Recently, a study of prognosis and health management (PHM) was conducted to diagnose failure and predict the life of air craft engine parts using sensor data. PHM is a framework that provides individualized solutions for managing system health. This study predicted the remaining useful life (RUL) of aeroengine using degradation data collected by sensors provided by the IEEE 2008 PHM Conference Challenge. There are 218 engine sensor data that has initial wear and production deviations. It was difficult to determine the characteristics of the engine parts since the system and domain-specific information was not provided. Each engine has a different cycle, making it difficult to use time series models. Therefore, this analysis was performed using machine learning algorithms rather than statistical time series models. The machine learning algorithms used were a random forest, gradient boost tree analysis and XG boost. A sliding window was applied to develop RUL predictions. We compared model performance before and after applying the sliding window, and proposed a data preprocessing method to develop RUL predictions. The model was evaluated by R-square scores and root mean squares error (RMSE). It was shown that the XG boost model of the random split method using the sliding window preprocessing approach has the best predictive performance.

본 연구는 학교 장면에서 학생지도 시 교사의 상업용 온라인 게임 활용 의사에 영향을 미치는 요인이 무엇인지, 그리고 각 요인들이 어떠한 영향을 미치는지를 알아보기 위해 수행되었다. 이를 위해 면대면 설문조사를 실시하였고, 전국 초, 중, 고등학교 교사와 상담교사, 전문 상담사, 총 236명의 자료가 분석되었다. 교사의 인구통계학적 특성과 교사의 상업용 온라인 게임 활용 의사의 관련성을 분석해본 결과, 남성보다 여성교사가, 교사의 연령이 높고 근무 기간이 길수록 상업용 온라인 게임 활용 의사가 낮은 것으로 확인되었다. 교사의 상업용 온라인 게임 활용 의사에 영향을 미치는 요인을 중다회귀분석방법을 통해 분석한 결과, 교사의 개방성과 디지털 게임에 대한 태도 중 디지털 게임의 유익성에 대한 인식, 디지털 미디어 활용능력이 학생지도 시 교사의 상업용 온라인 게임 활용 의사에 정의 영향을 미치는 것으로 확인되었다. 본 연구는 교과학습 및 학생 생활 지도에 있어 교육적 잠재력을 가지고 있는 상업용 온라인 게임에 대한 교사의 활용 의사를 촉진하는 주요 요인들을 밝혔다는데 그 의의가 있다.