[학회 후기]

이번 추계 대한산업공학회는 서울대학교에서 개최되었다. 작년 데이터마이닝학회에 이어 서울대는 두번째 방문이었는데 가을인만큼 관악산의 단풍은 아주 인상 깊었다. 이번 대한산업공학회는 ‘디지털혁신을 주도하는 산업공학’이라는 주제로 진행 되었다. 그에 걸맞게 최적화, 인공지능, 생산/물류 등 다양한 분야에서 많은 연구들이 진행되고 있음을 확인할 수 있는 시간이었다.

[발표 후기]

이번 학회에서는 Explainable wafer bin map classification via hierarchical attention networks 를 주제로 발표하였다. 기존의 WBM 분류 모델에 어텐션 기법을 추가하여 분류 시 웨이퍼내 어떤 부분이 주요하게 작용했는지 볼 수 있는 모델로써 현업에서 유용하게 사용할 수 있는 내용이다.

질문1. 어텐션 결과로 나타나는 것이 로컬 패턴을 반영하는건지 단순히 다이를 나타내는 것인지?
답변. 어텐션 영역을 설정하는것에 따라 다르겠지만 이번연수에서는 다이별로 어텐션 스코어를 계산하는 방식을 적용했다.

질문2. 채널간의 상관관계가 있는 시계열 데이터인경우에도 본 연구에서 사용된 알고리즘을 사용할 수 있을까?
답변. 시계열 데이터의 경우 이미 많이 사용되고 있다. 다만 입력 형태를 맞춰주기 위한 전처리가 필요할 수 있다.

[청취 후기]

Temporal Convolutional Network를 활용한 단기 전력 수요 예측(박중민, 김준홍, 김형석, 강필성)
에너지 운영을 효율적으로 하기 위하여 전력 수요 예측은 필수적이다. 이를 정확히 예측하기 위해 최근 많은 연구가 진행되고 있다. 지난 Informs 학회에서도 에너지 그리드에 관한 연구를 아주 흥미롭게 보았었는데 이번 학회에서도 유사한 내용이 있어 특히 관심이 갔다. 전력 수요가 시계열 특성을 갖는만큼 기존에는 RNN 계열의 연구가 많이 진행되었는데 RNN 이다보니 연산도 느리고 복잡하게 구조를 만들면 정확도가 낮아지는 문제점이 있다고 한다. 이를 극복하는 방법으로 Temporal Convolutional Network 를 제안하였는데 연산도 빠르고 정확도도 개선됨을 보였다. 개인적으로 관심이 있는 분야여서 더욱 흥미롭게 들을 수 있었다.