지진이라는 재해는 인류가 직면하고 있는 재해 중 가장 파괴적인 자연재해 중 하나로 인명, 자연을 포함한 인프라, 경제에도 지대한 영향을 끼질 수 있다. 세계적으로도 최근 수년간 환태평양 조산대를 기점으로 지진의 빈도가 꾸준히 증가해왔으며 강도 또한 상승해져왔다. 규모가 7 가량을 넘는 지진부터는 인류가 대처하기 힘들만큼 많은 에너지가 발생되며 특히나 우리나라와 밀접히 인접해 있는 일본의 경우 난카이 대지진과 같은 이슈가 발생하여 그 경계의식이 높아진 실정이다. 따라서 이에대한 지진 에너지를 효과적으로 흡수하고 분살시킬 수 있는 댐퍼장치들이 많이 발명되었고 여기에 적용되는 많은 압축 소재들이 개발되고 있다. 현재까지는 많은 댐퍼 장치가 고무를 압축재료로 사용하고 있으며 이를 대체하기 위해 폴리우레탄이라는 고분자 재료가 개발되었지만 낮은 하중에도 쉽게 변형이 발생하는 한계가 발생하는 문제가 있다. 따라서 본 연구에서는 폴리케톤이라는 물질을 재료적 성능 평가를 통해 제안한다. 폴리 케톤은 합성될 때 일산화탄소를 매개로 하기 때문에 탄소저감에도 효과적인 물질이다. 이러한 폴리케톤을 폴리우레탄과 반복 압축 실 험을 통해 비교하였으며 시편의 길이, 선행압축의 유무 등의 변수를 적용하여 실험을 진행하였다. 이후 힘-변형 그래프, 최대 압축성능, 에너지 소산 능력, 초기회복력 등의 성능을 확인하였다. 실험 결과 모든 결과가 폴리케톤이 폴리우레탄보다 우수한 성능을 나타냈으며 내진 구조용 압축소재로서의 적용 가능성을 입증하였다.

본 연구는 다시마 양식을 위한 통합 자동화 시스템을 개발하고, 이를 통해 생산성, 비용 효율성, 환경적 지속 가능성을 모두 개선하는 데 중점을 두고 있다. 기존의 노동 집약적 수확 방식과 넓은 공간을 필요로 하는 수평 건조 방식은 비효율적이며, 환경적 부작 용을 초래했다. 이에 본 연구는 자동화된 수확 시스템, 해상-육상 연계 운송 시스템, 그리고 수직 건조 시스템을 통합적으로 개발하여 양 식업의 생산성을 극대화하고 자원 사용을 최적화하였다. 자동화된 수확 시스템은 작업 속도를 약 35% 향상시켰으며, 작업의 일관성을 유지하여 품질 오차율을 2% 이하로 줄이는 성과를 보였다. 해상-육상 연계 운송 시스템은 모듈형 컨테이너를 활용하여 운송 중 손상률 을 기존 15%에서 5%로 감소시켰고, 운송 시간을 평균 6시간에서 4시간으로 단축하였다. 또한, 수직 건조시스템은 고밀도 적재와 자연 대류 방식을 도입하여 건조 시간을 기존 48시간에서 28시간으로 40% 단축하였으며, 에너지 소비를 25% 감소시켰다. 이러한 시스템은 데이터 기반으로 설계 및 검증되었으며, 통합적으로 양식업의 경제성 향상과 환경적 부담 감소를 동시에 실현하였다. 본 연구의 결과는 다른 해조류 양식에도 적용 가능하며 지속 가능한 해양 자원 관리에 기여할 것으로 기대된다.

Automated structural design methods for reinforced concrete (RC) beam members have been widely studied with various techniques to date. Recently, artificial intelligence has been actively applied to various engineering fields. In this study, machine learning (ML) is adopted to make automated structural design model for RC beam members. Among various machine learning methods, a supervised learning was selected. When a supervised learning is applied to development of ML-based prediction model, datasets for training and test are required. Therefore, the datasets for rectangular and t-shaped RC beams was constructed by commercial structural design software of MIDAS. Five supervised learning algorithms, such as Decision Tree (DT), Random Forest (RF), K-Nearest Neighbor (KNN), Artificial Neural Networks (ANN), eXtreme Gradient Boosting (XGBoost) were used to develop the automated structural design model. Design moment (Mu), design shear force (Vu), beam length, uniform load (wu) were used for inputs of structural design model. Width and height of the designed section, diameter of top and bottom bars, number of top and bottom bars, diameter of stirrup bar were selected for outputs of structural design model. Performance evaluation of the developed structural design models was conducted using metrics sush as root mean square error (RMSE), mean square error (MSE), mean absolute error (MAE), and coefficient of determination (R2). This study presented that random forest provides the best structural design results for both rectangular and t-shaped RC beams.

The demand for automated diagnostic facilities has increased due to the rise in high-risk infectious diseases. However, small and medium-sized centers struggle to implement full automation because of limited resources. An integrated molecular diagnostics automation system addresses this issue by integrating small-scale automated facilities for each diagnostic process. Nonetheless, determining the optimal number of facilities and human resources remains challenging. This study proposes a methodology combining discrete event simulation and a genetic algorithm to optimize job-shop facility layout in the integrated molecular diagnostics automation system. A discrete event simulation model incorporates the number of facilities, processing times, and batch sizes for each step of the molecular diagnostics process. Genetic algorithm operations, such as tournament, crossover, and mutation, are applied to derive the optimal strategy for facility layout. The proposed methodology derives optimal facility layouts for various scenarios, minimizing costs while achieving the target production volume. This methodology can serve as a decision support tool when introducing job-shop production in the integrated molecular diagnostics automation system

In general, optimized pavement thickness design abilities and reliable construction procedures have been considered being crucial element for expressway in South Korea till millenium. However, after 2005, a proper management efforts on existing expressway became recognized as an important factor after 2,005. One of good example is rising attention of HPMS(Highway Pavement Management System). In HPMS, the crucial component is: surveying the existing expressway surface condition with reasonable, reliable and efficient procedure. Becasue of this reason, application of various advanced and sophisticated technologies on HPMS area were considered since 2010. During this time, many advanced technologies such as AI(Artificial Intelligence) techniques and corresponding physical equipment were considered to be applied. Through application of AI technologies in HPMS business area, two major outcomes can be achieved: first one is an automated pavement surface monitoring work system for maximized efficiency and second thing is saving current HPMS management budget through faster and more reasonable surveying results. In this paper, the feasibility of AI technology on actual pavement surface monitoring and analysis procedure was considered. As a result, AI based pavement surface monitoring and analysis approach succesfully provided reasonable results compared to the conventional human effort analysis approach. This findings provide a promising signal that more AI based technologies can successfully applied in HPMS business area in the next future. Morevoer, the achievement of automated HPMS can also be possible in the near future.

오일펜스는 해상에 유출된 기름의 확산을 차단하기 위해 신속하게 설치되는 방제자재이다. 본 연구에서는 소형경비정과 소형 방제정에 간편하게 적재하고 운용할 수 있는 자동팽창식 폴딩 오일펜스를 개발하였다. 폴딩 오일펜스는 별도의 공기 주입 없이 스프링에 의해 자동으로 팽창되며, 내부 구조체 상부의 부력체에 의해 삼각형 형태로 안정된 기립 상태를 유지한다. 또한 국내 오일펜스 A형 형식 승인 규격(수면상 20~30 cm, 수면하 30~40 cm)을 충족하는 것으 확인하였고, 조파수조 및 실해역 실험을 통해 기능 구현을 검증하였다. 핵 심 부품인 인장스프링에 대해 10,000회 피로시험과 염수침지시험을 수행한 결과, 성능에 이상이 없음을 확인하였다. 본 장비의 개발은 해 양오염사고의 초동방제 대응능력을 향상시키고, 국내외 해양방제산업의 발전에 기여할 것으로 기대된다.

Fishways, particularly installed at the estuary, have a purpose to encourage fluent migration for migratory fishes, as well as amphidromous and even freshwater species. Not choosing the laborious traditional method of using traps, we assessed the efficiency of the two fishways installed at the west and east barrage of the Nakdong River estuarine barrage respectively, by analyzing the videos recorded through automatic monitoring system. We randomly selected 30 videos monthly at each fishways and identified what kind of fishes were using the fishways and categorised their behaviour such as size, time and whether they passed the monitoring system or not. As a result, a total 8 families 14 species were recorded by monitoring system, with the most dominance of Erythroculter erythropterus (Relative Abundance: 59.5%), followed by Micropterus salmoides (R.A: 19.9%) and Mugil cephalus (R.A: 9.9%). The monitoring system can capture passing fishes during night but the number of appearances of fish species at each hour of a day indicated significant diurnal activities (p<0.05). When fishes pass the monitoring system, approximately 70% of them passed through the monitoring device, while 17% of them showed fallback movement. Our finding indicates that species-specific characteristics of each fish are well represented through video monitoring method. In order to maximise advantages of using video monitoring, it is necessary to consider the installation point properly so that the monitoring system does not interfere with the movement of fish. Also, the utilisation of AI technology in the future is also necessary.

In this study, fire extinguisher system to which form fire extinguisher agents were adopted was applied to the combat vehicle crew room to apply fire extinguishing performance and acid gas safety that meet the national defense standards. As a result of evaluation and verification, the following conclusions were drawn. For standard fire sizes in the combat vehicle crew's standard model, we ignited using a mixture of Novec 1230 and Halon 1301 form extinguisher agent and released form extinguisher agent after 30 seconds to determine the fire extinguishing time. The amount of acid gas generated met the criteria in all cases. When the fire size was increased to 0.12m2 and a 2.0mm nozzle was used, all of the extinguishing time, the amount of acid gas generated, and the concentration of Novec 1230 met the criteria. Despite the more difficult conditions to extinguish the fire by making the fire larger, it was possible to confirm the extinguishing performance of the Novec 1230 form extinguisher agent and its safety against acid gas.

The importance of indoor air quality has significantly increased after the COVID-19 pandemic. This study analyzed the energy consumption of a ventilation system based on various operating methods considering indoor and outdoor conditions. From March to May 2024, experiments were conducted on ventilation systems installed in a hospital in Incheon, comparing the experimental and control groups. The results showed that using the bypass mode in the experimental group reduced total energy consumption by 25.34% compared to the control group. Additionally, utilizing the air-cleaner mode further reduced energy use. This study demonstrates that optimal use of bypass and air-cleaner modes can enhance energy efficiency. Further research is needed to verify long-term applicability under diverse conditions.

This study aims to propose new grading standards that can be applied to AI-based automatic sorting machines, reflecting current distribution and consumption trends. The current domestic grading standards for onions in South Korea are based on the “Agricultural and Fishery Products Quality Control Act”. They classify onions based on criteria such as uniformity, shape, color, and the presence of foreign matter. Onion grading standards are divided into four categories based on bulb diameter and weight. However, in the actual domestic market, onions are distributed according to a five-grade classification based on bulb diameter. Therefore, this study classified onions into eight grades, reflecting current distribution and consumption trends in the domestic market. These grades are applicable to AI-based automatic sorting machines. Marketable onions were classified into A1 (extra large) to A5 (extra small) based on the diameter of a single bulb. Onions used for non-marketable purposes (processing) were classified as grade B. Additionally, grade C and grade D were designated for processing and disposal, respectively. By establishing quality grading classifications that align with current distribution and consumption market trends as well as the operational characteristics of AI-based automatic sorting machines, we can expect improvements in work efficiency and reductions in distribution costs. Following this study, it will be necessary to establish comprehensive quality grading standards that include both external criteria (such as bulb weight and size) and internal criteria (such as detection of internal decay and disease occurrence).

To efficiently develop an automatic assembly system that can enhance the quality and assembly productivity of the shaft assembly in EV relays, a DMU model was utilized. After modeling each component of the assembly system using the CAD software CATIA, a DMU model of the assembly cells and the entire assembly system was created using the assembly model. Additionally, the DMU Kinematics Workbench was employed to verify and validate the design of the automatic assembly system for the shaft assembly, a key component of the EV relay, before actual construction. This approach helped reduce time and costs by minimizing trial and error.

교통안전시설물의 관리는 도로교통의 안전과 직결되는 문제이다. 운전자는 신호등, 표지판, 노면표시 등을 통해 운전에 필요한 정보 를 얻는다. 노후된 표지판과 노면표시는 운전자에게 잘못된 정보를 제공할 수 있으므로 주기적인 시설물의 관리가 필요하다. 본 연구 는 딥 러닝 기술을 활용해 운전자 시각의 영상 자료에서 교통안전표지를 자동으로 탐지하고자 하며, 교통안전표지의 공통된 색상 특 징을 기반으로 클래스를 그룹으로 묶어 데이터셋을 구축하는 방법을 제안한다. 객체탐지의 성능지표로 널리 활용되는 mAP를 사용해 클래스 묶음 여부에 따른 탐지 성능을 비교한 결과, 색상 기반 클래스 묶음을 적용한 모델의 탐지 성능이 비교군에 비해 약 36% 상승 함을 확인하였다.

도로포장의 대표적 파손 종류인 균열은 일반적으로 폭이 좁고 기하학적으로 정의하기 어렵기 때문에 균열을 검출하고 유형을 분류 한 후 정량화하기까지 많은 시간이 소요된다. 본 연구의 목적은 균열 검출 이후 단계에서 요구되는 분류 및 정량화 과정을 자동화하 기 위함이다. 이를 위해, 본 연구에서는 균열이 매핑된 포장관리체계용 노면영상을 대상으로 하는 25cm 정사각형의 격자 배치 방법과 차륜 통과 영역 구분을 제시하였다. 각 격자 내 균열 객체의 길이와 진전방향, 인접한 정도 등 시각적 정보에 의한 균열 격자 속성을 정의하고 프로그래밍하여 균열 유형분류와 집계를 자동화하였다. 무작위로 수집된 고속도로 노면영상 자료를 통해 포장형식 별 주요 균열 유형을 분석하였고 차륜 통과 영역에서의 균열률 증가를 수치적으로 확인하였다.

포장상태 평가를 위한 노면영상 촬영은 라인스캔 방식이 주를 이루고 있다. 라인스캔 특성 상, 조사환경이나 장비특성이 달라질 경 우 밝기가 상이한 노면영상을 취득할 수 있고 이는 U-net과 같은 픽셀 단위 segmentation 딥러닝 모델의 균열 자동검출 성능에 영향을 미친다. 본 연구에서는 인공지능 검출 모델의 변경 없이 영상의 밝기 최적화와 morphology 연산기법을 노면영상 전·후처리 방법으로 제시하고 그 효과를 분석하였다. 영상 처리를 통해 과다 검출경향을 보인 이상치들이 제거되었으며 정답으로 간주할 수 있는 전문요 원 분석결과인 GT 균열률과의 상관성 또한 향상됨을 확인하였다.

지난 10년간 국내 고속도로의 관리 대상 구조물 수는 2013년 8,302개소에서 2023년 11,054개소로 약 25% 증가했다. 특히, 공용 20~30년 미만의 교량이 전체 교량의 약 40%를 차지하고 있으며, 이들 교량의 노후화가 향후 10년 내 집중적으로 발생할 것으로 예상 된다. 이에 따라 유지관리 비용이 급격히 증가할 것으로 전망된다. 효율적인 자산관리를 위해서는 상태평가 결과를 바탕으로 예측모델 을 적용하여 구조물의 성능과 생애주기 비용을 예측하는 것이 중요하다. 그러나, 유지관리에 따른 구조물 성능향상과 열화모델 적용 등 다양한 변수를 고려한 예측모델 적용할 때, 인력점검의 한계와 점검자의 주관적 판단에 따른 점검오차를 최소해야만 개별 구조물 의 현재 상태에 대한 정확한 평가가 가능할 것이다. 이와 관련하여 본 연구에서는 자산관리 개선을 위한 추진전략과 상태평가 신뢰성 확보를 위한 신기술 적용방안을 제시하고자 한다. 따라서, 교량 자산가치평가 정확도 향상을 위해 BIM(Building Information Modeling) 모델 제작 및 손상평가 AI(Artificial Intelligence) 기술을 적용한 ‘BIM 기반 외관조사망도 자동생성 시스템’을 통해 인력점검의 한계와 점검오차로 인한 문제를 개선하고자 하며, 점검/진단 자동화 기술을 구조물 유지관리 업무 시스템에 연계하여 손상정도를 시계열로 모 니터링하고, 최적 보수시기 및 공법 선정 의사결정에 활용할 수 있으며, 보수·보강 비용 및 조치편익을 분석하여 유지관리 사업계획 수립 시 활용할 수 있을 것으로 판단된다. 향후 ‘점검/진단 자동화 시스템‘을 고속도로 자산관리에 시범적으로 적용하여 실제 현장 점 검자의 사용성 검증과 시스템 운영방안 수립을 통해 효율적 자산관리를 위한 도로관리자의 의사결정을 지원할 수 있을 것으로 기대한다.