• 벤처창업연구
• /
• 제18권1호
• /
• pp.141-158
• /
• 2023

창업가 관점에서 스타트업의 태생적 한계를 이해하고 실패에 대한 위험부담을 줄이며 성공을 위해 가장 중요한 요인 중 하나는 인재 즉, 창업팀의 구성이다. 이에 예비창업 단계 또는 창업초기 단계의 창업가들이 경험하는 공통적인 고민은 단독창업과 공동창업에 대한 선택일 것이다. 그럼에도 우리나라는 현재 단독창업 비중이 공동창업 대비 현저히 높은 실정이다. 이에 반해 다수의 성공적인 글로벌 혁신기업은 공동창업의 형태라는 점에 주목하여 공동창업 기업의 성공요인에 관해 고찰하였다. 관련 선행연구 대부분 창업의 생존과 성공에 미치는 요인으로 창업가 개인의 역량과 특성을 규명하는 연구들로서 실제 창업생태계 현장에서 흔하게 볼 수 있는 동업 즉, 공동창업에 관한 연구는 부족한 실정이다. 따라서 본 연구는 기회형 창업에 성공한 국내 스타트업의 공동창업자를 대상으로 심층 인터뷰와 관련 자료의 수집, 맥락 정보의 분석 및 선행연구 고찰을 통한 다중사례 연구를 시도하였다. 이를 통해 공동창업의 단계별 특성과 핵심 성공요인을 도출하는 모델을 제언하였다. 연구결과, 예비창업 단계의 핵심요소는 '기회', 성공요인은 '창업가의 경험을 통한 기회인식'과 '아이디어 개발'로 나타났다. 창업초기 단계의 핵심요소는 '창업팀', 성공요인은 '창업팀의 신뢰와 상호보완'으로 '창업팀의 다양성과 동질성'이 조화를 이루어 시너지 효과가 발휘되는 것을 확인하였다. 또한 창업초기 공동창업자 간 발생하는 갈등은 창업생존에 중요한 영향을 미치는 것으로 나타났다. 창업팀 갈등은 끊임없는 '의사소통을 통한 상호이해와 존중', '명확한 업무구분과 역할분담'으로 극복할 수 있음을 확인하였다. 창업성장 단계의 핵심요소는 '자원', 성공요인으로 '우수인재 확보'와 '외부자금 조달'이 주요 요인으로 나타났다. 이러한 결과는 창업학 연구에서 한정된 자원과 경험 부족 및 실패에 대한 위험부담 등 창업기업의 한계점을 극복하고 성공률 제고를 위한 대안 중 하나로 공동창업의 형태가 주목받는 상황에서 창업을 준비하는 예비 창업가들과 창업생태계의 다양한 이해관계자들에게 시사하는 바가 있다.

• 암석학회지
• /
• 제14권2호
• /
• pp.116-126
• /
• 2005

경기도 파주시 월롱면, 광탄면, 조리면 지역에는 다중 습곡 작용을 받은 선캠브리아기 암석이 $N10^{\circ}E$ 방향의 습곡축을 갖는 2조의 U형 습곡구조(습곡 I과 II)를 따라서 분포한다. 습곡구조를 따라 분포하는 10여 매의 규암과 4 매의 석회질 편암은 기원 퇴적암이 순차적으로 반복 퇴적된 것인지, 혹은 $1\~2$의 동일한 규암과 석회질 편암이 등사습곡작용에 의하여 반복 분포되는 것인지에 관한 직접적인 증거(퇴적구조)는 발견되지 않는다. 이 논문에서는 U형 습곡이 습곡축을 중심으로 동측과 서측의 양 방향에 분포하는 규암의 상호 연결성을 희토류원소 분포도와 Nd 동위원소비와 같은 지구화학적 방법으로 대비하였다. 습곡구조를 형성하는 규암의 희토류원소 분포도 특성은 경희토류는 편평하고 중희토류가 약간 결핍되어 있다. 또한 Ce의 부(-)의 이상을 보여주는 반면에 Eu의 이상은 거의 존재하지 않는다. 희토류원소 분포도 양상은 습곡축을 중심으로 동서 양 방향의 규암에 있어서 매우 유사하게 나타났다 이들 규암의 Nd모델연대도 습곡축의 양쪽 외 곽부에서 내부로 들어오면서 젊어지는 경향을 보여준다. 이와 같이 유사한 희토류원소 분포특성과 Nd 모델연대는 연구지역내에서 습곡축을 중심으로 동측과 서측에 분포하는 규암이 동일한 기원물질로부터 유래되었음을 시사해주는 것으로서, 층서적 및 구조지질학적 연결과 대비되는 것으로 볼 수 있다. 규암과 호층을 형성하는 운모편암의 희토류원소 분포도 및 Sr, Ba, Eu, Rb과 같은 미량원소의 상관관계도는 운모편암이 규암의 근원 물질과는 다를 가능성을 지시한다. 이는 변성작용, 풍화작용과 같은 지질현상에 의해서도 전체적인 분포 특성이 거의 영향을 받지 않는 희토류원소 지구화학과, 지각내 체류시간을 지시해주는 Nd 동위원소 지구화학이 서로 떨어져 분포하는 퇴적층의 연결성을 추적하는데 유용하게 활용될 수 있음을 지시해준다.

• 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.

• 터널과지하공간
• /
• 제13권1호
• /
• pp.52-63
• /
• 2003

단층, 균열, 절리 등의 암반 내에 존재하는 수많은 불연속면은 암반의 역학적\ulcorner수리적 특성을 좌우하는 중요한 요소이다. 암반 내 지하수 유동에 큰 영향을 미치는 요소는 불연속면의 발생빈도와 기하학적 특성 그리고 불연속면 상호간의 연결성이라고 할 수 있다. 이 연구에서는 불연속면의 특성인 발생빈도, 크기, 방향, 간극의 크기 등의 분포함수를 가정하여 3차원 불연속면 연결망 내에서 지하수 유동 해석을 실시하는 프로그램을 작성하였다. 이 프로그램은 3차원 상에 불연속면을 발생시키고 불연속면간 연결성을 분석하여 수리해석을 실시한다. 이 프로그램을 통해 수리해석을 실시한 결과, 컴퓨터 메모리의 한계로 인해 대상지역의 대표요소체적을 정확하게 결정할 수는 없었지만, 대략 25$\times$25$\times$25 ㎥ 이상에서 결정될 것으로 추정할 수 있었다. 지하수 유동해석에 영향을 미치는 간극의 범위를 계산한 결과, 불연속면 평균 간극의 30% 이하의 간극을 갖는 불연속면은 지하수 유동에 미치는 영향이 미미한 것으로 나타났다. 또, 경계효과를 고려한 경우와 그렇지 않은 경우의 등가수리전도도의 차이는 거의 없었으며 이는 대상지역에서 간극이 큰 일부의 불연속면을 통한 유동이 전체적인 지하수 유동에 크게 영향을 주기 때문인 것으로 판단되었다. 입력자료 중에서 암반의 등가수리전도도에 영향을 미치는 요소의 중요도는 불연속면의 길이, 간극, 방향의 순서로 나타났다. 대상 암반에 단층면이 존재할 경우, 등가수리전도도는 단층면에 평행한 방향의 요소는 증가하며 이에 수직인 방향의 요소는 약간 증가하다 수렴하는 경향을 보였다.openyl methyl disulfide와 (E)-propenyl methyl disulfide 또한 동결건조 양파에서 증가되어 짐을 확인하였다. 올그루밀이 가장 많았다. Niacin함량은 탑동밀이 2.81 mg%로 가장 높은 함량을 보였고, 다음으로 알찬밀, 올그루밀 순이었다. 지방산 조성은 보리와 밀에서 Cl8:2>Cl6:0>Cl8:1 순으로 보리는 전체의 90%, 밀은 92%를 차지하였다. 단일 불포화지방산은 보리가 11∼13%, 밀이 21∼27%이며, 다중불포화지방산은 보리가 57∼59%, 밀은 36∼50%로 보리가 더 많은 것으로 나타났다. PUFA/SFA 비율은 보리의 경우 2.1로 품종별로 지방산 조성에 차이를 나타내지 않은 반면 밀은 1.0∼1.9 범위로 품종별로 지방산 조성에 차이를 나타내었다. 보리와 밀의 아미노산 함량은 glutamic acid를 가장 많이 함유하는 것으로 분석되었다. 보리 품종별 필수아미노산 함량을 살펴보면 Lysine, valine, tryptophan 함량은 두산8호에서, phenylalanine 함량은 서둔찰보리에 많이 함유되어 있는 것으로 분석되었다. 밀 품종별 Iysine, isoleucine 함량은 탑동밀에서 다소 낮았다.) 보였다. 체질량지수와 비만지수는 각각 HDL-콜레스테롤과는 부의 (각 P<0.05), 적혈구수와는 정의(각 p<0.05) 상관관계를 보였다. 허리엉덩이둘레비는 혈청 GPT, glucose, MCV와 각각 유의한 정의 상관관계를 보였다(각 p<0.05). 이상의 연구결과를 종합할 때 남녀 비만 중학생 모두 총 열량 섭취량 중 지질로 인한 열량 섭취비율이 높았고 비만도가 증가할수록 콜레스테롤의