현재 기업들 사이에 기업경영의 목표를 ‘고객 가치 경영’에 두는 경우가 많다. 이는 경영활동의 초점을 고객가치(Customer Value)에 두고, 데이터베이스 마케팅을 도입하여 ‘고객 마케팅’과 ‘One To One 마케팅’을 차별화 하려는 의지로 볼 수 있다. 고객 데이터를 조사 분석하기 위해서는 고객의 표현되는 욕구뿐만 아니라 잠재적인 욕구가지도 파악을 해야 한다. 고객의 데이터를 분석하는 방법에는 그 목적에 따라 고객 세분화 및 집단화 분석 모형, 고객반응확률을 예측하는 모형, 고객 이탈률을 분석하는 모형, 신규고객 발굴 분석 모형으로 분류할 수 있다. 따라서 본 연구에서는 비연결적인 상황의 한계성을 극복하기 위해 고객 분석에 필요한 변수를 먼저 선정하여, 고객 데이터의 신뢰도를 높이고, 고객 세분화를 정량적으로 분석하기 위해 CLV(Customer Lifetime Value)를 사용한 고객정보시스템을 설계하였다. 변수 사이의 유기적 복합성을 고려함과 동시에 어떤 새로운 변수를 도입해야 할 것인지에 대한 고민이 필요한 것이다. 또한 기업은 소비자의 다양화·복잡화 추세에 어느 정도까지 대응해 나갈 것인지도 결정해야 할 것이다. 이러한 이유로 기업에서의 CLV (Customer Lifetime Value)의 정립은 앞으로도 계속되는 과제가 될 것이다.

대립종자의 자동정렬파종기의 씨눈위치 자동판정장치를 개발하기 위한 연구로서 수행된 이 연구는 기계 시각을 이용하여 대립종자의 씨눈 위치가 공급 방향을 기준으로 앞 또는 뒤쪽 어느 쪽에 위치해 있는지를 검출하기 위함이다. 참박, 특토좌, 흑종에 대한 씨눈위치를 판정하기 위하여 종자의 공급자세에 따른 판정정도를 조사하였다. 참박의 경우 공급자세가 30˚ 경우에는 77.8%의 정확도를 나타냈지만, 0˚와 15˚때는 100% 검출 정확도를 나타내었다. 특토좌의 경우 공급자세 30˚에서 89.5%, 0˚와 15˚에서는 100%의 판정 정확도가 나타났다. 흑종의 경우에 있어서는 공급자세 30˚에서 94.4%이었고 나머지는 100%의 정확도를 나타냈다. 따라서 정렬파종장치의 공급부에서 종자가 공급될 때 기계적인 메카니즘으로 30˚ 이상 기울어지는 것을 방지할 수 있고 15˚까지 기울어진다 해도 씨눈위치를 판정할 수 있기 때문에 향후 파종장치의 한 부분으로서 사용할 수 있을 것으로 판단되었다.

This research will introduce the characteristic of the current E-Sales system, the concept of CTP(Capable to Promise), the process analysis of CTP, the modeling of algorithm and the development of algorithm. This research considers the environment of using Job-Shop method. The CTP algorithm models specially through using LPST(Latest Possible Start Time) and EPST(Earlist Possible Start Time) method. It is important part of executing CTP. This research develops the system which can be implemented in the various business environment through additional and continuous research.

국제해사기구(IMO)는 해상인명안전협약(SOLAS)에 2002년 7월 1일부터 신조되는 총톤수 500톤 이상의 모든 선박에 자동선박추적장치(ATA)를 탑재시키도록 규정하였으나, 이SOLAS 협약에 적용되지 않는 현재 운항중인 10,000톤 미만의 현존선은 ATA의 비탑재로 인하여 충돌사고가 빈발하고 있다. 본 논문에서는 ATA의 일부 요소기술이 국산화되어 있으나 가장 핵심적인 자동추적 알고리즘 개발은 아직 미비한 실정에 있으므로 자동추적 알고리즘의 핵심요소기술의 연구개발을 통하여 ATA를 국산화하여 연안에서 항해하는 중소형 선박에 보급함으로서 충돌사고 둥을 미연에 방지하고자 한다.

본 연구에서는 직사각형 단면을 갖는 프리스트레스 철근콘크리트보(PRC)의 최소경비설계를 수행하였다. 목적함수로서 건설경비는 콘크리트 경비, 긴장재 경비, 철근 경비 그리고 거푸집 경비를 포함하였으며 이를 최소화하였다. 설계제약조건으로는 시방서상의 최대처짐제약, 휨 및 전단강도제약, 연성제약 그리고 설계변수에 대한 상하한 제약을 고려하였다. 쿤-터커 필요조건을 이용하여 최적성 규준을 설계변수의 항으로 명시적으로 유도하였으며, 이때 설계변수로는 보의 유효깊이, 긴장재의 최대편심거리 그리고 철근비로 취하였고, 긴장재의 형상은 2차 포물선함수로 가정하였다. 또한 본 연구에서는 요소별로 변화하는 단면을 갖는 경우와 전경간에 걸쳐 일정한 단면을 갖는 경우에 대하여 고려하였고, 긴장재의 경간별 최대편심을 설계변수화 하였다. 그리고 수치예를 들어 개발된 기법의 적용성과 효율성을 보였다.

본 연구는 객관적인 생리신호로부터 인간의 감성을 추론할 수 있는 감성평가 전문가 시스템을 개발하기 위한 첫 번째 단계로 측정된 생리신호를 이용하여 인간의 긴장도를 판단하는 알고리즘의 개발을 목표로 한다. 감성평가와 관련된 애매함을 수리적으로 취급하기 위해 퍼지이론을 적용하여 임의의 감성영역에 속하는 정도를 소속함수로 정량화함으로써 감성평가를 가능하게 하고자 하였다. 소속함수의 결정은 상상을 통해 유발된 긴장/이완의 생리신호 데이터베이스 결과를 사용하였다. 그리고 두 가지 이상의 생리신호 측정결과와 각 생리신호의 소속함수로부터 하나의 최종결과(긴장도)를 유추하기 위해서 Dempster-Shafer증거합 법칙을 적용하였고, 이를 통해 최종적인 긴장도를 도출할 수 있도록 하였다.

This paper considers an algorithm using Johnson transformation to calculate process capability index for non-normal distribution. Johnson transformation is well known as one of methods transforming the data with non-normal distribution to normal data.

현대화 온실이 농가에 보급 된지 5년째를 맞고 있지만 환경조절을 위한 자동화 설비의 이용현황은 외국으로부터 수입된 일부 유리온실을 제외하고는 당초 목적한 성능과 기술에 이르지 못하고 있어 그 이용율이 아주 저조하다. 이것은 농민의 자동화 장치 이용기술 부족 때문이기도 하지만 자동화 장치의 하드웨어 및 소프트웨어가 농민에 의한 수동스위치 조작보다 제어 성능이 따르지 못한 것이 주된 이유라고 생각된다. 이에 본 연구는 지금까지 외국기술에 의존하거나 이용율이 낮은 원예시설의 환경조절자동제어 시스템을 국내 기술에 의해 생산 보급할 수 있도록 성능이 우수하고 적응성이 높은 시스템 개발을 위하여 수행한 연구결과를 요약하면 다음과 같다. 1. 온실의 고온관리를 위한 온실내외의 온도차를 함수로하여 창개례순서, 1회 개폐폭, 제어주기 둥을 결정하는 알고리즘을 개발하여, 제어프로그램을 작성하였으며 시스템을 운전하여 본 결과 제어성능이 우수하였다. 2. 파이프비닐온실에는 시스템의 설치 및 A/S의 편리성 등을 감안하여 각 환경요인별로 개별제어 할 수 있도록 시스템화하는 것이 바람직하다고 판단되었다. 3. 시스템의 실용화를 위하여 제어항목 중 관수, 탄산가스 농도, 커덴개폐는 타이머를 이용한 시퀀스제어로 하였다. 4. DSP칩을 이용하여 고온제어를 위한 창개폐제어 시스템을 실용화할 수 있도록 개발하였다. 5. 온실의 자동제어시스템과 연결되어 있는 전화를 통하여 관리자가 부재 중 온실의 과고온, 정전, 고장 둥 비상발생시 관리자에게 무선호출을 할 수 있는 경보시스템을 개발하였다.

Carbon dioxide enrichment for greenhouse crops has generally been a standard commercial practice for many years. Vegetable crops such as tomato, cucumber, and lettuce respond positively to the CO2 enrichment. But improper CO2 enrichment leads to physiological damage and economical loss. This study was carried out to develop a CO2 concentration control algorithm considering growth stage and efficiency. The measurand was CO2 consumption rate and top fresh weight that represents growth stage. The weight of top fresh lettuce as a whole in the tray was measured through a non-destructive method. The demand in CO2 concentration according to growth stage was investigated. The results are summarized as follows. 1. The CO2 consumption rate could be measured within the error of ± 15.4mgCO2/hr in the range of CO2 concentration of 500-1500ppm. 2. The weight of top fresh lettuce could be measured within the error ± 4.3g in the range of 0-1400g. 3. The CO2 control model developed could determine an economical CO2 supply rate considering CO2 consumption rate and leakage rate. 4. The CO2 control algorithm based on the control model was composed of feedforward control for maintaining a stable CO2 concentration level, and feedback control with CO2 consumption rate and top fresh weight for adapting to the change in CO2 demand by growth stage. 5. For the performance test with the developed control algorithm on lettuce the decrease in CO2 supply rate was obtained without a significant decrease in top fresh weight.

과거 지진가속도계측기는 “지진·화산재해대책법” 제6조, 제7조에 따라 2010년 고시된 “지진가속도계측기 설치 및 운영기준”에 의거 시설물 관리주체가 설치 및 운영 되었다. 하지만 시설물 관리주체에서는 구조물별 가속도 관측을 수행하고 있으나 지진 발생 시, 이를 활용하지 않거나 최대 가속도 데이터만 저장, 이용하고 있는 실정으로 데이터의 활용도를 제고할 수 있는 방안 마련의 필요성이 제기되었다. 따라서 “지진가속도 응답신호를 활용한 공공시설 안전관리 기술개발” 연구를 통해서 지진가속도 응답신호 종합분석 시스템이 개발되었다. 하지만 안전성평가를 위한 연구는 “지진가속도계측기 설치 및 운영기준” 제9조에서 정의하는 9개항의 시설물 중 건축물에 해당하는 시설물에 제한적으로 적용되었기에 추가적인 연구가 필요한 실정이다.

딥러닝 모델은 주어진 학습용 데이터에서 탐지하고자 하는 물체의 특징을 추출하기 때문에, 딥러닝 모델 학습을 위한 학습용 데이터 구축은 매우 중요하다. 본 연구에서는 균열을 탐지하는 딥러닝 모델의 성능을 향상시키기 위해, 실제 콘크리트 구조물이나 아스팔트 도로 표면에서 자주 발견될 수 있는 나뭇가지, 거미줄, 전선 등을 학습 데이터에 자동으로 포함시키고, negative 영역으로 분류하는 알고리즘을 개발하였다. 제안된 알고리즘을 사용하여 학습된 딥러닝 모델을 실제 도로 표면에 발생한 균열 탐지에 적용하여 실제 균열 탐지에 사용될 수 있음을 보였다.