본 연구는 인공지능(AI) 역량이 신흥국 다국적기업(EMNE)의 국제화 전략에 미치는 영향을 규 명하고자 한다. 동적 역량 관점(dynamic capabilities perspective)에 기반하여, 본 연구는 AI 역량을 국제적 맥락에서 감지(sensing), 포착(seizing), 재구성(reconfiguring) 과정을 강화하는 AI 관련 지식 자산을 개발할 수 있는 기업의 기술적 역량으로 개념화하였다. 구체적으로, AI 역량 이 기존 해외 시장에서의 침투를 강화하는 국제화의 깊이(depth)뿐만 아니라, 여러 국가로의 확장 을 지원하는 국제화의 너비(breadth)를 모두 촉진할 것이라 주장한다. 2011년부터 2023년까지 중국 상장 제조기업 938개 사의 패널 데이터를 활용하여 분석한 결과, 기업의 AI 역량은 국제화의 깊이와 너비 모두에 정(+)의 영향을 미치는 것으로 나타났다. 아울러 환경 불확실성(environmental uncertainty)은 이러한 관계를 정(+)의 방향으로 조절하는 것으 로 확인되었으며, 환경 불확실성이 높을수록 AI 역량이 국제화에 미치는 효과가 더욱 강해짐을 의 미한다. 이를 통해 변동성이 크고 복잡한 외부 환경에 직면했을 때 기업의 AI 역량이 더욱 중요하 다는 것을 알 수 있다.

This study examines the determinants of collaborative robot adoption intention in small and medium-sized manufacturing enterprises based on the Technology Acceptance Model (TAM). It investigates how relative advantage, safety, top management support, government support, and labor shortage influence perceived ease of use, perceived usefulness, perceived risk, and adoption intention. Survey data from 273 employees and managers in Korean manufacturing SMEs were analyzed using PLS-SEM. The results show that perceived usefulness has the strongest effect on adoption intention, while safety reduces perceived risk and enhances both perceived ease of use and usefulness. Perceived ease of use and perceived risk do not significantly affect adoption intention directly. These findings indicate that collaborative robot adoption is driven primarily by practical usefulness, supported by safety assurance, managerial support, and favorable environmental conditions.

Racing boats operate under high-speed conditions and repetitive rapid maneuvers, where the performance of the propulsion system plays a critical role in race outcomes. The propeller is a key component that converts engine rotational power into thrust and must maintain structural stability under high rotational speeds and hydrodynamic loading. In this study, a racing boat propeller based on a carbon fiber reinforced plastic(CFRP) laminate structure was designed and a manufacturing process was established. The proposed propeller consists of a two-blade configuration in which the hub and blades are integrated into a single structure to minimize structural discontinuity under high rotational conditions. The composite propeller was fabricated using a prepreg lay-up process followed by vacuum-assisted thermal curing. In addition, flat laminate panels with the same carbon fiber lay-up configuration as the propeller were simultaneously manufactured to prepare bending test specimens for process verification. Flexural tests were conducted to evaluate the mechanical characteristics of the CFRP laminate structure. The results of this study provide fundamental data for the design and manufacturing of lightweight CFRP-based racing boat propellers.

본 연구는 동일한 식물 복합물 조성을 가지되 제조 공정이 다른 PCE (각 건초의 동결건조 파우 더 복합물)와 HCE (건초 복합 후 동결건조 파우더화)를 대상으로 효능적 특성을 비교·평가하고, 액정 제형 적용 가능성을 검토하였다. 항산화 활성은 DPPH 및 ABTS⁺ 라디칼 소거능으로 분석하였으며, 피부 노화 관련 효소 억제 효과는 elastase 저해 활성을 중심으로 평가하였다. 그 결과, PCE4는 ABTS, elastase 및 항 균 활성에서, HCE4는 DPPH, FRAP 및 collagenase 저해 활성에서 상대적으로 우수한 활성을 나타내어, 제조 공정에 따라 평가 항목별 효능 특성이 상이함을 확인하였다. 이에 제형 적용 가능성을 고려하여 PCE4를 선택하고, 불포화 레시틴 기반 리포좀을 적용한 액정 O/W 크림 제형을 설계하였다. 제형의 안정 성은 4℃, 25℃ 및 45℃ 조건에서 15일간 저장 후 pH 및 점도 변화를 통해 평가하였으며, 편광현미경 관 찰을 통해 라멜라 액정 구조 유지 여부를 확인하였다. 그 결과, pH는 비교적 안정적으로 유지되었고 점도 는 온도에 따라 일부 변동이 있었으나 제형 안정성에는 큰 영향을 미치지 않았다. 또한 저장 기간 동안 라 멜라 구조의 뚜렷한 변화는 관찰되지 않았다. 이상의 결과는 제조 공정에 따른 효능 차이를 제시하며, PCE4가 리포좀 기반 액정 O/W 크림 제형에 안정적으로 적용 가능한 기능성 화장품 원료임을 시사한다.

본 연구는 중국 제조 상장기업을 대상으로 해외 매출 비중과 해외자회사 진출 국가 수가 기업의 혁신성과에 미 치는 영향을 분석하고 국가지분율(state ownership ratio)이 이들 관계에 미치는 조절효과를 실증적으로 검토 해 보고자 하였다. 이를 위해 기업의 해외시장 진출과 혁신성과 창출에 관한 기존 연구들을 기반으로 세 가지 가 설을 설정하고, 2007년부터 2022년까지 CSMAR 데이터베이스를 통해 47개 기업의 205개 관측치를 수집하여 중국 제조 상장기업의 연도별 패널데이터를 구축하였다. 랜덤 효과 포아송 회귀(random-effects Poisson regression)분석 결과, 해외 매출 비중과 해외자회사 진출 국가 수는 모두 기업의 혁신성과에 부정적인(-) 영향 을 미치는 것으로 나타났다. 또한, 국가지분율은 본 연구의 국제화 변수(해외 매출 비중, 해외자회사 진출 국가 수)와 혁신성과 간의 부정적 관계를 강화하는 조절변수로서 기능한다는 것을 발견하였다. 본 연구는 제도적 맥락 에서 국제화와 혁신성과 창출 간의 관계를 이론적으로 논의하고 이에 대한 실증분석 결과를 제시함으로써 관련 정책 입안자 및 경영자들에게 국제화 전략 수립에 관한 실무적 시사점을 제공한다.

Background: Real-time ergonomic risk assessment in manufacturing environments is challenged by severe class imbalance in high-risk postures and the need for deployment-efficient models. Conventional oversampling techniques may violate biomechanical constraints, limiting their suitability for human motion data. Objectives: This study aimed to compare multiple machine learning models for real-time ergonomic risk assessment while addressing data imbalance using biomechanically appropriate learning strategies and evaluating both predictive performance and deployment efficiency. Design: Comparative study. Methods: A large-scale workplace safety dataset comprising image-based skeletal keypoints was analyzed. To mitigate class imbalance without generating biomechanically implausible samples, cost-sensitive learning and focal loss were employed instead of synthetic oversampling. Subject-wise data splitting was applied to prevent data leakage. Five model families, including Random Forest, convolutional neural networks, and a lightweight graphbased network, were evaluated using accuracy, F1-score, area under the receiver operating characteristic curve (AUC), and high-risk recall. Statistical significance was assessed using bootstrap confidence intervals and McNemar and DeLong tests. Results: The lightweight graph-based model demonstrated competitive classification performance while maintaining reduced computational complexity. Although none of the models achieved the predefined high-risk recall threshold, statistically significant performance differences were observed across model families. Conclusion: The findings suggest that biomechanically informed imbalance handling improves methodological validity in ergonomic risk assessment. While deployment feasibility appears promising, further empirical validation on edge hardware is required.

Defect detection in manufacturing processes is a critical requirement for ensuring product reliability and maintaining production stability. As smart manufacturing environments continue to advance, the need for precise and robust vision-based inspection methods has become increasingly significant. This study proposes a hybrid defect analysis framework that integrates YOLOv5-based defect candidate detection with an Attention U-Net–based segmentation module. Experiments conducted on chromate-coated industrial images demonstrate that the proposed framework achieves an accuracy of 0.97, precision of 0.91, recall of 0.89, F1-score of 0.93, and IoU of 0.88, exhibiting stable performance even for small defects and irregular boundaries. The combination of region- of-interest extraction and attention-enhanced pixel-level segmentation improves both computational efficiency and boundary reconstruction quality. The findings extend the applicability of attention-based segmentation to industrial defect inspection and provide practical insights for deploying deep learning–based quality monitoring systems in automated manufacturing environments.

본 연구에서는 빵류 제조공정의 CCP 유효성을 재평가 하고, 제조 환경의 미생물학적 안전성을 평가하여 HACCP plan 개선에 기여하고자 하였다. 실험 재료는 HACCP 인 증 받은 제조업체의 초코 마들렌과 크림빵을 대상으로 원 재료, 공정품, 완제품 및 제조 환경을 채취하여 분석하였다. 일반세균, 대장균군 정량 실험은 식품공전에 따라 실 시하였으며 식중독균 검출의 경우 PCR kit를 이용하여 실 험하였다. 실험 결과, 초코 마들렌의 CCP 전 일반세균 오 염도는 3.5±0.0 log CFU/g에서 CCP 후 0.4±0.8 log CFU/g으 로 저감화되어 CCP의 유효성이 확인되었다. 크림빵의 CCP 전 일반세균 오염도는 6 .9 ±0.0 l og CFU/g에서 CCP 후 2.8±0.0 log CFU/g로 저감화되어 CCP의 유효성이 확인되 었다. 그러나 가열 없이 사용되는 크림에서 일반세균이 2.3±0.1 log CFU/g 검출되어 완제품의 오염도가 2.1 log CFU/g 증가하였다. 제조 환경의 경우, 초코 마들렌과 크 림빵 모두 CCP 후 제조 환경에서 일반세균이 검출되어 작업 환경에 대한 위생 관리가 필요한 것으로 판단되었 다. 이러한 결과를 종합하여 보면, 초코 마들렌과 크림빵 의 현행 CCP의 유효성은 확인되었다. 그러나 빵에 충진 되는 크림의 일반세균을 저감화할 수 있는 중요관리점과 한계기준이 추가되어야 할 것으로 판단된다. 또한 제조 환경의 미생물 오염이 지속적으로 발생하고 있어, 교차오 염 예방을 위한 세척 소독 기준의 강화가 필요한 것으로 판단된다.

본 연구에서는 음료류 제조공정의 CCP 및 CIP 유효성 을 재검증하여 음료류의 생물학적 안전성 확보에 기여하 고자 하였다. 본 실험의 재료는 HACCP 인증업체의 혼합 음료와 발효유를 실험 대상으로 하였다. 시료는 원료, CCP 전·후 공정품, 완제품 등 식품과 CIP 전·후의 제조 환경을 채취하였다. 일반세균과 대장균군 실험은 식품공전에 따 랐으며 식중독세균 실험은 PCR kit를 이용하여 실험하였 다. 식품 시료 실험 결과, 혼합음료 원료인 라즈베리 농축 액에서 0.2±0.4 log CFU/g, 발효유 원료인 조제액에서 4.6±0.0 log CFU/g, 시럽에서 3.7±0.1 log CFU/g 일반세 균이 검출되었다. 그러나 CCP 공정 이후 모든 시료에서 일반세균, 대장균군, 식중독세균이 검출되지 않았다. 제조 환경 실험결과, CIP 전 혼합음료 믹싱호퍼에서 1.7±0.0 log CFU/100 cm2, 발효유 컨베이어벨트 4.5±0.0 log CFU/ 100 cm2, 충진기 세척수에서 8.4±0.0 log CFU/mL가 검출되 었다. 그러나 CIP 이후 모든 제조 환경 시료에서 일반세균, 대장균군, 식중독세균이 검출되지 않았다. 따라서 현 재 음료류의 CCP 및 CIP 공정은 유효한 것으로 판단된 다. 그러나 음료류의 특성을 고려할 때 지속적인 CCP 및 CIP 관리가 필요한 것으로 판단된다.

This study investigates the emission characteristics of volatile organic compounds (VOCs) and aldehydes (HCHO) from ventilation air filters manufactured using two different bonding methods: chemical bonding and thermal bonding. Small-chamber tests were conducted in accordance with KS ISO 16000-9:2006 to quantitatively compare the hazardous substance emissions of five filter specimens with varying bonding mechanisms and exposure surface conditions. The results show that filters produced by thermal bonding exhibited non-detectable (N.D.) levels of toluene, TVOC, and formaldehyde, demonstrating that this manufacturing method inherently minimizes chemical emissions by avoiding the use of adhesives. In contrast, filters manufactured through chemical bonding released formaldehyde ranging from 0.002 to 0.006 mg/m2·h, which is attributed to residual binder components used during the manufacturing process. Although these levels meet the highest grade criteria (≤ 0.008 mg/m2·h) in the Korean eco-friendly building material certification for wallcoverings, meaningful emissions were still observed, and potential grade changes may occur depending on adhesive type, solid content, and coating amount. Furthermore, this study found that differences in the exposed surface (single-sided vs. double-sided) significantly influenced calculated emission rates. This result revealed the limitations of applying building-material-based chamber test methods to filter materials through which air directly flows. These findings highlight the necessity of developing dedicated testing standards for ventilation filters, including appropriate exposure definitions. Overall, this research confirms that ventilation filters should be incorporated into institutional management frameworks alongside conventional building finishing materials, given their direct influence on indoor air quality.

본 연구는 한국과 독일 제조업의 전력소비량과 사고사망만인율 간의 상관관계를 실증적으 로 분석하여 산업안전 패러다임 전환의 필요성을 탐구하였다. 2008~2022년까지의 국가 통계자료를 활용하여 상관분석과 자기회귀 오차모형을 적용한 회귀분석을 수행한 결과, 독일은 전력소비 증가 시 사고사망만인율이 감소한 반면, 한국은 일부 업종에서 증가하는 상반된 경향을 보였다. 회귀분석 결과, 독일 금속 업종은 전력소비 1% 증가 시 사고사망만 인율이 4.5% 감소(β=-4.542, p<0.001)한 반면 한국은 0.4% 증가(β=0.417, p<0.01)하여 정반대 방향을 나타냈다. 이는 독일이 기술투자와 예방 중심의 안전관리체계를 통해 생산 성과 안전의 선순환 구조를 확립한 반면, 한국은 생산 중심 구조와 안전투자 불균형으로 인해 재해 위험이 잔존함을 시사한다. 특히 펄프 업종은 한국(β=0.969, p<0.001)과 독일 (β=11.426, p<0.001) 모두에서 전력소비 증가가 재해율 증가로 이어지는 유일한 업종으로, 업종 고유의 구조적 취약성이 국가와 무관하게 작용함을 확인하였다. 한국 내에서도 화학· 정유 등 대기업 중심 업종은 음의 관계를, 금속·펄프 등 중소기업 중심 업종은 양의 관계를 보여 업종 간 안전 수준의 격차가 크게 나타났다. 연구결과를 바탕으로, 안전을 비용이 아닌 생산성 향상의 핵심요소로 인식하는 지속가능한 안전성장 전략을 제시하였다. 또한 전력소비량을 산업재해 위험의 선행경보 지표로 활용하고, 산업·계층별 맞춤형 예방정책을 강화할 필요성을 강조하였다. 본 연구는 에너지·산업안전·ESG 경영을 통합한 분석틀을 제시함으로써 산업안전 연구의 확장된 방향성을 제시하였다. 본 연구가 향후 정량적 근거 기반의 안전정책 수립과 국제비교 연구의 기초자료로 활용될 수 있기를 기대한다.

This study evaluated the design, fabrication, and performance of CFRP composite propeller blades for naval applications. The blades were designed with a sandwich structure and a dovetail hub connection to achieve both high strength and reduced weight. During fabrication, the outer skin and Melamine Foam core were bonded using adhesive films and integrated through autoclave molding and post-curing. The finished blades were coated with a low-gloss urethane clear finish, and the leading-edge areas received additional coating to ensure surface protection and operational identification. Static bending tests and finite element analysis were conducted to assess failure behavior under maximum load and local stress concentrations, while natural frequency measurements(Hammer test) confirmed agreement between analytical and experimental results, verifying the reliability of dynamic response predictions. The results demonstrate that the composite blades offer superior weight reduction and vibration damping compared to metal counterparts and can serve as a foundational reference for future naval propeller design and optimization of various rotating and winged structures.

The development of high-performance metal filters is essential for maintaining ultra-clean environments in semiconductor manufacturing. In this study, cross-sealed honeycomb filters were fabricated using STS316L powder via material extrusion additive manufacturing (MEAM) for semiconductor gas filtration. The effects of filter geometry (4 or 9 channels) and sintering temperature (850°C, 950°C, or 1,050°C) on performance were examined. First, 4-channel and 9-channel filters sintered at the same temperature (950°C) exhibited similar porosities of 50.08% and 50.57%, but the 9-channel filter showed a higher pressure-drop (0.26 bar) and better filtration-efficiency (3.55 LRV) than the 4-channel filter (0.19 bar and 3.25 LRV, respectively). Second, for filters with the same geometry (4-channel) increasing the sintering temperature reduced porosity from 64.52% to 40.33%, while the pressure-drop increased from 0.13 bar to 0.22 bar and filtration-efficiency improved from 2.53 LRV to 3.51 LRV. These findings demonstrate that filter geometry and sintering temperature are key factors governing the trade-off between air permeability, pressure-drop, and filtration efficiency. This work provides insights and data for optimizing MEAM-based high-performance metal powder filter design.

Bayesian techniques are vital in mechanical manufacturing for uncertainty quantification and process optimization. This review explores their diverse applications, highlighting advantages in handling small data and incorporating expertise for improved decision-making in quality control, reliability, and machining. It also discusses integration with machine learning and applications in specialized areas. Future research should focus on Industry 4.0 integration and user-friendly tools, emphasizing Bayesian methods' role in intelligent manufacturing.

Fault detection in electromechanical systems plays a significant role in product quality and manufacturing efficiency during the transition to smart manufacturing. Because collecting a sufficient number of datasets under faulty conditions of the system is challenging in practical industrial sites, unsupervised fault detection methods are mainly used. Although fault datasets accumulate during machine operation, it is not straightforward to utilize the information it contains for fault detection after the deep learning model has been trained in an unsupervised manner. However, the information in fault datasets is expected to significantly contribute to fault detection. In this regard, this study aims to validate the effectiveness of the transition from unsupervised to supervised learning as fault datasets gradually accumulate through continuous machine operation. We also focus on experimentally analyzing how changes in the learning paradigm of the deep learning model and the output representation affect fault detection performance. The results demonstrate that, with a small number of fault datasets, a supervised model with continuous outputs as a regression problem showed better fault detection performance than the original model with one-hot encoded outputs (as a classification problem).

Small and medium-sized manufacturing enterprises(SMEs) have traditionally relied on skilled labor to support multi-variety, small-batch production. However, demographic changes such as low birth rates and aging populations have led to severe labor shortages, prompting increased interest in collaborative robots(cobots) as a viable alternative. Despite this necessity, many SMEs continue to face significant challenges in implementing such technologies due to technical, organizational, and environmental(TOE) constraints. While prior research has mainly focused on technology adoption from the perspective of user organizations, this study adopts a differentiated approach by analyzing adoption factors from the perspective of smart factory experts—specifically, evaluators/mentors and solution providers—who play a critical role in Korea’s policy-driven smart manufacturing environment. Using the Analytic Hierarchy Process(AHP), the study evaluates the relative importance and prioritization of adoption factors across three dimensions: technology, organization, and environment. Survey data collected from 20 smart factory experts indicate that top management support, relative advantage, and safety are key determinants in cobot adoption. Furthermore, the findings reveal that organizational readiness and technical effectiveness have greater influence on implementation decisions than external pressures such as partner pressure. This study provides new insights by incorporating expert perspectives into the adoption framework and offers practical policy and managerial implications to support cobots implementation in the SMEs.