Recently, transaction data is accumulated everywhere such as bank and IT company. Association analysis methods are usually applied to analyze transaction data, but the methods have several problems. For example, these methods only consider one-way relations among items and cannot reflect domain knowledge to analysis process. In order to overcome defect of association analysis methods, we suggest a transaction data analysis method based on probabilistic graphical model (PGM) in this study. The method we suggest has several advantages as compared with association analysis methods. For example, this method has a high flexibility, so it can give a solution to various probability problems regarding the transaction data and can consider various relationships among items.

표준은 산업발전 및 무역 자유화의 기반이며 사회 · 경제적인 효율을 향상시키는 중요한 수단이다. 표준과 관련된 정책은 국가적인 차원에서 중요한 이슈 중 하나가 되고 있으며, 이에 따라 산업 분야별 한국산업표준 제정과 활용에 대한 분석은 표준과 관련된 연 구에서 중요한 부분이 되고 있다. 본 연구는 분야별 KS 보유 및 제정현황 분석 그리고 열람실적을 이용하여 표준의 활용도 를 분석한다. 먼저 KS의 보유현황을 국가정책적인 이슈와 함께 살펴보고, 세부적으로 KS 제 정현황이 유사한 분야들은 무엇인지 파악하기 위해 다차원 척도법을 이용하여 시각화 및 군 집화를 실시한다. 이후 각 군집별 제정현황이 유사한 분야들의 표준화 제정활동에 영향을 미 치는 결정요인이 무엇인지 가설설정에 따른 회귀분석을 실시한다. 연구결과 자본집약도, 연구개발 그리고 매출액이 표준화 제정활동에 영향을 미치는 것으로 나타났다. 이에 따라 정부 는 자본집약도가 큰 기업들이 표준화 과정에서 선도적 역할을 유도하고, 연구개발에 따른 표 준과 기술특허 등을 정책적으로 연계시키며, 매출액이 큰 기업들이 표준화 활동을 선도하도 록 지원정책을 수립해야 한다. 두 번째로 표준의 활용도를 분석하기 위해, KS 열람실적 데이 터를 사용하며, 각 KS의 제정연도, 형태 분야별 활용도가 어떻게 다른지 기초통계분석과 의 사결정나무를 사용하여 분석을 수행한다. 그 결과 표준의 제정시기가 활용도에 영향을 크게 미치며, 특정 분야와 형태의 KS들은 최근에 제정되었더라도 활용도가 높은 것으로 나타났 다. 이에 따라 열람실적이 낮은 표준들에 대한 홍보 정책과 함께, 표준을 제정할 때 미열람되 는 표준이 적어지도록 활용도를 고려하는 정책을 수립해야 한다.

The purpose of the warranty data analysis can be classified into two categories. Two goals is a failure cause analysis and life prediction analysis. In this paper first, we applied multivariate analysis method that can be estimated in consideration of various factors on the failure cause warranty data. In particular, we apply the Tree model and Cox model. The advantage of the Tree is easy to interpret this result as compared to other models. In addition Cox model can quantitatively express the risk. Second, this paper proposed a multivariate life prediction model (AFT) considering a variety of factors. By applying the actual warranty data confirmed the usability.

보증데이터의 분석 목적은 크게 세 가지로 분류할 수 있다. 첫째 현상파악이다. 현 상파악은 각 부품별 보증클레임데이터를 이용하여 각부품의 현수준을 분석하는 방법 으로 단변량 분석방법이다. 즉 부품의 현 수명(신뢰도)를 분석할 수 있는 생명표법, 카 랜마이어 방법이 대표적이라고 할 수 있다. 둘째, 고장원인분석이다. 부품의 고장에 다 양한 인자가 영향을 줄 것이다. 생산부터 고객의 사용조건까지 다양할 것이다. 이처럼 단순히 사용시간을 가지고 분석하는 것이 아닌 다양한 원인변수를 통해서 원인을 파 악하는 다변량 방법이다. 셋째, 단변량이 아닌 다변량 수명예측방법으로 그 모형의 구 조에 따라 비례적 위험함수 모형 (proportional hazards)의 가정을 적용하는 COX 모형 과 가속화 시간 (accelerated failure time)을 적용하는 AFT 모형으로 분류할 수 있다. 본 연구에서는 예측에 적합한 AFT모형을 통해서 생존 시간 자체에 대한 설명변수 의 효과를 모형화하고 각 부품의 수명을 예측하고자 한다. 이 방법을 제시하는 이유는 COX모형의 경우 준 모수적 방법으로 위험함수의 모수적 유형을 지정하지 않아도 된 다는 장점을 가지고 있지만, 위험 함수 보다는 설명변수의 효과를 추정에 그 주 목적 이 있기 때문에 모형의 결과를 수명예측에 사용하기에는 부적합하다. 본 논문에서는 다양한 인자를 고려하여 부품의 수명 및 수명에 대한 설명변수의 효 과를 모형화 하여 보증데이터를 분석하는 AFT 모형을 제시 하였고 실제 보증데이터 를 통해서 AFT 모형의 활용성을 확인하였다.

Decision Tree is one of analysis techniques which conducts grouping and prediction into several sub-groups from interested groups. Researcher can easily understand this progress and explain than other techniques. Because Decision Tree is easy technique to see results. This paper uses CART algorithm which is one of data mining technique. It used 273 variables and 70094 data(2010-2011) of working environment survey conducted by Korea Occupational Safety and Health Agency(KOSHA). And then refines this data, uses final 12 variables and 35447 data. To find satisfaction factor in working environment, this page has grouped employee to 3 types (under 30 age, 30 ~ 49age, over 50 age) and analyzed factor. Using CART algorithm, finds the best grouping variables in 155 data. It appeared that ‘comfortable in organization’ and ‘proper reward’ is the best grouping factor.

보증데이터의 분석방법은 크게 두 가지로 분류할 수 있다. 첫째, 현상파악이다. 현상 파악은 각 부품별 보증클레임데이터를 이용하여 각부품의 현 수준을 분석하는 방법으 로 단변량 분석방법이다. 즉 부품의 현 수명(신뢰도)를 분석할 수 있는 생명표법, 카랜 마이어 방법이 대표적이라고 할 수 있다. 둘째, 고장원인분석이다. 부품의 고장에 다양 한 인자가 영향을 줄 것이다. 생산부터 고객의 사용조건까지 다양할 것이다. 이처럼 단순히 사용시간을 가지고 분석하는 것이 아닌 다양한 원인변수를 통해서 원인을 파 악하는 다변량 방법이다. 본 연구에서는 다변량 방법 중 Tree기법과 Cox모형을 적용 하고자 한다. 두 방법을 제시하는 이유는 이 두 방법의 서로의 장단점을 보완하여 최 적을 결과를 얻기 위함이다. Tree의 장점은 결과 해석이 다른 모형에 비해 쉽다. 단점 은 유의한 변수가 무엇인지는 알 수 있으나 정량적으로 표현하기 어렵다. 반면에 COX 모형의 경우는 위험도를 정량적으로 표현할 수 있다. 즉 다양한 인자의 기여도를 비교 적 쉽게 찾을 수 있다. 보증데이터는 다양한 정보와 고장에 대한 정보를 가지고 있으 며 이를 바탕으로 원인분석이 가능하다. 본 논문에서는 다양한 인자를 고려하여 고장원인을 추정할 수 있는 다변량 분석방 법을 보증데이터에 적용해 보았고, 실제 유의함을 확인하였다. 특히 Tree 모형 및 Cox 모형를 통해서 서로의 장단점을 보완하였고, 더욱 정확한 원인을 찾을 수 있었다.

자동차와 복사기와 같은 제품의 보증범위는 일반적으로 보유기간 뿐만 아니라 작동 기간(주행거리, 복사매수 등)에 의해서도 제한된다. 이와 같은 제품의 보증데이터는 보 유기간과 작동기간, 두 가지 척도에 따라 신뢰성 분석을 진행할 수 있다. 본 논문에서는 두 가지 척도의 보증범위를 갖는 이차원 보증데이터를 이용한 신뢰 성 분석에 대한 동향연구를 진행하고자 한다. 이를 통해 이차원 보증데이터를 활용하 여 효과적으로 신뢰성 분석을 할 수 있는 연구방안을 제안하고자 한다.

As the users continuously play the mobile game, the mobile game service requires a method to manage their information such as their game play score and their own game items. For the purpose of responding to the user requests in real time, the proposed method reduces the size of the database by separating the information of inactive users from the main database. Considering the construction cost, the proposed method moves the information of the inactive users to the file instead of another secondary database system. In order to minimize the effect of the system environment such as CPU or memory, the proposed method depends on the response time to the user request rather than the last login time or the number of the user accounts. For the safety and consistency of the database, the proposed method utilizes a traditional RDBMS rather than NoSQL.

In this paper, we investigate the statistical correlation of the time series for temperature measured at the heat box in the automobile drying process. We show, in terms of the sample variance, that a significant non-linear correlation exists in the time series that consist of absolute temperature changes. To investigate further the non-linear correlation, we utilize the volatility, an important concept in the financial market, and induce volatility time series from absolute temperature changes. We analyze the time series of volatilities in terms of the de-trended fluctuation analysis (DFA), a method especially suitable for testing the long-range correlation of non-stationary data, from the correlation perspective. We uncover that the volatility exhibits a long-range correlation regardless of the window size. We also analyze the cross correlation between two (inlet and outlet) volatility time series to characterize any correlation between the two, and disclose the dependence of the correlation strength on the time lag. These results can contribute as important factors to the modeling of forecasting and management of the heat box’s temperature.

As Internet has been wildly spreaded and it's technique is advanced, the use of computers has been routinized and almost data are stored in computers. Accordingly, many companies and researchers have tried to find the relations in these tremendous data and the one way is to use clustering algorithm which is used to find out similar data set in the entire data set and to discover the common properties. In early period, clustering algorithm was performed based on a main memory of a computer and PAM(Partitioning Around Medoids) was representative, which can be complemented k-means algorithm defeat. PAM performs clustering by using the medoid of data instead of means. PAM works well in small data set but it is difficult to apply it to large data set. Therefore, CLARA(Clutering LARge Application) shows up to be used in large data set. This algorithm samples data from large data set and applies PAM to the sample data. CLARA has limits caused by the fixed samples in each clustering stage and has a problem that if the good mediod is not sampled then the result of the clustering becomes not good. CLARANS(Clustering Large Application based upon Randomized Search) overcomes these problems by drawing a sample with some randomness. This algorithm executes clustering using k mediod set extracted in the processing of clustering in each stage. The main objective is to compare and analyze the algorithms which are popularly used for the clustering of big data.

제한된 환경인 실험실에서 짧은 시험 시간으로 신속하게 수명을 파악할 수 있는 가 속시험 데이터와 극한 환경시험 데이터는 실험실 데이터로서 정밀한 결과를 제공하지 만, 실제 사용 환경을 잘 반영하지 못한다. 그러나 사용현장데이터인 보증데이터는 보 증기간 동안 보증서비스 센터에 접수된 고장으로부터 얻어진 필드 데이터로 사용자의 실제 사용 환경에 따른 제품 고장을 파악할 수 있으므로 제품의 수명을 추정하기에 더욱 효과적일 수 있다. 본 연구에서는 보증데이터의 특징을 설명하였으며 보증정책에 따른 분석방법으로 1 차원, 2차원으로 분류하였다. 이에 따른 연구 동향과 적용 현황을 조사하여 보증데이 터를 사용한 필드 신뢰성 분석의 효과적인 활용방안을 논의하고자 한다.

Attempts to hack online game servers and abusing problems in online games have been issues in game industry. Mobile games are famous these days thanks to the widespread of smart devices. Unfortunately, mobile games have very short life cycle. Therefore, analysis of game log data becomes more important to overcome the hacking and abusing problems in online games and extend their life cycles in mobile games. In this paper, we propose a new game log data analysis technique based on the MapReduce methodology. MapReduce is a widely used programming model for analyzing and processing Big data. Instead of processing each analysis query separately, the proposed technique processes multiple analysis queries together in a batch by a single, optimized MapReduce job. As a result, the number of queries processed per unit time increases significantly. Experiment results show that the proposed technique improves the performance significantly compared to a naive method.

This study suggests new approach to identify core technologies through patent analysis. Specially, the approach applied data mining technique and multi-criteria decision making method to the co-classification information of registered patents. First, technological interrelationship matrices of intensity, relatedness, and cross-impact perspectives are constructed with support, lift and confidence values calculated by conducting an association rule mining on the co-classification information of patent data. Second, the analytic network process is applied to the constructed technological interrelationship matrices in order to produce the importance values of technologies from each perspective. Finally, data envelopment analysis is employed to the derived importance values in order to identify priorities of technologies, putting three perspectives together. It is expected that suggested approach could help technology planners to formulate strategy and policy for technological innovation.

In order to investigate of technology competitiveness for domestic engineering enterprise, using the quantitative and objective patent. In these result, the technology competitiveness(Patent Activity Index, Patent Family Size Index, Patent Impact Index, Technology strength) of our enterprise is far inferior to another country. So we should try to achieve our superiority in competitive power, we devote ourself to put through technical improvements of our domestic engineering enterprise in many ways.

Due to sudden transition to intellectual society corresponding with fast technology progress, companies and nations need to focus on development and guarantee of intellectual property. The possession of intellectual property has been the important factor of competition power. In this paper we developed the efficient patent search process with big data analysis tool R. This patent search process consists of 5 steps. We result that at first this process obtain the core patent search key words and search the target patents through search formula using the combination of above patent search key words.

Globally, smart phones have been rapidly distributed, which has led to changes in people's life cycle. Most people who are under 60 are supposed to use smart phones. Additionally, as the ratio of people who are interested in physical exercise is increasing, some applications for smart phones can manage dividual's exercise with the web servers. However, most of them can only check how much individual works out and cannot compare other's body type and life environment. Moreover, users cannot share their own data with others. This paper proposed the system which can resolve those kinds of problems through data mining techniques. The suggested model will have ability to figure out the relation between body type and the amount of exercise, find out if his work is proper from the result of classification and can pick out the features which is common to people who have similar body type and the amount of workout by applying data mining techiques. This model also will be able to recommend the proper amount of workout to each individual in order that they keep good health state efficiently.