• 대한임베디드공학회논문지
• /
• 제19권3호
• /
• pp.151-158
• /
• 2024

Although on-device artificial intelligence (AI) has gained attention to diagnosing machine faults in real time, most previous studies did not consider the model retraining and redeployment processes that must be performed in real-world industrial environments. Our study addresses this challenge by proposing an on-device AI-based real-time machine fault diagnosis system that utilizes continual learning. Our proposed system includes a lightweight convolutional neural network (CNN) model, a continual learning algorithm, and a real-time monitoring service. First, we developed a lightweight 1D CNN model to reduce the cost of model deployment and enable real-time inference on the target edge device with limited computing resources. We then compared the performance of five continual learning algorithms with three public bearing fault datasets and selected the most effective algorithm for our system. Finally, we implemented a real-time monitoring service using an open-source data visualization framework. In the performance comparison results between continual learning algorithms, we found that the replay-based algorithms outperformed the regularization-based algorithms, and the experience replay (ER) algorithm had the best diagnostic accuracy. We further tuned the number and length of data samples used for a memory buffer of the ER algorithm to maximize its performance. We confirmed that the performance of the ER algorithm becomes higher when a longer data length is used. Consequently, the proposed system showed an accuracy of 98.7%, while only 16.5% of the previous data was stored in memory buffer. Our lightweight CNN model was also able to diagnose a fault type of one data sample within 3.76 ms on the Raspberry Pi 4B device.

• 한국지반공학회논문집
• /
• 제40권2호
• /
• pp.55-64
• /
• 2024

쉴드공법은 국제적인 사례에서 그 안정성을 입증한 반면, 경제적 효율성을 지닌 것으로 알려진 NATM 터널 굴착공법은 피복이 얕고 지반이 풍화되며 지하수가 많은 도심지에 적용 시 어려움을 겪고 있다. 본 논문에서는 도심지의 풍화된 암반층과 미고결 사질토 지반에서 발생할 수 있는 전형적인 두 가지 붕락 사례를 소개하고, 여섯 가지 안정성 평가 방법으로 두 붕락 사례를 분석하였으며, 그 결과를 종합하여 육각형의 다이어그램에 의한 방법으로 터널의 막장 안정성을 평가하였다. 본 연구의 분석 결과, 붕괴한 두 터널 현장의 결과와 평가 결과가 잘 일치하였으며, 대상터널의 지반 특성을 고려한 종합적인 평가 방법인 막장 안정성 평가 다이어그램에 의한 방법은 터널 설계 단계에서 터널의 막장 안정성을 확보하는 데 중요한 역할을 할 것으로 판단된다.

• 한국컴퓨터정보학회논문지
• /
• 제29권1호
• /
• pp.11-19
• /
• 2024

멀티에이전트는 전장 교전 상황, 무인 운송 차량 등 다양한 실제 협동 환경에 사용될 수 있다. 전장 교전 상황에서는 도메인 정보의 제한으로 즉각적인 보상(Dense Reward) 설계의 어려움이 있어 명백한 희소 보상(Sparse Reward)으로 학습되는 상황을 고려해야 한다. 본 논문에서는 전장 교전 상황에서의 아군 에이전트 간 협업 가능성을 확인하며, 희소 보상 환경인 Multi-Robot Warehouse Environment(RWARE)를 활용하여 유사한 문제와 평가 기준을 정의하고, 강화학습 라이브러리인 Ray RLlib의 QMIX 알고리즘을 사용하여 학습 환경을 구성한다. 정의한 문제에 대해 QMIX의 Agent Network를 개선하고 Random Network Distillation(RND)을 적용한다. 이를 통해 에이전트의 부분 관측값에 대한 패턴과 시간 특징을 추출하고, 에이전트의 내적 보상(Intrinsic Reward)을 통해 희소 보상 경험 획득 개선이 가능함을 실험을 통해 확인한다.

• 한국음향학회지
• /
• 제29권3호
• /
• pp.200-208
• /
• 2010

본 논문에서는 배경잡음에 강인한 잡음제거 알고리즘 설계를 위해서 minimum statistics (MS) 기법을 codebook driven short-term predictor parameter estimation (CDSTP) 기법에 접목하는 방법을 제안한다. MS는 stationary 배경잡음에는 강인하지만, non-stationary 배경잡음에는 상대적으로 취약하다. CDSTP는 non-stationary 배경잡음에 강인한 특성을 보이지만, 코드북에 없는 배경잡음 환경에는 취약하다. 따라서 non-stationary 배경잡음에 강인한 CDSTP 방법과 별도의 코드북 학습 과정이 필요 없는 MS를 결합해서 다양한 배경잡음에 강인한 알고리즘을 제안한다. 제안방법은 MS나 CDSTP 방법에 비해서 전체적으로 향상된 perceptual evaluation of speech quality (PESQ) 성능을 나타냈으며, 특히 stationary 배경잡음과 non-stationary 배경잡음이 섞여 있는 mixed 배경잡음 환경에서 강인한 특성을 보였다.

• Design & Manufacturing
• /
• 제17권4호
• /
• pp.1-7
• /
• 2023

In the fabrication of curved multi-display glass for automotive use, the surface roughness of the mold is a critical quality factor. However, the difficulty in detecting micro-cutting signals in a micro-machining environment and the absence of a standardized model for predicting micro-cutting forces make it challenging to intuitively infer the correlation between cutting variables and actual surface roughness under machining conditions. Consequently, current practices heavily rely on machining condition optimization through the utilization of cutting models and experimental research for force prediction. To overcome these limitations, this study employs a surface roughness prediction formula instead of a cutting force prediction model and converts the surface roughness prediction formula into experimental data. Additionally, to account for changes in surface roughness during machining runtime, the theory of position variables has been introduced. By leveraging artificial neural network technology, the accuracy of the surface roughness prediction formula model has improved by 98%. Through the application of artificial neural network technology, the surface roughness prediction formula model, with enhanced accuracy, is anticipated to reliably perform the derivation of optimal machining conditions and the prediction of surface roughness in various machining environments at the analytical stage.

• 대한임상검사과학회지
• /
• 제56권2호
• /
• pp.105-114
• /
• 2024

임상검사실은 질관리 시스템(quality management system)을 구축하여 일정 수준 이상의 질 확보를 위해 노력하여야 한다. 그러나 검사실 환경은 매우 복잡하여 단일 정도관리 절차로는 다양한 유형의 오류를 감지하는데 충분하지 않을 수 있다. 환자 기반 실시간 정도관리(patient-based real-time quality control, PBRTQC)는 테스트 과정을 모니터링하기 위한 검사실 도구로써 Bull's 알고리즘, 정상치 평균, 이동 중앙값, 이동평균, 지수가중이동평균과 같은 알고리즘이 활용되고 있다. PBRTQC는 저렴한 비용, 교환 가능성, 지속적인 실시간 성능 모니터링, 분석 전 오류에 대한 민감도 등 기존 정도관리에 비해 많은 이점이 있다. 그러나 PBRTQC는 통계 알고리즘의 선택, 적절한 규칙과 프로토콜의 설계, 성능검증 등을 고려해야하므로 구현하기가 쉽지만은 않다. 본 리뷰에서는 PBRTQC의 기본 개념과 방법 및 절차에 대해 설명하였으며, 이를 통해 환자 기반 정도관리 시스템 구현을 위한 지침을 제시하고자 하였다. 이에 기존의 내부정도관리의 성능이 제한적일 경우 PBRTQC 절차를 병용하는 것을 제안하고자 한다. 본 리뷰에서는 임상적 평가는 배제되었으며, 향후 이에 대한 평가가 요구된다.

• 한국인터넷방송통신학회논문지
• /
• 제24권1호
• /
• pp.31-36
• /
• 2024

최근 AI 기술을 활용하는 모바일 앱이 늘고 있다. 개인용 모바일 환경에서는 메모리 용량의 제약으로 인해 대용량 데이터로 구성된 워크로드의 학습 시 극심한 성능 저하가 발생할 수 있다. 본 논문에서는 이러한 현상을 규명하기 위해 AI 워크로드의 메모리 참조 트레이스를 추출하고 그 특성을 분석하였다. 그 결과 AI 워크로드는 메모리 쓰기 연산시 약한 시간지역성과 불규칙한 인기편향성 등으로 인해 잦은 스토리지 접근을 발생시켜 모바일 기기의 성능을 저하시킬 수 있음을 확인하였다. 이러한 분석을 토대로 본 논문에서는 AI 워크로드의 메모리 쓰기 연산을 영속 메모리 기반의 스왑 장치를 이용해서 효율적으로 관리할 수 있는 방안에 대해 논의하였다. 시뮬레이션을 통해 본 연구에서 제안한 구조가 기존의 모바일 시스템 대비 80% 이상 입출력 시간을 개선할 수 있음을 보였다.

• 토지주택연구
• /
• 제15권2호
• /
• pp.19-28
• /
• 2024

본 연구는 탄소중립건물의 기술적 정의 및 사례 분석을 통해 탄소중립 달성의 잠재성을 분석한다. 2015년 12월 파리 협정에 따라 세계는 평균 기온 상승을 2℃ 이하로 제한하고, 산업화 이전 수준보다 1.5℃로 제한하려는 노력을 추진하기로 합의하였다. 이를 위해 2050년까지 넷제로(net-zero) 상태에 도달해야 하며, 에너지, 토지, 수송 등 광범위한 부문에서 전환이 필요하다. 본 연구는 탄소중립을 달성하기 위한 기술적 접근과 실제 사례를 통해 탄소중립건물의 가능성과 한계를 탐구하며, 이를 통해 미래의 탄소중립 목표 설정에 기여하고자 한다. 특히, 탄소중립 건물의 정의와 그 실현을 위한 다양한 기술적 방안을 소개하고, 이를 실현한 국내외 사례를 분석함으로써 탄소중립 건물의 효과와 실행 가능성을 평가한다. 연구 결과는 탄소중립 건물의 설계, 건설 및 운영에 대한 구체적 가이드라인을 위한 정보를 제공하며, 정책 입안자와 실무자들이 지속 가능한 건축 환경을 조성하는 데 필요한 실질적 정보를 제공한다.

• 경영정보학연구
• /
• 제21권3호
• /
• pp.49-61
• /
• 2019

끊임없이 다양한 형태로 발생하는 보안사고와 이에 따른 피해의 규모가 증가함에 따라, 사회의 보안에 대한 관심과 함께 학문적 관심과 연구의 양도 지속적으로 증가하고 있다. 하지만 이러한 관심과 연구의 양적 증가에도 불구하고 보안과 안전에 대한 구분 없이 용어가 혼용되고 있으며, 다양한 보안개념용어들의 정의와 범위가 상호 공통성과 차별성을 보유하지 않은 채 연구가 진행되어 왔다. 실제로 현재 일반인을 대상으로 하는 뉴스 기사, 업무 문서 등에서 다양한 보안개념용어들이 오.남용되고 있는 관계로 보안의식과 이해수준을 낮추고 있으며, 궁극적으로는 보안학문이 고유영역을 확보하면서 지속적인 확장을 진행하는데 걸림돌이 되고 있다. 따라서 본 연구에서는 현재 학회 또는 산업현장 등에서 다양한 시각을 가지고 혼용되고 있는 보안개념용어들(정보보안, 사이버보안, 연구보안, 기업보안, 산업보안, 융합보안 등)에 대한 정의와 범위를 설계하고자, 학술중심의 문헌적 연구조사내용에 산업현장중심의 경험적 지식을 반영하는 과정(델파이 전문가 조사)을 통해 적정수준의 합의과정을 이끌어 내었다.

• Steel and Composite Structures
• /
• 제51권6호
• /
• pp.679-695
• /
• 2024

This paper presents a novel technique that combines machine learning (ML) with moth-flame optimization (MFO) methods to predict the axial compressive strength (ACS) of concrete filled double skin steel tubes (CFDST) columns. The proposed model is trained and tested with a dataset containing 125 tests of the CFDST column subjected to compressive loading. Five ML models, including extreme gradient boosting (XGBoost), gradient tree boosting (GBT), categorical gradient boosting (CAT), support vector machines (SVM), and decision tree (DT) algorithms, are utilized in this work. The MFO algorithm is applied to find optimal hyperparameters of these ML models and to determine the most effective model in predicting the ACS of CFDST columns. Predictive results given by some performance metrics reveal that the MFO-CAT model provides superior accuracy compared to other considered models. The accuracy of the MFO-CAT model is validated by comparing its predictive results with existing design codes and formulae. Moreover, the significance and contribution of each feature in the dataset are examined by employing the SHapley Additive exPlanations (SHAP) method. A comprehensive uncertainty quantification on probabilistic characteristics of the ACS of CFDST columns is conducted for the first time to examine the models' responses to variations of input variables in the stochastic environments. Finally, a web-based application is developed to predict ACS of the CFDST column, enabling rapid practical utilization without requesting any programing or machine learning expertise.