프로젝트 관리자는 입찰 또는 개발을 성공하기 위해 비용과 일정을 프로젝트 초기 단계에서 보다 정확히 추정해야만 한다. 평균적으로 대부분의 프로젝트들이 수행하고 있는 명목상의 개발기간은 경험법칙, 선형함수 추정경험 또는 개략적 일정 추정표로부터 유도할 수 있다. 명목상 개발기간에는 다양한 경험법칙이 존재하며, 선형함수 모델은 충분한 정보를 제공하지 못하여 특정 규모의 프로젝트에 적합한 개발노력과 일정을 결정하기 어렵다. 본 논문은 개략적 일정 추정표로부터 개발노력과 일정을 유도하는 통계적 회귀분석 모델을 제시하였다. 먼저, 개략적 일정 추정표에서 제시하고 있는 최대 단축기간, 효율적 개발기간과 명목상 개발기간을 재정의 하였다. 다음으로 개발노력과 기간과의 관계를 고찰하고, 개략적 일정추정표에 제시되지 않은 특정 규모의 소프트웨어에 대한 개발노력 추정 모델과 개발노력에 따른 일정을 보다 정확히 추정할 수 있는 모델을 제시하였다. 제시된 회귀분석 모델은 기존의 방법들과 비교하여 상대오차를 최대 2%까지 줄이는 효과를 얻었다. 또한, 특정 규모의 소프트웨어에 대해서도 개발노력과 일정을 추정할 수 있었다.
물관리의 기본이 되는 연속적인 유량 자료 확보를 위해서는 정확도 높은 수위-유량 관계 곡선식 개발이 필수적이다. 수위-유량 관계곡선식은 모든 수문시설 설계의 기초가 되며 홍수, 가뭄 등 물재해 대응을 위해서도 중요한 의미를 가지고 있다. 그러나 일반적으로 유량 측정은 많은 비용과 시간이 들고, 식생성장, 단면변화 등의 통제특성(control)이 변함에 따라 구간분리, 기간분리와 같은 비선형적인 양상이 나타나 자료 해석에 어려움이 존재한다. 특히, 국내 하천의 경우 자연적 및 인위적인 환경 변화가 다양하여 지점 및 기간에 따라 세밀한 분석이 요구된다. 머신러닝(Machine Learning)이란 데이터를 통해 컴퓨터가 스스로 학습하여 모델을 구축하고 성능을 향상시키는 일련의 과정을 뜻한다. 기존의 수위-유량 관계곡선식은 개발자의 판단에 의해 데이터의 종류와 기간 등을 설정하여 회귀식의 파라미터를 산출한다면, 머신러닝은 유효한 전체 데이터를 이용해 스스로 학습하여 자료 간 상관성을 찾아내 모델을 구축하고 성능을 지속적으로 향상 시킬 수 있다. 머신러닝은 충분한 수문자료가 확보되었다는 전제 하에 복잡하고 가변적인 수자원 환경을 반영하여 유량 추정의 정확도를 지속적으로 향상시킬 수 있다는 이점을 가지고 있다. 본 연구는 머신러닝의 대표적인 알고리즘들을 활용하여 유량을 추정하는 모델을 구축하고 성능을 비교·분석하였다. 대상지역은 안정적인 수량을 확보하고 있는 한강수계의 거운교 지점이며, 사용자료는 2010~2018년의 시간, 수위, 유량, 수면폭 등 이다. 프로그램은 파이썬을 기반으로 한 머신러닝 라이브러리인 사이킷런(sklearn)을 사용하였고 알고리즘은 랜덤포레스트 회귀, 의사결정트리, KNN(K-Nearest Neighbor), rgboost을 적용하였다. 학습(train) 데이터는 입력자료 종류별로 조합하여 6개의 세트로 구분하여 모델을 구축하였고, 이를 적용해 검증(test) 데이터를 RMSE(Roog Mean Square Error)로 평가하였다. 그 결과 모델 및 입력 자료의 조합에 따라 3.67~171.46로 다소 넓은 범위의 값이 도출되었다. 그 중 가장 우수한 유형은 수위, 연도, 수면폭 3개의 입력자료를 조합하여 랜덤포레스트 회귀 모델에 적용한 경우이다. 비교를 위해 동일한 검증 데이터를 한국수문조사연보(2018년) 내거운교 지점의 수위별 수위-유량 곡선식을 이용해 유량을 추정한 결과 RMSE가 3.76이 산출되어, 머신러닝이 세분화된 수위-유량 곡선식과 비슷한 수준까지 성능을 내는 것으로 확인되었다. 본 연구는 양질의 유량자료 생산을 위해 기 구축된 수문자료를 기반으로 머신러닝 기법의 적용 가능성을 검토한 기초 연구로써, 국내 효율적인 수문자료 측정 및 수위-유량 곡선 산출에 도움이 될 수 있을 것으로 판단된다. 향후 수자원 환경 및 통제특성에 영향을 미치는 다양한 영향변수를 파악하기 위해 기상자료, 취수량 등의 입력 자료를 적용할 필요가 있으며, 머신러닝 내 비지도학습인 딥러닝과 같은 보다 정교한 모델에 대한 추가적인 연구도 수행되어야 할 것이다.
비용과 공기는 수익과 직접적인 상관관계를 갖는 중요한 요소로 성공적인 프로젝트를 위해서는 이들에 대한 정확한 예측이 이루어져야 한다. 현재 최종 공사비와 공기 예측을 목적으로 EVMS(Earned Value Management System)가 범용적으로 활용되고 있지만, 기존에 제시된 공사비 및 공기 예측모텔은 선형적인 예측방식을 사용하기 때문에 예측결과가 부정확하고 시공업체의 성향, 프로젝트의 특성, 진도율에 따른 변화 등을 고려하지 못하는 한계가 있었다. 본 연구에서는 건설산업의 다양한 특성이 반영될 수 있도록 PB-S curve와 다중회귀분석을 이용한 진행단계별 공사비 및 공기의 기울기 예측모델을 제안하고 이를 동해 최종 공사비 및 공기를 예측하고자 한다. 이를 위하여 국내 건설업체로부터 23건의 도로공사 EVMS 자료를 활용하여 공사 진행단계별 기울기 예측을 위한 회귀분석방정식을 도출하고, 활용성을 검증하였다.
소요군에서 원하는 성능의 함정을 적기에 획득하기 위해서는 정확하게 일정을 예측하고 계획하여 함정을 건조해야 한다. 하지만 지금까지 함정의 건조기간을 산정한 연구를 살펴보면, 전문가 집단의 설문을 통한 주관적인 연구방법으로 수행되어 건조기간 산출의 정확성과 일관성이 부족하고, 실 데이터를 바탕으로 이루어진 학술적 연구는 없었다. 따라서 본 연구에서는 함정 건조기간 산출의 정확성을 높이고 일관성을 유지하기 위해 실 데이터를 바탕으로 선형회귀분석을 통해 예측 모델을 제시하고자 한다. 이를 위해 먼저 함정사업의 절차 및 특성을 이해하고 함정사업 유경험자를 대상으로 함정 건조기간에 영향을 미칠 것으로 추측되는 요인을 찾아보았다. 그 다음 과거 연구개발된 함정들의 실적을 바탕으로 함정 건조기간에 영향을 미칠 것으로 추측되는 요인들의 실 데이터를 최대치로 수집하고 단계적 회귀분석을 실시하였다. 그 결과 함정 건조기간에 영향을 미치는 요인으로 소요군 주관 시험평가 항목수, 장비수, 연구개발 장비수가 선정되었다. 수집한 데이터를 회귀방정식에 대입하여 내적 타당성을 확인해본 결과 평균 96.5%의 정확도를 보였다.
본 논문은 온도 등 7 가지의 IoT 센서에서 수집된 기상데이터의 각 기상요소에 대하여 품질관리(Quality Control; QC)를 하였다. 또한, 우리는 측정된 값에 오류가 있는 데이터를 기계학습으로 의미있게 추정하는 방법을 제안한다. 수집된 기상데이터를 기본 QC 결과를 바탕으로 오류 데이터를 선형 보간하여 기계학습 QC를 진행하였으며, 기계학습 기법으로는 대표적인 서포트벡터회귀, 의사결정테이블, 다층퍼셉트론을 사용했다. 기본 QC의 적용 유무에 따라 비교해 보았을 때, 우리는 기본 QC를 거쳐 보간한 기계학습 모델들의 평균절대오차(MAE)가 21% 낮은 것을 확인할 수 있었다. 또한, 기계학습 기법에 따라 비교하여 서포트벡터회귀 모델을 적용하였을 때가, 모든 기상 요소에 대하여 MAE가 평균적으로 다층신경망은 24%, 의사결정테이블은 58% 낮은 것을 알 수 있었다.
도심지 터널 공사가 많아지면서 이에 따른 소음, 진동, 교통불편 및 민원 저감을 위해 TBM 굴착이 증가하고 있다. 그러나 이러한 추세에도 불구하고 국내 TBM 공동구 설계 및 시공을 위한 기준들은 대부분 해외기술(일본, 독일 등)을 이용하고 있어 국내환경을 고려하지 못하고 있다. 특히, 공동구 TBM 설계의 주요 기준이 되는 굴진율은 대부분 일축압축강도만으로 산정되며 이마저도 실제 현장 특성과 맞지 않아 개선이 필요하다. 본 연구에서는 국내 현장에 적합한 굴진율을 예측하기 위해 수행되었다. 이를 위해 시공 중인 소단면 쉴드 TBM 굴착 현장의 지반 및 굴진데이터를 수집하고 상관관계 분석을 통해 굴진율에 영향을 미치는 주요인자를 파악하였다. 도출된 영향인자들은 통계적 분석기법을 기반으로 한 다중선형 회귀분석에 적용되어 굴진율을 예측하는 회귀식의 예측변수로 이용되었다. 결과적으로 회귀분석을 통해 도출된 회귀식은 일축압축강도와 절리간격을 예측변수로 추정되었으며, 해외 경험식과 비교하여 국내현장 굴진율의 예측 정확도가 높은 것으로 나타났다. 다만, 이 회귀식을 타 국내 현장에 적용할 경우 예측오차가 다소 증가하였다. 회귀식이 갖는 이와 같은 적용 한계를 개선하기 위해서는 추가적인 연구를 통해 현장조건에 제약을 받지 않는 굴진율 예측모델 도출이 필요할 것으로 보인다.
지금까지 쇄파는 발생기구의 본질적인 복잡성으로 인해 실내수리모형실험을 통해 쇄파파고 및 쇄파수심 등의 쇄파지표 예측을 위한 많은 경험식이 제안되어 왔다. 하지만, 자갈해빈에 대한 쇄파의 특성 및 쇄파지표예측을 위한 연구는 거의 수행되어 있지 않았다. 본 연구에서는 자갈해빈을 대상으로 쇄파파고 및 쇄파수심의 예측을 위하여 회귀 또는 분류 문제와 관련된 다양한 연구 분야에서 높은 예측 성능을 보이는 대표적인 선형기반 기계학습기법에 기반한 쇄파지표를 예측하고자 하였다. 먼저, 자갈해빈에 대하여 기존에 제안된 쇄파지표의 경험식의 적용성을 검토하고 기존의 경험식의 자갈해빈의 쇄파지표 예측성능의 한계성을 극복하기 위하여 다양한 선형기반 기계학습 알고리즘을 적용하여 쇄파지표 예측모델을 구축하였다. 구축된 기계학습모델 중 자갈해빈에서 발생하는 쇄파파고 및 쇄파수심에 대한 높은 예측성능을 보인 모델을 기반으로 손쉬운 계산이 가능한 쇄파지표에 대한 새로운 산정식을 제안하였고 수리모형실험결과 및 기존의 경험식과 비교하고 새롭게 제안한 쇄파지표의 예측성능을 검증하였다. 본 연구에서 제안한 쇄파지표에 대한 경험식은 단순한 다항식임에도 불구하고 자갈해빈에 대한 양호한 예측성능을 보였다.
TBM 터널굴착에서 실질적으로 지반을 굴착하는 역할을 하는 부분인 커터헤드 설계 시, 커터 관입깊이와 커터 간격을 달리하여 커터절삭 시험 시 최소 비에너지에서의 커터간격을 반영하고 있으나, 암반 조건에 따라서 동일한 커터 관입깊이에서의 최적 커터간격이 달라지기 때문에 최적 커터간격을 설정하는 연구가 활발히 진행되어야 한다. 이러한 비선형적인 커터 관입깊이와 커터 간격의 관계에서 커터 관입깊이에 따른 최적 커터간격을 예측하기 위해 머신러닝 기법인 의사결정나무 기반 랜덤 포레스트 회귀 모델과 SVM 회귀모델을 이용하여 커터 관입깊이에 따른 최적 커터 간격을 예측하였다. 랜덤 포레스트 분석기법은 SVM 분석기법보다 데이터 개수에 더 큰 영향을 받기 때문에 커터 관입깊이에 따른 최적 커터간격비의 예측에 SVM이 더 정확한 예측을 하였다. 데이터가 많이 축적되면 SVM 회귀모델이 보다 더 정확한 예측값으로 커터헤드 설계 시 커터간격을 설정하는데 효율적으로 사용될 수 있을 것으로 판단된다.
전기 기관차 중수선 시설과 같이 복잡한 시스템의 설계 변수와 중요 변수 최적화는 수리적인 형태로 분석하는 것이 매우 어려운 작업이 된다. 본 논문에서는 메타 모델의 개념을 시뮬레이션 근사 모델에 적용하여 설계 변수와 중요 변수의 최적화를 수행하였다. 시뮬레이션 설계를 위하여 Critical Path 분석과 민감도 분석 수행하여 설계 변수와 실험 횟수를 줄이기 위하여 노력을 하였다. 시뮬레이션 분석은 다 목적 비선형 계획법을 구성한 후 파레토 최적해 집합을 산출하여 설계자에게 다중 대안의 해 집합을 제시하여 실제 시스템의 적용에 대한 유동성을 제공하려고 노력하였다. 본 논문에서 제시 된 기법은 열차 중수선 시설의 설계 및 분석에 있어서 시뮬레이션과 메타 모델을 이용한 하나의 방법으로 이용이 가능 할 것이다.
최근 금속을 포함하여 다양한 재질의 지뢰를 탐지할 수 있는 지면 투과 레이더 (Ground Penetrating Radar, GPR)가 지뢰 탐지 분야에서 주목 받고 있으며 지면 투과 레이더를 이용한 지뢰 탐지 기술이 활발하게 연구되고 있다. 본 논문에서는 1차원 지면 투과 레이더 배열을 이용하여 지뢰가 존재할 가능성이 높은 후보 지점을 검출하는 방법을 제안하였다. 제안 기법은 먼저 지면 투과 레이더에 수신되는 신호 세기의 비선형적 감쇠 특성을 반영하여, 지연 시간에 따른 지면 투과 레이더 응답 신호의 세기를 효과적으로 나타낼 수 있는 회귀 모델을 추정하였다. 이를 토대로 지면 투과 레이더 응답 신호를 분석해보면, 토양 신호들은 주로 회귀 모델의 근처에 밀집되어 있고, 지뢰일 가능성이 있는 후보 신호들은 회귀 모델로부터 멀리 떨어져서 분포하는 특성을 보인다. 이러한 사실을 기반으로, 지면 투과 레이더의 측정값과 회귀 모델의 예측 값에 대한 예측 오차를 계산하여 토양 신호로부터 지뢰일 가능성이 있는 후보 신호들을 분리하였다. 후보 신호에는 잡음과 표적 신호가 섞여 있으므로 표적 신호가 갖는 고유한 기하학적 특성을 이용하여 최종적으로 표적 신호를 검출하였다. 성능 검증을 위해 실내 환경에서 획득한 지면 투과 레이더 데이터를 이용하여 실험을 수행한 결과, 제안하는 전처리 기법의 지뢰 탐지율 대비 오경보율이 낮은 것을 확인할 수 있었다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.