본 논문은 K드라마의 소구 요인 탐색을 위한 사례연구로 2022년 글로벌 히트를 기록한 "이상한 변호사 우영우"의 해외 시청자 반응을 분석한 것이다. 이 드라마의 어떤 요소가 해외 시청자의 공감과 이해를 이끈 것인지 살펴, 한국 드라마의 해외 진출 전략 수립에 유용한 시사점을 제공함이 이 연구의 목적이다. “우영우”는 글 로벌 OTT의 현지화 전략에 따른 기획 제작 과정을 거치지 않은 토종 기획물임에 도 불구하고 아시아뿐 아니라 문화적 근접성이 낮은 서구권에서도 고르게 히트했 다는 사실에 주목해, 글로벌 웹 플랫폼 IMDb의 “우영우” 관련 리뷰 총 265건에 대한 양적, 질적 분석을 수행했다. 분석 결과 이 드라마에 평점을 준 사용자의 86% 이상이 10점 만점에 8점 이상의 높은 만족도를 보였으며, 장애 캐릭터를 연 기한 박은빈에 대한 호평과 따뜻한 인간애를 강조한 이 드라마의 메시지에 공감한 다는 의견이 지배적이었다. 리뷰에 언급된 가장 큰 이슈는 자폐 장애 재현에 대한 상반된 평가였는데, 그러한 논란은 사회 정의와 인권 존중의 휴머니즘 담론으로 수 렴되고 있었다. 기존의 한류드라마 인기가 ‘문화적 근접성‘에 기반된 것이었다면, 이 드라마는 ‘문화적 보편성’을 지닌 초국적 요소들로 전 세계인의 공감과 이해를 얻어낸 것이다. 이러한 연구 결과는 K드라마의 히트 요인을 설명하는 유의미한 사 례일 뿐 아니라, 한국 콘텐츠의 글로벌 문화 시장 진출과 국가 간 문화교류의 전략 및 정책 수립에도 유용한 시사점을 제공해 줄 것이다.
목적 : 광학 시뮬레이션 프로그램을 통해 Gullstrand 모형안을 입체적으로 설계하여, 정시와 굴절이상을 구현하 였다. 이를 이용하여 망막 상의 해상도 변화를 확인하고 정량적인 분석법을 제시하고자 하였다. 방법 : 3D 광학 시뮬레이션 프로그램인 Ansys SPEOS Ver. 2012(ANSYS Inc., USA)를 이용하여 모형안을 설계하였으며, 각막 전면 곡률반지름을 변화시켜 근시 및 원시의 굴절이상을 구현하였다. 각막 전면에서 우측 24.00, 24.38 및 25.00 mm 떨어진 위치에 탐지기를 설치하여 위치에 따른 상의 변화를 분석하였다. 굴절이상의 정도와 검출기 위치에 따른 상의 겉보기 해상도, 세기 분포, 가시성, 선명도를 확인하였으며 도출하였으며, 최종적 으로 정량적 해상도를 계산하였다. 결과 : 망막 상의 겉보기 해상도는 근시는 망막 앞에, 그리고 원시는 망막 뒤에 결상된 상에서 가장 우수한 결과 를 보였다. 세기 분포는 24.76 mm에서 +1.00과 +2.00 D가 모두 유사하게 높은 것으로 나타나 겉보기 해상도와 일부 차이를 보였다. 가시성은 24.00 mm에서 –2.00과 –1.00 D, 24.38 mm에서 –1.00과 +0.00 D, 24.76 mm에 서 +1.00과 +2.00 D가 높게 측정되었다. 선명도는 24.00 mm에서 –2.00 D, 24.38 mm에서는 -1.00 D, 그리고 24.76 mm에서는 +1.00 D에서 가장 높게 측정되었다. 이로써 가시성과 선명도 값은 위치와 굴절이상도에 따른 서로 다른 결과로 분석되었다. 정량적인 해상도는 24.00 mm에서 –2.00 D, 24.38 mm에서 –1.00과 +0.00 D, 24.76 mm에서 +1.00 D가 가장 우수하게 분석되었으며, 겉보기 해상도와 잘 일치하는 것이 확인되었다. 결론 : 본 연구에서 제안된 망막 상의 정량적 해상도 분석 결과를 통해 상대적으로 비교가 까다로운 망막 상에 대하여 정량적으로 명확한 분석이 가능할 것으로 판단된다.
New motor development requires high-speed load testing using dynamo equipment to calculate the efficiency of the motor. Abnormal noise and vibration may occur in the test equipment rotating at high speed due to misalignment of the connecting shaft or looseness of the fixation, which may lead to safety accidents. In this study, three single-axis vibration sensors for X, Y, and Z axes were attached on the surface of the test motor to measure the vibration value of vibration. Analog data collected from these sensors was used in classification models for anomaly detection. Since the classification accuracy was around only 93%, commonly used hyperparameter optimization techniques such as Grid search, Random search, and Bayesian Optimization were applied to increase accuracy. In addition, Response Surface Method based on Design of Experiment was also used for hyperparameter optimization. However, it was found that there were limits to improving accuracy with these methods. The reason is that the sampling data from an analog signal does not reflect the patterns hidden in the signal. Therefore, in order to find pattern information of the sampling data, we obtained descriptive statistics such as mean, variance, skewness, kurtosis, and percentiles of the analog data, and applied them to the classification models. Classification models using descriptive statistics showed excellent performance improvement. The developed model can be used as a monitoring system that detects abnormal conditions of the motor test.
In this study, we present a sewer pipe inspection technique through a combination of active sonar technology and deep learning algorithms. It is difficult to inspect pipes containing water using conventional CCTV inspection methods, and there are various limitations, so a new approach is needed. In this paper, we introduce a inspection method using active sonar, and apply an auto encoder deep learning model to process sonar data to distinguish between normal and abnormal pipelines. This model underwent training on sonar data from a controlled environment under the assumption of normal pipeline conditions and utilized anomaly detection techniques to identify deviations from established standards. This approach presents a new perspective in pipeline inspection, promising to reduce the time and resources required for sewer system management and to enhance the reliability of pipeline inspections.
국내 특수교 대부분은 사장교와 현수교로 케이블 교량 형식이다. 특수교는 규모 면에서 가장 유지관 리가 우선시 되는 사회 기반 시설물로 장기적이고 체계적인 유지관리 전략이 필요한 구조물이다. 다시 말해서는 케이블 교량은 대부분 사용 수명이 100년 이상 되는 교량으로 일반적인 중·소규모 교량의 유지관리와는 차별화된 관리가 요구되고 있다. 케이블 교량에서 구조물 상부를 지지하는 케이블은 주 요 부재이므로 구조물의 안전성을 확보하기 위해서는 케이블에 대한 철저한 유지관리가 필요하다. 진 동에 의한 피로 손상은 케이블 사용 수명을 단축하게 하는 주요 원인으로, 풍하중으로 인해 발생한 케 이블 과진동(풍우진동, 웨이크 갤로핑, 지점 가진에 의한 진동 등)은 교량의 안전성에 영향을 미쳐 붕 괴 사고로도 이어질 수 있다. 국내외적으로도 케이블 시스템의 과진동 및 이로 인한 건전성 확보 문제 가 지속해서 대두되고 있는 실정이다. 케이블 진동에 영향을 미치는 풍하중은 정적 풍하중과 동적 풍 하중을 구분할 수 있으며 풍하중 종류를 고려하여 케이블 제진 대책을 마련해야 한다. 한편, 케이블 교량 유지관리 업무에서는 구조해석과 같은 공학적인 판단뿐만 아니라 전문가 경험에 의한 판단도 중 요한 요소로 유사 교량 형식의 사례 조사에 의한 분석도 요구된다. 본 연구에서는 케이블 교량에서의 풍하중에 의한 진동 발생 원인별 사례 및 그에 따른 풍하중에 대한 제진 대책 적용 사례를 조사하였 고, 이를 통해 케이블 교량의 유지관리 업무에 활용될 수 있도록 소개하고자 한다.
본 연구에서는 탄소나노튜브(CNT) 패치 센서를 기반으로 하여 구조물의 이상 거동을 감지하고 대 응할 수 있도록 하는 첨단 스마트 모니터링 시스템을 제안한다. 복합소재로 제작되는 CNT 센서는 유 연한 특성을 갖게 되어 다양한 형태의 구조물 표면에 적용할 수 있으며, 이를 통해 충격이나 피로 등 에 의해 발생되는 균열과 같은 비정상적인 거동을 감지할 수 있다. CNT 센서를 통해 수집한 데이터 는 IoT 시스템을 통해 실시간으로 분석되어 구조물의 거동 상태를 확인하고 건전성을 모니터링 할 수 있게 한다. 이 시스템의 성능 검증 및 사용성 검토를 위해 미국 소재 교량에서 실증 테스트를 하였으 며, 테스트 결과 CNT 센서를 이용한 구조물 거동 감지 시스템을 통해 구조물의 이상 거동을 효과적 으로 감지하고 모니터링하여 구조물에서 발생 될 수 있는 잠재적 문제를 사전에 예방할 수 있음을 확 인하였다. 이와 같은 기술은 추후 다양한 분야에서 적극적으로 활용될 수 있을 것으로 기대된다.
Deep learning-based computer vision anomaly detection algorithms are widely utilized in various fields. Especially in the manufacturing industry, the difficulty in collecting abnormal data compared to normal data, and the challenge of defining all potential abnormalities in advance, have led to an increasing demand for unsupervised learning methods that rely on normal data. In this study, we conducted a comparative analysis of deep learning-based unsupervised learning algorithms that define and detect abnormalities that can occur when transparent contact lenses are immersed in liquid solution. We validated and applied the unsupervised learning algorithms used in this study to the existing anomaly detection benchmark dataset, MvTecAD. The existing anomaly detection benchmark dataset primarily consists of solid objects, whereas in our study, we compared unsupervised learning-based algorithms in experiments judging the shape and presence of lenses submerged in liquid. Among the algorithms analyzed, EfficientAD showed an AUROC and F1-score of 0.97 in image-level tests. However, the F1-score decreased to 0.18 in pixel-level tests, making it challenging to determine the locations where abnormalities occurred. Despite this, EfficientAD demonstrated excellent performance in image-level tests classifying normal and abnormal instances, suggesting that with the collection and training of large-scale data in real industrial settings, it is expected to exhibit even better performance.
In alignment with South Korea's “3020 Renewable Energy Expansion Plan,” this study focuses on the developing large-scale floating wind turbines. It addresses the challenges of increased size and cost in floating structures for wind turbines over 10MW. This paper details the preliminary design of a novel floating substructure utilizing composite materials(ie, EVA). Structural analysis was performed using ABAQUS, accounting for both typical and extreme wind conditions. Results from the analysis validate that the substructure design is adequately feasible for implementation.
해상교통관제센터(VTS)의 관제사는 구역 내 교통 상황을 빠르고 정확하게 파악하여 관제가 필요한 선박에게 정보를 제공하는 역할을 수행한다. 그러나 교통량이 급격히 증가하는 경우 관제사의 업무 부하로 인해 관제 공백이 발생하기도 한다. 이러한 이유에서 관 제사의 업무 부하를 줄이고, 일관성 있는 관제 정보를 제공할 수 있는 관제 지원 기술의 개발이 필요한 실정이며, 본 논문에서는 구역 내 이상 운항 선박을 자동으로 식별하는 모델을 제안하였다. 제안하는 이상 운항 식별 모델은 규칙 기반 모델, 위치 기반 모델, 맥락 기반 모 델로 구성되며, 대상 해역의 교통 특성에 최적화된 교통 네트워크 모델을 사용하는 특징이 있다. 구현된 모델은 시범센터(대산항 VTS)에 서 수집되는 실해역 데이터를 적용하여 실험을 수행하였다. 실험을 통해 실해역의 다양한 이상 운항 상황이 자동으로 식별됨을 확인하였 고, 전문가 평가를 통해 식별 결과를 검증하였다.
Pinus densiflora is a fixed-growth coniferous species that elongates its shoot once a year and finishes growing in early summer. However, it may produce additional shoots in the same year in response to external stimuli, called abnormal shoot growth. This study investigated the effects of open-field summer warming and drought on the abnormal shoot growth of P. densiflora seedlings. In March 2022, two factorial combinations were constructed, including two temperature treatments (control and 4°C increase) and two precipitation treatments (control and drought), with five replicates for each combination. The temperature treatment was performed for 87 days from May 14 to August 8, 2022, and the precipitation treatment was performed for 33 days from May 14 to June 15, blocking 100% of the ambient rainfall. The abnormal shoot occurrence rate and leaf unfolding stages were measured in November, and the shoot and root collar diameter growth rates were calculated by comparing the seedling height and root collar diameter measured in August (after the cessation of treatment) and October (after the end of growing period) with the initial values (i.e., May 2022). The abnormal shoot occurrence rate significantly increased under the warming treatment, showing a 410.6% increase in the warming plots (38.4%) compared to the control plots (7.5%). There was no significant difference in the shoot and root collar diameter growth rate regarding warming and drought treatments. Abnormal shoots may have been affected by high temperatures by inducing early transition to the next ontogenetic stage.
Smart factory companies are installing various sensors in production facilities and collecting field data. However, there are relatively few companies that actively utilize collected data, academic research using field data is actively underway. This study seeks to develop a model that detects anomalies in the process by analyzing spindle power data from a company that processes shafts used in automobile throttle valves. Since the data collected during machining processing is time series data, the model was developed through unsupervised learning by applying the Holt Winters technique and various deep learning algorithms such as RNN, LSTM, GRU, BiRNN, BiLSTM, and BiGRU. To evaluate each model, the difference between predicted and actual values was compared using MSE and RMSE. The BiLSTM model showed the optimal results based on RMSE. In order to diagnose abnormalities in the developed model, the critical point was set using statistical techniques in consultation with experts in the field and verified. By collecting and preprocessing real-world data and developing a model, this study serves as a case study of utilizing time-series data in small and medium-sized enterprises.
본 연구는 네트워크 이상 감지 및 예측을 위해 벡터 자기회귀(VAR) 모델의 사용을 비교 분석한다. VAR 모 델에 대한 간략한 개요를 제공하고 네트워크 이상 체크로 사용 가능한 두 가지 버전을 검토하며 두 종류의 VAR 모델을 통한 경험적인 평가를 제시한다. VAR-Filtered moving-common-AR 모델이 단일 노드 이상 감지 성능에서 우수하며, VAR-Adaptive Learning 버전은 몇 개의 노드 간 이상을 효과적으로 식별하는 데 특히 효 과적이며 두 가지 주요VAR 모델의 전반적인 성능 차이에 대한 근본적인 이유도 분석한다. 각 기술의 장단점 을 개요로 제공하고 성능 향상을 위한 제안도 제시하고자 한다.
본 연구의 목적은 드라마 “이상한 변호사 우영우”의 프레이밍 방식과 의미를 살 펴보는 데 있다. 이를 위해 사회학과 인지언어학의 프레임 개념으로 드라마의 이슈 프레이밍 양상을 분석해내는 연구 방법을 사용하였다. 2022년 방송된 드라마 “이 상한 변호사 우영우”는 자폐 스펙트럼 장애를 지닌 젊은 변호사의 사회 적응 과정 을 성공적으로 담아내 장애인에 대한 사회적 인식을 향상시켰을 뿐 아니라, 실제 사건과 판례를 기반으로 한 에피소드들을 통해 우리사회의 다양한 문제를 이슈화 하였다. 따라서 본고에서는 이 드라마가 어떤 문제들을 어떻게 이슈화하여 우리 사 회에 영향을 주었는지 살펴봄으로써 드라마의 사회적 기능을 밝혀보고자 했다. 분 석 결과 이 드라마는 장애인과 성소수자, 노인, 여성, 아동 등 사회적 약자와 소수 자에 대한 편견과 인식의 개선, 개인의 권리 존중, 평등과 정의 구현의 프레임을 구축하고 있었다. 또한 자폐 장애를 지니고 있는 주인공이 자신과 같은 약자의 입 장을 변호하며 재판에 임하는 과정을 보여줌으로써 이슈의 사회화를 강화하고 있 었다. 이 드라마의 방송 기간 중 사회적 약자와 소수자의 문제에 주목하는 다양한 이슈들이 부상했고, 시청자는 드라마가 제공한 공감과 공정, 상생의 프레임으로 그 이슈들을 바라보고 있었다. “이상한 변호사 우영우”가 수행한 이슈 프레이밍은 드 라마가 단순한 대중 오락물만이 아님을 보여준다. 드라마 콘텐츠의 경우 주로 산업 적 측면에서의 투자가 이루어져 왔으나, 드라마의 사회적 영향력을 고려한 보다 발 전적인 지원과 정책 수립이 이루어지길 기대한다.