미세플라스틱 입자는 환경 내 어디에나 존재하며 크기, 모양 또는 유형의 표준화된 입자가 아 니다. 따라서 독성자료를 바탕으로 해수, 퇴적물 등 해양환경의 다차원을 정확하게 평가하고 관리하는 위험평가 프레임워크를 구축하는 것은 매우 어렵다. 본 연구에서는 해양환경 미세플 라스틱의 특징과 영향을 조사하였고, 해양환경 미세플라스틱의 분포와 생물영향에 따른 위해 도 평가 프레임워크(초안)를 제안하고 있다. 환경 미세플라스틱의 특성은 매우 다양하지만 대 부분의 독성 데이터는 독특한 형태와 유형에 집중되어 있으며, 실험실 노출 생물과 관리해야 하는 생물 종도 다르다. 실제적으로, 지금까지의 수집된 연구결과는 위해성평가에 활용하기에 독성 데이터 품질에 있어 불확실성이 높기도 하며, 전통적인 위해성평가 프레임워크를 적용 하는 데 있어 고려할 부분이 많이 존재한다. 그러나, 현재 미세플라스틱 관리에 대한 국제사회 의 움직임이 점차 강화되고 있고, 해양환경의 미세플라스틱 오염도가 높아지고 있는 점을 고 려하면, 해양환경의 미세 플라스틱 특성에 기초한 위해성평가 기법 구축에 대한 추가 연구가 제안되어야 할 것이다.

본 연구에서는 무인항공기인 드론을 활용한 VDMS(Vision-based Displacement Measurement System)를 통해 동적변위계측 정 확도와 동특성 추정 신뢰성 검증을 위한 동적실험을 실시하였다. 비행하는 드론의 이동 및 회전진동을 보정하기 위해 영상 내부의 변 위가 발생하지 않는 고정점을 활용한 보정밥법을 사용하였으며, 검증을 위해 설치한 범용 센서인 LVDT와 LDS의 변위계측 결과와 비 교하여 그 오차를 시간영역과 진동수영역에서 분석하였다. 3가지 타입의 장비 모두 최대 변위 도달 및 주기 운동 계측에 있어서 대체 적으로 유사한 결과를 나타내었다. LDS 기준의 오차 분석 결과, 드론과 LVDT는 가진 진동수 변화에 의한 오차 값은 미비하나, 최대 발생 변위가 작을수록 오차 값은 증가하였다.

본 연구는 탄소 흐름 관점에서 기존 농촌경관 시스템 구조를 분석하고 이를 토대로 탄소중립 농촌경 관으로 전환하기 위한 자연기반해법을 제시하였다. 농촌경관 시스템은 생산경관, 자연경관, 생활경 관 하위 시스템으로 구성되어 있었으며, 각 하위 시스템을 인과지도 작성하고 이를 통합하였다. 통합 인과지도를 분석한 결과, 토지 이용 및 인간 활동 관리와 피드백 루프의 재구축을 위한 자연기반해법 전략이 필요하다는 것을 확인하였다. 이를 기반으로 본 연구는 ‘토양유기탄소 보존을 위한 탄소 농 업’, ‘탄소 흡수원 경관 관리’, ‘기후스마트 농업’, 그리고 ‘신재생에너지 기반 순환 농업’을 제안하였 다. 본 연구 결과는 기존 생산과정 중심의 농촌지역의 탄소중립 정책에서 벗어나 농촌경관 시스템의 전반적인 탄소 흐름을 확인하여 자연기반해법을 제시하였다는 데에 의의가 있다.

분단은 한반도를 살아가는 청년들의 삶에 가장 큰 전제이다. 반면, Z세대 청년인 대학생들의 분단 에 대한 관심은 점차 퇴색되고 있다. ‘분단 3세대’인 대학생들에게 하달식으로 주입되어 온 ‘민 족통일의 당위성’에 대한 공감과 내재화를 기대하기는 어려운 실정이며, 통일에 대한 필요성에 대 하여 인식이 점차 낮아지는 사회적 추세도 자연스러운 것으로 이해할 수도 있다. 하지만 민주적 평 화통일을 준비하는 것은 대한민국 국민의 헌법적 과제이기에 미래세대의 주역인 대학생들에게 적합 하고도 효과적인 통일교육의 필요성이 강하게 대두된다. 새로운 통일교육의 출발점은 대학생들의 관 심이 높은 경제적이고 실용적인 측면에서부터 시작해야 한다. 그런데 통일교육의 방법이나 내용보다 더 절실한 것은 통일교육에 대한 이론적 토대를 갖추는 일이다. 대학에서의 통일교육의 현황 점검과 한계 극복 방안을 모색을 위해서 Z세대 대학생의 특성에 맞는 통일교육 이론으로서 ‘배움의 개조’ 를 활용할 수 있다. 배움학의 핵심 요소인 ‘개조’는 새로운 통일교육에 적합한 이론적 토대가 된다. 전래의 ‘민족 적 당위’를 주입하는 방식의 통일교육보다 실용성과 함께 평화·인권·정의·민주 등 이 시대의 청년 들도 공감하는 보편적 가치에 대한 공통된 인식을 기반으로 하는 새로운 통일교육이 가능하다. 높은 긴장감 속에서 70년 이상 지속되고 있는 장기적 분단상황의 모순성을 직시하고 미래세대 주역인 대 학생들이 스스로 자신의 삶을 둘러싸고 있는 사회·정치적 환경을 자신의 문제로 인식한 후 최적의 대안을 주도적으로 모색하도록 돕는 방식의 통일교육을 실시하는 것이다. 통일교육에 대하여 새로운 이론이 접목된 대학생 통일교육은 현재의 비합리적 분단상황 개선에 대한 사회적 논의에 대학생들이 참여하여 토론을 주도하며 각자가 개조의 실천에 나설 수 있도록 조력하는 교육이다. 개조는 개인이 자신에 대한 성찰을 통해서 기존과 다르게 인식하고 행동하는 것에 머무르지 않고, 자신을 둘러싼 사회적 환경에 적응해서 살기보다는 상황을 면밀하게 관찰하고 재설계하며 바람직한 변화 모색을 지속하는 것을 포함하기 때문이다.

Purpose: This study aimed to perform an integrated literature review to identify evidence for developing a problem-based learning (PBL) method based on a simulation education program for nursing students. Methods: In May 2022, 10 electronic databases were used to conduct a literature search using the keywords simulation, PBL, nursing, and education in Korean and English. Finally, 21 studies were selected. Results: There were more single-type simulation studies than studies using a hybrid model that combined two simulation types. Most simulation studies were for a single domain of adult nursing rather than for various integrated domains. Four studies (19%) applied a theory during debriefing, but most did not conduct a systematically structured debriefing. All studies selected attitude and competency as the outcome variables to study the effects of the intervention. Two variables (attitude and competency) or three variables (knowledge [or skill], attitude, and competency) were typically selected, and their effects were measured. Conclusion: PBL based on simulation education can be effective in improving nursing practice competency in nursing students. Future studies ought to develop interprofessional education programs based on PBL simulations through multidisciplinary cooperation.

The Severe Disaster Punishment Act had recently been established in order to promote safety and health (OSH) management system for severe accident prevention. OSH management system is primarily designed based on risk assessments; however, companies in industries have been experiencing difficulties in hazard identification and selecting proper measures for risk assessments and accident prevention. This study intended to introduce an accident analysis method based on epidemiological model in finding hazard and preventive measures. The accident analysis method employed in this study was proposed by the U.S. Department of Energy. To demonstrate the effectiveness of the accident analysis method, this study applied it to two accident cases occurred in construction and manufacturing industries. The application process and results of this study can be utilized in improving OSH management system and preventing severe accidents.

본 연구는 자아개념에 기반 한 리더십 프로그램을 개발하는 것을 목적 으로 한다. 선행연구와 문헌분석을 통해 자아개념의 구성개념을 정의하 고 리더십과의 관련성을 분석하고 프로그램의 내용요소를 도출하고 자기 탐색, 자기수용, 자기목표, 자기지원, 자기실천의 5단계의 구조화된 모듈 을 설계하였다. 본 연구의 한계는 학습자 집단의 특수성이 고려되지 않 은 것과 효과성 검증이 포함되지 않은 점이다. 이러한 한계에도 불구하 고 자아개념과 리더십의 관련성 탐색을 통해 리더십 프로그램을 구조화 하고 모듈화 하였다는데 의의가 있다. 본 연구를 통해 학습자 맞춤형 리 더십 프로그램의 기초가 되길 기대한다.

This paper is proposing a novel machine scheduling model for the unrelated parallel machine scheduling problem without setup times to minimize the total completion time, also known as “makespan”. This problem is a NP-complete problem, and to date, most approaches for real-life situations are based on the operator’s experience or simple heuristics. The new model based on the Memetic Algorithm, which was proposed by P. Moscato in 1989, is a hybrid algorithm that includes genetic algorithm and local search optimization. The new model is tested on randomly generated datasets, and is compared to optimal solution, and four scheduling models; three rule-based heuristic algorithms, and a genetic algorithm based scheduling model from literature; the test results show that the new model performed better than scheduling models from literature.

목적 : 미국의 EYENETRA 회사가 개발한 모바일 앱 기반 이동형 자동굴절력계(NR)는 피검사자가 직접 기기 를 작동하여 굴절이상도를 측정하는 기기로, 그 임상성능을 확인하기 위해, 고정형 자동굴절력계(HRK-8000)와 자각적 굴절검사(subjective refraction, SR) 측정값을 비교 분석하고자 하였다. 방법 : 경기도 소재 M 안경원의 고객 중, 치료 중인 전신질환 및 안질환이 없고, 안과 수술을 받은 적이 없는 근시 또는 근시성 난시 124명(248안)을 대상으로 하였다. 굴절이상도 측정값을 얻기 위하여 NR, HRK-8000과 SR 순서로 검사를 진행하였다. 통계처리는 SPSS program(version 26)을 사용하였고, p<0.050인 경우를 통계 적으로 유의한 것으로 판단하였다. 결과 : 구면, 원주, 등가구면 굴절력은 NR 측정값의 근시도가 가장 높게 측정되었고(p<0.010), SR에 대한 NR 의 평균값은 HRK-8000보다 차이가 크게 나타나 표준편차 범위를 벗어났다. SR에 대한 난시축 일치도는 ±5° 범위에서 NR이 41.4% 일치하였고, HRK-8000은 90.8% 일치하여 NR의 난치축 일치도가 낮게 나타났다. SR에 대한 NR과 HRK-8000의 정확도를 확인하기 위해 95% 일치 한계(LOA)를 비교한 결과 구면, 원주굴절력과 SE 성분의 NR 범위는 각각 +2.01∼-2.72, +1.69∼-2.20와 +1.89∼-2.81 D로 나타났고, HRK-8000 범위는 각 각 +0.84∼-0.96, +0.42∼-0.73와 +0.81∼-1.09 D로 나타났으며, 모든 변수에서 NR의 범위가 넓어 정확도 가 낮은 것으로 확인되었다. 결론 : 이상의 결과를 종합하면, 기존의 자동굴절력계를 대체하기는 어려울 것으로 판단되었고, 임상에서 예비 검사로 활용되기 위해서는 정확도가 개선될 필요가 있다고 사료된다.

This study focuses on the development of a Last-Mile delivery service using unmanned vehicles to deliver goods directly to the end consumer utilizing drones to perform autonomous delivery missions and an image-based precision landing algorithm for handoff to a robot in an intermediate facility. As the logistics market continues to grow rapidly, parcel volumes increase exponentially each year. However, due to low delivery fees, the workload of delivery personnel is increasing, resulting in a decrease in the quality of delivery services. To address this issue, the research team conducted a study on a Last-Mile delivery service using unmanned vehicles and conducted research on the necessary technologies for drone-based goods transportation in this paper. The flight scenario begins with the drone carrying the goods from a pickup location to the rooftop of a building where the final delivery destination is located. There is a handoff facility on the rooftop of the building, and a marker on the roof must be accurately landed upon. The mission is complete once the goods are delivered and the drone returns to its original location. The research team developed a mission planning algorithm to perform the above scenario automatically and constructed an algorithm to recognize the marker through a camera sensor and achieve a precision landing. The performance of the developed system has been verified through multiple trial operations within ETRI.

Due to COVID-19, changes in consumption trends are taking place in the distribution sector, such as an increase in non-face-to-face consumption and a rapid growth in the online shopping market. However, it is difficult for small and medium-sized export sellers to obtain forecast information on the export market by country, compared to large distributors who can easily build a global sales network. This study is about the prediction of export amount and export volume by country and item for market information analysis of small and medium export sellers. A prediction model was developed using Lasso, XGBoost, and MLP models based on supervised learning and deep learning, and export trends for clothing, cosmetics, and household electronic devices were predicted for Korea's major export countries, the United States, China, and Vietnam. As a result of the prediction, the performance of MAE and RMSE for the Lasso model was excellent, and based on the development results, a market analysis system for small and medium sellers was developed.

딥러닝(DL: Deep Learning)의 발전으로 오늘날 다양한 분야에서 AI 모델이 만들어지고 사용되고 있다. 오늘날, 컴퓨터의 발전과 DL 알고리즘의 발전에 의해, DL 기반 AI 모델은 수많은 데이터를 학습하고 스스로 규칙을 찾을 수 있다. DeepMind의 Alphago는 학습 데이터 만으로 게임의 규칙을 스스로 판단하고 고수준의 게임 플 레이를 할 수 있다는 가능성을 보여준다. 이런 다양한 DL 알고리즘이 게임 분야에 적용되고 있지만, 스포츠 게임 같이 팀의 전술과 개인 플레이가 공존하는 분야에서는 단일 AI 모델만으로 성공적인 플레이를 이끌어 내기에는 한계가 존재한다. 오늘날, 고품질의 스포츠 게임은 쉽게 접할 수 있다. 하지만, 게임 AI 연구자들이 이런 고품질의 스포츠 게임에 맞는 AI 모델을 개발하기 위해서는 게임 코드 소스를 받거나 게임 회사에서 테 스트용 시뮬레이터를 제공해줘야만 할 수 있다. 게임 AI 연구자들이 활발한 스포츠 게임 분야의 AI 모델을 개 발하기 위해서는 스포츠 게임의 규칙과 특징이 반영되고 접근하기 쉬운 테스트 환경(Test Environment)이 필요 하다. 본 논문에서는 팀의 전술과 개인 플레이가 중요한 스포츠 게임 분야에서 AI 모델을 만들고 테스트할 수 있는 규칙기반 축구 게임 프레임워크를 제안한다.

2차원 평면에서 점들의 집합에 대한 보로노이 다이어그램을 구현하는 경우는 비사실적 렌더링이나 스타일화 된 렌더링에 매우 자주 사용하는 기법이다. 하지만 기존의 연구들의 구현 방법을 살펴보면 픽셀기반의 이미지 공간에서 보로노이 셀을 계산하는 방식이 활용된다. 벡터기반의 보로노이 다이어그램의 구현은 셀들이 만나서 이루는 경계부분을 직접적으로 표현할 수 있는 방식이다. 픽셀 기반의 방법의 경우 보로노이 셀간의 경계는 이미지 형태로 먼저 만든 후 에지 추출 영상 처리를 통해 얻을 수 있으며 해상도에 따라 정확도가 결정되며 벡터 기반의 방법보다 부정확할 수 밖에 없다. 즉, 픽셀 기반의 보로노이 다이어그램 생성 방법은 보로노이 셀 영역을 위주로 계산하게 되고 명확한 경계에 대한 데이터를 명시적으로 가지고 있지 않는다. 이와는 대조 적으로 벡터 기반의 보로노이 다이어그램 생성 방법은 보로노이 다이어그램의 경계선 데이터를 직접 포함하 고 있으므로 정확도가 높은 표현 방법이라고 할 수 있다. 다만 픽셀기반의 구현 방법이 좀 더 직관적이고 쉬 운 구현 방법이라는 점 때문에 기존의 연구들은 픽셀기반의 구현을 사용하고 있다. 본 연구에서는 점에 직접 폴리곤 지오메트리를 사용하여 3차원 공간에서 보로노이 다이어그램을 계산하는 방법을 제안한다. 유클리드 거리와 맨해튼 거리를 모두 사용할 수 있으며 선분에 대한 보로노이 다이어그램의 확장에도 사용할 수 있도 록 제안하였다.

본 논문에서는 웹툰 캐릭터 영상에 대해서 심층학습에 기반한 3D 안면 재구성 기술을 제안한다. 본 연구에서 제안하는 방법은 기본 사항 모듈과 상세 사항 모듈로 구성된다. 입력 받은 웹툰 캐릭터 영상에 대해서 기본 사항 모듈의 요소인 Albedo 모듈을 적용해서 안면에 들어오는 빛의 양을 계산하여 Albedo 맵을 생성한다. 그 리고 기본 사항 모듈의 다른 구성 요소인 FLAME 모듈에서는 입력 영상에 대한 기본적인 3D 안면 형태를 생 성한다. 이와 동시에 상세사항 모듈을 적용해서 실제 사람과 다르게 이목구비가 변형된 웹툰 캐릭터 영상의 표정이나 얼굴 깊이와 같은 특징을 살리는 세부사항을 추출한다. 계산한 세부사항들을 토대로 세부사항 맵을 생성하여 앞서 FLAME 모듈에서 생성된 3D 안면 형태와 결합하여 세부사항 안면 형태를 생성한다. 그 후 Albedo 모듈에서 생성된 Albedo 맵까지 적용하면 최종적으로 웹툰 캐릭터 영상에 대한 3D 안면 재구성이 완 료된다. 본 연구에서는 웹툰 캐릭터뿐만 아니라 안면이 스타일화된 애니메이 션 캐릭터에 대해서도 결과를 생성하고, 이를 기존 연구와 비교하여 그 우수성을 입증한다.

Recently, small and medium-sized manufacturing companies have shown increased interest in and participation in smart factories in order to survive in market competition. However, many SMEs build smart factories without a systematic review or preparation, which leads to them not being able to use them properly. This study considers the main reason for the low utilization rate of smart factories to be a lack of sufficient reflection of user requirements. Therefore, a method and procedure for deriving the priority of smart factory requirement functions and operating performance indicators based on QFD is proposed as a solution to this issue.

Governments around the world are enacting laws mandating explainable traceability when using AI(Artificial Intelligence) to solve real-world problems. HAI(Human-Centric Artificial Intelligence) is an approach that induces human decision-making through Human-AI collaboration. This research presents a case study that implements the Human-AI collaboration to achieve explainable traceability in governmental data analysis. The Human-AI collaboration explored in this study performs AI inferences for generating labels, followed by AI interpretation to make results more explainable and traceable. The study utilized an example dataset from the Ministry of Oceans and Fisheries to reproduce the Human-AI collaboration process used in actual policy-making, in which the Ministry of Science and ICT utilized R&D PIE(R&D Platform for Investment and Evaluation) to build a government investment portfolio.

VR 및 AR은 대중들이 접근하기 어려운 기술이 아닌, 개인용 스마트 폰 하나로 체험 및 활용 할 수 있는 시 대가 되었다. 최근 이런 개인용 스마트 폰의 다양한 센서를 활용한 AR 콘텐츠가 개발되고 서비스 되고 있다. AR 콘텐츠의 수요가 커지면서Software교육의 수요도 커지게 되었다. 하지만, 비전공자들도 배우기 쉬운 Python 언어를 중심으로 SW 교육이 활발해졌음에도, 아직까지 AR 콘텐츠 개발에서는 Python을 적극적으로 사용할 수 없다. AR 콘텐츠는 기술 분야 뿐 아니라 인터렉티브 아트 분야에서도 활발하게 사용되고 있다. 최근 인터 렉티브 아티스트들은 Python을 이용하여 인공지능을 활용한 작품을 개발 및 전시하고 있다. Python을 통한 SW 교육은 SW 분야의 취업에만 필요한 것이 아니라 아트 분야에서도 필요한 교육이 되었다. 본 논문에서는 AR 콘텐츠 개발 교육을 위한 Python과 Unity 3D Engine을 이용한 네트워크 기반 AR 프레임 워크를 제안한다. 제 안한 AR 프레임 워크는 Web 기반 브라우저에서 개인용 스마트 폰의 카메라에 접근하여 카메라 정보를 Main Server에 전송하고 Python에서 Mark를 분석한다. Mark 정보에 맞춰 Unity 3D Engine에서 3D 오브젝트를 렌더 링하고, 카메라 정보화 합성 후, MJPEG 스트리밍으로 개인용 스마트 폰 화면에 렌더링 된다. 본 논문에서 제 안한 AR 프레임 워크는 SW 교육 플랫폼과 비대면 교육 플랫폼의 요구사항을 반영하며, 인터렉티브 아티스트 들의 다양한 도전에 필요한 기술적 제한을 낮춰 줄 것으로 기대한다.

To make semiconductor chips, a number of complex semiconductor manufacturing processes are required. Semiconductor chips that have undergone complex processes are subjected to EDS(Electrical Die Sorting) tests to check product quality, and a wafer bin map reflecting the information about the normal and defective chips is created. Defective chips found in the wafer bin map form various patterns, which are called defective patterns, and the defective patterns are a very important clue in determining the cause of defects in the process and design of semiconductors. Therefore, it is desired to automatically and quickly detect defective patterns in the field, and various methods have been proposed to detect defective patterns. Existing methods have considered simple, complex, and new defect patterns, but they had the disadvantage of being unable to provide field engineers the evidence of classification results through deep learning. It is necessary to supplement this and provide detailed information on the size, location, and patterns of the defects. In this paper, we propose an anomaly detection framework that can be explained through FCDD(Fully Convolutional Data Description) trained only with normal data to provide field engineers with details such as detection results of abnormal defect patterns, defect size, and location of defect patterns on wafer bin map. The results are analyzed using open dataset, providing prominent results of the proposed anomaly detection framework.