논문 정보
- 제목 (Title): 데이터 변동률 기반 회귀 체인을 사용한 생분해성 섬유 원사 물성 예측 모델 개선 (Improving Biodegradable Fiber Yarn Property Prediction Model Using Data Change Rate-Based Regression Chain)
- 저자 (Authors) 및 소속 (Affiliations): 김덕엽, 류영교, 강보권, 김태환, 이우진 (경북대학교 IT대학 컴퓨터학부)
- 학회 또는 저널명 (Conference or Journal Name): 2024 한국소프트웨어종합학술대회 (KSC 2024)
- 제출일 또는 발행일 (Submission or Publication Date): 2024년
- 키워드 (Keywords): 생분해성 섬유, 물성 예측, 회귀 체인, 데이터 변동률, 상관 분석, 오류 전파
- 초록 (Abstract): 생분해성 섬유 원사는 다양한 물성을 가지며, 이들 물성 간에 종속성이 존재할 경우 **회귀 체인(Regression Chain)**을 활용하여 예측 모델의 성능을 향상시킬 수 있다. 일반적으로 데이터 간 종속성은 상관 분석으로 평가하지만, 섬유 방사 데이터는 목표 물성에 따라 우선적으로 생산되므로 데이터 수집 및 분포가 불균형하여 상관 분석 결과의 신뢰성이 떨어지는 문제가 있다. 잘못 평가된 종속성을 기반으로 회귀 체인을 적용하면 오류 전파(Error Propagation)가 발생하여 오히려 모델의 예측 성능을 저하시킬 수 있다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해, 원사 물성 데이터의 변동률을 기반으로 물성 간 종속성을 새롭게 평가하고 이를 회귀 체인에 적용하여 물성 예측 모델의 성능을 개선하는 방법을 제안한다. 원사의 물성들은 일정 범위의 연속형 데이터이므로, 특정 공정 변수에 따른 각 물성의 데이터 변동률 패턴이 유사하다면 두 물성 간에 강한 종속성이 있다고 볼 수 있다. 제안된 방법의 효과는 기존 단순 예측 모델과 데이터 변동률 기반 회귀 체인 모델의 성능 비교를 통해 검증한다.
- 주요 연구 내용 (Main Research Content/Methodology):
- 생분해성 섬유 원사 물성 예측을 위한 회귀 체인 기법의 성능 향상 방법을 제안함.
- 기존 상관 분석의 한계를 극복하기 위해 데이터 변동률 기반 종속성 평가 방법을 제안함.
- 물성 간 종속성을 정확하게 파악하여 회귀 체인에서 오류 전파 문제를 해결함.
- 제안 방법의 효과를 기존 단순 예측 모델과 비교하여 검증함.
- 주요 결과 및 결론 (Key Findings and Conclusion):
- 데이터 변동률 기반 종속성 평가가 직접 상관 분석보다 더 신뢰할 수 있는 결과를 제공함.
- 인장신도와 체인을 적용했을 때 MAE 13% 개선, MSE 20% 개선, R² 5% 개선을 달성함.
- 잘못된 종속성 평가로 인한 오류 전파 문제를 효과적으로 해결함.
- 불균형한 산업 데이터에서 변수 간 숨겨진 종속성을 파악하는 새로운 접근법을 제시함.
- 기여점 (Contributions):
- 데이터 분포가 불균형한 섬유 방사 데이터에서 기존 상관 분석의 한계를 극복하는 새로운 종속성 평가 방법을 제안함.
- 데이터 변동률 기반 분석을 통해 물성 간 실제 물리적 종속성을 더 정확하게 파악함.
- 회귀 체인에서 오류 전파 문제를 해결하여 예측 모델의 성능을 효과적으로 향상시킴.
- DOI (Digital Object Identifier): 제공되지 않음.
- 기타 식별 가능한 정보:
- 연구 분야: 인공지능, 기계 학습, 섬유 공학, 데이터 분석
- 대상 공정: 생분해성 섬유(PLA) 방사 공정
- 데이터셋: 총 1,998개의 데이터셋 (PLA 원료 용융지수 1개, 9개 방사 공정 변수, 6개 주요 물성)