Until now, research on consumers’ purchasing behavior has primarily focused on psychological aspects or depended on consumer surveys. However, there may be a gap between consumers’ self-reported perceptions and their observable actions. In response, this study aimed to investigate consumer purchasing behavior utilizing a big data approach. To this end, this study investigated the purchasing patterns of fashion items, both online and in retail stores, from a data-driven perspective. We also investigated whether individual consumers switched between online websites and retail establishments for making purchases. Data on 516,474 purchases were obtained from fashion companies. We used association rule analysis and K-means clustering to identify purchase patterns that were influenced by customer loyalty. Furthermore, sequential pattern analysis was applied to investigate the usage patterns of online and offline channels by consumers. The results showed that high-loyalty consumers mainly purchased infrequently bought items in the brand line, as well as high-priced items, and that these purchase patterns were similar both online and in stores. In contrast, the low-loyalty group showed different purchasing behaviors for online versus in-store purchases. In physical environments, the low-loyalty consumers tended to purchase less popular or more expensive items from the brand line, whereas in online environments, their purchases centered around items with relatively high sales volumes. Finally, we found that both high and low loyalty groups exclusively used a single preferred channel, either online or in-store. The findings help companies better understand consumer purchase patterns and build future marketing strategies around items with high brand centrality.

이 연구에서는 경기교육종단연구 초등학교 4학년 패널의 7차년도, 9차년도 데이터를 사용하여 일반계 고등학생의 진로성숙도 잠재집단을 유형화하고, 각 잠재집단 간 전이 양상을 확인하며, 전이 양상에 영향 을 미치는 요인을 알아보고자 하였다. 연구 목적에 따라 잠재프로파일분석(Latent Profile Analysis: LPA) 을 실시하여 고등학교 1학년(7차년도), 3학년(9차년도) 시기 진로성숙도 잠재집단을 유형화하고, 잠재전 이분석(Latent Transition Analysis: LTA)을 통해 전이 패턴을 분석하였다. 추가로 로지스틱 회귀분석을 실시하여 전이패턴에 영향을 미치는 변인들을 분석하였다. 분석 결과 일반계 고등학생의 고1 시점(7차)에 서 3개의 잠재 집단(높은 진로성숙, 중간 진로성숙, 낮은 진로성숙)으로, 고3 시점(9차)에서 3개의 잠재 집단(높은 진로성숙, 중간 진로성숙, 낮은 진로성숙)으로 분류되었다. 두 시점의 잠재집단 간 전이확률 분 석 결과, 모든 잠재집단에서 절반가량의 학생들이 다른 잠재집단으로 전이하여 다양한 영향요인에 따른 진로성숙도 변화 가능성을 확인하였다. 집단 간 전이패턴은 전체 표본을 기준으로 􍾧중간 진로성숙􍾨 집단에 서 􍾧중간 진로성숙􍾨을 유지하는 경우가 31.1%로 가장 많았고, 다음으로 􍾧낮은 진로성숙􍾨 집단에서 􍾧낮은 진 로성숙􍾨을 유지하는 경우가 14.0% 순이었다. 전이 패턴을 􍾧상향􍾨, 􍾧유지􍾨, 􍾧하향􍾨으로 분석했을 때 유지 패턴 (57.5%)이 가장 많았았고 상향(22.5%) 패턴, 하향 패턴(20.0%) 순이었다. 학생의 개인적 특성, 진로활 동 도움 정도는 진로성숙도 잠재 집단 간 상향 및 하향 패턴에 영향을 미치는 것으로 나타났다. 이상의 연 구 결과를 토대로 일반계고 진로교육을 위한 결론 및 시사점을 제시하였다.

본 연구는 검거세미밤나방(Agrotis ipsilon) 성페로몬 트랩에 혼재하여 유살되는 은무늬밤나방아과 형태적 분류와 동정법 수립을 위해, 날개 무늬의 형태계측학 분석을 실시하였다. 은무늬밤나방아과 개체는 2023년 11월 부터 12월까지 제주도 애월읍 일대에서 채집되었으며, 콩 해충으로 알려진 콩은무늬밤나방(Ctenoplusia agnata) 을 비롯하여, 다양한 농작물을 가해하는 것으로 알려진 붉은금무늬밤나방(Chrysodeixis eriosoma)의 수컷 성충이 포획되었다. 앞날개의 형태 및 무늬를 가지고 현장에서 쉽게 동정할 수 있는 형태적 특징을 도출하기 위하여, 각 성충 개체의 앞날개를 잘라 현미경 카메라로 촬영하고, 앞날개의 내횡선, 아외연선, 반점 크기 등 15개의 형질 을 측정하였다. 또한 각 형질 간의 상관관계를 분석하였으며 빈도분포를 통하여 두 종간 분리되는 형질을 파악하 였다. 최종적으로 다변량 분석법을 적용하여 두 집단이 어떻게 군집을 이루는지 분석하고, 날개형태만으로 붉은 금무늬밤나방과 콩은무늬밤나방을 구분할 수 있는 방안을 제시하였다.

In the summer of 2018, the Korea-Japan (KJ) region experienced an extremely severe and prolonged heatwave. This study examines the GloSea6 model's prediction performance for the 2018 KJ heatwave event and investigates how its prediction skill is related to large-scale circulation patterns identified by the k-means clustering method. Cluster 1 pattern is characterized by a KJ high-pressure anomaly, Cluster 2 pattern is distinguished by an Eastern European highpressure anomaly, and Cluster 3 pattern is associated with a Pacific-Japan pattern-like anomaly. By analyzing the spatial correlation coefficients between these three identified circulation patterns and GloSea6 predictions, we assessed the contribution of each circulation pattern to the heatwave lifecycle. Our results show that the Eastern European highpressure pattern, in particular, plays a significant role in predicting the evolution of the development and peak phases of the 2018 KJ heatwave approximately two weeks in advance. Furthermore, this study suggests that an accurate representation of large-scale atmospheric circulations in upstream regions is a key factor in seasonal forecast models for improving the predictability of extreme weather events, such as the 2018 KJ heatwave.

The Fourth Industrial Revolution and sensor technology have led to increased utilization of sensor data. In our modern society, data complexity is rising, and the extraction of valuable information has become crucial with the rapid changes in information technology (IT). Recurrent neural networks (RNN) and long short-term memory (LSTM) models have shown remarkable performance in natural language processing (NLP) and time series prediction. Consequently, there is a strong expectation that models excelling in NLP will also excel in time series prediction. However, current research on Transformer models for time series prediction remains limited. Traditional RNN and LSTM models have demonstrated superior performance compared to Transformers in big data analysis. Nevertheless, with continuous advancements in Transformer models, such as GPT-2 (Generative Pre-trained Transformer 2) and ProphetNet, they have gained attention in the field of time series prediction. This study aims to evaluate the classification performance and interval prediction of remaining useful life (RUL) using an advanced Transformer model. The performance of each model will be utilized to establish a health index (HI) for cutting blades, enabling real-time monitoring of machine health. The results are expected to provide valuable insights for machine monitoring, evaluation, and management, confirming the effectiveness of advanced Transformer models in time series analysis when applied in industrial settings.

To make semiconductor chips, a number of complex semiconductor manufacturing processes are required. Semiconductor chips that have undergone complex processes are subjected to EDS(Electrical Die Sorting) tests to check product quality, and a wafer bin map reflecting the information about the normal and defective chips is created. Defective chips found in the wafer bin map form various patterns, which are called defective patterns, and the defective patterns are a very important clue in determining the cause of defects in the process and design of semiconductors. Therefore, it is desired to automatically and quickly detect defective patterns in the field, and various methods have been proposed to detect defective patterns. Existing methods have considered simple, complex, and new defect patterns, but they had the disadvantage of being unable to provide field engineers the evidence of classification results through deep learning. It is necessary to supplement this and provide detailed information on the size, location, and patterns of the defects. In this paper, we propose an anomaly detection framework that can be explained through FCDD(Fully Convolutional Data Description) trained only with normal data to provide field engineers with details such as detection results of abnormal defect patterns, defect size, and location of defect patterns on wafer bin map. The results are analyzed using open dataset, providing prominent results of the proposed anomaly detection framework.

해양사고 예방을 위해서는 사고의 원인과 결과에 대한 분석 및 진단뿐만 아니라, 사고의 발생 패턴과 변화 추이를 예측함으로 써 정량적 위험도를 제시할 필요성이 있다. 선박교통과 관련된 해양사고 예측은 선박의 충돌위험도 분석 및 항해 경로 탐색 등 선박교통 의 흐름에 관한 연구가 주로 수행되었으며, 해양사고의 발생 패턴에 대한 분석은 전통적인 통계 분석에 따라 제시되었다. 본 연구에서는 해양사고 통계 자료 중 선박교통관련 사고의 월별, 시간대별 발생 현황 데이터를 활용하여 해양사고 발생 예측 모델을 제시하고자 한다. 국내 해양사고 발생 현황 중 월별, 시간대별 데이터 집계가 가능한 1998년부터 2021년까지의 통계자료 중 선박교통 관련 데이터를 분류하 여 정형 시계열 데이터로 변환하였으며, 대표적인 인공지능 모델인 순환 신경망 기반 장단기 기억 신경망을 통하여 예측 모델을 구축하 였다. 검증데이터를 통하여 모델의 성능을 검증한 결과 RMSE는 초기 신경망 모델에서 월별 52.5471, 시간대별 126.5893으로 나타났으며, 관측값으로 신경망 모델을 업데이트한 결과 RMSE는 월별 31.3680, 시간대별 36.3967로 개선되었다. 본 연구에서 제안한 신경망 모델을 기 반으로 다양한 해양사고의 특징 데이터를 학습하여 해양사고 발생 패턴을 예측할 수 있을 것이다. 향후 해양사고 발생 위험의 정량적 제 시와 지역기반의 위험지도 개발 등에 관한 추가 연구가 필요하다.

목적 : 본 연구의 목적은 국내 청소년의 여가참여 빈도에 따른 활동 참여 경향을 잠재프로파일 분석 (LPA)을 통해 잠재계층을 유형화 하고 그 특성을 살펴보고자 하였다. 또한 청소년의 여가참여 빈도에 따른 활동 유형의 각 잠재계층에 따라 청소년의 주관적 복지감과 행복감이 어떠한 차이를 보이는지 파 악하여 청소년의 삶의 질 증진을 위한 기초자료를 마련하기 위해 수행 되었다. 연구방법 : 국내 청소년의 여가참여 빈도에 따른 참여 유형을 파악하기 위해 한국청소년정책연구원에서 제 공한 한국아동ㆍ청소년패널조사, 청소년활동 참여실태조사 9차년도(2018년) 데이터를 활용하여 국내 청 소년 9,041명의 자료를 분석 하였다. 본 자료를 활용하여 잠재프로파일분석(LPA)을 실시하였고, 도출된 각 유형별 특성을 파악하기 위해 χ2 분석, 분산분석을 실시하였으며, 유의한 차이가 있는 경우 집단 간 차이를 알아보기 위해 Scheffe 사후검증을 실시하였다. 결과 : 청소년의 여가참여 빈도에 따른 참여 유형의 잠재프로파일을 분석한 결과 최적의 잠재계층의 수는 5개로 확인 되었다. 분류된 잠재계층을 ‘소극적 참여형’, ‘사회친목지향형’, ‘정적여가지향형’, ‘미술음악 지향형’과 ‘적극적 참여형’로 명명하였다. 또한 여가참여 빈도에 따른 참여 유형의 행복감 및 주관적 행 복감의 차이를 분석 한 결과 잠재계층별 주관적 복지감과 행복감에 통계적으로 유의미한 차이를 보였다. 결론 : 본 연구는 잠재프로파일분석을 통해 청소년의 여가활동참여 유형을 분석 하였고, 이러한 여가활동 의 참여 경향에 따라 각 개인의 주관적 복지감과 행복감에서 통계적으로 유의미한 차이가 나타남을 밝 혔다. 따라서 본 연구를 통해 청소년의 정서적 건강 증진과 삶의 만족도를 위해서 향후 청소년의 여가활 동참여와 관련된 중재프로그램 및 서비스를 제안하고자 할 때 기초자료로 활용되기를 기대한다.

The aim of this study was to develop a body type suitable for adult men aged from their 20s to their 40s and to present a method of drafting related patterns. To this end, the somatic surface pattern data from previous studies were used. The research method involved drafting torso patterns for each type by setting and distributing the ease to the somatic surface pattern. Appearance evaluation was performed with virtual clothing. Then, the torso pattern for each body type was completed and presented as a draft method. SPSS was used for data analysis in this study. The research results are as follows. Types 1, 2, and 3 were set to 7%, 6%, 5%; 7%, 6%, 4%; and 6.5%, 7%, and 6% for chest, waist, and hip circumference measurements, respectively. The ratio of front to back was 50%:50%, 50%:50%, and 50%:50% of the spare for each body part for Type 1; 70%:30%, 50%:50%, and 60%:40% for Type 2, and 60%:40%, 70%:30%, and 60%:40% for Type 3. A tight-fit torso pattern for each body type suitable for adult males in their 20s to 40s was drafted, which was modified and supplemented through the evaluation of the first and second virtual wear. Considering the practicality of this approach, for generalization of the patterns, the items of the pattern were converted into a drafting method and presented as a draft method.

이 논문의 목적은 빅데이터 분석기법의 하나인 연관규칙 분석법을 이용하여 소비자가 구매하는 신선식품 간의 상호 연관성을 살펴보는 것이다. 농촌진흥청의 「농식품 소비자 패널조사」에서 가공식품을 제외한 신선식품의 구매내역 정보를 이용하여 전통시장, 대형마트, 기업형 슈퍼마켓에서 나타나는 연관규칙을 계절별로 분석하였다. 소비자를 2011년을 기준년도로 하여 30, 40, 50대로 구분한 후에, 연령대･구입장소별로 도출된 연관규칙 을 매년 등장한 규칙, 빈번하게 나타난 규칙, 새로 생성된 규칙 세 가지로 구분하였다. 또한 각 연도별로 나타난 공통된 연관규칙에서 향상도의 변화를 분석하여 장바구니에서 나타나는 연관 구매의 동태적인 변화 패턴을 살펴보았다. 분석결과는 소매점포가 묶음상품을 개발하거나 매대를 구성할 때 또는 소비자에게 발송할 상품 홍보용 전단지를 만들 때 유용하게 사용될 것이다.

본 연구에서는 식품섭취량 데이터를 활용하여, 한국인의 식습관을 분석하고 관리방향을 제안하였다. 국민건강영양 조사의 원시자료를 활용하고, 국내 대표적 식품 분류체계인 식품공전을 반영해서 품목수 839개(세부품목수 1,419개)를 대상으로 실시하였다. 일일 총 식품섭취량은 1,585.77 g/day 이고, 그 중 원재료식품은 858.96 g/day(54.2%), 가공식품은 726.81 g/day(45.8%)로 산출되었다. 식품군별 식품섭취량은, 곡류가 가장 높은 비율을 차지했고, 식품섭취량 상위15위 식품군 중 90% 이상의 대상자가 섭취하는 목록으로는 곡 류(99.06%), 근채류(95.80%)로 나타났다. 품목별 분석에 의하면 주요 다소비(일일식품섭취량 1%이상 섭취, 158.6 g/ day) 및 다빈도(일일평균 국민 25% 이상 섭취, 5,168명) 품목은 쌀, 배추김치, 사과, 무, 달걀, 고추, 양파, 밀, 두부, 감자, 오이, 돼지고기로 산출되었다. 섭취빈도 중심의 상위순위 목록은 주로 한식양념 재료들이 포함되었다. 김치류는 배추김치(64.89 g/day)의 섭취량 비율이 67%로 가장 높게 나타났다. 주류의 경우 섭취량 및 섭취빈도 모두 상위 5위 안에 포함되어 있으며, 세부적인 섭취량은 맥주 (63.53 g/day), 소주(39.11 g/day), 막걸리(19.70 g/day) 순으로 높았고, 섭취빈도는 소주(11.3%), 맥주(7.2%), 청주(6.6%) 순으로 높게 산출되었다. 2010년부터 2015년도 식품섭취 량 추이에서 곡류는 꾸준하게 감소하고, 음료류는 다소 증가하는 추세였다. 주류의 섭취빈도에서는 일부 종류인 막걸리, 와인, 청주, 복분자주에서 년도별로 감소하는 경향 이었고, 김치류도 감소하는 추세였다. 식품 섭취패턴은 체내노출과 직접적인 영향이 있으며, 식품섭취량이 높은 식품과 섭취빈도가 높은 식품 모두 관리가 중요하지만, 우 리나라 섭취 특성을 고려하여 국내에 적합한 안전관리 방안 마련이 필요하다. 식품 섭취로 인한 유해오염물질의 노출량 관리를 위해서 다소비 식품은 섭취용량과 관련이 높으므로 식품의 오염도 관리 중심으로 다빈도 식품은 섭취 기간과 관련이 높으므로 섭취시 장기노출로 인한 체내축적 중심으로 접근하는 것을 권장한다.

본 연구에서는 비불소계 트리이소프로필 아민 아세테이트 (TAA) 화합믈을 사용하여 반도체 웨이퍼의 포토레지스트 패턴 건조 성능을 조사하였으며, 초임계이산화탄소 용 계면활성제로 잘 알려진 불소계 저분자량 화합물, PFPE-COOH 및 PFPE-COO-NH4 +과 비교하였다. 초임계 공정 후 얻어진 포토레지스트 패턴의 모양은 이산화탄소 압력, 온도, 시간 등 공정 처리 조건에 따라 달라졌으며, 최적의 조건에서 포토레지스트 패턴 붕괴가 거의 없는 결과를 얻을 수 있었다. TAA를 사용하는 초임계 세정은 PFPE-COOH에 비해 다소 떨어지지만 일반 습식 세정 방법보다는 우수한 패턴 형성 성능을 나타내었으며, 이것은 경제적이고 환경친화적인 새로운 계면활성제로서의 가능성을 보였다.

The road surface condition in winter is important for road maintenance and safety. To estimate the road surface condition in winter, the RWIS(Road Weather Information System) is used. However RWIS is not measured the continuous road surface information but measured the locational road surface information. To overcome the current RWIS limitation, the thermal mapping sensor which can collect the road surface condition employed in some countries. Although the thermal mapping sensor can collect the continuous road surface information, it is difficult to collect vast data due to apply few probe car. This study suggests a specific methodology for the prediction of road surface temperature using vehicular ambient temperature sensors and collect road surface and vehicular ambient temperature data on the defined survey route in 2015 and 2016 year, respectively. To find out the correlation between road surface and ambient temperature which may affect patterns of road surface temperature variation, the various weather and topographical conditions along with the test route were considered. For modelling, all types of collected temperature data should be classified into response and predictor before applying a machine learning tool such as MATLAB. In this study, collected road surface temperature are considered as response while vehicular ambient temperatures defied as predictor. Through data learning using machine learning tool, models were developed and finally compared predicted and actual temperature based on average absolute error. According to comparison results, model enables to estimate actual road surface temperature variation pattern along the roads very well. Model III is slightly better than the rest of models in terms of estimation performance. When correlation between response and predictor is high, when plenty of historical data exists, and when a lot of predictors are available, estimation performance of would be much better.

PURPOSES: This study develops various models that can estimate the pattern of road surface temperature changes using machine learning methods. METHODS : Both a thermal mapping system and weather forecast information were employed in order to collect data for developing the models. In previous studies, the authors defined road surface temperature data as a response, while vehicular ambient temperature, air temperature, and humidity were considered as predictors. In this research, two additional factors-road type and weather forecasts-were considered for the estimation of the road surface temperature change pattern. Finally, a total of six models for estimating the pattern of road surface temperature changes were developed using the MATLAB program, which provides the classification learner as a machine learning tool. RESULTS: Model 5 was considered the most superior owing to its high accuracy. It was seen that the accuracy of the model could increase when weather forecasts (e.g., Sky Status) were applied. A comparison between Models 4 and 5 showed that the influence of humidity on road surface temperature changes is negligible. CONCLUSIONS: Even though Models 4, 5, and 6 demonstrated the same performance in terms of average absolute error (AAE), Model 5 can be considered the optimal one from the point of view of accuracy.