교량은 노후화와 지진, 유지보수 미비, 기상환경 등의 외부 요인에 의해 균열과 손상이 발생한다. 노후화 교량이 늘어나고 있는 상황에서 유지보수 작업을 진행하지 않으면 안전성이 저하되어 구조적 결함과 붕괴 문제가 발생할 수 있다. 이러한 문제를 예방하고 유지보수 비용을 절감하기 위해 교량의 상태를 모니터링하고 신속하게 대응할 수 있는 시스템이 필요하다. 이를 위해 기존의 연구에서 센서 데이터를 이용해 균열 위치와 정도를 파악하는 인공지능 모델이 제안되었다. 하지만 기존 연구에서 모델의 성능을 파악할 때 실제 교량의 데이터를 사용하지 않고 시뮬레이션을 통해서 교량의 형상을 제작하여 데이터를 획득하여 학습에 사용하였기 때문에, 실제 교량의 환경을 반영하지 못하고 있다. 본 논문에서는 실제 현장에서 발생하는 교량의 가속도 데이터를 활용하여 인공지능 기반 교량의 이상을 감지하는 '교량 안전 판단 Edge AI 모델'을 제안한다. 이를 위해 가속도 데이터에서 유효 데이터를 추출하기 위한 필터링 규칙을 새롭게 정의하고 이를 적용하는 모델을 구성하였다. 또한 현장에서 수집된 데이터를 기반의 제안된 교량 안전 판단 Edge AI 모델의 성능을 평가하였다. 그 결과 F1-Score가 최대 0.9565로 실제 교량의 데이터를 이용해 안전성을 판단할 수 있음을 확인할 수 있었고, 실제 충격 데이터를 유사한 데이터 패턴을 생성하는 규칙일수록 좋은 성능의 결과가 나왔다는 것을 확인하였다.

본 논문에서는 다양한 신경망 모델과 입출력 구조에 따른 정규화 기법의 성능을 비교 분석하였다. 분석을 위해 균등한 잡음과 최대 3개의 간섭 신호가 있는 잡음 환경에 대한 시뮬레이션 기반의 데이터 세트를 사용하였다. 실험 결과, 잡음 분산을 직접 출력하는 End-to-End 구조에 대해서 1-D 콘볼루션 신경망과 BiLSTM 모델을 사용할 경우 우수한 성능을 보였으며, 특히 간섭 신호에 대해 강건한 것으로 분석되었다. 이러한 결과는 다층 퍼셉트론 신경망과 트랜스포머보다 1-D 콘볼루션 신경망 및 BiLSTM 모델이 귀납적 편향이 강하기 때문에 나타난 것으로 판단된다. 이 논문의 분석 결과는 향후 딥러닝 기반 정규화 기법 연구에 유용한 기준점으로 활용될 수 있을 것으로 기대된다.

본 논문은 반려견의 피부질환 발병 여부와 부위를 추론하기 위해서 딥러닝 기반 U-Net 모델을 학습하여 이미지 촬영을 통한 반려견의 피부병 발병 여부와 추론되는 병명을 제공하는 애플리케이션을 개발하였다. U-Net은 의료영상 분야에서 주로 사용되는 영역 분할(Image Segmentation) 기반 학습 모델로써 폴리곤 형태의 특정 이미지 영역을 구분하는 데 효과적이다. 따라서 반려견의 피부 이미지에서 병변 영역 식별에 활용할 수 있다. 본 논문에서는 반려견의 6가지 주요 피부질환을 클래스로 정의하고 이를 분별하는 U-Net 모델을 학습시켰다. 이를 모바일 앱으로 구현하여 간단한 카메라 촬영으로 병변 분석과 예측 작업을 수행하여 결과를 제공한다. 이를 통해서 반려인들은 반려동물의 건강 상태를 관찰하고 조기 진단에 도움이 되는 정보를 얻을 수 있다. 이와 같이 딥러닝을 통해서 반려동물 건강관리에 신속하고 정확한 진단 도구를 제공함으로써 가정에서도 손쉽게 이용할 수 있는 서비스 개발에 중요한 의미를 두고 있다.

본 연구에서는 움직임 센서 모듈과 딥러닝을 활용하여 반려견의 행동을 실시간으로 인식하고 분석하는 방법을 제안한다. 일반적으로 반려견의 행동을 파악하는 홈 CCTV(Closed-Circuit Television)는 개인의 사생활 보호 문제와 보안 이슈가 있어 이를 극복하기 위한 새로운 기술의 필요성이 제기되고 있다. 본 논문에서는 움직임 센서에서 측정되는 데이터를 기반으로 반려견의 행동을 분석하고 케어할 수 있는 시스템을 제안한다. 본 연구에서는 MLP(Multi-Layer Perceptron)와 CNN(Convolutional Neural Network) 모델을 비교하여 반려견 행동 분석에 적합한 모델을 선정하고 최적화를 하였으며, 실험 결과, 제안된 MLP 모델은 평균 82.19%의 정확도를 보이는 것을 확인하였으며, 모델 경량화를 통해 임베디드 환경에서 효율적으로 활용될 수 있음을 확인하였다.

본 연구는 스마트팩토리 환경에서의 사이버 보안 리스크 관리 체계를 제시하였다. 스마트팩토리는 제조업에서 인공지능, 빅데이터, 사물인터넷(IoT), 자동화 등 첨단 기술을 활용하여 생산 시스템을 최적화하고 효율성을 높이는 공장을 의미한다. 이러한 기술들은 생산 프로세스를 자동화하고 데이터를 실시간으로 수집하여 분석하므로, 생산 과정에서의 결함을 빠르게 감지하고 조치할 수 있다. 그러나 이러한 디지털화된 환경은 사이버 공격에 취약하며, 생산 시스템의 중단이나 정보 유출로 인한 심각한 피해를 입을 수 있어 사이버 보안 리스크를 효과적으로 관리하는 체계적인 접근 방식이 필수적으로 요구된다. 본 연구에서는 비즈니스 프로세스 기반 보안 위험 평가와 더불어 스마트팩토리 환경에서의 사이버 보안 리스크 관리체계를 제안하였다. 이러한 연구들은 스마트팩토리의 사이버 보안 리스크 관리를 더욱 향상시키는 데 도움이 될 것이다. 또한 스마트팩토리가 안전하고 효율적으로 운영될 수 있도록 하는 데 중요한 역할을 할 것이다.

HVDC (high-voltage direct current) 시스템에 TP (thermoplastic) 케이블을 안전하게 사용하기 위해서는 다양한 연구와 테스트를 통해 운전 중 발생할 수 있는 시스템 고장으로 인한 케이블의 수명 손실률 분석이 필요하다. 본 논문에서는 HVDC 시스템 운영 중에 발생할 수 있는 고장 유형에 따른 TP 케이블의 절연체 수명 손실률을 분석하였다. TP 케이블 모델에 고장으로 인한 전력을 인가하고, 2D 유한요소법을 통한 분석 결과를 바탕으로 Arrhenius-IPM (Inverse Power Model)을 적용하여 절연체의 수명 손실률을 분석하였다. 분석결과 절연체 수명 손실률은 전기장 세기의 영향이 높았으며, 고장 발생 시 절연체 내부 측에서 손실률이 가장 높았다. 이러한 결과는 TP 케이블 상용화를 위한 초기 설계 단계에서 중요한 특성으로 사용될 수 있다.

본 연구에서는 다중 에이전트를 이용한 타깃 감지 문제를 다루는데, 특히 이동식 에이전트를 활용한 감지 문제는 경로 계획에 대한 전략이 추가로 필요하다. 문제의 목표는 특정 기간 내 감지 프로세스를 통해 총 효용을 극대화할 수 있는 각 에이전트의 경로를 찾는 것인데, 시간에 따라 타깃의 사건 발생 확률이 변하도록 하는 포아송 프로세스(Poisson process) 기반의 확률적 프로세스(stochastic process)를 고려하여 현실적인 효용 값을 반영한다. 본 감지 문제의 목적함수는 비선형(non-linearity)이고, NP-난해(NP-hard) 문제로 표현된다. 효율적인 계산 시간 내에 효과적인 해를 찾기 위해, 본 연구에서는 하위모듈성(submodularity)의 특성을 갖는 목적함수임을 증명하고, 이를 활용해 비교적 낮은 계산 시간으로 합리적인 전략을 얻기 위한 휴리스틱 알고리즘을 제안한다. 제안한 알고리즘은 해의 성능과 적절한 계산 시간 내에 해를 도출할 수 있다는 측면에서 우수한 알고리즘임을 이론 및 실험적으로 제시한다.

슬관절 골관절염(OA, Osteoarthritis)은 전 세계적으로 매우 흔한 근골격계 질환이다. 빠르고 정확한 초기 진단이 필요한 슬관절 골관절염의 등급은 현재 분산된 분류 시스템에 따라 다르게 판정되며, 각 분류 시스템마다 기준이 상이하다. 또한 의료진이 X-ray 사진을 직접 보고 판독하기 때문에 의료진의 주관적인 의견에 따라 달라지며 시간이 많이 소요되어 정확한 진단과 명확한 치료 계획 수립에 시간이 지연되고 있다. 따라서 본 연구는 딥러닝 기술인 CNN을 사용하여 슬관절 골관절염 등급 판단 기준이 되는 협착 부분의 길이 측정 알고리즘과 골극의 탐지 및 길이 측정 알고리즘을 따로 설계하였다. 또한 기존 분류 시스템을 통합 보완한 등급 분류 시스템을 만들어 실제 의료진의 판단과 일치하는 결과를 나타내고자 한다. 공개적으로 사용 가능한 OAI (Osteoarthritis Initiative) 데이터를 기반으로 하여, 총 9,786개의 슬관절 방사선 데이터가 본 연구에 사용되었으며, 최종적으로 Accuracy(정확도) 69.8%, F1 score 76.65%를 달성하였다.

본 연구의 목적은 시맨틱 검색 기법을 활용하여 사용자 쿼리 기반의 타당한 정확도를 가진 관광지 랭킹시스템을 설계하는 것이다. 이를 위해 관광지에 대한 텍스트 리뷰 데이터 수집, 데이터 전처리 및 SBERT를 활용한 임베딩 과정을 거쳤다. 이후 유사도를 측정하고 임계값을 충족하는 데이터를 필터링한 후 카운트 기반 랭킹 알고리즘을 적용하여 쿼리와 의미적으로 유사한 순서로 관광지 순위를 도출하였다. 제안된 랭킹 알고리즘의 평가를 위해 4개의 쿼리로 실험을 진행하여 연관성이 높은 상위 5개 관광지를 도출하였다. 도출된 결과값의 비교를 위해 58,175개의 문장에 직접 라벨을 붙여 세 번째 쿼리인 혼잡도와 의미적으로 연관성이 있는지를 확인하였다. 두 결과값이 유사하여 본 연구에서 제시된 랭킹 알고리즘의 효율성이 검증되었다. 임계값 최적화, 데이터 불균형 등의 문제에도 불구하고 이 연구는 시맨틱 검색 기법을 이용하여 적은 비용과 시간으로도 사용자의 의도를 파악하여 관광지를 추천하는 것이 가능하다는 것을 보여주었다.

본 연구는 미얀마의 지속가능발전 지수는 2018년부터 2020까지 3년간 증가하였지만, 2021년부터는 지속가능발전 지수가 하락하는 것으로 나타났다. 본 연구에서는 미얀마의 지속가능발전 성공 요인과 저해(방해) 요인을 분석하고자한다. 2018년 1월부터 2023년 12월까지 '미얀마'와 '지속가능성'이라는 키워드를 활용하여 뉴스 데이터를 수집하였다. 텍스트 네트워크 분석을 통해 미얀마의 지속가능발전에 대한 성공요인(예, 해외 투자 유치, 민간 기업의 참여노력, "인적자원 개발 프로젝트, 신재생 에너지 활용 등') 및 저해요인(예, 정부의 강압적 정책, 노동권 침해, 삼림훼손 등)이 도출되었다. 본 연구 결과는 미얀마의 지속가능성에 대한 현황을 학문적 실무적 관점에서 이해하는 데 활용될 수 있으며, 국가적 차원에서 지속가능발전 실천을 위한 방향을 수립하고자 할 때 정책 입안자 및 유사 국가에서 벤치마킹 자료로 활용될 수 있을 것이다.

본 연구는 COVID19 이후 2022년 경기 회복에 따른 갑작스러운 항공 수요 증가로, 객실 승무원이 과도한 스케줄을 소화하면서 높은 스트레스와 피로가 심각한바, 항공사 객실 승무원의 여가활동이 여가만족, 직무만족에 미치는 영향과 여가만족 매개효과를 검증하고자 했다. 이러한 연구 목적을 위해, 국내외 항공사 객실 승무원 251명 대상 온라인상에서 자기기입식 설문을 수행, 총 224명의 데이터 대상으로 통계프로그램 SPSS 27.0과 SPSS Marco 3.4를 통해, 여가유형이 여가만족 및 직무만족에 각각 미치는 영향과 여가유형이 직무만족에 미치는 영향에서 여가만족 매개효과 가설을 검증하였다. 가설 검증 결과, 여가활동 유형 중 가족형, 친구형, 직장형 모두가 여가만족에 유의한 정(+)의 영향을, 가족형, 직장형이 직무만족에 유의한 정(+)의 영향을, 여가만족은 직무만족에 유의한 정(+)의 영향을 미쳤다. 또한, 매개효과 검증 결과, 가족형 여가, 직장형 여가가 직무만족에 미치는 영향에선 여가만족은 부분매개효과를, 친구형 여가활동이 직무만족에 미치는 영향에서 여가만족은 완전 매개효과를 가짐을 확인했다. 따라서, 본 연구는 이러한 연구 결과에 따른 학문적 시사점과 차후 항공사 객실 승무원의 여가만족과 직무만족을 증대할 수 있는 여가유형 활용 전략을 제시했고, 차후 연구는 본 연구 결과의 타당성을 현장 관련자 대상 델파이 기법 혹은 AHP 분석을 통한 중요도 및 우선순위 검증 등을 추가로 수행할 필요가 있음을 제언했다.