• Journal of Ship and Ocean Technology
• /
• 제5권3호
• /
• pp.1-13
• /
• 2001

Present-day rules and regulations for the design and construction of ships are almost without exemption of a prescriptive and deterministic nature. Often it is argued that this situation is far from ideal; it does no right to the advances, which have been made during the past decades in engineering tools in marine technology, both in methodology and in computational power. Within IMO this has been realized for some time and has resulted in proposals to use Formal Safety Assessment(FSA) as a tool to improve and to modernize the rule making process. The present paper makes use of elements of the FSA methodology, but instead of working towards generic regulations or requirements, a Risk Assessment Approach, not unlike a 'safety case'; valid for a certain ship or type of ship is worked out. Delft University of Technology investigated the application of safely assessment procedures in ship design, in co-operation with Anthony Veder Shipowners and safety experts from Safely Service Center BV. The ship considered is a semi-pressurized-fully refrigerated LPG carrier. On the basis of the assumption that a major accident occurs, various accident, scenarios were considered and assessed, which would impair the safety of the carrier. In a so-called Risk Matrix, in which accident frequencies versus the consequence of the scenarios are depicted, the calculated risks all appeared lo be in the ALARP('as low as reasonable practicable') region. A number of design alternatives were compared, both on safety merits and cost-effectiveness. The experience gained with this scenario-based approach will be used to establish a set of general requirements for safety assessment techniques in ship design. In the view that assessment results will be most probably presented in a quasi-quantified manner, the requirements are concerned with uniformity of both the safety assessment. These requirements make it possible that valid comparison between various assessment studies can be made. Safety assessment, founded on these requirements, provides a validated and helpful source of data during the coming years, and provides naval architects and engineers with tools experience and data for safety assessment procedures in ship design. However a lot of effort has to be spent in order to make the methods applicable in day-to-day practice.

• 한국지반환경공학회 논문집
• /
• 제11권6호
• /
• pp.5-20
• /
• 2010

1차원 등가선형 지반응답해석은 지반에 의한 지진동의 증폭현상을 모사하는데 널리 사용되고 있다. 등가선형해석은 적은 수의 입력변수를 필요로하므로 사용하기 편리하며 해석 소요시간이 짧다는 장점을 가지고 있는 반면, 시간에 따라서 변화하는 지반의 비선형 거동을 모사할 수 없으며 일정한 전단탄성계수와 감쇠비를 해석 내내 적용하는 선형해석이라는 단점을 가지고 있다. 이와 같은 등가선형해석의 단점을 보완하기 위하여 진동 주파수와 변형률과의 관계를 모사하는 다양한 형태의 수정된 등가선형해석기법들이 개발되었다. 수정된 기법들은 전단변형률 푸리에 스펙트럼을 사용한다는 점에서는 동일하지만, 이로부터 변형률의 주파수 의존도를 정의하는 과정에서는 차이를 보이고 있다. 본 연구에서는 두 가지 수정된 등가선형해석기법들의 정확성을 평가하기 위하여 국내에서 조사된 두 개의 토층에서 일련의 비선형, 등가선형, 수정된 등가선형 지반응답해석을 수행하였다. 해석 결과, 수정된 등가선형해석기법들은 고주파수 요소를 과대 예측할 수 있으며, 특히 고주파수 요소가 풍부한 인공지진파를 입력 지진파로 사용하였을 경우 비현실적인 응답이 계산될 수 있는 것으로 나타났다.

• Korean Chemical Engineering Research
• /
• 제59권3호
• /
• pp.417-428
• /
• 2021

낮은 반응성으로 인해 복잡한 공정이 필요한 무연탄은 순환유동층 내의 동적 거동을 통해 연소 특성이 고찰되어야 한다. Pilot 규모의 0.1MW_th 급 순산소 순환유동층 연소로에서의 무연탄 연소 특성을 고찰하기 위하여 본 연구에서는 전산유체해석 기법을 이용하였다. 순산소 순환유동층 보일러는 연소로(0.15 m l.D., 10 m High), 싸이클론, 재순환부 등으로 구성되었고 동일한 크기의 3D 모델 반응기를 구축하였다.실험에 사용한 무연탄은 평균 입도 1,070 ㎛, 밀도 2,326 kg/m³이다. 공기 연소에서 순산소 연소로의 연소 환경 변화에 따른 반응기 내부의 기-고 흐름 패턴을 고찰하였다. 이때, 공기 연소와 순산소 연소에서 온도 분포는 비슷한 양상을 보이지만 압력 분포는 순산소 연소에서 더 낮음을 알 수 있었다. 더불어 공기 연소에 비해 순산소 연소에서 더 높은 CO₂ 농도를 가지므로 이산화탄소 포집이 활발히 이루어질 것을 예상해 볼 수 있다. 결과적으로 본 연구를 통해 무연탄 활용 시 순환유동층 반응기의 최적화된 설계 및 운전에 기여할 수 있음을 확인하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제9권12호
• /
• pp.291-306
• /
• 2020

오늘날 데이터 네트워크 AI (DNA) 기반 지능형 서비스 및 애플리케이션은 비즈니스의 삶의 질과 생산성을 향상시키는 새로운 차원의 서비스를 제공하는 것이 현실이 되었다. 인공지능(AI)은 IoT 데이터(IoT 장치에서 수집한 데이터)의 가치를 높이며, 사물 인터넷(IoT)은 AI의 학습 및 지능 기능을 촉진한다. 딥러닝을 사용하여 대량의 IoT 데이터에서 실시간으로 인사이트를 추출하려면 데이터가 생성되는 IoT 단말 장치에서의 처리능력이 필요하다. 그러나 딥러닝에는 IoT 최종 장치에서 사용할 수 없는 상당 수의 컴퓨팅 리소스가 필요하다. 이러한 문제는 처리를 위해 IoT 최종 장치에서 클라우드 데이터 센터로 대량의 데이터를 전송함으로써 해결되었다. 그러나 IoT 빅 데이터를 클라우드로 전송하면 엄청나게 높은 전송 지연과 주요 관심사인 개인 정보 보호 문제가 발생한다. 분산 컴퓨팅 노드가 IoT 최종 장치 가까이에 배치되는 엣지 컴퓨팅은 높은 계산 및 짧은 지연 시간 요구 사항을 충족하고 사용자의 개인 정보를 보호하는 실행 가능한 솔루션이다. 본 논문에서는 엣지 컴퓨팅 내에서 딥러닝을 활용하여 IoT 최종 장치에서 생성된 IoT 빅 데이터의 잠재력을 발휘하는 현재 상태에 대한 포괄적인 검토를 제공한다. 우리는 이것이 DNA 기반 지능형 서비스 및 애플리케이션 개발에 기여할 것이라고 본다. 엣지 컴퓨팅 플랫폼의 여러 노드에서 딥러닝 모델의 다양한 분산 교육 및 추론 아키텍처를 설명하고 엣지 컴퓨팅 환경과 네트워크 엣지에서 딥러닝이 유용할 수 있는 다양한 애플리케이션 도메인에서 딥러닝의 다양한 개인 정보 보호 접근 방식을 제공한다. 마지막으로 엣지 컴퓨팅 내에서 딥러닝을 활용하는 열린 문제와 과제에 대해 설명한다.

• 창의정보문화연구
• /
• 제5권3호
• /
• pp.225-236
• /
• 2019

컴퓨팅 사고력을 토대로 문제를 바라보고 접근하는 것은 학생들이 미래사회를 살아가는데 필수적인 역량으로 정보교육을 통해 향상시킬 수 있다. 본 연구는 2015 개정 교육과정에서 일반선택과목이 된 정보과목에 대한 운영현황을 분석하여, 향후 정보교육의 효과를 높이는 데 기여하기 위한 목적이 있다. 목적 달성을 위해 2015-2016년 시기의 고등학교를 졸업한 학생 400명을 대상으로 설문을 실시하였고, 학생 5명, 정보 교사 5인을 대상으로 인터뷰를 진행하였다. 정보과목의 운영시기, 운영내용, 운영방법, 그리고 평가방법 등을 분석하였다. 분석 결과, 정보과목의 운영은 1학년 2학기부터 3학년 2학기 까지 매우 다양하였다. 수업 방법은 강의형이 가장 많았으나, 3학년 2학기에는 자습에 대한 비율도 높게 나타났다. 학습 내용은 전체 내용을 모두 배우지는 않은 것으로 나타났으며, 수업에서는 교과서의 사용비율이 낮게 나타났다. 본 연구는 정보과목 수업이 다른 입시과목 제외 과목들과 유사하게 교육과정을 준수하는 형태로 진행되지 않았음을 확인하였다. 또한 처음으로 정보과목의 운영 현황을 분석했다는 점에 의의가 있다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.