• 대한건축학회논문집:구조계
• /
• 제35권11호
• /
• pp.155-162
• /
• 2019

The construction industry is the highest safety accident causing industry as 28.55% portion of all industries' accidents in Korea. In particular, falling is the highest accidents type composed of 60.16% among the construction field accidents. Therefore, we analyzed the factors of major disaster affecting the fall accident and then derived feature importances by considering various variables. We used data collected from Korea Occupational Safety & Health Agency (KOSHA) for learning and predicting in the proposed model. We have an effort to predict the degree of occupational fall accidents by using the machine learning model, i.e., Adaboost, short for Adaptive Boosting. Adaboost is a machine learning meta-algorithm which can be used in conjunction with many other types of learning algorithms to improve performance. Decision trees were combined with AdaBoost in this model to predict and classify the degree of occupational fall accidents. HyOperpt was also used to optimize hyperparameters and to combine k-fold cross validation by hierarchy. We extracted and analyzed feature importances and affecting fall disaster by permutation technique. In this study, we verified the degree of fall accidents with predictive accuracy. The machine learning model was also confirmed to be applicable to the safety accident analysis in construction site. In the future, if the safety accident data is accumulated automatically in the network system using IoT(Internet of things) technology in real time in the construction site, it will be possible to analyze the factors and types of accidents according to the site conditions from the real time data.

• 한국의류산업학회지
• /
• 제18권6호
• /
• pp.766-775
• /
• 2016

In the era of globalization and unlimited competition, Korean universities need a breakthrough in their education system according to the changing education landscape, such as lower graduation requirements to cultivate more multi-talented convergence leaders. While each student has different learning capabilities, which results in different performance and achievements in the same class, the uniform education that most universities are currently offering fails to accommodate such differences. Blended learning, synergically combining offline and online classes, enlarges learning space and enriches learning experiences through diversified tools and materials, including multimedia. Recently, universities are increasingly adopting video contents and on-offline convergence learning strategy. Thus, this study suggests a teaching method based on blended learning to more effectively teach existing pattern CAD and virtual CAD in the Apparel Pattern CAD class. To this end, this researcher developed a teaching-learning method and curriculum according to the blended learning phase and video-based contents. The curriculum consisted of 2D CAD (SuperAlpha: Plus) and 3D CAD (CLO) software learning for 15 weeks. Then, it was loaded to the Learning Management System (LMS) and operated for 15 weeks both online and offline. The performance analysis of LMS usage found that class materials, among online postings, were viewed the most. The discussion menu most accurately depicted students' participation, and students who did not participate in discussions were estimated to check postings less than participating students. A survey on the blended learning found that students prefer digital or more digitized classes, while preferring face to face for Q&As.

• 한국의류학회지
• /
• 제34권12호
• /
• pp.1980-1991
• /
• 2010

This study proposes the O P E N Triad framework as a future set of tools and perspectives for individual members and institutes to further their professional and academic potential as well as prospect and vitalize the future of the Korean Clothing and Textiles discipline through a global perspective. The millennial generation desires On-demand, Personal, Engaging, and Networked (O P E N) experiences effecting cultural change for creative and influential interaction in transactions, communication, and education. O P E N Individuals offers a WebSphere model as a holistic learning system that has a synergizing value of education across academic courses, industries, and cultures. Through a digitalized and virtualized class, it complements relevant technologies already familiar to the student population. By employing environmental scanning approaches, the most influential and viable future global issues related to the clothing and textiles discipline are identified and dialogued within O P E N Institutes. For future clothing and textiles institutes, this scanning allows them to be open to new ideas, to focus on inter-engagements, to collaborate among individuals, to associate as a part of web of people, organizations, and ideas, to personalize an institutes curricula, and to dialogue generative knowledge. O P E N Industries reveals three dominant future issues that cross academia and industry, sustainability, supply chain management, and social networking. In-depth interviews with U.S. industry experts identified interdependent gaps in global consumer experience practices and suggested the following gaps as future research areas: a standardized business model to the entrepreneurial model, strategic management to a sustainable competitive advantage, standardized to differentiated products, services and operations, market segmentation to global consumer clusters, business-driven marketplaces to consumer-engaged marketspaces, and excellent services to optimal experience. This O P E N Triad framework empowers millennial students, universities, and industries to anticipate and prepare for a radically changing world.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 춘계학술대회
• /
• pp.903-906
• /
• 2015

최근 산업 전반에 걸쳐 가상세계와 현실세계, 방송과 통신, IT 기술과 전통산업 등 다양한 분야에서 융합연구가 진행되고 있다. 그리고 교육 분야에서는 주입식 교육을 탈피하는 창의력 중심으로의 교육 패러다임이 변하고 있다. 또한, 자기주도형 미래 인재를 육성하기 위한 고품질의 인터랙티브한 교육콘텐츠 기술이 요구되고 있는 실정이다. 이미 스마트 폰의 시장규모가 PC를 추월하고 있으며, 스마트 디바이스와 이러닝 신기술이 융합된 새로운 형태의 교육시스템으로 '스마트 러닝'이라는 새로운 서비스가 나타나고 있다. 본 논문에서는 직접 개발한 콘텐츠 저작 애플리케이션과 웹 사이트, 클라우드 환경을 기반으로 학습자 패턴 수집 및 분석을 하고자 한다. 이러한 정보를 활용하여 학습자의 취향에 맞는 적절한 콘텐츠를 추천해주는 큐레이션 서비스 제공 방안에 대해 연구하였다.

• 스마트미디어저널
• /
• 제11권11호
• /
• pp.92-98
• /
• 2022

섬유산업에서 생산된 직물의 결함을 식별하는 것은 품질관리를 위한 핵심적인 절차이다. 본 연구는 직물의 이미지를 분석하여 결함을 검출하는 모델을 만들고자 하였다. 연구에 사용된 모델은 딥러닝 기반의 VGGNet 과 ResNet이었고, 두 모델의 결함 검출 성능을 비교하여 평가하였다. 정확도는 VGGNet 모델이 0.859, ResNet 모델이 0.893으로 ResNet 모델의 정확도가 더 높은 결과를 보여주었다. 추가적으로 딥러닝 모델이 직물의 이미지 내에서 결함으로 인식한 부분의 위치를 알아보기 위하여 XAI(eXplainable Artificial Intelligence)기법인 Grad-CAM 알고리즘을 사용하여 모델의 관심영역을 도출하였다. 그 결과 딥러닝 모델이 직물의 결함으로 인식한 부분이 육안으로도 실제 결함이 있는 것으로 확인되었다. 본 연구의 결과는 직물의 결함 검출에 있어서 딥러닝 기반의 인공지능을 활용함으로써 섬유의 생산과정에서 발생하는 시간과 비용을 줄일 수 있을 것으로 기대된다.

• 한국컴퓨터정보학회논문지
• /
• 제29권2호
• /
• pp.21-30
• /
• 2024

본 연구는 폭증하는 디지털 비즈니스의 수요 증가를 감당하기 위하여 AI를 활용한 새로운 제작 방법을 모색하는데 목적이 있다. 이에 딥러닝과 빅데이터를 기반으로 실제 웹페이지 생성 가능 시스템을 구축하고자 하였다. 첫째, 이커머스 웹사이트 기능을 바탕으로 분류체계를 수립하였다. 둘째, 웹페이지 구성요소의 유형을 체계적으로 분류하였다. 셋째, 딥러닝이 적용가능한 웹페이지 자동생성시스템 전체를 설계하였다. 실제 데이터를 학습하여 구현된 딥러닝 모델이 기존 웹사이트를 분석하고 자동생성되도록 재설계 함으로써, 산업에서 바로 사용가능한 방안을 제안했다. 나아가 체계가 부족했던 웹사이트 레이아웃 및 특징에 대한 분류체계를 수립했다는 측면에서 의의가 있다. 이는 향후 생성형 AI 기반의 웹사이트 연구 및 산업 분야에 크게 기여할 수 있을 것이다.

• 산업진흥연구
• /
• 제4권1호
• /
• pp.57-66
• /
• 2019

현존하는 연구 문헌은 조직이 실제로 평생 학습 관행과 정책을 어떻게 구현하는지 알려주지 않는다. 그러므로, 본 논문의 목적은 평생 학습이 실제로 어떻게 이루어졌는지를 설명하는 데에 있다. 우리는 캐나다, 미국, 인도, 그리고 한국에서 온 많은 일류 기업들과의 인터뷰를 기초로 개발된 새로운 개념적 프레임워크를 소개함으로써 이를 수행한다. 우리의 모형의 핵심과 효과적인 평생학습 시스템은 성과관리 시스템이다. 성과관리 시스템은 도전적인 성과와 학습 목표를 설정함으로써 관리자와 직원 간의 지속적인 상호작용을 가능하게 하며, 이를 달성하기 위한 구체적인 계획을 수립한다. 그 계획들은 세 가지 유형의 학습 활동을 포함한다. 첫째, 직원들은 공식적인 학습에 참여하도록 장려될 수 있다. 이것은 사내에서 제공할 수도 있고, 직원이 휴직을 하고 학교로 돌아갈 수도 있다. 둘째, 관리자는 새로운 업무 기반 학습 기회에 참여할 수 있도록 부하 직원을 다른 부서나 팀에 배치할 수 있다. 마지막으로, 직원들은 스스로 배우도록 권장받을 수 있다. 이는 e-러닝 과정과 같은 다섯가지의 확고한 지원을 받는 프로그램을 통해 조직 시간 후에 학습하는 것을 의미한다. 성과 관리 시스템에 의해, 우리는 이 세가지의 학습 출구가 조직에서 효과적인 평생 학습으로 이어진다고 가정한다.

• 한국전자거래학회지
• /
• 제26권3호
• /
• pp.1-20
• /
• 2021

코로나19 대유행으로 세계경제포럼에서 그레이트 리셋이 논의되면서 제4차산업혁명의 동력인 인공지능도 조명을 받고 있다. 그러나 인공지능 분야의 기업 연구는 아직도 희소하다. 2000년 이후 관련 연구는 기존 기업에 어떻게 인공지능을 적용하여 가치를 창출할 것인가에 초점이 맞춰져 있으며, 신생기업들이 어떻게 기회를 포착하고 기존 사업자들 사이에 진입하여 새로운 가치를 창출하는지에 대한 연구는 거의 찾아볼 수 없다. 이에 본 연구는 소프트웨어의 세부 분야인 인공지능 기반 신생기업들이 기존 소프트웨어 산업과 어떻게 다른 혁신패턴을 갖는가라는 연구 질문을 가지고 다층적 접근론의 종합적 틀을 활용하여 신생 기업들의 사례를 분석하였다. 대상 기업들은 창업 7년 내 의료, 금융, 마케팅/광고, 유통, 제조 분야에서 의도적으로 표집된 머신러닝 모델링 전문 신생 기업들로 벤처기업 인증을 받은 고성장 기업들이다. 분석 결과 기존 소프트웨어 기업들은 전사적 통합 관점의 프로세스 혁신을 이루어냈다면, 이들만의 혁신 패턴은 기존의 프로세스들을 잘게 해체하여 자동화나 가치창출이 어려웠던 단위 프로세스들을 식별해 내고 데이터 기반으로 자동화, 최적화하여 새로운 가치를 제공하고 있다는 것이다. 이 연구의 기여는 통합적인 다층적 접근론의 틀의 유효성을 검증하면서 인공지능 기반 신생 기업들의 탄생과 그들의 혁신 패턴을 제시했다는 데에 있다. 한편 기업 실무적, 정부 정책적 함의를 정리하면, 데이터를 기반으로 혁신을 이끌어내기 때문에 신생 기업일지라도 데이터 관련 규제 등에 대한 제도 대응 역량이 강조되며, 정부는 관련 제도의 불확실성을 제거하고 구체화하여 예측가능하고 유연한 사업 환경을 마련할 필요가 있다.

• 품질경영학회지
• /
• 제33권2호
• /
• pp.40-50
• /
• 2005

HoQ (House of Quality) provides an effective tool not only to arrange and evaluate VoC (Voice of Customers) and VoE (Voice of Engineers), but also to link and combine VoC and VoE, thereby presenting explicit directions for quality improvement. There have been, however, few researches on the HoQ framework in the IT industry. The case study discussed here serves an illustration of the applicability and usefulness of the HoQ approach to website quality improvement. The proposed HoQ framework shows great potentials since customers needs are explicitly considered in the framework, and it helps website administrators develop better web services by providing guidelines for reengineering the website operations.

• Korean Chemical Engineering Research
• /
• 제62권3호
• /
• pp.214-224
• /
• 2024

밸브는 유량과 압력 조절 등의 중요한 역할을 수행하며, 적절한 밸브 사이즈와 유형 선택이 필요하다. Engineering Procurement Construction (EPC) 산업에선 밸브 사이즈 계수(C_v)의 수식적 계산을 바탕으로 사이즈와 유형을 선정해왔으나 이러한 방식은 전문가의 많은 시간과 비용이 요구되어 비효율적이다. 본 연구는 이를 해결하기위해 머신 러닝기법을 이용한 밸브 사이즈 및 유형 예측 모델을 개발하였다. Artificial neural network (ANN), Random Forest, XGBoost, Catboost의알고리즘을 적용하여 모델들을 개발하였으며, 평가 지표로는 사이즈 예측에는 Normalized root mean squared error (NRMSE)와 R²를, 종류 예측에는 F1 score를 적용하였다. 또한, 유체 상에 따른 영향을 확인하고자 유체 전체, 액체, 기체, 스팀의 4개의 데이터 세트로 사례 연구를 진행하였다. 연구 결과, 사이즈의 경우 전체, 액체, 기체에선 Catboost(R²기준, 전체: 0.99216, 액체: 0.98602, 기체: 0.99300. NRMSE 기준, 전체: 0.04072, 액체: 0.04886, 기체: 0.03619)가, 스팀에선 Random Forest가(R²: 0.99028, NRMSE: 0.03493) 가장 뛰어난 모델임을 확인하였다. 종류의 경우 Catboost가 모든 데이터에서 가장 높은 성과를 제시하였다(F1 score 기준, 전체: 0.95766, 액체: 0.96264, 기체: 0.95770, 스팀: 1.0000). 본 연구에서 제안한 모델들을 적용할 경우, 주어진 조건에 따른 밸브 선택을 도와 의사결정 속도를 높여줄 것으로 기대된다.