• 제목/요약/키워드: Quality engineering

검색결과 20,572건 처리시간 0.046초

기계학습을 이용한 수출신용보증 사고예측 (The Prediction of Export Credit Guarantee Accident using Machine Learning)

  • 조재영;주지환;한인구
    • 지능정보연구
    • /
    • 제27권1호
    • /
    • pp.83-102
    • /
    • 2021
  • 2020년 8월 정부는 한국판 뉴딜을 뒷받침하기 위한 공공기관의 역할 강화방안으로서 각 공공기관별 역량을 바탕으로 5대 분야에 걸쳐 총 20가지 과제를 선정하였다. 빅데이터(Big Data), 인공지능 등을 활용하여 대국민 서비스를 제고하고 공공기관이 보유한 양질의 데이터를 개방하는 등의 다양한 정책을 통해 한국판 뉴딜(New Deal)의 성과를 조기에 창출하고 이를 극대화하기 위한 다양한 노력을 기울이고 있다. 그중에서 한국무역보험공사(KSURE)는 정책금융 공공기관으로 국내 수출기업들을 지원하기 위해 여러 제도를 운영하고 있는데 아직까지는 본 기관이 가지고 있는 빅데이터를 적극적으로 활용하지 못하고 있는 실정이다. 본 연구는 한국무역보험공사의 수출신용보증 사고 발생을 사전에 예측하고자 공사가 보유한 내부 데이터에 기계학습 모형을 적용하였고 해당 모형 간에 예측성과를 비교하였다. 예측 모형으로는 로지스틱(Logit) 회귀모형, 랜덤 포레스트(Random Forest), XGBoost, LightGBM, 심층신경망을 사용하였고, 평가 기준으로는 전체 표본의 예측 정확도 이외에도 표본별 사고 확률을 구간으로 나누어 높은 확률로 예측된 표본과 낮은 확률로 예측된 경우의 정확도를 서로 비교하였다. 각 모형별 전체 표본의 예측 정확도는 70% 내외로 나타났고 개별 표본을 사고 확률 구간별로 세부 분석한 결과 양 극단의 확률구간(0~20%, 80~100%)에서 90~100%의 예측 정확도를 보여 모형의 현실적 활용 가능성을 보여주었다. 제2종 오류의 중요성 및 전체적 예측 정확도를 종합적으로 고려할 경우, XGBoost와 심층신경망이 가장 우수한 모형으로 평가되었다. 랜덤포레스트와 LightGBM은 그 다음으로 우수하며, 로지스틱 회귀모형은 가장 낮은 성과를 보였다. 본 연구는 한국무역보험공사의 빅데이터를 기계학습모형으로 분석해 업무의 효율성을 높이는 사례로서 향후 기계학습 등을 활용하여 실무 현장에서 빅데이터 분석 및 활용이 활발해지기를 기대한다.

토지이용별 전국 농경지 토양물리적 특성 (Soil Physical Properties of Arable Land by Land Use Across the Country)

  • 조희래;장용선;한경화;조현준;유진희;정기열;조광래;노안성;임수정;최승출;이진일;이원근;안병구;김병호;김찬용;박준홍;현승훈
    • 한국토양비료학회지
    • /
    • 제45권3호
    • /
    • pp.344-352
    • /
    • 2012
  • 시설재배지는 주로 하성평탄지 등 평평한 지형에 분포하며, 밭과 과수원은 곡간 및 선상지, 구릉지 및 산악지, 산록경사지 등 경사지에 분포한다. 논은 곡간 및 선상지, 하성평탄지, 하해혼성평탄지 등 비교적 완만한 경사에 위치한다. 이처럼 토지이용별로 분포하는 지형이 각기 다르기 때문에 토지이용별로 물리성 기준을 설정하고 관리하는 것이 필요하다. 시설재배지는 배수 및 양수분의 수직이동에 유의하여야 하며, 경사지는 침식과 양분유출에 대비하여 관리하여야 한다. 토지이용별로 토양 물리성 평균은 다음과 같다. 시설재배지는 표토심이 16.2 cm, 표토에 대한 물리성은 항목별로 경도 9.0 mm, 용적밀도 1.09 Mg $m^{-3}$, 유기물함량 29.0 g $kg^{-1}$, 심토에 대한 물리성은 항목별로 경도 19.8 mm, 용적 밀도 1.32 Mg $m^{-3}$, 유기물함량 29.5 g $kg^{-1}$ 이었다. 뿌리가 얕게 뻗는 작물에 대해서 표토심이 낮고 용적밀도가 높은 값을 보였다. 밭은 표토심이 13.3 cm, 표토에 대한 물리성 은 항목별로 경도 11.3 mm, 용적밀도 1.33 Mg $m^{-3}$, 유기물 함량 20.6 g $kg^{-1}$ (표토), 심토에 대한 물리성은 항목별로 경도 18.8 mm, 용적밀도 1.52 Mg $m^{-3}$, 유기물함량 13.0 g $kg^{-1}$ 이었다. 작물별로 물리성 평균치는 엽채류 < 과채류 < 장근채 ${\fallingdotseq}$ 단근채 순으로 값을 보였다. 과수원은 표토심이 15.4 cm, 표토에 대한 물리성은 경도 16.1 mm, 용적밀도 1.25 Mg $m^{-3}$, 유기물함량은 표토 28.5 g $kg^{-1}$, 심토에 대한 물리성은 경도 19.8 mm, 용적밀도 1.41 Mg $m^{-3}$, 유기물함량 15.9 g $kg^{-1}$ 이었다. 조사지점이 가장 많았던 과수 배는 표토심 14.4 cm, 경도 16.4 mm (표토), 19.7 mm (심토), 용적밀도 1.23 Mg $m^{-3}$ (표토), 1.40 Mg $m^{-3}$ (심토) 으로 평균에 근접한 값을 보였으며, 포도는 표토심 17.0 cm 경도 16.7 mm (표토), 20.0 mm (심토), 용적밀도 1.31 Mg $m^{-3}$ (표토), 1.45 Mg $m^{-3}$ (심토) 로 비교적 큰 값을 보였다. 논은 표토심 이 17.5 cm, 표토에 대한 물리성은 항목별로 경도가 15.3 mm, 용적밀도가 1.22 Mg $m^{-3}$, 유기물 함량은 23.5 g $kg^{-1}$, 심토에 대한 물리성은 항목별로 경도 20.3 mm, 용적밀도 1.47 Mg $m^{-3}$, 유기물 함량 17.5 g $kg^{-1}$ 이었다. 토지이용별로 용적밀도 평균치는 시설재배지 < 논 < 과수원 < 밭 순이었으며, 용적밀도 값의 분포는 표토는 1.0~1.25 Mg $m^{-3}$에서 가장 많았으며, 심토는 밭토양과 논토양은 1.50 Mg $m^{-3}$ 이상에서 50% 내외, 과수원토양은 1.35~1.50 Mg $m^{-3}$에서 40%로 가장 많았고, 시설재배지는 1.0~1.50 Mg $m^{-3}$에 고루 분포하였다. 토성 (속)별로는 대체로 식질에서 작은 값을 보였고, 미사식양질과 사질에 큰 값을 보였다. 토지이용과 토성에 따라 물리성 차이가 분명하였으며, 따라서 이러한 특성을 고려하여 토양 물리성 관리 기준을 설정하여 건전한 작물생육 환경을 유지하고 조성하는 것이 필요하겠다.