Earticle

본 논문에서는 스마트 빌딩 시스템과 전력망이 각각의 전력거래 희망가격을 제안하고 조정하는 양방향 전력거래 협상 기법에 심층 강화학습 기법을 적용한 전력거래 기법을 제안한다. 심층 강화학습 기법 중 하나인 deep Q network 알고리즘을 적용하여 스마트 빌딩과 전력망의 거래 희망가격을 조정하도록 하였다. 제안하는 심층 강화학습 기반 양방향 전력거래 협상 알고리즘은 학습과정에서 평균 43.78회의 협상을 통해 가격 협의에 이르는 것을 실험을 통해 확인하였 다. 또한, 본 연구에서 설정한 협상 시나리오에 따라 스마트 빌딩과 전력망이 거래 희망가격을 조정하는 과정을 실험을 통해 확인하였다.

In this paper, we propose a deep reinforcement learning algorithm-based bi-directional electricity negotiation scheme that adjusts and propose the price they want to exchange for negotiation over smart building and utility grid. By employing a deep Q network algorithm, which is a kind of deep reinforcement learning algorithm, the proposed scheme adjusts the price proposal of smart building and utility grid. From the simulation results, it can be verified that consensus on electricity price negotiation requires average of 43.78 negotiation process. The negotiation process under simulation settings and scenario can also be confirmed through the simulation results.

최근 많은 이슈가 되고 있는 4차 산업혁명 기술을 건설 분야에 적용하여 다양한 형태의 센서를 활용한 IoT의 활용가치를 높이고 근로자의 위험사항을 사전에 예방함과 동시에 건설현장에서 IoT 기반 스마트 안전관리시스템 구축을 위한 아키텍처를 개발하는 것을 목적으로 하고 있다. 이를 위해 IoT의 개념을 살펴보고, 현장 안전관리 프로세스를 근로자 편리성을 감안한 아키텍처로 개발하였다. IoT 기반 스마트 안전관리시스템 구축을 위하여 활용 가능한 위험지역을 도식화 하고, 적용 가능한 영역을 파악하였으며, 다양한 사전예측분석 알고리즘을 활용하여 안전예방에 관한 사전예측 유형을 분석하였다. 이를 바탕으로 위험지역에 대한 근로자의 동선을 파악한 후 위험지역 에 사전정보 제공을 통한 건설현장의 IoT기반 스마트 안전관리시스템을 구축하였다.

The fourth industrial revolution technology, which has become a hot topic in recent years, is applied to the construction sector to increase the value of the use of IoT by utilizing various forms of sensors, to prevent workers' risks in advance, and to develop an architecture for building an IoT-based smart safety management system at construction sites. To this end, the concept of IoT was identified and the safety management process on the ground was developed as an architecture that takes the convenience of workers into consideration. In order to build a smart safety management system, available dangerous areas were schematized, applicable areas were grasped, and various prior prediction analysis algorithms were utilized to analyze prior prediction types related to disaster prevention. Based on this, the tendency of the user in the dangerous area is grasped, and a smart safety management system based on the construction site IoT foundation is constructed by providing prior information in the dangerous area.

오늘날 제조업은 끊임없이 변화하는 시장 환경과 기술적 요구에 직면하며, 생산성 향상, 불량률 감소, 그리고 비용 절감을 위해 스마트팩토리 도입을 적극적으로 추진하고 있다. 이러한 디지털 전환은 기업의 지속 가능한 경쟁력을 확보하는 핵심 전략으로 자리 잡고 있다. 본 사례는 필름 인서트 사출 공정을 적용하는 자동차 부품 제조기업이, 직면한 높은 불량률과 현장 전문가의 노하우 의존성이라는 문제점을 해결하기 위해 사출 공정을 디지털화한 내용을 다룬다. 해당 기업은 실시간 데이터 수집 및 분석 시스템을 도입하여 불량의 숨겨진 원인을 규명하고 공정을 최적화했다. 그 도입 사례 및 효과를 분석한 결과, 불량률 20% 감소라는 가시적인 성과를 달성했다. 이 사례는 전통적인 제조업이 직면한 한계를 극복하고 디지털 전환을 통해 생산 효율성을 높이며, 지속 가능한 경쟁력을 확보하기 위한 효과적인 모델을 제시한다는 점에서 시사점을 제공한다.

This case study examines an automotive parts manufacturer that digitized its film insert injection molding process to reduce reliance on expert experience and also defects. By implementing real-time data collection and analysis, the company identified defect causes, optimized production, and achieved a 20% defect reduction, showcasing an effective model for digital transformation and sustainable competitiveness.