Recently, not only traditional statistical techniques but also machine learning algorithms have been used to make more accurate bankruptcy predictions. But the insolvency rate of companies dealing with financial institutions is very low, resulting in a data imbalance problem. In particular, since data imbalance negatively affects the performance of artificial intelligence models, it is necessary to first perform the data imbalance process. In additional, as artificial intelligence algorithms are advanced for precise decision-making, regulatory pressure related to securing transparency of Artificial Intelligence models is gradually increasing, such as mandating the installation of explanation functions for Artificial Intelligence models. Therefore, this study aims to present guidelines for eXplainable Artificial Intelligence-based corporate bankruptcy prediction methodology applying SMOTE techniques and LIME algorithms to solve a data imbalance problem and model transparency problem in predicting corporate bankruptcy. The implications of this study are as follows. First, it was confirmed that SMOTE can effectively solve the data imbalance issue, a problem that can be easily overlooked in predicting corporate bankruptcy. Second, through the LIME algorithm, the basis for predicting bankruptcy of the machine learning model was visualized, and derive improvement priorities of financial variables that increase the possibility of bankruptcy of companies. Third, the scope of application of the algorithm in future research was expanded by confirming the possibility of using SMOTE and LIME through case application.

Disposal facilities for radioactive waste shall be sited to provide isolation from the accessible biosphere. The features shall aim to provide this isolation for tens of thousands to a million years after closure. For the safety assessments of repository, the long-term natural evolution and possible events of the site, that can cause disturbances to the facility over the period of interest, should be considered. Geological development processes that the site have been experienced can contribute to understanding and descripting the present-day conditions. Moreover, knowledge of the past is necessary to predict the future evolution of the site. With regard to disposal site, understanding past geological evolution history allows to access the possibility of hazardous events of the site that can cause disturbances to the facility over the period of interest, and to verify the change in the geological environment is within the safe performance range even after the period of interest. In addition, certain parameters that change with the geological evolution can affect the hydrological and geochemical characteristics which are essential to disposal performance. There are various factors in the evolution of the geological environment, but not all are related to disposal safety. The objective of this research is to develop a geological reconstruction method considering factors that should be derived preferentially for the geological characteristics of the disposal site and the evaluation of the long-term safety. As a preliminary study on this, we investigated case studies related to geological reconstruction of overseas disposal research institutes, and reviewed which factors are suitable for the domestic granitoid distribution environment. It is expected that systematic and consistent results will be possible in the future through this methodology.

해양플랜트 상구구조물의 중량 절감을 위한 알루미늄 핸드레일 적용을 위하여, 소재의 항복강도 향상 및 관련 국제기준에 부 합한 강도평가를 통하여 설계가 이루어지고 있다. 기존에 해양프로젝트에 설치된 알루미늄 핸드레일은 플랫폼에 설치 시 소켓에 볼트 연 결되며, 소켓의 설계 정도에 따라서 핸드레일 처짐 량이 크게 좌우된다. 그러나 국제기준에서는 소켓에 대한 중요성 언급이 없으며, 별도 의 평가 절차나 기준도 모호하다. 따라서 본 연구를 통해서 핸드레일 소켓 설계 시 고려해야 하는 주요 인자들에 대한 강도 해석을 수행 하고, 최적의 치수를 도출하였다. 개발모델의 구조 안전성을 확보하기 위하여, 실험을 통한 검증을 수행하였고, 국제기준에서 요구하는 허용 처짐 이내에서 모두 만족함을 확인하였다. 개발된 국산화 모델은 기존 외국 제조사와 비교하여 가볍고, 생산성이 향상되어 향후 많 은 분야에서 사용이 될 것으로 판단된다.

고품질의 아가콩 음료개발을 위해 반응표면분석법에 의한 추출조건을 최적화 하였다. 아가콩 의 최적 볶음조건은 250 ℃, 30분으로 설정하였다. 추출시간, 추출온도에 따른 아가콩의 품질지표인 pH, 색도 및 이소플라본 함량은 1% 이내에서의 유의적인 영향을 미치는 것으로 나타났다. 추출온도와 추출시간이 길어질수록 이소플라본 함량은 높은 것으로 나타났다. 반응표면분석의 이소플라본 추출 공정 최적화 결과 추출온도는 99.5 ℃, 추출시간은 1.7 h으로 나타났으며, 이 조건에서 이소플라본의 최적 수 율은 10.63 μg/mL로 예측되었다.

본 논문에서는 국내 최초로 건축구조기준(KBC 2016)에 기반하여 확률적 영역에서 초과손상확률 형태와 평균손상확률 형태 의 강풍 취약도 평가 방법론을 개발하였다. 본 연구에서는 풍하중에 대한 3초 순간풍속의 영향을 고려할 수 있는 풍하중 산정식을 건 축구조기준을 기초로 유도하였다. 또한 풍하중과 관련된 문헌을 기초로 유도된 3초 순간풍속 기반의 풍하중 산정식에 적용할 수 있는 풍하중 산정계수의 통계치를 제시하였다. 본 연구에서는 초과손상확률 형태와 평균손상확률 형태의 강풍 취약도를 평가하기 위하여 몬테카를로 모사(Monte Carlo Simulation) 기법을 이용하여 해석적 확률 모델을 개발하였다. 제안한 강풍 취약도 평가 방법론의 신뢰 성은 저층 건축물 모형의 지붕 쉬딩 패널 시스템(roof sheathing panel system)을 대상으로 ASCE(American Society of Civil Engineers) 풍하중 기준을 적용한 취약도 평가 방법론의 결과와 비교·검증되었다. 본 연구는 국내 건축구조기준의 풍하중 산정식을 이용하여 강 풍 취약도의 평가 방법론을 보이며, 제안된 방법론에 의한 강풍 취약도는 기존 ASCE 기반 방법론의 결과와 비교하여 작은 오차 범위 내에서 잘 일치함이 확인되었다. 본 연구에서 제시한 강풍 취약도 평가 방법론은 자연재해저감계획 등에 따른 강풍 피해 예측 시 취약 도 구축 방법으로 적용될 수 있을 것으로 판단된다.

Online consumer activities have increased considerably since the COVID-19 outbreak. For the products and services which have an impact on everyday life, online reviews and recommendations can play a significant role in consumer decision-making processes. Thus, to better serve their customers, online firms are required to build online-centric marketing strategies. Especially, it is essential to define core value of customers based on the online customer reviews and to propose these values to their customers. This study discovers specific perceived values of customers in regard to a certain product and service, using online customer reviews and proposes a customer value proposition methodology which enables online firms to develop more effective marketing strategies. In order to discover customers value, the methodology employs a text-mining technology, which combines a sentiment analysis and topic modeling. By the methodology, customer emotions and value factors can be more clearly defined. It is expected that online firms can better identify value elements of their respective customers, provide appropriate value propositions, and thus gain sustainable competitive advantage.

본 연구는 국내에 코칭이 도입된지 20여년의 시간동안 많은 성장과 발전이 이루어지고 있는 현 상황에서 전문 코치의 코칭 수퍼비전에 대한 인식유형과 특 성을 파악하기 위하여 Q방법론을 활용하여 분석하였다. 코칭 수퍼비전에 대한 Q모집단을 구성하고 33문항의 Q진술문을 Q표본으로 추출한 후 전문코치 24명 을 P샘플로 선정하여 33개의 Q진술문을 Q분류를 통해 자료수집한 후 QUANL 프로그램으로 주요인 분석을 실시하였다. 연구결과 코칭 수퍼비전에 대한 인식 은 4개의 유형으로 분류되었다. 유형 1은 ‘수퍼바이저의 수퍼비전 역량 중시형’으로 코칭 수퍼바이저의 역량이 매우 중요하다고 인식하는 유형이다. 유형 2는 ‘수퍼바이지의 코칭역량강화 중시형‘으로 코칭 수퍼비전은 수퍼바이지의 코칭역량 강화를 위해 필요하다고 인식하는 유형이다. 유형 3은 ‘코칭 수퍼비전 관계정립 중시형’으로 수퍼바이저와 수퍼바이지의 관계정립을 중요하게 인식하는 유형이다. 또한 유형 4는 ‘코칭 수퍼비전 체계정립 중시형‘으로 코칭의 질 제고 및 코치의 코칭역량 강화를 위 해서는 코칭 수퍼비전 체계의 정립 및 확산이 되어야 한다고 인식하는 유형이다. 따라서 본 연구결과는 코칭 수퍼비전에 대한 구체적인 기준, 코칭 수퍼바이저 가 갖춰야 할 역량과 교육에 대한 지침 마련, 코칭 수퍼비전에 대한 개념 정의, 교육과정, 체계정립, 교육 프로그램 개발 등의 후속연구에 기초자료로 활용되길 기대한다.

본 연구는 코치의 직업에 대한 가치관 인식유형을 Q 방법론을 활용하여 유형을 분류하고 특성을 도출하여, 전문코치를 양성하는데 기초 자료를 제시하는 데 목적이 있다. 연구방법은 코치의 직업가치관 인식유형을 구분하고 살펴보기 위해 Q 방법론을 적용하였고, Q 표본은 코치와 직업가치관에 관련된 문헌 고찰과 전문가 및 연구 참여자의 심층 인터뷰를 통해 총 40개의 진술문을 Q 표본으로 선정하였다. 연구에 사용된 P샘플은 (사)한국코치협회의 KAC 자격증을 소지한 30명의 코 치를 대상으로 추출하였다. 자료분석은 QUANL 프로그램을 이용하였다. 연구 결과, 코치의 직업 가치관에 대한 인식 유형은 3가지 유형으로 분류되었다. 첫째, 유형 1은 생활방식이 안정적임을 추구하는 ‘실질적인 안정형’, 유형 2는 자기발전을 지속적으로 추구하려 하는 ‘성장과 변화를 촉진하는 자기발전형’, 유형 3은 성과 및 성취감을 추구하고 사회적 인정을 중요하다고 생각하는 ‘인정 욕구를 가진 성취형’으로 주관성 유형의 특성이 나타났다. 이상의 연구 결과를 통하여, 직업가치관에 대한 유형화된 코치의 주관성 특성을 바탕으로 코칭 문화 확산에 기여 하는 차원에서 전문코치 양성을 위한 기초 자료를 제공하였다는 점에서 의의가 있다.

본 연구에서는 전처리 방법별 건조 단호박의 이화학적 특성을 비교 분석하고 반응표면분석법을 이용하여 단호박 말랭이의 최적 건조 조건을 설정하였다. 단호박의 이취 제거와 가공적성을 위한 건열(굽기), 습열(증자), 마이크로웨 이브 처리의 전처리 방법을 비교하고자 호화 점도를 측정 하여 전처리 시간을 설정하였다. 각 전처리 방법별 열풍 건조 전후의 단호박 품질특성을 비교한 결과, 마이크로웨이브 처리에서 가용성 고형분, 과당, 포도당, 자당 함량이 건열과 습열 처리보다 높았고, 수분 함량, 강도 및 경도가 낮게 나타나 마이크로웨이브 처리를 단호박 열풍 건조를 위한 최적의 전처리 방법으로 설정하였고 반응표면분석법을 이용하여 최적의 열풍 건조 조건을 확인하였다. 반응표면분석은 중심합성 계획법으로 실험을 디자인하여 독립변수로서 건조 온도(30, 40, 50oC, X1)와 건조 시간(4, 6, 8 h, X2)을 설정하고, 종속변수로는 건조 단호박의 수분 함량, 수분활성도, 가용성 고형분, 강도, 경도, 과당, 포도당, 자당 함량, 색도(L*, a*, b*)를 측정하여 건조 조건을 최적화하였다. 최적화 변수로는 적합성 결여 검증에서 Pr> F 값이 0.05 이상인 수분 함량, 수분활성도, 가용성 고형분을 최적화 변수로 설정하였으며, 최적화 결과 43oC의 온도와 7.2시간이 최적 건조 조건으로 확인되었고, 예측값과 실험 값을 비교한 결과 90% 이상의 최적 비율을 보였으며, 해당하는 값이 95% 신뢰구간과 예측구간 범위에 들어 실험 디자인과 모델의 적합성 또한 검증되었다.

AI가 시장의 패러다임을 바꾸는 새로운 혁신 기술로 주목받고 있다. 기업은 AI 의 기술적 이점이 잘 반영되면서 동시에 시장의 수요를 충족하는 방법을 적용하여 신제품을 개발해야 한다. 하지만 업계에는 이러한 요건을 충족하는 방법론이 부재하다 보니 기업들은 기존 제품개발 방법론을 이용해 AI 기반 제품개발을 추진하고 있다. 이로 인해 AI의 기술적 이점이 충분히 반영되지 못하거나 AI의 기술적 잠재성이 시장 가치로 연결되지 못하게 된다. 이러한 한계를 극복하기 위해 이 연구는 AI 기반의 신제품을 개발하기 위한 새로운 방법론을 제시한다. AI 혁신이 기존 방식과 다른 차별적 속성을 확인하고, 이러한 속성이 반영된 제품 설계 프로세스와 방법론을 제시한다. 이 연구는 AI 제품개발이 양손잡이 접근(Ambidexterity approach)을 지향해야 함을 강조하며, 테크놀로지 푸시(Technology push) 기반의 아이디어 생성, 마켓 풀(Market pull) 기반의 소비자 요구조건 분석, 제품 설계 구체화 등을 포함하는 AI 기반 제품의 설계(Design) 프로세스 및 구체적인 개발 방법을 제안했다. 이 방법론의 현 실 적용 가능성을 검증하기 위해 사례연구를 실시, AI 기반의 차량용 인포테인먼트 시스템 개발 전략을 도출한다. 기술적 가능성에 기반하여 13개의 혁신 아이디어를 생성했고, 카노 (KANO) 분석과 TOPSIS의 결합에 의한 소비자 요구조건 분석을 통해 총 6개의 신제품 개 발 전략을 도출했다. 이 연구제서 제안하는 방법론은 기업이 AI 기반의 혁신제품을 통해 신 시장을 개척하거나 기존 제품의 고도화를 통해 시장 확장을 펼치는 데 유용하게 활용될 수 있다.