본 논문에서는 딥러닝을 활용하여 복합재 적층판의 파괴 모드를 결정하는 방법을 제안하였다. 수많은 엔지니어링 응용 분야에서 적층 복합재의 사용이 증가함에 따라 무결성과 성능을 보장하는 것이 중요해졌다. 그러나 재료의 이방성으로 인해 복잡하게 나타나 는 파괴모드를 식별하는 것은 도메인 지식이 필요하고, 시간이 많이 드는 작업이다. 따라서 이러한 문제를 해결하기 위해 본 연구에서 는 인공 지능(AI) 기술을 활용하여 적층 복합재의 파괴 모드 분석을 자동화하는 것을 목표로 하였다. 이 목표를 달성하기 위해 적층된 복합재에서 파손된 인장 시험편의 주사 전자 현미경(SEM) 이미지를 얻어 다양한 파괴 모드를 확보하였다. 이러한 SEM 이미지는 섬 유 파손, 섬유 풀아웃, 혼합 모드 파괴, 매트릭스 취성 파손 및 매트릭스 연성 파손과 같은 다양한 파손 모드를 기준으로 분류하였다. 다 음으로 모든 클래스의 집합 데이터를 학습, 테스트, 검증 데이터 세트로 구분하였다. 두 가지 딥 러닝 기반 사전 훈련 모델인 DenseNet 과 GoogleNet을 이용해 각 파괴 모드에 대한 차별적 특징을 학습하도록 훈련하였다. DenseNet 및 GoogleNet 모델은 각각 (94.01% 및 75.49%) 및 (84.55% 및 54.48%)의 훈련 및 테스트 정확도를 보여주었다. 그런 다음 훈련된 딥 러닝 모델은 검증 데이터 세트를 활용해 검증하였다. 더 깊은 아키텍처로 인해 DenseNet 모델이 고품질 특징을 추출하여 84.44% 검증 정확도(GoogleNet 모델보다 36.84% 더 높음)를 얻을 수 있음을 확인하였다. 이는 DenseNet 모델이 높은 정밀도로 파괴 모드를 예측함으로써 적층 복합재의 파손 분석을 수행 하는 데 효과적이라는 것을 알 수 있다.

This study explored effects of a sludge-based biochar addition on nitrogen removal of membrane bioreactor (MBR) for wastewater treatment. The membrane fouling reduction by the biochar addition was also investigated. A dose of 3 g/L of the biochar was applied to an MBR (i.e., BC-MBR) and treatment efficiencies of organic matter and nutrient were analyzed. The MBRs with powdered activated carbon (i.e., AC-MBR) and without any additives were also operated in parallel. The average removals of COD and TN were improved with the biochar addition compared to those with the control MBR. Interestingly, operational duration was also increased with biochar addition. The CLSM analysis revealed that biomass amounts of BC-MBR and AC-MBR were reduced by more than 40%, and thickness of the biofilm attached to the membrane surface also was decreased. The physical properties of biochar surfaces were compared with a commercial powdered activated carbon. The specific surface area with 38 m2/g and pore volume with 0.13 cm3/g of the biochar were much smaller than those of the powdered activated carbon, which were 1100 m2/g and 0.67 cm3/g, respectively. Manufacturing conditions for the biochar production needs to be further investigated for enhancing physical properties for adsorption and biological improvement.

In this study, we explored the potential of the Maillard reaction-based time-temperature indicators (TTI) as a tool for predicting and visualizing moisture variations during high-temperature drying. Using activation energy analysis, we found that the Maillard reaction-based TTI could not only visualize but also predict changes in moisture contents during high-temperature drying of 60-80oC. The color changes of the Maillard reaction solutions were distinct enough to be discerned with the naked eye, transitioning from colorless to black via the shift of yellow, light brown, brown, and dark brown. The dynamic characteristics for the color change in the Maillard reaction solutions and the moisture changes in the drying of thin-layer apples could be expressed with high suitability using a logistic model. This suggests that the Maillard reaction-based TTI can potentially be a practical and reliable tool for predicting the moisture changes for the high-temperature drying of thin-layer apples, offering a promising avenue for future research and applications.

PURPOSES : This study aimed to develop a quantitative structure property relationships (QSPR) model to predict the density from the molecular structure information of the asphalt binder AAA1, a non-full connected structure mixed with a total of 12 molecules. METHODS : The partial least squares regression (PLSR) model, which models the relationship between predictions and responses and the structure of these variables, was applied to predict the density of a binder with molecule descriptors. The PLSR model could also analyze data with collinear, noisy, and multiple dimensional independent variables. The density and additive-free AAA1 binder’s molecule systems generated by an asphalt binder’s molecules-related study were used to fit the PLSR model with the molecular descriptors produced using alvaDesc software. In addition to developing the relationship, a systematic feature selection framework (i.e., the V-WSP- and PLSR-modelbased genetic algorithm (GA)) was applied to explore sets of predictors which contributed to predicting the physical property. RESULTS : The PLSR model accurately predicted the density for the AAA1 binder’s molecules using the condition of the temperature and aging level (R2 was 0.9537, RMSE was 0.00424, and MAP was 0.00323 for the test data) and provided a set of features which correlated well to the property. CONCLUSIONS : Through the establishment of the physical property prediction model, it was possible to evaluate the physical properties of construction materials without limited experiments or simulations, and it could be used to comprehensively design the modified material composition.

본 연구의 목적은 대도시 지역의 산업구조 변화에 따라 중요성이 강조되어온 지식기반산업의 경제 및 공간 집적에 주목하고 그 특성을 실증적으로 분석하는 것이다. 우리나라 광역도시권을 연구 지역으로 선정하고, 경제 집적을 측정하기 위하여 지식기반산업의 특화도, 다양성, 경쟁도를 나타내는 지수를 산출하여 집적의 정도를 비교하는 한편, 공간적 측면에서는 공간자기 상관을 기반으로 하는 Getis and Ord’s Gi *를 이용하여 집적 정도를 측정하였다. 분석 공간단위는 광역도시권과 시군구 수준으로 구분하였다. 지식기반산업을 지식기반제조업과 지식기반서비스업으로 구분하여 경제 및 공간 집적을 분석한 결과, 각 산업 부문과 광역도시권에 따라 차별적으로 집적이 이루어지고 있음을 확인하였다. 또한 4개의 산업집적 지역유형 중 산업 특화도와 공간자기상관이 높은 유형인 산업집적 클러스터를 확인한 결과, 가장 큰 규모는 지식기반서비스업에서 나타났는데, 그 공간 범위는 서울의 대다수 구 지역과 인접 시구 지역을 포함한다.

본 연구는 중국 대학의 한국어 학습자를 대상으로 산출지향 접근법에 기반한 수업을 진행하고 그 수업 효과를 살피는 데에 목적이 있다. 이를 위해 본 연구는 산출지향 접근법의 이론에 대해 알아보고 이에 기반한 한국어 수업을 설계하여 진행한 후 학습자들을 대상으로 심층 인터뷰를 진행하였다. 산출지향 접근법에 기반한 한국어 수업은 주로 동기부여, 활 성화, 평가 단계에 따라 구체적인 활동을 구성하였다. 수업에 대한 인터 뷰 결과를 통해 학습자들은 새로 배울 내용에 대한 이해도와 흥미도가 높아졌고 보다 능동적으로 수업 활동에 참여하였으며 언어 산출 능력과 더불어 사고 능력과 동료 협력 능력도 향상되었음을 확인하였다. 반면 산출지향 접근법을 실제 수업에 적용할 경우 수업 시수의 부족, 학습자 언어능력의 부족으로 주어진 시간 내에 다양한 활성화 활동을 마무리하 기 어려울 것이라는 우려도 나타나고 있었다. 본 연구는 향후 POA에 기 반한 한국어 교육에 기초 자료를 제공할 수 있다는 데에 그 의의가 있 다.

Existing reinforced concrete (RC) building frames constructed before the seismic design was applied have seismically deficient structural details, and buildings with such structural details show brittle behavior that is destroyed early due to low shear performance. Various reinforcement systems, such as fiber-reinforced polymer (FRP) jacketing systems, are being studied to reinforce the seismically deficient RC frames. Due to the step-by-step modeling and interpretation process, existing seismic performance assessment and reinforcement design of buildings consume an enormous amount of workforce and time. Various machine learning (ML) models were developed using input and output datasets for seismic loads and reinforcement details built through the finite element (FE) model developed in previous studies to overcome these shortcomings. To assess the performance of the seismic performance prediction models developed in this study, the mean squared error (MSE), R-square (R2), and residual of each model were compared. Overall, the applied ML was found to rapidly and effectively predict the seismic performance of buildings according to changes in load and reinforcement details without overfitting. In addition, the best-fit model for each seismic performance class was selected by analyzing the performance by class of the ML models.

Accurate seismic vulnerability assessment requires high quality and large amounts of ground motion data. Ground motion data generated from time series contains not only the seismic waves but also the background noise. Therefore, it is crucial to determine the high-pass cut-off frequency to reduce the background noise. Traditional methods for determining the high-pass filter frequency are based on human inspection, such as comparing the noise and the signal Fourier Amplitude Spectrum (FAS), f2 trend line fitting, and inspection of the displacement curve after filtering. However, these methods are subject to human error and unsuitable for automating the process. This study used a deep learning approach to determine the high-pass filter frequency. We used the Mel-spectrogram for feature extraction and mixup technique to overcome the lack of data. We selected convolutional neural network (CNN) models such as ResNet, DenseNet, and EfficientNet for transfer learning. Additionally, we chose ViT and DeiT for transformer-based models. The results showed that ResNet had the highest performance with R2 (the coefficient of determination) at 0.977 and the lowest mean absolute error (MAE) and RMSE (root mean square error) at 0.006 and 0.074, respectively. When applied to a seismic event and compared to the traditional methods, the determination of the high-pass filter frequency through the deep learning method showed a difference of 0.1 Hz, which demonstrates that it can be used as a replacement for traditional methods. We anticipate that this study will pave the way for automating ground motion processing, which could be applied to the system to handle large amounts of data efficiently.

본 연구는 국가 연구개발(R&D) 과제 데이터를 기반으로 국내 화장품 산업의 연구개발 동향을 분석하여 중소기업의 경쟁력 강화 방안을 제시하고자 하였다. 2019년부터 2023년까지의 화장품 관련 국가 R&D 과제 데이터를 활용하여 연도별, 주요 수행 주체, 지역적 특성, 주요 부처, 주요 기능 및 효능별 R&D 현황을 종합적으로 분석하고 고찰함으로써, 중소기업 R&D의 방향성 및 전략을 도출하였다. 분석 결 과, 화장품 산업은 중소기업을 중심으로 다양한 기능성 제품 개발에 주력하고 있으며, 최근에는 특히 친환 경적이고 지속 가능한 소재 개발에 큰 비중을 두고 있는 것으로 나타났다. 지역적으로는 경기도와 충청북 도에서 R&D 활동이 가장 활발하며, 이는 지역 산업의 R&D 역량이 높음을 반영한다. 본 연구는 국가 R&D 과제 데이터 기반의 체계적인 R&D 종합 분석을 통해 화장품 산업의 최근 동향을 파악하고, 중소기 업의 시장 경쟁력 강화 및 지속 가능한 성장 전략 수립에 필요한 근거를 제공하였다. 이러한 연구 결과는 중소기업 뿐만 아니라 정책 입안자에게도 유용한 정보와 통찰을 제공하여, 화장품 산업의 발전을 위한 정 책 수립 및 실행에 중요한 기초자료로 활용될 수 있을 것이다.

본 연구는 12주 복합운동 프로그램이 비만 중년 여성의 심혈관계 기능과 심전도 기반의 ST 분 절 및 QRS에 미치는 영향을 알아보기 위하여 중년 여성 24명을 무작위 배정하였다. 결과에 대한 분석은 집단 내 및 기간·집단 간 차이 검증을 실시하였다. 심혈관계 기능에서 심근 산소소비량은 실험군에서 안정 단계와 운동 중 최고 강도 단계에서 유의한 감소가 나타났으며, 안정 시 집단·기간 간 상호작용 역시 나타 났다. 심박수 회복률은 실험군에서 회복기 2분에 유의한 감소가 나타난 반면 대조군에서는 반대로 유의한 증가가 나타났다. 수축기 혈압에서는 실험군이 유의하게 감소한 것으로 나타났으며, 집단·기간 간 상호작용 역시 나타났다. 이완기 혈압은 실험군 대조군 모두 변화가 없었으며, 맥압에서는 회복기 3분 단계에서 실험 군에서만 통계적으로 유의한 감소가 나타났다. 심전도의 경우 QRS 높이는 실험군이 안정 시, 회복기 3분, 6분, 9분에서 대부분 유의한 증가를 나타낸 반면 QRS 기간은 실험군 대조군 모두 유의한 차이가 없었으 며, ST 분절 높이는 실험군에서 안정 시에 유의하게 증가한 것으로 나타났다. 따라서 본 연구의 결과를 종 합해 보면 12주 복합운동 프로그램은 비만 중년여성의 심혈관계 기능과 심전도에서 심실의 수축력 향상과 심근의 허혈을 개선하는데 긍정적인 효과가 있다고 사료된다.

The design variables and material properties as well as the external loads concerned with structural engineering are used to be deterministic in optimization process. These values, however, have variability from expected performance. Therefore, deterministic optimum designs that are obtained without taking these uncertainty into account could lead to unreliable designs, which necessitates the Reliability-Based Design Optimization(RBDO). RBDO involves an evaluation of probabilistic constraints which constitutes another optimization procedure. So, an expensive computational cost is required. Therefore, how to decrease the computational cost has been an important challenge in the RBDO research field. Approximation models, response surface model and Kriging model, are employed to improve an efficiency of the RBDO.

Abstract Handling imbalanced datasets in binary classification, especially in employment big data, is challenging. Traditional methods like oversampling and undersampling have limitations. This paper integrates TabNet and Generative Adversarial Networks (GANs) to address class imbalance. The generator creates synthetic samples for the minority class, and the discriminator, using TabNet, ensures authenticity. Evaluations on benchmark datasets show significant improvements in accuracy, precision, recall, and F1-score for the minority class, outperforming traditional methods. This integration offers a robust solution for imbalanced datasets in employment big data, leading to fairer and more effective predictive models.

선박 건조 과정에서 블록이나 장비를 지지하는 A형 캐리어 구조는 하중 변경과 시간이 지남에 따라 점차 변형이 증가하며, 이 에 따라 블록과 접촉하는 면적이 감소하고 분산된 하중에서 집중된 하중으로 패턴이 변화한다. 이러한 현상은 실제 사용 하중을 오판할 가능성이 있다. 특히 A형 캐리어는 영세한 제조 업체에서 자주 사용하고 있으며, 별도의 엔지니어링 기능이 없는 상황이 대부분이라서 손 쉽게 캐리어의 안전사용하중을 계산하는 방법의 개발이 필요하다. 본 연구는 A형 캐리어가 장기적으로 안전하게 사용할 수 있는 하중을 신속하게 평가하는 방법을 제안함으로써, 하중 분포의 변화에 따른 소성 변형과 그로 인한 안전 문제를 예측하고 대응할 수 있다. 제안된 방법은 캐리어의 중앙 집중하중과 전체 분포하중 조건에 대해서 유한요소해석(빔, 쉘 모델링)을 통한 결과를 기반으로 빔-이론을 수정하 여 제안되었다. 빔 모델링에서 집중하중 조건은 보정계수 0.73, 분포하중에서는 0.69를 이론값에 곱해서 안전사용하중이 가능하다. 쉘 모 델링의 경우, 집중하중은 0.75와 분포하중은 0.69를 사용할 수 있다. 본 연구는 선박 건조 작업 현장의 안전을 개선하고, 실제 작업 환경에 서의 안전 사용 하중 판단에 신속하고 효과적인 결정을 내릴 수 있는 기초 자료로 활용될 수 있다.

상선에 비해 잦은 변침을 하고 어획물로 인한 중량 및 무게중심의 변화와 같은 다양한 운항조건을 가진 어선의 경우, 조종성능 은 선박 운항 시에 매우 중요한 역할을 한다. 소형 어선의 사고는 2022년 기준 전체 해상 사고의 약 60%를 차지하며, 이는 부족한 조종성 능으로 인한 충돌과 좌초 사고가 주요 원인이다. 특히 10톤 미만의 소형선박에서 발생한 사고는 전체 사고의 약 65%를 차지하는데, 소형 어선의 조종성능 관련 기준이 부재하여 이를 정확히 평가하기엔 어려움이 있다. 이에 본 연구에서는 4.99톤급 소형 어선을 대상선으로 선 정하여 3D-CAD로 모델링 한 후, 상용 수치해석 프로그램인 STAR-CCM+를 활용하여 선박의 조종운동 시뮬레이션 환경을 구축하였다. 이 를 바탕으로 다양한 표준재화상태와 무게중심을 고려하여 10° / 10° 및 20° / 20° zigzag test와 35° turning test를 수행하였고, 선체 중량이 증가 함에 따라 변침성능이 감소하고 선회성능이 향상되는 경향을 분석하였다. 그 중, 만재출항과 부분만재입항 상태에서는 상대적으로 선회 성능이 부족한 결과를 확인하였다. 이를 바탕으로 소형선박의 안전한 운항을 위한 표준재화상태와 무게중심을 고려한 조종성능의 평가 및 그에 상응하는 표준화된 조종성능 평가 기준의 필요성을 제시하였다. 또한, 본 연구의 조종성능 평가 결과가 소형선박의 조종성능 평 가 기준 선정을 위한 기초자료로 활용될 수 있을 것으로 기대된다.

하수기반역학을 이용한 코로나19 감시 결과, 연구기간 (2022년 8월-2023년 8월)동안 울산지역 4곳 하수처리장의 전체 174건 모든 시료에서 코로나바이러스-19가 검출되었 다. 확진자 수와 하수 내 코로나바이러스 농도와의 상관 분석 결과, 높은 상관성이 나타났으며 특히 하수감시가 임 상감시보다 2-3주 앞서 농도가 증가함으로써 조기 인지의 가능성도 볼 수 있었다. 또한 코로나19 변이 분석 결과 역 시 유행 시기별 우세종화된 변이와 비교적 유사하여 변이 예측도 가능하였다. 하수감시가 전국적, 전세계적으로 적용되고 있으며 많은 연구가 국가적 사업으로 진행되고 있 다. 이에 따라, 하수 분석방법 및 분석기기 발전 등의 지 속적 연구 업데이트가 필요하다. 또한 코로나19를 통해 감 염병의 선제적 모니터링 및 유행 예측의 가능성을 확인하 였으므로 다양한 병원체 및 식품·의약품 등에 확대 적용 이 진행 중이다. 따라서 본 연구는 감염병 검출분야에서 더 나아가 하수 내 식품 성분, 활성물질 및 미생물 등의 분석을 통해 지역사회의 식품안전 및 전반적인 위생환경 감시를 위해 활용될 수 있을 것으로 기대된다.

본 논문에서는 신뢰성 기반 최적설계(RBDO)에서 성능함수의 비선형성을 고려한 효율적인 차원감소법(DRM)을 제안한다. 차원감 소법은 적분직교점과 가중치를 사용하여 1차 신뢰도법(FORM) 보다 더 정확하게 신뢰도를 평가하는 반면 성능함수를 추가로 해석해 야하기 때문에 적분직교점의 개수가 증가하면 효율성이 저해된다. 본 논문에서는 신뢰성 기반 최적설계에서 성능함수의 비선형도를 평가하고, 비선형도에 따라 적분직교점의 수를 결정하는 기준을 제안한다. 이를 통해 신뢰성 기반 최적설계가 진행될 때 반복마다 적 분직교점의 수를 조절하여 차원감소법의 정확도는 유지하면서 계산의 효율성은 개선하는 방안을 제안한다. 성능함수의 비선형도 평 가는 최대가능목표점(MPTP) 탐색에 사용한 벡터 사이의 각도를 통해 이루어지며, 수치 테스트를 통해 비선형도에 따른 적절한 적분 직교점의 수를 도출하였다. 2차원 수치예제를 통해 개발된 방법이 차원감소법이나 몬테카를로 시뮬레이션(MCS)의 정확도는 유지하 면서 효율성이 향상된다는 것을 확인하였다.

최근 해상 교통량 증가 및 연안 중심의 레저활동으로 인해 다양한 해양사고가 발생하고 있다. 그 중 선박사고는 인 명 및 재산 피해를 유발할 뿐만 아니라 기름 및 위험·유해물질 유출을 동반한 해양 오염사고로 이어질 가능성이 크다. 따 라서 해양사고 대비 및 대응을 위한 지속적인 선박 모니터링이 필요하다. 본 연구에서는 해상 선박 모니터링 체계 구축을 위한 초분광 원격탐사 기반의 항공 실험 수행 및 선박탐지 결과를 제시하였다. 한반도 서해 궁평항 인근 해역을 대상으로 초분광 항공관측을 수행하였으며, 사전에 다양한 선박 갑판에 대한 분광 라이브러리를 구축하였다. 탐지 방법으로는 spectral correlation similarity (SCS) 기법을 사용하였으며 초분광 영상과 선박 스펙트럼 사이의 공간 유사도 분포를 분석하 였다. 그 결과 초분광 영상에 존재하는 총 15개의 선박을 탐지하였으며 최대 유사도에 기반한 선박 갑판의 색상도 분류하 였다. 탐지 선박들은 고해상도 digital mapping camera (DMC) 영상과의 매칭을 통해 검증하였다. 본 연구는 해상 선박탐지 를 위한 항공 초분광 센서 활용의 기초로서 향후 원격탐사 기반의 선박 모니터링 시스템에 주요 역할을 할 것으로 기대된 다.