Taguchi method is one of the most popular approaches for design optimization such that performance characteristics become robust to uncontrollable noise variables. However, most previous Taguchi method applications have addressed a single-characteristic problem. Problems with multiple characteristics are more common in practice. The multi-criteria decision making(MCDM) problem is to select the optimal one among multiple alternatives by integrating a number of criteria that may conflict with each other. Representative MCDM methods include TOPSIS(Technique for Order of Preference by Similarity to Ideal Solution), GRA(Grey Relational Analysis), PCA(Principal Component Analysis), fuzzy logic system, and so on. Therefore, numerous approaches have been conducted to deal with the multi-characteristic design problem by combining original Taguchi method and MCDM methods. In the MCDM problem, multiple criteria generally have different measurement units, which means that there may be a large difference in the physical value of the criteria and ultimately makes it difficult to integrate the measurements for the criteria. Therefore, the normalization technique is usually utilized to convert different units of criteria into one identical unit. There are four normalization techniques commonly used in MCDM problems, including vector normalization, linear scale transformation( max-min, max, or sum). However, the normalization techniques have several shortcomings and do not adequately incorporate the practical matters. For example, if certain alternative has maximum value of data for certain criterion, this alternative is considered as the solution in original process. However, if the maximum value of data does not satisfy the required degree of fulfillment of designer or customer, the alternative may not be considered as the solution. To solve this problem, this paper employs the desirability function that has been proposed in our previous research. The desirability function uses upper limit and lower limit in normalization process. The threshold points for establishing upper or lower limits let us know what degree of fulfillment of designer or customer is. This paper proposes a new design optimization technique for multi-characteristic design problem by integrating the Taguchi method and our desirability functions. Finally, the proposed technique is able to obtain the optimal solution that is robust to multi-characteristic performances.

인공 고관절 치환술에 사용되는 금속 삽입물은 크기와 성분에 따라 주변 조직과 크고 작은 자화율의 차이를 일으켜 다양한 금속 인공물의 원인이 되며, 영상에 진단적 가치를 떨어뜨린다. 수신대역폭을 높이는 것은 인공물 감소에 효과가 있으나, 높은 수신대역폭은 획득 영상의 신호대잡음비를 감소시키는 단점이 있어 일정 수치 이상으로는 적용 하기에는 어려움이 있다. 딥러닝 알고리즘은 영상의 신호대잡음비를 높이고 전체 영상에서 균일하게 배경 잡음을 제거하는 데 매우 효과적이다. 이에 본 연구에서는 금속 인공물 감소를 위해 기존에 높은 수신대역폭을 이용하는 MARS(metal artifact reduction sequence) 프로토콜과 더욱 높은 수신대역폭을 설정한 프로토콜(Ultra MARS) 을 획득한 후 딥러닝을 이용하여 딥러닝 Ultra MARS로 변환한 후에 금속 인공물의 차이를 비교하였다. 딥러닝 적 용 후 Ultra MARS에서 적용 전 또는 기존의 MARS 기법보다 인공물의 크기가 작게 측정이 되었다. 또한, 인공물의 전체적인 SSIM(structural similarity index measure)에서도 기존의 MARS 기법보다 전체면적이 작게 측정되었 다. 더 나아가 SSIM의 결과 딥러닝 적용 전후의 구조적 유사성 역시 유사하게 나왔다. 딥러닝 알고리즘을 기존에 인공물을 줄이기 위해 사용하는 MARS와 같은 기법에서도 월등하게 높은 수치를 사용하는 강조영상을 획득 가능하 며 영상의 인공물도 줄이며, 영상의 대조도 또한 유지되는 영상을 제공할 수 있을 것으로 사료된다.

복부 MRI 검사에서 높은 수준의 병렬기법을 적용 시 영상의 질을 떨어뜨리는 둘러겹침인공물을 빈번히 생성한다. 이것 은 구조물이 겹쳐서 나타나는 현상으로 복부 인체 구조상 양쪽 팔이 맞닿아 있어서 FOV를 벗어난 양쪽 팔이 영상의 반대 방향 인공물을 발생하는 문제를 초래한다. 이러한 제한점으로 복부 MRI 검사에서는 두경부 및 근골격 검사 부위와 비교하 여 낮은 수준의 병렬기법을 적용하여 검사 시간을 증가시키는 문제가 있다. 이에 본 연구에서는 팔을 위로 올리는 자세를 활용하여 환자의 간단한 자세의 변화를 통하여 병렬기법을 극대화하여 검사 시간을 최소화하면서 영상의 인공물을 제거하 는 데 목적을 두었다. T2, T1 강조 영상을 관상면으로 획득하였다. 연구의 재현성을 높이기 위하여 작은 팬텀을 나란히 놓고(팔 내리는 자세), 한번은 작은 팬텀을 제거하고 영상을 (팔 올리는 자세) 각각 병렬기법인 SENSE 가속인자를 1.0, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0까지 10번씩 획득한 후 영상의 불균일도를 측정하였다. 팬텀으로 확인하기 어려운 인체 부위 의 영상을 확인하기 위하여 정상인 자원자 1명을 대상으로 팬텀 연구와 같은 매개변수 조건으로 영상을 획득하였다. SENSE 가속인자가 높아질수록 팔을 올리는 자세에서 영상의 불균일도가 낮게 측정이 되었고 통계학적으로 유의하게 나타 났다. 본 연구는 간단한 자세 변화만으로 병렬기법을 극대화하며 영상획득 시간 단축 및 인공물을 개선방안을 제시하는 데 의의가 있다.

In the automobile manufacturing industry, lightweight design is one of the essential challenges to be solved fundamentally. The vehicle wheels are classified as safety related components as the main substructure of the vehicle. In this study, we illustrate a technique for selecting the appropriate number of spokes. Based on the basic model of the selected number of spokes, we propose a method to maintain stiffness and design lightweight using topology optimization software. Based on the basic model of the selected number of spokes, it was redesigned to be lightweight while maintaining stiffness by utilizing topology optimization software. By comparing and reviewing the structural analysis results of the basic model and the redesigned model, a design technique that can maintain structural safety and reduce wheel mass was proposed.

본 논문에서는 AI 기반 설계 탐색 기법을 활용하여 선박의 주요 치수 최적화를 수행하였다. 설계 탐색 기법은 최적화 프로그램 HEEDS의 SHERPA 알고리즘을 사용하였다. 유동 해석은 상용 CFD 코드인 STAR-CCM+를 사용하였고, 주요 치수 변환은 전처리 과정에서 JAVA Script와 Python을 사용하여 선박의 치수가 자동으로 변환되도록 설정하였다. 대상 선박은 소형 쌍동선형으로 주요 치수 최적화는 한쪽 선형의 길이, 폭, 흘수 그리고 단동선형 간의 간격에 대하여 수행되었다. 최적화 알고리즘에 사용된 목적함수는 총저항이며, 내부 의 장 시스템의 크기 등을 고려한 배수 체적의 범위를 제한조건으로 선정하였다. 그 결과 최적 선형의 주요 치수는 기존 선형 대비 ±5% 내 에서 변화가 있었고 총저항은 약 11% 개선된 결과를 보였다. 본 연구를 통해 선박의 형상을 직접 변경하지 않더라도 주요 치수 최적화를 통해 선박의 저항 성능이 향상됨을 확인하였고, 다양한 선박의 주요 치수 최적화를 통한 성능 향상에 활용이 될 것으로 기대한다.

본 논문은 딥러닝 알고리즘을 이용하여 딸기 영상 데이터의 병충해 존재 여부를 자동으로 검출할 수 있는 서비스 모델을 제안한다. 또한 병징에 특화된 분할 이미지 데이터 세트를 제 안하여 딥러닝 모델의 병충해 검출 성능을 향상한다. 딥러닝모델은 CNN 기반 YOLO를 선정하여 기존의 R-CNN 기반 모델의 느린 학습속도와 추론속도를 개선하였다. 병충해 검 출 모델을 학습하기 위해 일반적인 데이터 세트와 제안하는 분할 이미지 데이터 세트를 구축하였다. 딥러닝 모델이 일반 적인 학습 데이터 세트를 학습했을 때 병충해 검출률은 81.35%이며 병충해 검출 신뢰도는 73.35%이다. 반면 딥러닝 모델이 분할 이미지 학습 데이터 세트를 학습했을 때 병충해 검출률은 91.93%이며 병충해 검출 신뢰도는 83.41%이다. 따 라서 분할 이미지 데이터를 학습한 딥러닝 모델의 성능이 우 수하다는 것을 증명할 수 있었다.

In this paper, a method of reducing the weight of vehicle wheels through topology optimization by finite element method is proposed. Recently, various environmental pollution caused by the operation of vehicles is gradually increasing, and this has a great correlation with the fuel efficiency of the vehicle. Therefore, it is required to reduce the weight of the vehicle to increase fuel efficiency. Among them, the vehicle's wheels are a key part of vehicle acceleration and braking, and passenger safety. Because the shape of the wheels is different, various effects such as reduced fuel economy and reduced airpower occur as well as aesthetic factors. The stiffness of the wheels plays an important role in transmitting the vehicle's power to the tires and braking. In this study, to reduce weight while satisfying the stiffness value, we propose to use topology optimization to design an arbitrary shape according to the number of spokes on the wheel.

In this paper, a GAN-based data augmentation method is proposed for topology optimization. In machine learning techniques, a total amount of dataset determines the accuracy and robustness of the trained neural network architectures, especially, supervised learning networks. Because the insufficient data tends to lead to overfitting or underfitting of the architectures, a data augmentation method is need to increase the amount of data for reducing overfitting when training a machine learning model. In this study, the Ganerative Adversarial Network (GAN) is used to augment the topology optimization dataset. The produced dataset has been compared with the original dataset.

현재 국내외적으로 다양한 강재 댐퍼의 형상에 대한 연구가 이뤄지고 있다. 강재 댐퍼는 제진장치 중 하나로 항복을 통해 지진에너지를 흡수 및 소산하여 본 구조물을 보호한다. 최근 적용되고 있는 면내 전단 변형에 의해 작동하는 댐퍼는 응력이 특정 부위에 집중되어 재료의 대부분이 본래의 역량을 발휘하지 못하는 한계가 있었다. 따라서, 본 연구에서는 이 한계를 극 복하고자 전역 최적화 기법 중 하나인 뻐꾸기 탐색을 적용해 최적 형상을 설계하였다. 탐색된 최적 형상을 토대로 수치해석과 실제 실험을 통한 성능검증을 수행했다. 최적 형상으로 설계된 댐퍼는 안정적인 이력거동을 보이고, 높은 에너지 소산능력을 확 보하는 것으로 나타났다. 본 연구에서는 전역 최적화 기법을 적용한 최적 설계 방법을 제시하고 그 결과를 검증함으로써, 다양한 형태의 공학적 문제 해결에 대한 적용 가능성을 제시하였다.

This paper describes an adaptive hybrid evolutionary firefly algorithm for a topology optimization of truss structures. The truss topology optimization problems begins with a ground structure which is composed of all possible nodes and members. The optimization process aims to find the optimum layout of the truss members. The hybrid metaheuristics are then used to minimize the objective functions subjected to static or dynamic constraints. Several numerical examples are examined for the validity of the present method. The performance results are compared with those of other metaheuristic algorithms.

본 연구에서는 철골편심가새골조 시스템을 대상으로 다목적최적화기법을 통해 설계를 수행하고 그 결과를 분석하였다. 최적화 설 계를 위해 유전 알고리즘의 일종인 NSGA-II를 활용하였다. 여기서, 목적함수는 이율배반적 관계를 갖는 구조물량과 층간변위로 하여 최소화되고, 제약조건에는 구조기준에서 요구하는 내력비, 링크의 회전각 등을 포함하였다. 제약조건은 최적화 알고리즘 내에서 각 항목을 위반할수록 목적함수 값을 크게 증가시키는 벌금함수의 형태를 가지고 있다. 설계기준에서 EBF 시스템의 설계규정은 링크 부재만 항복이 허용되며 나머지 부재는 링크 항복 시 발생되는 부재력을 탄성상태에서 견디도록 의도한 역량설계법에 기초한다. 그러나 최적화를 통해 도출된 결과 중 일부는 구조기준의 설계조항은 만족하지만 특정층 링크에 소성변형이 집중되어 연약층을 형성함 으로써 기준에서 의도하는 역량설계의 원칙을 위배하는 결과가 나타났다. 이를 해결하기 위해 모든 링크의 전단 초과강도계수 중 최 대값이 최소값의 1.25배를 넘지 않도록 하는 제약식을 추가하였다. 새로운 제약식을 추가한 경우 모든 최적해는 설계기준과 역량설계의 원칙을 준수하는 것으로 나타났다. 모든 설계안에서 보 경간에 대한 링크의 길이비는 전단링크의 범주에 해당하는 10% ~ 14%였다. 전체적으로 설계안들은 링크의 초과강도 계수비가 가장 지배적인 제약으로 작용하였으며, 구조기준의 요구사항 중 층간변위와 내력비 등의 항목에서 허용치에 비해 매우 보수적으로 설계되었다.

In this study, a model to optimize residual chlorine concentrations in a water supply system was developed using a multi-objective genetic algorithm. Moreover, to quantify the effects of optimized residual chlorine concentration management and to consider customer service requirements, this study developed indices to quantify the spatial and temporal distributions of residual chlorine concentration. Based on the results, the most economical operational method to manage booster chlorination was derived, which would supply water that satisfies the service level required by consumers, as well as the cost-effectiveness and operation requirements relevant to the service providers. A simulation model was then created based on an actual water supply system (i.e., the Multi-regional Water Supply W in Korea). Simulated optimizations were successful, evidencing that it is possible to meet the residual chlorine concentration demanded by consumers at a low cost.