• 기술혁신학회지
• /
• 제17권4호
• /
• pp.733-762
• /
• 2014

정부는 과학기술 핵심 인프라인 연구시설 장비의 이용 효율화를 위해 국가 연구개발 사업예산을 통해 구축한 연구시설 장비를 국가과학기술정보서비스(NTIS)에 등록할 것을 의무화하고 있다. 본 연구는 국가연구시설 장비의 효율적 관리를 위한 연구기관 구성원의 인식도 조사를 시행하고, 식스시그마 DAMIC 방법론을 통해 국가연구시설 장비 등록 프로세스 개선에 영향을 미치는 주요 요인을 도출함으로써 국가연구시설 장비의 운영 선진화와 활용 극대화 정책에 기여하고자 하였다. 이를 위하여 A대학교 사례를 중심으로 먼저 연구시설 장비의 대학 관계자인 연구책임자, 보직교수, 대학원생, 연구원, 직원을 대상으로 설문과 인터뷰를 수행하였다. 인식도 조사 결과, 연구시설 장비의 전주기적 관리와 구체적인 절차에 대한 인식이 부족함을 확인할 수 있었다. 대학의 경우 국가연구시설 장비의 운영선진화와 활용극대화를 위해서는 대학현장의 의견을 수렴하고 대학의 고유한 특성을 반영한 정책 추진이 필요함을 알 수 있었다. 연구시설 장비 등록 프로세스 개선을 위해 식스시그마 방법을 통해 CTQ-Y로 연구시설 장비 등록기한 준수율과 연구시설 장비 등록정확도를 선정하였다. Process Map과 C&E Diagram을 통해 72개 잠재원인변수를 도출하였고, 이를 대상으로 X-Y Matrix와 Pareto Chart를 통해 최종적으로 13개 잠재원인변수를 확정하였으며 개선안의 방향을 제시하였다. 연구기관마다 연구기관의 특성에 맞게 등록프로세스 개선에 영향을 미치는 잠재원인변수를 추출하고 이를 개선하기 위한 상세개선안을 마련함으로써 국가연구시설 장비의 활용 극대화를 제고할 수 있을 것이다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권2호
• /
• pp.503-523
• /
• 2022

Nowadays, many attendance applications utilise biometric techniques such as the face, fingerprint, and iris recognition. Biometrics has become ubiquitous in many sectors. Due to the advancement of deep learning algorithms, the accuracy rate of biometric techniques has been improved tremendously. This paper proposes a web-based attendance system that adopts facial recognition using open-source deep learning pre-trained models. Face recognition procedural steps using web technology and database were explained. The methodology used the required pre-trained weight files embedded in the procedure of face recognition. The face recognition method includes two important processes: registration of face datasets and face matching. The extracted feature vectors were implemented and stored in an online database to create a more dynamic face recognition process. Finally, user testing was conducted, whereby users were asked to perform a series of biometric verification. The testing consists of facial scans from the front, right (30 - 45 degrees) and left (30 - 45 degrees). Reported face recognition results showed an accuracy of 92% with a precision of 100% and recall of 90%.