• Journal of Service Research and Studies
• /
• v.14 no.1
• /
• pp.77-90
• /
• 2024

This research aims to investigate methods of leveraging generative artificial intelligence in service sectors where consumer sentiment and experience are paramount, focusing on minimizing hallucination phenomena during usage and developing strategic services tailored to consumer sentiment and experiences. To this end, the study examined both mechanical approaches and user-generated prompts, experimenting with factors such as business item definition, provision of persona characteristics, examples and context-specific imperative verbs, and the specification of output formats and tone concepts. The research explores how generative AI can contribute to enhancing the accuracy of personalized content and user satisfaction. Moreover, these approaches play a crucial role in addressing issues related to hallucination phenomena that may arise when applying generative AI in real services, contributing to consumer service innovation through generative AI. The findings demonstrate the significant role generative AI can play in richly interpreting consumer sentiment and experiences, broadening the potential for application across various industry sectors and suggesting new directions for consumer sentiment and experience strategies beyond technological advancements. However, as this research is based on the relatively novel field of generative AI technology, there are many areas where it falls short. Future studies need to explore the generalizability of research factors and the conditional effects in more diverse industrial settings. Additionally, with the rapid advancement of AI technology, continuous research into new forms of hallucination symptoms and the development of new strategies to address them will be necessary.

• Proceedings of the Korean Institute of Electrical and Electronic Material Engineers Conference
• /
• 2008.11a
• /
• pp.174-174
• /
• 2008

초음파를 이용하여 액체 연료를 분사하면 균일한 입경과 미립화가 우수하며 에너지 절약과 공해방지등을 할 수 있다. 또한 유속과 유량에 관계없이 이용할 수 있어 반도체 분야의 웨이퍼와 평판 표시기상에 사진 석판용 화학물질의 균일도포 컴퓨터 하드 디스크의 광택제 도포등에 사용할 수 있다. 이처럼 초저의 유출 용량을 요구하는 모든 공정 및 액체연료의 분사가 요구되는 모든 산업에 적용할 수 있는 장점을 가지고 있다. 하지만 현제까지 주로 사용되고 있는 초음파노즐의 액츄에이터는 단판액츄에이터형로 높은 교류전압을 인가해주어야 하는 단점을 가지고 있다. 이 단점을 해결하기 위해 적층액츄에이터형을 사용하여 초음파 노즐 구동하면 낮은 교류 입력전압에서도 단판액츄에이터형 초음파 노즐과 같은 특성을 가질 수 있다. 또한 초음파 노즐의 구동시 기계적인 진동을 이용하므로 많은 열을 발생시켜 노즐의 온도가 상승하여 세라믹 액츄에이터에도 그 영향을 미치게 되어 열적 열화 현상이 일어날 수 있기에 높은 큐리온도를 가지는 액츄에이터가 필요하다. 본 실험에서는 $Pb(Mn_{1/3}Nb_{2/3})_{0.02}(Ni_{1/3}Nb_{2/3})_{0.12}(Zr_{0.50}Ti_{0.50})_{0.86}O_3$ 조성을 사용하여 $900^{\circ}C$의 저온에서 액상 소결하여 적층혈액츄에이터를 제작하였으며 압전 및 유전 특성을 조사하였다. 제작된 초음파노즐을 구동하기 위해서는 약 36kHz의 30V이상의 교류입력전압 할 수 있는 구동회로가 필요로 한다. 압전액츄에이터의 구동을 위해서는 정확한 정현파 입력이 필요 없다. 압전액츄에이터의 특성상 유사 정현파 입력 만으로도 임피던스 매칭이 이루어지기 때문에 설계가 쉽고 간편한 Push-Pull 방식을 이용한 PWM인버터를 사용하였고 인버터의 출력 주파수를 34~38kHz까지 가변 할 수 있게 설계하였다. 제작된 적층액츄에이터형 초음파 노즐을 PWM인버터로 실제 액체 연료인 경유를 분사하였을 때의 액츄에이터의 온도 변화에 따른 공진주파수와 온도 의존성, 전기적 특성을 조사하고 미립화 분사되는 경유의 미립자 크기 및 최대 분사량을 조사 하였다.

• Journal of Bio-Environment Control
• /
• v.29 no.3
• /
• pp.277-284
• /
• 2020

To increase the utilization of the intelligent methodology of smart farm management, estimation modeling techniques are required to assess prior examination of crops and environment changes in realtime. A mandatory environmental factor such as CO₂ is challenging to establish a reliable estimation model in time domain accounted for indoor agricultural facilities where various correlated variables are highly coupled. Thus, this study was conducted to develop an artificial neural network for reducing time complexity by using environmental information distributed in adjacent areas from a time perspective as input and output variables as CO₂. The environmental factors in the smart farm were continuously measured using measuring devices that integrated sensors through experiments. Modeling 1 predicted by the mean data of the experiment period and modeling 2 predicted by the day-to-day data were constructed to predict the correlation of CO₂. Modeling 2 predicted by the previous day's data learning performed better than Modeling 1 predicted by the 60-day average value. Until 30 days, most of them showed a coefficient of determination between 0.70 and 0.88, and Model 2 was about 0.05 higher. However, after 30 days, the modeling coefficients of both models showed low values below 0.50. According to the modeling approach, comparing and analyzing the values of the determinants showed that data from adjacent time zones were relatively high performance at points requiring prediction rather than a fixed neural network model.