동적 공정계획에서의 기계선정을 위한 다목적 유전자 알고리즘

최회련(Hoe Ryeon Choi),김재관(Jae Kwan Kim),노형민(Hyung-Min Rho),이홍철(Hong Chul Lee) Korean Society for Precision Engineering 2007 한국정밀공학회지 Vol.24 No.4

생산 시스템 효율성 향상을 위한 적응형 일정계획 플랫폼 개발

이승정(Seung Jung Lee),최회련(Hoe Ryeon Choi),이홍철(Hong-Chul Lee) 한국산업정보학회 2011 한국산업정보학회논문지 Vol.16 No.2

생산 시스템에 있어서 일정계획은 많은 비용이 투자된 생산설비 및 기계를 효율적으로 운영한다는 의미에서 매우 중요하다. 계획과 실행에서 오는 차이를 줄이기 위한 생산 시스템인 제조실행 시스템(Manufacturing Execution System : MES)의 효율성을 높이기 위해서 일정계획은 대상이 되는 작업의 특성에 적합한 일정계획 할당규칙(Dispatching rule)에 대한 선정방법이 필요하다. 따라서 본 논문에서는 공정계획의 데이터에서 얻어지는 작업특정을 기반으로 시뮬레이션(Simulation)을 진행하여 일정계획 할당규칙을 선정한다. 시뮬레이션을 통해 얻어진 정보를 지식기반 사례추론 방법론의 하나인 온톨로지(Ontology)로 구성함으로써 작업할당규칙 선정에 의한 적응형 일정계획 플랫폼을 개발한다. 구현하는 플랫폼은 특정 작업장에만 국한되지 않고 다양한 작업장에 적용시킬 수 있는 일정계획 시스템이라는 장점이 있다. 본 시스템 개발을 위해 온톨로지 추론 부분은 RacerPro와 Protege를 이용하였으며, 일정계획 시뮬레이션은 JAVA와 FlexChart를 사용하였다. In the manufacturing system, production-planning is very important in effective management for expensive production facilities and machineries. To enhance efficiency of Manufacturing Execution System(MES), a manufacturing system that reduces the difference between planning and execution, certain production-planning needs a dispatching rule that is properly designed for characteristic of work information and there should be a appropriate selection for the rule as well. Therefore, in this paper dispatching rule will be selected by several simulations based on characteristics of work information derived from process planning data. By constructing information that are from simulation into ontology, one of the knowledge-based-reasoning, production planning platform based on the selection of dispatching rule will be demonstrated. The platform has strength in its wider usage that is not limited to where it is applied. To demonstrate the platform, RacerPro and Protege are used in parts of ontology reasoning, and JAVA and FlexChart were applied for production-planning simulation.

유연생산 시스템에서의 에이전트를 이용한 동적 작업배정규칙 할당에 관한 연구

김승호(Kim, Seung-Ho),최회련(Choi, Hoe-Ryeon),이홍철(Lee, Hong-Chul) 한국산학기술학회 2010 한국산학기술학회논문지 Vol.11 No.9

유연생산시스템은 고자동화 생산시스템일 뿐만 아니라, 사용자와 시장의 요구를 만족시키기 위해 유연한 생 산시스템이 요구됨에 따라 작업배정규칙 할당에 있어서 시스템과 작업환경에 많은 제약을 받게 된다. 본 논문에서는 온톨로지 지식 기반의 작업환경을 고려한 유연생산시스템의 작업배경규칙 할당방법을 제시한다. 에이전트를 이용하여 작업장 환경과 작업내용을 모니터링하고, 이에 적합한 작업배정규칙을 온톨로지 지식으로부터 추론하여 시스템에 적 용한다. 본 시스템 개발을 위해 멀티에이전트를 지원하는 JADE™ 플랫폼을 이용하였으며, 온톨로지는 Protege를 이용 하여 개발되었다. As flexible manufacturing systems (FMSs) are highly automated and required flexibility to satisfy market need, dispatching rules are constrained by specific environments of manufacturing systems such as mechanical failures, absence of employees, and lack of spare parts. In this paper, an ontology-based knowledge approach is proposed to improve efficiency of system through adapting suitable dispatching rules, considering context in a FMS shop floor, which consists multiple manufacturing cells. the multi-agents monitor manufacturing system status and job so that it figures out a dispatching rule considering context. To demonstrate the proposed approach, a proof-of-concept prototype system has been implemented in the JADE™ platform and Protege to make OWL DL ontology.

계절 ARIMA 모형을 이용한 국내 지역별 전력사용량 중장기수요예측

안병훈(Ahn, Byung-Hoon),최회련(Choi, Hoe-Ryeon),이홍철(Lee, Hong-Chul) 한국산학기술학회 2015 한국산학기술학회논문지 Vol.16 No.12

전력수요의 예측은 안정적인 전력공급을 위한 수급계획수립을 위해서 그리고 전력계통의 최적운영계획수립을 위해 서도 필요하다. 특히 안정적인 전력수급확보를 위해서는 중장기 전력수요예측이 중요하고 공급안정성 강화를 위해서는 지역 별 전력수요예측이 중요하다. 지역별 전력수요예측은 지역에 소요되는 부하를 충족시킬 수 있도록 송전선로 및 변전소 등의 계통망의 최적상태 구성 및 유지를 위한 필수적인 과정으로 알려져 있다. 따라서 본 논문은 12개월(중장기)동안 대한민국 시도별 16개 지역의 전력사용량을 SARIMA 모형을 이용하여 예측하는 방법을 제안한다. Load forecasting is needed to make supply and demand plan for a stable supply of electricity. It is also necessary for optimal operational plan of the power system planning. In particular, in order to ensure stable power supply, long-term load forecasting is important. And regional load forecasting is important for tightening supply stability. Regional load forecasting is known to be an essential process for the optimal state composition and maintenance of the electric power system network including transmission lines and substations to meet the load required for the area. Therefore, in this paper we propose a forecasting method using SARIMA during the 12 months (long-term/mid-term) load forecasting by 16 regions of the South Korea.

국내 폐자동차 발생 예측을 위한 모형의 선택 방법

남기백 ( Ki-baek Nam ),최회련 ( Hoe-ryeon Choi ),이홍철 ( Hong-chul Lee ) 한국경영공학회 2015 한국경영공학회지 Vol.20 No.4

The number of End-of-Life Vehicle(ELV) increases with the development of automobile industry and leads to environmental pollution. In the European Union, the bill was amended to increase the ELV recycling rate of the existing 85% to 95% by 2015. Republic of Korea is also planning to raise the ELV recycling rate up to 95% legally. To improve the ELV recycling rate, studies on the efficient organization and operation of the ELV dismantling system is in progress. The generation of ELV is an important factor influencing the capacity and size of the ELV dismantling system. The aim of this paper is to present an efficient methodology to predict the amount of ELV. The Bayesian variable selection method presented in this paper consists of two steps. In the first step, by applying for Occam``s Window Algorithm and selecting the models consisting of the main factors in the whole set of predictive models. In the second step, using the Bayes`` Theorem to find a high posterior probability model from the selected models in step one. The performance of the model selection methodology proposed in this paper is verified by analyzing its performance compared with the forecast methodology presented in previous studies with actual data. Therefore, methodology presented in this paper is expected to reduce the complexity of the problem when analyzing the time-series data in the big data environment.

신재생에너지 동향 파악을 위한 토픽 모형 분석

신규식(Shin, Kyoo-Sik),최회련(Choi, Hoe-Ryeon),이홍철(Lee, Hong-Chul) 한국산학기술학회 2015 한국산학기술학회논문지 Vol.16 No.9

기후변화 및 환경오염에 대응하기 위해 신재생에너지 정책 연구가 증가하고 있다. 신재생에너지는 녹색산업과 녹색 기술로 대표되는 새로운 성장 동력 기술이다. 현재 우리나라는 태양광, 풍력, 수소연료전지 등 3대 전략부분에 신재생에너지 보급 및 기술개발사업에 대한 투자가 이루어지고 있지만 아직은 초기 단계로, 연구 방향 및 투자 분야에 대한 불확실성을 줄이는 것이 무엇보다도 시급한 실정이다. 따라서 본 연구는 빅데이터(big data) 분석방법 중 텍스트 마이닝(Text mining method)과 토픽 모델링 기법(multinominal topic model)을 신재생에너지와 관련된 최근 10년간의 우리나라 언론기사에 적용 하여 국가 정책의 핵심이슈 및 세계적인 연구 트렌드를 분석하고, 성장 가능성이 있는 신재생에너지 분야를 예측하였다. 정보 통신기술을 바탕으로 한 연구결과는 신재생에너지 분야에 활발히 적용될 것으로 예측된다. To respond the climate change and environmental pollution, the studies on renewable energy policies are increasing. The renewable energy is a new growth engine technology represented by the green industry and green technology. At present, the investments for the renewable energy supply and technology development projects of three main strategy sectors such as sunlight, wind power and hydrogen fuel cell are implemented in our country, while they are still in the early stage, accordingly reducing those uncertainty for the research direction and investment fields is the most urgent issue among others. Thus, this study applied text mining method and multinominal topic model among the big data analysis methods on our country's newspaper articles concerning the renewable energy over the last 10 years, and then analyzed the core issues and global research trend, forecasting the renewable energy fields with the growth potential. It is predicted that these results of the study based on information and communication technology will be actively applied on the renewable energy fields.

Word Embedding에 PCA를 적용한 개체명 인식 모델을 위한 효율적인 학습방법 연구

송은영(Eun-Young Song),최회련(Hoe-Ryeon Choi),이홍철(Hong-Chul Lee) 대한산업공학회 2019 대한산업공학회지 Vol.45 No.1

스태킹 앙상블을 이용한 병렬 네트워크 이상호흡음 분류 모델

남명우(Myung-woo Nam),최영진(Young-Jin Choi),최회련(Hoe-Ryeon Choi),이홍철(Hong-Chul Lee) 한국컴퓨터정보학회 2021 韓國컴퓨터情報學會論文誌 Vol.26 No.11

최근 코로나(Covid-19)의 영향으로 스마트 헬스케어 관련 산업과 비대면 방식의 원격 진단을 통한 질환 분류 예측 연구의 필요성이 증가하고 있다. 일반적으로 호흡기 질환의 진단은 비용이 많이 들고 숙련된 의료 전문가를 필요로 하여 현실적으로 조기 진단 및 모니터링에 한계가 있다. 따라서, 간단하고 편리한 청진기로부터 수집된 호흡음을 딥러닝 기반 모델을 활용하여 높은 정확도로 분류하고 조기 진단이 필요하다. 본 연구에서는 청진을 통해 수집된 폐음 데이터를 이용하여 이상 호흡음 분류모델을 제안한다. 데이터 전처리로는 대역통과필터(BandPassFilter)방법론을 적용하고 로그 멜 스펙트로그램(Log-Mel Spectrogram)과 Mel Frequency Cepstral Coefficient(MFCC)을 이용하여 폐음의 특징적인 정보를 추출하였다. 추출된 폐음의 특징에 대해서 효과적으로 분류할 수 있는 병렬 합성곱 신경망 네트워크(Parallel CNN network)모델을 제안하고 다양한 머신러닝 분류기(Classifiers)와 결합한 스태킹 앙상블(Stacking Ensemble) 방법론을 이용하여 이상 호흡음을 높은 정확도로 분류하였다. 본 논문에서 제안한 방법은 96.9%의 정확도로 이상 호흡음을 분류하였으며, 기본모델의 결과 대비 정확도가 약 6.1% 향상되었다. As the COVID-19 pandemic rapidly changes healthcare around the globe, the need for smart healthcare that allows for remote diagnosis is increasing. The current classification of respiratory diseases cost high and requires a face-to-face visit with a skilled medical professional, thus the pandemic significantly hinders monitoring and early diagnosis. Therefore, the ability to accurately classify and diagnose respiratory sound using deep learning-based AI models is essential to modern medicine as a remote alternative to the current stethoscope. In this study, we propose a deep learning-based respiratory sound classification model using data collected from medical experts. The sound data were preprocessed with BandPassFilter, and the relevant respiratory audio features were extracted with Log-Mel Spectrogram and Mel Frequency Cepstral Coefficient (MFCC). Subsequently, a Parallel CNN network model was trained on these two inputs using stacking ensemble techniques combined with various machine learning classifiers to efficiently classify and detect abnormal respiratory sounds with high accuracy. The model proposed in this paper classified abnormal respiratory sounds with an accuracy of 96.9%, which is approximately 6.1% higher than the classification accuracy of baseline model.