• 한국방사선학회논문지
• /
• 제11권7호
• /
• pp.547-553
• /
• 2017

현재 의료분야에서는 방사선 차폐체로서 납(Pb)이 널리 쓰이고 있다. 하지만 납은 무게가 매우 무거워 납치마 등의 방호복은 장시간 착용이 어려우며, 인체에 치명적인 납 중독의 위험이 상시 가지고 있다는 문제점을 가지고 있다. 이러한 문제점을 해결하고자 납을 대체 할 수 있는 물질에 대한 많은 연구가 진행되고 있다. 현재 납의 대체물질로써 대표적인 바륨(Ba)과 요오드(I) 등은 우수한 차폐능을 가지고 있지만, 30keV 근처의 에너지 영역에서 특성 X선을 방출하는 특성을 가지고 있다. 환자나 방사선 종사자의 경우 차폐체를 인체에 접촉하고 있는 경우가 많으므로 차폐체에서 발생되는 특성 X선이 인체에 직접 조사되어 방사선 피폭을 증가시킬 위험이 매우 높다. 본 연구에서는 바륨(Ba)과 요오드(I)등에서 발생되는 특성 X선을 제거하기에 적절한 이중구조 차폐체를 방사선 수송코드 중 하나인 FLUKA 수송코드를 개발하여 선행연구로서 진행된 MCNPX 시뮬레이션과 비교 분석하여 이중구조 차폐체의 차폐율에 대한 신뢰성을 검증하고자 하였다. MCNPX와 FLUKA를 이용하여 황산바륨($BaSO_4$)과 산화비스무스($Bi_2O_3$)로 이루어진 다양한 두께조합의 이중구조 차폐체를 설계하였으며, IEC61331-1에 제시된 모식도를 기하학적으로 동일하게 시뮬레이션 상에 구현하였다. 또한, 120 kVp의 연속 X선 스펙트럼에 대한 차폐체의 투과스펙트럼과 흡수선량을 납과 비교 평가하였다. 평가결과, $0.3mm-BaSO_4/0.3mm-Bi_2O_3$ 와 $0.1mm-BaSO_4/0.5mm-Bi_2O_3$ 구조에서는 33 keV와 37 keV의 특성 X선을 모두 흡수하였으며, 90 keV 이상의 고에너지 X선에 대해서도 납과 거의 유사한 차폐효율을 보였다. 또한, FLUKA의 수송코드는 33 keV 이하에서는 cut-off 가 발생하여 저에너지 X선 광자에 대한 전산모사에 제약이 있지만, 40 keV 이상의 고에너지 영역에서 MCNPX와의 상대오차가 6 % 이내로 신뢰성이 매우 우수하다는 것을 확인할 수 있었다.

• 지식경영연구
• /
• 제24권1호
• /
• pp.245-271
• /
• 2023

최근 데이터 경제가 가속화되면서 경영학 분야에서는 데이터 매칭이라는 새로운 기법이 주목받고 있다. 데이터 매칭은 모집단이 같지만 서로 다른 표본에서 수집된 데이터셋을 합치는 기법 또는 처리 과정을 의미한다. 그중에서 통계적 매칭은 서로 다른 데이터를 결합하는데 있어서 사업자 번호와 같이 기준이 되는 변수가 없는 경우 통계적 함수를 활용하여 데이터를 매칭하는 방법이다. 선행연구 검토결과 경제학, 교육학, 보건, 의료 등 다양한 분야에서 통계적 매칭이 많이 사용되고 있는데 반해 경영학 분야는 제한적임을 확인할 수 있었다. 본 연구는 기존 경영학 분야에서 충분히 연구되지 않았던 통계적 매칭의 유용성을 검증하고 활용도를 높이는 방안을 연구하고자 한다. 연구목적을 달성하기 위해 본 연구에서는 2020 벤처기업정밀실태조사와 2020 한국기업혁신조사 자료를 활용하여 통계적 매칭 시뮬레이션을 수행하였다. 먼저, 선행연구를 바탕으로 통계적 매칭에 사용되는 변수를 선정하였다. 공통변수는 업종, 종업원수, 지역, 업력, 상장시장, 매출로 설정하였고, 검증을 위한 고유변수와 제공변수는 중소기업 혁신에서 가장 중요한 연구인력 비율과 R&D 비용으로 각각 설정하였다. 사전 검증을 위해 2020 벤처기업정밀실태조사 자료를 수여자 데이터 30%와 기여자 데이터 70%로 분할하였다. 통계적 매칭에는 마할라노비스 거리와 랜덤 핫덱을 결합한 방식을 사용하였고, 성능평가는 수여자 데이터와 원시 데이터의 평균값 비교와 커널 밀도 함수(Kernel Density Estimation)를 통해 데이터 분포를 비교하였다. 검증결과, 수여자 데이터 30%와 기여자 데이터 70%에서 추출된 매칭 데이터의 평균값이 통계적으로 유의한 차이가 없는 것으로 나타나 유사한 데이터가 매칭된다는 것을 확인하였다. 또한, 두 데이터의 커널 밀도 함수로 도출한 데이터 분포 역시 유사한 형태가 나타나는 것을 확인할 수 있었다. 사후 검증에는 2020 벤처기업정밀실태조사에서 임의로 30%를 수여자 데이터로 추출하고 2020 한국기업혁신조사 자료를 기여자 데이터로 설정하여 통계적 매칭을 수행하고 검증하였다. 사전 검증과 마찬가지로 공통변수는 업종, 종업원수, 지역, 업력, 상장시장, 매출로 설정하였고, 검증을 위한 고유변수는 연구 인력 비율과 R&D 비용으로 정의하였다. 분석 결과, 수여자 데이터의 연구인력 비율의 평균과 기여자 데이터의 평균은 예상과 다르게 통계적으로 차이가 있는 것으로 나타났다. 하지만 커널 밀도 함수에 따른 두 데이터의 분포는 유사한 형태를 보이는 것으로 조사되어 통계적 매칭의 적절성을 확인할 수 있었다. R&D 비용은 통계적 매칭 수행 결과, 수여자 데이터의 R&D 비용 평균과 기여자 데이터의 평균이 통계적으로 차이가 없었고, 커널 밀도 함수도 유사한 분포를 보이는 것으로 조사되었다. 이러한 결과는 모집단은 동일하지만 서로 다른 표본에서 수집된 자료를 통계적으로 결합하여 신뢰할 수 있는 새로운 데이터를 확보할 수 있다는 측면에서 큰 의의가 있다. 또한, 경영학 분야에서 많이 사용되지 않았던 데이터 매칭 방법론을 모의실험을 통해 타당성을 검증함으로써 연구용 데이터 확보와 연구방법론의 확장에 기여했다는 점에서 시사점을 가진다.