This study explores the use of a Deep Autoencoder model to predict depression among plant and machine operators, utilizing data from the Korean National Health and Nutrition Examination Survey (KNHANES, n=3,852). The Deep Autoencoder model outperformed the Logistic Regression, Naive Bayes, XGBoost, and LightGBM models, achieving an accuracy of 86.5%. Key factors influencing depression included work stress, exposure to hazardous substances, and ergonomic conditions. The findings highlight the potential of the Deep Autoencoder model as a robust tool for early identification and intervention in workplace mental health.

최근 시스템 반도체 발전으로 인하여 자동차 산업의 전장(電装)에 대한 기술혁 신이 빠르게 진행되고 있다. 특히, 자동차의 전장화는 자동차 부품업체들의 기술개발 경쟁을 가속화시키고 있으며, 개발 주기 또한 빠르게 변화하고 있다. 이러한 변화로 인하여 연구개 발에 대한 전략과 기획의 중요성은 더욱 강화되고 있다. 자동차 산업의 패러다임 변화로 인 하여, 연구개발 전략 중의 하나인 제품-기술로드맵(P/TRM)은 기획 단계에서 기술예측, 기 업의 기술수준평가, 기술획득방법(Make/Collaborate/Buy) 등의 분석을 통하여 개발이 이루 어져야 한다. 제품-기술로드맵은 제품과 기술의 고객 니즈를 파악하고 기술의 선정, 개발방향을 설정하 는 툴(Tool)로써, 미래의 발전방향 추세를 예측하고 매크로(Macro) 트랜드의 전략적 방향성 과 목표를 설정하는데 사용된다. 하지만, 대부분의 기업에서는 해당 기술의 논문이나 특허 분석, 전문가 델파이에 주로 의존하는 정성적인 방법을 통하여 제품-기술로드맵을 개발하고 있다. 본 연구는 가트너의 하이프 사이클과 누적이동평균 기반 데이터 전처리, 딥러닝(LSTM) 시계열 분석 기법을 융합하여 자동차 산업 중심으로 제품-기술로드맵을 보완하고 강화시킬 수 있는 시뮬레이션을 통하여 실증 연구를 진행하였다. 본 논문에서 제시한 실증 연구는 자 동차 산업 뿐만 아니라, 범용적으로 타제조업 분야에서도 사용 가능할 수 있다. 또한, 기업적인 측면에서는 그동안 정성적인 방법에 의존하던 로드맵 작성 방법에서 탈피 하여 좀 더 정확한 제품-기술로드맵을 통하여 적기에 시장에 제품을 제공함으로써 선도업체 로 나아가기 위한 밑거름이 될 것이라고 사료된다.

The global trend is the application of heat-treated omission materials to reduce the manufacturing cost of automobile steering parts. Attempts have been made to apply heat-treated omission materials in domestic, but they are delayed due to concerns over rising cold forging process costs. For quantitative prediction of cold forging process cost, fatigue properties of forging die materials were evaluated. Based on this, the die life and cost were predicted quantitatively, and the manufacturing cost reduction of automobile steering parts using heat-treated material was found to be about 11%. Also, various methods to improve die life were additionally presented.

The setting of values on door hinge mounting compensation for door assembly tolerance is a constant quality issue in vehicle production. Generally, heuristic methods are used in satisfying appropriate door gap and level difference, flushness to improve quality. However, these methods are influenced by the engineer's skills and working environment and result an increasement of development costs. In order to solve these problems, the system which suggests hinge mounting compensation value using CAE (Computer Aided Engineering) analysis is proposed in this study. A structural analysis model was constructed to predict the door gap and level difference, flushness through CAE based on CAD (Computer Aided Design) data. The deformations of 6-degrees of freedom which can occur in real vehicle doors was considered using a stiffness model which utilize an analysis model. The analysis model was verified using 3D scanning of real vehicle door hinge deformation. Then, system model which applying the structural analysis model suggested the final adjustment amount of the hinge mounting to obtain the target door gap and the level difference by inputting the measured value. The proposed system was validated using the simulation and showed a reliability in vehicle hinge mounting compensation process. This study suggests the possibility of using the CAE analysis for setting values of hinge mounting compensation in actual vehicle production.

목 적: 과학기술 발달에 따른 안경업계의 미래를 예측하고 그에 따른 대응책을 마련하기 위함이다. 방 법: 세계의 미래 예측 기관들의 자료와 국내 정부기관의 보고서를 수집하여 국내 안경업계의 상황을 진단했다. 결 과: 안경 산업의 생산성은 전반적으로 증가하지만 고용 인력은 감소하고 있다. 전자동 안경 조제 장 비가 개발되고 있으며 안굴절력계가 일반인에 의해 사용될 수 있다. 결 론: 안경사는 독일의 장인 제도에서 얻을 수 있는 가치 창조를 개발해야 하며 굴절검사를 넘어 시재 활 훈련을 할 수 있어야 한다.

In this article, to predict the wear amount of nano particles in a worn nano composite, computational analysis pre/post-processor were developed using ABAQUS and visual basic programs. The abrasion, which is one of nano particles release scenarios, was applied in the computational analysis. Moreover, reciprocation, which is the abrasion type, was selected and incarnated in abrasion computational analysis. Also, to predict wear amount of nano composite in computational analysis, archard equation was applied and the predicted wear amount was evaluated compare with experimental value. The predicted wear amount of nano composite was increased in accordance with increasing force and was similar to result of experimental value.