노인을 위한 금융 SMART 교육 자료는 미국 연방예금보험공사와 소비자금융 보호국이 공 동으로 개발하였다. 노인을 위한 금융 SMART 프로그램은 노인을 상대로 한 사기나 금융 착취를 예방하는 방법에 대한 노인의 인식을 제고하고, 잘 준비된 계획과 정보에 입각한 재정관련 의사 결정을 돕는다. 자료 내용은 전체 또는 개별 주제별로 접할 수 있고, 모두 무료로 제공되고 있는데, 증가하는 히스패닉계 인구를 위해 스페인어로도 제공된다. 구체적 이고(Specific), 측정 가능하고(Measurable), 행동 지향적이고(Action-Oriented), 수행 가능하고(Reachable), 시간제한이 따르는(Time-bound) SMART 기조를 일상생활에서 적용하고 실천하면, 노인들이 금융 관련 사기행위 피해를 방지하고 그 정도를 줄이는데 도 움이 될 것이다.

본 연구는 소량 다품종의 화학물질을 다루는 연구실의 안전관리를 강화하기 위해 전과정관리 체계 알고리즘을 제안하는데 그 목적이 있다. 이를 위해 최근 10년간의 연구실 사고 사례, 관련 법규, 선행 연구 및 FGI (Focus Group Interview) 연구실 현황 분석을 통해 요구사항을 도출하고 전과정 관리체계를 개발하였으며, 이를 기반으로 전과정관리체계 알고리즘을 설계, 개발하여 연구실에 적용 및 검증하였다. 연구실 화학물질 사고 예방을 위한 안전관리는 우선 연구실 내 화학물질의 종류와 양을 정확히 파악하는 것부터 시작해야 한다. 이를 위해 화학물질관리의 전 과정을 단계별로 나누어 관리체계를 수립하고, 각 단계에서 활용되는 물질 정보, 법규 정보, 화학물질 성상별 분리 정보를 다루는 데이터베이스 항목 추출 및 알고리즘 개발 방안을 제시하였다. 본 알고리즘을 세 개의 기관에서 적용한 결과, 사고 예방 및 법규 준수 측면에서 높은 효과를 보인 것으로 평가되었으나 사고 발생률에 미치는 유의한 영향에 대해 알기 위해서는 더 많은 적용 연구가 필요하다. 본 연구에서 개발한 전과정관리체계 알고리즘의 활용은 실험실 안전과 사회적 안전을 도모하는 동시에 기업의 ESG 경영의 중요한 요소 중 하나인 기업활동의 리스크 관리와 책임경영에 도움이 될 것으로 기대한다.

국토 대부분인 산지로 구성된 국내의 특성상 대형 산불 사례가 지속적으로 보고되고 있으며, 동해안에서 다발적으로 발생하 는 과거 대비 최근 서해안의 산림원이 확대됨에 따라 점차 전국화되고 있는 실정이다. 본 연구에서는 이러한 산불 발생 주기의 증가로 인한 산지에 설치되어 있는 사방댐의 산불에 의한 영향성 평가를 수행하였다. 대상 구조물은 선행 연구에서 사용된 강재, GFRP 및 CFRP를 사용한 투과형 사방댐으로 선정하였으며, 각 재료별 구조재를 사용한 투과형 사방댐의 안전성 평가를 위해 상용 유한요소해석 프로그램인 ABAQUS를 활용하였다. 해석 결과, 600℃ 수준에서 파괴가 발생한 강재 구조재에 반해 FRP 구조재는 800℃ 이상에도 파 괴되지 않음을 확인하였다. 또한, FRP 구조재는 강재 대비 10.30%∼11.20% 가량 낮은 응력 수준을 보였으며, 최대 변위는 약 73.1배, 17.9배 증가하는 것으로 측정되었다. 콘크리트로 구성된 댐체의 경우, 구조재의 설치부에 응력이 집중됨을 알 수 있으며, 압축 측은 모 든 구조재에서 안전한 것으로 나타났지만, 인장 측은 600℃ 이상에서 모든 구조재의 댐체 콘크리트가 파괴됨을 확인하였다. 따라서, 사 방댐 설계 시 이러한 강도 감소를 충분히 고려할 필요가 있을 것으로 사료된다. 댐체와 구조재가 연결되는 고정부의 경우, GFRP 및 CFRP 구조재가 강재 구조재 대비 약 82.43%, 67.63% 감소된 반력을 보이는 것으로 확인되었다. 이러한 결과는 FRP 구조재의 높은 변위가 하중을 소산하여 고정부에 적은 영향을 미치는 것으로 생각된다. 결론적으로, FRP 구조재를 사용하는 것은 기존 강재 구조재 대비 고온 저항성 측면에서 다양한 이점을 얻을 수 있으나, 수치해석적 접근법으로 평가된 결과이므로 향후 지속적인 연구로 신뢰성을 검증할 필요가 있다.

해상풍력자원지도는 풍력발전사업, 국가 재생에너지 공급 정책, 전력계통망 계획의 핵심자료이다. 본 연구에서는 풍력자원 해석기술의 개발 동향을 검토하고 시사점을 논의하였다. 국가별 해상풍력자원지도 개발하여 활용하고 있는 대표적인 국가는 유럽연합 (덴마크), 미국, 그리고 일본이며, 이들을 중심으로 풍력자원지도 생산 기술 및 활용 현황을 분석하였다. 기본적으로 풍력자원지도의 품 질 향상을 위해 수치해석 기술을 업그레이드 해오고 있다. 이들의 개발 전략은 앙상블 중규모 수치해석과 중규모-미세규모 모델의 커 플링이었고 그 외 모델내 물리해석기법들의 적용은 지역마다 다른 것으로 확인되었다. 따라서 최근 진보된 수치모델을 도입하고 우리 나라 풍황 특성을 고려하여 최적의 실험디자인을 도출해야 할 것으로 보인다. 특히 300 m부근의 대기경계층에서의 연직고도의 상세 한 반영은 공통점으로, 이는 대형화된 풍력터빈을 고려하여 최적의 풍력발전소 후보지 발굴에 적합하도록 장기간의 풍황정보를 정확 하게 제공하기 위한 제안사항인 것으로 보인다.

마비성 패류 독소(Paralytic shellfish poisoning, PSP)는 유해 조류에 의해 생성되며, 독소에 노 출된 수산물을 섭취하였을 때 중독이 발생한다. 수산물 중 PSP를 검출하는 표준 시험법인 Mouse bioassay (MBA)는 낮은 검출한계와 동물 윤리 문제로 대체 시험법의 개발 필요성이 대 두되고 있다. 이러한 대체 시험법 중, PSP가 신경 세포막의 Na+ 채널을 차단하는 기전을 이 용한 마우스 뇌신경 모세포종 세포 기반 시험법(Neuro-2a assay)의 표준화를 위한 노력이 대두 되고 있다. Neuro-2a assay의 원리는 Neuro-2a 세포주에 Na+/K+ ATPase 억제제인 Ouabain (O)과 Na+ 채널 활성화제인 Veratridine (V)을 처리하여 과도한 Na+ 유입으로 인한 세포사멸을 유도한 상태에서, Na+ 채널 억제제인 PSP를 처리하게 되면 Na+ 유입이 차단되어 세포가 생존 하는 것을 측정하는 것이다. 본 연구에서는 PSP 검출을 위한 Neuro-2a assay를 국내 연구 환 경에 맞게 다양한 매개변수를 개선하여 최적 시험법을 확립하고자 하였다. 고려한 매개변수 들은 세포밀도, 배양 조건 및 PSP 처리 조건 등으로, 그 결과는 아래와 같다. 초기 세포밀도 는 40,000 cells/well로, 세포 배양시간 및 처리시간은 각각 24시간으로 설정하였다. 또한 최적 O/V 농도는 500/50 μM로 설정하였다. 본 연구에서 PSP 중 Saxitoxin (STX)에 대해서 O/V 처 리가 된 상태에서 S자형 용량-반응 그래프가 도출되는 8가지 농도(368~47,056 fg/μl)를 확인 하였고, Neuro-2a assay의 실험실 간 변동성 비교를 통해, 실험의 적정성 확인을 위한 5가지 Quality Control Criteria와 실험 데이터의 신뢰가능 범위(Data Criteria) 6가지를 설정하였다. 확 립된 조건으로 Neuro-2a assay를 진행한 결과 반수영향농도(EC50) 값은 약 1,800~3,500 fg/μl 로 나타났다. 실험실 간 변동성 비교 결과, Quality Control Criteria 값 및 Data criteria 값의 변 동계수(coefficients of variation (CVs))가 1.98~29.15% 범위로 산출되어 실험의 적정성 및 재현 성이 확인되었다. 본 연구를 통해 우리나라에서 활용할 수 있는 PSP 검출용 Neuro-2a assay 시험법의 최적 조건 및 5가지 Quality control 기준을 제시하였고, PSP 중 대표적인 독소인 STX 을 대상으로 Neuro-2a assay를 실시한 결과 유의한 EC50 값을 산출할 수 있었으며, 향후 국 내 수산물을 대상으로 MBA를 대체할 수 있는 PSP 검출법으로 활용될 것으로 기대된다.

Distribution and logistics industries contribute some of the biggest GDP(gross domestic product) in South Korea and the number of related companies are quarter of the total number of industries in the country. The number of retail tech companies are quickly increased due to the acceleration of the online and untact shopping trend. Furthermore, major distribution and logistics companies try to achieve integrated data management with the fulfillment process. In contrast, small and medium distribution companies still lack of the capacity and ability to develop digital innovation and smartization. Therefore, in this paper, a deep learning-based demand forecasting & recommendation model is proposed to improve business competitiveness. The proposed model is developed based on real sales transaction data to predict future demand for each product. The proposed model consists of six deep learning models, which are MLP(multi-layers perception), CNN(convolution neural network), RNN(recurrent neural network), LSTM(long short term memory), Conv1D-BiLSTM(convolution-long short term memory) for demand forecasting and collaborative filtering for the recommendation. Each model provides the best prediction result for each product and recommendation model can recommend best sales product among companies own sales list as well as competitor’s item list. The proposed demand forecasting model is expected to improve the competitiveness of the small and medium-sized distribution and logistics industry.

This study focuses on the path planning algorithm for large-scale autonomous delivery using drones and robots in urban environments. When generating delivery routes in urban environments, it is essential that avoid obstacles such as buildings, parking lots, or any other obstacles that could cause property damage. A commonly used method for obstacle avoidance is the grid-based A* algorithm. However, in large-scale urban environments, it is not feasible to set the resolution of the grid too high. If the grid cells are not sufficiently small during path planning, inefficient paths might be generated when avoiding obstacles, and smaller obstacles might be overlooked. To solve these issues, this study proposes a method that initially creates a low-resolution wide-area grid and then progressively reduces the grid cell size in areas containing registered obstacles to maintain real-time efficiency in generating paths. To implement this, obstacles in the operational area must first be registered on the map. When obstacle information is updated, the cells containing obstacles are processed as a primary subdivision, and cells closer to the obstacles are processed as a secondary subdivision. This approach is validated in a simulation environment and compared with the previous research according to the computing time and the path distance.

This study introduces and experimentally validates a novel approach that combines Instruction fine-tuning and Low-Rank Adaptation (LoRA) fine-tuning to optimize the performance of Large Language Models (LLMs). These models have become revolutionary tools in natural language processing, showing remarkable performance across diverse application areas. However, optimizing their performance for specific domains necessitates fine-tuning of the base models (FMs), which is often limited by challenges such as data complexity and resource costs. The proposed approach aims to overcome these limitations by enhancing the performance of LLMs, particularly in the analysis precision and efficiency of national Research and Development (R&D) data. The study provides theoretical foundations and technical implementations of Instruction fine-tuning and LoRA fine-tuning. Through rigorous experimental validation, it is demonstrated that the proposed method significantly improves the precision and efficiency of data analysis, outperforming traditional fine-tuning methods. This enhancement is not only beneficial for national R&D data but also suggests potential applicability in various other data-centric domains, such as medical data analysis, financial forecasting, and educational assessments. The findings highlight the method's broad utility and significant contribution to advancing data analysis techniques in specialized knowledge domains, offering new possibilities for leveraging LLMs in complex and resource- intensive tasks. This research underscores the transformative potential of combining Instruction fine-tuning with LoRA fine-tuning to achieve superior performance in diverse applications, paving the way for more efficient and effective utilization of LLMs in both academic and industrial settings.

We examine a single machine scheduling problem with step-improving jobs in which job processing times decrease step-wisely over time according to their starting times. The objective is to minimize total completion time which is defined as the sum of completion times of jobs. The total completion time is frequently considered as an objective because it is highly related to the total time spent by jobs in the system as well as work-in-progress. Many applications of this problem can be observed in the real world such as data gathering networks, system upgrades or technological shock, and production lines operated with part-time workers in each shift. Our goal is to develop a scheduling algorithm that can provide an optimal solution. For this, we present an efficient branch and bound algorithm with an assignment-based node design and tight lower bounds that can prune branch and bound nodes at early stages and accordingly reduce the computation time. In numerical experiments well designed to consider various scenarios, it is shown that the proposed algorithm outperforms the existing method and can solve practical problems within reasonable computation time.

게임 엔진과 같은 3D공간에서 프로시저럴 모델링 애셋을 사용하여 도시를 구성하는 방식은 이전부터 존재하여 다양한 방법으로 제작되어 왔습니다. 초기 제작시간은 길지만 라이브러리가 구축됨에 따라, 크기와 모양이 다양한 건물을 보다 빠르고 다양하게 배치가 가능하다는 장점 을 바탕으로 사용되었습니다. 하지만, 앙곡과 안허리곡으로 이루어진 이중곡선을 가지며 결구 방식에 따라 모양이 변화하는 한옥의 경우에는 프로시저럴 기법으로 모델링 애셋을 제작하기 어려워 수동 모델링이나 스캔 데이터 형식으로만 존재하는 불편함이 존재하였습니다. 그렇기 에, 본 연구에서는 게임 엔진에서 사용이 가능한 가변적인 한옥 모델링에 대한 프로시저럴 기 법에 대해 소개하고자 합니다.

최근 국가뿐만 아니라 도시에서도 자발적 지역 검토(Voluntary Local Review, 이하 VLR)를 실시하고 이를 토대로 보고서를 발표하는 지방자치단체가 늘고 있다. 도시 수준의 SDGs 조치는 새로운 도시 의제, 기후 변화에 대한 파리 협정, 센다이 재해 감소 프레임워크, 생물다양성에 대한 아이치 목표와 같은 다른 국제적 약속과 밀접하게 연관되어 있다. 이 논문은 지방정부의 VLR 방향을 제언하는 것을 목적으로 세계 여러 도시의 2030 의제 실행 보고의 구체적인 프로세스에 대해 논의한다. VLR 프로세스는 지자체와 지역 사회 문제를 해결하기 위한 맞춤형 접근 방식, 지역 기술을 강화하기 위한 역량 강화, 하위 국가 수준의 데이터 환경 개발, 학계, 민간 부문 또는 지역 사회와 같은 정부 및 비정부 이해관계자의 다양한 영역과의 오래 지속되는 파트너십 구축이 포함되어 있다. 본 연구에서는 기존 VLR의 분석을 통해 식별된 VLR 프로 세스의 각 단계 내 주요 구성 요소에 대해 논의한다. 본 연구는 VLR 개발 프로세스의 여러 단계를 개략적 으로 설명하고 지침에서 각 단계의 주요 구성 요소에 대해 살펴보고 이것이 가진 의미를 검토한다.

New motor development requires high-speed load testing using dynamo equipment to calculate the efficiency of the motor. Abnormal noise and vibration may occur in the test equipment rotating at high speed due to misalignment of the connecting shaft or looseness of the fixation, which may lead to safety accidents. In this study, three single-axis vibration sensors for X, Y, and Z axes were attached on the surface of the test motor to measure the vibration value of vibration. Analog data collected from these sensors was used in classification models for anomaly detection. Since the classification accuracy was around only 93%, commonly used hyperparameter optimization techniques such as Grid search, Random search, and Bayesian Optimization were applied to increase accuracy. In addition, Response Surface Method based on Design of Experiment was also used for hyperparameter optimization. However, it was found that there were limits to improving accuracy with these methods. The reason is that the sampling data from an analog signal does not reflect the patterns hidden in the signal. Therefore, in order to find pattern information of the sampling data, we obtained descriptive statistics such as mean, variance, skewness, kurtosis, and percentiles of the analog data, and applied them to the classification models. Classification models using descriptive statistics showed excellent performance improvement. The developed model can be used as a monitoring system that detects abnormal conditions of the motor test.