후쿠시마 원자력 발전소 사고 이후 3.3 × 1016 Bq의 세슘(Cs)이 환경에 노출되면서, 수원으로부터 방사성 세슘 (Cs)을 제거하는 것에 대한 관심이 증대되었다. 지속 가능한 개발과 환경 안전 측면에서 오염된 환경을 복원하는 것은 매우 중요한 이슈이다. 유해 오염물질을 효과적으로 제거하기 위해 분리막 기반의 분리/정제 기술은 매우 각광받는 기술 중 하나 이다. 특히 막 흡착(membrane adsorber) 기술은 흡착과 막 분리를 결합할 수 있는 기술로 수용액에서 오염물질을 제거하는 데 매우 유용한 기술이다. 특히 전기방사 분리막은 높은 기공률, 다양한 고분자 활용가능 그리고 다양한 응용 분야 등의 특징 으로 지난 수십 년 동안 많은 연구가 수행되어 왔다. 본 리뷰 논문은 오염된 물에서 세슘을 제거하기 위한 프러시안 블루 (Prussian blue)가 포함된 전기방사 기반 막 흡착 소재 제조에 대한 다양한 기술을 리뷰하였다.

본 논문에서는 딥러닝을 활용하여 복합재 적층판의 파괴 모드를 결정하는 방법을 제안하였다. 수많은 엔지니어링 응용 분야에서 적층 복합재의 사용이 증가함에 따라 무결성과 성능을 보장하는 것이 중요해졌다. 그러나 재료의 이방성으로 인해 복잡하게 나타나 는 파괴모드를 식별하는 것은 도메인 지식이 필요하고, 시간이 많이 드는 작업이다. 따라서 이러한 문제를 해결하기 위해 본 연구에서 는 인공 지능(AI) 기술을 활용하여 적층 복합재의 파괴 모드 분석을 자동화하는 것을 목표로 하였다. 이 목표를 달성하기 위해 적층된 복합재에서 파손된 인장 시험편의 주사 전자 현미경(SEM) 이미지를 얻어 다양한 파괴 모드를 확보하였다. 이러한 SEM 이미지는 섬 유 파손, 섬유 풀아웃, 혼합 모드 파괴, 매트릭스 취성 파손 및 매트릭스 연성 파손과 같은 다양한 파손 모드를 기준으로 분류하였다. 다 음으로 모든 클래스의 집합 데이터를 학습, 테스트, 검증 데이터 세트로 구분하였다. 두 가지 딥 러닝 기반 사전 훈련 모델인 DenseNet 과 GoogleNet을 이용해 각 파괴 모드에 대한 차별적 특징을 학습하도록 훈련하였다. DenseNet 및 GoogleNet 모델은 각각 (94.01% 및 75.49%) 및 (84.55% 및 54.48%)의 훈련 및 테스트 정확도를 보여주었다. 그런 다음 훈련된 딥 러닝 모델은 검증 데이터 세트를 활용해 검증하였다. 더 깊은 아키텍처로 인해 DenseNet 모델이 고품질 특징을 추출하여 84.44% 검증 정확도(GoogleNet 모델보다 36.84% 더 높음)를 얻을 수 있음을 확인하였다. 이는 DenseNet 모델이 높은 정밀도로 파괴 모드를 예측함으로써 적층 복합재의 파손 분석을 수행 하는 데 효과적이라는 것을 알 수 있다.

COVID-19 대유행으로 인해 병원, 진료소, 검역소 및 의료 연구 기관을 포함한 의료 시설에서 매일 수많은 의료 폐기물이 발생함에 따라 의료폐기물 처리가 심각한 문제가 되고 있다. 이전에는 전통적인 소각방법이 사용되었지만 매립지 부족 및 관련 환경 문제로 인 해 공중 보건이 위험에 처해 있다. 이런 문제를 극복하기 위해 멸균분쇄용 파쇄기를 개발하였다. 본 연구에서는 유해 및 감염성 의료폐 기물에 대한 작동 성능을 결정하기 위해 분쇄용 파쇄 시스템의 설계 및 수치해석을 수행하였다. 파쇄기의 부품은 CAD 소프트웨어를 이용하여 모델링하였으며, ABAQUS를 사용하여 유한요소해석을 수행하였다. 정적, 동적 및 피로하중 조건 하에서 파쇄기 절단 날의 해석을 수행하였으며, 의료 폐기물을 분쇄하는데 필요한 절단력을 기반으로 절단 날의 형상이 효과적임을 입증하였다. 모달 해석을 통해 구조물의 동적 안정성을 검증하였다. 또한, 절단 날의 수명을 예측하기 위해 고주기 피로해석을 통해 S-N 선도를 생성하였다. 이 를 통해 적절한 분쇄용 파쇄 시스템이 멸균 장치와 통합되도록 설계하여 의료 폐기물의 양과 처리 시간을 줄임으로써 환경 문제와 잠 재적인 건강 위험을 극복하는 방안을 제시하였다.

현무암 섬유를 함유한 BFRP 시트와 복합섬유 패널로 보강한 정사각형 단면 철근콘크리트 기둥에 대한 반복하중 실험을 수행하여 지진 거동을 검토하였다. 30%가량의 상당한 수준의 축하중비 조건 하에서 전단 손상이 발생하였음에도 불구하고, 보강 실험체에서 변위연성도 및 에너지 소산능력의 증가를 확인하였다. 실험체의 파괴 모드는 휨-전단 고연성 파괴로 분류 되며, 철근콘크리트 구조물에서 자주 관찰되는 파괴 모드이다. 하지만 이러한 파괴에 이르는 정사각형 단면 철근콘크리트 기둥에 BFRP을 포함한 복합재료 보강이 미치는 영향에 대한 연구가 현재까지 광범위하게 이루어지지는 않았다. 복합재료로 보강한 철근콘크리트 기둥의 휨-전단 거동을 보다 깊이 이해하는데 본 연구의 결과가 기여할 것으로 기대한다.

This paper will present a simulation-optimization model for the scheduling of multi-projects. The objectives of this research include the minimization of value added projects execution cost, project completion time, project tardiness, and underutilization of contracted or outsourced resources. It is the three-phase research. In first phase, a mathematical and simulation models will be developed for multi-objectives. In second phase simulation model will be coupled with genetic algorithm to form a simulation-optimization model. The efficiency of genetic algorithm (GA) will be improved simultaneously with fine-tuning and hybridizing with other algorithms. The third phase will involve the presentation of a numerical example for the real time application of proposed research. Solution of numerical obtained with fine-tuned and hybridized simulation integrated GA will be compared with already available methods of simulation-optimization. This research will be useful for the scheduling of projects to achieve the befits of high profit, effective resource utilization, and customer satisfaction with on time delivery of projects.

The application of the theoretical model to real assembly lines has been one of the biggest challenges for researchers and industrial engineers. There should be some realistic approach to achieve the conflicting objectives on real systems. Therefore, in this paper, a model is developed to synchronize a real system (A discrete event simulation model) with a theoretical model (An optimization model). This synchronization will enable the realistic optimization of systems. A job assignment model of the assembly line is formulated for the evaluation of proposed realistic optimization to achieve multiple conflicting objectives. The objectives, fluctuation in cycle time, throughput, labor cost, energy cost, teamwork and deviation in the skill level of operators have been modeled mathematically. To solve the formulated mathematical model, a multi-objective simulation integrated hybrid genetic algorithm (MO-SHGA) is proposed. In MO-SHGA each individual in each population acts as an input scenario of simulation. Also, it is very difficult to assign weights to the objective function in the traditional multi-objective GA because of pareto fronts. Therefore, we have proposed a probabilistic based linearization and multi-objective to single objective conversion method at population evolution phase. The performance of MO-SHGA is evaluated with the standard multi-objective genetic algorithm (MO-GA) with both deterministic and stochastic data settings. A case study of the goalkeeping gloves assembly line is also presented as a numerical example which is solved using MO-SHGA and MO-GA. The proposed research is useful for the development of synchronized human based assembly lines for real time monitoring, optimization, and control.

The application of the theoretical model to real assembly lines has been one of the biggest challenges for researchers and industrial engineers. There should be some realistic approach to achieve the conflicting objectives on real systems. Therefore, in this paper, a model is developed to synchronize a real system (A simulation model) with a theoretical model (An optimization model). This synchronization will enable the realistic optimization of systems. A job assignment model of the assembly line is formulated for the evaluation of proposed realistic optimization with multiple objectives. The objectives, fluctuation in cycle time, throughput, labor cost, energy cost, teamwork and deviation in the skill level of operators have been modeled mathematically. To solve the formulated mathematical model, a multi-objective simulation integrated hybrid genetic algorithm (MO-SHGA) is proposed. The performance of MO-SHGA is evaluated with the standard multi-objective genetic algorithm (MO-GA) with both deterministic and stochastic data settings. A case study of the goalkeeping gloves assembly line is also presented as a numerical example which is solved using MO-SHGA and MO-GA.