韓國建設業體의 資本構造와 資本費用에 關한 實證的 硏究

권대욱 延世大學校 1991 국내석사

서울市, 永登浦區 減量性廢棄物 管理現況과 改善方案에 관한 硏究

권대욱 漢陽大學校 環境大學院 1999 국내석사

의료기관의 대형화, 이용율의 증가에 따라 의료활동에 수반되어 발생되는 감염성폐기물의 발생량이 증가하고 있고 발생양상 또한 다양해지고 있다. 의료기관에서 발생되는 감염성폐기물은 의료기관자체에서 소각처리 하거나 위탁처리하고 있으며, 대부분 의료기관에서는 위탁처리에 의존함으로써, 경제적 부담과, 공익성보다는 영리에 치중함을 보이고 있고, 처리업체의 영세성과 전문성의 결여로 감염성폐기물의 적정처리에 소홀하고 그로인해 2차적인 오염과 위해성을 낳고 있다. 본 연구는 서울시, 영등포지역의 감염성폐기물 발생실태와 처리현황을 살펴보고, 관리실태의 문제점을 도출함과 동시에 효율적인 관리체계의 개선방안을 제시하는데 있다. 서울시와 영등포지역 감염성폐기물 관리현황을 살펴보면 다음과 같다. -서울시 감염성폐기물 발생량은 1998년 전년에 비해 9~12%증가율을 보였고, 종합병원은 서울시 발생량의 77%를 차지했으며, 자체처리량은 1797,806㎏으로 27.9%의 자체처리율을 보였다. -영등포지역의 감염성폐기물 발생량은 전년대비9~10%의 증가율을 보였고, 종합병원은 지역발생량의 89.1%를 차지했으며, 탈지면이 171,674㎏으로 48.7%, 폐합성수지류가 41.4%를 발생했으며, 자체처리율은 4.34%로 조사되었다. 지역 의료기관의 폐기물관리체계에 있어 문제점을 살펴보면 첫째, 사후관리 위주의 경직적인 접근 방식에 치중되어 있고, 둘째, 감염성폐기물의 적정관리 및 처리시스템에 대한 각 의료기관별 적정한 관리프로그램이 구성되어 있지 않았고, 셋째, 개별매체별 환경규제로 통합성이 결여되어 있다. 또한, 처리기술개발 등 의료기관의 적극적인 환경개선활동에 대한 자극이 미흡하다는 점이다. 현행 의료기관에서 발생되는 폐기물의 관리체계가 가지는 문제를 극복할 수 있는 보다 적극적인 접근과 방향은 환경보전과 의료기관의 이익이 상충된다는 잘못된 고정관념을 버리도록 하고, 환경친화적 경영이 의료기관의 경쟁력과 이윤을 증진시켜 준다는 인식을 확산시켜야 한다. 의료기관에 대한 환경규제에 대한 부담은 날로 증대될 것이고 이에 적은 비용으로 환경오염물질에 대한 환경개선효과를 이루는 방법으로 자율적인 환경친화적 관리체제인 환경경영체제의 도입으로 환경개선효과와 환경경영성과라는 두가지 목적을 동시에 달성할 수 있을 것이다. 범지구적인 개방경제체제의 대두로 의료기관 또한 치열해지는 경쟁에 예외일 수 없는 상황에서 그린 소비자의 대두, 환경단체의 영향력 증대, 의료종사자 인식변화 등으로 자신의 녹색이미지가 의료활동에 있어서의 중요한 요소로 간주되는 상황에서 의료기관 자신의 환경경영을 선전하는 측면에서도 이 방식은 유용하다.

머신 러닝 기법을 활용한 ADAS/자율주행 차량의 운행 적합도 설계

권대욱 한양대학교 대학원 2021 국내석사

본 논문에서는 ADAS(Advanced Driver Assistance System)/AV(Automated Vehicle)가 탑재된 차량에 탑승한 운전자/탑승자가 적합/부적합 상황을 판단하는 운전 적합도 지표를 설계하였다. 우선적으로 도로 교통 공단 교통사고 분석 시스템의 통계 결과를 바탕으로 차량 주행 시 부적합 하다고 주로 판단되는 상황을 통계적으로 판단하여 적합/부적합 시나리오를 구성했다. 이를 기반으로 시뮬레이션 환경을 구축하고 구축된 환경에서 주행 데이터 취득하였다. 취득한 데이터를 분석하고 머신 러닝으로 학습시켜 운전 적합도 지표를 도출하였다. 주행 환경 데이터는 각각 dSPACE社의 ASM(Automotive Simulation Models)과 Driving Simulator를 사용하여 획득했다. 이때 자율 주행 차의 운전 적합성 여부를 판단하기 위해 운전자 혹은 탑승자의 반응이 필요하므로 ‘Trigger Signal’이라는 입력 신호를 생성하였다. 이렇게 생성된 입력 신호는 운전자 또는 탑승자가 각 시나리오의 부적합한 운전 상황에 대해서만 입력하도록 하였다. 각각의 시나리오에 대해 지배적인 파라미터들을 파악하기 위하여 취득한 raw 데이터를 가지고 상대 거리, 상대 속도, 상대 가속도, TTC(Time To Collision)을 도출하였다. 이 실험 데이터를 동일한 스케일이 반영되도록 z-score를 통해 정규화 하였다. 데이터의 패턴을 보기위해 도출한 종/횡방향 상대 거리, 상대 속도, 상대 가속도, TTC, 그리고 ego 차량의 종방향 속도를 입력으로 적합/부적합 상황이라고 판정 지은 Trigger Signal을 출력으로 처리해 MLP(Multi-Layer Perceptron)학습을 시켰다. 학습시킨 MLP의 출력 값이 적합/부적합에 대한 신뢰도를 나타낸다는 점을 이용하여 인덱스를 설계하였고 이를 통해 ADAS/AV 시스템에서 제어기의 임계 값을 설계하여 다양한 운전자의 수용을 고려할 수 있고 운전 적합도 지표를 통해 종방향, 횡방향의 사고 위험도를 최소화하며 주행하여 높은 수준의 안전도 향상을 기대할 수 있다.

海外建設프로젝트 日程·現金흐름의 統合分析 : 휴리스틱 技法을 中心으로

권대욱 東國大學校 大學院 1999 국내석사

This paper critically observes the existing project scheduling problems in international construction projects to suggest a new heuristic procedures for optimization of project cash flow in Resource Constrained Project Scheduling Problems with Multiple Crushable Modes(RCPSPMCM). We reviewed the structures and the characteristics of the international construction project cash flows in lieu of the relevant clauses in the Conditions of Contract for Works of Civil Engineering Construction of FIDIC 4th Edition, 1987 as well as various factors affecting project cash flows. We further reviewed existing project scheduling problems and established an analysis model integrating project Cash Flow and Project Schedule in mathematical terms. An heuristic procedure for project cash flow optimization solution in this model was developed and tested in many different project cases in order to verify the effectiveness of the procedure so established. The tests were performed individually for each of 110 different experimental project networks and showed the heuristic procedure developed for project cash flow optimization for RCPSPMCM in this study was effective in most cases. Although this paper aims at providing a realistic project cash flow optimization model which considers various variables and factors affecting project cash flow and project schedule in real situation such as various precedence relations among activities, changes in execution costs and resources as activity start time varies, duration, periodical cash flow changes and its segmentation, lead time and conditions for interim payment, advance payment, retention money, bonus and liquidated damages, we feel there still lie some constraints for actual application of the system.Further researches and studies with regard to the development of the more efficient heuristic procedure and the ways minimizing the work loads in practical levels at the project site to define various variables and factors in monetary terms will increase the efficiency of this system.

Identification of isotope clusters from mass spectra using neural network model

권대욱 한양대학교 대학원 2020 국내석사

Mass spectrometry-based proteomics plays an important role in identifying peptides. Peptide identification strongly depends on a precursor mass estimated from mass spectrometry; however, there is burden to estimate precise precursor masses because it is too noisy to obtain correct isotope clusters. This problem can be reduced by conventional tools such as RAPID and MS-Deconv. These tools applied heuristic functions to recognize correct isotope clusters so that more precise precursor masses could be estimated. However, the heuristic functions were limited in modelling the patterns of experimental isotope clusters in that they were based on similarity with theoretical isotope clusters. Here, we propose a machine learning approach to identify correct isotope clusters, with a hope that it can better characterize experimental isotope clusters. Furthermore, we extend this concept to predict monoisotopic masses in addition to recognizing isotope clusters by developing a new software tool called MaSIC, which stands for MAss Spectrum Isotopic Cluster. We designed an artificial neural network model to train characteristics of isotope clusters. The model takes a monoisotopic mass and intensities of peaks from the first to the twelfth in a cluster as an input, and then predicts whether the given cluster is an isotope cluster or not. To train the model, we collected 3,749,487 peptide spectrum matches (PSMs) from a previous study. Predicted isotope clusters (PICs) corresponding to each PSM were generated from both RAPID and MS-Deconv, and we got ~1.73M PICs after de-duplicating clusters. We generated 0.75 M negative isotope clusters (NICs) consisting of subsequence of 1.73 M PICs. Four-fifths of PICs and NICs were used for training, and the rest of them were used for test. We applied 5-fold cross validation to prevent overfitting. The accuracy was 99.98% on average. We used PICs and NICs derived from different experimental methods to test the model. The sensitivity and specificity were 99.95% and 99.85%, respectively. DL4J, which is a useful library for machine learning algorithms in Java, was applied to make the trained model available on a Java platform. The software MaSIC can predict all possible isotope clusters when mass spectra in mzXML format are given as an input. The complementary use of both MaSIC and heuristic software can increase prediction performance. 질량 분석 기반 단백체학은 펩타이드를 동정하는데 중요한 역할을 한다. 펩타이드 식별은 질량 분석법으로 추정된 전구체 이온 질량에 크게 의존한다. 그러나 정확한 동위원소 클러스터를 얻기에는 질량 스펙트럼이 복잡하기 때문에 정확한 전구체 이온의 질량을 추정하는 데에 어려움이 있다. 이 문제는 RAPID와 MS-Deconv와 같은 기존의 도구를 이용하여 해결해왔다. 이 도구는 휴리스틱 기법을 적용하여 정확한 동위원소 클러스터를 식별하여 보다 정확한 전구체 이온 질량을 추정할 수 있다. 그러나 휴리스틱 기법은 이론적인 동위원소 클러스터와의 유사성에 기초하여 실험적 동위원소 클러스터의 패턴을 반영할 수 없다. 본 논문에서는, 정확한 동위원소 클러스터를 식별하기 위한 머신러닝 접근법을 제안하며, 동위원소 클러스터의 실험적 특성을 반영하는 이점이 있다. 우리는 동위원소 클러스터의 특성을 학습하기 위해 인공 신경망 모델을 설계했다. 이 모델은 동위원소 클러스터에서 단일동위원소 질량과 동위원소 클러스터를 구성하는 각 피크의 양을 입력으로 주어진 클러스터가 동위원소 클러스터인지 여부를 예측한다. 모델을 훈련시키기 위해, 우리는 이전 연구에서 약 375만 개의 펩타이드 스펙트럼 매치를 수집했다. 각 펩타이드 스펙트럼 매치에 해당하는 동위원소 클러스터는 RAPID와 MS-Deconv에서 추출하였고, 동일한 동위원소 클러스터를 중복 제거 한 후 약 173만개의 positive 동위원소 클러스터를 얻었다. 그리고 173만 개의 동위원소 클러스터를 정제하여 75만 개의 negative 동위원소 클러스터를 만들었다. 학습에는 80%의 positive, negative 데이터가 사용되었고 나머지는 테스트에 사용되었다. 과적합을 방지하기 위해 5-fold 교차 검증을 적용했다. 정확도는 평균 99.98%이다. 다른 실험 방법에서 얻은 데이터로 테스트한 결과, 민감도와 특이도는 각각 99.95%, 99.85% 이었다. 우리는 DL4J 라이브러리를 사용하여 학습된 모델을 Java 플랫폼에 사용할 수 있도록 소프트웨어를 개발하였다. 소프트웨어 MaSIC은 mzXML 형식의 질량 스펙트럼이 입력으로 제공될 때, 가능한 모든 동위원소 클러스터를 출력할 수 있다. 이로써 MaSIC을 다른 휴리스틱 소프트웨어와 상호보완적으로 사용하면 더 많은 전구체 이온의 질량을 예측하는데 사용할 수 있다는 이점이 있다.

亂塊法에서 缺測區 推定에 關한 硏究

권대욱 (權大旭) 啓明大學校 大學院 1995 국내석사