• 한국세라믹학회지
• /
• 제24권1호
• /
• pp.47-55
• /
• 1987

The purpose of this work is to establish the basic calibration data for the efficiency of grinding by investigating the Bond's Work Index employing Korean Kaolin as a reference mateial with the laboratory-scale ball mill. A small ordinary ball mill has a dimension of 133 inside diameter and 144mm long. The analysis of the experimental results in this work sets up a equivalent calibration method with the laboratory-scale ball mill to those with special mill. The theoretical expression, derived from the rate equation proposed by Miwa, is obtained to anticipitate the stable revolution number for the next grinding cycle. The proposed equation is more systematic and acurate than lshihara's empirical equation is more systematic and acurate than lshihara's empirical equation for the measurement of gindability of a ball mill.

• 대한환경공학회지
• /
• 제22권6호
• /
• pp.1139-1148
• /
• 2000

산업 폐기물 중 다량으로 발생하는 제강슬래그의 재활용을 위하여 -14/+24mesh 정도 크기의 슬래그를 미분말로 분쇄시 최적 조건을 조사하고 경제적인 분쇄조건을 확립하기 위하여 요구되는 동력을 산출하였다. 이를 위한 분쇄조건으로 ball mill의 회전속도, 분쇄시간, ball의 충진량, 시료의 충진량과 크기 등을 선정하였고 이에 대한 분쇄효율을 산출하였다. 본 연구에서는 임계회전속도의 79% 정도에 해당되는 값이 최적의 회전속도인 것으로 조사되었다. 분쇄시간에 따른 분쇄정도는 일반적으로 시간이 증가함에 따라 증가하는 것으로 나타났지만 분쇄 초기에 비해 분쇄가 더 진행될수록 분쇄효율은 감소하는 것으로 나타났다. Ball의 충진율은 mill내부 용량의 50%인 경우에 최척의 분쇄효율을 보였고, 시료의 충진량과 크기에 따른 입도초사 실험 에서는 시료의 충진량이 적고 원시료의 크기가 작을수록 분쇄정도는 증가하였다. 위의 결과에 의해 Bond의 식을 사용하여 동력효율을 계산한 결과 분쇄시간이 길수록 그리고 회전속도가 최적인 조건에서 동력효율이 가장 크게 나타나고 있음이 관찰되었다.

• 에너지공학
• /
• 제28권1호
• /
• pp.1-9
• /
• 2019

석탄 화력발전소의 배연탈황공정에서 탈황용 흡수제로 사용하는 석회석을 대상으로 본드의 분쇄일지수(BWI) 및 하드그로브지수(HGI) 측정 후 분쇄효율을 비교하였다. 측정결과, 국내 탈황용 석회석의 분쇄성지수는 HGI가 증가함에 따라 BWI가 감소하는 선형적인 반비례 관계를 확인할 수 있었으며, 석회석의 화학조성 및 채광위치에 따른 결정구조에 따라 분쇄효율의 차이가 발생하였다. 이에 따라, 석회석의 분쇄성을 측정할 경우 측정방법이 까다롭고 시간이 오래 걸리는 BWI 보다 간편하게 측정할 수 있는 HGI를 활용하여도 시료의 분쇄성 차이를 확인할 수 있을 것으로 사료되며, 분쇄 특성에 따른 석회석의 선택적 활용 시 탈황효율 또한 향상시킬 수 있을 것으로 판단된다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.127-146
• /
• 2017

상품자산(Commodity Asset)은 주식, 채권과 같은 전통자산의 포트폴리오의 안정성을 높이기 위한 대체투자자산으로 자산배분의 형태로 투자되고 있지만 주식이나 채권 자산에 비해 자산배분에 대한 모델이나 투자전략에 대한 연구가 부족한 실정이다. 최근 발전한 기계학습(Machine Learning) 연구는 증권시장의 투자부분에서 적극적으로 활용되고 있는데, 기존 투자모델의 한계점을 개선하는 좋은 성과를 나타내고 있다. 본 연구는 이러한 기계학습의 한 기법인 SVM(Support Vector Machine)을 이용하여 상품자산에 투자하는 모델을 제안하고자 한다. 기계학습을 활용한 상품자산에 관한 기존 연구는 주로 상품가격의 예측을 목적으로 수행되었고 상품을 투자자산으로 자산배분에 관한 연구는 찾기 힘들었다. SVM을 통한 예측대상은 투자 가능한 대표적인 4개의 상품지수(Commodity Index)인 골드만삭스 상품지수, 다우존스 UBS 상품지수, 톰슨로이터 CRB상품지수, 로저스 인터내셔날 상품지수와 대표적인 상품선물(Commodity Futures)로 구성된 포트폴리오 그리고 개별 상품선물이다. 개별상품은 에너지, 농산물, 금속 상품에서 대표적인 상품인 원유와 천연가스, 옥수수와 밀, 금과 은을 이용하였다. 상품자산은 전반적인 경제활동 영역에 영향을 받기 때문에 거시경제지표를 통하여 투자모델을 설정하였다. 주가지수, 무역지표, 고용지표, 경기선행지표 등 19가지의 경제지표를 이용하여 상품지수와 상품선물의 등락을 예측하여 투자성과를 예측하는 연구를 수행한 결과, 투자모델을 활용하여 상품선물을 리밸런싱(Rebalancing)하는 포트폴리오가 가장 우수한 성과를 나타냈다. 또한, 기존의 대표적인 상품지수에 투자하는 것 보다 상품선물로 구성된 포트폴리오에 투자하는 것이 우수한 성과를 얻었으며 상품선물 중에서도 에너지 섹터의 선물을 제외한 포트폴리오의 성과가 더 향상된 성과를 나타남을 증명하였다. 본 연구에서는 포트폴리오 성과 향상을 위해 기존에 널리 알려진 전통적 주식, 채권, 현금 포트폴리오에 상품자산을 배분하고자 할 때 투자대상은 상품지수에 투자하는 것이 아닌 개별 상품선물을 선정하여 자체적 상품선물 포트폴리오를 구성하고 그 방법으로는 기간마다 강세가 예측되는 개별 선물만을 골라서 포트폴리오를 재구성하는 것이 효과적인 투자모델이라는 것을 제안한다.