http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
변준현,민수홍,강지훈,윤대훈 한국신뢰성학회 2021 한국신뢰성학회 학술대회논문집 Vol.2021 No.6
현대에 이르러 산업이 빠른 발전속도로 인해 제조 공정이 살수록 복잡해짐에 따라 기존의 고장물리(Failure Physics) 기반 잔여수명(Remained Useful Lifecycle : RUL) 예측 방법론의 일반적 활용이 어려워지고 있다. 이에, 센서 데이터를 기반으로 한 머신러닝 모델링을 활용하는 잔여수명예측 방법론이 광범위하게 개발되었으나, 데이터 기반의 잔여수명 예측 방법론은 주로 단일모델의 예측 성능에 의존되는 경향이 있어 이로 인한 불확실성이 존재한다. 이에, 본 연구에서는 확률적 수명분포를 활용해서 다양한 패턴의 시뮬레이션 데이터를 생성하고, 잔여수명 예측 모델의 적합성 정도를 확률로 표현한 결과와 실제 데이터와 각 시뮬레이션 데이터 분포의 유사성을 확률 가중치로 조합하는 혼합모델(mixture model)을 제안하였고, 잔여수명 패턴 변화에 대한 불확실성을 줄이기 위해서 베이지안 업데이트 기법을 활용, 모델별 적합성을 실시간으로 업데이트하는 방식을 제안하였다. 본 수명예측방법론의 적합성 평가와 성능 검토를 위해 일반적으로 널리 활용되는 지수함수 가중치를 반영한 가중 선형회귀(exponentially weighted linear regression) 모델과 비교해서 정확도를 검증하였다.
변준현(Junhyun Byun),민수홍(Suhong Min),강지훈(Jihoon Kang) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
현대에 이르러 산업이 빠른 발전속도로 인해 제조 공정이 복잡해짐에 따라 기존의 고장물리(Failure Physics) 기반 잔여수명 (Remained Useful Lifecycle : RUL) 예측 방법론의 일반적 활용에 한계가 있다. 이에 센서 데이터를 기반으로 한 머신러닝 모델링을 활용하는 잔여수명 예측 방법론이 광범위하게 개발되었으나, 데이터 기반의 잔여수명 예측 방법론은 주로 단일모델의 예측성능에 의존되는 경향이 있어 이로 인한 불확실성이 존재한다. 이에, 본 연구에서는 해당 한계를 극복하기 위해 확률적 수명분포를 활용한 다양한 가상패턴을 생성하고 실제 데이터와 가상패턴 분포의 적합도를 확률 가중치로 조합하는 혼합모델을 제안한다. 뿐만 아니라, 베이지안 업데이트 기법을 접목한 실시간 적합도 확률 업데이트 열화 패턴 변화에 대한 불확실성을 줄였다. 본 수명예측 방법론의 성능 검토를 위해 일반적으로 널리 활용되는 지수함수 가중치를 반영한 가중 선형 회귀(Exponentially Weighted Liner Regression) 모델과 비교해서 정확도를 검증하였다. As the manufacturing process becomes more complicated due to rapid development of the industry, Existing RUL (Remained Useful Lifecycle) prediction method based on failure physics that used in general was hard to use. Thus, although machine learning model with sensor data in RUL prediction has been widely developed, data-driven RUL prediction methodology tends to depend primarily on the predictive performance of a single model and have uncertainty of degradation patterns change. In this paper, we proposed a mixture model combining several artificial hazard functions with their fitness of the performance. Then Bayesian update is adopted in real time to reduce uncertainty of degradation pattern change. We compared the performance of proposed idea, with existing Exponentially weighted linear regression (EWLR). Experiments with the simulations and real datasets demonstrate the effectiveness and usefulness of the proposed algorithm.
재귀적 베이지안 앙상블 모델링 기법을 이용한 사회경제지표의 다변량 예측
변준현(Junhyun Byun),민수홍(Suhong Min),강지훈(Jihoon Kang) 한국정보기술학회 2024 한국정보기술학회논문지 Vol.22 No.2
After the COVID-19 pandemic, there has been an increase in uncertainty in both domestic and international socio-economic conditions, highlighting the necessity of accurate predictions for socio-economic indicators(SEIs). Historically, equations, timeseries, and machine learning models have been widely used for forecasting SEIs, but, their predictive accuracy has been constrained by the characteristics of SEIs and limitations in prediction models. Thus we proposed the Recursive Bayesian Ensemble Model(RBEM) to reliably predict SEIs that exhibit high uncertainty over time. The proposed model probabilistically combines various prediction models with different forecasting principles, such as timeseries models and machine learning, and sequentially adopts recursive Bayesian update techniques. The predictive performance and stability of the proposed model have been demonstrated through the prediction of SEIs.