본 연구는 글로벌 해운물류에서 디지털 전환과 지속가능성 요구가 급격히 높아지는 시대적 흐름 속에서, 스마트항만의 효과적 인 도입과 평가체계 확립의 필요성에 대응하고자 수행되었다. 계층분석법(AHP)을 활용하여 스마트기술, 인프라, 운영, 환경·에너지, 거버 넌스 영역에 걸친 핵심 평가요인을 체계적으로 도출하고 우선순위를 산정하였다. 연구 결과, 사물인터넷(IoT) 및 센서 기반 기술이 가장 중요한 요인으로 나타났으며, 그 뒤를 5G 통신기술, 데이터 인프라, 자율형 항만설비가 이었다. 또한, 운영 자동화와 기관 간 협력 역시 항만 효율성과 회복 탄력성을 높이는 데 핵심적인 요소로 확인되었다. 이러한 결과는 스마트항만 평가를 위한 포괄적이고 계층적인 분석 프레임워크를 제시함으로써 이 분야의 이론적 기반을 강화한다는 점에서 의의가 있으며, 실무적으로는 안전한 스마트항만 개발에 당국이 자원 배분을 최적화하고 단계적 발전 전략을 수립하는 데 실질적 시사점을 제공한다. 향후 연구에서는 다양한 항만을 대상으로 실증 분 석을 확대하고, 신기술을 통합한 의사결정 모델 고도화를 통해 지속 가능하고 경쟁력 있는 스마트항만 생태계 구축을 더욱 촉진할 필요 가 있다.

Particulate matter (PM) pollution demands air filters that combine high efficiency with low pressure drop. Here, we report a self-powered electrostatic filter based on an electrospun cationic microfiber web of Chimassorb 944 (C-fiber). The C-fiber functions as a triboelectric nanogenerator (TENG), generating a surface charge density of 85.8 μC/m2 when paired with polytetrafluoroethylene (PTFE), which creates a strong electrostatic field for capturing sub-micron particles, including the most penetrating particle size (MPPS). As a result, the triboelectrically charged C-fiber filter maintains >80% filtration efficiency at a high wind speed of 60 cm/s, far exceeding uncharged mechanical filters (<20%) while retaining low air resistance. Kelvin probe force microscopy (KPFM) visualizes the surface-potential change after particle capture, and the gradual decay of TENG output provides a built-in indicator of dust loading. This strategy offers a promising platform for next-generation smart air purification systems.

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.

스마트선박은 선박 IT/OT시스템에 대한 데이터 수집 및 상태 관리, 원격유지보수 등 다양한 스마트 기능이 요구되므로, 선육간 데이터 교환이 필수적이다. 이러한 외부 네트워크 연결성으로 인해 스마트선박은 기존선박 대비 광범위한 공격표면을 형성하며, 사이버 리스크는 매우 높다고 볼 수 있다. 본 논문에서는 증가하는 스마트선박 사이버위협에 대응하기 위한 방안으로 SRA(Secure Remote Access) 기반 보안 아키텍처를 제시한다. SRA는 기존 방화벽의 경계보안의 한계점을 극복하기 위해 사용자의 신원과 권한을 지속적으로 검증하 는 제로트러스트(Zero Trust) 보안 개념을 적용하며 최소 권한만 부여한다. 제안된 SRA 보안 아키텍쳐 검증을 위해 스마트선박 사이버보안 을 위협할 수 있는 시나리오를 개발하였으며, SRA 보안 아키텍처의 효용성을 검증하였다.

4차 산업혁명의 도입과 함께 정보통신기술(ICT)의 발전이 가속화되 면서 관광 트렌드가 변화하고 있다. 기존 관광서비스에 ICT가 융합된 스마트관광은 관광산업의 신성장 분야로 주목받고 있다. 본 연구의 목적 은 스마트관광 서비스품질이 지각된 가치, 고객만족 및 재방문의도에 미 치는 영향을 실증적으로 분석하는 데 있다. 설문조사는 2025년 10월 15일부터 11월 4일까지 약 20일간 강릉을 방문한 국내관광객 중 강릉 비거주자(강릉 거주자 제외)를 대상으로 진행되었으며, 전문 조사 컨설 팅 기관을 통해 배포·수집하였다. 최종적으로 확보된 유효 표본 500부 를 실증분석에 활용하였다. 분석 결과, 첫째, 스마트관광 서비스품질의 세 요인인 정보 및 상호작용성, 이용자 편의성, 신뢰성은 모두 지각된 가치에 유의한 정(+)의 영향을 미쳤다. 둘째, 지각된 가치는 고객만족과 재방문의도에 유의한 정(+)의 영향을 주었으며, 셋째, 고객만족 역시 재 방문의도에 유의한 정(+)의 영향을 미치는 것으로 나타났다. 이와 같은 결과는 한국형 스마트관광 환경에서의 실질적 서비스품질 요인을 명확 히 제시함으로써, 연구의 학문적·실무적 기여도를 한층 강화한다는 의의 를 가진다.

본 연구는 법무부 교정기관의 제도적･환경적 특수성을 반영한 스마트팜 직업훈련 프로그램을 개발하고, 전문가 평가를 통해 내용 타당도와 현장 적합성을 검증하는 데 목적이 있다. 현대 교정의 핵심인 재사회화를 위해 직업훈련의 중요성이 강조되고 있으나, 기존 교육은 전통 기능직에 편중되어 디지털･스마트 기술 기반의 변화를 충분히 반영하지 못하고 있다. 이에 신체적 부담이 적고 정서 안정 효과가 입증된 스마트팜을 교정시설 에 최적화된 직업훈련 모델로 제안하고자 하였다. 연구는 체제적 교수설계 관점에 따라 문헌 분석, 요구분석, 프로그램 설계 및 개발, 전문가 검증 순으로 진행되었다. 요구분석 결과, 종사자와 수형자 모두 스마트팜 도입 필요성을 높게 인식하였으며, 온실 환경제어 및 양액 관리 등 직무 기술과 직업윤리, 정서조절 등 인성 및 기초능력의 통합 교육을 핵심 요구사항으로 도출하였다. 이를 바탕으로 프로그램을 설계하고, 안전･보안 우선, 단계적 학습, 실습 중심, 통합 교육, 기관 여건에 따른 유연 운영을 구성 원칙으로 제시하였다. 전문가 평가는 긍정 적이었으나 시설･장비 수준별 구분, 보안･안전 운영지침 구체화, 심화･자격 연계, 정 서지원 활동의 구체적 도구 제시, 시간･내용의 선택 운영 필요성이 제언되었다. 본 연 구는 교정기관에 적용 가능한 스마트팜 직업훈련의 실천적 틀과 정책･현장 연계 시사 점을 제시했다는 점에서 의의가 있다.

본 연구는 우리나라 스마트농업 맥락에서 전통적인 흙 논둑의 구조적 한계와 개선 가능성, 그리고 준영구 논둑의 적용성을 검토하였다. 이를 위해 8개 지역의 농민과 지자체 공무원 83명을 대상으로 관리 현황, 비용, 인식에 관한 설문조사를 수행하였다. 분석 결과, 흙 논둑은 친환경적이라는 장점에도 불구하고 누수·붕괴, 제초 및 보수의 높은 노동 의존성 등 반복적 문제가 확인되었다. 반면 준영구 콘크리트 논둑은 관리 빈도, 운영비용, 누수 위험을 크게 줄였으나, 배수 유연성과 환경적 영향에 대한 우려가 남아 있었다. 지역별 단가 분석에서는 공법과 지형 조건에 따른 차이가 나타났으며, 설문조사 결과 다수의 응답자가 노동력 부족 대응 및 생산 안정성 제고 수단으로 준영구 논둑 도입을 지지하였다. 스마트농업 측면에서 준영구 논둑은 IoT 기반 수리 관리, 원격 관개, 드론 방제 시스템과의 결합에 유리한 것으로 평가되었다. 정책적 시사점으로는 설치 적합성 기준과 공법 선택 가이드라인의 표준화, 생애주기비용–편익 평가, 구조적 배수 보완책, 공공–민간 협력형 유지관리 체계 구축의 필요성이 제시된다. 표본 규모와 장기 수문자료 부족이라는 한계에도 불구하고, 본 연구는 지속가능하고 정밀한 벼농사를 위한 핵심 기반시설로서 논둑 현대화의 중요성을 강조한다.

Accurate estimation of vehicle exhaust emissions at urban intersections is essential to assess environmental impacts and support sustainable traffic management. Traditional emission models often rely on aggregated traffic volumes or measures of average speed that fail to capture the dynamic behaviors of vehicles such as acceleration, deceleration, and idling. This study presents a methodology that leverages video data from smart intersections to estimate vehicle emissions at microscale and in real time. Using a CenterNet-based object detection and tracking framework, vehicle trajectories, speeds, and classifications were extracted with high precision. A structured preprocessing pipeline was applied to correct noise, missing frames, and classification inconsistencies to ensure reliable time-series inputs. Subsequently, a lightweight emission model integrating vehicle-specific coefficients was employed to estimate major pollutants including CO and NOx at a framelevel resolution. The proposed algorithm was validated using real-world video data from a smart intersection in Hwaseong, Korea, and the results indicated significant improvements in accuracy compared to conventional approaches based on average speed. In particular, the model reflected variations in emissions effectively under congested conditions and thus captured the elevated impact of frequent stopand- go patterns. Beyond technical performance, these results demonstrate that traffic video data, which have traditionally been limited to flow monitoring and safety analysis, can be extended to practical environmental evaluation. The proposed algorithm offers a scalable and cost-effective tool for urban air quality management, which enables policymakers and practitioners to link traffic operations with emission outcomes in a quantifiable manner.

Smart factory technology, a core component of the Fourth Industrial Revolution, demonstrates significant disparities in technological development across countries. To quantitatively assess these international technology gaps, this study proposes an integrated analytical framework that combines text mining-based topic modeling and social network analysis (SNA), using global smart factory-related patent data from 2017 to 2023. Approximately 4,300 patent documents (titles and abstracts) were collected through the GPASS system and preprocessed. Through Latent Dirichlet Allocation (LDA) modeling with optimized hyperparameters, major technology topics were identified. Semantic interpretation using ChatGPT and expert review enabled the assignment of precise topic labels, which were further mapped to CPC (Cooperative Patent Classification) codes to construct a standardized technology taxonomy. Subsequently, the network structures of topic and classification nodes were analyzed by country (China, the United States, and South Korea), and the relative importance of key technology areas was evaluated using centrality metrics such as degree, closeness, betweenness, and eigenvector centrality. The analysis revealed that, globally, the most central technology areas include manufacturing process management and control, IoT and data-driven decision making, and facility-based process optimization. At the national level, China showed a strategic focus on technologies related to product quality improvement and cost reduction, South Korea emphasized IoT-enabled technologies and equipment-level optimization, while the United States prioritized control systems and data-driven project management. By utilizing patent-based textual data, this study offers a novel methodology for quantitatively diagnosing structural differences in national technological capabilities. The proposed framework provides valuable insights for country-specific R&D planning and strategic decision-making in the field of smart manufacturing.