|
1. Business Process Model의 적합성
2. 프로세스의 횡적 통합성
3. 실무적용성과 사용자 편의성
4. Process Model 의 변화에 대한 유연성
5. 확장성 및 개방성
6. ERP 기본엔진의 견고성
7. 개발도구의 문제
Ⅴ. 맺음말
참고문헌
|
|
|
모델은 2차원 압밀이론에 근거한 탄소성 모델인 Sekiguchi-Ohta 모델이 도입되었으며, 이 모델은 다이러턴시, 비등방성, 크립, 2차 압밀 등을 고려할 수 있다.
FEM 요소망의 형태는 그림 18과 같다. 평면변형을 가정하였으며, 팽이기초의 크기는 직경
|
|
|
데이터: 빅데이터의 정의 및 공통적 속성(3V: Volume, Velocity, Variety; 확장된 5V), 데이터 종류(정형, 반정형, 비정형 데이터), 3대 기술(저장, 분석, 표현) 이해. 금융권의 빅데이터 활용 사례(고객 분석, 리스크 관리, 업무 효율화) 분석.
? 블록체인:
|
|
|
|
데이터를 활용해 진동 패턴을 해석하고 고장 위치를 추론하는 훈련을 받았습니다. 진동 신호의 시간-주파수 변환을 적용한 분석 능력은 향후 실차 주행시험 결과 분석에 매우 유용하리라 확신합니다. 특히 이 과목에서는 시험 데이터를 다각
|
|
|
가. 엔진 튠업(Tune-up)과 튜닝(Tuning)
나. 엔진 튠업의 필요성
3. 실습의 준비 및 절차
가. 실습 방법
나. 엔진 튠업(Tune-up) 유의 사항
다. 실습관련 내용 이론 정리
4. 실습의 최종 결과치
5. 실습의 고찰 및 의견
* 참고 문헌
|
|
|
준비가 덜 되어 있다면 지금부터라도 ERP를 도입하기 위한 준비에 들어가야 한다. 이제처음으로 돌아가서 “ 이론과 현실는 다르다 ”는 명제를 다시 한번 생각해 보자. 이 글도 어떻게 소화하고 응용하여 자기 기업에 맞는 도입 모델을 만드
|
|
|
데이터 보안과 개인정보 취급, 편향성 등의 문제가 있다는 것을 확인하였습니다.
필자의 관점에서 볼 때, ChatGPT와 같은 언어 모델의 도입은 결코 가볍게 여겨질 문제가 아닙니다. 기업은 이런 기술을 도입하기 전에 충분한 사전 연구와 준비가
|
|
|
시험적 가설설정(Tentative Hypotheses)
4. 가설의 타당성 검사(Testing Hypotheses for Validity)
5. 결과의 결정(Determination of Consequence)
6. 결과의 비교평가(Comparative Evaluation of Consequence)
7. 타당한 결과의 선택(Choice of Alternative Decision)
8. 선택보강(Reinforcement
|
|
|
데이터 탭의 해찾기를 선택해서 아래와 같이 입력한다. 옵션에서 선형모델가정과
비음수에 체크한 수 해찾기를 실행한다.
⑦다음과 같이 결과가 나타난다. 준비시간의 총합은 25시간으로 할당방법은(기계1,작업2),
(기계2,작업1),(기계3,작업3)
|
|
|
시험전 시험편의 단면적
시험후 시험편의 단면적
최대압축강도 (σmax)
압축률 (εc )
단면변화율 (ψc)
4. 고 찰
이번 실험에서는 압축시편을 가지고 압축시험을 하였다. 압축시험은 간단히 기계만을 조작해서 얻을 수 있는 데이터로 금속시편
|
|
메뉴펼치기
