[논문]Evaluation of Low-cost MEMS Acceleration Sensors to Detect Earthquakes

Lee, Jangsoo; Kwon, Young-Woo

doi:10.9708/jksci.2020.25.05.073

Evaluation of Low-cost MEMS Acceleration Sensors to Detect Earthquakes 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.25 no.5, 2020년, pp.73 - 79

Lee, Jangsoo (School of Computer Science and Engineering, Kyungpook National University) , Kwon, Young-Woo (School of Computer Science and Engineering, Kyungpook National University)

초록
AI-Helper

한반도에서 점차 증가하는 지진으로 지진을 빠르고 정확하게 감지하기 위한 연구가 활발하게 이루어지고 있다. 기상청에서 운영하는 기존 관측소는 설치와 운영에 많은 비용이 요구되어 오늘날 저가의 센서를 사용하여 지진을 감지하기 위한 연구가 이루어지고 있다. 논문에서는 스마트폰에 설치된 저가의 MEMS 가속도 센서를 활용하여 지진 관측자료 생성 및 지진 감지 체계를 구축할 수 있는지에 대해 평가한다. 가속도 센서 분석을 위하여 국내의 여러 위치에 설치하여 가속도 데이터를 수집하였으며, PSD 계산을 통하여 각 센서의 바닥 잡음 수준을 파악한다. 분석 결과를 바탕으로 기존 MEMS 가속도 센서의 바닥 잡음 수준과 지진 감지를 위한 노이즈 모델과 비교하여 MEMS 센서가 감지할 수 있는 지진의 규모를 파악한다. 다양한 종류의 건물에 부착된 280 여 개의 가속도 센서 중 200 개의 센서로부터 데이터를 지난 수 개월 간 수집 하였으며 PSD 계산을 통하여 설치된 스마트폰의 MEMS 가속도 센서는 10Km 이내에서 발생하는 규모 3.5 이상의 지진을 관측 할 수 있음을 파악하였다. 지난 몇 개월간의 운영 기간 동안, 스마트폰 가속도 센서는 2019년, 12월 30일 밀양에서 발생한 규모 3.5의 지진을 기록하였으며 지진 감지 기법 중 하나인 STA/LTA 기법에 의해서 지진이 감지됨을 확인할 수 있었다. 제안하는 MEMS 가속도 센서를 사용한 지진 감지 체계는 점차 증가하는 지진을 더욱 빠르고 정확하게 감지할 수 있을 것으로 기대한다.

Abstract ▼ AI-Helper

As the number of earthquakes gradually increases on the Korean Peninsula, much research has been actively conducted to detect earthquakes quickly and accurately. Because traditional seismic stations are expensive to install and operate, recent research is currently being conducted to detect earthquakes using low-cost MEMS sensors. In this article, we evaluate how a low-cost MEMS acceleration sensor installed in a smartphone can be used to detect earthquakes. To this end, we installed about 280 smartphones at various locations in Korea to collect acceleration data and then assessed the installed sensors' noise floor through PSD calculation. The noise floor computed from PSD determines the magnitude of the earthquake that the installed MEMS acceleration sensors can detect. For the last few months of real operation, we collected acceleration data from 200 smartphones among 280 installed smartphones and then computed their PSDs. Based on our experiments, the MEMS acceleration sensor installed in the smartphone is capable of observing and detecting earthquakes with a magnitude 3.5 or more occurring within 10km from an epic center. During the last several months of operation, the smartphone acceleration sensor recorded an earthquake of magnitude 3.5 in Miryang on December 30, 2019, and it was confirmed as an earthquake using STA/LTA which is a simple earthquake detection algorithm. The earthquake detection system using MEMS acceleration sensors is expected to be able to detect increasing earthquakes more quickly and accurately.

주제어

표/그림 (10)

그림 Fig. 1. System overview
그림 Fig. 2. Locations of installed sensors and a photo of an installed sensor
그림 Fig. 3. Sampling rate experiment result
그림 Fig. 4. Sensor noise floor @ lab environment
표 Table 1. Sensor specification sheet
그림 Fig. 5. All sensor's noise floor. X, Y, Z respectively
그림 Fig. 6. Selected devices noise floor(left) and raw acceleration of Device 0034(upper right), Device 0281(upper right).
그림 Fig. 7. Trend of noise floor @1Hz. 2 Weeks data, 1 hour data from every 0, 6, 12, 18 o'clock selected
그림 Fig. 8. Network overall detection performance
그림 Fig. 9. Recorded earthquake signal(upper) and STA/LTA result(bottom)

AI 본문요약
AI-Helper

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

문제 정의

05Hz에서 20Hz 사이의 주파수 영역에서 발생하므로 나이퀴스트 주 파수(Nyquist Frequency)에 따라, 20Hz의 주파수 성분을 복원하기 위해선 40Hz 인 초당 40개의 샘플을 수집해야 한다. 또한, 국가에서 관리하는 지진 가속도계의 경우 초 당 100개의 샘플을 수집하므로 본 논문에서도 초당 100개 샘플의 수집을 목표로 한다.
본 논문에서는 MEMS 가속도 센서를 사용한 지진 관측 및 지진조기경보 체계의 가능성을 판단하기 위하여 MEMS 가속도 센서의 성능을 분석하고 지진 관측에 활용한 사례를 소개한다. 이를 위하여 시범 설치된 스마트폰의 가속도 센서 의 데이터를 수집하여, 각 센서들의 데이터 수집 주기와 가속 도 센서의 노이즈 수준을 측정한다.
본 논문에서는 MEMS 센서 기반의 지진 관측자료 생산 체계를 구축하기 위해서 그림 1과 같은 시스템을 구성하였 다. 제시된 시스템은 휴대폰 MEMS 센서를 기반으로 한 지진 관측이 실용성이 있는지 알아보기 위한 초기 버전으 로서 데이터 수집을 주로 수행한다.
본 논문에서는 스마트폰의 MEMS 가속도 센서에서 수집된 가속도 데이터를 분석하여 저가의 MEMS 센서 기반의 지진 관측망의 성능을 평가하였다. 수집된 데이터를 바탕으로 분 석한 결과 전체 센서 중 95%의 센서가 주파수 1Hz 구간에서 잡음 수준은 –55dB 이하이며, 이는 10km 인근에서 발생한 규모 3.
본 절에서는 지진 감지를 위한 가속도 센서의 성능을 평 가하기 위하여 가속도 센서의 데이터 수집 주기와 데이터 품질에 대해서 분석한다. 이를 위하여 먼저 센서 명세를 바탕으로 MEMS 가속도 센서의 지진 감지 기대 성능을 평 가 해 보고자 한다.
본 절에서는 지진 감지를 위한 가속도 센서의 성능을 평 가하기 위하여 가속도 센서의 데이터 수집 주기와 데이터 품질에 대해서 분석한다. 이를 위하여 먼저 센서 명세를 바탕으로 MEMS 가속도 센서의 지진 감지 기대 성능을 평 가 해 보고자 한다. 현 시스템은 갤럭시 S7 스마트폰의 가 속도 센서를 사용하고 있으며 STMicroElectronics에서 제조한 K6DS3TR를 사용하고 있으며, 센서의 성능은 표 1 과 같다.
이를 위하여 시범 설치된 스마트폰의 가속도 센서 의 데이터를 수집하여, 각 센서들의 데이터 수집 주기와 가속 도 센서의 노이즈 수준을 측정한다. 이어서 해당 MEMS 가속 도 센서에서 실제 기록된 지진 파형에 대한 분석을 통하여 지진조기경보체계에의 활용 방안에 대해서 논하고자 한다.

제안 방법

가속도 센서의 지진 감시 성능을 평가하기 위하여 앞서 제시한 PSD 기반의 잡음 모델을 변형하여 사용할 수 있으 며[6], 본 연구에서는 해당 기법을 사용하여 스마트폰의 MEMS 가속도 센서의 지진 감지 성능 평가에 적용한다.
다음으로 센서의 바닥 잡음 수준을 알아보기 위하여 실 험실 환경에서 수집한 데이터를 사용하여 바닥 잡음 수준 을 계산하였다.
본 항에서는 실제로 센서가 설치된 환경에서의 노이즈 수준을 측정하였다.
그림 2는 대구·경북·부산 지역을 중심으로 설치된 스마 트폰의 위치와 설치된 스마트폰의 모습을 보여주고 있다. 스마트폰의 과충전을 방지하기 위하여 타이머를 설치하여 스마트폰의 전원을 차단하였다. 스마트폰에서는 가속도 데 이터 수집을 위하여 간단한 안드로이드 프로그램이 설치 되었으며, 프로그램의 업데이트는 구글의 플레이스토어를 통해서 이루어지도록 하였다.
지진 가속도계가 설치 된 위치에서의 지진 감지 성능을 평가하기 위해서는 그 위치에서 발생하는 상시적인 잡음의 수준을 아는 것이 필요하다. 여기서, 잡음이 발생하는 원인 도 중요하지만 각 주파수 대역에서 잡음의 세기를 알아야 하므로[11], Power Spectral Density(PSD)를 사용하여 센 서의 설치 위치에서 상시적으로 발생하는 잡음을 분석한다.
센서들은 기존의 지진 관측망 구축에서 요구하는 잡음 이 적은 관리된 환경이 아닌 비교적 다양한 환경에 설치되 게 되고, 이에 따라 사람의 움직임 등에 자유롭지 못 할 가 능성이 있다. 이러한 시간에 따라 변할 수 있는 환경, 즉 사람의 움직임이나 주변 교통 등의 영향을 알아보기 위해 2020년 2월 27일부터 2020년 3월 12일까지 2주일의 기간 동안 자정, 6시, 12시, 18시 4개의 기존 시간에서 1시간씩 수집한 데이터들을 바탕으로 PSD를 계산하여 1초 대역에 서의 잡음 변화를 추적하였다.
본 논문에서는 MEMS 가속도 센서를 사용한 지진 관측 및 지진조기경보 체계의 가능성을 판단하기 위하여 MEMS 가속도 센서의 성능을 분석하고 지진 관측에 활용한 사례를 소개한다. 이를 위하여 시범 설치된 스마트폰의 가속도 센서 의 데이터를 수집하여, 각 센서들의 데이터 수집 주기와 가속 도 센서의 노이즈 수준을 측정한다. 이어서 해당 MEMS 가속 도 센서에서 실제 기록된 지진 파형에 대한 분석을 통하여 지진조기경보체계에의 활용 방안에 대해서 논하고자 한다.
5 지진이 본 지진 관측망에 의해 기록된 결과를 보여주고 있다. 지진 감지 알고리즘은 STA/LTA를 사용하였으며 파라메터로는 인근 지역 지진 감지를 위해 제안되는 파라메터 값들인 STA 50 샘플(0.5초), LTA 6000 샘플(60초), 문턱값 8을 사용하 였다[16]. 또한 데이터는 0.

대상 데이터

제시된 시스템은 휴대폰 MEMS 센서를 기반으로 한 지진 관측이 실용성이 있는지 알아보기 위한 초기 버전으 로서 데이터 수집을 주로 수행한다. 데이터 수집을 위하여 대구, 경북, 경남, 부산 지역에 280여 개의 스마트폰을 설 치하였으며, 초당 100 개의 가속도 데이터를 데이터 수집 서버로 전송하고 있다
실험을 위해 대구, 경북 지역에 설치된 280개의 센서 중 현재 동작중인 약280여 개의 센서에서 수집된 데이터 를 바탕으로 데이터를 분석하였다.
본 논문에서는 MEMS 센서 기반의 지진 관측자료 생산 체계를 구축하기 위해서 그림 1과 같은 시스템을 구성하였 다. 제시된 시스템은 휴대폰 MEMS 센서를 기반으로 한 지진 관측이 실용성이 있는지 알아보기 위한 초기 버전으 로서 데이터 수집을 주로 수행한다. 데이터 수집을 위하여 대구, 경북, 경남, 부산 지역에 280여 개의 스마트폰을 설 치하였으며, 초당 100 개의 가속도 데이터를 데이터 수집 서버로 전송하고 있다
이를 위하여 먼저 센서 명세를 바탕으로 MEMS 가속도 센서의 지진 감지 기대 성능을 평 가 해 보고자 한다. 현 시스템은 갤럭시 S7 스마트폰의 가 속도 센서를 사용하고 있으며 STMicroElectronics에서 제조한 K6DS3TR를 사용하고 있으며, 센서의 성능은 표 1 과 같다. 표 1에서 동적 범위 (Dynamic range) 의 경우 안드로이드 시스템에서 제공하는 스펙 상으로는 센서의 기준 잡음 수준을 알 수 없기 때문에 동작 범위 및 해상도 를 바탕으로 계산 한 값이며, 실제 동적 범위는 달라질 수 있다[1, 11].

데이터처리

왼쪽부터 각각 전체 센서의 X, Y, Z축이며, 검은 선은 중간 값을, 점선은 각각 5 및 95 퍼센트에 해당하는 값이며, 각 센서 의 바닥 잡음은 파란색으로 나타난다. 1초, 혹은 100초대 의 잡음은 해당 시점을 포함하는 주파수 영역에서 각 값에 대한 평균값을 취하였다.

이론/모형

센서의 바닥 잡음 수준과 지구의 배경 잡음을 비교하여 센서의 성능을 평가하는 기법이 널리 사용되는데 [4, 5, 6], 이를 위하여 다양한 언어 및 프로그램 패키지 형태로 제공되고 있다[12, 13]. 본 논문에서는 파이선 기반의 라 이브러리인 ObsPy[13]을 사용하여 센서의 PSD를 계산한 다. PSD 계산 후 동일 시간대의 여러 센서 혹은 각 센서의 시간별 PSD를 확률 밀도 함수(Probability Density Function)로 나타내었다.

성능/효과

각 축에 따른 센서의 성능 차이는 축 성분의 잡음 수준 에서 1초대의 영역에서는 축 간의 차이가 두드러지게 나타 나지 않으나 0.01Hz 혹은 100초의 부분에서 Z축은 일반 적으로 X, Y축에 비해 잡음 수준이 높게 나타났다.
1Hz ~ 20Hz 대역필터를 거친 결과이다. 그림 9에서 확인할 수 있듯이 지진으로 인해 발 생한 움직임이 센서에 기록되고 지진 판별 기법 중 하나인 STA/LTA 기법으로 지진이 감지됨을 확인하였다.
5 이상의 지진을 감지 할 수 있음을 의미한다. 본 연구 를 통해 구축된 지진 관측 망의 운용기간 중 실제 지진을 수차례 관측하였으며, 지진 판별을 위한 대표적 알고리즘인 STA/LTA 기법을 사용하여 지진을 감지할 수 있었다.
수집된 데이터를 바탕으로 분 석한 결과 전체 센서 중 95%의 센서가 주파수 1Hz 구간에서 잡음 수준은 –55dB 이하이며, 이는 10km 인근에서 발생한 규모 3.5 이상의 지진을 감지 할 수 있음을 의미한다.
그림 4에서는 14시간동안 수집된 데이터를 사용해 계산 한 바닥 잡음 값을 배경 잡음 모델 [4] 및 10km 거리 안에 서 측정되는 각 규모별 지진의 모델[6, 13]과 비교하였다. 실험 결과 센서는 1Hz 주파수 기준 -54dB 정도의 잡음 수준을 보였으며 이는 규모 3.5 이상의 지진을 진원지로부 터 10km 떨어진 곳에서 측정할 수 있는 성능으로 기존의 지진 관측망을 보조하기에 충분한 성능이라고 판단된다.

후속연구

표 1에서 동적 범위 (Dynamic range) 의 경우 안드로이드 시스템에서 제공하는 스펙 상으로는 센서의 기준 잡음 수준을 알 수 없기 때문에 동작 범위 및 해상도 를 바탕으로 계산 한 값이며, 실제 동적 범위는 달라질 수 있다[1, 11]. 본 논문에서 사용한 센서의 데이터 시트[1]에 따르면 앞서 언급한 지진 감지를 위한 가속도 센서의 분류 중 클래스 C 수준이며 도심지 및 인근 지역에서 발생하는 지진을 감지하기 위한 센서로서 활용 가능성이 높다.
지난 10년 동안 스마트폰과 MEMS 센서의 발전으로 인하 여 우리 주변의 다양한 환경 변화에 대하여 모니터링을 하기 위한 연구가 꾸준히 이루어지고 있으며, 실내 측위부터 건물 상태 모니터링, 지진 감지에까지 다양한 분야에서 스마트폰 의 MEMS 센서가 활용되고 있다. 이러한 연구 및 시도는 MEMS 센서의 활용이 일상 생활의 영역을 벗어나 높은 정밀 도가 요구되는 영역에서도 사용 될 수 있음을 시사하고 있다.
하지만 MEMS 센서의 설치 환경에 따라 다양한 종류의 이벤트 및 잡음에 많은 영향을 받게 되며 이는 지진 관측 성능을 결정짓는 요소가 될 수 있다. 이러한 이유로 규모 3.5 이하의 작은 지진의 신호를 복원하는 것에는 한계가 있지만 지진으로 인한 움직임은 감지할 수 있으며 이를 사 용하여 기존 관측망의 정확도와 신속성을 향상시키기 위 한 보조 관측망으로 활용할 수 있을 것으로 기대한다.
시스템 상태에 대한 로그 정보는 관리 서버로 전송되어 시스템 이상 유무를 파악하는데 활용 된다. 지진 관측 시스템에 대한 자세한 내용 및 평가는 본 논문의 범위를 벗어나므로 후속 논문에서 다루기로 한다.
향후 연구로 스마트폰 기반의 지진 관측망을 IoT 기반 의 지진 관측망으로 확장하여 구축하고 한 단계 높은 정밀 도 수준을 가지는 가속도 센서를 사용하여 MEMS 가속도 센서 기반의 지진 관측망의 성능을 더욱 높이고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	정확한 지진 감지를 위해서 가속도 데이터는 어떻게 수집되어야 하는가?	정확한 지진 감지를 위해서는 가속도 데이터가 일정한 주기로 수집되어야 한다. 일반적으로 지진은 0.
	지진 가속도계가 설치된 위치에서의 지진 감지 성능을 평가하기 위해서 어떤 것이 필요한가?	지진 가속도계가 설치 된 위치에서의 지진 감지 성능을 평가하기 위해서는 그 위치에서 발생하는 상시적인 잡음의 수준을 아는 것이 필요하다. 여기서, 잡음이 발생하는 원인 도 중요하지만 각 주파수 대역에서 잡음의 세기를 알아야 하므로[11], Power Spectral Density(PSD)를 사용하여 센 서의 설치 위치에서 상시적으로 발생하는 잡음을 분석한다.
	MEMS 센서의 설치 환경에 따라 다양한 종류의 이벤트 및 잡음에 많은 영향을 받게 되어 어떤 한계가 발생하는가?	하지만 MEMS 센서의 설치 환경에 따라 다양한 종류의 이벤트 및 잡음에 많은 영향을 받게 되며 이는 지진 관측 성능을 결정짓는 요소가 될 수 있다. 이러한 이유로 규모 3.5 이하의 작은 지진의 신호를 복원하는 것에는 한계가 있지만 지진으로 인한 움직임은 감지할 수 있으며 이를 사 용하여 기존 관측망의 정확도와 신속성을 향상시키기 위 한 보조 관측망으로 활용할 수 있을 것으로 기대한다.

참고문헌 (16)

Working Group on Instrumentation, Siting, Installation, and Site Metadata, "Instrument Guidelines for the Advanced National Seismic System", U. S. Geological Survey Open-File Report, 2008-1262, p. 41, 2008. https://pubs.usgs.gov/of/2008/1262/
Q. Kong, R. M. Allen, L. Schreier and Y.-W. Kwon, "MyShake: A smartphone seismic network for earthquake early warning and beyond.", Science Advances, 2.2, p. e. 1501055, Feb. 2016. DOI: 10.1126/sciadv.1501055

상세보기
Y.-M.. Wu, W.-T. Liang, H. Mittal, W.-A.. Chao, C.-H.. Lin, B.-S. Huang, and C.-M. Lin, "Performance of a lowcost earthquake early warning system (Palert) during the 2016 ML 6.4 Meinong (Taiwan) earthquake." Seismological Research Letters, 87.5, pp. 1050-1059, Oct. 2016. DOI: 10.1785/0220160058

상세보기
Jon R. Peterson, "Observations and modeling of seismic background noise.", US Geological Survey, 1993. DOI: 10.3133/ofr93322
Daniel E. McNamara, and Raymond P. Buland, "Ambient noise levels in the continental United States.", Bulletin of the seismological society of America, 94.4, pp. 1517-1527, Aug. 2004. DOI: 10.1785/012003001

상세보기
Carlo Cauzzi, and John Clinton., "A high-and low-noise model for high-quality strong-motion accelerometer stations." Earthquake Spectra, 29.1, pp. 85-102, Feb. 2013 DOI: 10.1193/1.4000107

상세보기
J. R. Evans, R. M. Allan, A. I. Chung, E. S. Cochran, R. Guy, M. Hellweg, and J. F. Lawrence, "Performance of Several LowCost Accelerometers.", Seismological Research Letters, 85.1, pp. 147-158, Jan./Feb. 2014. DOI: 10.1785/0220130091

상세보기
T. Perol, M. Gharbi, and M. Denolle, "Convolutional neural network for earthquake detection and location", Science Advances, 4.2 p. e1700578, Feb. 2018. DOI: 10.1126/sciadv.1700578

상세보기
J. Lee, I. Khan, S. Choi, and Y.-W. Kwon, "A smart iot device for detecting and responding to earthquakes," Electronics, 8.12, p. 1546, Dec. 2019, doi: 10.3390/electronics8121546.

상세보기
I. Khan, S. Choi, and Y.-W. Kwon, "Earthquake Detection in a Static and Dynamic Environment Using Supervised Machine Learning and a Novel Feature Extraction Method," Sensors, 20.3, p. 800, Feb. 2020. doi: 10.3390/s20030800.

상세보기
P. Bormann, and E. Wielandt, "Seismic Signals and Noise", in New Manual of Seismological Observatory Practice 2, pp. 1-62, 2013. DOI:10.2312/GFZ.NMSOP-2_ch4
D. E. McNamara, and Richard I. Boaz, "PQLX: A seismic data quality control system description, applications, and users manual.", US Geological Survey Open-File Report, 2010-1292, pp. 41, 2010. https://pubs.usgs.gov/of/2010/1292
L. Krischer, T. Megies, R. Barsch, M. Beyreuther, T. Lecocq, C. Caudron, and J. Wassemann, "ObsPy: a bridge for seismology into the scientific Python ecosystem", Computational Science & Discovery, 8.1, p. 014003, May 2015. DOI: 10.1088/1749-46 99/8/1/014003

상세보기
F. Mohd-Yasin, D. Nagel, and C. Korman., "Noise in MEMS.", Measurement Science and Technology, 21.1, p. 012001, Nov. 2009. DOI: 10.1088/0957-0233/21/1/012001
A. Quinchia, G. Falco, E. Falletti, F. Dovis, and C. Ferrer, "A comparison between different error modeling of MEMS applied to GPS/INS integrated systems.", Sensors, 13.8, pp. 9549-9588, Jul. 2013. DOI: 10.3390/s130809549

상세보기
A. Trnkoczy, "Understanding and parameter setting of STA/LTA trigger algorithm," in New Manual of Seismological Observatory Practice 2, pp. 1-20, 2012. DOI: 10.2312/GFZ.NMSOP-2_S_8.1

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