• 산업경영시스템학회지
• /
• 제38권4호
• /
• pp.98-108
• /
• 2015

This paper introduces the existence of purchase dependence that was identified during the analysis of inventory operations practice at a sales agency of dealing with spare parts for ship engines and generators. Purchase dependence is an important factor in designing an inventory replenishment policy. However, it has remained mostly unaddressed. Purchase dependence is different from demand dependence. Purchase dependence deals with the purchase behavior of customers, whereas demand dependence deals with the relationship between item-demands. In order to deal with purchase dependence in inventory operations practice, this paper proposes (Q, r) models with the consideration of purchase dependence. Through a computer simulation experiment, this paper compares performance of the proposed (Q, r) models to that of a (Q, r) model ignoring purchase dependence. The simulation experiment is conducted for two cases : a case of using a lost sale cost and a case of using a service level. For a case of using a lost sale cost, this paper calculates an order quantity, Q and a reorder point, r using the iterative procedure. However, for a case of using a service level, it is not an easy task to find Q and r. The complexity stems from the interactions among inventory replenishment policies for items. Thus, this paper considers the genetic algorithm (GA) as an optimization method. The simulation results demonstrates that the proposed (Q, r) models incur less inventory operations cost (satisfies better service levels) than a (Q, r) model ignoring purchase dependence. As a result, the simulation results supports that it is important to consider purchase dependence in the inventory operations practice.

• 한국전자파학회논문지
• /
• 제29권1호
• /
• pp.50-60
• /
• 2018

고출력 응용환경에 적용 가능한 광대역 다층 구조 레이돔을 개발하였다. 이를 위해 다층 레이돔의 전파전파특성을 ABCD 행렬로 표현하였고, Particle swarm 최적화 알고리즘을 상용 수치 모델링 툴로 구현하여 레이돔의 최적화된 층별 두께와 물질상수를 구하였다. 바람, 눈, 얼음 등 외부 기상 환경을 고려한 기계적 특성을 감안하여 레이돔을 재설계하였다. 대형구조물의 제작 제한조건을 고려한 두께를 재산출하여 전력 전달특성을 재분석하였다. 대기 정전파괴 때보다 10 dB 높은 첨두 전기장의 세기 조건에서 상용 해석 툴을 이용하여, 설계된 레이돔의 RF에 대한 대기 정전파괴 특성을 분석하였다. 설계된 다층 레이돔을 제작하여 소신호 및 대신호 시험을 수행하였고, 상용 도구들을 사용한 계산값과 비교하여 목표 성능을 획득하였다.

• 터널과지하공간
• /
• 제33권4호
• /
• pp.281-298
• /
• 2023

달 현지 탐사를 위해 무인 이동체에 대한 연구가 지속적으로 이루어져 있으며 달 지상 관심 지역의 정확한 위치 및 맵핑을 위한 실시간 정보화 작업이 요구되고 있다. 딥러닝 영상 처리 분석 기술을 실제 로버에 적용하기 위해 소프트웨어의 통합과 최적화에 대한 연구가 필요하며 본 연구에서는 가상의 달 기지 건설현장의 영상을 실시간 분석하여 핵심 객체의 공간 정보를 자동으로 수치화하는 방안에 대한 기초 연구가 진행되었다. 본 연구를 통해 이미 구축된 영역 분할 기반 객체 인식 알고리즘을 경계 상자 기반 객체 인식알고리즘으로 변경하여 객체 인식 정확도 및 추론 속도를 개선하는 작업이 이루어졌으며, 대용량 데이터 기반 객체 매칭 학습을 위해 Batch Hard Triplet Mining 기법을 도입하고, 학습 및 추론에 대한 최적화 연구가 수행되었다. 또한 개선된 객체 인식 및 동일 객체 매칭 소프트웨어를 통합하고, 입력 이미지 내 동일 객체 자동 매칭을 시각화하는 소프트웨어를 개발하였으며, 위성 모사 촬영 영상 내 객체를 학습 데이터로, 이동체 촬영 영상 내 객체를 추론 데이터로 사용하여 동일 객체 매칭의 학습 및 추론이 이루어졌다. 본 연구의 결과는 이동체의 연속 촬영 영상을 기반 3차원 공간 정보를 구현 및 관심 공간 내 객체 위치 설정에 활용할 수 있을 것으로 사료되며, 향후 달 기지 건설 현장에서의 영상 기반 시공 모니터링 및 제어를 위한 자동 현장 및 주요 대상물 공간 정보 구축 시스템과의 연계에 기여할 것으로 기대된다.

• Korean Chemical Engineering Research
• /
• 제58권4호
• /
• pp.565-572
• /
• 2020

본 연구는 증류탑 분리공정 시스템 최적화를 위하여 인공지능 머신러닝이 적용된 소프트웨어 플랫폼을 개발하였다. 증류탑 분리공정은 석유화학 산업의 대표적이고 핵심적인 공정이다. 하지만 다양한 운전조건과 연속식공정 특성으로 인하여 안정적인 운전이 어려우며 운전자 숙련도에 의하여 공정효율에 차이가 발생된다. 이를 해결하기 위하여 이론적 시뮬레이션을 활용한 제어방법이 개발되어 사용되고 있지만 특수하거나 복잡한 반응이 포함된 공정에는 적용이 어려우며, 거대한 시스템에 대하여 분석이 이루어질 경우 계산비용 증대로 인하여 실시간 제어와 연동이 어려운 한계점을 지니고 있다. 따라서 본 연구에서는 이러한 문제점을 해결하기 위하여 머신러닝을 기반으로 한 경험적 시뮬레이션 모델을 개발하고 이를 통하여 최적의 공정운영방법을 제시하고자 한다. 경험적 시뮬레이션 개발은 실제 공정에서 수집된 빅 데이터, 데이터마이닝을 통한 특성추출, 공정을 대표하는 데이터 선별, 화학공정 특성에 맞는 모델 선정으로 이루어졌으며, 현장검증 및 테스트를 통하여 증류탑 분리공정 플랫폼이 개발되었다. 최종적으로 개발된 플랫폼을 통하여 운전 조작변수의 예측이 가능하며, 최적화된 운전조건을 제공하여 효율적인 공정운영을 달성할 수 있다. 본 논문은 머신러닝 기법을 화학공정에 적용한 기초연구로서 이후 다양한 공정에 적용하여 4차 산업의 스마트 팩토리의 초석이 되어 널리 활용될 수 있을 것이라 판단된다.

• 한국의학물리학회지:의학물리
• /
• 제30권1호
• /
• pp.7-13
• /
• 2019

Purpose: To compare the dosimetrical and radiobiological parameters among various volumetric modulated arc therapy (VMAT) techniques using restricted and continuous arc beams for left-sided breast cancer. Materials and Methods: Ten patients with left-sided breast cancer without regional nodes were retrospectively selected and prescribed the dose of 42.6 Gy in 16 fractions on the planning target volume (PTV). For each patient, three plans were generated using the $Eclipse^{TM}$ system (Varian Medical System, Palo Alto, CA) with one partial arc 1pVMAT, two partial arcs 2pVMAT, and two tangential arcs 2tVMAT. All plans were calculated through anisotropic analytic algorithm and photon optimizer with 6 MV photon beam of $VitalBEAM^{TM}$. The same dose objectives for each plan were used to achieve a fair comparison during optimization. Results: For PTV, dosimetrical parameters such as Homogeneity index, conformity index, and conformal number were superior in 2pVMAT than those in both techniques. $V_{95%}$, which indicates PTV coverage, was 91.86%, 96.60%, and 96.65% for 1pVMAT, 2pVMAT, and 2tVMAT, respectively. In most organs at risk (OARs), 2pVMAT significantly reduced the delivered doses compared with the other techniques, excluding the doses to contralateral lung. For the analysis of radiobiological parameters, a significant difference in normal tissue complication probability was observed in ipsilateral lung while no difference was observed in the other OARs. Conclusions: Our study showed that 2pVMAT had better plan quality and normal tissue sparing than 1pVMAT and 2tVMAT but not for all parameters. Therefore, 2pVMAT could be considered the priority choice for the treatment planning for left breast cancer.

• 지능정보연구
• /
• 제26권1호
• /
• pp.1-21
• /
• 2020

인공지능 기술의 급속한 발전과 함께 빅데이터의 상당 부분을 차지하는 비정형 텍스트 데이터로부터 의미있는 정보를 추출하기 위한 다양한 연구들이 활발히 진행되고 있다. 비즈니스 인텔리전스 분야에서도 새로운 시장기회를 발굴하거나 기술사업화 주체의 합리적 의사결정을 돕기 위한 많은 연구들이 이뤄져 왔다. 본 연구에서는 기업의 성공적인 사업 추진을 위해 핵심적인 정보 중의 하나인 시장규모 정보를 도출함에 있어 기존에 제공되던 범위보다 세부적인 수준의 제품군별 시장규모 추정이 가능하고 자동화된 방법론을 제안하고자 한다. 이를 위해 신경망 기반의 시멘틱 단어 임베딩 모델인 Word2Vec 알고리즘을 적용하여 개별 기업의 생산제품에 대한 텍스트 데이터를 벡터 공간으로 임베딩하고, 제품명 간 코사인 거리(유사도)를 계산함으로써 특정한 제품명과 유사한 제품들을 추출한 뒤, 이들의 매출액 정보를 연산하여 자동으로 해당 제품군의 시장규모를 산출하는 알고리즘을 구현하였다. 실험 데이터로서 통계청의 경제총조사 마이크로데이터(약 34만 5천 건)를 이용하여 제품명 텍스트 데이터를 벡터화 하고, 한국표준산업분류 해설서의 산업분류 색인어를 기준으로 활용하여 코사인 거리 기반으로 유사한 제품명을 추출하였다. 이후 개별 기업의 제품 데이터에 연결된 매출액 정보를 기초로 추출된 제품들의 매출액을 합산함으로써 11,654개의 상세한 제품군별 시장규모를 추정하였다. 성능 검증을 위해 실제 집계된 통계청의 품목별 시장규모 수치와 비교한 결과 피어슨 상관계수가 0.513 수준으로 나타났다. 본 연구에서 제시한 모형은 의미 기반 임베딩 모델의 정확성 향상 및 제품군 추출 방식의 개선이 필요하나, 표본조사 또는 다수의 가정을 기반으로 하는 전통적인 시장규모 추정 방법의 한계를 뛰어넘어 텍스트 마이닝 및 기계학습 기법을 최초로 적용하여 시장규모 추정 방식을 지능화하였다는 점, 시장규모 산출범위를 사용 목적에 따라 쉽고 빠르게 조절할 수 있다는 점, 이를 통해 다양한 분야에서 수요가 높은 세부적인 제품군별 시장정보 도출이 가능하여 실무적인 활용성이 높다는 점에서 의의가 있다.