본 연구에서는 TMD 설계 방법에 따른 배관의 지진응답 감소효과를 분석하였다. 구체적으로, 실제 원전 배관에 대한 진동대 시험 결과를 바탕으로 수치 배관 모델을 수립하고 검증하였다. 검증된 배관 모델을 바탕으로 TMD 설치 위치를 결정하고, 여러 가지 방법을 사용하여 TMD 설계값을 도출하였다. 더불어, 본 연구에서는 기존 설계식들을 기하평균한 값을 TMD 설계값으로 활용하였다. 최종적으로, 기존 배관을 기반으로 설계된 TMD가 지진의 무작위성과 지진 및 대상물질의 불확실성 아래에서도 효용성을 검증하였다. 또한, 연구에서 제안한 기하평균 모델을 기반으로 설계된 TMD의 작동성을 확인하였다. 결과적으로, TMD 설계 공식 및 방법에 따른 성능 차이를 비교한 결과, 기하평균 모델의 경우, 기존 설계식들의 특징을 포괄하는 양상이 보였다. 이러한 기하평균 모델은 추후 반복 적인 수치해석을 수행할 때 초기값으로 사용될 수 있을 것으로 보인다. 더불어, 이러한 분석 결과는 향후 원전 배관 계통의 TMD 설계 를 통해 내진 성능을 개선하는 데 유용한 자료로 활용될 것으로 기대된다.

본 연구는 MTS가 피부개선에 미친 영향에 관한 기존 연구들을 분석하여, 근거 체계를 구축하고, 주요 키워드 간 관계와 역할 및 패턴 등을 구조적으로 분석하고자 텍스트마이닝과 토픽모델링 및 단어네트워크 분석을 실시하였다. 관련 선행연구들은 MTS와 관련된 핵심 키워드와 연관 키워드를 혼합하여 전자도서관에서 검색하였으 며, 결론 부분의 Text를 수집하여 분석에 사용하였다. 분석결과는 다음과 같다. 첫 째, '피부', '효과', '실험', '관리', '개선' 등의 어휘가 주요 개념으로 확인되었다. 둘째, TF-IDF 분석에서 높은 가중치의 키워드들은 MTS의 피부 개선 효과에 관한 과학적 실험 기반 논의를 시사했다. 셋째, LDA 분석 결과, ‘과학적 검증 중심’과 ‘피부 개선 효과 중심’의 토픽2개로 나뉘었다. 넷째, 단어 네트워크에서 '피부'를 중심으로 '주름', '효과', '실험' 등이 강하게 연결되었고, '여성'과 '모공' 노드는 MTS가 여성 안면 부위 에 주로 적용됨을 나타냈다. 본 텍스트마이닝 기법은 유사 의료 미용 시술 분석에도 적용 가능하며, 향후 시계열 분석과 감성 분석을 통해 MTS 효과의 변화와 대상자 반응을 심층 탐색할 필요가 있다.

This study proposes an improved method for updating finite element models (FEM) by incorporating the random field characteristics of concrete material properties in reinforced concrete structures. Traditional FEM often assumes homogeneous material properties, which can lead to significant discrepancies between predicted and actual dynamic responses, especially in structures where the Young’s modulus (E) of concrete varies due to factors like curing conditions, material composition, and construction methods. We employed a Gaussian random field model and a system identification (SI) technique to address this limitation to optimize sensor placement. We developed an FEM updating method that incorporates the spatial variability of concrete elasticity. This optimization allowed for a more accurate capture of dynamic properties across various structural locations, resulting in FEM updates that reflect concrete’s inherent heterogeneity. The proposed method was validated through numerical examples, comparing dynamic response accuracy in models before and after updating. Results demonstrated that error values, measured in terms of maximum value error and normalized root mean squared Error (NRMSE), were significantly reduced in the updated models compared to the pre-update model. This approach effectively addresses the limitations of homogeneous assumptions in FEM.

본 연구는 Van Meter & Van Horn의 정책 집행 시스템 모델을 이론 적 틀로 삼아, C대학을 사례로 중국 대학생 혁신창업교육 정책의 집행 효과에 나타나는 차이를 탐구하였다. 연구방법으로는 사례연구를 적용하 였고, 첫째, 문헌 분석을 통해 중국의 관련 정책과 C대학의 정책 집행 문서를 정리함으로써, 이론적 기반과 주요 영향 요인을 도출하였다. 둘 째, 심층 인터뷰를 하여 C대학의 정책 집행 현황을 조사하고, 정책 집행 자, 교수, 학생들의 피드백을 수집함으로써 정책 집행 과정에서 나타나는 핵심 문제를 분석하였다. 연구결과, 중국 대학생 혁신창업교육 정책의 집 행에는 정책 개념의 모호성, 자원의 부족, 다중 조직 간 협력의 어려움, 경직된 행정 체계, 낮은 사회 참여도, 집행자의 소극적 태도 등이 주요 저해 요인으로 작용하고 있음이 확인되었다. 이에 본 연구는 정책 효과 제고를 위해 정책 개념의 명확화, 재정 지원 제도의 구축, 조직 구조의 최적화, 데이터 플랫폼의 마련, 자원 통합 시스템 구축, 교사와 학생 중 심의 실행 방안 등 여섯 가지 개선 방향을 제안하였다. 이러한 연구는 Van Meter & Van Horn 모델의 적용 가능성과 정책 집행에 미치는 구 체적 영향을 실증적으로 분석함으로써, 향후 정책 수립과 집행 과정에 실질적 시사점을 제공한다.

상수도 시스템에서의 사고 발생은 사용자들의 물 이용 불편으로 인해 막대한 사회경제적 피해를 초래할 수 있는 위협 요인이며, 따라서 수도사업자들은 수도정비기본계획 등을 통해 상수도 사고를 빠르게 복구하고, 피해 규모를 최소화하기 위한 다양한 노력을 기울이고 있다. 본 연구는 상수도 시스템에서 발생하는 관로사고 상황에 대하여 회복탄력성을 정량적으로 평가하고, 비상급수 방안을 포함한 사고 대응 전략의 효과를 분석하기 위한 평가 모형을 개발하였다. 개발 모형은 시스템의 회복탄력성에 기여하는 다양한 특성들을 반영할 수 있는 시간단위 공급 부족량과 충족률 지표를 통해 회복탄력성을 평가하며, 국내 지방상수도 시스템의 특정 구역을 대상으로 관로사고 시나리오를 모의하여 개발 모형의 적용 효과를 검증하였다. 결과적으로 개발 모형을 통해 비상연계관로, 배수지 충수, 병물 공급 등 비상대응 방안의 효과를 정량적으로 평가하였으며, 이를 통해 시스템의 회복탄력성 향상을 위한 설계 및 운영 전략 수립의 가능성을 확인하였다.

안정적이고 효율적인 수자원 공급을 보장하는 것은 가정, 산업, 공공 보건 분야 복지에 필수적이다. 상수도 시스템에서 이상을 감지하기 위해 데이터 모델, 수리 모델 기반 시뮬레이션 등 다양한 접근 방식을 통해 이상감지 역량이 꾸준히 향상되어 왔으나, 현장 적용 및 검증에 한계가 있어 실질적인 활용은 폭 넓게 이루어지지 못하고 있다. 실제 적용 가능한 이상감지 시스템 측면에서, 본 연구에서는 유량 및 압력 계측 데이터를 활용하여 시스템 내 이상 발생을 신속하게 감지하고 개략적인 위치를 파악하기 위한 실시간 이상감지 및 탐색 모델을 제안하였다. 제안된 모델은 유량수지 분석, 유량-수두손실 관계, EPANET 기반 수리 해석 방법을 통합하여 이상 감지 및 위치 파악의 정확성을 개선시키고자 하였다. 현장 실험 결과, 제안된 모델은 높은 신뢰도에서 시스템 내 이상유량의 발생을 효과적으로 감지하고, 발생 구간을 파악할 수 있는 것으로 나타났다. 본 연구 성과는 시스템의 실시간 이상 감지 및 운영관리를 위한 실효성 있는 접근 방식을 제공함으로써 상수도 시스템의 지속 가능하고 회복력 있는 운영관리에 기여할 것으로 기대된다.

As the number of enlistees decreases due to social changes like declining birth rates, it is necessary to conduct research on the appropriate recalculation of the force that considers the future defense sufficiency and sustainability of the Army. However, existing research has primarily focused on qualitative studies based on comprehensive evaluations and expert opinions, lacking consideration of sustained support activities. Due to these limitations, there is a high possibility of differing opinions depending on perspectives and changes over time. In this study, we propose a quantitative method to calculate the proper personnel by applying system dynamics. For this purpose, we consider a standing army that can ensure the sufficiency of defense between battles over time as an adequate force and use battle damage calculated by wargame simulation as input data. The output data is the number of troops required to support activities, taking into account maintenance time, complexity, and difficulty. This study is the first quantitative attempt to calculate the appropriate standing army to keep the defense sufficiency of the ROK Army in 2040, and it is expected to serve as a cornerstone for adding logical and rational diversity to the qualitative force calculation studies that have been conducted so far.

This study explores the use of a Deep Autoencoder model to predict depression among plant and machine operators, utilizing data from the Korean National Health and Nutrition Examination Survey (KNHANES, n=3,852). The Deep Autoencoder model outperformed the Logistic Regression, Naive Bayes, XGBoost, and LightGBM models, achieving an accuracy of 86.5%. Key factors influencing depression included work stress, exposure to hazardous substances, and ergonomic conditions. The findings highlight the potential of the Deep Autoencoder model as a robust tool for early identification and intervention in workplace mental health.

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.

In recent automated manufacturing systems, compressed air-based pneumatic cylinders have been widely used for basic perpetration including picking up and moving a target object. They are relatively categorized as small machines, but many linear or rotary cylinders play an important role in discrete manufacturing systems. Therefore, sudden operation stop or interruption due to a fault occurrence in pneumatic cylinders leads to a decrease in repair costs and production and even threatens the safety of workers. In this regard, this study proposed a fault detection technique by developing a time-variant deep learning model from multivariate sensor data analysis for estimating a current health state as four levels. In addition, it aims to establish a real-time fault detection system that allows workers to immediately identify and manage the cylinder’s status in either an actual shop floor or a remote management situation. To validate and verify the performance of the proposed system, we collected multivariate sensor signals from a rotary cylinder and it was successful in detecting the health state of the pneumatic cylinder with four severity levels. Furthermore, the optimal sensor location and signal type were analyzed through statistical inferences.

이 논문에서는 파랑 하중을 받는 부유식 구조체의 운동 해석에 있어서 시스템 식별 방법을 이용한 상태공간방정식 모델을 수립하 고 해석하는 방법을 제안하였다. 상태공간방정식 모델의 수립 방법으로는 주파수영역에서 하중-변위 입출력 관계에 대한 목표 전달 함수를 구하고 이에 가장 근접하는 상태공간방정식을 구하는 절차를 제시하였다. 전통적으로 부유식 구조체 운동의 시간영역 해석은 지연함수의 합성곱적분을 포함하는 Cummins 방정식을 시간적분하여 이루어진다. 상태공간방정식 모델은 이러한 시간영역해석을 효과적으로 수행하기 위한 방법의 하나로서 연구되어 왔다. 제안하는 방법에서는 시스템 식별방법인 N4SID 와 전달함수의 분모 및 분자 다항식의 계수를 설계변수로 하는 최적화방법을 사용하여 목표 전달함수에 상응하는 상태공간방정식을 구한다. 제안하는 방법 의 적용성을 보이는 예제로서 단자유도 수치모델 및 6자유도 바지의 운동을 해석하였다. 제시하는 상태공간방정식 모델은 주파수영 역 및 시간영역에서 모두 기존의 해석결과와 잘 일치하고 시간영역해석에서는 계산의 정확도를 확보하면서 계산 시간을 크게 줄일 수 있음을 확인하였다.

목적: 라이프스타일 행동에 반영된 가치체계를 측정하기 위한 Yonsei Lifestyle Profile-Values (YLP-V)의 구성타당도와 신뢰도를 검증하였다. 연구방법: 온라인 리서치 기관에 등록된 만 55세 이상의 지역사회 거주 중고령자 및 노인 300명을 대상으로 YLP-V를 사용하여 자료를 수집하였다. 수집된 자료는 기술통계, 차별기능문항, 요인분석을 실시하였다. 요인분석은 요인구조 추정을 위한 탐색적 요인분석과 4가지 경쟁모델(단일요인, 계층적 요인, 다차원 요인, 이중요인)에 대한 확인적 요인분석을 통해 비교하고 타당성을 확인하였다. 결과: 목표회전을 통한 탐색적 요인분석 결과, YLP-V의 활동(activity, 5문항), 관심(interest, 4문항), 의견 (opinion, 9문항)에서 목표행렬에서 0.4 이상의 부하량을 갖는 것을 확인하였다. 확인적 요인분석 결과, 이중요인 모델(χ2 = 164.58**, degree of freedom = 117, root mean square error of approximation = 0.05, standard root mean residual = 0.04, comparative fit index = 0.95, Turker Lewis index = 0.93)이 가장 우수하게 나타났다. 결론: 라이프스타일에서 미시적 접근이 가능한 YLP-V 개발 근거와 일관성 있는 요인구조를 확인하였다. 이는 YLP-V가 총 18문항의 활동, 관심, 의견에 대한 이중요인 구조로 타당성을 확인하였으며, 건강 라이프스타 일에서 행동에 반영된 가치체계 측정과 이해에서 활용될 수 있을 것이다.

This study deals with the application of an artificial neural network (ANN) model to predict power consumption for utilizing seawater source heat pumps of recirculating aquaculture system. An integrated dynamic simulation model was constructed using the TRNSYS program to obtain input and output data for the ANN model to predict the power consumption of the recirculating aquaculture system with a heat pump system. Data obtained from the TRNSYS program were analyzed using linear regression, and converted into optimal data necessary for the ANN model through normalization. To optimize the ANN-based power consumption prediction model, the hyper parameters of ANN were determined using the Bayesian optimization. ANN simulation results showed that ANN models with optimized hyper parameters exhibited acceptably high predictive accuracy conforming to ASHRAE standards.

Recently, due to the expansion of the logistics industry, demand for logistics automation equipment is increasing. The modern logistics industry is a high-tech industry that combines various technologies. In general, as various technologies are grafted, the complexity of the system increases, and the occurrence rate of defects and failures also increases. As such, it is time for a predictive maintenance model specialized for logistics automation equipment. In this paper, in order to secure the operational safety and reliability of the parcel loading system, a predictive maintenance platform was implemented based on the Naive Bayes-LSTM(Long Short Term Memory) model. The predictive maintenance platform presented in this paper works by collecting data and receiving data based on a RabbitMQ, loading data in an InMemory method using a Redis, and managing snapshot DB in real time. Also, in this paper, as a verification of the Naive Bayes-LSTM predictive maintenance platform, the function of measuring the time for data collection/storage/processing and determining outliers/normal values was confirmed. The predictive maintenance platform can contribute to securing reliability and safety by identifying potential failures and defects that may occur in the operation of the parcel loading system in the future.

프리캐스트 코핑의 중공부 주철근 단절로 인한 단점을 보완하고, 거치대 삽입 없이 주철근을 거치대로 활용할 수 있 도록 철근-콘크리트 접촉부의 응력집중을 완화할 수 있는 하중분산세트의 성능을 검토하였다. 유한요소해석 및 축소모형실험을 통해 검토한 결과 하중분산세트는 철근-콘크리트 접촉부의 응력집중을 효과적으로 완화시켜 거치 시 콘크리트 파손을 방지할 수 있을 것으로 판단된다.