• 대한안전경영과학회지
• /
• 제26권1호
• /
• pp.39-44
• /
• 2024

In order to prevent accidents via defective ammunition, this paper analyzes recent research on ammunition life prediction methodology. This workanalyzes current shelf-life prediction approaches by comparing the pros and cons of physical modeling, accelerated testing, and statistical analysis-based prediction techniques. Physical modeling-based prediction demonstrates its usefulness in understanding the physical properties and interactions of ammunition. Accelerated testing-based prediction is useful in quickly verifying the reliability and safety of ammunition. Additionally, statistical analysis-based prediction is emphasized for its ability to make decisions based on data. This paper aims to contribute to the early detection of defective ammunition by analyzing ammunition life prediction methodology hereby reducing defective ammunition accidents. In order to prepare not only Korean domestic war situation but also the international affairs from Eastern Europe and Mid East countries, it is very important to enhance the stability of organizations using ammunition and reduce costs of potential accidents.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.1-10
• /
• 2022

Nowadays software defect prediction (SDP) is most active research going on in software engineering. Early detection of defects lowers the cost of the software and also improves reliability. Machine learning techniques are widely used to create SDP models based on programming measures. The majority of defect prediction models in the literature have problems with class imbalance and high dimensionality. In this paper, we proposed Centroid and Nearest Neighbor based Class Imbalance Reduction (CNNCIR) technique that considers dataset distribution characteristics to generate symmetry between defective and non-defective records in imbalanced datasets. The proposed approach is compared with SMOTE (Synthetic Minority Oversampling Technique). The high-dimensionality problem is addressed using Ant Colony Optimization (ACO) technique by choosing relevant features. We used nine different classifiers to analyze six open-source software defect datasets from the PROMISE repository and seven performance measures are used to evaluate them. The results of the proposed CNNCIR method with ACO based feature selection reveals that it outperforms SMOTE in the majority of cases.

• 한국융합학회논문지
• /
• 제12권9호
• /
• pp.39-47
• /
• 2021

본 연구에서는 계절적인 요인과 급변하는 상품의 트렌드를 사전예측하기 위해 로지스틱 회귀 알고리즘을 이용한 상품기획 예측 모형을 제안하고자 수행되었다. 먼저 웹크롤링을 이용하여 포털 사이트 및 온라인 마켓의 소비자의 비정형 데이터를 수집하고 정형 데이터 변환을 위한 전처리 작업을 통해 상품에 대한 의미 있는 정보를 분석하였다. 최종 수집된 11,200개의 데이터셋은 Logistic Regression을 이용하여 상품에 대한 소비자의 만족도, 빈도분석, 상품에 대한 장점과 단점을 분석할 수 있었다. 분석 결과 소비자의 만족도는 92%이었으며, 빈도분석을 통해 상품에 대한 불량이슈를 확인할 수 있었다. 또한, 개발된 상품 기획 예측 프로그램에 대한 사용 만족도, 시스템 효율성, 시스템 효과성 항목에 대한 분석결과에서도 만족도가 높게 나타났다. 특히, 불량이슈는 상품에 대한 현 문제를 신속히 인지하고 개선 전략을 수립하는데 필요한 정보를 제공한다는 점에서 매우 의미 있는 자료가 된다.

• 반도체디스플레이기술학회지
• /
• 제20권2호
• /
• pp.103-108
• /
• 2021

The TCD is used as one of the indicators for determining whether TSV Hole is defective. If the TCD is not normal size, it can lead to contamination of the CMP equipment or failure to connect the upper and lower chips. We propose a deep learning model for measuring the TCD. To verify the performance of the proposed model, we compared the prediction results of the proposed model for 2461 via holes with the CD-SEM measurement data and the prediction results of the existing model. Although the number of trainable parameters in the proposed model was about one two-thousandth of the existing model, the results were comparable. The experiment showed that the correlation between CD-SEM and the prediction results of the proposed model measured 98%, the mean absolute difference was 0.051um, the standard deviation of the absolute difference was 0.045um, and the maximum absolute difference was 0.299um on average.

• 산업공학
• /
• 제25권1호
• /
• pp.40-51
• /
• 2012

Today, many manufacturing companies realize that collaboration is crucial for their survival. Especially, in the perspective of quality, the importance of collaboration is emphasized because economic loss increases exponentially while defective parts go through the process in supply chain. However, the manufacturing companies are facing two main difficulties in implementing collaborative relationships with their suppliers. First, it is difficult for the suppliers to produce reliable products due to their obsolete facilities. The problem gets worse for second- or third-tire vendors. Second, the companies experience the lack of universally understandable set of terminology and effective methodologies for knowledge representation. Ontology is one of the best approaches to expressing and processing a domain knowledge. In this paper, we propose the manufacturing ontology-based quality prediction framework to represent and share the knowledge of industrial environment and to predict product quality in manufacturing processes. In addition, we develop the ontology-based quality prediction system based on the proposed framework. We carried out a series of experiments for an injection molding process at an automotive part supplier. The experimental results demonstrated that the proposed framework and system can be successfully applicable in manufacturing industry.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 추계학술대회
• /
• pp.623-625
• /
• 2018

미세먼지에 대한 이슈가 확산됨에 따라 미세먼지에 대한 정보를 실시간으로 제공하는 서비스가 많아지고 있다. 그러나 미세먼지를 수집하기 위한 센서 노드의 결함이 발생할 경우 해당하는 서비스를 제공하지 못하는 경우가 발생한다. 이러한 문제를 해결하기 위해서는 미세먼지의 예측과 추론이 필요하다. 본 논문에서는 미세먼지를 예측하기 위해 과거의 미세먼지 및 기상 데이터를 기반으로 신경망 알고리즘을 이용하여 미세먼지 예측 모델을 설계한다. 또한 설계된 모델의 입력 데이터를 다양화하여 학습함으로써 예측 결과를 비교한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.447-449
• /
• 2022

본 연구는 언제 어디서나 네트워크에 연결되는 특성과 유연한 이동성을 가지고 있는 대표적인 모바일 플랫폼 중 하나인 안드로이드가 기반이 되었다. 또한, AI을 기반으로 불량품들의 데이터를 알 수 있는 수요예측 알고리즘을 이용하여 수요예측 데이터와 회사의 시계열 데이터들을 안드로이드 스튜디오를 기반으로 실시간 모니터링 UI 디자인 방안에 대해서 연구하고자 한다.

• Advances in nano research
• /
• 제14권3호
• /
• pp.225-234
• /
• 2023

In this study, we aim to use big data resources and statistical analysis to obtain a reliable instruction to reach high-quality and high yield agricultural yields. In this regard, soil type data, raining and temperature data as well as wheat production in each year are collected for a specific region. Using statistical methodology, the acquired data was cleaned to remove incomplete and defective data. Afterwards, using several classification methods in machine learning we tried to distinguish between different factors and their influence on the final crop yields. Comparing the proposed models' prediction using statistical quantities correlation factor and mean squared error between predicted values of the crop yield and actual values the efficacy of machine learning methods is discussed. The results of the analysis show high accuracy of machine learning methods in the prediction of the crop yields. Moreover, it is indicated that the random forest (RF) classification approach provides best results among other classification methods utilized in this study.

• 인터넷정보학회논문지
• /
• 제25권2호
• /
• pp.21-28
• /
• 2024

레이다는 자율주행 차에 있어 필수적인 센서 부품으로, 레이다가 활용되는 시장은 점차 커지고 있으며 제품 종류도 다양해지고 있다. 본 연구에서는 평가 공정에서부터 레이다의 불량 여부를 예측해 자율주행의 안정성과 효율성을 높일 수 있도록 성능 예측 모델을 구축하고 평가하였다. 레이더 공정 과정의 39607개 입력 데이터로 모델을 학습하였으며, 결과적으로 17개 모델을 스태킹 앙상블했을 때 Meta Ridge 모델이 가장 높은 학습률을 나타내는 것을 확인하였다. 이러한 연구 결과가 제품의 불량을 공정 단계에서 우선 예측해 수율을 극대화하고 불량으로 인한 제품 폐기 비용을 감축하는 데 도움이 될 것으로 기대 한다.

• 응용통계연구
• /
• 제30권5호
• /
• pp.681-690
• /
• 2017

파산감지, 스팸메일 감지, 불량품 감지 등 일상생활에서 불균형적인 이항 분류 문제를 다양하게 접할 수 있다. 반응변수의 클래스의 비율이 상당히 불균형한 경우 이항 분류 모형의 예측 성능이 좋지 않다는 점은 이미 잘 알려진 사실이다. 이러한 문제점을 해결하기 위해 그 동안 오버 샘플링, 언더 샘플링, SMOTE와 같은 여러 샘플링 기법이 개발되어 왔다. 본 연구에서는 분류 모형으로 많이 사용되는 기계학습모형으로 로지스틱 회귀모형, Lasso, 랜덤포레스트, 부스팅, 서포트 벡터 머신을 위의 샘플링 기법들과 결합하여 사용했을 때의 예측 성능을 살펴보았다. 실질적인 예측 성능의 개선 여부를 확인하기 위해 네 개의 실제 자료를 분석하였다. 이와 더불어, 샘플링 방법이 사용될 때 주의해야 할 점에 대해서 강조하였다.