As platforms become primary decision making tools, platforms for decision have been introduced to improve quality of decision results. Because, decision platforms applied augmented decision-making process which uses experiences and feedback of users. This process creates a variety of alternatives tailored for users' abilities and characteristics. However, platform users choose alternatives before considering significant quality factors based on securing decision quality. In real world, platform managers use an algorithm that distorts appropriate alternatives for their commercial benefits. For improving quality of decision-making, preceding researches approach trying to increase rational decision -making ability based on experiences and feedback. In order to overcome bounded rationality, users interact with the machine to approach the optional situation. Differentiated from previous studies, our study focused more on characteristics of users while they use decision platforms. This study investigated the impact of quality factors on decision-making using platforms, the dimensions of systematic factors and user characteristics. Systematic factors such as platform reliability, data quality, and user characteristics such as user abilities and biases were selected, and measuring variables which trust, satisfaction, and loyalty of decision platforms were selected. Based on these quality factors, a structural equation research model was created. A survey was conducted with 391 participants using a 7-point Likert scale. The hypothesis that quality factors affect trust was proved to be valid through path analysis of the structural equation model. The key findings indicate that platform reliability, data quality, user abilities, and biases affect the trust, satisfaction and loyalty. Among the quality factors, group bias of users affects significantly trust of decision platforms. We suggest that quality factors of decision platform consist of experience-based and feedback-based decision-making with the platform's network effect. Through this study, the theories of decision-making are empirically tested and the academic scope of platform-based decision-making has been further developed.
Response surface analysis has been a popular tool conducted by engineers in many processes. In this paper, response surface function, named partial least squares response surface function is proposed. Partial least squares response surface function is a function of partial least squares components and the response surface modeling is used in either a first-order or a second-order model. Also, this approach will have the engineers be able to do the response surface modeling and the process optimization even when the number of experimental runs is less than the number of model parameters. This idea is applied to the nondesign data and an application of partial least squares response surface function to the process optimization is considered.
Many organizations implement knowledge management initiates by developing knowledge management systems. This study aims at investigating knowledge sharing behaviors in a knowledge management system and identifying factors affecting such behaviors. To do this, we defined knowledge sharing behaviors in a knowledge management system as registration and view of knowledge at a system. Based on this definition, we established a research model by identifying seven factors affecting both behaviors as independent variables: Learning orientation, Pressure to share knowledge, Top management support, Reward for knowledge sharing, Level of experience in IT, System quality, and Knowledge quality. The 14 hypotheses derived from a research model were tested by a correlation analysis and a multiple regression analysis with data from 165 respondents of the 21 organizations which implemented knowledge management initiatives. As results, both of knowledge registration and knowledge review were strongly affected by the learning-orientedness of an organization. Finally, we discussed results and limitations of this study.
Recently, many studies have been conducted to improve quality by applying machine learning models to semiconductor manufacturing process data. However, in the semiconductor manufacturing process, the ratio of good products is much higher than that of defective products, so the problem of data imbalance is serious in terms of machine learning. In addition, since the number of features of data used in machine learning is very large, it is very important to perform machine learning by extracting only important features from among them to increase accuracy and utilization. This study proposes an anomaly detection methodology that can learn excellently despite data imbalance and high-dimensional characteristics of semiconductor process data. The anomaly detection methodology applies the LIME algorithm after applying the SMOTE method and the RFECV method. The proposed methodology analyzes the classification result of the anomaly classification model, detects the cause of the anomaly, and derives a semiconductor process requiring action. The proposed methodology confirmed applicability and feasibility through application of cases.
This paper proposes a fourth generation index $C_{psk}$, constructed from $C_{psk}$, by introducing the factor|$\mu$-T| in the numerator as an extra penalty for the departure of the process mean from the preassigned target value T. The motivation behind the introduction of $C_{psk}$ is that when $T\neqM$ process shifts away from target are evaluated without respect to direction. All indices that are now in use assume normally distributed data, and any use of the indices on non-normal data results in inaccurate capability measurements. In this paper, a new process capability index $C_{psk}$ is introduced for non-normal process. The Pearson curve and the Johnson curve are selected for capability index calculation and data modeling the normal-based index $C_{psk}$ is used as the model for non-normal process. A significant result of this research find that the ranking of the six indices, $C_{p}$, $C_{pk}$, $C_{pm}$, ${C^*}_{psk}$, $C_{pmk}$, $C_{psk}$in terms of sensitivity to departure of the process median from the target value from the most sensitive one up to the least sensitive are $C_{psk}$, $C_{pmk}$, ${C^*}_{psk}$,$C_{pm}$, $C_{pk}$, $C_{p}$.
As the significance of quality in the sense of customer satisfaction is growing, the management of quality becomes one of the main interests in the manufacturing systems research. This paper presents the concept of quality-driven CIM(Computer Integrated Manufacturing) system which is composed of a business process domain and a quality domain. In the business process domain, business functions are integrated by conventional design and manufacturing databases on the one hand, and an integrated quality system is interlinked to them via several quality modules on the other hand. Quality information model connects the business process domain with the quality domain where various types of quality data are stored in the form of quality database. This framework helps a manufacturing enterprise to implement the quality-driven CIM system to achieve its final objective "customer satisfaction".ion".uot;.
Yield prediction is important to manage semiconductor quality. Many researches with machine learning algorithms such as SVM (support vector machine) are conducted to predict yield precisely. However, yield prediction using SVM is hard because extremely imbalanced and big data are generated by final test procedure in semiconductor manufacturing process. Using SVM algorithm with imbalanced data sometimes cause unnecessary support vectors from major class because of unselected support vectors from minor class. So, decision boundary at target class can be overwhelmed by effect of observations in major class. For this reason, we propose a under-sampling method with minor class based SVM (MCSVM) which overcomes the limitations of ordinary SVM algorithm. MCSVM constructs the model that fixes some of data from minor class as support vectors, and they can be good samples representing the nature of target class. Several experimental studies with using the data sets from UCI and real manufacturing process represent that our proposed method performs better than existing sampling methods.
BIM 지침을 통해 기본적인 모델링 기준을 제공하고 있지만, BIM 모델링 업무를 수행하는 참여자 별로 기준이 상이하고 BIM 모델의 활용목적에 따른 적용기준이 다르기 때문에 BIM 적용 지침에 대한 이행여부의 평가는 BIM 모델의 활용목적에 따른 품질을 만족시키기 위한 중요한 절차이다. 하지만 지침에 따라 작성된 BIM 모델의 검토항목 및 방법이 제시되지 않고 있다. 본 연구는 BIM 모델의 완성도를 높이기 위해 국내 BIM 지침의 BIM 기반 품질검토 항목을 도출하고 자동 품질검토 수행을 위한 룰 정의서를 제시한다. 먼저 국내 BIM 지침을 분석하여 품질검토 항목을 도출하고 플로우차트 및 의사코드를 활용한 구조화를 통해 룰 정의서를 작성한다. 작성된 룰 정의서를 기반으로 사례적용을 실시하여 자동 품질검토 과정을 수행한다. 본 연구는 3차원의 방대한 데이터를 포함한 BIM 모델의 설계품질과 완성도를 높이는데 기여할 것이다. 향후 활용목적에 따른 BIM 지침의 개발이 필수적으로 이루어져야 하며 BIM모델의 품질검토를 위한 구체적인 절차나 기준이 제공되어야 할 것이다.
Purpose: The purpose of this study was to increase prediction accuracy for an anomaly interval identified using an artificial intelligence-based time series anomaly detection technique by establishing a pre-processing process. Methods: Significant variables were extracted by applying feature selection techniques, and anomalies were derived using the TadGAN time series anomaly detection algorithm. After applying machine learning and deep learning methodologies using normal section data (excluding anomaly sections), the explanatory power of the anomaly sections was demonstrated through performance comparison. Results: The results of the machine learning methodology, the performance was the best when SHAP and TadGAN were applied, and the results in the deep learning, the performance was excellent when Chi-square Test and TadGAN were applied. Comparing each performance with the papers applied with a Conventional methodology using the same data, it can be seen that the performance of the MLR was significantly improved to 15%, Random Forest to 24%, XGBoost to 30%, Lasso Regression to 73%, LSTM to 17% and GRU to 19%. Conclusion: Based on the proposed process, when detecting unsupervised learning anomalies of data that are not actually labeled in various fields such as cyber security, financial sector, behavior pattern field, SNS. It is expected to prove the accuracy and explanation of the anomaly detection section and improve the performance of the model.
Information systems development entails planning, analysis, design and construction phases. The analysis phase identifying user requirements is the most important of these phases. Since unidentified defects in the early phase causes increased work and costs as development proceeds, the quality of analysis results affects the quality of the resultant system. Major tasks in the analysis phase are data modeling and process modeling. Research on building a knowledge-based system for data modeling have been conducted much, however, not sufficiently for process modeling. As a system environment with high user interaction increases, research on process modeling methods and knowledge- based systems considering such environment are required. In this research, a process modeling framework for information systems with high user interaction is suggested and a knowledge-based system for supporting the suggested framework is implemented. A proposed model consists of the following tasks: event analysis, process analysis, and event/process interaction analysis. Event analysis identifies business events and their responses. Process analysis break down the processes of an enterprise into progressively increasing details. Decomposition begins at the function level and ends when the elementary process level is reached. Event/process interaction analysis verifies the results of process analysis and event analysis. A knowledge-based system for supporting a proposed process modeling framework is implemented in a web-based environment.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.