• 한국전산구조공학회논문집
• /
• 제36권2호
• /
• pp.121-130
• /
• 2023

기어의 구조 안정성 및 치물림 성능을 분석하기 위하여 유한요소해석이 널리 사용된다. 본 연구에서는 스퍼 기어의 유한요소 모델링 조건이 해석 결과 및 간소화 효과에 미치는 영향을 분석하였다. 기어 구조 해석의 간소화 방법으로 기어 몸체 및 잇수 간소화, 요소망 생성 방식, 접촉 및 마찰 조건, 해석 조건 등을 선정하였다. 기어의 성능해석 지표로써 1주기의 기어 치물림 사이클 동안의 정전달 오차를 계산하였고, 간소화 지표로써 해석 소요 시간을 측정하였다. 유한요소해석을 통해 치물림 주기에 따른 접촉 응력 분포 및 변화 양상을 확인하였다. 모델링 조건에 따라 최대 전달 오차와 해석 소요 시간에 차이를 확인하고 원인을 분석하였다.

• 한국생산제조학회지
• /
• 제26권1호
• /
• pp.130-136
• /
• 2017

The three-wheel pitching machine is a device that throws balls automatically instead of a pitcher and is used chiefly to train baseball players. The machine is abundantly used by people in indoor baseball grounds for baseball games. However, in Korea, foreign products are more popular because the efficiency of domestic products is poor as compared to that of the foreign ones. Therefore, a miniature pitching machine was manufactured to analyze and solve the problems of the existing machine. We added a feeder device to insert the balls in the machine and developed a smart phone application. The machine is easily controlled by a smart phone with bluetooth. While manufacturing the miniature, the existing problems were mitigated and the machine was redesigned for mass production. This study attempted to render the pitching machine more convenient and safer as a substitute for foreign pitching machines.

• 한국항행학회논문지
• /
• 제15권4호
• /
• pp.585-590
• /
• 2011

지난 몇 년 동안 사물지능통신(Machine to Machine, M2M) 어플리케이션은 무선업계에서 뜨거운 화제가 되고 있다. 사물지능통신 어플리케이션이 (건강, 농업, 상업, 산업, 소매, 유틸리티 등) 다양한 용도(스마트 홈, 스마트 촉광/전기계량기, 차량관리, 모바일 인력, 자동차보험, 자동판매기 등)에 대한 많은 분야에서 사용할 수 있지만 스마트 계량 어플리케이션 또는 스마트 그리드는 오늘날의 사물통신 시장에서 가장 큰 성장 잠재력을 나타낸다. 사물통신은 다양한 네트워크와 기기가 결합하여 복합적인 서비스를 제공하는 미래의 통신망 기술로 복합적인 서비스를 제공하기 위하여 센서 시스템들 사이에 표준화된 정보 교환 기술이 필요하다. 본 논문에서는 정보통신기술을 이용한 재난방재시스템에 관한 산업간 융합, 재난정보통신에 필요한 요소기술 및 응용에 대하여 연구한다.

• 문화기술의 융합
• /
• 제6권4호
• /
• pp.797-802
• /
• 2020

지난 몇 년 동안 스마트 폰을 비롯한 다양한 스마트 기기들은 휴대성을 기반으로 사용자의 요구에 의해 지속적으로 성능이 향상 되고 있다. 유비쿼터스 컴퓨팅 (Ubiquitous Computing) 환경과 센서 네트워크 (Sensor network)등의 다양한 망 접속 기술로 인하여 휴대성을 기반으로 하는 단말기들이 다양하게 보급되어 사용되고 있다. 스마트 단말들은 사용 중에 보다 안정적인 동작을 위하여 에너지 모니터링을 세밀하게 할 수 있는 기술이 필요하게 되었다. 소형 경량화 된 스마트 단말기는 다양한 멀티미디어 작업으로 인하여 단말 운용 중에 전원 부족 문제가 발생하게 된다. 이와 같은 상황을 미리 방지하고 안정적인 단말 운용을 위해서 기존에 다양한 추정 하드웨어가 개발 되었다. 그러나 잔량 추정을 하는 방법이나 성능이 비교적 우수하지 못하였다. 본 논문에서는 스마트 단말의 운용 중에 발생 할 수 있는 잔여 잔량 문제를 미리 예측하여 보다 안정적인 운용을 위한 리튬이온 셀의 잔량 추정 방법을 머신러닝에 기초를 두고 연구 하였다. 기존의 하드웨어적인 추정 방법이 아니라 사용 중인 리튬이온 셀의 특성을 머신러닝 기법을 이용한 학습 알고리즘으로 학습 시키고 최적화된 결과를 추정하여 적용 하고자 한다.

• 한국인터넷방송통신학회논문지
• /
• 제21권3호
• /
• pp.7-14
• /
• 2021

자동화된 스마트 그리드의 등장은 이러한 문제에 대응을 위한 필수적인 장치가 되고 있으며 스마트 그리드 기반 사회로의 진전을 가져오고 있다. 스마트 그리드는 전기 공급 업체와 소비자 간의 양방향 통신을 가능하게 하는 새로운 패러다임이다. 스마트 그리드는 전력 그리드를 보다 안정적이고 신뢰할 수 있으며 효율적이고 안전하게 만들기 위한 엔지니어의 이니셔티브로 인해 등장했다. 스마트 그리드는 전력 소비자가 전력 사용에서 더 큰 역할을 할 수 있는 기회를 창출하고 전력을 현명하고 효율적으로 사용하도록 동기를 부여한다. 이에 본 연구에서는 기계 학습을 통한 전력 수요 관리에 중점을 둔다. 기계 학습을 사용한 수요 예측과 관련하여 현재 다양한 기계 학습 모델이 소개되어 적용되고 있는 데 이에 관한 체계적인 접근이 요구되고 있다. 특히 GP 학습 모델의 경우에 일반 소비 예측 및 데이터의 가시화와 관련해서 다른 학습 모델보다 장점이 있지만, 스마트 미터 데이터의 예측과 관련해서는 데이터 독립성에 강한 영향을 받는다.

• 한국BIM학회 논문집
• /
• 제8권3호
• /
• pp.12-19
• /
• 2018

The research aims to find implications of machine learning and urban big data as a way to construct the flexible transportation network system of smart city by responding the urban context changes. This research deals with a problem that existing a bus headway model is difficult to respond urban situations in real-time. Therefore, utilizing the urban big data and machine learning prototyping tool in weathers, traffics, and bus statues, this research presents a flexible headway model to predict bus delay and analyze the result. The prototyping model is composed by real-time data of buses. The data is gathered through public data portals and real time Application Program Interface (API) by the government. These data are fundamental resources to organize interval pattern models of bus operations as traffic environment factors (road speeds, station conditions, weathers, and bus information of operating in real-time). The prototyping model is implemented by the machine learning tool (RapidMiner Studio) and conducted several tests for bus delays prediction according to specific circumstances. As a result, possibilities of transportation system are discussed for promoting the urban efficiency and the citizens' convenience by responding to urban conditions.

• 대한수학회논문집
• /
• 제13권2호
• /
• pp.393-403
• /
• 1998

We consider $M_1,M_2/M/1$ retrial queues with two classes of customers in which the service rates depend on the total number or the customers served since the beginning of the current busy period. In the case that arriving customers are bloced due to the channel being busy, the class 1 customers are queued in the priority group and are served as soon as the channel is free, whereas the class 2 customers enter the retrical group in order to try service again after a random amount of time. For the first $N(N \geq 1)$ exceptional services model which is a special case of our model, we derive the joint generating function of the numbers of customers in the two groups. When N = 1 i.e., the first exceptional service model, we obtain the joint generating function explicitly and if the arrival rate of class 2 customers is 0, we show that the results for our model coincide with known results for the M/M/1 queues with smart machine.

• 한국정보통신학회논문지
• /
• 제24권1호
• /
• pp.130-133
• /
• 2020

Smart pig farm which is based on IoT has been widely adopted by many pig farmers. In order to achieve optimal control of smart pig farm, the relation between environmental conditions and performance metric should be characterized. In this study, the relation between multiple environmental conditions including temperature, humidity and various performance metrics, which are daily gain, feed intake, and MSY, is analyzed based on data obtained from 55 real pig farm. Especially, based on preprocessing of data, various regression based machine learning algorithms are considered. Through performance evaluation, we show that the performance can be predicted with high precision, which can improve the efficiency of management.

• Journal of electromagnetic engineering and science
• /
• 제17권4호
• /
• pp.186-190
• /
• 2017

Visible-near-infrared (VIS-NIR) spectroscopy is a fast and non-destructive method for analyzing materials. However, most commercial VIS-NIR spectrometers are inappropriate for use in various locations such as in homes or offices because of their size and cost. In this paper, we classified eight food powders using a portable VIS-NIR spectrometer with a wavelength range of 450-1,000 nm. We developed three machine learning models using the spectral data for the eight food powders. The proposed three machine learning models (random forest, k-nearest neighbors, and support vector machine) achieved an accuracy of 87%, 98%, and 100%, respectively. Our experimental results showed that the support vector machine model is the most suitable for classifying non-linear spectral data. We demonstrated the potential of material analysis using a portable VIS-NIR spectrometer.

• 한국농공학회논문집
• /
• 제64권1호
• /
• pp.15-26
• /
• 2022

3D open-field farm model developed from UAV (Unmanned Aerial Vehicle) data could make crop monitoring easier, also could be an important dataset for various fields like remote sensing or precision agriculture. It is essential to separate crops from the non-crop area because labeling in a manual way is extremely laborious and not appropriate for continuous monitoring. We, therefore, made a 3D open-field farm model based on UAV images and developed a crop segmentation model using a supervised machine learning algorithm. We compared performances from various models using different data features like color or geographic coordinates, and two supervised learning algorithms which are SVM (Support Vector Machine) and KNN (K-Nearest Neighbors). The best approach was trained with 2-dimensional data, ExGR (Excess of Green minus Excess of Red) and z coordinate value, using KNN algorithm, whose accuracy, precision, recall, F1 score was 97.85, 96.51, 88.54, 92.35% respectively. Also, we compared our model performance with similar previous work. Our approach showed slightly better accuracy, and it detected the actual crop better than the previous approach, while it also classified actual non-crop points (e.g. weeds) as crops.