일반적으로 특정한 작업에 익숙해진다는 것은 그 작업에 투입되는 노력에 비해 산출되는 성과가 보다 뚜렷해진다는 것을 의미한다. 동일한 양이나 정도의 노력을 들여 특정한 작업을 반복적으로 수행하게 되면 초기 시점보다 원하는 성과를 기대 이상으로 얻게 된다는 것을 의미한다. 이를 학습곡선효과(learning-curve effects)'라고 한다. 본 연구에서는 특정한 작업을 반복시행한 결과가 개수형인 형태로 측정되는 변수에 대해 (역)S자 형태를 가지는 통계적 모형을 적용하고자 한다. 다양한 모의실험 하에서의 모형의 성능을 평가하고 특정질환으로 인한 사망자 자료에 적합하였다.
Traditional CVP (Cost-Volume-Profit) analysis employs linear cost and revenue functions within some specified time period and range of operations. Therefore CVP analysis is assumption of constant labor productivity. The use of linear cost functions implicity assumes, among other things, that firm's labor force is either a homogenous group or a collection homogenous subgroups in a constant mix, and that total production changes in a linear fashion through appropriate increase or decrease of seemingly interchangeable labor unit. But productivity rates in many firms are known to change with additional manufacturing experience in employee skill. Learning curve is intended to subsume the effects of all these resources of productivity. This learning phenomenon is quantifiable in the form of a learning curve, or manufacturing progress function. The purpose d this study is to show how alternative assumptions regarding a firm's labor force may be utilize by integrating conventional CVP analysis with learning curve theory, Explicit consideration of the effect of learning should substantially enrich CVP analysis and improve its use as a tool for planning and control of industry.
Communications for Statistical Applications and Methods
/
제19권3호
/
pp.433-450
/
2012
연구자가 같은 작업을 반복적으로 수행할 때, 작업 효율성은 연구에 관련된 지식, 경험, 기술이 축적되면서 향상된다. 결과를 얻기 위해 연구에 투자하는 시간은 같은 작업을 반복함으로써 줄일 수 있다. 이러한 현상을 학습곡선 효과(learning curve effect)라고 일컫는다. 학습곡선(learning curves)은 학습의 변화를 시각적으로 나타낸 것으로 이전의 학습곡선 연구에서는 시간을 일정한 구간으로 나누어 구간별 작업에 대한 숙련도의 평균 차이 여부를 확인하였다. 이러한 방법은 구간을 어떻게 나눌 것인가 하는 기준이 존재하지 않으며, 더욱이 이항 반응 자료로 모형을 적합하기 어려운 문제점을 가지고 있다. 본 연구에서는 이산형 확률변수 중 이항 반응 자료(베르누이자료)에 대한 학습곡선의 통계적 모형에 초점을 맞추고자 한다. 누적확률분포의 특성을 이용하여 모수를 추정하기 위해서 뉴튼-랩슨 방법(Newton-Raphson method)을 사용하였고, 이 연구에서 제안한 모형의 점근적 분포를 구하였다.
건설 프로젝트 내의 작업의 반복성에 주목하여 건설산업에의 학습곡선효과 적용에 관한 연구가 꾸준히 이루어졌다. 그러나 충분한 반복 작업을 가지는 초고층 프로젝트에서 학습곡선효과가 실제로 발생하는가에 대한 논란은 지속되고 있다. 이에 관해 기존의 연구들은 실제 건설 현장의 작업 생산성 데이터 분석을 통해 효과의 유무를 검증하였으나 작업 생산성의 향상 여부에만 초점을 맞추고 있을 뿐, 효과가 발생하는 과정에 관한 연구는 이루어지지 않았다. 이에 본 연구는 초고층 프로젝트에서 학습곡선효과가 발현되는 과정에 영향을 미치는 요인들을 분석하여 그 효과를 상쇄시키는 요인들을 찾고, 이를 반영한 작업 생산성 산정 모델을 제시하고자 한다. 이를 통해 기존의 이론을 보완하고 건설산업에서의 학습곡선효과 이론을 재정립하는 데 기여할 수 있다.
KSII Transactions on Internet and Information Systems (TIIS)
/
제15권6호
/
pp.2031-2048
/
2021
Not only can air pollution reduce the overall competitiveness of tourist destinations, but also changes tourists' travel decisions, thereby affecting the tourism flows. The study presents a machine learning method to analyze how the haze pollution puts spatial effect on tourism flows in China from 2001 to 2018, and reveals the regional differences in heterogeneity among eastern, central, and western China. Our investigation reveals three interesting observations. First, the Environmental Kuznets Curve of the impact of haze pollution on tourism flows is not significant. In the eastern and western regions, the interaction between haze pollution and domestic tourism flows as well as inbound tourism flows shows an inverted U-shaped curve respectively. Second, there is an significantly positive spillover effect of tourism flows in all of the eastern, central, and western regions. As to the intensity of spillover, domestic tourism flows is higher than that of the inbound tourism flows. Both of the above figures are greatest in the eastern. Third, the Chinese haze pollution mainly reduces the inbound tourism flows, and only imposes significantly negative direct effects on the domestic tourism flows in the central region. In the central and eastern regions, significantly negative direct effects and spillover effects are exerted on inbound tourism.
Machine learning models have been widely used for landslide susceptibility assessment (LSA) in recent years. The large number of inputs or conditioning factors for these models, however, can reduce the computation efficiency and increase the difficulty in collecting data. Feature selection is a good tool to address this problem by selecting the most important features among all factors to reduce the size of the input variables. However, two important questions need to be solved: (1) how do feature selection methods affect the performance of machine learning models? and (2) which feature selection method is the most suitable for a given machine learning model? This paper aims to address these two questions by comparing the predictive performance of 13 feature selection-based machine learning (FS-ML) models and 5 ordinary machine learning models on LSA. First, five commonly used machine learning models (i.e., logistic regression, support vector machine, artificial neural network, Gaussian process and random forest) and six typical feature selection methods in the literature are adopted to constitute the proposed models. Then, fifteen conditioning factors are chosen as input variables and 1,017 landslides are used as recorded data. Next, feature selection methods are used to obtain the importance of the conditioning factors to create feature subsets, based on which 13 FS-ML models are constructed. For each of the machine learning models, a best optimized FS-ML model is selected according to the area under curve value. Finally, five optimal FS-ML models are obtained and applied to the LSA of the studied area. The predictive abilities of the FS-ML models on LSA are verified and compared through the receive operating characteristic curve and statistical indicators such as sensitivity, specificity and accuracy. The results showed that different feature selection methods have different effects on the performance of LSA machine learning models. FS-ML models generally outperform the ordinary machine learning models. The best FS-ML model is the recursive feature elimination (RFE) optimized RF, and RFE is an optimal method for feature selection.
Joint inventory 방법을 다룬 기존의 연구는 생산비용이 일정하다는 조건만을 고려하였다. 본 논문은 기존의 연구에다 새로운 변수(learning curve ratio and learning retension)를 제조업자 측면에서 고려하여 보다 확장된 모델을 다룬다. Joint inventory 모델은 첫째 단일구매자와 둘째 학습곡선비율과 learning retention의 정도에 있어서 그 범위를 결합시키는데 이용되기 위해 개발되어 졌다. 구매자와 제조업자를 위한 로트 사이즈를 결정하기 위하여 증분비용접근방법 (Incremental Cost Approach, ICA)을 쓴다. 총결합비용은 기존모델보다 현저하게 적은데 그 이유는 학습과 learning retention 효과로 인한 제조업자의 생산비 절감과 재고유지 비용의 감소 때문이다. 학습과 learning retention이 현격한 경우, 총결합비용은 제조업자와 구매자의 개별적인 최적정책에서의 비용합(합)보다 적다. 소개된 모델의 효과를 보이기 위해 수치예제를 이용하였다.
Pafitanis, Georgios;Hadjiandreou, Michalis;Alamri, Alexander;Uff, Christopher;Walsh, Daniel;Myers, Simon
Archives of Plastic Surgery
/
제47권3호
/
pp.242-249
/
2020
Background The Exoscope is a novel high-definition digital camera system. There is limited evidence signifying the use of exoscopic devices in microsurgery. This trial objectively assesses the effects of the use of the Exoscope as an alternative to the standard operating microscope (OM) on the performance of experts in a simulated microvascular anastomosis. Methods Modus V Exoscope and OM were used by expert microsurgeons to perform standardized tasks. Hand-motion analyzer measured the total pathlength (TP), total movements (TM), total time (TT), and quality of end-product anastomosis. A clinical margin of TT was performed to prove non-inferiority. An expert performed consecutive microvascular anastomoses to provide the exoscopic learning curve until reached plateau in TT. Results Ten micro sutures and 10 anastomoses were performed. Analysis demonstrated statistically significant differences in performing micro sutures for TP, TM, and TT. There was statistical significance in TM and TT, however, marginal non-significant difference in TP regarding microvascular anastomoses performance. The intimal suture line analysis demonstrated no statistically significant differences. Non-inferiority results based on clinical inferiority margin (Δ) of TT=10 minutes demonstrated an absolute difference of 0.07 minutes between OM and Exoscope cohorts. A 51%, 58%, and 46% improvement or reduction was achieved in TT, TM, TP, respectively, during the exoscopic microvascular anastomosis learning curve. Conclusions This study demonstrated that experts' Exoscope anastomoses appear non-inferior to the OM anastomoses. Exoscopic microvascular anastomosis was more time consuming but end-product (patency) in not clinically inferior. Experts' "warm-up" learning curve is steep but swift and may prove to reach clinical equality.
본 논문에서는 베이지안 알고리즘이 불균형 데이터의 학습 시 나타나는 현상을 분석하고 성능 평가 방법을 비교하였다. 사전 데이터 분포를 가정하고 불균형 데이터 비율과 분류 복잡도에 따라 발생된 분류 문제에 대해 베이지안 학습을 수행하였다. 실험 결과는 ROC(Receiver Operator Characteristic)와 PR(Precision-Recall) 평가 방법의 AUC(Area Under the Curve)를 계사하여 불균형 데이터 비율과 분류 복잡도에 따라 분석되었다. 비교 분석에서 불균형 비율은 기 수행된 연구 결과와 같이 베이지안 학습에 영향을 주었으며, 높은 분류 복잡도로부터 나타나는 데이터 중복은 학습 성능을 방해하는 요인으로 확인되었다. PR 평가의 AUC는 높은 분류 복잡도와 높은 불균형 데이터 비율에서 ROC 평가의 AUC보다 학습 성능의 차이가 크게 나타났다. 그러나 낮은 분류 복잡도와 낮은 불균형 데이터 비율의 문제에서 두 측정 방법의 학습 성능의 차이는 미비하거나 비슷하였다. 이러한 결과로부터 PR 평가의 AUC는 클래스 불균형 문제의 학습 모델의 설계와 오분류 비용을 고려한 최적의 학습기를 결정하는데 도움을 줄 수 있다.
본 연구는 잠재성장모형(LGM) 분석을 활용하여 후기 청소년기 삶의 만족도의 변화모형을 도출하고 자아존중감, 진로정체감과 학습활동, 성별, 가구소득이 청소년들의 삶의 만족도 변화에 미치는 영향을 연구하여 후기 청소년들의 삶의 만족도를 향상시키는 방안의 기초자료로 활용하고자 한다. 연구대상들은 한국청소년패널조사(KYCPS)의 중1 패널 3차년부터 6차년도 자료를 활용했다. 연구분석 결과, 첫째, 중학교 3학년에서 고등학교 3학년까지의 삶의 만족도 변화모형은 감소하다가 다시 증가하는 2차 함수가 가장 적합한 모형으로 도출되었으며 초기치와 변화율 모두에 개인별 차가 유의미하게 있는 것으로 나타났다. 둘째, 청소년 삶의 만족도변화에 영향을 주는 시간의존적인 독립변수로는 학습활동이 모든 학년마다 정적으로 유의미한 영향을 주는 것으로 드러났다. 셋째, 청소년들의 삶의 만족도변화에 영향을 미치는 시간독립적인 독립변수들로는 성별과 자아존중감이 초기치가 유의미한 것으로 나타났다. 자아존중감은 1차변화율과 2차 변화율에도 지속적으로 유의미한 영향을 미쳤다. 연구결과에 따른 후기청소년 삶의 만족도에 대한 개입과 함께 실천적 함의에 대한 제안과 과제가 제시되었다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.