최근 딥러닝은 자기공명영상 검사에서의 화질 개선을 위해 다양하게 활용되고 있다. 하지만 다양한 자기공명영상 검사에서 딥러닝이 적용된 기법과 상황에 대한 평가는 부족한 편이다. 이에 본 연구에서는 모션 ACR(American College of Radiology) 팬텀을 활용하여 일반적인 상황과 움직이는 상황에서 T2-PROPELLER(periodically, rotated overlapping parallel lines with enhanced reconstruction, PROPELLER)와 T2-FSE(fast spin echo, FSE) 기법의 화질을 비교 평가해 보고자 하였다. 연구 결과 움직이지 않는 상황에서의 딥러닝 프로세스를 적용하였을 때 유의미한 신호대잡음비와 대조대잡음비의 상승을 보였다. 하지만 팬텀에 움직임을 주는 동적인 상황 에서 딥러닝 프로세스를 적용하였을 때 유의미한 화질 개선을 보이지 않았다. 이러한 결과는 딥러닝 프로세스를 절대 적으로 사용하기보다 다양한 상황에 맞게 선택적으로 적용하는 것이 필요할 것으로 사료된다.

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.

In order to solve the rapidly increasing domestic delivery volume and various problems in the recent metropolitan area, domestic researchers are conducting research on the development of “Urban Logistics System Using Underground Space” using existing urban railway facilities in the city. Safety analysis and scenario analysis should be performed for the safe system design of the new concept logistics system, but the scenario analysis techniques performed in previous studies so far do not have standards and are defined differently depending on the domain, subject, or purpose. In addition, it is necessary to improve the difficulty of clearly defining the control structure and the omission of UCA in the existing STPA safety analysis. In this study, an improved scenario table is proposed for the AGV horizontal transport device, which is a key equipment of an urban logistics system using underground space, and a process model is proposed by linking systematic STPA safety analysis and scenario analysis, and UCA and Control Structure Guidelines are provided to create a safety analysis.

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.

본 연구는 교수자가 학습자를 위해 긍정적 가치탐색을 효과적으로 적용할 수 있도록 4D 프로세스 기반 학습모형을 개발하고 학습유형을 분류하여 연구하는 것을 목적으로 하였다. 긍정적 가치탐색 교육 방법은 학습자의 사고방식과 행동 변화에 효과적이다. 또한, 의미와 가치발견에 중점을 둔 강점 기반 접근을 통해 학습 참여를 증진하고 지속 가능한 학습 환경과 배움을 실현할 수 있다. 이러한 교육적 효과는 긍정적 가 치 탐색의 4D 프로세스를 토대로 한 활동으로 이루어진다. 교육 현장에서 긍정적 가치탐색 4D 프로세스 를 보다 유용하게 활용하기 위해서는 교육목표와 지향하는 역량개발에 따라 4D 프로세스에 적합한 학습 유형 분류와 체계적이고 구조화된 학습모형 개발이 필요하다. 본 연구는 4D 프로세스 기반 4가지 학습유 형을 구조화하여 학습모형을 개발하고 모형타당화를 진행하였다. 4D 프로세스 기반 학습모형 구성요소 도 출은 선행 문헌의 검토와 분석을 통해 이루어졌고, 구성요소의 구조화는 사례연구를 통해 진행하였다. 그 리고 해당 분야 전문가 검토를 통한 타당성 평가를 3차에 걸쳐 실시하였다. Discover, Dream, Design, Destiny 4D 프로세스는 탐색과 발견, 사고와 상상, 공유와 구성, 발표와 실천으로 개선되어 적용되었다. 학습에 적합하도록 보완된 4D 프로세스는 도달할 학습 목표와 개발할 학습자의 역량에 따라 탐구형, 창의 형, 과제해결형, 실천형으로 세분화하여 개발되었다. 개발된 학습모형에서의 학습유형은 다양한 교육 환경 에 맞게 긍정적 가치탐색 활동이 선택적으로 운영될 수 있다는 이점이 있다.

Recently, the development of computer vision with deep learning has made object detection using images applicable to diverse fields, such as medical care, manufacturing, and transportation. The manufacturing industry is saving time and money by applying computer vision technology to detect defects or issues that may occur during the manufacturing and inspection process. Annotations of collected images and their location information are required for computer vision technology. However, manually labeling large amounts of images is time-consuming, expensive, and can vary among workers, which may affect annotation quality and cause inaccurate performance. This paper proposes a process that can automatically collect annotations and location information for images using eXplainable AI, without manual annotation. If applied to the manufacturing industry, this process is thought to save the time and cost required for image annotation collection and collect relatively high-quality annotation information.

Manufacturing process mining performs various data analyzes of performance on event logs that record production. That is, it analyzes the event log data accumulated in the information system and extracts useful information necessary for business execution. Process data analysis by process mining analyzes actual data extracted from manufacturing execution systems (MES) to enable accurate manufacturing process analysis. In order to continuously manage and improve manufacturing and manufacturing processes, there is a need to structure, monitor and analyze the processes, but there is a lack of suitable technology to use. The purpose of this research is to propose a manufacturing process analysis method using process mining and to establish a manufacturing process mining system by analyzing empirical data. In this research, the manufacturing process was analyzed by process mining technology using transaction data extracted from MES. A relationship model of the manufacturing process and equipment was derived, and various performance analyzes were performed on the derived process model from the viewpoint of work, equipment, and time. The results of this analysis are highly effective in shortening process lead times (bottleneck analysis, time analysis), improving productivity (throughput analysis), and reducing costs (equipment analysis).

본 연구의 목적은 서비스디자인 프로세스를 활용한 제품디자인 개발 프로세스를 체계화하여 실무에서 활용할 수 있도록 ‘서비스디자인 방법론을 활용한 제품디자인 개발 프로세스’를 제안하는 데 목적을 두고 연구를 진행하였다. 일반 가정용 전화기에 비해 스마트화 되어가는 사무환경을 고려한 오피스 전화기에 대한 사용성(Usability) 연구가 부족한 상황에서, 이 연구를 통해 단순 제품 개발이 아닌 제품기반 서비스디자인적 관점으로 확장하여 스마트 사무환 경에서의 오피스 전화기 제품디자인을 통해 새로운 사용자 경험 가치 제공과 서비스 연계 방안을 모색하고자 한다. 본 연구의 방법으로는 서비스디자인 프로세스를 활용하여 UX중심의 사용자 니즈 도출 및 사용자 경험 가치를 구현하 는 제품디자인 개발에 중점을 두었다. 특히, 제품 개발과정에서 사용자 니즈와 경험 가치 요소를 좀 더 체계적으로 도출하고, 제품기반 서비스가 융합된 아이디어를 발굴하기 위해 서비스디자인 프로세스를 접목하였다. 이를 위해 서 비스디자인 분야에서 널리 활용되고 있는 ‘더블 다이아몬드 디자인 프로세스 모델’을 채택하였다. 또한 실제 사용자 및 다양한 분야의 인력들이 참여하는 Work Flow를 통해 사용성 개선방안, 사용자 경험(UX) 가치 요소 및 제품-서비 스 연계 아이디어를 도출할 수 있도록 제품디자인 개발 프로세스를 구축하였다. 본 연구의 결과로서, 더블 다이아몬드 디자인 프로세스에 기반하여 ‘문제발견(Discover)’정보수집 단계에서는 국내외 오피스 전화기 시장을 중심으로 디자 인 트렌드를 파악하였다. ‘정의(Define)’분석·도출 단계에서는 사용자 관찰 및 인터뷰, 사용성 설문조사를 통해 사용자 니즈를 분석하고, 디자인 요구조건 및 사용자 경험 이슈를 도출하였다. 사용자 유형 분석을 통해 퍼소나(Persona)를 설정하였으며, 이를 바탕으로 사용자 시나리오를 제시하였다. ‘발전(Develop)’발전·개발 단계에서는 디자인 구체화를 위한 아이디어 워크숍과 콘셉트 렌더링을 진행하였으며, 사내 다양한 분야의 인력이 참여하여 디자인 선호도 및 사용 성 개선방안을 도출하여 디자인 방향을 설정하였다. ‘전달(Deliver)’ 개선·프로토타입 개발·평가 단계에서는 디자인 프로토타입 목업을 제작하여 사외 디자인전문가 자문을 통한 디자인 및 사용성 평가를 진행하였다. 결론적으로 본 연구는 기존의 제품디자인 개발 프로세스와 서비스디자인 프로세스가 접목된 제품디자인 개발 프로세스 모델을 구축 하였다는데 의의가 있다. 궁극적으로 향후 I사 제품이 서비스 융합을 통해서 사용자 경험 가치를 구현하고, 이를 통해 새로운 비즈니스 모델을 만들어갈 수 있도록 서비스디자인기반 제품디자인 개발 프로세스를 제안하였다.

현재 교량과 같은 토목구조물의 설계프로세스는 1차 설계 후 구조 검토를 수행하여 기준에 부적합할 경우 재설계하는 과정을 반복 하여 최종적인 성과품을 만드는 것이 일반적이다. 이러한 반복 과정은 설계에 소요되는 기간을 연장시키는 원인이 되며, 보다 수준 높 은 설계를 위해 투입되어야 할 고급 엔지니어링 인력을 기계적인 단순 반복 작업에 소모하고 있다. 이러한 문제는 설계 과정 자동화를 통하여 해결할 수 있으나, 설계 과정에서 사용되는 해석프로그램은 이러한 자동화에 가장 큰 장애요인이 되어 왔다. 본 연구에서는 기 존 설계 과정 중 반복작업을 대체하고자 강화학습 알고리즘과 외부 해석프로그램을 함께 제어할 수 있는 인터페이스를 포함한 교량 설계 프로세스에 대한 AI기반 자동화 시스템을 구축하였다. 이 연구를 통하여 구축된 시스템의 프로토타입은 2경간 RC라멘교를 대 상으로 제작하였다. 개발된 인터페이스 체계는 향후 최신 AI 및 타 형식의 교량설계 간 연계를 위한 기초기술로써 활용될 수 있을 것 으로 판단된다..

In general, companies operate systematically in response to financial risks such as exchange rates and liquidity, while they are vulnerable to risks in the manufacturing and sales processes. In particular, logistics refers to the activities for planning, managing and implementing efficient flows from the starting point of goods and products to the point of consumption, The purpose of this study was to develop key risks and key risk management indicators (KRIs) for risks that undermine logistics efficiency so that logistics risks can be effectively prevented and managed. As a result, 40 risk management indicators (KRIs) were developed in a total of six categories in the logistics sector, and the definition, calculation method and early warning grade of each KRI were presented so that companies could prevent risks in advance in logistics activities and contribute to enhancing efficiency of their work.