• 한국정보전자통신기술학회논문지
• /
• 제9권4호
• /
• pp.428-438
• /
• 2016

본 연구의 목적은 치매환자 부양자의 부담을 감소시키기 위해 장기요양보험 제도의 틀 안에서 새로운 서비스 개발을 제시하는 것이다. 분석 자료로 선행연구와 2012-2013년에 걸쳐 조사된 Caregivers of Alzheimer's Disease Research(CARE study)를 사용하여 부양자의 특성과 부담을 조사하였다. 치매환자의 주부양자 부담은 신체적, 심리적, 경제적 측면뿐만 아니라 다양한 측면에서 어려움을 겪고 있으며 연령, 경제력, 건강상태, 사회적지지 등 여러 요인이 부양부담에 영향을 미치고 있었다. 또한 부양자가 우울증을 겪을 위험도 높게 나왔다. 이에 부양자에 대한 제도적 지원이 필요한 시점에서 2008년부터 시행된 노인장기요양보험 제도를 활용하여 본 연구에서 추가적인 서비스를 제시하였다. 현 제도의 재가서비스 확장 모델로 소규모 주 야간보호서비스(가칭)를 신설하는 것으로 9인 이내의 규모로 주거지에서 5분 이내 거리에 개설을 하고 치매환자에만 국한시켜 질환에 대한 전문성을 높이고 서비스의 질을 향상시켜 기존의 주 야간보호서비스와 소규모 노인요양공동생활가정과 차별화하는 것이다.

• 한국산학기술학회논문지
• /
• 제17권8호
• /
• pp.654-661
• /
• 2016

치면열구전색술이 건강보험급여 항목에 포함된 이후 진료경향을 분석하여 치아우식예방을 파악하고자 2009년 12월 1일부터 2014년 12월 31일까지 건강보험심사평가원 대전지원에 접수된 요양급여비용 명세서를 분석하였다. 연도별 치면열구전색술 현황을 살펴보면, 2010년에 수진자 수와 수진자 처치 치아수가 가장 많았고, 1인당 평균 처치 치아수는 2013년에 3.39개로 가장 높게 나타났다. 일반적 특성에 따른 2010년 제1대구치 치면열구전색술을 분석한 결과 남자가 여자보다 높았고, 연령별에서는 7세에서 가장 높게 나타났고 계절별로는 여름이 가장 높았다. 각 제1대구치 분포에서는 상악좌측 제1대구치가 가장 높았으며 그 외는 상악우측 제1대구치, 하악우측 제1대구치, 하악좌측 제1대구치 순으로 나타났다. 2010년에 상악 우측 제1대구치에 치면열구전색술한 후 치아우식이 발생되어 2011년부터 2014년에 충전을 시행한 치아를 분석한 결과, 남자가 여자보다 높게 나타났고, 연령별에서는 7세에서 가장 많은 충전을 실시하였으며, 계절별로는 여름에 가장 많이 실시한 것으로 나타났다. 2009년 12월부터 2014년 11월까지의 치료 치아수를 토대로 2015년 12월까지 치아 치료수를 예측한 결과 2015년도 8월에 가장 높은 수요가 나타날 것으로 예측되고 2014년에 비해 감소될 것으로 예측된다. 따라서, 칫솔질만으로는 치아우식증 예방에 한계가 있으므로 높은 예방효과를 보이는 치면열구전색술 실시를 영유아 및 초,중,고 구강보건실등에서 정기적인 실시한다면 치아우식 예방효과가 있을것으로 기대된다.

• 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.