• Korean Chemical Engineering Research
• /
• 제53권1호
• /
• pp.31-38
• /
• 2015

현재 기후 온난화의 주요원인 이산화탄소의 배출은 전 세계적으로 문제가 되고 있다. 이에 따라, 기존에 존재하는 화력 발전소 및 철강 공장과 같은 다량의 이산화탄소를 발생시키는 공장에서는 이산화탄소의 격리와 저장 등의 기술이 필요해졌고, 현재 많은 공장에서 실제 분리가 일어나고 있다. 또한 이러한 직접적인 배출량 감소 말고도 간접적으로 이산화탄소의 배출을 줄일 수 있는 일산화탄소, 수소 등의 환원가스의 재사용에 대해서도 여러 방식으로 연구가 이루어지고 있다. 이에 따라, 대표적인 가스 분리공정 중 하나인 Pressure swing adsorption(PSA)나, 최근 몇몇 공장에서 실 사용이 이루어지고 있는 막 분리공정을 사용하여 이산화탄소, 일산화탄소 및 수소를 분리하는 많은 연구들이 수행되어 왔다. 또한, 이 두 종류의 공정을 합친 하이브리드 공정에 대한 연구도 존재했다. 하지만 분리 목표 가스가 두 가지 이상인 다성분 기체에 대하여 연속공정 모델을 만들고, 이 모델 전체에 대해 조업 최적화 및 경제성 평가를 다룬 연구는 진행되어 오지 않았다. 본 논문에서는 이산화탄소, 일산화탄소, 수소 및 다른 기체들을 포함한 다성분 기체를 대상으로 환원가스로 사용 가능한 일산화탄소, 수소와 분리 저장이 필요한 이산화탄소를 분리하는 PSA와 막 공정을 사용한 연속공정 모델을 개발하고, 이 모델을 사용하여 가능한 시나리오들을 생성한 뒤 조업 최적화를 진행해 경제성을 평가하였다. 그 결과, 수소 가스의 조성이 초기에 14% 정도일 경우 수소를 분리하는 것보다 연료로 사용해야 하며, $CO_2$와 CO의 조성이 30% 정도로 유사할 경우 $CO_2$를 먼저 분리하는 것이 유리하다는 결과를 얻을 수 있었다. 본 연구에서 진행한 결과를 통해 분리 대상 기체의 분리 경제성을 분석하여 가스 분리 여부 결정에 도움을 줄 수 있을 것이다.

• 인터넷정보학회논문지
• /
• 제16권2호
• /
• pp.57-66
• /
• 2015

빅데이터 기술에 대한 관심이 급증함에 따라, 소셜 미디어를 통해 유통되는 방대한 양의 비정형 데이터를 분석하고자 하는 시도가 활발히 이루어지고 있다. 이에 따라서 텍스트 형태의 비정형 데이터 분석을 통해 의미 있는 정보를 찾고자 하는 시도가 비즈니스 영역뿐 아니라, 정치, 경제, 문화 등 다양한 영역에서 이루어지고 있다. 특히 최근에는 여러 현안 및 이슈들을 발굴하여 이를 의사결정에 활용하고자 하는 시도가 활발히 이루어지고 있다. 이처럼 빅데이터 분석을 통해 국가현안이나 이슈를 발굴하고자 하는 시도가 꾸준히 이루어져왔음에도 불구하고, 국가현안 및 이슈로부터 이와 관련된 R&D 문서를 효율적으로 제공하는 방안은 마련되지 않고있다. 이는 사용자들이 인식하는 현안 키워드와 실제 사용되는 R&D 키워드 사이의 이질성이 존재하기 때문이다. 따라서 현안 및 R&D키워드간의 이질성을 극복하기 위한 중간 장치가 필요하며, 이 중간 장치를 통해 각 현안 키워드와 R&D 키워드간에 적절한 대응이 이루어져야 한다. 이를 위해 본 연구에서는 (1) 현안 키워드 추출을 위한 하이브리드 방법론, (2) 현안 대응 R&D 정보 패키징 방법론, 그리고 (3) R&D 관점에서의 연관 현안 네트워크 구축 방법론의 총 세 가지 방법론을 제안한다. 제안하는 방법론은 텍스트 마이닝, 소셜네트워크 분석, 그리고 연관 규칙 마이닝 등의 데이터 분석 기법들을 활용하여 수행하였으며, 그 결과, (1)에 의한 키워드 보강률은 42.8%로 나타났으며, (2)의 경우, 현안 키워드와 R&D 키워드간 다수의 연관 규칙이 나타났다. (3)의 경우는 현재 진행 중에 있으며, 향후 가시적 성과를 낼 수 있을 것으로 예상된다.

• 한국수자원학회논문집
• /
• 제52권10호
• /
• pp.743-752
• /
• 2019

만곡수로에서의 흐름은 나선형 운동 형태의 이차류가 지배적이며, 이로 인해 일반적으로 만곡 외측을 따라 침식 현상이 발생하게 된다. 이러한 이차류를 약화시키기 위해서 보통 만곡수로 외측을 따라서 수제와 같은 수공구조물을 설치한다. 이 연구에서는 OpenFOAM 오프소스 소프트웨어를 토대로 난류 해석을 위한 하이브리드 RANS/LES 기법과 자유수면 해석을 위한 VoF기법을 이용한 3차원 수치모의를 통해서 $90^{\circ}$ 만곡수로에 설치된 잠긴수제가 후루드수가 0.43인 조건에서 이차류의 발달에 미치는 영향을 분석하였다. 시간과 공간에 대해서 2차 정확도의 유한체적법을 이용하여 수치모의를 수행하였으며, 수치해석 결과는 실험결과와 비교하여 수치모의의 정확도를 평가하였다. 잠긴수제가 설치된 경우의 수치모의 결과를 흐름방향 유속 분포와 횡방향 순환 유속벡터장을 중심으로 수리실험 관측값들과 비교할 때 수치모의 결과는 수리실험에서 관측된 주요 이차류 흐름 거동과 현상들을 대부분 양호한 정확도로 잘 재현하는 것으로 나타났다. 수치모의 결과를 비교해보면, 잠긴수제 설치로 인해서 만곡이 끝나는 단면 외측 하상부근에서의 유속은 약 평균유속의 1/3 정도 감소하는 반면에 수제 상단부에서의 전단층 발달에 따른 흐름 가속으로 자유수면 부근까지 유속이 증가하고 만곡 수충부에서는 수면 부근 유속이 약 20% 증가하는 것으로 나타났다. 결과적으로 잠긴수제는 만곡부에서 발생하는 이차류의 강도를 약화시켜 만곡부 외측 하상의 안정에 도움이 될 것으로 판단된다. 한편, 각 잠긴수제 전면부에서 말발굽와가 그리고 후면부에서는 후류가 형성되면서 수제 구조물 주변에서 강한 국부세굴이 발생하는 것으로 나타남으로, 국부세굴을 최소화할 수 있는 수제의 형상 및 배열에 대한 추가 연구가 요구된다.

• 기독교교육논총
• /
• 제74권
• /
• pp.107-134
• /
• 2023

연구 목적 : 본 연구의 목적은 기독교교육 현장에서 4차 산업혁명의 핵심기술인 인공지능을 활용한 교육의 올바른 방향성 설정을 위한 기초를 제공하는 것이다. 연구 내용 및 방법 : 이를 위해서 이론 및 문헌 연구로 인공지능의 역사적 발달과정을 통해 인공지능의 특징을 분석했고, 교육의 관점에서 인공지능을 활용한 융합적 교육과 현재 우리나라의 정책적 방향성을 분석했다. 이를 통해 인공지능 시대의 기독교교육의 방향성을 고찰했다. 특히 연속성(continuity)과 변화(change)의 관점으로서 시대가 변해도 기독교교육이 본질적인 연속성을 가지고 지켜나가야 하는 교육목적과 시대상을 반영해 변화되어야 할 교육과정 및 교수학습방법에 대해서 고찰했다. 결론 및 제언 : 본 연구의 결론으로서 인공지능 시대 인공지능을 활용한 교육이라 할지라도 기독교교육의 근본적인 목적을 상실해서는 안 될 것이다. 인공지능을 활용한 교육은 하나님께서 허락하신 사명을 높일 수 있는 도구로서의 역할을 감당하게 해야 할 것이다. 그렇기에 기독교교육은 성경에 근거한 하나님 중심의 교육으로서 창의-융합적 그리스도인 양육을 목적으로 해야 할 것이다. 이를 위해 온라인과 오프라인 학습공간이 융합된 인공지능 기반의 하이브리드 교육환경과 메타버스 교육환경을 적극적으로 활용한 교육환경을 학습자들에게 제공해 줄 수 있어야 할 것이다. 또한 학습자들의 학습 몰입도 및 효과성을 높이기 위해 앞선 교육환경을 적극적으로 반영한 인공 지능 기반 에듀테크를 활용할 수 있어야 할 것이다. 그리고 마지막으로 생동력있는 지식을 가진 그리스도인을 양육하기 위해서 학습자의 적극적인 참여와 협업, 탐구와 성찰의 과정을 통해 지식과 삶의 일치를 추구하는 구성주의 인식론을 근거 이론으로 하는 다양한 교수학습방법의 적용이 필요할 것이다. 이런 접근은 삶의 경험과 지식의 일치를 통해 믿음과 배움의 전체적인 융합을 촉진시킬 수 있을 것이다.

• 인터넷정보학회논문지
• /
• 제14권5호
• /
• pp.1-10
• /
• 2013

RFID(Radio Frequency Identification)시스템은 하나의 RFDI리더, 다수의 RFID태그 장치들로 이루어진 비접촉방식의 근거리 무선 인식 기술이다. RFID태그는 자체적인 연산 수행이 가능한 능동형 태그와 이에 비해 성능은 떨어지지만 저렴한 가격으로 물류 유통에 적합한 수동형 태그로 나눌 수 있다. 데이터 처리 장치는 리더와 연결되어 리더가 전송받은 정보를 처리한다. RFID 시스템은 무선주파수를 이용해 다수의 태그를 빠른 시간에 인식할 수 있다. RFID시스템은 유통, 물류, 운송, 물품관리, 출입 통제, 금융 등 다양한 분야에서 응용되고 있다. 하지만 RFID시스템을 더욱 확산시키기 위해서는 가격, 크기, 전력소모, 보안 등 해결할 문제가 많다. 그 문제들 중에서 본 논문에서는 다수의 수동형 태그를 인식할 때 발생하는 충돌 문제를 해결하기 위한 알고리즘을 제안한다. RFID 시스템에서 다수의 태그를 인식하기 위한 충돌 방지 기법에는 확률적인 방식과 결정적인 방식 그리고 이를 혼합한 하이브리드 방식이 있다. 본 논문에서는 우선 기존에 있던 확률적 방식의 충돌방지기법인 알로하 기반 프로토콜과 결정적 방식의 충돌방지기법인 트리 기반 프로토콜에 대해 소개한다. 알로하 기반 프로토콜은 시간을 슬롯 단위로 나누고 태그들이 각자 임의로 슬롯을 선택하여 자신의 ID를 전송하는 방식이다. 하지만 알로하 기반 프로토콜은 태그가 슬롯을 선택하는 것이 확률적이기 때문에 모든 태그를 인식하는 것을 보장하지 못한다. 반면, 트리 기반의 프로토콜은 리더의 전송 범위 내에 있는 모든 태그를 인식하는 것을 보장한다. 트리 기반의 프로토콜은 리더가 태그에게 질의 하면 태그가 리더에게 응답하는 방식으로 태그를 인식한다. 리더가 질의 할 때, 두 개 이상의 태그가 응답 한다면 충돌이라고 한다. 충돌이 발생하면 리더는 새로운 질의를 만들어 태그에게 전송한다. 즉, 충돌이 자주 발생하면 새로운 질의를 자주 생성해야하기 때문에 속도가 저하된다. 그렇기 때문에 다수의 태그를 빠르게 인식하기 위해서는 충돌을 줄일 수 있는 효율적인 알고리즘이 필요하다. 모든 RFID태그는 96비트의 EPC(Electronic Product Code)의 태그ID를 가진다. 이렇게 제작된 다수의 태그들은 회사 또는 제조업체에 따라 동일한 프리픽스를 가진 유사한 태그ID를 가지게 된다. 이 경우 쿼리 트리 프로토콜을 이용하여 다수의 태그를 인식 하는 경우 충돌이 자주 일어나게 된다. 그 결과 질의-응답 수는 증가하고 유휴 노드가 발생하여 식별 효율 및 속도에 큰 영향을 미치게 된다. 이 문제를 해결하기 위해 충돌 트리 프로토콜과 M-ary 쿼리 트리 프로토콜이 제안되었다. 하지만 충돌 트리 프로토콜은 쿼리 트리 프로토콜과 마찬가지로 한번에 1비트씩 밖에 인식을 못한다는 단점이 있다. 그리고 유사한 태그ID들이 다수 존재할 경우, M-ary 쿼리 트리 프로토콜을 이용해 인식 하면, 불필요한 질의-응답이 증가한다. 본 논문에서는 이러한 문제를 해결하고자 M-ary 쿼리 트리 프로토콜의 매핑 함수를 이용한 m-비트 인식, 맨체스터 코딩을 이용한 태그 ID의 충돌정보, M-ary 쿼리 트리의 깊이를 하나 감소시킬 수 있는 예측 기법을 이용하여 성능을 향상시킨 적응형 M-ary 쿼리트리 프로토콜을 제안한다. 본 논문에서는 기존의 트리기반의 프로토콜과 제안하는 기법을 동일한 조건으로 실험하여 비교 분석 하였다. 그 결과 제안하는 기법은 식별시간, 식별효율 등에서 다른 기법들보다 성능이 우수하다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.131-145
• /
• 2020

산업혁신의 흐름에 발맞추어 다양한 분야에서 활용되고 있는 IoT 기술은 빅데이터의 접목을 통한 새로운 비즈니스 모델의 창출 및 사용자 친화적 서비스 제공의 핵심적인 요소로 부각되고 있다. 사물인터넷이 적용된 디바이스에서 누적된 데이터는 사용자 환경 및 패턴 분석을 통해 맞춤형 지능 시스템을 제공해줄 수 있어 편의 기반 스마트 시스템 구축에 다방면으로 활용되고 있다. 최근에는 이를 공공영역 혁신에 확대 적용하여 CCTV를 활용한 교통 범죄 문제 해결 등 스마트시티, 스마트 교통 등에 활용하고 있다. 그러나 이미지 데이터를 활용하는 기존 연구에서는 개인에 대한 사생활 침해 문제 및 비(非)일반적 상황에서 객체 감지 성능이 저하되는 한계가 있다. 본 연구에 활용된 IoT 디바이스 기반의 센서 데이터는 개인에 대한 식별이 불필요해 사생활 이슈로부터 자유로운 데이터로, 불특정 다수를 위한 지능형 공공서비스 구축에 효과적으로 활용될 수 있다. 대다수의 국민들이 일상적으로 활용하는 도시철도에서의 지능형 보행자 트래킹 시스템에 IoT 기반의 적외선 센서 디바이스를 활용하고자 하였으며 센서로부터 측정된 온도 데이터를 실시간 송출하고, CNN-LSTM(Convolutional Neural Network-Long Short Term Memory) 알고리즘을 활용하여 구간 내 보행 인원의 수를 예측하고자 하였다. 실험 결과 MLP(Multi-Layer Perceptron) 및 LSTM(Long Short-Term Memory), RNN-LSTM(Recurrent Neural Network-Long Short Term Memory)에 비해 제안한 CNN-LSTM 하이브리드 모형이 가장 우수한 예측성능을 보임을 확인하였다. 본 논문에서 제안한 디바이스 및 모델을 활용하여 그간 개인정보와 관련된 법적 문제로 인해 서비스 제공이 미흡했던 대중교통 내 실시간 모니터링 및 혼잡도 기반의 위기상황 대응 서비스 등 종합적 메트로 서비스를 제공할 수 있을 것으로 기대된다.