[학회후기]
2021 대한산업공학회 추계학술대회는 입학 후 처음으로 참여한 학술대회로 뜻깊은 시간이었다. 코로나 사태로 인해 온라인으로 진행되어 학회의 현장감은 느낄 수 없었지만 학회 측에서 관심 주제를 편하게 청취할 수 있도록 준비해 주신 덕분에 다른 흥미로운 주제들을 많이 접해볼 수 있었다. 이번 학회를 통해 여러 분야에서 많은 연구원들이 다양한 주제로 연구를 진행하고 있음을 실감할 수 있었고 특히 4차 산업혁명/산업인공지능 세션에서 많은 발표가 이루어져 다양한 발표를 들을 수 있는 유익한 시간이었다. 학회 발표들을 청취하며 관심 있는 연구 분야의 동향을 파악할 수 있었다. 다음 학술 대회에서는 한층 더 발전한 모습으로 발표에 임할 수 있도록 노력하고자 한다. 마지막으로, 첫 학회 준비 과정에서 자료 및 발표 준비에 다양한 조언을 주신 다른 연구원분들께 감사의 인사를 전한다. 


[발표후기]
'트랜스포머 기반 다중센서를 활용한 EPS 실차 소음 수준 예측'을 주제로 발표를 진행하였다. 차량 조향 장치인 EPS에서 수집되는 가속도 데이터를 활용하여 실차 소음 수준을 딥러닝 모델을 활용하여 예측하는 것이 연구 목표이다. 차량 산업에서는 주로 다중 센서를 활용하여 데이터를 계측하는데 이를 효과적으로 활용하기 위해서는 센서의 개별 특성을 고려하면서도 parameter 수가 과도하지 않은 모델 구조가 필요하다. 따라서 본 연구에서도 총 6가지 위치에서 계측되는 가속도 데이터에 STFT(고속 푸리에 변환)을 적용하여 스펙트로그램을 추출한 후 이를 효과적으로 사용하여 실차 소음 수준을 예측하는 모델을 제안하고자 하였다. 제안한 모델은 Vision Transformer(ViT)를 기반으로 하여 positional embedding을 변경하고 sensor embedding을 추가한 모델이다. 변경된 positional embedding은 6개 각 센서에서 추출한 스펙트로그램을 모두 균일한 patch로 분할하고 센서에 따라 반복적으로 positional embedding을 부여하는 방식이다. 이를 통해 patch가 스펙트로그램 내의 어느 위치에서 나왔는지에 대한 정보를 제공하는 것이다. sensor embedding은 동일한 스펙트로그램에서 분할된 patch는 동일한 sensor embedding 값을 부여하는 방식으로 patch가 어떤 센서에서 나왔는지에 대한 정보를 제공하기 위함이다. 최종적으로 ViT 기반의 제안 모델을 통해 적은 parameter 수를 갖지만 센서 별 특징을 반영하는 방식으로 실차 소음 예측을 할 수 있다. 실험을 통해 R2 score는 0.7 이상, MAE는 1dB 이내로 좋은 예측 성능을 보임을 확인하였다. 

질문1) 본 연구가 실제 산업에서 어떤 효용이 있는가.
실차 소음 수준 예측에서 더 나아가 소음 수준에 큰 영향을 미치는 주요 주파수 대역까지 탐지할 수 있다면 실제 산업에서 활용가능함을 차량 산업의 전문가를 통해 확인하였다.
주요 주파수 대역 탐지는 차량 소음 저감을 위한 설계에 도움이 될 수 있다.

질문2) 연구를 진행하며 겪었던 어려움이 있었는가.
EPS 가속도 데이터가 수집된 날짜에 따른 노이즈의 수준이 다르고 특정 날짜의 데이터에서만 높은 수준의 노이즈가 있음을 확인하였다.
이에 강건한 성능을 갖는 모델을 제안하기 위해 노력하였다. 


[청취후기]
1. 지능형 교차로 신호 제어 연구 1: 메타 휴리스틱 기반 지능형 다중 교차로 신호 제어 알고리즘 개발 연구 (이승엽, 박형준, 신영훈, 김병인, 최동구, 이종택)
차량 통행을 효율적으로 제어할 수 있는 지능형 교차로 신호 제어에 대한 연구를 주제로 하는 발표이다. 시뮬레이션 및 메타 휴리스틱을 활용하여 교차로의 특성을 반영한 다중 교차로의 신호 계획 최적화 방법론을 제안하였다. 실제로 대구시에 위치한 5개의 교차로에서 우수성을 보이는 결과를 확인할 수 있었다. 현실에 보편적으로 적용되기 위해서는 통행하는 모든 자동차의 수를 알아야 하는 등의 어려움이 있다는 말씀을 질의응답 시간에 해주셨는데 그럼에도 불구하고 흥미로운 연구 주제였다. 현실 문제를 딥러닝으로 해결하기 위한 다양한 연구가 수행되고 있음을 실감할 수 있었다.