• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2007.11a
• /
• pp.564-569
• /
• 2007

자동화 컨테이너 터미널에서 안벽크레인, AGV(Automated Guided Vehicle)와 같은 하역장비의 작업은 수 많은 요인에 영향을 받으며, 이로 인해 각 장비의 작업시간을 정확하게 추정하는 것은 거의 불가능하다. 작업시간의 불확실성은 AGV 배차를 어렵게 만들고 작업효율을 떨어뜨리는 주요 원인이다. 본 논문에서는 이러한 불확실성에 대처하기 위하여 확률적 시뮬레이션 기반 AGV 배차 알고리즘을 제안한다. 제안 방안은 AGV를 배차할 때, 이후 일정 기간 동안의 AGV작업에 대해 확률적 시뮬레이션을 여러번 반복하여 수행하고 평가 값을 평균함으로써 불확실성의 영향을 줄인다. 확률적 시뮬레이션을 위해 크레인 작업시간의 불확실성을 간단한 확률함수로 모델링하고 그에 따라 크레인 작업시간을 결정한다. 또한 AGV 작업시간을 가감속, 간섭을 고려하여 추정한다. 시뮬레이션 실험을 통해 제안방안을 검증한 결과 안벽크레인의 지연이 감소함을 확인하였다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.357-361
• /
• 2011

본 논문에서는 확률적 불확실성을 포함한 손상 장에서 강성저감 효과를 추정하는 방법을 제안하였다. 실제 교량 구조물에 분포된 손상 장은 매우 불확실하며 손상의 위치와 형상 또한 정확히 알 수 없는 경우가 많다. 그러나 대부분의 손상 추정 문제는 균열이나 손상의 위치와 형상을 기지의 주어진 정보로 가정하고 손상을 추정한다. 제안 기법에서는 이러한 손상의 위치와 형태가 본질적으로 불확실하다는 가정 하에 이 불확실성을 수정 가우스 강성 저감 분포 함수를 도입하여 기술한다. 교량에 국부적으로 발생된 손상은 교량의 요소강성의 저감 분포로 변환되어 손상이 발생한 전체 시스템의 강성을 표현하고 이를 통해 손상이 발생한 시스템의 전체 응답을 해석할 수 있게 된다. 수정 가우스 강성 저감 분포 함수는 손상 분포의 개략적 중심을 표현하는 평균 변수와 강성 저감의 비국소적 분포 특성을 묘사하는 표준편차 변수, 손상 중심의 손상 정도를 표현하는 강성저감 변수로 구성된다. 본 논문에서는 손상 장에서 손상의 위치나 형태에 대한 확률적 불확실성을 기술하는 수정 가우스 강성 저감 분포 함수를 포함한 유한요소모델을 정식화하여 제시한다. 또한 단일 또는 복합 균열로 인해 교량 구조물에 국부적인 손상이 야기된 경우에 대한 수치 예제를 통하여 균열 등에 대한 정보가 불확실하더라도 수정 가우스 강성 저감 분포 함수를 통해 강성 저감 효과가 분석될 수 있음을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.366-366
• /
• 2012

확률강우량은 하천설계, 수자원설계 및 계획을 위한 기초자료로 활용되며 최근 이상기후 및 기후변화로 인한 극치강우의 빈도 및 양적 증가로 인한 확률강우량 산정의 불확실성 분석에 대한 관심이 크게 증가하고 있다. 수문빈도 해석에 있어서 대부분 지역이 50년 이하의 수문자료가 이용되고 있으며 수문설계에서 요구되는 50년 이상의 확률강수량 추정시에는 상당한 불확실성을 내포하고 있다. 이러한 점에서 본 연구에서는 자료연수에 따른 Sampling Error와 분포형의 매개변수의 불확실성을 고려한 해석모형을 구축하고자 한다. 빈도해석에서 매개변수를 추정하기 위해서는 일반적으로 모멘트법, 최우도법, 확률가중모멘트법이 이용되고 있으나 사용되는 분포형에 따라서 통계학적으로 불확실성 구간을 정량화하는 과정이 난해할 뿐만 아니라 극치 수문자료가 Thick-Tailed분포의 특성을 가짐에도 불구하고 신뢰구간 산정시 정규분포로 가정하는 등 기존 해석 방법에는 많은 문제점을 내포하고 있다. 본 연구에서는 이러한 매개변수의 불확실성 평가에 있어서 우수한 해석능력을 발휘하는 Bayesian기법을 도입하여 분포형의 매개변수를 추정하고 매개변수 추정과 관련된 불확실성을 평가하고자 한다. 이와 별개로 자료연한에 따른 Sampling Error를 추정하기 위해서 Bootstrapping 기반의 해석모형을 구축하고자 하며 최종적으로 빈도해석시에 나타나는 불확실성을 종합적으로 검토하였다. 빈도해석을 위한 확률분포형으로 GEV(generalized extreme value)분포를 이용하였으며 Gibbs 샘플러를 활용한 Bayesian Markov Chain Monte Carlo 모의를 기본 해석모형으로 활용하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1390-1394
• /
• 2010

Dempster-Shafer 이론은 미지의 매개변수 추정시 베이지안 기법의 제약을 완화시키기 위한 베이지안 접근법의 일반화로 해석될 수 있으며, 상호배타적인 싱글톤에만 확률이 할당되는 것이 아니라 가능한 결과의 부분집합들이 기본확률할당을 위한 대상으로 고려된다. 베이지안 접근은 우연적 불확실성 및 지식의 불확실성을 효율적으로 구분할 수 없으며, 특정도가 낮고 애매한 증거들을 다룰 수 없는 반면, Dempster-Shafer 증거추론은 이러한 문제들을 효율적으로 평가할 수 있다. 따라서 본 논문에서는 홍수위험평가 및 수자원 계획 수립시 가장 기본이 되는 강우빈도해석에서 확률분포의 매개변수에 대한 불확실성 고려한 확률강우량의 산정 및 불확실성의 영향을 평가하기 위하여 Dempster-Shafer 이론을 이용하여 불확실성을 고려한 강우빈도해석모델 구축 및 적용을 통해 홍수위험평가 및 수자원 계획 등에 있어서 불확실성 표현 및 처리기법을 제시하였다.

• Journal of Navigation and Port Research
• /
• v.32 no.10
• /
• pp.837-844
• /
• 2008

In an automated container terminal, various factors affect the operation of container handling equipment such as quay cranes and AGVs, and thus calculating the exact operation time is nearly infeasible. This uncertainty makes it difficult to dispatch AGVs well. In this paper, we propose a simulation-based AGV dispatching algorithm When dispatching an AGV to an operation, the proposed algorithm conducts multiple stochastic simulation for the succeeding AGV operations for the predetermined period to collect stochastic samples of the result of the dispatching. In the stochastic simulation, the uncertainty of crane operations is represented as a simple probability distribution and the operation time of a crane is determined according to this. A dispatching option is evaluated by the total delay time of quay cranes which is estimated by averaging the quay crane delay of each simulation In order to collect a sufficient number of samples that guarantee the credibility of the evaluation, we devised a high-speed simulator that simulates AGV operation The effectiveness of the proposed algorithm is validated by simulation experiments.

• Korea journal of population studies
• /
• v.33 no.1
• /
• pp.161-189
• /
• 2010

Dealing with uncertainty has been a critical issue in demographic and population forecasting since 1980. This study reviews methodological developments in demographic and population forecasting over the last several decades. First, this study reviews the important issue of the uncertainty surrounding demographic forecasts. Several limitations of the traditional scenario approach to dealing with uncertainty are also discussed. Second, in forecasting demographic processes such as mortality, fertility, and migration, three approaches of stochastic forecasting are identified and discussed: expert judgment, statistical modeling, and analysis of historical forecast errors. Finally, this study discusses the current issues and directions for future research in stochastic demographic forecasting.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1385-1389
• /
• 2010

수자원 계획에 있어서 강우 또는 홍수빈도분석시 주로 사용되는 확률의 개념은 상대빈도에 대한 극한으로 확률을 정의하는 빈도학파적 확률관점에 속하며, 확률모델에서 미지의 매개변수들은 고정된 상수로 간주된다. 따라서 확률은 객관적이고 매개변수들은 고정된 값을 가지기 때문에 이러한 매개변수들에 대한 확률론적 설명은 매우 어렵다. 본 연구에서는 강우빈도해석에서 확률분포의 매개변수에 대한 불확실성을 정량화하기 위하여 베이지안 MCMC 및 Metropolis-Hastings 알고리즘을 이용한 불확실성 평가모델을 구축하였다. 그리고 베이지안 MCMC 및 Metropolis-Hastings 알고리즘의 적용을 통하여 확률강우량 산정시 확률분포의 매개변수에 대한 통계학적 특성 및 불확실성 구간을 정량화하였으며, 이를 바탕으로 홍수위험평가 및 의사결정과정에서 불확실성 및 위험도를 충분히 설명할 수 있는 프레임워크 구성을 위한 기초를 마련할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.108-108
• /
• 2017

깊은 불확실성이 내재되어 있는 기후변화의 특성을 고려한 의사결정은 강건함(Robustness)의 특성을 지니고 있어야 한다. 강건한(Robust) 의사결정은 광범위한 불확실성의 상황에서 모든 요구사항을 충족시키는 전략을 제시한다. 이러한 강건함의 개념은 저수지운영 규칙 산정에 필요한 최적화 과정에도 적용될 수 있는데, 이를 로버스트(Robust) 최적화 과정이라고 한다. 로버스트 최적화 과정은 기존 최적화과정이 현재의 자료를 바탕으로 최적의 해를 찾기 때문에 미래 입력자료의 불확실성을 반영하지 못하는 한계를 극복하기 위하여 등장하였다. 로버스트 최적화 과정은 크게 두 가지 방법으로 나눌 수 있는데, 확률적 로버스트 최적화 방법과 비확률적 로버스트 최적화 방법이다. 확률적 로버스트 최적화 과정은 전통적인 최적화 과정과 동일하게 불확실 변수의 확률분포를 가정하지만, 비확률적 로버스트 최적화 과정은 불확실 변수의 확률분포를 가정하지 않는다. 본 연구는 최근 수자원의 부족을 겪었던 보령댐의 보다 안정적인 이수기 운영방안 산정을 위해 로버스트 최적화 과정을 적용하였다. 먼저 전통적인 최적화 방법을 적용하여 운영방안을 도출한 뒤 기후변화 상황에서의 취약성, 신뢰성, 지속가능성 그리고 회복탄력성 등을 검토하였다. 다음으로 이에 대한 대안으로 로버스트 최적화 방법으로 운영방안을 산출하였으며 이를 기존의 최적화방법과 여러 기준으로 비교하여 그 타당성을 검토하였다. 또한 두 가지 로버스트 최적화 방법을 비교하여 각 과정의 장단점에 대해 논의 하였으며, 어떤 최적화 과정이 댐 운영방안 산정에 있어 보다 합리적이고 타당한지 비교하였다. 본 연구의 결과를 통해, 기후변화의 영향 하에서 보다 안정적인 수자원 관리 방안을 제안할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.98-98
• /
• 2016

본 연구에서는 유입량의 불확실성을 고려하여 미래 저수량을 확률론적으로 예측하였다. 월별 유입량을 표본으로 한 확률밀도함수를 핵밀도함수(kernel function)를 이용하여 추정하고, 추정된 확률분포로 월별 유입량을 모의 발생하였다. 모의 발생된 유입량을 통해 연속적인 조건부 확률을 산정하였고, 이의 누적확률분포(F(x))는 해당 저수량에 도달하지 못할 확률, 즉 실패확률을 의미하므로 1-F(x)로 해당 저수량 이상을 확보할 수 있는 확률을 산정하였다. 보령댐을 대상으로 분석한 결과 2016년 2월 말 저수량 27.8 백만$m^3$ 기준으로 3월부터 6월까지 정상용수공급환원 기준 저수량을 만족할 확률이 각각 2.3%, 12.5%, 24.2%, 33.5%로 나타났다. 지역적 가뭄에 대응하기 위해 하천유지용수 감량, 용수 대체공급, 자율 급수조정 및 금강-보령댐 도수로를 이용한 용수공급으로 20.6만$m^3/day$의 용수가 비축될 경우, 정상용수공급환원 기준 저수량을 만족할 확률이 10.2%, 40.3%, 73.8%, 78.7%로 용수비축의 효과가 크게 나타나는 것을 확인하였다. 저수량의 확률론적 예측을 통해 미래 저수량의 확률적 발생가능성을 추정할 수 있으며, 가뭄이 발생할 경우, 가뭄 대응효과를 정량적으로 나타낼 수 있어 가뭄 위험 상황 전달 및 용수공급조정 의사결정 시 활용할 수 있을 것으로 판단된다.

• Journal of Korea Game Society
• /
• v.18 no.1
• /
• pp.105-114
• /
• 2018

Various data analysis methods used for customer type analysis are very important for game companies to understand their type and characteristics in an attempt to plan customized content for our customers and to provide more convenient services. In this paper, we propose a k-mode cluster analysis algorithm that uses information uncertainty by extending information entropy to reduce information loss. Therefore, the measurement of the similarity of attributes is considered in two aspects. One is to measure the uncertainty between each attribute on the center of each partition and the other is to measure the uncertainty about the probability distribution of the uncertainty of each property. In particular, the uncertainty in attributes is taken into account in the non-probabilistic and probabilistic scales because the entropy of the attribute is transformed into probabilistic information to measure the uncertainty. The accuracy of the algorithm is observable to the result of cluster analysis based on the optimal initial value through extensive performance analysis and various indexes.