The purpose of this study is to compare short-term price predictive power among ARMA ARMAX and VAR forecasting models based on the MDM test using monthly consumer price data of frozen mackerel. This study also aims to help policymakers and economic actors make reasonable choices in the market on monthly consumer price of frozen mackerel. To analyze this study, the frozen wholesale prices and new consumer prices were used as variables while the price time series data were used from December 2013 to July 2021. Through the unit root test, it was confirmed that the time series variables employed in the models were stable while the level variables were used for analysis. As a result of conducting information standards and Granger causality tests, it was found that the wholesale prices and fresh consumer prices from the previous month have affected the frozen consumer prices. Then, the model with the highest predictive power was selected by RMSE, RMSPE, MAE, MAPE, and Theil’s inequality coefficient criteria where the predictive power was compared by the MDM test in order to examine which model is superior. As a result of the analysis, ARMAX(1,1) with the frozen wholesale, ARMAX(1,1) with the fresh consumer model and VAR model were selected. Through the five criteria and MDM tests, the VAR model was selected as the superior model in predicting the monthly consumer price of frozen mackerel.

본 논문은 FRCM 공법으로 보강된 철근콘크리트 보의 휨 성능을 예측하기 위한 해석적 연구결과를 제시한다. FRCM 공법으로 보강된 철근콘크리트 보의 휨 성능 예측을 위해 상용구조해석 프로그램인 LS-DYNA를 이용하여 유한요소해석이 수행되었다. 유한요소해석시 콘크리트와 모르타르는 Solid 요소로 모델링 되었으며, 철근과 FRP 그리드는 각각 Beam 요소 및 Shell 요소로 모델링되었다. 또한, 콘크리트와 철근은 완전부착하는 것으로 가정되었으며, 콘크리트와 모르타르 경계면의 부착파괴를 모사하기 위하여 Contact_Tiebreak_Surface_to_Surface 요소가 사용되었다. 이후, 국내⋅외 여러 연구자들에 의해 수행된 실험의 재현해석을 통해 제안된 유한요소해석 모델의 신뢰성이 검증되었다. 실험결과와 해석결과의 파괴양상을 분석하였을 때, 본 연구에서 제안된 유한요소해석 모델은 실험체의 부착파괴를 적절히 모사할 수 있는 것으로 나타났다. 또한, 해석을 통해 예측된 극한 강도에 대한 실험결과의 비는 평균 1.04, 표준편차 0.064로 제안된 해석모델은 FRCM 공법으로 보강된 철근콘크리트 보의 휨 성능을 비교적 잘 예측할 수 있는 것으로 나타났다.

This article suggests the machine learning model, i.e., classifier, for predicting the production quality of free-machining 303-series stainless steel(STS303) small rolling wire rods according to the operating condition of the manufacturing process. For the development of the classifier, manufacturing data for 37 operating variables were collected from the manufacturing execution system(MES) of Company S, and the 12 types of derived variables were generated based on literature review and interviews with field experts. This research was performed with data preprocessing, exploratory data analysis, feature selection, machine learning modeling, and the evaluation of alternative models. In the preprocessing stage, missing values and outliers are removed, and oversampling using SMOTE(Synthetic oversampling technique) to resolve data imbalance. Features are selected by variable importance of LASSO(Least absolute shrinkage and selection operator) regression, extreme gradient boosting(XGBoost), and random forest models. Finally, logistic regression, support vector machine(SVM), random forest, and XGBoost are developed as a classifier to predict the adequate or defective products with new operating conditions. The optimal hyper-parameters for each model are investigated by the grid search and random search methods based on k-fold cross-validation. As a result of the experiment, XGBoost showed relatively high predictive performance compared to other models with an accuracy of 0.9929, specificity of 0.9372, F1-score of 0.9963, and logarithmic loss of 0.0209. The classifier developed in this study is expected to improve productivity by enabling effective management of the manufacturing process for the STS303 small rolling wire rods.

Recently, the importance of preventive maintenance has been emerging since failures in a complex system are automatically detected due to the development of artificial intelligence techniques and sensor technology. Therefore, prognostic and health management (PHM) is being actively studied, and prediction of the remaining useful life (RUL) of the system is being one of the most important tasks. A lot of researches has been conducted to predict the RUL. Deep learning models have been developed to improve prediction performance, but studies on identifying the importance of features are not carried out. It is very meaningful to extract and interpret features that affect failures while improving the predictive accuracy of RUL is important. In this paper, a total of six popular deep learning models were employed to predict the RUL, and identified important variables for each model through SHAP (Shapley Additive explanations) that one of the explainable artificial intelligence (XAI). Moreover, the fluctuations and trends of prediction performance according to the number of variables were identified. This paper can suggest the possibility of explainability of various deep learning models, and the application of XAI can be demonstrated. Also, through this proposed method, it is expected that the possibility of utilizing SHAP as a feature selection method.

음악은 오직 시간 안에서 표현이 되며 리듬의 물리학적 해석은 진동의 시간 패턴에 있다. 이 진동은 인간의 청각기관 내에서 전기 화학적 정보로 변환되어 청각체계의 신경 중계를 통해 뇌에 도달하며 인식과 지각의 작용을 통해 리듬을 분석하고 저장하며 프로세스를 한다. 이 논문은 리듬을 인식하고 지각 할 때 어떠한 요소에 의해 그루브가 결정되는지에 대해 연구하였으며 이 요소들을 활용하여 음악을 만들고 연주하고 가창하는 뮤지션들이 좀 더 리드미컬한 표현이 가능할 수 있도록 하는 목적을 가지고 있다. 연구방법은 신경학 관점에서 뇌가 리듬을 어떻게 프로세스 하는 지에 대해 기술하고 리듬의 활용 경험이 풍부한 전문가들에게 가창이나 연주, 디렉팅 그리고 작⋅ 편곡 등의 음악 경험에서 어떠한 요소에 의해 리듬 그루브의 변화를 인지 하였는지에 대해 조사하 였다. 연구결과 우리의 뇌는 리듬을 시간적 비율구조로 인지 및 지각을 하고 프로세스를 하는 것 으로 분석되었고 ‘리듬 그루브에 영향을 끼치는 요소’에 대한 조사에서는 음악 전문가 214명 중 76.5%가 악센트, 76.1%가 타이밍, 75.6%가 음의 길이, 41.3%가 딕션 등이 가장 큰 영향을 끼친 다고 인식하고 있는 것으로 나타났다. 마지막으로 이 연구는 이번 조사에서 나타난 요소들을 샘플 로 만들어 음악 전문가들이 직접 체험을 하는 실험연구로 확장될 것이며 이것을 통해 좀 더 명확 한 리듬 그루브의 요소를 제시할 수 있을 것이라 예측하였다.

최근 시스템 반도체 발전으로 인하여 자동차 산업의 전장(電装)에 대한 기술혁 신이 빠르게 진행되고 있다. 특히, 자동차의 전장화는 자동차 부품업체들의 기술개발 경쟁을 가속화시키고 있으며, 개발 주기 또한 빠르게 변화하고 있다. 이러한 변화로 인하여 연구개 발에 대한 전략과 기획의 중요성은 더욱 강화되고 있다. 자동차 산업의 패러다임 변화로 인 하여, 연구개발 전략 중의 하나인 제품-기술로드맵(P/TRM)은 기획 단계에서 기술예측, 기 업의 기술수준평가, 기술획득방법(Make/Collaborate/Buy) 등의 분석을 통하여 개발이 이루 어져야 한다. 제품-기술로드맵은 제품과 기술의 고객 니즈를 파악하고 기술의 선정, 개발방향을 설정하 는 툴(Tool)로써, 미래의 발전방향 추세를 예측하고 매크로(Macro) 트랜드의 전략적 방향성 과 목표를 설정하는데 사용된다. 하지만, 대부분의 기업에서는 해당 기술의 논문이나 특허 분석, 전문가 델파이에 주로 의존하는 정성적인 방법을 통하여 제품-기술로드맵을 개발하고 있다. 본 연구는 가트너의 하이프 사이클과 누적이동평균 기반 데이터 전처리, 딥러닝(LSTM) 시계열 분석 기법을 융합하여 자동차 산업 중심으로 제품-기술로드맵을 보완하고 강화시킬 수 있는 시뮬레이션을 통하여 실증 연구를 진행하였다. 본 논문에서 제시한 실증 연구는 자 동차 산업 뿐만 아니라, 범용적으로 타제조업 분야에서도 사용 가능할 수 있다. 또한, 기업적인 측면에서는 그동안 정성적인 방법에 의존하던 로드맵 작성 방법에서 탈피 하여 좀 더 정확한 제품-기술로드맵을 통하여 적기에 시장에 제품을 제공함으로써 선도업체 로 나아가기 위한 밑거름이 될 것이라고 사료된다.

편심가새골조(EBF)의 역량설계법에 의하면, 링크가 완전항복 및 변형경화 상태일 때 기둥, 링크외부보, 가새(비소산 부재)는 탄성 거동해야 한다. 현행 AISC 341은 역량설계에 필요한 변형도경화계수(SHF)를 1.25로 제시하고 있으나, 실제로 건물이 고층 규모일수 록 모든 링크가 이처럼 동등한 수준의 초과강도에 도달할 가능성은 매우 낮아진다. 본 연구에서는 링크의 SHF를 정밀하게 예측하는 방법을 제안함으로써, 역량설계법의 목적을 달성하면서 구조물량을 절감하고자 하였다. 제안한 방법의 효과를 검증하기 위해 선형해 석을 2회 수행하여 SHF를 예측하고, 이를 비선형 해석결과와 비교하였다. 다음으로 비선형 해석에 의한 응답을 분석하여 구조물의 한 계상태에서 비소산 부재들의 항복 여부를 확인하였다. 그 결과, 본 연구의 방법으로 설계된 구조물은 링크의 SHF를 정확히 예측함으 로 인해 물량이 큰 폭으로 절감되었으며, 비소산 부재들도 모두 탄성상태를 만족하는 것으로 나타났다.

This paper proposes a model predictive controller of robot manipulators using a genetic algorithm to secure the best performance by performing parameter optimization with the genetic algorithm. Genetic algorithm is a natural evolutionary process modeled as a computer algorithm and has excellent performance in global optimization, so it is useful for tuning control parameters. The sliding mode controller and inverse dynamics controller are included in the lower part of the model prediction controller to minimize the problems caused by non-linearity and uncertainty of the robot manipulator. The performance superiority of the proposed method as described above has been confirmed in detail through a simulation study.

In this study, as part of the paradigm shift for manufacturing innovation, data from the multi-stage cold forging process was collected and based on this, a big data analysis technique was introduced to examine the possibility of quality prediction. In order for the analysis algorithm to be applied, the data collection infrastructure corresponding to the independent variable affecting the quality was built first. Similarly, an infrastructure for collecting data corresponding to the dependent variable was also built. In addition, a data set was created in the form of an independent variable-dependent variable, and the prediction accuracy of the quality prediction model according to the traditional statistical analysis and the tree-based regression model corresponding to the big data analysis technique was compared and analyzed. Lastly, the necessity of changing the manufacturing environment for the use of big data analysis in the manufacturing process was added.

Recently, traffic accidents have continued to occur due to the failure to secure a safe distance for trucks. Unlike passenger cars, freight cars have a large fluctuation in the weight of the vehicle's shaft depending on the load, and the fatality of accidents and the possibility of accidents are high. In this study, a braking distance prediction model according to the driving speed and loading weight of a three-axis truck was implemented to prevent a forward collision accident. Learning data was generated based on simulation, and a prediction model based on machine learning was implemented to finally verify accuracy. The extra trees algorithm was selected based on the most frequently used R2 Score among regression analyses, and the accuracy of the braking distance prediction model was 98.065% through 10 random scenarios.

국내 섬 지역은 감독 부실과 관광 등으로 인해 산림 훼손이 심각한 상황이다. 한반도 서남해안 지역의 난온대 기후대 원식생은 상록활엽수림이라서, 이곳을 원식생으로 복원이 바람직하다. 따라서 본 연구에서는 전남의 섬 지역 산지를 대상으로, 현존 상록활엽수림의 환경 요인을 분석하여 상록활엽수림 북원 적합지를 도출하였다. 이를 위해 딥러닝(deep learning) 알고리즘을 이용하여 Sentinel-2 위성영상에서 연구 대상지의 식생 유형을 6가지로 분류하였고, 분류된 식생 유형의 위치 및 지형, 기후 속성을 측정하여 상록활엽수림의 내성 범위(tolerance range)를 분석하였다. 분석 결과, 현존 상록활엽수림은 인간의 간섭이 적은, 고도가 높고 경사가 급한 지역에 상대적으로 높은 비율로 분포하였다. 이와 같은 인위적인 간섭으로 현존 상록활엽수림은 타 식생 유형보다 오히려 연평균기온이 낮은 곳에 분포하는 경향을 보였는데, 이는 고도가 높을수록 기온은 낮아지기 때문이다. 여러 환경 요인 중 인간의 간섭에 따른 영향을 배제하고, 상록활엽수림의 복원 적합지를 파악할 수 있는 환경 요인에는 위도와 최한월 평균기온(1월)이 있었다. 상록활엽수림 내성 범위 분석 결과, 위도 34.7° 이남, 최한월평균기온 1.7°C 이상인 지역에 주로 생육하는 것으로 나타나, 이 조건에 맞는 지역을 상록활엽수림 복원 적합지로 예측하였다. 전남 섬 지역의 산지 중 상록활엽수림 복원 적합지 면적은 614.5㎢로 전체 연구 대상지의 59.0%, 연구 대상지 중 농경지 등을 제외한 산림 식생 지역의 73.4%를 차지하였다. 본 연구의 결과를 바탕으로 향후 구체적인 섬 지역 산림복원계획과 예산을 수립해야 할 것이다.

기후변화는 동·식물의 서식지와 개체군을 감소, 소멸시키며, 생물다양성 보존에 위협이 되고 있다. 특히, 도롱뇽과 (Hynobiidae)에 속한 종들은 다른 분류군들에 비해 행동권이 작고, 분산 능력이 극히 제한되기 때문에 기후변화에 매우 취약한 분류군이다. 본 연구에서는 한국꼬리치레도롱뇽(Onychodactylus koreanus)의 관찰지점과 종 분포 모델링 기법을 바탕으로 국내 서식하고 있는 한국꼬리치레도롱뇽의 주요 분포지역과 서식특성을 파악하고 기후변화에 따른 분포변화를 예측하였다. 그 결과 고도가 그들의 분포에 가장 주요한 영향을 끼친 환경변수로 확인되었으며, 강원도와 경상북도와 같은 고도가 높은 산림 지역에 밀집된 분포 형태를 보였다. 이처럼 종 분포 모델에서 예측된 공간적 분포 범위와 서식특성은 선행 조사 결과를 충분히 포함하고 있었다. 기후변화에 따른 분포변화를 확인한 결과, 한국꼬리치레 도롱뇽은 현재 분포 범위에 비해 RCP4.5 시나리오에서 62.96% 가 감소할 것으로, RCP8.5 시나리오에서는 98.52% 감소할 것으로 예측되어 기후변화로 인해 서식 적합 공간들이 급격하게 감소하는 것으로 확인되었다. 모델의 AUC 값은 현재에서 0.837, RCP4.5에서 0.832, RCP8.5에서 0.807로 높게 측정되었다. 이러한 결과들은 기후변화로 인해 영향을 받는 양서류의 보전 대책 수립에 중요한 기초자료가 될 수 있을 것이다. 추후, 한국꼬리치레도롱뇽의 생활사에 따른 서식지 특성과 미세한 서식 요인들이 반영된 다양한 분석기법을 통한 추가적인 연구가 수행된다면 종 감소에 영향을 끼치는 주요환경 요인들을 밝혀낼수 있을 것으로 판단된다.