본 연구에는 가뭄의 유발 요인으로 강수량, 기온, 상대습도 등의 기상현상을 활용하고 가뭄 피해로 인한 대응 요소로서 대체수원, 제한급수, 운반급수 등의 비상급수를 적용하여 AI기반 가뭄 대응 정보 구축 방안을 구성하였다. AI 머신 러닝 기법 중 널리 사용되는 의사결정나무 모형을 통하여 예측 기법을 수립하였다. 연구 대상 지역은 비상급수 활용 빈도가 높고 종관기상관측소가 존재하는 충주시, 안동시, 의성군을 선정하였다. 자료 기간은 2014년부터 2019년까지의 자료를 이용하였으며, 가뭄 유발 기상요인으로 ASOS의 강수량 및 기온, 습도를 이용하고 가뭄 피해 요소로 국가 가뭄정보 포털의 비상급수 현황 자료를 활용하였다. 모형 학습 결과 정확도가 약 0.97, F1-Score가 약 0.5로 나왔으며, 이는 비상급수가 필요한 상황과 그렇지 않은 상황을 97%의 확률로 예측할 수 있음을 의미하며, 비상급수가 필요했던 표본만을 대상으로 했을 경우 약 50%의 확률로 예측이 가능한 것을 의미한다. 따라서 의사결정나무 모형을 적용하여 예측 정확도를 분석한 결과 가뭄 대응 비상급수 준비지역 예측을 위한 적용성이 높은 것으로 평가되었다. 그러나 본 연구에서는 기상 조건만을 가뭄 유발 요인으로 반영하였기 때문에, 공급수량 부족 등의 요인을 추가적으로 검토할 필요가 있으므로 가뭄과 연관된 요소인 저수지 용량 등을 추가하고 비상급수 이외의 피해 요소 역시 확장하여 연구를 개선하고자 한다.

현재 교량과 같은 토목구조물의 설계프로세스는 1차 설계 후 구조 검토를 수행하여 기준에 부적합할 경우 재설계하는 과정을 반복 하여 최종적인 성과품을 만드는 것이 일반적이다. 이러한 반복 과정은 설계에 소요되는 기간을 연장시키는 원인이 되며, 보다 수준 높 은 설계를 위해 투입되어야 할 고급 엔지니어링 인력을 기계적인 단순 반복 작업에 소모하고 있다. 이러한 문제는 설계 과정 자동화를 통하여 해결할 수 있으나, 설계 과정에서 사용되는 해석프로그램은 이러한 자동화에 가장 큰 장애요인이 되어 왔다. 본 연구에서는 기 존 설계 과정 중 반복작업을 대체하고자 강화학습 알고리즘과 외부 해석프로그램을 함께 제어할 수 있는 인터페이스를 포함한 교량 설계 프로세스에 대한 AI기반 자동화 시스템을 구축하였다. 이 연구를 통하여 구축된 시스템의 프로토타입은 2경간 RC라멘교를 대 상으로 제작하였다. 개발된 인터페이스 체계는 향후 최신 AI 및 타 형식의 교량설계 간 연계를 위한 기초기술로써 활용될 수 있을 것 으로 판단된다..

Predictive maintenance has been one of important applications of data science technology that creates a predictive model by collecting numerous data related to management targeted equipment. It does not predict equipment failure with just one or two signs, but quantifies and models numerous symptoms and historical data of actual failure. Statistical methods were used a lot in the past as this predictive maintenance method, but recently, many machine learning-based methods have been proposed. Such proposed machine learning-based methods are preferable in that they show more accurate prediction performance. However, with the exception of some learning models such as decision tree-based models, it is very difficult to explicitly know the structure of learning models (Black-Box Model) and to explain to what extent certain attributes (features or variables) of the learning model affected the prediction results. To overcome this problem, a recently proposed study is an explainable artificial intelligence (AI). It is a methodology that makes it easy for users to understand and trust the results of machine learning-based learning models. In this paper, we propose an explainable AI method to further enhance the explanatory power of the existing learning model by targeting the previously proposedpredictive model [5] that learned data from a core facility (Hyper Compressor) of a domestic chemical plant that produces polyethylene. The ensemble prediction model, which is a black box model, wasconverted to a white box model using the Explainable AI. The proposed methodology explains the direction of control for the major features in the failure prediction results through the Explainable AI. Through this methodology, it is possible to flexibly replace the timing of maintenance of the machine and supply and demand of parts, and to improve the efficiency of the facility operation through proper pre-control.

요즘은 4차산업혁명으로 교과별 AI(인공지능) 교육이 점점 강화되는 추세이다. 이런 관점에서 연구자는 2021학년도 1학기에 S중학교 한문 AI(인공지능)동아리 학생을 대상으로 AI(인공지능) 활용 한문교육으로 지식정보처리역량을 길러주는 사례를 찾아 제시하고자 하였다. 연구자는 먼저 엠블럭 프로그램의 인공지능 기능 곧, 음성변환, 번역, 인식서비스, 기계학습을 활 용하여 한문 교육을 하였다. 번역에서는 한국어와 한문 사이의 번역에 활용하였고, 인식서비스에서 는 언어소리인식은 한국어 또는 한문을 인식하는데 활용하였고, 언어문자인식은 한자 자형을 인식 하는데 활용하였고, 이미지 인식은 한자 자형을 인식하는데 활용하였고, 이미지 묘사는 한문 관련 이미지 묘사를 설명하는데 활용하였고, 기계학습에서는 한자 자형을 기계학습하는데 활용하였다. 다음으로 머신러닝포키즈 프로그램을 활용하여 인성을 인공지능으로 만드는 한문교육을 하였다. 다시 말하면 텍스트를 활용하여 선행, 악행, 효도, 불효, 신뢰, 불신이라는 인공지능을 만드는 한문교 육을 하였다. 이와 같은 한문교육으로 학생들은 스스로 AI(인공지능) 활용 한문교육으로 지식정보처리역량을 기르는 사례를 다소나마 익히게 되었다. 한편으로 지식정보처리역량 개발에서 실험집단이 작아서 그 결과를 일반화하기 어렵지만, 어느 정도 변화는 감지할 수 있었다. 앞으로 해당 학년 학생 모두 를 대상으로 하는 연구가 이루어지면 소기의 결과를 얻을 수 있으리라 생각된다.

AI가 시장의 패러다임을 바꾸는 새로운 혁신 기술로 주목받고 있다. 기업은 AI 의 기술적 이점이 잘 반영되면서 동시에 시장의 수요를 충족하는 방법을 적용하여 신제품을 개발해야 한다. 하지만 업계에는 이러한 요건을 충족하는 방법론이 부재하다 보니 기업들은 기존 제품개발 방법론을 이용해 AI 기반 제품개발을 추진하고 있다. 이로 인해 AI의 기술적 이점이 충분히 반영되지 못하거나 AI의 기술적 잠재성이 시장 가치로 연결되지 못하게 된다. 이러한 한계를 극복하기 위해 이 연구는 AI 기반의 신제품을 개발하기 위한 새로운 방법론을 제시한다. AI 혁신이 기존 방식과 다른 차별적 속성을 확인하고, 이러한 속성이 반영된 제품 설계 프로세스와 방법론을 제시한다. 이 연구는 AI 제품개발이 양손잡이 접근(Ambidexterity approach)을 지향해야 함을 강조하며, 테크놀로지 푸시(Technology push) 기반의 아이디어 생성, 마켓 풀(Market pull) 기반의 소비자 요구조건 분석, 제품 설계 구체화 등을 포함하는 AI 기반 제품의 설계(Design) 프로세스 및 구체적인 개발 방법을 제안했다. 이 방법론의 현 실 적용 가능성을 검증하기 위해 사례연구를 실시, AI 기반의 차량용 인포테인먼트 시스템 개발 전략을 도출한다. 기술적 가능성에 기반하여 13개의 혁신 아이디어를 생성했고, 카노 (KANO) 분석과 TOPSIS의 결합에 의한 소비자 요구조건 분석을 통해 총 6개의 신제품 개 발 전략을 도출했다. 이 연구제서 제안하는 방법론은 기업이 AI 기반의 혁신제품을 통해 신 시장을 개척하거나 기존 제품의 고도화를 통해 시장 확장을 펼치는 데 유용하게 활용될 수 있다.

4차 산업혁명 시대를 맞이하면서 국가 경쟁력 강화를 위해서는 SW·AI 인재 확보가 매우 중요하다고 할 수 있다. SW·AI 인재 확보를 위해 전 세계는 SW·AI 교육에 많은 예산과 시간을 들여 인재를 양성하는데 심혈을 기울이고 있다. 대한민국도 2015년부터 교육과정을 개편하면서 초·중·고등학교 교육과정에 SW 교육 내용을 반영하였다. SW중심대학과 AI대학원 교육지원 사업을 통하여 고등 교육기관에도 대규모 예산을 투자하여 SW·AI 인재양성에 집중하고 있다. 그러나 현실은 SW·AI 교육의 양과 질이 모두 부족하다는 우려의 목소리가 높다. 이러한 배경으로 본 연구는 고등학생 대상의 체험 활동 프로그램에서 AI 교육 격차가 발생하는 원인이 SW·AI 사전 경험 차이라는 관점에서 연구를 시작하였다. 체험 활동 프로그램에 참여한 고등학생 대상으로 SW·AI 경험별 재미, 어려움, 만족도, 기대 정도로 나누어 분석하였고, 분석한 결과, SW·AI 경험이 AI교육에 영향을 미치고 있다는 유의미한 결과를 확인할 수 있었다. 본 연구결과를 토대로 SW·AI 교육을 균등하게 받지 못하여 발생할 수 있는 교육격차를 최소화하기 위해서는 초등학교부터 고등학교까지 체계적이고 연속적인 SW·AI 교육이 될 수 있도록 SW·AI 교육을 필수 교과로 전환하여 수업 시수 확대 등이 제도적으로 마련되어야 할 것이다.