최근 철도차량은 안전성과 신뢰성 향상을 위해 점차 복잡하게 설계 제작되고, 품질에 대한 기대와 요구수준이 점차 높아짐에 따라 운영기관에서는 과학적이고 체계적인 예방 정비를 통한 안전성과 가용성 향상을 위해 노력하고 있다. 이러한 목적을 달성하기 위하여 여러 방안들이 연구되고 있으며, 대표적으로 신뢰성 기반 유지보수(RCM; Reliability Centered Maintenance)가 철도분야에 지속적으로 도입되고 있는 추세이다. 본 연구에서는 새로운 예방정비 기술로 대두되고 있는 RCM의 기본이론에 대한 고찰과 RCM의 일반적 실시 절차를 소개하고, RCM의 국제규격인 IEC 60300-3-11, NAVAIR 00-25-403, MIL-STD-2173을 비교 분석하여 이를 바탕으로 철도차량에 RCM 도입 시 효과적이고 적합한 절차 및 방안을 제시하고자 한다.

The purposes of this research are presenting a new business model by introducing USN/ZigBee and measuring productivity using BSC(Balanced scorecard), and becoming a cornerstone by presenting a prototype of ServiceScience which is getting more attention from Industrial Engineering and Management. The new business model consists of development of leak current monitoring sensor using USN/ZigBee and the adoption of RCM(Reliability-Centered Maintenance) using knowledge-based system at current distribution. Additionally, for the measurement of this new model's productivity, ESC is used, and the strategic map and measurement indices are produced. The main contributions of this paper are showing a concrete model of ServiceScience and demonstrating this model can be extended to similar areas like are gas, water etc.

Arctic sea ice as an indicator of climate change plays an important role in controlling global climate system. Thus, accurate observation and prediction of Sea Ice Concentration (SIC) is essential for understanding global climate change. In this study, we aim to improve the prediction accuracy of SIC by using machine learning and Regional Climate Model (RCM) data for a more robust method and a higher spatial resolution. Using the CORDEX RCM and NASA SIC data between January 1981 and December 2015, we developed three statistical models using Multiple Linear Regression (MLR), Support Vector Machine (SVM), and Deep Neural Network (DNN) which can deal with the non-linearity problem, respectively. The DNN model showed the best performance among the three models with the significant correlation between the predictive and observed SIC (r=0.811, p-value < 0.01)and the Root Mean Square Error (RMSE) of 0.258. With deeper considerations of the polar fronts and the characteristics of ocean current and tide, the DNN model can be applied for near future prediction of Arctic sea ice changes.

본 연구에서는 유입수의 변동이 심하고 전문가가 부재한 환경인 선박에서 발생하는 오수의 효과적인 처리를 위하여 RCM공법을 선박오수처리장치에 적용하는 실험실 규모의 실험을 수행하였다. 질소·인의 고도처리 효율과 선박이라는 특수환경과의 접목성을 검토한 결과 RCM공정에 유효미생물을 주입하는 방법은 선박환경에 적합한 것으로 평가되었다. 또한 RCM공정은 활성슬러지 공정에서 배출되는 슬러지 는 배출시키지 않고 슬러지액화분해조(SDC)에서 재분해하여 순환함으로써, 최근 해양투기가 금지됨으로 인해 문제가 되고 있는 슬러지의 발 생량을 최소한으로 하여 친환경적인 수처리가 가능하다. 복합미생물제제 주입 후 미생물 관찰결과 고도처리에 유리한 미생물종의 출현을 확 인하였으며 이들의 상호기작으로 질소·인의 처리에 도움을 주어 처리효율이 높은것이라 판단된다. 유기물 제거효율 실험결과 BOD5, CODcr T-N, T-P의 처리효율이 각각 96, 97, 78, 81.68 %로 나타나 Membrane이나 Filter없이도 강화되어가는 해양오염기준을 충족시킬 수 있는 공 정으로 판단된다.

본 연구에서는 기후변화에 따른 수자원 영향평가를 위한 지역기후모형과 단계적 스케일링기법을 연계한 혼합상세화기법을 개발하고 그에 따른 적용성을 평가하고자 하였다. 단계적 스케일링기법은 강수량 구간을 총 3구간(극치호우사상, 무강수일수, 기타)으로 나누어 각 구간에 따라 각기 다른 방법을 적용하여 보정하는 기법으로, 극치호우사상은 회귀식을 이용한 보정기법, 무강수일수는 분위사상법, 나머지 부분은 평균 및 분산보정 기법을 적용하였다. 이 기법의 비교‧평가를 위해 최근 혼합 상세화기법으로 가장 많이 적용되고 있는 선형보정기법, 분위사상법, 일기상발생기법을 활용하여 기상청 관할 기상관측소 61개 지점을 대상으로 적용성 평가를 수행하였다. 평가 결과, RCM에서 생산된 원자료 및 3가지 기존 기법(선형보정기법, 분위사상법, 일기상발생기법)으로 보정된 기후시나리오에 비해 본 연구에서 제안한 단계적 스케일링기법이 실제 기후특성을 잘 모의하는 것으로 나타나 적용성이 우수한 것으로 판단된다. 이러한 연구결과를 통해 단계적 스케일링기법은 RCM 사용이 증대될 기후변화 연구에 있어 그 활용성이 높을 것으로 기대된다.

본 연구에서는 금강유역 내 대청댐 및 용담댐유역을 대상으로 기상청에서 제공하는 공간해상도 27 km 지역규모의 A1B시나리오 기반의 RCM모형과 SWAT모형을 이용하여 미래 유출량 전망을 분석하였다. 기본적으로 GCM 및 RCM은 시공간적 스케일의 상이성으로 인해 수자원 영향 평가를 위한 자료로서 직접적인 이용은 현실적으로 곤란하다는 점에서 본 연구에서는 RCM 격자자료를 유역단위에서 강우관측소지점 단위로 공간적 다운스케일링을 실시하였으며 RCM 월자료

본 논문에서는 기후변화가 수자원의 이수측면에서 어떠한 영향을 미치는지에 대하여 검토하고자 한강유역에 대한 물수지 변화를 분석하였다. 이를 위하여, 우선 RegCM3 RCM ()의 A2 기후변화 시나리오를 이용하여 모의된 70년의 일강우량을 강우유출모형인 SLURP 모형의 입력자료로 활용하여 70년의 일유출량을 모의하였다. 다음으로 수자원평가계획모형인 K-WEAP 모형을 이용하여 한강유역의 월별 물수지 분석을 실시하였다. 하지만, 미래의 물수요와 기후변화