http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
상용 부품 비정형 데이터와 인공 신경망을 이용한 부품 단종 예측 방안 연구
박연경(Yun-kyung Park),이익도(Ik-Do Lee),이강택(Kang-Taek Lee),김두정(Du-Jeoung Kim) 한국산학기술학회 2019 한국산학기술학회논문지 Vol.20 No.10
기술의 발전으로 다양한 부품의 개발 및 상용화는 가능 하였으나, 이에 따라 부품의 단종 주기는 단축 되었다. 이는 수천 품목 이상의 부품을 활용하여 개발하고, 장기간 운영하는 무기체계의 수리 부속 보급을 어렵게 하였으며, 무기체계 운용 가용도 저하의 주요 원인으로 작용하였다. 이러한 문제를 해결하기 위하여 미국 등은 전담 기구를 만들어 대응하고 있으며, 국내에서는 상용 부품단종 예측도구를 활용하여 단종을 예측하고 관리하고 있다. 하지만 상용 부품단종 예측도구에서 단종 정보가 제시되지 않는 부품에 대한 대응 및 관리는 부재한 실정이다. 이에 본 연구에서는 상용부품단종 예측도구에서 제공하는 부품에 대한 정형, 비정형 빅데이터를 수집하고, 데이터 전처리 및 Embedding 과정을 거쳐, 신경망 학습 알고리즘을 적용하여, 상용 부품에 대한 단종 정보 (LC Risk, YTEOL)를 예측하는 방안을 제시하였다. 또한 제시된 모델의 예측 성능을 데이터 기술 통계량과 비교 평가 하여. 본 연구에서 제시한 학습 모델의 타당성을 검증 하였다. 결론에는 본 연구의 활용 방안과 한계점 및 발전 방향에 대하여 기술 하였다. Advances in technology have allowed the development and commercialization of various parts; however this has shortened the discontinuation cycle of the components. This means that repair and logistic support of weapon system which is applied to thousands of part components and operated over the long-term is difficult, which is the one of main causes of the decrease in the availability of weapon system. To improve this problem, the United States has created a special organization for this problem, whereas in Korea, commercial tools are used to predict and manage DMSMS. However, there is rarely a method to predict life cycle of parts that are not presented DMSMS information at the commercial tools. In this study, the structured and unstructured data of parts of a commercial tool were gathered, preprocessed, and embedded using neural network algorithm. Then, a method is suggested to predict the life cycle risk (LC Risk) and year to end of life (YTEOL). In addition, to validate the prediction performance of LC Risk and YTEOL, the prediction value is compared with descriptive statistics.
패널 데이터를 이용한 방위산업의 R&D 투입과 성과 관계 분석
이강택(Kang-Taek Lee),김근형(Geun-Hyung Kim),이승현(Seung-Hyun Lee),이익도(Ik-Do Lee) 한국산학기술학회 2018 한국산학기술학회논문지 Vol.19 No.12
연구개발비가 기업의 R&D 성과로 이어지는가에 대하여 상반된 선행연구들이 존재한다. 보통 기업의 R&D 투자와 성과는 국가별, 산업별, 거시경제 상황 등이 복합적으로 작용하므로 인과관계를 독립적으로 분리하여 분석할 수 없기 때문이다. 또한 R&D 성과는 후행지표로 투자 시점과 성과 시점 사이의 시차가 존재하여 R&D 투자와 성과 간의 관계를 분석하기 어렵다. 하지만 방위산업의 경우 방위력개선비를 통해 지속적으로 R&D 투자가 발생하고, 방산업체는 이를 사업비로 사용하여 연구개발이 진행되므로 R&D 성과를 확인하기가 비교적 용이하다. 본 연구는 방위산업을 대상으로 R&D 투자와 성과 간의 인과관계를 찾고, 성과에 영향을 미치는 요인을 분석한다. 방위사업법에 의해 지정된 총 100여개의 방산업체 중 R&D 성과지표 획득이 용이한 대기업 및 중견기업들을 대상으로 최근 10년간의 기술지표, 과학지표, 재무지표에 대한 패널 데이터를 수집했다. 이를 패널데이터 분석을 통해 분야별(화력, 항공유도, 함정, 통신전자) R&D 투입과 성과 관계를 확인하고, 어떤 요인이 성과에 영향을 미치는지 찾고자 한다. 본 연구 결과는 중장기 국방정책 수립 시 의사결정의 기초자료로 활용이 가능할 것으로 보인다. This study analyzes the relationship between R&D input and performance using panel data from the defense industry. A research model is established based on the R&D logic model, and the study sample consists of a strongly balanced panel data (n=351) empirically analyzed using panel linear regression. Results identified that defense improvement expenditure has a positive influence on the R&D input, and R&D input positively affected patents using a 5-year time lag. In addition, R&D input positively impacts economic performance, including sales and profit. Hence, the major finding includes R&D inputs have statistically significant effects on economic outcome and the R&D logic model featuring a time-lag.