Earticle

HMM(Hidden Markov Model)을 이용한 어휘 인식에서 모델들의 대한 관측 확률이 이산적인 분포를 나타내며 계산량이 적은 장점이 있지만 인식률이 상대적으로 낮고 정교한 스무딩 과정이 필요한 단점이 있다. 이를 개선하기 위해 가우시안 믹스쳐 연속 확률 밀도를 이용한 CHMM(Continuous Hidden Markov Model) 모델 최적화를 위한 시스템을 제안한다. 본 논문의 시스템은 CHMM 어휘 인식에서 가우시안 믹스쳐 모델을 최적화한 인식 모델을 형상 형성 시스템 지원에 의해 제공한다. 본 논문에서 제안한 시스템을 적용한 결과 어휘 인식률에서 98.1%의 인식률을 나타내었다.

In vocabulary recognition using HMM(Hidden Markov Model) by model for the observation of a discrete probability distribution indicates the advantages of low computational complexity, but relatively low recognition rate has the disadvantage that require sophisticated smoothing process. Gaussian mixtures in order to improve them with a continuous probability density CHMM (Continuous Hidden Markov Model) model is proposed for the optimization of the library system. In this paper is system configuration thread control in recognition Gaussian mixtures model provides a model to optimize of the CHMM vocabulary recognition. The result of applying the proposed system, the recognition rate of 98.1% in vocabulary recognition, respectively.

본 논문에서는 에이다부스트를 위한 약한 학습기로 LDA(Linear Discriminant Analysis)를 적용하여 결정트리를 구성하면서 분류 성능을 향상하도록 하는 방안에 관해 다룬다. LDA는 데이터를 최적의 투사면에 투사하여 분포를 선형적 으로 표현하고 엔트로피를 최소화함으로써 차원 축소와 부류 간 관계를 효과적으로 반영한다. 이는 에이다부스트에서 일 반적으로 사용하는 CART 결정트리와 달리 속성 축과 관계없이 자유로운 각도로 데이터를 분류할 수 있어 더 유연한 구조 의 결정트리를 생성한다. LDA를 약한 학습기로 활용하기 위해서는 학습 중단 기준을 설정하는 절단(pruning) 알고리즘이 필요하며, 랜덤보다 약간 높은 성능을 가진 결정트리를 구성하는 데 초점이 맞춰진다. 논문에서는 절단 알고리즘을 통해 노이즈 비율에 따라 노드 수와 성능의 변화를 비교하고, 에이다부스트 알고리즘에 필요한 최적의 모델 수를 실험적으로 분석하여 성능에 미치는 영향에 대해 알아본다.

This paper explores an approach to enhance classification performance by employing Linear Discriminant Analysis (LDA) as a weak learner for AdaBoost, constructing decision trees in the process. LDA projects data onto an optimal subspace, linearly representing its distribution while minimizing entropy, thereby effectively capturing inter-class relationships and enabling dimensionality reduction. Unlike the commonly used CART decision trees in AdaBoost, LDA facilitates the creation of more flexible decision trees by classifying data at arbitrary angles, independent of attribute axes. To utilize LDA as a weak learner, a pruning algorithm is required to define a stopping criterion during training. The focus is on constructing decision trees with slightly higher performance than random guessing. The study compares changes in node count and performance relative to noise levels using the pruning algorithm, and experimentally analyzes the optimal number of models required for the AdaBoost algorithm. The impact of these factors on performance is also investigated.

LiDAR는 자율 주행뿐만 아니라 다양한 산업 현장에 적용되어 대상의 크기와 거리를 측정 하는 데 사용되고 있다. 이에 더하여 이 센서는 반사된 빛의 양을 바탕으로 반사 강도 영상 또한 제공한다. 이는 측정 대상의 형상에 대한 정보를 제공하여 센서 데이터 처리에 긍정적인 효과를 일으킨다. LiDAR는 고해상도가 될수록 높은 성능을 보장하지만 이는 센서 비용의 증 가를 야기하는데, 이 점은 반사 강도 영상에도 해당된다. 높은 해상도의 반사 강도 영상을 취득 하기 위해서는 고가의 장비 사용이 필수적이다. 따라서 본 연구에서는 저해상도의 반사 강도 영상을 고해상도의 영상으로 개선하는 인공지능을 개발하였다. 이를 위해서 본 연구에서는 최 적의 초해상화 신경망 모델을 위한 파라미터 분석을 수행하였다. 또한, 초해상화 알고리즘을 2,500여 장의 반사 강도 영상에 적용하여 훈련과 검증을 하였다. 결과적으로 반사 강도 영상의 해상도를 향상시켰다. 바라건대 본 연구의 결과가 향후 자율 주행 분야에 적용되어 주행환경 인식과 장애물 탐지 성능 향상에 기여할 수 있기를 기대하는 바이다.

LiDAR is used in autonomous driving and various industrial fields to measure the size and distance of an object. In addition, the sensor also provides intensity images based on the amount of reflected light. This has a positive effect on sensor data processing by providing information on the shape of the object. LiDAR guarantees higher performance as the resolution increases but at an increased cost. These conditions also apply to LiDAR intensity images. Expensive equipment is essential to acquire high-resolution LiDAR intensity images. This study developed artificial intelligence to improve low-resolution LiDAR intensity images into high-resolution ones. Therefore, this study performed parameter analysis for the optimal super-resolution neural network model. The super-resolution algorithm was trained and verified using 2,500 LiDAR intensity images. As a result, the resolution of the intensity images were improved. These results can be applied to the autonomous driving field and help improve driving environment recognition and obstacle detection performance

Modern network security has a great difficulty in cyber attack detection. In this context, this work presents an CNN-LSTM-GRU Model for cyber attack detection. AEO was used to maximize feature selection for the model, therefore lowering unnecessary data while maintaining important attack patterns. With 98% accuracy, the suggested model beats conventional GRU, LSTM, and RNN architectures according to experimental data. Computationally efficient for the proposed model achieves equivalent accuracy to the Transformer model with less number of FLOPs and parameters.

Electrical and mechanical failures in electric vehicles (EVs) during passenger operation cause significant operational losses and elevated energy consumption, amplifying range anxiety. To address this issue, we utilized 250,000 rows of real-time data from electric trolleybuses operating in Turkiye to develop a robust artificial intelligence (AI)-based optimization model for failure mitigation. Initially, Tri layered Neural Network (TNN) was employed to create a predictive function for electrical and mechanical failures, followed by comparative analyses across six optimization algorithms widely adopted in failure prediction studies. Among these, the Developed Honey Badger Algorithm with AI Approach (DHBA) emerged as the most effective, achieving a predictive accuracy improvement of 15 % over the standard Honey Badger Algorithm (HBA). The DHBA incorporates a Dynamic Fitness-Distance Balance (DFDB) mechanism and a novel spiral motion feature to enhance search precision, leading to the DHBA-FPM (Developed-Honey Badger Algorithm - Failure Prediction Model). The final DHBA-FPM model was applied to the 10 highest-density bus routes in Turkiye to predict and optimize failures. Results indicate that applying the DHBA-FPM model across these routes yielded a 3.96 % average range increase in EVs, extending the total range by approximately 79,200 km annually. It can be concluded that the model could prevent the release of 238.7 tons/year of CO2, NO, and NO2 emissions through its potential to improve both the operational efficiency and sustainability of EVs in public transit networks.

기존 SQL 쿼리 최적화 프로그램은 규칙 기반 또는 비용 추정 모델에 크게 의존하는데, 이는 복잡한 다중 조인 또는 중첩 쿼리 시나리오에서 종종 최적이 아닌 실행 계획을 생성한다. 이러한 한계를 해결하기 위해, 실행 계획을 그래프 구조로 변환하고 GCN과 GAT를 활용하여 연산자 종속성과 의미 관계를 모델링하 는 그래프 신경망 기반 쿼리 최적화 프로그램인 GQO를 제안한다. GQO는 정확한 실행 시간 예측을 위한 쿼리 임베딩을 생성하고, PostgreSQL에 삽입하여 실제 성능 향상을 위해 사용할 수 있는 최적화 힌트를 생 성한다. TPC-H 쿼리에 대한 실험 결과는 GQO가 기존 비용 모델, MLP 베이스라인, 그리고 Tree-LSTM 모 델보다 훨씬 뛰어난 성능을 보이며 평균 26% 이상의 성능이 향상되었다.

Traditional SQL query optimizers rely heavily on rule-based or cost-estimation models, which often produce suboptimal execution plans under complex multi-join or nested query scenarios. To address these limitations, we propose GQO, a Graph Neural Network-based Query Optimizer that transforms execution plans into graph structures and leverages both GCN and GAT to model operator dependencies and semantic relationships. GQO generates query embeddings for accurate execution time prediction and produces optimization hints that can be injected into PostgreSQL for real-world performance gains. Experimental results on TPC-H queries demonstrate that GQO significantly outperforms traditional Cost Models, MLP baselines, and Tree-LSTM models, achieving over 26% average performance improvement.

해안가 하폐수처리장은 수산물 세척수의 고농도 염분폐수 유입에 따른 농도부하 및 유량부하에 영향으로 일정한 처리수질을 유지하기 어려운 실정이다. 염분폐수 유입으로 슬러지의 처리효율 저하에 따라 유기물 처리 및 T-N, T-P의 처리효율도 감소한다. 이에 다양한 공정인자의 변화를 예측하여 최적의 공정인자 값을 도출하고 운영에 반영한다면 안정적인 처리에 도움이 된다. 하 폐수처리에 모델링기법을 도입하여 공정인자 변화에 따른 방류수질 검증 및 예측이 가능하다. 하지만 현장에서는 하폐수처리에 다양한 유입조건에 대해 공정운영 인자에 대한 변화를 쉽게 반영하기 어려운게 일반적인 실정이다. 이에 고농도 염분폐수 유입 에 대한 공정인자 최적화를 위해 모델링을 이용한 현장 방류수질 데이터를 재연을 하였다. 향후 유입수 및 환경조건 변화에 대 응을 위해 공정인자에 따른 방류수질 변화에 대한 예측을 연구하였다. 이는 안정적인 처리을 위한 예상 방류수질 검토와 공정 인자 변화에 대한 예측으로 공정운전에 빠른대응을 하고자 한다. 고농도 염분폐수 유입에 대한 4-stage BNR과 Media Process 를 비교평가 하였다. 또한 생물학적처리에 기본적인 MLSS농도 변화에 따라 처리수질에 대한 최적화을 예측하였다. 현장 처리 장의 효율을 구현하여 향후 하폐수처리장에 다양한 조건에 대해 처리수질을 예측하여 운영에 도움이 될 것으로 판단된다.

It is difficult to maintain a certain quality of treated water because wastewater treatment plant of coastal area is affected by the concentration and flow load according to the inflow of high-concentration NaCl wastewater from the fishery products washing water. As the sludge treatment efficiency decreases due to the inflow of NaCl wastewater and organic matter treatment efficiency of T-N and T-P also decrease. Accordingly, it is helpful for stable treatment if the optimal process factor values are derived by predicting changes in various process factors and reflected in operation. By introducing a modeling technique for sewage treatment, it is possible to verify and predict the quality of discharged water according to changes in process factors. However, in the field, it is a general situation that it is difficult to easily reflect changes in the factor values of process operation for various inflow conditions to sewage treatment. Therefore, the field effluent quality data using modeling was reproduced to optimize the process factor for the inflow of high-concentration NaCl wastewater. In order to cope with changes in influent water and environmental conditions in the future, the prediction of the change in the quality of discharged water according to process factors was studied. This aims to respond quickly to process operation by reviewing the expected discharged water quality for stable treatment and predicting changes in process factors. The 4-stage BNR and Media Process for highconcentration NaCl wastewater inflow were compared and evaluated. In addition, the optimization of sewage treatment water quality according to the MLSS concentration was studied. This is expected to be helpful for operation by predicting the quality of treated water for various environmental conditions in the future treatment plant.

최근 산업 현장에서는 디지털 트윈 기술을 이용하여 단순 자동화를 넘어선 스마트 제조 및 물류 시스템으로 진화하고 있다. 그러나, 디지털 트윈 구축 방식은 수동적 모델링에 따른 막대한 비용과 실시간성 부족 등의 문제점이 여전히 존재한다. 본 논문에서는 대규모 산업 현장의 운영 효율성과 안전성을 극대화하기 위해서 피지컬 AI와 신경망 장면 재구성 기술을 통합한 산업 환경의 운영 최적화 모델을 제안한다. 제안 모델은 다중 시점 영상 및 LiDAR 데이터를 활용하여 정밀한 센서 포즈를 추정하고, NeRF 및 3D Gaussian Splatting 기법을 통해 환경을 고충실도로 복원한다. 특히, 동적 객체 분리 알고리즘을 적용하여 정적인 배경 모델을 추출함으로써 최적의 가상환경을 구축한다. 실험 결과, 제안 모델은 물류 처리량을 기존 대비 60%(515 Pallets/hr) 이상 단축하였으며, 피지컬 AI 기반의 동적 경로 계획을 통해 물류 처리 효율을 28% 향상시키는 성과를 보였다.

Recently, in industrial sites, digital twin technology has been used to evolve into a smart manufacturing and logistics system that goes beyond simple automation. However, the digital twin construction method still has problems such as enormous cost and lack of real-time performance due to passive modeling. In this paper, we propose an operation optimization model of an industrial environment that integrates physical AI and neural network scene reconstruction technology to maximize the operational efficiency and safety of large-scale industrial sites. The proposed model estimates precise sensor poses using multi-view images and LiDAR data, and restores the environment to a high-fidelity through NeRF and 3D Gaussian Splitting techniques. In particular, by extracting a static background model by applying a dynamic object separation algorithm, an optimal virtual environment is established. As a result of the experiment, the proposed model reduced the environmental rebuilding time by more than 90% compared to the existing one, and showed the result of improving the logistics processing efficiency by 28% through physical AI-based dynamic path planning.

디지털 마케팅 캠페인을 수행하는 광고주는 매체 기획(media planning) 단계에서 비용대비 최적의 광고 성과를 만들고자 하며, 이를 위해 광고가 집행되는 광고 매체 별로 투입된 예산 대비 광고 성과의 효율을 측정하고 평가하고자 한다. 이러한 분석이 가능하기 위해서는 디지털 마케팅 캠페인이 집행되는 과정 및 그 결과에 해당하는 광고 성과 데이터가 수집 되어야 한다. 구체적으로, 광고 채널 별로 광고가 얼마나 노출되었는지, 광고에 노출된 사용자가 광고주의 사이트에 유입 되었는지, 방문 후 상품을 구매하거나 컨텐츠를 소비하였는지에 해당하는 광고 성과 데이터가 실시간으로 수집 되어야 가능하다. 디지털 기술 덕분에 수많은 사람들의 행동 이력을 실시간으로 추적하고 기록하는데 소요되는 비용이 크게 낮아졌기 때문에 광고 집행 및 성과에 대한 데이터 수집이 가능하게 되었다 (Goldfarb and Tucker 2019). 실제로 광고 매체 들은 자사의 광고 플랫폼을 통해 광고 데이터를 수집하고 있으며, 광고주를 대상으로 광고 집행 현황과 광고 성과를 요약해서 제공하고 있다. 광고주가 온라인 상에서 디지털 마케팅을 수행할 때 단일 매체에만 의존하기 보다는 시장에 존재하는 다수의 매체 상에 광고 예산을 배분하여 광고를 집행하고자 하기 때문에, 매체 별로 얼마의 광고비를 지출하는 것이 최적의 의사결정인지에 대한 답을 찾기 원한다. 최근 연구에서는 매체 간 사용자들이 중복되어 있다는 점에 착안하여, 예를 들어 A라는 매체와 B라는 매체에서 광고를 보고 상품을 구매한 경우, 두 매체 별로 동일 사용자에게 영향을 미친 기여도를 측정하는 연구가 진행된 바 있으나 (Ghose and Todri 2016), 이러한 연구는 광고 예산 최적화 관점 보다는 기여도 모델을 제시하고 성과를 측정하는 방법을 소개하고 있기 때문에 광고주 입장에서 찾고자 하는 예산 최적화에 대한 구체적인 답을 제공하지 못한다는 한계가 있다. 광고 예산 최적화를 수행해온 대표적인 연구로는 자료포괄분석(Data Envelopment Analysis) 모형이 있다. 자료포괄분석은 비모수적 선형계획법으로, 투입량에 따른 산출 효율성을 다른 의사결정단위와 상대적 관점에서 비교하여 투입량을 줄이거나 늘여야 하는지를 계산하는 방법론이다. 자료포괄분석 모형은 회귀분석과 같은 모수에 기반한 모형과 달리 구체적인 수학적 함수를 가정하지 않기 때문에, 투입량과 산출량 사이의 명확한 인과관계를 밝히기 어려운 의사결정단위들의 상대적인 효율성을 판단할 수 있다는 장점이 있다 (Charnes 외 1979). 그러나 자료포괄분석 모형은 비모수적 선형계획법으로 모수에 기반한 통계적 유의성 검정 과정이 없기 때문에 모형의 판별력을 측정할 수 없는 단점을 가지고 있으며, 최적화 해야하는 목적 함수가 비선형일 경우 적용할 수 없다는 한계를 가지고 있다. 그러나 광고 성과는 한계효용이 체감하는 비선형 함수의 형태를 갖는다는 것이 기본 가정이기 때문에, 목적함수가 선형이라는 가정을 적용할 수 없는 기존 방법론의 한계를 극복하고자 본 연구에서는 비선형 광고성과 목적함수에 대하여 다매체 포트폴리오 상에서 최적의 광고 예산 해를 구하는 모형을 제안한다. 본 연구에서 제안하는 다매체 광고 예산 배정 최적화 모형은 광고주가 최적의 광고 성과를 만들기 위하여 각 매체 별로 얼마의 예산을 배정해야 하는지를 찾아주기 위하여 설계되었다. 매체 별로 집행되는 광고비가 증가할수록 광고 성과는 점차 체감한다는 수확체감의 법칙(law of diminish returns)을 바탕으로 (Broussard 2000; Smith 외 2006; Simon & Arndt 1980), 최적화 문제의 목적함수가 볼록함수가 되도록 로그함수를 가정하여 최적화 문제에 대한 해를 항상 찾을 수 있다는 것에 대한 이론적인 지지를 받고자 하였다. <표 1> 에서 설명하는 목적함수는 광고 예산 최적해를 구하고자 하는 시점(t) 에 대해서, 로그함수를 통해 추정되는 광고 성과의 총합을 의미한다. 이 때, ai, bi 는 i번째 광고매체에 대해 관찰된 모든 과거 시점의 데이터를 사용하여 로그함수를 추정해준 파라미터 값에 해당한다. 또한, 매체별광고예산i,t 은 i번째 광고매체에 t시점에 배정된 예산이며, 동일 시점의 Σi매체별광고예산i,t 은 총광고예산t 보다 작게 설명하였다. 이는 기업의 사업계획서 상에 따른 집행 가능한 광고 예산이 사전에 정의되어 있다는 가정하에 해당 예산 한도 내에서 각 매체 별 광고 예산을 배정하는 점을 반영하였다. 제안한 다매체 광고 예산 배정 비선형 최적화 모형을 기반으로 다음과 같이 네 가지 단계로 구성되는 미디어 플래닝 자동화 프로세스를 설계하였다. 단계1 에서는 광고 매체 별 성과 데이터 및 광고 집행 예산 이력을 집계하여 관찰하고자 하는 기간 동안 광고 예산대비 성과가 얼마나 발생하였는지를 체계적으로 정리한다. 단계2 에서는 광고 예산과 광고 성과 간의 관계를 로그함수로 표현하기 위한 파라미터 추정을 수행한다. 단계3 에서는 <표 1> 에서 제시한 모형의 해를 찾기 위하여 목적함수가 로그함수인 경우에 적용할 수 있는 솔버(solver)를 사용하여 (예: Stanford 대학 Stephen Boyd 교수가 개발한 CVX) 해를 구한다. 단계4 에서는 최적화 결과를 바탕으로 광고 예산을 을 줄여야 하는 매체와, 증가해야 하는 매체를 파악하여 구체적으로 얼마나 광고 예산을 증가시키거나 감소시켜야 하는지를 확인하여 실제 광고주나 광고 에이전시 실무자에게 피드백을 받아 진행하게 된다. 이러한 프로세스를 통해 광고주가 디지털 마케팅 캠페인을 집행하고자 하는 광고 매체 별로 예산을 배정하여 최적의 광고 성과를 내도록 하는 미디어 플래닝을 자동으로 수행하게 되므로, 데이터 분석 기반의 과학적인 광고 의사결정이 가능하도록 기여한다.

Recently, a multi-facility, multi-product and multi-period industrial production-distribution planning problem has been widely investigated in Supply Chain Management (SCM). One of the key issues in the current SCM research area involves reducing both production and distribution costs. We have developed an optimization model to tackle the above problems under the restricted conditions such as transportation time and a zero inventory. Computational experiments using commercial tool Ms-Excel Solver show that the real size problems we encountered can be solved in reasonable time. The model can be used to decide an appropriate production-distribution planning problem in SCM research area.

우리나라는 60% 이상이 산간지형에 해당하며 수십 년 전부터 이러한 특성을 이용하여 수력발전소를 다수 건설하고 친환경 적인 에너지를 생산해왔다. 수력발전은 급변하는 에너지 수급에 대처할 수 있고 낙차를 이용하여 친환경적으로 에너지를 생 산한다는 장점이 있으나 댐 설립시 입지 조건에 의해 불가피하게 환경을 훼손해야 하는 경우가 많다. 따라서, 본 연구에서는 기존 발전용댐들의 장기 운영계획을 수립하고자 월별 발전량을 최대화하는 최적 저수지 운영 모형을 개발하였다. 댐 운영 모 형은 자원 최적화 분야에서 널리 이용되는 선형계획법을 기반으로 월단위로 1년 운영계획을 수립할 수 있는 형태로 구축하 였다. 선형계획법은 목적함수와 제약조건 모두 선형식으로 이루어져야 하지만 발전량 산정식은 비선형식이기 때문에 Taylor Expansion 기법을 활용하여 선형화하였다. 개발된 모형을 검토하기 위해 한강수계에 위치하는 5개 발전용댐을 대상으로 2009~2018년의 실적자료와 댐 운영 모형의 결과를 비교, 분석하였다. 결과적으로 발전용댐들의 총 최적 발전량은 총 실적 발전량보다 약 10~37% 정도 향상된 결과를 나타내었다.

In Korea, more than 60% of the whole lands are mountainous area. Since many decades ago, hydroelectric power plants have been constructed and eco-friendly energy has been produced. Hydropower can cope with the rapidly changing energy supply and demand, and produce eco-friendly energy. However, when the reservoir is built, it is often inevitable to damage the environment due to construction of large structure. In this study, the optimal reservoir operation model was developed to maximize power generation by monthly operation for long-term operation planning. The dam operation model was developed using the linear programming which is widely used in the optimal resources allocation problems. And the reservoir operation model can establish monthly operation plan for 1 year. Linear programming requires both object function and constraints to be linear. However, since the power generation equation is nonlinear, it is linearized using the Taylor Expansion technique. The optimization results were compared with the 2009-2018 historical data of five hydropower reservoirs. As a result, the total optimal generation is about 10~37% higher than the historical generation.

IoS(Internet of Sensors) means there are no limits to places or equipment with mutual cooperation sensor network. IoS system, running developers Portal site based on Web, needs the system that various developers provide IT resource form with IoS. In other words, cloud vendor has to provide high quality services to all user and mitigate the dissipation of IT resources. In this paper, we study provided open source and open API from existing developer center. Beside, we study the model which provides a substantive development circumstance using cloud computing. Also, we will suggest the guide line for the effective and reliable IoS Cloud system build up.

산업 제어 시스템(Industrial Control System, ICS) 환경에서는 현장 장비의 자원이 제한적인 경우가 많 으며 공정 데이터에 대한 이상징후가 발생했을 경우 탐지가 어려운 점이 있다. 또한, 비정형적인 데이터에 대하여 통계 및 시그니처 기반의 고정 임계값을 적용하는 방식은 기계의 오작동이나 새로운 유형의 공격 등에 대한 정확 한 탐지에 한계가 있다. 본 논문은 이상징후를 탐지하는 DQN 에이전트를 구현할 경우, 임계값을 동적으로 조정하 는 모델을 최적화하는 방안을 제안하였다. 이상징후 탐지 모델 개발을 위한 데이터셋은 SWaT 및 WADI 데이터 셋을 활용하여 실험하였다. 그 결과, 우수한 이상징후에 대한 탐지 성능을 유지하였으며, 훈련 및 추론 시간이 기 존 대비 각각 28%, 17% 감소하여 제안 방식이 효과적임을 검증하였다.

In an industrial control system (ICS) environment, resources of field equipment are often limited and it is difficult to detect when anomalies occur for process data. In addition, the method of applying fixed threshold values based on statistics and signatures to unstructured data has limitations in accurate detection of machine malfunctions or new types of attacks. This paper proposed a method to optimize a model that dynamically adjusts the threshold value when implementing a DQN agent that detects anomalies. The dataset for the development of the anomaly detection model was tested using the SWaT and WADI datasets. As a result, the excellent anomaly detection performance was maintained, and the training and inference time were reduced by 28% and 17% compared to the previous one, respectively, and the proposed method was verified to be effective.

MICE산업은 중앙정부와 지방자치단체를 중심으로 대규모 전시컨벤션시설을 지속적으 로 구축 및 확장을 통해 인프라를 갖추고 있으며, 2025년까지 증축 및 개축을 통해 7 개 이상의 컨벤션센터 신규 건립이 예정되어있다. 컨벤션센터의 특성상 높은 초기 건 립비용과 비교하여 수익성도 낮은 실정이다. 하지만, 이를 효과적이고 효율적으로 운영 하여 수익성을 높이는 방안에 대한 논의가 부족하다. 이에 본 연구에서는 컨벤션센터 의 효율적인 운영을 위해 컨벤션센터의 주요 수입원인 전시장 배정에 관한 모델을 제 시한다. 본 연구에서 제시된 모델은 기존 컨벤션센터들의 임대기준을 바탕으로 0-1 정 수계획법을 이용한 수학적 모델을 제시하였다. 본 연구에서 제안한 전시장 대관 최적화 모델을 적용하면 전시장 배정 담당자의 경 험에 의해 판단되던 전시장 대관에 관하여 수리적 근거에 기초한 배정을 통해 효율적 인 전시장 임대 배정에 도움을 줄 수 있을 것으로 보인다. 이는 전시장 재고관리에 도 움을 주며 향후 가격정책 및 임대정책 개선에도 기여 할 수 있을 것으로 보인다. 또한 향후 전시장의 조기 배정과 배정 정책의 개선을 통해 컨벤션센터 이용자의 편의성을 제고하고 전시장의 수익성 개선에도 상단한 기여가 있을 것이다. 더불어 컨벤션센터의 운영에 계량적 모델을 적용하여 이전의 컨벤션센터 연구와 차별화를 갖고 있으며, 컨 벤션센터 성과관리에서 최적화라는 새로운 연구분야를 제시하는 것에 의의가 있다.

The convention center is being built and expanded competitively led by the central government and local governments. However, due to the nature of the convention center, it is also difficult to manage due to its low profitability. In addition the exhibition organizer who is a major customer of the convention center, continues to argue over the lease. Therefore, this study presented an optimization model using the 0-1 integer planning method for allocation of exhibition halls, which are the main sources of income for convention centers. Through this research, the profitability of the convention center and the mathematical model is proposed in the decision-making method, that was allocated for rental based on the internal standards of the convention center. Also, this model can serve as a basis for determining the allocation of exhibition halls. Furthermore, the convenience of using the exhibition convention center will be promoted to customers by establishing the exhibition hall allocation policy and early allocation.

교회의 존재는 교인들로 하여금 “하나님 임재경험”을 통해 믿음과 순종의 삶을 살게 하는 것, 즉 하나님 나라의 왕적 통치 실현에 있다. 그래서 교회가 하나님의 나라를 지향하는 건강한 교회가 되려면 성령의 은혜, 목회자, 교인, 지역사회의 다양한 요소들을 고려해야만 한다. 이는 건강한 교회가 목회자나 교인들만의 노력으로 이루어지지 않기 때문이다. 그래서 건강한 교회가 되려면, 즉 하나님 임재경험과 하나님의 왕적 통치를 교회의 존재 목적에 적용하려면, 교회를 형성하는 요소들이 상호 협력하며 일체화가 되어야 한다. 이것을 설명해주는 개념이 바로 교회 최적화 모형이다. 최적화 모형(Optimization Model)은 최적화의 조건(교회건강변수)과 그에 따른 각 단계별 핵심사항(신앙생활변수)이, 가장 효과적이고 효율적인 방향으로 융합(목회철학변수)하여, 일체화된 상태(성령의 사역)를 추구하는 일련의 과정이다. 최적화의 주체는 “하나님의 주권과 섭리”에 근거한다. 그래서 최적화 모형은 가장 효과적이면서 효율적인 방향으로 융합하여 일체화된 상태를 지향하기 때문에, 절대적이라기보다는 상대적이다. 또한 최적화 모형은 크게 구성요소, 측정요소, 측정내용이 있다. 즉, 구성요소와 구성요소로부터 측정 가능한 개념으로 바꾼 측정요소와 측정내용으로 구성한다. 그래서 건강한 교회가 되기 위한 교회 최적화는 이와 같은 요소들을 균형 있게 설명하는 역할인 동시에, 개(個) 교회에 적용 가능하게 만드는 메커니즘(mechanism)이다.

In this research, it has five main goals. First, it is to comprehend about healthy church correctly. Second, it is to consider and to compare church growth from the healthy church. Third, it is to observe the role of optimization model in the healthy church and the meaning of it. Fourth, it is to recognize a process of the church optimization from the healthy church in order to understand a condition of the church optimization and a stage of it. Finally, Korean Church gives an evidence for the growth and the development as the healthy church provides these factors through these data and results. As the healthy church kingly administers and serves God by experiencing the Presence of God, the church must consider intricate elements such as Holy Spirit, a pastor, a congregation, a local church, and a community. To be specific, Church Optimization Model means that the optimized condition, which a variable of a church health is equal to a variable of a measurement and a stage of the optimization is equal to a variable of the faithful life, is merged to the most effective and effectual way by a variable of a pastoral philosophy to create unification through Holy Spirit. In addition, the optimization model consists of combined elements such as a human, devotion, and innocence. It also forms a component of the Measurement that is equal to congregations, devotion, a purpose of visiting, and contents of a measurement. These factors are the same as optimization conditions and a church analysis which include visitors, a number of worshipping times, a number of visiting, and the amount of offering. Then, the optimization stage does not only go through a process for the congregation analysis that is equal to “pastoral image→visiting→settlement→nourishment→training→ministry,” but also go through a process for the pastoral analysis that is equal to “spirituality→pastoral leadership→worship,” “preaching→program,” and “church administration.” The subject of the optimization is based on the sovereignty and the providence of God. Subsequently, this model is relative, but no absolute. Overall, Church Optimization Model explains elements of the healthy church as above, and thus it can become a very useful mechanism that is available to the local church for applying to this model.

If do not become whole optimization because enterprise's individual enterprise internal determinate improvement effort is associated with activity in enterprise SCM, competitive power can not but be extremely limited the result. Therefore, to spur in hidden cost's discovery and logistics' optimization is actuality. In this paper, as long as it is by logistics cost except empty driving if reverse logistics happens in distribution channel progressing, logistics reverse logistics' hidden cost through model that do minimization profit of logistics to look for plan that can do maximization try. Finally, is based on dual of distribution cost and profit of logistics and reverse logistics and achieves Pull, optimal system modeling that use Push system and gropes method of effective logistics cost.

글로벌 기업경영에 있어서 이익의 원천으로까지 지칭되고 있는 물류는 날로 그 중요성이 더해지고 있다. 이것은 경제활동의 산업 동맥인 물류가 단지 상품을 이동시키는 수단으로서뿐만 아니라, 기업의 경쟁우위의 원천으로 작용하고 있기 때문이다. 따라서 물적 유통비 절감을 통한 원가절감과 물류체계혁신을 통한 서비스향상은 급진하는 경쟁환경하에서 살아남기 위한 필수요건이 되었다고 할 수 있다. 이에 본 연구에서는 D사의 사례를 통해 각각의 As-is 프로세스, To-be 프로세스, To-optimize 프로세스 의 변화를 정보화 발전 단계에 접목시켜 각각의 프로세스를 대해 설명하였다. To-be 프로세스는 운영 우수성 확보를 위해 설계되었다. 본 논문에서 제시한 To-optimize 프로세스는 물류환경의 변화와 탄소배출권 문제에 신속하게 대응할 수 있는 그린비즈니스하의 물류최적화를 위해 설계되었다. 이러한 To-optimize 프로세스를 통해 To-be 프로세스 만으로 해결되지 못한 문제해결과 지속적으로 KPI를 모니터링 할 수 있는 IT기반 변화관리 관점을 제시하였다. 이는 궁극적으로 기업의 이윤극대화와 고객서비스 만족을 위한 ERP 구축 이후의 새로운 기업 혁신 방법으로 제시될 수 있을 것이다.