주요 논문
5
*2026년 기준 최근 6년 이내 논문에 한해 Impact Factor가 표기됩니다.
1
article
|
인용수 1
·
2025Analyzing New Operation Strategy of Demand-Responsive Transports Using Discrete-Event Simulation Framework
Seung-Wan Cho, Yeong-Hyun Lim, Seong-Hyeon Ju, Kyung-Min Seo
IF 3.1 (2025)
Systems
수요응답형 교통(Demand-responsive transport, DRT)은 실시간 이용자 수요에 따라 경로를 동적으로 조정함으로써 유연한 승차공유를 제공하여, 복잡한 도시 교통 요구에 적합하다. 본 연구는 DEVS(Discrete Event System Specification) 형식론을 기반으로 한 모듈형 시뮬레이션 프레임워크를 제안하고, 중간 정차 없이 직접 이동을 가능하게 하는 “급행 서비스(express service)” 전략을 도입한다. 해당 프레임워크는 주요 성과지표(KPIs)를 사용한 시나리오 기반 분석을 지원하며, 운영 전략에 대한 유연한 검증을 가능하게 한다. 두 가지 실험을 수행하였다. 첫째는 수요 및 차량대수 조건을 다양하게 하여 시뮬레이션 모델을 검증하였고, 둘째는 급행 서비스가 미치는 영향을 평가하였다. 결과는 급행 승객이 유의미하게 더 짧은 대기시간과 승차시간을 경험한 반면, 표준 승객 서비스는 안정적으로 유지됨을 보여주었다. 또한 이 전략은 자원이 제한된 조건에서도 운영 효율을 개선하였다. 본 연구는 차별화된 DRT 서비스를 평가하기 위한 구성 가능 시뮬레이션 플랫폼에 기여하며, 특히 계층화된 이동성 솔루션이 점차 요구되는 도시 환경에서 적응형 서비스 계획을 위한 실무적 통찰을 제공한다.
https://doi.org/10.3390/systems13040303
Discrete event simulation
Computer science
Event (particle physics)
Distributed computing
Simulation
Physics
2
article
|
인용수 6
·
2025Meta-Learning-Based LSTM-Autoencoder for Low-Data Anomaly Detection in Retrofitted CNC Machine Using Multi-Machine Datasets
Ji-Min Woo, Seong-Hyeon Ju, Jin-Hyeon Sung, Kyung-Min Seo
IF 3.1 (2025)
Systems
최근 제조 환경에서 디지털 방식으로 개조(retrofitted)된 장비의 사용이 크게 증가하고 있으나, 이러한 추세는 또한 효과적인 이상 탐지를 통해 안정적인 작동을 보장하는 과제를 더욱 증폭시키고 있다. 개조된 시스템은 두 가지 핵심 장애물에 직면한다. 즉, 라벨된 데이터의 심각한 부족과, 기계 및 제품 전반에 걸친 작동 패턴의 상당한 변동성이다. 본 연구는 이러한 문제를 극복하기 위해, 다중 기계 기반 태스크 정식화에서 Model-Agnostic Meta-Learning(MAML)과 Long Short-Term Memory Autoencoder(LSTM-Autoencoder)를 통합하는 새로운 이상 탐지 프레임워크를 제안한다. 다섯 축(five-axis) 컴퓨터 수치 제어(CNC) 기계 여러 대에서 수집한 시계열 데이터로 메타 태스크를 구성함으로써, 본 방법은 소수의 학습 예제만으로도 보지 못한 기계와 생산 시나리오에 신속하게 적응할 수 있게 한다. 실험 결과, 데이터가 부족한 조건에서도 제안 모델은 정확도 98.02%, F1-score 94.74%를 달성하였으며, 이는 기존의 전이 학습 접근법 대비 정확도에서 4.2%p, F1-score에서 16.9%p의 향상을 의미한다. 또한 완전히 새로운 기계 데이터에 대한 교차 검증(cross-validation)에서, 본 프레임워크는 정확도 기준으로 기존 모델보다 18.1% 더 우수한 성능을 보였으며, 이는 더 뛰어난 일반화 능력을 입증한다. 이러한 결과는 제안된 다중 기계 기반 Model-Agnostic Meta-Learning Long Short-Term Memory Autoencoder(MAML LSTM-Autoencoder)가 개조 제조 장비의 운영 효율을 크게 향상시키고 유지보수 비용을 절감하여, 궁극적으로 전체 생산성을 개선하고 실시간 산업 적용을 위한 기반을 마련할 수 있음을 시사한다.
https://doi.org/10.3390/systems13070534
Autoencoder
Anomaly detection
Computer science
Artificial intelligence
Anomaly (physics)
Machine learning
Pattern recognition (psychology)
Data mining
Deep learning
3
article
|
인용수 0
·
2025Discrete-Event Simulation Framework for Composite Warfare With Modular CFCS Modeling for Naval Combat System
Chan-Woo Kim, Seong-Hyeon Ju, Kyung-Min Seo
IF 3.6 (2025)
IEEE Access
현대 해전에서 다수의 표적이 동시에 존재하는 복합 위협에 효과적으로 대응하는 것은 점점 더 중요해지고 있다. 이러한 필요를 충족하기 위해 본 연구는 차세대 해상 전투함을 대상으로 한 복합전(composite warfare) 시나리오에 특화된 실용적 시뮬레이션 프레임워크를 제안한다. 구체적으로, 본 프레임워크는 동시 위협 평가와 동적 무기 할당을 강조한다. 제안된 프레임워크는 세 가지 주요 구성요소로 이루어진다. (1) 전함, 항공기, 미사일 및 발사체를 포함하는 전투 개체(combat entity) 모델과 그 상호작용, (2) 전투 교전을 시간 순으로 표현하는 시뮬레이션 타임라인, (3) 핵심 교전 이벤트를 부각하는 이산사건(discrete-event) 라인이다. 전투 개체의 계층적이고 모듈화된 특성을 정확히 포착하기 위해 이산 사건 시스템 명세(Discrete Event System Specification, DEVS) 형식을 채택하여, 전투 시스템을 이산사건 기반의 계층적 구조로 수학적으로 모델링한다. 제안된 DEVS 프레임워크의 독창적인 방법론적 기여는 상태 전이를 통해 무기 할당 로직을 명시적으로 표현한다는 점이며, 의사결정 시간은 상태 전이 지속시간으로 모델링된다. 또한 자원 제어 기능을 지휘 및 사격통제(command and fire control) 시스템 내에서 구조적으로 분리함으로써, 다수 위협에 대한 효율적인 병렬 대응이 가능해진다. 본 시뮬레이션 프레임워크의 유효성을 입증하기 위해 1척의 연합 함정이 16개의 적 플랫폼과 교전하는 복합전 시나리오를 대상으로 상세한 사례 연구를 수행하였다. 시뮬레이션 실험 결과, 타이밍 효과를 명시적으로 정량화하면 참여 효율이 2%에서 7%까지 향상됨이 확인되었다. 이는 최근 CFCS 연구에서 의사결정 주기(decision cycle) 민감도 분석이 충분하지 않다는 한계를 해결할 수 있음을 보여준다. 따라서 제안된 프레임워크는 복합전에 최적화된 차세대 해상 전투 시스템을 개발하는 데 있어 유용한 통찰과 실용적 함의를 제공한다.
https://doi.org/10.1109/access.2025.3648783
Modular design
DEVS
Adversary
Weapon system
Timeline
Modeling and simulation
Rotation formalisms in three dimensions
Controllability
Robustness (evolution)
Complex system
4
article
|
인용수 13
·
2025Hybrid path planning framework to integrate improved A*-DWA algorithms for enhancing path safety and efficiency
Hee-Mun Park, Seung-Wan Cho, Kyung-Min Seo
IF 4.4 (2025)
Applied Ocean Research
무인수상정(Unmanned Surface Vehicles, USVs)의 배치가 다양한 분야로 확장됨에 따라, 특히 해상 안전 및 국가 안보와 같은 분야에서 높은 수준의 항해 효율성과 안전성이 요구되는 가운데 안전하고 효율적인 경로 계획 시스템의 중요성이 점차 부각되고 있다. 기존 경로 계획 연구는 대체로 안전 또는 효율 중 하나에 초점을 맞추어 왔으나, 본 연구는 이 두 측면을 동시에 고려하는 향상된 경로 계획 프레임워크를 제안함으로써, 전통적인 전역 경로 계획(Global Path Planning, GPP) 및 국소 경로 계획(Local Path Planning, LPP)의 한계를 극복하고 경로의 안전성과 효율성을 향상시키고자 한다. 제안된 프레임워크는 안전 영역을 포함한 전역 경로 계획(GPP-SA)과 목표 및 장애물을 고려한 국소 경로 계획(LPP-GO)으로 구성된다. 이러한 구조는 USV가 다양한 환경에서 안전하고 효율적으로 항해하며 목적지에 쉽게 도달할 수 있도록 보장한다. 본 프레임워크는 시나리오 기반 검증과 통계적 검증을 포함한 다양한 실험을 통해 평가되었으며, 기존 방법들을 통합하고 개선함으로써 그 우수성이 입증되었다. 본 연구의 결과는 이러한 향상 기술을 실제 해상 환경에 적용하는 가능성을 탐색하며, 무인 해상 및 선박 항법 시스템에서의 안전하고 효율적인 경로 계획 구현에 중요한 기여를 제공한다.
https://doi.org/10.1016/j.apor.2025.104497
Path (computing)
Motion planning
Computer science
Algorithm
Mathematical optimization
Mathematics
Artificial intelligence
Computer network
5
article
|
인용수 3
·
2023Design and Implementation of Data-Based Validation and Evaluation System for Combat System Engineering
Hee-Mun Park, Mi‐Ae Jang, Yong‐Jae Kim, Hyun-Joo Jung, Kyung-Min Seo
IF 3.4 (2023)
IEEE Access
전투 시스템의 개발에는 V 프로세스의 모든 단계에서 검증 및 평가(Verification and Evaluation, V&E)가 필요하다. V 프로세스에서는 V&E 활동을 위해 두 가지 유형의 데이터를 확보해야 하는데, 요구사항 분석 단계에는 시뮬레이션 데이터가, 평가 단계에는 실제 환경 데이터가 필요하다. 본 논문에서는 V 프로세스의 모든 단계에 활용할 수 있는 데이터 기반 검증 및 평가 시스템(Data-based V&E System, DVES)을 제안한다. 제안된 시스템은 데이터 수집 모듈과 V&E 모듈로 구성된다. 데이터 수집 모듈은 두 가지 유형의 데이터를 수집하기 위한 파일 시스템이며, 실제 시스템과의 상호운용을 위해 데이터 분배 서비스 인터페이스를 포함한다. V&E 모듈은 데이터를 로드하고 잠수함의 전술적 행동을 검증하거나 레이더 시스템의 탐지 오류를 평가하는 등의 실무적 V&E 기능을 수행한다. 제안된 시스템을 시험하기 위해 잠수함 하드웨어-인-더-루프 시뮬레이션 환경에서 실험을 수행하였다. 실험 결과, 제안된 시스템은 최적화된 교전 시뮬레이션 전술을 성공적으로 검증할 수 있음을 보여주었다. 또한 레이더 성능 평가를 도출하고 어뢰 발사 절차를 검증할 수 있었다. 본 연구는 전투 시스템의 개발 단계에서 통합 V&E를 수행하기 위한 시스템을 제공하는 데 있어 유의미한 기여를 할 것으로 기대한다.
http://dx.doi.org/10.1109/access.2023.3299441
Computer science
Interoperability
Data validation
Process (computing)
Data collection
Radar
Interface (matter)
Data modeling
Service (business)
Submarine