This research explores how imported automobile companies can develop their strategies to improve the outcome of their recalls. For this, the researchers analyzed patterns of recall demand, classified recall types based on the demand patterns and examined response strategies, considering plans on how to procure parts and induce customers to visit workshops, recall execution capacity and costs. As a result, recalls are classified into four types: U-type, reverse U-type, L- type and reverse L-type. Also, as determinants of the types, the following factors are further categorized into four types and 12 sub-types of recalls: the height of maximum demand, which indicates the volatility of recall demand; the number of peaks, which are the patterns of demand variations; and the tail length of the demand curve, which indicates the speed of recalls. The classification resulted in the following: L-type, or customer-driven recall, is the most common type of recalls, taking up 25 out of the total 36 cases, followed by five U-type, four reverse L-type, and two reverse U-type cases. Prior studies show that the types of recalls are determined by factors influencing recall execution rates: severity, the number of cars to be recalled, recall execution rate, government policies, time since model launch, and recall costs, etc. As a component demand forecast model for automobile recalls, this study estimated the ARIMA model. ARIMA models were shown in three models: ARIMA (1,0,0), ARIMA (0,0,1) and ARIMA (0,0,0). These all three ARIMA models appear to be significant for all recall patterns, indicating that the ARIMA model is very valid as a predictive model for car recall patterns. Based on the classification of recall types, we drew some strategic implications for recall response according to types of recalls. The conclusion section of this research suggests the implications for several aspects: how to improve the recall outcome (execution rate), customer satisfaction, brand image, recall costs, and response to the regulatory authority.

Based on latest research, the parametric quality statistics cannot be used in non-normal process with demand pattern of many-variety and small-volume, since it involves extremely small sample size. The research proposes nonparametric quality statistics according to the number of lot or batch in the non-normal process. Additionally, the nonparametric Process Capability Index (PCI) is used with 14 identified non-normal distributions.

In this study, the effects of psychosocial stress (box color and precision demand) on muscle activity were evaluated in laboratory setting. Eight subjects performed sagittally symmetric lifting tasks. Box color (yellow, black), precision demand (yes, no), and box weight (5%MVC, 10%MVC, 15 %MVC) were varied and surface EMG signals from seven muscles(medial deltoid right, biceps brachii right, lateral triceps right, latissimus dorsi right, erector spinae right, external oblique right, internal oblique right) were recorded. EMG signals were band-pass filtered(10~400 Hz), rectified, RMS smoothed and normalized (NEMG). Analysis of variance tests were conducted on the total NEMG (TNEMG: the sum of the seven muscles' NEMGs) and on the individual muscle's NEMGs. Box color had no effect on the TNEMG and on the seven muscles activities(p〉0.05). When precision demand was required at the end point of lifts, the mean NEMG showed higher values than no precision demand conditions: TNEMG (14% increase) and medial deltoid(40% increase), biceps brachii(10% increase), lateral triceps(26% increase), latissimus dorsi(25% increase) muscles. Those increases showed more conspicuous as the box weight increased in the muscles of medial deltoid, lateral triceps, and latissimus dorsi.

본 연구는 장애인 고용을 희망하거나 현재 장애인을 고용하고 있는 사업주를 대상으로 설문을 통해 보조 공학기기 이용실태 및 수요를 알아보았다. 연구방법 : 본 연구는 2008년 10월부터 12월까지 실시되었으며, ‘고용정보 시스템ʼ에 구인 등록한 사업체중 정보 공개를 한 1,054개 업체를 표집 대상으로 하였다. 설문회수방법은 우편발송과 이메일이었고, 우편발송 회수율은 13%, 전자메일 회수율은 10.7%였으며 최종적으로 121개 업체의 설문을 분석하였다. 결과 : 보조공학기기를 지원받은 경험이 있는 사업주는 36.3%(44개 업체)이었으며, 이들이 보유하고 있는 보조공 학기기는 사무보조 품목 17건, 정보접근 품목 25건, 작업기구 품목 80건, 의사소통 품목 2건이었다. 보조공학기 기를 지원받은 경험이 없는 사업주 77명(63.6%)중 보조공학기기 서비스 제도를 인식하고 있는 경우는 35.1%뿐 이었고, 향후 서비스 이용의사가 있는 경우는 58.4%에 불과하였다. 사업주가 보조공학기기를 선택할 때 가장 중요하게 고려하는 사항은 효과성, 편안한 사용과 안전성이었다. 보조공학서비스 제공 시 가장 중요하게 생각 하는 사항은 지원예산확대, 기기품목 및 종류 확대, 직장 내 환경의 종합적 평가 및 지원 등이었다. 결론 : 본 연구를 통하여 사업주들의 장애인고용촉진공단의 보조공학기기 서비스 이용률이 저조하다는 것을 알 수 있었으며, 보조공학기기 제도에 대한 인식이 부족할 뿐 아니라, 향후 이용의사도 낮다는 것을 알 수 있었다. 사업주가 가장 원하는 보조공학서비스 내용은 지원예산 확대와 기기품목 및 종류확대였다. 따라서 장애인고용 촉진공단은 사업주를 대상으로 장애인고용촉진공단의 보조공학서비스에 대한 인식을 높여 그 활용을 장려해야 할 것이며, 좀 더 다양한 품목을 지원해야 할 것이다. 작업치료사 역시 보조공학서비스에 대한 지식을 토대로 장애인의 직업재활에 보다 많은 관심과 책임을 가지고 작업치료를 제공해야할 것이다.

본 논문에서는 공급자(Supplier)-제조업자(Manufacturer)-유통업자(Distributor)-소매업자(Retailer)-고객(Customer)으로 이루어진 공급 사슬에서 고객의 주문 변동과 각 티어(tier)에 의 배송 정책에 따른 영향을 평가한다. 고객의 주문은 자기 상관이 있는 AR(1) 프로세스를 따르고, 각 티어에서의 배송 정책은 다운스트림(downstream)의 주문을 대응하는 방식에 따라 일괄 배송과 부분 배송으로 나눈다. 각 티어 사이에는 배송 리드타임(lead time)이 존재하고 주기별로 각 티어의 배송 비용을 계산한다. 고려하는 공급 사슬 모델은 ARENA를 사용하여 시뮬레이션 모델로 구축하고 주문 변동, 배송 정책, 배송 리드 타임에 따른 공급 사슬 영향도를 분석한다.