In recent years, the diminishing of operation and maintenance cost using advanced maintenance technology is attracting many companies’ attention. Especially, the heavy machinery industry regards it as a crucial problem since a failure of heavy machinery requires high cost and long downtime. To improve the current maintenance process, the heavy machinery industry tries to develop a methodology to predict failure in advance and to find its causes using usage data. A better analysis of failure causes requires more data so that various kinds of sensor are attached to machines and abundant amount of product usage data is collected through the sensor network. However, the systemic analysis of the collected product usage data is still in its infant stage. Many previous works have focused on failure occurrence as statistical data for reliability analysis. There have been less works to apply product usage data into root cause analysis of product failure. The product usage data collected while failures occur should be considered failure cause analysis. To do this, this study proposes a methodology to apply product usage data into failure cause analysis. The proposed methodology in this study is composed of several steps to transform product usage into failure causes. Various statistical analysis combined with product usage data such as multinomial logistic regression, T-test, and so on are used for the root cause analysis. The proposed methodology is applied to field data coming from operated locomotive and the analysis result shows its effectiveness.

In this paper, we propose an Elman recurrent neural network to predict and analyze a time series of gas energy consumption in an air handling unit. To this end, we consider the volatility of the time series and demonstrate that there exists a correlation in the time series of the volatilities, which suggests that the gas consumption time series contain a non-negligible amount of the non-linear correlation. Based on this finding, we adopt the Elman recurrent neural network as the model for the prediction of the gas consumption. As the simplest form of the recurrent network, the Elman network is designed to learn sequential or time-varying pattern and could predict learned series of values. The Elman network has a layer of “context units” in addition to a standard feedforward network. By adjusting two parameters in the model and performing the cross validation, we demonstrated that the proposed model predicts the gas consumption with the relative errors and the average errors in the range of 2%~5% and 3kWh~8kWh, respectively. The results of this study can be used to the energy management system in terms of the effective control of the cross usage of the electric and the gas energies.

본 연구는 모바일 기기를 활용한 현장체험학습에서 수집된 로그데이터를 STP(Space Time Path)로 시공간 시각화하여 현장체험학습에서 학생들의 이동특성을 파악하고, 머무름이 있던 지점에서의 활동특성을 분석하고자 하였다. 탐구활동 로그데이터 분석결과 이동과 머무름의 패턴이 연속적으로 나타나며, 조사활동의 유형에 따라 머무른 장소와 시간이 다름을 확인할 수 있었고, 머무름이 나타나는 장소는 관찰지점 뿐 아니라 관찰지점이 아닌 곳도 나타남을 확인하였다. 현장체험학습의 경우 공간 및 시간적으로 제한된 범위 내에서 이루어지는 활동이기 때문에 머무른 지점에서의 활동에 대한 추가 분석이 필요함을 알 수 있었다. STP를 이용한 이동 로그의 시각화는 복잡한 구조를 가진 로그데이터를 탐색하여 패턴을 발견하는 기초 자료로 활용할 수 있으며, 이는 다양한 유형의 로그데이터 분석에 응용될 수 있을 것으로 판단되었다.

세계는 지금 디지털의 연결성과 고도화된 ICT 기술을 기반으로 한 ‘제4차 산업혁명’ 시대로 접어들고 있다. 국내 식품산업도 ICT, AI, 빅데이터, 등 4차산업 관련 요소기술들의 여러가지 분야에 접목시키고 있다. 불량식품은 식품의약품안전처에서 식품의 생산, 제조, 유통, 판매 등전 단계에서 발생할 수 있는 모든 법을 위반한 제품으로 넓게 정의하고 있으나 주로 경제적 이익을 취하기 위해 의도적으로 원료나 원산지를 바꾸거나 부정물질을 첨가한 위변조식품을 말한다. 식품 공급망이 세계화되고 복잡해짐에 따라 위변조 수법이 점점 정교해지고 급증하고 있어 사후 단속하는 방법으로 불량식품 발생에 대응하기에는 한계가 있다. 따라서 불량식품을 사전에 차단할 수 있는 과학적 체계를 마련하기 위하여 소셜빅데이터 분석기술 등을 위변조인자의 안전관리에 적용하고 있는 동향을 소개하고자 한다.

As The Fourth Industrial Revolution and Intelligent Information Age came into full-scale, the policy of open government data has become a hot topic for each country. The United States, the United Kingdom, and other countries are shifting policy direction to “creating value” of open government data. Also, in the age of the digital economy where the data market is soaring, open government data is gradually being recognized as a new raw material for new business and start-ups. In addition, Korea ranked first in the OECD open government data evaluation twice in a row, and was highly evaluated in the international evaluation. However, domestic firms are still lacking in qualitative openness of government data, data is dispersed among institutions, lack of public-private data linkage, and development of app-oriented development. This study attempts to analyze major national policies for the creation of a data ecosystem that considers data lifecycle, from production to storage, distribution and utilization of data. First, the target countries were the leading public data countries among the OGP member countries, the USA, the UK, Australia and Canada. The results of this study are as follows. As a result of analyzing the results and comparing Korea’s policies, it was concluded that most of Korea is superior in open government data policy. However, improvement of data quality, development of open data portal as an open platform, support for finding various users including apps and web development companies, and cultivation of open government data utilizing personnel are analyzed as policy issues. In addition, the direction of policy for the balanced ecosystem of Korea is presented together.

Current evaluation practices for IT projects suffer from several problems, which include the difficulty of self-explanation for the evaluation results and the improperly scaled scoring system. This study aims to develop a methodology of opinion mining to extract key factors for the causal relationship analysis and to assess the feasibility of quantifying evaluation scores from text comments using opinion mining based on big data analysis. The research has been performed on the domain of publicly procured IT proposal evaluations, which are managed by the National Procurement Service. Around 10,000 sets of comments and evaluation scores have been gathered, most of which are in the form of digital data but some in paper documents. Thus, more refined form of text has been prepared using various tools. From them, keywords for factors and polarity indicators have been extracted, and experts on this domain have selected some of them as the key factors and indicators. Also, those keywords have been grouped into into dimensions. Causal relationship between keyword or dimension factors and evaluation scores were analyzed based on the two research models-a keyword-based model and a dimension-based model, using the correlation analysis and the regression analysis. The results show that keyword factors such as planning, strategy, technology and PM mostly affects the evaluation result and that the keywords are more appropriate forms of factors for causal relationship analysis than the dimensions. Also, it can be asserted from the analysis that evaluation scores can be composed or calculated from the unstructured text comments using opinion mining, when a comprehensive dictionary of polarity for Korean language can be provided. This study may contribute to the area of big data-based evaluation methodology and opinion mining for IT proposal evaluation, leading to a more reliable and effective IT proposal evaluation method.

Our research is aimed at predicting recent trend and leading technology for the future and providing optimal Nano technology trend information by analyzing Nano technology trend. Under recent global market situation, Users’ needs and the technology to meet these needs are changing in real time. At this point, Nano technology also needs measures to reduce cost and enhance efficiency in order not to fall behind the times. Therefore, research like trend analysis which uses search data to satisfy both aspects is required. This research consists of four steps. We collect data and select keywords in step 1, detect trends based on frequency and create visualization in step 2, and perform analysis using data mining in step 3. This research can be used to look for changes of trend from three perspectives. This research conducted analysis on changes of trend in terms of major classification, Nano technology of 30’s, and key words which consist of relevant Nano technology. Second, it is possible to provide real-time information. Trend analysis using search data can provide information depending on the continuously changing market situation due to the real-time information which search data includes. Third, through comparative analysis it is possible to establish a useful corporate policy and strategy by apprehending the trend of the United States which has relatively advanced Nano technology. Therefore, trend analysis using search data like this research can suggest proper direction of policy which respond to market change in a real time, can be used as reference material, and can help reduce cost.

The mortality rate in industrial accidents in South Korea was 11 per 100,000 workers in 2015. It’s five times higher than the OECD average. Economic losses due to industrial accidents continue to grow, reaching 19 trillion won much more than natural disaster losses equivalent to 1.1 trillion won. It requires fundamental changes according to industrial safety management. In this study, We classified the risk of accidents in industrial complex of Ulju-gun using spatial analytics and data mining. We collected 119 data on accident data, factory characteristics data, company information such as sales amount, capital stock, building information, weather information, official land price, etc. Through the pre-processing and data convergence process, the analysis dataset was constructed. Then we conducted geographically weighted regression with spatial factors affecting fire incidents and calculated the risk of fire accidents with analytical model for combining Boosting and CART (Classification and Regression Tree). We drew the main factors that affect the fire accident. The drawn main factors are deterioration of buildings, capital stock, employee number, officially assessed land price and height of building. Finally the predicted accident rates were divided into four class (risk category-alert, hazard, caution, and attention) with Jenks Natural Breaks Classification. It is divided by seeking to minimize each class’s average deviation from the class mean, while maximizing each class’s deviation from the means of the other groups. As the analysis results were also visualized on maps, the danger zone can be intuitively checked. It is judged to be available in different policy decisions for different types, such as those used by different types of risk ratings.

목적 : 본 연구는 상대가치점수를 기반으로 하는 국내 건강보험수가의 행위별 수가제가 국제 기능･장애 및 건강에 대한 분류(International Classification of Functioning, Disability and Health; ICF)의 건강 개 념에 적합한 비용을 지출하고 있는지 알아보고자 하였다. 연구방법 : 2003년-2013년 건강보험 및 의료급여권자 중 인구전체를 대표하는 100만 명의 샘플인 국민 건강보험공단의 건강보험 표본코호트 자료를 이용하였다. 건강보험요양급여비용의 이학요법료 중 제3절 전문재활치료료에 해당하는 행위들을 건강보험심사평가원에서 제시한 행위정의에 따라 신체기능과 활동 및 참여로 분류한 후 청구 통계량을 비교분석하였다. 결과 : 국내 재활치료 수가체계는 독립적인 일상생활활동, 활동/참여 그리고 가정이나 사회로 복귀를 통한 삶의 질 향상이라는 ICF의 건강 및 재활의학의 개념을 반영하지 못하고 있다. 또한, 환자의 상병군, 중 증도에 따른 재활치료의 효율적 수행을 위한 급성기–아급성기(회복기)-만성기의 재활의료체계가 정립되어 있지 않음을 확인하였다. 결론 : 재활치료의 효율적 수행을 위해서는 급성기- 아급성기(회복기)- 만성기의 재활의료체계가 정립되어야 하고 재활의료체계 내에서 의료기관 종별 역할이 구분이 필요하다. 이와 함께 적절한 재활치료 보험수가 체계 그리고 심사기준의 신설 및 개선이 필요하다.

전 세계적으로 금융선진국을 비롯한 각 국가의 금융당국은 금융기관과 금융소 비자 간의 정보비대칭 완화 및 이를 통한 리스크관리를 위하여 금융기관이 참여하는 신용정 보 공유제도를 운영하고 있다. 본 연구는 한국에서 공유되고 있는 신용정보 중 사고정보를 대상으로 하여 실제로 공유중 인 신용정보 데이터를 분석하였다. 사고정보를 사고횟수, 사고기간, 사고금액의 세 종류로 구 분하여, 생존분석에서는 사고정보가 기업의 생존기간에 미치는 영향을 분석하였고, 이후 집 단 간 비교분석을 통해 업력 7년 이하의 창업기업과 그 외 기존기업 간에 존재하는 사고정보 양상 차이를 검증하였다. 총 449,579개 기업의 사고정보에 대한 정량적인 분석을 시행한 결과 생존분석에서 사고횟 수가 사고후생존기간과 정(+)의 상관관계를 보였는데 이는 사고횟수를 부정적인 요소로 판단하고 있는 금융기관의 현행 리스크정책에 반증적 성격을 갖는다. 또한, 집단 간 비교분석 에서는 창업기업의 사고양상이 기존기업보다 생존기간에 더 긍정적인 모습을 보이고 있음에 따라 창업기업의 특성을 고려한 신용정보 공유제도의 개선이 필요하다는 시사점을 도출할 수 있었다.

한국건설기술연구원은 국도 3호선 회천-상패 구간에 콘크리트포장의 장기공용성을 관측하기 위해 시험시공을 실시하였다. 포장단면은 JCP(줄눈콘크리트포장)와 CRCP(연속철근콘크리트포장)로 구성하였으며, JCP는 슬래브 두께를 20cm～30cm로 변화를 두어 3개 단면으로 구성하였고, CRCP는 슬래브 두께를 20cm, 25cm로 하여 2개 단면으로 구성하였다. 본 논문에서는 이 구간에 FWD(falling weight deflectometer)시험을 통해 단면별 처짐량 및 LTE(load transfer efficiency)를 분석하였다. 재하하중은 4.5ton으로 하였으며, 재하위치는 슬래브 중앙부와 줄눈부(또는 균열부)로 하였다. 또한 측정시간을 7시, 11시, 14시, 17시로 나누어 실험을 수행하였다. FWD 실험결과, CRCP 4단면(슬래브 두께 25cm)은 전체 5개 단면 중 시점에 따른 처짐량 변동폭이 가장 작았으며, 또한 균열사이 중앙부와 균열부의 처짐량 차이도 가장 작게 나타났다. 해당 단면의 경우 전체적으로 슬래브 중앙부 D0 처짐량이 약 70～80 ㎛를 나타내었다. JCP 1단면(슬래브 두께 30cm)의 슬래브 중앙부 처짐량은 약 60～90㎛을, JCP 2단면(슬래브 두께 25cm)는 약 80～100㎛을, JCP 3단면(슬래브 두께 20cm)은 120～220㎛ 정도를 나타내고 있어, 슬래브 두께가 얇아질수록 슬래브 중앙부 처짐량은 증가하는 것으로 나타났다. CRCP 단면의 균열 사이 중앙부 처짐량 변동이 재하시점에 따라 최대 약 10㎛ 정도로 나타났는데, 상대적으로 JCP의 슬래브 중앙부 처짐량 변동은 CRCP 보다 더 큰 것으로 나타났다. 특히 JCP 슬래브 두께가 얇을수록 변동폭이 더 증가하는 것으로 나타났다. CRCP 균열부의 LTE가 모든 시점에서 90% 이상을 나타내어 상당히 우수한 것으로 평가되었으며, JCP 줄눈부의 경우 대체적으로 약 80% 이하를 나타내었다. 또한 JCP의 경우 줄눈부에 따라 LTE가 크게 변동하는 것으로 나타나 줄눈부 시공품질의 변동성이 큰 것으로 분석되었다. 또한 재하 시점에 따른 LTE 변동은 크지 않은 것으로 분석되었다. 이와 같은 결과를 볼 때, JCP의 경우 슬래브 상하단 온도 차이에 따른 상향컬링과 하향컬링이 슬래브 처짐량에 영향을 크게 미치지만, 이것이 LTE에 영향을 미치지 않는 것으로 나타났다.

교통 분야의 빅데이터 수집 및 활용은 기존에 명확하게 제시하지 못했던 다양한 분야의 연구를 가능하게 하고 있다. 특히 내비게이션 등의 개별차량 주행데이터의 경우 운전자가 주행을 시작한 시점부터 종료 한 시점까지의 주행시간과 거리, 경로 등의 데이터 수집이 가능하기 때문에 보다 다양한 분석과 정확한 결과 제시가 가능한 양질의 데이터라 할 수 있을 것이다. 기존의 경우 권역별 통행특성을 파악하기 위해 고속도로 VDS 교통량과 영업소별 통행량 자료 등을 활용하였으나, 해당 자료의 경우 고속도로를 주행한 차량에 한정되고 차량의 기점과 종점이 고속도로 영업소로 제한되기 때문에 세부 권역별 차량의 통행특성을 파악하는 것에 한계가 있으며, 운전자가 실제 주행한 총 통행시간과 휴식여부 등을 파악하는 것에도 한계가 있다. 본 연구에서는 위와 같은 문제점을 극복하기 위한 방안으로 SK텔레콤 Tmap(내비게이션)을 사용하여 하계휴가기간(2017년 7월 31일∼2017년 8월 6일) 중 수도권에서 강원권으로 이동한 개별차량의 주행데이터를 수집하여 기종점간 평균 통행시간, 고속도로 경로선택, 평균 휴식시간 등을 분석하였다. 하계휴가 기간 중 Tmap을 사용하여 수도권과 강원권(속초, 양양, 강릉, 동해, 삼척)을 이동한 통행은 총 109,621통행이며, 이중 수도권에서 강원권으로 이동한 통행이 총 50,648통행이고 해당 차량들의 평균 통행시간은 205분, 강원권에서 수도권으로 이동한 통행은 총 58,973이고 해당 차량들의 총 통행시간은 217분으로 검토되었다. 이밖에 위에서 수집된 통행량을 수도권 5개 권역(경기 남부/북부, 서울 강남/강북, 인천)과 강원권 3개 권역(속초·양양, 강릉, 동해·삼척)으로 구분하고 각각의 권역별 통행량을 기준으로 주요 이동경로와 통행시간 등의 상세분석을 시행하였으며, 분석기간 중 서울양양고속도로를 이용하여 경기 북부에서 속초·양양으로 이동한 통행량이 6,290통행으로 가장 높은 통행량을 나타냈으며, 해당 차량들의 평균 통행시간은 약 173분인 것으로 나타났다