• Composites Research
• /
• 제34권3호
• /
• pp.192-198
• /
• 2021

전기차의 수요 및 보급이 확대됨에 따라 차량 내 이음(buzz, squeak, rattle, BSR) 개선에 대한 요구가 커지고 있다. 이에 풍절음, 도어 글라스 및 차량 진동을 차단하는 인너벨트 웨더스트립(innerbelt weatherstrip)의 댐핑(damping) 특성 향상을 통해 BSR을 저감하는 기술 개발이 필수적이다. 기존 열경화성(thermoset) 탄성체 대비 가볍고 재활용이 가능한 열가소성(thermoplastic) 탄성체가 주목을 받고 있지만 낮은 소재 댐핑과 영구압축줄음률(compression set)로 인해 도어 글라스와 웨더스트립 간 마찰 소음을 발생하는 문제가 있다. 고분자 댐핑 특성은 점탄성(viscoelastic)에 좌우되므로, 본 연구에서는 인너벨트 웨더스트립과 도어 글라스 간 마찰 소음을 개선하기 위해 EPDM (ethylene-propylene-diene monomer)/PP (polypropylene) thermoplastic vulcanizates (TPV)의 재료설계인자(EPDM/PP 비율, EPDM 내 ENB 함량)에 따른 점탄성 분석을 통해 소재 댐핑 특성을 평가하였다. EPDM/PP 비율에 따른 분석을 통해 PP 비율이 낮을수록 소재가 연화되고, 탄성회복력(resilience)이 증가하여 저장탄성률(storage modulus)은 10.8% 감소하고 댐핑 특성을 의미하는 감쇠계수(tanδ)는 88.2% 증가함을 확인하였다. 또한 EPDM 내 ENB 함량이 높을수록 소재의 가교밀도(crosslink density)가 증가하지만, 동적가교(dynamic vulcanizate) 과정 중 PP에 분산된 EPDM particle의 크기가 감소한다. 이로 인해 증가된 EPDM/PP 계면 간 면적 증가로 인해 계면 미끄러짐에서 기인한 손실탄성률(loss modulus)이 24.7% 증가하여 댐핑 특성이 향상되었다. 재료설계인자에 따른 물성분석을 바탕으로 최적 소재(낮은 PP 비율(14 wt%), 높은 ENB 함량 (8.9 wt%))를 배합한 결과 소재 댐핑 특성(tanδ peak)은 기존 소재(PP27, EPDM/PP 30/27, ENB content 5.7 wt%) 대비 140% 증가하여 재료설계인자에 따라 댐핑 특성을 제어할 수 있음을 확인하였다. 설계된 소재의 글라스 마찰 소음 개선 효과를 확인하기 위해 stick-slip 시험을 통해 마찰 소음을 평가하였다. 소재 댐핑 특성이 향상됨에 따라 마찰 진동의 가속도 peak가 약 57.9% 감소하였다. 이러한 결과로부터 재료설계인자에 따른 소재 댐핑 특성 향상을 통해 인너벨트 웨더스트립의 글라스 마찰 소음을 개선할 수 있음을 확인하였으며, 향후 소재 재료설계인자에 따른 물성 제어를 통해 부품의 요구 성능에 맞는 다양한 재료설계에 활용할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.1-19
• /
• 2018

최근 딥러닝은 오디오, 텍스트 및 이미지 데이터와 같은 비 체계적인 데이터를 대상으로 다양한 추정, 분류 및 예측 문제에 사용 및 적용되고 있다. 특히, 의류산업에 적용될 경우 딥러닝 기법을 활용한 의류 인식, 의류 검색, 자동 제품 추천 등의 심층 학습을 기반으로 한 응용이 가능하다. 이 때의 핵심모형은 합성곱 신경망을 사용한 이미지 분류이다. 합성곱 신경망은 입력이 전달되고 출력에 도달하는 과정에서 가중치와 같은 매개 변수를 학습하는 뉴런으로 구성되고, 영상 분류에 가장 적합한 방법론으로 사용된다. 기존의 의류 이미지 분류 작업에서 대부분의 분류 모형은 의류 이미지 자체 또는 전문모델 착용 의류와 같이 통제된 상황에서 촬영되는 온라인 제품 이미지를 사용하여 학습을 수행한다. 하지만 본 연구에서는 통제되지 않은 상황에서 촬영되고 사람들의 움직임과 다양한 포즈가 포함된 스트릿 패션 이미지 또는 런웨이 이미지를 분류하려는 상황을 고려하여 분류 모형을 훈련시키는 효과적인 방법을 제안한다. 이동성을 포착하는 런웨이 의류 이미지로 모형을 학습시킴으로써 분류 모형의 다양한 쿼리 이미지에 대한 적응력을 높일 수 있다. 모형 학습 시 먼저 ImageNet 데이터셋을 사용하여 pre-training 과정을 거치고 본 연구를 위해 수집된 32 개 주요 패션 브랜드의 2426개 런웨이 이미지로 구성된 데이터셋을 사용하여 fine-tuning을 수행한다. 학습 과정의 일반화를 고려해 10번의 실험을 수행하고 제안된 모형은 최종 테스트에서 67.2 %의 정확도를 기록했다. 본 연구 모형은 쿼리 이미지가 런웨이 이미지, 제품 이미지 또는 스트릿 패션 이미지가 될 수 있는 다양한 분류 환경에 적용될 수 있다. 구체적으로는 패션 위크에서 모바일 어플리케이션 서비스를 통해 브랜드 검색을 용이하게 하는 서비스를 제공하거나, 패션 잡지사의 편집 작업에 사용되어 브랜드나 스타일을 분류하고 라벨을 붙일 수 있으며, 온라인 쇼핑몰에서 아이템 정보를 제공하거나 유사한 아이템을 추천하는 등의 다양한 목적에 적용될 수 있다.

• 지능정보연구
• /
• 제20권1호
• /
• pp.149-161
• /
• 2014

공공 서비스의 수출의 경우 수출 절차와 대상 선정에 따른 다양한 문제가 발생하며, 공공 서비스 수출 플랫폼은 이러한 문제점들을 해결하기 위하여 사용자 중심의 유연하고, 개방형 구조의 디지털 생태계를 조성할 수 있도록 구현되어야 한다. 또한 공공서비스의 수출은 다수의 이해당사자가 참여하고 여러 단계의 과정을 거쳐야 하므로 사용자의 이해 종류와 탐색 컨설팅 협상 계약 등 수출 프로세스 단계별로 맞춤형 플랫폼 서비스 제공이 필수적이다. 이를 위해서 플랫폼 구조는 도메인과 정보의 정의 및 공유는 물론 지식화를 지원할 수 있어야 한다. 본 논문에서는 공공서비스 수출을 지원하는 플랫폼을 위한 온톨로지 모형을 제안한다. 서비스 플랫폼의 핵심 엔진은 시뮬레이터 모듈이며 시뮬레이터 모듈에서는 온톨로지를 사용하여 수출 비즈니스의 여러 컨텍스트들을 파악하고 정의하여 다른 모듈들과 공유하게 된다. 온톨로지는 공유 어휘를 통하여 개념들과 그들 간의 관계를 표현할 수 있으므로 특정 영역에서 구조적인 틀을 개발하기 위한 메타 정보를 구성하는 효과적인 도구로 잘 알려져 있다. 공공서비스 수출 플랫폼을 위한 온톨로지는 서비스, 요구사항, 환경, 기업, 국가 등 5가지 카테고리로 구성되며 각각의 온톨로지는 요구분석과 사례 분석을 통하여 용어를 추출하고 온톨로지의 식별과 개념적 특성을 반영하는 구조로 설계한다. 서비스 온톨로지는 목적효과, 요구조건, 활동, 서비스 분류 등으로 구성되며, 요구사항 온톨로지는 비즈니스, 기술, 제약으로 구성 된다. 환경 온톨로지는 사용자, 요구조건, 활동으로, 기업 온톨로지는 활동, 조직, 전략, 마케팅, 시간으로 구성되며, 국가 온톨로지는 경제, 사회기반시설, 법, 제도, 관습, 인프라, 인구, 위치, 국가전략 등으로 구성된다. 수출 대상 서비스와 국가의 우선순위 리스트가 생성되면 갭(gap) 분석과 매칭 알고리즘 등의 시뮬레이터를 통하여 수출기업과 수출지원 프로그램과의 시스템적 연계가 이루어진다. 제안하는 온톨로지 모형 기반의 공공서비스 수출지원 플랫폼이 구현되면 이해당사자 모두에게 도움이 되며 특히 정보 인프라와 수출경험이 부족한 중소기업에게 상대적으로 더 큰 도움이 될 것이다. 또한 개방형 디지털 생태계를 통하여 이해당사자들이 정보교환, 협업, 신사업 기획 등의 기회를 만들 수 있을 것으로 기대한다.