본 논문에서는 객체 검출과 단안 깊이 추정을 결합한 실시간 장애물 우회 시스템을 제안한다. 제안하는 방법은 센서 기반 장애물 인식 방법의 정합 복잡성과 단안 깊이 추정 방법의 일반화 문제를 해결할 수 있다. 제안하는 장애물 인식 시스템은 객체 검출 모델과 단안 깊이 추정 모델로 구성된다. 객체 검출 모델을 장애물 종류에 상관없이 단일 클래스로 학습하여 학습되지 않은 장애물 유형에 대한 일반화 성능을 향상시킨다. 각 객체 영역 내 깊이가 임계치 미만일 경우 위험성 높은 장애물로 판단하고, 해당 객체에 대한 위험 점수를 계산한다. 임계치는 단안 깊이 추정에서 발생한 이상치와 노이즈를 억제하기 위해 전체 깊이의 퍼센타일에 따라 적응적으로 설정된다. 영상 하단 영역을 좌측, 중앙, 우측으로 분할하고 각 영역의 위험도를 비교하여 주행 방향을 결정한다. 임베디드 환경에서 실시간 추론을 위해 단안 깊이 추정 모델에 경량화 모듈 대체, 가중치 양자화 등의 경량화를 적용한다. Jetson Orin Nano에서 수행한 실험 결과, 제안된 시스템은 프레임당 평균 33.97 ms의 처리 속도를 달성하였으며, 단일 장애물 환경에서 100%, 다양한 크기의 장애물이 포함된 복합 환경에서 최대 70%의 우회 성공률을 보였다.

CCTV 기반 이상행동 탐지는 보안 관제에서 핵심적인 역할을 수행하지만, 원자력 시설과 같은 고보안 환경에서는 데이터 확보가 구조적으로 제한된다. 이러한 데이터 부족 문제를 극복하기 위해, 본 연구에서는 거대언어모델(LLM)과 생성형 AI를 결합한 합성 데이터셋 생성 프레임워크를 제안한다. 본 프레임워크는 배경의 정적 특성과 사건의 동적 인과관계를 분리 제어하여 CCTV 특유의 고정 시점과 물리적 정합성을 확보하며, 생성 모델별 이원화 전략을 통해 Google Veo 3.1 기반 고품질 데이터 180건과 Wan 2.2 I2V 기반 대규모 데이터 1,290건을 병행 구축하였다. 두 합성 데이터셋은 LanguageBind-Video 평가에서 UCF-Crime 대비 동등 이상의 비디오-텍스트 정합성을 달성하였으며, 다운스트림 예비 실험에서도 합성 데이터를 추가한 Hybrid 학습이 재현 촬영 영상에 대해 F1 35.40%에서 53.40%로 향상되어 실세계 분포 전이에서의 실효성을 정량적으로 입증하였다.

본 연구는 온라인 예매 환경에서 빈번히 발생하는 부정 예매 행위를 효과적으로 차단하기 위해, 인공지능(AI) 탐지 모델과 NFT 기반 거래 관리 기술을 통합한 시스템을 제안한다. 개인정보 보호 및 접근 제한으로 인해 실제 예매 데이터를 확보하기 어려운 현실을 고려하여, 본 연구에서는 실제 거래 통계와 패턴을 반영한 모의 예매 데이터셋을 구축하였다. 이후 CatBoost를 포함한 주요 머신러닝 모델(XGBoost, LightGBM, RandomForest)을 비교 분석한 결과, CatBoost 모델이 가장 높은 F1-score(0.879 ± 0.015)와 ROC-AUC(0.926 ± 0.015)를 보였다. 또한 Feature Importance 분석을 통해 동일 카드 및 IP 기반 반복 거래, 거래 간 시간 간격 등의 동적 변수들이 핵심 탐지 요인으로 도출되었으며, 이는 거래 간 행태적 패턴 분석이 부정 예매 탐지의 핵심임을 실증적으로 보여준다. 한편, NFT 기술을 결합한 예매 시스템은 티켓 발행 및 양도 이력을 블록체인에 영구적으로 기록함으로써 거래의 투명성을 확보하고 암표 거래를 차단할 수 있음을 확인하였다. 본 연구는 인공지능 기반 탐지 기술과 NFT 응용 기술을 통합하여 온라인 예매의 공정성과 신뢰성을 확보할 수 있는 새로운 기술적 접근법을 제시하였다. 향후 연구에서는 실제 예매 데이터를 활용한 모델 고도화, 비지도 학습 기반의 이상 거래 탐지 알고리즘 개발, SHAP 기반 설명가능성 분석, 그리고 정책적·산업적 활용을 위한 테스트베드 구축을 추진할 예정이다.

본 논문에서는 한글(HWP) 포맷 기반의 비정형 직업훈련 문서에서 다중 규정 간섭 (Multi-Rule Interference)을 탐지하고 정형화하는 다중 에이전트 시스템(Multi-Agent System)을 제안한다. 국비지원 훈련 시스템은 디지털 전환을 추진 중이나 여전히 비정형 문서 검토에 의존하여 실무자의 인지적 과부하와 행정 리스크를 유발한다. 이를 해결하기 위해 문서 파싱, 규정 검수, 설명 생성의 역할을 분담하는 3개의 에이전트를 도입하여 확률적 추론과 결정론적 규칙 검증을 결합한 하이브리드 교차 검증을 수행한다. 특히 가상 그리드 매핑(Virtual Grid Mapping) 기법으로 표 구조의 물리적 위계 손실을 방지하고, 인간 참여형(Human-in-the-Loop, HITL) 안전장치를 통해 생성형 AI의 환각 현상을 원천 통제하였다. 실험 결과, 제안 시스템은 행정 무결성을 99.1%로 유지하면서 심사 소요 시간을 75.3% 단축하였다. 본 연구는 생성형 AI 기반 다중 에이전트 아키텍처의 실무적 적용 가능성을 입증하며, 비정형 행정 데이터의 지능형 자율 검수 체계로의 전환을 위한 기술적 기반을 제공한다.

본 논문은 고가의 상용 예지보전 시스템 도입이 어려운 중소제조기업을 위하여 STN32F746 MCU와 범용 센서를 활용한 저비용·경량형 모터 모니터링 시스템의 설계 및 구현 방안을 제안한다. 산업용 DC 모터와 AC 서보모터를 대상으로 전압, 전류, 온도, 진동 데이터를 동시에 수집할 수 있는 멀티모달 센서 인터페이스를 구축하였다. 수집된 데이터는 RS-485 및 I2C 통신을 통해 안정적으로 전송되며, Node-RED 기반의 대시보드를 통해 실시간 시각화 및 데이터 저장이 가능함을 확인하였다. 본 연구는 보급형 부품만으로도 산업 현장에서 요구되는 기본적인 예지보전 인프라 구축이 가능함을 입증하였으며, 이는 향후 고도화된 고장 진단 알고리즘 적용을 위한 데이터 수집 토대를 마련하였다는 데 의의가 있다.

본 연구에서는 부품 (혹은 제품) 생산 및 수송과정에서 발생할 수 있는 다양한 붕괴위험(Disruption Risk)을 고려한 공급망 네트워크(Supply Chain Network: SCN) 모델을 제안한다. 고려된 붕괴위험으로는 설비 및 설비들 간의 경로붕괴이다. 즉 메인설비(Main Facility)가 붕괴될 경우에는 백업설비(Backup Facility) 사용을 고려하며, 메인설비의 메인경로(Main Route)가 붕괴될 경우에는 메인설비의 대체경로(Alternative Route) 혹은 백업설비의 백업경로(Backup Route) 사용을 고려한다. 기존 대부분의 연구들은 붕괴 위험하에서 백업설비, 대체경로, 백업경로를 각각 분리하여 고려하였으며, 이들 전부를 함께 고려한 기존연구는 거의 없다. 따라서 본 연구에서는 이들 전부를 함께 고려한 SCN 모델을 제안하는 것이 가장 큰 특징이다. 또한 부품 (혹은 제품) 수송을 위해서는 기존 연구들 대부분이 정상배송(Normal Delivery: ND)만을 고려하였다. 하지만 최근 들어 기업간 경쟁 심화 및 고객들의 다양한 배송방식 요구에 대응하기 위해 직접선적(Direct Shipment: DS)이 활발하게 사용되고 있다. 따라서 본 연구에서는 기존의 배송방식인 ND 뿐만 아니라 DS를 함께 고려한 SCN 모델을 제안하며, 이들 배송방식이 붕괴위험하에서 어떻게 적용되는지를 함께 분석해 보았다.

본 연구는 국민여가활동조사(2019-2024) 반복 횡단면 자료를 이용하여 TV와 온라인 동영상 이용 여부의 결합 양상과 변화 추이를 이변량 프로빗 모형으로 분석하였다. 분석 대상 기간 동안 TV와 온라인 동영상을 함께 이용하는 비중이 지속적으로 증가하였으며, 두 매체의 이용 여부 간에는 인구사회학적 특성을 통제한 후에도 일관된 양의 잔차상관이 확인되었다. 이는 한국의 맥락에서 참여 여부 차원에서 볼 때 온라인 동영상 매체의 확산이 TV 이용의 감소를 수반하기보다 두 매체의 동반 확대 양상으로 진행되고 있음을 시사한다. 한편, 세대 간 격차는 축소되고 있으나 소득 및 지역에 따른 이용 격차는 고착화되는 양상이 확인되었다. 참여 저변의 인구·사회적 이질성은 고령층·저소득층·비수도권 이용자를 포함한 시장 확장 전략을 검토하는 탐색적 근거가 될 수 있다.