• 서비스연구
• /
• 제11권3호
• /
• pp.55-74
• /
• 2021

글로벌시대에 있어 관광산업은 주요 수익사업으로서 국가 및 지자체에서 양질의 관광 경험을 제공하기 위하여 다양한 노력을 하는 실정이다. 다양한 관광 콘텐츠에 있어 본 연구의 목적은 글로벌 시대에 부합하는 무장애 지하철 서비스에 관한 연구로서 기존의 신속, 안전, 질서화된 수송으로부터 양질의 쾌적함과 전방위적인 서비스 체험의 제공으로 확대하기 위함이다. 사례연구로서 서비스디자인 방법을 통해 한 중 양국의 지하철 서비스시스템을 비교 분석하고, 이용자의 서비스 체험을 개선하여 지하철 서비스시스템의 이용자 만족도를 높일 수 있도록 무장애 지하철 서비스시스템을 제시하였다. 그 결과 편의 시설, 언어 문제, 보안 장비, 승차 환경 등 17개 분야의 20개 매력적 품질 요소(Attractive Quality Attribute)가 지하철 서비스의 질적 향상과 체험을 획기적으로 향상하는 데 중요한 역할을 한다는 연구 결과가 나왔다. 또한, 서비스 공간 시나리오(Service Spatial Scenario)의 구축을 통해 최적화된 지하철 서비스시스템을 가시화하여 이에 대한 이해를 도움으로써 전략적인 애플리케이션을 만드는 데 참고할 수 있도록 한다.

• Advances in nano research
• /
• 제15권5호
• /
• pp.467-484
• /
• 2023

Despite the significant features of fiber-reinforced cementitious composites (FRCCs), including better mechanical, fractural, and durability performance, their high content of cement has restricted their use in the construction industry. Although ground granulated blast furnace slag (GGBFS) is considered the main supplementary cementitious material, its slow pozzolanic reaction stands against its application. The addition of nano-sized mineral modifiers, including nano-silica (NS), is an alternative to address the drawbacks of using GGBFS. The main object of this empirical and numerical research is to examine the effect of NS on the strain-hardening behavior of cementitious composites; ten mixes were designed, and five levels of NS were considered. This study proposes a new method, using a four-point bending test to assess the use of nano-silica (NS) on the flexural behavior, first cracking strength, fracture energy, and micromechanical parameters including interfacial friction bond strength and maximum bridging stress. Digital image correlation (DIC) was used for monitoring the initiation and propagation of the cracks. In addition, to attain a deep comprehension of fiber/matrix interaction, scanning electron microscope (SEM) analysis was used. It was discovered that using nano-silica (NS) in cementitious materials results in an enhancement in the matrix toughness, which prevents multiple cracking and, therefore, strain-hardening. In addition, adding NS enhanced the interfacial transition zone between matrix and fiber, leading to a higher interfacial friction bond strength, which helps multiple cracking in the composite due to the hydrophobic nature of polypropylene (PP) fibers. The findings of this research provide insight into finding the optimum percent of NS in which both ductility and high tensile strength of the composites would be satisfied. As a concluding remark, a new criterion is proposed, showing that the optimum value of nano-silica is 2%. The findings and proposed method of this study can facilitate the design and utilization of green cementitious composites in structures.

• 마이크로전자및패키징학회지
• /
• 제30권4호
• /
• pp.69-78
• /
• 2023

산업 인공지능의 발달과 함께 반도체의 수요가 크게 증가하고 있다. 시장 수요에 대응하기 위해 패키징 공정에서 자동 결함 검출의 중요성 역시 증가하고 있다. 이에 따라, 패키지의 자동 불량 검사를 위한 딥러닝 기반의 방법론들의 연구가 활발히 이루어 지고 있다. 딥러닝 기반의 모델은 학습을 위해서 대량의 고해상도 데이터를 필요로 하나, 보안이 중요한 반도체 분야의 특성상 관련 데이터의 공유 및 레이블링이 쉽지 않아 모델의 학습이 어려운 한계를 지니고 있다. 또한 고해상도 이미지를 생성하기 위해 상당한 컴퓨팅 자원이 요구되는데, 본 연구에서는 분할정복 접근법을 통해 적은 컴퓨팅 자원으로 딥러닝 모델 학습을 위한 충분한 양의 데이터를 확보하는 방법을 소개한다. 제안된 방법은 높은 해상도의 이미지를 분할하고 각 영역에 조건 레이블을 부여한 후, 독립적인 부분 영역과 경계를 학습시켜, 경계 손실이 일관적인 이미지를 생성하도록 유도한다. 이후, 분할된 이미지를 하나로 통합하여, 최종적으로 모델이 고해상도의 이미지를 생성하도록 구성하였다. 실험 결과, 본 연구를 통해 증강된 이미지들은 높은 효율성, 일관성, 품질 및 범용성을 보였다.

• 자원환경지질
• /
• 제57권2호
• /
• pp.119-128
• /
• 2024

호주, 캐나다 등에서는 우리나라와 달리 석재·골재를 광물자원 중의 하나로 취급한다. 이러한 이유로 지방의 주정부 단위에서 광물자원 및 지질정보를 취급하는 기관이 석재와 광물자원 관련 정보를 통합하여 제공하고 있다. 이들 국가에서 광물 및 석재·골재 자원과 관련하여 제공하는 정보는 인터랙티브 맵, 지질도, 탐사 데이터 셋, 3차원 지질모델, 광업권리, 광산 및 광산관련 보고서 또는 요약자료 등으로 지방정부 및 지질조사기관의 웹을 통해 이루어지고 있다. 반면 한국의 경우 국내 법률에 따라 석재·골재는 광물자원과 분리되어 별도로 관리되며, 이에 따라 관련 정보도 한국광해광업공단, 국토교통부, 산림청, 한국지질자원연구원 등 여러 기관으로 분산되어 관리되고 있으며, 통합된 정보를 제공하고 있지 못한 상황이다. 따라서 석재·골재 자원의 확보와 효과적 활용을 위한 종합정보관리체제의 구축을 위한 거버넌스 개편과 정보체계화 구축을 위한 정책 및 제도 개발이 필요한 상황이다.

• Computers and Concrete
• /
• 제33권2호
• /
• pp.175-193
• /
• 2024

Researchers have embarked on an active investigation into the feasibility of adopting alternative materials as a solution to the mounting environmental and economic challenges associated with traditional concrete-based construction materials, such as reinforced concrete. The examination of concrete's mechanical properties using laboratory methods is a complex, time-consuming, and costly endeavor. Consequently, the need for models that can overcome these drawbacks is urgent. Fortunately, the ever-increasing availability of data has paved the way for the utilization of machine learning methods, which can provide powerful, efficient, and cost-effective models. This study aims to explore the potential of twelve machine learning algorithms in predicting the tensile strength of geopolymer concrete (GPC) under various curing conditions. To fulfill this objective, 221 datasets, comprising tensile strength test results of GPC with diverse mix ratios and curing conditions, were employed. Additionally, a number of unseen datasets were used to assess the overall performance of the machine learning models. Through a comprehensive analysis of statistical indices and a comparison of the models' behavior with laboratory tests, it was determined that nearly all the models exhibited satisfactory potential in estimating the tensile strength of GPC. Nevertheless, the artificial neural networks and support vector regression models demonstrated the highest robustness. Both the laboratory tests and machine learning outcomes revealed that GPC composed of 30% fly ash and 70% ground granulated blast slag, mixed with 14 mol of NaOH, and cured in an oven at 300°F for 28 days exhibited superior tensile strength.

• Computers and Concrete
• /
• 제34권2호
• /
• pp.247-265
• /
• 2024

Measuring the fracture toughness of concrete in laboratory settings is challenging due to various factors, such as complex sample preparation procedures, the requirement for precise instruments, potential sample failure, and the brittleness of the samples. Therefore, there is an urgent need to develop innovative and more effective tools to overcome these limitations. Supervised learning methods offer promising solutions. This study introduces seven machine learning algorithms for predicting concrete's effective fracture toughness (K-eff). The models were trained using 560 datasets obtained from the central straight notched Brazilian disc (CSNBD) test. The concrete samples used in the experiments contained micro silica and powdered stone, which are commonly used additives in the construction industry. The study considered six input parameters that affect concrete's K-eff, including concrete type, sample diameter, sample thickness, crack length, force, and angle of initial crack. All the algorithms demonstrated high accuracy on both the training and testing datasets, with R² values ranging from 0.9456 to 0.9999 and root mean squared error (RMSE) values ranging from 0.000004 to 0.009287. After evaluating their performance, the gated recurrent unit (GRU) algorithm showed the highest predictive accuracy. The ranking of the applied models, from highest to lowest performance in predicting the K-eff of concrete, was as follows: GRU, LSTM, RNN, SFL, ELM, LSSVM, and GEP. In conclusion, it is recommended to use supervised learning models, specifically GRU, for precise estimation of concrete's K-eff. This approach allows engineers to save significant time and costs associated with the CSNBD test. This research contributes to the field by introducing a reliable tool for accurately predicting the K-eff of concrete, enabling efficient decision-making in various engineering applications.

• 한국터널지하공간학회 논문집
• /
• 제24권5호
• /
• pp.431-449
• /
• 2022

지금까지 국내에서는 수 많은 터널들이 완공되어 오면서 시공에서뿐 아니라 설계에서도 다양한 경험과 기술이 지속적으로 축적되어 왔다. 따라서 이제는 매우 복잡한 지질조건 또는 특수한 터널구조가 아니라면 일반적인 터널설계작업은 설계 항목에 따라 기존 유사 설계사례를 수정 또는 보완하는 것만으로도 충분한 경우도 적지 않다. 특히 터널발파설계의 경우, 실제 터널시공시 현장에서 시험발파를 통해 시공을 위한 발파설계를 추가로 수행하는 것이 일반적이라는 것을 감안할때, 설계단계에서 수행하는 발파설계는 예비설계 성격을 지니고 있어 기존의 유사 설계사례를 참고하는 것도 타당하다고 사료된다. 한편 최근 4차산업혁명시대에 들어서면서 전 산업분야에 걸쳐 그 활용도가 급증하고 있는 인공지능은 터널 및 발파분야에서도 다양하게 활용되고 있지만, 발파터널의 경우 발파진동 및 암반분류 등의 예측 분야에서 주로 활용되고 있을 뿐 터널발파패턴 설계에 활용된 사례는 많지 않다. 따라서 본 연구에서는 터널발파설계를 인공지능의 한 분야인 머신러닝 모델을 이용하여 자동화하기 위한 시도를 하였다. 이를 위하여 25개 학습용 터널설계 자료 및 2개의 시험용 설계자료에서 4가지의 입력데이터(지보패턴, 도로유형, 상반 및 하반 단면적) 및 16개의 출력데이터(심발공 종류, 비장약량, 천공수, 각 발파공 그룹별 공간격과 저항선 등)를 발췌하였다. 이를 기반으로 3가지 머신러닝 모델, 즉, XGBoost, ANN, SVM 모델을 시험한 결과 XGBoost모델이 상대적으로 최상의 결과를 나타내었다. 또한 이를 이용하여 실제 발파설계 상황을 가정하여 발파패턴을 제안하도록 한 결과 일부 항목에서 보완이 필요하긴 하지만 일반적 설계와 유사한 결과를 나타내었다. 본 연구가 기초연구 성격이어서 전체 발파설계를 완벽하게 수행하기는 아직 부족하지만, 향후 충분한 발파설계데이터를 확보하고 세부적인 처리과정을 보완하여 실용적인 활용이 가능하도록 추가 연구를 수행할 계획이다.

• 자원ㆍ환경경제연구
• /
• 제13권4호
• /
• pp.735-761
• /
• 2004

해외자원개발사업은 성공할 경우 높은 수익률을 보장하지만 장기적인 투자기간과 높은 시장위험부담으로 인하여 사업의 가치분석에 있어서 사업기간 동안의 여러 가지 변수들을 분석할 수 있는 유연성을 요구하고 있다. 기업의 투자 의사결정과정에서 가장 널리 이용되는 평가방법인 전통적 기존의 현금흐름할인법의 단점을 보완할 대안으로서 제시된 옵션가격 결정모형(Option Pricing Model)을 여타의 다른 자산의 평가 및 사업성 평가에 응용하고자 하는 연구 분야인 실물옵션(Real Options)은 특히 위험도가 큰 자원개발사업의 가치를 평가할 좋은 방법론으로 주목받아왔으나, 다양한 현실적 상황을 도입하게 되면 확률과정이 난해한 형태로 변하여 수학적 처리가 용이하지 않아 실용화에 가장 큰 걸림돌로 작용하고 있다. 따라서 기존의 연구들은 확률과정의 선정과정에서 자원개발사업의 특성이나 실용성을 고려하여 확률과정을 선정하지 않고 기초적인 확률과정을 적용하여 왔다. 본 연구에서는 해외자원개발사업을 대상으로 옵션가격 결정모형을 활용하는 경우를 산정하여, 해외자원개발사업의 평가에 쉽게 활용될 수 있는 단순화된 함수의 형태로 표현된 옵션가격 결정모형을 제시해 보았다. 즉, 이론적인 정교한 확률과정을 도출하기보다는 자원개발사업의 특징을 충분히 반영하면서도 사업평가실무에 손쉽게 이용될 수 있는 현실적이면서도 단순한 확률과정을 선정하고자 하였다. 이를 위하여 구리, 연, 아연의 국제시장가격의 특성과 연-아연광 개발사업의 사례를 활용하여 기존의 모형연구들과 달리 실제의 위험을 모두 분석하되, 분석하는 모형을 최대한 단순화하여가는 과정을 통하여 Gibson-Schwartz가 제안한 Two-Factor Model과 Long-Term Asset Model을 적절한 모형으로 선정하고, 이를 바탕으로 운영옵션과 투자개시옵션의 두 가지 경영옵션을 분석하여 그 결과를 제시하였다. 본 연구에서 분석, 제안한 단순화 과정은 앞으로 옵션가격 결정이론을 바탕으로 한 가치평가모형의 실제사례 적용연구에서 활용될 수 있을 것으로 기대한다.

• 해양환경안전학회지
• /
• 제19권4호
• /
• pp.366-374
• /
• 2013

국가 간 국제무역 확대로 인한 물동량 증가, 국민의 삶의 질 향상에 따른 해양레저 활동의 증가 등 해상교통 환경은 빠르게 변하고 있다. 또한 선원의 고령화, 외국인 선원 증가 등 선박운항 환경도 변화하고 있다. 이러한 해상교통 및 선박운항 환경변화에 따라 시장에서는 해운선사의 수준 높은 안전관리 능력을 요구하고 있다. 본 논문에서는 해운선사의 해양사고, 항만국통제, 안전관리체제 등 개별 제도에 따른 안전관리 결과를 종합적으로 평가 및 관리할 수 있는 제도 도입을 위하여 국내외 유사사례를 조사 분석하고 모방전략을 적용했다. 모방전략을 이용한 연구결과에 있어서 모방산업과 제도는 건설업체 환산재해율 산정제도, 교통안전 우수사업자 지정제도를 선정했다. 두 제도를 분석하여 모방대상으로 근거법률, 평가지표, 인센티브를 추출하고 해운선사 안전관리 수준 평가제도를 위한 근거법 도입, 해양사고율, 항만국통제 점검률, 안전관리체제 심사율로 구성된 평가지표와 안전점검의 면제, 수수료 감면 및 심사시간 단축 등의 인센티브 방안을 제안하였다. 또한 제도의 신속한 도입과 지속적인 시행을 위한 모방시점과 방법을 단계별로 제시하여 제도의 지속발전이 가능하도록 하였다.

• 한국전산구조공학회논문집
• /
• 제29권2호
• /
• pp.123-130
• /
• 2016

선박 건조 시장의 요구를 맞추기 위하여 신속한 건조의 목표로 노력하고 있는 조선소가 선박 정도관리에 대한 요구가 갈수록 높아지고 있다. 선박 건조 공정에서 생산성의 향상과 생산 주기의 단축을 위하여 선박 부재의 정도평가를 전 주기에서 수행해야 하는 것은 중요하다. 선박의 품질을 높이기 위하여 조선소에서 블록의 정도제어를 수행하는 것은 선박의 건조 주기를 단축할 수 있을 뿐만 아니라 건조 비용도 줄일 수 있다. 선박 블록의 정도를 제어하는 중심은 선박 블록 통합 정도관리 시스템을 만들어야 한다. 이 시스템은 "Non-allowance Shipbuilding"의 목표로 정도관리의 총괄성, 블록 정도의 향상, 정도 관리 과정의 표준화 등이 이루어져야 한다. 일반적으로 정도관리를 수행하는 관리자가 광파측정기를 이용하여 선박 블록의 접합면에 있는 주요 포인트(vital point)를 측정하고 수집하지만 무거운 계측장비를 가지고 블록의 정도관리를 수행하는 것은 불편할 뿐만 아니라 시간도 오래 걸린다. 본 논문에서는 선박 블록의 정도관리 시간을 단축할 수 있는 포인트 클라우드 기반으로 3차원 레이저 스캐너를 이용한 선박 블록 탑재 전에 오차예측 방법을 제안하였다. 이 방법은 ICP(iterative closest point) 알고리즘으로 측정된 포인트 클라우드와 설계된 점들의 비교 작업을 수행한 다음에 허용범위 내의 오차를 만족하는 지를 판단한다.