This study develops a model to determine the input rate of the chemical for coagulation and flocculation process (i.e. coagulant) at industrial water treatment plant, based on real-world data. To detect outliers among the collected data, a two-phase algorithm with standardization transformation and Density-Based Spatial Clustering of Applications with Noise (DBSCAN) is applied. In addition, both of the missing data and outliers are revised with linear interpolation. To determine the coagulant rate, various kinds of machine learning models are tested as well as linear regression. Among them, the random forest model with min-max scaled data provides the best performance, whose MSE, MAPE, R2 and CVRMSE are 1.136, 0.111, 0.912, and 18.704, respectively. This study demonstrates the practical applicability of machine learning based chemical input decision model, which can lead to a smart management and response systems for clean and safe water treatment plant.

This study aims to develop a comprehensive predictive model for Digital Quality Management (DQM) and to analyze the impact of various quality activities on different levels of DQM. By employing the Classification And Regression Tree (CART) methodology, we are able to present predictive scenarios that elucidate how varying quantitative levels of quality activities influence the five major categories of DQM. The findings reveal that the operation level of quality circles and the promotion level of suggestion systems are pivotal in enhancing DQM levels. Furthermore, the study emphasizes that an effective reward system is crucial to maximizing the effectiveness of these quality activities. Through a quantitative approach, this study demonstrates that for ventures and small-medium enterprises, expanding suggestion systems and implementing robust reward mechanisms can significantly improve DQM levels, particularly when the operation of quality circles is challenging. The research provides valuable insights, indicating that even in the absence of fully operational quality circles, other mechanisms can still drive substantial improvements in DQM. These results are particularly relevant in the context of digital transformation, offering practical guidelines for enterprises to establish and refine their quality management strategies. By focusing on suggestion systems and rewards, businesses can effectively navigate the complexities of digital transformation and achieve higher levels of quality management.

As the number of enlistees decreases due to social changes like declining birth rates, it is necessary to conduct research on the appropriate recalculation of the force that considers the future defense sufficiency and sustainability of the Army. However, existing research has primarily focused on qualitative studies based on comprehensive evaluations and expert opinions, lacking consideration of sustained support activities. Due to these limitations, there is a high possibility of differing opinions depending on perspectives and changes over time. In this study, we propose a quantitative method to calculate the proper personnel by applying system dynamics. For this purpose, we consider a standing army that can ensure the sufficiency of defense between battles over time as an adequate force and use battle damage calculated by wargame simulation as input data. The output data is the number of troops required to support activities, taking into account maintenance time, complexity, and difficulty. This study is the first quantitative attempt to calculate the appropriate standing army to keep the defense sufficiency of the ROK Army in 2040, and it is expected to serve as a cornerstone for adding logical and rational diversity to the qualitative force calculation studies that have been conducted so far.

In an influential paper, Choi and Kim (2010) derived waiting times in an  queuing model under net neurality and under prioritization. In this short paper, we argue that the waiting times of content transmission that Choi and Kim (2010) derived by using the  gueuing model under the non-preemptive priority rule are miscalculated. We provide corrected waiting times in the  queuing model in the prioritization case. We also show that this correction does not affect their main results on the delay time and the incentive to invest in the network capacity qualitatively.

본 연구는 한국의 개발모형과 국가적 ‘매력’이 의도한 효과성을 달성하 는 데 필요한 조건을 북한의 지역개발 가능성을 중심으로 설명한다. 한 국이 공적개발원조 수혜국에서 공여국으로 전환되면서 영향력이 커지고 있으나, 동시에 점차 확대되고 있는 재정적 지원과 지식원조의 효과성에 관한 우려도 증대되고 있다. 남·북 관계에 관한 담론에서도 개방 후 북한 의 개발과 성장에 대해 개발협력 방식을 통한 한국식 모형 전수를 당연 시하는 논의들이 존재하지만, 잠재적 개발협력 파트너이자 수혜국인 북 한의 관점에서 한국식 모형이 우선순위 및 선호에 부합하고, 매력적일 것인지는 불투명하다. 본 연구는 한국에서 개발도상국으로의 일(一) 방향 의 원조는 국제개발협력 증진과 효과성에 크게 영향을 줄 수 있으며, 오 히려 북한과 같은 개발도상국에서 인식하는 한국의 ‘매력’ 및 선호와 한 국의 정부와 비영리단체가 제공할 수 있는 정책수단과 맞물려야 좋은 성 과를 보일 수 있다는 점을 주장한다. 이를 위해 최근 지속 가능한 개발 목표(SDGs)와 지방의 발전문제에 관심을 보인 북한에 대한 지역개발 논 의를 중심으로 국제개발 효과성 증진을 위한 방향을 제시한다.

This study aims to propose a simplified equation for estimating the bond strength of corroded reinforcing bars. To this end, extensive parametric analyses were performed using the detailed analysis method presented in the authors’ previous study, where a wide range of critical variables were considered, such as compressive strength of concrete, net cover thickness, and reinforcing bar diameter. The sensitivity in bond strength of the corroded reinforcing bar according to each variable was evaluated. On this basis, a simplified formula for the bond strength of the corroded reinforcing bar was derived through regression analysis. The proposed equation was rigorously tested and verified using the bond test results of corroded reinforcing bars collected from the literature. The results confirmed that the proposed equation could estimate the bond strengths of specimens with better accuracy than the existing models, providing a reliable tool for engineers and researchers. In addition, the proposed equation was used to analyze the development length required for corroded tensile reinforcement to exert its yield strength, and it showed that the cover thickness of concrete must be at least four times the diameter of the reinforcing bar to achieve the yielding strength of reinforcing bar even at a corrosion degree of more than 5.0%.

본 연구는 로파이 걸과 포트나이트의 협업 사례를 통해 게임과 음악 IP 융합의 비즈니스 모델을 분석했다. 비즈니스 모델 캔버스를 활용한 질적 사례 분석 방법을 사용했으며, 공식 발표 자료, 뉴스 기사, 업계 보 고서 등의 2차 자료를 분석했다. 연구 결과, '가치 제안' 면에서 로파이 걸 세계관의 게임 내 구현과 실시간 음악 스트리밍의 결합으로 독특한 경험을 제공했다. '채널 전략'으로는 게임 플랫폼, 유튜브 등 멀티채널 접근을 활용했다. '고객 관계' 측면에서는 게임 내 커뮤니티 형성과 실시 간 소통을 통해 사용자 참여를 극대화했다. '수익원'은 게임 내 아이템 판매, 음악 스트리밍 수익 등으로 다각화했다. '핵심 자원'으로는 로파이 걸 IP, 포트나이트 게임 엔진 등이 활용되었고, '핵심 활동'으로는 게임 업데이트, 음악 큐레이션 등이 수행되었다. '핵심 파트너십'은 음악 아티 스트, 스트리밍 플랫폼 등과 이루어졌으며, '비용 구조'는 게임 개발, 음 악 라이센싱, 마케팅 비용 등으로 구성되었다. 또한, 크로스 미디어 전략 의 주요 특징은 음악과 게임을 융합하는 미디어 간 경계 허물기, 2D에서 3D를 연결하는 IP의 확장을 통한 재해석 그리고 멀티 플랫폼 전략 등이 확인되었다. 본 연구 결과를 통해, 디지털 엔터테인먼트 산업의 크로스 미디어 전략의 IP 확장, 사용자 경험 혁신, 다각화된 수익 모델은 새로운 비즈니스 기회를 제시하며, 정책적 대안으로 크로스 미디어 협업 지원 체계 마련, IP 활용 창작자 지원 등의 투자 정책 수립 등이 필요하다.

Dynamic responses of nuclear power plant structure subjected to earthquake loads should be carefully investigated for safety. Because nuclear power plant structure are usually constructed by material of reinforced concrete, the aging deterioration of R.C. have no small effect on structural behavior of nuclear power plant structure. Therefore, aging deterioration of R.C. nuclear power plant structure should be considered for exact prediction of seismic responses of the structure. In this study, a machine learning model for seismic response prediction of nuclear power plant structure was developed by considering aging deterioration. The OPR-1000 was selected as an example structure for numerical simulation. The OPR-1000 was originally designated as the Korean Standard Nuclear Power Plant (KSNP), and was re-designated as the OPR-1000 in 2005 for foreign sales. 500 artificial ground motions were generated based on site characteristics of Korea. Elastic modulus, damping ratio, poisson’s ratio and density were selected to consider material property variation due to aging deterioration. Six machine learning algorithms such as, Decision Tree (DT), Random Forest (RF), Support Vector Machine (SVM), K-Nearest Neighbor (KNN), Artificial Neural Networks (ANN), eXtreme Gradient Boosting (XGBoost), were used t o construct seispic response prediction model. 13 intensity measures and 4 material properties were used input parameters of the training database. Performance evaluation was performed using metrics like root mean square error, mean square error, mean absolute error, and coefficient of determination. The optimization of hyperparameters was achieved through k-fold cross-validation and grid search techniques. The analysis results show that neural networks present good prediction performance considering aging deterioration.

건축 토목 구조물에 작용하는 하중은 알 수 없는 경우가 대부분이므로 구조물에 대한 시스템 식별 알고리듬은 외부하중을 백 색잡음으로 가정한다. 이러한 가정은 일면 타당성이 있으나 와류하중과 같이 스펙트럼이 특정한 형태를 가지고 있는 경우 모달 파라 미터 특히 감쇠비 추정의 불확실성의 원인이 되고 있다. 본 연구에서는 구조물의 응답으로부터 역 계산된 하중을 이용하여 하중모델 을 구축하고 이를 이용하여 감쇠비를 추정하는 새로운 기법을 제안한다. 본 제안 기법은 외부하중을 백색잡음으로 가정하는 기존 VDS 기법을 기반으로 외부하중 스펙트럼 모델을 고려할 수 있는 보다 일반화된 기법이다. 제안된 추정기법을 직사각형단면 공탄성모델에 대한 공기력진동실험으로 수행하여 구한 가속도 응답에 적용하여 감쇠비추정의 신뢰성을 검증하였다. 풍속에 따라 풍하중 모델을 구 축하고 와류공진, 와류공진 전 후의 공력감쇠비를 평가한 결과 안정적이며, 신뢰도가 높은 감쇠비 추정이 가능함을 알 수 있었다.

This study aims to develop a regression model using data from the Ammunition Stockpile Reliability Program (ASRP) to predict the shelf life of 81mm mortar high-explosive shells. Ammunition is a single-use item that is discarded after use, and its quality is managed through sampling inspections. In particular, shelf life is closely related to the performance of the propellant. This research seeks to predict the shelf life of ammunition using a regression model. The experiment was conducted using 107 ASRP data points. The dependent variable was 'Storage Period', while the independent variables were 'Mean Ammunition Velocity,' 'Standard Deviation of Mean Ammunition Velocity,' and 'Stabilizer'. The explanatory power of the regression model was an R-squared value of 0.662. The results indicated that it takes approximately 55 years for the storage grade to change from A to C and about 62 years to change from C to D. The proposed model enhances the reliability of ammunition management, prevents unnecessary disposal, and contributes to the efficient use of defense resources. However, the model's explanatory power is somewhat limited due to the small dataset. Future research is expected to improve the model with additional data collection. Expanding the research to other types of ammunition may further aid in improving the military's ammunition management system.

The purpose of this study is to produce virtual models of women aged in their 60s and to implement the virtual clothing with jackets. We referred to 3D images of standard and obese body types from the 8th Size Korea and attempted to create avatars based on their images through the various trials. Final virtual models were made to reflect the appearance of women in their 60s. For the standard body type, a 3D image with average body measurements was selected. Based on numerous trials aimed at turning her image into an avatar, the auto-converted avatar on CLO 3D was slimmer than the woman in the original image, and hence it was not suitable for the virtual model. After blending, we converted the image into an uneditable avatar for which only the joint points could be moved, thereby creating an avatar that was identical to the original image. We also selected an image of an obese woman with a “beer bottle” body shape from the 8th Size Korea. We created an avatar that resembled her shape by also converting it into an uneditable avatar for which only joint points could be moved. To use these avatars in virtual clothing, we removed masks of avatars and made faces, hair styles, and skin tones representing women in their 60s. The moderately-sized classic jackets were smooth on both virtual models and fitted satisfactorily. This study demonstrated the applicability of virtual model production of various body types or ages in special clothing studies.

In the mid-eastern part of the Yellow Sea, large-scale shelf ridges originated from erosion on sand-mud successions that have been presently eroded by strong tidal currents. A three-layered in situ geoacoustic model is provided down to 50 m for the subbottom sedimentary succession of a 45 m water depth using the Hamilton method. The succession is divisible into two-type units of Type-A and Type-B using high-resolution seismic profiles with a deep-drilled YSDP-104 core of 44.0 m in depth below the seafloor. Type-A unit mainly comprises sandy or gravelly sediments, whereas Type-B unit mostly consists of tidal muddy sediments with some thinner sand beds. P-wave speed values are positively compatible with the mean grain size and sediment type of the core sediments. For actual modeling, the geoacoustic property values of the models were compensated to in situ depth values below the seafloor. The detailed geoacoustic model contributes to simulating sound transmission through the sedimentary successions in erosional shelf ridges of variable geoacoustic properties distributed in shallow-water environments of the mid-eastern Yellow Sea.

수소 취성 파괴는 수소가 풍부한 환경에 노출된 재료의 구조적 무결성을 보장하는 데 있어 다양한 산업 응용 분야에서 큰 도전 과제 이다. 본 연구는 연성 파괴 모델인 Gurson-Cohesive 모델과 수소 확산 모델을 통합하는 수치 모델을 제안하고 수소 취화가 파괴 거동 에 끼치는 영향을 조사한다. 사용된 연성 파괴 모델은 손상 진화를 모사하는 Gurson 모델과 균열 표면의 불연속성과 응력-균열폭 관계 의 연화 거동을 설명하는 표면 요소 기반의 Cohesive zone 모델을 결합한 파괴 모델이며, 균열 시작 기준으로 공극과 삼축성을 고려한 다. 또한, 파괴 모델과 통합된 수소 확산 분석은 수소 강화 탈결합(HEDE) 메커니즘과 그에 따른 균열 시작 및 진전에 미치는 영향을 고 려하며, 응력-균열폭 관계에 대한 수소의 영향을 고려한다. 수치 예제로 매개변수 연구를 통하여 확산 계수와 수소 취화 파과 특성에 대한 민감도를 조사한다. 수소 확산 모델과 연성 파괴 모델을 통합한 프레임워크를 제시함으로써 본 연구는 수소 취화 파괴에 대한 이 해를 제공하여 엔지니어링 응용 분야에서 기여할 수 있을 것이다.

This study aims to develop a deep learning model to monitor rice serving amounts in institutional foodservice, enhancing personalized nutrition management. The goal is to identify the best convolutional neural network (CNN) for detecting rice quantities on serving trays, addressing balanced dietary intake challenges. Both a vanilla CNN and 12 pre-trained CNNs were tested, using features extracted from images of varying rice quantities on white trays. Configurations included optimizers, image generation, dropout, feature extraction, and fine-tuning, with top-1 validation accuracy as the evaluation metric. The vanilla CNN achieved 60% top-1 validation accuracy, while pre-trained CNNs significantly improved performance, reaching up to 90% accuracy. MobileNetV2, suitable for mobile devices, achieved a minimum 76% accuracy. These results suggest the model can effectively monitor rice servings, with potential for improvement through ongoing data collection and training. This development represents a significant advancement in personalized nutrition management, with high validation accuracy indicating its potential utility in dietary management. Continuous improvement based on expanding datasets promises enhanced precision and reliability, contributing to better health outcomes.

최근 급부상한 생성형 AI는 현실적인 이미지, 텍스트, 음악 및 가상 환경 등을 만들어내는 능력 에 기반하여 엔터테인먼트, 디자인, 의료 및 교육 분야 등 다양한 산업 분야에 근본적인 변화를 가 져올 혁신 동력으로서 주목받고 있다. 오픈AI 등을 중심으로 한 글로벌 빅테크 기업들은 막강한 자 본력을 바탕으로 이 분야의 기술의 고도화와 함께 산업 생태계를 빠르게 구축하며 선도적인 지위를 굳히고 있어 한국의 생성형 AI 산업의 국가경쟁력 강화가 시급하다고 할 수 있다. 본 연구는 국가 경쟁력을 설명하는 Porter의 다이아몬드 모형에 기반해 한국의 생성형 AI 경쟁력에 영향을 미치는 다양한 요인들을 분석하여 한국의 생성형 AI 산업의 성장과 혁신을 육성하기 위한 기업의 전략적 방안과 정부의 정책적 방향성을 다음과 같이 제시하였다. 연구 결과 생성형 AI 관련 기업들의 투자 활동이 응용프로그램 개발을 우선시하고 있는 것으로 나타나 정부는 근본적인 기술 혁신 분야에 R&D 지원에 나서야 함을 알 수 있었다. 또한 기업 사용자들의 생성형 AI 수요가 제한적임에 따라 다양한 관련 교육 프로그램을 개발하고 맞춤 솔루션을 제공해야하며 개인 사용자들간의 디지털 격 차를 해소하는 정책적 노력이 필요하다는 것을 보여주었다. 생성형 AI 유관 산업 육성을 위해, 기 술경쟁력 강화와 인재 육성이 필요하고, 이와 더불어 생성형 AI 산업 에코시스템 내의 기업간 협력 을 촉진하기 위해 정부의 역할이 중요하다는 것을 확인할 수 있었다.

This study explores the use of a Deep Autoencoder model to predict depression among plant and machine operators, utilizing data from the Korean National Health and Nutrition Examination Survey (KNHANES, n=3,852). The Deep Autoencoder model outperformed the Logistic Regression, Naive Bayes, XGBoost, and LightGBM models, achieving an accuracy of 86.5%. Key factors influencing depression included work stress, exposure to hazardous substances, and ergonomic conditions. The findings highlight the potential of the Deep Autoencoder model as a robust tool for early identification and intervention in workplace mental health.

본 연구는 돼지 간 거리(PD), 돈사 내 상대 습도(RRH), 돈사 내 이산화탄소(RCO2) 세 가지 변수를 사용하여, 네 개의 데이터 세트를 구성하고, 이를 다중 선형 회귀(MLR), 서포트 벡터 회귀(SVR) 및 랜덤 포레스트 회귀(RFR) 세 가지 모델 기계학습(ML)에 적용하여, 돈사 내 온도(RT)를 예측하고자 한다. 2022년 10월 5일부터 11월 19일까지 실험을 진행하였다. Hik-vision 2D카메라를 사용하여, 돈사 내 영상을 기록하였다. 이후 ArcMap 프로그램을 사용하여, 돈사 내 영상에서 추출한 이미지 안 돼지의 PD를 계산하였다. 축산환경관리시스템(LEMS) 센서를 사용하여, RT, RRH 및 RCO2를 측정하였다. 연구 결과 각 변수 간 상관분석 시 RT와 PD 간의 강한 양의 상관관계가 나타났다(r > 0.75). 네 가지 데이터 세트 중 데이터 세트 3을 사용한 ML 모델이 높은 정확도가 나타났으며, 세 가지 회귀 모델 중에서 RFR 모델이 가장 우수한 성능을 보였다.

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.

원전 내 전기기기의 내진성능 평가는 안전성 확보에 매우 중요하다. 이 연구에서는 원전에 설치되는 전기기기의 동특성 및 현장조사 결과를 참고하여 모형 캐비닛과 앵커기초를 설계 및 제작하였다. 제작된 모형 캐비닛을 대상으로 진동대실험을 수행하였다. 실험 결과를 바탕으로 유한요소모델을 작성하고 지진응답해석을 수행하였다. 입력지진동이 커짐에 따른 실험 및 해석 결과를 비교하여 모형 캐비닛의 지진거동특성을 분석하였다. 두 결과에 대한 모형 캐비닛의 지진거동은 다르며 내진성능에 큰 차이가 발생할 수 있다. 따라서 캐비닛과 콘크리트 기초 사이의 상호작용을 고려할 수 없는 경우 캐비닛의 지진거동 특성은 실험적으로 평가하는 것이 적절할 것으로 판단하였다.