까마중(Solanum nigrum L.)은 식용 및 약용으로 널리 사 용되는 식물이지만, 그 열매에는 잠재적인 건강 위험을 초 래할 수 있는 스테로이드성 글리코알칼로이드가 함유된 것 으로 알려져 있다. 본 연구에서는 건조된 시판 까마중 제품 중 α-solanine, solamargine, solasonine을 동시에 정량하기 위 한 LC–MS/MS 분석법을 개발하고 검증하였다. 시료 전처 리는 50% 메탄올 수용액을 이용한 초음파 추출과 분산형 고체상 추출법(d-SPE)을 적용하였다. 이동상에는 5 mM 탄 산수소암모늄을 첨가하고, divert 밸브를 이용하여 고농도의 solamargine과 solasonine을 제외함으로써 미량 α-solanine의 검출 감도를 향상시켰다. 개발된 분석법은 고체 매트릭스에 서 우수한 직선성, 정확성, 정밀도 및 회수율을 나타내었 다. 엽록체 유전자 5개 부위(accD, rpoC1, ndhA, rpl16, rpl32) 를 이용한 분자생물학적 특성 분석 결과, 국내에서 까마중 으로 유통되는 제품은 S. nigrum을 포함한 근연종과 높은 서열 유사성을 보였으며, 시판 제품은 단일 종으로 구성된 경우도 있었으나 여러 종이 혼재된 것으로 추정되는 시료 도 확인되었다. 확립된 LC–MS/MS 분석법을 통해 분석된 26개 시료 모두에서 고농도의 solamargine과 solasonine이 검 출된 반면, α-solanine은 22개 시료에서 검출되지 않았고 나 머지 4개 시료에서도 정량한계 이하 수준으로만 검출되었 다. 글리코알칼로이드 함량은 잎과 줄기보다 열매에서 유의 하게 높았으며, 26개 시료 중 23개에서 열매가 포함되어 있 었다. 이러한 결과는 본 연구에서 개발된 LC–MS/MS 분석 법이 시판 까마중 제품의 안전성 평가에 유용함을 시사하 며, 글리코알칼로이드 노출 가능성에 대비하여 열매가 포함 된 제품에 대한 지속적인 모니터링의 필요성을 강조하였다.

본 연구는 선박의 충돌 위험요인을 도출하고, 이를 통합 평가할 수 있는 정량적 지표 체계를 구축하는 것을 목적으로 한다. 대 다수의 충돌위험 평가모델은 공간적 지표에 치중하여 상대속력에 따른 시간적 접근성과 국제해상충돌예방규칙(COLREGs) 기반의 상황적 관계를 반영하는 데 한계가 있었다. 이를 보완하기 위해 선박충돌 위험요인에 대한 연계 분석을 통하여 선박안전영역 중첩률, 조우상황, 상대속력을 핵심 평가지표로 설정하였다. 각 지표의 위험도를 평가지표로 활용하기 위하여 정규화하여 위험도를 산정하고 실무적 타당성 을 확보하고자 전문가 그룹을 대상으로 총점배분법(Constant Sum Method)을 시행하여 정량적 가중치를 산정하였으며, 이를 통합한 위험도 산출 모델인 MTRAS(Maritime Traffic Risk Assessment Based on Weighted Ship Domain)를 설계하였다. 제안된 지표는 기존 방식보다 정밀한 위 험 탐지 성능을 보였으며, 상대속력과 위험도 간의 비선형적 상관관계를 적용하여 모델의 실효성을 강화하였다. 본 연구는 전문가의 직관 적 판단을 정량적으로 체계화하였다는 점에서 차별성을 가지며, 향후 해상교통관제 및 항로 안전성 평가의 핵심 지표로 활용될 것으로 기대된다.

본 연구는 강원특별자치도 고성군에 위치한 산불피해 복원지 소나무림을 대상으로 임목 부위별 바이오매스를 분석하고, 바이오매스 확장계수 (BEF)와 상대생장식을 개발하고자 하였다. 이를 위해, 총 20본의 표본목을 선정·벌채하여 재적과 바이오매스량을 측정하였으며, 흉고직경과 수고를 독립변수로 하는 3가지 상대생장식을 개발하였다. 본 연구결과에 의하면, 줄기밀도는 평균 0.464 g/cm3, 바이오매스 확장계수는 1.524이었으며, 흉고직경이 증가하면서 점차 감소하는 경향을 보였다. 흉고직경 증가에 따른 바이오매스 증가량은 높은 설명력( =0.9501)을 보였으며, 바이오매스 상대생장식에 대한 통계적 적합도를 검증한 결과, 조정결정계수(  )는 ln    ln  ln 식에서 0.9690으로 가장 높게 나타났다. 현장 적용성을 고려하여 흉고직경만을 독립변수로 하는 상대생장식에 대한 95% 예측구간을 추정한 결과, 잎과 가지에서 변동폭이 가장 큰 것으로 나타났다. 본 연구의 결과는 향후 산림복원과 기후변화 대응 정책 수립에 기초자료로 활용될 것이다.

본 연구의 목적은 코칭 현장에서 고객이 경험하는 반복적이고 근원적인 어려 움에 적용 가능한 코칭 접근법을 개발하는 데 있다. 이를 위해 스키마 이론 (Schema Theory)을 이론적으로 고찰하고, 국제코칭연맹(ICF)의 전문적 실천 기준인 핵심 코칭 역량과 통합하여 체계적인 실행 프레임워크를 마련하였다. 본 연구는 개념적 문헌고찰을 바탕으로 개념 분석 절차를 설정하고, 이를 통해 이 론적 통합 논리를 도출하였다. 주요 결과는 다음과 같다. 첫째, 스키마 이론과 ICF 역량을 유기적으로 결합한 ‘SCHEMA 코칭 접근법’을 도출하였다. 본 접근 법은 S(스키마 및 패턴 인식), C(비적응적 신념 재구조화), H(새로운 행동 습관 형성), E(정서적 연결 및 수용), M(변화 과정 점검), A(행동 중심 목표 실행)의 6단계로 구성되며, 단계별 핵심 목표와 코칭 역량의 실행 원리를 명시하였다. 둘 째, 본 연구는 기존 스키마 코칭 연구와 달리 ICF 핵심 역량과 명시적으로 연계 된 전 과정의 통합적 실행 프로세스를 제시했다는 점에서 차별성을 지닌다. 이 러한 결과는 스키마 코칭의 개념적 적용 가능성을 확장하고, 코칭 교육 및 실천 맥락에서 활용 가능한 이론적 틀을 제공할 수 있다는 점에서 의의를 갖는다.

This study proposes a deep learning–based predictive maintenance model for condition monitoring and remaining useful life (RUL) estimation of a 1 kW brushless DC (BLDC) motor. Multi-sensor signals, including vibration (10 kHz), current (20 kHz), and surface temperature (10 Hz), were acquired under six health conditions: normal, bearing outer race fault (BPFO), bearing inner race fault (BPFI), unbalance, misalignment, and stator insulation degradation. To jointly exploit spatial patterns and temporal degradation behaviors, a hybrid CNN–LSTM model with a multi-task learning framework was developed to perform 6-class fault classification and RUL regression simultaneously. Experimental results on the constructed BLDC motor dataset show that the proposed model achieves a classification accuracy of 95.8%, outperforming conventional SVM and 1D-CNN baselines (85.2% and 90.7%, respectively). In addition, the proposed method significantly reduces RUL prediction error, yielding an RMSE of 9.6 and an MAE of 6.8, which corresponds to approximately 39% improvement over a single LSTM-based regression model. These results demonstrate that the proposed CNN– LSTM multi-sensor fusion framework is effective for intelligent condition monitoring and predictive maintenance of BLDC motor systems, and it can be extended to a wide range of rotating machinery applications.