• 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.

• 한국식품위생안전성학회지
• /
• 제32권4호
• /
• pp.267-274
• /
• 2017

2016년 6~12월 서울약령시에서 원형 또는 분말 형태로 유통 판매되는 식 약 공용 농산물 총 62건을 구입하여, 후칼럼 유도체화 장치인 광화학 반응장치를 연결한 HPLC-FLD를 이용하여 아플라톡신($B_1$, $B_2$, $G_1$, $G_2$)을 정성 및 정량 분석함으로써 오염도를 조사하였다. 아플라톡신의 검출한계는 $B_1$ $0.086{\mu}g/kg$, $B_2$ $0.020{\mu}g/kg$, $G_1$ 0.363 g/kg, $G_2$ $0.126{\mu}g/kg$이었고, 정량한계는 $B_1$ $0.262{\mu}g/kg$, $B_2$ $0.059{\mu}g/kg$, $G_1$ 1.101 g/kg, $G_2$ $0.382{\mu}g/kg$였다. 회수율은 $B_1$ 95.1~101.8%, $B_2$ 86.9~105.6%, $G_1$ 95.2~100.6%, $G_2$ 98.6~114.0%이었으며, 변동계수(Coefficient of Variation, %)는 $B_1$ 1.9~9.8%, $B_2$ 1.2~8.2%, $G_1$ 2.1~9.5%, $G_2$ 0.9~9.3%였다. 사용부위에 따른 아플라톡신 오염의 특성을 살펴본 결과 종자(Semen)만 아플라톡신이 검출되었으며, 21건 중 6건(원형 3건, 분말 3건)에서 아플라톡신이 검출되었다. 품목별 아플라톡신 검출 건수를 살펴본 결과, 연자육 중 원형은 7건을 검사한 결과 2건에서 아플라톡신 $B_1$, $B_2$가 검출되었고, 분말은 6건 중 2건에서 아플라톡신 $B_1$이 검출되었다. 산조인 원형은 5건 중 1건에서 아플라톡신 $B_1$, $B_2$가 검출되었으며, 분말은 3건 중 1건에서 아플라톡신 $B_1$, $B_2$가 검출되었다. 아플라톡신 검출량을 살펴보면, 연자육 원형은 총아플라톡신($B_1$, $B_2$, $G_1$ 및 $G_2$의 합)이 $ND{\sim}14.655{\mu}g/kg$($B_1$ $ND{\sim}11.869{\mu}g/kg$) 검출되었고, 분말은 총아플라톡신이 $ND{\sim}2.223{\mu}g/kg$($B_1$이 $ND{\sim}2.223{\mu}g/kg$) 검출되었다. 산조인 원형의 아플라톡신 검출량은 총아플라톡신이 $ND{\sim}9.182{\mu}g/kg$($B_1$이 $ND{\sim}6.612{\mu}g/kg$) 검출되었고, 분말은 총아플라톡신이 $ND{\sim}21.797{\mu}g/kg$($B_1$이 $ND{\sim}19.345{\mu}g/kg$) 검출되었다. 따라서 이러한 곰팡이독소 검출현황을 토대로 식 약 공용 농산물에 대한 곰팡이독소 기준을 설정하여 식 약 공용 농산물의 안전한 유통을 관리할 필요가 있다.

• 대한방사선치료학회지
• /
• 제26권1호
• /
• pp.137-147
• /
• 2014

목 적 : 호흡연동 용적변조 회전방사선치료(Gated Volumetric Modulated Arc Therapy)에서 환자의 호흡주기 변화에 따른 선량전달의 정확성을 검증하고자 한다. 대상 및 방법 : 실험에는 TrueBeam STxTM(Varian Medical Systems, Palo Alto, CA)치료기를 사용하였다. 인체모형등가팬텀(Rando Phantom, Alderson Resarch Laboratories Inc. Stamford. CT, USA)의 전산화단층영상에 전산화치료계획시스템(Eclipse 10.0, Varian, USA)을 이용하여 10 MV FFF(Flatenning Filter Free), 선량률 1200 MU/min으로 1500 cGy/fx(Case1, 2, 3)과 220 cGy/fx(Case4, 5, 6)의 치료계획을 수립하였다. $QUASAR^{TM}$ Respiratory Motion Phantom(Modus Medical Devices Inc)을 이용하여 1.5, 2.5, 3.5, 4.5 sec의 일정한 호흡주기와 평균호흡주기가 2.2, 3.5 sec인 환자의 호흡주기를 재현하였고 위상모드 30~70% 구간에서 방사선이 조사되도록 설정하였다. 각각의 호흡 조건에서 2차원 이온전리함 배열 검출기(I'mRT Matrixx, IBA Dosimetry, Germany)와 MultiCube Phantom(IBA Dosimetry, Germany)을 이용하여 측정하였고 세기변조 방사선치료 분석 프로그램(OmniPro I'mRT, IBA Dosimetry, Germany)을 이용하여 Gamma pass rate(3 mm, 3%)을 비교하였다. 결 과 : Case 1, 2, 3, 4, 5, 6의 Gamma pass rate은 일정한 호흡주기 1.5 sec에서 100.0, 97.6, 98.1, 96.3, 93.0, 94.8%, 2.5 sec에서 98.8, 99.5, 97.5, 99.5, 98.3, 99.6%, 3.5 sec에서 99.6, 96.6, 97.5, 99.2, 97.8, 99.1%, 4.5 sec에서 99.4, 96.3, 97.2, 99.0, 98.0, 99.3%의 결과를 보였다. 환자의 호흡을 재현한 경우 평균 호흡주기 2.2 sec에서는 97.7, 95.4, 96.2, 98.9, 96.2, 98.4%, 3.5 sec에서는 97.3, 97.5, 96.8, 100.0, 99.3 99.8%의 결과를 보였다. 결 론 : 2.5 sec이상의 일정한 호흡주기와 환자의 호흡을 재현한 실험에서 Gamma pass rate 95%이상의 임상적으로 신뢰할 만한 결과를 보였다. 일정한 호흡주기 1.5 sec의 Case 5, 6 에서 93.0, 94.8%의 결과를 보였으나 100명의 환자 호흡주기 분석 결과 1.5 sec의 호흡을 지속했던 경우는 없었던 점으로 보아 대부분의 호흡조건에서 정확한 선량전달이 가능함을 확인 하였다. 다만 극히 짧은 호흡주기로 인한 오차발생 가능성을 배제할 수 없기 때문에 치료전 선량전달 정확성 검증이 선행되어야 하며 모의치료시 환자 교육으로 안정된 호흡을 유지하고 정확한 모니터링을 통해 치료중 환자 호흡변화에 대처한다면 더욱 안정적이고 정확한 치료가 이루어질 것으로 사료된다.

• 지능정보연구
• /
• 제20권3호
• /
• pp.93-108
• /
• 2014

기업 의사 결정 지원을 위하여 거래 데이터를 다양한 관점에서 분석하고 활용하려는 노력과 관심들이 증가하고 있다. 이러한 노력들은 고객 관리나 마케팅에만 국한되는 것이 아니라 부정행위에 대한 감시와 탐지를 목적으로도 다양한 분석 방안들이 연구되고 있다. 부정행위는 기술의 발전을 악용하여 다양한 형태로 진화하고 있으며, 이에 따라 목적에 맞는 부정탐지 방안 연구와 적용을 통하여 탐지 효용의 극대화를 위한 노력의 필요성이 증가하고 있다. 이러한 연구 동향의 일환으로 본 연구에서는 대용량 거래 데이터가 저장 관리되고 있는 국내 최대 농수산물 유통 시장의 2008년부터 2010년까지 상장예외품목의 거래 가격을 분석하여 부정 탐지 규칙을 도출하였으며, 전문가 검증을 통하여 도출 된 규칙의 신뢰성을 확보하였다. 본 연구의 주요 부정거래 분석 방안으로는 정상적인 데이터들은 발생 확률이 높은 반면에 특이한 데이터들의 발생 확률은 낮다고 가정하는 통계적 접근을 통한 이상치 식별 방안을 활용하였다. 이에 따라 부정거래 분석 별로 정의 된 Z-Score 값보다 클 경우 부정거래 탐지 대상이 된다. 다만 상장예외품목 거래의 경우 취급 가능한 중도매인의 수가 제한되어 있으며, 일반적인 상장품목의 거래보다 거래량이 적기 때문에 소수의 이상치가 품목의 평균에 미치는 영향이 크다. 그 예로 다른 소수의 중도매인들이 해당 품목을 정상적인 가격에 거래하였더라도, 특정한 중도매인 한 명이 지나치게 비정상적인 가격에 거래할 경우 모든 거래들이 부정거래로 탐지 될 가능성도 있다. 이러한 문제를 해결하기 위하여 기존의 Z-Score의 개념을 활용하여 수정된 Z-Score(Self-Eliminated Z-Score)를 사용하였다. 또한 부정 유형별 탐지 규칙 관리와 활용을 위한 시스템 프로토타입(prototype) 개발을 수행하였다. 이를 통하여 실제 부정거래 탐지 업무에 적용할 수 있는 효과적인 방안을 제시하였고, 농수산 유통시장의 공정성 및 투명성 확보를 위한 관리 감독의 기능 강화가 가능할 것이다.

• 한국전통조경학회지
• /
• 제36권3호
• /
• pp.115-127
• /
• 2018

천연기념물 제214호 진안 평지리 이팝나무군의 고사(枯死) 및 쇠약(衰弱) 요인의 명확한 진단(診斷)과 처방(處方)을 통한 천연기념물로서의 가치 존속(存續) 방안을 강구하고자 시도된 본 연구의 결과는 다음과 같다. 첫째, 1968년 13그루의 천연기념물 지정 이후, 1973년을 시작으로 근년까지 계속적으로 고사가 진행되어 현재는 3주만 생존하고 있다. 특히 2010년 이후 마령초등학교 담장 후퇴 등 정비과정에서 복토된 토양의 일부 제거에도 불구하고, 계속적으로 고사가 이루어진 것으로 확인된다. 둘째, 지정목 중 1 3번 생존목 또한 고사된 가지가 많고, 잎이 왜소하며, 엽량이 적었다. 1번목은 수세가 '극히 불량'하고 다량의 가지가 이미 고사하였으며, 금년에는 단지 2개 가지에서만 개화가 이루어졌으며 엽량 또한 현저히 적은 상태이다. 2번목 또한 '불량'상태로 잎이 작고 엽밀도도 낮으며 수형의 변형이 이루어지는 등 수세가 쇠약한 상태이다. 현존하는 가장 큰 1번목은 논토양으로 추정되는 점질토가 복토되어 있어 우려를 더하고 있다. 셋째, 평지리 이팝나무군의 토성 분석결과, '미사질양토[微砂質壤土, Silt loam(SiL)]'로 밝혀짐에 따라 미사(Silt)의 성분비가 높음을 알 수 있다. 또한 1번목 북측의 토양산도는 pH 6.6으로 다른 부위의 흙과는 편차가 컸는데 이는 원지반 토양이 아닌 외부에서 반입된 토양으로 복토되었음에 기인한 것으로 판단된다. 더불어 유기물함량은 적정범위보다 높게 나타났는데 이는 보호관리를 위한 시비가 계속적으로 이루어진 결과가 반영된 것이라고 판단된다. 넷째, 진안 평지리 이팝나무군의 고사 및 생육 불량의 근본적 원인으로는 복토(覆土)로 인한 심각한 생리저하의 만성적 증후군으로 판단된다. 이는 신규로 식재된 후계목 또한 일부 고사된 것에서도 그 원인을 찾을 수 있다. 다섯째, 1차적으로 기존 고사의 원인으로 추정되는 복토 부분에 대한 점진적 제거가 시급하다. 무엇보다도 근계부에 복토된 점질토양의 제거를 건의한다. 복토부를 제거한 후 굵은 모래로 치환하고 뿌리의 호흡 개선을 위해 유공관을 설치한다. 그리고 고사한 4번 고사목과 5 6번의 고사흔적인 밑둥은 제근하고, 하층식생은 예초한다. 생존목은 상부 고사지를 제거, 수피 이탈부는 외과수술을 시행하는 한편 생장점 아래에서 전정하여 맹아의 발생을 유도해야 할 것이다. 여섯째, 지하부 뿌리를 확인하여 부패근 절단 및 토양호흡 개선방안을 마련한다. 근계 전반에 대한 추적 굴취 등으로 썩은 뿌리부를 단근하여 새 뿌리의 발생을 유도한다. 일곱째, 이후 잡초 발생과 답압 억제 그리고 토양 보습효과 유지를 위한 멀칭을 시도한다. 또한 지속적 영양공급을 위한 무기양료 엽면시비 및 영양제 나무주사, 무기양료의 토양관주를 고려한다. 향후 모니터링과 예찰방안을 마련하여 계속적으로 변화상을 체크해야 할 것이다.