• 한국항해항만학회지
• /
• 제43권1호
• /
• pp.72-78
• /
• 2019

중고선은 신조선과 달리 시장참여자에게 즉각적인 시장 진출입 기회를 제공하기 때문에 해운산업에서 중요한 시장이라 할 수 있다. 중고선 거래 시 정확한 선가 추정은 향후 장기적인 자본비용의 부담과 직접적인 관련이 있기 때문에 투자의사결정에서 상당히 중요한 요소가 된다. 기존의 중고선시장과 관련된 연구들은 시장의 효율성검증에 치우쳐 있어 정확한 중고선가 추정을 위한 연구는 부족한 실정이다. 본 연구에서는 중고선박 가치추정에 전통적인 계량모델보다 기존연구에서 시도되지 않았던 인공신경망모델을 새롭게 제안하였다. 문헌연구를 통해 중고선 가격에 영향을 미치는 6개 요인(운임, 신조선가격, 총 선복대비 발주량, 해체선 가격, 선령, 사이즈)을 선정하였고, 데이터는 2016년 1월부터 2018년 12월까지 Clarkson에 보고된 파나막스 중고선의 실거래 기록 366건을 이용하였다. 변수선정을 위하여 상관분석과 단계적 회귀분석 실시한 결과 최종적으로 운임, 선령, 사이즈 3개의 변수가 채택되었다. 모델의 설계는 10분할 교차검증으로 인공신경망모델의 파라미터들을 추정하여 진행되었다. 인공신경망 모델의 중고선 가치추정치를 단순 단계적 회귀모형과 비교한 결과 인공신경망모델의 성능이 우수함을 확인하였다. 이 연구는 중고선 선가추정에 미치는 요인들에 대한 통계적인 검증, 성능개선을 위한 기계학습기반의 인공신경망 모델활용이라는 측면에서 차별적 의미가 있다. 또한 정확한 선가 추정이 요구되는 실무에서 통계적인 합리성과 결과의 정확성이 동시에 만족되는 과학적 모델을 제시하여 실무적으로도 도움이 될 것으로 기대한다.

• 한국BIM학회 논문집
• /
• 제10권1호
• /
• pp.9-22
• /
• 2020

Recently, BIM has been extended to infrastructures such as roads and bridges, and the demand for BIM standard development for ports is increasing internationally. Due to the low level of utilization of classification system and drawing standards compared to other infrastructures, and the closed nature of national security facilities, ports have insufficient level of connection and sharing environment among external systems or users. In addition, since the standardization of data for port facilities is not made, it is still necessary to establish an independent DB for each system and to ensure interoperability of data between these systems since it does not have a shared environment among similar data. Therefore, the purpose of this study is to develop and verify IFC, the international standard for BIM, in order to cope with the BIM environment and to be commonly used in the design, construction, and maintenance of port facilities. To this end, we build a standard schema with port-specific Express Notation according to buildingSMART International's standard development methodology. First, domestic and international reference model standards were analyzed to derive components such as space and facilities of port facilities. Based on this, the components of the port facility were derived through the codification, categorization, and normalization process developed by the research team. This was extended based on the port BIM object classification system developed by the research team. Normalization results were verified by designers and associations. Then, IFC schema construction was based on Express-G data modeling based on IFC 4 * 2 Candidate, which is a bridge candidate standard based on IFC4 (ISO16739), and IFC 4 * 3 Draft, which is developed by buildingSMART International. The final schema was validated using the commercialized validation tool. In addition, in order to verify the structural verification of the port IFC schema, the transformation process was verified by converting the caisson model into a Part21 file. In the future, this result will not only be used as a delivery standard for port BIM products, but will also be applied as a linkage standard between systems and a common data format for port BIM platforms when BIM is used in the maintenance phase. In particular, it is expected to be used as a core standard for data exchange in the port maintenance stage.

• 한국농림기상학회지
• /
• 제23권4호
• /
• pp.415-423
• /
• 2021

NCAM-LAMP 중기예측 자료의 통계적 후처리와 개선을 위하여 R 기반의 지점 시계열 자료 검증 체계를 구축하였다. 이 시계열 검증체계를 이용하여 기상청 AWS 관측 자료와 NCAM-LAMP, KMA GDAPS 중기예측 모델 자료를 비교하였다. 이를 위해 관측 지점에 가장 근접한 모델 위도 및 경도 자료를 추출하여 총 9개 지점을 선정하였다. 각 지점에 대해 NCAM-LAMP, GDAPS 모델의 기온, 강수량, 풍속 일평균 예측 자료를 관측과 비교한 결과, 모델들은 풍속의 과대예측 경향을 뚜렷이 보였으며, 기온과 강수의 경우에는 두 모델의 예측력이 월별 및 변수별로 다르게 나타났다. 이를 바탕으로 본 연구에서는 통계적 기법을 개발하여 NCAM-LAMP가 가지고 있는 오차를 줄이고자 하였다. 모델 오차를 줄이기 위해 일반적으로 쓰이는 MOS(Model Output Statistics)기법 중에 인공지능 SVM(Support vector machine) 방식을 8~10월 기간에 적용한 결과, 8월에 비해서 10월이, 기온 변수에 비해서 바람과 강수 변수가 개선된 효과를 보여주었다. 이러한 결과는 풍속의 과대예측을 줄이고, 농림 가뭄지수와 산사태 예측 등을 개선시키며, 지역 수치예보 모델이 시간 적분됨에 따라 영역 내 예측가능성이 점점 저하되는 현상을 완화시키는데 SVM 방법이 일정 부분 기여할 수 있음을 가리키며, 현업 표출 중인 NCAM Agro-Meteogram 개선에도 도움을 줄 것으로 기대된다.

• 융합신호처리학회논문지
• /
• 제22권4호
• /
• pp.149-155
• /
• 2021

본 연구에서는 전동 이동기기를 이용하는 교통약자의 이동을 제한하는 노면 불량 요소를 딥러닝을 이용해 자동 검출하는 불량 노면객체 인식모델을 개발하고자 한다. 이를 위하여 부산시 관내 5개 지역에서 실제 전동 이동 보조 장치가 이동할 것으로 예상되는 보행로, 주행로를 대상으로 하여 노면 정보를 수집하였으며 이때 도로 정보 수집은 데이터 수집을 보다 용이하게 하기 위하여 소형 차량을 이용하였다. 데이터는 노면과 주변을 그 주변을 구성하는 객체로 구분하여 영상을 수집하였다. 수집된 데이터로부터 교통약자의 이동을 저해하는 정도에 따라 분류하여 보도블록의 파손등급 검출과 같은 일련의 인식 항목을 정의하였고, YOLOv5 딥러닝 알고리즘을 해당 데이터에 적용하여 실시간으로 객체를 인식하는 불량노면 객체 인식 딥러닝 모델을 구현하였다. 연구의 최종단계에서 실제 주행을 통해 객체 단위로 분리 수집된 영상 데이터의 가공, 정제 및 어노테이션 과정을 수행한 후 모델 학습과 검증을 거쳐 불량노면객체를 자동으로 검출하는 딥러닝 모델의 성능 검증 과정을 진행하였다.

• 대한임상검사과학회지
• /
• 제54권2호
• /
• pp.79-94
• /
• 2022

COVID-19로 인한 높은 전염성과 호흡기 질환의 심각성 때문에, 전염의 확산을 더 잘 모니터링하고 예방하기 위해 경제적이고 정확한 검사가 필요하다. COVID-19 대유행의 초기 단계에서 SARS-CoV-2의 구조적 및 분자적 특성이 밝혀짐에 따라, 많은 COVID-19 진단 키트 제조업체들은 진단 테스트의 설계, 개발, 검증 및 구현에 적극적으로 투자했다. 현재, SARS-CoV-2에 대한 진단검사로써 신속한 항원, 특정 IgG 및 IgM 항체검사를 위한 면역 혈청학적 검사 그리고 분자 진단 검사가 가장 널리 사용되고 검증된 기술이다. 분자 진단 분석법은 SARS-CoV-2에 감염된 것으로 의심되는 개인에서 바이러스 RNA를 직접 검출하기 위한 gold standard이다. 항체 기반 혈청 검사는 지역사회에서 COVID-19 유병률을 결정하고 면역력을 획득한 개인을 식별하는 데 사용되는 간접 검사이다. 본 논문에서는 시판되고 FDA가 승인한 분자 및 면역학적 진단 측정을 평가하여 성능 특성을 분석하였다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제7권6호
• /
• pp.55-62
• /
• 2017

본 연구는 그림책 속의 인성요소를 분석하여 누리과정 중심의 유아인성교육 프로그램을 개발하기 위한 연구이다. 그림책은 유아들에게 가장 친숙한 매체이며, 생활 속에서 자연스럽게 접할 수 있다. 이를 위해, 먼저 누리과정 교사용 지침서 내의 인성요소(배려, 존종, 협력, 나눔, 질서, 효) 6가지를 분석하였다. 다음으로, 분석한 인성요소를 참고하여 본 프로그램에 활용될 그림책 12편은 문학성, 예술성, 교육성을 기준으로 선정되었다. 선정된 그림책은 누리과정 교사용 지침서 내 인성요소에서 각 2차시의 교육계획안을 고안하여 총 12차시로 고안하였다. 마지막으로 현장 교사 2인과 유아교육과 교수 2인의 전문가 타당화 과정을 거쳐 최종 개발되었다. 개발된 본 프로그램은 추후 유아교육현장에서 만 3~5세 유아를 대상으로 각 연령 당 12차시의 활동을 적용한 후 효과검증이 요구되며, 유아들이 본 프로그램을 직접 경험해봄으로써 인성요소인 배려, 존중, 협력, 나눔, 질서, 효를 증진시킬 수 있을 것이다. 또한 유아교육현장의 교사들에게 유아인성교육 학습지도안으로 제공할 수 있다.

• 재활복지
• /
• 제16권3호
• /
• pp.165-192
• /
• 2012

본 연구는 정신장애인의 지역사회통합에 대한 타당성 있는 자기보고식 척도를 개발하는데 그 목적이 있다. 본 연구에서는 이를 위하여 문헌분석, 정신장애인 심층면접, 전문가 집단 조사, 서베이 활동이 이루어졌다. 첫째, 문헌분석과 정신장애인 심층면접, 전문가 집단조사를 수행하여 정신장애인의 지역사회통합과 관련한 문항을 수집하고 제작하였다. 둘째, 예비조사 1은 면접조사 결과에서 나타난 문항의 선정과 수정에 초점을 두고, 전문가 자문을 통해 문항의 중요도와 내용 타당도를 검증하여 44개의 지표를 구성하였다. 마지막으로 예비조사 2는 524명의 자료에 대해 교차타당화 방식을 적용하여 문항의 요인구조와 개념타당도를 검증하였다. 탐색적 요인분석 결과 5개의 요인구조가 적합한 것을 확인하였으며, 이에 대해 구조방정식 모형으로 확인적 요인분석을 실시하여 '심리적통합', '물리적통합', '사회 지지', '사회적통합', '독립/자아실현'의 5개 하위개념(27개 문항)으로 구성된 정신장애인의 자기보고식 지역사회통합 척도를 개발·제시하였다. 이 척도는 만족할만한 수준의 신뢰도와 타당도를 나타내었다. 또한 정신장애인의 '삶의 만족도'척도와 상관분석을 한 결과 r=.51로 상관관계가 있는 것으로 나타나 공인타당도를 만족시켰다.

• 한국정보전자통신기술학회논문지
• /
• 제16권5호
• /
• pp.230-238
• /
• 2023

식품제조 중소기업들은 원물 투입부터 최종 팔렛타이징까지 대부분 노동집약적이고 수작업으로 구성되어 있다. 최근 로봇과 센서 데이터 기술요소 적용으로 스마트화 디지털화로 변화하는 추세이다. 본 연구에서는 식품제조기업에서 적용 설비 역량보다 작업자가 속도를 따라가지 못하는 반복작업 공정 2가지를 선정하였으며, 이를 3D 시뮬레이션을 활용하여 개선 효과성을 규명하고자 한다. 꼬치 조립 후 작업자들이 계량 후 포장하는 공정과 무작위로 공급되는 냉동식품류를 계량-내·외포장-팔렛타이징 일괄 수작업 공정 2개를 선정하였다. 가동률, 생산량, 투입 작업자 수를 검증 지표로 선정하였다. 3D 개선 공정 시뮬레이션 결과 생산량은 각각 기존보다 13.5%, 56.8% 증가했으며, 특히 팔렛타이징 로봇 적용 공정에서 높은 효과성을 보였다. 두 공정 모두 가동률과 투입인력 수는 감소함에 따라 작업자에게 피로도가 높은 공정을 로봇으로 대체 적용할 수 있어 작업 과부하를 개선할 수 있는 결과를 나타냈다. 본 연구 결과를 바탕으로 3D 시뮬레이션을 활용하여 식품계량 및 포정 공정에 로봇을 도입함으로써 개선된 공정의 성능을 정량적으로 사전 검증의 가능성을 확인할 수 있었다.

• 한국터널지하공간학회 논문집
• /
• 제25권6호
• /
• pp.569-582
• /
• 2023

최근 국내 주요 SOC 시설물의 사용 연수가 30년 이상을 넘어가고 있어, 10년 내 노후화가 급속도로 진행될 것으로 예상되면서 시설물의 선제적 유지관리에 대한 필요성이 대두되고 있다. 이에 따라 유지관리 분야에도 스마트 점검 기술을 도입하기 위한 연구가 다수 수행되고 있다. 하지만 현재 시설물 유지관리는 인력위주의 안전점검 및 진단에 맞춰 제도가 마련되어 있어, 실제 현장에서 육안조사에 의존하여 조사가 이뤄지고 있는 실정이다. 인력점검의 경우 점검시간이 과다 소요되고 결과 분석 시에 주관적인 오류 등이 발생할 수 있으며, 터널의 경우 일부 구간 차단으로 사회간접비용 손실 등이 발생한다는 단점이 있다. 따라서 스마트 안전점검을 제도적으로 도입하기 위해서는 첨단 장비 사용, 전문가 자격 변경 등 구체적인 방안 마련을 위한 검토가 필요하다. 또한 제도적 변경에 앞서 첨단 장비를 통한 안전점검 결과에 대한 확인 및 검증이 필요하므로, 국가차원의 공식적인 연구나 검증 기관 운영 등이 필요하다. 이를 통해 유지관리 분야에 스마트 점검 기술이 도입되면, 터널 등 SOC 시설물의 일상적인 점검이 가능해질 것으로 예상된다. 결과적으로 시설물 상태변화에 의한 안전사고를 미리 인지하고 선제적으로 대응할 수 있는 유지관리 기술이 정착될 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.139-156
• /
• 2021

이미지 분류에서 딥러닝 모형을 사용하는 가장 큰 이유는 이미지의 전체적인 정보에서 각 지역 특징을 추출하여 서로의 관계를 고려할 수 있기 때문이다. 하지만 이미지의 지역 특징이 없는 감정 이미지 데이터는 CNN 모델이 적합하지 않을 수 있다. 이러한 감정 이미지 분류의 어려움을 해결하기 위하여 매년 많은 연구자들이 감정 이미지에 적합한 CNN기반 아키텍처를 제시하고 있다. 색깔과 사람 감정간의 관계에 대한 연구들도 수행되었으며, 색깔에 따라 다른 감정이 유도된다는 결과들이 도출되었다. 딥러닝을 활용한 연구에서도 색깔정보를 활용하여 이미지 감성분류에 적용하는 연구들이 있어왔으며, 이미지만을 가지고 분류 모형을 학습한 경우보다 이미지의 색깔 정보를 추가로 활용한 경우가 이미지 감성 분류 정확도를 더 높일 수 있었다. 본 연구는 사람이 이미지의 감정을 분류하는 기준 중 많은 부분을 차지하는 색감을 이용하여 이미지 감성 분류 정확도를 향상시키는 방안을 제안한다. 이미지의 RGB 값에 K 평균 군집화 방안을 적용하여 이미지를 대표하는 색을 추출하여, 각 감성 클래스 별 해당 색깔이 나올 확률을 가중치 식으로 변형 후 CNN 모델의 최종 Layer에 적용하는 이-단계 학습방안을 구현하였다. 이미지 데이터는 6가지 감정으로 분류되는 Emotion6와 8가지 감정으로 분류되는 Artphoto를 사용하였다. 학습에 사용한 CNN 모델은 Densenet169, Mnasnet, Resnet101, Resnet152, Vgg19를 사용하였으며, 성능 평가는 5겹 교차검증으로 CNN 모델에 이-단계 학습 방안을 적용하여 전후 성과를 비교하였다. CNN 아키텍처만을 활용한 경우보다 색 속성에서 추출한 정보를 함께 사용하였을 때 더 좋은 분류 정확도를 보였다.