• 한국산학기술학회논문지
• /
• 제20권2호
• /
• pp.267-274
• /
• 2019

본 연구는 심근경색 환자에서 고강도 간헐적 운동 프로그램이 나이에 따라 심폐운동 기능에 미치는 효과를 비교하여 노인환자에서의 효과를 알아보고자 하였다. 2015년에서 2017년까지 심장 재활을 실시하였던 환자 중 외래 경과 관찰중인 환자의 기록을 후향적으로 분석하였다. 총 39명 (60세 이상의 노인 20명, 19명의 60세 미만의 젊은 환자군)이 연구에 포함되었다. 고강도 간헐적 심장 재활프로그램은 준비운동 5-10 분, 고강도 간헐적 유산소 운동 28분 및 마무리 운동 5-10분으로 구성되었다. 대상자들은 초기 운동부하 검사 결과를 바탕으로 심장재활 치료실에서 심전도 감시 하에 유산소 운동을 여유 산소 섭취량을 기준으로 70-90%의 고강도의 훈련 4분, 60-70% 로 3 분가량의 일반적인 강도의 훈련을 반복적으로 4 회간 실시하고 마무리운동을 시행하였다. 심폐기능은 심장재활 실시 전, 후로 운동부하 검사에 의해 평가되었다. 심장재활 후 두 군 모두에서 운동기능의 개선의 효과가 있었다. 심장재활을 실시하기 전 시행한 운동 부하 검사에서 최대 산소 소모량, 최대 운동시의 신진대사 해당치, 무산소 역치 등이 60 세 이상의 노인에서 의미 있는 운동 기능 저하가 관찰되었다(p<0.05). 심장 재활 전과 후의 운동 능력을 비교하였을 때, 두 군에서 최대 운동 가능시간, 심근부담률, 최대 심박수, 안정시 심박수, 최대 산소 소모량, 최대 산소소모량 측정시의 최대 환기량, 최대 운동 시 의 신진대사 해당치, 무산소 역치 지표에서 통계학적으로 유의한 변화가 관찰되어(p<0.05), 고강도 간헐적 운동방법은 노인환자에게서도 안전하며 효과적이다. 그러므로 60 세 이상의 노인 환자에서의 효과적인 고강도 간헐적 운동 참여를 확대하는 것이 필요할 것으로 생각된다.

• 환경영향평가
• /
• 제27권2호
• /
• pp.203-214
• /
• 2018

본 연구는 국내에 서식하는 뉴트리아의 집중분포지역과 잠재적인 서식가능지역을 예측하여 효과적인 관리방향 설정에 유용한 자료를 제공하고자 하였다. 뉴트리아의 전국 분포 자료를 토대로 CVh(가능도 교차타당성)값을 띠폭(bandwidth)에 적용하여 분포밀도를 분석한 결과, 부산광역시, 대구광역시, 경상남도 소재 11개 시 군, 경상북도 소재 1개 군 등 낙동강수계에 위치한 14개 행정구역 내에서 우선적인 제거가 필요한 집중분포지역이 확인되었다. MaxEnt 모델을 이용한 잠재적인 서식가능지역 예측에서는 낙동강 중 하류 일대와 섬진강 하류, 가화천 일대에서 출현 가능성이 나타났다. 모형의 변수별 기여도는 고도, 건조한 달의 강수량, 가장 추운달의 최저온도, 수계로부터의 거리 순으로 높은 기여도를 보였으며, 출현확률과의 관계를 살펴보면, 고도 34m 이하의 저지대, 가장 추운달의 최저온도가 $-5.7^{\circ}C$이상 $-0.6^{\circ}C$ 이하인 지역, 가장 건조한 달의 강수량이 15-30mm, 수계로부터 1,373m 이하인 지역에서 임계값보다 높은 출현확률을 보였다. 뉴트리아의 생태적 특성과 본 연구결과를 종합하면, 고도, 물과의 접근성 및 이용성, 겨울철 낮은 기온이 뉴트리아의 정착과 확산에 영향을 주는 주요 요인으로 판단되므로 향후 서식가능지역의 검출과 확산 예측 모델링에 있어 중요한 변수로 검토될 수 있다. 뉴트리아와 같은 침입외래생물의 집중분포지역과 관리대상지역을 구분하고 그에 적합한 관리전략을 수립하여 관리현장에 적용하는 것은 영구적인 제어 목적의 관리에 있어 필수적인 사항이다. 본 연구에서 제시된 결과는 우선관리대상지역의 신속한 관리와 확산가능지역에 대한 사전 예방적 관리 등 전략적인 관리의 실행에 있어 유용한 자료로 활용될 수 있다.

• 한국식품과학회지
• /
• 제9권2호
• /
• pp.123-130
• /
• 1977

동방유량(東邦流糧)에서 공급(供給)받은 저변성(低變成) 탈지대두박(脫脂大豆粕)을 0.02N NaOH액(液)으로 추출(抽出)하여 Soy Protein Isolate (SPI)의 수율(收率)을 증류수나 염용액(鹽溶液)으로 추출(抽出)할때 보다 높이는 과정(過程)(84 % 수율(收率))을 확립(確立)하였으며 제조(製造)된 SPI는 92.1 %의 단백질(蛋白質)을 함유(含有)하였다. SPI를 $70^{\circ}C$에서 moisture heat를 하면 80분간(分間)에 5 %의 변성(變性)이 일어났으나 $95^{\circ}C$에서는 20분(分) 처리(處理)에 의(依)하여 95 %의 변성(變性)이 일어났다. SPI의 alkali 현탄액 (dope solution)은 SPI의 농도(濃度) 15 %, NaOH 농도(濃度) 0.6 %일때 7분(分)만에 60 poises를 나타내고 계속 안정(安定)된 점도(粘度)를 유지하였다. NaOH의 농도(濃度)가 0.9 %일 때는 시간(時間)이 경과(經過)함에 따라 점도(粘度)는 증가(增加)하였다가 감소(減少)하는 경향(傾向)을 보였다. syringe needle (dia. 0.3 mm)로서 모의(模擬) 실험(實驗) 결과(結果) 점도(粘度)가 $28^{\circ}C$에서 60 Poises일때 가장 적합한 단백질섬유(蛋白質纖維)의 texture를 보여주었다. 가열(加熱)에 의(依)한 SPI의 gelation은 8 %이상(以上)의 SPI농도(濃度)일 때 gel이 형성(形成)되기 시작하였으며 $100^{\circ}C$까지 안정(安定)한 gel을 형성(形成)하였고 SPI의 농도(濃度)가 12 %일때 $120^{\circ}C$에서 30분(分) 가열(加熱)에 의(依)하여 20,000 Poises의 좋은 점도(粘度)를 가졌으나 $120^{\circ}C$이상에서는 gel의 continuity가 떨어져 과립상(果粒上)의 gel이 생성(生成)되었다. SPI의 유화력(乳化力)은 pH가 8.7, NaCl의 농도(濃度)가 2 %일때 가장 큰 유화력(乳化力)을 나타냈다. milk casein과 비교(比較) 실험(實驗) 결과(結果) 유화력(乳化力)은 약간 낮았으나 염(鹽)이 존재(存在)하는 경우는 근사한 유화력(乳化力)을 보였다. 그러나 SPI의 foaming capacity는 foaming stability 면(面)에서 egg albumin이나 milk casein과 비교(比較)하여 양호(良好)한 결과(結果)를 보여주었다.

• 한국환경생태학회지
• /
• 제31권3호
• /
• pp.337-343
• /
• 2017

본 연구는 제3차 자연환경보전기본계획이 규정한 생태계서비스 활성화를 지원할 목적으로 수행되었다. 그동안 우리는 자연생태계가 인류에게 제공하는 편익, 즉 생태계서비스(자연혜택)를 무상으로 향유할 수 있는 재화로 간주하였으나 도시의 팽창과 개발의 가속화로 인한 자연환경용량이 침해되면서 서비스 기능이 저하되자 이를 인위적으로 복원 증진시키려는 노력들이 경주되었다. 생태계서비스를 제공하는 자연자본을 지속가능하게 유지하고 보전하기 위해서는 소유자가 자연자본을 유지 보전하기 위해 감수해야 하는 기회비용의 보전이 필요하다. 따라서 생태계서비스를 누리는 소비자(수요자)들이 이 서비스를 공급하는 토지소유자 관리자나 지역주민들과 자연자원으로부터 비롯하는 혜택을 공유하고 이러한 공유를 환경보전과 연동시키는 체계 즉, 생태계서비스 가치의 제도화가 필요하다. 그러나 문제는 현행 환경법제가 생태계서비스 공급자와 수요자 사이의 공정한 거래와 수요자들 사이의 공평한 향유를 실현시키지 못한다는 것이다. 생태계서비스를 규율하는 현행 법제가 안고 있는 또 하나의 문제점은 개발계획에서 생태계서비스의 가치가 적정하게 반영되지 못한다는 것이다. 분석 결과, 현행 법제에서는 충분하지는 않지만, 정부 부문과 민간 부문에서 생태계서비스 가치의 제도화가 나름대로 가능하다. 특히 계약에 의한 서비스 거래는 개발계획과 관계없이 운용될 수도 있다. 생태계서비스 가치의 제도화에서 남은 과제는 개발계획과 관련하여 어떠한 절차에 따라 서비스 가치를 계량화할 것인가의 여부이다. 이러한 한계를 극복하자면, 환경영향평가 절차에서 개발로 인한 생태계서비스의 변화가 구체적으로 평가될 수 있어야 한다. 환경영향평가법이 아닌 시행령의 개정을 통하여서도 생태계서비스 평가와 환경영향평가의 통합이 가능하다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.