빠르게 발전하는 이미지 인식 기술에도 불구하고 표 형식의 문서와 수기로 작성된 문서를 완벽하게 디지털화하기에는 아직 어려움이 따른다. 본 연구는 표 형식의 수기 문서인 선박 항해일지를 작성하는 데에 사용되는 규칙을 이용하여 보정 작업을 수행함으로 써 OCR 결과물의 정확도를 향상시키고자 한다. 이를 통해 OCR 프로그램을 통하여 추출된 항해일지 데이터의 정확성과 신뢰성을 높일 것 으로 기대된다. 본 연구는 목포해양대학교 실습선 새누리호의 2023년에 항해한 57일간의 항해일지 데이터를 대상으로 OCR 프로그램 인 식 후 발생한 오류를 보정하여 그 정확도를 개선하고자 하였다. 이 모델은 항해일지 기재 시 고려되는 몇 가지 규칙을 활용하여 오류를 식별한 후, 식별된 오류를 보정하는 방식으로 구성하였다. 모델을 활용하여 오류를 보정 후, 그 효과를 평가하고자 보정 전과 후의 데이터 를 항차별로 구분한 후, 같은 항차의 같은 변수끼리 비교하였다. 본 모델을 활용하여 실제 셀 오류율은 약 11.8% 중 약 10.6%의 오류를 식 별하였고, 123개의 오류 중 56개를 개선하였다. 본 연구는 항해일지 중 항해정보를 기입하는 Dist.Run부터 Stand Course까지의 정보만을 대 상으로 수행하였다는 한계점이 있으므로, 추후 항해정보 뿐만 아니라 기상정보 등 항해일지의 더 많은 정보를 보정하기 위한 연구를 진 행할 예정이다.

본 연구는 대도시에서 미세먼지 없는 학교 부지를 찾는 Model Eliciting Activity (이하 MEA) 활동을 통해 고 등학교 학생들의 문제 해결 특성을 조사하기 위한 것이다. 5차시로 개발된 MEA 활동에 79명의 고등학교 2학년 학생 들이 참여 하였으며, MEA 활동지를 주요 데이터로 수집하였다. 학생들이 작성한 활동지의 개방형 질문에 대한 답을 기반으로 학생들의 문제 해결 모델을 귀납적 및 질적 방법으로 분석하였다. 먼저 학생들이 다른 데이터보다 어떤 데이 터를 우선적으로 사용했는지 순서를 분석한 후 주어진 데이터 세트를 어떻게 상호 연결하여 순서를 결정하는지 분석하 였다. 분석결과 학생들은 미세먼지 배출량이 많은 곳을 기피하기 위해 미세먼지 배출농도, 산업단지 분포 등 미세먼지 와 직접적으로 관련된 데이터를 먼저 활용하는 경향이 있음을 알 수 있었다. 흥미롭게도 MEA 활동에서 고등학생의 문 제 해결 특성은 매우 다양하여 76명의 학생이 총 61가지 유형의 문제 해결 모델을 제작한 것으로 나타났다. 문제를 해 결하기 위해 동일한 순서의 데이터를 사용하는 학생의 최대 수는 6명으로 학생들의 문제 해결 방법은 매우 다양함을 보여준다. 그러나 공통적으로 미세먼지 농도가 높은 곳을 제외하는 방법으로 미세먼지 배출과 직접적으로 관련된 데이 터를 먼저 선택하는 특성을 보였다.

The Fourth Industrial Revolution and sensor technology have led to increased utilization of sensor data. In our modern society, data complexity is rising, and the extraction of valuable information has become crucial with the rapid changes in information technology (IT). Recurrent neural networks (RNN) and long short-term memory (LSTM) models have shown remarkable performance in natural language processing (NLP) and time series prediction. Consequently, there is a strong expectation that models excelling in NLP will also excel in time series prediction. However, current research on Transformer models for time series prediction remains limited. Traditional RNN and LSTM models have demonstrated superior performance compared to Transformers in big data analysis. Nevertheless, with continuous advancements in Transformer models, such as GPT-2 (Generative Pre-trained Transformer 2) and ProphetNet, they have gained attention in the field of time series prediction. This study aims to evaluate the classification performance and interval prediction of remaining useful life (RUL) using an advanced Transformer model. The performance of each model will be utilized to establish a health index (HI) for cutting blades, enabling real-time monitoring of machine health. The results are expected to provide valuable insights for machine monitoring, evaluation, and management, confirming the effectiveness of advanced Transformer models in time series analysis when applied in industrial settings.

Data commentary is an important text type in research articles; however, its discourse model is often challenging to access because it is embedded in the upper genres such as textbook, weather forecast, and journal article. This study aims to establish a discourse model of data commentary, with a focus on academic research papers in Economics and Business administration journals. To accomplish this, this study employs Move analysis and SF-MDA(Systemic Functional-Multimodal Discourse Analysis) to investigate the moves of data commentaries and the metafunctional meanings of each step. The results indicate that the data commentary discourse model consists of three moves: (1) summarizing the topic and methodology, (2) representing figure and numbers, and (3) analyzing and commenting on results. Additionally, 22 steps are identified for each move that creates metafunctional meaning: ideational, interpersonal, and textual.

Welding is one of representative manufacturing processes in the industrial field. Cryogenic storage containers are also manufactured through welding, and conversion to laser welding is issue in the field due to many advantages. Since welding causes thermal-elastic deformation, design considering distortion is required. Prediction of distortion through FEM is essential, but laser welding has difficulties in the field because there is no representative heat source model. The author presented the model that can cover various models using a multi-layer heat source model in previous studies. However the previous study has a limitation which is a welding heat source model must be derived after performing bead on plate welding. Thus this study was attempted to estimate the welding heat source parameters by comparing the shape of bead under various conditions. First, the difference between penetration shape and welding heat source parameters according to welding power was analyzed. The radius of the welding heat source increased according to the welding power, and the depth of the welding heat source also increased. The correlation between the penetration shape and the welding heat source parameter appears at a similar rate, however the follow-up research is necessary with more model data.

Ball stud parts are manufactured by a cold forging process, and fastening with other parts is secured through a head part cutting process. In order to improve process quality, stabilization of the forging quality of the head is given priority. To this end, in this study, a predictive model was developed for the purpose of improving forging quality. The prediction accuracy of the model based on 450 data sets acquired from the manufacturing site was low. As a result of gradually multiplying the data set based on FE simulation, it was expected that it would be possible to develop a predictive model with an accuracy of about 95%. It is essential to build automated labeling of forging load and dimensional data at manufacturing sites, and to apply a refinement algorithm for filtering data sets. Finally, in order to optimize the ball stud manufacturing process, it is necessary to develop a quality prediction model linked to the forging and cutting processes.

PURPOSES : The purpose of this study is to contribute to the utilization of standards while considering the possible upgrade of a local system as a subject of the application. Therefore, this study aims to explore the possible application of LandInfra for a local road management (maintenance) system in the context of enabling the basis of 3D geospatial road information management in Korea. METHODS : Based on a review of related literature and international standards, an analysis of the current system is performed. After reviewing the LandInfra standard, an examination of corresponding classes between each data model (HMS and LandInfra) is performed for the mapping process. After the mapping process, a data model of the LandInfra-based HMS pavement data model is proposed. RESULTS : To apply the LandInfa to the HMS pavement part, an examination of each data model is performed. After this procedure, a LandInfra-based HMS pavement database schema is proposed in the context of enabling 3D geospatial road information management and maintenance, particularly for pavement management information. CONCLUSIONS : This paper presents how the LandInfra international open geospatial standard can be applied to the local road management system (HMS pavement part). As a result of this study, the LandInfra standard could be applied to the HMS; however, an encoding of the standard is required for conformance. Thus, further studies would be the encoding of the proposed data model for conformance with InfaGML encoding standards. In addition, a system prototype may be needed for complete application.

머신러닝 기법의 발달과 함께 기계에서 발생하는 다양한 종류(진동, 온도, 유량 등)의 데이터를 활용하여 기계의 상태를 진단하고 이상 탐지 및 비정상 분류 연구도 활발히 진행되고 있다. 특히 진동 데이터를 활용한 회전 기계의 상태 진단은 전통적인 기계 상태 모니터링 분야로 오랜 기간 동안 연구가 진행되었고, 연구 방법 또한 매우 다양하다. 본 연구에서는 가정용 에어컨에 사용되는 로터리 압축기에 가속도계를 직접 설치하여 진동 데이터를 수집하는 실험을 진행하였다. 데이터 부족 문제를 해결하기 위해 데이터 분할을 수행하였으며, 시간 영역에서의 진동 데이터로부터 통계적, 물리적 특징들을 추출한 후, Chi-square 검증을 통해 고장 분류 모델의 주요 특징을 추출하였다. SVM(Support Vector Machine) 모델은 압축기의 정상 혹은 이상 유무를 분류하기 위해 개발되었으며, 파라미터 최적화를 통해 분류 정확도를 개선하였다.