• Journal of the Korean Wood Science and Technology
• /
• 제15권2호
• /
• pp.26-52
• /
• 1987

우리나라에 분포도(分布度)가 높은 산공재(散孔材) 중에서 구조용재(構造用材)로서 뿐만 아니라 각종 특수용재(特殊用材)로서 이용도(利用度)가 높은 자작나무과(科) 3속(屬) 7수종(樹種)을 비롯한 6속(屬) 10수종(樹種)의 주요(主要) 구성요소(構成要素)의 방사방향(放射方向)에 따른 변동(變動)을 조사(調査)하였던 바 얻어진 결과(結果)를 요약(要約)하면 다음과 같다. 주요(王要) 구성요소(構成要素)의 치수는 수에 가까운 부위(部位)에서 일정(一定) 년륜(年輪)까지 급격히 증가(增加)한 후 거의 안정(安定)되는 직선형(直線型)(Type I), 완만하게 계속 증가(增加)하는 곡선형(曲線型)(Type II) 및 서서히 감소(減少)하는 포물선형(抛物線形)(Type III)으로 구분(區分)되며 동일수종내(同一樹種內)에서도 요소별(要素別)로 서로 다른 형(型) 공존(共存)하였다. 2. 목섬유(木織維)길이의 변이형(變異型)과 크기는 Type I은 자작나무 $1.35{\pm}0.10mm$, 거제수나무 $1.20{\pm}0.13mm$, 박달나무 $1.03{\pm}0.10mm$, 서어나무 $1.18{\pm}0.37mm$, 오리나무 $1.06{\pm}0.01mm$, 산벚나무 $0.81{\pm}0.16mm$였고, Type II는 사스래나무 $1.34{\pm}0.19mm$, 물박달나무 $1.20{\pm}0.29mm$였으며 Type III은 감나무 $0.95{\pm}0.13mm$였다. 목섬유(木纖維)의 폭(幅)의 변이형(變異型)과 크기는 Type I은 서어나무 $18.7{\pm}1.8{\mu}m$, 오리나무 $18.5{\pm}1.1{\mu}m$, 고로쇠나무 $14.5{\pm}2.4{\mu}m$였고, Type II는 사스래나무 $19.3{\pm}1.4{\mu}m$, 박달나무 $17.5{\pm}1.9{\mu}m$, 산벚나무 $14.8{\pm}5.4{\mu}m$였으며, Type III은 자작나무 $19.1{\pm}1.1{\mu}m$, 물박달나무 $20.3{\pm}3.4{\mu}m$, 거제수나무 $18.6{\pm}2.8{\mu}m$, 감나무 $18.9{\pm}4.3{\mu}m$였다. 3. 도관요소(導管要素) 길이의 변이형(變異型)과 크기는 Type I이 자작나무 $0.62{\pm}0.02mm$, 사스래나무 $0.90{\pm}0.09mm$, 박달나무 $0.64{\pm}0.08mm$, 산벚나무 $0.43{\pm}0.05mm$, 고로쇠나무 $0.31{\pm}0.03mm$였고 Type II는 물박달나무 $0.72{\pm}0.22mm$, 오리나무 $0.63{\pm}0.01mm$, 감나무 $0.17{\pm}0.06mm$였으며, Type III은 거제수나무 $0.75{\pm}0.10mm$, 서어나무 $0.66{\pm}0.16mm$였다. 도관요소(導管要素) 방사방향(放射方向) 직경(直徑)의 변이형(變異型)과 크기는 Type I이 자작나무 $58.7{\pm}11.3{\mu}m$, 서어나무 $67.1{\pm}10.1{\mu}m$, 오리나무 $60.0{\pm}10.3{\mu}m$ 였고, Type II가 사스래나무 $100.7{\pm}10.7{\mu}m$, 거제수 나무 $108.9{\pm}16.6{\mu}m$, 박달나무 $79.1{\pm}17.3{\mu}m$, 산벚나무 $47.5{\pm}21.3{\mu}m$, 감나무 $141.2{\pm}59.5{\mu}m$였으며, Type III은 물박달나무 $115.0{\pm}17.4{\mu}m$, 고로쇠나무 $57.1{\pm}11.4{\mu}m$였다. 도관요소(導管要素) 접선방향(接線方向) 직경(直徑)이 변이형(變異型)과 크기는 Type I이 자작나무 $54.8{\pm}13.5{\mu}m$, 서어나무 $57.1{\pm}11.7{\mu}m$, 오리나무 $44.9{\pm}13.0{\mu}m$였고, Type II는 사스래나무 $76.5{\pm}16.9{\mu}m$, 거제수나무 $87.1{\pm}17.3{\mu}m$, 박달나무 $65.6{\pm}9.2{\mu}m$, 산벚나무 $44.9{\pm}13.0{\mu}m$, 고로쇠나무 $34.8{\pm}10.4{\mu}m$였으며, Type III은 물박달나무 $86.0{\pm}13.6{\mu}m$, 감나무 $129.3{\pm}34.5{\mu}m$였다. 단위면적당(單位面積當) 관공(管孔)의 분포(分布)는 자작나무 $54.4{\pm}3.5$개, 사스래나무 $23.0{\pm}2.8 $개, 물박달나무 $19.5{\pm}2.5$개, 거제수나무 $20.8{\pm}2.6$개 박달나무 $17.6{\pm}2.7$, 서어나무 $87.5{\pm}14.7$개, 오리나무 $79.9{\pm}11.6$개, 산벚나무 $223.1{\pm}33.2$개, 고로쇠나무 $40.6{\pm}2.4$개, 감나무 $6.6{\pm}1.5$개였다. 4. 계단상(階段狀) 천공판(穿孔板)을 갖는 수종(樹種)의 천공판(穿孔板) 길이의 변이형(變異型)과 크기는 Type I은 자작나무 $143.5{\pm}16.4{\mu}m$, 거제수나무 $139.6{\pm}16.6{\mu}m$, 오리나무 $123.3{\pm}20.6{\mu}m$였고, Type II는 사스래나무 $144.9{\pm}17.9{\mu}m$, 물박달나무 $140.4{\pm}23.4{\mu}m$였으며, Type III은 박달나무 $108.7{\pm}19.7{\mu}m$였다. 판공판상(穿孔板上) bar수(數)의 변이형(變異型)과 수(數)는 Type I은 거제수나무 13.8{\pm}2.3개, 박달나무 $11.6{\pm}2.3$개였고, Type II은 물박달나무 $15.l{\pm}6.2$개였으며, Type III은 자작나무 $16.6{\pm}8.3$개, 사스래나무 $10.1{\pm}1.7$개, 오리나무 $17.1{\pm}7.9$ 개였다. 5. 방사조직(放射組織) 높이의 변이형(變異型)과 크기는 Type I이 사스래나무 $187.3{\pm}46.5{\mu}m$, 거제수나무 $209.9{\pm}48.4{\mu}m$였고, Type II는 자작나무 346.3{\pm}, $83.4{\mu}m$, 서어나무 $297.0{\pm}87.0{\mu}m$, 오리나무 $387.3{\pm}84.7{\mu}m$, 고로쇠나무 $244.8{\pm}74.0{\mu}m$였으며, Type III은 물박달나무 $233.7{\pm}66.1{\mu}m$, 박달나무 $172.9{\pm}47.9{\mu}m$, 산벚나무 $361.8{\pm}88.8{\mu}m$, 감나무 $304.8{\pm}87.3{\mu}m$였다. 방사조직(放射組織) 폭(幅)의 변이형(變異型)과 크기는 Type I이 거제수나무 $25.5{\pm}5.3{\mu}m$, 서어나무 $44.9{\pm}16.1{\mu}m$, 오리나무 $27.3{\pm}8.3{\mu}m$였고, Type II는 자작나무 $29.8{\pm}6.3{\mu}m$, 사스래나무 $23.6{\pm}5.0{\mu}m$, 물박달나무 $33.3{\pm}8.9{\mu}m$, 박달나무 $21.9{\pm}9.3{\mu}m$, 산벚나무 $39.2{\pm}10.1{\mu}m$, 고로쇠나무 $35.2{\pm}8.9{\mu}m$였으며, Type III은 감나무 $44.2{\pm}7.6{\mu}m$였다. 6. 목섬유(木纖維), 도관요소(導管要素), 방사조직(放射組織)의 치수의 변동(變動)을 고려(考慮)하여 미성숙재(未成熟材)와 성숙재(成熟材)를 구분(區分)하면 자작나무 45년륜(年輪), 사스래나무 43년륜(年輪), 물박달나무 34년륜(年輪), 거제수나무 53년륜(年輪), 박달나무 38년륜(年輪), 서어나무 44년륜(年輪), 오리나무 31년륜(年輪), 산벚나무 24년륜(年輪), 고로쇠나무 47년륜(年輪), 감나무 30년륜(年輪)이었다.

• Journal of the Korean Wood Science and Technology
• /
• 제10권1호
• /
• pp.5-37
• /
• 1982

건축물(建築物)의 내장(內裝)에 많이 사용(使用)하고 있는 합판(合板)은 가열성(可燃性) 물질(物質)로서 각종(各種) 대형화재(大型火災)로 수발(受發)하여 많은 인명(人命)과 재산(財産)의 손실(損失)을 초래(招來)하고 있다. 따라서 이로 인(因)한 피해(被害)를 최대한(最大限)으로 줄이기 위(爲)하여, 내화합판제조(耐火合板製造)의 필요성(必要性)이 절실(絶實)히 요구(要求)되며 또한 내화합판제조(耐火合板製造)에서 우선적(優先的)으로 해결(解決)해야 될 합판(合板)의 재건조(再乾燥)에 관(關)해서 연구(硏究)할 필요(必要)가 있다고 생각한다. 본(本) 연구(硏究)에서는 3.5mm 얇은 5.0mm 두꺼운 합판(合板)에 Ammonium sulfate, Mono -ammonium phosphate, Di - ammonium phosphate, Borax - boric acid, Minalith 및 Water를 1, 3, 6 및 9 시간(時間)으로 처리하고 90, 120 및 $150^{\circ}C$ 등(等)으로 열판건조(熱板乾燥)를 실시한 후(後), 건조곡선(乾燥曲線), 건조율(乾燥率), 내화제(耐火劑)의 흡수율(吸收率), 비중(比重)(용적중(容積重)) 및 내화도(耐火度) 등(等)을 연구검토(硏究檢討)한 결과(結果)를 요약(要約)하면 다음과 같다. (1) Borax-boric acid와 Minalith 처리시간(處理時間)이 증가(增價)함에 따라 양액(藥液) 흡수량(吸收量)율(率)이 증가(增加)하는 경향(傾向)이 뚜렷이 하였으나 수분처리(水分處理) 흡수량(吸收量)율(率)에는 미치지 못 하였다. (2) 합판(合板)의 단위용적당(單位容積當) 약액(藥液) 흡수량(吸收量)은 일정시간(一定時間)의 처리(處理)에 있어서 두께 3.5mm의 얇은 합판(合板)이 두께 5.0mm의 두꺼운 합판(合板)보다 높았으며 가장 높은 흡수량(吸收量)은 두께 3.5mm의 얇은 합판(合板)에서 9시간(時間)을 처리(處理)하였을 때 Ammonium sulfate에서 1.353kg/$(30cm)^3$의 치(値)를 나타내었고 두께 5.0mm의 두꺼운 합판(合板)에서는 역시(亦是) 9시간(時間)의 처리(處理)에서 Ammonium sulfate의 1.356kg/$(30cm)^3$의 치(値)를 얻었다. (3) 약액처리(藥液處理) 후(後)의 합판(合板)의 용적중(容積重)은 처리(處理) 전(前)보다 뚜렷하게 상승(上昇)하였으나 열판건조(熱板乾燥) 후(後)에는 다시 용적중(容積重)의 치(値)가 하락(下落)하였는데 약액처리(藥液處理) 전(前)보다는 약간 높은 경향(傾向)을 나타내었다. (4) 약액처리합판(藥液處理合板)의 두께팽창율(膨脹率)은 두께 3.5mm의 얇은 합판(合板)과 두께 5.0mm의 두꺼운 합판(合板)에서 모두 1시간(1時間)과 3시간(時間) 처리(處理)에서 팽창율(膨脹率)의 증가(增加)가 수분처리(水分處理)와 비슷한 경향(傾向)을 보였으나 처리시간(處理時間)이 6시간(時間) 이상(以上)으로 연장(延長)되면서 약액처리합판(藥液處理合板)보다 수분처리합판(水分處理合板)의 두께 팽창율(膨脹率)이 급상승(急上昇)하여 뚜렷하게 높은 치(値)를 나타내었는데 두께 5.0mm의 두꺼운 합판(合板)에서 더욱 큰 치(値)를 보였다. (5) 열판건조(熱板乾燥) 후(後)의 두께 수축율(收縮率)도 팽창율(膨脹率)과 똑같은 경향(傾向)을 나타내었으며 두께 5.0mm의 합판(合板)에서는 약액처리시간(藥液處理時間)이 증가(增加)함에 따란 수축율(收縮率)이 뚜렷하게 상승(上昇)하는 경향(傾向)을 모든 처리약액(處理藥液)과 수분처리(水分處理)에서 나타내었다. (6) 건조곡선(乾燥曲線)은 1시간(時間)과 3시간(時間)의 처리(處理)를 제외(除外)하고 두께에 관계(關係)없이 6시간(時間) 이상(以上)의 처리(處理)에서 모두 수분처리합판(水分處理合板)의 건조곡선(乾燥曲線)이 약액처리합판(藥液處理合板)의 곡선(曲線)보다 상위(上位에 위치(位置)하였다. (7) 처리합판(處理合板)의 두께에 따른 건조율(乾燥率)은 두께 3.5mm의 얇은 합판(合板)의 경우(境遇), 두께 5.0mm의 두꺼운 합판(合板)에서 얻은 건조율(乾燥率)보다 거의 두 배(倍) 이상(以上)의 치(値)를 나타내어 얇은 합판(合板)이 두꺼운 합판(合板)보다 건조효과(乾燥效果)가 뚜렷하게 높았다. (8) 건조온도(乾燥溫度)에 따른 건조율(乾燥率)은 열판온도(熱板溫度)가 상승(上昇)함에 따라 뚜렷하게 상승(上昇)하였으며 두께 3.5mm의 얇은 합판(合板)의 경우(境遇) 열판온도(熱板溫度) 90, 120 및 $150^{\circ}C$에서 각각(各各) 1.226%/min., 6.540%/min., 25.752%/min, 였고 두께 5.0mm의 두꺼운 합판(合板)에서는 각각(各各) 0.550%/min, 2.490%/min., 8.187%/min.를 나타내었다. (9) 약액별(藥液別) 건조율(乾燥率)은 열판온도(熱板溫度) $120^{\circ}C$로 건조(乾燥)하였을 때 두께 3.5mm의 얇은 합판(合板)에서 Mono-ammonium phosphate가 가장 높은 경향(傾向)을 나타내었고 두께 5.0mm의 두꺼운 합판(合板)에서는 Di-ammonium phosphate가 가장 높은 경향(傾向)을 나타내었으나 처리시간(處理時間) 6기간(時間) 이후(以後)에는 수분처리합판(水分處理合板)의 건조율(乾燥率)이 더 높았다. (10) 약액처리합판(藥液處理合板)의 내화도(耐火度)는 측정(測定)된 중량감소율(重量減少率), 착염시간(着炎時間), 잔염시간(殘炎時間), 이면(裏面)의 탄화율(炭火率)을 통(痛)하여 수분처리합판(水分處理合板)이나 미처리합판(未處理合板)보다 뚜렷하게 높았다. (11) 내화약제간(耐火藥劑間) 내화효과(耐火效果)는 Di-ammonium phosphate가 가장 우수(優秀)하였고 다음은 Mono-ammonium phosphate와 Ammonium sulfate이며 Borax-boric acid와 Minalith는 가장 불량(不良)하였다.

• Asia pacific journal of information systems
• /
• 제24권4호
• /
• pp.443-472
• /
• 2014

To survive in the global competitive environment, enterprise should be able to solve various problems and find the optimal solution effectively. The big-data is being perceived as a tool for solving enterprise problems effectively and improve competitiveness with its' various problem solving and advanced predictive capabilities. Due to its remarkable performance, the implementation of big data systems has been increased through many enterprises around the world. Currently the big-data is called the 'crude oil' of the 21st century and is expected to provide competitive superiority. The reason why the big data is in the limelight is because while the conventional IT technology has been falling behind much in its possibility level, the big data has gone beyond the technological possibility and has the advantage of being utilized to create new values such as business optimization and new business creation through analysis of big data. Since the big data has been introduced too hastily without considering the strategic value deduction and achievement obtained through the big data, however, there are difficulties in the strategic value deduction and data utilization that can be gained through big data. According to the survey result of 1,800 IT professionals from 18 countries world wide, the percentage of the corporation where the big data is being utilized well was only 28%, and many of them responded that they are having difficulties in strategic value deduction and operation through big data. The strategic value should be deducted and environment phases like corporate internal and external related regulations and systems should be considered in order to introduce big data, but these factors were not well being reflected. The cause of the failure turned out to be that the big data was introduced by way of the IT trend and surrounding environment, but it was introduced hastily in the situation where the introduction condition was not well arranged. The strategic value which can be obtained through big data should be clearly comprehended and systematic environment analysis is very important about applicability in order to introduce successful big data, but since the corporations are considering only partial achievements and technological phases that can be obtained through big data, the successful introduction is not being made. Previous study shows that most of big data researches are focused on big data concept, cases, and practical suggestions without empirical study. The purpose of this study is provide the theoretically and practically useful implementation framework and strategies of big data systems with conducting comprehensive literature review, finding influencing factors for successful big data systems implementation, and analysing empirical models. To do this, the elements which can affect the introduction intention of big data were deducted by reviewing the information system's successful factors, strategic value perception factors, considering factors for the information system introduction environment and big data related literature in order to comprehend the effect factors when the corporations introduce big data and structured questionnaire was developed. After that, the questionnaire and the statistical analysis were performed with the people in charge of the big data inside the corporations as objects. According to the statistical analysis, it was shown that the strategic value perception factor and the inside-industry environmental factors affected positively the introduction intention of big data. The theoretical, practical and political implications deducted from the study result is as follows. The frist theoretical implication is that this study has proposed theoretically effect factors which affect the introduction intention of big data by reviewing the strategic value perception and environmental factors and big data related precedent studies and proposed the variables and measurement items which were analyzed empirically and verified. This study has meaning in that it has measured the influence of each variable on the introduction intention by verifying the relationship between the independent variables and the dependent variables through structural equation model. Second, this study has defined the independent variable(strategic value perception, environment), dependent variable(introduction intention) and regulatory variable(type of business and corporate size) about big data introduction intention and has arranged theoretical base in studying big data related field empirically afterwards by developing measurement items which has obtained credibility and validity. Third, by verifying the strategic value perception factors and the significance about environmental factors proposed in the conventional precedent studies, this study will be able to give aid to the afterwards empirical study about effect factors on big data introduction. The operational implications are as follows. First, this study has arranged the empirical study base about big data field by investigating the cause and effect relationship about the influence of the strategic value perception factor and environmental factor on the introduction intention and proposing the measurement items which has obtained the justice, credibility and validity etc. Second, this study has proposed the study result that the strategic value perception factor affects positively the big data introduction intention and it has meaning in that the importance of the strategic value perception has been presented. Third, the study has proposed that the corporation which introduces big data should consider the big data introduction through precise analysis about industry's internal environment. Fourth, this study has proposed the point that the size and type of business of the corresponding corporation should be considered in introducing the big data by presenting the difference of the effect factors of big data introduction depending on the size and type of business of the corporation. The political implications are as follows. First, variety of utilization of big data is needed. The strategic value that big data has can be accessed in various ways in the product, service field, productivity field, decision making field etc and can be utilized in all the business fields based on that, but the parts that main domestic corporations are considering are limited to some parts of the products and service fields. Accordingly, in introducing big data, reviewing the phase about utilization in detail and design the big data system in a form which can maximize the utilization rate will be necessary. Second, the study is proposing the burden of the cost of the system introduction, difficulty in utilization in the system and lack of credibility in the supply corporations etc in the big data introduction phase by corporations. Since the world IT corporations are predominating the big data market, the big data introduction of domestic corporations can not but to be dependent on the foreign corporations. When considering that fact, that our country does not have global IT corporations even though it is world powerful IT country, the big data can be thought to be the chance to rear world level corporations. Accordingly, the government shall need to rear star corporations through active political support. Third, the corporations' internal and external professional manpower for the big data introduction and operation lacks. Big data is a system where how valuable data can be deducted utilizing data is more important than the system construction itself. For this, talent who are equipped with academic knowledge and experience in various fields like IT, statistics, strategy and management etc and manpower training should be implemented through systematic education for these talents. This study has arranged theoretical base for empirical studies about big data related fields by comprehending the main variables which affect the big data introduction intention and verifying them and is expected to be able to propose useful guidelines for the corporations and policy developers who are considering big data implementationby analyzing empirically that theoretical base.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.