예측모델 시스템화를 위한 연계모델 성능 및 구조 연구

• 영문명: A Study on Comparing the Performance of Linked Models for Predictive Model Systematization
• 발행기관: 한국산업기술융합학회(구. 산업기술교육훈련학회)
• 저자명: 김효관(Hyo-Kwan Kim) 홍철승(Chul-Seung Hong) 임일균(IL-Gyun Im)
• 간행물 정보: 『산업기술연구논문지』제28권 4호, 153~160쪽, 전체 8쪽
• 주제분류: 공학 > 산업공학
• 파일형태: PDF
• 발행일자: 2023.12.31

국문 초록

본 논문은 머신러닝을 활용하여 학습된 훈련결과를 타 시스템과 연계하여 서비스를 제공할 때 효율적인 방안을 실험을 통하여 제시한다. 먼저 활용한 모델은 엔지니어링 분야 교량데이터를 활용하여 바닥 슬래브 두께를 예측하는 모델을 활용하였다. 교량 중 거더교를 대상으로 분석하였으며 교량의 슬래브 두께를 예측하기 위하여 상관분석을 통해 거더 개수 및 간격을 특성 값으로 입력 받는다. 훈련결과 및 예측모델을 시스템화를 통해 저장해두고 예측 모델을 가져다 쓸 연계 시스템과의 연동 방법을 연구하였다. 첫 번째로 진행한 통신 방법에서는 Flask 활용 API 방식이 직접실행 방식보다 160배 빠르고, 연계를 위한 효율적인 방식 또한 기존의 모델 구조 및 훈련결과만 저장하지 않고 저장 시 특성에 대한 힌트 등을 같이 저장하는 구조를 적용함으로써 제2차 사용자가 쉽게 사용할 수 있는방법을 연구하였다.

영문 초록

This study entailed the development of an efficient service approach that integrates machine learning training results with other systems through experiments. The first model predicts the floor slab thickness by using bridge data from the engineering field. Girder bridge data were analyzed; correlation analysis was performed using the number of girders and spacing as characteristic values to predict the slab thickness. Storage methods for the training results and prediction models were systematized and linked to a retrieval system. As regards the communication method, the use of a Flask-based API was 160 times faster than direct execution. Further, this study focused on an efficient linkage method and implemented a design that stores not only existing model structures and training results but also hints regarding their characteristics so as to facilitate easy access by other users.

목차

Ⅰ. 서 론

Ⅱ. 이론적 고찰

Ⅲ. 연구 방법 및 실험

Ⅳ. 결 론

참고문헌

키워드

머신러닝 상관분석 거더교 Machine Learning Correlation Girder Bridge API Flask FastAPI