기계 시스템을 포함한 공학시스템의 설계 영역은 기존의 모델 기반 해석에서 나아가 데이터 기반 설계 및 해석 영역으로 확장되고 있다. 사물 인터넷이 발달함에 따라 센서로부터 실시간의 동적 데이터가 수집되면서 기계 학습은 효과적으로 데이터를 분석할 수 있는 도구로써 더욱 주목을 받게 된다. 특히, 선박 및 해양분야에서는 원격 ...
기계 시스템을 포함한 공학시스템의 설계 영역은 기존의 모델 기반 해석에서 나아가 데이터 기반 설계 및 해석 영역으로 확장되고 있다. 사물 인터넷이 발달함에 따라 센서로부터 실시간의 동적 데이터가 수집되면서 기계 학습은 효과적으로 데이터를 분석할 수 있는 도구로써 더욱 주목을 받게 된다. 특히, 선박 및 해양분야에서는 원격 모니터링 및 진단, 제어가 가능하여 차세대 선박으로 주목받고 있는 스마트 선박에서 수집되어지는 데이터를 효과적으로 분석하기 위하여 기계 학습 기법이 활용되고 있다. 스마트 선박에서 수집되어진 선박 데이터로부터 선박의 연료 소모량을 예측하는 것은 에너지 효율 향상 및 경제적인 운항 전략을 위하여 필수적으로 요구된다. 그러나, 실제 수집되어지는 데이터는 잡음, 특이치, 편향을 포함하므로 정확하고 안정적으로 선박의 연료소모량을 예측모델을 개발하기 위한 연구가 필요하다. 본 연구에서는 기계 학습을 활용하여 선박의 연료 소모량을 예측 모델을 개발하기 위한 것으로 전처리와 기계 학습의 회귀 모델을 결합한 형태의 메타 회귀 분석을 활용하기 위한 프레임워크가 제시되었다. 프레임워크에는 데이터의 품질 향상을 위하여 데이터 대체, 데이터 군집화, 데이터 디노이징과 데이터 압축 과정을 포함한 데이터의 전처리 과정과 정확하고 신뢰할 수 있는 선박의 연료 소모량 예측 모델을 얻기 위한 메타 회귀 방법이 순차적으로 제안되었으며, 제안된 프레임워크를 사용한 실 해역 선박 운항 데이터에 대한 사례를 통하여 실제 선박 해양 데이터에 대한 효과적인 관리가 검증된다.
기계 시스템을 포함한 공학시스템의 설계 영역은 기존의 모델 기반 해석에서 나아가 데이터 기반 설계 및 해석 영역으로 확장되고 있다. 사물 인터넷이 발달함에 따라 센서로부터 실시간의 동적 데이터가 수집되면서 기계 학습은 효과적으로 데이터를 분석할 수 있는 도구로써 더욱 주목을 받게 된다. 특히, 선박 및 해양분야에서는 원격 모니터링 및 진단, 제어가 가능하여 차세대 선박으로 주목받고 있는 스마트 선박에서 수집되어지는 데이터를 효과적으로 분석하기 위하여 기계 학습 기법이 활용되고 있다. 스마트 선박에서 수집되어진 선박 데이터로부터 선박의 연료 소모량을 예측하는 것은 에너지 효율 향상 및 경제적인 운항 전략을 위하여 필수적으로 요구된다. 그러나, 실제 수집되어지는 데이터는 잡음, 특이치, 편향을 포함하므로 정확하고 안정적으로 선박의 연료소모량을 예측모델을 개발하기 위한 연구가 필요하다. 본 연구에서는 기계 학습을 활용하여 선박의 연료 소모량을 예측 모델을 개발하기 위한 것으로 전처리와 기계 학습의 회귀 모델을 결합한 형태의 메타 회귀 분석을 활용하기 위한 프레임워크가 제시되었다. 프레임워크에는 데이터의 품질 향상을 위하여 데이터 대체, 데이터 군집화, 데이터 디노이징과 데이터 압축 과정을 포함한 데이터의 전처리 과정과 정확하고 신뢰할 수 있는 선박의 연료 소모량 예측 모델을 얻기 위한 메타 회귀 방법이 순차적으로 제안되었으며, 제안된 프레임워크를 사용한 실 해역 선박 운항 데이터에 대한 사례를 통하여 실제 선박 해양 데이터에 대한 효과적인 관리가 검증된다.
Analysis and design method of mechanical systems has been expanded from model-based approach to data-based approach. With development of IoT(Internet of Things) technology, machine learning method becomes more popular as a tool for effectively analyzing a large-scale of data. In the shipbuilding and...
Analysis and design method of mechanical systems has been expanded from model-based approach to data-based approach. With development of IoT(Internet of Things) technology, machine learning method becomes more popular as a tool for effectively analyzing a large-scale of data. In the shipbuilding and marine field, the machine learning method are especially used to effectively analyze big data collected from sensor in Smart ship, which are the next-generation ships, enabling remotely monitoring, diagnosing and controlling in the integrated system. In the smart ships, prediction of ship’s fuel consumption is required for improving the ship's energy efficiency and economic operational strategy. Since the real ship maritime data, however, includes noise, outlier and bias, the study is required on accurate and reliable prediction of ship’s fuel consumption. In this study, the framework is presented to predict the ship’s fuel consumption by performing data pre-processing and generating meta-regression in combining the regression model using machine learning. The data pre-processing process includes data imputation, clustering, denoising and data compression to improve data quality. After finishing pre-processing step, meta regression analysis method is proposed sequentially to predict ship’s fuel consumption. The proposed regression model using meta machine learning is a more accurate and reliable model to predict the fuel consumption of the main engine than single machine learning method. It is verified that the proposed method correctly and stably predicts fuel consumption based on real ship maritime data using the meta-learning model, which enables effective management of vast amounts of real ship and maritime data.
Analysis and design method of mechanical systems has been expanded from model-based approach to data-based approach. With development of IoT(Internet of Things) technology, machine learning method becomes more popular as a tool for effectively analyzing a large-scale of data. In the shipbuilding and marine field, the machine learning method are especially used to effectively analyze big data collected from sensor in Smart ship, which are the next-generation ships, enabling remotely monitoring, diagnosing and controlling in the integrated system. In the smart ships, prediction of ship’s fuel consumption is required for improving the ship's energy efficiency and economic operational strategy. Since the real ship maritime data, however, includes noise, outlier and bias, the study is required on accurate and reliable prediction of ship’s fuel consumption. In this study, the framework is presented to predict the ship’s fuel consumption by performing data pre-processing and generating meta-regression in combining the regression model using machine learning. The data pre-processing process includes data imputation, clustering, denoising and data compression to improve data quality. After finishing pre-processing step, meta regression analysis method is proposed sequentially to predict ship’s fuel consumption. The proposed regression model using meta machine learning is a more accurate and reliable model to predict the fuel consumption of the main engine than single machine learning method. It is verified that the proposed method correctly and stably predicts fuel consumption based on real ship maritime data using the meta-learning model, which enables effective management of vast amounts of real ship and maritime data.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.