• 한국전자통신학회논문지
• /
• 제18권3호
• /
• pp.483-494
• /
• 2023

최근 가스터빈 발전기는 전력계통의 주파수 조절용으로 널리 사용되고 있다. 가스터빈의 입구온도는 기기의 성능과 수명에 관련된 핵심요소이지만 터빈구조 및 운전환경 등의 이유로 입구온도를 직접 측정하지 않고 가스터빈 배기가스 온도 측정값을 이용하여 입구온도의 추정 값을 구해 이를 연소제어에 사용하고 있다. 특히 재열 가스터빈의 입구온도는 안정적 운전관리에 있어서 매우 중요하지만 제작사가 산출 식에 대한 정보를 제공하지 않고 있어 현장 실무자들은 많은 어려움을 겪고 있다. 이에 본 연구에서는 폴리트로픽 과정식의 기반 위에 머신러닝 기반의 선형회귀 분석기법을 사용하여 가스터빈의 입구온도를 추정할 수 있는 방법을 제시하고자 한다. 또한 선형회귀분석을 통해 얻어진 입구온도 산출 모델식의 유용성 분석과 검증을 통해 입구온도 산출 알고리즘을 제안함으로서 재열 가스터빈 연소튜닝 기술수준 향상에 도움이 되고자 한다.

• 한국정보전자통신기술학회논문지
• /
• 제16권6호
• /
• pp.369-377
• /
• 2023

산업 제조 분야에서 품질 관리는 불량률을 최소화하는 핵심 요소로, 미흡한 관리는 추가적인 비용 발생과 생산 지연을 야기할 수 있다. 본 연구는 제조품의 텍스쳐 결함 감지의 중요성을 중심으로, 보다 정밀한 결함 감지 방법을 제시한다. DFR(Deep Feature Reconstruction) 모델은 특징맵의 조합 및 재구성을 통한 접근법을 채택하였지만, 그 방식에는 한계가 있었다. 이에 따라, 우리는 제한점을 극복하기 위해 통계적 방법론을 활용한 새로운 손실 함수와 스킵 연결구조를 통합하고 파라미터 튜닝을 진행하였다. 이 개선된 모델을 MVTec-AD 데이터세트의 텍스쳐 카테고리에 적용한 결과, 기존 방식보다 2.3% 높은 결함 분할 AUC를 기록하였고, 전체적인 결함 감지 성능도 향상되었다. 이 결과는 제안하는 방법이 특징맵 조합의 재건축을 통한 결함 탐지에 있어서 중요한 기여함을 입증한다.

• 융합보안논문지
• /
• 제24권2호
• /
• pp.201-207
• /
• 2024

목소리는 인간의 의사소통에서 중요한 요소로, 음성인식 모델의 발전은 인공지능의 중요한 성과 중 하나이며 최근 인간의 생활에 다방면으로 사용되고 있다. 음성인식 모델의 활용은 군사분야에서도 피해갈 수 없는 과제이다. 하지만 인공지능 모델의 군사적 활용 이전에 모델의 취약성에 대한 연구가 필요하다. 본 연구에서는 다국적 음성인식 모델인 Whisper의 군사적 활용 가능성을 알아보기 위해, 전장소음, 잡음, 적대적 공격에 대한 취약성을 평가하였다. 전장소음을 포함하는 실험에서는 Whisper의 성능 저하가 크게 나타났으며, 평균 72.4%의 문자 오류율(CER)을 기록하여 군사적 활용에 어려움이 있는 것으로 나타났다. 또한, 잡음을 포함하는 실험에서는 낮은 강도의 잡음에 대해 Whisper가 강건하였으나, 높은 강도의 잡음에서는 성능이 저하되었고, 적대적 공격 실험에서는 특정 입실론 값에서 취약성이 드러났다. 따라서 Whisper 모델을 군사적 환경에서 사용하기 위해서는 파인튜닝, 적대적 훈련 등을 통해 개선이 필요하다는 것을 시사한다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제7권1호
• /
• pp.9-18
• /
• 2018

분산 처리 플랫폼에서 다양한 빅 데이터 처리 어플리케이션들의 수행 성능 향상에 대한 관심이 높아지고 있다. 이에 따라 범용적인 분산 처리 플랫폼인 아파치 스파크에서 어플리케이션들의 처리 성능 최적화에 대한 연구들이 활발하게 진행되고 있다. 스파크에서 데이터 처리 어플리케이션들의 수행 성능을 향상시키기 위해서는 스파크의 분산처리모델인 Directed Acyclic Graph(DAG)에 알맞은 형태로 어플리케이션을 최적화시켜야 하고 어플리케이션의 처리 특징을 고려하여 스파크 시스템 파라미터들을 설정해야 하기 때문에 매우 어렵다. 기존 연구들은 각각의 어플리케이션의 처리 성능에 영향을 주는 하나의 요소에 대한 부분적인 연구를 수행했고, 최종적으로 어플리케이션의 성능개선을 이뤄냈지만 스파크의 전반적인 처리과정을 고려한 성능 최적화를 다루지 않았을 뿐만 아니라 처리성능과 상관관계를 갖는 다양한 요소들의 복합적인 상호작용을 고려하지 못했다. 본 연구에서는 스파크에서 일반적인 데이터 처리 어플리케이션의 수행 과정을 분석하고, 분석된 결과를 토대로 어플리케이션의 처리과정 중 스테이지 내부와 스테이지 사이에서 성능 향상을 위한 처리 전략을 제안한다. 또한 스파크의 시스템 설정 파라미터 중 분산 병렬처리와 밀접한 관계를 갖는 파티션 병렬화에 따른 어플리케이션의 수행성능을 분석하고 적합한 파티셔닝 최적화 기법을 제안한다. 3가지 성능 향상 전략의 실효성을 입증하기 위해 일반적인 데이터 처리 어플리케이션: WordCount, Pagerank, Kmeans에 각각의 방법을 사용했을 때의 성능 향상률을 제시한다. 또한 제안한 3가지 성능 최적화 기법들이 함께 적용될 때 복합적인 성능향상 시너지를 내는지를 확인하기 위해 모든 기법들이 적용됐을 때의 성능 향상률을 제시함으로써 본 연구에서 제시하는 전략들의 실효성을 입증한다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제14권2호
• /
• pp.158-170
• /
• 2008

무한 경쟁체제인 시장에서 변화하는 요구들을 수용하기 위한 해결책으로, SK 텔레콤은 향후 10년간 증가할 대용량의 데이타 및 트랜잭션을 처리하고, 다양한 마케팅활동 지원이 가능한 새로운 마케팅 시스템을 구축하였다. 이 시스템은 기존의 메인프레임 기반의 COIS시스템을 유닉스기반의 클라이언트 -서버 구조로 변경한 것이며, 웹브라우저 기반 인터페이스를 제공한다. NGM(Next Generation Marketing) 이라고 명명된 이 프로젝트는 그 규모가 전례가 없이 매우 컸다. 그러나 관리 및 기술적 문제들로 인하여 프로젝트는 위험을 맞게 되었다. 기존의 거대 벤더들이 제공하는 소프트웨어 솔루션에 기반한 어플리케이션 프레임워크가 새로운 시스템의 다양하고 방대한 요구조건을 충분히 소화시키지 못했기 때문이다. 결국 2005년 3월 SK텔레콤은 NGM 프로젝트를 보류하였다. 2005년 5월 종합적인 기획 수정을 통해 프로젝트는 2단계에 착수되었다. 새로운 시스템의 복잡도에 대응하기 위해 더 이상 단일 솔루션을 택하지 않기로 결정하여, 새로운 시스템은 커스팀 빌트의 형태가 되었다. 본 논문에서는 성공적인 NGM 프로젝트 수행을 위해 고려된 3가지 기술적 요소 - 미들웨어 및 어플리케이션 프레임워크, 데이타베이스 아키텍처, 튜닝 및 시스템 퍼포먼스 - 에 대하여 다루고 있다. NGM 구축에 있어서 적용된 이 프로세스 및 접근방법은 텔레커뮤니케이션 사업분야에서의 가장 성공적인 실제 적용사례로 볼 수 있다. 완성된 NGM 시스템은 2006년 10월 9일 성공적으로 가동되었고, "U.Key 시스템"으로 명명되었다. 이 새로운 시스템은 가까운 미래에 혁신적이고, 효과적이며 고객지향적인 어플리케이션 둥을 제공할 수 있을 것으로 기대된다.

• 터널과지하공간
• /
• 제30권3호
• /
• pp.214-225
• /
• 2020

쉴드 TBM(Tunnel Boring Machine) 터널 굴착 시 암반의 상태는 굴진 성능을 결정하는 중요한 요소 중 하나이다. 암석 강도는 지반조사 시 실내시험을 통해 얻을 수 있으나, 전체 TBM 굴진 구간에 대해 모두 알 수 없다. TBM 굴진 시 최적 Operation Parameter를 적용하기 위해서는 굴진 속도에 영향을 미치는 암석 강도를 파악하는 것이 매우 중요하다. 이에 본 연구에서는 TBM 굴착 중 생성되는 기계 데이터와 머신러닝(Machine Learning) 기법을 활용하여 암석 강도를 예측하고자 한다. 암석 강도를 예측하기 위해 여러 머신러닝 기법을 사용하여 비교하였고, 가장 예측 성능이 좋은 스태킹 모델을 최종 모델로 선택하였다. 암반 구간 Slurry 쉴드 TBM 굴진 사례에서 지반조사 및 시공 중 조사한 암석 강도와 강도를 획득한 위치에서의 TBM 굴착 데이터를 사용하였다. TBM 굴착 데이터는 Training과 Test용으로 8:2로 분할하였으며, 변수 선택(feature selection), 표준화(scaling), 이상치(outlier) 제거 등 전처리 과정을 수행하였다. 하이퍼파라미터 튜닝까지 마친 후, 스태킹 모델에 대해 평균 제곱근 오차(Root Mean Square Error, RMSE)와 결정 계수(R²)로 모델을 평가한 결과 각각 5.556과 0.943로 나타났으며, TBM 굴착 데이터로 암석 강도를 예측하는 모델로 유용할 것으로 판단된다.

• Composites Research
• /
• 제33권3호
• /
• pp.108-114
• /
• 2020

Piecewise Integrated Composite (PIC) 보는 하중 유형에 따라 구간을 나누어, 각 구간마다 하중 유형에 강한 복합재료의 적층 순서를 배열한 보이다. 본 연구는 PIC 보의 구간을 머신 러닝의 일종인 k-NN(k-Nearest Neighbor) 분류를 통해 나누어 기존에 제시되었던 PIC 보에 비해 우수한 굽힘 특성을 갖게 하는 것이 목적이다. 먼저, 알루미늄 보의 3점 굽힘 해석을 통하여 참조점에서의 3축 특성(Triaxiality) 값 데이터를 얻었고, 이를 통해 인장, 전단, 압축의 레이블을 가진 학습 데이터가 만들어진다. 학습 데이터를 통해 각 면마다 독립적인 k-NN 분류 모델을 구성하는 방법(Each plane)과 전체 면에 대한 k-NN 분류 모델을 구성하는 방법(one part)을 이용하여 k-NN 분류 모델을 생성하였고, 하이퍼파라미터의 튜닝을 통하여 다양한 하중 충실도를 도출하였다. 가장 높은 하중 충실도를 가진 k-NN 분류 모델을 기반으로 보를 매핑(mapping)하였고, PIC 보에 대하여 유한요소 해석을 진행한 결과, 기존에 제시되었던 PIC 보에 비해 최대하중과 흡수 에너지가 커지는 특성을 보였다. 하중 충실도를 수동으로 조절하여 100%로 만든 PIC 보와 비교하였을 때, 최대하중과 흡수에너지가 미소한 차이가 나타났으며 이는 타당한 하중 충실도로 보여진다.

• 서비스연구
• /
• 제13권4호
• /
• pp.131-141
• /
• 2023

라이프스타일 변화에 따라 소비자의 니즈와 행동 변화는 소비문화로 이어져 자동차 시장에도 영향을 미치고 있다. 그러나 관련 시장의 소비자의 라이프스타일에 맞춘 옵션을 제공하기 위한 연구·조사는 아직 부족한 실정이다. 본 연구는 차종 중 라이프스타일이 가장 많이 반영되는 픽업트럭에 적용되는 픽업트럭 액세서리를 중심으로 먼저 픽업트럭과 픽업트럭의 애프터마켓 시장, 라이프스타일에 대한 이론적 배경을 살펴보았다. 둘째, 이미지 맵핑을 통해 시장규모 분석, 가능성을 통한 픽업트럭의 시장 가능성과 기회요소를 발견하고 이를 통해 사용자 유형을 구분할 수 있었다. 셋째, 사용자 유형을 대표하는 이를 대상으로 인터뷰를 진행하였고 내용을 정리하였고 관련 집단을 중심으로 인터뷰하여 사용자 집단의 퍼소나를 작성하고 각 집단의 퍼소나가 원하는 니즈가 무엇인지 정리하였다. 마지막으로, 사용자 라이프스타일 유형별 도출된 이슈 키워드 및 인사이트에 맞는 디자인 콘셉트를 제시하였다. 본 연구에서는 사용자 유형을 ①야외활동형, ②취미활동형, ③소규모업무형으로 나누어 사용자 유형별 인터뷰로 집단별 키워드에 맞는 콘셉트를 적용하여 디자인 사례연구를 하였다. 야외활동형은 가변형 구조의 수납, 거주공간 형태의 액세서리 디자인을 제시하였고, 취미활동형은 모듈형 데크탑 디자인과 스포츠 쿠페형의 하드탑 디자인을 제시하였다. 소규모업무형은 적재물 고정에 용이한 칸막이와 적재함 탑승에 용이한 스탭퍼 디자인을 제시하였다. 현재 대량 맞춤화(Mass Customization)되고 있는 자동차 시장에서 픽업트럭 이용자의 라이프스타일에 맞는 픽업트럭 액세서리 개발에 적용하여 라이프스타일별 사용자가 원하는 옵션 디자인의 다양화로 픽업트럭 애프터마켓의 규모가 확대되길 기대한다.

• 한국수자원학회논문집
• /
• 제57권1호
• /
• pp.35-44
• /
• 2024

댐유입량 예측에 대하여 데이터 기반 머신러닝 및 딥러닝(Machine Learning & Deep Learning, ML&DL) 분석도구들이 공개되어 다양한 분야에서 ML&DL의 적용연구가 활발히 진행되고 있으며, 모델의 자체 성능향상 뿐만 아니라 모델의 특성을 고려한 데이터의 전처리도 댐유입량을 정확하게 예측하게 하는 중요한 모델성능 향상의 요소라고 할 수 있다. 특히 기존 강우자료는 적설량을 열선 설비를 통하여 녹여 강우량으로 환산되어 있으므로, 융적설에 따른 강우와 유입량의 상관관계를 왜곡하게 된다. 따라서 본연구에서는 소양강댐과 같이 융적설의 영향을 받는 댐유역에 대한 댐일유입량 예측시 겨울에 강설량이 적설이 되어 적게 유출되는 현상과, 봄에 융설로 인하여 무강우나 적은 비에도 많은 유출이 일어나는 물리적 현상을 ML&DL모델로 적용하기 위하여 필요한 강우 데이터의 전처리에 대한 연구를 수행 하였다. 강우계열, 유입량계열을 조합하여 3가지 머신러닝(SVM, RF, LGBM)과 2가지 딥러닝(LSTM, TCN) 모델을 구축하고, 최적 하이퍼파라메터 튜닝을 통하여 적합 모델을 적용하고 한 결과, NSE 0.842~0.894로 높은 수준의 예측성능을 나타내었다. 또한 융적설을 반영한 강우보정 데이터를 만들기 위하여 융적설 모의 알고리즘을 개발하고, 이를 통하여 산정된 보정강우를 머신러닝 및 딥러닝 모델에 적용한 결과 NSE 0.841~0.896 으로 융적설 적용전과 비슷한 높은 수준의 예측 성능을 나타내었으나, 융적설 기간에는 조정된 강우로 학습되어 예측되었을 때 실측유입량에 근접하는 모의결과를 나타내었다. 결론적으로, 융적설이 영향을 미치는 유역에서의 데이터 모델 적용시에는 입력자료 구축시 적설 및 융설이 물리적으로 타당한 강우-유출 반응에 적합하도록 전처리과정이 중요함을 밝혔다.