최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국구조물진단유지관리공학회 논문집 = Journal of the Korea Institute for Structural Maintenance and Inspection, v.19 no.5, 2015년, pp.92 - 103
도정윤 (군산대학교 산학협력단) , 김두기 (군산대학교 토목공학과)
Box-Wilson experimental design method, known as central composite design, is the design of any information-gathering exercises where variation is present. This method was devised to gather as much data as possible in spite of the low design cost. This method was employed to model the effect of mixin...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
Box-Wilson 실험계획법은 어떤 목적으로 고안되었는가? | Box-Wilson 실험계획법은 보통 중심합성계획법으로 알려져 있으며, 변동성이 존재하는 정보를 실험 계획적 방법으로 수집하는 설계 기법이다. 이 방법은 최소의 설계비용으로 가능한 많은 정보를 얻는 목적으로 고안되었다. 본 연구에서는 60 MPa급 고강도 자기충전형 콘크리트(HSSCC)를 대상으로 다양한 성능에 대한 여러 배합인자들의 효과를 효율적으로 파악하고 최적배합을 찾는 과정에 이 방법을 적용하였다. | |
Box-Wilson 실험계획법은 무엇인가? | Box-Wilson 실험계획법은 보통 중심합성계획법으로 알려져 있으며, 변동성이 존재하는 정보를 실험 계획적 방법으로 수집하는 설계 기법이다. 이 방법은 최소의 설계비용으로 가능한 많은 정보를 얻는 목적으로 고안되었다. | |
기존 콘크리트배합설계과정의 장단점은? | 즉, 한 개의 인자씩 순차적으로 배합구성비를 결정해나가는 기존 콘크리트배합설계과정-초보적인 인자결정법이라고 분류할 수 있음-은 간결한 구조라는 장점이 있지만, 인자와 성능 사이의 비선형적 관계를 각 과정 중에서 1개 인자씩만 고려하는 전형적인 one factor at a test의 단점을 가지고 있다(Baykasoglu et al., 2009). |
Atcin, P.-C. (2011), High performance concrete, CRC Press, 203-211.
Baykasoglu, A., ztas, A., & zbay, E. (2009), Prediction and multiobjective optimization of high-strength concrete parameters via soft computing approaches. Expert Systems with Applications, 36(3), 6145-6155.
Do, J., Kim, D. (2013), Effect of Substrate Surface Water on Adhesive Properties of High Flowable VA/VeoVa-modified Cement Mortar for Concrete Patching Material, Journal of Korea Institute of Safety Inspection, KSMI, 17(5), 94-104.(In Korean, with English abstract).
Duan, Z., Kou, S., & Poon, C. (2013), Prediction of compressive strength of recycled aggregate concrete using artificial neural networks, Construction and Building Materials, 40, 1200-1206.
EFNARC. (2002), Specification and Guidelines for Self Compacting Concrete, DFNARC, UK, 23-25.
Fardis, M. N. (2012), Innovative Materials and Techniques in Concrete Construction, Springer, 45-49.
Ghafari, E., Costa, H., & Jlio, E. (2014), RSM-based model to predict the performance of self-compacting UHPC reinforced with hybrid steel micro-fibers, Construction and Building Materials, 66, 375-383.
Khan, M. I. (2012), Predicting properties of High Performance Concrete containing composite cementitious materials using Artificial Neural Networks, Automation in Construction, 22, 516-524.
Ko, Y., Kim, C., Hwang, J., and Lee, S. (2015), Experimental Study on Lateral Pressure Characteristics of a Formwork for High-Flowable and High-Strength Concrete, Journal of Korea Institute of Safety Inspection, KSMI, 19(3), 130-138.(In Korean, with English abstract).
Montgomery, D. C. (2013), Design and analysis of experiments, John Wiley & Sons, 478-544.
Myers, R. H., Montgomery, D. C., & Anderson-Cook, C. M. (2009), Response surface methodology: process and product optimization using designed experiments, John Wiley & Sons, 446-449.
Ozbay, E., Oztas, A., Baykasoglu, A., & Ozbebek, H. (2009), Investigating mix proportions of high strength self compacting concrete by using Taguchi method, Construction and Building Materials, 23(2), 694-702.
Siddique, R., Aggarwal, P., & Aggarwal, Y. (2011), Prediction of compressive strength of self-compacting concrete containing bottom ash using artificial neural networks. Advances in Engineering Software, 42(10), 780-786.
Yeh, I.-C. (1998), Modeling of strength of high-performance concrete using artificial neural networks. Cement and Concrete research, 28(12), 1797-1808.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.