http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
윤성재(Yoon SungJae) 백산학회 2021 白山學報 Vol.- No.120
『어의촬요(御醫撮要)』은 1226년(고종 13)에 최종준(崔宗峻)이 왕실에서 비전(祕傳)되어 왔던 어의들의 처방 중 다방(茶房)에서 전해오던 방문을 2권으로 간행한 고려시대 의서이다. 이 책은 유실되어 전해지지 않으나 『향약집성방(鄕藥集成方)』과 『의방유취(醫方類聚)』 등에 인용되어 일부 내용을 알 수 있다. 『어의촬요』의 인쇄 배포를 통해, 종래 어의로 대표되는 왕실이 독점한 의료지식이 좀 더 널리 퍼지게 되었다. 하지만 의학 지식의 증가와는 별개로 약물을 구하는 것이 더욱 큰 문제였다. 왕으로부터 약을 받은 유공권의 사례나 용뇌를 권력자에게 받은 이규보의 사례는 약물의 확보 여부가 권력임을 보여준다. 이러한 흐름은 단오의 옥추단(玉樞丹)이나 납일(臘日)의 전약(煎藥)과 같이 의례화된 세시 풍속을 통해 권력 과시를 보여주는 형태로 유지되었다. 그러나 이런 의학적 혜택에서 배제되었던일반 민중들은 향약이라는 대체재를 마련하면서 의료생활을 발전시켰다. Eouichwaryo(御醫撮要) was published by Choi jongjun(崔宗峻) in 1226. He compiled two volumes of the royal family s prescription, which had been handed down by the Tea Office(茶房). This book is not handed down due to its loss, but it is cited in Euibangyoochui(醫方類聚) and Hyangyakjipsungbang(鄕藥集成方) to reveal some of its contents. Through the printing and distribution of this book, the royal family s proprietary medical knowledge, represented by the royal physician, has become more widespread. However, apart from the increase in medical knowledge, finding drugs was a bigger problem. The case of Yu Gongkwon(柳公權), who received medicine from the king and the other case of Lee Gyubo(李奎報), who received the borneol(龍腦) from the powerful man, shows that securing drugs is power. This trend was maintained in the form of showing power through ritualized seasonal customs, such as the Okchudan of Dano(端午) and the decoction of medicinal herbs of Nabil(臘日). However, people who were excluded from these medical benefits developed their medical lives by preparing alternative medicines.
윤성재(Sungjae Yoon),이문영(Munyoung Lee),이정환(Jeonghwan Lee),이성희(Seong-hee Lee),나중찬(Jungchan Na) 대한기계학회 2021 大韓機械學會論文集A Vol.45 No.5
정보통신기술(ICT)의 발전은 전통적인 제조 분야의 혁신을 가속화시키고 있고, 스마트팩토리로 불리우는 최첨단 공장에서는 각종 센서를 통해 실시간으로 데이터를 수집하고 있다. 이러한 수집된 데이터에 인공지능 기술을 적용하여 기계 고장 상황에 빠르게 대처하는 연구가 최근 들어 많은 관심을 받고 있다. 본 연구에서는 공작기계 스핀들의 고장 진단을 목적으로 인공지능 기술의 적용 가능성을 확인하기 위해 테스트벤치를 구축한 후 볼트를 이용하여 인위적으로 스핀들의 편심을 변화시킨 고장 데이터를 수집하였고, 분류(classification) 문제에 주로 사용되는 인공지능 모델 3종(CNN, LSTM, auto-encoder)을 학습하여 스핀들의 7가지 상태를 분류하는 정확도를 비교 분석하였다. 또한, 공작기계 도메인에 인공지능 기술을 효과적으로 적용하기 위해 필요한 데이터 수집 및 처리방법과 모델 개발 방법을 제안한다. The development of information and communication technology (ICT) is accelerating innovation in the traditional manufacturing sector. The smart factory which is a state-of-the-art factory collects data in real time through various sensors. Recently, researches on applying the artificial intelligence technology to these collected data to detect machine failures has gained a lot of attention. In this study, we built a test bench to check the possibility of applying the artificial intelligence technology for the fault diagnosis of the spindle of machine tools. We collected failure data by changing the off-center of the spindle using bolts. Further, we used artificial intelligence models (CNN, LSTM, and auto-encoder) to analyze the accuracy of seven types of fault classifications. In addition, the method of data collection, data process, and model development is proposed to effectively apply the artificial intelligence technology to machine tool domains.