9% nickel steel has remarkable mechanical properties in a cryogenic condition and is widely used in storage containers for LNG fueled ships. Demand for laser welding rather than conventional arc welding has grown to increase manufacturing efficiency. However there are various types of heat sources which are suggested by other researchers. With that, it is difficult to select a proper heat source shape for welding conditions. The author proposed a representative heat source model that can cover most of suggested heat source models through previous studies. Welding power was fixed at 4kW and the speed was changed to 1.0m/min, 1.5m/min, and 2.0m/min respectively. The shapes of the welding heat sources were derived, and the tendency of the main parameters was also deducted. It was observed that the width and depth of the weld bead decreased as the welding speed increased through welding experiment, parameters of welding heat source are changed linearly. Based on this study, it is expected that it will be possible to estimate the shape of the heat source under untested welding conditions.

This paper describes the design of H-infinity controller for robust control of a DC motor system. The suggested controller can ensure robustness against disturbance and model uncertainty by minimizing H-infinity norm of the transfer function from exogenous input to performance output and applying the small gain theorem. In particular, the controller was designed to reduce the effects of disturbance and model uncertainty simultaneously by formalizing these problems as a mixed sensitivity problem. The validity of the proposed controller was demonstrated by computer simulations and real experiments. Moreover, the effectiveness of the proposed controller was confirmed by comparing its performance with PI controller, which was tested under the same experimental condition as the H-infinity controller.

The prediction of algal bloom is an important field of study in algal bloom management, and chlorophyll-a concentration(Chl-a) is commonly used to represent the status of algal bloom. In, recent years advanced machine learning algorithms are increasingly used for the prediction of algal bloom. In this study, XGBoost(XGB), an ensemble machine learning algorithm, was used to develop a model to predict Chl-a in a reservoir. The daily observation of water quality data and climate data was used for the training and testing of the model. In the first step of the study, the input variables were clustered into two groups(low and high value groups) based on the observed value of water temperature(TEMP), total organic carbon concentration(TOC), total nitrogen concentration(TN) and total phosphorus concentration(TP). For each of the four water quality items, two XGB models were developed using only the data in each clustered group(Model 1). The results were compared to the prediction of an XGB model developed by using the entire data before clustering(Model 2). The model performance was evaluated using three indices including root mean squared error-observation standard deviation ratio(RSR). The model performance was improved using Model 1 for TEMP, TN, TP as the RSR of each model was 0.503, 0.477 and 0.493, respectively, while the RSR of Model 2 was 0.521. On the other hand, Model 2 shows better performance than Model 1 for TOC, where the RSR was 0.532. Explainable artificial intelligence(XAI) is an ongoing field of research in machine learning study. Shapley value analysis, a novel XAI algorithm, was also used for the quantitative interpretation of the XGB model performance developed in this study.

The sewer capacity design have been based on the Huff model or the rational equation in South Korea and often failed to determine optimal capacity, resulting in frequent urban flooding or over-sizing. A time distribution of rainfall (i.e., Huff or ABM method) could be used instead of a rainfall hyetograph obtained from statistical analysis of previous rainfalls. In this study, the Huff method and the ABM method, which predict the time distribution of rain intensity, which are widely used to calculate sewage pipe drainage capacity using the SWMM, were compared with the standard rainfall intensity hyetograph of Seoul. If the rainfall duration was 30 minutes to 180 minutes, the rainfall intensity value calculated by the Huff model tended to be less than the rainfall intensity value of the standard rainfall intensity in the initial 5-10 minutes. As a result, more than 10% to 30% of under-design would be made. In addition, the rainfall intensity value calculated by the Huff model from the section excluding the initial 5-10 minutes of rainfall to the rainfall duration was calculated larger than the value using the standard rainfall intensity equation, which would result in an over-design of 10% to 30%. In the case of a relatively long rainfall duration of 360 minutes (6 hours) to 1,440 minutes (24 hours), it showed an lower rainfall intensity of 60 to 90% in the early stages of rainfall, but the problem of under-design had been solved as the rainfall duration time had elapsed. On the other hand, in the alternating block method (ABM) method, it was found that the rainfall intensity at the entire period at each assumed rainfall duration accurately matched the standard rainfall intensity hyetograph of Seoul.

본 연구에서는 유한요소해석 D/B를 기반으로 보간식을 산출하여 개활지 폭발현상에 의해 기둥에 작용하는 폭압이력을 예측하는 모델을 개발했다. D/B 구성을 위해 7종류 기둥 너비에 대해 총 70회의 유한요소해석을 수행했다. 제안하는 방법의 성능확인을 위해, 기존에 제시된 경험식 기반의 예측식과의 비교연구를 수행했다. 또한, D/B를 구성하는 point 외의 영역에서의 예측 정확도 확인을 위 해 유한요소해석 결과와의 비교/검증 연구를 추가로 수행했다. 제안하는 방법은 기존의 경험식 기반 예측식에 비해 유한요소해석 결 과와 유사한 결과를 산출함을 확인했다.

일반적으로 콘크리트는 골재, 모래, 시멘트, 담수, 혼합재 등 다양한 재료로 구성되어있으며 재령에 따라서 강도가 증 가한다. 콘크리트에 필요한 각 재료의 비율은 혼합 설계를 통해 결정되지만, 콘크리트의 강도는 실험적으로 측정되기 전까지는 알 수 없다. 이러한 한계를 극복하기 위해 실험을 통해 얻은 데이터를 이용하여 콘크리트의 압축 강도를 예측하기 위해 통계수 학과 기계학습 알고리즘을 이용한 많은 연구가 시도되었다. 이전의 연구는 콘크리트 압축 강도 예측에 신경망 기법이 가장 적 합하다고 제안하였다. 그러나 신경망 기법은 다른 기계학습과 비교하여 모델 학습에 계산 비용이 많이 들어 실제로 적용하기 어려운 문제점이 있다. 최근 몇 년 동안 다양한 회귀 분석 모델이 개발되었으므로 본 연구에서는 신경망 대신 최신 회귀 분석 모델을 이용하여 콘크리트 강도 예측모델을 제시하였다. 이를 위해 최근 개발된 회귀 분석 모델에 대한 교차검증을 시행하여 최적의 모델을 선정하였다. 그리드 검색을 통하여 선정된 각 모델의 하이퍼 파라미터를 최적화하고, 국내외 데이터를 활용하여 기계학습 모델을 훈련하고 검증하였다. 이들 중 CatBoost, LGBMR, RFR, XGBoost 회귀모델이 높은 성능을 보여주었다. 특히 그 중에서 XGBoost 회귀 분석 모델이 가장 작은 오차와 높은 정확도를 보여주었다. 이들 중 오류가 가장 큰 LGBMR 모델도 이전 연구에서 제안된 신경망 및 앙상블 모델보다 성능이 우수하였다. 현장 레미콘 콘크리트에 대한 압축 강도 예측을 시행하여 학 습된 모델의 현장 적용 가능성을 확인하였다.

교정의 역사와 관점은 중세 이래로부터 다양하게 변화해왔고, 교정의 의미와 패러 다임을 결정하는 중요 요인은 범죄 원인에 관한 철학적 담론 등 이었다. 이에 따라 교정의 양태도 변화되었는데 최근에는 심리학적 접근과 포스트모더니즘의 영향 아래 범죄에 대해 새롭게 이해하려는 노력이 이루어지고 있다. 구체적으로 교정은 교정의 발달사와 철학적 배경, 범죄에 대한 관점, 심리학적 접근 의 이해를 토대로 살펴보면 과거 교정의 패러다임은 몇 가지 제한적 특징을 지닌다. 이에 본 연구에서는 과거 교정의 특성을 살펴보고 인간중심 교정 패러다임을 새롭게 제시하고 실천 전략을 제시해 보고자 한다. 인간중심 교정은 범죄가 아닌 ‘그’ 라는 사람에 관한 관심을 쏟고 범죄자를 교정의 객체로 간주하는 것이 아니라 교정의 주체로 인식하며 능동적 역할을 수행하도록 조 력한다. 즉, 범죄자는 법에 대한 능동적 참여자로 스스로 법체계에 대한 관점을 형성 하고, 법률적 책임에 대한 통찰을 이룰 수 있다는 인식을 전제로 한다. 또한. 인간이 자기 주변에서 일어나는 모든 현상의 중심이 된다는 것으로 그가 자신이 자기 세계에서 일어나는 모든 일의 원인이며 결과이기에 모든 책임을 스스로 지고자 한다는 의미 를 포함하고 있다.

Flipped learning research has been applied in various educational fields since 2015 and the educational effects have been discussed in previous literature. In the beauty field, flipped learning research is insufficient; in particular, it is difficult to find research on flipped learning specifically concerning nail beauty education. The purpose of this study is to develop a model for applying flipped learning to nail beauty education which should involve practical training based on theory. Such an approach is considered effective. Data were collected and analyzed focusing on previous studies with flipped learning applied as a research method. The subject of the research is “Nail Color Design 1”, a common nail major elective subject at J college. The “Nail Color Design 1” course is a practice-oriented course in the form of theory and practical classes. Consequently, the flipped learning education model for nail beauty was designed by reflecting learners’ needs through the ADDIE instructional design model. It was applied based on the education structure of the Pre-class, In-class, and Post-class of the PARTNER instructional learning model. This study deviates from the traditional practical education model, and has educational significance as a practical model in which flipped learning is applied to nail beauty subjects and self-reflection is derived through project practice.

세계 4대 실명질환 중 하나인 연령관련 황반변성(Age-related Macular Degeneration, ARMD)에 관한 실험 모델 논문을 검토하면서, ARMD 예방과 치료를 위해 앞으로 나아가야 할 방향을 제시하고자 한다. ARMD 관련 한 전반적인 논문을 세포실험(in vitro)과 동물실험(in vivo)으로 나누어서 점검하고, 현재 진행하고 있는 연구와 한계점에 대해서 살펴보았다. ARMD 발병기전을 연구하고 이를 치료하기 위한 다양한 연구가 진행중이지만, 현재 까지 ARMD를 치료할 수 있는 명확한 치료제는 존재하지 않는다. ARMD 발병기전에 대한 지속적인 연구가 필요 하고, ARMD 치료와 예방을 위해 활용할 수 있는 천연물 후보물질 발굴이 필요하다고 사료된다.

The purpose of this study was to examine the extent to which influencing factors impact the transference willingness of farmers. The research method is based on the survey data on transference willingness, and the binary logistic model was used to analyze the influencing factors. The results show that the educational level, annual household income, farm labor, and farmers' understanding of land transfer policy notably influence land transfer. Based on the results, suggestions include improving farmers' social security system, improving a sound market for rural land transfer, and deepening the promotion and explanation of land-related policies.

This study intends to present a traffic node-based and link-based accident prediction models using XGBoost which is very excellent in performance among machine learning models, and to develop those models with sustainability and scalability. Also, we intend to present those models which predict the number of annual traffic accidents based on road types, weather conditions, and traffic information using XGBoost. To this end, data sets were constructed by collecting and preprocessing traffic accident information, road information, weather information, and traffic information. The SHAP method was used to identify the variables affecting the number of traffic accidents. The five main variables of the traffic node-based accident prediction model were snow cover, precipitation, the number of entering lanes and connected links, and slow speed. Otherwise, those of the traffic link-based accident prediction model were snow cover, precipitation, the number of lanes, road length, and slow speed. As the evaluation results of those models, the RMSE values of those models were each 0.2035 and 0.2107. In this study, only data from Sejong City were used to our models, but ours can be applied to all regions where traffic nodes and links are constructed. Therefore, our prediction models can be extended to a wider range.

본 논문에서는 최근 가상환경을 통해 이용자간 실시간 상호작용이 용이한 것은 물론 온라인 콘텐츠도 쉽게 제공할 수 있는 메타버스(Metaverse) 플랫폼의 등장에 주목하고, 현재 교육 분야에 주로 활용되고 있는 주요 메타버스 플랫폼의 교육적 활용 상황 분석과 전문가 인터뷰 등을 통해 향후 사이버대학 교육에 활용하기 적합한 메타버스 기반의 교육 플랫폼을 제안한다. 본 연구를 통해 현재 교육 분야에 주로 활용되고 있는 주 요 메타버스 플랫폼의 경우에는 정규 학습관리 시스템을 지원하지 못하는 것이 가장 큰 한계로 분석되었으 며, 전문가 인터뷰를 통해서는 교수자 및 학습자 모두가 새로운 환경에 대한 거부감을 최소화하고 학습자들 의 지속적인 활용이 가능하도록 사용성 및 편의성 등이 고려되어 메타버스 기반의 원격 교육 플랫폼이 설 계가 이루어져야 할 것으로 도출되었다. 그밖에 AR/VR 등의 실험, 체험 중심의 학습기회 강화와 학습자들 간의 커뮤니케이션 및 협업 활동을 장려할 수 있는 기능이 확보될 경우 학습성과를 높일 수 있을 것으로 분석되었다. 분석된 요구사항 및 기능 제안 등을 토대로 본 연구에서는 기존의 사이버대학 원격 교육을 그 대로 지원하면서 메타버스 환경을 새롭게 지원하기 위한 사이트 뷰 관리 기능, 메타버스 관리 기능, AR/VR 콘텐츠 관리 기능 등이 추가된 메타버스 기반의 사이버대학 원격 교육 플랫폼 모델(MOEP4CU)을 제안한다.

해양사고의 감소를 위하여 국제해사기구(IMO) 체약국 정부에서 IMO 협약 및 규정에 대한 이행은 필수적이다. IMO 협약이행코 드(III Code)에서는 각 주관청에게 협약이행을 주기적으로 점검 및 평가하여 개선하는 체계를 갖추도록 요구하고 있으며 성과지표를 평가방 법에 포함하도록 요구하고 있음에 따라 회원국은 자국의 협약이행 평가를 위한 성과지표를 개발할 필요가 있다. 이에, 본 논문의 목적은 주관청의 협약이행 수준을 계량화하여 평가할 수 있도록 대표적인 평가측정 기법인 균형성과표(BSC) 및 핵심성과지표(KPI)를 활용한 평가 모델을 개발하여 제시하는 것이다. 논문의 결과로서, III Code 요건에 BSC 개념을 적용한 III-BSC 관점에서 수립된 비전의 달성을 위해 반드 시 확보해야 하는 핵심성공요인(CSF)을 도출하고, 도출된 CSF를 측정할 수 있도록 평가영역별 후보 KPI를 개발하여 4계층의 초기 연구모형 을 설계하였으며, SMART 기법을 활용한 조사설계를 통해 KPI의 타당성을 검증하여 연구모형을 완성하였다. 또한, 개발한 연구모형을 기반 으로 AHP 분석을 통해 각 계층별 요소의 가중치를 도출하여 BSC 기반 IMO 협약이행에 대한 평가모델을 개발하여 제시하였다. 개발된 평 가모델이 정량적으로 IMO 협약이행 수준을 파악하는 도구로 활용될 수 있으며, 이를 통해 IMO 회원국들의 협약이행 수준 개선에 기여할 수 있을 것으로 기대한다.

Laser welding is used in various industries due to fast welding speed, and prediction with FEM is needed to design. The multi-layered heat source model that can cover various models has been recently proposed to analyze laser welding, but it takes a lot of time because more than 2,000 cases are compared to derive the results. In order to reduce the time, the simplified model should be suggested. In order to derive a simplified model, laser welding heat transfer analysis was performed using the welding direction length and the convection coefficient of the welding direction surface as parameters. As a result, the model whose difference is less than 0.1% compared to reference model is deducted. The analysis time was reduced by about 90% from 48 hours to 5 hours. Also difference of convection coefficient on the welding direction surface does not affect the temperature distribution much.

As laser welding has low thermal distortion and fast welding speed, the needs in the field is increasing in varous industries. Prediction of distortion and design with that prediction are very important for using welding process in the field. However many types of heat source models for laser welding are suggested, field engineers feels difffucult for using a proper model for a specific case. Thus I, author, suggested a representative model which can cover most of existing models with multi-layered heat source model. This method is very powerful, but there are much time consumption with analysis and comparision among more than 1,000 candidates. To solve these shortcomings, this study focused on to find the simplified model. In order to construct the simplified model, the length of the orthogonal direction to the welding direction was reduced from 300mm to 35mm, which makes time reduction of 75% with sustaining the quality of the original model. That can cover the disadvantage of multi-layered heat source model for laser welding, enhance the prediction of welding distortion after laser welding

본 연구는 영국기상청에서 개발된 지역기후모델 Hadley Centre Global Environmental Model version 3 regional climate model (HadGEM3-RA)로부터 모의된 동아시아 지역의 기온과 강수 결과를 평가하였다. HadGEM3-RA 는 Coordinated Regional climate Downscaling Experiment-East Asia (CORDEX-EA) Phase II 영역에서 15년 (2000- 2014년) 모의되었다. 동아시아 여름 몬순에 의한 HadGEM3-RA 강수대 분포는 Asian Precipitation Highly ResolvedObservational Data Integration Towards Evaluation of water resources (APHRODITE) 자료와 잘 일치한다. 그러나, 동 남아시아 강수는 과대 모의하며 남한에서는 과소 모의한다. 특히 모의된 여름철 강수량과 APHRODITE 강수량은 남한 지역에서 가장 낮은 상관 계수와 가장 큰 오차크기(RMSE)를 보인다. 동아시아 기온 예측은 과소 모의하며 겨울철 오 차가 가장 크다. 남한 기온 예측은 봄 동안 가장 큰 과소 모의 오차를 나타냈다. 국지적 예측성을 평가하기 위하여 서 울기상관측소 ASOS 자료와 비교한 기온과 강수의 시계열은 여름철 강수와 겨울철 기온이 과소 모의하는 공간 평균된 검증 결과와 유사하였다. 특히 여름철 강수량 증가시 과소 모의 오차가 증가하였다. 겨울철 기온은 저온에서는 과소 모 의하나 고온은 과대 모의하는 경향이 나타났다. 극한기후지수 비교 결과는 폭염은 과대 모의하여, 집중호우는 과소 모 의하는 오차가 나타났다. 수평해상도25km로 모의된 HadGEM3-RA는 중규모 대류계와 지형성 강수 예측에서 한계를 보였다. 본 연구는 지역기후모델 예측성 개선을 위한 초기 자료 개선, 해상도 향상, 물리 과정의 개선이 필요함을 지시 한다.

생물다양성협약(CBD)에서는 전 지구적으로 발생하는 환경문제의 대응방안으로 육상의 17%를 보호지역으로 지정 하도록 할 것을 권고하고 있다. 우리나라도 국제적 수준에 맞춰 보호지역을 지정하고 보호지역 지정이 가지는 의미를 설명할 필요성이 생겼으며, 이에 따라 생태계서비스에 관한 연구의 필요성이 요구되고 있다. 우리나라는 보호지역 지정을 자연공원법에 의해 위계별로 국립공원, 도립공원, 군립공원으로 지정하고 있다. 그러나 정치, 행정적 측면이 우선시되면서 생태계서비스 가치평가 연구 및 서식지 관리가 국립공원에 편중되어 도립 및 군립공원은 다소 미비하여 연구의 필요성이 있다. 본 연구에서는 국립공원에 비해 서식지 관리 및 생태계서비스 가치평가 연구가 미비한 가지산도 립공원을 대상으로 InVEST 모델 중 InVEST Habitat Quality 모델을 사용하여 서식지 질을 평가하고, 분석 결과를 16개의 산악형 국립공원과 비교하였다. 분석 결과 가지산도립공원의 서식지질 값은 0.83이었으며, 주변 지역에 비해 서식질 질이 높게 나타났다. 3개 지구별 서식지질 차이를 분석한 결과 통도사지구와 내원사지구가 0.84, 석남사지구가 0.83으로 나타났고 용도지구별로는 자연보존지구, 자연환경지구, 문화유산지구, 공원마을지구 순으로 서식지질 값이 높게 나타났다. 기존 국립공원 서식지질 분석 결과와 비교한 결과 가지산도립공원은 무등산국립공원 수준의 자연성을 나타내었다. 이러한 결과는 추후 도립공원의 생물다양성 보전 및 생태계서비스 증진을 위한 정책 수립과 관리방안 수립의 객관적인 자료로 활용될 수 있을 것이다.

본 연구는 급속하게 성장하는 시설농업과 동시에 증가하는 에너지 사용량 및 탄소배출량을 저감하기 위해, 온실의 에너 지 부하를 동적으로 분석하기 위한 작물에너지의 다중 회귀 모델 개발을 수행하였다. 온실은 연중 안정적인 대량 생산을 위한 적절한 환경을 조성하기 위해 에너지 투입이 필요하다. 도시농업의 일종인 옥상온실 플랫폼을 통해 건물에서 버려지 거나 활용되지 않는 에너지를 옥상온실에서 사용할 수 있다. 옥상온실의 효율적인 운영을 위해서는 다양한 환경 조건에 대 한 동적 에너지 분석이 선행되어야 하며, 온실에 도입되는 태 양 에너지의 40－75%가 작물을 위한 에너지 교환이므로 필수적으로 고려되어야 한다. 한국기계연구원 내 옥상온실에서 여름철에 청경채를 재배하며 생장단계에 따른 에너지 교환을 분석하였다. 작물을 중심으로 미기상 및 양액 환경 분석과 생 장 특성 조사를 수행하였다. 정식일수에 따른 엽면적지수를 추정하였으며, 개발된 수식은 결정계수 0.99로 분석되었다. 또한 작물에너지 흐름에 지배적인 잎 표면온도로부터의 현열 부하와 증발산에 의한 잠열부하로 나누어 모델을 개발하였다. 엽온과 증발산량을 각각 다중 회귀모델을 이용하여 추정하고 실측한 값을 비교해 보았을 때, 평균 결정계수 0.95, 0.71로 분 석되었으며, 이 모델을 이용하여 옥상온실의 에너지 부하를 동적으로 산정하기 위한 모델에 입력값으로 사용할 수 있을 것으로 판단된다.

부분구조화 기법은 자유도가 많고 복잡한 구조물의 유한요소 해석 모델 단순화에 효율적으로 적용될 수 있는 기법이다. 대표적으 로 선형 문제에 대해서는 Craig-Bampton method 등이 있다. Craig-Bampton method는 경계 요소를 제외한 나머지 요소의 불필요한 자 유도를 제거함으로써 선형 구조물의 축소를 수행한다. 최근에는 부분구조화 기법과 더불어 구조물의 최적설계를 위해 멀티레벨 최적 화 기법이 많이 활용되고 있다. 시스템의 목표를 달성하기 위해 각 부구조에 새로운 목표를 할당하는 기법이다. 본 연구에서는 유전자 알고리즘을 이용하여 시스템 목표 달성을 위한 각 부구조별 내부 자유도 개수를 새로운 목표로 할당하고 최적화를 수행하였다. 최적 화 절차로부터 도출된 부구조별 내부 자유도 개수를 이용하여 시스템의 축소를 수행하였다. 다양한 수치예제들을 통해 축소 모델에 대한 결과를 확인하였으며, 90% 이상의 정확도를 가지는 것을 확인하였다.

본 연구는 데이터를 기반으로 한 인공지능 기계학습 기법을 활용하여 온실 내부온도 예측 시뮬레이션 모델을 개발을 수행 하였다. 온실 시스템의 내부온도 예측을 위해서 다양한 방법 이 연구됐지만, 가외 변인으로 인하여 기존 시뮬레이션 분석 방법은 낮은 정밀도의 문제점을 지니고 있다. 이러한 한계점 을 극복하기 위하여 최근 개발되고 있는 데이터 기반의 기계 학습을 활용하여 온실 내부온도 예측 모델 개발을 수행하였 다. 기계학습모델은 데이터 수집, 특성 분석, 학습을 통하여 개 발되며 매개변수와 학습방법에 따라 모델의 정확도가 크게 변 화된다. 따라서 데이터 특성에 따른 최적의 모델 도출방법이 필요하다. 모델 개발 결과 숨은층 증가에 따라 모델 정확도가 상승하였으며 최종적으로 GRU 알고리즘과 숨은층 6에서 r2 0.9848과 RMSE 0.5857℃로 최적 모델이 도출되었다. 본 연 구를 통하여 온실 외부 데이터를 활용하여 온실 내부온도 예 측 모델 개발이 가능함을 검증하였으며, 추후 다양한 온실데이 터에 적용 및 비교분석이 수행되어야 한다. 이후 한 단계 더 나아 가 기계학습모델 예측(predicted) 결과를 예보(forecasting)단 계로 개선하기 위해서 데이터 시간 길이(sequence length)에 따른 특성 분석 및 계절별 기후변화와 작물에 따른 사례별로 개발 모델을 관리하는 등의 다양한 추가 연구가 수행되어야 한다.