http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
풍력발전기 너셀에 장착된 풍속계를 이용한 출력성능 평가
김수상 ( Soo Sang Kim ),박세광 ( Se Kwang Park ) 한국센서학회 2012 센서학회지 Vol.21 No.4
We carried out the power performance evaluation for 1.5 MW×2 by using anemometer installed on WTGS(Wind Turbine Generator System) in the wind farm at Shi-hwa bang-a-mu-ri. In this paper, we compared and analyzed the performance of guaranteed output and measured output of WTGS which includes output curve, output coefficient, AEP(Annual Energy Product) and availability, etc.. The power performance of WTGS was optimized in the low wind speed sections(3 m/s ~ 10 m/s) and the measured output was more produced by AEP 109 % and availability 112 % than the guaranteed output. In addition, we could also cut the high cost of testing WTGS performance by using anemometer as a substitute for weather mast.
김수상(Soo-Sang Kim),김현의(Hyun-Eui Kim),박순조(Soon-Jo Park),가석순(Suk-Sun Ka) 대한기계학회 2005 대한기계학회 춘추학술대회 Vol.2005 No.11
The performances of automobile cockpit module must be verified before production. Recently, CAE tools are widely used to evaluate the performances of cockpit module instead of physical tests to reduce cost and time. In this paper, several performance evaluation items(head impact, knee impact, PAB deploy, steering column natural frequency, sag, thermal deformation) with CAE tools are introduced with examples.
김수상(Soo-Sang Kim),김현의(Hyun-Eui Kim),박순조(Soon-Jo Park),가석순(Suk-Sun Ka) 한국자동차공학회 2005 한국자동차공학회 Symposium Vol.- No.-
The performances of automobile cockpit module must be verified before production. Recently, CAE tools are widely used to evaluate the performances of cockpit module instead of physical tests to reduce cost and time. In this paper, several performance evaluation items(head impact, knee impact, PAS deploy, steering column natural frequency, sag, thermal deformation) with CAE tools are introduced with examples.
OSI 상위계층에서 시큐리티 서비스의 구현에 관한 연구
김수상(Kim Soo Sang),정진욱(Chung Jin Wook) 한국정보과학회 1989 한국정보과학회 학술발표논문집 Vol.16 No.2
컴퓨터 네트워크가 광범위하게 확장됨에 따라 안전한 통신의 요구가 점차로 증가하고 있다. 기존의 시큐리티 기술은 이러한 요구 사항을 만족시키기 어렵다. 컴퓨터 네트워크에서 요구 되어지는 시큐리티에 대한 다양한 연구 분야 중에서 중요한 목표중의 하나는 OSI 환경에서 시큐리티 서비스를 구현하는 것이다. 이러한 요구사항을 만족시키기 위해서 본 논문에서는 개념적 단계에있는 ISO나 ECMA의 시큐리티 구조와 모델을 참조하여 OSI 상위계층의 변경이나 확장을 최소화 하면서 로칼 시스템 환경에서 상호 인증서비스, 데이타 기밀성 서비스, 데이타 정확성 서비스를 제공하는 OSSF(Open System Security Facility)를 구현모델로 제안하고 설계하였다. 또한, OSSF에서 제안하고 설계한 구현모델중에서 상호인증 서비스를 ISODE-5.0의 접속설정단계에서 구현하였다.
스마트팩토리에서 빅 데이터 인프라 구축 방안에 관한 연구
장원중(Won-Joong Jang),조성인(Sung-In Cho),김수상(Soo-Sang Kim),김광용(Gwang-Yong Gim) 인문사회과학기술융합학회 2018 예술인문사회융합멀티미디어논문지 Vol.8 No.10
주요 선진국은 제조업 경쟁력을 높이기 위해 스마트팩토리 구축이 본격화 되고 있다. 스마트팩토리는 물리적 공장의 요소인 4M2E(Man, Machine, Material, Method, Energy, Environment)를 토대로 기계에 센서를 장착하여 원활한 소통을 위해 물리적 신호를 디지털 신호로 변환(디지털화), 공장 내의 기계, 부품, 공장, 제조 공정, 사람, 공급망 파트너 등을 서로 연결(연결화)하며, 수집된 데이터를 이용해 스마트팩토리 플랫폼이 지능화(스마트화)한 운영을 통해 고객이 원하는 개인 맞춤형 가치를 제고하는 것이 핵심이다. 스마트팩토리에서 핵심은 공장 내·외부 빅 데이터 확보를 통한 데이터 분석력에 있고, 이를 위해 양질의 빅 데이터 확보를 위한 인프라 구축의 필요성이 증가되고 있다. 본고에서는 빅 데이터 인프라 구축 프로세스와 내·외부 데이터 확보를 위한 빅 데이터 플랫폼 구성 요소, 양질의 데이터 확보 및 협력파트너와 실시간 데이터 공유를 위한 데이터 표준화의 기초공사인 데이터 모델링, 지속적인 양질의 빅 데이터 확보를 위한 데이터 품질관리를 위한 구성 요소를 알아본다. 이를 통해 스마트팩토리에서 지속적인 양질의 빅 데이터 확보를 위한 빅 데이터 인프라 구축 방안을 제시하였다. 스마트팩토리를 도입하고자 하는 기업에게 빅 데이터 인프라 구축의 가이드가 될 수 있을 것으로 전망된다. In the developed countries, the smart factory is being built in earnest to increase the manufacturing competitiveness. The Smart Factory is equipped with sensors on machines based on 4M2E (Man, Machine, Material, Method, Energy, Environment) which is the element of physical factory and converts (digitizes) physical signals into digital signals for smooth communication, and it is essential to connect the machines in the factory, parts, factory, manufacturing processes, people, and supply chain partners to each other, and to enhance the personalized value desired by customers through intelligent (smart) operation of smart factory platform using collected data. In the Smart Factory, the key is the data analysis ability through securing big data in and outside of the factory, and in order to do this, there is a growing need to build an infrastructure to secure high-quality big data. This study examines a large data platform component for big data infrastructure building process and internal/external data acquisition, data modeling which is the foundation of data standardization for securing high quality data and sharing real time data with cooperation partners, and the components for data quality management for securing of continuous high-quality big data. Through this, a plan to build a big data infrastructure is suggested for securing continuous high quality big data in Smart Factory. It is expected that it will be a guide to build big data infrastructure for companies wishing to introduce Smart Factory.