The tensile performance of anchors strongly influences the seismic safety of nuclear power plant equipment, as tensile failure of anchors has been identified as a governing failure mode in seismic fragility assessments. To improve the reliability of tensile-strength evaluation, this study examines existing design codes and research-based models by comparing them with experimental data. Design codes generally yield conservative estimates because they give limited consideration to anchor reinforcement. In contrast, research-based models provide a more accurate representation of load-sharing behavior between concrete breakout and anchor reinforcement but require relatively complex calculations for practical design applications. Based on experimental observations, a simplified method for evaluating tensile strength is proposed. The proposed method evaluates the combined resistance of concrete breakout and anchor reinforcement yielding or bond failure. Seismic fragility analysis results indicate that methods incorporating both concrete and reinforcement contributions increase the median capacity and HCLPF by approximately 11-20% compared to code-based approaches. These findings highlight the significant influence of tensile strength modeling on seismic performance assessment. The proposed method enables a more realistic and practical evaluation of anchor tensile strength, thereby improving the seismic safety assessment of nuclear power plant equipment.

이 논문에서는 강화학습 기반 제어기와 전통적인 제어기를 동일한 조건에서 비교함으로써 구조 진동 제어 문제에서 강화학습 제 어기의 성능 특성과 한계를 규명하는 것을 목적으로 한다. 가장 단순한 비선형 제어로서 단자유도 가변 강성 시스템을 대상으로 심층 결정적 정책 경사(DDPG) 기반의 강화 학습 제어기를 설계하고, bang-bang 제어 및 제한 최적 제어와의 성능 비교를 수행하였다. 자유 진동 및 El Centro 지진 가속도에 의한 강제 진동 조건에서 공칭 성능과 센서 잡음이 존재하는 경우의 강인 성능을 분석하였다. 그 결 과, 강화학습 제어기는 자유 진동 조건에서 우수한 강인 성능을 보였으나, 강제 진동 제어에서는 기존 제어기를 일관되게 상회하지는 못하였다. 이 연구는 동일한 보상 함수와 시스템 조건 하에서 강화학습 기반 진동 제어의 실질적 기여와 적용상의 한계를 기초적으로 제시하였다.

This study investigates the repeated impact behavior and compression-after-impact (CAI) performance of triaxially braided carbon/glass fiber-reinforced polymer (C/GFRP) composite tubes. A two-stage experimental strategy was proposed to evaluate the synergistic effect of interlayer hybridization and axial yarn reinforcement on damage evolution and mechanical performance. In Stage I, six hybrid braided tubes with different carbon/glass stacking configurations—including pure carbon, pure glass, layered, and reversed-layered structures—were subjected to repeated low-velocity impacts at 31 J. Micro-CT was employed to reconstruct the internal damage morphology and assess damage accumulation. The optimal interlayer configuration was selected based on impact force, displacement, energy absorption, and internal failure characteristics. In Stage II, the selected structure was further reinforced with four types of axial yarns (none, carbon, glass, and carbon/glass alternating), and their axial compressive and CAI performance after 10 J impact was tested. Results revealed that reversed interlayer design effectively suppressed crack propagation and improved damage tolerance under cyclic impacts. Moreover, the inclusion of hybrid axial yarns significantly enhanced residual compressive strength without compromising energy absorption. This study establishes a lightweight, high-performance braided tube design strategy suitable for aerospace and transportation applications.

본 논문은 1816년 4월 21일에 바이런이 아내와의 이혼장에 서명한 이후, 당 해 8월까지 그의 이복누이인 어거스타에게 쓴 고백적이면서도 명상적인 시에 나타나는 서로 연관된 주제들, 즉 상실, 역경, 그리고 영적인 강화에 대해 시인 이 어떻게 보여주고 있는가를 분석한다. 그동안 주로 논외의 작품들로써 바이런 자신의 위기의 순간에 쓰인 어거스타에게 , 어거스타에게 보내는 시들 , 어 거스타에게 보내는 서간시 는 시인이기도 한 시적화자가 명성, 희망, 사랑의 유 한성을 어떻게 인식하는가를 보여주며, 이러한 양상은 처음 두 시들에서 화자의 내적갈등으로 발전함을 볼 수 있다. 하지만, 세 번째 시에서 화자는 이러한 침울 한 감정에서 자유로워지고자 하는데, 이러한 면모는 그의 이성을 통한 자기절 제, 운명에 대한 현명한 수용, 그리고 영적 생명력에 대한 열망을 통해 나타나고 있다. 어거스타 시들은 바이런의 후속 작품에 나타나는 불굴의 의지를 가진 인 물들이 주로 보여주는 영적순례 주제를 잘 드러내주고 있다.

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

As the E-commerce market grows, the importance of personalized recommendation systems is increasing. Existing collaborative filtering and content-based filtering methods have shown a certain level of performance, but they have limitations such as cold start, data sparseness, and lack of long-term pattern learning. In this study, we design a matching system that combines a hybrid recommendation system and hyper-personalization technology and propose an efficient recommendation system. The core of the study is to develop a recommendation model that can improve recommendation accuracy and increase user satisfaction compared to existing systems. The proposed elements are as follows. First, the hybrid-hyper-personalization matching system provides recommendation accuracy compared to existing methods. Second, we propose an optimal product matching model that reflects user context using real-time data. Third, we optimize Personalized Recommendation System using deep learning and reinforcement learning. Fourth, we present a method to objectively evaluate recommendation performance through A/B testing.

Efficient and safe maritime navigation in complex and congested coastal regions requires advanced route optimization methods that surpass the limitations of traditional shortest-path algorithms. This study applies Deep Q-Network (DQN) and Proximal Policy Optimization (PPO) reinforcement learning (RL) algorithms to generate and refine optimal ship routes in East Asian waters, focusing on passages from Shanghai to Busan and Ulsan to Daesan. Operating within a grid-based representation of the marine environment and considering constraints such as restricted areas and Traffic Separation Schemes (TSS), both DQN and PPO learn policies prioritizing safety and operational efficiency. Comparative analyses with actual vessel routes demonstrate that RL-based methods yield shorter and safer paths. Among these methods, PPO outperforms DQN, providing more stable and coherent routes. Post-processing with the Douglas-Peucker (DP) algorithm further simplifies the paths for practical navigational use. The findings underscore the potential of RL in enhancing navigational safety, reducing travel distance, and advancing autonomous ship navigation technologies.

국내에서 지진 발생빈도가 증가함에 따라 다가구주택 필로티기둥의 내진보강이 필수적이다. FRP 패널은 경량성과 고강도를 갖춘 내진 보강재료 사용되고 있으나, 상대적으로 낮은 임계온도로 인해 화재에 취약하다. 따라서 FRP 패널로 보강된 RC 기둥의 내화 성능을 확보할 방안이 필요하다. 본 연구에서는 FRP 패널로 보강된 RC 기둥의 내화성능을 평가하기 위해, FRP 패널의 열적특성(비열, 열전도율, Weight loss)을 확인하는 소재시험을 진행하였다. 또한, FRP 패널로 보강된 RC 단주기둥에 뿜칠을 도포하고, 표준화재 1시간 동안의 온도거동을 분석하였다.

PURPOSES : In this study, the existence of an optimal pattern among transition methods applied during changes in traffic signal timing was investigated. We aimed to develop this pattern into an artificial intelligence reinforcement-learning model to assess its effectiveness METHODS : By developing various traffic signal transition scenarios and considering 19 different traffic signal transition situations that can be applied to these scenarios, a simulation analysis was performed to identify patterns through statistical analysis. Subsequently, a reinforcement-learning model was developed to select an optimal transition time model suitable for various traffic conditions. This model was then tested by simulating a virtual experimental center environment and conducting performance comparison evaluations on a daily basis. RESULTS : The results indicated that when the change in the traffic signal cycle length was less than 50% in the negative direction, the subtraction method was efficient. In cases where the transition was less than 15% in the positive direction, the proposed center method for traffic signal transition was found to be advantageous. By applying the proposed optimal transition model selection, we observed that the transition time decreased by approximately 70%. CONCLUSIONS : The findings of this study provide guidance for the next level of traffic signal transitions. The importance of traffic signal transition will increase in future AI-based traffic signal control methods, requiring ongoing research in this field.

건설 구조물의 기초에 많이 사용되고 있는 말뚝의 횡방향 거동특성을 검토하기 위해서는 말뚝의 휨 거동에 대한 비선형 수치해석을 수행할 필요가 있다. 범용 구조해석 소프트웨어로 말뚝 구조물의 비선형 거동을 검토하는 위해서는 합리적인 재료모델을 정의할 필요 가 있다. 특히, 지진 발생 시 등 구조물의 한계상태에서의 안정성을 검토하기 위해서는 적용 가능한 건설재료의 비선형 재료모델에 따 른 해석결과의 타당성을 검토해야할 확보할 필요가 있다. 본 연구에서는 STRAND7 해석 소프트웨어에 기존 연구에서 단순화하여 제 시한 철근과 콘크리트 재료의 응력-변형률 곡선과 콘크리트의 Mohr-Coulomb 재료모델을 적용하여 변위제어에 의한 일련의 비선형 수치해석을 수행하였다. 비선형 재료모델에 따른 휨 거동 결과를 검토하여 재료모델의 사용성을 살펴보았다.

최근 자율주행차량 기술의 급속한 발전은 교통 시스템의 효율성을 향상시키는 동시에, 도로 인프라에 새로운 도전 과제를 제기하고 있다. 자율주행차량은 차선 유지 시스템을 통해 일정하게 차선 중앙을 주행하는 특성이 있으며, 이로 인해 특정 휠패스(Wheel Path) 구 간에 하중이 집중되는 문제가 발생한다. 특히 중차량과 자율주행차량이 빈번하게 운행되는 도로 구간에서는 이러한 하중 집중으로 인 해 도로 포장층의 소성 변형과 균열이 빠르게 진행되며, 결과적으로 도로의 내구성이 크게 저하된다. 이는 도로의 유지보수 주기를 단 축시키고, 유지 비용을 증가시키며, 도로 이용자들에게 안전상의 위험을 초래할 수 있다. 이를 해결하기 위해 다양한 도로 보강 기술이 연구되어 왔으며, 그중 섬유 보강 그리드 기술이 주목받고 있다. 본 연구에서는 탄소섬 유와 유리섬유를 결합한 하이브리드형 섬유보강 그리드를 개발하고, 이를 자율주행차량이 운행하는 도로 구간에 적용함으로써 도로의 내구성 향상과 유지보수 비용 절감을 목표로 한다. 탄소섬유는 높은 강도와 내구성을 제공하여 휠패스 부위에 집중되는 하중에 대한 저항성을 강화하고, 유리섬유는 비휠패스 구간에 경제적인 보강 효과를 제공한다. 본 연구는 자율주행차량 시대에 적합한 도로 보강 솔루션을 제시하고, 이를 실증 구간에서 평가하여 그 효과를 검증하고자 한다. 이를 통해 도로의 반사균열 저항성 및 소성변형 저항성을 개선하고, 도로 수명을 연장함으로써 자율주행차량이 증가하는 교통 환경에서도 지속 가능한 도로 관리 방안을 제시할 수 있을 것이다.

In the manufacturing industry, dispatching systems play a crucial role in enhancing production efficiency and optimizing production volume. However, in dynamic production environments, conventional static dispatching methods struggle to adapt to various environmental conditions and constraints, leading to problems such as reduced production volume, delays, and resource wastage. Therefore, there is a need for dynamic dispatching methods that can quickly adapt to changes in the environment. In this study, we aim to develop an agent-based model that considers dynamic situations through interaction between agents. Additionally, we intend to utilize the Q-learning algorithm, which possesses the characteristics of temporal difference (TD) learning, to automatically update and adapt to dynamic situations. This means that Q-learning can effectively consider dynamic environments by sensitively responding to changes in the state space and selecting optimal dispatching rules accordingly. The state space includes information such as inventory and work-in-process levels, order fulfilment status, and machine status, which are used to select the optimal dispatching rules. Furthermore, we aim to minimize total tardiness and the number of setup changes using reinforcement learning. Finally, we will develop a dynamic dispatching system using Q-learning and compare its performance with conventional static dispatching methods.