WC–Mo₂C–Co cemented carbides were fabricated to investigate the effects of Mo₂C addition on microstructure and mechanical properties. Dual hard-phase design using WC and Mo₂C was employed to optimize the balance between hardness and toughness. Spark plasma sintering (SPS) was conducted at various temperatures after ball milling, and 1300 °C for 5 min was identified as the optimized sintering condition, achieving complete densification and phase stability. The addition of Mo₂C refined the microstructure by suppressing abnormal WC grain growth through preferential dissolution of Mo₂C into the Co binder. Hardness increased up to 1769 Hv30 due to grain refinement and solid-solution strengthening, while promoted η-phase formation and reduced fracture toughness.The 27Mo₂C composition exhibited the most balanced combination of hardness and toughness. These results demonstrate that controlled Mo₂C addition enables dual hard-phase strengthening and microstructure optimization in WC–Mo₂C–Co carbides for advanced cutting and forming applications.

대부분의 원전 설비의 내진 해석에는 해석이 비교적 간편하고, 설계에 보수성을 적절히 반영할 수 있어 대부분 기기가 설치된 위치에서의 층응답스펙트럼 혹은 In-structure response spectrum을 이용한 응답스펙트럼 해석을 주로 이용하고 있다. 설비 공급자 는 설계 시방서에 층응답스펙트럼 선도의 형태로 입력 지진파 자료를 받게 되는데, 필요시 이를 바탕으로 인공 지진파을 만들어 해석 혹은 시험을 수행한다. 설계지반응답스펙트럼의 경우 RG 1.60에 주어지고 SRP 3.7.1의 요건에 따라 인공 지진파 시간 이력을 생성하 나, 층응답스펙트럼의 경우 명확은 기준이 없어 이를 따르고 있다. 층응답스펙트럼은 구조물의 동특성이 반영되기 때문에 지반응답스 펙트럼에 비해 형태가 복잡하여 기존의 P-CARES 등의 인공 지진파 생성 프로그램을 이용할 경우 SRP 3.7.1의 요건에 맞는 시간 이력 인공 지진파를 얻기 위해서는 상당한 노력이 필요하다. 본 연구에서는 수치 최적화를 이용하여 복잡한 형태의 층응답스펙트럼이 라도 SRP 3.7.1의 요건 내에서 그 형태를 따르는 인공 지진파 시간 이력을 효율적으로 생성할 수 있는 절차를 개발하였다.

This study utilized ray tracing and back-ray tracing to optimally design road lighting for optimal visibility for drivers and pedestrians at night. While conventional road lighting focuses on ensuring sufficient brightness, recent developments require diverse characteristics beyond brightness to ensure optimal visibility for drivers and pedestrians, including reduced glare and uniform ground luminance. Existing road lighting was inadequate for drivers and pedestrians due to serious issues such as glare and uneven illumination. To address these issues, moving beyond capacitance-centric design methods and understanding the path light takes to reach the road surface is crucial. Optical simulation, which assumes a sufficient number of rays, is essential for achieving this goal. To achieve these goals, this study explored the application of ray tracing to the design of road lighting reflectors. Design goals such as uniformity of road area per single light, shading angle, and continuous luminance uniformity over long distances were established. Ray tracing was used to design the ideal road lighting conditions. Back-ray tracing was then used to design the road lighting reflectors. By reducing light loss, power consumption was reduced by almost half while achieving the same brightness on the road, and the shading angle was 75 degrees and the brightness uniformity of the road area was 0.6, achieving the ideal design criteria.

강화학습은 지속적으로 변화하는 환경에서 최적의 해결책을 제시할 수 있도록 구현되는 머신러닝 알고리즘으로 시간 및 조건에 따라 변화하는 시스템의 최적화에 우수한 성능을 보이는 장점을 가지고 있다. 따라서, 최근 운영 조건과 시간에 따라 변화하는 상하수도 시설 및 취수원 등 현장 물환경 관리 최적화에 강화학습을 적용하기 위한 연구에 대한 관심이 높아지고 있다. 본 연구에서는 강화학습이 상하수도 시설 및 물환경 관리에 적용된 사례를 분석하였다. 상하수도 시설의 운영시 시설 운영의 목적에 맞는 처리수 수질을 유지하면서 운영에 필요한 에너지 소비 및 비용을 최소화하는 노력이 중요하다. 강화학습은 데이터에 기반한 반복적인 분석을 통해 시스템 운영의 최적 조건을 학습할 수 있으며, 다양한 연구 사례에서 강화학습의 적용을 통해 상하수도 시설 등의 운영 효율 개선이 가능함을 보여주었다. 하수처리 시설의 경우 강화학습을 활용하여 운영비의 많은 부분을 차지하는 폭기조 산소 공급과 내부 반송 펌프 운전을 최적화할 수 있으며, 정수장의 경우 약품 투입량 절감 등을 통해 운영비 절감 효과를 달성할 수 있음을 확인하였다. 또한, 용수 공급망과 저류조 운영의 최적화를 통해 상수도 및 하천 현장의 오염 발생을 저감할 수 있음을 알 수 있었다. 본 연구를 통해 강화학습을 활용하여 기존의 경험에 기반한 시설 운영 방식의 한계를 개선하고 상하수도 시설 운영 및 물환경 관리 효율 향상에 기여할 수 있음을 확인하였다

In order to confirm the optimal conditions for the LED(Light Emitting Diode) wire bonding process, the lead bump ball process optimization was analyzed. In the wire bonding process, it is an important process in which electrical characteristics operate by connecting the Au wire to the LED chip and lead frame. In the wire bonding method, various wire bonding processes, including thermocompression and ultrasonic bonding, were dealt with, and various variables affecting the lead bump ball process of wire bonding were analyzed through process variable analysis. Key variables for wire bonding working conditions were identified and optimized using the Response Surface Method(RSM) of Design of Experiments(DOE), the interaction between variables was confirmed through factor setting experiments, and the process was optimized using the RSM. This paper aims to improve the performance of the lead bump ball process by designing experiments with 5 factors at 3 levels and analyzing 4 response variables to find optimal conditions. It was confirmed that the performance of the lead bump ball process improved under optimized conditions, and as a result, optimal conditions that satisfied the targets for most reaction values, with the exception of ball diameter (BD), were secured.

The thermal management of high-density electronics within military shelters is a critical challenge for ensuring operational reliability, particularly under harsh field conditions involving significant solar radiation. This study presents a numerical investigation using three-dimensional Computational Fluid Dynamics (CFD) to optimize an air-cooling system for an electronics rack housed in a military shelter. Four distinct cooling configurations were analyzed and compared: (1) a baseline model relying on natural convection, (2) a fan-assisted forced convection model, (3) a direct cold air supply model using an insulated duct, and (4) a hybrid model integrating both fans and the duct. Boundary conditions were established based on the high temperature and solar radiation criteria of the MIL-STD-810G standard. To quantitatively evaluate the cooling efficiency of each system, a normalized performance index derived from a weighted sum of the average temperature and temperature standard deviation was employed. The results demonstrate that the baseline configuration leads to critical overheating, with component temperatures reaching up to 124℃. In contrast, the hybrid fan-duct system exhibited the most superior performance, effectively reducing the maximum temperature to 59℃. This is attributed to a powerful synergistic effect, where the qualitative supply of low-temperature air via the duct is combined with the quantitative distribution of flow rate throughout the system by the fans. This study elucidates an effective thermal management strategy for electronics in military shelters exposed to severe environments, identifying the integrated fan-duct system as the most robust and optimal air-cooling solution.

하수처리장 유출수의 수질 예측은 수질 사고의 사전 대응 및 처리장의 안정적인 운영을 위해 필수적인 요소이다. 최근 머신러닝을 활용한 예측 모델링에서 예측 성능 향상과 과적합 방지를 위해 다양한 교차 검증법과 하이퍼파라미터 최적화 기법이 활용되고 있으나, 하수처리장 데이터는 시간적 의존성과 급격한 변동성이 내재되어 있어 과적합에 취약하고 안정적인 모델 구축에 어려움이 따른다. 본 연구에서는 이러한 데이터 특성을 효과적으로 반영할 수 있는 최적의 모델링 파이프라인을 구축하고자 하였으며, XGBoost 모델을 기반으로 유출수 내 총질소 농도를 예측하였다. 예측 성능 평가 지표로는 평균 제곱근 오차(Root Mean Square Error, RMSE), 결정계수(coefficient of determination, R2), RMSE 오차 개선율(the rate of improvement on RMSE, RIRRMSE) 그리고 계산 시간을 사용하였다. 기본적인 Hold-out 방식의 성능을 기준으로 K-fold, 시계열 교차 검증(Time Series Cross Validation, TSCV), 블록 시계열 교차 검증(Blocked Time Series Cross Validation, BTSCV) 기법의 예측 성능을 분석한 결과, BTSCV는 인접한 데이터만을 고려하는 방식으로 시간적 의존성과 급변 특성을 효과적으로 반영하여 가장 높은 RIR(36.37%)을 기록하였다. 또한, 하이퍼파라미터 최적화(그리드 서치와 베이지안 최적화) 기법과의 다양한 교차 검증법의 조합을 통해 모델 성능과 과적합 방지 효과를 분석한 결과, BTSCV와 베이지안 최적화의 결합은 짧은 계산 시간(364.64초)과 함께 가장 높은 RIR(64.93%)을 보였으며, 훈련 및 평가 데이터 간 성능 차이도 최소화되어 일반화된 예측 모델로서의 효과성이 입증되었다. 따라서 본 연구는 하수처리장 시계열 데이터의 특성에 적합한 BTSCV와 베이지안 최적화 기법을 결합한 모델링 파이프라인 전략을 제안하며, 향후 실시간 수질 모니터링 및 하수처리장 운영 효율성 제고에 기여할 수 있을 것으로 기대된다.

As demand grows for electric vehicles and advanced mobility technologies, developing materials for permanent magnets has become increasingly essential. Among them, SmCo-based permanent magnets are gaining attention due to their superior thermal stability compared to conventional NdFeB magnets, making them promising candidates for high-temperature motor applications. However, optimizing the magnetic properties of SmCo alloys remains challenging due to their complex phase structures and elemental interactions. In this study, we develop and optimize machine learning (ML) models to predict the saturation magnetization of SmCo permanent magnets using only composition-based descriptors. A dataset comprising various SmCo alloys was analyzed, with features extracted using Matminer and Pymatgen modules. We applied Random Forest (RF), eXtreme Gradient Boosting (XGB), and Support Vector Regression (SVR) models and compared their regression performance using R2 score and Root-mean-squared-error (RMSE). The RF model demonstrated the best generalization and prediction accuracy. To identify the most influential features, we used permutation feature importance. Further, we refined the feature set using a genetic algorithm (GA), ultimately selecting 9 key features that yielded the highest model performance (R2 = 0.963, RMSE = 4.22 emu/g). This study highlights the potential of combining machine learning with genetic optimization to accelerate the design of high-performance, thermally stable SmCo permanent magnets.

Phellinus linteus, a medicinal mushroom with potent antioxidant properties, contains bioactive compounds, such as polyphenols and flavonoids. To optimize the extraction of skin-whitening compounds, ultrasound-assisted extraction combined with statistically based optimization was used to simultaneously extract total polyphenol content (TPC), radical scavenging activity (RSA), and tyrosinase activity inhibition (TAI). Extraction variables, including extraction time (X1:4.8 ~ 55.2 min), extraction temperature (X2:26.4 ~ 93.6oC), and ethanol concentration (X3:13.0 ~ 97.0%), were varied in 17 experimental cycles based on a central composite design. Quadratic regression models for TPC, RSA, and TAI had coefficients of determination (R2) greater than 0.92, demonstrating well-fitted models and statistical significance. Analysis of variance revealed that all three variables significantly influenced extraction efficiency (p < 0.0041), with ethanol concentration (X3) having the most pronounced effect. The optimal extraction conditions were 80.0 min, 82.5oC, and 64.8% ethanol, yielding predicted values of 6.42 mg GAE/g DM for TPC, 73.71% for RSA, and 85.04% for TAI. These results suggest that a moderate ethanol concentration combined with adequate thermal input maximizes the extraction of antioxidant and tyrosinase inhibitory activities specifically associated with skin-whitening effects.

최근 지구온난화로 인한 피해가 심각해짐에 따라 화석연료 사용을 줄이고자 친환경 수소 에너지의 활용이 증가하고 있다. 이에 따라 수소의 저장 및 운송을 위한 수소 저장 용기의 수요가 확대되고 있으나, 현재 널리 사용되고 있는 강재 기반 저장 용기는 부식과 같은 내구성 저하 현상에 취약하다. 따라서 선행 연구는 지지부 부식에 따른 내진 성능 저하 문제를 해결하기 위해 부식 저항성 이 뛰어난 CFRP를 지지부 기둥을 적용하여 설계 하중에서 적용성을 검토하였다. 이때 본 연구는 CFRP의 강도-중량비가 높음을 고려 하여 기존 강재 구조물 지지부 ㄱ 단면 대비 높은 강성을 가진 H 단면과 ㅁ 단면을 지지부 기둥에 적용하여 연구를 수행하였다. 이때 실제와 가까운 해석 결과를 도출하기 위해 고유진동수 추출해석을 진행하여 감쇠 계수를 적용 시켰고, AC 156 인공 지진을 설계 하중 으로 적용한 결과, ㅁ 단면을 적용한 강재 기둥의 접합부 응력은 222.34 MPa로 기존 ㄱ 형강 대비 78.93%로 설계 하중에 만족함을 보였다. ㅁ 단면 적용 CFRP 기둥은 파손 지수(DI)를 통해 평가하였고, 이때 최대 DI는 수지 인장에서 발생하였으며, 그 값은 0.708로 파괴 기준 대비 29.2% 낮아 설계 하중에 만족함을 보였다. 또한, 기초 슬래브에서 쪼갬 인장 응력과 휨 인장 응력을 통한 평가를 진행 하였고, 현장 실험 결과와 마찬가지로 설계 하중에 휨 인장 파괴가 발생하는 것으로 확인하였다. 하지만 파단 시점은 CFRP에서 1.54배 오래 설계 하중에 견디는 것을 확인하여, 그 적용성을 확인하였다. 결론적으로 지진의 발생 빈도가 높아짐에 따라 수소 저장 용기의 안전성 확보가 시급하다. 따라서 기존 강재 대상 구조물의 부식으로 인한 강성 저하 문제를 해결하기 위해, 높은 내구성 및 부식 저항성 재료의 적용은 필수적이다. 동시에 기초 슬래브의 안전성 확보에 대한 연구가 추가적으로 수행되어야 한다.

This paper describes the use of approximation in Collaborative Optimization (CO) method, one of the Multidisciplinary Design Optimization (MDO) techniques. The approximation is used to model the result of a disciplinary design, optimal discrepancy function value, as a function of the interdisciplinary target variables passed from system level to the discipline. The optimal discrepancy function value is used to examine the interdisciplinary compatibility constraint (discrepancy function = 0) duringthe system level optimization. However, the peculiar shape of the compatibility constraint makes it difficult to exploit well–developed conventional approximation methods. This paper introduces the combination of neural network classification and kriging to resolve this problem. In addition, for the purpose of enhancing the accuracy of the approximation, the approximation is continuously updated using the information obtained from the system level optimization. This iterative process is continued until acceptable convergence is achieved.