우리나라 100대 명산에 포함되고 천혜 자연환경을 갖추고 있지만 충청남도 내 휴양림 중 이용률이 저 조한 칠갑산자연휴양림을 연구대상지로 하여 휴양림 활성화와 재방문 의사를 높여 건강한 여가 활동 을 선도하는 운영‧관리 방안을 제시하고자 본 연구를 수행하였다. 칠갑산 휴양림 방문객 250명에게 총 101개로 구성된 설문지를 자기기입방식으로 배포하여 200부를 회수하였고 인구통계학적 특성 및 이 용행태, 재방문의사 결정 중요요인 간 상관관계와 미치는 영향 등을 알아보기위해 빈도분석, Varimax- 직각회전, Bartlett의 구형성 검정, 크론바흐 알파, 독립표본 t-검정, 일원분산분석, Scheffe’s 사후검증, Pearson상관관계분석, 다중회귀분석을 하였다. 연구결과 휴양림 방문객들의 이용만족도는 대체로 양 호하였지만 개선이 필요한 사항에 대한 질문에서 안전 및 환경에 대해 다소 부족한 것으로 나타났다. 제안 사항인 효율적인 운영·관리 방안으로 레크리에이션시설(등산학교·트레킹지원센터 등) 및 프로 그램(산림치유·숲해설 등)이 필요하다고 사료되며, 환경을 고려한 휴양림 내 추가 식재, 색다른 경관 환경(소규모정원 등)을 조성하여 특색 있는 휴양림으로 탈바꿈할 필요가 있다는 결론을 도출하였다. 따라서 본 연구에서는 건강한 여가활동 촉진, 휴양림 활성화 및 재방문의도 증대에 기여하기 위해 칠갑 산 자연휴양림에 필요한 중요 요인을 찾아서 제안하고 있다.

Predicting remaining useful life (RUL) becomes significant to implement prognostics and health management of industrial systems. The relevant studies have contributed to creating RUL prediction models and validating their acceptable performance; however, they are confined to drive reasonable preventive maintenance strategies derived from and connected with such predictive models. This paper proposes a data-driven preventive maintenance method that predicts RUL of industrial systems and determines the optimal replacement time intervals to lead to cost minimization in preventive maintenance. The proposed method comprises: (1) generating RUL prediction models through learning historical process data by using machine learning techniques including random forest and extreme gradient boosting, and (2) applying the system failure time derived from the RUL prediction models to the Weibull distribution-based minimum-repair block replacement model for finding the cost-optimal block replacement time. The paper includes a case study to demonstrate the feasibility of the proposed method using an open dataset, wherein sensor data are generated and recorded from turbofan engine systems.