이번 세미나를 통해 타이어 산업에서 발생할 수 있는 데이터의 불확실성에 대해 소개하였다. 소개한 불확실성의 원인은 타이어 분야 외 많은 제조업 분야에 동일하게 작용하는 불확실성의 원인이다. 해결해야 하는 문제의 난이도 및 데이터의 상태를 파악할 때 불확실성을 발생시키는 원인에 대한 감을 가지고 있으면 상당히 유용한 부분이 많을 것으로 생각된다. 또한 높은 정확성을 가진 모델임에도 Task에 따라 현업적용이 어려웠던 사례를 소개하였다. 개인적으로 도메인 데이터 이해가 상당히 중요한 부분임을 느끼고 있었는데 단편적이지만 사례 소개를 통해서 옮고 그름을 떠나 타 도메인 지식을 가진 사람의 생각을 조금이나마 공감하는 계기가 되었으면 좋겠다.

​

해결하고자 하는 문제의 도메인 지식을 아는 것은 매우 중요하다. 도메인을 알면 변수 선택, 데이터 증강이나 결측치 대체 등의 전처리에서 많은 도움을 받을 수 있기 때문이다. 예를 들어, 어떠한 정형 데이터에서 ID 변수는 중요하지 않을 수도 있다. 또한 날짜 데이터는 그 데이터의 쓰임새에 따라 중요하거나 혹은 불필요 할 수도 있다. 따라서 어떠한 프로젝트나 문제를 해결하고자 할 때 Data Description 이나 도메인 지식에 대한 메뉴얼이 주어지면 문제를 해결한 가이드라인을 얻은 것이나 마찬가지이다.

오늘은 타이어 설계 데이터에 대해 석철이 형이 소개를 해주셨다. 트레드, 카카스, 벨트 등의 타이어 구조에 대해 전반적인 설명과 타이어 제조에서 불확실성을 발생시키는 재료 비선형, 기하 비선형 등을 알 수 있었다. 또한 이러한 데이터를 통해 머신러닝에서 풀고자 하는 예시를 소개해주셨다.

이러한 Tabular Data 에서는 결측이 있는 데이터를 제거하고 남은 데이터에서 기존의 Boosting 계열 알고리즘이나 간단한 MLP로도 높은 성능을 낼 수 있다. 결측을 대체하는 것이 전체 데이터에 오류가 될 수 있기에 결측치는 대체하지 않고 제거한다고 한다. 하지만 실제로 타이어 도메인에서 클라이언트가 원하는 것은 결측이 있어도 강건한 모델을 만드는 것이다. 따라서 결측 데이터를 더욱 효율적으로 사용할 수 있도록 Semi-Supervised Learning 이나 Self-Supervised Learning 등의 방법을 적용하는 것이 의미있는 연구가 될 수 있으리라 생각한다.

이번 세미나는 "타이어 산업 데이터 특징 및 성능 예측 사례"를 주제로 진행되었다.
타이어의 구조는 트레드, 사이트 월, 카카스, 벨트, 캡 플라이, 비드, 이너라이너 등으로 구성된다. 타이어의 주요 성능은 제동, 핸들링, 승차감, 연비, 내구성능이 대표적이고 평가 방법이 매우 다양해 완성차 업체마다 다른 방법과 기준이 적용된다.
타이어 산업 데이터의 불확실성은 재료, 기하, 접촉 및 부품에서 발생하는데, 주재료인 고무는 농산물로 특성이 제각각이기 때문이다. 그럼에도 사용되는 이유는 점탄성 성질과 가공, 가격 면에서 이점이 있기 때문이다. 또한 타이어의 구동 조건에 따른 불확실성과 제조 공정에 따른 불확실성이 있다.
타이어의 연비를 머신러닝을 활용해 성능 예측한 사례를 통해 도메인 지식을 잘 이해하는 것도 중요하다는 것을 알 수 있었으며, 설명 변수의 경향이 실제 시험과 달라 실제 적용에 어려움을 갖는 경우도 알 수 있어 의미 있는 세미나가 되었다.
끝으로 타이어의 역사부터 시작하여 흥미롭게 세미나를 진행해주신 석철이형께 감사의 말을 전한다!

오늘은 타이어 도메인과 이 산업데이터에 적용된 머신러닝 적용 사례에 대해 세미나가 진행되었다. 타이어 옆면 볼록한 것은 위험하기 때문에 이를 체크하는 게 중요하다는 것을 시작으로, 먼저 타이어에서의 도메인에 대해 설명해주셨다.
타이어는 트레드와, 사이드월, 카카스,벨트 등 설명해주신 것만 7가지 종류의 구조로 이루어져 있는데 특히 카카스와 벨트는 타이어의 골격을 이뤄주는 것으로 강하면서도 유연함이 필요한 성능을 가져야 한다고 한다. 이를 위해 적층 구조로 안정성과 강도를 획득한다고 한다. 확실히 차량이라는 목숨과도 밀접하게 연결된 산업에서의 구조라서 안정성이 굉장히 강조된 형태라고 느껴졌다.
타이어는 제동, 핸드링, 승차감, 연비, 마모 성능이 대표적으로 브레이크 작동 후 거리, 노면의 상태에 따른 반응성, 소음, 진동 등을 각각의 평가를 통해 데이터를 얻을 수 있었다.
이러한 타이어 제조업에서는 큰 challenge 포인트가 불확실성이었는데,  고무가 재료에 따라 선형 관계를 띄는 것이 아닌 비선형 특성을 가질 경우 이에 대한 평가가 어렵다는 점이 있었다. 또 제품의 작동 범위가 크거나 변형이 큰 경우, 그리고 부품간의 상호작용에 의해 여러부품이 작용하여 생기는 불확실성이 분석을 어렵게 만들었다. 고무라는 재료가 이러한 불확실성이 큰 재료중 하나인데, 이 때문에 산업에서는 허용 오차를 두고 관리 기준 이내에서 제품을 생산하는 형태였다.
이 타이어 산업에서의 데이터 분석에 대한 예시로 타이어 설계 데이터로부터 회전 저항 실내 실험 결과를 예측하는 문제에 대해 설명해 주셨다. 설명 변수는 124개로 Regression 하는 문제라고 할 수 있는데, Random forest, Light GBM, Decision Treem, SVM 의 모델들을 적용해봤을 때 어느정도의 성능이 나왔고, 그중에서 Random forest방법이 0.951 수준의 정확도가 나왔다.  흥미로운 건, 예측하는 모델은 현업 엔지니어와 다른 판단을 하는 경우도 이었다는 것이다. 즉, 실제 데이터 상에서는 positive한 관계가 아닌 negetive한 형태로 보여지는 변수도 있다는 것이다. 이런 변수들을 확인하게 되면 어떤 것이 맞는지 다시 정립할 수 있는 좋은 포인트라고 느껴졌다.

타이어라는 것이 정말 많은 기술들의 집약체라고 느껴졌다. 하나하나 뜯어서 쉽게 설명해주셔서, 이걸 들은 나도 어딜 가도 타이어만큼은 재밌게 설명할 수 있겠다 싶다. 여러가지 산업 현장에서의 전문 엔지니어링과 데이터 분석과 결합되는 것은 언제나 좋은 insight가 있는 것 같다. 알기 쉽게 설명해주신 석철이형께 감사의 인사를 전한다.

이번 세미나는 타이어 산업 데이터의 특징과 성능 예측 사례에 대해 알아보는 시간이었다. 타이어는 수많은 차량 부품 중 유일하게 지면과 맞닿아 있는 부품이며, 차량의 하중을 지지하고, 구동, 제동, 조향, 충격 완화 등의 굉장히 중요한 역할을 하는 부품이다. 이러한 타이어의 구조는 생각보다 복잡한 형태의 구조를 가지고 있음을 알게 되었는데, 트레드, 사이드 월, 카카스, 벨트, 캡 플라이, 비드, 이너라이너 등의 구조로 이루어져 있다. 특히, 카카스와 벨트의 경우는 상호 힘을 지지해 주기 위해 그물과 같이 다른 각도로 적층을 해줌으로써 강성을 증가시키는 점이 흥미로웠다. 타이어의 성능 평가 방법에 대해서도 알아봤는데, 제동, 핸들링, 승차감, 연비, 마모성능 등 평가 방법도 다양하고, 완성차 업체마다 다른 방법과 기준을 적용한다고 한다. 타이어 산업 데이터의 특징은 다른 제조업과 마찬가지로 불확실성을 가지는 것이라고 할 수 있으며, 이는 재료에 의한 불확실성, 구동 조건에 따른 불확실성, 제조 공정에 따른 불확실성으로 구분할 수 있다. 따라서 타이어는 허용 오차 범위내에서 생산되는 차수마다 차이가 있을 수 밖에 없다. 타이어 산업 데이터를 활용하여 실제 Machine learning을 적용한 사례에 대해 소개가 되었는데, 타이어 설계 데이터를 이용하여 타이어의 연비 성능을 예측하는 문제에 적용한 사례였다. Machine learning을 기반으로 한 예측 모델이 실제 산업 현장에서 어떻게 적용되는지 사례를 알아보는 것은 굉장히 흥미롭다. 타이어 산업에서 적용된 사례를 다른 제조업에도 충분히 적용해 볼 수 있을 것이기 때문이다. 이번 사례는 타이어 설계와 관련된 변수 124개를 기반으로 반응변수인 회전 저항 계수를 예측하는 문제이다. 결측치/이상치 처리, 수치형 변환 등 전처리 과정을 거친 후 총 4개의 모델로 평가하여 R2 0.9 이상의 베타 테스트 결과를 얻었는데, 설명변수 값의 변화 경향성이 실제 시험결과와 다르다는 점을 발견하여 이 부분에 대한 문제해결이 필요하였다고 한다. 이 문제점 부분은 예측 모델이 단지 예측값이 잘 나오는 것 뿐만 아니라, 실제 산업 현장 적용 과정에서도 문제가 없어야 된다는 중요한 사실을 알려준 것 같다. 이번 세미나를 통해 타이어 산업에 대한 기초적인 내용부터 실제 적용 사례까지 전반적인 내용을 알 수 있어서 좋았다. 수고해준 황석철 연구원에게 감사의 인사를 전한다.

이번 세미나는 "타이어 산업 데이터 특징 및 성능 예측 사례"라는 주제로 진행됐다. 타이어는 자동차 부품 중 유일하게 지면과 맞닿아 있는 만큼 차량의 성능에 기여도가 높은 부품이다. 이러한 타이어를 제조하기 위해서는 많은 시험을 진행하게 된다. 현재는 실제 타이어를 시 제조한 이후 실험을 통해 성능평가를 진행하고 있는데 이는 비용과 시간이 많이 소요되는 작업이다. 따라서 머신러닝 기법을 적용하여 타이어의 설계 인자와 시험 조건들을 통해 시험 결과를 예측할 수 있다면 큰 비용과 시간을 줄일 수 있다. 하지만 타이어 도메인에서 수집되는 데이터는 많은 불확실성을 가지고 있다. 대표적으로 타이어의 주재료인 고무는 수확되는 지역, 날씨 등에 따라 고무의 특성이 달라지며 이에 따라 같은 실험 조건이라고 하더라도 시험의 결과가 달라질 수 있다. 또한 시험 결과를 잘 예측하는 것도 중요하지만 타이어 설계를 위해서는 설명변수의 변화에 따른 시험 결과 값이 도메인 지식과 일치해야 하는 등 다양한 제약이 따르고 있다. 이번 세미나를 통해 현재 진행 중인 프로젝트를 이해하는 데 많은 도움이 되었다. 세미나를 위해 고생해준 석철이형에게 감사의 뜻을 전한다.

금일 세미나 주제는 인공지능을 타이어 도메인에 적용한 사례 소개였다. 타이어 도메인에 인공지능을 도입하게 되면 어떠한 부분이 우리 삶을 윤택하게 하는지 알 수 있었다. 타이어가 어떻게 이루어졌는지는 처음 알게 되었는데, 생각보다 복잡하게 구성되어 있는 부분이 흥미로웠다. 생각해보면 타이어는 교통수단에 있어 가장 중요한 도구로써 이렇게 복잡하게 설계되는 것이 맞을 것 같은데, 이전에는 그냥 굴렁쇠를 고무가 감싸고 있겠지라고만 생각했었다. 흥미로운 부분이였다. 타이어에 대한 소개를 해준 뒤, 타이어 특성에 따른 타이어 데이터의 특성을 설명해주셨다. 타이어의 재료가 생각보다 민감하게 타이어 특징을 변화시킨 다는 것이 놀라웠는데, 이러한 점이 타이어 데이터의 불확실성을 야기시킨 다는 것이 흥미로웠다. 세미나 마지막 부분에선 타이어의 재료 특징을 기반하여 타이어 연비 성능을 예측한 사례를 다루어주셨다. 평소에는 들을 수 없던 여러 흥미로운 이야기를 함께 준비해주셔서 세미나를 재밌게 들을 수 있었다. 세미나 준비에 고생해주신 석철이 형에게 감사의 말씀을 전하며, 세미나 후기를 마치도록한다.

이번 세미나는 '타이어 산업 데이터 특징 및 성능 예측 사례'를 주제로 타이어 산업에서 머신러닝과 딥러닝이 어떤 데이터를 통해 어떻게 활용되는지에 대한 응용 사례였다. 세미나는 크게 타이어 도메인 소개, 타이어 구조, 타이어 성능 평가로 진행되었다.

수의사가 처음 개발한 타이어를 미쉐린 형제가 사용화했다는 역사를 시작으로 트레드, 사이드 월 등 총 7가지로 이루어진 타이어의 구조에 대해 쉽게 알 수 있었다. 그 후, 타이어의 성능을 평가하는 주요 항목(제동, 핸들링, 승차감 등)과 평가 어떤 방법으로 어떻게 데이터가 생성되는지를 알 수 있었다.

비정형 데이터에서는 사람이 정의한 hand-crafted feature가 없기 때문에 도메인 지식이 조금 부족해도 모델링을 하는데 큰 어려움이 없을 수 있지만 정형 데이터는 hand-crafted feature가 다수 존재하기 때문에 도메인 지식을 요구하는 판단이 필요한 경우가 많다.

이 세미나를 통해서 현재 진행 중인 프로젝트의 도메인에 대해서 자세히 알 수 있었고 앞으로 프로젝트를 진행하는데 있어서 큰 도움이 될 것이다. 좋은 세미나를 준비해준 석철이형에게 감사의 말씀을 전하며 세미나 후기를 마친다.

이번 세미나는 타이어 도메인에 대한 소개 및 인공지능 적용 사례에 대해 살펴보는 시간이었다.
익숙하면서도 생소한 타이어에 대해 구성 요소 및 구조 그리고 역사까지 다루었던 평소 석철이 형의 친절함이 묻어나는 세미나였다. 사실 자차를 소유하여 운전을 하는 것은 아니지만, 알아두면 향후 쓰임이 많을 유익한 내용들이었다. 특히, 타이어 산업에서 필연적으로 따르는 여러 종류의 불확실성과 그에 대한 원인, 타이어 데이터의 생성 과정까지 포괄적인 설명이 있었다. 마지막으로 이를 통한 머신러닝 기반 타이어 연비 성능 개선 사례를 살펴볼 수 있었다. 설명 변수의 변화에 따라 실제 설계안이 달라지듯 보다 연구와 산업이 맞닿아 있는 지점까지 알아 볼 수 있는 사례였다.
현업에 종사하면서 해당 도메인에 관한 전반을 다루는 세미나를 준비해주시는 연구원들 덕에 늘 양질의 도메인 배경지식과 미약하지만 현장의 시각을 배울 수 있어 감사한 마음이다. 좋은 세미나를 제공해주신 석철이 형께 감사의 말씀을 전하며 세미나 후기를 마친다.

이번 세미나는 "타이어 산업 데이터 특징 및 성능 예측 사례"의 주제로 타이어에 대한 전문적인 내용을 살펴볼 수 있는 시간이었다. 타이어는 차량의 성능을 결정짓는데 기여도가 높은 부품이다. 실제 타이어 산업의 데이터는 타이어의 재료인 고무의 특성이 쉽게 변한다는 데에서 오는 재료의 불확실성을 특징으로 갖고 있다. 또한, 구동 조건에 따라 변형이 자주 발생하는 불확실성과 제조 공정 과정에서 형상의 변화가 발생하는 불확실성 등이 있다. 이러한 불확실성을 고려하여 타이어 산업 데이터에 머신러닝을 적용한 사례로 실제 타이어 연비의 성능을 예측한 실험을 소개해주셨다. 이 때 예측 성능 뿐만 아니라 설명변수의 값 변화 경향성도 중요하여 이를 고려하고 해결한 후 업무에 활용하고 있다는 점이 흥미로웠다. 타이어의 전반적인 구조와 타이어 데이터만이 갖고 있는 특징, 실제 사례 등을 폭넓게 알아볼 수 있어 의미있었다.

금일 세미나는 타이어 산업 데이터 특징 및 성능 예측 사례를 주제로 진행되었다. 타이어에 대한 전문적인 소개를 통해 타이어와 관련하여 얻어지는 데이터의 특징을 이해하기 쉽게 소개해주셨다. 타이어 데이터는 재료, 구동 조건, 제조 공정으로 인해 불확실성을 갖는다. 이후 타이어에 대한 전문 지식을 바탕으로 데이터와 머신 러닝 적용 사례를 설명해주셔서 흥미로운 세미나였다. 유익한 세미나를 진행해 주신 석철 오빠에게 감사의 뜻을 전한다.

이번 세미나는 '타이어 산업 데이터 특징 및 성능 예측 사례'를 주제로 진행되었다. 타이어는 차량 성능에 기여도가 높은 자동차 부품으로 차량의 하중을 지지하고, 구동, 제동, 조향, 충격 완화의 역할을 수행한다. 본 세미나에서는 타이어의 세부 구조와 주요 성능에 대한 평가항목까지 구체적으로 다루었다. 이러한 타이어 산업에서 머신러닝을 위한 데이터는 불확실성 및 불균형을 가지는데 이는 타이어 재료, 구동 조건, 제조 공정에 따른 불확실성 등으로 인해 필연적인 문제점을 가진다고 한다. 끝으로는 타이어 산업에 머신러닝을 적용한 사례를 소개하며, 현업에서 머신러닝 적용의 어려움을 다시 한 번 역설하였다. 이번 세미나를 통해 타이어 산업과 해당 산업에서의 데이터가 어떤 문제점을 가지고 있고, 어떻게 처리되고 있는지를 직관적으로 알 수 있어 유익한 시간이었다. 세미나를 시청하기 이전 해당 도메인에 대한 배경지식이 0에 수렴했었는데, 현업에 계신 석철오빠의 친절한 설명 덕분에 타이어 산업에 한걸음 더 다가갈 수 있었다. 세미나를 위해 여러모로 고생해주신 석철오빠께 감사의 말씀을 전하고 싶다.