도로포장의 노면 마찰력은 노면 조직 특성에 큰 영향을 받으며, 이를 예측하기 위한 인자로써 MTD(Mean Texture Depth, 평균 노면 조직 깊이)를 주로 사용한다. 그러나 MTD는 노면 특성 중 노면 조직의 깊이만을 나타내므로 여러 요인이 복합적으로 구성되어 있는 노면 조직 특성을 포괄적으로 설명할 수 없다. 이에 선행 연구에서는 다양한 노면조직 특성을 반영하여 보다 적합한 마찰력 예측 식 을 제안하고자 하였다. 노면 마찰력에 영향을 미치는 노면 조직 특성을 정량화하기 위하여 3D 프린팅 시편을 제작한 후 BPT(British Pendulum Tester)를 이용해 노면 마찰력(BPN; British Pendulum Number)을 측정하였다. 선행 연구를 통하여 노면 마찰력에 영향을 미치 는 노면 조직을 MTD, EAN(Exposed Aggregate Number, 골재노출도) 및 골재 형상으로 선정하였으며, 이를 포함한 노면 마찰력 예측 식 을 제안하였다. 그러나 3D 프린팅 시편을 사용하여 제안한 노면 마찰력 예측식의 경우 이상적인 노면조직 특성에 기반하여 제안된 것 으로 실제 현장에서의 노면 조직 특성과 비교 및 검증이 이루어져야 한다. 이에 3D 프린팅 시편을 기반으로 개발된 노면 마찰력 예측 식의 현장 적용성 평가를 위하여 EACP(Exposed Aggregate Concrete Pavement), 밀입도 및 개립도 아스팔트 콘크리트 포장에서 188개의 노면 조직 데이터를 측정하였다. 현장 측정 데이터와 3D 프린팅 시편을 기반으로 개발된 노면 마찰력 예측 식을 비교 검토한 결과 MTD, EAN 및 골재 형상은 노면 마찰력 예측에 있어서 유의미한 지표로 사용될 수 있는 것으로 확인하였다.

Water resources are the most important resources for all living things on the earth to grow and reproduce, and sustain agricultural, industrial, household, recreational and environmental activities. Since 97% of these water resources is a seawater, desalination is a practical choice of many water-poor countries. Currently MSF (multistage flash evaporation) and RO (reverse osmosis) that need 25 kWh and 4kWh per m3 of fresh water although thermal methods need 718kWh and pressure based-RO 1kWh. This work focuses on how to estimate highest osmotic pressure of many aqueous saturated solutions such as NaCl and fuel ethanol that reaches 343.07 bars of 26.47%, over 5000 bars, respectively. This work shows that Lewis equation (1908) fits within 10% of OLI pressure and the modified estimation of Chang (1983) within 1% accuracy.

Entropy is a measure of disorder or uncertainty. This terminology is qualitatively used in the understanding of its correlation to pollution in the environmental area. In this research, three different entropies were defined and characterized in order to quantify the qualitative entropy previously used in the environmental science. We are dealing with newly defined distinct entropies E1, E2, and E3 originated from Shannon entropy in the information theory, reflecting concentration of three major green house gases CO2, N2O and CH4 represented as the probability variables. First, E1 is to evaluate the total amount of entropy from concentration difference of each green house gas with respect to three periods, due to industrial revolution, post-industrial revolution, and information revolution, respectively. Next, E2 is to evaluate the entropy reflecting the increasing of the logarithm base along with the accumulated time unit. Lastly, E3 is to evaluate the entropy with a fixed logarithm base by 2 depending on the time. Analytical results are as follows. E1 shows the degree of prediction reliability with respect to variation of green house gases. As E1 increased, the concentration variation becomes stabilized, so that it follows from linear correlation. E2 is a valid indicator for the mutual comparison of those green house gases. Although E3 locally varies within specific periods, it eventually follows a logarithmic curve like a similar pattern observed in thermodynamic entropy.