[학회 후기]

11월 4일 인천대학교에서 2022 대한산업공학회 학술대회가 열렸다. 연구실에 들어온 후 처음으로 참가한 학회로 발표도 진행하였다. 해당 학회에 대해서 알기전에는 산업경영공학안에 이렇게나 다양한 연구분야가 존재하는지 알지 못했는데, 학회를 마친 후 다양한 분야를 접할 수 있어 무척이나 뜻 깊은 시간이었다. 나는 오전 B Session 발표였기에, 석사논문경진 대회를 잠시 참관할 수 있었다. 석사논문경진 대회 앞 부분 발표자들은 주로 최적화 분야에 대한 발표였는데, 기존에 우리 연구실에서 하던 분야와 도메인과 풀어나가는 방식이 전혀 다른 것이 무척이나 흥미로웠다. 그리고 실질적으로 물류 분야 등에서 문제 해결을 하는 모습이 인상깊었다. 석사논문경진대회 참관 이후에는 발표자로 참석하는 B Session에 가서 준비를 하였다. 첫 발표이고 발표장이 가득차는 정도로 인원이 많이 참가하여서 긴장한 상태에서 발표를 했던 것 같다. 발표 이후 연구 관련 질문을 받았는데 현업에서의 기여점을 물어보는 질문으로 현대모비스 담당자에게 이전에 문의했던 질문에 대한 답이 많은 도움이 되었다. 처음 참여하는 학회의 발표자로 많이 떨렸지만, 내 분야 이외의 연구에 대한 관심이나 열정이 생겨서 즐거운 경험이었다.

[발표 후기]

발표 제목 - 차량 내부 소음 예측을 위한 비전 백본 네트워크 기반 다중 출력 모델

자동차 산업에서는 소비자들의 차량 선택에 영향을 미치는 요인 중 하나가 차량 정숙성이며 이는 차량에서 발생하는 소음과 관련이 있다. 특히, 인간은 특정 주파수 소음에 지속 노출 시 스트레스와 피로감을 느끼기 때문에 차량 발생 소음을 사전에 파악하는 것은 중요하다. 차량 소음은 차량을 구성하는 부품이나 구조물을 통해 차량 내부에서 발생되며 자동차 부품 회사들은 이러한 소음을 개선하기 위해 많은 인력과 비용을 투자하고 있다. 전체 주파수 대역에서 발생하는 소음을 예측하는 선행 연구가 있었으나 주파수 대역 별 소음 수준을 파악해 소음에 대해 보다 자세하게 파악해야 할 필요가 있다. 본 연구에서는 다중 출력 구조인 인공신경망을 이용하여 11개 주파수 대역 별 차량 내부 소음을 예측하고자 한다. 수집된 센서 데이터를 단시간 푸리에 변환을 사용하여 스펙트로그램으로 변환한 후 컴퓨터 비전에서 높은 성능을 보이는 다양한 백본 네트워크를 적용하여 여러 주파수 대역 소음 수준을 예측 모델에 적절한지 파악한다. 실험을 통해 비전 백본 네트워크가 스펙트로그램에 대해서도 유의미한 성능을 보임을 증명함으로 미래에 제시될 비전 백본 네트워크를 적용하여 모델 성능 향상을 기대할 수 있다. 이러한 예측 결과를 통해 차량 내부 소음 수준을 측정하는 것을 대체 가능할 것으로 기대한다.

질문) 100Hz 단위의 주파수 대역대 별 소음을 예측한다고 했는데, 이러한 기준이 현업에서 유의미 한지?

답변) 현업에서는 100Hz 단위 주파수로 차량 소음을 예측한다면 차종의 소음 패턴을 파악할 수 있고 이것은 차량 품질의 기준이 되기 때문에 충분히 유의미한 수치의 주파수 대역대라고 볼 수 있습니다.

[청취 후기]

고객 리뷰 데이터를 활용한 언어 모델의 속성 점수 기반 고객 불만 요소 탐지 (이유경, 윤훈상, 김도윤, 고유경, 김재희, 강필성 - 고려대학교 산업경영공학과)

고객 리뷰 데이터는 제품 혹은 서비스에 대한 고객의 의견, 경험, 지식을 표현한 텍스트 데이터로 새로운 서비스를 창출해낼 수 있는 중요한 자원이다. 해당 연구에서는 AI 모델을 통해 키워드 기반으로 고객의 불만을 탐지해내려고 한다. 고객 불만 요소는 정확하게 정의하기가 어렵기 때문에 다수의 사용자가 느끼는 불만 요소를 제품군 별로 탐지하고자 한다. 제안 방법론은 감성 분석 기반과 Topic Modeling 기반의 두 파트로 나눠져 있다. 첫 번째 파트는 리뷰데이터로부터 긍/부정을 2가지 혹은 3가지의 class로 나누어 모델을 학습한다. 이때 모델의 기울기로부터 도출한 Attribution score를 도입했다. 두 번째 파트는 불만 요소에 대한 유형을 구분하고자 하며, Curriculum Pseudo Labeling(CPL)인 Self-Training 학습을 통해 결과를 고도화 했다. 실험 결과 제안 방법론을 통해 성능이 향상됨을 볼 수 있었다.해당 발표는 NLP 분야로 조금 생소했지만, 발표자가 이해하기 쉬운 그림과 글을 통해 제안 방법론에 대한 이해를 쉽게 할 수 있었다. 향후 계획으로 정성 평가를 추가할 예정인데 이때 전문가와 연구자가 같이 참여할 예정이라는 부분이 무척 인상 깊었다.