http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
메모리에서 정적 마모도 평준화를 위한 콜드 블록 추적 기법
장용훈,김성호,황상호,이명섭,박창현,Jang, Yonghun,Kim, Sungho,Hwang, Sang-Ho,Lee, Myungsub,Park, Chang-Hyeon 대한임베디드공학회 2017 대한임베디드공학회논문지 Vol.12 No.3
Due to the characteristics of low power, high durability and high density, NAND flash memory is being heavily used in various type of devices such as USB, SD card, smart phone and SSD. On the other hand, because of another characteristic of flash cell with the limited number of program/erase cycles, NAND flash memory has a short lifetime compared to other storage devices. To overcome the lifetime problem, many researches related to the wear leveling have been conducted. This paper presents a method called a TCB (Tracking Cold Blocks) using more reinforced constraint conditions when classifying cold blocks than previous works. TCB presented in this paper keeps a MCT (Migrated Cold block Table) to manage the enhanced classification process of cold blocks, with which unnecessary migrations of pages can be reduced much more. Through the experiments, we show that TCB reduces the overhead of wear leveling by about 30% and increases the lifetime up to about 60% compared to BET and BST.
사공운(Woon Sagong),장용훈(Yonghun Jang),손영욱(Yeongwook Son),박창현(Changhyeon Park) 한국정보과학회 2018 정보과학회 컴퓨팅의 실제 논문지 Vol.24 No.11
ICT와 생산 제조기술이 융합된 스마트 팩토리가 산업현장에 점차 적용됨에 따라, 생산 제조관련 데이터는 기하급수적으로 생산되고 있다. 이렇게 생성되는 원시 데이터는 제조 공정에 대한 숨은 정보들을 포함하고 있지만, 양이 방대하여 이를 처리하기 위한 적절한 플랫폼이 필요하다. 본 논문에서는 생산제조업에서 축적된 빅데이터를 보다 쉽고 편리하게 가공하고 분석하기 위한 분석 플랫폼을 제안하고 이를 이용한 분석결과를 소개한다. 제안하는 분석플랫폼은 효율적인 빅데이터 수집을 위해 스쿱과 우지를 이용하였고 신속한 사용자 질의처리를 위해 하둡, 하이브, 스파크를 활용한다. 또한 데이터 분석과 시각화를 위해 고급 분석 도구인 R을 하이브에 연동하여 사용한다. 분석 플랫폼을 이용하여 국내 생산 제조업체의 사출 공정 데이터를 수집하고 통계적 분석을 이용한 불량률과 관련된 분석을 진행한 결과, 사출작업 간 원재료의 각 속성 값과 습도가 감소하거나 기온이 상온에서 멀어질수록 불량률이 증가함을 확인하였다. As the Smart Factory which combines ICT and manufacturing technologies is gradually being applied to industrial sites, manufacturing data is being produced exponentially. The raw data contains hidden information about the manufacturing process; however, a customized platform is needed for massive data processing. In this paper, we propose the analytics platform for analysis and processing with easy and convenient storage of big data about the manufacturing and also introduce results of the analysis. The proposed analytics platform uses sqoop and oozie to collect big data effectively and uses hadoop, hive, and oozie to process user queries in a fast pace. It also applies R which is a high-level analysis tool for data analysis and visualization. We collected data generated in the injection molding processing of any specific manufacture company using the proposed analytics platform, and analyzed it with statistical analysis for the rate of defectives. It was observed that the rate of defectives increased with a decrease in the properties of the raw material and humidity or the difference in room temperature.
이승철 ( Seung Cheol Lee ),장용훈 ( Yonghun Jang ),박창현 ( Chang-hyeon Park ),서영석 ( Yeong-seok Seo ) 한국정보처리학회 2020 한국정보처리학회 학술대회논문집 Vol.27 No.1
1989년에 WWW(World Wide Web)이 도입 되면서 세계적으로 인터넷의 보급이 시작되었다. 정보화 시대라고 알려진 3차 산업혁명 이 후로 대량의 정보들이 소셜 미디어를 통하여 생산되었다. 소셜 미디어는 2007년에 인터넷 사용자들 중 56%의 이용률을 보였지만 2008년 2분기에는 75%의 이용률로 증가함에 따라 대부분의 사용자들이 많이 사용하며 의존하게 되었다. 또한 소셜 미디어를 통해 발생 되는 데이터들을 이용하여 기업들은 이윤 창출을 할 수 있다. 하지만 이러한 소셜 미디어는 악의적인 목적을 통해 주가 조작, 정치적 선동 등을 할 수 있는 가짜 뉴스와 허위 정보들을 생성할 수 있으며 이에 따라 대책이 시급하다. 또한 가짜 뉴스는 사람이 글을 작성할 수도 있지만 최근 인공지능 기술의 발달에 따라 프로그램을 통해 자동적으로 생성 될 수도 있다. 본 논문에서는 이와 같은 실제 뉴스와 인공지능을 기반으로 한 뉴스를 분석한다. Kaggle에서 실제 뉴스 데이터를 수집하여 헤드라인을 OpenAI의 GPT-2 언어 모델을 통해 뉴럴 가짜 뉴스를 생성하였다. 파이썬의 NLTK 모듈을 이용하여 전처리를 진행하였고 t-검정과 박스 플롯을 활용하여 분석을 진행하였다. 분석된 주요 속성들을 의사결정트리를 통해 모델 검증을 하였고 k-fold 교차검증을 통해 분류 모델을 평가하였다. 결과로 전체 분류 정확도 평균 89%의 성능을 보여주었다.
스마트 팩토리를 위한 하둡 에코 시스템 및 머신러닝 기반의 고무 공정 데이터 분석
사공운(Woon Sagong),이승철(SeungCheol Lee),장용훈(Yonghun Jang),박창현(Changhyeon Park) 한국정보과학회 2020 정보과학회 컴퓨팅의 실제 논문지 Vol.26 No.12
3차 산업혁명 이후 급격하게 증가된 데이터로 인해 4차 산업혁명 시대에서는 빅데이터에 대한 처리의 필요성이 부각되고 있다. 또한 국내외 산업 현장은 빅데이터 처리를 통한 스마트 팩토리를 구상 및 진행 중이다. 하지만 국내 산업 현장은 스마트 팩토리를 구축하기 위한 빅데이터 처리 기술력과 인력부족으로 어려움을 겪고 있다. 본 논문에서는 스마트 팩토리를 구축하기 위해 빅데이터와 하둡 에코 시스템을 기반으로 한 고무 공정 데이터를 분석한다. 고무 생산 공정에서 수집한 빅데이터를 활용하기 위해 하둡 에코 시스템을 이용하여 데이터를 수집하였다. 불량률과 관한 요인 분석을 위해 데이터의 전처리를 수행하였다. 전처리 된 데이터를 통계 분석하여 불량률과 관련한 요인을 확인하였다. 이를 통해 머신러닝 기반의 고무 생산 불량 예측 모델링을 수행하였다. 제안한 모델의 평균 예측 성능은 Macro F1 score 0.8554이며 양품과 불량품은 각 0.8912와 0.8196을 달성하였다. There is an increasing need for big data processing in the era of the 4th industrial revolution, due to the rapid increases in the amounts of data following the 3rd industrial revolution. In addition, domestic and foreign industrial sites are conceiving of and proceeding with the development of smart factories through the use of big data processing. However, domestic industrial sites are experiencing difficulties due to a lack of big data processing technology and the manpower needed to build smart factories. In this paper, we analyze data from a rubber manufacturing process based on big data and Hadoop ecosystem to build a smart factory. Data were collected through the Hadoop eco system to utilize the big data collected during the rubber production manufacturing process. Data preprocessing was performed to analyze the factors related to the defective rate. Statistical analysis of the preprocessed data identified factors related to the defective rate. With this knowledge, we performed machine learning-based rubber production defect prediction modeling. The average predictive performance of the proposed model was a macro F1 score of 0.8554, and good and bad products achieved scores of 0.8912 and 0.8196, respectively.