해상운송에서 충돌사고는 인명과 재산에 막대한 피해를 끼치는 중요한 안전 문제로써, 국제해사기구(International Maritime Organization, IMO)가 제정한 국제해상충돌예방 규칙(International Regulations for Preventing Collisions at Sea, COLREGs)의 철저한 준수가 권장 된다. 그러나 복잡한 해상 환경과 인간의 인지적 한계로 인해, 항해사가 실시간으로 최적의 충돌회피 의사결정을 내리기란 쉽지 않다. 본 연구는 대형 언어 모델(Large Language Model, LLM)인 GPT를 활용하여, 유인선 항해사가 COLREGs 규칙에 부합하는 충돌회피 판단을 신속 하고 정확하게 내릴 수 있도록 지원하는 단계별 프롬프트 설계안을 제시한다. 특히 4단계 충돌회피 과정을 확장하여, 항해사가 GPT와 자 연어로 상호작용할 때 사용할 표준화된 프롬프트를 구체화하였다. 가상의 시나리오 적용 결과, 항해사는 GPT의 조언을 통해 주변 상황 인식부터 회피경로 선정, 실행 단계까지 일관적으로 보고받을 수 있었으며, COLREGs의 준수와 충돌위험지수(Collision Risk Index, CRI) 계 산 등의 복잡한 작업을 AI가 보완함으로써 인적 오류를 줄일 가능성을 보였다. 이러한 결과는 자율운항선 뿐만 아니라 현행 유인선 운항 에서도 AI-항해사 협업을 통한 안전성 향상을 도모할 수 있을 것으로 기대한다.

본 연구는 쇄빙연구선 아라온호의 국부 빙하중을 정확하게 추정하기 위해, 국제선급협회(IACS) Polar Class에 따른 실제 설계 하중(Design Ice Load)과 빙하중 면적(Load Patch)을 활용하여 영향계수행렬을 산정하였다. 기존 연구에서는 단위하중 또는 집중하중 형태 로 구조해석을 수행하여 영향계수행렬을 구했으나, 본 연구에서는 아라온호의 설계하중을 기반으로 실제 빙 충돌 상황과 유사한 면적 에 하중을 부여함으로써 보다 현실적인 해석 결과를 얻고자 하였다. 해석에는 선급 규칙으로부터 도출한 직사각형 형태의 빙하중 패치 와 평균 압력을 적용하였으며, 아라온호 선수부에 총 21개의 스트레인 게이지 위치에 대해 각각 해석을 진행하였다. 이후, 각 하중 조건 에서의 변형량을 토대로 21×21 행렬 형태의 영향계수행렬을 도출하였다. 본 연구의 결과로 도출된 영향계수행렬을 사용하면 실제 계측 된 스트레인 값을 기반으로 빙하중을 보다 정밀하게 추정할 수 있을 것으로 기대된다. 이는 기존 방식 대비 얼음 충돌 시 발생하는 면 적 효과를 고려했다는 점에서 의미가 있으며, 향후 쇄빙선 설계 및 운항 과정에서의 빙하중 평가 정확도를 높이는 데 기여할 것으로 판단된다.

본 연구는 설계변경이 빈번하게 발생하는 민간공사의 단가도급 건축 인테리어 공사에서 각 공사의 기성율에 약정금액을 적용하여 공사대금을 산정하는 공사 대금 감정시, 설계 변경 전의 ‘미시공(제외) 물량’과 기시공 부분의 물량 증감에 대한 공사 내용을 내역서와 공정표를 기반으로 하여 약정금액을 감정인이 임 의로 정하게 되는 경우를 단계별 COST & TIME TABLE분석을 통한 변경약정 금액 적용에 대해 연구한 것이다. 계약 시 또는 공사중 변경 계약된 약정 총공사비를 기준으로 각 공정의 계획물 량과 실적물량을 종합하여 기성율을 산정하고 약정금액을 곱해 기성고 및 추 가공사대금을 산정한다. 기성고 공사대금 산정 시 약정을 우선하고 추가공사대금 약정이 되어 있지 않 더라도 감정 신청에 따라 추가 공사비 약정 존부를 법원에서 최종 결정하기 전 감정인이 추가 공사한 사실을 전제로 감정인이 감정서에 추가공사비의 기성율과 추가공사대금을 산출하게 되는데 각 공사대금의 약정금액은 기시공에 소요된 공사비 이외 설계변경 발생시 미시공(제외)물량과 물량증감, 기시공 중 철거후재시공, 변경시공, 기시공의 하자보수와 지연분석 및 공정표를 함께 고 려해서 최종 약정금액을 적용해야 한다.

이동성과 신체적 활동은 일상생활을 영위하는 데 있어 개인의 삶의 질에 영향을 미치는 핵심 요소로 작용한다. 감염병이 지속적으로 발생될 것으로 예상되는 상황에서, 본 연구는 공간 사용자의 심리적 안전감을 고려한 비접촉 공간 설계 방안을 제시하는 것을 목적으로 한다. 이를 위해 근접학 기반의 개인공간 이론을 반영하여 비접촉 모듈형 공간을 분석하고 설계 개념을 도출하였다. 개인공간은 친밀 영역, 사회적 영역, 공공 영역의 세 가지로 분류하였으며, 각 영역은 가까운 거리, 중간 거리, 먼 거리로 구분되는 공간적 특성에 따라 분석되었다. 이 세 가지 영역과 이에 대응하는 대인 간 거리 기반의 공간 설계 접근법을 제안하였다. 개인공간과 관련된 비접촉 공간 개념을 정의하고, 생성적 적대 신경망(GAN)을 활용해 비접촉 모듈형 공간 설계의 가능성을 확인하였다. 이를 통해 향후 실제 공간 사용자들의 행동 데이터를 기반으로 공간 배치를 최적화할 수 있는 모델 및 설계 도구 개발의 필요성을 제시하였다. 또한 심리적 안전감을 고려한 대인 간 거리를 중심으로 모듈 공간 계획을 이해할 수 있는 이론적 모델을 제안했다는 점에서 학문적 의의를 갖는다. 향후 연구에서는 물리적 요소, 공간 사용자의 인적 요소, 사회적 요소 등 다양한 맥락 적 요인을 포괄하는 확장된 분석이 요구된다.

Reinforcement learning (RL) is successfully applied to various engineering fields. RL is generally used for structural control cases to develop the control algorithms. On the other hand, a machine learning (ML) is adopted in various research to make automated structural design model for reinforced concrete (RC) beam members. In this case, ML models are developed to produce results that are as similar to those of training data as possible. The ML model developed in this way is difficult to produce better results than the training data. However, in reinforcement learning, an agent learns to make decisions by interacting with an environment. Therefore, the RL agent can find better design solution than the training data. In the structural design process (environment), the action of RL agent represent design variables of RC beam. Because the number of design variables of RC beam section is many, multi-agent DQN (Deep Q-Network) was used in this study to effectively find the optimal design solution. Among various versions of DQN, Double Q-Learning (DDQN) that not only improves accuracy in estimating the action-values but also improves the policy learned was used in this study. American Concrete Institute (318) was selected as the design codes for optimal structural design of RC beam and it was used to train the RL model without any hand-labeled dataset. Six agents of DDQN provides actions for beam with, beam depth, bottom rebar size, number of bottom rebar, top rebar size, and shear stirrup size, respectively. Six agents of DDQN were trained for 5,000 episodes and the performance of the multi-agent of DDQN was evaluated with 100 test design cases that is not used for training. Based on this study, it can be seen that the multi-agent RL algorithm can provide successfully structural design results of doubly reinforced beam.

Tuned Mass Dampers (TMDs) are widely used to mitigate structural vibrations in buildings and bridges. However, conventional optimization methods often struggle to achieve optimal performance due to the complexity of structural dynamics. This study proposes the NN-L-BFGS-B algorithm, which combines Artificial Neural Networks (ANNs) for global exploration and L-BFGS-B for local exploitation to efficiently optimize TMD parameters. A ten-story shear-building model with a TMD is used for validation. The proposed method achieves the lowest H₂ norm compared to previous studies, demonstrating improved optimization performance. Additionally, NN-L-BFGS-B effectively balances computational efficiency and accuracy, making it adaptable to various engineering optimization problems.

This paper examines recent trends in stadium design and construction through a comprehensive case study and literature review. It highlights the innovative use of advanced building materials, such as high-performance composites and sustainable concrete mixes, which enhance structural integrity while reducing environmental impact. The integration of smart technologies—including IoT technologies, building information modeling (BIM), and digital twin—is explored for its role in improving operational efficiency, safety, and maintenance processes. Additionally, the study reviews the development of cutting-edge engineering techniques like seismic design, advanced AI-based structural analysis, which streamline construction processes and optimize resource usage. Emphasizing sustainability, the paper also discusses strategies for energy-efficient designs and renewable energy integration. Overall, the findings demonstrate how interdisciplinary approaches combining material science, smart technology, and sustainable engineering are shaping the future of stadium construction.

선박용 프로펠러는 선박 추진 성능과 연비에 직접적인 영향을 미치는 핵심 부품으로, 제작 과정에서 높은 정밀도가 요구된다. 사형주조는 복잡한 형상의 금속 부품 제작에 널리 사용되는 공정이지만, 주조 과정에서 발생하는 열적 팽창과 냉각 수축은 최종 치수 오 차와 가공 비용 증가를 초래하는 주요 원인이다. 본 연구에서는 사형주조 과정에서 발생하는 열팽창 및 수축 현상을 정밀하게 예측하고, 이를 고려한 최적의 치수 여유 설정을 통해 연마 작업을 최소화하는 설계 방안을 제안하였다. 알루미늄 청동 합금(ALBC3)을 사용한 프로 펠러를 대상으로 열팽창 공식과 유한요소해석(FEM)을 적용하여 블레이드, 허브, 전체 지름 등 각 부위별 변형을 정량적으로 분석하였다. 분석 결과, 블레이드 너비와 두께는 약 1.9%, 허브 직경은 1.5%, 전체 지름은 2.0%의 여유를 두는 것이 적절한 것으로 나타났다. 이러한 최 적 치수 여유를 적용한 결과, 최대 23kg의 재료 절감, 30만 원 이상의 제작 비용 절감, 작업 시간 50~60% 단축 등의 정량적 개선 효과가 확인되었다. 최적 설계를 적용함으로써 추가 연마 작업과 재료 손실을 줄일 수 있으며, 이에 따른 비용 절감 효과도 기대된다. 본 연구 결 과는 선박용 프로펠러 제작 과정의 품질 향상과 생산성 제고에 기여할 수 있을 것으로 판단된다.