본 연구는 선박 기관실 내에 설치된 증기 배관을 대상으로 누설 감지 및 상태 모니터링을 위한 방법론을 다루고 있다. 일반적 으로 기관실 내의 증기 배관은 보온재로 둘러싸여 있으므로, 증기가 누설되더라도 육안으로 식별하기 어려워 초기 대응을 지연시키는 상 황이 발생할 수 있다. 이에 본 논문은 RGB 카메라와 Thermal 카메라를 이용하여 상호보완적 정보 제공이 가능한 센서 시스템을 개발하기 위한 하드웨어 및 소프트웨어의 설계 방법을 제안한다. 보다 세부적으로 제안된 시스템은 카메라 서버 모듈, 카메라 보정 모듈, 영상 정합 모듈, 열-지도 학습 모듈, 추론 및 시각화 모듈로 구성된다. 특히 증기 배관의 누설이 이상 고온을 초래한다는 점을 고려하여, 본 논문은 열-지도의 개념을 정의하고 열-지도의 효과적인 학습, 열-지도에 기반한 이상 고온 감지, 감지된 이상 고온 영역의 시각화를 위한 알고리 즘을 제안한다. 제안된 방법은 선박 증기 배관 시스템을 모사한 실험 장치를 이용하여 다양한 실험을 통해 그 효용성을 입증한다.

본 실험에서 강원도 농업기술원, 철원, 삼척, 태백지역 가시오가피 줄기를 1월과 7월에 수확하고, 열수 추출물과 70% 에탄올 추출물로 제조 후 아미노산과 지방산의 조성 및 함량을 비교 분석하였다. 또한 총 폴리페놀 및 총 플 라보노이드 함량을 확인하였으며, DPPH 라디칼 소거활성, ABTS 라디칼 소거활성, FRAP 활성을 통해 항산화 활성 을 측정하였다. 아미노산 조성은 가시오가피 줄기 모두에 서 17종이 검출되었고, 가장 함량이 높은 아미노산은 glutamic acid이었다. 총 아미노산 함량을 분석한 결과 7 월보다 1월이 높은 결과를 보였으며, 강원도 농업기술원 의 70% 에탄올 추출물에서만 1월이 높은 결과를 보였다. 총 아미노산 함량이 가장 높은 추출물은 1월 삼척지역의 열수 추출물로 6.16±0.31 g/100 g이었고, 가장 낮은 함량 을 보인 추출물은 1월 강원도 농업기술원의 70% 에탄올 추출물로 2.17±0.11 g/100 g을 확인하였다. 총 지방산 함 량은 7월 철원지역의 70% 에탄올 추출물에서 74.51±3.73 mg/g으로 가장 높았고, 1월 철원과 삼척지역의 열수 추출 물에서 0.74±0.04 mg/g으로 가장 낮았다. 1월과 7월 모두 열수 추출물보다 70% 에탄올 추출물이 더 높았고, 1월보 다 7월이 더 높았으며, 1월과 7월 모두 70% 에탄올 추출 물에서 다중불포화지방이 가장 높았다. 총 폴리페놀 함량 의 경우 1월 추출물은 36.99-61.53 mg GAE/g이었으며, 7 월에는 123.81-154.18 mg GAE/g으로 7월이 1월보다 2배 이상 높았다. 또한 총 플라보노이드 함량은 1월이 134.85- 173.77 mg QE/g이었으며, 7월에는 186.12-318.73 mg QE/ g으로 7월에서 더 높은 함량을 확인하였다. DPPH 라디칼 소거능은 1 mg/mL 농도에서 7월 태백지역의 70% 에탄올 추출물이 87.90±0.06%으로 가장 높았으며, 1월 강원도 농 업기술원과 철원지역의 70% 에탄올 추출물에서 각각 35.51±1.08%와 36.00±1.25%로 낮았다. ABTS 라디칼 소거 능은 5 m g/mL 농도에서 7월 태백과 철원, 삼척지역의 70% 에탄올 추출물이 각각 93.44±0.20%, 92.92±0.49%, 92.03±0.50%로 높았으며, 1월 강원도 농업기술원과 철원지 역의 70% 에탄올 추출물에서 각각 55.35±1.19%와 55.62±0.85%로 낮았다. FRAP 활성은 1 mg/mL 농도에서 7 월 태백지역의 열수 추출물에서 443.41±8.20 mM TE/mL 으로 가장 높았으며, 1월 강원도 농업기술원의 70% 에탄 올 추출물에서 256.06±1.49 mM TE/mL으로 가장 낮았다. DPPH 라디칼 소거능, ABTS 라디칼 소거능, FRAP 활성 모두 7월 태백지역 70% 에탄올 추출물에 높았으며, 1월 강원도 농업기술원의 70% 에탄올 추출물에서 가장 낮은 항산화 활성이 나타났다. 본 실험 결과를 통해 가시오가 피 줄기의 적절한 수확시기 및 지역에 따른 기능성 식품 소재 개발을 위한 기초 자료로 활용될 수 있을 것으로 사 료된다.

2023년 발표된 해양사고 통계에 따르면 해양 사고로 인한 인명피해는 소폭 감소하였지만, 해양 사고 발생 건수는 2021 ~ 2023년 까지 꾸준히 증가하고 있다. 이러한 해양사고의 예방 및 조치를 위해 정부 기관, 지자체 등에서는 안전 사업 추진 및 CCTV 관제 시스템을 구축하고 있다. 그 중 CCTV 관제 시스템은 야간 환경에서 가시거리 감소, 객체 식별의 어려움 등의 한계를 가지고 있다. 이러한 한계를 극복하기 위해 본 연구에서는 저조도 개선 알고리즘을 활용한 야간 해양 환경 개선에 관한 연구를 진행했다. 연구 진행간 저조도 개선 성 능과 실시간 안전 모니터링을 위한 영상 데이터의 처리에 초점을 맞췄다. 총 3가지의 저조도 개선 알고리즘과 2가지의 딥러닝 모델 경량 화 기법을 활용하여 최적의 실시간 저조도 개선 알고리즘을 선정하였다. 본 연구에서는 Bread 알고리즘에 Tensor RT 기법을 적용한 경우 에서 SSIM 0.7, FPS 100을 기록하며 저조도 개선 성능 및 실시간 데이터 처리에 가장 적합한 방안인 것을 입증하였다.

최근 지구온난화를 동반한 기후변화가 가속화되고 있으며, RCP 8.5 시나리오에 따르면 21세기 말까지 연평균 기온은 4.8℃ 상승할 것으로 예상된다. 고온 환경은 식물체의 생장, 개화시기, 동화산물 함량에 영향을 미치는 것으로 알려졌다. 본 연구는 고온 환경에서 감자의 생장과 대사산물 변화를 Soil-Plant-Atmosphere-Research (SPAR) 챔버와 온도구배하우스를 사용하여 2018년부터 2020년까지 조사하였다. 그 결과, 고온 조건의 SPAR 챔버 및 온도구배하우스에서 개화시기가 약 5∼9일 빨라지는 것을 확인하였다. 고온 조건은 감자 생장을 촉진하며 동화산물 함량에 영향을 줄 것으로 생각되어 개화 3일 전(Days Before Flowering 3, DBF 3)과 개화 21일 후(Days After Flowering 21, DAF 21)의 엽록소, 카로티노이드, 당 및 전분 함량을 분석하였다. 생육 초기인 DBF 3에 엽록소와 카로티노이드 함량은 감소하였고, 자당 및 전분 함량은 유의하게 증가하였다. 하지만 생육 후기인 DAF 21에는 자당 및 전분 함량이 감소한 것으로 나타났다. 또한 개화와 관련 있는 유전자 발현을 qRT-PCR로 분석한 결과, 고온 조건에서 SP6A, PhyB, SP5G, COL1, COL2 유전자 발현이 증가한 것을 확인하였다. 결과적으로, 고온 환경은 개화 전 감자 잎의 자당 및 전분 함량과 개화 관련 유전자의 발현에 영향을 미쳐 감자의 개화시기를 앞당기는 것으로 판단된다.

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.