• 한국습지학회지
• /
• 제23권4호
• /
• pp.287-295
• /
• 2021

댐 저수지(dam reservoir wetland)나 농업용 저수지 습지(irrigation reservoir wetland) 같은 시설물은 준공되고 시간이 지남에 따라 침식(erosion), 유사이송(sediment transport), 그리고 유사가 침전(sediment deposition)되어 퇴적이 발생하게 된다. 장기간 유사가 퇴적되면 홍수 및 가뭄 조절 기능에 영향을 주기 때문에 퇴적 문제는 저수지 습지의 유지 관리를 위해 매우 중요하다. 그러나 퇴사에 관한 연구는 가용 자료의 부족으로 인해 주로 경험공식에 의해 추정되어 왔다. 본 연구의 목적은 실측자료 및 경험공식과 더불어 다중회귀모형을 개발하여 비퇴사량(sediment deposition rate)을 산정하고 비교하고자 하였다. 또한, 저수지 습지의 퇴사(reservoir wetland sedimentation) 및 노후화로 인해 2020년 긴 장마에 따른 홍수피해가 발생한 64개소의 저수지 습지에 적용하여 잠재적인 붕괴 원인을 파악하고자 하였다. 대상 저수지는 실측 정보가 있는 한국의 경상남도 밀양시(Miryang city, Gyeongsangnam province)에 위치한 가곡(GaGog) 저수지 등 10개소를 선정하였다. 저수지 유효저수용량 실측자료를 이용하여 비퇴사량을 산정하였고 기존에 개발된 총 4가지 경험공식과 물리적/기후적 특성 등을 고려한 다중회귀모형을 개발하여 비퇴사량을 산정하였다. 비퇴사량 산정 결과, 본 연구에서 개발한 다중회귀모형의 오차가 0.21(m³km²/yr)부터 2.13(m³km²/yr)으로 가장 낮았다. 따라서 다중회귀모형에 의해 추정한 비퇴사량을 토대로 저수지 습지의 유효저수용량에 대한 변화를 분석하였는데 유효저수용량이 0.21(%)부터 16.56(%)까지 감소한 것으로 파악되었다. 또한, 월류 피해가 발생한 저수지 습지의 비퇴사량은 파이핑 피해 등이 발생한 저수지의 비퇴사량 보다 상대적으로 높았다. 즉, 저수지 바닥에 비퇴사량이 축적되면 허용할 수 있는 유효저수용량이 부족해지고, 저수지의 홍수 및 가뭄 조절 능력이 감소되어 호우로 인한 저수지 붕괴 피해가 발생할 수 있다는 것이다.

• 에너지공학
• /
• 제25권4호
• /
• pp.93-102
• /
• 2016

V2G (Vehicle-to-Grid)는 전기자동차 배터리에 저장된 전기를 전력판매사의 전력망을 통해 되파는 양방향 전력 전송 기술이다. V2G 시스템을 활용하는 전기자동차 운전자는 전기요금이 저렴한 심야에 충전한 뒤 출퇴근시 사용하고 남은 전력을 전력사용량이 많고 전기요금이 높은 주간에 판매하므로, 피크시 전력수급의 안정성이 향상된다. 이에 정부는 V2G 인프라 구축 및 지원 대책을 마련하면서 V2G 시스템에 대한 잠재적 소비자의 선호 정보를 요구하고 있다. 본 논문에서는 잠재적 소비자인 일반 국민 1,000명을 대상으로 한 일대일 개별면접 설문조사를 통해 수집된 자료를 수집하였다. 소비자의 선호를 분석하기 위해 경제학적 기법인 선택실험법을 적용한다. V2G 시스템의 속성으로 잔존 전력량, 전력 판매시간, 의무접속시간, 현행 차량가액에 추가하는 가격으로 평가된 지불의 사액이라는 4개를 고려하였다. 분석모형으로는 우선 다항로짓모형을 적용하였는데 '비관련 대안의 독립성' 가정이 위배되어, 이 가정을 요구하지 않는 중첩로짓모형을 최종적으로 적용하였다. 효용함수의 모든 추정계수는 유의수준 10%에서 통계적으로 유의하였다. 속성별 분석결과, 전력 판매가능시간이 1시간 증가하는 것에 대한 한계지불의사액(MWTP, marginal willingness to pay)은 1,601,057원이었다. 그러나 잔존 전력량이 1% 감소 및 의무접속시간 1시간 증가에 대한 MWTP는 각각 -91,911원 및 -470,619원으로 분석되었다. 본 연구에서 도출한 V2G 시스템에 대한 정량적인 소비자 선호 정보는 향후 V2G 시스템 도입 및 관리정책에 유용하게 활용될 수 있다.

• Journal of Applied Biological Chemistry
• /
• 제57권3호
• /
• pp.267-277
• /
• 2014

골프장에서 제초와 병해충방제를 위해 농약의 사용은 필수적인 요소이다. 농약은 적절하게 관리되지 않을 경우 주변 환경과 생태계에 악영향을 초래할 수 있다. 그러나 우리나라의 경우 골프장의 농약사용에 관한 구체적인 통계나 체계적 관리방안이 없는 실정이었다. 본 논문에서는 골프장에서 사용되는 농약의 실태를 파악하고 이를 국가적 차원에서 체계적으로 관리할 수 있는 방안에 관해 조사하였다. 골프의 대중화로 인해 우리나라의 골프장은 급격히 증가하여 2011년 말 기준으로 421개소가 운영되고 있으며 이는 면적으로 $379.53km^2$이다. 이와 더불어 농약사용량도 매년 증가하고 있으며 2011년에는 216품목의 농약이 성분량 기준으로 총 118,669.4 kg이었고, 살균제(54.9%) > 살충제(24.4%) > 제초제(13.3%) > 생장조정제(0.1%) 순이었다. 2011년 골프장별 평균 농약사용량은 성분량으로 280.9 kg이였으며, 단위면적당 평균 농약사용량은 $5.4kg\;ha^{-1}$이였으나 이는 일반 농경지에서의 사용량의 50%에 해당되는 것이다. 골프장별 사용량은 $0.0-21.9kg\;ha^{-1}$ 범위로 편차가 매우 컸다. 골프장내 잔류농약성분의 검출빈도는 green > fairway, 잔디 > 토양 순이었다. 과거에는 일부 골프장에서 고독성농약을 사용하거나 검출되기도 하였으나 최근에는 사용하지도 않으며 검출되지도 않았다. 골프장의 농약사용의 실태를 파악하고 농약에 따른 환경피해를 예방하기 위해서 환경부에서는 2010년 초에 '골프장 농약 사용실태 관리시스템'(환경부 토양지하수정보시스템)을 개발하였다. 이 시스템을 통해 골프장에서의 농약사용 모니터링과 잔류 농약 검사에 관한 선진화된 관리체계를 구축하였다. 농약 잔류량 검사는 토양, 잔디 및 유출수 시료에 대해 실시하고 있고 검사시료는 골프장의 규모에 따라 결정할 수 있도록 정하였다. 우리나라는 골프장의 농약사용에 관련된 업무를 여러 부처에서 담당하다가 2009년부터 환경부로 일원화하여 추진하고 있으나 아직까지 법령과 행정규칙 등이 체계적으로 정비되지 않은 상태이다. 골프장에서의 농약사용과 관리 및 주변 생태계와 인간에 미치는 영향 등을 파악하기 위해서는 개별 골프장에 적합한 지역특이적 최적 관리방안(site-specific best management practices)이 우선적으로 마련되는 것이 바람직하며, 이는 위해서는 위해성평가의 도입이 우선적으로 이행되어야 할 것이다. 우리나라는 골프장의 농약사용 및 농약잔류량 검사, 환경오염피해에 대한 기초연구, 환경오염 저감기술 등 관련 인프라가 매우 부족한 실정이다. 따라서 향후 정부에서는 관련제도를 정비하고, 개선 발전시켜 골프장에 의한 환경피해를 최소화하여 골프장이 친환경적으로 운영될 수 있도록 지속적인 관심과 지원이 이루어져야 할 것이다.

• 한국과학교육학회지
• /
• 제41권6호
• /
• pp.471-481
• /
• 2021

지능정보사회가 요구하는 역량 함양을 위해 과학교육의 중요성은 점차 강화되고 있으며, 과학교육에 대한 국가의 역할 및 책무성은 법으로 명시되어 있다. 과학교육을 효과적이고 효율적으로 지원하기 위해서는 관련 정책에 대한 지속적인 모니터링이 필수적이며, 이를 위해 과학교육의 현황을 종합적으로 분석하기 위한 지표 개발이 필요하다. 본 연구에서는 우리나라 과학교육 정책의 성과를 지속적이고 체계적으로 진단·점검할 수 있는 종합 지표를 개발하고자 하였다. 이를 위해 문헌연구를 토대로 '학습자'와 '과학교육 맥락'의 2개 차원과, '투입', '과정', '결과'의 3개 범주로 구성된 과학교육 종합 지표 체제를 도출하였으며, 국내외에서 개발된 과학교육 관련 지표의 내용을 검토하여 지표의 요소와 세부요소를 도출하였다. 이후 과학교육연구, 초·중등 현장교육, 과학교육정책, 교육과정, 과학기술 분야의 전문가 25인을 대상으로 총 2회에 걸친 델파이 조사를 실시하여 지표의 체제와 요소의 적합성과 타당성을 검증하였으며, 과학교육 종합지표의 조사대상 및 조사도구를 확정하였다. 연구 결과, '투입' 범주에 대해서는 '학생 특성', '교사 특성', '교육 인프라'의 3개 요소가 도출되었으며, '과정' 범주에 대해서는 '과학 교육과정 운영', '과학 콘텐츠 보급 및 프로그램 운영', '교사 전문성 신장 프로그램 운영'의 3개 요소가 도출되었고, '결과' 범주에 대해서는 '과학 역량', '참여와 실천', '정의적 성취', '인지적 성취', '만족도'의 5개 요소가 도출되었다. 또한 학생, 교사, 교육청/기관으로부터 데이터를 수집할 수 있는 조사도구를 개발하였으며, 문항양호도 및 신뢰도를 검증하였다. 본 연구에서 개발한 '과학교육 종합 지표'는 우리나라 과학교육의 여건, 성과, 인식 등을 종합적으로 측정할 수 있는 지표로서 보다 효율적이고 효과적인 과학교육 정책 수립 및 추진에 기여할 것으로 기대된다.

• 인터넷정보학회논문지
• /
• 제14권6호
• /
• pp.71-84
• /
• 2013

컴퓨터 시스템 운용 간에 발생하는 많은 정보들이 기록되는 로그데이터는 컴퓨터 시스템 운용 점검, 프로세스의 최적화, 사용자 최적화 맞춤형 제공 등 다방면으로 활용되고 있다. 본 논문에서는 다양한 종류의 로그데이터들 중에서 은행에서 발생하는 대용량의 로그데이터를 처리하기 위한 클라우드 환경 하에서의 MongoDB 기반 비정형 로그 처리시스템을 제안한다. 은행업무간 발생하는 대부분의 로그데이터는 고객의 업무처리 프로세스 간에 발생하며, 고객 업무 프로세스 처리에 따른 로그데이터를 수집, 저장, 분류, 분석하기 위해서는 별도로 로그데이터를 처리하는 시스템을 구축해야만 한다. 하지만 기존 컴퓨팅환경 하에서는 폭발적으로 증가하는 대용량 비정형 로그데이터 처리를 위한 유연한 스토리지 확장성 기능, 저장된 비정형 로그데이터를 분류, 분석 처리할 수 있는 기능을 구현하기가 매우 어렵다. 이에 따라 본 논문에서는 클라우드 컴퓨팅 기술을 도입하여 기존 컴퓨팅 인프라 환경의 분석 도구 및 관리체계에서 처리하기 어려웠던 비정형 로그데이터를 처리하기 위한 클라우드 환경기반의 로그데이터 처리시스템을 제안하고 구현하였다. 제안한 본 시스템은 IaaS(Infrastructure as a Service) 클라우드 환경을 도입하여 컴퓨팅 자원의 유연한 확장성을 제공하며 실제로, 로그데이터가 장기간 축적되거나 급격하게 증가하는 상황에서 스토리지, 메모리 등의 자원을 신속성 있고 유연하게 확장을 할 수 있는 기능을 포함한다. 또한, 축적된 비정형 로그데이터의 실시간 분석이 요구되어질 때 기존의 분석도구의 처리한계를 극복하기 위해 본 시스템은 하둡 (Hadoop) 기반의 분석모듈을 도입함으로써 대용량의 로그데이터를 빠르고 신뢰성 있게 병렬 분산 처리할 수 있는 기능을 제공한다. 게다가, HDFS(Hadoop Distributed File System)을 도입함으로써 축적된 로그데이터를 블록단위로 복제본을 생성하여 저장관리하기 때문에 본 시스템은 시스템 장애와 같은 상황에서 시스템이 멈추지 않고 작동할 수 있는 자동복구 기능을 제공한다. 마지막으로, 본 시스템은 NoSQL 기반의 MongoDB를 이용하여 분산 데이터베이스를 구축함으로써 효율적으로 비정형로그데이터를 처리하는 기능을 제공한다. MySQL과 같은 관계형 데이터베이스는 복잡한 스키마 구조를 가지고 있기 때문에 비정형 로그데이터를 처리하기에 적합하지 않은 구조를 가지고 있다. 또한, 관계형 데이터베이스의 엄격한 스키마 구조는 장기간 데이터가 축적되거나, 데이터가 급격하게 증가할 때 저장된 데이터를 분할하여 여러 노드에 분산시키는 노드 확장이 어렵다는 문제점을 가지고 있다. NoSQL은 관계형 데이터베이스에서 제공하는 복잡한 연산을 지원하지는 않지만 데이터가 빠르게 증가할 때 노드 분산을 통한 데이터베이스 확장이 매우 용이하며 비정형 데이터를 처리하는데 매우 적합한 구조를 가지고 있는 비관계형 데이터베이스이다. NoSQL의 데이터 모델은 주로 키-값(Key-Value), 컬럼지향(Column-oriented), 문서지향(Document-Oriented)형태로 구분되며, 제안한 시스템은 스키마 구조가 자유로운 문서지향(Document-Oriented) 데이터 모델의 대표 격인 MongoDB를 도입하였다. 본 시스템에 MongoDB를 도입한 이유는 유연한 스키마 구조에 따른 비정형 로그데이터 처리의 용이성뿐만 아니라, 급격한 데이터 증가에 따른 유연한 노드 확장, 스토리지 확장을 자동적으로 수행하는 오토샤딩 (AutoSharding) 기능을 제공하기 때문이다. 본 논문에서 제안하는 시스템은 크게 로그 수집기 모듈, 로그 그래프생성 모듈, MongoDB 모듈, Hadoop기반 분석 모듈, MySQL 모듈로 구성되어져 있다. 로그 수집기 모듈은 각 은행에서 고객의 업무 프로세스 시작부터 종료 시점까지 발생하는 로그데이터가 클라우드 서버로 전송될 때 로그데이터 종류에 따라 데이터를 수집하고 분류하여 MongoDB 모듈과 MySQL 모듈로 분배하는 기능을 수행한다. 로그 그래프생성 모듈은 수집된 로그데이터를 분석시점, 분석종류에 따라 MongoDB 모듈, Hadoop기반 분석 모듈, MySQL 모듈에 의해서 분석되어진 결과를 사용자에게 웹 인터페이스 형태로 제공하는 역할을 한다. 실시간적 로그데이터분석이 필요한 로그데이터는 MySQL 모듈로 저장이 되어 로그 그래프생성 모듈을 통하여 실시간 로그데이터 정보를 제공한다. 실시간 분석이 아닌 단위시간당 누적된 로그데이터의 경우 MongoDB 모듈에 저장이 되고, 다양한 분석사항에 따라 사용자에게 그래프화해서 제공된다. MongoDB 모듈에 누적된 로그데이터는 Hadoop기반 분석모듈을 통해서 병렬 분산 처리 작업이 수행된다. 성능 평가를 위하여 로그데이터 삽입, 쿼리 성능에 대해서 MySQL만을 적용한 로그데이터 처리시스템과 제안한 시스템을 비교 평가하였으며 그 성능의 우수성을 검증하였다. 또한, MongoDB의 청크 크기별 로그데이터 삽입 성능평가를 통해 최적화된 청크 크기를 확인하였다.

• 지능정보연구
• /
• 제20권4호
• /
• pp.59-87
• /
• 2014

결제서비스에 대한 기존의 연구는 결제서비스의 채택요인 또는 지속적인 사용에 영향을 미치는 요인 등 행동이론을 중심으로 진행되어 왔다. 이러한 요인들이 미치는 영향에 대한 결과는 결제서비스의 종류에 따라 또는 연구 지역에 따라 상이하게 나타나고 있다. 본 연구는 결제 서비스의 종류나 문화등의 변수에 관계없이 새로운 결제 서비스가 성공할 수 있는 일반적인 요인이 무엇인지에 대한 의문에서 시작하게 되었다. 기존 연구에서 중요한 영향을 미친다고 제시한 채택요인들은 실제 결제사례의 결과에 비추어 보면 기존 연구에서 주장한 바와 일치하지 않는 경우를 볼 수 있다. 이러한 이론과 현실사이의 괴리를 발견하고 새로운 결제서비스가 성공하기 위한 근본적이고 결정적인 요인이 무엇인지에 대해 제시하고 사례연구를 통해 가설을 입증하고자 하는 것이 본 연구의 목적이다. 따라서 본 연구는 새로운 결제서비스가 성공하기 위해서는 기존 결제서비스의 비고객에게 이들이 결제할 수 있는 수단을 제공함으로써 새로운 결제 시장을 창출해야 함을 주장한다. 이를 위해 성공한 결제사례인 신용카드, 휴대폰 소액결제, PayPal, Square을 채택하였으며, 기존 결제서비스의 비고객을 3개의 계층으로 분류하여 분석하였다. 그리고 새로운 결제서비스가 어떠한 계층을 타겟으로 하였으며 이들에게 어떠한 결제수단을 제공하여 새로운 시장을 창출하였는지 제시한다. 사례 분석 결과, 성공 사례 모두 본 연구의 가설을 지지하는 것으로 나타났다. 따라서 새로운 결제서비스는 결국 기존의 결제수단으로 거래를 할 수 없었던 이들이 결제를 할 수 있도록 함으로써 성공할 수 있다는 가설을 입증하였다. 모바일 결제서비스가 아직 대중화되지 못한 원인을 본 가설에 비추어 분석해 보면 보면, 기존의 결제 인프라를 이용할 수 있는 바코드, QR코드 기반의 모바일 결제 서비스뿐만 아니라 NFC, BLE, 음파 등의 새로운 기술이 적용된 모바일 결제 서비스가 출시되는 등 새로운 시도가 계속되고 있다. 또한 모바일 월렛은 사용자들이 소지하고 있는 카드정보를 스마트폰에 저장하여 지갑 없이도 결제가 가능하며, 쿠폰 제공, 적립카드 관리, 신분증을 저장하는 등의 다양한 부가적인 기능을 제공하고 있어 성공할 것이라는 전망이 대두되고 있다. 하지만 이러한 서비스들은 본 연구 관점에서 보자면 기존 결제서비스의 비고객이(기존 결제수단을 이용할 수 없었던 사용자) 거래할 수 있는 새로운 결제 수단을 제공해 주지 못하고 있기 때문에 결국 초기사용자에게만 채택될 뿐 대중화되는데 한계가 있을 것으로 예상된다. 반면, 새로운 모바일 결제서비스의 성공사례 중 하나인 PaybyPhone은 기존 코인주차 결제서비스의 비고객인 현금 미소지 고객에게 스마트폰을 이용한 새로운 결제수단을 제공함으로써 새로운 주차 결제 시장을 창출하였으며 현재 미국뿐만 아니라 유럽시장까지 진출하는 등 급성장하고 있다. 결론적으로, 많은 이해관계자들이 모바일 결제시장을 선점하기 위해 다양한 형태의 모바일 결제 서비스를 출시하고 있지만 캐즘을 뛰어넘어 주류 시장에 성공적으로 정착할 수 있느냐는 결국 기존 결제서비스의 비고객군에게 그들이 필요로 하는 새로운 결제수단을 제공하는지의 여부에 달려있다고 볼 수 있다. 따라서 모바일 결제 서비스의 기획자나 매니저들은 서비스 기획 시 기존 결제서비스의 비고객군은 누구인가? 그들은 어떠한 결제수단을 원하는가?를 먼저 고려해야 한다. 본 연구는 새로운 결제서비스가 성공하는데 미치는 요인에 대한 가설을 검증하기 위해 4개의 성공사례를 선택하였으며 각 사례에 동일한 가설을 검증하는 '반복연구논리'를 적용하였다. 본 가설을 더욱 공고히 하기 위해 사례연구방법론에서 제시하고 있는 경쟁가설을 포함한 후속 사례연구가 진행되어야 할 것이다.

• 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.