• 지능정보연구
• /
• 제23권1호
• /
• pp.47-67
• /
• 2017

강판 표면 결함은 강판의 품질과 가격을 결정하는 중요한 요인 중 하나로, 많은 철강 업체는 그동안 검사자의 육안으로 강판 표면 결함을 확인해왔다. 그러나 시각에 의존한 검사는 통상 30% 이상의 판단 오류가 발생함에 따라 검사 신뢰도가 낮은 문제점을 갖고 있다. 따라서 본 연구는 Simultaneous MTS (S-MTS) 알고리즘을 적용하여 보다 지능적이고 높은 정확도를 갖는 새로운 강판 표면 결함 진단 시스템을 제안하였다. S-MTS 알고리즘은 단일 클래스 분류에는 효과적이지만 다중 클래스 분류에서 정확도가 떨어지는 기존 마할라노비스 다구찌시스템 알고리즘(Mahalanobis Taguchi System; MTS)의 문제점을 해결한 새로운 알고리즘이다. 강판 표면 결함 진단은 대표적인 다중 클래스 분류 문제에 해당하므로, 강판 표면 결함 진단 시스템 구축을 위해 본 연구에서는 S-MTS 알고리즘을 채택하였다. 강판 표면 결함 진단 시스템 개발은 S-MTS 알고리즘에 따라 다음과 같이 진행하였다. 첫째, 각 강판 표면 결함 별로 개별적인 참조 그룹 마할라노비스 공간(Mahalanobis Space; MS)을 구축하였다. 둘째, 구축된 참조 그룹 MS를 기반으로 비교 그룹 마할라노비스 거리(Mahalanobis Distance; MD)를 계산한 후 최소 MD를 갖는 강판 표면 결함을 비교 그룹의 강판 표면 결함으로 판단하였다. 셋째, 강판 표면 결함을 분류하는 데 있어 결함 간의 차이점을 명확하게 해주는 예측 능력이 높은 변수를 파악하였다. 넷째, 예측 능력이 높은 변수만을 이용해 강판 표면 결함 분류를 재수행함으로써 최종적인 강판 표면 결함 진단 시스템을 구축한다. 이와 같은 과정을 통해 구축한 S-MTS 기반 강판 표면 결함 진단 시스템의 정확도는 90.79%로, 이는 기존 검사 방법에 비해 매우 높은 정확도를 갖는 유용한 방법임을 보여준다. 추후 연구에서는 본 연구를 통해 개발된 시스템을 현장 적용하여, 실제 효과성을 검증할 필요가 있다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.23-45
• /
• 2020

기업의 경쟁력 확보를 위해 판별 알고리즘을 활용한 의사결정 역량제고가 필요하다. 하지만 대부분 특정 문제영역에는 적합한 판별 알고리즘이 어떤 것인지에 대한 지식은 많지 않아 대부분 시행착오 형식으로 최적 알고리즘을 탐색한다. 즉, 데이터셋의 특성에 따라 어떠한 분류알고리즘을 채택하는 것이 적합한지를 판단하는 것은 전문성과 노력이 소요되는 과업이었다. 이는 메타특징(Meta-Feature)으로 불리는 데이터셋의 특성과 판별 알고리즘 성능과의 연관성에 대한 연구가 아직 충분히 이루어지지 않았기 때문이며, 더구나 다중 클래스(Multi-Class)의 특성을 반영하는 메타특징에 대한 연구 또한 거의 이루어진 바 없다. 이에 본 연구의 목적은 다중 클래스 데이터셋의 메타특징이 판별 알고리즘의 성능에 유의한 영향을 미치는지에 대한 실증 분석을 하는 것이다. 이를 위해 본 연구에서는 다중 클래스 데이터셋의 메타특징을 데이터셋의 구조와 데이터셋의 복잡도라는 두 요인으로 분류하고, 그 안에서 총 7가지 대표 메타특징을 선택하였다. 또한, 본 연구에서는 기존 연구에서 사용하던 IR(Imbalanced Ratio) 대신 시장집중도 측정 지표인 허핀달-허쉬만 지수(Herfindahl-Hirschman Index, HHI)를 메타특징에 포함하였으며, 역ReLU 실루엣 점수(Reverse ReLU Silhouette Score)도 새롭게 제안하였다. UCI Machine Learning Repository에서 제공하는 복수의 벤치마크 데이터셋으로 다양한 변환 데이터셋을 생성한 후에 대표적인 여러 판별 알고리즘에 적용하여 성능 비교 및 가설 검증을 수행하였다. 그 결과 대부분의 메타특징과 판별 성능 사이의 유의한 관련성이 확인되었으며, 일부 예외적인 부분에 대한 고찰을 하였다. 본 연구의 실험 결과는 향후 메타특징에 따른 분류알고리즘 추천 시스템에 활용할 것이다.

• 대한토목학회논문집
• /
• 제4권3호
• /
• pp.75-83
• /
• 1984

사면(斜面)의 3차원(次元) 파괴(破壞)의 신뢰성(信賴性) 해석(解析)에 안전율(安全率) 대신 파괴확률(破壞確率)이 사용(使用)되었다. 강도정수(强度定數)는 정규분포(正規分布)와 베타분포(分布)로 가정하였고 특정(特定)한 신뢰도(信賴度)와 최우추정법(最尤推定法)에 의하여 구간추정(區間推定) 하였다. 정규분포(正規分布)와 베타분포(分布)의 무작위변수(無作爲變數)는 중심극한정리(中心極限定理)와 Rejection방법(方法)에 따라 일양분포변환방법(一樣分布變換方法)을 사용(使用)하여 발생(發生)시켰고 몬테칼로방법(Monte-Carlo Method)에 의한 파괴확률(破壞確率)은 다음과 같이 정의(定義)된다. $P_f=M/N$ N: 시행회수(施行回數) M: 파괴회수(破壞回數) 본(本) 연구(硏究) 결과(結果)는 다음과 같다. 1. $F_3$는 $F_2$보다 일반적으로 더 컸으나 작은 경우도 나타났다. 2. $F_3/F_2$의 비(比)는 c, ${\phi}$와 3차원(次元) 파괴(破壞)형상 그리고 경사에 따라 민감하나 흙의 단위중량에는 그렇지 않았다. 3. 어떤 완전율(安全率)에 대한 파괴확률(破壞確率)은 배타분포(分布)가 정규분포(定規分布)보다 대체로 크게 나타났다. 4. 어떤 특정(特定)한 사면파괴(斜面破壞)형상과 토질조건(土質條件)에 대하여 허용안전율(許容安全率) $FS_a=1.25$에 해한 $P_f$는 0.23 (정규분포(正規分布)), 0.29(베타분포(分布))로 나타났다.

• 한국강구조학회 논문집
• /
• 제20권6호
• /
• pp.723-730
• /
• 2008

철도교량은 무거운 축하중이 작용하여 구조부재의 전체 강도에서 활하중이 차지하는 비율이 높기 때문에 피로에 의한 손상이 클 뿐만 아니라 계속적으로 변화하는 하중환경에 의해 피로손상이 빠르게 진행될 가능성이 있으므로 이에 대한 안전성을 체계적이고 분석적으로 평가할 수 있는 방법이 요구된다. 철도교량에서 구조부재별 피로균열의 생성위치 및 성장속도는 발생응력의 범위와 횟수, 구조시스템의 강성에 관련되어 있다. 구조시스템의 강성은 계획주체, 설계자, 시공자, 유지관리주체 각각의 특성과 불확실성을 포함하고 있으며, 시간의존적 하중과 저항의 특성에 의해서 추계학적으로 변화하게 된다. 그러므로 이러한 하중 및 저항에서의 각각의 불확실성을 정량적이고 객관적으로 표현할 수 있는 신뢰성에 기초한 평가기법을 개발하였다. 철도 및 지하철교량 등의 피로파괴에 대한 확률론적 평가를 위하여 응답면 기법(Response Surface Method, RSM)과 일계이차 모멘트 기법(First Order Second Moment method, FOSM)을 사용하여 피로균열진전과 잔존수명을 평가하였다. 응력변동 범위를 설계변수로 변화시키면서, 중요한 설계입력 변수로 한계상태 방정식을 구성하고 다양한 피로 수명(100년, 75년 등)후의 파괴확률을 예측하여 설계피로수명에 대한 신뢰성 지수계산 및 발생확률을 분석사례로 제시하였다.

• 한국재료학회지
• /
• 제9권11호
• /
• pp.1083-1087
• /
• 1999

마그네트론 스퍼터로 알루미나 기판위에 $\textrm{SnO}_2$박막을 증착하여 증착온도, rf 전력, 공정기체 중 산소분율(O$_2$/Ar)등 공정변수에 따른 박막의 미세구조와 가스검지 특성을 조사하였다. 증착된 박막의 미세구조는 결정성이 없는 비정질 구조(A), 비정질 기지 중에 결정이 분산된 구조(A=P), 방향성이 거의 없는 다결정 구조(P), 미세 기둥구조(FC), 조대한 기둥구조(CC), 고밀도 특성을 보이는 섬유상 구조(Zone T)의 6가지로 분류되었다. 공정 중 산소를 첨가하지 않았을 때, 저온, 낮은 rf 전력에서 A 구조가, 저온, 높은 rf 전력에서 A+P 구조가, 고온, 높은 rf 전력에서 P 구조가 형성되었고, 산소 첨가 시는 낮은 rf 전력, 저온에서 FC 구조가, 낮은 rf 전력, 고온에서 CC 구조, 높은 rf 전력, 저온에서 Zone T 구조가 형성되었다. 위의 미세구조를 가진 박막들을 센서로 제작하여 $200^{\circ}C$, $300^{\circ}C$, $400^{\circ}C$에서 CO 가스에 대한 민감도를 측정한 결과$200^{\circ}C$에서는 감도가 나타나지 않으며, $300^{\circ}C$, $400^{\circ}C$에서는 FC 구조를 가진 센서가 다른 미세구조를 가진 센서에 비해 우수한 감도를 나타냈다. 이는 미세한 column 들로 이루어진 FC 구조의 높은 비표면적으로 인해 산소와 피검가스의 흡착이 많아지게 되고, 가스흡착에 의한 저항변화, 즉 감도가 높게 나타나는 것으로 판단된다.

• 지능정보연구
• /
• 제26권3호
• /
• pp.149-169
• /
• 2020

현 정부의 주요 국책사업 중 하나인 도시재생 뉴딜사업은 매년 100 곳씩, 5년간 500곳을대상으로 50조를 투자하여 낙후된 지역을 개발하는 것으로 언론과 지자체의 높은 이목이 집중되고 있다. 그러나, 현재 이 사업모델은 면적 규모에 따라 "우리동네 살리기, 주거정비지원형, 일반근린형, 중심시가지형, 경제기반형" 등 다섯 가지로 나뉘어 추진되어 그 지역 본래의 특성을 반영하지 못하고 있다. 국내 도시재생 성공 키워드는 "주민 참여", "지역특화" "부처협업", "민관협력"이다. 성공 키워드에 따르면 지자체에서 정부에게 도시재생 사업을 제안할 때 지역주민, 민간기업의 도움과 함께 도시의 특성을 정확히 이해하고 도시의 특성에 어울리는 방향으로 사업을 추진하는 것이 가장 중요하다는 것을 알 수 있다. 또한 도시재생 사업 후 발생하는 부작용 중 하나인 젠트리피케이션 문제를 고려하면 그 지역 특성에 맞는 도시재생 유형을 선정하여 추진하는 것이 중요하다. 이에 본 연구는 '도시재생 뉴딜 사업' 방법론의 한계점을 보완하기 위해, 기존 서울시가 지역 특성에 기반하여 추진하고 있는 "2025 서울시 도시재생 전략계획"의 도시재생 유형을 참고하여 도시재생 사업지에 맞는 도시재생 유형을 추천하는 시스템을 머신러닝 알고리즘을 활용하여 제안하고자 한다. 서울시 도시재생 유형은 "저이용저개발, 쇠퇴낙후, 노후주거, 역사문화자원 특화" 네 가지로 분류된다 (Shon and Park, 2017). 지역 특성을 파악하기 위해 총 4가지 도시재생 유형에 대해 사업이 진행된 22개의 지역에 대한 뉴스 미디어 10만여건의 텍스트 데이터를 수집하였다. 수집된 텍스트를 이용하여 도시재생 유형에 따른 지역별 주요 키워드를 도출하고 토픽모델링을 수행하여 유형별 차이가 있는 지 탐색해 보았다. 다음 단계로 주어진 텍스트를 기반으로 도시재생 유형을 추천하는 추천시스템 구축을 위해 텍스트 데이터를 벡터로 변환하여 머신러닝 분류모델을 개발하였고, 이를 검증한 결과 97% 정확도를 보였다. 따라서 본 연구에서 제안하는 추천 시스템은 도시재생 사업을 진행하는 과정에서 신규 사업지의 지역 특성에 기반한 도시재생 유형을 추천할 수 있을 것으로 기대된다.