본 연구에서는 산업부산물인 폐 EPDM을 50mesh 이하로 제조한 미세분말 형태의 R-EPDM(Recycling EPDM)을 주성분으로 아스팔트와 안정성을 높이기 위한 첨가제인 분산제와 유화제 및 폴리머 계통의 유동성 향상제를 혼합한 R-EPDM 개질아스팔트 혼합물의 실내 물성 평가를 수행하였다. R-EPDM 개질아스팔트 바인더의 특성을 파악하기 위해 슈퍼패이브 시험법을 이용하여 바인더의 PG(Performance Grade)등급을 분류하였으며, 선회다짐기를 사용한 R-EPDM 개질아스팔트 혼합물의 배합설계를 통하여 최적아스팔트(OAC) 함량을 결정하였다. OAC로 제작된 R-EPDM 개질아스팔트 혼합물의 소성변형 및 동결융해 저항성을 평가하기 위하여 반복주행시험과 수분민감성시험을 수행하였으며, R-EPDM 개질아스팔트 혼합물의 소성변형 및 수분민감성에 대한 저항성이 일반아스팔트(AP-5) 혼합물보다 우수함을 알 수 있었다.

2010년에 사과주산지인 경북 군위, 상주, 의성, 청송, 칠곡, 경남 거창, 전북 장 수, 무주, 전남 장성 등 9개 지역 24개 일반사과원에서 복숭아순나방붙이의 발생유 무와 발생정도를 조사하기 위하여 발생예찰용 복숭아순나방붙이 성페로몬 트랩과 복숭아순나방 트랩을 설치하고 4～9월까지 트랩에 유살되는 유살수를 조사하였 다. 또한 복숭아순나방과 복숭아심식나방 교미교란제로 사용되는 Confuser-R에 대하여 복숭아순나방붙이도 교미교란 효고가 있는지를 검토하였다. 복숭아순나방 붙이는 9개지역 24개 사과원 모두에서 발생하는 것으로 확인되었다. 복숭아순나 방붙이의 연간발생량은 사과원별로 큰 차이를 보였으며, 연간발생량은 15～514 마리로, 복숭아순나방의 연간 발생량 140～592마리에 비하여 적었다. 복숭아순나 붙이의 연간 평균발생량은 198마리로 복숭아순나방 379마리에 비하여 약 0.5배 정도 적었다. 복숭아순나방붙이의 연간 발생량은 상주 > 칠곡 > 청송 > 군위 > 의 성 > 장수 > 거창 > 무주 > 장성 순으로 나타나서, 경북지역 사과원이 복숭아순나 방붙이 발생량이 많았으며, 전라도 지역이 상대적으로 적은 경향이었다. 경북 군 위의 사과시험장에서 심식나방류 교미교란제인 Confuser-R를 처리한 구와 처리 하지 않은 구에서 복숭아순나붙이의 연간 유살량을 조사한 결과, 교미교란제 처리 구에서는 발생예찰용 성페로몬트랩에 전혀 유살되지 않았으며, 교미교란제 미처 리구에서는 연간 245마리가 유살되었다. 따라서, 교미교란제인 Confuser-R이 복 숭아순나방붙이에도 교미교란 효가가 있는 것으로 판단되었다.

Cubic boron nitride (c-BN) is a promising material for use in many potential applications because of its outstanding physical properties such as high thermal stability, high abrasive wear resistance, and super hardness. Even though 316L austenitic stainless steel (STS) has poor wear resistance causing it to be toxic in the body due to wear and material chips, 316L STS has been used for implant biomaterials in orthopedics due to its good corrosion resistance and mechanical properties. Therefore, in the present study, c-BN films with a B4C layer were applied to a 316L STS specimen in order to improve its wear resistance. The deposition of the c-BN films was performed using an r.f. (13.56 MHz) magnetron sputtering system with a B4C target. The coating layers were characterized using XPS and SEM, and the mechanical properties were investigated using a nanoindenter. The friction coefficient of the c-BN coated 316L STS steel was obtained using a pin-on-disk according to the ASTM G163-99. The thickness of the obtained c-BN and B4C were about 220 nm and 630 nm, respectively. The high resolution XPS spectra analysis of B1s and N1s revealed that the c-BN film was mainly composed of sp3 BN bonds. The hardness and elastic modulus of the c-BN measured by the nanoindenter were 46.8 GPa and 345.7 GPa, respectively. The friction coefficient of the c-BN coated 316L STS was decreased from 3.5 to 1.6. The wear property of the c-BN coated 316L STS was enhanced by a factor of two.

The research proposes the three-factor random measurement models for estimating the precision about operator, part, tool, and various measurement environments. The combined model with crossed and nested factors is developed to analyze the approximate F test by degrees of freedom given by Satterthwaite and point estimation of precisions from expected mean square. The model developed in this paper can be extended to the three useful models according to the type of nested designs. The study also provides the three-step procedures to evaluate the measurement precisions using three indexes such as SNR(Signal-To-Noise Ratio), R&R TR(Reproducibility&Repeatability-To-Total Precision Ratio), and PTR(Precision-To-Tolerance Ratio), The procedures include the identification of resolution, the improvement of R&R reduction, and the evaluation of precision effect.

This Study constructs a dashboard system to synthetically and systematically monitor national R&D information based on data warehouse Managing the national R&D statistics and trend is important since it provides data for policies and decision making for n

The paper reviews gauge R&R studies by two-factor mixed models including random and fixed factors. The two-factor mixed models include restricted models and unrestricted models considering the interaction of two factors. This study also classifies the models according to the number of factors, and the combination of various factors such as random factor, fixed factor, block factor and repetition type.