The objective of this study is to analyze the indoor air quality of multi-use facilities using an IoT-based monitoring and control system. Thise study aims to identify effective management strategies and propose policy improvements. This research focused on 50 multi-use facilities, including daycare centers, medical centers, and libraries. Data on PM10, PM2.5, CO2, temperature, and humidity were collected 24 hours a day from June 2019 to April 2020. The analysis included variations in indoor air quality by season, hour, and day of the week (including both weekdays and weekends). Additionally, ways to utilize IoT monitoring systems using big data were propsed. The reliability analysis of the IoT monitoring network showed an accuracy of 81.0% for PM10 and 76.1% for PM2.5. Indoor air quality varied significantly by season, with higher particulate matter levels in winter and spring, and slightly higher levels on weekends compared to weekdays. There was a positive correlation found between outdoor and indoor pollutant levels. Indoor air quality management in multi-use facilities requires season-specific strategies, particularly during the winter and spring. Furhtermore, enhanced management is necessary during weekends due to higher pollutant levels.

In this study, we proposed a simulator for the development of a digital multi-process welding machine and a welding process monitoring system. The simulator, which mimics the data generation process of the welding machine, is composed of process control circuit, peripheral device circuit, and wireless communication circuit. Utilizing this simulator, we aimed to develop a welding process monitoring system that can monitor the welding situations of four multi-process welding machines and three processes each, with data transmission through wireless communication. Through the operation of the proposed simulator, sequential digital processing of multi-process welding data and wireless communication were achieved. The welding process monitoring system enabled real-time monitoring and accumulation of the process data. The selection of upper and lower limits for process variables was carried out using a deep neural network based on allowable changes in bead shape, enabling the management of welding quality by applying a process control technique based on the trend of received data.

사회기반 시설물의 노후화에 대응해 이상 징후를 파악하고 유지보수를 위한 최적의 의사결정을 내리기 위해선 디지털 기반 SOC 시설물 유지관리 시스템의 개발이 필수적인데, 디지털 SOC 시스템은 장기간 구조물 계측을 위한 IoT 센서 시스템과 축적 데이터 처 리를 위한 클라우드 컴퓨팅 기술을 요구한다. 본 연구에서는 구조물의 다물리량을 장기간 측정할 수 있는 IoT센서와 클라우드 컴퓨팅 을 위한 서버 시스템을 개발하였다. 개발 IoT센서는 총 3축 가속도 및 3채널의 변형률 측정이 가능하고 24비트의 높은 해상도로 정밀 한 데이터 수집을 수행한다. 또한 저전력 LTE-CAT M1 통신을 통해 데이터를 실시간으로 서버에 전송하여 별도의 중계기가 필요 없 는 장점이 있다. 개발된 클라우드 서버는 센서로부터 다물리량 데이터를 수신하고 가속도, 변형률 기반 변위 융합 알고리즘을 내장하 여 센서에서의 연산 없이 고성능 연산을 수행한다. 제안 방법의 검증은 2개소의 실제 교량에서 변위계와의 계측 결과 비교, 장기간 운 영 테스트를 통해 이뤄졌다.

인체 바이오모니터링(Human biomonitoring, HBM) 데이터는 뇨와 혈액 등 생체지표으로부터 환경유해물질의 측정을 통해 획득되며, 다양한 노출원과 경로로부터 노출되는 유해물질의 인체노출수준 및 건강영향과의 상관성을 파악하기 위해 매우 중요하다. 국내의 경우 식품의약품안전처를 비롯한 국가기관의 다양한 HBM 프로그램을 통하여 HBM 데이터가 생산되고 있다. 그러나, 목적, 시기, 연구자 및 측정 장비의 차이에 의하여 서로 다른 형식에 따라 생산되다 보니, 데이터의 호환성의 문제로 인하여 특정 HBM 데이터를 신속하게 조회해야 하거나 인구집단별 시간적 추이분석 내지는 다른 국가의 자료와 비교에 난점을 가지고 있다. 따라서, 본 연구에서는 HBM 데이터를 체계적으로 데이터베이스(Database, DB)화하고 활용성을 증진하게 시킬 목적으로 지식 모델링을 실시하였다. 지식 모델링은 HBM 데이터의 생산되는 변수들을 그룹화하고 관계를 분석하여 2차원 구조의 개체 및 집합론에 기초한 방법론인 관계형 데이터 모델링 기법을 활용하여 실시하였다. 지식 모델은 조사대상자를 인구집단으로 중심으로 설문자료, 측정자료, 노출 평가자료 개체로 구성하고 그 안에 속성들을 정의하고, 개체간에 관계를 설정하는 방식으로 구성하였다. 또한, 도출된 지식 모델을 기반으로 식품의약품안전처에서 2006년-2018년까지 수행한 HBM의 원시데이터를 수집, 정제 및 정규화하여 통합 DB를 구축하였다. 이와 같이 통합 된 HBM-DB는 개별 자료원 내지는 특정 자료원들을 선택 하여 기간별 농도 수준에 대한 통계분석은 물론, 다양한 검 색조건을 통하여 데이터 추출을 할 수 있는 구조로 구축하였다. 본 HBM-DB는 관계형 DB모델로 구축되어 지속적인 대용량 DB 축적이나 HBM 데이터 해석을 위한 도구로써 효율적으로 수행할 수 있을 것으로 생각된다.

안전한 해양플랜트 운용을 위해 장비 성능평가를 실시하고 그 결과를 모니터링 할 수 있는 시스템이 필요하다. 현재는 육상으로부터 멀리 떨어진 해양플랜트의 특성상 장비 성능평가를 위해 정기적으로 계측 데이터를 저장매체에 저장한 후 육상으로 운반해야한다. 이로인해 성능평가 주기가 길어지고, 다음 성능평가가 시행되기 전까지의 장비의 성능 저하 정도를 알 수 없어 장비의 고장을 방지하기 어렵다. 따라서 육상이 아닌 해양플랜트 내에 온보드(on-board) 형태의 장비 성능 모니터링 시스템을 구축할 필요가 있다. 본 논문에서는 해양플랜트 내에서 장비 성능을 평가하고 그 결과를 가시화하는 장비 성능 모니터링 시스템을 개발하기 위한 초기 단계로, 장비 성능 모니터링 시스템의 데이터베이스를 설계 및 구축하고자 한다. 이를 위해 주요 장비의 태그 데이터를 선정하여 분석을 진행하였다. 최종적으로 장비 상태를 실시간으로 계측한 데이터를 해양플랜트 내에서 저장 및 관리하기 위해 온보드 형태의 장비 성능 모니터링 시스템을 위한 데이터베이스를 설계 및 구축 하였다.

본 연구에서는 초고층건축물의 풍진동 모니터링을 위한 시스템식별기법의 현장적용성을 평가하였다. 실제 아웃리거-벨트월 을 횡력저항 시스템으로 가지는 실제 63층 RC구조물을 대상으로 상시 및 강풍시 응답을 모니터링하였으며, 진동수영역분해(FDD), 랜덤감소(RDT)기법, 부분공간시스템식별(SSI)법을 사용하여 진동특성을 식별하였다. 건물의 평면이 정방형이고, 두 개의 횡방향 모드의 진동수는 매우 유사하였다. 모든 식별기법에서 태풍과 같이 강한 외력이 존재할 경우 뿐만 아니라 상시미진동 에서도 구조물의 모드 특성을 식별할 수 있었다. 현장에서의 적용성 평가결과, 계산속도는 FDD가 가장 빨랐으며, RDT가 가장 간단한 프로그래밍 절차를 가지고 있음을 확인하였다.

As the development environment is changing with the development of information communication technology, the systems that were used by each service became used with integration. In the process of integrating from existing legacy systems to new system, it should be smoothly integrated or shared, however, it cannot help holding existing technology or component due to significant cost burden for conversion. In this paper, it was not only classified by types with analyzing the various elements that make up legacy system but an approach and monitoring system were developed to each type. After System application results, data's information generated in each process is provided to other system in real time, so that it has not only secured the work efficiency and reliability but also it is made possible by integrating data in various formats for efficient data management, rapid search and tracking to history. With real-time monitoring system developed in this study, It can be very useful in a variety of industries which require real-time monitoring of distributed legacy system data.

본 연구에서는 기존에 수행된 식품 중금속 모니터링 데이터를 이용하여 위해평가 및 모니터링을 수행할 때 요구되는 표본 수를 추정하고자 하였다. 중금속 3종 (카드뮴, 납 및 수은)과 17개의 식품을 대상으로 2,400개의 모니터링 데이터를 선정하여 연구에 활용하였다. 기존의 연구에서 수행된 모니터링 데이터의 표준편차와 오차범위 및 신뢰구간 값(95, 99% CI)을 활용하여 표본 수 추정공식에 따라 계산하였다. 표본 수 추정 공식에 따라 표본 크기를 추정한 결과, 95% 신뢰구간에서 카드뮴의 경우 계산된 표본의 크기는 최소 8개에서 최대 90개, 납의 경우 최소 7개에서 최대 1,062개, 수은의 경우 최소 11개에서 최대 238개로 각각 추정되었다. 식품 중 중금속 데이터의 표준편차와 오차범위가 표본 수를 추정하는데 가장 큰 영향을 주는 것으로 나타났다. 본 연구에서는 모니터링 데이터의 특성을 반영하여 표본 크기를 추정하고자 하였으며, 이는 향후 위해평가 및 모니터링 수행 계획을 수립하기 위한 표본 수를 결정하는 기초연구로 활용될 수 있을 것이다.

On this research, we show some concrete examples as software design, 2D/3D Display, graph Display, and gage Display to develop a Live Fire Testing monitoring system. Developed software which is simulation Software for display/analysis/control data of Live Fire Testing, has been designed to display informations about whole test status in a Live Fire Testing, and with this, User can control a Live Fire Testing. Beside, we increase a security by using a authority of User to access on this Software. and we develop it with modulization design to apply a requirement of user later on.