• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 춘계학술발표대회
• /
• pp.505-508
• /
• 2021

반도체 회로의 미세화로 단위 공정이 증가하면 TAT(turn-around time) 증가에 따른 제조 비용이 늘어난다. 반도체 공정 중 포토 공정은 마스크의 회로를 웨이퍼에 전사하는 공정으로 전사를 담당하는 노광장비의 성능에 의해 회로의 정확성이 결정된다. 이런 정확성을 검증하는 계측공정은 회로의 미세화가 진행될수록 필요성은 증가하나 TAT 증가의 주된 요인으로 최근 기계학습을 사용한 다양한 예측 모형들의 개발로 계측 결과를 예측하는 실험들이 진행되고 있다. 본 논문은 노광장비 센서들의 이상값을 감지하여 분류 후 계측공정을 진행하는 LFDC(Lithography Fault Detection and Classification) 시스템의 문제인 분류 성능이 떨어지는 것을 해결하기 위해 XGBoost를 사용하여 계측공정을 진행하지 않고 노광장비 센서의 이상값을 학습된 학습기를 통해 분류하여 포토 공정을 재진행하거나 다음 공정을 진행하는 방법을 실험하였다. 실험에서 사용된 계측 결과 예측 모형은 89%의 정확도를 확보하였고 반도체 데이터 특성인 심각한 불균형의 데이터에 대해서도 같은 정확도를 얻었다. 이런 결과는 노광장비 센서들의 이상값에 대해 89%는 정상으로 판단하였고 정상으로 판단한 웨이퍼를 실제 계측 시 예측과 같은 결과를 얻었다. 계측 결과 예측 모형을 사용하면 실제 계측을 진행하지 않고 노광장비 센서들의 이상값에 대한 판정을 할 수 있어 TAT 단축으로 제조 비용감소, 계측 장비 부하 감소 및 효율 향상을 할 수 있다. 하지만 본 논문에서는 90%의 성능을 보이는 계측 결과 예측 모형으로 여전히 10%에 대해서는 실제 계측이 필요한 문제에 대해 추후 더 연구가 필요하다.

• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.85-98
• /
• 2021

COVID-19의 대유행은 컨테이너를 사용하는 국가 간 수출입 물동량 불균형을 더욱 악화시켰으며, 이는 공컨테이너 수급의 문제까지 이어지게 되었다. 적정 수요만큼의 공컨테이너 확보는 안정적이고 효율적인 항만 운영을 위해 필수적인 요소이다. 지금까지 여러 기법을 사용한 공컨테이너 수요예측 방안이 연구되어 왔다. 그러나 항만 및 선사에서 직접 활용 가능한 수요예측 보다는 월 혹은 연 단위의 장기적인 예측에 머루르고 있었다. 본 연구에서는 실제 인공신경망을 이용한 일별, 주별 단위 예측 방안을 제시한다. 이를 위해 머신러닝 기법 중 다층 퍼셉트론과 회귀분석을 활용하여 수요예측을 진행하였으며, 데이터 부족 문제를 해결하기 위해 적컨테이너와 공컨테이너의 입항 후 다시 항만으로 유입되는 과정을 기반으로 데이터를 재가공하였다. 이를 통해, 정확도가 매우 높지는 않지만, 현장에서는 활용 가능한 일별 및 주별 수요 예측 모델을 개발할 수 있었다.

• 산업경영시스템학회지
• /
• 제46권1호
• /
• pp.32-41
• /
• 2023

Recently, many studies are being conducted to extract emotion from text and verify its information power in the field of finance, along with the recent development of big data analysis technology. A number of prior studies use pre-defined sentiment dictionaries or machine learning methods to extract sentiment from the financial documents. However, both methods have the disadvantage of being labor-intensive and subjective because it requires a manual sentiment learning process. In this study, we developed a financial sentiment dictionary that automatically extracts sentiment from the body text of analyst reports by using modified Bayes rule and verified the performance of the model through a binary classification model which predicts actual stock price movements. As a result of the prediction, it was found that the proposed financial dictionary from this research has about 4% better predictive power for actual stock price movements than the representative Loughran and McDonald's (2011) financial dictionary. The sentiment extraction method proposed in this study enables efficient and objective judgment because it automatically learns the sentiment of words using both the change in target price and the cumulative abnormal returns. In addition, the dictionary can be easily updated by re-calculating conditional probabilities. The results of this study are expected to be readily expandable and applicable not only to analyst reports, but also to financial field texts such as performance reports, IR reports, press articles, and social media.

• 한국지반환경공학회 논문집
• /
• 제24권8호
• /
• pp.13-20
• /
• 2023

지반이상대 구간을 지나는 터널은 시공 중 또는 시공 후 지반융기, 균열, 전단 파괴 등의 이상변위 발생이 많이 보고되고 있다. 이러한 이상변위가 지속되거나 큰 경우에는 최종적으로 터널 붕괴위험의 우려가 있으며, 다양한 보강공법을 사용하여 터널 붕괴위험을 저감시키고 있다. 본 연구에서 살펴본 터널은 막장이 완전 풍화상태가 주를 이루며 부분적으로 심한 풍화상태로 분포하는 구간에 시공되었다. 시공 중 터널 내공변위를 침범하여 강지보 및 숏크리트를 재시공하였으며, 기존 설치된 flat형 인버트의 제거없이 현 상태에서 라이닝 철근 보강공법을 적용하였다. 이러한 보강공법을 적용 후 실시한 계측 자료를 바탕으로 바닥의 융기 가능성 구간에 대하여 수치해석적인 방법으로 장기변위 예측을 통해 터널의 장기적인 안정성을 검토하였다.

• 대한토목학회논문집
• /
• 제30권6A호
• /
• pp.581-590
• /
• 2010

본 연구는 곡선배치 텐던을 갖는 변단면 PSC의 전단을 고려한 층상화 단면해석기술을 소개한다. 곡선배치 텐던의 전단평형을 고려하기 위해서, 각 층상화 단면에서 전단응력을 직접 산출 할 수 있는 새로운 방법과 각 층상화 단면의 변형률 산정시 기존의 반복법보다 수렴 속도가 효율적인 시스템인식기법을 적용하였다. 제안기법은 변단면 PSC보의 정재하실험 결과와 비교분석 되었으며, 추정된 구조응답과 실험결과가 잘 일치하고 있다. 또한, 동일 조건에서 변단면 PSC보와 균등단면 PSC보의 거동특성이 비교분석되었다. 분석결과을 살펴보면, 휨강성은 변단면과 균등단면이 동일하지만, 전단강성은 변단면이 균등단면 보다 크다. 더욱이, 변단면의 자중이 균등단면보다 크지만 변단면의 최대처짐이 균등단면 보다 작다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.507-519
• /
• 2023

Multi-temporal optical images have been utilized for time-series monitoring of croplands. However, the presence of clouds imposes limitations on image availability, often requiring a cloud removal procedure. This study assesses the applicability of various machine learning algorithms for effective cloud removal in optical imagery. We conducted comparative experiments by focusing on two key variables that significantly influence the predictive performance of machine learning algorithms: (1) land-cover types of training data and (2) temporal variability of land-cover types. Three machine learning algorithms, including Gaussian process regression (GPR), support vector machine (SVM), and random forest (RF), were employed for the experiments using simulated cloudy images in paddy fields of Gunsan. GPR and SVM exhibited superior prediction accuracy when the training data had the same land-cover types as the cloud region, and GPR showed the best stability with respect to sampling fluctuations. In addition, RF was the least affected by the land-cover types and temporal variations of training data. These results indicate that GPR is recommended when the land-cover type and spectral characteristics of the training data are the same as those of the cloud region. On the other hand, RF should be applied when it is difficult to obtain training data with the same land-cover types as the cloud region. Therefore, the land-cover types in cloud areas should be taken into account for extracting informative training data along with selecting the optimal machine learning algorithm.

• 한국산림과학회지
• /
• 제112권4호
• /
• pp.490-501
• /
• 2023

본 연구에서는 강우의 침투과정 및 수분 재분포 현상을 분석하기 위하여 실내 컬럼실험을 수행하였으며, 토층 내 함수비를 효율적으로 측정하기 위하여 딥러닝 기법 중 하나인 합성곱신경망(Convolutional Neural Network, CNN)을 사용하여 함수비 예측 모델을 구축하였다. 컬럼실험으로부터 획득된 디지털 이미지를 구축된 CNN 모델에 적용한 결과 시간에 따른 토층별 함수비를 효과적으로 측정할 수 있었으며, 토층별로 설치된 함수비 센서에 따른 함수비와도 비교적 잘 일치하는 것으로 나타났다. 결과적으로 CNN을 활용하여 토층 내 연속적인 함수비 분포를 파악하는 것이 가능하였으며, 토성 및 지반 함수비 조건에 따른 침투 과정을 효과적으로 분석할 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제28권12호
• /
• pp.67-77
• /
• 2023

본 연구는 스마트팜 환경에서 진행된 혁신적인 연구로, 딥러닝을 기반으로 한 질병 및 해충 탐지 모델을 개발하고, 이를 지능형 사물인터넷(IoT) 플랫폼에 적용하여 디지털 농업 환경 구현의 새로운 가능성을 탐색하였다. 연구의 핵심은 Pseudo-Labeling, RegNet, EfficientNet 등 최신 ImageNet 모델과 전처리 방식을 통합하여, 복잡한 농업 환경에서 다양한 질병과 해충을 높은 정확도로 탐지하는 것이었다. 이를 위해 앙상블 학습 기법을 적용하여 모델의 정확도와 안정성을 극대화했으며, 평균 정밀도(mAP), 정밀도, 재현율, 정확도, 박스 손실 등의 다양한 성능 지표를 통해 모델을 평가하였다. 또한, SHAP 프레임워크를 활용하여 모델의 예측 기준에 대한 깊은 이해를 도모하였고, 이를 통해 모델의 결정 과정을 보다 투명하게 만들었다. 이러한 분석은 모델이 어떻게 다양한 변수들을 고려하여 질병 및 해충을 탐지하는지에 대한 중요한 통찰력을 제공하였다.

• 무역학회지
• /
• 제46권2호
• /
• pp.19-38
• /
• 2021

This study aims to analyze the foreign asset leverage effect on Korean oil & gas companies' foreign profits and to maintain the appropriate foreign asset volume for reducing exchange risk. For a long time, large Korean companies, including oil companies, overheld foreign currency liabilities. For this reason, most large companies have been burdened to hedge exchange risk and this excess limit holding deteriorated total profit and reduced foreign currency asset management efficiency. Our paper proceeds in presenting a three-stage analysis considering diversified exchange risk factors through estimation on transformation of foreign transactions a/c including annual trends of foreign asset and industry specifics. We also supplement incomplete the estimation method through a practical hedging case investigation. Our research parts are differentiated on the analyzing four periods considering period-specifics The FER value of the oil firms ranged from -0.3 to +2.3 over the entire period. The results of the FER Value are volatile and irregular; those results do not represent the industry standard comparative index. The Korean oil firms are over the credit limit without accurate prediction and finance high interest rate funds from foreign-owned banks on the basis on a biased relationship. Since the IMF crisis, liabilities of global firms have decreased. Above all, oil firms need to finance a minimum limit without opportunity losses on the demand forecast and prepare for uncertainty in the market. To reduce exchange risk from the over-the-limit position, we must consider factors that affect the corporate exchange risk on the entire business process, including the contract phase.

• Composites Research
• /
• 제36권5호
• /
• pp.315-320
• /
• 2023

오토클레이브를 사용하는 열경화성 탄소 섬유 복합재 성형 공정에서는 설정한 온도 사이클에 따라 내부 온도가 변화한다. 이 온도 변화에 따라 복합재 수지가 경화되며 성형이 진행된다. 이러한 과정에서 수지의 화학 반응으로 열이 발생하며, 이로 인해 오토클레이브 내부 온도와 복합재의 온도가 다를 수 있는 상황이 나타난다. 이전 연구에서는 복합재와 오토클레이브의 온도를 동일하게 가정하고, 성형 후에 발생하는 잔류 응력과 열 변형을 예측하였다. 그러나 잔류 응력과 열 변형은 복합재 온도와 경화도에 따라 영향을 받는 요소이기 때문에, 본 연구는 수지의 화학 반응열을 고려하여 정확한 온도와 경화도 변화를 계산하는 열화학 모델 해석 기법을 검증하였다. 또한, 이 모델이 다른 두께에서도 이와 같은 경향성을 나타내는지 확인하기 위해 두께별 케이스 연구를 하였다.