• Asian Journal of Business Environment
• /
• 제12권4호
• /
• pp.13-24
• /
• 2022

Purpose: Motivated by an expedited growth and distribution of Online Food-Delivery (OFD) services, especially during the recent Covid-19 pandemic, this research aims to explore 1) how consumers' sustainability considerations are associated with satisfaction with the services via opt-out cutlery options and 2) the role of the pandemic in the relationships between sustainability considerations, attitudes toward opt-out cutlery options, and satisfaction with the OFD services. Data and Methodology: An analysis of survey data using 434 consumers in the United States recruited from Amazon M-Turk was conducted using structural equation modeling. Results: Findings suggest that consumers' environmental, health, and ethical considerations are positively related to their attitudes toward opt-out cutlery options. Furthermore, attitudes toward opt-out cutlery options are positively related to satisfaction with the OFD services only when they feel connected with the environment, driven by perceived threats of an infectious disease (i.e. Covid-19). Conclusion: The study findings provide new insights to managers in the OFD service industry on how to promote sustainable consumption during the pandemic.

• 한국멀티미디어학회논문지
• /
• 제19권8호
• /
• pp.1516-1529
• /
• 2016

While global manufacturing is becoming more competitive due to variety of customer demand, increase in production cost and uncertainty in resource availability, the future ability of manufacturing industries depends upon the implementation of Smart Factory. With the convergence of new information and communication technology, Smart Factory enables manufacturers to respond quickly to customer demand and minimize resource usage while maximizing productivity performance. This paper presents the development of a big data analytics platform architecture for Smart Factory. As this platform represents a conceptual software structure needed to implement data-driven decision-making mechanism in shop floors, it enables the creation and use of diagnosis, prediction and optimization models through the use of data analytics and big data. The completion of implementing the platform will help manufacturers: 1) acquire an advanced technology towards manufacturing intelligence, 2) implement a cost-effective analytics environment through the use of standardized data interfaces and open-source solutions, 3) obtain a technical reference for time-efficiently implementing an analytics modeling environment, and 4) eventually improve productivity performance in manufacturing systems. This paper also presents a technical architecture for big data infrastructure, which we are implementing, and a case study to demonstrate energy-predictive analytics in a machine tool system.

• Smart Structures and Systems
• /
• 제31권2호
• /
• pp.183-197
• /
• 2023

For long-span bridges with a structural health monitoring (SHM) system, environmental temperature-driven responses are proved to be a main component in measurements. However, anomalous structural behavior may be hidden incomplicated recorded data. In order to receive reliable assessment of structural performance, it is important to study therelationship between temperature and monitoring data. This paper presents an application of the cointegration based methodology to detect anomalies that may be masked by temperature effects and then forecast the temperature-induced deflection (TID) of long-span suspension bridges. Firstly, temperature effects on girder deflection are analyzed with fieldmeasured data of a suspension bridge. Subsequently, the cointegration testing procedure is conducted. A threshold-based anomaly detection framework that eliminates the influence of environmental temperature is also proposed. The cointegrated residual series is extracted as the index to monitor anomaly events in bridges. Then, wavelet separation method is used to obtain TIDs from recorded data. Combining cointegration theory with autoregressive moving average (ARMA) model, TIDs for longspan bridges are modeled and forecasted. Finally, in-situ measurements of Xihoumen Bridge are adopted as an example to demonstrate the effectiveness of the cointegration based approach. In conclusion, the proposed method is practical for actual structures which ensures the efficient management and maintenance based on monitoring data.

• 한국BIM학회 논문집
• /
• 제14권2호
• /
• pp.1-12
• /
• 2024

The paper proposes a methodology that combines the Random Sample Consensus (RANSAC) algorithm and the Point Cloud Encoder-Decoder Network (PCEDNet) algorithm to automatically extract the length of infrastructure elements from point cloud data acquired through 3D LiDAR scans of retaining walls. This methodology is expected to significantly improve time and cost efficiency compared to traditional manual measurement techniques, which are crucial for the data-driven analysis required in the precision-demanding construction sector. Additionally, the extracted positional and dimensional data can contribute to enhanced accuracy and reliability in Scan-to-BIM processes. The results of this study are anticipated to provide important insights that could accelerate the digital transformation of the construction industry. This paper provides empirical data on how the integration of digital technologies can enhance efficiency and accuracy in the construction industry, and offers directions for future research and application.

• 한국산학기술학회논문지
• /
• 제21권11호
• /
• pp.494-500
• /
• 2020

디자인 대안들을 검토하는 설계 초기단계에서 복잡한 건축물 형상을 시각적으로 구현하기 위해서는 여러 모델링 기법이 요구된다. 형태를 정의해주는 기하학적 속성들을 포함한 형상정보를 서로 다른 디지털 플랫폼 사이에서 프로세스의 연속성을 유지한 채 변환하는 과정에는 상당한 기술적 제약이 존재하고 있다. 이에, 본 연구는 디자인 도구로서 3D 모델링 소프트웨어(McNeel Rhino 3D)와 BIM 시스템(Autodesk Revit Architecture)사이에서 데이터 변환을 위한 호환체계를 제시하고자 한다. 이를 위해, 중간 형식의 파일을 불러들이는 기존의 방식이 아니라, 곡면형상에 내재된 수학적 함수관계를 정의한 NUBS 속성을 지원해주는 파일 포맷(3DM)을 링크시키는 인터페이싱 방법론에 기반한다. 즉, 시각적 프로그래밍 도구인 다이나모(Autodesk Dynamo for Revit)를 이용하여 형상정보를 매스 패밀리와 연동시켜주는 알고리즘을 구현함으로써, 여러 계획안들의 형상으로부터 면적정보의 자동적인 산출이 가능하게 되어 초기 설계단계에서의 규모 검토에 적용 가능하다. 알고리즘 기반의 데이터 호환을 구현한 본 연구 성과는 정형과 비정형 형상의 오피스 건축물을 대상으로 실무에서 요구되는 작업환경 설정을 템플릿 형식의 가이드라인으로 제공하는 동시에, 설계 지원 도구로서 그 활용성이 기대된다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2021년도 학술논문집
• /
• pp.181-185
• /
• 2021

본 연구는 학교현장에서 지속적으로 강조되고 있는 학교폭력 예방을 위한 방안을 도출하기 위한 노력의 일환으로 최근의 학교폭력 관련 이슈화되고 있는 주제를 데이터과학의 관점으로 살펴보고자 하였다. 특히, 온라인 SNS데이터를 활용하여 학교폭력 관련 게시물을 크롤링하고 토픽모델링 방법을 활용하여 유형별 특징을 살펴보고자 하였다. 토픽모델링 분석을 통해 도출된 주제별 키워드를 유형별로 정리한 결과를 통해 대체로 학교폭력의 피해 예방과 가해자 처벌 및 조치사안에 대한 내용으로 크게 3가지의 내용으로 구분할 수 있었다. 첫째, 학교폭력 예방활동에 대한 내용으로서 학교폭력예방을 위한 전문 기구들의 역할에 대한 내용이다. 둘째, 학교폭력에 대한 조치사항과 절차에 대한 내용으로 도출되었다. 셋째, 학교폭력의 최근 현안에 대한 내용에 대해서 살펴볼 수 있었다. 추후 연구에서는 데이터기반의 예측을 기반으로 당면하고 있는 사회적 문제해결에 활용하는 연구가 수행될 필요가 있다.

• 한국수자원학회논문집
• /
• 제55권10호
• /
• pp.707-721
• /
• 2022

본 총설연구에서는 도시침수 모의 기술의 체계와 발전 과정을 정리하고, 주요 성과와 한계점을 파악하여 향후 연구 방향과 도전 과제를 제시하였다. 이를 위해 2000년대 이후 국내 주요 학술논문집에 수록된 도시침수 모의 관련 논문 160여편을 분석하여 연구의 핵심 주제와 내용을 살펴본 후, 물리 및 데이터 기반 모형의 침수모의 세부 방법론별로 기술의 발전 현황에 대해 정리하였다. 또한, 국내 도시침수 모의 기술의 활용목적별 동향, 국외 및 연관 분야 연구동향에 대해서도 분석하였다. 국내 도시침수 모의 연구에서 Storm Water Management Model (SWMM) 모형을 활용하는 비율이 60%를 넘는 것으로 조사되었으며, 이중 배제(dual drainage)의 도시침수 물리 과정을 상세히 해석하는 국내 기술에 대한 연구가 필요한 것으로 판단되었다. 한편, 딥러닝(deep learning) 등 데이터 기반 모의 기술은 도시침수 해석의 새로운 분야로 자리매김하였다. 다만, 모형 훈련을 위한 극한기상조건에 대한 침수자료는 관측 만으로 확보할 수 없으므로, 고정확도 물리 모형과 데이터 기반 모형 연구는 상호보완적으로 진행되어야 할 필요가 있다. 도시침수 모의 기술은 인공지능이나 IoT, 메타버스 등 타 분야 신기술과의 접목이 활발히 이루어지고 있으며, 기후 위기 적응과 재해 피해 저감을 위해 지속적인 사회적 투자와 융합 연구가 필요한 분야로 판단된다.

• 지구물리와물리탐사
• /
• 제26권3호
• /
• pp.114-125
• /
• 2023

편미분방정식의 해를 구하기 위한 여러 수치해법들의 한계와 순수 데이터 기반 기계학습의 단점을 극복하기 위해 물리정보신경망(physics-informed neural network, PINN)이 제안되었다. 물리정보신경망은 편미분방정식을 손실함수 구성에 직접 활용하여 기계학습 훈련에 물리적 제약을 주는 기법으로 파동방정식 모델링에도 활용될 수 있다. 그러나 물리정보신경망을 이용하여 파동방정식을 풀기 위해서는 신경망 훈련 시 입력에 대한 2차 미분이 수행되어야 하고, 그 결과로 출력되는 파동장은 복잡한 역학적 현상들을 포함하고 있어 섬세한 전략이 필요하다. 이 해설 논문에서는 물리정보신경망의 기본 개념을 설명하고 파동방정식 모델링에 활용하기 위한 고려사항들에 대해 고찰하였다. 이러한 고려사항에는 공간좌표 정규화, 활성함수 선정, 물리손실 추가 전략이 포함된다. 훈련자료의 공간좌표를 정규화한 후 사용하면 파동방정식 모델링을 위한 신경망 훈련에서 초기 조건이 더 정확하게 반영되는 것을 수치 실험을 통해 보였다. 또한 신경망을 통한 파동장 예측에 가장 적절한 활성함수를 선정하기 위해 여러 함수들의 특성을 비교했다. 특성 비교는 각 활성함수들의 입력자료에 대한 미분과 수렴성을 중심으로 이루어졌다. 마지막으로 신경망 훈련 중 손실함수에 물리손실을 추가하는 두가지 시나리오의 결과를 비교하였다. 수치 실험을 통해 훈련 초기부터 물리손실을 활용하는 전략보다 초기 훈련단계 이후부터 물리손실을 적용하는 커리큘럼 기반 학습전략이 효과적이라는 결과를 도출했다. 추가로 이 결과를 물리손실을 전혀 사용하지 않은 훈련 결과와 비교하여 PINN기법의 효과를 확인하였다.

• Ocean and Polar Research
• /
• 제30권2호
• /
• pp.129-140
• /
• 2008

As a preliminary effort to establish a data assimilative ocean forecasting system, we reviewed the theory of the Ensemble Kamlan Filter (EnKF) and developed practical techniques to apply the EnKF algorithm in a real ocean circulation modeling system. To verify the performance of the developed EnKF algorithm, a wind-driven double gyre was established in a rectangular ocean using the Regional Ocean Modeling System (ROMS) and the EnKF algorithm was implemented. In the ideal ocean, sea surface temperature and sea surface height were assimilated. The results showed that the multivariate background error covariance is useful in the EnKF system. We also tested the sensitivity of the EnKF algorithm to the localization and inflation of the background error covariance and the number of ensemble members. In the sensitivity tests, the ensemble spread as well as the root-mean square (RMS) error of the ensemble mean was assessed. The EnKF produces the optimal solution as the ensemble spread approaches the RMS error of the ensemble mean because the ensembles are well distributed so that they may include the true state. The localization and inflation of the background error covariance increased the ensemble spread while building up well-distributed ensembles. Without the localization of the background error covariance, the ensemble spread tended to decrease continuously over time. In addition, the ensemble spread is proportional to the number of ensemble members. However, it is difficult to increase the ensemble members because of the computational cost.

• 한국과학교육학회지
• /
• 제40권5호
• /
• pp.543-563
• /
• 2020

본 연구는 초등학교에서 과학적 모델 구성 수업을 적용하는 동안, 두 교사의 수업 실행이 어떻게 변화하였는지 탐색하고, 이러한 변화를 교사의 모델링 PCK 발달 측면에서 이해하고자 하였다. 연구 참여자는 초등학교 5학년 2개 반 학생들과 이들을 가르치는 교사 2명이었고, 과학의 '우리 몸의 구조와 기능' 단원에서 4가지 주제로 총 8차시 동안 모델링 수업을 도입하였다. 자료 분석은 전체 수업 중 교사의 변화를 가장 잘 보여주는 수업 초반(1-2차시)과 수업 후반(7-8차시)을 대상으로 이루어졌으며, 두 교사의 수업 실행 변화 및 이와 연관된 모델링 PCK를 분석하였다. 수업 실행 변화는 GEM cycle의 모델 생성, 평가, 수정 단계에서 각 단계에 할애한 시간과, 피드백의 양 및 피드백의 내용 측면에서 분석되었다. 연구 결과, A교사는 수업 전반에 걸쳐 교사 주도적으로 평가와 수정 단계를 이끌었으며, 수업 초반에 비해 후반에 모델 평가 및 수정 단계에 사용한 시간이 증가하였다. 또한 피드백 측면에서 수업 초반에는 정답 평가 피드백을 사용하였으나, 수업 후반에는 사고 유도 피드백을 사용하는 것으로 피드백의 내용이 변화하였다. 한편, B교사는 수업 초반에는 거의 교사 주도적으로 모델을 평가하고 수정하였으나, 수업 후반에는 메타 인지적 피드백 등 다양한 종류의 피드백을 통해 학생 주도적으로 모델을 평가하고 수정하게 함으로써, 그들이 스스로 지식을 구성하고 모델을 발달시킬 수 있도록 도왔다. 인터뷰 결과, 두 교사의 수업 실행 변화는 여러 가지 모델링 PCK 구성요소의 발달이 바탕이 된 것으로 분석되었다. 또한, 두 교사의 수업 실행 변화 정도가 다르게 나타난 원인을 모델링 PCK에서 탐색한 결과, 두 교사는 모델링 PCK 중에서 교수 지향, 모델링 단계에 대한 이해, 모델링의 가치 인식 정도에서 차이를 보여, 모델링 수업 실행에서 이것의 중요성을 암시한다. 본 연구는 교사의 모델링 수업 실행 변화의 사례를 제공하고, 이와 관련된 모델링 PCK를 밝힘으로써 모델링 수업 개선 방법에 대한 이해 증진에 도움을 줄 수 있을 것이다.