항공기 발사용 유도무기는 자체점검시험(BIT; built in test) 뿐만 아니라 MIL-STD-1760표준을 준수하여 전원, 이산신호, MUX(multiplexer)통신 등 다양한 시험을 수행해야 시스템 안전성 및 신뢰성이 입증된다. 본 사례 연구 목적은 MIL-STD-1760E 기반 항공기-무장간 연동용 테스트 벤치 구축을 통하여 공대지 유도탄 개발 시 유도탄 전원인가부터 표적정보 입력, 전달정렬, 유도탄 분리 절차에 이르기까지 정의된 TIME LINE에 의거 유도탄 발사 시퀀스 구현 방안을 제시하기 위함이고, 추가적으로 오류삽입기능을 통해 비 활성탄에서 시험할 수 없는 항목까지 검증 범위를 극대화하는 참조 방안이 될 수 있다.
Purpose: This study was investigated the mediating effect of coping behaviors in the relationship between the second victim experiences after patient safety incidents and the nursing practice changes. Methods: A cross-sectional survey was performed using structured questionnaires. Participants were 218 clinical nurses in general tertiary hospitals in South Korea. Data were collected through an online survey and snowball sampling from August 11 to September 6 2020. Data were analyzed using SPSS 23.0 program. A mediation analysis was performed using multiple regression and a simple mediation model applying the PROCESS macro with 95% bias-corrected bootstrap confidence interval. Results: The mean scores of second victim experiences was 3.41/5. Approach coping (β = .55, p < .001) and the avoidant coping (β = - .23, p = .001) showed mediation effects in the relationship between second victim experiences and constructive change in nursing practice. Avoidant coping (β = .29, p < .001) showed a mediation effect in the relationship between second victim experiences and defensive change in nursing practice. Conclusion: Coping behaviors has a mediating effect on the relationship between second victim experiences and nursing practice changes. To ensure that nurses do not experience second victim, medical institutions should have a culture of patient safety that employs a systematic approach rather than blame individuals. They also need to develop strategies that enhance approach coping and reducing avoidant coping to induce nurses' constructive practice changes in clinical nurses in experiencing second victims due to patient safety incidents.
기계 장비의 진동 데이터는 필연적으로 노이즈를 포함하고 있다. 이러한 노이즈는 기계 장비의 유지보수를 진행하는데 악영향을 끼친다. 그에 따라 데이터의 노이즈를 얼마나 효과적으로 제거해주냐에 따라 학습 모델의 성능을 좌우한다. 본 논문에서는 시계열 데이터를 전처리 함에 있어 특성추출 과정을 포함하지 않는 Denoising Auto Encoder 기법을 활용하여 데이터의 노이즈를 제거했다. 또한 기계 신호 처리에 널리 사용되는 Wavelet Transform과 성능 비교를 진행했다. 성능비교는 고장 탐지율을 계산하여 진행했으며 보다 정확한 비교를 위해 분류 성능 평가기준 중 하나인 F-1 Score를 계산하여 성능 비교를 진행했다. 고장을 탐지하는 과정에서는 One-Class SVM 기법을 활용하여 고장 데이터를 탐지했다. 성능 비교 결과 고장 진단율과 오차율 측면에서 Denoising Auto Encoder 기법이 Wavelet Transform 기법에 비해 보다 좋은 성능을 나타냈다.
Accidents prevention and mitigation is the highest priority of nuclear power plant (NPP) operation, particularly in the aftermath of the Fukushima Daiichi accident, which has reignited public anxieties and skepticism regarding nuclear energy usage. To deal with accident scenarios more effectively, operators must have ample and precise information about key safety parameters as well as their future trajectories. This work investigates the potential of machine learning in forecasting NPP response in real-time to provide an additional validation method and help reduce human error, especially in accident situations where operators are under a lot of stress. First, a base-case SGTR simulation is carried out by the best-estimate code RELAP5/MOD3.4 to confirm the validity of the model against results reported in the APR1400 Design Control Document (DCD). Then, uncertainty quantification is performed by coupling RELAP5/MOD3.4 and the statistical tool DAKOTA to generate a large enough dataset for the construction and training of neural-based machine learning (ML) models, namely LSTM, GRU, and hybrid CNN-LSTM. Finally, the accuracy and reliability of these models in forecasting system response are tested by their performance on fresh data. To facilitate and oversee the process of developing the ML models, a Systems Engineering (SE) methodology is used to ensure that the work is consistently in line with the originating mission statement and that the findings obtained at each subsequent phase are valid.
Background & Objectives: Fixed-dose combinations (FDCs) offer advantages in adherence and cost-effectiveness compared to free combinations (FCs), but they can also complicate the prescribing process, potentially leading to therapeutic duplication (TD). This study aimed to identify the prescribing patterns of FDCs for dyslipidemia and investigate their associated risk of TD. Methods: This was a retrospective cohort study involving drugs that included statins, using Health Insurance Review & Assessment Service-National Patient Sample (HIRA-NPS) data from 2018. The unit of analysis was a prescription claim. The primary outcome was TD. The risk ratio of TD was calculated and adjusted for patient, prescriber, and the number of cardiovascular drugs prescribed using a multivariable Poisson model. Results: Our study included 252,797 FDC prescriptions and 515,666 FC prescriptions. Of the FDC group, 46.52% were male patients and 56.21% were aged 41 to 65. Ezetimibe was included in 71.61% of the FDC group, but only 0.25% of the FC group. TD occurred in 0.18% of the FDC group, and the adjusted risk ratio of TD in FDC prescriptions compared to FC was 6. 44 (95% CI 5. 30-7. 82). Conclusions: Prescribing FDCs for dyslipidemia was associated with a higher risk of TD compared to free combinations. Despite the relatively low absolute prevalence of TD, the findings underline the necessity for strategies to mitigate this risk when prescribing FDCs for dyslipidemia. Our study suggests the potential utility of Clinical Decision Support Systems and standardizing nomenclature in reducing medication errors, providing valuable insights for clinical practice and future research.
스마트 환경에서는 센서, 디스플레이, 스마트폰 등 각종 장치들이 존재하며, 이러한 장치들을 이용하여 다양한 콘텐츠가 제공될 수 있다. 그러나 방대한 양의 콘텐츠가 다수의 사용자들에게 제공되고 있지만, 대부분의 환경에서 사용자에 대한 고려가 없거나 위치, 시간 등의 간단한 요소만을 고려하고 있어 사용자를 위한 유의미한 콘텐츠 제공에 한계가 있다. 이에 본 논문에서는 사용자에게 맞춤형 콘텐츠를 제공하기 위해 사용자, 장치, 콘텐츠가 가진 상황 정보를 인지하여 콘텐츠를 추천할 수 있는 시스템인 상황인지 기반 콘텐츠 추천 시스템을 제시한다. 상황인지 기반 콘텐츠 추천 시스템은 스마트 환경의 컨텍스트를 추론하고 사용자와 콘텐츠의 정보를 이용하여 사용자의 콘텐츠별 선호도를 산출하고 사용자에게 콘텐츠를 추천한다. 이러한 시스템의 프로세스를 구축하기 위해 도메인 지식을 온톨로지 모델로 구축하고, 콘텐츠 추천 시스템을 설계 및 구현하기 위한 방법을 제시한다. 그리고 부산의 센텀시티를 도메인으로 하여 사례 연구를 진행하며 산출된 0.8730의 평균 절대값 오차를 이용하여 제시한 시스템의 콘텐츠 추천 성능의 우수성을 검증하였다.
자기상관 공정에서 이상상태를 빠르게 탐지하는 절차에 대해 많은 연구가 진행되어 왔다. 가장 전통적인 절차는 관측된 데이터에 대해 적합한 시계열 모형에서 계산된 잔차를 이용하는 잔차 관리도이다. 그러나 최근에는 통계적 학습 방법을 이용하여 자기상관 공정을 모니터링하는 절차가 많이 제안되었다. 이 논문에서는 딥러닝에 기반한 비지도 학습 방법인 LSTM Autoencoder의 잠재 벡터를 이용한 모니터링 절차를 제안하고, 이를 모의실험을 통해 LSTM Autoencoder의 복원 오차를 이용한 절차, RNN 분류 모니터링 절차, 그리고 잔차 관리도 절차의 성능과 비교하였다. 모의실험 결과, 제안된 절차와 RNN 분류 모니터링 절차의 성능은 유사하지만, 제안된 절차는 학습에 이상상태의 데이터가 필요하지 않기 때문에 이상상태의 데이터를 충분하게 확보할 수 없는 공정에 유용하게 적용할 수 있다는 장점이 있다.
딥러닝은 인공신경망(neural network)이라는 인공지능분야의 모형이 발전된 형태로서, 계층구조로 이루어진 인공신경망의 내부계층(hidden layer)이 여러 단계로 이루어진 구조이다. 딥러닝에서의 주요 모형은 합성곱신경망(convolutional neural network), 순환신경망(recurrent neural network), 그리고 심층신뢰신경망(deep belief network)의 세가지라고 할 수 있다. 그 중에서 현재 흥미로운 연구가 많이 발표되어서 관심이 집중되고 있는 모형은 지도학습(supervised learning)모형인 처음 두 개의 모형이다. 따라서 본 논문에서는 지도학습모형의 가중치를 최적화하는 기본적인 방법인 오류역전파 알고리즘을 살펴본 뒤에 합성곱신경망과 순환신경망의 구조와 응용사례 등을 살펴보고자 한다. 본문에서 다루지 않은 모형인 심층신뢰신경망은 아직까지는 합성곱신경망 이나 순환신경망보다는 상대적으로 주목을 덜 받고 있다. 그러나 심층신뢰신경망은 CNN이나 RNN과는 달리 비지도학습(unsupervised learning)모형이며, 사람이나 동물은 관찰을 통해서 스스로 학습한다는 점에서 궁극적으로는 비지도학습모형이 더 많이 연구되어야 할 주제가 될 것이다.
동북아시아에 위치한 4개의 지자기 관측소의 3성분 지구자기장 관측 자료를 이용하여 1997년부터 2011년 동안의 지구자기장의 영년변화를 표현하는 지역화된 영년변화 모델을 제작하였다. 외핵의 움직임으로 발생되는 지구자기장은 장소와 시간에 따라 변화하며 지자기 관측소에서는 이를 시계열로 측정하게 된다. 따라서 공간적인 변화를 함께 파악하기 위해서는 이를 시공간모델로 제작하여 시간에 따른 지구자기장의 변화를 공간적으로도 표현할 수 있도록 해야 한다. 전지구 범위인 경우 관측소의 분포가 제한되어 있고 이를 공간적으로 보완하기 위해 위성 자료를 활용한다. 하지만 방대하고 복잡한 위성 자료의 처리와 세계의 모든 지자기 관측소의 자료를 활용하여 전 지구적 지구자기장의 모델을 제작하는 일은 상당한 작업과 노력을 요구한다. 또한 계속해서 들어오는 자료들을 이용하여 모델을 업데이트 하는 일 역시 같은 양의 시간과 노력을 필요로 하게 된다. 더불어, 각 관측소 자료의 오차범위와 위성 자료 처리 오차 (processing error) 역시 지역에 따라 다르게 나타남으로 이러한 오차값들이 전지구 모델의 정확도에 영향을 미칠 수 있다. 본 논문에서는 이러한 문제점을 감안하여 동북아시아 지역을 중심으로 하는 지역화된(localized) 모델링 기법을 소개하고 이를 통해 지구자기장의 영년변화 모델을 제작하는 데 적용하였다. 전 세계의 지구자기장 관측망인 INTERMAGNET에 가입된 3개의 일본 관측소와 1곳의 중국 관측소 자료를 활용하여 1997년부터 2011년까지 6개월 간격으로 지구자기장의 변화를 파악하고 이를 전지구 모델과 비교해 보았다. 또한 얻어진 모델을 이용하여 지구 내부의 원인인 지구자기장의 급작스런 변화를 일컫는 지구자기장 '급변'을 찾아보고 이에 대한 발생 시기에 대해 논의하였다.
본 연구에서는 한국형 지하수 프로그램 개발(3-DFM, 3-Dimensional Finite Difference Method)을 위하여 대수층에 있어 지형 지질상태가 지하수유동시스템내에서 동적거동을 하는 것으로 취급하여 유동과정의 알고리즘을 확립토록 하였다. 본 연구에서 개발된 3-DFM모델은 입력변수 자료에 대한 설정이 모두 한글로 구성되어 있으며, 각 입력자료와 매개변수들의 이해와 적용치에 대한 도움말을 설정하여 두었다. 따라서, 입력변수에 대해서는 아이콘을 입력변수에 두면 각각에 대한 상세한 정보를 알 수 있도록 설계하였다. 또한, 각 지층의 지질경계 상태나 초기수위자료를 지정할 때는 work sheet상에서 간단히 지정할 수 있도록 설계되어 있다. 그리고 각 대수층의 특성과 더불어 정류 및 부정류 해석시에 각 매개변수들에 대한 입력은 기존의 모델과 같이 복잡하지 않도록 활성칸이 설정되도록 설계되어 있다. 최종 입력자료를 이용한 분석결과에서는 우측에 입력자료에 대하여 설명과 더불어 좌측에 분석 결과치를 나타나게 하였으며 이에 대한 결과는 TXT파일로도 출력할 수 있도록 설정하였다. 본 연구에서 개발된 모델은 유한차분법을 이용한 수치모델이며, 실제 함양량을 적용하고 매개변수들을 결정하여 관측 지하수두치와 모의발생으로 얻은 계산 지하수두치를 비교 분석하여 개발모델의 적용성을 검토하였다. 본 연구에서는 제주도 세화리 및 송당리일대의 양수에 따른 지하수 유동시스템 해석을 위하여 3-DFM모델을 적용 분석한 결과, 정류상태에서 따른 관측치와 계산된 지하수두와의 상대오차백분율(E.P.)이 $0.03{\sim}0.07$의 범위로서 관측치와 거의 일치하였다. 그리고 분석유역의 양수 전의 모의발생분석 결과를 이용하여 지하등수두분포와 유속벡터를 산정한 결과 지하수 유동분포는 높은오름과 문석이오름 등에서 월랑봉, 용눈이오름 및 손자봉 등 각 방향으로 고르게 유출되고 있는 것으로 분석되었다. 이러한 분석결과는 MODFLOW모델과 비교할 때 일치된 결과를 나타내었다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.