Micro-enterprises lacking explicit intellectual property and audited financial statements have been structurally marginalized in traditional capital market valuation frameworks due to severe information asymmetry. To resolve this structural market failure and econometrically estimate their intrinsic value, this study proposes an integrated valuation framework (S-PACE 1.0) based on multidimensional alternative data. Going beyond conventional GIS and NLP reputation indices, the model incorporates novel metrics—the Operation Continuity Index combining electricity usage and mutual-aid contribution payments, the Digital Management Index based on app traffic, and the Human Capital Stability Index controlling for turnover rates—to convert ‘soft competitiveness’ into financial goodwill. A simulation using a Simulated Empirical Dataset demonstrated a valuation increase from 70 million KRW under conventional collateral models to 220 million KRW, and the model’s predictive robustness was verified through Propensity Score Matching (PSM). This study redefines micro-enterprises as proactive investment assets and provides an empirical rationale for innovative inclusive finance that encompasses dynamic resilience against macroeconomic shocks.

In modern mechanical design environments, frequent design changes make maintaining consistency between CAD data and BOM(Bill of Materials) a significant challenge. In Excel-based BOM management environments, designers often need to manually update 3D assembly models and 2D drawings whenever component information changes, leading to human errors and increased design lead time. This study proposes a reverse data synchronization automation system integrating the CATIA Automation API with Excel macros. When a BOM is modified, the system automatically detects and applies the changes. Using the NewFrom method and a recursive traversal algorithm, the assembly structure can be safely regenerated without reference-link breakage. Experimental results using an assembly model with 72 sub-components showed that the time required for design modification and drawing updates was reduced from approximately 60 minutes to under 2 minutes, achieving about 97% time savings. In addition, the system prevented title block input errors and reference-link failures, ensuring data integrity. The proposed framework provides a practical and cost-effective alternative for implementing a Digital Thread environment without expensive PLM(Product Lifecycle Management) systems.

국제해운의 탈탄소 규제가 강화됨에 따라 선박 운항데이터는 규제 이행, 배출량 산정, 검증 및 이해관계자 간 정보 공유의 핵 심 기반으로 활용되고 있다. IMO DCS, CII, EU MRV, EU ETS, UK ETS 및 FuelEU Maritime 등 주요 규제는 연료소모량, 운항거리, 운항시간, 화물정보, 배출량 등 유사한 데이터를 요구하지만, 제도별 적용 범위, 보고 단위 및 데이터 정의가 상이하여 선사와 검증기관의 반복 입 력, 데이터 재가공 및 품질관리 부담이 증가하고 있다. 본 연구는 선박 온실가스 규제 보고에 필요한 주요 데이터 요구사항을 비교·분석 하고, 복수 규제에 공통적으로 활용 가능한 환경규제 보고 표준 데이터 모델을 제안하는 것을 목적으로 한다. 이를 위해 국제적으로 사용 되고 있는 기존 운항데이터 표준 모델들을 검토하고, 규제 보고 관점에서 표준 데이터 그룹을 도출하였다. 또한 실제 선박 운항자료를 대 상으로 제안 모델의 항목 매핑 가능성과 규제 보고 활용성을 검토하였다. 분석 결과 제안 모델은 기존의 Log Abstract 및 Bunker Summary 기반 자료를 활용하여 IMO, EU 및 UK의 해운 온실가스 규제 보고에 필요한 주요 입력 데이터를 구조화할 수 있음을 확인하였다. 또한 제안 모델을 실제 보고 서식으로 구체화하고 아홉 개의 데이터 정합성 검증 규칙을 도출하여, 실선 자료에 적용한 결과 총량 수준에서는 확인되지 않는 연료 수급 건 단위의 추적성 문제를 정량적으로 제시하였다. 본 연구는 선박 온실가스 규제 대응을 위한 데이터 상호 운용 성 확보와 검증 가능한 보고체계 구축에 기초자료를 제공한다.

This study develops a design-data-based lifecycle greenhouse gas emission assessment framework for jointed concrete pavement highways in Korea. The framework considers road pavements as a long-life infrastructure system that includes material production, transport, construction, maintenance, end-of-life treatment, and recycling benefits beyond the system boundary. A functional unit comprising 1 km of jointed concrete pavement was defined, and 16 datasets were constructed from highway concrete pavement projects using bills of quantities, material summary sheets, and geometric information. A key feature of this framework is the incorporation of project-specific maintenance scenarios. The mainline and tunnel sections were separately evaluated and weighted based on their actual length ratios. The numbers of milling and overlay applications were estimated using the slab thickness and traffic volume from the design data. After each overlay, the cumulative ESALs and crack progression were recalculated from the overlay year to determine the subsequent overlay timing, instead of applying a fixed maintenance cycle. The application of the framework yielded an average lifecycle GHG emission of 1,294 t CO₂eq./km, with a standard deviation of 284 t CO₂eq./km. The proposed framework provides a basis for a consistent lifecycle GHG assessment and design-stage environmental evaluation of concrete pavement highways.

The National Highway Traffic Safety Administration (NHTSA) and the California Department of Motor Vehicles (CA DMV) collect and utilize data from traffic accidents caused by Automated Driving Systems (ADS) driving on real roads, as a policy. Leading autonomous driving technology companies such as Tesla and Waymo collect their own driving and accident data and use them for technology advancement. ADS traffic accident data that occur when driving on real roads are valuable for identifying problems in unexpected situations. This study analyzes the risk of traffic accidents by Operational Design Domain (ODD) on ADS traffic accident data that occurred while driving on an actual road and aims to present a road traffic law-based driving ability evaluation scenario in a complex ODD configuration in high-risk situations, wherein an ADS can be particularly vulnerable in mixed traffic situations. The actual road traffic accident data of ADS from 2,289 accidents as provided by the NHTSA were analyzed. Analysis of the characteristics of ADS traffic accidents revealed that accidents occurred mainly on ordinary ODDs with high traffic demand during actual road driving, that is, on dry roads during clear days and daylight. In traffic situations including ADS and Human Driving Vehicle(HDV), approximately 40% of traffic accidents were confirmed to have occurred because of HDV colliding with stationary ADS and occurred in unexpected situations, such as changing the HDV when driving straight ahead of the ADS. Results of analyzing the risk of traffic accidents on the driving status of ADS by ODD, showed that the risk of traffic accidents that occurred while the ADS was driving straight ahead was 2.27, with dry road conditions, sunny weather, and a road speed limit of 21 to 30 mph at night when streetlights were turned on. Thus, the ADS road traffic law-based driving ability evaluation scenario can be used to evaluate whether to recognize and respond to accident risk situations by developing ADS road traffic law-based driving ability evaluation scenarios for situations vulnerable to accidents due to HDV cut-in in traffic situations that include ADS and HDV. In future, this can be used as basic data for preparing related regulations and institutional devices, such as traffic accident investigations and driving ability evaluations by ADS.

Carbon nanotube (CNT) has promising applications in several fields due to their excellent thermal, electrical, mechanical, and biocompatible properties. However, the complexity of its structure leads to the problems of computationally intensive and inefficient synthetic characterization optimization and prediction by traditional research methods, which seriously restricts the development process. Machine learning (ML), as an emerging technology, has been widely used in CNT research due to its ability to reduce computational cost, shorten the development cycle, and improve the accuracy. ML not only optimizes the synthetic control parameters for precise structural control, but also combines various imaging and spectroscopic techniques to significantly improve the accuracy and efficiency of characterization. In addition, ML helps to improve the performance of CNT devices at the optimization and prediction levels, and achieve accurate performance prediction. However, ML in CNT research still faces challenges such as algorithmic processing of complex data situations, insufficient space for algorithmic combined optimization, and lack of model interpretability. Future research can focus on developing more efficient ML algorithms and unified standardized databases, exploring the deep integration of different algorithms, further improving the performance of ML in CNT research, and promoting its application in more fields.

본 연구는 네트워크 분석 기법을 적용하여 색상(Color), 소재(Material), 가공기술(Technique) 간 조합을 체계적으 로 탐색하고 분석하는 것을 목적으로 한다. 한국디자인진흥원의 CMF HOW’S 아카이브 데이터를 기반으로 C–M–T 통합 네트워크를 구축하고, 이분 네트워크 분할과 투영(Projection) 분석을 통해 구조적 특성과 조합 양상을 정량적으 로 도출하였다. 중심성, 밀도, 군집 계수, 모듈러리티 지표를 활용한 결과, 색상은 다양한 소재⋅기술과 폭넓게 결합 되는 유연성을 보였고, 소재는 가공기술 선택을 제약하거나 반복적 조합을 형성하는 핵심 요소로 확인되었다. 일부 소재는 높은 중심성을 보여 다수의 색상⋅기술과 연결된 반면, 다른 소재는 제한적 적용성을 나타냈다. 또한 모듈러 리티 분석을 통해 유사한 가공 전략을 공유하는 조합군이 식별되어, 제품군별 설계 전략이나 공정 최적화로 확장될 수 있음을 시사한다. 전문가 인터뷰에서는 본 분석틀이 CMF 기획 및 실무 의사결정에서 활용 가능한 참조 지표로 평가되었으며, 향후 친환경 규제 대응, 산업군 비교, 제품군 사례 분석 등으로 확장 가능성이 제시되었다. 본 연구는 CMF 데이터를 구조 화하여 조합 경향을 객관적으로 이해하고, 디자인 실무에 적용 가능한 분석 도구를 제시한다는 점에서 학술적⋅실무 적 의의를 갖는다.

중앙버스전용차로는 일반 도로 대비 높은 교통량과 반복적인 축하중이 작용하는 구간으로, 정차 및 출발 과정에서 발생 하는 국부적인 응력 집중으로 인해 포장 파손이 빈번하게 발생한다. 그러나 기존 도로 설계에서는 정적인 교통량을 기준 으로 축하중을 산정하여, 실제 교통 환경에서의 버스 유형별 차이, 재차 인원, 시간대별 하중 변화 등 동적인 요소를 충 분히 반영하지 못하는 한계가 존재한다. 이에 본 연구에서는 대중교통 빅데이터를 활용하여 중앙버스전용차로의 버스 유 형 및 시간대별 재차 인원을 반영한 새로운 축하중 산정 모델을 개발하였다. 이를 위해 서울시 열린 데이터 광장의 교통 정보를 활용하여 버스 유형 및 시간대별 재차 인원 데이터를 수집하고, 카카오맵 및 네이버 로드뷰 데이터를 이용해 결 측치를 보완하여 데이터셋을 구축하였다. 구축된 데이터셋을 활용하여 기존 ESAL(Equivalent Single Axle Load) 방식과 비교 분석한 결과, 새로운 축하중 모델에서는 기존 방식 대비 평균 111.8% 높은 축하중이 산정되었으며, 일부 구간에서 는 최대 128.9%까지 차이가 발생하는 것으로 나타났다. 이는 기존 포장 설계가 중앙버스전용차로의 실질적인 교통 하중 을 충분히 반영하지 못하고 있음을 시사하며, 추가적으로 버스 중하중의 가·감속의 영향을 고려한다면, 시간대별·노선별 실시간 축하중 변화를 보다 정밀하게 분석할 수 있으며, 이를 통해 과소 산정된 설계 하중을 보완하고 포장 공용성을 향 상시킬 수 있는 최적의 설계 및 유지보수 전략 수립이 가능할 것으로 기대된다.

In order support the design support system of small and medium-sized shipbuilding companies that carry out designs using 2D CAD, this study developed a system that automatically calculates the cable length by extracting the Y-axis value expressed as text data in 2D CAD. By setting the equipment where the cable starts and ends, the essential route and the installation rate were checked so that the optimal route of the cable could be calculated. As a result, the value calculated based on the optimal route and length of the cable by extracting the data of 2D CAD through this study was the same as the value previously calculated by the actual user, and the installation rate was less than 130% so there was no problem with the on-site installation. In addition, it was confirmed that the cable length calculated through this was reduced by about 7% compared to the existing work.

해사 데이터는 항만을 입출항하는 선박 정보, 해상에서 운송되는 화물 정보, 이를 모니터링하고 관리하는 해상교통관제 정보 등 해상에서 생성되는 모든 데이터로 정의할 수 있다. 이러한 해사 데이터는 그 종류만큼이나 다양한 형식으로 송수신되고 있으며, 각각 의 데이터가 서로 밀접하게 연관되어 있는 멀티모달의 특징을 가지고 있기 때문에 데이터의 통합 관리가 어려운 실정이다. 더욱이 해사 데이터를 인공지능 시스템에 활용하기 위해서는 데이터 도메인에 대한 지식이 필요하기 때문에 비전문가의 경우 데이터를 활용하는 데 제약이 많았다. 이에 본 논문에서는 데이터의 연관 관계를 이용하여 멀티 모달 해사 데이터를 효과적으로 관리할 수 있는 데이터 체계를 제안하였다. 제안하는 관리 체계는 멀티 모달 데이터의 전처리 작업 절차와 연관 관계 기반의 그래프 데이터베이스, 비정형 데이터를 위 한 객체 저장 공간을 포함하고 있으며, 이를 통해 수집된 데이터로부터 연관 관계를 자동으로 추출하여 저장할 수 있도록 설계하였다. 또 한, VHF 데이터의 데이터베이스 구축 예시를 통해 제안하는 데이터 관리 체계의 활용 가능성을 검토하였으며, 기존의 데이터 관리 체계 에 비해 데이터의 이해도를 높이고, 활용도를 향상시킬 수 있을 것으로 예상된다.

The purpose of this study was to incorporate Pakistan's climatic conditions into the road design process by performing a cluster analysis using collected climate data. Monthly time-series data for six climate variables—altitude, sea level, maximum temperature, minimum temperature, vapor pressure, and precipitation—were used to cluster 24 locations. Missing values were imputed using the Kalman filter, and hierarchical and k-medoid clustering analyses were performed based on the dynamic time warping (DTW) distance. By evaluating two to five clusters using six validity indices, the optimal number of clusters was determined to be two. the optimal two-cluster classification results were confirmed to be consistent between the two methods. When the clustering results were visualized on a map of Pakistan alongside the data, the clusters were divided into areas with relatively high and low altitudes. By classifying the regions of Pakistan into two clusters using time-series data of climate variables, this study highlights the distinct characteristics of each cluster. These findings suggest that management strategies tailored to the characteristics of each cluster can be applied to various fields.