본문 바로가기

분류 전체보기

 (297)
[Quality Engineering] 4. Analytic Hierarchy Process (AHP) 안녕하세요. 이번 포스팅에서는 Analytic Hierarchy Process (AHP)에 대해서 배워보도록 하겠습니다. AHP는 저번 포스팅에서 배웠었던 QFD에 속하는 방법입니다. AHP의 역사를 먼저 알아보면, 1970 년대에 Thomas L. Saaty 에 의해 개발되었습니다. AHP는 '올바른' 결정을 찾아내는 것이 주목적이 아니라, 의사 결정자의 목적에 가장 적합하거나, 문제의 이해에 알맞는 결정을 찾아줍니다. 즉, 의사 결정 문제를 구조화하고, 요소를 표현하고 정량화하며, 이러한 요소를 전반적인 목표에 연관시키고 대안 솔루션을 평가하기위한 포괄적이고 합리적인 프레임 워크를 제공합니다. AHP의 사용자는 우선 자신의 의사 결정 문제를보다 쉽게 ​​이해할 수있도록 하위 문제의 계층으로 분해합니다..
[Quality Engineering] 3. QFD 안녕하세요, 이번 포스팅에서는 품질기능전개 QFD (Quality Function Deployment)에 대해서 배워보도록 하겠습니다. 우선 QFD의 역사를 살펴보시면 Shigeru Mizuno 교수와 Yoji Akao교수에 의해 1960년대 후반에 일본에서 처음으로 고안되었습니다. 다음으로 QFD의 목적을 알아보도록 하겠습니다. ​ 1. 고객의 소리를 기술 디자인 요구로 전달 2. 고객의 니즈를 결정하고, 우선순위를 정함 3. 고객의 니즈를 제품 디자인 parameter로 전달 4. 프로젝트 기획 단계에서 조직의 노력과 기술을 조정 5. 고객의 기대를 확인 ​ 이 5가지를 한 마디로 요약하자면, QFD의 목적은 고객의 니즈의 우선순위를 정한 후, 서비스나 기술을 설계할 때, 이를 반영하는 것입니다. 예..
[Quality Engineering] 2. Bass Model 안녕하세요, 이번 포스팅에서는 바스 모델 (Bass model)에 대해서 배워보도록 하겠습니다. 바스 모델은 바스 확산 모델 (Bass diffusion model)이라고도 불립니다. Bass model은 기술 성장 곡선중 하나로, 보통 신기술이 나왔을 때 어느정도의 성장을 가지는가를 예측할 때 사용됩니다. 바스 모델은 신제품의 판매량이 2가지 요인에서 비롯된다고 고려합니다. 첫번째는 혁신 요인 (Innovation coefficient) 입니다. 혁신 요인은 신상품이 딱 나왔을 때, 그 시점에서의 얼마나 팔릴까에 대한 예상 지수입니다. 예를 들어서, 신상품의 출시전에 광고등을 통해 사람들이 기대 지수가 있겠죠? 그런것들을 모두 고려하여서 시장에 얼마나 파급력이 있을지에 대한 수치입니다. 평균적으로 0...
[Quality Engineering] 1. 품질공학이란? 안녕하세요, 이번 포스팅부터는 품질공학에 대해서 배워보도록 하겠습니다. 품질공학의 공부를 시작하기에 앞서 "품질공학이라는 학문이 무엇인가?", "우리가 품질공학을 배우는 이유는 무엇인가?" 에 대해서 알아보도록 하겠습니다. ​ 우선 위키피디아에서 찾아볼 수 있는 '품질공학'의 정의에 대해서 살펴보도록 하겠습니다 품질공학(Quality Engineering)은 제품 및 서비스 품질 보증 및 제어의 원칙과 실천에 관련된 엔지니어링 분야다. 품질공학에서 품질의 범위는 굉장히 넓습니다. 예를 들면, 전자, 자동차, 화학, 철강, 재료 등의 제조업체와 은행, 카드, 백화점, 음식점 들의 서비스 업체를 모두 포함하고 있습니다. 통계적 공정관리가 추축이었던 1980년대 초반까지는 품질 문제는 생산단계에 국한된 것으로..
표준정규분포표 ​
[신경망] 16. CNN Architecture (2) VGGNet, GoogleNet 안녕하세요, 이번 포스팅에서는 저번과 이어서 CNN의 Architecture에 대해서 배워보도록 하겠습니다. 이번에 알아볼 Architecture는 AlexNet과 ZFNet에서 오분률이 또 다시 한번 급격히 감소한 VGGNet과 GoogleNet 입니다. 우선 앞선 두 Architecture와의 차이는 네트워크의 깊이입니다. VGGNet에서는 무려 19개의 층으로 구성됩니다. 다음 그림은 VGGNet과 AlexNet의 차이를 간략하게 보여줍니다. VGGNet은 AlexNet과 한눈에 봐도 비슷한 구조를 가지고 있습니다. 층 수만 2배정도 늘어났을 뿐인데 성능은 큰 차이를 보입니다. 이 처럼 네트워크의 깊이는 모델의 성능에 매우 큰 영향을 미칩니다. VGGNet의 특징은 다음과 같습니다. ​ 1. Fil..
[신경망] 15. CNN Architecture (1) AlexNet, ZFNet 안녕하세요, 이번 포스팅부터는 CNN Architecture, 즉 지금까지 CNN 대회에서 수상을 한 작품(?)을 배워보도록 하겠습니다. 저희가 알아볼 신경망은 총 AlexNet, ZFNet, VGGNet, GoogLeNet, ResNet 총 5가지입니다. 오늘은 첫번 째 시간으으로 AlexNet, ZFNet 2가지를 알아보도록 합시다. ​ AlexNet은 오분류율이 16.4%로 그렇게 낮은 값은 아니지만, 저 당시에는 굉장한 수치였습니다. 그래프에서 보시다시피, 이전 수상작에서는 25.8%인 것을 감안하면, 엄청난 발전입니다. 이는 이전 수상작들은 shallow network의 였던 반면 AlexNet은 8개의 층을 가지기 때문으로 생각할 수 있습니다. 우선 AlexNet의 구조를 살펴보도록 하겠습니다..
[신경망] 14. Convolution Neural Network 안녕하세요, 이번 포스팅에서는 Convolution Neural Network (CNN) 에 대해서 배워보도록 하겠습니다. CNN 은 이미지 데이터를 입력값으로 받아들여서, Convolution layer를 통과하면서 Filter를 통해서 이미지의 특징을 추출합니다. ​ 예를 들어서, MNIST 데이터 셋에서 ㅋ 을 이미지 데이터로 받아들인다고 합시다. 그리고 다음과 같은 4가지 필터로 이미지의 특징을 추출해보도록 하겠습니다. 1은 흰색을 의미하고, 0은 회색, 그리고 -1은 검정색을 의미합니다. 이는 이미지의 특징을 추출할 때, 명암을 의미합니다. 위의 그림은 이미지의 특징을 추출한 결과입니다. 첫번째와 세번째에서는 수평적인 이미지의 특징이 추출되었으며, 두번째와 네번째에서는 수직적인 이미지의 특징이 ..

티스토리툴바