As digital transformation accelerates, platform business has become a core business model in modern society. Platform business has a network effect where the winner takes all. For this reason, it is crucial for a company's pricing policy to attract as many customers as possible in the early stages of business. Telecommunication service companies are experiencing stagnant growth due to the saturation of the smartphone market and intensifying competition in rates, but the burden of maintaining communication networks is increasing due to the rapid increase in traffic caused by domestic and foreign CSPs. This study aims to understand the dynamic characteristics of the telecommunications market by focusing on pricing policy. To this end, we analyzed how ISPs, CSPs, and consumers react to changes in pricing policy based on the prisoner's dilemma theory. The analysis of the dynamic characteristics of the market was conducted through simulation using the Agent-Based Model.

MES(manufacturing execution system) plays a critical role in improving production efficiency by managing operations across the entire manufacturing system. Conventional manufacturing systems employ a centralized control structure, which has limitations in terms of the flexibility, scalability and reconfigurability of the manufacturing system. Agent-based manufacturing systems, on the other hand, are better suited to dynamic environments due to their inherent high autonomy and reconfigurability. In this study, we propose an agent-based MES and present its collaboration model between agents along with a data structure. The agent-based MES consists of three types of core agents: WIPAgent, PAgent(processing agent), and MHAgent(material handling agent). The entire manufacturing execution process operates through collaboration among these core agents, and all collaboration is carried out through autonomous interactions between the agents. In particular, the order-by-order dispatching process and the WIP(work-in-process) routing process are represented as respective collaboration models to facilitate understanding and analyzing the processes. In addition, we define data specifications required for MES implementation and operation, and their respective structures and relationships. Moreover, we build a prototype system employing a simulation model of an exemplary shop-floor as a simulation test bed. The framework proposed in this study can be used as a basis for building an automated operating system in a distributed environment.

Recently, in the manufacturing industry, changes in various environmental conditions and constraints appear rapidly. At this time, a dispatching system that allocates work to resources at an appropriate time plays an important role in improving the speed or quality of production. In general, a rule-based static dispatching method has been widely used. However, this static approach to a dynamic production environment with uncertainty leads to several challenges, including decreased productivity, delayed delivery, and lower operating rates, etc. Therefore, a dynamic dispatching method is needed to address these challenges. This study aims to develop a reinforcement learning-based dynamic dispatching system, in which dispatching agents learn optimal dispatching rules for given environmental states. The state space represents various information such as WIP(work-in-process) and inventory levels, order status, machine status, and process status. A dispatching agent selects an optimal dispatching rule that considers multiple objectives of minimizing total tardiness and minimizing the number of setups at the same time. In particular, this study targets a multi-area manufacturing system consisting of a flow-shop area and a cellular-shop area. Thus, in addition to the dispatching agent that manages inputs to the flow-shop, a dispatching agent that manages transfers from the flow-shop to the cellular-shop is also developed. These two agents interact closely with each other. In this study, an agent-based dispatching system is developed and the performance is verified by comparing the system proposed in this study with the existing static dispatching method.

Lithium-ion batteries are widely used in various advanced devices, including electric vehicles and energy storage devices. As the application range of lithium-ion batteries expands, it will be increasingly important to improve their gravimetric and volumetric energy density. Layer-structured oxide materials have been widely adopted as cathode materials in Li-ion batteries. Among them, LiNiO2 has attracted interest because of its high theoretical capacity, ~274 mAh g-1, assuming reversible one Li+-(de)intercalation from the structure. Presently, such layered structure cathode materials are prepared by calcination of precursors. The precursors are typically hydroxides synthesized by coprecipitation reaction. Precursors synthesized by coprecipitation reaction have a spherical morphology with a size larger than 10 μm. Spherical precursors in the several micrometer range are difficult to obtain due to the limited coprecipitation reaction time, and can lead to vigorous collisions between the precursor particles. In this study, spherical and small-sized Ni(OH)2 precursors were synthesized using a new synthesis method instead of the conventional precipitation method. The highest capacity, 170 mAh g-1, could be achieved in the temperature range of 730~760 °C. The improved capacity was confirmed to be due to the higher quality of the layered structure.

모빌리티 예측은 단순한 통행 경로 예측을 넘어, 사회 전반의 효율성 및 안전성 향상을 위한 핵심 데이터를 제공한다는 점에서 중 요하다. 기존의 예측 기법은 시공간적 규칙성과 개인 이동 패턴의 통계적 특성 분석에 주로 의존하였으며, 최근 딥러닝 기반의 시공간 모델링을 통해 예측 성능이 향상되었다. 그러나 여전히 개인 통행의 단기·장기적 시공간 의존성 및 복잡한 패턴을 처리하는 데 한계가 존재한다. 이를 극복하기 위해, 본 연구는 대규모 사전 학습된 거대 언어 모델(Large Language Model; LLM)을 도입하여, 개인 속성뿐 만 아니라 실제 통행 데이터를 반영한 객체 단위 통행 생성 프레임워크를 제안한다. LLM 기반(ChatGPT-4o) 객체 단위 통행 생성 프레 임워크는 (1) 개인 모빌리티 패턴 학습, (2) 통행 생성의 두 단계로 이루어진다. 이후 한국교통연구원의 개인통행 실태조사(2021) 데이 터를 이용하여 프레임워크의 통행 생성 성능을 확인하였다. 통행 시작·출발 시간 분포, 출발·도착지 장소 유형, 통행목적, 이용 교통수 단의 정확도를 확인한 결과, 대부분 항목에서 70% 이상의 정확도를 보였다. 하지만 통행목적은 13개의 목적 중 하나를 예측해야 하기 에 정확도가 다른 항목에 비해 약 40%로 낮게 나타났다. 본 연구는 통행 생성 프레임워크를 설계하고, 이에 맞춰 입력 데이터를 가공 및 프롬프트 엔지니어링을 수행함으로써 LLM 기반 통행 생성 기술의 가능성을 확인하였다. 향후 프레임워크의 예측 성능 검증 및 개 선을 위한 추가 연구가 필요하며, 날씨, 대규모 행사 등과 같은 외부 요인들을 고려하면 더욱 정교하고 현실적인 통행일지를 생성할 수 있을 것이다.

동절기에 시민들의 안전 및 편리성을 위하여 도로 유지 보수는 필수적이다. 유지 보수 중 도로의 눈 및 얼음을 제거하기 위해서는 제설제를 살포하는 것이 가장 일반적이다. 하지만, 국내의 제설제 재살포 시기 및 양에 대해서는 연구된 바가 존재하지 않는 실정이기 때문에 제설제 살포 후 녹은 눈이 재결빙이 되는 소요시간이 3시간이라는 점을 참고하여 현재 국내에서는 기후 변화에 관계없이 3시 간마다 초기에 살포한 양을 제설제를 살포하거나 현장 감독자의 주관적인 판단으로 제설제 살포량을 결정하여 제설제 살포를 실시하 고 있다. 이렇게 무분별한 제설제 살포는 과다 살포로 이루어져 환경 및 구조적 문제를 야기할 수 있으며 위 문제를 해결하기 위해서 는 도로에 잔존하고 있는 제설제의 양을 파악하고 무분별한 제설제 살포를 막아야할 필요가 있다. 따라서 본 연구에서는 도로에 물을 살포하여 전기전도도를 이용하여 염분을 측정하는 장비인 SOBO3+를 이용하여 도로의 잔존염분량을 측정하기 전, 국내 고속도로에서 사용되는 제설제와 SOBO3+ 장비와의 상관 관계를 분석하여 장비 검증을 실시하였다. 실험은 국내에서 가장 많이 사용되는 살포 방법 인 습염식 살포 방법을 참고하여 고형 염화나트륨과 30% 염화칼슘 수용액을 사용하였으며 정확한 염분 측정치를 얻기 위하여 매끄러 운 화강판 및 고형 염화나트륨을 모두 용해시켜 측정을 진행하였다. 제설제 살포량은 염화나트륨의 경우 SOBO3+가 최대 50g/m² 까지 밖에 측정이 가능하다는 점을 참고하여 10~50g/m² 범위에서 살포 밀도를 10g/m²씩 변화시켜가며 측정한 결과, 살포량 대비 약 10% 과 소평가되어 측정됨을 확인하였다. 또한 염화칼슘 수용액의 경우 국토교통부 도로제설업무수행요령을 참고하여 국내 습염식 살포 기준 에서 염화칼슘 수용액 살포량이 최대 20g/m²을 초과하지 않아, 10~30g/m² 범위에서 살포 밀도를 10g/m²씩 변화시켜가며 측정한 결과, 살포량 대비 약 70% 과소 평가 되는 것을 확인하여 30% 염화칼슘 수용액을 정확하게 측정하는 것을 확인하였다. 또한 노면 온도가 측정 성능에 영향을 미치지 못하는 것을 확인하였다.

Nicotinamide (NAM), a water-soluble derivative of vitamin B3, has emerged as a potential therapeutic agent for bonerelated disorders. In particular, it promotes bone metabolism and alleviates delayed tooth eruptions associated with cleidocranial dysplasia (CCD). NAM serves as a precursor for nicotinamide adenine dinucleotide, a key coenzyme involved in cellular metabolism that plays an essential role in oxidative phosphorylation and mitochondrial function. Recent research has highlighted the capacity of NAM to enhance osteogenic differentiation and regulate the interaction between osteoblasts and osteoclasts, which is critical for maintaining bone homeostasis. Moreover, the effect of NAM in preventing delayed tooth eruptions in CCD models underscores its potential as a noninvasive therapeutic option. Considering its safety profile and therapeutic potential, NAM is a promising candidate for longterm treatment of bone diseases and prevention of age-related bone disorders.

인공지능(AI)은 20년 이상 게임 분야에 널리 적용되어 왔다. 그러나 협동(coordination) 게임에서의 AI 에이전트, 특히 경주 게임에서 협동에 대한 연구는 상대적으로 적은 주목을 받아왔다. 이러한 관심의 부족은 불완전한 파트너를 충분히 보완하면서 사용자의 게임 플레이 경험 과 수행 능력 을 저해하지 않아야 하는 복잡성에서 부분적으로 기인한다. 우리는 경주 게임에서 협동 에이전트 의 잠재력을 탐구하고 밝히기 위해, 자동차 컨트롤을 두 개의 서로 다른 에이전트로 나눔으로써 협동 환경을 갖춘 자동차 경주 게임을 개발하였다. 이어서 실험을 통해 다양한 훈련 방법과 파트 너의 정보를 활용하여 에이전트와 파트너의 협동을 평가하였다. 특히, 학습 시 서브-옵티멀 파트 너와 함께하는 것과 에이전트를 해당 파트너에게 맞게 개인화하는 것의 영향을 조사하였다. 연구 결과, 불완전한 파트너와 훈련했을 때 성능이 2%에서 7%까지 향상되었으며, 파트너에게 맞게 개 인화했을 때는 모든 파트너에게 일반화한 경우보다 최대 3점(6.7%)까지 성능이 향상하였다. 본 연구를 통해, AI 에이전트를 개인화하는 것의 잠재력을 보여주었고, 에이전트가 파트너의 불완전 함을 인지하는 것의 장점을 확인하였다. 본 연구가 협 동 게임에서 개인화된 에이전트 연구에 이 바지하기를 기대한다.

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.

The threat of North Korea's long-range firepower is recognized as a typical asymmetric threat, and South Korea is prioritizing the development of a Korean-style missile defense system to defend against it. To address this, previous research modeled North Korean long-range artillery attacks as a Markov Decision Process (MDP) and used Approximate Dynamic Programming as an algorithm for missile defense, but due to its limitations, there is an intention to apply deep reinforcement learning techniques that incorporate deep learning. In this paper, we aim to develop a missile defense system algorithm by applying a modified DQN with multi-agent-based deep reinforcement learning techniques. Through this, we have researched to ensure an efficient missile defense system can be implemented considering the style of attacks in recent wars, such as how effectively it can respond to enemy missile attacks, and have proven that the results learned through deep reinforcement learning show superior outcomes.

공인중개사법에 따라 개업공인중개사는 중개의뢰인에게 중개대상물의 확인ㆍ 설명의무를 부담한다. 이러한 개업공인중개사의 의무는 중개의뢰인이 중개대 상물에 관한 계약을 체결할 것인가의 여부 및 어떠한 내용으로 체결할 것인가 를 결정하는 데 중요한 역할을 한다. 다만, 개업공인중개사의 확인ㆍ설명의무 의 범위를 어디까지 인정할 것인지 그리고 개업공인중개사의 의무위반과 중개 의뢰인의 손해 사이의 상당인과관계를 어떠한 기준으로 인정하여 개업공인중 개사의 손해배상책임을 부담시킬 것인지에 대해서는 다양한 논의가 존재한다. 대상판결은 신탁등기가 경료된 중개대상물을 중개하는 경우, 개업공인중개사 가 중개대상물이 신탁재산이라는 사실을 중개의뢰인에게 설명한 것만으로 확 인ㆍ설명의무를 다하였다고 볼 수 없고, 그 중개대상물을 임차하면 발생할 수 있는 위험에 대하여 구체적으로 확인ㆍ설명하여야 한다고 판시하였다. 나아가 이러한 개업공인중개사의 의무위반이 없었다면 중개의뢰인이 그 중개대상물 에 대한 임대차계약을 체결하지 않았을 것이라는 이유로 개업공인중개사의 의무위반과 중개의뢰인이 임차보증금을 반환받지 못해 발생한 손해 사이에 상당 인과관계가 인정된다고 보았다. 이러한 대상판결의 판단은 향후 개업공인중개 사의 확인ㆍ설명의무의 범위와 더불어 그 위반과 손해 사이의 상당인과관계의 인정여부에 중요한 기준이 될 것으로 생각된다.

최근 소나무재선충병 항공방제를 위해 살포한 네오니코티노이드계 농약이 꿀벌 폐사에 영향을 미친다는 우 려와 이슈가 제기됨에 따라 산림청은 소나무재선충병 항공방제를 중지하고 해당 약제들을 방제용 약종 결정에 서 제외시켰다. 본 연구에서는 북방수염하늘소의 항공방제를 위해 꿀벌 독성이 낮은 살충제를 선발하여 살충효 과를 조사하고 향후 방제 약제로 활용하고자 한다. 꿀벌 독성이 낮은 살충제를 선발하기 위해 The Pestcide Manual Nineteenth Edition(BCPC)에서 살충제 원제 231 종을 대상으로 꿀벌에 대한 접촉독성이 100㎍/bee 이상인 원제 중에서 테트라닐리프롤 액상수화제, 아피도피로 펜 미탁제, 플로니카미드 입상수용제, 플루벤디아마이드 액상수화제, 피메트로진 입상수화제 5개의 약종을 선 발하였다. 선발한 약제 5종을 소나무재선충병의 매개충인 북방수염하늘소에 직접 분무하고 시간경과별 살충효 과를 조사한 결과, 피메트로진 입상수화제에서 분무 후 1일차에 약 53.3%의 가장 높은 방제율을 나타냈으며, 3일차에는 86.7%, 5일차에는 100%로 매우 효과적인 살충효과를 나타냈다.

실제세계에서 데이터 수집의 비용과 한계를 고려할 때, 시뮬레이션 생성 환경은 데이터 생성 과 다양한 시도에 있어 효율적인 대안이다. 이 연구에서는 Unity ML Agent를 로그라이크 장 르에 적합한 강화학습 모델로 구현하였다. 간단한 게임에Agent를 이식하고, 이 Agent가 적을 인식하고 대응하는 과정을 코드로 작성하였다. 초기 모델은 조준사격의 한계를 보였으나 RayPerceptionSensor-Component2D를 통해 Agent의 센서 정보를 직접 제공함으로써, Agent가 적을 감지하고 조준 사격을 하는 능력을 관찰할 수 있었다. 결과적으로, 개선된 모델 은 평균3.81배 향상된 성능을 보여주었으며, 이는 Unity ML Agent가 로그라이크 장르에서 강화학습을 통한 데이터 수집이 가능함을 입증한다.

Nanoparticles are commonly used to avoid the opaque white color of TiO2 based sunscreen. However, a dispersing agent is typically required because of the tendency of the nanoparticles (NPs) to agglomerate. Stearic acid is one kind of dispersing agent often used for sunscreen products. However, according to the MSDS data sheet on stearic acid, stearic acid is highly hazardous to aquatic life and causes irritation on human skin. To avoid this problem, in this study a safer organic dispersing agent extracted from Korean seaweed has been studied to disperse TiO2 nanoparticles, and further use as an active agent in sunscreen products. The presence of phytochemicals in seaweed extract, especially alginate, can disperse TiO2 nanoparticles and improve TiO2 dispersion properties. Results show that seaweed extract can improve the dispersion properties of TiO2 nanoparticles and sunscreen products. Reducing the agglomeration of TiO2 nanoparticles improves sunscreen properties, by making it less opaque white in color, and increasing UV protection value. It was also confirmed that adding seaweed extract into sunscreen products had no irritating effects on the human skin, making it more desirable for cosmetics application.