$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

퍼지 TAM 네트워크를 이용한 건설협력업체 핵심역량모델의 패턴분석
Pattern Analysis of Core Competency Model for Subcontractors of Construction Companies Using Fuzzy TAM Network 원문보기

퍼지 및 지능시스템학회 논문지 = Journal of fuzzy logic and intelligent systems, v.16 no.1, 2006년, pp.86 - 93  

김성은 (경남대학교 산업공학과) ,  황승국 (경남대학교 산업공학과)

초록
AI-Helper 아이콘AI-Helper

생물학적으로 동기가 되는 신경망 모델에 기반한 TAM 네트워크는 특별히 패턴분석에 효과적인 모델이다. TAM 네트워크는 입력층, 카테고리층, 출력층으로 구성되어 있다. 입력 및 출력 데이터에 대한 퍼지룰은 TAM 네트워크에서 얻어진다. 각 층에서 링크와 노드를 감소하기 위한 3가지의 프루닝룰을 사용하는 TAM 네트워크를 퍼지 TAM 네트워크라고 한다. 본 논문에서는 퍼지 TAM 네트워크를 건설협력업체의 핵심역량모델의 패턴분석에 적용하고 그 유용성을 보인다.

Abstract AI-Helper 아이콘AI-Helper

The TAM(Topographic Attentive Mapping) network based on a biologically-motivated neural network model is an especially effective one for pattern analysis. It is composed of of input layer, category layer, and output layer. Fuzzy rule, for input and output data are acquired from it. The TAM network w...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

제안 방법

  • 따라서, 본 논문에서는 일반적인 건설협력업체의 평가모델을 경쟁력 향상을 위한 핵심역량 모델[3, 4, 5]로 간주하고, 기존의 연구를 기초로 하여 건설 협력업체를 평가할 수 있는 전문가들에 대한 설문조사를 통해 10개 부문 69개 평가항목을 선정하였다. 이를 건설 협력업체의 핵심역량 모델로 해서 다시 전문가들을 통해 90개의 건설 협력업체에 대한 평가와 이를 통한 등급을 결정해서 패턴 분석에 매우 효과적인 신경망 모델인 퍼지 TAM 네트워크[5-1이의 입력 및 출력데이터로 사용하였다.
  • 본 논문에서는 퍼지 TAM 네트워크를 이용하여, 건설 협력업체의 핵심역량모델의 패턴 분석을 하였다. 건설 협력업체의 핵심역량모델은 한국 종합건설사 1-3등급에 해당하는 기업의 전문가들의 설문에 의하여 10개 부문 69개의 평가항목을 선정하였다.
  • 이를 건설 협력업체의 핵심역량 모델로 해서 다시 전문가들을 통해 90개의 건설 협력업체에 대한 평가와 이를 통한 등급을 결정해서 패턴 분석에 매우 효과적인 신경망 모델인 퍼지 TAM 네트워크[5-1이의 입력 및 출력데이터로 사용하였다. 즉, 10개 부문에서 각 부문의 평가항목의 점수를 합하여 한 부문의 평가점수로 하였고, 부문에 따라 흥 요도도 차이가 날 수 있으므로 AHP(Analytic Hierarchy Process) 의 고유벡터법에 의한 가중치를 구하여서 각 부문의 가중한 평가점수를 입력 데이터로, 건설 협력업체의 평가등급을 출력데이터로 패턴분석을 실시하여 퍼지 TAM 네트워크가 건설 협력업체 핵심역량모델의 패턴 분석 도구로서 적합함을 제시하고자 한다.

대상 데이터

  • 건설 협력업체의 핵심역량모델은 한국 종합건설사 1-3등급에 해당하는 기업의 전문가들의 설문에 의하여 10개 부문 69개의 평가항목을 선정하였다.
  • 본 논문에서 사용하고자 하는 건설 협력업체의 핵심역량 모델은 기존연구[1, 2]의 평가항목을 기초로 하여 건설 협력업체평가 전문가의 설문을 통하여 선정한 10개 부문 69개 항목은 표 1과 같다. 설문을 한 기업은건설 협력업체를협력업체를 보유하고 있는 종합건설사(토건, 토목, 건축)로서, 조달청.
  • 본 논문에서 사용한 데이터는 한국종합건설사에서 건설 협력업체의 평가를 전문으로 하는 전문가들을 대상으로 하여 건설 협력업체의 핵심역량 모델에 대한 평가치, 즉 69개의 평가항목에 대한 평가치를 10개에 해당하는 각 부문으로 점수를 모으고 부문별 가중치를 고려한 가중점수를 입력데이터로 하고, 건설 협력업체를 평가한 등급을 출력데이터로 사용하였다.
  • 이를 건설 협력업체의 핵심역량 모델로 해서 다시 전문가들을 통해 90개의 건설 협력업체에 대한 평가와 이를 통한 등급을 결정해서 패턴 분석에 매우 효과적인 신경망 모델인 퍼지 TAM 네트워크[5-1이의 입력 및 출력데이터로 사용하였다. 즉, 10개 부문에서 각 부문의 평가항목의 점수를 합하여 한 부문의 평가점수로 하였고, 부문에 따라 흥 요도도 차이가 날 수 있으므로 AHP(Analytic Hierarchy Process) 의 고유벡터법에 의한 가중치를 구하여서 각 부문의 가중한 평가점수를 입력 데이터로, 건설 협력업체의 평가등급을 출력데이터로 패턴분석을 실시하여 퍼지 TAM 네트워크가 건설 협력업체 핵심역량모델의 패턴 분석 도구로서 적합함을 제시하고자 한다.
  • 퍼지 TAM 네트워크를 이용한 건설협력업체 핵심역량 모델의 패턴분석시에 90개의 건설 협력업체 중에서 45개는 모델링을 위한 트레이닝 데이터로 사용하고, 나머지 45개는 모델링의 정도를 평가하기 위한 체킹 데이터로 사용한다. 표 2 는 10개 부문에 대한 AHP의 고유벡터법으로 구한 가중치를 나타내고, 표 3은 건설 협력업체에 대한 평가 등급을 나태내고 있다.
본문요약 정보가 도움이 되었나요?

참고문헌 (10)

  1. 김성수 , 이영훈, ' AHP 기법을 응용한 건설업 협력업체 평가모형 개발에 관한 연구,' 한국경영과학회 학술대회논문집. pp.263-266,1987 

  2. 김용수, 정명근, '협력업체의 경쟁력 향상을 위한 평가체계 개선에 관한 사례 연구,' 중앙대학교 환경과학연구소 환경과학연구. 제8집, pp.65-81,1997 

  3. 이광현, 핵심역량경영, 명진출판 1995 

  4. Lyle M. Spencer, Signe M.Spence 공저, 민병모, 박동건, 박종구, 정재창 역저, 핵심역량모델이 개발과 활용, PSI컨설팅, 2000 

  5. Anntoinette D.Lucia, Richard Lepsinge 공저, 정재창, 민병모, 김종명 역저. 알기쉬운 역량모델링, PSI컨설팅, 2001 

  6. 林?, 前田利之: 'TAMNetworkのプノレ?ニンク 手法の?提.第16回ファジィシステ.£,シンポシウ , 2000 

  7. 林?, 'TAM NetworkIごJるAperturefb'J題の一考 察' 第17回ファジイシステ.£,シン求シウム 2001 

  8. I. Hayashi, J,R. Williamson : 'Acquisition of Fuzzy Knowledge from Topographic Mixture Networks with Attentional Feedback', The International Joint Conference on Neural Networks(IJCNN '01), pp.1386-1391, 2001 

  9. J,R. Williamson : 'Self-Organization of Topographic Mixture Networks Using Attentional Feedback', Neural Computation, Vol. 13, pp. 563-593, 2001 

  10. Isao Hayashi, Hiromasa Maeda, 'A Formulation of Fuzzy TAM Network with Gabor Type Receptive Fields', 2003 International Symposium on Advanced Intelligent Systems, pp.620-623, 2003 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로