• 전기화학회지
• /
• 제2권4호
• /
• pp.218-220
• /
• 1999

EV & HEV의 성능은 다수의 축전지로 구성된 축전지팩의 성능에 좌우된다. 축전지의 열적 특성도 이러한 축전지팩의 성능을 좌우하는 많은 인자중의 하나이다. 특히 축전지의 열적 특성은 차량의 주행성능 및 축전지의 수명주기에 큰 영향을 주기 때문에, 축전지에서 발생되어 나오는 열량은 차량의 주행 모드를 모사한 다양한 조건하에서 가능한 정확히 측정되어야 한다. 또한 EV & HEV용 축전지팩의 열관리 시스템을 설계하기 위해서는 축전지팩내의 축전지에 대한 정확한 열특성 데이터를 필요로 하고 있다. 그러나 기존의 열량계로서는 EV용 축전지를 수용하여 열측정 시험을 하기엔 공동(Cavity)크기가 너무 작다. 이에 EV용 축전지의 열적 특성을 시험하기 위한 열량계를 공동(Cavity)의 크기 $120mm\times75mm\times200mm$로 개발하였다. 열량계의 보정은 0-200 W의 Heat Rate를 발생시킬 수 있는 가상셀(Dummy Cell)을 주문 제작하여 행하였다. 실제 입력 열량에 대한 측정열량의 오차범위는 $2\%$ 이내였고, 측정에 따른 전위 안정성도 2.5 mV 이내였다.

• 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.