광환원 공정을 이용한 계층적 산화아연/은 구조의 광 전기화학 소자 제작

조현민(Hyunmin Cho),권진형(Jinhyeong Kwon),정진욱(Jinwook Jung),김현석(Hyeonseok Kim),김동관(Dongkwan Kim),정성민(Seongmin Jeong),홍석준(Sukjoon Hong),여준엽(Junyob Yeo),고승환(Seung Hwan Ko) 대한기계학회 2015 대한기계학회 춘추학술대회 Vol.2015 No.11

ZnO/Ag hierarchical nanostructure is fabricated by solution-based photoreduction process to demonstrate a photoelectrochimical (PEC) cell charging supercapacitor. The photoreduction process ensures rapid and simple route for employing of Ag nanoparticles onto the surface of ZnO nanorod with well-dispersed and clear crystallization structure. The fabricated ZnO/Ag hierarchical nanostructure showed improved optical and photoelectrochemical properties. Subsequently, the ZnO/Ag hierarchical nanostructure is used as photoanode for PEC cell with enhanced output photocurrent and stability. Furthermore, the PEC cell was connected to lab-made supercapacitors to turn on a light emitting diode. The photoreduction-processed ZnO/Ag hierarchical nanostructures provide a promising and simple production method for energy source in water splitting applications.

강화학습을 이용한 트레이딩 전략

조현민(Hyunmin Cho),신현준(Hyun Joon Shin) 한국산학기술학회 2021 한국산학기술학회논문지 Vol.22 No.1

최근 컴퓨터 기술이 발전하면서 기계학습 분야에 관한 관심이 높아지고 있고 다양한 분야에 기계학습 이론을 적용하는 사례가 크게 증가하고 있다. 특히 금융 분야에서는 금융 상품의 미래 가치를 예측하는 것이 난제인데 80년대부터 지금까지 기술적 및 기본적 분석에 의존하고 있다. 기계학습을 이용한 미래 가치 예측 모형들은 다양한 잠재적 시장변수에 대응하기 위한 모형 설계가 무엇보다 중요하다. 따라서 본 논문은 기계학습의 하나인 강화학습 모형을 이용해 KOSPI 시장에 상장되어 있는 개별 종목들의 주가 움직임을 정량적으로 판단하여 이를 주식매매 전략에 적용한다. 강화학습 모형은 2013년 구글 딥마인드에서 제안한 DQN와 A2C 알고리즘을 이용하여 KOSPI에 상장된 14개 업종별 종목들의 과거 약 13년 동안의 시계열 주가에 기반한 데이터세트를 각각 입력 및 테스트 데이터로 사용한다. 데이터세트는 8개의 주가 관련 속성들과 시장을 대표하는 2개의 속성으로 구성하였고 취할 수 있는 행동은 매입, 매도, 유지 중 하나이다. 실험 결과 매매전략의 평균 연 환산수익률 측면에서 DQN과 A2C이 대안 알고리즘들보다 우수하였다. With the recent developments in computer technology, there has been an increasing interest in the field of machine learning. This also has led to a significant increase in real business cases of machine learning theory in various sectors. In finance, it has been a major challenge to predict the future value of financial products. Since the 1980s, the finance industry has relied on technical and fundamental analysis for this prediction. For future value prediction models using machine learning, model design is of paramount importance to respond to market variables. Therefore, this paper quantitatively predicts the stock price movements of individual stocks listed on the KOSPI market using machine learning techniques; specifically, the reinforcement learning model. The DQN and A2C algorithms proposed by Google Deep Mind in 2013 are used for the reinforcement learning and they are applied to the stock trading strategies. In addition, through experiments, an input value to increase the cumulative profit is selected and its superiority is verified by comparison with comparative algorithms.

스마트 공장의 품질예측을 위한 딥러닝 모델 적용 연구 - 플라스틱 사출공정을 중심으로

조현민(Hyunmin Cho),신현준(Hyun Joon Shin) 한국산학기술학회 2021 한국산학기술학회논문지 Vol.22 No.10

스마트공장의 고도화된 기술들을 통해 산업 현장에서 생성되는 무수히 많은 데이터를 기반으로 공정 내에 발생하는 문제의 원인을 분석하고 탐색하는 것이 실시간으로 가능하며, 이러한 데이터를 바탕으로 효율적인 의사결정을 할 수 있게 된다. 본 연구에서는 플라스틱 사출성형 공정 내 센서들에서 생성되는 총 36개의 제조조건 데이터 학습을 통해 제품의 품질을 예측하는 것을 목표로 한다. 품질 예측을 위한 딥러닝 모델은 잡음 제거 오토인코더, 장 · 단기 기억신경망, 합성곱 신경망을 적용하였다. 학습 데이터 셋은 KAMP(Korea AI Manufacturing Platform)를 통해 수집하였고 모두 양품과 불량품에 대한 레이블링이 되어있다. 각 모델별 파라미터를 달리하여 성능을 평가하였으며, 각 모델을 비교 · 분석하여 좋은 성능을 내는 모델과 파라미터 셋을 혼동행렬 및 f1-score를 활용하여 성능을 평가하였다. 본 연구에서 제안한 딥러닝 모델에 기반을 둔 사출공장 품질예측 시스템은 사출기계로부터 실시간 취합되는 센서 데이터 셋을 이용하여 공정조건 변화에 따른 품질을 예측하게 함으로써 품질 신뢰도를 향상하고 공정 품질검사 투입인력을 절감할 수 있을 것으로 기대한다. When it comes to smart factories technology, the analysis, and exploration of the causes of problems in the processes can be made in real-time, based on the myriad data gathered from manufacturing facilities, and efficient decisions can be made based on these data. We conducted a study to predict the quality of products through the analysis of sensor data from the plastic injection molding process. We utilized a denoising autoencoder (DAE), long-shot memory network (LSTM), and a convolutional neural network (CNN) to formulate deep learning models for quality prediction. The training data set was collected through KAMP (Korea AI Manufacturing Platform) and the information regarding defects was labeled. Performance was evaluated by different parameters for each model and compared using two measures such as the confusion matrix and f1-score. A quality prediction system based on deep learning models for an injection molding factory makes it possible to accurately predict the quality according to a change in process conditions by utilizing the sensor data set gathered from the machines. We can therefore expect an improvement in quality and reliability and a reduction of the input manpower for process quality inspection.

대용량 소나데이터 전시전처리의 병렬처리 적용에 관한 연구

조현민(HyunMin Cho) 대한전기학회 2016 대한전기학회 학술대회 논문집 Vol.2016 No.10

코로나19 혐오 경험이 직무만족에 미치는 영향: 감정부조화와 인지된 감정노동 보호 체계의 조절된 매개 모델

조현민(Hyunmin Cho), 정흥준(Heungjun Jung) 한국인사관리학회 2023 조직과 인사관리연구 Vol.47 No.2

혐오는 다름을 인정하지 않는 왜곡된 인식에서 출발하며 혐오의 대상이 되는 사람에 대한 극단적인 거부와 차별을 나타낸다. 그동안 혐오는 인종과 성별 영역에 집중되어 나타났으나 최근 코로나19 팬데믹은 불특정 타인을 향한 혐오 감정을 크게 늘렸다. 코로나19 바이러스는 초기 수백 만의 희생자를 낳을 정도로 공포 그 자체였기에 감염에 대한 두려움이 혐오를 자극했을 수 있다. 본 연구는 코로나19 팬데믹이 계속되고 있으며 앞으로도 치명적 바이러스가 다시 나타날 가능성이 존재하는 상황에서 코로나19 혐오 경험이 직무태도에 미치는 영향을 살펴보았다. 구체적으로 고객으로부터 코로나19 혐오를 경험한 노동자들은 감정부조화를 낳고, 이는 다시 직무만족에 부정적인 영향을 미칠 것으로 예상하였다. 또한 혐오 경험이 감정부조화에 미치는 정(+)의 관계는 구성원이 감정노동 보호체계를 어떻게 인식 하는가에 따라 달라질 수 있으므로, 이를 가설화하였다. 코로나19 시기에도 대면 업무를 수행할 수밖에 없는 가정방문 필수 노동자(N=419)를 대상으로 분석한 결과, 코로나19 혐오 경험은 감정부조화를 유발하여 직무만족에 부정적 영향을 주는 것으로 나타났으며, 인지된 감정노동 보호체계는 혐오 경험과 감정부조화 간의 관계를 조절하는 것으로 나타났다. 본 연구의 결과는 혐오가 인종과 성별에 그치지 않고 대면 서비스를 제공하는 노동자에게로 확대되면 직무에 대한 만족을 낮춰, 결국 사회서비스에도 부정적인 영향을 미칠 수 있다는 경고와 함께 이를 완화하기 위한 조직적 노력을 강조한다. With the COVID-19 pandemic increasing dislike for others, emotional management of essential workers who perform jobs where face-to-face work is unavoidable is becoming an important task for organizational and personnel management. This is because the disgust experienced by customers due to COVID-19 can cause negative emotions and affect job attitudes. This study has focused on the organizational management of COVID-19 disgust in a situation where the COVID-19 pandemic is prolonged and the possibility of repeated occurrence is predicted. This study analyzed the impact of COVID-19 disgust experienced from customers on job satisfaction through emotional dissonance for essential home visit workers (N=419) who had no choice but to perform face-to-face work even during the COVID-19 period. In addition, we empirically analyzed how the indirect effect of the COVID-19 abhorrence experience, which hinders job satisfaction through emotional dissonance, has a moderating effect regulated by the emotional labor protection system. As a result of the analysis, it was found that the experience of disgust to COVID-19 caused emotional dissonance and had a negative impact on job satisfaction, and it was confirmed that this relationship could be alleviated more than when the level of the emotional labor protection system was high. Overall, the results of this study have implications on the importance of managerial considerations for the essential workers facing customer’s bad behaviors.

대용량 소나데이터 전시전처리의 병렬처리 적용에 관한 연구

조현민(HyunMin Cho) 대한전기학회 2016 정보 및 제어 심포지엄 논문집 Vol.2016 No.10

소나화면 전시를 위한 데이터 병렬처리 적용에 관한 연구

조규성(KyuSung Cho),조현민(HyunMin Cho),박도현(DoHyun Park) 대한전기학회 2010 정보 및 제어 심포지엄 논문집 Vol.2010 No.10

소나(SONAR:SOund Navigation And Ranging)를 이용한 수중 물체 탐지 시 수중 상황을 분석하고 판단해야 하는 운용자에게 객관적인 정보를 전달하는 것이 중요하다. 이를 위해 소나체계에서는 일반적으로 청음과 더불어 탐지된 소나 신호를 화면에 전시하여 운용자로 하여금 정확한 상황판단을 할 수 있도록 하는 기능을 제공한다. 일반적으로 소나 신호처리를 위해서는 DSP(Digital Signal Processor)를 사용하여 병렬연산 처리를 수행하지만, 운용자에게 제공하는 화면을 구성하기 위한 PC 기반의 데이터 처리 시 멀티 코어 CPU를 고려하지 않은 일반적인 프로그래밍으로는 멀티 코어 CPU 환경에서 효율적인 데이터 처리를 기대하기 힘들다. 따라서 본 논문에서는 소나화면 전시를 위한 소나 데이터 처리 시 멀티 코어 CPU를 효과적으로 사용할 수 있는 병렬처리 방안에 대해 분석하고 테스트 환경에 적용하여 병렬처리 전후의 CPU 처리속도를 비교하여 그 효과를 검토해보고자 한다.

비-산화 선택적 저온 레이저 구리 나노 파티클 소결 공정 연구와 유연 투명 전극 제작에 활용

윤여상(Yeosang Yoon),조현민(Hyunmin Cho),권진형(Jinhyeong Kwon),이대호(Daeho Lee),고승환(Seung Hwan Ko) 대한기계학회 2017 대한기계학회 춘추학술대회 Vol.2017 No.11

사회협약 법제화에 관한 영향요인 연구 : 1998년 2 · 6 사회협약 사례 정량분석을 중심으로

박성국(Park Sungkuk),조현민(Cho Hyunmin),임상훈(Lim Sanghoon) 한국노동연구원 2020 노동정책연구 Vol.20 No.4

선행연구들은 사회협약 형성요인을 규명했지만 사회협약의 법제화에 대해서는 살피지 않았다. 본 연구는 사회협약 법제화에 영향을 주는 독립변수들을 실증했다. 이를 위해 1998년 2월 6일 체결된 경제위기 극복을 위한 사회협약을 분석했다. 본 연구는 사회협약 입법여부에 대해서는 이항로지스틱 분석을, 법안 발의 형태에 대해서는 다항로지스틱 분석을 실시하여 사회협약분석에 첫 정량적 분석을 시도했다. 연구결과, 총 90개 조항으로 구성된 2 · 6 사회협약 중 51개 조항이 법제화됐다. 51개 조항은 복수의 법안으로 발의됐는데 총 120개 관련 법안이 의회에서 처리됐다. 120개 법안은 1998년부터 2003년까지 6년여 동안 9개 상임위원회 논의를 거쳐 의회를 통과했다. 법안 발의 형태로 보면 의원입법이 29개인 반면, 정부입법은 91개로 더 많았다. 법안들 중 63개는 수정 의결을 거쳤지만, 사회협약을 존중하여 57개는 원안 의결됐다. 연구에서는 사회협약 형성에 영향을 끼친 경제·제도·정치적 요인들 중 다수가 법제화에도 유의한 것을 발견했다. 한편, ‘의회정치 협력성’ 등 법제화와 연계된 특정 변수도 발굴했다. 본 연구는 사회협약 법제화의 실태와 조건을 확인함으로써 개혁입법에 관한 사회협약의 유용성을 실증했다는 데 큰 의의가 있다. Precedent studies have not identified the conditions under which social pact are legislated in Congress. The study identified independent variables that conditioned the legislation of social pact. The February 6 social pact in 1998, which achieved a number of reform bills, was designated as the subject of research, and the legislative conditions were analyzed through the analysis of binominal and multinominal logistic regression. This is the first quantitative analysis of Korea"s social pact. As a result of the study, it was confirmed that 120 related bills had passed Congress for six years until 2003 with 51 of the 90 provisions of the February 6, 1998 social pacts being legislated. The 120 bills passed the National Assembly through nine standing committees, and are classified into 29 bills proposed by lawmakers and 91 bills proposed by the government. The bills were revisedp(63), but the original(58) were passed in respect of the social pacts. Economic, institutional and political factors that influenced social pacts demonstrated that they were also significant in legislative terms. It has also discovered certain variables that condition only parliamentary legislative work.

레이저 유도 국소 열수화학반응으로 성장된 ZnO 나노 와이어 UV 센서 배열의 저온에서 신속한 제작

고승환(Seung Hwan Ko),조현민(Hyunmin Cho),홍석준(Sukjoon Hong),여준엽(Junyob Yeo) 대한기계학회 2014 대한기계학회 춘추학술대회 Vol.2014 No.11

We demonstrate ZnO nanowire based UV sensor by laser-induced hydrothermal growth of ZnO nanowire. By inducing a localized temperature rise using focused laser, ZnO nanowire array at ∼15 μm size consists of individual nanowires with ∼8 μm length and 200∼400 nm diameter is readily synthesized on gold electrode within 30 min at the desired position. The laser-induced growth process is consecutively applied on two different points to bridge the micron gap between the electrodes. The resultant photoconductive ZnO NW interconnections display 2∼3 orders increase in the current upon the UV exposure at a fixed voltage bias. It is also confirmed that the amount of photocurrent can be easily adjusted by changing the number of ZnO NW array junctions. The device exhibits clear response to the repeated UV illumination, suggesting that this process can be usefully applied for the facile fabrication of low-cost UV sensor array.