서 적용할 수 있는 실제 방안을 제시하였다. KOMPSAT 위성영상정보의 ODC 적용을 위한 정책과 기술 사항들은 향후 GEO의 GEOSS에 다른 유상 위성정보를 사용하는 데 중요한 근거가 될 것으로 기대한다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.101-125
• /
• 2022

최근 컴퓨팅 기술의 발전과 클라우드 환경의 개선에 따라 딥 러닝 기술이 발전하게 되었으며, 다양한 분야에 딥 러닝을 적용하려는 시도가 많아지고 있다. 대표적인 예로 정상적인 데이터에서 벗어나는 값이나 패턴을 식별하는 기법인 이상 탐지가 있으며, 이상 탐지의 대표적 유형인 점 이상, 집단적 이상, 맥락적 이중 특히 전반적인 상황을 파악해야 하는 맥락적 이상을 탐지하는 것은 매우 어려운 것으로 알려져 있다. 일반적으로 이미지 데이터의 이상 상황 탐지는 대용량 데이터로 학습된 사전학습 모델을 사용하여 이루어진다. 하지만 이러한 사전학습 모델은 이미지의 객체 클래스 분류에 초점을 두어 생성되었기 때문에, 다양한 객체들이 만들어내는 복잡한 상황을 탐지해야 하는 이상 상황 탐지에 그대로 적용되기에는 한계가 있다. 이에 본 연구에서는 객체 클래스 분류를 학습한 사전학습 모델을 기반으로 이미지 캡셔닝 학습을 추가적으로 수행하여, 객체 파악뿐만 아니라 객체들이 만들어내는 상황까지 이해해야 하는 이상 상황 탐지에 적절한 2 단계 사전학습 모델 구축 방법론을 제안한다. 구체적으로 제안 방법론은 ImageNet 데이터로 클래스 분류를 학습한 사전학습 모델을 이미지 캡셔닝 모델에 전이하고, 이미지가 나타내는 상황을 설명한 캡션을 입력 데이터로 사용하여 학습을 진행한다. 이후 이미지와 캡션을 통해 상황 특질을 학습한 가중치를 추출하고 이에 대한 미세 조정을 수행하여 이상 상황 탐지 모델을 생성한다. 제안 방법론의 성능을 평가하기 위해 직접 구축한 데이터 셋인 상황 이미지 400장에 대해 이상 탐지 실험을 수행하였으며, 실험 결과 제안 방법론이 기존의 단순 사전학습 모델에 비해 이상 상황 탐지 정확도와 F1-score 측면에서 우수한 성능을 나타냄을 확인하였다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.143-174
• /
• 2023

인공지능의 발전과 함께 딥러닝을 활용한 인공지능 광학문자인식 기법 (Artificial Intelligence powered Optical Character Recognition, AI-OCR) 의 등장은 기존의 이미지 처리 기반 OCR 기술의 한계를 넘어 다양한 형태의 이미지로부터 여러 언어를 높은 정확도로 읽어낼 수 있는 모델로 발전하였다. 특히, AI-OCR은 인력을 통해 대량의 다양한 서류 처리 업무를 수행하는 금융업에 있어 그 활용 잠재력이 크다. 본 연구에서는 금융권내 활용을 위한 AI-OCR 모델의 구성과 설계를 제시하고, 이를 효율적으로 적용하기 위한 플랫폼 구축 및 활용 사례에 대해 논한다. 금융권 특화 딥러닝 모델을 만듦에 있어 금융 도메인 데이터 사용은 필수적이나, 개인정보보호법 이하 실 데이터의 사용이 불가하다. 이에 본 연구에서는 딥러닝 기반 데이터 생성 모델을 개발하였고, 이를 활용하여 AI-OCR 모델 학습을 진행하였다. 다양한 서류 처리에 있어 유연한 데이터 처리를 위해 단계적 구성의 AI-OCR 모델들을 제안하며, 이는 이미지 전처리 모델, 문자 탐지 모델, 문자 인식 모델, 문자 정렬 모델 및 언어 처리 모델의 선택적, 단계적 사용을 포함한다. AI-OCR 모델의 배포를 위해 온프레미스(On-Premise) 및 프라이빗 클라우드(Private Cloud) 내 GPU 컴퓨팅 클러스터를 구성하고, Hybrid GPU Cluster 내 컨테이너 오케스트레이션을 통한 고효율, 고가용 AI-OCR 플랫폼 구축하여 다양한 업무 및 채널에 적용하였다. 본 연구를 통해 금융 특화 AI-OCR 모델 및 플랫폼을 구축하여 금융권 서류 처리 업무인 문서 분류, 문서 검증 및 입력 보조 시스템으로의 활용을 통해 업무 효율 및 편의성 증대를 확인하였다.

• 한국가정과교육학회지
• /
• 제31권4호
• /
• pp.149-161
• /
• 2019

현재 우리는 지금까지 아무도 예측하지 못할 정도의 인공지능의 발달과 빠른 기술혁신에 따른 4차 산업혁명시대로의 변화시점에 있다. 본 연구는 '4차 산업혁명시대로의 변화에 따라 가정과교육은 어떤 역할을 수행해야 하는가?'의 문제의식에서 출발하였으며, 구체적으로 4차 산업혁명시대의 특징과 교육의 방향에 따른 가정과교육의 역할에 초점을 맞추어 연구를 진행하였다. 4차 산업혁명의 특징은 인공지능(AI), 클라우드 컴퓨팅(Cloud Computing), 사물인터넷(IoT), 빅 데이터(Big Data), O2O(Online to Offline) 등으로, 일상생활뿐만 아니라 사회체제와 과학기술, 그리고 직업의 구조에 급격한 변화를 가져올 것이다. 그 과정에서 비인간화되어가는 현상, 로봇과 인공지능의 발전에 따른 인간의 도덕성과 윤리적인 면에 문제를 줄 수 있기 때문에, 4차 산업혁명 시대 교육의 방향은 미래 공동체를 위해 함께하는 인성과 시민의식을 갖춘 미래 인재를 양성하는 방향으로 총체적인 변화가 모색되어져야 한다. 또한 초지능, 초연결 사회로의 변화를 가져올 4차 산업혁명이 교육에 주는 시사점은 인간이 인간으로서의 가치를 스스로 내면화하도록 교육의 역할이 강조되어져야 한다는 것이다. 인성교육은 교육과정의 통합 속에서 개념이 정립되고 보편타당한 내면화된 의식으로 자리 잡아야 하며 구체적인 실천적 전략들이 마련되어져야 한다. 결론적으로 4차 산업혁명시대 가정과교육의 역할은 다음과 같다. 첫째, 4차 산업혁명시대 가정과교육은 인간의 본성인 인성교육의 중추적 역할을 담당하여야 한다. 인성교육을 주도적으로 담당해야 한다는 것이다. 또한 4차 산업혁명시대 가정과교육은 인간의 다양한 삶의 본질적인 개선에 선도적 역할을 담당하여야 한다. 4차 산업혁명은 인간의 정신적, 육체적 활동뿐만 아니라, 인간의 정체성도 바뀌어 갈 것이다. 3차 산업혁명 이후의 사회에서는 산재해 있는 지식을 얼마나 신속하고 정확하게 습득할 수 있느냐가 중요했다면 4차 산업혁명의 지능정보화사회에서는 빠른 변화 속에서 인간의 본성을 지키기 위해 지식을 어떻게 활용할 것인지를 배우는 것이 요구된다. 이렇듯 4차 산업혁명은 우리 삶을 형성하는 시스템에 영향을 끼침으로써 가족과 조직, 공동체를 긍정적으로 이끌어갈 수 있는 방향성을 모색하게 되는데 가정과교육이 이러한 역할을 선도적으로 담당해야 한다.

• 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.