농업 분야 컴퓨터 비전(Computer Vision) 기술 확산으로 고품질 학습 데이터 확보가 필수적이나, 기존의 수동 데이터 구축 방식은 많은 시간과 비용이 소요되는 한계가 있다. 이에 본 연구는 최신 멀티모달 파운데이션 모델인 SAM3(Segment Anything Model 3)를 기반으로 반자동 어노테이션 시스템을 개발하였다. 제안 시스템은 (1) 텍스트 프롬프트 기반 객체 인 식, (2) SAM3 기반 정밀 마스크 생성 및 학습 가능한 폴리곤 좌표 변환, (3) 사용자 검증의 3단계로 구성되며 GUI로 구현 되었다. 600장 이미지 평가 결과, SAM3는 92.9%의 매칭률 과 0.790의 평균 정밀도(mAP)를 달성하였으며, 데이터셋 구 축 시간을 수동 작업 대비 96~98% 단축시켰다. 이는 SAM+ CLIP, Grounding DINO+SAM 등 기존 파운데이션 모델 대 비 정확도와 효율성 모든 면에서 월등한 성능이다. 본 연구는 파운데이션 모델의 제로샷 성능을 활용해 농업 데이터 레이블 링 효율을 개선하고 관련 AI 연구 가속화에 기여할 것으로 기 대된다.

본 연구에서는 TMD 설계 방법에 따른 배관의 지진응답 감소효과를 분석하였다. 구체적으로, 실제 원전 배관에 대한 진동대 시험 결과를 바탕으로 수치 배관 모델을 수립하고 검증하였다. 검증된 배관 모델을 바탕으로 TMD 설치 위치를 결정하고, 여러 가지 방법을 사용하여 TMD 설계값을 도출하였다. 더불어, 본 연구에서는 기존 설계식들을 기하평균한 값을 TMD 설계값으로 활용하였다. 최종적으로, 기존 배관을 기반으로 설계된 TMD가 지진의 무작위성과 지진 및 대상물질의 불확실성 아래에서도 효용성을 검증하였다. 또한, 연구에서 제안한 기하평균 모델을 기반으로 설계된 TMD의 작동성을 확인하였다. 결과적으로, TMD 설계 공식 및 방법에 따른 성능 차이를 비교한 결과, 기하평균 모델의 경우, 기존 설계식들의 특징을 포괄하는 양상이 보였다. 이러한 기하평균 모델은 추후 반복 적인 수치해석을 수행할 때 초기값으로 사용될 수 있을 것으로 보인다. 더불어, 이러한 분석 결과는 향후 원전 배관 계통의 TMD 설계 를 통해 내진 성능을 개선하는 데 유용한 자료로 활용될 것으로 기대된다.

본 연구는 MTS가 피부개선에 미친 영향에 관한 기존 연구들을 분석하여, 근거 체계를 구축하고, 주요 키워드 간 관계와 역할 및 패턴 등을 구조적으로 분석하고자 텍스트마이닝과 토픽모델링 및 단어네트워크 분석을 실시하였다. 관련 선행연구들은 MTS와 관련된 핵심 키워드와 연관 키워드를 혼합하여 전자도서관에서 검색하였으 며, 결론 부분의 Text를 수집하여 분석에 사용하였다. 분석결과는 다음과 같다. 첫 째, '피부', '효과', '실험', '관리', '개선' 등의 어휘가 주요 개념으로 확인되었다. 둘째, TF-IDF 분석에서 높은 가중치의 키워드들은 MTS의 피부 개선 효과에 관한 과학적 실험 기반 논의를 시사했다. 셋째, LDA 분석 결과, ‘과학적 검증 중심’과 ‘피부 개선 효과 중심’의 토픽2개로 나뉘었다. 넷째, 단어 네트워크에서 '피부'를 중심으로 '주름', '효과', '실험' 등이 강하게 연결되었고, '여성'과 '모공' 노드는 MTS가 여성 안면 부위 에 주로 적용됨을 나타냈다. 본 텍스트마이닝 기법은 유사 의료 미용 시술 분석에도 적용 가능하며, 향후 시계열 분석과 감성 분석을 통해 MTS 효과의 변화와 대상자 반응을 심층 탐색할 필요가 있다.

This study proposes an improved method for updating finite element models (FEM) by incorporating the random field characteristics of concrete material properties in reinforced concrete structures. Traditional FEM often assumes homogeneous material properties, which can lead to significant discrepancies between predicted and actual dynamic responses, especially in structures where the Young’s modulus (E) of concrete varies due to factors like curing conditions, material composition, and construction methods. We employed a Gaussian random field model and a system identification (SI) technique to address this limitation to optimize sensor placement. We developed an FEM updating method that incorporates the spatial variability of concrete elasticity. This optimization allowed for a more accurate capture of dynamic properties across various structural locations, resulting in FEM updates that reflect concrete’s inherent heterogeneity. The proposed method was validated through numerical examples, comparing dynamic response accuracy in models before and after updating. Results demonstrated that error values, measured in terms of maximum value error and normalized root mean squared Error (NRMSE), were significantly reduced in the updated models compared to the pre-update model. This approach effectively addresses the limitations of homogeneous assumptions in FEM.

본 연구는 Van Meter & Van Horn의 정책 집행 시스템 모델을 이론 적 틀로 삼아, C대학을 사례로 중국 대학생 혁신창업교육 정책의 집행 효과에 나타나는 차이를 탐구하였다. 연구방법으로는 사례연구를 적용하 였고, 첫째, 문헌 분석을 통해 중국의 관련 정책과 C대학의 정책 집행 문서를 정리함으로써, 이론적 기반과 주요 영향 요인을 도출하였다. 둘 째, 심층 인터뷰를 하여 C대학의 정책 집행 현황을 조사하고, 정책 집행 자, 교수, 학생들의 피드백을 수집함으로써 정책 집행 과정에서 나타나는 핵심 문제를 분석하였다. 연구결과, 중국 대학생 혁신창업교육 정책의 집 행에는 정책 개념의 모호성, 자원의 부족, 다중 조직 간 협력의 어려움, 경직된 행정 체계, 낮은 사회 참여도, 집행자의 소극적 태도 등이 주요 저해 요인으로 작용하고 있음이 확인되었다. 이에 본 연구는 정책 효과 제고를 위해 정책 개념의 명확화, 재정 지원 제도의 구축, 조직 구조의 최적화, 데이터 플랫폼의 마련, 자원 통합 시스템 구축, 교사와 학생 중 심의 실행 방안 등 여섯 가지 개선 방향을 제안하였다. 이러한 연구는 Van Meter & Van Horn 모델의 적용 가능성과 정책 집행에 미치는 구 체적 영향을 실증적으로 분석함으로써, 향후 정책 수립과 집행 과정에 실질적 시사점을 제공한다.

상수도 시스템에서의 사고 발생은 사용자들의 물 이용 불편으로 인해 막대한 사회경제적 피해를 초래할 수 있는 위협 요인이며, 따라서 수도사업자들은 수도정비기본계획 등을 통해 상수도 사고를 빠르게 복구하고, 피해 규모를 최소화하기 위한 다양한 노력을 기울이고 있다. 본 연구는 상수도 시스템에서 발생하는 관로사고 상황에 대하여 회복탄력성을 정량적으로 평가하고, 비상급수 방안을 포함한 사고 대응 전략의 효과를 분석하기 위한 평가 모형을 개발하였다. 개발 모형은 시스템의 회복탄력성에 기여하는 다양한 특성들을 반영할 수 있는 시간단위 공급 부족량과 충족률 지표를 통해 회복탄력성을 평가하며, 국내 지방상수도 시스템의 특정 구역을 대상으로 관로사고 시나리오를 모의하여 개발 모형의 적용 효과를 검증하였다. 결과적으로 개발 모형을 통해 비상연계관로, 배수지 충수, 병물 공급 등 비상대응 방안의 효과를 정량적으로 평가하였으며, 이를 통해 시스템의 회복탄력성 향상을 위한 설계 및 운영 전략 수립의 가능성을 확인하였다.

안정적이고 효율적인 수자원 공급을 보장하는 것은 가정, 산업, 공공 보건 분야 복지에 필수적이다. 상수도 시스템에서 이상을 감지하기 위해 데이터 모델, 수리 모델 기반 시뮬레이션 등 다양한 접근 방식을 통해 이상감지 역량이 꾸준히 향상되어 왔으나, 현장 적용 및 검증에 한계가 있어 실질적인 활용은 폭 넓게 이루어지지 못하고 있다. 실제 적용 가능한 이상감지 시스템 측면에서, 본 연구에서는 유량 및 압력 계측 데이터를 활용하여 시스템 내 이상 발생을 신속하게 감지하고 개략적인 위치를 파악하기 위한 실시간 이상감지 및 탐색 모델을 제안하였다. 제안된 모델은 유량수지 분석, 유량-수두손실 관계, EPANET 기반 수리 해석 방법을 통합하여 이상 감지 및 위치 파악의 정확성을 개선시키고자 하였다. 현장 실험 결과, 제안된 모델은 높은 신뢰도에서 시스템 내 이상유량의 발생을 효과적으로 감지하고, 발생 구간을 파악할 수 있는 것으로 나타났다. 본 연구 성과는 시스템의 실시간 이상 감지 및 운영관리를 위한 실효성 있는 접근 방식을 제공함으로써 상수도 시스템의 지속 가능하고 회복력 있는 운영관리에 기여할 것으로 기대된다.

As the number of enlistees decreases due to social changes like declining birth rates, it is necessary to conduct research on the appropriate recalculation of the force that considers the future defense sufficiency and sustainability of the Army. However, existing research has primarily focused on qualitative studies based on comprehensive evaluations and expert opinions, lacking consideration of sustained support activities. Due to these limitations, there is a high possibility of differing opinions depending on perspectives and changes over time. In this study, we propose a quantitative method to calculate the proper personnel by applying system dynamics. For this purpose, we consider a standing army that can ensure the sufficiency of defense between battles over time as an adequate force and use battle damage calculated by wargame simulation as input data. The output data is the number of troops required to support activities, taking into account maintenance time, complexity, and difficulty. This study is the first quantitative attempt to calculate the appropriate standing army to keep the defense sufficiency of the ROK Army in 2040, and it is expected to serve as a cornerstone for adding logical and rational diversity to the qualitative force calculation studies that have been conducted so far.

This study explores the use of a Deep Autoencoder model to predict depression among plant and machine operators, utilizing data from the Korean National Health and Nutrition Examination Survey (KNHANES, n=3,852). The Deep Autoencoder model outperformed the Logistic Regression, Naive Bayes, XGBoost, and LightGBM models, achieving an accuracy of 86.5%. Key factors influencing depression included work stress, exposure to hazardous substances, and ergonomic conditions. The findings highlight the potential of the Deep Autoencoder model as a robust tool for early identification and intervention in workplace mental health.

In the manufacturing industry, dispatching systems play a crucial role in enhancing production efficiency and optimizing production volume. However, in dynamic production environments, conventional static dispatching methods struggle to adapt to various environmental conditions and constraints, leading to problems such as reduced production volume, delays, and resource wastage. Therefore, there is a need for dynamic dispatching methods that can quickly adapt to changes in the environment. In this study, we aim to develop an agent-based model that considers dynamic situations through interaction between agents. Additionally, we intend to utilize the Q-learning algorithm, which possesses the characteristics of temporal difference (TD) learning, to automatically update and adapt to dynamic situations. This means that Q-learning can effectively consider dynamic environments by sensitively responding to changes in the state space and selecting optimal dispatching rules accordingly. The state space includes information such as inventory and work-in-process levels, order fulfilment status, and machine status, which are used to select the optimal dispatching rules. Furthermore, we aim to minimize total tardiness and the number of setup changes using reinforcement learning. Finally, we will develop a dynamic dispatching system using Q-learning and compare its performance with conventional static dispatching methods.

In recent automated manufacturing systems, compressed air-based pneumatic cylinders have been widely used for basic perpetration including picking up and moving a target object. They are relatively categorized as small machines, but many linear or rotary cylinders play an important role in discrete manufacturing systems. Therefore, sudden operation stop or interruption due to a fault occurrence in pneumatic cylinders leads to a decrease in repair costs and production and even threatens the safety of workers. In this regard, this study proposed a fault detection technique by developing a time-variant deep learning model from multivariate sensor data analysis for estimating a current health state as four levels. In addition, it aims to establish a real-time fault detection system that allows workers to immediately identify and manage the cylinder’s status in either an actual shop floor or a remote management situation. To validate and verify the performance of the proposed system, we collected multivariate sensor signals from a rotary cylinder and it was successful in detecting the health state of the pneumatic cylinder with four severity levels. Furthermore, the optimal sensor location and signal type were analyzed through statistical inferences.