This paper presents a data-mining aided heuristic algorithm development. The developed algorithm includes three steps. The steps are a uniform selection, development of feature functions and clustering, and a decision tree making. The developed algorithm

산업재해 통계분석의 커다란 목적은 각 산업별로 주 위험요인을 도출하고 이에 따른 안전교육의 실시 또는 안전장치 등을 보완함으로써 산업재해를 줄이거나 예방하는데 있다고 볼 수 있다. 그러나 일반 제조업이나 건설업 등에서는 아직까지도 정량적 위험성 평가 기법이 개발되어 있지 않은 실정이다. 따라서 효율적인 위험성 평가 기법의 개발이 필요하다. 본 연구에서는 데이터마이닝 기법을 이용한 산업재해 예방을 위한 최적 알고리즘 선정 방법을 제시한다.

급속도로 발전하는 산업의 고도화와 이에 따른 업종의 다양화, 이에 동반되는 예상치 못한 산업재해는 불특정 다수에게 인적, 물적 피해를 야기 시키고 있다. 산업재해 예방을 위해 다양한 선행 연구들이 진행되었으나 이들 연구는 기존의 산업재해 데이터를 토대로 빈도분석, 비교분석을 통한 관리적, 교육적 등치 대책만을 제시하고 있다. 본 연구에서는 산업재해 예방을 위해 객관적이고 정량화된 데이터를 통한 예측 분석이 가능한 데이터마이닝을 적용하여 대표적인 기법인 의사결정나무의 CHAID, CART, C4.5, QUEST 4가지 알고리즘 비교분석하여 산업재해 예방 및 전문가 시스템 구축을 위해 적용할 수 있는 최적의 알고리즘을 제시하도록 한다.

This paper uses a data mining methodologies to improve and predict cause of defect process variables in manufacturing process. Traditional statistical process control (SPC) techniques of control charting are not applicable in many process industries because it is difficult to analyze the cause of many process variables. The paper suggests that data mining methodologies useful when sequence rule, SVM (classification) methods are find out cause of defect process variables and SVM (prediction) methods used to predict process variables in manufacturing process. Therefore, it is allowing improved control in manufacturing process.

Many researches have been focused on the analysis of industry disasters in order to reduce them. As a similar endeavor, this paper provides a propensity analysis of injured people from various industries using classification and regression tree(CART), a data mining algorithm. The sample for this work was chosen from 25,157data related to various industries during one year ( 2003.2~2004.1 ) at Kangwon-Do in Korea. For the purpose of this paper, eight independent variables (injured date, injured time, injured month, type of Injured person, continuous service period, sex, company size, age)are taken from injured person group. According to the analysis result, it is found that five out of the eight factors that are predicted as significant have salient effects. Factors of season, time/hour, day of the week, or month which disasters happened do not show any significant effect. This paper provides common features of injured people. The provided analysis result will be helpful as a starting point for root cause analysis and reduction of industry disasters and also for development of a guideline of safety management.

With development of the database, there are too many data on process variables and the manufacturing process for the traditional statistical process control methods to identify the process variables related with assignable causes. Data mining is useful in

This paper uses a data mining methodologies to improve and predict cause of defect process variables in manufacturing process. Traditional statistical process control (SPC) techniques of control charting are not applicable in many process industries because it is difficult to analyze the cause of many process variables. The paper suggests that data mining methodologies useful when sequence rule, SVM (classification) methods are find out cause of defect process variables and SVM (prediction) methods used to predict process variables in manufacturing process. Therefore, it is allowing improved control in manufacturing process.

This paper presents a data-mining aided heuristic algorithm development. The developed algorithm includes three steps. The steps are a uniform coverage selection, development of feature functions and clustering, and a decision tree making. The developed algorithm is employed in designing an optimal multi-station fixture layout. The objective is to minimize the sensitivity function subject to geometric constraints. Its benefit is presented by a comparison with currently available optimization methods.

의사 결정 나무 알고리즘은 관심이 되는 집단을 몇 개의 소집단으로 분류하거나 특성을 예측하기 위한 데이터 마이닝 분석 기법중 하나이다. 이 기법은 각 업종별 특성을 분석하여 업종별 차이점을 찾기 위해 사용되었다. 여기에서 사용되어진 의사결정 알고리즘으로는 C4.5알고리즘을 사용하였다. 트리는 이득율(Gain Ratio)에 의해서 Top-Down방식으로 구성하게 되었다. 본 연구에서 사용된 데이터는 2003년, 2004년에 발생 되어진 데이터로 총 25,159개의 데이터를 대상으로 정제과정을 거쳐 24,887개의 데이터를 사용하였고, 한 개의 종속 변수와 8개의 독립 변수로 이루어져 있다. 총 222개의 트리 노드가 만들어 졌고 최종 노드(Leaf Node)는 총 151개가 생성되었다. 생성된 트리 결과에 대한 정확성 측정을 위해 정확도(Accuracy), 오분류 확률(Misclassification Rate)을 계산하였다.

최근 전자상거래나 웹 컨텐츠 사이트가 늘어나면서 웹 로그 정보를 분석하여 사용자 행동 패턴이나 사이트 구조를 분석하기 위한 연구가 활발하게 이루어지고 있다. 웹 사이트에 접속함으로써 발생되는 누적된 로그를 데이터 마이닝 기법을 이용하여 사용자 행동 패턴을 분석하여 효과적으로 이용하려는 연구는 다양한 웹 컨텐츠 정보 안에서 고객이 진정으로 원하는 정보를 얻기까지 소요되는 시간과 노력을 절약하기 위한 고객 지원 서비스의 차원에서 중요한 문제로 대두되고 있다. 그러나 이러한 연구들 또한 개인화와 고객의 구매성향의 변화에 대한 실시간 대응이라는 두 가지 관점에서 해결방안을 동시에 제시하지 못하고 있다. 본 논문에서는 ART2 신경망 알고리즘을 통해 실시간적이고 방대한 량의 웹 로그 데이터를 효과적으로 군집화하기 위하여 군집화 특성을 평가하고자 한다.

효과적으로 공정을 관리하기위하여 제품의 품질특성치에 영향을 주는 데이터를 수집하고 공정을 해석하여한다. 이를 위해서 데이터 마이닝(Data Mining)이 많이 수행되어지고 있다. 본 연구에서는 공정으로부터 수집된 대량의 정보 데이터를 신경망(Neural Network)기법을 통하여 공정의 불량률을 예측하고 불량률이 높게 나타난 데이터를 통해 연관규칙(Association Rule)을 적용하여 불량에 영향을 주는 공정의 패턴을 파악 공정을 개선하고자 한다.

인터넷이 현대사회의 많은 부분을 대체해 감에 따라서 Off-line에서 이루어지던 중고자동차의 매매 역시 On-line에서의 매매가 활발해 지고 있다. 이러한 On-Line에서의 장점은 매매차량등록의 편의성과 지역적 제약을 받지 않는다는 점 등을 들 수 있으며, 이로 인하여 빠른 거래가 성사될 수 있다. 또한 매매상사의 중간마진을 없앰으로써 거래당사자간의 상호이익도 극대화될 수 있다. 반면에 객관적인 검사를 통한 신뢰성의 결여, 이로 인한 적정가격 산출의 어려움, 구매희망자와의 잦은 상담 가능성 등의 단점을 들 수 있다. 본 연구에서는 On-line 거래의 이러한 문제점을 해결하기 위하여 데이터마이닝 기법을 다룬다. 이 데이터마이닝 기법은 의사결정나무와 다중회귀분석을 포함하며, 각각 E-miner와 Statgraphics를 이용하여 분석되었다. E-miner를 활용한 의사결정나무를 도출하기 위하여 DATA의 전처리과정에 따른 비교분석이 수행되었으며, DATA는 학습용과 평가용으로 구분하여 이용되었다. 학습용 DATA에 기반하여 두 가지 기법에 대한 지식과 모델이 각각 도출되었으며, 이들 각각에 대한 비교평가가 이루어졌다. 또한 평가용 DATA에 대하여도 각각의 비교평가가 이루어졌으며. 이에 기초하여 보다 나은 On-line 매매지원시스템이 결정되었다.

Data mining technique is the exploration and analysis, by automatic or semiautomatic means, of large quantities of data in order to discover meaningful patterns and rules. This paper uses a data mining technique for the prediction of defect types in manuf

In general, data mining has iterative processes with the following five steps: Data Selection, Cleansing, Transformation, Mining, Interpretation. Among these steps, steps of data selection and cleansing are performed to classify data. There are two types of data, continuous data and discrete data. Discrete data has a classified structure and it is easy to obtain rules from data. However, there are no general rules for classified method of data in continuous data. So, the result of data analysis will be differed from the classified method of data in continuous data. This research presents a methodology that can obtain the rules from data and classify data according to situations in DBMS (Data Base Management Systems).

제조 기업들은 공정 내에 불량을 파악하고 품질 특성치를 찾아내기 위해서 대용량의 샘플 데이터를 수집하며 분석하고 있다. 이렇게 수집되어진 데이터를 분석하기 위하여 데이터마이닝 기법이 많이 이용되어지고 있다. 본 연구에서는 제조 공정내의 불량 요인의 데이터를 수집하고 수집된 데이터를 데이터마이닝 기법 중 연관규칙을 이용하여 공정 내 불량간의 연관관계를 파악하고 공정 불량요인을 효과적으로 분석함으로서 제조 공정 내에 불량항목과 공정 간의 변화패턴 관계를 알아보기 위함이다.

Data mining technique is the exploration and analysis, by automatic or semiautomatic means, of large quantities of data in order to discover meaningful patterns and rules. This paper uses a data mining technique for the prediction of defect types in manufacturing process. The purpose of this paper is to model the recognition of defect type patterns and prediction of each defect type before it occurs in manufacturing process. The proposed model consists of data handling, defect type analysis, and defect type prediction stages. The performance measurement shows that it is higher in prediction accuracy than logistic regression model.

We study data mining technique in an electronic commerce. Customers travel web pages in an shopping mall and they sometimes purchase products. It is important for a web master in a shopping mall to know customer's purchasing patterns. We discover both association rules among customer's purchasing products and customer's traversal paths. We propose three phase mining technique to explore it. In the first phase, it find large items from sales database. In the second phase, it add to traversal paths. In the third phase, it discover associations rules from large items.

Due to recent changes of computer & networks, the IDS(Intrusion Detection System) need to be developed for new intrusion patterns. The current IDS have limited on recognition and correspond to new intrusion patterns on detection speed for multi packet which dealing on the network. Therefore, new technology need to increasing efficiency and speed of detection speed requested. The aim of this research is the development of standard and systematic method on intrusion detection. The core idea is using data mining method to find bundle of patterns on networking program and user behavior patterns as well as apply the feature systems to calculate the classifiers which could recognize the well known or irregular intrusions. In this paper, we will recommend following steps to develop the intrusion detection system: First, we will learn the detection applying technique for multi intrusion cases. Second, we will use data mining technique which fast recognize the current intrusion patterns and new patterns. Third, to recognize intrusion patterns, information of packet on the network and recorded data on the host sessions have studied. Fourth, we will create regulations between intrusion and normal behavior by practical use of logged file abstraction programs. Fifth, we will analysis intrusion detection pattern based on the created regulations and study results.

Today''s database system needs to collect huge amount of questionnaire that results from development of the information technology by the internet, so it has to be administrable. However, there are many difficulties concerned with finding analytic data or