• 토지주택연구
• /
• 제13권3호
• /
• pp.107-113
• /
• 2022

건축물의 에너지소비를 줄이기 위해 건물의 기밀도가 지속적으로 향상되고 있으며, 이로 인해 건물 내부의 평균적인 상대습도가 높아지고 있다. 평균 상대습도가 높아짐에 따라 단열 취약부 및 습기발생 행위 시 결로가 발생하며, 습기제어를 위하여 기계 환기장치의 중요성이 향상되고 있다. 그러나, 기계환기장치는 추가적인 에너지 소비 및 소음 발생으로 재실자의 불쾌감을 유발하기 때문에, 서로 상충되는 기준에 대한 적절한 환기전략 선정이 필요하다. 본 연구에서는 공동주택 내 기계환기장치의 환기성능, 에너지 소비량, 소음도를 측정하여, 서로 상충하는 운영기준 중 우선순위에 있는 환기전략을 찾기위해 다기준 의사결정기법인 TOPSIS를 이용하였다. 또한, 재실자의 환기장치 운영기준 선호도에 따라 달라지는 적절 환기전략을 도출하였으며, 향후 AI 기술을 활용한 재실자 맞춤 환기전략 제시가 가능할 것으로 사료된다.

• 한국강구조학회 논문집
• /
• 제19권1호
• /
• pp.29-41
• /
• 2007

다른 복잡한 의사 결정 문제와 같이 구조설계는 많은 다른 기준들 사이의 상반관계에서 이루어지는 의사 결정 문제이다 . 다양하게수학적으로 프로그래밍 된 설계 기법이 점차 현실적인 요소를 감안하여 현실화되고 있으나 여전히 많은 설계의 제한, 즉 수학적으로 모델화 되지 못하는 많은 설계요소들과 관련되어 있다. 본 연구는 이러한 제한을 인식하고 강 프레임 구조물의 최적 설계에 관하여 다루어 지지 않은 설계요소를 감안하여 실무 설계자들에게 하나의 유일한 설계해가 아닌 다른 몇 가지 유용한 설계 대안을 제시할 수 있는 설 계 시스템을 개발 하였다. 본 연구의 알고리즘에 의해 얻어진 설계 대안들은 모델화된 목적함수에 관해 최적의 해는 아니지만 매우 적합한 해들이 며, 동시에 유일한 최적해와 비교 시 다른 설계 해로써 때로는 임의 모델화 되지 않은 설계요소에 관해서는 오히려 더 나은 결과를 나타내 줍 중에 효과적으로 저항하도록 보와 기둥이 모멘트 연결된 강 프레임 구조물을 대상으로 안정성에 문제가 없이 경비절감에 효과적인 설계를 위해 재료비뿐만 아니라 가설 시 부재연결에 소요되는 경비를 포함하는 최소 경비 설계를 위한 의사 결정 지원 시스템을 개 발하고자 한다. 본 시스템은 최적 설계해에 대한 설계대안을 생성하기 위한 변형된 최적화 문제형식으로, 이때 최적 설계해는 하중저항계수설계법 에 따른 비선형 해석과정과 유전알고리즘을 바탕으로 한 최적화 알고리즘을 결합한 알고리즘을 반복 수행하여 얻은 모멘트 연결의 수와 총 경비 와의 상반관계로부터 결정된다. 유용성 평가를 위해 생성된 각 설계대안을 다양한 설계요소에 관해 고찰하였다.

• 한국건설관리학회논문집
• /
• 제17권5호
• /
• pp.22-34
• /
• 2016

현재 국내 공공건설사업의 발주제도는 입 낙찰제도와 뚜렷한 구분이 없이 혼용되고 있으며, 선정할 수 있는 기준 자체도 단순히 사업예산이나 추정금액에 의해 정해지고 있다. 발주방식은 본래 사업의 특성이나 유형, 목적 등 다양한 요인들의 특성을 적절히 반영하여 결정해야 함에도 불구하고, 주어진 예산이나 기간, 획일적인 법 규정으로 인해 탄력적으로 운영되지 못하고 있어, 이에 대한 근본적인 해결방안을 마련해야 할 필요성이 지속적으로 제기되고 있다. 이를 위해, 본 연구는 최적 발주방식을 선정할 수 있는 의사결정지원모델을 제안하였다. 이를 위해 문헌고찰과 설문 및 면담조사, 통계적 분석기법을 활용하여 영향요인을 발굴하고, 최종 발주방식 유형별 의사결정지원모델을 제안하여, 실무 적용타당성을 검증하였다. 그 결과 의사결정지원모델은 향후 발주방식을 선정하는데 기초자료로 유용하게 활용함으로써 기존 업무관행을 개선할 수 있을 것으로 기대한다.

• 경영정보학연구
• /
• 제21권4호
• /
• pp.47-68
• /
• 2019

클라우드 서비스 및 운영 방식이 다양해지면서 선택할 수 있는 클라우드 컴퓨팅의 종류가 많아지고 있는 만큼 금융회사에는 각 전산시스템에 적합한 클라우드를 선택할 수 있는 의사결정 방법이 필요한 상황이다. 본 연구에서는 기업의 비전 및 전략 수립을 위해 사용되는 BSC(Balanced Scorecard, 균형성과 관리) 프레임워크를 활용하여 금융회사에서 클라우드 도입을 위해 고려해야 할 요인들을 BSC의 4대 관점(재무, 고객, 내부 프로세스, 학습과 성장)에 따라 분류하고 최종 12개의 고려 요인을 선정하였으며, 다기준 의사결정 방법 중의 하나인 AHP(Analytic Hierarchy Process, 분석적 계층 프로세스) 기법에 따라 평가 항목들을 성과 평가 관점과 클라우드 고려 요인으로 계층화하여 최종 의사결정모형을 제안하였다. 나아가 금융회사의 시스템을 계정계, 정보계, 채널계 시스템으로 구분하고 금융회사 두 곳의 금융 전문가와 정보 기술 전문가의 의사 결정 결과를 취합하여 각 시스템 별 클라우드 도입 시 고려 요인에 대한 중요도 및 클라우드 운영 모델의 적합도에 대한 비교 분석을 수행하였다. 분석결과 모든 시스템에서 공통적으로 중요하게 평가된 일부 고려 요인도 있었지만 대부분의 고려 요인은 시스템 별 중요도가 매우 다르게 평가되었으며, 실제 시스템 별 적합한 클라우드 운영 모델은 서로 상이하였다. 이를 통해, 각 금융회사에서는 클라우드 컴퓨팅 도입 시 각 시스템 별 클라우드 고려요인을 평가하여 운영 모델을 선정해야 한다는 시사점을 주었으며, 더불어 본 연구에서 제시하는 일련의 절차와 방법론을 통하여 금융회사의 클라우드 컴퓨팅 도입에 대한 인식을 제고하고 클라우드 컴퓨팅 도입 확산에 기여할 것으로 기대한다.

• 디지털융복합연구
• /
• 제16권1호
• /
• pp.231-242
• /
• 2018

병원 재원일수의 효율적 관리는 병원의 수익과 환자의 진료비 절감을 위해 매우 중요한 요소이다. 이러한 재원일수의 효율적 관리를 위해서는 병원들이 재원일수에 대해서 벤치마킹을 할 수 있도록 지원이 필요하고 재원일수 절감의 구체적인 방향을 제시해 줄 수 있는 재원일수 예측모형의 개발이 필요하다. 본 연구에서는 2013년과 2014년도 퇴원손상환자자료 중 급성뇌졸중 환자를 추출하여 분석용 자료를 만들고 인공지능을 이용하여 급성뇌졸중 환자의 재원일수 예측모형을 개발하였다. 분석용 자료는 훈련용 60%, 평가용 40%로 분류하였다. 모형개발은 전통적 통계기법인 다중회귀분석기법과 인공지능기법인 대화식 의사결정나무기법, 신경망 기법, 그리고 이들을 모두 통합한 앙상블기법을 이용하였다. 모형평가는 Root ASE(Absolute error) 지표를 이용하였는데, 다중회귀분석은 23.7, 대화식결정나무 23.7, 신경망 분석은 22.7, 앙상블은 22.7로 나타났고 이를 통하여 재원일수 예측모형 개발에 인공지능기법의 유용성이 입증되었다. 앞으로 재원일수 예측모형개발에 인공지능 기법을 보다 효율적으로 활용할 수 있는 방안에 대해서 계속적인 연구가 이루어 질 필요가 있다.

• 한국콘텐츠학회논문지
• /
• 제18권5호
• /
• pp.265-279
• /
• 2018

본 연구에서는 데이터 마이닝 기법을 활용하여 근로자의 이직준비 여부에 관한 예측모형을 구축하는 실험을 진행하였다. 이를 위해, 한국고용정보원 주관으로 수집된 "2015년 대졸자 직업 이동경로조사" 데이터를 사용하였다. 이직준비 여부 예측모형에는 의사결정나무, 베이즈넷, 인공신경망 알고리즘이 사용되었다. 전체 직종을 대상으로 한 분석에서는 의사결정나무 기반 예측모형에서 최고 예측률을 기록하였으며, 이직준비 여부에 영향을 주는 요인은 '근로시간 형태', '종사상 지위', '정규직 여부', '주당 정규 근로시간', '주당 정규 근로일', '개인의 발전가능성'으로 나타났다. 의사결정나무 기반 예측모형의 결과를 활용하여 근로자 전반에 관한 12개의 이직준비 여부 규칙을 최종 도출하였고, 도출된 규칙을 바탕으로 근로자의 고용유지 강화에 도움을 주는 방안들을 제안하였다. 또한 직종별 영향 요인을 분석하기 위해 직종을 사무, 문화예술, 건설, 정보기술 분야로 구분하여 실험을 진행하였다. 그 결과 사무 분야는 10개, 문화예술 분야는 9개, 건설 분야는 4개, 그리고 정보기술 분야는 6개의 이직준비 규칙이 도출되었고 이를 토대로 직종별 맞춤화된 고용유지 강화 방안을 제시하였다.

• 한국시뮬레이션학회논문지
• /
• 제27권2호
• /
• pp.35-48
• /
• 2018

북한의 전술탄도미사일(TBM, tactical ballistic missile)에 대한 방공 분야 연구는 빠른 속도로 변화하는 전장 환경을 고려해야 한다. 아군 유도탄의 표적 재지정 연구는 동적인 전장에 대한 대응뿐만 아니라 아군 방어 자산의 효과적인 운용을 가능하게 한다. 현재까지 진행된 연구는 의사 결정 과정에서 중요한 역할을 하는 TBM의 명중 확률이 고정된 값이기 때문에 실시간 전장 상황을 대변하지 못한다. 따라서 본 연구는 실시간 전장 환경을 고려한 명중 확률을 기반으로 의사 결정을 내리는 표적 재지정 알고리즘을 제안한다. 제안 방법론은 랜덤 포레스트와 무빙윈도우(moving window) 기법을 사용하여 현재 TBM의 위치 및 속도 정보로 TBM의 예상 궤적을 예측하는 궤적 예측 모형을 포함한다. 예상 명중 확률은 궤적 예측 모형과 유도탄의 시뮬레이터를 통해서 계산할 수 있으며, 계산된 명중 확률은 유도탄에 대한 표적 재지정 알고리즘의 의사결정 기준이 된다. 실험에서는 TBM 궤적 예측 모형에 사용한 방법론의 타당성이 검증되었으며, 표적 재지정 의사 결정 과정에서 제안된 모델을 통해 명중 확률을 사용하는 것의 우수성이 확인되었다.

• 산업융합연구
• /
• 제20권8호
• /
• pp.77-84
• /
• 2022

본 연구는 기계 학습 기반의 자동 분류 기법을 적용함으로써 유망 기술의 선정 과정에 활용할 수 있는 의사결정 지원 시스템의 구현 방안을 제시하는 것을 목표로 한다. 연구 수행을 위해 전체 시스템의 아키텍처를 구축하고 세부 연구 단계를 진행하였다. 우선, 유망 기술 후보 아이템을 선정하고 빅데이터 시스템을 활용하여 추세 데이터를 자동 생성하였다. 기술 발전의 개념 모델과 패턴 분류 체계를 정의한 후 자동 분류 실험을 통해 효율적인 기계 학습 방안을 제시하였다. 마지막으로 시스템의 분석 결과를 해석하고 활용 방안을 도출하고자 하였다. 본 연구에서 제안한 동적 시간 와핑(DTW) 기법과 k-최근접 이웃(kNN) 분류 모델을 결합한 DTW-kNN 기반의 분류 실험에서 최대 87.7%의 식별 성능을 보여주었으며, 특히 추세의 변동이 심한 'eventual' 정의 구간에서는 유클리디언 거리(ED) 알고리즘 대비 39.4% 포인트의 최대 성능 차이를 보여주어 제안 모델의 우수함을 확인할 수 있었다. 또한, 시스템이 제시하는 분석 결과를 통해, 대량의 추세 데이터를 입력받아 유형별로 자동 분류하고 필터링하는 과정에 본 의사결정 지원 시스템을 효과적으로 활용할 수 있음을 확인하였다.

• 대한토목학회논문집
• /
• 제43권3호
• /
• pp.397-411
• /
• 2023

국내에서 공용연수 30년 이상인 노후 교량의 수가 급증하고 있다. 이에 따라 교량 노후도, 상태 및 성능 예측을 바탕으로 한 첨단 유지관리 기술의 중요성이 점차 주목받고 있다. 이 연구에서는 머신러닝 기반의 의사결정나무 및 랜덤포레스트 분류 모델을 사용하여 교량의 안전등급을 예측하는 방법을 제안하였다. 일반국도상 교량 8,850개를 대상으로 해당 모델들을 혼동행렬, 균형 정확도, 재현율, ROC 곡선 및 AUC와 같이 여러가지 평가 지표를 통해 분석한 결과 전반적으로 랜덤포레스트가 의사결정나무보다 더 나은 예측 성능을 보유하였다. 특히 랜덤포레스트 중 랜덤 언더 샘플링 기법은 노후도가 비교적 커서 유지관리에 주의를 기울여야 하는 C, D등급 교량에 대해 재현율 83.4%로 다른 샘플링 기법들보다 예측 성능이 더 뛰어난 것으로 나타났다. 제안된 모델은 최근 점검이 실시되지 않은 교량들의 신속한 안전등급 파악 및 효율적이고 경제적인 유지관리 계획 수립에 유용하게 활용될 수 있을 것으로 기대된다.

• 한국컴퓨터정보학회논문지
• /
• 제16권11호
• /
• pp.245-253
• /
• 2011

화석 연료의 무분별한 사용으로 환경이 심각하게 오염되고, 화석 연료의 고갈에 대한 문제가 대두됨에 따라서 화석 연료에 대한 문제를 해결 할 수 있는 대체 에너지원에 대해 관심이 집중되기 시작하였다. 현재 신재생 에너지 중에서 가장 각광을 받고 있는 에너지는 중에 하나가 풍력에너지이다. 풍력에너지 발전단지와 기존의 전력 발전소는 소비되는 전력에 대한 생산의 균형을 맞춰야하며, 풍력에너지단지에서 균형적인 생산을 하기 위해서는 풍력에너지에 대한 분석 및 예측이 필요하다. 이를 위해서 데이터마이닝 분야의 예측 기법이 활용 될 수 있다. 본 논문에서는 풍력 데이터를 이용하여 발전 패턴을 예측하기 위해 SOM(Self-Organizing Feature Map) Clustering 기법과 의사결정나무(decision tree)를 이용한 연구를 진행하였다. 즉, 1) 풍력 데이터의 누락된 데이터와 이상치 데이터를 처리하기 위하여, 전처리 과정을 수행하였고, 이 과정에서 특징 벡터를 추출하였다. 2) 전처리 단계를 거쳐 정제되고 정규화된 데이터 집합을 MIA(Mean Index Adequacy) 척도와 SOM Clustering 기법에 적용하여 대표 발전 패턴을 찾아내고 각각의 데이터에 해당하는 대표 패턴을 클래스 레이블로 할당하도록 하였다. 3) 의사결정나무 기반의 분류 기법에 데이터 집합을 적용시켜 새로운 풍력에너지에 대한 분석 및 예측 모델을 생성하였다. 실험 결과, 의사결정나무를 통한 풍력에너지 발전 패턴을 예측하기 위한 모델을 구축하였다.