[논문]조선기술지식 관리를 위한 개선된 데이터 마이닝 시스템 개발

이경호; 양영순; 오준; 박종훈

조선기술지식 관리를 위한 개선된 데이터 마이닝 시스템 개발
Development of Enhanced Data Mining System for the knowledge Management in Shipbuilding 원문보기

이경호 (인하대학교 선박해양공학과) , 양영순 (서울대학교 조선해양공학과) , 오준 (인하대학교 선박해양공학과) , 박종훈 (인하대학교 선박해양공학과)

As the age of information technology is coming, companies stress the need of knowledge management. Companies construct ERP system including knowledge management. But, it is not easy to formalize knowledge in organization. we focused on data mining system by using genetic programming. But, we don't have enough data to perform the learning process of genetic programming. We have to reduce input parameter(s) or increase number of learning or training data. In order to do this, the enhanced data mining system by using GP combined with SOM(Self organizing map) is adopted in this paper. We can reduce the number of learning data by adopting SOM.

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

문제 정의

이러한 조선 분야의 특성 때문에 학습에 필요한 데이터의 개수를 줄이는 일은 매우 중요한 과제이다. 본 논문에서는 기존의 유전적 프로그래밍(Genetic Programming, »] 하 GP) 만으로 학습하던 것을 개선하여 입력 파라미터의 영향도를 인공신경망의한 종류인 SOM(Self Organizing Map, 이하 SOM)을 통하여 평가하고, 그 영향도가 높은 파라미터만 골라 학습데이터를 만들어 이를 통해 개선된 데이터 마이닝 도구를 통하여 학습한 결과와 영향도 평가 없이 학습데이터를 데이터마이닝 도구를 사용하여 나온 결과 값과의 비교를 통하여 SOM 을 통한 영향도 평가가 데이터 마이닝의 정확도에 얼마나 큰 영향을 미치며, 결과가 비슷하게 나온다면 데이터의 개수를 줄이는데 얼마나 영향을 미치는 가에 대하여 알아보고자 한다.

제안 방법

3.1에서 행한 S0M을 이용한 영향도 평가를 통하여 나온 결과를 토대로 학습데이터를 변경하였다. 수식을 통해 생성한 Data Set의 경우 영향도가 제일 낮은 파라미터 KQ의 값을 삭제하여 파라미터의 개수를 줄였고, 실험을 통해 나온 Trimaran data set의 경우에는 Zf, Hs, Sink의 값을 삭제하고 데이터 마이닝 도구를 통하여 학습 후의 결과 값을 도출하였다(3.
1에서 행한 S0M을 이용한 영향도 평가를 통하여 나온 결과를 토대로 학습데이터를 변경하였다. 수식을 통해 생성한 Data Set의 경우 영향도가 제일 낮은 파라미터 KQ의 값을 삭제하여 파라미터의 개수를 줄였고, 실험을 통해 나온 Trimaran data set의 경우에는 Zf, Hs, Sink의 값을 삭제하고 데이터 마이닝 도구를 통하여 학습 후의 결과 값을 도출하였다(3.2절의 실험방법과동일한 조건으로 각각의 실험 수행). 다음 Fig.
앞에서 행한 영향도 평가와 비교를 위하여 일단 입력 파라미터의 영향도를 측정하기 전의 학습 데이터를 가지고 데이터마이닝 도구를 통하여 학습을 시켰다. Trimaran 모형선 실험의 경우 총 50건의 데이터 중 학습 40건과 테스트 10건 PLM-GP를 사용, 세대수 1500 으로 수행하였으며, KT 데이터의 경우 총 200건의 데이터 중 150건 학습, 테스트 50건,

대상 데이터

그리고 데이터 마이닝 도구의 학습에 쓰일 데이터 2종류를 준비하였다. 한 가지는 본교 선형수조에서 실험한 모형선의 Trimaran 의 저항계수(G)를 구하는 실험 데이터 50건 (Table.
그리고 데이터 마이닝 도구의 학습에 쓰일 데이터 2종류를 준비하였다. 한 가지는 본교 선형수조에서 실험한 모형선의 Trimaran 의 저항계수(G)를 구하는 실험 데이터 50건 (Table.2)과 수식을 통하여 생성한 프로펠러의 추력 토크를 구하는 데이터 200건(Table.3)을 이용하여 테스트를 진행하고자 하였다. 먼저 Table.

이론/모형

먼저 Matlab을 이용하여 SOM Toolbox를 구성하였다. 그리고 데이터 마이닝 도구의 학습에 쓰일 데이터 2종류를 준비하였다.

성능/효과

7에서 보듯이 데이터마이닝 도구의 학습에 개선된 결과가 있다는 것을 알 수 있다. 데이터의 개수가 모자랄 경우 SOM을 이용하여 입력 파라미터를 줄여 줌으로써 데이터 마이닝 도구가 좀 더 정확한 학습을 할 수 있었고 좀 더 좋은 결과로 나타난다는 것을 확인 할 수 있었다. 즉, SOM을 활용하여 적은 수의 학습 데이터의 경우 입력 파라미터의 수를 줄임으로서 데이터의 개수를 늘인 효과를 볼 수 있었다.
데이터 마이닝 도구는 GP를 사용하여 연산을 하기 때문에 개체수와 세대수의 증가할 경우 급격한 계산시간 증가를 가져온다. 둘째, 학습데이터가 부족할 경우에 부정확성이 많이 증가한다. 셋째, 결과로 나온 수식이 알아보기 힘들 정도의 많은 수식으로 이루어져 일반적으로 사용하기 힘들다.
0058로 약간 감소했고 실제 값과 예측값의 차의 제곱의 값인 R2 또한 줄어들었다. 따라서 데이터의 개수가 부족한 경우 S0M을 이용한 영향도 평가를 통하여 입력 파라미터를 줄여 줌으로써 데이터 마이닝 도구의 학습을 좀 더 정확하게 시킬 수 있다는 결론을 얻을 수 있다.
둘째, 학습데이터가 부족할 경우에 부정확성이 많이 증가한다. 셋째, 결과로 나온 수식이 알아보기 힘들 정도의 많은 수식으로 이루어져 일반적으로 사용하기 힘들다. 위의 3가지 문제점 중 Table.
데이터의 개수가 모자랄 경우 SOM을 이용하여 입력 파라미터를 줄여 줌으로써 데이터 마이닝 도구가 좀 더 정확한 학습을 할 수 있었고 좀 더 좋은 결과로 나타난다는 것을 확인 할 수 있었다. 즉, SOM을 활용하여 적은 수의 학습 데이터의 경우 입력 파라미터의 수를 줄임으로서 데이터의 개수를 늘인 효과를 볼 수 있었다.

후속연구

앞에서 말한바와 같이, SOM을 이용하여 데이터 마이닝 도구의 학습에 필요한 데이터의 입력파라미터의 개수가 줄일 수 있다면 데이터의 개수를 줄이는 효과를 내거나 좀 더 정확한 결과의 예측모델을 만들 수 있을 것이다.
즉 경쟁학습을 통하여 입력 벡터와 가장 유사한 출력노드만이 살아남아 학습에 참여 할 수 있는 것이다. 이 특성을 이용하여 SOM을 통해 데이터마이닝 도구의 학습에 필요한 데이터에서 영향도가 높은 파라미터들을 선택하여 학습을 하게 된다면, 기존의 데이터마이닝 도구의 학습에 필요한 입력 파라미터의 개수를 줄이거나 충분한 학습에 필요한 데이터의 수량을 줄일 수 있을 것이다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

조선기술지식 관리를 위한 개선된 데이터 마이닝 시스템 개발
Development of Enhanced Data Mining System for the knowledge Management in Shipbuilding 원문보기

Abstract ▼ AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

조선기술지식 관리를 위한 개선된 데이터 마이닝 시스템 개발 Development of Enhanced Data Mining System for the knowledge Management in Shipbuilding 원문보기

Abstract ▼ AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

조선기술지식 관리를 위한 개선된 데이터 마이닝 시스템 개발
Development of Enhanced Data Mining System for the knowledge Management in Shipbuilding 원문보기

AI 본문요약
AI-Helper