http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
강부식(Kang Boosik),이봉기(Lee Bongki) 대한토목학회 2008 대한토목학회논문집 B Vol.28 No.5B
한반도 영역을 대상으로 RDAPS모형의 수치예보자료, AWS의 관측강수, 상층기상관측(upper-air sounding)의 관측자료를 이용하여 권역별 강수발생확률을 예측할 수 있는 인공신경망 모형을 제시하였다. 사용된 자료의 기간은 2001년 7, 8월과 2002년 6월로 홍수기를 대상으로 하였다. 500/750/1000 hPa에서의 지위고도, 500-1000 hPa에서의 층후(thickness), 500 hPa에서의 X와 Y방향 바람성분, 750 hPa에서의 X와 Y방향 바람성분, 표면풍속, 500/750 hPa/표면에서의 온도, 평균해면 기압, 3시간 누적 강수, AWS관측소에서 관측된 RDAPS모형 실행전의 6시간과 12시간동안의 누적강수, 가강수량, 상대습도 등을 신경망의 예측인자로 사용하였다. 신경망의 구조는 3층 MLP(Mu1ti Layer Perceptron)로 구성하여 역전파알고리즘(Back-propagation}을 학습방법으로 사용하였다. 신경망예측결과 한반도전체에 대한 예측성과의 개선은 H가 6.8%상승하였고, 특히 TS와 POD는 각각 99.2%와 148.1% 상승함으로서 강수예측에 대한 신경망모형이 효과적인 도구가 될 수 있음을 확인하였다. KSS 역시 92.8% 개선됨으로서 RDAPS 예측에 비하여 뚜렷이 개선된 결과를 보여주고 있다. The Artificial Neural Network (ANN) model was suggested for predicting probability of precipitation (PoP) using RDAPS NWP model, observation at AWS and upper-air sounding station. The prediction work was implemented for flood season and the data period is the July, August of 2001 and June of 2002. Neural network input variables (predictors) were composed of geopotential height 500/750/1000 hPa, atmospheric thickness 500-1000 hPa, X & Y-component of wind at 500 hPa, X & Y-component of wind at 750 hPa, wind speed at surface, temperature at 500/750 hPa/surface, mean sea level pressure, 3-hr accumulated precipitation, occurrence of observed precipitation, precipitation accumulated in 6 & 12 hrs previous to RDAPS run, precipitation occurrence in 6 & 12 hrs previous to RDAPS run, relative humidity measured 0 & 12 hrs before RDAPS run, precipitable water measured 0 & 12 hrs before RDAPS run, precipitable water difference in 12 hrs previous to RDAPS run. The suggested ANN has a 3-layer perceptron (multi layer perceptron; MLP) and back-propagation learning algorithm. The result shows that there were 6.8% increase in Hit rate (H), especially 99.2% and 148.1% increase in Threat Score (TS) and Probability of Detection (POD). It illustrates that the suggested ANN model can be a useful tool for predicting rainfall event prediction. The Kuipers Skill Score (KSS) was increased 92.8%, which the ANN model improves the rainfall occurrence prediction over RDAPS.
QFD 와 QBD 를 이용한 고객만족 전략 수립 절차에 관한 연구
강부식(Boo Sik Kang),김태한(Tae Han Kim),박상찬(Sang Chan Park) 한국품질경영학회 2001 품질혁신 Vol.2 No.2
고객의 충성도를 높이기 위해서는 고객만족경영을 지속적으로 하여야 한다. 고객만족을 위한 전력 수립에 있어 고객은 가장 중요한 고려사항으로 고객의 의견이 효과적으로 반영이 되어야 한다. 고객의 의견을 효과적으로 추출하기 위한 한 방법은 적절한 설문의 구성을 통해 고객의 반응을 분석하고, 경쟁사와의 고객만족 비교를 통해 고객만족 전략을 수립하는 것이다. 이 논문에서는 효과적인 설문을 구성하기 위해 TQM의 네 주체인 고객, 서비스 (혹은 상품), 서비스를 제공하는 설비, 서비스를 제공하는 사람과 서비스 프로세스의 각 단계에 따른 매트릭스를 이용하여 초기 설문을 구성한다. 초기 설문은 DFD의 개념을 이용하여 평가하고 중복된 설문항목은 삭제하거나 빠진 설문은 추가하여 설문을 완성한다. 설문에 대한 고객의 반응을 가지고 QFD를 이용하여 고객만족 정도를 구하고, 경쟁사와의 비교를 통해 고객만족 전략을 수립한다. 이때 전략 수립과정은 QBD의 절차를 따른다. 최종적으로 전략의 슬로건 및 실행가능 방안을 도출한다. 이 논문은 초기 설문 구성에서부터 최종 고객만족 전략을 도출하기까지의 절차에 대해 QFD와 QBD를 결합한 방법론을 제안하고 가상적인 항공사의 예를 이용하여 각 절차를 설명한다.