On pig farms, the highest mortality rate is observed among nursing piglets. To reduce this mortality rate, farmers need to carefully observe the piglets to prevent accidents such as being crushed and to maintain a proper body temperature. However, observing a large number of pigs individually can be challenging for farmers. Therefore, our aim was to detect the behavior of piglets and sows in real-time using deep learning models, such as YOLOv4-CSP and YOLOv7-E6E, that allow for real-time object detection. YOLOv4-CSP reduces computational cost by partitioning feature maps and utilizing Cross-stage Hierarchy to remove redundant gradient calculation. YOLOv7-E6E analyzes and controls gradient paths such that the weights of each layer learn diverse features. We detected standing, sitting, and lying behaviors in sows and lactating and starving behaviors in piglets, which indicate nursing behavior and movement to colder areas away from the group. We optimized the model parameters for the best object detection and improved reliability by acquiring data through experts. We conducted object detection for the five different behaviors. The YOLOv4-CSP model achieved an accuracy of 0.63 and mAP of 0.662, whereas the YOLOv7-E6E model showed an accuracy of 0.65 and mAP of 0.637. Therefore, based on mAP, which includes both class and localization performance, YOLOv4-CSP showed the superior performance. Such research is anticipated to be effectively utilized for the behavioral analysis of fattening pigs and in preventing piglet crushing in the future.

Chloride is one of the most common threats to reinforced concrete (RC) durability. Alkaline environment of concrete makes a passive layer on the surface of reinforcement bars that prevents the bar from corrosion. However, when the chloride concentration amount at the reinforcement bar reaches a certain level, deterioration of the passive protection layer occurs, causing corrosion and ultimately reducing the structure’s safety and durability. Therefore, understanding the chloride diffusion and its prediction are important to evaluate the safety and durability of RC structure. In this study, the chloride diffusion coefficient is predicted by machine learning techniques. Various machine learning techniques such as multiple linear regression, decision tree, random forest, support vector machine, artificial neural networks, extreme gradient boosting annd k-nearest neighbor were used and accuracy of there models were compared. In order to evaluate the accuracy, root mean square error (RMSE), mean square error (MSE), mean absolute error (MAE) and coefficient of determination (R2) were used as prediction performance indices. The k-fold cross-validation procedure was used to estimate the performance of machine learning models when making predictions on data not used during training. Grid search was applied to hyperparameter optimization. It has been shown from numerical simulation that ensemble learning methods such as random forest and extreme gradient boosting successfully predicted the chloride diffusion coefficient and artificial neural networks also provided accurate result.

In order to solve the rapidly increasing domestic delivery volume and various problems in the recent metropolitan area, domestic researchers are conducting research on the development of “Urban Logistics System Using Underground Space” using existing urban railway facilities in the city. Safety analysis and scenario analysis should be performed for the safe system design of the new concept logistics system, but the scenario analysis techniques performed in previous studies so far do not have standards and are defined differently depending on the domain, subject, or purpose. In addition, it is necessary to improve the difficulty of clearly defining the control structure and the omission of UCA in the existing STPA safety analysis. In this study, an improved scenario table is proposed for the AGV horizontal transport device, which is a key equipment of an urban logistics system using underground space, and a process model is proposed by linking systematic STPA safety analysis and scenario analysis, and UCA and Control Structure Guidelines are provided to create a safety analysis.

The Fourth Industrial Revolution and sensor technology have led to increased utilization of sensor data. In our modern society, data complexity is rising, and the extraction of valuable information has become crucial with the rapid changes in information technology (IT). Recurrent neural networks (RNN) and long short-term memory (LSTM) models have shown remarkable performance in natural language processing (NLP) and time series prediction. Consequently, there is a strong expectation that models excelling in NLP will also excel in time series prediction. However, current research on Transformer models for time series prediction remains limited. Traditional RNN and LSTM models have demonstrated superior performance compared to Transformers in big data analysis. Nevertheless, with continuous advancements in Transformer models, such as GPT-2 (Generative Pre-trained Transformer 2) and ProphetNet, they have gained attention in the field of time series prediction. This study aims to evaluate the classification performance and interval prediction of remaining useful life (RUL) using an advanced Transformer model. The performance of each model will be utilized to establish a health index (HI) for cutting blades, enabling real-time monitoring of machine health. The results are expected to provide valuable insights for machine monitoring, evaluation, and management, confirming the effectiveness of advanced Transformer models in time series analysis when applied in industrial settings.

본 연구는 한국인 인구집단에서 폭식행동, 음식중독을 식별하고, 해당 증상들이 비만 및 섭식행 동, 정신건강, 인지적 특성과 어떠한 연관성을 보이는지 규명하고자 하였다. 이를 위하여 정상체중 및 비만 체중에 해당하는 한국인 성인 257명을 대상으로 섭식문제(예: 폭식, 음식중독, 음식갈망), 정신건강(예: 우 울), 인지기능(예: 충동성, 정서조절)에 관한 임상심리검사 척도를 측정하였다. 비만 여부와 성별에 따라 그 룹을 나누었을 때, 비만체중 여성에서 폭식행동이 46.6%, 음식중독이 29.3%로 가장 빈도가 높았다. 성향 점수 매칭 후 데이터로 독립성 검정을 수행한 결과, 폭식행동 및 음식중독이 비만체중 집단에서 정상체중 집단보다 더 많이 나타나는 것을 확인하였다. 또한 폭식행동과 음식중독 유무에 각 심리검사 척도 요인이 미치는 영향력을 파악하고자, 전진선택법을 적용한 로지스틱 회귀모델을 구축하였다. 로지스틱 회귀분석 결과, 폭식행동에는 섭식장애, 음식갈망, 상태불안, 정서조절(인지적 재해석) 및 음식중독이 주로 관여하였 고, 음식중독에는 음식갈망, 폭식행동과 함께 비만과 연령의 교호작용, 교육년수가 유의하게 작용하는 것으 로 나타났다. 본 연구는 한국인 성인을 대상으로 한 체계적 연구로서, 폭식행동과 음식중독이 여성 및 비만 인에서 특히 더 많이 나타남을 확인하였다. 폭식행동과 음식중독에는 일부 섭식문제(예: 음식갈망)가 공통되게 관여하나, 정신건강 및 인지적 위험요인에는 차이가 있었다. 따라서 음식중독과 폭식행동은 서로 구 별되는 개념으로 두고, 각각의 기질적·환경적 위험요인을 깊이 있게 탐구하는 것이 필요하다.

본 논문에서는 소형어선의 운동 응답을 예측하기 위해 딥러닝 모델을 구축하였다. 크기가 다른 두 소형어선을 대상으로 유체 동역학 성능을 평가하여 데이터세트를 확보하였다. 딥러닝 모델은 순환 신경망 기법의 하나인 장단기 메모리 기법(LSTM, Long Short-Term Memory)을 사용하였다. 딥러닝 모델의 입력 데이터는 6 자유도 운동 및 파고의 시계열 데이터를 사용하였으며, 출력 라벨로는 6 자유도 운동의 시계열 데이터로 선정하였다. 최적 LSTM 모델 구축을 위해 hyperparameter 및 입력창 길이의 영향을 평가하였다. 구축된 LSTM 모 델을 통해 입사파 방향에 따른 시계열 운동 응답을 예측하였다. 예측된 시계열 운동 응답은 해석 결과와 전반적으로 잘 일치함을 확인 할 수 있었다. 시계열의 길이가 길어짐에 따라서 예측값과 해석 결과의 차이가 발생하는데, 이는 장기 데이터에 따른 훈련 영향도가 감 소 됨에 따라 나타난 것으로 확인할 수 있다. 전체 예측 데이터의 오차는 약 85% 이상의 데이터가 10% 이내의 오차를 보였으며, 소형어 선의 시계열 운동 응답을 잘 예측함을 확인하였다. 구축된 LSTM 모델은 소형어선의 모니터링 및 경보 시스템에 활용될 수 있을 것으로 기대한다.

In the present numerical research, develop a high-efficiency fan model to improve the performance of the cooling fan, which accounts for a lot of weight in the efficiency of the cooling tower. For this purpose, analyze the shape of the existing cooling fan model and use CFD. The main variable set in the analysis of the cooling fan model is the pitch angle, and the range of the pitch angle was investigated in the range of 0° to 20°. The purpose of this research is to select the optimum driving condition by using CFD for setting the pitch angle that depends on the existing experience. The research results showed the best results when the pitch angle range was 15°~18°.

본 연구는 아프리카 전자상거래 법률 및 규정이 중국-아프리카 디지털 무역에 끼치는 영향을 탐색한다. 이를 위해, 구조방정식 모델링을 이용해 중국-아프리카 ICT 상품 무역액, 아프리카 전자상거래 발전 지수, 그리 고 전자상거래 법률 및 규정간의 상호 영향을 분석하였다. 결과적으로, 아프리카 전자상거래 법률 및 규정이 아프리카 전자상거래 발전과 중국- 아프리카 디지털 무역에 모두 긍정적으로 작용함을 확인하였다. 하지만 과도한 세금은 이러한 발전을 제한하는 요소로 작용하였다. 이 연구는 방법론적 혁신을 포함하며, 아프리카 전자상거래 법률 및 규정의 개선과 디지털 무역의 발전을 촉진하는 실증적 근거를 제시하였다. 다만, 데이터 와 이론적 한계로 인한 제약점이 존재하며, 향후 연구는 이를 극복하기 위한 방안을 제시하였다. 이 연구는 이론적 가치와 실질적 시사점을 제 공한다.

This study investigated the anti-obesity effects of Coriandrum sativum L. ethanol extracts in a high fat diet-induced obesity model (DIO). We confirmed the anti-obesity effects by analysing the expression of the related proteins, weight gain, dietary intake, dietary efficiency, blood biochemistry, histological analysis and western blot analysis. After oral administration of Coriandrum sativum L. ethanol extracts at concentrations of 250 and 500 mg/kg, a significant improvement in dietary efficiency, reduction in weight gain, triglycerides, total cholesterol and LDL-cholesterol in blood lipid was observed for 8 weeks. In addition, improvement in blood glucose and metabolism confirmed through glucose tolerance test was observed. Further, the concentration of alanine transaminase (ALT) in blood was significantly decreased, which improved the fatty liver caused by high-fat diet intake as confirmed by liver tissue analysis. This phenomenon was confirmed to decrease the expression of fat accumulation-related PPARγ and FAS protein in the liver tissue. Especially, it is believed that FAS, a liposynthetic enzyme, has a stronger inhibitory effect than PPARγ. Therefore, Coriandrum sativum L. ethanol extract is thought to improve obesity by reducing blood lipids levels, improving glucose metabolism and inhibiting synthesis of the fat that accumulates in the liver in high-fat diet-induced obesity animal models.

본 연구는 국내의 호스피스 제도와 불교인을 위한 호스피스 프로그램의 현실을 살펴보고, 불교인 말기 환자를 위한 호스피스 프로그램을 만들기 위해 필요한 불 교적 호스피스의 개념적 모델을 도출하는 데에 목적을 두고 있다. 실제로 국내의 불교계는 한국불교 호스피스협회가 불교 이념에 바탕을 둔 실천 활동을 전개하였 으나 보급과 실천에 한계를 보였고, 최근에는 국내의 호스피스 분야는 병원의 의 료현장 위주의 호스피스가 주류를 이루고 있다. 이와 같은 현실에서 불교 호스피 스 전문가의 양성을 모색하는 것보다는 국내의 호스피스 병원에서 간호사가 직접 쓰기에 적합한 ‘불교인을 위한 호스피스 프로그램’을 만들어 보급하는 것이 더 실 용적이라고 본다. 국내 의료현장에 불교인에 적합한 호스피스 서비스가 보급되기 위해서는 병원의 간호사와 호스피스 봉사자들이 배워서 현장에서 활용할 수 있는 불교적 호스피스 서비스 모델이 개발·보급되어야 한다. 이와 같은 취지로 본 연구 는 간호학의 ‘평화로운 생의 임종 이론’을 기반으로 불교적 관점에 적합한 불교적 호스피스의 개념 모델을 도출하였다. 이러한 불교적 호스피스 모델을 기존의 병원 에 보급하여 간호사 및 호스피스 교육에 사용된다면 불교 호스피스 활성화를 기 대해 볼 수 있다.

한국 혁신 생태계는 후발 추격자에서 ‘민간 주도의 건강하고 역동적인 생태계 조성을 위한 정부의 역할이 중요한’ 창조적 선도자 단계로 진화해 왔다. 한국의 혁신 생태계는 그동안의 획기적인 발전과 양적 확대에도 불구하고 혁신 성과의 정체 현상, 생태계 내 및 글로벌 연계 활동의 부족 등을 보여주고 있다. 미래 지향적인 혁신 생태계 조성을 위한 차세대 혁신 생태계 모델이 요구되는 상황이다. 기존의 이론적 근거를 바탕으로 혁신 생태계의 바탕을 이루는 것이 기업간 네트워크라는 관점에서 차세대 혁신 생태계의 요소로 기업간 네트워크 외에, 기업 역량, 공공 연구기관, 민간 산업단체, 기술 인프라, 정책 주체를 바탕으로 5개 요소를 설정하고, 불연속적 기술 및 시장 변화에 부응하는 ‘민간 주도의 건강하고 역동적인’ 혁신 생태계로서의 차세대 혁신 생태계 모델을 제시하였고 혁신 생태계구축 역할을 담당하는 정책 주체의 구체적인 방향을 제시하고, 본 연구의 의의를 제시하였다.

본 연구는 제15차(2019) 청소년건강행태조사의 원시자료를 활용하여 생물-심리-사회 모델을 바탕으로 우리나라 청소년의 편의식품 섭취 경험의 영향요인을 파악하고자 하였다. 연구 결과 생물학적 요 인으로 성별, 학년, 아토피 피부염이 주요 요인으로 분석되었으며, 심리학적 요인으로는 스트레스 인지 수 준, 우울감 경험, 자살 생각 여부, 주관적 수면충족, 주관적 건강상태, 신체활동, 현재 흡연과 음주 경험이 영향요인으로 확인되었다. 또한 사회학적 요인으로는 영양 및 식이 교육, 아침식사 여부, 학업 성적, 주관 적 경제상태, 동거가족 여부가 청소년의 편의식품 섭취 경험에 영향을 미치는 것으로 나타났다. 이러한 결 과를 바탕으로 청소년의 건강한 식습관 관리를 위해서는 실효성 있는 영양 및 식이교육 프로그램 제공과 정서적 지지가 필요하며, 가족 구성원을 교육 대상에 포함시키는 등 다각적이고 체계적인 대책마련이 필요 하다.

우리나라 열병합 발전소에서 운영되고 있는 최신 증기터빈의 출력과 효율 향상을 위한 첫 번째 기술적인 진보는 고온, 고압의 증기를 사용할 수 있는 소재 개발의 진척이라고 할 수 있다. 소재의 발전과 더불어 증기터빈의 내부효율 향상을 위한 설계적 노력의 결실 로 높은 효율의 증기터빈이 제작되었다. 오랜 기간 운전 중인 증기터빈의 내부효율은 기계적 수명의 한계로 점차 손실이 발생하고 효율 과 출력이 떨어지게 된다. 이러한 이유로 본 연구에서는 상용프로그램을 이용하여 열병합 발전소용 고압(HP)-중압(IP) 증기터빈의 증기유 로 성능해석을 수행할 수 있는 모델을 개발하고 성능계산 방법을 제시하고자 한다. 증기터빈의 복잡한 성능계산방식으로 인해 증기터빈 실무자들에게 실질적으로 유용한 참고문헌이 될 수 있도록 주요 변수들을 제시하였다. 또한 증기터빈 성능계산에 필요한 열정산도 분석 과 증기터빈 성능계산 결과의 적합성을 성능시험 결과와 비교 확인하였다.

The cutting process, which is a key processing technology in various industrial fields is achieving continuous growth, and the demand for high-quality cutting surfaces is continuously demanded. Plasma cutting continues to be studied for its excellent workability and productivity, but problems with cutting surface quality such as dross formation occur, so research to secure excellent cutting surface quality through appropriate control of process variables is essential. In this study, we propose a method for predicting surface roughness using real-time current and cutting speed data obtained while performing plasma cutting on A106 B steel pipe. Surface roughness was predicted based on the RBF algorithm applicable to prediction and control models. It was shown that the surface roughness of the plasma cutting surface can be predicted with the arc current waveform and process speed data. This study can be used as a basic study to control the surface roughness of the cut surface in real time.