오대산 상원사 문수전에는 국보 동자문수보살상과 보물 문수보살상 사이 에 3존의 목조 동자입상 3존 배치되어 있다. 중앙에 배치된 동자상이 상원사 목선재동자입상(이하 상원사상)이다. 상원사상은 선재동자이며, 동자문수보 살상의 협시로 추정된다. 상원사상은 고려・조선 초의 수월관음도 및 관음보살상과 결합된 선재동 자상의 도상을 따르고 있고, 1466년에 제작된 동자문수보살좌상과 동일한 양식이다. 선재동자상은 『화엄경』 「입법계품」의 배경으로, 8-9세기 당대 오 대산 기사문수・기상보현보살상의 협시로 등장한다. 선재동자상은 선재동자 구법도의 유행과 더불어 요와 북송대에 수월관음상의 협시로 등장하고, 오대 산 문수신앙의 발전으로 문수보살의 협시로 정착하였다. 중국과 일본에은 문 수보살상의 협시상으로 여러 사례가 전해지고 있지만, 우리나라는 알려진 바 가 없다. 상원사상은 동자문수보살좌상의 우협시에 배치되고, 2존의 동자상 은 목문수보살좌상의 좌우협시일 가능성이 높다. 2존의 동자상는 문수보살 상의 발원문에 등장하는 남순동자와 선재동자로 추정된다. 상원사상은 문수보살상의 협시로 조합을 이룬 첫사례이자 최고의 작품이 며, 왕실에서 발원하여 당대 최고의 작가에 의해 제작된 예술성이 뛰어난 작 품으로 조성 연대가 추론되는 기년작이라는 점에서 의의가 있다. 선재동자상 은 오대산 신앙에서 등장했을 가능성이 높다.

This article suggests the machine learning model, i.e., classifier, for predicting the production quality of free-machining 303-series stainless steel(STS303) small rolling wire rods according to the operating condition of the manufacturing process. For the development of the classifier, manufacturing data for 37 operating variables were collected from the manufacturing execution system(MES) of Company S, and the 12 types of derived variables were generated based on literature review and interviews with field experts. This research was performed with data preprocessing, exploratory data analysis, feature selection, machine learning modeling, and the evaluation of alternative models. In the preprocessing stage, missing values and outliers are removed, and oversampling using SMOTE(Synthetic oversampling technique) to resolve data imbalance. Features are selected by variable importance of LASSO(Least absolute shrinkage and selection operator) regression, extreme gradient boosting(XGBoost), and random forest models. Finally, logistic regression, support vector machine(SVM), random forest, and XGBoost are developed as a classifier to predict the adequate or defective products with new operating conditions. The optimal hyper-parameters for each model are investigated by the grid search and random search methods based on k-fold cross-validation. As a result of the experiment, XGBoost showed relatively high predictive performance compared to other models with an accuracy of 0.9929, specificity of 0.9372, F1-score of 0.9963, and logarithmic loss of 0.0209. The classifier developed in this study is expected to improve productivity by enabling effective management of the manufacturing process for the STS303 small rolling wire rods.

This study suggests a machine learning model for predicting the production quality of free-machining 303-series stainless steel small rolling wire rods according to the manufacturing process's operation condition. The operation condition involves 37 features such as sulfur, manganese, carbon content, rolling time, and rolling temperature. The study procedure includes data preprocessing (integration and refinement), exploratory data analysis, feature selection, machine learning modeling. In the preprocessing stage, missing values and outlier are removed, and variables for the interaction between processes and quality influencing factors identified in existing studies are added. Features are selected by variable importance index of lasso regression, extreme gradient boosting (XGBoost), and random forest models. Finally, logistic regression, support vector machine, random forest, and XGBoost is developed as a classifier to predict good or defective products with new operating condition. The hyper-parameters for each model are optimized using k-fold cross validation. As a result of the experiment, XGBoost showed relatively high predictive performance compared to other models with accuracy of 0.9929, specificity of 0.9372, F1-score of 0.9963 and logarithmic loss of 0.0209. In this study, the quality prediction model is expected to be able to efficiently perform quality management by predicting the production quality of small rolling wire rods in advance.

A commercial AA1070 alloy for electrical wire is severely deformed by drawing process in which a rod with an initial diameter of 9mm into is reduced to a wire of 2mm diameter. The drawn AA1070 wire is then annealed at various temperatures from 200 to 450 oC for 2h. Changes in microstructure, mechanical properties and electrical properties of the specimens with annealing temperature are investigated in detail. The specimen begins partially to recrystallize at 250 oC; above 300 oC it is covered with equiaxed recrystallized grains over all regions. Fiber textures of {110}<111> and {112}<111> components are mainly developed, and {110}<001> texture is partially developed as well. The tensile strength tends to decrease with annealing temperature due to the occurrence of recovery or/and recrystallization. On the other hand, the elongation of the annealed wire increases with the annealing temperature, and reaches a maximum value of 33.3 % at 300 oC. Electric conductivity of the specimens increases with annealing temperature, and reaches a maximum value of 62.6%IACS after annealing at 450 oC. These results are discussed in comparison with those for the other aluminum alloy.

가설검증 과정에서 자료 분석 결과 산출된 통계치에 대한 해석은 몇 가지 통계학적 이론을 토대로 분석 결과 산출된 관련 통계치의 이론적 확률 분포에 의해 좌우된다. 예를 들어 실험 조건 간 측정치의 평균 차이에 대한 통계적 유의미성 은 대개 전집 특성에 대한 몇 가지 이론적 가정에 기초해 구성된 해당 평균 차이값의 확률 분포(예: Student's t)에 기초해 결정된다. 본 연구는 이러한 이론적 통계치의 분포가 아닌 실측정 자료의 무선 재구성을 통해 얻어진 경험적 통계치의 분포에 기초해 가설 검증을 시도하는 무선재추출법의 기본 논리와 장점을 살펴보고 사건관련전위 분석 상황 에서의 응용 가능성을 모색하였다. 더 나아가 무선 추출 원리에 기초한 무선치환법이 적용된 구체적 사례를 소개하고 ERP 자료 분석에 있어서 경험적 통계 분석 적용에 앞서 유의할 점을 살펴봄으로써 뇌파 연구자들의 무선재추출법에 대한 정확한 이해를 도모하였다.

막 구조물의 비선형 문제는 많은 연구자들에 의해 연구가 있었고 현재 또한 많은 연구가 이루어지고 있다. 막 구조물은 해석방법에 따라 그 수렴성이 민감하게 반응하기 때문이다. 이러한 비선형 문제는 매우 복잡하고 정교한 연구가 수반되어야 하며 고도의 기술을 필요로 하기 때문에 해석방법에 대한 접근이 초기형상결정단계부터 어려운 실정이다. 따라서 본 논문에서는 해석할 때에 발생하는 해의 발산과 면재의 쏠림 현상에 대한 해결책으로 막 구조물 설계 시에 많이 사용되는 삼각형 평면요소에 대해서 선재로 치환하여 해석하는 방법을 제안하고, 카테나리 예제를 대상으로 해석을 수행하여 해의 수렴성 및 신뢰도를 고찰한다.

Cu-Zn alloy nano powders were fabricated by the electrical explosion of Zn-electroplated Cu wire along with commercial brass wire. The powders exploded from brass wire were composed mainly of phases while those from electroplated wires contained additional Zn-rich phases as , and Zn. In case of Zn-elec-troplated Cu wire, the mixing time of the two components during explosion might not be long enough to solidify as the phases of lower Zn content. This along with the high vapor pressure of Zn appears to be the reason for the observed shift of explosion products towards the high-Zn phases in electroplated wire system.

은 튜브에 장입되기 전의 초기 분말의 입자 크기가 Ag/Bi-2223초전도 선재의 미세구조와 상전이, 임계 전류 밀도등에 미치는 영향에 대해 고찰하였다. 분말의 입자 크기는 하소 분말을 볼밀을 이용하여 0-48 시간 동안 분쇄하여 조절하였다. 열처리 후 최종 초전도 선재의 전기적 성질은 초기 분말의 입자 크기에 영향을 받는 것으로 나타났으며 분말의 분쇄에 의한 반응성의 증가에 의해 열처리시 2223 상으로의 상전이가 빠르게 일어났고 이차상의 크기와 분율이 감소된 미세구조를 얻을 수 있었다. 그러나 과다한 분쇄에 의한 반응성의 증가에 의해 열처리시 2223상으로의 상전이가 빠르게 일어났고 이차상의 크기와 분율이 감소된 미세구조를 얻을 수 있었다. 그러나 과다한 분쇄는 분말의 비정질화를 유발하여 2223 상으로의 전이를 방해함으로써 선재의 임계 전류 밀도를 감소시키는 결과를 나타내었다.

This paper analyzed design bearing capacities of pile foundations strengthened by pre-loading method for vertical expansion. The bearing capacities were investigated for two different pre-loading strategies: (1) after partial removals of structural/non-structural elements (e.g. finish, masonry wall etc.); and (2) after vertical expansions. Based on the numerical studies, more than 60% of the existing piles exceeded the design bearing capacities due to the difference of pre-loading strategies, which should be considered in structural design.