• 대한환경공학회지
• /
• 제39권4호
• /
• pp.194-200
• /
• 2017

현장형 조류수거시스템(이하 OACS)은 녹조 현상이 심각할 때 긴급 대책으로 투입되는 대안 중의 하나로, 대규모 수역에 투입되는 OACS가 갖추어야 할 조건은 신속대응성, 효율성 및 대용량이다. 부상분리 기술을 이용한 OACS의 성능은 부상 포집 수거 공정의 효율에 의해 결정되며, 처리용량 및 효율성에 가장 중요한 인자는 포집과 수거이다. 이들이 자동화되면 전체 작업속도와 일일 처리수량이 증가한다. OACS에 적용된 기술은 진보될수록 장비의 단순화 소형화와 포집과 수거 공정 자동화가 발전하여 신속대응성과 효율성이 향상되었으며, 잔류슬러지를 크게 줄여 친환경성과 수질 지속효과를 향상시켰고, 슬러지 수거량도 증가하여 대용량이 실현되는 방향으로 개선되었다. 그 결과 시스템은 조류증식비율을 극복할 수 있는 조류제거량을 달성할 수 있었고, 처리용량 대비 운영비가 감소되어 기술의 경제성을 크게 향상시켰다.

• 한국문헌정보학회지
• /
• 제45권1호
• /
• pp.125-147
• /
• 2011

최근 도서관 건축 및 리모델링이 많아지고, 전국의 공공도서관수도 최근 2년간 100여개 이상 증가하는 상황에서 도서관용품에 대한 관심과 수요가 증가하고 있다. 본 연구에서는 도서관용품에 대한 정보제공과 원활한 유통을 위한 기초 연구단계로서 도서관용품에 대한 정의를 명확히 내리고자 하였으며, 이를 기반으로 도서관용품 분류체계를 개발하고자 하였다. 본 연구에서는 도서관용품(Library Goods)은 도서관자료의 수집, 정리, 서비스 등의 활동을 효과적으로 수행하기 위해 요구되는 모든 물품으로 정의를 내리고, 크게 비품 (비소모품)과 소모품으로 구분하였다. 도서관비품(library equipment)은 근본적인 동일성과 일정기간 이상의 유용성을 보유하고 있는 비소모품적 성질의 도서관용 각종 가구, 기기 및 기구 등의 품목을 말하고, 도서관소모품(library supplies)은 도서관에서 도서관자료의 정리 및 보수 등을 위해 사용되는 것으로, 쓰는 대로 닳거나 줄어들어 없어지거나 못 쓰게 되는 물품을 말한다. 위의 정의를 기반으로 도서관용품 분류체계를 개발하였다. 즉 도서관비품을 가구와 도서관시스템솔루션, 컴퓨터 및 멀티미디어기기로, 소모품을 도서관 정리 및 보수용품, 사인시스템, 그리고 기타용품으로 구분하였으며, 최종적으로 6개 영역 117개의 용품을 제시하였다.

• 한국전자통신학회논문지
• /
• 제6권4호
• /
• pp.595-601
• /
• 2011

본 논문에서는 u-IT기술을 농업에 적용하여 시설하우스 식물들에게 최적의 생장 환경을 자동으로 조절하는 시스템을 제안한다. 본 시스템은 온도, 습도 등의 환경 센서와 EC, PH 등의 생체 센서 그리고 자동제어장치들로 구성되어 있고, 이는 자동조절 소프트웨어로 제어된다. 농민은 이 시스템을 기반으로 시설하우스의 생장환경을 정밀하게 제어하여 생산비를 절감하고 고품질의 농산물을 생산하게 된다. 본 시스템은 각 시설하우스에 설치되는 클라이언트 시스템과 클라이언트의 데이터를 취합하는 서버시스템으로 구축이 되었고, 인터넷과 3G망을 통해 각 농가의 자료를 취합한다. 수집된 생장환경 데이터는 최적의 작물 생장환경을 찾아내기 위해 다양한 방법으로 분석되고, 시각화되어 농가 컨설팅 자료로 활용된다.

• 한국전자거래학회지
• /
• 제18권2호
• /
• pp.191-203
• /
• 2013

정보 기술이 적용된 장비 및 운영 시스템의 발달로 실시간 운영 데이터를 수집할 수 있게 되었으며, 현재 많은 터미널이 생산성 분석을 위해 상세한 작업이력을 추적하고 있다. 터미널 운영자는 수집된 작업이력 데이터를 통해 운영 중 발생하는 문제점들을 해결할 수 있는 방안을 도출하기 원하지만, 방대한 양의 자료를 수작업으로 분석하기는 쉽지 않다. 본 연구에서는 터미널 운영 중 획득된 작업이력을 바탕으로 터미널 운영자가 원하는 컨테이너 터미널의 성능지표를 손쉽게 도출하기 위한 방안을 제시한다. 이를 위해 다양한 컨테이너 터미널의 환경과 운영 방식, 운영 장비 등을 지원하기 위해 범용적으로 사용될 수 있는 형식 프레임워크(formal framework)를 고안하였다. 본 연구에서 제안하는 프레임워크는 컨테이너 처리 객체라는 개념을 기반으로 터미널 형태, 로그 데이터, 장비의 워크플로우, 통계 처리 및 보고서를 각각 정의하는 사용자 명세 부분으로 구성된다. 그리고 제안된 프레임워크를 기반으로 터미널 성능 분석 시스템을 개발하여 그 유효성을 검증하였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권1호
• /
• pp.43-50
• /
• 2022

CPA(Correlation Power Analysis)는 암호 알고리즘이 탑재된 공격 대상 장비의 미세한 소비전력을 측정하여 90% 이상의 확률로 암호 알고리즘에 사용된 비밀키를 추측하는 부채널 공격 방법이다. CPA는 통계를 기반으로 분석을 수행하기 때문에 반드시 많은 양의 데이터가 요구된다. 따라서 CPA는 매회 공격을 위해 약 15분 이상 소비전력을 측정해야만 한다. 본 논문에서는 CPA의 데이터 수집 문제를 해결하기 위해 입력데이터를 축적하고 결과를 예측할 수 있는 CNN(Convolutional Neural Network)을 사용하는 방법을 제안한다. 사전에 공격 대상 장비의 소비전력을 수집 및 학습을 통해 임의의 소비전력을 입력시키면 즉각적으로 비밀키를 추정할 수 있어 연산속도를 향상하고 96.7%의 비밀키 추측 정확도를 나타냈다.

• 산업경영시스템학회지
• /
• 제44권4호
• /
• pp.227-233
• /
• 2021

Predictive maintenance has been one of important applications of data science technology that creates a predictive model by collecting numerous data related to management targeted equipment. It does not predict equipment failure with just one or two signs, but quantifies and models numerous symptoms and historical data of actual failure. Statistical methods were used a lot in the past as this predictive maintenance method, but recently, many machine learning-based methods have been proposed. Such proposed machine learning-based methods are preferable in that they show more accurate prediction performance. However, with the exception of some learning models such as decision tree-based models, it is very difficult to explicitly know the structure of learning models (Black-Box Model) and to explain to what extent certain attributes (features or variables) of the learning model affected the prediction results. To overcome this problem, a recently proposed study is an explainable artificial intelligence (AI). It is a methodology that makes it easy for users to understand and trust the results of machine learning-based learning models. In this paper, we propose an explainable AI method to further enhance the explanatory power of the existing learning model by targeting the previously proposedpredictive model [5] that learned data from a core facility (Hyper Compressor) of a domestic chemical plant that produces polyethylene. The ensemble prediction model, which is a black box model, wasconverted to a white box model using the Explainable AI. The proposed methodology explains the direction of control for the major features in the failure prediction results through the Explainable AI. Through this methodology, it is possible to flexibly replace the timing of maintenance of the machine and supply and demand of parts, and to improve the efficiency of the facility operation through proper pre-control.

• 한국정보통신학회논문지
• /
• 제26권2호
• /
• pp.230-238
• /
• 2022

사물인터넷은 통신 기능이 없는 사물에 통신 기능을 추가하여 사물의 정보를 원격에서 수집 및 사물의 기능을 제어하는 통신기술이다. 이를 위해 Wi-Fi, 3GPP, 블루투스 등 다양한 통신기술이 사용 가능하며 NB-IoT와 LoRa(Long Range)는 사물인터넷 개념에 특화된 통신기술이다. LoRa는 장거리, 저전력, 저속 통신을 지원하는 통신기술로 원거리의 사물에서 생성되는 정보를 수집하고 장비를 제어하기에 적합하다. 이러한 특징 때문에 많은 응용 분야에서 활용되고 있으며 다양한 성능 향상 연구가 진행 중이다. 본 논문은 더욱더 넓은 응용 분야에서 활용하기 위한 초장거리 LoRa 통신 모듈을 제안하고자 한다. 초장거리 LoRa 통신 모듈을 개발하기 위해 하드웨어, 펌웨어 및 테스트를 위한 응용 소프트웨어를 설계 및 구현한다. 구현된 장비는 실제 환경에서 테스트를 통해 성능을 검증하여 활용도를 확인하겠다.

• 대한안전경영과학회지
• /
• 제25권4호
• /
• pp.141-151
• /
• 2023

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.

• 한국ITS학회 논문지
• /
• 제7권6호
• /
• pp.31-37
• /
• 2008

지능형 교통정보 시스템을 구성하기 위한 통신장비로 위성 및 무선 통신 시스템은 광범위한 도로에서 수집되는 정보를 전달하기 위해 광대역 특성이 요구된다. 이러한 통신 시스템에 사용되는 여파기 또한 광대역 대역통과 여파기가 요구되며, 본 논문에서는 이러한 통신 시스템에서 사용이 가능한 광대역 대역통과 여파기를 설계하였다. 설계된 대역통과 여파기는 지금까지 광대역 구현이 어려웠던 평행결합선로의 대역통과 여파기로서 이 여파기를 광대역 및 소형화로 실현 가능하도록 설계하였다. 설계된 여파기는 중심 주파수 5.8 GHz에서 대역폭 60%, 삽입손실과 반사손실은 각각 0.4 dB, 17.4 dB의 결과 값을 얻었다.

• Safety and Health at Work
• /
• 제8권3호
• /
• pp.250-257
• /
• 2017

Background: Tasks involved in traditional charcoal production expose workers to various levels of charcoal dust and wood smoke. This study aimed to identify specific tasks influencing lung function and respiratory symptoms. Methods: Interviews, direct observation, and task/symptom checklists were used to collect data from 50 charcoal-production workers on 3 nonwork days followed by 11 workdays. The peak expiratory flow rate (PEFR) was measured four times per day. Results: The PEFR was reduced and the prevalence of respiratory symptoms increased over the first 6-7 workdays. The PEFR increased until evening on nonwork days but not on workdays. Loading the kiln and collecting charcoal from within the kiln markedly reduced the PEFR and increased the odds of respiratory symptoms. Conclusion: Tasks involving entry into the kiln were strongly associated with a short-term drop in the PEFR and the occurrence of respiratory symptoms, suggesting a need for the use of protective equipment and/or the operation of an effective kiln ventilation system.