In this study, as part of the paradigm shift for manufacturing innovation, data from the multi-stage cold forging process was collected and based on this, a big data analysis technique was introduced to examine the possibility of quality prediction. In order for the analysis algorithm to be applied, the data collection infrastructure corresponding to the independent variable affecting the quality was built first. Similarly, an infrastructure for collecting data corresponding to the dependent variable was also built. In addition, a data set was created in the form of an independent variable-dependent variable, and the prediction accuracy of the quality prediction model according to the traditional statistical analysis and the tree-based regression model corresponding to the big data analysis technique was compared and analyzed. Lastly, the necessity of changing the manufacturing environment for the use of big data analysis in the manufacturing process was added.

급격한 기후 변화와 해양 온난화에 의해 지난 수십 년 동안 파고의 변동성이 증가하였다. 상위 1% (또는 5%) 파고와 같은 극한 파고는 국지적인 해역 뿐만 아니라 전 지구 대양에서도 평균 파고에 비해 현저하게 증가하였다. 1991년부터 인공위성 고도계를 활용하여 유의파고를 지속적으로 관측하고 있으며 통계적 기법을 기반으로 100년 빈도 유의파고를 추정하기에 비교적 충분한 자료가 축적되었다. 이어도 해양과학기지에서 유의파고 극값을 추정하기 위하여 2005년부터 2016년까지 위성 고도계 자료를 활용하였다. 대표적인 극값 분석 방법인 Initial distribution Method (IDM) 와 Peak over Threshold (PoT)를 위성 도고계 유의파고 관측 자료에 적용하고 이어도 해양과학기지에서 관측된 실측 자료와 비교하였다. 이어도 해양과학기 관측 자료에 IDM과 PoT 기법을 적용하여 추정된 100년 빈도 유의파고는 각각 8.17 m와 14.11 m이며, 인공위성 고도계 관측 자료를 활용하였을 때는 각각 9.21 m와 16.49 m이었다. 관측 최대값과의 비교 분석에서 IDM을 활용한 분석은 유의파고 극값을 과소추정 하는 경향을 보였다. 이는 IDM 보다 PoT 기법이 유 의파고의 극값을 적절하게 추정하고 있음을 의미한다. PoT 기법의 우수성은 높은 유의파고가 발생하는 태풍의 영향을 받는 이어도 해양과학기지 실측 자료를 활용한 결과에서도 증명되었다. 또한 PoT 기법으로 추정된 유의파고 극값의 안정성은 고도계 자료의 감소에 따라 저하될 수 있음을 확인하였다. 인공위성 고도계 자료를 활용하여 유의파고 극값 추정시 발생할 수 있는 한계점과 인공위성 자료를 검증할 수 있는 자료로써 이어도 해양과학기지 관측 자료의 중요성에 대하여 논의하였다.

대한민국 기상청에서 사용하고 있는 UM (Unified Model, UM) 모델의 국지예측시스템(Local Data Assimilation and Prediction System, LDAPS)은 수치모델 모의 시 대기경계층 유형에 따라 물리과정을 다르게 계산하기 때문에 이 과정을 검증하는 것은 모델의 정확도 향상에 중요하다. 따라서, 본 연구에서는 수치모델의 대기경계층 유형을 관측자료 를 기반으로 검증하였다. 관측자료를 기반으로 대기경계층 유형을 분류하기 위해서 보성 표준기상관측소에서 수행한 여름철 집중관측자료(라디오존데, 플럭스관측장비, 도플러 라이다, 운고계)를 활용하였으며, 2019년 6월 18일 부터 8월 17일 까지 61일 동안에 총 201회의 관측자료를 분석하였다. 또한 관측자료와 수치모델 결과가 다른 경우를 보면, 관측자료를 기반으로 한 대기경계층 유형 분류 결과에서 2유형으로 분류되는 사례가 수치모델에서는 1유형으로 분류된 사례가 53회로 가장 많이 나타났다. 그 다음으로는 관측자료를 기반으로 한 대기경계층 유형 분류 결과에서 5유형과 6유형 으로 분류되는 사례가 수치모델에서는 3유형으로 분류된 사례가 많이 나타났다(각각 24회, 15회). 관측결과와 수치모델 모의 결과가 일치하지 않은 사례는 모두 층적운 접합 여부 및 적운 모의 등 수치모델의 구름물리 부분의 모의 성능에 기인하여 발생한 것이라고 분석된다. 따라서, 대기경계층 유형 분류의 구름물리과정의 모의 정확도를 개선하면 수치모델 성능이 향상 될 것으로 판단된다.

This study was conducted to examine the status of food consumption and nutrition intake of young adults according to food security using data from the Korea National Health and Nutrition Examination Survey (KNHANES) (2008~2018). A total of 10,655 young adults aged 19~34 years participated in the study. The subjects in the moderately/severely food insecure group consumed less fruits, vegetables, meat, nuts and seeds than those in food secure/mildly food insecure group after adjusting for confounding factors. The moderately/severely food insecure group significantly decreased mean adequacy ratio (MAR) and nutrient adequacy ratio (NAR) for protein, vitamin A, riboflavin, niacin, vitamin C, calcium, phosphorus and iron compared to the food secure/ mildly food insecure group. The percentages of the participants consuming a daily diet with carbohydrate, protein, vitamin A, thiamin, riboflavin, niacin, vitamin C, phosphorus and iron less than the estimated average requirement (EAR) increased in the moderately/severely food insecure group compared with the food secure group. This study suggested that the nutrition intake of young adults was related to food security status. These findings can be used as basic data for developing nutritional policies for young adults.

This study was conducted to investigate the intake status of beverages and water in Korean adults using data from the 8th National Health and Nutrition Examination Survey. The ‘total water’ intake was 2,250.6 g for men and 1,871.2 g for women. Men and women consumed an average of 314.9 g of ‘total beverages’, of which ‘coffee’ was the largest at 107.5 g, followed by ‘others’(65.4 g), ‘milk’ (44.8 g), ‘soda’ (44.1 g), ‘teas’ (20.9 g), and ‘fruits and vegetables’ (18.5 g). The intake of ’plain water’ was 1,059.9 g, and the intake of ’water from food’ consumed was 547.3 g. The ‘total water’ intake decreased with increasing age in males and females (p<0.001). Both men and women showed a tendency toward increased ‘total water’ intake as income levels increased. ‘Plain water’ intake accounted for 51.4% of the ‘total water’ intake in males and females. The intake of all nutrients significantly increased from the Q1 group to the Q4 group by quartile ranges of total water intake. The results of this study showed that the intake of healthy water should be considered, and care and educational programs are needed, especially for older people, to ensure adequate water intake.

The sensory stimulation of a cosmetic product has been deemed to be an ancillary aspect until a decade ago. That point of view has drastically changed on different levels in just a decade. Nowadays cosmetic formulators should unavoidably meet the needs of consumers who want sensory satisfaction, although they do not have much time for new product development. The selection of new products from candidate products largely depend on the panel of human sensory experts. As new product development cycle time decreases, the formulators wanted to find systematic tools that are required to filter candidate products into a short list. Traditional statistical analysis on most physical property tests for the products including tribology tests and rheology tests, do not give any sound foundation for filtering candidate products. In this paper, we suggest a deep learning-based analysis method to identify hand cream products by raw electric signals from tribological sliding test. We compare the result of the deep learning-based method using raw data as input with the results of several machine learning-based analysis methods using manually extracted features as input. Among them, ResNet that is a deep learning model proved to be the best method to identify hand cream used in the test. According to our search in the scientific reported papers, this is the first attempt for predicting test cosmetic product with only raw time-series friction data without any manual feature extraction. Automatic product identification capability without manually extracted features can be used to narrow down the list of the newly developed candidate products.

The purpose of this paper is to understand the key factors for efficient maintenance of rapidly aging facilities. Therefore, the safety inspection/diagnosis reports accumulated in the unstructured data were collected and preprocessed. Then, the analysis was performed using a text mining analysis method. The derived vulnerabilities of tunnel facilities can be used as elements of inspections that take into account the characteristics of individual facilities during regular inspections and daily inspections in the short term. In addition, if detailed specification information and other inspection results(safety, durability, and ease of use) are used for analysis, it provides a stepping stone for supporting preemptive maintenance decision-making in the long term.

지난 12월 10일 데이터기반행정법 시행으로 데이터시대의 증거기반정책으로서의 데이터기반정책이 본격화되고 있다. 본 논문은 증거기반정책 법을 시행한 미국의 사례, 디지털경제법을 기초로 공공데이터를 정책에 적극적으로 활용하고 있는 영국의 사례를 비교·분석하고 우리나라 데이터기반행정법의 지속적 발전을 위한 함의를 제시하는 것을 목적으로 하였다. 미국의 증거기반정책법은 연방정부의 평가계획과 밀접 관련이 있는 ‘증거구축활동’과 관련하여 전략계획과 평가계획, 증거구축을 위한 평가관 및 통계관, 데이터자문위원회 등을 규정하고 있다. 또한 동법은 연 방정부가 생산하는 공공데이터의 활용과 관련하여 OPEN 정부데이터법 을 다뤄 개방데이터계획을 포함한 전략적 정보자원관리계획, 기관의 데이터 목록, 연방정부 데이터 자산의 대국민 단일 창구, 데이터 사용과 보호, 제공, 생산과 관련된 모범사례를 선정하고 기관 간 데이터 공유 협정을 촉진하는 위원회 등을 규정하며, 학습 지향의 정부조직의 구축을 목적으로 하여, ‘정책평가’와 ‘정책질문’을 중시한다. 영국의 행정데이터연구는 공공데이터를 활용한 정책연구 네트워크로 접근하고 있다. 행정데이 터연구는 2012년 재무부의 빅데이터 계획의 일환으로 출발하였고, 개정 된 2017년 디지털경제법은 연구자들이 안전한 방식으로 정부 데이터에 접근하는 법적 근거를 제공하고 있어, 행정데이터를 연구자가 활용할 수 있도록 한다는 명확한 목적을 가지고 있다. 행정데이터연구는 정부와 학계를 연결하는 다리 역할을 하며, 학계와의 파트너십을 중심으로 내부 거버넌스 및 정부와의 적극적인 협력을 중시하고 있다. 영국은 공공데이 터의 중요성에 대하여 인식하고, 통계기관이 데이터 허브 기능을 수행하 고 있다. 이러한 각국의 데이터기반정책 관련 법·제도 분석을 토대로 한국의 데이터기반행정법의 역할과 향후 방향성에 일정한 함의를 제시하였다.

Gravity Recovery and Climate Experiment (GRACE) gravimeter satellites observed the Earth gravity field with unprecedented accuracy since 2002. After the termination of GRACE mission, GRACE Follow-on (GFO) satellites successively observe global gravity field, but there is missing period between GRACE and GFO about one year. Many previous studies estimated terrestrial water storage (TWS) changes using hydrological models, vertical displacements from global navigation satellite system observations, altimetry, and satellite laser ranging for a continuity of GRACE and GFO data. Recently, in order to predict TWS changes, various machine learning methods are developed such as artificial neural network and multi-linear regression. Previous studies used hydrological and climate data simultaneously as input data of the learning process. Further, they excluded linear trends in input data and GRACE/GFO data because the trend components obtained from GRACE/GFO data were assumed to be the same for other periods. However, hydrological models include high uncertainties, and observational period of GRACE/GFO is not long enough to estimate reliable TWS trends. In this study, we used convolutional neural networks (CNN) method incorporating only climate data set (temperature, evaporation, and precipitation) to predict TWS variations in the missing period of GRACE/GFO. We also make CNN model learn the linear trend of GRACE/GFO data. In most river basins considered in this study, our CNN model successfully predicts seasonal and long-term variations of TWS change.

The event recording devices such as EDR and DTG have recently been developed and installed in automobiles. The reliability of EDR application is being conducted in many previous studies, but with the development and development of autonomous vehicles, it is necessary to study the reliability of EDR and DTG application results for programs that can analyze autonomous driving. Therefore, in this study, the analysis was carried out in a way to secure the reliability of the application results of EDR and DTG of Carmaker, which can analyze the traffic accident analysis program PC-Crash and autonomous driving, and secure the reliability of the Carmaker program that applied EDR in Korea and abroad. As a result of the analysis, it was found that the speed error rate gradually increased from high speed to low speed, and the maximum error speed was less than 5 km/h through the average error rate for each speed. In the future, it is thought that it can be usefully used for analysis of traffic accidents in the event of autonomous vehicle accidents.

수역 내 충돌 위험 식별은 항해의 안전을 위해 중요하다. 본 연구에서는 거리 요인을 기반으로 한 군집화 방법인 계층 클러스 터링을 포함하는 새로운 충돌 위험 평가 방법을 도입했으며, 주변의 선박이 많은 경우 실시간 데이터, 그룹 방법론 및 예비 평가를 사용하여 선박을 분류하고 충돌위험평가를 기반으로 평가하였다(HCAAP 처리라 부른다). 조우하는 선박들의 군집은 계층 프로그램에 의해 모아지고, 예비 평가와 결합되어 상대적으로 안전한 선박을 걸러내었다. 그런 다음, 각 군집 내에서 조우하는 선박 사이의 최근접점(DCPA) 및 최근접점까지의 도착시간(TCPA)까지의 시간을 계산하여 충돌위험지수(CRI)와의 관계를 비교하였다. 조우하는 선박들간의 군집에서 CRI와 DCPA 및 TCPA 수학적 관계는 음의 지수 함수로 구성되었다. 이러한 CRI로부터 운영자는 명시된 해역에서 항해하는 모든 선박의 안전성을 보다 쉽게 평가할 수 있으며, 프레임워크는 해상운송의 안전과 보안을 개선하고 인명 및 재산 손실을 줄일 수 있다. 본 연구에 서 제안된 프레임워크의 효과를 설명하기 위해 국내의 목포 연안 해역에서 실험 사례 연구를 수행하였다. 그 결과, 본 연구의 프레임워크가 각 군집 내에서 조우 선박 간의 충돌 위험 지수를 탐지하고 순위를 매기는 데 효과적이고 효율적이라는 것을 보여 주었으며, 추가연구를 위한 자동 위험 우선순위를 지정할 수 있게 해주었다.

The first stage of the SMART-Navigation project was completed in 2020, and a new project that aims to develop smart AtoN (aids to navigation) has begun. If the location information of ships is continuously collected, processed and accumulated, it will be possible to identify the behavioral characteristics of each ship and to combine the characteristics of active ships at some point to provide various forms of predictive information. In this paper, we describe how current and traditional fishing areas are identified based on the location information of fishing boats and then introduce a new method for predicting fishing areas in advance using historical information of currently active fishing boats.