[논문]BaaS(BIM as a Service)를 위한 분산 클라우드 기반의 BIM 플랫폼 리소스 관리 방법 연구

손아영; 신재영; 문현석

doi:10.13161/kibim.2020.10.3.043

BaaS(BIM as a Service)를 위한 분산 클라우드 기반의 BIM 플랫폼 리소스 관리 방법 연구
BIM Platform Resource Management for BaaS(BIM as a Service) in Distributed Cloud Computing 원문보기

Journal of KIBIM = 한국BIM학회논문집, v.10 no.3, 2020년, pp.43 - 53

손아영 (한국건설기술연구원, 스마트건설혁신본부 국가 BIM 연구센터) , 신재영 (한국건설기술연구원, 미래융합연구본부 건설자동화연구센터) , 문현석 (한국건설기술연구원, 스마트건설혁신본부 국가 BIM 연구센터)

Abstract ▼ AI-Helper

BIM-based Cloud platform gained popularity coupled with the convergence of Fourth Industrial Revolution technology. However, most of the previous work has not guaranteed sufficient efficiency to meet user requirements according to BIM service. Furthermore, the Cloud environment is only used as a server and it does not consider cloud characteristics. For the processing of High Capacity Data like BIM and using seamless BIM service, Resource management technology is required in the cloud environment. In this paper, to solve the problems, we propose a BIM platform for BaaS and an efficient resource allocation scheme. We also proved the efficiency of resource for the proposed scheme by using existing schemes. By doing this, the proposed scheme looks forward to accelerating the growth of the BaaS through improving the user experience and resource efficiency.

주제어

표/그림 (17)

표 Table 1. Analysis of BIM platform in cloud computing
표 Table 2. Features of BIM platform in cloud computing
그림 Figure 1. Concept of BaaS
그림 Figure 2. Resource management schemes
그림 Figure 3. Data Processing for BaaS
표 Table 3. Notations
표 Table 4. Requirements of BIM platform for BaaS
표 Table 5. Definition of user according to phase
그림 Figure 4. Proposed architecture for BaaS in distributed cloud computing
그림 Figure 5. Process for BaaS in distributed cloud computing
그림 Figure 6. Flowchart for adaptive resource placement
표 Table 6. User type
그림 Figure 7. Resource mapping according to phase and user
그림 Figure 8. Result for scenario 1
그림 Figure 9. Result for scenario 2
표 Table 7. Model size
그림 Figure 10. Comparison of performance between existing scheme and proposed scheme according to ifc model size

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서 본 연구는 분산 클라우드 기반에서 BIM을 서비스 형태로 제공하기 위해 BaaS(BIM as a Service)를 위한 플랫폼을 제시하고 대용량 데이터인 BIM 관리를 위해 사용자에 따른 맞춤형 리소스 관리 방법을 제시한다. 제시하는 시스템으로 기존 클라우드 리소스 관리의 한계점을 해소할 수 있으며, 오버 프로비저닝과 언더 프로비저닝 상태를 감소시킬 수 있어 리소스 효율성 향상을 기대할 수 있다.
본 연구에서는 BIM 데이터 특성과 클라우드 환경의 특성을 고려하여 리소스 관리 방법을 제공하는 클라우드 기반 BIM 플랫폼을 제안하고자 한다.
증대되고 있으며 관련 연구들이 활발하게 진행 중이다. 본 연구에서는 클라우드 형태로 제공 할 수 있는 BIM서비스에 대해 BaaS 라는 개념과 함께 BaaS를 위한 기존 연구와 서비스를 분석하여 BIM 플랫폼 요구사항을 도출하였다. 하지만 클라우드 환경을 고려한 BaaS의 대부분의 연구는 클라우드 특성을 반영하지 못한 채, 서버로만 활용되는 관리적 측면으로만 제공되고 있으며, 고정적인 리소스 할당으로 사용자의 서로 다른 요구를 충족시키지 못하여 개인 맞춤형 BaaS의 제공이 어렵다.
본 장에서는 BIM 서비스를 위한 플랫폼 구성을 위해 클라우드 기반 BIM 플랫폼에 대한 기존 연구들과 서비스 사례를 분석하였고, BIM플랫폼 기능 분석을 통해 주체별로 어떠한 기능이 클라우드 리소스 관리에 영향을 미치는지 확인 하였다.
본 절에서는 BaaS를 위한 사용자를 정의하고 사용자에 따른 단계별 요구사항을 제시하였다. 사용자는 운영자, 시설물 관리자 (프로젝트 담당자), 일반 사용자로 분류 된다.
하지만, 본연구에서 CloudSim을 이용한 시뮬레이션을 수행하였기 때문에 이를 보다 다양한 서버 및 사용자 시나리오에서 연구할 필요할 것으로 판단된다. 향후 본 연구에서 제안한 플랫폼을 기반으로 구성하고 있는 세부적인 요소기술을 구체적으로 구현하고자 한다.

가설 설정

(4) 이상 징후를 감지했다면 새로운 유형을 할당한다. 이상 징후가 없다면 리소스 매니저를 통해 계속 해서 리소스 사용량을 분석한다.
3) 서비스 배치: BaaS의 각 기능들은 리소스에 대한 요구사항과 실행되는 대상 리소스의 위치가 다르다. 배치가 결정이 되면 사용자에 따른 리소스 타입을 변경하고 적합한 리소스로의 서비스 배치를 실시한다.

제안 방법

데이터 매니저를 통해 BIM 서비스를 인식하고 기능에 따라 분산되고 계층화된 클라우드 형태로 서비스들을 관리하여 속도를 향상 시키고, 사용자들이 서비스에 동시 접근 할 수 있는 구조를 가진다. BaaS는 BIM 데이터의 활용과 관리가 용이 하도록 플랫폼 구조를 분산하여 설계하였다.
그러나 에지 클라우드는 여러 사용자가 동시에 접근하는 것이 어렵고, 그로 인해 서비스의 관리가 상대적으로 어렵다. 그러므로 본 논문에서는 BaaS의 활용과 관리가 용이 하도록 플랫폼 구조를 계층적으로 설계하였다. 이는 클라우드와 에지의 장단점을 적절히 보완하면서도 유연한 구조의 서비스를 제공 가능하게 한다.
1.2 BaaS를 위한 최적화된 리소스 배치 기법
기존 클라우드 서비스 제공자는 리소스 관리를 위해 최적화 (optimization) 방법을 고려하며, BaaS환경에서도 최적화된 리소스를 제공하는 방안으로 최적화 방법을 사용하였다. 최적화 방법을 사용하기 위해 목적함수(objective function)의 함수값을 최적화(최대화 또는 최소화)시키는 파라미터(변수) 조합을 찾는 기법을 사용한다.
셋째, 분산 클라우드 기반의 데이터 처리를 위한 프로세스를 설계하고 리소스관리를 위해 사용자 맞춤형 리소스할당 방법을 제안하였다. 넷째, 기존 리소스할당 방법과의 비교를 통해 제안한 방법에 대해 성능을 검증하였다.
시나리오 구성을 위해서는 LR, Threshold(임계치 할당)방법과 함께 실험을 실시하여 본 논문에서 제안하는 방법과의 비교 평가를 실시한다. 두 가지 시나리오에 BaaS를 위한 리소스관리에 대한 성능 검증을 실시하였다. 시나리오 1에서는 사용자에 따른 리소스 할당이 되며 Table 6과 같이 Data 용량에 따라 사용자 유형을 구분하였으며, 리소스(CPU, MEM, Traffic) 에 대한 구간을 정의하였다.
첫째, BaaS의 개념 및 필요성을 제시하였다. 둘째, BaaS를 위한 플랫폼 요구기능 도출을 위하여, 기존 플랫폼의 문제점과 함께 클라우드 기반 BIM 플랫폼이 특징을 분석하였다. 셋째, 분산 클라우드 기반의 데이터 처리를 위한 프로세스를 설계하고 리소스관리를 위해 사용자 맞춤형 리소스할당 방법을 제안하였다.
따라서 사용자에 따라 리소스 사용량을 기반으로 요구량 및 가용성을 반영하고 사용자가 어떤 업무 단계인지를 고려하여 리소스 관리 방안을 제공한다.
이와 같은 기존 BaaS 기술이 가지는 한계점을 해소하기 위해, BaaS 플랫폼과 그 시스템에 적용할 수 있는 효율적 리소스 할당 방법을 제안하였다. 또한, 본 논문에서는 제안하는 BaaS를 위한 리소스 할당알고리즘의 효율성을 확인하기 위하여 CloudSim 기반에서 제안하는 리소스 할당 방법의 성능 평가를 진행하였다. 성능 평가 결과 리소스 낭비량이 기존 할당 방법 대비 약 13% 적은 것으로 확인되어 효율적인 것으로 나타났다.
최적화 방법을 사용하기 위해 목적함수(objective function)의 함수값을 최적화(최대화 또는 최소화)시키는 파라미터(변수) 조합을 찾는 기법을 사용한다. 리소스를 최적화 하고 다른 기존기법(Static, LR 등) 과의 비교를 위해 리소스 낭비량을 최소화 시키는 방법을 이용하였으며 물리 머신(PM) 리소스는 가상 머신(VM)의 리소스 보다 크거나 같아야 하는 제약 조건과 함께 리소스 낭비량은 최소를 만족시키는 알고리즘 (1)을 제안하였다. 최적화 함수를 기반을 둔 알고리즘으로 성능 평가시 기존 방법과 비교하는 지표로서 사용하였다.
본 연구에서 제안하는 방법을 통해 고정적인 리소스할당이 아닌 사용자별 업무단계별 리소스 할당을 하고 실제 리소스 사용량 반영하여 리소스 유형을 변경하였다. 제안한 방법이 성능평가 결과 기존 기술대비 리소스 낭비량이 적고 성능(렌더링 시간, 스토리지 접근 시간)적으로도 개선됨을 보였다.
Figure 3 는 BaaS 를 사용할 때 데이터 처리과정을 레벨에 따라 나눈 것이며, Level 4단계 까지 구성된다. 본 연구에서 제안하는 자원관리 방법은 레벨별 데이터 처리 상태를 고려하는 리소스 관리 방안으로 중앙클라우드와 에지 클라우드가 갖는 장점을 가진다.
본 장에서는 BaaS를 위한 BIM플랫폼 요구사항을 도출하였다. BIM 플랫폼 기능에 따라 리소스 사용량이 달라지고, 사용자별, 업무단계에 따라 기능 요구사항 달라지게 된다.
본 절에서는 BaaS를 위해 사용자별 클라우드 리소스의 효율적 할당과 배치를 위한 적응형 리소스 관리 방법을 구성한다. Figure 6은 리소스 사용량이 변화될 때마다 유형을 변경하여 리소스 변화에 대응 가능한 적응형 리소스 배치 방법에 대한 흐름을 제시한다.
둘째, BaaS를 위한 플랫폼 요구기능 도출을 위하여, 기존 플랫폼의 문제점과 함께 클라우드 기반 BIM 플랫폼이 특징을 분석하였다. 셋째, 분산 클라우드 기반의 데이터 처리를 위한 프로세스를 설계하고 리소스관리를 위해 사용자 맞춤형 리소스할당 방법을 제안하였다. 넷째, 기존 리소스할당 방법과의 비교를 통해 제안한 방법에 대해 성능을 검증하였다.
시나리오 2에서는 3.2.2절에서 분류한 사용자와 업무단계(설계, 시공, 유지보수)에 따른 리소스 유형을 기반으로 시나리오를 설정하였다. 설계단계에서는 프로젝트 관리 기능이 주로 사용되며, 시공단계에서는 프로젝트 관리와, 라이브러리 관리가 사용된다.
시나리오 1에서는 사용자에 따른 리소스 할당이 되며 Table 6과 같이 Data 용량에 따라 사용자 유형을 구분하였으며, 리소스(CPU, MEM, Traffic) 에 대한 구간을 정의하였다. 실시간 사용량에 따라 유형을 변화시켜 리소스를 재할당하는 방법으로 테스트를 실시하였다.
유지보수 관리에서는 유지보수 관리 기능과 라이브러리가 사용되며 해당 단계에 따라 리소스 유형이 정해진다. 실시간 사용량에 따라 이상 징후(핫스팟이, 콜드스팟)가 발견되면 유형의 범위를 변경하고, 유형에 따른 리소스 재할당 방법으로 테스트를 실시하였다.
알고리즘 (1)은 물리 머신들과 가상 머신들의 활성화 상태와 리소스 사용량을 고려하여 알고리즘을 설계 하였다.
이를 위해 에지 클라우드에서 제공되는 분산 형태의 BaaS 를 제안하며, 계층화된 구조인 중앙 클라우드, 에지 클라우드의 장점을 통해 리소스를 관리하고 데이터의 접근이 용이하도록 설계하였다.
(4) 이상 징후를 감지했다면 새로운 유형을 할당한다. 이상 징후가 없다면 리소스 매니저를 통해 계속 해서 리소스 사용량을 분석한다.
하지만 클라우드 환경을 고려한 BaaS의 대부분의 연구는 클라우드 특성을 반영하지 못한 채, 서버로만 활용되는 관리적 측면으로만 제공되고 있으며, 고정적인 리소스 할당으로 사용자의 서로 다른 요구를 충족시키지 못하여 개인 맞춤형 BaaS의 제공이 어렵다. 이와 같은 기존 BaaS 기술이 가지는 한계점을 해소하기 위해, BaaS 플랫폼과 그 시스템에 적용할 수 있는 효율적 리소스 할당 방법을 제안하였다. 또한, 본 논문에서는 제안하는 BaaS를 위한 리소스 할당알고리즘의 효율성을 확인하기 위하여 CloudSim 기반에서 제안하는 리소스 할당 방법의 성능 평가를 진행하였다.
데이터 브로커는 데이터를 서비스하기 위하여 데이터 유무 확인, 데이터 요청, 데이터 변환, 데이터 저장, 데이터 변형, 데이터 제공의 기능을 갖는다. 인프라, 플랫폼, 소프트웨어 별로 단위를 구별하여 구조를 제시하였고 이를 기반으로 시뮬레이션 환경을 구축하였다.
첫째, BaaS의 개념 및 필요성을 제시하였다. 둘째, BaaS를 위한 플랫폼 요구기능 도출을 위하여, 기존 플랫폼의 문제점과 함께 클라우드 기반 BIM 플랫폼이 특징을 분석하였다.

데이터처리

기존 기법과의 비교를 통해 제안하는 방법에 대한 성능 검증을 실시하였다. Figure 8은 시나리오 1에 대한 성능이며, Figure 9는 시나리오 2에 대한 결과 이다.
Cloudsim을 적용하였다. 시나리오 구성을 위해서는 LR, Threshold(임계치 할당)방법과 함께 실험을 실시하여 본 논문에서 제안하는 방법과의 비교 평가를 실시한다. 두 가지 시나리오에 BaaS를 위한 리소스관리에 대한 성능 검증을 실시하였다.

이론/모형

Table 7은 IFC 모델 사이즈에 따라 Figure 10과 같이 성능을 비교하였으며, 모델 A와 모델 B는 BuildingSMART Alliance에서 제공되는 오픈 IFC모델을 활용하였다. 모델 A, B를 통해 렌더링 시간과 스토리지 접근 시간을 비교하였으며, 기존 대비 성능이 평균 30% 감소함을 확인하였다.
BIM 플랫폼 기능에 따라 리소스 사용량이 달라지고, 사용자별, 업무단계에 따라 기능 요구사항 달라지게 된다. 도출된 요구사항을 기반으로 리소스 사용 유형을 정의하는데 활용 하였다.
본 연구에서 제안하는 방법에 대한 성능평가를 위해 클라우드 플랫폼의 리소스 배치 검증을 수행할 수 있도록 가상 시뮬레이션 도구인 Cloudsim을 적용하였다. 시나리오 구성을 위해서는 LR, Threshold(임계치 할당)방법과 함께 실험을 실시하여 본 논문에서 제안하는 방법과의 비교 평가를 실시한다.
제공하는 방안으로 최적화 방법을 사용하였다. 최적화 방법을 사용하기 위해 목적함수(objective function)의 함수값을 최적화(최대화 또는 최소화)시키는 파라미터(변수) 조합을 찾는 기법을 사용한다. 리소스를 최적화 하고 다른 기존기법(Static, LR 등) 과의 비교를 위해 리소스 낭비량을 최소화 시키는 방법을 이용하였으며 물리 머신(PM) 리소스는 가상 머신(VM)의 리소스 보다 크거나 같아야 하는 제약 조건과 함께 리소스 낭비량은 최소를 만족시키는 알고리즘 (1)을 제안하였다.
리소스를 최적화 하고 다른 기존기법(Static, LR 등) 과의 비교를 위해 리소스 낭비량을 최소화 시키는 방법을 이용하였으며 물리 머신(PM) 리소스는 가상 머신(VM)의 리소스 보다 크거나 같아야 하는 제약 조건과 함께 리소스 낭비량은 최소를 만족시키는 알고리즘 (1)을 제안하였다. 최적화 함수를 기반을 둔 알고리즘으로 성능 평가시 기존 방법과 비교하는 지표로서 사용하였다.

성능/효과

(2) 사용자 타입에 따라 할당된 최적의 리소스로 를 이용하고, 사용자가 서비스를 이용하는 동안 BaaS시스템은 리소스 사용량 데이터를 수집, 저장한다.
또한 제안하는 방법은 기존 방법대비 평균 리소스 낭비량이 일정한 것으로 확인 하였다.
오픈 IFC모델을 활용하였다. 모델 A, B를 통해 렌더링 시간과 스토리지 접근 시간을 비교하였으며, 기존 대비 성능이 평균 30% 감소함을 확인하였다.
성능 비교를 통하여 본 논문에서 제안하는 방법이 기존 방법에 비하여 약 13%의 리소스 낭비량이 적다는 것을 확인할 수 있었다. 또한 제안하는 방법은 기존 방법대비 평균 리소스 낭비량이 일정한 것으로 확인 하였다.
또한, 본 논문에서는 제안하는 BaaS를 위한 리소스 할당알고리즘의 효율성을 확인하기 위하여 CloudSim 기반에서 제안하는 리소스 할당 방법의 성능 평가를 진행하였다. 성능 평가 결과 리소스 낭비량이 기존 할당 방법 대비 약 13% 적은 것으로 확인되어 효율적인 것으로 나타났다.
리소스 관리 방법을 제시한다. 제시하는 시스템으로 기존 클라우드 리소스 관리의 한계점을 해소할 수 있으며, 오버 프로비저닝과 언더 프로비저닝 상태를 감소시킬 수 있어 리소스 효율성 향상을 기대할 수 있다.
제안하는 방법을 통해 기존의 고정적으로 할당하는 방식이 아닌 리소스 사용량이 바뀔 때마다 리소스 유형이 변경되고 사용자별, 단계에 따른 리소스를 매핑한다. 따라서 BaaS 사용 시 대용량인 BIM 데이터를 컴퓨팅 할 때 미리 리소스를 확보한다.
리소스 유형을 변경하였다. 제안한 방법이 성능평가 결과 기존 기술대비 리소스 낭비량이 적고 성능(렌더링 시간, 스토리지 접근 시간)적으로도 개선됨을 보였다. 따라서 클라우드 환경에서 리소스 사용량은 비용과 연관되어 지기 때문에, 사용자에 따라 최적화된 BaaS를 제공하여 비용효과까지 제공될 것으로 기대된다.

후속연구

제안한 방법이 성능평가 결과 기존 기술대비 리소스 낭비량이 적고 성능(렌더링 시간, 스토리지 접근 시간)적으로도 개선됨을 보였다. 따라서 클라우드 환경에서 리소스 사용량은 비용과 연관되어 지기 때문에, 사용자에 따라 최적화된 BaaS를 제공하여 비용효과까지 제공될 것으로 기대된다.
본 BaaS를 위한 플랫폼 제시와 리소스 관리 방법은 대용량 BIM 성과품을 클라우드 환경에서 관리하고 BIM 서비스 클라우드 환경에서 관리하는데 유용할 것으로 예상되어 진다. 하지만, 본연구에서 CloudSim을 이용한 시뮬레이션을 수행하였기 때문에 이를 보다 다양한 서버 및 사용자 시나리오에서 연구할 필요할 것으로 판단된다.
관리하는데 유용할 것으로 예상되어 진다. 하지만, 본연구에서 CloudSim을 이용한 시뮬레이션을 수행하였기 때문에 이를 보다 다양한 서버 및 사용자 시나리오에서 연구할 필요할 것으로 판단된다. 향후 본 연구에서 제안한 플랫폼을 기반으로 구성하고 있는 세부적인 요소기술을 구체적으로 구현하고자 한다.

참고문헌 (20)

Afsari, K., Eastman, C. M., Shelden, D. R. (2016). Cloud-based BIM data t ransmission: current status and challenges. In ISARC. Proceedings of the International Symposium on Automation and Robotics in Construction, 33, pp. 1-7. IAARC Publications.
BIM Cloud (2020). https://graphisoft.com/solutions/products/bimcloud (Aug. 03, 2020)
BIMserver.center (2020). https://bimserver.center (Aug. 03, 2020).
BIM360(2020). https://www.autodesk.com/bim-360 (Aug. 03, 2020)
Chen, H. M., Chang, K. C., Lin, T. H. (2016). A cloud-based system framework for performing online viewing, storage, and analysis on big data of massive BIMs. Automation in Construction, 71, pp. 34-48.

상세보기
Chien, S. C., Chuang, T. C., Yu, H. S., Han, Y., Soong, B. H., Tseng, K. J. (2017). Implementation of cloud BIM-based platform towards high-performance building services. Procedia environmental sciences, 38, pp. 436-444.

상세보기
Choi, J. H., Suh, J. H. (2019). Exploring the 4th Industrial Revolution Technology from the Landscape Industry Perspective. Journal of the Korean Institute of Landscape Architecture, 47(2), pp. 59-75.

원문보기 상세보기
Costache, S., Dib, D., Parlavantzas, N., Morin, C. (2017). Resource management in cloud platform as a service systems: Analysis and opportunities. Journal of Systems and Software, 132, pp. 98-118.

상세보기
Das, M., Cheng, J. C., Shiv Kumar, S. (2014). BIMCloud: a distributed cloud-based social BIM framework for project collaboration. International Conference on Computing in Civil and Building Engineering (2014), pp. 41-48.
Endo, P. T., de Almeida Palhares, A. V., Pereira, N. N., Goncalves, G. E., Sadok, D., Kelner, J., ... Mangs, J. E. (2011). Resource allocation for distributed cloud: concepts and research challenges. IEEE network, 25(4), pp. 42-46.

상세보기
Firozbakht, F., Obidallah, W. J., Raahemi, B. (2017, March). Cloud computing service discovery framework for IaaS and PaaS models. In Proceedings of the Second International Conference on Internet of things, Data and Cloud Computing, pp. 1-6.
Hamledari, H., Rezazadeh Azar, E., McCabe, B. (2018). IFC-based development of as-built and as-is BIMs using construction and facility inspection data: Site-to-BIM data transfer automation. Journal of Computing in Civil Engineering, 32(2), pp. 1-15.
Li, C., Zhang, J., Ma, T., Tang, H., Zhang, L., Luo, Y. (2019). Data locality optimization based on data migration and hotspots prediction in geo-distributed cloud environment. Knowledge-Based Systems, 165, pp. 321-334.

상세보기
Ma, L., Sacks, R. (2016, October). A cloud-based BIM platform for information collaboration. In ISARC 2016-33rd International Symposium on Automation and Robotics in Construction, 33, pp. 581-589. IAARC (The International Association for Automation and Robotics in Construction).
Moon, H. S., Won, J. S., Shin, J. Y. (2018). A Standardized BIM Framework for Supporting Life-cycle Business Process for Port & Harbour Facilities. Journal of KIBIM, 8(4), pp. 49-59.

원문보기 상세보기
Onuma System (2020). http://onuma-bim.com/ (Aug. 03, 2020)
Park, J., Kim, K., Cho, Y. K. (2017). Framework of automated construction-safety monitoring using cloud-enabled BIM and BLE mobile tracking sensors. Journal of Construction Engineering and Management, 143(2), pp. 1-12.
Patil, M. (2019). Enhancing Static Auto-scaling Approach to Mitigate Resource Over-Provisioning in Cloud Computing (Doctoral dissertation, Dublin, National College of Ireland).
Shahinmoghadam, M., Motamedi, A. (2019). Review of BIM-centred IoT deployment: state of the art, opportunities, and challenges. In ISARC. Proceedings of the International Symposium on Automation and Robotics in Construction 36, pp. 1268-1275. IAARC Publications.
Sun, A., Ji, T., Wang, J. (2016). Cloud platform scheduling strategy based on virtual machine resource behaviour analysis. International Journal of High Performance Computing and Networking, 9(1-2), pp. 61-69.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증