(* 아래 자료는 2019년 10월까지 기준으로 2019년 11월과 12월의 논문이 통계에서 빠져있음을 알려드립니다. )   

트라이볼로지(Tribology)는 마찰, 마모, 윤활에 관한 여러 현상을 취급하는 과학 기술 분야로 사전적 의미로는 “상호 운동하는 표면과 연관된 물체 및 현상을 연구하는 학문이나 기술”을 의미한다. 트라이볼로지는 우주항공분야로부터 가전제품의 전반에 걸친 각종 기계장비의 마모 문제, 신뢰성 및 유지 보수 문제 등의 분석 연구하는 응용학문 분야이다.  트라이볼로지는 물리, 화학, 응용수학, 고체 역학, 열역학, 열전달, 재료공학, 물성학, 윤활, 기계설계, 신뢰성 공학, 생산성 학문 등 다양한 분야의 학문과 관련이 되어 있는 매우 중요한 분야이다.  윤활이 제대로 이루어지지 않을 경우 이에 따른 손실이 매우 크므로 세계 각국에서는 이를 개선하기 위해서 별도로 트라이볼로지 위원회나 윤활사라는 전문가를 배치하기도 한다.  미국 기계학회에서는 1984년에 학회지 명칭을 Journal of Lubrication Technology에서 Journal of Tribology로 바꾸어 현재에 이르고 있으며, Georgia 공대의 Winer교수에 의하면 미국의 92개 대학, 정부 기관, 비영리 연구소 및 산업체 등에서 매년 400개의 트라이볼로지 연구과제가 수행되고 있으며 연간 4900만 불의 연구비가 투입되고 있다고 한다. 산업기술의 발달은 트라이볼로지 분야의 연구를 필연적으로 요구하고 있기 때문에 정부 기관 연구소를 주축으로 한 연구, 대학의 적극적인 교육 및 연구 활동, 산업체의 제품 개발을 통하여 이 분야의 발전이 이루어지고 있다.


1) 분석대상 및 분석방법

트라이볼로지 연구동향 분석을 위해 미국기계학회(ASME)에서 발행하는 Journal of Tribology(Figure 1)에 발표된 2017년부터 2019년까지 3년간 총 438편(2017년에 149편, 2018년에 155편, 2019년에 134편)의 논문에 대한 저자 및 소속, 키워드 등을 추출하여 정리하였다.




1. 통계분석

1) 국가별 논문발표 순위

3년간 국가별 논문 발표 순위를 살펴보면 아래 Figure 2와 같이 3년간 27개국에서 참여하여 438편의 논문을 발표하였다. 이를 살펴보면 중국이 155편으로 제일 많은 논문을 발표하였으며, 그 다음으로 인도가 73편, 미국이 68편을 발표하고 있다. 다른 분야와 마찬가지로 트라이볼로지에서도 중국의 논문발표 수가 매우 많음을 알 수 있다. 2017~2019년까지의 국가별 논문발표 수는 중국, 인도, 미국 순으로 3년간 이어져 오고 있다. 중국은 2017년에 50편, 2018년에 59편, 2019년에 46편의 논문을 발표하였다. 또한 그 다음으로 일본이 18편, 이란이 12편에 이어 프랑스와 한국이 각각 10편의 논문을 발표하였다.





2) 기관별 논문발표 순위
 

3년간(2017년~ 2019년)의 기관별 발표 논문 수는 Table 2와 같이 미국의 Texas A&M University 가 가장 많은 수인 16편의 논문을 발표하였으며, China University of Mining and Technology에서 14편의 논문을 발표하였고, Chongqing University 와 Indian Institute of Technology Delhi에서 각각 11편의 논문을 발표하였다.  또한 Tsinghua University 에서 9편의 논문을 발표하였다. 이외에도 Beijing Institute of Technology, Georgia Institute of Technology, Nagaoka University of Technology, 중국의 Southeast University 에서 각각 7편의 논문을 발표하였다.  한국에서는 인하대학교가 5편의 논문을 발표한 것으로 나타난다.

3) 한국 기관 논문발표
 

한국기관에서는 아래 Table 3과 같이 3년간 인하대학교, 부산 대학교, 선문 대학교, 강릉원주 대학교, 국민 대학교, 공군사관학교에서 모두 10편의 논문을 발표하였다.




2. 네트워크 분석

1) 키워드 네트워크 분석
 

논문의 키워드를 분석하면 발표된 논문들이 어떤 분야와 주제의 연구인지 확인할 수 있다. 키워드 Spring Layout 네트워크 시각화는 각 논문의 키워드를 분석하여 취합하고 한 논문에 같이 나열된 키워드들을 서로 연결하여 그림으로 나타낸 것이다. 아래 Figure 4는 2017년부터 2019년까지 Tribology논문의 전체 키워드의 상관관계를 네트워크 분석 소프트웨어인 넷 마이너(NetMiner)를 이용하여 Spring Layout으로 도식화 한 이미지로, 좀 더 알아보기 쉽게 Link Reduction 1 (빈도수 1 이하인 값을 삭제)을 한 그림이다.


 

아래 Figure 5은 연결 관계와 상관없이 빈도수의 비중을 계산하여 워드 클라우드로 표현한 그림이다.  여기에 나타난 논문의 총 키워드는 1,934개이며, 이중 아래 Table 4와 같이 빈도수 40이상인 키워드는 Wear, Friction, Wear Mechanisms, Sliding, Bearings, Fluid Film Lubrication, Hydrodynamic Lubrication, Contact Mechanics로 이와 관련된 논문이 활발하게 발표된 것을 알 수 있다.




 

Tribology의 3년간 논문 키워드들의 Degree Centrality의 결과는 아래 Figure 6과 같다.  여기서 Degree Centrality는 중심성(Centrality) 분석의 가장 기본적인 측정(measure)방법으로 네트워크(Network)를 구성하는 노드(node)와 그 노드와 직접 연결된 다른 노드들과의 연결(edge)정도를 측정하여 각각의 노드들이 네트워크에 얼마나 중심에 위치하는지를 알아보는 기법으로 네트워크상에서 정도(degree) 측면에서 가장 높은 중요도를 가지는 노드(node)를 파악할 수 있다. 또는 네트워크에서 Connector 또는 허브(Hub) 역할을 수행하는 노드를 파악할 수 있다.




 

Wear와 Friction의 빈도수가 매우 높아 다른 키워드가 잘 나타나지 않기 때문에 이들을 제외하고 다시 Degree Centrality한 결과는 Figure7과 같다. 이를 살펴보면 Bearings가 가장 중심에 있고, Journal Bearings, Sliding, Wear Mechanisms, Surface Roughness 등이 2번째로 중심에 가까이 나타나는 것을 확인할 수 있다. 이외에도 Asperities, Characterization, Contact Mechanics, Fluid Film Lubrication의 키워드가 3번째 중심에 가까운 원에 나타나는 것을 확인할 수 있다.




2) 연도별 키워드 변화

3년간 키워드 변화를 살펴보면 아래 Table 5와 같다. 이를 살펴보면 2017년과 2018년도는 “Wear”과 “Friction”외에도 “Wear Mechanism, Sliding, Fluid Film Lubrication, Contact, Contact Mechanics” 등 여러 공통된 키워드가 보였으나 2019년에는 “Stress, Flow (Dynamics), Tribology, Temperature, Journal Bearings, Lubricants” 등 새로운 키워드가 많이 나타났다.  2019년도 논문 수는 134편으로 이전보다 조금 줄어든 반면(2017년에 149편, 2018년에는 155편), 키워드 수는 2017년에 77개, 2018년에는 73개인데 비해 497개로 급격하게 많은 키워드가 나타났다.  이는 매우 다양한 논문이 나타났기 때문이라기 보다는 논문 투고를 위한 키워드의 규칙의 변화가 있었던 걸로 추정된다.  논문의 키워드가 다양하게 많이 나타났기 때문에 개별 키워드의 빈도수는 이전보다 절반이상으로 줄어들었다.




3) 연구자 네트워크 분석
 

키워드 분석과 마찬가지로 Tribology의 2017~2019년도 논문의 공저자들의 상관관계를 넷 마이너를 사용하여 시각화(Spring Layout)하였다. 아래 Figure 8과 같이 많은 연구자 그룹이 형성되어 있는 것을 확인해 볼 수 있다. 이중 오른쪽 하단은 개인이나 실험실 단위로 그룹을 이루고 있으며, 왼쪽 상단으로 갈수록 여러 기관 소속의 연구자들이 모인 그룹임을 알 수 있다.


 

위의 연구자 그룹 중에서 가장 큰 그룹은 Figure 9와 같이 대부분 China University of Mining and Technology의 연구자들이 연결되어 있으며, Qingliang Wang과 Dekun Zhang, 그리고 Kai Chen의 3명의 연구자를 중심으로 24명의 연구자가 연결되어 있음을 볼 수 있다.


 

2번째로 큰 그룹은 아래 Figure 10과 같이 Northwestern University 의 Q. Jane Wang과 Zhong Liu를 중심으로 연결된 그룹과 Nanyang Technological University의 Kun Zhou을 중심으로 한 그룹이 연결되어 있음을 볼 수 있다.  이들 그룹에는 Northwestern University와 Nanyang Technological University 외에도 Sichuan University, Harbin Engineering University의 여러 중국의 연구자들이 연결되어 있음을 확인할 수 있다.   

3번째로 큰 그룹은 아래 Figure 11과 같이 Farshid Sadeghi를 중심으로 한 Purdue University의 연구자들이 모인 그룹으로 이 그룹에는 Sentient Science Corporation과 Rolling Bearing Fundamentals, SKF Engineering & Research Centre, Cummins Technical Center 등 여러 업체와 기관이 참여하고 있다.


 

4번째로 큰 그룹도 아래 Figure 12와 같이 Chengbiao Wang와 Wen Yue를 중심으로 China University of Geosciences의 연구자들이 모인 그룹으로 여기에는Beijing Precision Engineering Institute of Aircraft Industry, Nanjing University of Science and Technology, Tsinghua University 등의 연구자가 참여하고 있다.


 

위에서 추출한 연구자 데이터를 바탕으로 하여 Figure 13과 같이 연구자의 Degree Centrality를 분석하였다. Degree Centrality는 연결 정도 중심성으로 한 개인이 전체 네트워크에서 얼마만큼 중심에 가까이 자리 잡고 있는지를 나타내는 지표로 논문과 연구자와의 연결 관계가 많을수록 네트워크 가운데 쪽으로 위치하게 된다

이를 살펴보면 Qingliang Wang(China University of Mining and Technology) 가 제일 중심에 위치하고 있으며, 그 다음 가까운 위치에 Dekun Zhang(China University of Mining and Technology), Farshid Sadeghi(Purdue University), Q. Jane Wang(northwestern University), Hua Zhu(China University of Mining and Technology)가 있는 것을 볼 수 있다.


 

아래 Table 6은 논문 수 4편 이상의 연구자 순위로 가장 많은 8개의 논문에 공저자로 참여한 Alan Palazzolo(Texas A&M University)의 경우 Figure 13의 Degree Centrality에서는 중심에 가까운 연구자로 나타나고 있지 않다.  반면 Q. Jane Wang(Northwestern University) 는 4편의 논문에 공저자로 참여하고 있으나 2번째 중심 연구자로 나타나고 있음을 확인할 수 있다.  이렇게 공저 논문의 순위와 중심도 분석의 결과가 비례하지 않는 이유는 Degree Centrality는 공저 논문 수와 함께 다른 연구자와의 공저 관계도 같이 고려되기 때문이다.
 

참고로 한국인 연구자로는 인하대학교 Chul-Hee Lee와 Kwang-Hee Lee는5개 이상의 논문에 공저자로 참여하고 있으며, 위의 Figure 13에서는 중심에서 4번째 가까운 원에 위치하고 있다.

기관과 키워드의 연관성 분석은 어느 기관에서 어떤 분야 연구를 주로 하는지에 대한 객관적인 자료가 될 수 있다. 논문 주 저자의 기관과 그 논문에 대한 키워드를 정리하여 기관과 키워드 간의 관계를 네트워크 시각화 한 그림을 자세히 보기 위해 1이하의 연결관계를 제외한(Link Reduction 1) 결과는 Figure 14와 같다. 이를 살펴보면 가장 많이 나타난 키워드는 Wear와 Friction이며, 가장 많은 종류의 키워드의 논문을 가진 기관으로는 Texas A&M University, 인도의 National Institute of Technology Srinagar, China University of Mining and Technology, IIT Delhi 등이다.


 

키워드 중 Wear와 Friction이 출연 빈도가 지나치게 높기 때문에 이들을 제거하고 다시 시각화한 것은 아래 Figure 15와 같다. 여기에서는 Texas A&M University를 중심으로 Chongqing University, Tsinghua University, Nagaoka University of Technology, Georgia Tech. 등의 기관이 Fluid Film Lubrication, Journal Bearings, Hydrodynamic Lubrication 등의 키워드와 연결된 영역과 China Univ. of Mining and Technology와 IIT Delhi, National Institute of Technology Srinagar 등의 기관이 Wear Mechanisms 키워드와 연결된 부분으로 연결되어 큰 그룹을 이루고 있다.


 

Wear와 Friction을 제외하고 가장 많은 기관과 연결된 키워드는Fluid Film Lubrication, Journal Bearings, Hydrodynamic Lubrication, Wear Mechanisms가 있으며, 이들을 이웃한(Visualize Neighbor)기관과 연결한 네트워크는 아래 Figure 16과 같다. 이를 살펴보면 Fluid Film Lubrication과 연결된 기관은Texas A&M University, Nagaoka University of Technology, Georgia Tech., University of British Columbia, University de Poitiers이 있으며, Journal Bearing의 키워드와 연결된 기관은 Texas A&M University, Chongqing University, University of British Columbia 이며, Hydrodynamic Lubrication과 연결된 기관은 Texas A&M University, Nagaoka Univ. of Technology, University of British Columbia, Chongqing University로 나타난다. 또한 Wear Mechanisms과 연결된 기관은 China Univ. of Mining and Technology, NIT Srinagar, Wuhan University of Technology로 각 이들 키워드에 대한 논문이 주로 어떤 기관에서 발표되고있는지를 알 수 있다. 이를 다시 정리하면 Table 7과 같다.




 

또한 위의 Figure 15에 비중이 높게 나온 기관은 Texas A&M University, Nagaoka University of Technology, China University of Mining and Technology, Tsinghua University, Chongqing University, Georgia Tech., NIT Srinagar 등이 있다. 이들 기관에 대해 키워드를 연결한 그림은 아래 Figure17과 같다. 이를 살펴보면 Texas A&M University에서는 Fluid Film Lubrication, Journal Bearings, Hydrodynamic Lubrication, Bearings, Lubricants, Bearing Design, Thermo-elasto-hydrodynamic lubrication, Temperature, Computational Fluid Dynamics, Flow Dynamics. Damping등의 키워드가 연결되어 있으며, Nagaoka University of Technology에서는 Fluid Film Lubrication, Hydrodynamic Lubrication, Bearings, Bearing Design, Rolling Element Bearings, Hydrostatic Lubrication, Seals 등의 키워드가, China University of Mining and Technology에서는 Wear Mechanisms, Artificial Joints, Stick-Slip, Surface Layers 의 키워드가 Chongqing University에서는 Journal Bearings, Hydrodynamic Lubrication, Contact, Surfaces, Gears, Coatings 의 키워드가 Georgia Tech.에서는 Fluid Film Lubrication, Thermo-elasto-hydrodynamic lubrication, Contact Mechanics, Viscosity, Lubricants, Rheology의 키워드가 연결되어 있으며, NIT Srinagar에서는 Wear Mechanisms, Adhesion, Abrasion, Dry Friction 의 키워드가 Tsinghua University에서는 Contact, Surface Roughness, Asperities, Mixed Lubrication, Bearing Design 등의 키워드가 연결되어 있음을 알 수 있다. 이를 통해 각 기관에서 어떤 키워드의 논문을 주로 발표하고 있는지 확인해 볼 수 있다. 이것을 다시 표로 정리한 결과는 아래 Table 8과 같다.




3. 결론
 

미국기계학회(ASME)에서 발행하는 Journal of Tribology에서는 2017년부터 2019년까지 3년간 438편의 논문이 발표되었다. 중국이 155편으로 가장 많은 논문을 발표했으며, 인도가 73편, 미국이 68편을 발표하였다. 연도별 논문발표 순위는 3년간 변동 없이 중국, 인도, 미국 순으로 이어지고 있어 논문수에서는 중국이 연구를 주도하고 있음을 알 수 있다. 한국은 3년간 10편의 논문을 발표하였다.
반면, 기관별 발표 논문 수는 미국의 Texas A&M University에서 가장 많은 수인 16편의 논문을 발표했으며, 중국의 China University of Mining and Technology에서 14건을 발표하였으며, 인도의 IIT Delhi와 중국의 Chongqing University에서도 각각 11건의 논문을 발표하였다.
또한 Tsinghua University에서 9편을, Southeast University, Nagaoka University of Technology, Georgia Institute of Technology, Beijing Institute of Technology에서 각각 7편을 논문을 발표하였다. 한국기관으로는 인하대에서 5편의 논문을 발표하였다.
3년간 논문에 나타난 키워드 중 빈도수 40 이상인 키워드는 Wear, Friction, Wear Mechanisms, Sliding, Bearings, Fluid Film Lubrication, Hydrodynamic Lubrication, Contact Mechanics로 이와 관련된 논문이 활발하게 발표된 것을 알 수 있다. 키워드 네트워크 시각화를 통해 중심도 분석(Degree Centrality)을 해보면 Wear와 Friction이 압도적으로 많이 나오는데, 이 두가지 키워드를 제외하고 분석해 보면 Bearings, Journal Bearings, Sliding, Wear Mechanisms, Surface Roughness, Asperities, Characterization, Contact Mechanics, Fluid Film Lubrication, Wear Mechanisms, Characterization, Sliding, Surface Properties, Surface Roughness가 주요 키워드로 등장하는 것을 확인할 수 있다. 연도별로 키워드 변화를 살펴보면 2017년과 2018년 Wear Mechanism, Sliding, Fluid Film Lubrication, Contact, Contact Mechanics 등 여러 공통된 키워드가 보였으나, 2019년에는 Stress, Flow (Dynamics), Tribology, Temperature, Journal Bearings, Lubricants 등 새로운 키워드가 등장한 것을 볼 수 있다.
3년간의 전체 연구자 네트워크를 분석해 보면 가장 큰 그룹은 Qingliang Wang, Dekun Zhang, Kai Chen의 3명을 중심으로 연결된 China University of Mining and Technology의 연구자들로만 구성된 그룹으로 이 그룹에는 27명의 연구자로 연결된 것을 확인할 수 있다.
연구자 네트워크 분석에서는 Degree Centrality를 살펴보면, Qingliang Wang(China University of Mining and Technology)이 제일 중심에 있는 가장 영향력 있는 연구자로 나타났다. 그 다음으로 Dekun Zhang(China University of Mining and Technology), Farshid Sadeghi(Purdue University), Q. Jane Wang(northwestern University), Hua Zhu(China University of Mining and Technology)가 있는 것을 볼 수 있다.
기관과 키워드의 연관성 분석은 어느 기관에서 어떤 분야 연구를 주로 하는지에 대한 객관적인 자료가 될 수 있는데 Texas A&M University에는 Fluid Film Lubrication, Journal Bearings, Hydrodynamic Lubrication, Bearings, Lubricants, Bearing Design, Thermo-elasto-hydrodynamic lubrication, Temperature, Computational Fluid Dynamics, Flow Dynamics, Damping등 가장 많은 키워드가 연결되어 있어서 이 분야의 여러 주제를 연구하는 것으로 추정된다. 이외에도 Nagaoka University of Technology, China University of Mining and Technology등에도 많은 키워드가 연결되어 있음을 확인할 수 있다.