Earticle

Home Secure System 수요의 증가는 기존 시스템이 원격 모니터링과 적응성 측면에서 한계를 지니고 있음을 보여준다. 본 논문에서는 아두이노 마이크로컨트롤러, 듀얼 ESP8266 모듈, 및 화재·동작·진동·조도 센서를 통합한 IoT 기반 홈 보안 시스템을 제안한다. 제안된 시스템은 환경 위협을 실시간으로 모니터링하고, 텔레그램 봇을 통한 경보 전송, 부저 작동, ThingSpeak 데이터 기록을 통해 즉각적으로 대응한다. 또한 LDR 기반 조명 모듈을 탑재하여 주변 밝기에 따른 자동 조도 조절 기능을 제공한다. 실험 결과, 본 시스템은 모든 센서에서 높은 신뢰성과 정확성을 입증하였으며, IoT 통합을 통해 비용 효율적이고, 반응성이 뛰어나며, 원격 관리가 가능한 스마트 홈 보안 구현 가능성을 확인하였다.

The rising demand for smarter home security underscores the limitations of conventional systems in terms of remote monitoring and adaptability. This paper proposes an integrated IoT-based home security solution built on an Arduino microcontroller, dual ESP8266 modules, and a suite of sensors, including fire, motion, vibration, and light detectors. The system continuously monitors environmental threats in real time and responds by sending alerts via a Telegram bot, activating a buzzer, and logging data to ThingSpeak. An additional LDR-based lighting module enhances automation by adjusting brightness according to ambient conditions. Experimental testing confirmed the system’s reliability and accuracy across all sensors. The results demonstrate that IoT integration can enable a cost-effective, responsive, and remotely manageable smart home security system.

본 연구는 음식점 리뷰의 신뢰도 저하와 개인화 정보 부족 문제를 해결하기 위해, AI 기반 리뷰 분석 및 개인화 추천 기능을 통합한 푸드테크 숏폼 플랫폼을 제안한다. 제안된 플랫폼은 Flutter 기반의 위치기반 모바일 애플리케이션 으로 구현되며, 숏폼 영상 리뷰를 중심으로 음식 정보를 제공한다. 특히, 리뷰 신뢰도 평가를 위해 BERT(Bidirectional Encoder Representations from Transformers) 기반의 자연어 처리 모델을 적용하여 리뷰의 내용, 감성, 형식 등을 종합적으로 분석하고 점수화한다. 또한, 사용자 맞춤형 추천에는 NCF(Neural Collaborative Filtering) 알고리즘을 활용하며, 시계열 클러스터링 기법을 통해 소비자 행동 패턴을 분석한다. 이를 통해 사용자에게는 신뢰도 높은 음식점 선택 도구를, 소상공인에게는 데이터 기반 마케팅 전략 수립에 유용한 인사이트를 제공한다.

This study proposes a foodtech short-form platform designed to address the decline in the reliability of restaurant reviews and the lack of personalized information. The proposed platform is implemented as a location-based mobile application using Flutter and provides food information centered on short-form video reviews. For review reliability evaluation, the system employs a BERT (Bidirectional Encoder Representations from Transformers)-based natural language processing model, and personalized recommendations are generated using an NCF (Neural Collaborative Filtering) algorithm. In addition, consumer behavior patterns are analyzed through time-series clustering, and the resulting insights are used to offer real-time marketing strategies to small business owners.

음성 데이터 라벨링은 음성 인식 및 자연어 처리 기술의 성능을 결정하는 중요한 과정이다. 그러나 전통적인 수작업 라벨링 방식은 대규모 데이터 처리에 있어 많은 시간과 비용이 소요되며, 라벨링 오류의 가능성이 높다. 본 논문에서 는 이러한 문제를 해결하기 위해 효율적인 음성 데이터 라벨링 자동화 시스템을 설계하였다. 제안된 시스템은 음성 인식 기술과 기계 학습 알고리즘을 통합하여 음성 데이터를 자동으로 분석하고 라벨링하도록 설계되었다. 이 시스템은 다양한 음성 데이터 유형을 처리할 수 있으며, 사용자 인터페이스를 통해 라벨링 작업의 직관성과 효율성을 향상시킨다. 본 설계는 음성 데이터 처리의 효율성을 높이고, 다양한 응용 분야에서 음성 인식 기술의 활용을 촉진할 수 있는 잠재력을 가진다.

Speech data labeling is a crucial process that determines the performance of speech recognition and natural language processing technologies. However, traditional manual labeling methods are time-consuming, costly, and prone to labeling errors, especially when dealing with large-scale data. This paper presents the design of an efficient automated speech data labeling system to address these challenges. The proposed system integrates the latest speech recognition technologies and machine learning algorithms to automatically analyze and label speech data. It is designed to handle various types of speech data and enhances the intuitiveness and efficiency of the labeling process through a user-friendly interface. This design improves the efficiency of speech data processing and has the potential to facilitate the application of speech recognition technologies across various domains.

본 논문은 밀폐공간 질식재해 산업현장에서 근로자의 안전을 확보하기 위해 IoT 환경 감지 및 IoT 출입 감시 장치와 지능형 영상분석 기술을 결합한 통합 관제 시스템 개발에 관한 연구이다. 최근 밀폐공간 내 작업자의 질식 사고 발생률이 증가하고 있으며, 이러한 사고는 인명 피해 및 경제적 손실을 초래한다. 이에 IoT 기반의 환경 센서와 영상 분석 시스템을 통해 실시간으로 데이터를 수집하고 분석하여 위험 상황 발생 시 즉시 대응할 수 있는 통합 관리 체계를 제안한다. 본 연구는 위험 상황을 사전에 탐지하여 신속한 대응 및 예방이 가능하도록 설계하였다. 이를 통해 기존 센서 기술 대비 실시간 모니터링 및 대응력이 향상되어 작업자의 안전사고 예방 및 관리 효율성을 극대화할 것으로 기대된다. 또한 본 시스템은 실증 과정을 거쳐 다양한 산업 현장에서의 적용 가능성과 신뢰성을 입증하였으며, 지속적인 기술적 발전과 현장 맞춤형 기능 개선을 통해 현장 적용성을 더욱 높이고자 한다.

This paper presents research on developing an integrated management system combining IoT environmental sensors, IoT access monitoring devices, and intelligent video analysis technology for ensuring worker safety in industrial confined space asphyxiation hazard scenarios. Real-time data collection and analysis from IoT sensors and video systems enable immediate responses to hazardous situations. Compared with traditional sensor technologies, this proposed system significantly enhances real-time monitoring and response capability, maximizing prevention and management efficiency of worker safety incidents. The system's practicality and reliability have been demonstrated through field testing. Continuous technological advancement and customization for diverse industry environments aim to further enhance applicability in real-world scenarios.

본 논문에서는 openLCA와 Ecoinvent v3.10(Global)을 활용하여, 전자부품이 장착된 전자기판 제품을 기준으로 표면실장(SMT) 및 관통형(IMT) 방식과 유연납/무연납의 적용에 따른 환경영향을 정량적으로 평가하였다. 표면실장 (SMT) 방식은 리플로우 솔더링의 고온·장시간 가열 공정으로 인해, 모든 환경영향 범주에서 관통형(IMT)보다 높은 환경영향 부담을 유발하였으며, 특히 Climate Change(GWP) 항목에서는 약 4배 높은 온실가스 배출이 확인되었다. 표면실장(SMT)에서 무연납 사용 시 313.81 kgCO2eq, 유연납은 311.42 kgCO2eq로, 무연납이 더 큰 환경영향을 보였고, 관통형(IMT)에서는 무연납이 74.25 kgCO2eq, 유연납은 75.70 kgCO2eq로 무연납이 환경적 으로 더 우수했다. 이는 리플로우 대비 웨이브 솔더링의 에너지 소비가 낮기 때문으로 분석된다. 본 연구는 2000년대 초반 활발히 진행됬던 전자기판에 관한 환경영향을 최신 전자기판 공정 및 에너지 사용량에 따른 데이터베이스로 최신화하여 전과정평가를 진행하여 전자기판 생산에서 발생하는 환경영향 값에 대한 기초자료를 제공하고자 한다.

This study quantitatively evaluates the environmental impacts of surface mount technology (SMT) and insert mount technology (IMT), using openLCA and the Ecoinvent v3.10 (Global) database, based on electronic circuit boards with mounted components. SMT exhibited higher environmental burdens than IMT across all impact categories due to its high-temperature, long-duration reflow soldering process. In particular, the Climate Change (GWP) indicator showed approximately four times higher emissions in SMT. When using lead-free solder in SMT, the GWP was 313.81 kg CO -eq, compared to 311.42 kg CO -eq for leaded solder. Conversely, in IMT, lead-free solder resulted in lower emissions (74.25 kg CO -eq) than leaded solder (75.70 kg CO -eq), attributed to the lower energy demand of wave soldering. This study updates the early 2000s environmental assessments of electronic circuit boards by incorporating recent manufacturing processes and energy data, providing a foundational dataset for evaluating environmental impacts in modern PCB production.

최근 기후 변화로 인한 집중호우와 태풍의 빈발로 도시 지역의 내수 침수 피해가 증가하고 있다. 기존 빗물받이는 단순 배수 구조로 인해 쓰레기 적체와 악취 발생 문제를 해결하지 못하며, 집중호우 시 배수 효율이 크게 저하된다. 본 연구에서는 빗물 감지·적외선 센서를 통한 자동 제어, 서보모터 기반 덮개, 컨베이어 벨트식 쓰레기 분리, 태양광 자립 전력 공급 기능을 결합한 스마트 빗물받이 시스템을 제안하였다. 모의 강우 실험 결과, 제안된 시스템은 기존 대비 약 25% 빠른 배수 속도와 92% 이상의 쓰레기 제거율을 기록하였으며, ±5% 이내의 센서 정확도와 모바일 앱을 통한 실시간 모니터링 기능을 입증하였다. 이러한 성과는 도시 내수 침수 예방과 유지관리 효율성 향상에 기여할 수 있으며, 향후 AI 기반 쓰레기 분류 및 IoT 연계를 통한 고도화가 요구된다.

Urban inland flooding has been aggravated by frequent heavy rainfall and typhoons caused by climate change. Conventional storm drains, designed only for water discharge, often fail due to debris accumulation and odor generation, leading to reduced drainage efficiency. This study proposes a smart storm drain system integrating rain and infrared sensors for automated control, a servo-motor driven cover, a conveyor belt for debris removal, and a solar-powered autonomous energy supply. Experimental results under simulated rainfall demonstrated that the proposed system improved drainage speed by about 25% and achieved over 92% debris removal efficiency, with sensor accuracy within ±5% and real-time monitoring via a mobile application. These findings demonstrate the potential of the system for preventing inland flooding and improving maintenance efficiency, while future work will focus on AI-based waste classification and IoT integration for further advancement.

본 연구는 치위생학과 학생들을 대상으로 문제중심학습과 생성형 AI를 통합적으로 활용한 교육 모델을 적용하여 학습자의 만족도, 학습참여 효과를 탐색하고, 이를 통해 치위생 교육에서의 효과적인 생성형 AI 활용 방안에 대한 기초자료를 제공하고자 시행하였다. 2025년 6주동안 부산광역시 소재 D대학 치위생학과에 재학중인 3학년 학생 47명을 대상으로 시행하였으며 문제중심학습에서 생성형 AI 사용 유무에 따라 수업만족도와 학습 참여도를 설문을 통해 조사 하였다. 생성형 AI를 사용해 본 경험이 있는 경우 수업만족도는 2.74점 경험이 없는 경우 2.88점으로 사용경험이 없을 때 수업만족도가 조금 높았으며, pbl수업만족도, 생성형 AI 활용한 수업만족도, 학습참여도 간 상관관계를 살펴보면 PBL 수업과 생성형 AI 활용 수업 모두 학습자의 학습참여도와 유의미한 관련이 있다. 생성형 AI의 활용 역량을 치위생 교육에 적극적으로 도입하여, 복잡하면서 돌발적인 상황에 대처할 수 있는 문제해결능력을 갖춘 치과위생사 양성에 도움이 되길 기대한다.

This study aimed to apply an integrated educational model that combines Problem-Based Learning (PBL) with generative artificial intelligence (AI) to dental hygiene students, in order to examine learning satisfaction, learning engagement. The goal was to provide baseline data for effective applications of generative AI in dental hygiene education.The study was conducted over a six-week period in 2025 with 47 third-year students enrolled in the Department of Dental Hygiene at D University in Busan, South Korea. Learning satisfaction and engagement were assessed through surveys, comparing students who applied generative AI in PBL activities with those who did not. Students with prior experience using generative AI reported a mean satisfaction score of 2.74, while those without prior experience reported a slightly higher score of 2.88. Correlation analysis revealed that both satisfaction with PBL and satisfaction with generative AI-enhanced learning were significantly associated with students’ learning engagement.The findings suggest that actively integrating generative AI into dental hygiene education may contribute to fostering problem-solving skills, thereby supporting the development of dental hygienists who are capable of effectively responding to complex and unpredictable clinical situations.