• 지능정보연구
• /
• 제20권4호
• /
• pp.89-105
• /
• 2014

Web2.0의 등장과 함께 급속히 발전해온 온라인 포럼, 블로그, 트위터, 페이스북과 같은 소셜 미디어 서비스는 소비자와 소비자간의 의사소통을 넘어 이제 기업과 소비자 사이의 새로운 커뮤니케이션 매체로도 인식되고 있다. 때문에 기업뿐만 아니라 수많은 기관, 조직 등에서도 소셜미디어를 활용하여 소비자와 적극적인 의사소통을 전개하고 있으며, 나아가 소셜 미디어 콘텐츠에 담겨있는 소비자 고객들의 의견, 관심, 불만, 평판 등을 분석하고 이해하며 비즈니스에 적용하기 위해 이를 적극 분석하는 단계로 진화하고 있다. 이러한 연구의 한 분야로서 비정형 텍스트 콘텐츠와 같은 빅 데이터에서 저자의 감성이나 의견 등을 추출하는 오피니언 마이닝과 감성분석 기법이 소셜미디어 콘텐츠 분석에도 활발히 이용되고 있으며, 이미 여러 연구에서 이를 위한 방법론, 테크닉, 툴 등을 제시하고 있다. 그러나 아직 대량의 소셜미디어 데이터를 수집하여 언어처리를 거치고 의미를 해석하여 비즈니스 인사이트를 도출하는 전반의 과정을 제시한 연구가 많지 않으며, 그 결과를 의사결정자들이 쉽게 이해할 수 있는 시각화 기법으로 풀어내는 것 또한 드문 실정이다. 그러므로 본 연구에서는 소셜미디어 콘텐츠의 오피니언 마이닝을 위한 실무적인 분석방법을 제시하고 이를 통해 기업의사결정을 지원할 수 있는 시각화된 결과물을 제시하고자 하였다. 이를 위해 한국 인스턴트 식품 1위 기업의 대표 상품인 N-라면을 사례 연구의 대상으로 실제 블로그 데이터와 뉴스를 수집/분석하고 결과를 도출하였다. 또한 이런 과정에서 프리웨어 오픈 소스 R을 이용함으로써 비용부담 없이 어떤 조직에서도 적용할 수 있는 레퍼런스를 구현하였다. 그러므로 저자들은 본 연구의 분석방법과 결과물들이 식품산업뿐만 아니라 타 산업에서도 바로 적용 가능한 실용적 가이드와 참조자료가 될 것으로 기대한다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.1-19
• /
• 2018

최근 딥러닝은 오디오, 텍스트 및 이미지 데이터와 같은 비 체계적인 데이터를 대상으로 다양한 추정, 분류 및 예측 문제에 사용 및 적용되고 있다. 특히, 의류산업에 적용될 경우 딥러닝 기법을 활용한 의류 인식, 의류 검색, 자동 제품 추천 등의 심층 학습을 기반으로 한 응용이 가능하다. 이 때의 핵심모형은 합성곱 신경망을 사용한 이미지 분류이다. 합성곱 신경망은 입력이 전달되고 출력에 도달하는 과정에서 가중치와 같은 매개 변수를 학습하는 뉴런으로 구성되고, 영상 분류에 가장 적합한 방법론으로 사용된다. 기존의 의류 이미지 분류 작업에서 대부분의 분류 모형은 의류 이미지 자체 또는 전문모델 착용 의류와 같이 통제된 상황에서 촬영되는 온라인 제품 이미지를 사용하여 학습을 수행한다. 하지만 본 연구에서는 통제되지 않은 상황에서 촬영되고 사람들의 움직임과 다양한 포즈가 포함된 스트릿 패션 이미지 또는 런웨이 이미지를 분류하려는 상황을 고려하여 분류 모형을 훈련시키는 효과적인 방법을 제안한다. 이동성을 포착하는 런웨이 의류 이미지로 모형을 학습시킴으로써 분류 모형의 다양한 쿼리 이미지에 대한 적응력을 높일 수 있다. 모형 학습 시 먼저 ImageNet 데이터셋을 사용하여 pre-training 과정을 거치고 본 연구를 위해 수집된 32 개 주요 패션 브랜드의 2426개 런웨이 이미지로 구성된 데이터셋을 사용하여 fine-tuning을 수행한다. 학습 과정의 일반화를 고려해 10번의 실험을 수행하고 제안된 모형은 최종 테스트에서 67.2 %의 정확도를 기록했다. 본 연구 모형은 쿼리 이미지가 런웨이 이미지, 제품 이미지 또는 스트릿 패션 이미지가 될 수 있는 다양한 분류 환경에 적용될 수 있다. 구체적으로는 패션 위크에서 모바일 어플리케이션 서비스를 통해 브랜드 검색을 용이하게 하는 서비스를 제공하거나, 패션 잡지사의 편집 작업에 사용되어 브랜드나 스타일을 분류하고 라벨을 붙일 수 있으며, 온라인 쇼핑몰에서 아이템 정보를 제공하거나 유사한 아이템을 추천하는 등의 다양한 목적에 적용될 수 있다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.135-149
• /
• 2020

인공지능을 기반으로 한 다양한 연구들이 현대사회에 많은 변화를 불러일으키고 있다. 금융시장 역시 예외는 아니다. 로보어드바이저 개발이 활발하게 진행되고 있으며 전통적 방식의 단점을 보완하고 사람이 분석하기 어려운 부분을 대체하고 있다. 로보어드바이저는 인공지능 알고리즘으로 자동화된 투자 결정을 내려 다양한 자산배분 모형과 함께 활용되고 있다. 자산배분 모형 중 리스크패리티는 대표적인 위험 기반 자산배분 모형의 하나로 큰 자산을 운용하는 데 있어 안정성을 나타내고 현업에서 역시 널리 쓰이고 있다. 그리고 XGBoost 모형은 병렬화된 트리 부스팅 기법으로 제한된 메모리 환경에서도 수십억 가지의 예제로 확장이 가능할 뿐만 아니라 기존의 부스팅에 비해 학습속도가 매우 빨라 많은 분야에서 널리 활용되고 있다. 이에 본 연구에서 리스크패리티와 XGBoost를 장점을 결합한 모형을 제안하고자 한다. 기존에 널리 사용되는 최적화 자산배분 모형은 과거 데이터를 기반으로 투자 비중을 추정하기 때문에 과거와 실투자 기간 사이의 추정 오차가 발생하게 된다. 최적화 자산배분 모형은 추정 오차로 인해 포트폴리오 성과에서 악영향을 받게 된다. 본 연구는 XGBoost를 통해 실투자 기간의 변동성을 예측하여 최적화 자산배분 모형의 추정 오차를 줄여 모형의 안정성과 포트폴리오 성과를 개선하고자 한다. 본 연구에서 제시한 모형의 실증 검증을 위해 한국 주식시장의 10개 업종 지수 데이터를 활용하여 2003년부터 2019년까지 총 17년간 주가 자료를 활용하였으며 in-sample 1,000개, out-of-sample 20개씩 Moving-window 방식으로 예측 결과값을 누적하여 총 154회의 리밸런싱이 이루어진 백테스팅 결과를 도출하였다. 본 연구에서 제안한 자산배분 모형은 기계학습을 사용하지 않은 기존의 리스크패리티와 비교하였을 때 누적수익률 및 추정 오차에서 모두 개선된 성과를 보여주었다. 총 누적수익률은 45.748%로 리스크패리티 대비 약 5% 높은 결과를 보였고 추정오차 역시 10개 업종 중 9개에서 감소한 결과를 보였다. 실험 결과를 통해 최적화 자산배분 모형의 추정 오차를 감소시킴으로써 포트폴리오 성과를 개선하였다. 포트폴리오의 추정 오차를 줄이기 위해 모수 추정 방법에 관한 다양한 연구 사례들이 존재한다. 본 연구는 추정 오차를 줄이기 위한 새로운 추정방법으로 기계학습을 제시하여 최근 빠른 속도로 발전하는 금융시장에 맞는 진보된 인공지능형 자산배분 모형을 제시한 점에서 의의가 있다.

• 대한핵의학회지
• /
• 제37권4호
• /
• pp.219-228
• /
• 2003

목적: 심근경색증 후 재관류술에 의해 구조된 심근의 범위는 중요한 예후 인자중의 하나이다. 급성심근경색증의 일차적 관동맥성형술 후 조기 Tl-201 재분포영상이 구조심근과 심근벽운동 호전을 예측할 수 있는지 알아보았다. 대상 및 방법: 흉통 발생 $5.2{\pm}2.8$시간에 급성심근경색증으로 일차적 관동맥성형술을 시행한 36명을 대상으로 관동맥성형술 후 $5.8{\pm}2.1$일에 디피리다몰 부하 -4 시간 재분포 Tl-201 SPECT 영상을 얻었다. Tl-201 재분포 영상은 좌심실을 16분절로 나누고, 각 분절의 섭취를 5등급으로 평가하였다. 심초음파는 내원 당시, 경색 후 7일, 30일, 7개월에 시행하였고, 구조심근 분절은 내원 당시 심초음파상 벽 운동 이상이 있으면서 30일 또는 7개월 심초음파에서 벽 운동이 호전된 분절로 정의하였다. 결과: 내원 당시 212분절에서 벽운동 이상을 보였다(저운동 41분절, 무운동 171분절). 이중 1개월에는 78분절(36.8%)에서, 7개월에는 97분절(45.8%)에서 벽 운동이 호전되어 구조심근으로 판정하였다. 구조심근을 찾는 Tl-201 재분포 영상의 수신자판 단특성곡선면적은 1개월에 대해서는 $0.79{\pm}0.03$, 7개월에 대해서는 $0.83{\pm}0.03$이었다. Tl-201 섭취 40%를 경계로 정할 때 재분포 영상의 구조심근을 찾는 예민도, 특이도는 1개월에서는 84.6%(66/68), 55.2%(74/134), 7개월에서는 87.6%(85/97), 64.3%(74/115)였다. 재분포영상에서 Tl-201의 섭취정도와 벽 운동의 호전될 확률은 서로 비례하는 경향을 나타내었다. 결론: 급성심근경색증의 일차적 관동맥성형술 후 10일 이내에 시행한 조기 Tl-201 재분포영상은 구조심근과 심근벽운동 호전 예측 판정에 높은 예민도로 유용하게 사용될 수 있는 검사이다.EX>$100{\mu}M$)는 각각 11.9배와 6.8배, K562(Adr) 세포에서($50{\mu}M$)는 각각 14.3배와 8배, K562(Vcr) 세포에서($10{\mu}M$)는 각각 7배와 5.7배 증가하였다. Cyclosporin A에 의한 MIBI와 tetrofosmin의 섭취율(30분)을 기저치(30분)와 비교해 본 결과 HCT15/CL02세포에서($50{\mu}M$)는 각각 10배와 2.4배, K562(Adr)세포에서($50{\mu}M$)는 각각 44배와 13배, K562(Vcr)세포에서($10{\mu}M$)는 각각 18.8배와 11.8배 증가하여, MIBI의 섭취율이 tetrofosmin보다 1.2배에서 4배정도 높게 나타났다. 결론: 이러한 결과로 보아 MIBI와 tetrofosmin은 다약제내성의 발현을 평가할 수 있는 방사성의약품으로 판단되며, 다약제내성 극복제의 효능평가에는 MIBI가 tetrofosmin보다 더 우수할 것으로 사료되나, 세포추에 따른 차이가 있을 수 있으므로 보다 많은 세포주에서의 추가적인 연구가 필요할 것이다.여 후 구한 MPD는 평균 $13.3{\pm}1.9GBq\;(9.7{\sim}16GBq)$ 이였고, 치료용량 방사성옥소 투여 후 구한 MPD는 평균 $13.8{\pm}2.1GBq(10.4{\sim}16.3GBq)$로 유의한 차이가 얻었으며 (p=0.20), 두 수치간에는 유의한 상관 관계가 있었다(r=0.8, p<0.0001). 7명의 환자에서 말초혈액림프구 중기염색체 분석법으로 MPD를 측정하였는데 혈액의 피폭선량은 $1.78{\pm}0.03Gy$였으며, 같은 환자에서 혈중 방사능소실곡선으로부터 구한 피폭선량은 $1.54{\pm}0.03Gy$로 유의하게 낮았으나 (p=0.01), 두

• 지능정보연구
• /
• 제23권3호
• /
• pp.29-44
• /
• 2017

인터넷 상거래에서, 소비자들은 기존에 제품을 구매한 다른 사용자들이 작성한 상품평에 많은 영향을 받는다. 그러나, 상품평이 점차 축적되어감에 따라, 소비자들이 방대한 상품평을 일일이 확인하는데 많은 시간과 노력이 소요되고, 또한 무성의하게 작성된 상품평들은 오히려 소비자들의 불편을 초래하기도 한다. 이에, 본 연구는 온라인 상품평의 유용성에 영향을 미치는 요인들을 분석하여, 소비자들에게 실제로 도움이 될 수 있는 상품평을 선별적으로 제공하는 예측모형을 도출하는 것을 목적으로 한다. 이를 위해, 텍스트마이닝 기법을 사용하여, 상품평에 포함되어있는 다양한 언어적, 심리적, 지각적 요소들을 추출하였으며, 이러한 요소들 중에서 상품평의 유용성에 영향을 미치는 결정요인이 무엇인지 파악하였다. 특히, 경험재인 의류군과 탐색재인 전자제품군에 대한 상품평의 특성 및 유용성 결정요인이 상이할 수 있음을 고려하여, 제품군별로 상품평의 특성을 비교하고, 각각의 결정요인을 도출하였다. 본 연구에는 아마존닷컴(Amazon.com)의 의류군 상품평 7,498건과 전자제품군 상품평 106,962건이 사용되었다. 또한, 언어분석 소프트웨어인 LIWC(Linguistic Inquiry and Word Count)를 활용하여 상품평에 포함된 특징들을 추출하였고, 이후, 데이터마이닝 소프트웨어인 RapidMiner를 사용하여, 회귀분석을 통한, 결정요인 분석을 수행하였다. 본 연구결과, 제품에 대한 리뷰어의 평가가 높고, 상품평에 포함된 전체 단어 수가 많으며, 상품평의 내용에 지각적 과정이 많이 포함되어 있는 반면, 부정적 감정은 적게 포함된 상품평들이 두 제품 모두에서 유용하다고 인식되는 것을 알 수 있었다. 그 외, 의류군의 경우, 비교급 표현이 많고, 전문성 지수는 낮으며, 한 문장에 포함된 단어 수가 적은 간결한 상품평이 유용하다고 인식되고 있었으며, 전자제품의 경우, 전문성 지수가 높고, 분석적이며, 진솔한 표현이 많고, 인지적 과정과 긍정적 감정(PosEmo)이 많이 포함된 상품평이 유용하게 인식되고 있었다. 이러한 연구결과는 향후, 소비자들이 효과적으로 유용한 상품평들을 확인하는데 도움이 될 것으로 기대된다.

• 지능정보연구
• /
• 제23권3호
• /
• pp.1-27
• /
• 2017

경제주체들의 경기상황에 대한 판단 및 전망은 경기변동에 영향을 미치므로 경기심리지수와 거시경제지표들 간에는 밀접한 관련성을 나타내는 것으로 알려져 있다. 경기선행지표로 국내에서 많이 사용되는 경기심리지수에는 소비자동향조사, 기업경기조사, 경제심리지수가 있다. 그러나 설문조사를 통해 생성된 지수는 자료의 성격상 속보성이 떨어지는 문제가 있다. 본 연구에서는 이러한 정형데이터의 한계를 보완할 수 있도록 비정형데이터에서 정보를 추출해 경기심리지수를 생성하고, 경제분석에서의 활용 가능성을 검토하였다. 민간소비와 관련된 실물지표에는 소매판매업지수와 서비스업생산지수를 사용하였고, 고용지표에는 고용률과 실업률을, 가격지표에는 소비자물가상승률과 가계의 대출금리를 사용하여 지표들 간의 추이 분석 및 시차구조 파악을 위한 교차상관분석을 수행하였다. 마지막으로 이들 지표들에 대한 예측 가능성을 점검하였다. 분석결과, 다른 지표들의 선행지수로 많이 사용되는 소비자심리지수와 비교해 선택 지표들과 높은 상관관계를 보이며, 1~2개월 선행한 것으로 나타났다. 예측력 또한 향상되어 텍스트데이터에서 생성한 소비자 경기심리지수의 유용성이 확인되었다. 온라인에서 생성되는 뉴스기사나 소셜 SNS 등의 텍스트 데이터는 속보성이 뛰어나고, 커버리지가 넓어 특정 경제적 이슈가 발생할 경우 이것이 경제에 미치는 영향을 빠르게 파악할 수 있다는 점에서 경기판단지표로써의 잠재적 가능성이 클 것으로 보인다. 경제분석에서 비정형데이터를 활용한 국내연구는 초기 단계지만 데이터의 유용성이 확인되면 그 활용도가 크게 높아질 것으로 기대한다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.101-123
• /
• 2013

최근 경제 패러다임의 변화로 인해 기업이 글로벌 경쟁우위 및 미래 성장동력 확보하기 위해서는 기술과 경영을 통합적으로 이해할 수 있는 학제적 지식을 바탕으로 기술연구의 동향을 파악하고 융합기술 및 유망기술 예측하여 지속적 혁신, 핵심역량 강화, 핵심기술 보유, 기술 융합 등을 통해 새로운 가치를 창출할 필요가 있다. 따라서 본 연구는 기술경영관련 연구의 거시적인 흐름을 분석하기 위해 동시단어 분석기반의 계량서지학적 방법론을 사용하였다. 즉, 최근 10년 동안 기술경영분야의 주요 해외 저널에 게재된 논문의 키워드를 수집한 다음, 빈도 분석, 초기 키워드 네트워크의 구조 분석, 시간이 지남에 따른 새로 생성된 키워드의 선호적 연결 및 성장 분석, 전체 네트워크에 대한 컴포넌트 분석 및 중심성 분석을 수행하였다. 이를 통해 기술경영분야의 논문에 대한 구체적인 연구 주제를 파악할 수 있고, 이들 간의 관계를 파악함으로써, 학제적 연구와 통섭을 위한 구체적인 연구주제들의 조합을 제시할 수 있다. 본 연구결과를 살펴보면 다음과 같다. 첫째, 논문 별 키워드는 1개~23개의 분포를 지니고 있으며, 평균적으로 논문 당 4.574개의 키워드가 있다. 또한 키워드 중 90%가 10년 동안 3번 이하로 사용되었다. 특히 1번만 사용된 키워드는 약 75%의 비중을 차지하고 있음을 확인하였다. 둘째, 키워드 네트워크는 좁은 세상 네트워크 및 척도 없는 네트워크의 특징을 따르고 있음을 확인하였다. 특히 기술경영관련 논문에 사용된 키워드 중 소수의 키워드의 독점화 경향이 높음을 확인할 수 있었다. 셋째, 선호적 연결 및 성장 분석을 통해 기술경영분야의 키워드는 시간이 지남에 따라 선호적 연결을 통한 생존과 소멸 과정에 의해 부익부 빈익빈 현상이 고착되고 있고 있음을 확인하였다. 또한 신규 키워드의 선호적 연결 정도 분석을 통해 신규 연구분야 또는 새로운 연구영역을 창출할 가능성이 있는 키워드 관련 연구 주제에 대한 관심이 시간이 지남에 따라 증가하다가 일정 시점이 지나면 감소함을 확인하였다. 넷째, 컴포넌트 분석 및 중심성 분석을 통해 기술경영관련 연구 동향을 확인하였다. 특히 중심성 분석을 통해 Innovation(혁신), R&D(연구개발), Patent(특허), Forecast(예측), Technology transfer(기술이전), Technology(기술), SME(중소기업) 등의 키워드가 연결중심성, 매개중심성, 근접중심성이 높음을 확인하였다. 본 연구의 분석결과는 기술경영의 연구 동향, 타 학문과의 통섭 및 신규 연구주제 선정 시 참고할 수 있는 유용한 정보로 활용될 수 있다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.231-252
• /
• 2021

인공지능(Artificial Intelligence)은 미래를 가장 크게 변화시킬 핵심 동력으로 산업 전반과 개인의 일상생활에 다양한 형태로 영향을 미치고 있다. 무엇보다 활용 가능한 데이터가 증가함에 따라 더욱더 많은 기업과 개인들이 인공지능 기술을 이용하여 데이터로부터 유용한 정보를 추출하고 이를 의사결정에 활용하고 있다. 인공지능에 관한 기존 연구는 모방 가능한 업무의 자동화에 초점을 두고 있으나, 인간을 배제한 자동화는 장점 못지않게 알고리즘 편향(Algorithms bias)으로 발생되는 오류나 자율성(Autonomy)의 한계점, 그리고 일자리 대체 등 사회적 부작용을 보여주고 있다. 최근 들어, 인간지능의 강화를 위한 증강 지능 (Augmented intelligence)으로서 인간과 인공지능의 협업에 관한 연구가 주목을 받고 있으며 기업도 관심을 가지기 시작하였다. 본 연구는 의사결정을 위해 조언(Advice)을 제공하는 조언자의 유형을 인간, 인공지능, 그리고 인간과 인공지능 협업의 세 가지로 나누고, 조언자의 유형과 의사결정자의 성격 특성이 의사결정에 미치는 영향을 살펴보았다. 311명의 실험자를 대상으로 사진 속 얼굴을 보고 나이를 예측하는 업무를 진행하였으며, 연구 결과 의사결정자가 조언활용을 하려면 먼저 조언의 유용성을 높게 인지하여하는 것으로 나타났다. 또한 의사결정자의 성격 특성이 조언자 유형별로 조언의 유용성을 인지하고 조언을 활용하는 데에 미치는 영향을 살펴본 결과, 인간과 인공지능의 협업 형태인 경우 의사결정자의 성격 특성에 무관하게 조언의 유용성을 더 높게 인지하고 적극적으로 조언을 활용하는 것으로 나타났다. 인공지능 단독으로 활용될 경우에는 성격 특성 중 성실성과 외향성이 강하고 신경증이 낮은 의사결정자가 조언의 유용성을 더 높게 인지하고 조언을 활용하는 것으로 나타났다. 본 연구는 인공지능의 역할을 의사결정과 판단(Decision Making and Judgment) 연구 분야의 조언자의 역할로 보고 관련 연구를 확장하였다는데 학문적 의의가 있으며, 기업이 인공지능 활용 역량을 제고하기 위해 고려해야 할 점들을 제시하였다는데 실무적 의의가 있다.

• 생물환경조절학회지
• /
• 제5권2호
• /
• pp.215-235
• /
• 1996

본 연구에서 수행한 Model 시뮬레이션에 의한 열환경 분석 기법은 지역별로 다양한 기상여건 하에서 대상온실의 난방 및 냉방부하를 보다 합리적으로 예측할 수 있을 뿐만 아니라 냉방이나 난방용 시스템의 결정을 비롯한 난방대책을 수립하고, 에너지 이용 전략의 수립이나 계절적인 작부계획 수립, 온실산업용 적지선정 등에 유익하게 활용될 수 있을 것이라 판단된다. 본 연구에서는 온실의 적극적인 환경조절 유형을 난방과 냉방의 두 가지로 대별하고, 난방 소요열량 산정을 비롯하여 야간의 보온 커튼효과, Heating Degree-Hour 산정 등 난방과 관련된 시뮬레이션은 동적 모형을 이용하여 시간별, 일별 및 월별로 검토하였으며, 환기를 비롯한 차광, 증발냉각시스템의 효과 분석은 정적모형을 이용하여 검토하였다. 특히 하절기 지하수와 같은 저온수를 직접 이용하거나 Heat Pump를 통하여 확보될 수 있는 저온수를 이용하여 온실의 피복면에 살수함으로서 확보할 수 있는 온실냉방효과를 검토하는 데는 1.2m$\times$2.4m 크기의 모형온실을 제작하여 기초실험을 수행함으로서 동절기의 수막시스템의 보온효과와 마찬가지로 하절기 냉방 효과를 거둘 수 있다는 가능성을 확인하였다. 본 연구에 활용된 온실의 수치 환경모형 중 난방관련 시뮬레이션용 동적 수치모형은 소기의 목적을 달성하는데 충분히 응용될 수 있는 이론모형이다. 이 이론모형이 범용성이 높은 것은 온실 내ㆍ외의 미기상 변화, 특히 난방이나 냉방이 본격적으로 요구되는 기간동안에 온도, 습도, 일사, 풍속 등의 미기상 인자들을 면밀하게 관찰하여 실측된 자료를 바탕으로 개발되었고, 다양한 자료에 의해 충분히 검정되었기 때문이다. 본 연구에서는 경남 진주지역의 어느 특정 기간(1987년)의 시간별 기상자료를 중심으로 온실의 열적 환경변화에 대한 수치모형 시뮬레이션을 실시하였으며, 아직 수치모형에 의한 시뮬레이션이 불가능한 일부 냉방효과를 검토하는 데는 모형 실험을 실시하였으며, 그 결과를 요약하면 다음과 같다. 1. 주간과 야간의 설정온도를 달리하고 다단계 변온조절방식으로 시뮬레이션을 행한 결과 난방 소요열량은 난방 설정온도에 따라 현저한 차이를 보였다. 특히 주간 설정온도에 비하여 야간 설정온도가 난방 소요열량에 예민하게 영향을 미치므로 야간의 설정온도 결정에 신중을 기해야 할 것으로 판단된다. 2. 기존의 Heating Degree-Hour 자료는 평균 외기온을 중심으로 임의의 설정온도에 대하여 산정된 값이므로 난방 소요열량에 대한 상대적인 비교수단은 되나 고려되는 기상인자의 제한과 설정온도의 임의성 때문에 실용성이 부족하다. 따라서 본 연구에서 제시된 것처럼 온실 주변의 제반 미기상 인자나 경계조건이 반영됨은 물론 작물의 생육상태 및 구체적인 설정온도까지도 고려하는 동적 수치모형으로 시시각각으로 예측된 실내기온을 중심으로 재배기간 동안의 난방열량을 적산함이 합리적이라 판단된다. 기존의 MDH 자료로 난방 설계를 할 경우에는 지나치게 과잉설계 될 가능성이 있다. 3. 산정된 난방 소요열량은 물론 커튼의 보온성능도 월별 기상여건에 따라 현저한 차이를 보이며, 시뮬레이션에 이용된 커튼의 경우 높은 보온효과를 보임으로서 년 평균 50% 이상의 난방 에너지를 절감할 수 있으며, 동절기 3-4개월의 집중 난방기에 에너지가 크게 절감됨을 발견할 수 있다. 4. 고온기 환기성능은 온실의 구조, 기상조건, 작물의 생육상태 등에 따라 다소의 차이가 있으나 환기율에 의해 크게 좌우되며, 시뮬레이션에 이용된 두 가지 농가보급형 온실 모두 환기율의 증가에 따른 실내기온의 강하 효과가 환기율이 1회/min 정도를 넘어서면서 급격히 둔화되는 현상을 보인다. 이는 기존에 권장되고 있는 적정 환기율인 1회/min 전후의 환기 시스템을 갖추는 것이 합리적임을 확인해 준다. 5. 작물이 성숙된 유리온실에서 외기의 상대습도가 50%인 쾌청한 주간동안 연속적으로 1회/min로 환기를 시킬 경우 실내기온 36.5$^{\circ}C$의 대조구에 비한 온도강하는 50% 차광만 했을 시 2.6$^{\circ}C$이고 효율 80%의 Pad ＆ Fan 시스템만 작동시 6.1$^{\circ}C$ 정도이며, 차광과 냉각시스템을 동시에 작동시는 약 8.6$^{\circ}C$로서 외기온보다 3.3$^{\circ}C$가 낮은 28$^{\circ}C$까지 실내온도를 낮출 수 있으나, 동일 조건하에서 외기의 상대습도가 80%로 높은 경우에는 Pad ＆ Fan시스템에 의한 온도강하가 2.4$^{\circ}C$에 불과하여 50% 차광하에서도 외기온 이하로 실내온도를 낮출 수 없음을 알 수 있다. 6. 하절기 3개월(6/1-8/31)동안 Pad ＆ Fan 시스템의 냉방효과($\Delta$T)는 설정된 작동 온도에 따라 다소 차이를 보일 것으로 예상되나 본 시뮬레이션에서 설정한 시스템의 작동 온도 27$^{\circ}C$에서 상대습도와의 상관관계는 대략 다음과 같았다: $\Delta$T= -0.077RH＋7.7 7. 전형적인 하절기 주간기상 하에서 경시적 냉방효과를 분석한 결과 환기만으로는 실내기온을 외기온 보다 5$^{\circ}C$ 높게 유지하는 정도가 고작이고, 차광이나 증발식 냉방시스템 만으로는 작물이 성숙한 단계에서조차도 외기온 이하로 떨어뜨리기가 어려우나 차광과 아울러 증발식 냉방을 병행할 경우에는 작물상태에 따라 다소 차이는 있지만 실내기온을 외기온보다 2.0-2.3$^{\circ}C$ 낮게 유지할 수 있음을 발견할 수 있다. 8. 일사가 차단된 27.5-28.5$^{\circ}C$의 외기온하에서 6.5-8.5$^{\circ}C$의 냉수를 온실 바닥면적 1$m^2$당 1.3 liter/min의 유량으로 온실표면에 살수했을 때 실내기온을 외기온보다 1$0^{\circ}C$ 낮은 16.5-18.$0^{\circ}C$ 정도로 낮출 수 있었다. 앞으로 살수 수온(T$_{w}$ )이나 외기온(T$_{o}$ ) 뿐만아니라 살수율(Q)에 따라 온실기온 (T$_{g}$ )에 미치는 상관 관계 T$_{g}$ = f(T$_{w}$ , Q, T$_{o}$ )를 구명하여 지하수 자체 또는 Heat Pump를 이용한 지하수온 이하의 냉수로 온실냉방의 가능성을 구명하는 것이 앞으로의 과제이다.