• 제목/요약/키워드: throughput method

검색결과 1,072건 처리시간 0.018초

울진 바다목장 생태계의 영양구조와 에너지 흐름 (Analysis of Trophic Structure and Energy Flows in the Uljin Marine Ranching Area, Korean East Sea)

  • 김형철;이재경;김미향;최병미;서인수;나종헌
    • 해양환경안전학회지
    • /
    • 제24권6호
    • /
    • pp.750-763
    • /
    • 2018
  • 본 연구는 울진 바다목장해역에 서식하는 생물을 대상으로 바다목장 관리를 위한 해양생태계의 영양구조와 에너지흐름을 파악하기 위한 목적으로 2013년 3월부터 10월까지 총 4회 현장조사를 실시하였다. 본 연구에서 개별 생물종들의 생태학적 특징에 따라 유사도에 근거한 비계량형다차원척도법을 사용하여 최고포식자, 바다새, 대형 및 소형유영어류, 볼락류, 가자미류, 저서어류, 반저서어류, 두족류, 저서섭이자, 표서동물, 이매패류, 전복, 자포동물, 동물플랑크톤, 부착성해조류, 미소해조류, 식물플랑크톤, 유기쇄설물 등 총 19가지로 생물그룹핑되었다. Ecopath 모델의 입력변수인 각 생물군들의 생체량, 생산량/생체량의 비, 섭식량/생체량의 비, 피식-포식관계 자료를 사용하여 울진 바다목장해역의 영양구조와 에너지 흐름을 추정하였다. 연구해역에서 각 생물군들의 영양단계는 1 ~ 5.687 범위로 파악되었다. 울진 바다목장 해역에 서식하는 모든 생물그룹들의 전체 소비량의 합은 $229.7t/km^2/yr$, 생물그룹들의 전체 이출량은 $3,432.4t/km^2/yr$이었다. 모든 생물그룹들의 총 에너지량은 $6,796.2t/km^2/yr$, 전체 생산량은 $3,613.1t/km^2/yr$로 추정되었다. 울진 바다목장 해역에서의 순 생태계 생산량은 $3,490.3t/km^2/yr$, 전체 생물군의 생체량은 $167.3t/km^2/yr$으로 추정되었다.

주문생산 기업을 위한 기계학습 기반 총생산시간 예측 기법 (A Machine Learning-based Total Production Time Prediction Method for Customized-Manufacturing Companies)

  • 박도명;최형림;박병권
    • 지능정보연구
    • /
    • 제27권1호
    • /
    • pp.177-190
    • /
    • 2021
  • 4차 산업혁명 기술의 발전으로 사람이 처리하지 못하는 부분을 기계학습 등 인공지능 기법을 활용하여 개선해 보려는 노력이 확대되고 있다. 주문형 생산 기업에서도 주문에 대한 총생산시간을 예측하여 납기 지연 등의 기업 리스크를 줄이고자 하나 주문마다 총생산시간이 모두 달라 이를 예측하는데, 어려움을 겪고 있다. 주문 처리량 증대, 주문 총비용 절감을 위해 효율성이 가장 낮은 영역을 찾아 그 영역을 강화하는 TOC(Theory of constraints) 이론이 개발되었으나 총생산시간 예측은 제시하지 못하였다. 주문생산은 고객의 다양한 요구로 인해 주문마다 그 특성이 모두 다르므로 개별적인 주문의 총생산시간을 사후에 측정할 수는 있으나 사전 예측을 하기는 어렵다. 기존 주문의 이미 측정된 총생산시간도 모두 달라 표준 시간으로 활용할 수 없는 한계성이 있다. 이에 따라 경험이 많은 관리자는 시스템의 이용보다는 감에 의존하고 있고, 경험이 부족한 관리자는 간단한 관리지표(예, 원재료가 파이프이면 총생산시간 60일, 철판이면 총생산시간 90일 등)를 사용하고 있다. 불완전한 감이나 지표를 기초로 하여 작업 지시를 너무 빨리하면 정체가 발생하여 생산성이 저하되고, 너무 늦게 하면 긴급 처리로 인해 생산비용이 증가하거나 납기를 지키지 못하는 경우가 발생한다. 납기를 지키지 못하면 지체상금을 배상해야 하거나 영업, 수금 등의 부문에 악영향을 미친다. 본 연구에서는 이러한 문제를 해결하기 위하여 주문생산시스템을 운영하는 기업의 신규 주문 총생산시간을 추정하는 기계학습 모델을 찾고자 한다. 기계학습에 활용된 자료는 수주, 생산, 공정 실적을 사용한다. 그리고 총생산시간의 추정에 가장 적합한 알고리즘으로 OLS, GLM Gamma, Extra Trees, Random Forest 알고리즘 등을 비교 분석하고 그 결과를 제시하고자 한다.