• 한국재료학회지
• /
• 제8권12호
• /
• pp.1165-1169
• /
• 1998

제1세대 니켈계 단결정 초합금인 CMSX 6를 사용하여 셀렉타법으로 진공 정밀주조하여 단결정을 제작하였다. 주형온도 약 150$0^{\circ}C$, 주입온도 약 163$0^{\circ}C$와 용탕 주입 직후 주형을 2.5mm/분 속도로 하강시켜 단결정을 성장시켰다. 단결정 주조조직에서 기지와 공정조직은 ${\gamma}$' 석출물(Ni$_3$(Al, Ti)) 모양과 크기에 따라 각각 모두 두영역으로 구분되었으며, 공정조직의 Ti함랗은 기지보다 높았다. 즉, EPMA 및 CBED 분석 등으로 ${\gamma}$' 석출물을 분석한 결과, 기지내의 ${\gamma}$'은 크기가 0.5~0.7$\mu\textrm{m}$ 이하이며 화학조성상 Ni$_3$Al에 가까웠으며 격자구조도 Ll$_2$를 나타내었다. 반면에 공정조직에 가까울수록 ${\gamma}$' 크기는 1.0$\mu\textrm{m}$보다 컸으며, 모양도 판상형의 거대한 모양으로 바뀌었다. 화학조성 또한 Ni$_3$Ti에 가까웠으며 격자구조도 D $O_{24}$를 나타내었으므로 수지상과 공정조직의 ${\gamma}$' 석출물은 화학조성 및 격자구조가 상이함을 알 수 있었다.

• 생물환경조절학회지
• /
• 제29권2호
• /
• pp.161-170
• /
• 2020

국내 시설 농업의 99.2%를 차지하는 플라스틱온실의 내부 환경인자는 외부 환경의 변화에 민감하게 반응하고 온실 공간 내부에서 편차가 발생한다. 온도, 습도, CO₂, 광도의 환경인자를 계측하기 위한 지점을 3 × 3 × 5로 구성하여 데이터를 취득하고 내부 공간을 수직, 수평적인 측면으로 분할하여 환경 인자의 분포를 확인하였다. 계측지점의 최적점을 선정하고자 계측 공간을 수직, 수평적인 방향으로 분할하고, 측정 데이터와 이를 활용한 예측지점의 선형회귀분석 결과로 성능평가를 실시하였다. 일반적인 상황에서는 온도와 습도 인자의 경우 1개의 센서로 플라스틱온실 내부 환경의 계측이 가능할 수 있으나, 특정구간의 경우 다수의 센서를 활용하여 내부공간의 정밀성을 확보하는 것이 필요하다. CO₂의 경우 실험기간 내의 계측 매트릭스의 증가에도 불구하고 변이를 정의하는데 한계가 있음을 발견하였다. 조도 분포의 경우 일출 이후 지속적으로 회귀분석 결과가 작아짐을 발견하였다. 구조물의 간섭 등을 고려해 동일한 수평적인 방향에서 미계측 지점의 결정계수가 감소하였고, 센서 매트릭스 배치를 작물 높이 위로 위치하여 다수의 센서 노드 설치로 개선 가능하다고 예상된다. 외부 환경의 변화에 따라 온실 내부 환경이 불규칙하게 변화되며, 이 구간은 시설의 규격을 고려하여 계측 매트릭스를 구성해야 한다. 반대로 안정적인 구간에서는 최소한의 센서 노드로 내부 환경의 예측이 가능한 것을 확인할 수 있었다. 결과적으로 측정하고자 하는 환경인자와 시설의 구조 등 연구 및 재배자의 목적에 맞는 계측 매트릭스 위치 선정의 유동성이 요구되며, 덕트의 개폐위치를 조절하여 필요한 곳에 에너지를 투입하는 국소냉난방 및 생육제어 모델링 설계에 적용 가능하다고 판단된다.

• 한국지리정보학회지
• /
• 제22권2호
• /
• pp.152-171
• /
• 2019

본 연구는 한남금북정맥과 금북정맥을 대상으로 정맥에서 생성되는 찬공기의 특성을 분석하고 이를 관리하기 위한 방안을 마련하였다. 또한 한남금북정맥에 위치한 청주시를 대상으로 상세 찬공기 흐름을 파악한 후 관리전략을 제안했으며, 청주시 내에 설치된 지상기상관측소의 관측자료를 이용하여 정맥의 야간기온저감 특성을 분석하였다. 찬공기 특성 분석을 위해서 독일에서 개발된 KALM(Kaltluftabflussmodell) 모형을 활용하여 야간 6시간 동안 생성되는 찬공기 흐름 및 풍속, 그리고 찬공기 층 높이를 파악하였다. 분석 결과, 시간이 경과함에 따라 정맥에서 생성되는 찬공기는 강해졌으며, 특히 한남금북정맥의 서쪽과 금북정맥의 북쪽에서 뚜렷하게 나타났다. 찬공기 생성 360분 경과 후에는 평균적으로 약 0.45m/s의 찬공기 풍속이 분석되었으며, 최대 2.70m/s의 풍속이 관찰되었다. 찬공기 층 높이는 평균적으로 104.27m, 최대 255.00m의 두께로 쌓였다. 청주시의 찬공기 흐름의 풍속은 상당구가 0.51m/s로 평균적으로 높게 나타났으며, 찬공기 층의 높이는 흥덕구가 48.87m로 높게 분석되었다. 야간기온저감 효과 분석 결과는 찬공기 층이 높은 청남대관측소($-3.8^{\circ}C$)에서 저감정도가 가장 크게 나타남으로써, 정맥에서 생성된 찬공기의 영향이 야간기온저감에 효과를 미치고 있음을 확인할 수 있었다. 이러한 찬공기 특성 분석 결과를 바탕으로 찬공기 생성이 활발한 정맥의 주요 산지 일대를 '온도조절기능 보전지역'으로 지정하여 현재의 산림 및 지형 보전에 대해 제안했으며, 생성된 찬공기의 흐름을 원활하게 해주는 지역을 '온도조절기능 확대지역'으로 지정하여 정맥의 기능을 보완할 수 있도록 제안하였다. 본 연구의 결과는 한남금북정맥과 금북정맥의 체계적인 관리계획을 수립하고, 향후 청주시의 바람길 계획 수립시 기초자료로 활용할 수 있을 것으로 기대한다.

• 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.

• 한국수산과학회지
• /
• 제15권1호
• /
• pp.1-25
• /
• 1982

우리나라 남서부에 위치한 대표적 인공호인 옥정호에서 1980년 5월부터 1981년 8월까지 16개월 동안 매월 호소의 이화학적 요인들과 동식물 Plankton의 계절적 변동과 수직적 변동, 그리고 어류상 등을 조사하여 종합적인 육수생물학식 연구를 시행하였다. 표층수의 수온은 8월에 최고 $28.2^{\circ}C$, 1월과 2월에 최저 $3.5^{\circ}C$였다. 저층인 수신 40m 깊이의 수온은 9월이 최고 $8.5^{\circ}C$, 2월에 최저 $3.5^{\circ}C$로서 그 차이는 $5^{\circ}C$였다. 수온 만화에 따른 수온 탁층의 분포 및 수직 안정도를 보면 11월부터 3월까지 저수온기에는 완전 수직혼합이 일어나며 2월에는 표층에서 저층까지 모두 $3.5^{\circ}C$였다. 4월부터 6월까지 표층수 수온의 상승으로 인하여 표층부터 l0m 수신의 층까지에 걸쳐 양층이 형성되며, l0m 이하의 저층수는 $5.6\sim7.1^{\circ}C$의 범위로 성층이 생겼다. 고수온의 표층은 점점 깊어져 $7\sim10$월에는 $15\sim25m$ 수신에 수온탁층이 형성되어 수직 혼합이 일어나는 표층과 안정된 저층으로 구분되었다. 8월의 표층수는 $28.2^{\circ}C$, 저층수온도 상당히 상승되어 9월에는 $8.5^{\circ}C$까지 상승하여 호수의 혼합이 의외로 큰 것을 알 수 있었다. pH의 년중변화는 표층에서 6.8(1월)$\sim$9.0(8월)의 범위이며, 중층에서는 $6.5\sim7.0$, 저층에서는 $6.0\sim7.5$ 였다. DO는 년중 보화상태였고, 저수온기인 겨울철에는 약간 과보화 상태였으며, 년중 각 DO의 약층은 나타나지 않아, 저층까지 DO양은 비교적 높았다. 투명도는 최고가 2월에 4.6m 였고, 최저가 8월에 1.7m 였으며 1980년 8월의 예비조사시에도 8월에 0.9m로 조사기간중 최하였다. 이렇게 낮은 투명도는 이 때 최대로 번모한 Anabaena spiroides, Melosira granulata 등 때문인 것으로 생각된다. 염소양, 지산태 지소, COD, 인산염의 분석결과는 1980년의 값에 비하여 1931년의 값이 다소 증가된 경향을 보인다. 또 칼슘, Mg, Fe와 같은 무기물질들의 분석결과로 보아 옥정호의 수질은 연수로 평가되었고 크룸이나 수은과 같은 중금속물질들도 극히 미양 검출되었다. 조사기관신 본 호에서 채집된 Plankton의 출현종은 모두 7과 72속 107종이었다. 그 중 Phytoplankton은 Cyanophyta가 12종, Bacillariophyta 19종, Chlorophyta 23종이었고, Zooplankton은 Protozoa14종, Rotifera 29종, Cladocera 4종, Copepoda 6종이었다. Phytoplankton의 생산은 $7\sim10$월의 대번식(Peak는 10월 $1,504\times10^3\;cells/l$)과 $1\sim4$월의 소번식(Peak2월 $236\times10^3\;cells/l$)의 2회의 Peak를 나타냈다. Phytoplankton의 종 조성 만화의 양상을 보면 Melosira granulata, Anabaena spiroides와 같이 고수온기인 $7\sim10$월에 번무하는 무리, Asterionella gracillima, Synedra acus, S. ulna와 같이 저수온기에 다양 출현하여 겨울철에 번무하는 무리, 그리고 Microcystis aeruginosa, Ankistrodesmus falcatus와 같이 소양씩 주년 출현하는 세 무리로 대별할 수 있다. Zooplankton의 종 조성 및 출현 양상을 보면 주요 종들은 Thermocyclops taihokuensis, Difflugia corona, Bosmina longirostris, Bosminopsis deitersi, Keratella quadrata, Asplanchna priodonta, A. herricki 등이며, 이들은 $10\sim11$월부터 익년 2월 혹은 4월까지의 저수온기에 출현이 없거나 있어도 매우 적었다. 수직 일견변동은 주로 Microcystis aeruginosa, M. incerta, Anabaena spiroides, Melosira granulata, Bosmina longirstris에 의하여 나타났다. 특히 M. granulata는 일몰과 더불어 저층으로 밀집하는 이동을 했으며 B. longirostris는 일몰과 더불어 표층으로 부상하고 일출과 더불어 전 수층에 확산되는 양상을 보였다. 본 호에서 채집된 어류는 10과 31속 41종이었다. 그 중 Pseudoperilampus uyekii와 Coreoleuciscus splendidus를 포함한 13종의 어류는 한국 특산종으로 우리나라의 다른 호소들에 비하여 어류상이 다양하였다.