본 연구는 초등학교 학습자들의 지질학적 시간 개념 인식에 따라 퇴적암 형성 과정을 어떻게 이해하고 있는지를 알아보기 위한 연구이다. 연구의 실행은 B 광역시에 위치한 U 초등학교 4학년 학생 57명을 최종 분석의 대상으로 진행되었으며, 데이터의 수집은 Jolley et al. (2012)이 개발한 LIFT (The Landscape Identification and Formation Test) 검사 도구를 수정 및 번안하여 객관식 문항을 구성하고, Charles and McConnell (2018)이 활용한 지질학적 경관 형성에 대한 인터뷰의 구조를 서술식 문항으로 제작하여 데이터를 수집하였다. 서술형 문항 응답 결과를 질적으로 분석하여 학생들의 지질학적 시간 개념 표출 유형을 기준으로 세 군집으로 분류하였다. 분류된 군집은 각각 구체적 시간 개념 군집(Specific time concept cluster), 막연한 시간 개념 군집(Vague time concept cluster), 시간 개념 미표현 군집(No time concept cluster)으로 명명되었으며, 각 군집별로 퇴적암 형성 과정에 대한 단답형 문항의 점수를 활용하여 통계적 검증을 수행하 였으며, “구체적 시간 개념” 군집은 “시간 개념 미표현” 군집에 비해 퇴적암 형성 과정에 대한 이해가 통계적으로 유의 미하게 높은 것을 확인하였다. 또한 그 구체적 사례에서 Ault (1982)가 언급한 지질학적 연대에 대한 과소 추정과 과대 추정의 사례를 발견하였다. 또한 각 군집별로 수집된 서술형 문항(퇴적암 형성 과정에 대한 서술)을 바탕으로 언어 네트 워크를 형성하고, 중심도 분석을 실시하여 시각화한 후 분석하였다. 분석 결과, 구체적 시간 개념 군집은 퇴적암 형성의 모든 과정에 대해 비교적 잘 인식하고 있으며, 지질학적 시간 개념이 현상과 잘 연결되어 있는 것을 확인하였다. 또한, 막연한 시간 개념 군집은 퇴적암 형성 과정에서 퇴적, 압축, 교결, 암석화, 노출의 과정이 비교적 잘 연결되어 있지 않지 만, 지질학적 시간 개념은 비교적 잘 인식하고 있었으며, 시간 개념 미표현 군집은 퇴적암 형성 과정에서 퇴적, 압축, 교 결 작용을 중심으로 설명하고 있으며, 지질학적 시간 개념의 인식 또한 거의 이루어지지 못하고 있다는 것을 확인하였 다. 추가로, 각 군집별 시간 노드의 커뮤니티가 가지는 중심도를 활용해 커뮤니티 분석을 실시간 결과, “시간 개념 미표 현” 군집은 퇴적암의 형성 과정을 시간 개념과 연관시키는 것에 어려움을 겪는 것을 확인하였다.

헌법재판소는 교도소 과밀수용에 대해 “인간으로서의 존엄과 가치를 침해한다.”라 고 결정한 바 있고, 국가인권위원회도 과밀수용 해소를 권고한 바 있으며, 2017년부 터 과밀수용에 대한 국가 배상책임을 인정한 판결들이 이어지고 있다. 이에 과밀수용 해소 방안으로써 가석방제도의 관심이 높아졌다. 그러나 가석방의 실질적 요건에 대 해 형법은 “개전의 정이 현저한 때”라고 규정하고 있으며, 형집행법은 “재범의 위험성 이 없다고 인정하는 경우”라고 규정하고 있다. 이처럼 우리 법률이 요구하는 기준은 지나치게 높은 절대적 기준을 제시하는 것이며, 객관화하기 어려운 추상적인 의미에 해당한다. 이에 대해 교정재범예측지표(Co-REPI) 등 가석방심사대상자의 기준으로 제시되는 요인 중 처벌 경험과 관련한 지표들은 이미 형기에 반영되어 있으며, 입소 전 경제･거주상태 등의 보호 관계는 범죄를 저지를 당시 이미 수형자의 여건에 해당하 므로 재범 위험성의 지표로서 그 의미를 부여하기 어렵다. 반면, 우리나라는 대륙법계 국가이면서도 가석방제도는 영･미식의 행정처분을 채용 하고 있다. 그러나 영･미의 조기 석방 방식 중 형기단축제도(Good Time System)를 제외한 채 가석방제도만을 선택적으로 채용하고 있다. 형기단축제도의 주된 선정 기 준은 교도소 내의 작업성적･교정 프로그램의 참여 정도･교도소 내의 선행 등이 기준 이 된다. 따라서 수형자 스스로 근로의욕을 고취할 수 있고, 적극적인 교정 프로그램 의 참여를 통해 교화･개선의 가능성을 높이며, 봉사활동･선행을 통해 교도소 내의 질 서를 유지함으로써 사회의 한 구성원으로 복귀시킬 수 있는 제도이다. 그러므로 재범 의 위험성을 판단하는 지표로써 의미 있는 기준이라 생각된다. 이 제도를 보호관찰의 엄격한 적용을 조건으로 시행하여 선시 크레디트의 취소와 실효제도를 마련한다면, 가석방의 평가적 한계를 극복할 수 있으며, 재범의 위험으로부터 사회를 보호할 수 있 을 것으로 기대된다. 따라서 가석방제도와 형기단축제도(Good Time System)의 병 용에 대한 적극적인 검토가 요구된다.

기존 신호제어기법은 과거 주기에 파악된 교통상황을 바탕으로 다음 주기의 교통신호시간을 설계하는 방식으로 신호시간을 설계하기 위해 관측할 때의 교통상황과 신호시간을 제공받는 교통상황 간의 간극이 존재하였다. 또한, 설정된 주기길이 동안 차량이 교차로에 일정하게 도착하는 균일분포를 가정하지만, 실제 교차로에 도착하는 교통량의 행태는 비 균일분포로 실제 교통수요에 대응하기 어렵 다는 한계가 존재한다. 본 연구는 이러한 한계를 극복하기 위해 교차로로 진입하는 상류 교차로의 교통정보를 활용하여 단기 미래 도 착 교통량 예측모델 개발을 통해 관측 시점과 제공 시점 간의 간극을 최소화한다. 또한, 기존 주기길이 동안의 교통량 도착분포를 비 균일분포로 가정하여 주기길이가 고정되지 않는 방식(Acyclic)의 적응식 신호제어 기법(ATC) 개발한다. 제안된 단기 미래 도착 교통 량 예측모델은 실제 스마트교차로 자료를 가공하여 시뮬레이션을 통하여 학습데이터를 구축하여 장단기 메모리(LSTM) 모형과 시간 분산(TimeDistributed) 모형을 적용하여 딥러닝 모델을 개발하였다. 적응식 교통신호제어 기법은 실시간 예측 교통량을 활용하여 교통 류별 예측 지체 산출을 통하여 지체가 최소화되는 현시 종료 지점에서 현시를 종료하고 다음 시간 단계에서 예측된 교통량을 통해 최 적 현시를 재산출하는 롤링 호라이즌(Rolling Horizon)을 수행한다. 제안 신호제어 기법의 평가를 위해 미시적 교통 시뮬레이션을 활 용하여 기존 신호제어 기법인 TOD 신호제어 기법과 제안기법 간의 평가를 수행하였다.

많은 승객이 이용하는 여객선 등, 선박의 사고 예방을 위해 안전과 관련된 규정이 매년 강화되고 선박에 적용하고 있지만 선 박에서의 사고는 감소하지 않고 있다. 선박에서의 화재 사고 시 화재 발생 위치에 따라 승객의 탈출 시간이 변화하고, 유해 요인에 의한 위험성이 증가할 수 있다. 화재 위치 변화에 따른 유해 요인들의 위험성과 탈출 시간지연의 원인을 파악하고, 시간지연을 감소시키는 방 안을 모색하기 위한 연구를 진행하였다. 선박 승객 거주 구역 화재 시 연소생성물의 유동과 승객의 탈출 과정을 확인하기 위해 FDS를 기반으로 하는 Pyrosim과 Pathfinder를 이용하여 화재 및 승객 피난 시뮬레이션을 진행하였다. 화재 발생 위치 변화에 따라 탈출로의 가시 거리 평균값은 3.1m에서 4.2m로 탈출 과정에서 안전하지 않고, 승객의 탈출 시간은 화재가 발생하지 않은 경우보다 9초에서 34초가 늘어 나는 것을 확인하였다. 안전성 향상 방안인 제연설비를 임의로 적용하여 동일 시뮬레이션 진행하였다. 화재 구역의 평균 가시거리는 14.9m에서 22.0m까지 증가하여 개선되는 것을 확인할 수 있다. 제연설비 설치 여부에 따라 0.8초에서 8.3초의 탈출 시간이 개선되었다. 해당 구역의 안전성 향상 방안을 적용한 결과, 적정한 제연설비가 작동된 이후로 연소생성물에 의한 승객의 위험성이 감소함을 확인할 수 있다.

컨테이너보험은 컨테이너보험계약에 의하여 실현되는데, 컨테이너보험계약 은 보험자가 미리 작성한 컨테이너보험계약의 내용을 피보험자인 컨테이너소 유자가 사실상 포괄적으로 받아들여서 계약이 체결되는 일종의 부합계약의 성 격을 가진다. 컨테이너보험계약에서 사용되는 정형화된 계약내용을 인쇄문구 로 나타낸 조항을 총칭하여 컨테이너보험약관이라고 한다. 현재 전 세계적으로 영국의 런던보험자협회(Institute of London Underwriters : ILU)에서 제정한 협회컨테이너보험약관(Institute Container Clauses-Time)이 컨테이너보험계약 의 표준약관 또는 기본약관으로 가장 많이 사용하고 있다. 이와 같이 영국에서 제정한 협회컨테이너보험약관을 사용하기 때문에 컨테이너보험과 관련한 법률 문제 또한 영국의 법률과 관습에 따라 해결할 수밖에 없다. 그러나 협회컨테이 너보험약관에서 실제 사용되는 언어가 영어이기 때문에 협회컨테이너보험약관 의 내용을 정확하게 번역하기가 곤란하며, 설사 번역한다고 하더라도 각 약관 의 법적 의미 및 내용을 이해하는 데는 한계가 있다. 또한 현재 국내에서 컨테 이너보험을 다룬 논문 및 서적 등이 전무한 상태이며, 최근에는 컨테이너 금융 활성화의 일환으로 컨테이너보험의 활용을 제시하고 있다. 따라서 이 논문에서 는 컨테이너보험실무 담당자가 쉽게 이해하고 접할 수 있는 중요자료를 제공하 기 위하여 협회컨테이너보험약관의 주요 내용을 법해석론적으로 고찰하고자 한다.

When decommissioning a nuclear power plant, it is expected that clearance or radioactive waste (e.g., soil, concrete, metal, etc.) below the low-level will be generated in a short period on a large scale. Among the various types of waste, most of the contaminated soil is known to be classified as clearance or the (very) low-level radioactive waste. Accordingly, an accurate measurement and classification of contaminated soil in real-time during the decommissioning process can efficiently reduce the amount of soil waste and the possibility of contamination diffusion. However, in order to apply a system that measures and classifies contaminated soil in real-time according to the level of contamination to the decommissioning site, a demonstration is required to evaluate whether the system is applicable to the site. In this study, to establish requirements for determining the applicability of the system to the decommissioning site, preceding cases from countries with abundant decommissioning experience were investigated. For example, MACTEC of the U.S. demonstrated the developed system at the Saxton nuclear power plant in the U.S. and confirmed that the amount of soil that can be analyzed per hour in the system is affected by radionuclides, minimum detectable activity (MDA), and applicable volume. In the future, therefore, we will utilize the result of this study to develop the requirements of demonstrating the system for measurement and classification of contaminated soil in real-time.

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.

As the capacity of renewable power generation facilities rapidly increases, the variability of electric power system and gas turbine power generation is also increasing. Therefore, problems may occur that require urgent repair while the gas turbine rotor is stopped. When the gas turbine rotor turning is stopped and then restarted, if the turning period is not appropriate, severe vibration may occur due to rotor bending. As a result of the experiment, it was confirmed that normal operation is possible when the gap data measured at the start of rotor turning after maintenance work is similar to the existing value. And the vibration value at the start of rotor turning was lower as the rotor temperature was lower or the stop period was shorter.

In recent years, advances in the digital and live streaming economy have led to exponential growth in the number of self-employed streamers who have become an integral part of the self-driven digital labor force. However, previous research on the impact of streamers' work time arrangements on their virtual gifts remains scarce. To fill this gap in the literature, using large-scale data from Kuaishou live streaming platform, we demonstrate that several features of streamers' work time have an important impact on their virtual gifts. Specifically, our results suggest that work time duration and timing improve streamers' virtual gifts; meanwhile, work time tempo has an adverse effect on streamers' earnings. Taken together, our results provide novel and actionable insights for millions of self-employed streamers, agencies, platforms, and policymakers.

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.

The entire industry is increasing the use of big data analysis using artificial intelligence technology due to the Fourth Industrial Revolution. The value of big data is increasing, and the same is true of the production technology. However, small and medium -sized manufacturers with small size are difficult to use for work due to lack of data management ability, and it is difficult to enter smart factories. Therefore, to help small and medium -sized manufacturing companies use big data, we will predict the gross production time through machine learning. In previous studies, machine learning was conducted as a time and quantity factor for production, and the excellence of the ExtraTree Algorithm was confirmed by predicting gross product time. In this study, the worker's proficiency factors were added to the time and quantity factors necessary for production, and the prediction rate of LightGBM Algorithm knowing was the highest. The results of the study will help to enhance the company's competitiveness and enhance the competitiveness of the company by identifying the possibility of data utilization of the MES system and supporting systematic production schedule management.

원전 구조물의 실시간 모니터링 기술이 요구되고 있지만, 현재 운영 중인 지진 감시계통으로는 동특성 추출 등 시스템 식별이 제한 된다. 전역적인 거동 데이터 및 동특성 추출을 위해서는 다수의 센서를 최적 배치하여야 한다. 최적 센서배치 연구는 많이 진행되어 왔 지만 주로 토목, 기계 구조물이 대상이었으며 원전 구조물 대상으로 수행된 연구는 없었다. 원전 구조물은 미미한 신호대잡음비에도 강건한 신호를 획득하여야 하며, 모드 기여도가 저차 모드에 집중되어 있어 모드별 잡음 영향을 고려해야 하는 등 구조물 특성을 고려 해야 한다. 이에 본 연구에서는 잡음에 대한 강건도와 모드별 영향을 평가할 수 있는 최적 센서배치 방법론을 제시하였다. 활용한 지표 로서 auto MAC(Modal Assurance Criterion), cross MAC, 노드별 모드형상 분포를 분석하였으며, 잡음에 대한 강건도 평가의 적합성을 수치해석으로 검증하였다.

This paper is proposing a novel machine scheduling model for the unrelated parallel machine scheduling problem without setup times to minimize the total completion time, also known as “makespan”. This problem is a NP-complete problem, and to date, most approaches for real-life situations are based on the operator’s experience or simple heuristics. The new model based on the Memetic Algorithm, which was proposed by P. Moscato in 1989, is a hybrid algorithm that includes genetic algorithm and local search optimization. The new model is tested on randomly generated datasets, and is compared to optimal solution, and four scheduling models; three rule-based heuristic algorithms, and a genetic algorithm based scheduling model from literature; the test results show that the new model performed better than scheduling models from literature.

Radioactive products generated by long-term operation at NPP can become deposited on the surfaces of the system and equipment, leading to radiation exposure for workers during the decommissioning process. Chemical decontamination is one of the methods to reduce radiation exposure of workers, and there are HP CORD UV, CITROX, CAN-DECON. In the chemical decontamination process, organic acids are generally used, and representative organic acids include oxalic acid and citric acid. There are various methods for removing residual organic acid in decontamination liquid waste, such as using an oxidizing agent and an ion exchange methods. However, there is a problem in that oxidizing agent is used excessively or secondary wastes are generated in excess during organic waste treatment. However, when organic acid is decomposed using a UV lamp, the amount of secondary waste is reduced because it tis decomposed into CO2 and H2O. In this study, organic acid decomposition was evaluated as the contact time of the UV lamp. The experimental equipment consists of a UV reactor, a mixing tank, a circulation pump. The experimental conditions involved preparing 60 L of organic liquid waste containing oxalic acid, hydrogen peroxide and iron chloride. Test A was conducted using one UV reactor, and Test B was performed by connecting two UV reactors in series. As a result of the experiment, a decomposition rate of over 95% was shown after one hour for oxalic acid, and it was confirmed that the initial decomposition rate was faster as the contact time increases. Therefore, in order to increase the initial decomposition rate, it is necessary to increase the contact time of the UV lamp by connecting the UV reactors in series.

어니스트 헤밍웨이(Ernest Hemingway)는 미국 모더니즘 작가로서 자전적인 소설을 많이 집필하였다. 본 연구에서는 그의 유수한 작품들 중 초기 단편집『우리들의 시대에』(In Our Time)에 그려진 이분법적 사유와 종교성을 고찰한 다. 이 작품은 15장의 단편들로 구성되었으며, 각 장의 짧은 일기형식의 서문 은 1920년대 혼란의 세계를 반영하고 있다. 헤밍웨이는 의사인 아버지를 따라 다니며 의학적 간접 경험과 더불어 낚시, 사냥, 투우와 같은 다양한 경험과 종 교적 분위기의 가정환경에서 자랐다. 이러한 그의 경험이 『우리들의 시대에』 에 근간을 이루는데 이 작품은 그의 어린시절의 순진함, 어른들에 대한 실망과 미래세계에 대한 불안, 그리고 정신적 성장으로 구성되어 있다. 미래세계에 대 한 불안에서는 남자는 여자로 인하여 불편할 수 있다는 남·녀의 이분법적 사유 로 인해 미래에 대한 불안감을 갖게 되며, 불안한 사회에서 기도하는 삶이 자 신을 안전하게 지켜주는 유일한 방법임을 시사한다.

In the case of a die-casting process, defects that are difficult to confirm by visual inspection, such as shrinkage bubbles, may occur due to an error in maintaining a vacuum state. Since these casting defects are discovered during post-processing operations such as heat treatment or finishing work, they cannot be taken in advance at the casting time, which can cause a large number of defects. In this study, we propose an approach that can predict the occurrence of casting defects by defect type using machine learning technology based on casting parameter data collected from equipment in the die casting process in real time. Die-casting parameter data can basically be collected through the casting equipment controller. In order to perform classification analysis for predicting defects by defect type, labeling of casting parameters must be performed. In this study, first, the defective data set is separated by performing the primary clustering based on the total defect rate obtained during the post-processing. Second, the secondary cluster analysis is performed using the defect rate by type for the separated defect data set, and the labeling task is performed by defect type using the cluster analysis result. Finally, a classification learning model is created by collecting the entire labeled data set, and a real-time monitoring system for defect prediction using LabView and Python was implemented. When a defect is predicted, notification is performed so that the operator can cope with it, such as displaying on the monitoring screen and alarm notification.