• 산업공학
• /
• 제20권3호
• /
• pp.315-326
• /
• 2007

The service industry is becoming greater importance in the current economy. The service quality has become an important competitive factor in service industry. Until now, 6 sigma method has well accomplished in manufacturing industry. 6 sigma method has been applied to the service industry to improve service quality, but it has not been reported that 6 sigma method is a successful method for service industry to improve service quality. In this paper, we suggest a MAVIC model to improve service quality. It is a model which is combined with advantages of a SERVQUAL model and 6 sigma method. We has proved its effect with applying a MAVIC model to real service techniques.

• 한국품질경영학회:학술대회논문집
• /
• 한국품질경영학회 2006년도 추계 학술대회
• /
• pp.73-78
• /
• 2006

In Modern Industrial Society, Service industry are became more important and larger. It is necessary in Serve industry that Service Quality system(SQS) which is as like Total Quality Management system. In this appaer, we propose Service Quality System Model which is compose Monitoring-Analysis-Validate-Improve-Control(MAVIC). Specially Monitoring-Analysis are measured and analysis by using SERVQUAL model.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1731-1738
• /
• 2021

본 연구에서는 드론 정사영상과 객체추출 기법을 융합하여 개체목을 선별함과 더불어 수고를 추정할 수 있는 방법론을 제시하고자 하였다. 연구대상지는 충청남도 예산군 공주대학교 학술림에 위치한 리기다소나무림으로 간벌을 강도별로(40%, 20%, 10%, 대조구)로 조성한 시험지이다. 정사영상취득은 DJI사의 MAVIC2 PRO 드론을 이용하였으며, 촬영 범위 내 가장 높은 지형지물을 고려하여 고도를 180 m로 설정하였다. 영상왜곡을 방지하기 위하여 지상기준점 설치 및 내중첩(End lap)과 옆중첩(Side lap)을 각각 80%로 설정하였다. 영상분석 통하여 수치표면모델(DSM)과 수치지형 표고모델(DTM)을 추출하고 두 모델의 고도차를 이용해 수고모델(DCHM)을 생성하였다. 본 연구결과에 의하면, 간벌강도별 개체목 추출율은 간벌강도 40%는 109.1%, 간벌강도 20% 87.1%, 간벌강도 10% 63.5%, 대조구 56.0% 수준이었다. 개체목 별 수고특성을 추출한 결과, 간벌강도 40%는 현장조사 결과보다 약 1.43 m 낮았으며, 간벌강도 20%는 1.73 m, 간벌강도 10%는 1.88 m, 대조구는 2.22 m 낮게 측정되었다.

• 토지주택연구
• /
• 제14권2호
• /
• pp.125-135
• /
• 2023

드론은 국토조사, 수송, 해양, 환경, 방재, 문화재, 건설 등 다양한 분야에서 활용되고 있다. 또한 사물인터넷(Internet of Things), 인공지능(Artificial Intelligence) 등과 관련하여 4차 산업 혁명의 핵심기술을 검증하고 적용시킬 수 있는 기술로 떠오르고 있다. 본 연구에서는 드론을 활용하여 균열을 자동으로 탐지할 수 있는 딥러닝 모델을 개발하고자 한다. 딥러닝 학습을 위한 이미지 데이터는 Mavic3 드론을 이용하여 수집하였고 촬영고도는 20m, ×7배율로 촬영하였다. 촬영 시 약 2m/s의 속도로 전진하여 영상을 찍고, 프레임을 추출하는 식으로 데이터를 수집하였다. 이런식으로 수집한 데이터를 통해 딥러닝 학습을 진행하였다. 본 연구에서는 딥러닝 학습모델로 Backbone으로는 Swin Transformer, Architecture로 UperNet을 사용하였다. 약 800장의 라벨링 된 데이터를 Augmentation기법으로 데이터 양을 증가시키고 3차에 걸쳐 학습을 진행하였다. 1차와 2차 학습 시 Cross-Entropy loss function을 사용하였고 3차 학습 시 Tversky Loss Function을 사용하였다. 학습결과, 균열 탐지와 균열율을 계산할 수 있는 모델을 개발하였다. 또한, 드론의 위치 정보를 이용해 특정 도로의 한 차선 균열율을 계산할 수 있는 모델을 개발하였다. 향후 추가적인 연구를 통하여 균열탐지모델의 고도화를 사물인터넷(IoT)과의 융합으로 이루었을 때 소파보수(Patching)나 포트홀(Pothole)의 탐지가 가능할 것으로 보인다. 또한 드론의 실시간 탐지 업무수행으로 포장 유지 보수구간에 대한 탐지를 신속하게 확보할 수 있을것으로 기대된다.

• 대한원격탐사학회지
• /
• 제36권2_2호
• /
• pp.249-261
• /
• 2020

다중 플랫폼/센서를 활용한 연안 모니터링은 연안 해양환경 변화와 다양한 재해/재난을 높은 시공간 해상도로 정확하게 이해하기 위한 매우 중요한 수단이다. 하지만 다중 플랫폼과 센서를 복합적으로 이용한 통합 관측 연구는 미비한 실정이고, 통합 관측을 통한 효율성, 융합 한계성 등에 대해 평가된 바 없다. 본 연구에서는 다중 원격탐사 플랫폼/센서를 이용한 모의실험을 통해 통합 관측 방법을 제시하고, 그 효용성과 한계점을 진단하였다. 다양한 해양 재해, 재난을 모사하기 위하여 Rhodamine WT (RWT) 형광염료를 이용하여 통합 현장조사를 수행하였다. 2019년 9월 남해-여수 해역에 형광염료를 주입 후 위성(Kompsat-2/3/3A, Landsat-8 Operational Land Imager (OLI), Sentinel-3 Ocean and Land Colour Instrument (OLCI), GOCI), 무인항공기 (Mavic 2 pro, Inspire 2), 유인항공기 플랫폼을 이용하여 염료 패치의 분포와 이동을 탐지하였다. 형광염료 주입 초기 패치 규모는 2,600 ㎡ 이었고, 약 138분 후 62,000 ㎡ 규모까지 확산되었다. RWT 패치는 처음 주입된 지점으로 부터 점차 남서 방향으로 이동하였고, 이는 현장 모의 실험이 진행되는 동안 조위(고조: 7시 7분(286 cm), 저조: 13시 9분(73 cm))가 점차 낮아짐에 따라 조석이 남동 방향으로 흐르는 것과 유사하였다. 무인항공기 영상은 공간해상도와 시간해상도 측면에서 가장 높은 해상력을 보인 반면 탐지 영역이 가장 좁았다. 위성의 경우 탐지 영역은 넓었지만 재방문 주기가 길기 때문에 운용성 측면에서 타 플랫폼과 비교하여 다소 한계가 있었다. 또한 Sentinel-3 OLCI와 GOCI의 경우 분광해상도와 신호 대 잡음비(signal to noise ratio)가 가장 높았지만 소규모 형광염료 탐지에는 공간해상도 측면에서 제한적이었다. 유인항공기에 탑재된 초다분광 영상의 경우 분광해상도가 가장 높았지만 이 역시 운용성 측면에서 다소 제한적이었다. 다중 플랫폼 통합관측 연구를 통해 시간과 공간뿐만 아니라 분광 해상력 증가 향상을 확인 가능하였다. 향후 이 연구 결과가 연안 수치모델과 연계된다면 오염 물질의 이동확산 예측이 가능할 것으로 생각되고, 수치모델의 입력 및 검증 자료로 활용하여 모델 정확도 향상에 기여할 수 있을 것으로 기대된다.

• 한국엔터테인먼트산업학회논문지
• /
• 제15권4호
• /
• pp.349-357
• /
• 2021

최근 급속히 보편화되고 확대되는 드론의 비행 데이터가 엔터테인먼트 기술 분석 자료로 활용이 가능한지의 검증이 매우 필요하다. 특히, 자율화, 지능화의 방법으로 발전하는 엔터테인먼트 드론의 비행과 운용과정을 데이터 분석과 기계학습을 통해서 분석 및 활용할 수 있는지를 확인해야 한다. 본 논문에서는 엔터테인먼트용 드론의 평가에 FC의 데이터를 이용하여 머신러닝 기법으로 활용할 수 있는지를 확인하였다. 그 결과 매빅2나 아나피와 같은 DJI나 Parrot의 FC 데이터는 엔터테인먼트를 위한 머신러닝 분석이 불가능하였다. 이는 데이터가 0.1초 이상의 간격으로 수집됨으로써 GCS와의 다른 데이터들과의 상관성을 찾기 불가능하기 때문이다. 이에 반하여 ARM 프로세서를 채용하여 Nuttx 운영체제로 작동하는 픽스호크의 경우에는 머신러닝 기법의 적용이 가능함을 알 수 있었다. 앞으로 고정익과 회전익 비행 정보들을 구분하여 엔터테인먼트의 특성 분석이 가능한 기술들을 발전시켜야 한다. 이를 위해서는 모델을 개발하고 체계적인 데이터 수집과 연구가 진행되어야 할 것이다.