Recently, due to the expansion of the logistics industry, demand for logistics automation equipment is increasing. The modern logistics industry is a high-tech industry that combines various technologies. In general, as various technologies are grafted, the complexity of the system increases, and the occurrence rate of defects and failures also increases. As such, it is time for a predictive maintenance model specialized for logistics automation equipment. In this paper, in order to secure the operational safety and reliability of the parcel loading system, a predictive maintenance platform was implemented based on the Naive Bayes-LSTM(Long Short Term Memory) model. The predictive maintenance platform presented in this paper works by collecting data and receiving data based on a RabbitMQ, loading data in an InMemory method using a Redis, and managing snapshot DB in real time. Also, in this paper, as a verification of the Naive Bayes-LSTM predictive maintenance platform, the function of measuring the time for data collection/storage/processing and determining outliers/normal values was confirmed. The predictive maintenance platform can contribute to securing reliability and safety by identifying potential failures and defects that may occur in the operation of the parcel loading system in the future.

연안침식은 현재 매우 심각한 연안재해로 인식되고 있어 재해대응을 위해 지속적인 연구가 수행되고 있으나, 그 메커니즘에 대한 정확한 이해도 완전하지 못한 현상 가운데 하나이다. 파랑, 유동 및 지형변화가 상호작용하는 메커니즘의 이해를 위한 정밀 관측이 필수적이지만 국내에서는 실험연구가 부족한 상황이다. 따라서 본 연구에서는 파랑 및 유동에 따른 표사이송을 관측하기 위한 이동상 수리실험을 수행한다. 입도분포 및 수중 안식각 실험을 통해 가능한 점토가 배제된 최소입경의 사질표사를 사용하여 실험하므로 스케일 이펙트를 가능한 최소화하도록 하였다. 초기경사는 0.04로 일반적인 해안경사를 반영하되 관측에 유리하도록 쇄파대 구간을 구성하였다. 실험결과로 입사파고 0.3미터, 주기 4초인 규칙파 조건으로 수심 0.8미터에서 초기 0.04 경사의 사질토 지형의 표사이동 실험을 수행하여 그 결과를 그림에 제시하였다. 그림은 시간에 따른 샌드바의 형성과정을 명확하게 보여주고 있다. 현재는 실험의 초기단계로 지형변동에 따른 파고, 주기 및 유속의 변화를 계측할 계획이며 특히 언더토우의 역할에 주목하여 실험을 할 계획에 있다. 그 결과들은 연안지형 변동 원인의 자료 및 수치모의 검증자료로 활용될 수 있을 것으로 기대한다.

해운대 해수욕장 이안류 안전사고의 예방을 목적으로, 다양한 해상조건에 따른 시뮬레이션을 기반으로 정량화된 이안류 발생가능성으로부터 추정된, 따라서 실시간 관측자료에 따라 경보할 수 있도록 하는 이안류 경보지수 함수를 연구하였다. 이안류 발생정도를 정량화하기 위해 Choi et al. (2011, 2012b)의 Boussinesq 모델링과 이안류 발생 가능계수의 정의를 사용하였고, 이안류관련 파랑특성과 같은 관측물리량에 대하여 발생가능 시나리오를 수립하여 광범위하고 정도높은 시뮬레이션을 수행하므로 그에 따른 이안류 발생가능 정도의 분포를 추정하였다. 이 추정된 분포에 부합하는 적절한 경험함수를 도출하고, 그 함수를 현실적으로 관측가능 해상조건에 따라 지수화 하였다. 본 연구에서 2011년 6월부터 9월까지 운영된 해운대 파랑부이 관측자료를 제시한 이안류 위험지수 함수에 적용하고, 몇 차례 CCTV를 통해 확인된 이안류 발생시점에 대하여 적용한 결과를 제시하고 고찰한다. 더불어 문제점과 향후 개선방향에 대하여 논의한다.

Boussinesq 모형인 FUNWAVE를 사용한 수치모의 결과를 바탕으로, 파고, 주기, 파향 및 조위와 같은 파랑특성 변수에 따라 해운대 이안류의 발생가능 정도를 추정하였다. 2011년 6월 12일에 발생한 이안류를 수치모의하여 이안류 발생 가능정도를 확인함으로써 정량화 기법을 제시한다. 이 이안류 발생정도의 정량화 기법은 다음의 절차를 따른다. 첫째로, 광범위하게 파고, 주기, 파향, 조위를 변화시키며 불규칙파를 해운대 수심지형에 적용하여 해운대 연안흐름을 수치모의 하였다. 둘째로, 이 수치모의 결과로부터 연안의 직각방향(cross shore direction)의 2주기 시간평균된 유속성분을 추출하고, 연안영역에 대하여 이 유속값의 심해방향 최대값을 그 영역의 ‘이안류 유속’으로 정의하였다. 셋째로, 전체 수치모의 시간에 대한 ‘이안류 유속’ 시계열이 임의의 위험유속을 초과한 시간의 비를 위험 이안류 발생 가능 정도로 정의하여 정량화하였다. 추정된 이안류 발생정도에 따른 분석으로부터, 파고가 클수록, 주기가 길수록, 조위가 낮을수록 이안류가 더 잘 발생하는 것으로 나타났으며, 파향은 남동쪽보다 남서쪽 파향에서 조금 더 이안류가 잘 발생하는 것으로 나타났다.