11월 6일 연세대학교에서
열린 대한산업공학회에 다녀왔다. 기억에 남는 발표는 다음과 같다.

기업 보유기술에 대한 응용기술기회 도출 방법론: 특허분류 코드와
협업 필터링의 활용

협업 필터링은 대표적인 추천 알고리즘 중 하나로, 많은 고객들로부터
얻은 기호정보에 따라 대상 고객의 관심사를 추천해주는 기법이다. 발표자는 이를 기업을 고객으로 두고
관심사를 기업이 보유한 특허기술의 IPC코드로 설정하여 협업 필터링을 적용하였다. 이를 통하여 기업이 보유하고 있는 기술적인 역량 기반으로 연구개발의 성공가능성이 높은 기술기회를 찾기 위한
방법론을 제시하였다. 특히 특허기술 간의 유사도 측​정을 통해 추천된 특허기술에 대한 기업의 예상 선호도, 이종성, 경쟁도, 관심도를
도출한 부분이 이 연구의 가장 큰 특징이라고 볼 수 있겠다.

Particle Map을 활용한 반도체 설비 불량 관리 방법
연구

Particle에 의한 웨이퍼 불량을 미리 감지하고 관리하는
것이 본 연구의 목적이다. 이를 위해 6개월 동안 수집한
particle map 데이터를 공정 및 설비 타입별로 분류하여 분석하였다. 불량 감지를 위해 웨이퍼의 단위 면적당 particle 발생 확률을
구하고 이를 NP chart에 적용하였다. 관리한계선엔지니어들이
경험적으로 알고 있는 값으로 설정하였다. 이미지와 같은 고차원데이터 분석에서는 유의미한 변수추출이 더욱더
중요해진다. 최근 각광받고 있는 딥러닝은 변수추출이 필요한 복잡한 데이터 구조 분석에 강점을 가지지만
해석이 어렵고 복잡한 파라미터 설정이 필요해 실제 활용도가 떨어진다. 반면 본 연구와 같이 원 데이터에
대한 기반 지식으로 변수를 추출해 심플한 모델을 만들 경우 해석 측면에서 매우 유용하고 실제 사용자들이 쉽게 사용할 수 있다는 장점이 있다.  

PCB Fault Detection using SURF

PCB(printed circuit borad)란 절연체 위에
전기 전도성을 지닌 도체회로를 표면에 인쇄하여 만든 얇은 판으로 전자제품의 핵심부품이다. 본 연구에서는
자동광학검사기를 이용하여 PCB의 불량을 탐지할 수 있는 방법론을 제안하였다. 이미지 데이터에서 주요 변수를 추출하기 위해 SURF(speed up
robust feature)를 이용하였다. SURF는 영상처리기법 중 하나로 여러 개의
영상으로부터 스케일, 조명, 시점 등의 환경변화에 불변하는
특징점을 찾는 알고리즘이다. 특히 그레이스케일로 변환된 정보를 이용하기 때문에 처리속도가 빠르다는 장점이
있다. 실제 불량 검사 시 PCB단위가 아닌 PCB내의 특정 위치단위로 불량 검출이 진행되므로 양품 이미지 없이 불량 유형에 대한 정보만으로 탐지 모델을
구축하는 것이 이 연구의 특징으로 볼 수 있다. 발표를 통해 SURF
뿐만 아니라 SIFT, BRIEF, ORB, FREAK 등 다양한 이미지데이터 처리기법에
대해 알 수 있었다.

데이터마이닝 기반의 인디음악 추천 서비스

추천 시스템 구축을 위한 음악 장르 분류모델이 구축이 인상적이었다. 물론
음악의 제목을 알면 쉽게 장르를 검색할 수 있지만 본 연구에서는 가사와 오디오 신호를 이용해 음악 장르를 분류할 수 있는 모델을 제안하였다. 가사를 형태소 분석 후, 일정 수준이상 등장한 단어를 추출하여 미리
정한 6장르의 특징이 뚜렷한 노래들을 위주로 데이터셋을 구성하였다. 분류
알고리즘으로는 텍스트 문서 분류에 뛰어난 나이브베이지안을 이용하였다. 오디오 신호 분석을 위해 각 노래마다 5 종류의 변수(spectral centroid, spectral
rolloff, spectal flux, ZCR, LPC)를 추출하고 k-NN 알고리즘을
이용하여 모델을 구축하였다. 추천시스템을 위한 비정형 데이터 처리에 대한 기법들을 알 수 있는 기회였다.