반응형

 과학이나 공학에서 사용되는 각종 용어에 대한 정의, 설계에서의 문제의 정의(problem definition) 등, 정의의 문제는 매우 중요하다.  그것은 그 정의에 따라 대상이 되는 사물이나 무제에 대한 본질이 거의 규정되고, 그 규정된 본질에 딸라, 그 이후의 전개가 체계적이지 목하며, 문제 해결이 어려워 진다. 

 

 

신뢰성 (信賴性, relaiability) 

  신뢰성이란 다음과 같이 정의하는 것이 일반적이다. 

 " 어떤 제품, 부품 또는 시스템이 규정된 조건하에서 지정된 기간에 걸쳐 요구되는 기능을 유지 수행하는 확률"

 

 확률로 정의 되므로, 수학적 표현 방법이 사용된다.  신뢰도라는 용어가 대신 사용되는 경우도 많다.  신뢰성이라는 용어는 제2차 대전 기간 중에 미국에서 전자장치의 고장, 수명추정과 관련하여 도입된 것으로 알려 졌다. 

 

파손(破損,  failure) 또는 고장(failure)

  신뢰성이 없는, 즉 "요구되는 기능을 수행하지 못하는 경우"를 파손(破損. failure) 또는 고장(failure) 라고 한다. 

 

  파괴(fracture) 

    파손과 비슷한 용여 파괴라는 것이 있다.  전혀 다른 개념이므로 혼동하지 않도록 하여야 한다. 파괴에 관해서도 엄밀한 정의가 있으나, 가장 쉽게 표현하면, "물체가 둘 이상으로 분리되는 현상"을 말한다.   파괴가 되지 않아도 파손이 될 수 있으며,  파괴가 되어도 파손이 되지 않는 경우가 얼마든지 가능 하다. 

 

안전성(安全性, safety)

    안전성이라는 용어는 신뢰성과 혼동하기 쉽다. 

통상적으로 안전하다라고 하는 것은 인간에 대해 피해를 줄 가능성이 거의 없는 상황을 말한다.  반대로 피해를 줄 가능성이 있는 경우 위험(危嶮, dangerous, risky)하다고 한다.  여기서 피해는 인명(人命)에 대한 것은 물론, 도난이나 경제적 활동으로서의 투자 등에 의해 발생하는 모든 것을 포함 한다. 

 

안전이란 피해 가능성과 연관된 개념으로, 본질적으로 확률적인 개념이라 말 할 수가 있다. 

안전성은 안전의 정도를 나타내는 용어로 , 다음과 같이 확률적특성을 포함한 위혐도에 의해 평가 하는 것이 일반적이다. 

 

위험도(危嶮道, risk)는 다음과 같이 정의되는 양이다. 

 

  위험도(risk) = 피해발생확률  X 피해크기

 

 용어 리스크(risk)

  위에서는 영어의 risk를 위험도라 번역하여 사용하였으나, 국내에서는 위험이라 번역하거나, 그대로 리스크(risk)라고 사용하는 경우도 많다.  대체로 위험 또는 위험이라 하면,  바람직하지 못한, 매우 부정적인 나쁘다는 위미가 강하나 risk의 의미에서 반드시 부정적인 면만 있는 것은 아니기 때문이다.  

   ex) risk-taker(모험적인 것을 즐기는 사람, 승부사), country risk (국가 신용도) risk의 의미에는, 불확실성이 매우 높아 실패할 가능성이 크다는 의미가 강하다고 보는 것이 좋을 것이다.  한편 실패하는 것은 언제나 부정적인 것만은 아니다. 

 

한편 risk(리스크)라는 용어는, 공학이나 기술 분야 뿐만 아니라, 경제 분야, 의학, 각종 과학분에서 널리 사용되고 있어,  그정의에 관해서는 약간씩 다를 수가 있다. 

 

리스크(risk, 위험도)는 위식에서 알수 있는 바와 같이, 피해 발생확률에 피해의 크기를 곱한 것으로, 발생확률보다 피해의 가능성에 중점을 두고 있다고 볼 수가 있다.  발생확률은 신뢰성과 관련된 순수학 공학적 문제일 것이나, 피해의 크기는 경제 및 사회에 미치는 영향과 밀접한 관계가 있는 문제 이며, 사람들의 인식에도 의존할 가능성이 크므로, 그 평가는 반드시 쉽지 않다고 보는 것이 좋을 것이다. 

  

  또 다른 한편,  리스크 값이 정량적으로 같다하여도,  리스크에 대한 사람의 인식(perception of risk)은 크게 다를 수 있다. 

 

안전계수(安全係數,  safety factor)

   기계공학에서와 같이, 설계에서의 재료의 강도가 문제가 되는 분야에서의 안전성을 나타내는 양으로 안전계수라는 것을 많이 사용해 오고 있다.  안전계수는 다음과 같이 정의 된다. 

 

안전계수 = 재료의 강도 / 허용응력

 

여기서 아용되는 재료의 강도와 허용응력은 각각 어떠한 하나의 확정된 특정 값으로, 평균치적 특성을 가진 값이다. 

  안전계수는, 예상한 하중과 다른 과대한 하중이 작용하는 경우 등, 설계 시 가정한 각종 조건에 대한 불확실성을 보완하기 위한 일종의 여유(margin)라는 의미가 크다.  확률적 특성을 지닌 안전성을 엄밀하게 나타내지 못한다는 결점이 있다. 기계공학에서 신뢰성 공학이 필요한 이유가 여기에 있다. 

 

 근래에는 재료의 강도와 하중의 확률적 특성을 고려한 안전계수 개념이 도입되어, 사용되는 추세에 있다. 

 

 

  위의 용어는 현업 업무에서 많이 쓰는 용어이다.  신뢰성, 위험성,  고장, 파손, 안전성, 안전계수 등이다. 

 

설비관리조직(maintenance)는 설비 유지 관리를 하는 업무를 하지만, 설비를 들여올때 위의 4가지 항목을 반드시 검토하여 설비를 들여온다.  

 

 

아래의 책의 내용을 가져온 것이다.  자세히 알고 싶으면 아래의 책을 구입하여 보면 된다. 

 

http://www.yes24.com/Product/Goods/9318530

반응형
반응형

  이야기를 시작 하며  

  나는 원래  대한민국 대기업에서 이야기하는 공무(工務: Maintenance) 부서에 20년 이상 종사한 사람이다.   직접적으로  정비 업무를 하지 않았만,  간접적으로 공무기획, 운영를 매우 오랬동안 하였다.   과거 5년 전만 해도,  특히 중공업 분야에서는 신뢰성 공학에 대한 인식이 없었다. 주로 현장 위주의 TBM(Total Productive Maintenace) 전원 참여 생산보전으로 진행 되어 있고 현재 진행 형이다.   

  

    특히나,  비정형적인 공정을 가지고 있는 조선산업의 경우는 특히 더욱 그러했다.  그리고  나는  입사 후 필드에서 직접적으로 관리하는  필드 관리자가 아니였기 때문에, 특히나 더욱 모르고 있었다.

 

  하지만,  3년 전 부터,  나는 공무기획/운영 관리자에서 벗어나서 필드관리자로 업무를 바꾸었다.   그 이후  실무를 보기 시작 하였고,   조선 공정에서도 적게 나마,    라인 공정이 있다는 것을 알았다.   라인 공정이라고 하지만,   라인에 내려오는 블럭(Block)은  비정형 블럭 이였다.   그 만큼 분석에 있어서 쉽지 않을 뿐 아니라,  다양한 케이스를 적용하여 만한다. 

 

   아래의 서적과  사내 강의 내용을 주로 인용하여 기록 하겠다. 

    -  기계계열 신뢰성 공학 기초 [GS 인터비전]

    -  R for Data Science , [Hadley Wickham]

    - 쉽게 배우는 R 텍스트 마이닝 [이지 퍼블리싱]

    - Applied Predictive Modeling [에이콘]

    - 실무 위주의 R [위키독스]

    - 사내 강의 내용 

    - 프로젝트 하면서 주로 다룬 경험 적내용

    

 

최근에 있어서 회사에 큰 변화가 있었다.  사내에서는 미래 인재 양성 프로젝트가 시작 되었다.  나도 그 프로젝트에 참여 되었고,  교육기관(카이스트)로 부터 교육도 받았다.   하지만,  교육기관으로 부터 받은 교육은 주로 딥러닝 계열의 파이썬 이다.   

 

 물론 그때,  머신러닝, 딥러닝을 전체 아우르는 교육을 약 6개월에 걸쳐서 배웠다.  물론 그때 배운 이미지 프로세싱을 통해 사내에서 큰 혁신을 이룬 것도 있다.  하지만,  여기에는 그런 내용을 기록 하지는 않는다.  

 

아래의 블로그를 통해서 기록한다. 

   

https://rdmkyg.blogspot.com/

 

오늘도 데이터

   IPTIME 공유기를 쓰면,  WOL 기능이 있다.   공유기 관리 툴에도 있고,  휴대폰에도 있다.  어찌 되었든 우분투가 있는 PC가 개인 서버용으로 사용하기 때문에,  일단 컴퓨터를 켜기 어려운 장

rdmkyg.blogspot.com

 

 

내용에 대한 구성 

 

    1. 용어정리 

        - 신뢰성 공학과 관련된 용여정리 

        - 통계와 확률 변수에 대한 용정리  

   

   2.  통계 패키지 R 설치 

      -  Windows R 설치  

      - Ubuntu 환경에서의 R 설치 

 

   3. 통계 지식 

      -통계와 확률  및 확률 분포

     - 표분 분포와 관련된 주요 확률 분포와 추정과 검정

     - 회귀 분석

     - 분산 분석 

     - 극치 분포 (지수 분포, 와이블 분포)

 

  4. 데이터 Manipulation

    - dplyr

    - stringr

    - ggplot2

  

실무에서 가장 많이 쓰였던 사례를 중심으로 하겠다.  그리고,  모든 사항에 대한 이론과 설명을 넣었고, 그것에 대한 응용문제를 넣어서 다른 사람들이 잘 알 수 있게 정리 하겠다. 

반응형
반응형

  나는 windows10과 office365 학생용 라이센스가 있습니다. 

 

라이선스를 사용하지만,  설치 후 세팅 하는데,  헤메어서 여기에 기록해 둡니다. 

 

Windows 10는 학생용 라이센스로 설치 했고,  Offce365는 앱이 아닌,  URL 웹 형식으로 되어 있습니다. 

 

이를 설치 하려면 아래와 같이 설치 해야 합니다. 

 

Office  설치

좌측 상단에 Office 설치를 클릭 하게 되면,   Office 화일을 설치 할 수 있습니다. 

 

Office 설치

자주 사용하지 않는 Case라  블로그에 기록 하여 듭니다. 

 

 

반응형

'IT 이야기' 카테고리의 다른 글

R을 쉽게 사용할 간단 R 오리엔테이션  (0) 2021.08.28
반응형

  R은 진입 장벽이 높습니다.  하지만,  진입 장벽을 낮추기 위해서는 많은 노력이 필요합니다.  하지만,  이것을 쉽게 풀고,  저녁에도 누구나 볼 수 있게 자막 처리 하면,  앞으로 R을 진입하기에는 쉬워보입니다. 

 

 

간단 R  오리엔테이션

간단 R은  영상 부분을 5분 이내 처리 할 예정 이며,  블로그에서 소스코드를 제공 할 예정 입니다.   블로그에서 간단하게 소스 코드를 작성 하고,  그리고 아주 간단하게 동영상으로 설명하는 코너 입니다.  

 

  예전에 R은  별로 사용되지 않았습니다.  하지만,  지금은 많이 사용하고 있습니다.  우리 회사  인재 육성부에서도 빅 데이터 실무 과정을 R에 대한 교육을 하고 있습니다. 

 

저는 약 5~6년 정도 사용하였는데,    약 3년 전에도 우리회사에서 사용하기에 약간 부담 스러웠던 것은 사실 입니다.  마치 개발 하는 프로그래머로 생각 되었기 때문입니다.   

 

  그런 대도 불구 하고, 저는 사내 자율 교육 과정을 신청 하여,  2019년 부터 강의를 하였습니다.   즉 현업 인원들에게 직접 강의하고 피드백 받은 것은 것도 있습니다. 

 

  교육 하면서 내용이 어렵다는 피드백이 있었고,  유익 하다는 피드백이 있었습니다.   사람마다 각자 받아 들이는 사정이 달랐기 때문입니다. 

 

아래는 유튜브에 동영상을 올린 내용 입니다.   앞으로 계속 아래와 같은 방식으로 내용을 설명 하고 영상을 링크 하는 방식 대로 진행 할 예정 입니다.  앞으로 많은 사람들이 이해 할 수 있도록 아주 간단하게 설명 하겠습니다.  

 

https://youtu.be/GPWoF3YvMyc

간단 R 오리엔테이션 동영상

 

 

반응형

'IT 이야기' 카테고리의 다른 글

office 365 학생용 버전 다운로드  (3) 2021.10.17
반응형

      자동차를 1~2년 타면 사실 잘 모르는데,   이  이상 타면 자동차에서 먼가 시크름한 냄새가 나기 시작합니다.   그 이유는  에어컨을 가동하고 나서,  에바포레이터에 습기가 남고,  습기를 제거하지 않으면 그게 나중에 곰팡이가 만들어져서,  결국 냄새가 납니다. 그 냄새에 익숙해지면 괞찮은데,   만약에 익숙하지 않다면,   아래와 같은 현상이 나타납니다. 

 

  •  기침을 지속적으로 하거나,  재채기를 함 (예전 거제어서 서울 올라가는데,  오래된 차량 옆에 앉아 있을때 발생하였습니다.
  • 때로는 멀미가 납니다.  특히 오래된 버스에서 에어컨 틀때는 정말 어지러운 냄새가 납니다. 
  •  자칫 잘못하면 감기 걸립니다.   

 

만약에 손님이라도 태우면,  거의 민망할 수준이 되겠죠.     그런데,  히터나,  에어컨을 틀지 않으면 냄새가 나지 않는데, 우리나라에서 에어컨이나  히터를 켜지 않을 경우가 얼마나 있을 까요?  거의 없을 것입니다. 

 

    아래 그림의 붕붕이  이 차량은  6개월에 한 번씩 애바 청소를 하였습니다.  에바 청소하는데 4만 원 정도 들었는데,  붕붕이를 매각하기 전 2년 동안 에바 청소를 하였습니다. 

주기적으로 에바청소 했던 붕붕이

사실  예전에 붕붕이를 몰 때,  에바 청소라는 것 자체를 모르고 있었습니다.   붕붕이도  연식이 되니까?  2년에 한 번씩 안전검사를 받게 됩니다.   안전검사원이  에어컨에 냄새가 난다고 에바 청소를 이야기하였습니다. 

 

그래서 에바 청소하였는데,    한번 청소할 때마다 4만 원 정도 들었으니,   4번 받으면 16만 원 정도 되어 지요.  물론 타다가 냄새가 심할 때, 받았습니다. 

 

   그런데,  애바 청소를 받지 않을 조건이 있는데,  자동차 하차 10분 전부터 송풍 기능을 쓰면 된다고 하는데,  심한 폭염에서 10분 정도 송풍 하기가 어려워  현실적으로 동작을 실행 하기가 어렵습니다. 

 

    우리 집 에어컨을 보면,  끌 때,  약 3분 정도  건조시간 기능이 있는 에어컨입니다.   엄청 좋은 기능이 달린 에어컨이죠.   필터 교환 이외,  나머지를 하지 않아도 깨끗하게 쓸 수 있다는 장점을 가지고 있는 에어컨입니다. 

 

   에어컨에도 있으면,  차량에도 있을 것이다 생각하고, 인터넷을 뒤져보았습니다.   한참 동안 찾아보니, 애프터 블로우라는 것이 있었습니다. 

 

    애프터 블로우는  자체 배터리를 내장 하고 있으며,  주행 중에 충전 하였다가, 시동이 끈 후  최초 10초간  송풍 시킨 후  10분 후  1분 단위로  1분씩,   30분이내 주행은 5번,   30분 이상은 10번 송풍 시키는 기능입니다.   

코코 블로워 키 감지 시간후 작동시간

 

  물론,  자체 밧데리를 내장하고 있으니,  자동차 전원에는 전혀 지장이 없는 것입니다.  블랙박스는 자동차 전원에 영향을 주는데  그것과는 조금 다릅니다. 

 

 

  그래서 애프터 블로우를 집에서 가장 가까운  자동차용품점에서 장착하였습니다.   저는 물건을 떠나서 가장 가까운 곳을 매우 좋아합니다. 

 

코코 블로워

 

 내차 백기사 아반떼 CN7에 설치하였습니다.   이에  에어컨에  있는 에바포레이터에  습기로 인한 곰팡이로부터 해방이 될 것 같습니다.  

 

  지금 제가 쓰고 있는  애프터 블로우는 장점이자 단점인 부분이 한 가지 있습니다.   

       자동차 커넥터에 직접 연결하여 쓰는 것이기 때문에,  애프터 블로우 고장 시 에어컨 작동이 안됩니다.   장점은  애프터 블로우 고장 여부를 정확하게 파악 할 수 있어, 곰팡이 제거 부분은 확신 할 수 있지만,  단점은  애프터 블로우 고장시 에어컨 작동이 안 되는 것은 번거롭죠.   커넥터를 다시 연결해야 하니까요.

 

  지금 설치 한지 얼마 되지 않아,  사실 효과성을 잘 모르겠습니다.  그리고  아반떼 CN7 상위 옵션에는 기본적으로 클러스터 이오나이저가 있기 때문에,  곰팡이가 있으면 살균하는 작용도 하고요.   그리고,  초기에는 냄새가 나면 애어컨 필터만 교체하여도 문제가 없는 경우가 대부분 이기 때문에,  효과성을 알기 어렵습니다. 

 

    이것에 대한 효과는 3~4년 정도 지나 봐야 알 것 같네요.   그럼  나중에 효과성이 증명되면,  추가로 이야기하도록 하겠습니다. 

반응형
반응형

   str_split은  문자열과 패턴을  벡터화 하는 것으로,  문장에 있는 단어를 벡터 형태로 분리 하는 것이고,  str_replace는 특정 문자열과 패턴을 바꾸어 주는 기능 이며,  gsub는 특정 문자열과 패턴을 바꾸어 주는 기능으로써, str_replace와 기능은 거의 같다.  국내에서 일반적으로 용어를 나용할때,  문자열 나누기라고 한다. 

   아래의 내용은  현업 실무에서  어려운 문제에 봉착 했을 때,  푸는 문제이다.  즉 아래의 내역을 보고,  몇 톤인지 규격을 뽑아 내는 것을 응용하는 것인데,  형태소 분석기에서는 아래와 같은 기능을 지원 하지 않는다.   

 

1. 실전 문제  

오늘 풀어야 하는 과제,  아래에 어지럽게 널려 있는 문자 중에서  TON을 골라서 내시오. 

         "OVER HEAD CRANE(MAGNET) 25TON (C-512)",

         "MAGNET CRANE(SEMI) 2.8TON C-522",

         "25TON BLOCK LOADER (PBS 5BAY)",

         "2TON(3DS 뒷편 법면쪽)",

         "LIFTING MAGPOT DEVICE(2.5TON"

 그럼 위의 문자열에서  25TON,  2.8TON, 2TON을 각각 추출하여,  정리하고자 할 때,  어떻게  해야 할까?

    아래의 패키지를 사용 할것이다. 

      stringr :   문자열은 크게 눈에 띄는 구성은 아니지만,   데이터 정리 및 준비 작업에서  큰  역할을 한다.   이것은 해들리 위컴이  가능한 쉽게 문자열 작업을 할 수 있도록 설계된  것이다. 

     오늘은  str_split,  str_replace을 사용 할 것이다. 

  이것을 하면서,  정규화 표현식도 같이 정리 할 것이다. 

 

2. 데이터의 입력 

   데이터는 벡터 형태로 입력 한다.   향후 데이터 프레임을 만들어도 벡터를 묶어서 만들기 때문에 데이터 프레임 응용 할 때도 많이 쓰인다. 

 

library(stringr)

sentence <- c("OVER HEAD CRANE(MAGNET) 25TON (C-512)",
              "MAGNET CRANE(SEMI) 2.8TON C-522",
              "25TON BLOCK LOADER (PBS 5BAY)",
              "2TON(3DS 뒷편 법면쪽)",
              "LIFTING MAGPOT DEVICE(2.5TON)"
)

 

3. str_split 벡터화 실행

  문자열 패턴만 가지고 벡터화를 실행 하였을 경우에는 우리가 원하는 답이 나오지 않는다. 즉 TON 별로 데이터가 나누어지지 않는다. 

# TON을 데이터 정규화 표현식을 안하였을 경우    
mat<-  str_split(sentence, " ", simplify = TRUE )
mat
##      [,1]       [,2]          [,3]             [,4]    [,5]     
## [1,] "OVER"     "HEAD"        "CRANE(MAGNET)"  "25TON" "(C-512)"
## [2,] "MAGNET"   "CRANE(SEMI)" "2.8TON"         "C-522" ""       
## [3,] "25TON"    "BLOCK"       "LOADER"         "(PBS"  "5BAY)"  
## [4,] "2TON(3DS" "뒷편"        "법면쪽)"        ""      ""       
## [5,] "LIFTING"  "MAGPOT"      "DEVICE(2.5TON)" ""      ""

 

 여기에서 옵션 simplify =TRUE 하면 데이터 형태가 매트릭스로 바뀌고,  FALSE 로 하면 list 형태로 반환된다. 

 

4. 데이터 정규화 표현식 이용 특수문자 제거 

gsub를 이용하여, 특수문자 괄호를 제거하니,   데이터를 분리 할 수 있는 형태로 바뀌었다.  

 

# 정규화 표현식을 사용하여 특수문자를 제거한 경우 
sentence1  <- gsub("\\)", " ", sentence)
sentence1  <- gsub("\\(", " ", sentence1)
sentence1
## [1] "OVER HEAD CRANE MAGNET  25TON  C-512 "
## [2] "MAGNET CRANE SEMI  2.8TON C-522"      
## [3] "25TON BLOCK LOADER  PBS 5BAY "        
## [4] "2TON 3DS 뒷편 법면쪽 "                
## [5] "LIFTING MAGPOT DEVICE 2.5TON "

str_replace를 이용하여, 특수문자 괄호를 제거하여 보았다.  물론 앞에 것과 같은 결과가 나왔다. 

 

sentence1 <-  str_replace(sentence, "\\)", "")
sentence1 <-  str_replace(sentence1, "\\(", "")
sentence1
## [1] "OVER HEAD CRANEMAGNET 25TON (C-512)" "MAGNET CRANESEMI 2.8TON C-522"      
## [3] "25TON BLOCK LOADER PBS 5BAY"         "2TON3DS 뒷편 법면쪽"                
## [5] "LIFTING MAGPOT DEVICE2.5TON"

 

둘중에 어느것이 좋은지는 각자 판단 하는 것이 좋겠지만,  나는  코딩의 의 일관성을 위하여 str_replace() 함수를 사용할 것이다. 

 

5.  데이터 정규화 이후 벡터화 시행

   아래와 같이 TON이  정확하게 분리가 되었다. 

 

mat<-  str_split(sentence1, " ", simplify = TRUE )
mat
##      [,1]      [,2]     [,3]     [,4]     [,5]     [,6]    [,7] [,8]    [,9]
## [1,] "OVER"    "HEAD"   "CRANE"  "MAGNET" ""       "25TON" ""   "C-512" ""  
## [2,] "MAGNET"  "CRANE"  "SEMI"   ""       "2.8TON" "C-522" ""   ""      ""  
## [3,] "25TON"   "BLOCK"  "LOADER" ""       "PBS"    "5BAY"  ""   ""      ""  
## [4,] "2TON"    "3DS"    "뒷편"   "법면쪽" ""       ""      ""   ""      ""  
## [5,] "LIFTING" "MAGPOT" "DEVICE" "2.5TON" ""       ""      ""   ""      ""

6. 최종 정리  

  위의 내용을 함수로 만들어 정리 해 보겠다.   물론 gsub보다는 str_split로 정리 하겠다. 사용자 함수를 만들면 아주 간단하고,  재 사용 할 수 있다. 

 

library(stringr)

sentence <- c("OVER HEAD CRANE(MAGNET) 25TON (C-512)",
              "MAGNET CRANE(SEMI) 2.8TON C-522",
              "25TON BLOCK LOADER (PBS 5BAY)",
              "2TON(3DS 뒷편 법면쪽)",
              "LIFTING MAGPOT DEVICE(2.5TON)"
)   

# 사용자 함수 정리
vector_split_fun <- function(x){
  
  sentence1 <-  str_replace(x, "\\)", "")
  sentence1 <-  str_replace(sentence1, "\\(", "")
  
  mat <-str_split(sentence1, " ", simplify = TRUE )
  
  return(mat)
   
}

# 사용자 함수 실행 
vector_split_fun(sentence)
##      [,1]      [,2]        [,3]           [,4]    [,5]     
## [1,] "OVER"    "HEAD"      "CRANEMAGNET"  "25TON" "(C-512)"
## [2,] "MAGNET"  "CRANESEMI" "2.8TON"       "C-522" ""       
## [3,] "25TON"   "BLOCK"     "LOADER"       "PBS"   "5BAY"   
## [4,] "2TON3DS" "뒷편"      "법면쪽"       ""      ""       
## [5,] "LIFTING" "MAGPOT"    "DEVICE2.5TON" ""      ""
반응형
반응형

  블루링크에서 네비게이션 업데이트 공지가 왔었습니다. 

 

https://update.hyundai.com/KR/KO/updateNoticeView/489

 

현대자동차 내비게이션 업데이트 공식 홈페이지

현대자동차 내비게이션 업데이트 공식 홈페이지에 오신것을 환영합니다. 내비게이션 업데이트로 최신화된 다양한 도로 정보를 누려보십시오

update.hyundai.com

위의 홈페이지에서 네비게이션 업데이트 하라는 공지 였습니다. 

 

그래서 나는 재 빠르게,  자동차에 가서 UBS를 뽑아 왔습니다.  그리고 제 PC에 연결 하였습니다. 

 

설치 화일  다운로드 받고,   프로그램 까지 설치 하였습니다. 

 

그리고  Map을 다운로드 하기 위해 아래 CN7을 입력 후  선택 하였습니다. 

 

아반떼 블루링크 업데이트

그리고 확인을 클릭 한 후에 UBS 저장위치와 차량을 확인 하였습니다. 

 

아반떼 블루링크 업데이트

헉~   아래와 같은 메세지가 떴습니다.

 

업데이트 준비 안내

업데이트 준비 안내 메세지 였습니다.    분명 제 블로링크 앱에서는 신규지도를 반영한 네비게이션 업데이트 안내가 아래와 같이 왔었습니다. 

 

네비 업데이트 메세지.

이 것 받았을때,  빨리 해야 겠구나 생각 했는데,   기다려야 겠네요.   혹시 되는 분 있으신 분은 댓글 달아 주십시오.

 

역시 빠른 시간내 안내 한다고 하더니만  빠른시간내 조치가 된것 같습니다.  지금 제 USB를  FORMAT 하고,  지도를 다운로드 받고 있습니다.    다운로드 속도도 빠르네요.      

 

업데이트 다운로드 

 

다운로드 다 되면,   업데이트   GO GO GO 

반응형
반응형

  산업에서는 데이터 과학자가 하는 일이 어떤 모습일까?  그것은 직위 수준에 달려 있기도 하고 인터넷/온라인 산업인지에 달려 있기도 하다. 

 

데이터 과학자의 역할이 IT산업에 국한될 필요는 없다 하지만 그곳에서  그 용어가 유래하였기 때문에 거기에서 그 용어가 어떤 의미인지 이야기해보자. 

 

최고위직의 데이터과학자는 회사의 데이터 전략을 세워야 한다.  거기에는 다음과 같은 다양한 역할이 포함된다.  데이터를 수집하고 기록하기 위한 공학과 인프라부터 프라이버시 문제 까지 어떤 데이터가 사용자 대면이고, 의사결정을 위한 데이터 어떻게 사용될 것인지,  그것이 어떻게 제품에 반영될 것인지에 이르는 모든 사항을 기획해야 한다.  그는 공학자, 과학자, 분석가로 구성된 팀을 관리해야 하고, 최고경영자 (CEO), 최고기술책임자(CTO), 제품 책임자 등 기업 내 다양한 리더들과 커뮤니케이션해야 한다.  또한 혁신적 솔루션의 특허를 신청하고, 연구 목표를 결정해야 한다. 

 

좀 더 일반적으로,  데이터 과학자는 데이터에서 의미를 뽑아내고 해석하는 방법을 아는 사람이다.  그러기 위해서는 인본주의적이어야 하고, 통계학과 기계학습의 도구와 방법 모두 알아야 한다그는 데이터를 수집하고 정제하고 변환하는 과정에 많은 시간을 보낸다.  데이터는 항상 깔끔하지 않기 때문다. 이 과정은 집념, 통계학, 소프트웨어공학 스킬을 요구한다.  이 스킬들은 또한 데이터에 내재된 편의(bias)를 이해하고 코드에서 생성된 결과를 디버깅하는데 필수적이다. 

 

일단 데이터를 다 매만지고 나면, 핵심 작업은 시각화와 데이터 감각을 포함한 탐색적 데이터 분석이다.  데이터과학자는 패턴을 발견하고, 모형을 만들며, 알고리즘을 고안한다.  이것은 제품 개선을 위한 프로토타입(prototype)으로 활용되며,  제품 용례, 제품의 전반적인 건강성을 이해하는데 도움을 준다.  또한 그는 실험을 설계하고 데이터 주도 의사 결정을 하는 데 있어 중요한 역할을 수행한다.  그는 명료한 해석과 시각화를 통해서 팀원, 공학자, 또는 리더와 커뮤니케이션해야 한다.  그렇게 함으로써 데이터 자체에 관여하지 않는 동료들도 데이터에 담긴 뜻을 이해할 수 있을 것이다. 

 

   위의 내용은 상당히 현실적이다.  컬럼비아 대학교 교제인데,   내용이 상당히 현실 적이다.  마치 현업에서 업무를 한 사람과 같이 이야기 하고 있다.   우리나라에서는 프라이버시 문제는  노조 인권과 관련이 있고,  산업에서도 인문학이 중요하다는 이야기 하였다.   그리고  데이터가 수집하고 정제하는 과정에 시간이 많이 걸린다는 것 또한 굉장히 현실 적이다.     탐색적 분석은 다른 사람들과 공유하는데, 중요한 가치를 제공하고,  의사 결정하는데 도움을 준다. 

 

#출처 : Doing Data Science 한빛미디어

 

반응형

+ Recent posts