$\require{mediawiki-texvc}$

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.

빅데이터 분석방법을 활용한 제조업 혁신성과예측 방법에 대한 연구 : 딥 러닝 알고리즘을 중심으로
Forecasting Innovation Performance via Deep Learning Algorithm: A Case of Korean Manufacturing Industry 원문보기

한국기술혁신학회 2017년도 추계학술대회 논문집, 2017 Nov. 02, 2017년, pp.499 - 510  

황정재 (건국대학교 기술경영학과) ,  김재영 (건국대학교 기술경영학과) ,  박재민 (건국대학교 기술경영학과)

초록
AI-Helper 아이콘AI-Helper

기술혁신에는 본질적인 어려움이 따르는데, 이는 상당부분 기술이 지닌 불확실성에 기인한다. 따라서 혁신 추구의 어려움을 경감에는 혁신 예측 방법론이 큰 도움이 될 수 있다. 한편 최근 빅데이터와 인공지능에 큰 관심이 이어지며 특히 알파고의 알고리즘 중 하나인 딥 러닝이 뛰어난성능을 보이고 있다. 이에 본 연구는 혁신성과 예측에 있어 딥 러닝을 이용한 방법론을 접목하여 연구를 진행하였다.. 모델 구축 및 학습에 있어 KIS 2016 데이터를 이용하였으며, 투입 요인으로는 정보 원천의 사용도와 혁신 목적을 사용하였고 산출 요인으로는 혁신 성과 지표를 구성하여 사용하였다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 연구에서는 빅데이터 분석방법을 활용하여 기업의 혁신 성과를 예측하는 알고리즘을 제시하고자 하였고 그 중 딥 러닝을 활용한 알고리즘을 통해 이를 달성하고자 하였다. 이에 딥 러닝 모델에 KIS 2016 데이터를 학습시켜 예측모델을 구축하였다.
  • 심층 신경망을 이용한 딥 러닝 모델은 여러 분야에서 활용되고 있으나 본 연구에서는 사회과학분야에서 해당 모델이 어떻게 사용되는지를 살펴보고 이를 기반으로 하여 혁신 성과 예측 모델을 구축하고자 한다.
  • 이렇게 뜨거운 관심을 받고 있는 딥 러닝 알고리즘은 이미 금융 분야나 마케팅 분야에서는 널리 사용되고 있으나(이우식, 2017) 기술경영 분야에서는 타 분야에 비해 그 연구가 미진한 편이다. 이에 본 연구에서는 뛰어난 예측 능력을 지닌 것으로 알려진 딥 러닝 알고리즘을 혁신 예측에 적용하여 불확실성을 극복하는 데에 기여하고자 한다. 이를 위하여 과학기술정책연구원에서 조사한 한국기업혁신조사 2016년 데이터(KIS 2016)을 활용하여 연구를 진행하였다.
  • 그런데 Wang & Chein(2006)은 대만 제조업 분야를 중심으로 인공신경망 모형을 활용한 혁신 성과 예측 모델을 제시한 바 있다. 해당 연구에서는 OECD Oslo Manual에 따라 대만 제조업 기업 53개를 대상으로 설문을 진행하였고, 여기에서 투입 요인을 기술 정보 원천의 활용도와 혁신 목적으로, 산출 요인을 혁신 성과로 하여 인공신경망 모형에 적용시켰다. 본 연구에서는 이를 참고하여 딥 러닝 모형을 구성하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
본 논문에서 요인 분석 결과, 투입 요인을 어떻게 세 가지로 묶었나? 요인분석 결과 투입 요인은 크게 세 가지 요인으로 묶을 수 있었다. 첫 번째 요인에 해당하는 변수들은 정보의 원천 중 민간 서비스업체, 대학 및 기타 고등교육기관, 정부, 공공, 민간 연구소, 컨퍼런스, 박람회, 전시회, 전문저널 및 서적, 협회, 조합 등 외부모임에 해당하는 변수들이었으며, 나머지 변수들은 유의미한 요인부하량을 가지지 못하여 삭제하였다. 두 번째 요인에 해당하는 변수들은 혁신 목적 중 인건비 절감, 원재료 및 에너지 비용 절감, 환경 악영향 개선, 근로자의 작업환경 또는 안전성 개선이었으며 세 번째 요인은 혁신 목적 중 제품 다양화, 진부해진 기존 제품/공정 대체, 신규시장 개척 또는 시장점유율 확대였다. 나머지 변수들은 유의미한 요인부하량을 가지지 못하여 삭제하였다. 세 요인의 cronbach's alpha 값은 모두 0.8 이상으로 높게 나타나 유의미한 요인으로 해석할 수 있었다.
딥 러닝이란? 딥 러닝은 인공신경망(artificial neural network) 구조를 이용한 모형으로 다층의 은닉층을 지닌 인공신경망 알고리즘을 의미한다(정한웅, 2016). 딥 러닝 모형은 크게 입력층, 출력층, 은닉층으로 구성되며 각각의 층에는 노드들이 존재하고 이 노드들을 가중치(weight)가 연결하는 형태이다.
딥 러닝 모형은 어떻게 구성되는가? 딥 러닝은 인공신경망(artificial neural network) 구조를 이용한 모형으로 다층의 은닉층을 지닌 인공신경망 알고리즘을 의미한다(정한웅, 2016). 딥 러닝 모형은 크게 입력층, 출력층, 은닉층으로 구성되며 각각의 층에는 노드들이 존재하고 이 노드들을 가중치(weight)가 연결하는 형태이다. 일반적인 딥 러닝 모형은 다음 (그림 1)과 같이 표현된다.
질의응답 정보가 도움이 되었나요?
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