Welding is one of representative manufacturing processes in the industrial field. Cryogenic storage containers are also manufactured through welding, and conversion to laser welding is issue in the field due to many advantages. Since welding causes thermal-elastic deformation, design considering distortion is required. Prediction of distortion through FEM is essential, but laser welding has difficulties in the field because there is no representative heat source model. The author presented the model that can cover various models using a multi-layer heat source model in previous studies. However the previous study has a limitation which is a welding heat source model must be derived after performing bead on plate welding. Thus this study was attempted to estimate the welding heat source parameters by comparing the shape of bead under various conditions. First, the difference between penetration shape and welding heat source parameters according to welding power was analyzed. The radius of the welding heat source increased according to the welding power, and the depth of the welding heat source also increased. The correlation between the penetration shape and the welding heat source parameter appears at a similar rate, however the follow-up research is necessary with more model data.

본 연구는 골프웨어 브랜드 진정성과 브랜드 애착 및 충성도 간의 구조적인 모형을 검증하여 골프웨어의 브랜드 전략을 수립 할 수 있는 기초자료를 제공하고자 했다. 따라서 골프웨어를 구매했던 유 경험자를 표본으로 선정했으며, 292부의 자료를 최종분석에 활용했다. 자료처리 방법은 빈도분석과 신뢰도 의 내적일관성, 타당도의 확인적 요인분석, 상관분석, 그리고 구조방정식 모형분석을 실시했다. 프로그램은 SPSS(ver. 21.0)와 AMOS(ver. 20.0)를 활용했다. 연구결과 첫 번째로 골프웨어의 브랜드 진정성은 브랜드 애착에 유의한 영향을 미치는 것으로 나타났다. 둘째, 골프웨어의 브랜드 애착은 충성도에 유의한 영향을 미치는 것으로 나타났다. 셋째, 골프웨어의 브랜드 진정성은 충성도에 유의한 영향을 미치는 것으로 나타 났다. 마지막으로 골프웨어의 브랜드 진정성 및 충성도 간의 브랜드 애착은 부분매개효과가 있는 것으로 나타났다.

지구 대기에 영향을 주는 거의 모든 인간활동과 자연현상을 수치적으로 담아내는 지구시스템모델은 기후 위기 의 시대에 활용될 가장 진보한 과학적 도구이다. 특히 우리나라 기상청이 도입한 지구시스템모델인 Unified Model (UM)은 지구 대기 연구의 과학적 도구로써 매우 활용성이 높다. 하지만 UM은 수치 적분과 자료 저장에 방대한 자원 이 필요하여 개별 연구자들은 최근까지도 기상청 슈퍼컴퓨터에만 UM을 가동하는 상황이다. 외부와 차단된 기상청 슈 퍼컴퓨터만을 이용하여 모델 연구를 수행하는 것은 UM을 이용한 모형 개선과 수치 실험의 원활한 수행에 있어 효율성이 떨어진다. 본 연구는 이러한 한계점을 극복할 수 있도록 개별 연구자가 보유한 고성능 병렬 컴퓨터(리눅스 클러스터) 에서 최신 버전 UM을 원활하게 설치하여 활용할 수 있도록 UM 시스템 환경 구축 과정과 UM 모델 설치 과정을 구 체적으로 제시하였다. 또한 UM이 성공적으로 설치된 리눅스 클러스터 상에서 N96L85과 N48L70의 두 가지 모형 해 상도에 대하여 UM 가동 성능을 평가하였다. 256코어를 사용하였을 때, 수평으로 1.875o ×1.25o(위도×경도)와 수직으로 약 85 km까지 85층 해상도를 가진 N96L85 해상도에 대한 UM의 AMIP과 CMIP 타입 한 달 적분 실험은 각각 169분 과 205분이 소요되었다. 저해상도인 3.75o ×2.5o와 70층 N48L70 해상도에 대해 AMIP 한달 적분은 252코어를 사용하여 33분이 소요되는 적분 성능을 보였다. 또한 적분을 위해 사용된 코어의 개수에 비례하여 적분 성능이 향상되었다. 성능 평가 외에 29년 간의 장기 적분을 수행하여 과거 지상 2-m 온도와 강수 강도를 ERA5 재분석자료와 비교하였고, 해상 도에 따른 차이도 정성적으로 살펴보았다. 재분석자료와 비교할 때, 공간 분포가 유사하였고, 해상도와 대기-해양 접합 에 따라 모의 결과에서 차이가 나타났다. 본 연구를 통해 슈퍼컴퓨터가 아닌 개별 연구자의 고성능 리눅스 클러스터 상에서도 UM이 성공적으로 구동됨을 확인하였다.

대륙이동설로부터 시작되었고 이후 고지자기 및 해저퇴적물 등의 증거들에 의한 해저확장설을 통하여 정립된 판 구조론은, 지각의 운동을 몇 개의 강체 판들이 비록 느리지만 수억 년 이상의 긴 시간 동안 꾸준히 일어나는 움직임으로 서 설명하였다. 초기에는 지각판의 속도를 주로 수백만 년 동안의 고지자기 역전의 잔류 기록에 의거하여 판들 간의 상 대적 운동으로 추산하였는데, 1980년대 이후에는 우주측지 기법들을 이용하여 현재 시점의 판운동을 직접적으로 조사할 수 있게 되었고, 일부 지역에서 판의 변형이 일어나는 것도 확인하게 되었다. 본 해설에서는 (1) 초기의 상대적인 판운동 을 나타내는 모델들을 돌아보고, (2) 무회전 좌표계의 이론과 절대판운동 모델들을 요약-기술하며, (3) 판내부의 변형을 포함하는 최근의 모델을 소개하는 한편, (4) 국제 지구 기준계에 채택된 판운동 모델을 간략히 기술하였고, 끝으로 (5) 근 래에 보고된 남미, 남극, 유럽 등 몇 지역과 (6) 한반도 및 동북아의 지각판 움직임 연구를 각각 소개하였다.

The temperature-dependent development of Poinsettia thrips, Echinothrips americanus was studied at eight constant temperatures (15.0, 17.5, 20.0, 22.5, 25.0, 27.5, 30.0, and 32.5±1°C), 65±5% RH and photoperiod of 16L : 8D conditions. The developmental stages were divided into egg, 1st instar, 2nd instar, pre-pupa, pupa, and adult. The total developmental time in the immature stage was 40.4 days at 15.0°C and 11.6 days at 30.0°C, and it decreased with increasing temperature. The lowest temperature of the whole immature period was 10.7°C, and the cumulative temperature to complete the entire immature period was 217.4 degree days. The optimal development temperature (Topt) for the whole immature stage was estimated to be in the range of 30.51-31.21°C. Topt for each immature stage was 31.64-35.47°C at egg, 30.02-33.08°C at 1st instar, 29.16- 34.43°C at 2nd instar, 27.63-29.21°C at pre-pupa, and 29.81-30.12°C at pupa. In the analysis of the six non-linear models, Logan 6 model was the most appropriate as Zi (Weighting Factors) was 0.18.

냉매 오충전은 에어컨에서 빈번하게 발생하는 고장 모드 중 하나로, 적정 충전량 대비 부족 및 과충전 모두 냉방 성능의 저하를 유 발하므로 충전된 냉매량을 정확하게 판단하는 것이 중요하다. 본 연구에서는 퍼지 군집화 기법을 통한 정상상태 식별을 통해 냉매 오 충전량을 다중 분류하는 모델을 개발하였다. 정상상태 식별을 위해 에어컨 운전 데이터에 대해 이동 평균 간의 차이를 활용한 퍼지 군 집화 알고리즘을 적용하였으며, IFDR를 통해 기존 연구된 정상상태 판단 기법들과 식별 결과를 비교하였다. 이후, 시스템 내 상관성 을 고려한 mRMR을 이용해 특징을 선택하였으며, 도출된 특징을 이용해 SVM 기반의 다중 분류 모델이 생성되었다. 제안된 방법은 시험 데이터를 통해 만족할 만한 분류 정확도와 강건성을 도출하였다.

The management of algal bloom is essential for the proper management of water supply systems and to maintain the safety of drinking water. Chlorophyll-a(Chl-a) is a commonly used indicator to represent the algal concentration. In recent years, advanced machine learning models have been increasingly used to predict Chl-a in freshwater systems. Machine learning models show good performance in various fields, while the process of model development requires considerable labor and time by experts. Automated machine learning(auto ML) is an emerging field of machine learning study. Auto ML is used to develop machine learning models while minimizing the time and labor required in the model development process. This study developed an auto ML to predict Chl-a using auto sklearn, one of most widely used open source auto ML algorithms. The model performance was compared with other two popular ensemble machine learning models, random forest(RF) and XGBoost(XGB). The model performance was evaluated using three indices, root mean squared error, root mean squared error-observation standard deviation ratio(RSR) and Nash-Sutcliffe coefficient of efficiency. The RSR of auto ML, RF, and XGB were 0.659, 0.684 and 0.638, respectively. The results shows that auto ML outperforms RF, and XGB shows better prediction performance than auto ML, while the differences between model performances were not significant. Shapley value analysis, an explainable machine learning algorithm, was used to provide quantitative interpretation about the model prediction of auto ML developed in this study. The results of this study present the possible applicability of auto ML for the prediction of water quality.

목적 : 본 연구의 목적은 저상버스 이용현황을 파악하고, PEO 모델기반 해석 과정을 통해 개인적, 작업적, 그리고 환경적인 부분의 잠재적 문제 요인을 파악해보려고 한다. 연구방법 : 본 연구는 지체장애 및 뇌병변 장애를 경험하고 있는 48명의 대상자를 중심으로 설문조사를 실시하였 고, 장애인이 저상버스를 이용하는데 어려운 요인들을 PEO모델로 분류하여 해석하였다. 결과 : 본 연구결과, 작업과 환경요소에서는 운전자의 지원부족 및 승, 하차 과정의 작업수행문제가, 사람과 환경 요소에서는 이용자의 사회적 통합시도의 부족, 낮은 보조기기 사용률과 사회적 인식수준의 문제가, 사람과 작업 요소에서는 이용자의 건강상태 및 장애에 대한 부정적 인식과 성공적인 작업수행의 경험 부족이 잠재적인 문제 요소로 확인되었다. 결론 : 이동권 보장을 위한 서비스 개선을 위한 노력은 매우 중요할 것이며, 향후, 다각적인 분석을 통한 저상버 스 이용자의 서비스 개선을 위한 노력이 필요할 것이다.

Elevators are the main means of transport in buildings. A malfunction of an elevator in operation may cause in convenience to users. Furthermore, fatal accidents, such as injuries and death, may occur to the passengers also. Therefore, it is important to prevent failure before accidents happen. In related studies, preventive measures are proposed through analyzing failures, and the lifespan of elevator components. However, these methods are limited to existing an elevator model and its surroundings, including operating conditions and installed environments. Vibration occurs when the elevator is operated. Experts have classified types of faults, which are symptoms for malfunctions (failures), via analyzing vibration. This study proposes an artificial intelligent model for classifying faults automatically with deep learning algorithms through elevator vibration data, hereby preventing failures before they occur. In this study, the vibration data of six elevators are collected. The proposed methodology in this paper removes "the measurement error data" with incorrect measurements and extracts operating sections from the input datasets for proceeding deep learning models. As a result of comparing the performance of training five deep learning models, the maximum performance indicates Accuracy 97% and F1 Score 97%, respectively. This paper presents an artificial intelligent model for detecting elevator fault automatically. The users’ safety and convenience may increase by detecting fault prior to the fatal malfunctions. In addition, it is possible to reduce manpower and time by assisting experts who have previously classified faults.

본 연구는 생후 12개월령의 염소를 사용하여 앞다리, 뒷 다리, 등심 및 갈비 부위로 분할하여 in vitro 소화실험을 통해 부위별 단백질 가수분해도 및 아미노산 조성을 조사 하였다. 이 때, 소고기 및 돼지고기의 분할육을 이용하여 염소고기와 비교, 분석하였다. 염소고기 분할육 중 뒷다리 (8.32%) 및 갈비(8.32%)가 가장 높게 단백질 가수분해도가 나타났으며, 염소고기의 갈비 부위는 갈비 분할육 중 가장 높은 단백질 가수분해율을 보였던 돼지고기(8.57%)와 유의 차가 없었다 (P>0.05). In vitro 소화 전에는 염소고기 분할 육 중 등심에서 글리신(11.03%)이, 앞다리에서 글루타민 (53.44%)이 다른 고기 종류 및 분할육들에 비해 유의적으 로 높은 비율로 포함된 것이 확인되었다(P<0.05). In vitro 소화 후에는 염소고기 갈비 부위에서 라이신(17.54%)이 가 장 높은 비율로 포함된 것으로 확인되었으며, 소 갈비 부 위보다 유의적으로 높았다(P<0.05). 본 연구는 염소고기 분 할육의 단백질 가수분해도 및 아미노산 조성을 제공하며 단백질 소화양상 및 생체 이용률을 평가하기 위한 기초 자 료로써 활용되어질 수 있을 것으로 사료된다.

This paper introduces a container loading problem and proposes a theoretical approach that efficiently solves it. The problem is to determine a proper weight of products loaded on a container that is delivered by third party logistics (3PL) providers. When the company pre-loads products into a container, typically one or two days in advance of its delivery date, various truck weights of 3PL providers and unpredictability of the randomness make it difficult for the company to meet the total weight regulation. Such a randomness is mainly due to physical difference of trucks, fuel level, and personalized equipment/belongings, etc. This paper provides a theoretical methodology that uses historical shipping data to deal with the randomness. The problem is formulated as a stochastic optimization where the truck randomness is reflected by a theoretical distribution. The data analytics solution of the problem is derived, which can be easily applied in practice. Experiments using practical data reveal that the suggested approach results in a significant cost reduction, compared to a simple average heuristic method. This study provides new aspects of the container loading problem and the efficient solving approach, which can be widely applied in diverse industries using 3PL providers.

This study attempts a comparison between AHP(Analytic Hierarchy Process) in which the importance weight is structured by individual subjective values and regression model with importance weight based on statistical theory in determining the importance weight of casual model. The casual model is designed by for students’ satisfaction with university, and SERVQUAL modeling methodology is applied to derive factors affecting students’ satisfaction with university. By comparison of importance weights for regression model and AHP, the following characteristics are observed. 1) the lower the degree of satisfaction of the factor, the higher the importance weight of AHP, 2) the importance weight of AHP has tendency to decrease as the standard deviation(or p-value) increases. degree of decreases. the second sampling is conducted to double-check the above observations. This study empirically checks that the importance weight of AHP has a relationship with the mean and standard deviation(or p-value) of independence variables, but can not reveal how exactly the relationship is. Further research is needed to clarify the relationship with long-term perspective.

Recently, many studies have been conducted to improve quality by applying machine learning models to semiconductor manufacturing process data. However, in the semiconductor manufacturing process, the ratio of good products is much higher than that of defective products, so the problem of data imbalance is serious in terms of machine learning. In addition, since the number of features of data used in machine learning is very large, it is very important to perform machine learning by extracting only important features from among them to increase accuracy and utilization. This study proposes an anomaly detection methodology that can learn excellently despite data imbalance and high-dimensional characteristics of semiconductor process data. The anomaly detection methodology applies the LIME algorithm after applying the SMOTE method and the RFECV method. The proposed methodology analyzes the classification result of the anomaly classification model, detects the cause of the anomaly, and derives a semiconductor process requiring action. The proposed methodology confirmed applicability and feasibility through application of cases.

In a group-testing method, instead of testing a sample, for example, blood individually, a batch of samples are pooled and tested simultaneously. If the pooled test is positive (or defective), each sample is tested individually. However, if negative (or good), the test is terminated at one pooled test because all samples in the batch are negative. This paper considers a queueing system with a two-stage group-testing policy. Samples arrive at the system according to a Poisson process. The system has a single server which starts a two-stage group test in a batch whenever the number of samples in the system reaches exactly a predetermined size. In the first stage, samples are pooled and tested simultaneously. If the pooled test is negative, the test is terminated. However, if positive, the samples are divided into two equally sized subgroups and each subgroup is applied to a group test in the second stage, respectively. The server performs pooled tests and individual tests sequentially. The testing time of a sample and a batch follow general distributions, respectively. In this paper, we derive the steady-state probability generating function of the system size at an arbitrary time, applying a bulk queuing model. In addition, we present queuing performance metrics such as the offered load, output rate, allowable input rate, and mean waiting time. In numerical examples with various prevalence rates, we show that the second-stage group-testing system can be more efficient than a one-stage group-testing system or an individual-testing system in terms of the allowable input rates and the waiting time. The two-stage group-testing system considered in this paper is very simple, so it is expected to be applicable in the field of COVID-19.

As the environmental impacts of fossil fuel energy sources increase, the South Korean government has tried to change non-environmental- friendly enery sources to environmental-friendly energy sources in order to mitigate environmental effects, which lead to global warming and air pollution. With both a limited budget and limited time, it is essential to accurately evaluate the economic and environmental effects of renewable energy projects for the efficient and effective operation of renewable energy plants. Although the traditional economic evaluation methods are not ideal for evaluating the economic impacts of renewable energy projects, they can still be used for this purpose. Renewable energy projects involve many risks due to various uncertainties. For this reason, this study utilizes a real option method, the Geske compound model, to evaluate the renewable energy projects on Jeju Island in terms of economic and environmental values. This study has developed an economic evaluation model based on the Geske compound model to investigate the influences of flexibility and uncertainty factors on the evaluation process. This study further conducts a sensitivity analysis to examine how two uncertainty factors (namely, investment cost and wind energy production) influence the economic and environmental value of renewable energy projects.

To mitigate the environmental impacts of the energy sector, the government of South Korea has made a continuous effort to facilitate the development and commercialization of renewable energy. As a result, the efficiency of renewable energy plants is not a consideration in the potential site selection process. To contribute to the overall sustainability of this increasingly important sector, this study utilizes the Black-Scholes model to evaluate the economic value of potential sites for off-site wind farms, while analyzing the environmental mitigation of these potential sites in terms of carbon emission reduction. In order to incorporate the importance of flexibility and uncertainty factors in the evaluation process, this study has developed a site evaluation model focused on system dynamics and real option approaches that compares the expected revenue and expected cost during the life cycle of off-site wind farm sites. Using sensitivity analysis, this study further investigates two uncertainty factors (namely, investment cost and wind energy production) on the economic value and carbon emission reduction of potential wind farm locations.

2007년 메타버스 로드맵에서 메타버스 정의가 공식 발표된 바 있으며, 당시 국내외 연구자들에 의해 많은 논문이 발표되면서 학문적 이론적으로 정립하려는 노력을 해왔다. 이와는 달리, 산업계에서는 ‘메타버스’키 워드가 비대면 장기화와 맞물려 과열 양상을 보이고 있다. 정작 언급되는 메타버스 성공사례는 '게임'이거나 '게이미피케이션' 또는 ‘게임융합’ 사례가 다수다. 따라서, '메타버스'영역에도 게이미피케이션 이론과 원리의 적용은 바람직하다. 이에, 필자가 발표했던 DMGL 모델을 확장하여, 메타버스 내 습관형성 위한 다이내믹 모델을 제시하였다. 저자는 플레이어 경험을 향상시키기 위해 메타월드 습관 형성을 위한 4가자 양상의 모 델을 제안했다. P1) 플레이어는 세계관에 따라 전개되는 배경스토리를 따르며, 유발된 호기심으로 탐험할 동 기가 생성되고 게임의 조작법을 익히고 게임의 목표를 향하는 여정이다. P2) 플레이어는 메타월드의 조작법 익히기 단계로 온보딩 한다. P3) 플레이어는 아바타 꾸미기,아이템 획득/거래,커뮤니티 활동 등을 수행하면 서, 점차 목적(표)를 향한다. P4) 플레이어는 목적기능을 바로 수행할 수 있는 방식으로 온보딩한다. 이 모델 은 게임의 원리와 요소의 융합(게이미피케이션)으로, 후속연구에서 보다 심도 있는 연구 모델을 제시할 예 정이다.

본 연구는 중국 C2C 중고거래 플랫폼의 사용자 연구대상으 로 정보기술 수용과 사용 태도에 대해 설명력이 높다고 인정받 고 있는 기술수용모델(TAM)을 토대로 핵심 변수 외 다양화된 정보시스템 환경을 반영하는 변수로 주목받고 있는 지각된 유 희성을 추가 변수로 지정하였다. 본 연구는 가설을 검증하기 위해 중국 C2C 중고거래 플랫폼에 대한 경험 있는 사용자들을 대상으로 조사를 실시하였다. 총 400부의 설문지를 배포하였으 며 회수된 설문지를 선별하여 총 362부 유효 설문지가 선출되 었다. 또한, C2C 중고거래 플랫폼 특성 변인인 정보 대칭성을 규명하고, 이를 바탕으로 정보의 이용 가치를 높이고 활성하기 위한 전략 방향에 시사점을 제시하는 데 그 목적을 둔다. 그리 고 마케팅 연구의 학문적 발전에 기여하고 기업에는 중고 플랫 폼을 활용한 마케팅 전략 수립 시 실무적인 도움을 제공할 수 있을 것으로 기대한다.

과학과 기술의 발달로 복합재료, 합금, 고강도 탄소섬유, 고분자 재료 등 지능형 소재가 개발되고 있다. 다양한 엔지 니어링 분야에서 이러한 첨단 재료의 응용을 연구하기 위해 전 세계적으로 광범위한 연구가 진행되고 있다. 초탄성 형상기억합 금(SSMA)은 깃발 모양의 히스테리시스 거동을 가지며 추가적인 열처리 없이 응력 완화로 인한 잔류 변형이 거의 없는 신뢰성 이 높은 내진 재료이다. 그러나 공학 문제에서 SSMA 효율성을 연구하기 위한 수치 모델의 개발은 여전히 어려운 작업이다. 본 연구에서는 SSMA 인장시험의 실험결과를 통해 유한요소해석 프로그램인 Abaqus와 수치해석 프로그램인 OpenSEES를 이용하여 재료 모델을 구현한 후 해석결과의 거동 특성 및 에너지 소산을 분석하였다.

PURPOSES : In this study, surface distress (SD), rutting depth (RD), and international roughness index (IRI) prediction models are developed based on the zones of Incheon and road classes using regression analysis. Regression analysis is conducted based on a correlation analysis between the pavement performance and influencing factors. METHODS : First, Incheon was categorized by zone such as industrial, port, and residential areas, and the roads were categorized into major and sub-major roads. A weather station triangle network for Incheon was developed using the Delaunay triangulation based on the position of the weather station to match the road sections in Incheon and environmental factors. The influencing factors of the road sections were matched Based on the developed triangular network. Meanwhile, based on the matched influencing factors, a model of the current performance of the road pavement in Incheon was developed by performing multiple regression analysis. Sensitivity analysis was conducted using the developed model to determine the influencing factor that affected each performance factor the most significantly. RESULTS : For the SD model, frost days, daily temperature range, rainy days, tropical nights, and minimum temperatures are used as independent variables. Meanwhile, the truck ratio, freeze–thaw days, precipitation days, annual temperature range, and average temperatures are used for the RD model. For the IRI model, the maximum temperature, freeze–thaw days, average temperature, annual precipitation, and wet days are used. Results from the sensitivity analysis show that frost days for the SD model, precipitation days and freeze–thaw days for the RD model, and wet days for the IRI model impose the most significant effects. CONCLUSIONS : We developed a road pavement performance prediction model using multiple regression analysis based on zones in Incheon and road classes. The developed model allows the influencing factors and circumstances to be predicted, thus facilitating road management.