• 소프트웨어공학소사이어티 논문지
• /
• 제23권4호
• /
• pp.151-163
• /
• 2010

국방 소프트웨어 개발 분야는 응용 도메인이 다양하며 각 도메인의 규모도 다른 분야보다 커서 소프트웨어 자산의 재사용이 중요시 되고 있고, 재사용 되는 자산의 품질 및 신뢰성이 강조된다. 국방 분야에서 이러한 중요성을 인식하고 재사용 방법론들을 개발하여 사용하려는 시도가 많았지만 체계적인 재사용이 이루어지지 않아 재사용 이익을 극대화 하지 못하였다. 본 연구에서는 실질적으로 재사용이 왜 잘 이루어지지 않는지에 대한 문제점들을 분석하고, 이러한 문제점들을 해결할 수 있는 요구사항들을 정리하였다. 이러한 요구사항을 만족하며 전군적 소프트웨어 재사용을 지원하는 개발자 친화적인 재사용 지원 환경인 컴포넌트 그리드 시스템을 개발하고 있다. 컴포넌트 그리드 시스템 개발을 위해 아키텍처를 설계하였고, 아키텍처를 구성하는 세부적인 핵심 요소들과 그 역할을 정의하였다. 개발자 부담의 감소를 위한 시맨틱 태깅(Semantic Tagging) 기반의 요구사항 추적 기술을 개발하였고, 재사용 지식 표현 모델을 개발하였다. 또한 개발자들 간의 자유로운 의사소통 과 자산 및 지식의 교류를 지원하기 위해 웹 기반의 자산 관리 환경과 소셜 네트워크 기반의 자산 검색 및 커뮤니티 추천 기법, 위키(Wik) 기반의 참여적, 협력적 지식 정제 및 증식 환경을 개발하였다. 이러한 접근법들을 통합하여 재사용을 지원할 수 있는 웹 기반 컴포넌트 그리드 시스템의 프로토타입을 구현하였다. 본 연구를 통해 국방 소프트웨어 개발 분야에서 개발자들이 소프트웨어 자산들을 투명하고 효율적으로 공유 및 재사용이 가능하게 하여 국방 소프트웨어의 재사용성 및 품질을 향상시킬 수 있으리라 기대한다.

• Structural Engineering and Mechanics
• /
• 제87권3호
• /
• pp.283-296
• /
• 2023

Free-vibration and buckling analyses of plate problems are investigated with the aid of the strain gradient notation finite element method (SGN-FEM). As SGN-FEM employs physically interpretable polynomials in developing finite elements, parasitic shear sources, which are the cause of shear locking, can be precisely identified and subsequently eliminated. This allows two mutually complementary objectives to be defined in this work, namely, evaluate the efficiency of free-vibration and buckling results provided by corrected models, and study the severity of parasitic shear effects on plate models performance. Parasitic shear are flexural terms erroneously present in shear strain polynomials. It is reviewed here that six parasitic shear terms arise during the formulation of the four-node Mindlin plate element. Two parasitic shear terms have been identified in the in-plane shear strain polynomial while other two have been identified in each of the transverse shear strain polynomials. The element is corrected a-priori, i.e., during development, by simply removing the spurious terms from the shear strain polynomials. The computational implementation of the element in its two versions, namely, containing the parasitic shear terms (PS) and corrected for parasitic shear (SG), allows for assessments of the accuracy of results and of the deleterious effects of parasitic shear in free vibration and buckling analyses. This assessment of the parasitic shear effects is a novelty of this work. Validation of the SG model is done comparing its results with analytical results and results provided by other numerical procedures. Analyses are performed for square plates with different thickness-to-length ratios and boundary conditions. Results for thin plates provided by the PS model do not converge to the correct solutions, which indicates that parasitic shear must be eliminated. That is, analysts should not rely on refinement alone. For thick plates, PS model results can be considered acceptable as deleterious effects are really critical in thin plates. On the other hand, results provided by the SG model converge well for both thin and thick plates. The effectiveness of the SG model is established via high-accuracy results obtained in several examples. It is concluded that corrected SGN-FEM models are efficient alternatives for free-vibration and buckling analysis of Mindlin plate problems, and that precise elimination of parasitic shear is a requirement for sound analyses.

• 벤처창업연구
• /
• 제18권4호
• /
• pp.21-35
• /
• 2023

생성 AI 기술의 막대한 파급력에 대한 기대가 산업계를 휩쓸고 있다. 생성 AI 기술의 활용과 발전에 창업생태계가 중요한 역할을 할 것으로 기대되는 만큼, 이 분야의 벤처투자 현황과 특성을 더 잘 이해하는 것도 중요하다. 본 연구는 생성 AI 기술과 창업생태계를 주도하는 미국을 비교 대상으로 삼아 한국의 벤처투자 내역을 분석하고 향후 벤처투자 금액을 예측한다. 분석을 위해서 미국의 117개 생성 AI 스타트업의 2008년부터 2023년까지 286건의 투자 내역과 한국의 42개 생성 AI 스타트업의 2011년부터 2023년까지 144건의 투자 내역을 수집하여 새로운 분석 자료를 구축했다. 분석 결과, 생성 AI 기업의 창업과 벤처 투자가 최근 들어 급증하고 있으며, 초기 투자에 절대다수의 투자 건이 집중됐다는 점이 미국과 한국에서 공통적으로 확인됐다. 양국의 차이점도 몇 가지 발견됐다. 미국의 경우 한국과는 다르게 같은 투자 단계에서 최근의 투자 규모가 그 이전보다 285%에서 488%까지 증가했다. 단계별 투자 소요 기간은 한국이 미국보다 다소 길었으나 그 차이가 통계적으로 유의하지는 않았다. 또한, 전체 벤처투자 금액 중 생성 AI 기업에 대한 투자 비중도 한국이 미국보다 높았다. 생성AI의 세부 분야별로는 미국은 텍스트와 모델 분야에 전체 투자액의 59.2%가 집중된 반면, 한국은 비디오, 이미지, 챗 기술에 전체 투자액의 61.9%가 집중돼 차이를 보였다. 2023년부터 2029년까지 한국의 생성 AI 기업에 대한 벤처 투자 예상 금액을 네 가지 다른 모델로 예측한 결과, 평균 3조 4,300억 원(최소 2조 4,085억 원, 최대 5조 919억 원)이 필요할 것으로 추정됐다. 본 연구는 미국과 한국의 생성 AI 기술 분야의 벤처투자를 다각도로 분석하고, 한국의 벤처투자 예상 금액을 제시하였다는 점에서 실무적 의의를 찾을 수 있다. 또한, 아직 학술적 연구가 충분하지 않은 생성AI 벤처투자에 대한 현황을 구체적 자료와 실증근거를 통해 분석함으로써 향후 깊이 있는 학술 연구의 토대를 제시한다는 점에서 학술적 의의가 있다. 본 연구에서는 벤처투자 금액 예측을 위한 방법 두 가지를 새롭게 개발하여 생성 AI의 향후 벤처투자 금액을 예측하는데 적용했다. 이 방법도 후속 학술 연구에서 다양한 분야로 확장·적용되고 정제된다면 벤처투자 예상 금액 예측 방법을 풍부하게 하는 데 공헌할 수 있을 것이다.