• 한국엔터테인먼트산업학회논문지
• /
• 제15권5호
• /
• pp.69-83
• /
• 2021

본 연구는 K-pop 엔터테인먼트 산업의 역동적 현상인 역주행을 이해하는 것을 목적으로, '브레이브걸스'의 「롤린」 역주행 현상을 구체적으로 분석하였다. 먼저 「롤린」의 역주행과 관련된 맥락과 발생과정을 자세하게 기술하였으며, 음원으로서의 성과와 비즈니스적 성과를 설명하였다. 이어서 역주행에 대한 원인으로 '특정 가능한 트리거의 존재', '콘텐츠 자체의 매력', '신규 남성 팬층의 유입', '아이돌로서의 약점을 강점으로 전환', '현실 그룹의 스토리에 대한 심리적 공감', '소속사의 발 빠른 대응과 소통'이라는 6가지를 요인을 분석하여 제시하였다'. 역주행의 영향으로 '노래 외의 인기와 관심과 확장', '구매력 높은 소비층 형성'의 2가지 변화를 제시하였다. 이를 통해서 K-pop 엔터테인먼트 산업에서의 역주행이 가지는 의미와 역할 및 가능성을 논의하였다. 앞으로도 음악 시장에서의 역주행을 주목할만한 현상으로 인식해야 할 필요가 있을 것이며, 관련된 유튜브와 같은 매체의 활용이나 새로운 아이돌 소비층의 중요성까지 이해할 필요가 있을 것이다.

• 한국산업정보학회논문지
• /
• 제5권4호
• /
• pp.55-59
• /
• 2000

초기공정에서 개별관측치를 가지고 공정을 관리하는 적절한 기법이 필요하다. 이 논문에서는 현재의 시점과 이전의 시점에서 얻은 개별관측치 만을 이용한 수정된 통계량을 가지고 공정을 관리하는 관리도 운영 기법을 제안한다. 제안된 수정된 EWM, MCEWM 관리도의 효율성을 보기 위해 기존의 EWM, X 관리도의 ARL을 비교해 본다. 수정된 지수 가중 이동 관리도가 지수 가중 이동 관리도 보다는 효율성이 떨어지지만 X 관리도 보다는 우수하다는 것을 확인할 수 있다.

• 산업경영시스템학회지
• /
• 제21권47호
• /
• pp.211-218
• /
• 1998

In start-up process control applications it may be necessary to limit the sample size to one measurement. A control chart for individual measurements is used whenever it is desirable to examine each individual value from the process immediately. A possible option would be to use an exponential weighted moving(EWM), using modifying statistics with individual measurement, chart for monitoring the process center, and using a moving range (MR) chart for monitoring process variability. In this paper it is shown that there is scheme in using the EWM procedure based on average run length. An expression for the ARL is given in terms of an integral equation, approximated using numerical quadrature. In this case, where it is reasonable to assume normality and negligible autocorrelation in the observations, provide graphs that simplify the design of EWM-MR chart and taking method of exponential smoothing constant(λ) and constant(K) are suggested. The charts suggested above evaluate using the conditional probability.

• 산업경영시스템학회지
• /
• 제20권41호
• /
• pp.157-166
• /
• 1997

Classical SPC charting methods such as (equation omitted), R, S charts assume high volume manufacturing processes where at least 25 or 30 calibrate samples of size 4 or 5 each can be gathered to estimate the process parameters before on-line charting actually begines. However, for many processes, especially in a job-shop setting, production runs are not necessarily long and charting technique are required that do not that depend upon knowing the process parameters in advance of the run. In this paper, using modifying statistics, we give a method for constructing control charts for the process mean when the measurements are from a normal distribution. In this case, consider that smaller weight being assigned to the older data as time process and properties and taking method of exponential smoothing constant$(\lambda)$ are suggested.

• 품질경영학회지
• /
• 제15권1호
• /
• pp.47-54
• /
• 1987

It is common that the process capability fluctuates as time passes, but concentrates to the mean value. To keep up process capability with given limits is vital to stability of process. Various control charts, especially ${\sigma}-chart$, have been used for analyzing process capability, but It sometimes can not give distinct answer. So this paper introduces another analyzing method by ARMA (autoregressive moving average) which is originally developed for forecasting, and demonstrates the analyzing methodology through a case study.

• 한국빅데이터학회지
• /
• 제4권2호
• /
• pp.1-12
• /
• 2019

인공지능 기술이 발전하면서 이미지, 음성, 텍스트 등 다양한 분야에 적용되고 있으며, 데이터가 충분한 경우 기존 기법들에 비해 좋은 결과를 보인다. 주식시장은 경제, 정치와 같은 많은 변수에 의해 영향을 받기 때문에, 주식 가격의 움직임 예측은 어려운 과제로 알려져 있다. 다양한 기계학습 기법과 인공지능 기법을 이용하여 주가 패턴을 연구하여 주가의 등락을 예측하려는 시도가 있어왔다. 본 연구는 딥러닝 기법 중 컨볼루셔널 뉴럴 네트워크(CNN)를 기반으로 주가 패턴 예측률 향상을 위한 데이터 증강 방안을 제안한다. CNN은 컨볼루셔널 계층을 통해 이미지에서 특징을 추출하여 뉴럴 네트워크를 이용하여 이미지를 분류한다. 따라서, 본 연구는 주식 데이터를 캔들스틱 차트 이미지로 만들어 CNN을 통해 패턴을 예측하고 분류하고자 한다. 딥러닝은 다량의 데이터가 필요하기에, 주식 차트 이미지에 다양한 데이터 증강(Data Augmentation) 방안을 적용하여 분류 정확도를 향상 시키는 방법을 제안한다. 데이터 증강 방안으로는 차트를 랜덤하게 변경하는 방안과 차트에 가우시안 노이즈를 적용하여 추가 데이터를 생성하였으며, 추가 생성된 데이터를 활용하여 학습하고 테스트 집합에 대한 분류 정확도를 비교하였다. 랜덤하게 차트를 변경하여 데이터를 증강시킨 경우의 분류 정확도는 79.92%였고, 가우시안 노이즈를 적용하여 생성된 데이터를 가지고 학습한 경우의 분류 정확도는 80.98%이었다. 주가의 다음날 상승/하락으로 분류하는 경우에는 60분 단위 캔들 차트가 82.60%의 정확도를 기록하였다.

• 산업경영시스템학회지
• /
• 제33권3호
• /
• pp.146-153
• /
• 2010

When the production run is short and process parameters change frequently, it is difficult to monitor the process using traditional control charts. In such a case, the coefficient of variation (CV) is very useful for monitoring the process variability. The CV control chart is an effective tool to control the mean and variability of process simultaneously. The CV control chart, however, is not sensitive at small shifts in the magnitude of CV. The CV-EWMA(exponentially weighted moving average) control chart which was developed recently is effective in detecting a small shifts of CV. Since the CV-EWMA control chart scheme can be viewed as a weighted average of all past and current CV values, it is very sensitive to small change of mean and variability of the process. In this paper, we propose an FIR(Fast initial response) CV-EWMA control chart to improve the sensitivity of a CV-EWMA scheme at process start-up or out-of-control process. Moreover, we suggest the values of design parameters and show the results of the performance study of FIR CV-EWMA control chart by the use of average run length(ARL). Also, we compared the performance of FIR CV-EWMA control chart with that of the CV-EWMA control chart and we found that the CV-EWMA control chart gives longer in-control ARL and much shorter out-of-control ARL.