Earticle

제조 공정의 정밀 품질 관리에서 3차원 자동측정 데이터는 공정 상태를 정량적으로 분석할 수 있는 중요한 기반 데이터를 제공한다. 그러나 방대한 측정 데이터를 실시간으로 분석하여 공정 이상을 조기에 탐지하는 연구는 아직 제한적이다. 본 연구에서는 3차원 자동측정 데이터로부터 추출한 주요 특성을 활용하여 공정 이상을 예측하는 머신러닝 기반 모델을 구축하였다. 데이터 전처리 단계에서는 측정 데이터로부터 SPC 관리도 기반의 주요 특징을 추출하고 이상치 제거 및 정규화를 수행하였다. 모델링 단계에서는 랜덤 포레스트와 XGBoost알고리즘을 적용하여, 정상, 경고, 이상을 분류하였으며, 모델 성능은 Accuracy, Precision, Recall, F1-score로 평가하였다. 실험 결과, 랜덤 포레스트 모델과 XGBoost 모델 모두 정확도 약 99%의 높은 성능을 나타내었다. 제안한 두 모델은 3차원 자동측정 데이터를 활용한 공정 이상 예측 가능성을 보여주며, 실시간 제조지능화 시스템 구축에 효과적으로 적용될 수 있음을 나타낸다.

In precision quality control of manufacturing processes, three-dimensional automatic measurement data provide essential quantitative information for assessing process conditions. However, research on real-time analysis of large-scale measurement data for early detection of process anomalies remains limited. This paper presents a machine learning based predictive model for process anomaly detection using key features extracted from three-dimensional automatic measurement data. In the data preprocessing stage, Control chart features based on Statistical Process Control (SPC) were extracted, followed by outlier removal and normalization. In the modeling stage, Random Forest and XGBoost algorithms were applied to classify process states into normal, warning, and anomalous categories. Model performance was evaluated using accuracy, precision, recall, and F1-score metrics. According to the experimental results, both the Random Forest and XGBoost models demonstrated high predictive performance, achieving an accuracy of about 99%. The proposed model demonstrates the feasibility of real-time process anomaly prediction using three-dimensional automatic measurement data and shows strong potential for integration into intelligent manufacturing systems.

본 연구는 도로 결함(포트홀 및 균열) 탐지를 위한 YOLO 기반 딥러닝 모델 최적화 및 실용성 검증을 목표로 수행되었다. NVIDIA A100 GPU 환경에서 진행된 첫 번째 실험에서는 RDD2022 공개 데이터셋을 활용하여 YOLOv5n/v8n/v10n 모델들의 성능 중 YOLOv8n 모델이 mAP@0.5에서 0.3657로 가장 우수한 성능을 보였다. 두 번째 실험부터는 자체 구축한 실제 도로 이미지를 바탕으로 YOLOv8의 Detection 및 Segmentation 모델을 비교 평가하였으며, YOLOv8l(Detection) 모델이 mAP@0.5에서 0.772로 실무에 적합한 정확도를 달성하였다. 마지막으로 YOLOv8l 모델의 하이퍼파라미터 최적화/데이터 증강 기법/데이터셋 확장을 비교한 결과 데이터셋을 기존 8,737장에서 14,776장으로 확장한 경우 mAP@0.5에서 0.825까지 향상되었다. 이는 학습 데이터가 실제 도로에 얼마나 유사하고 데이터의 양이 모델 성능의 결정적인 영향을 미친다는 것을 입증한 결과로, 향후 도로 결함 탐지 시스템의 실용성 및 즉각 대응 가능성을 확보하는 데 이바지할 것으로 기대된다.

This study aimed to optimize and validate the practicality of a YOLO-based deep learning model for detecting road defects (potholes and cracks). In the first experiment conducted in an NVIDIA A100 GPU environment using the RDD2022 public dataset, the YOLOv8n model demonstrated the best performance among the YOLOv5n/v8n/v10n models, achieving an mAP@0.5 of 0.3657. From the second experiment onwards, the Detection and Segmentation models of YOLOv8 were comparatively evaluated using self-built real-world road images. The YOLOv8l (Detection) model achieved an mAP@0.5 of 0.772, demonstrating accuracy suitable for practical applications. Finally, a comparison of hyperparameter optimization, data augmentation techniques, and dataset expansion for the YOLOv8l model showed that expanding the dataset from 8,737 to 14,776 images improved the mAP@0.5 to 0.825. This demonstrates that the volume of data and the similarity of training data to real-world environments critically influence model performance. These findings are expected to contribute to securing the practicality and immediate responsiveness of future road defect detection systems.

본 논문에서는 서버와 클라이언트의 상호작용을 통해 온라인으로 식물을 주문하는 서비스와 식물을 관리할 수 있는 서비스를 개발하였다. 서비스의 제공자로서 안정적으로 서비스를 구동할 백엔드 서버와 서비스 이용자가 사용할 프론트엔드 응용프로그램들을 설계하고 구현하였다. 서비스의 이용자는 매장 매니저와 고객으로 나뉜다. 매니저는 해당 서비스 내에서 매장을 관리하고 물품을 올릴 수 있고 고객에게서 들어온 주문을 관리할 수 있으며, 고객은 매장에서 물품을 주문할 수 있다. 따라서 고객은 위 서비스를 이용하여 직접 매장을 방문할 필요 없이 온라인으로 식물을 직접 골라 볼 수 있어 간편하고, 식물 매장 또한 체계적으로 식물을 분류하고 재고를 관리할 수 있으므로 관리의 편의성을 기대할 수 있다.

This paper presents the design and implementation of a service that enables users to order plants online and manage plants through interactions between a server and clients. As a service provider, we designed and implemented a backend server capable of running the service reliably, as well as frontend applications for service users. The users of the service are divided into store managers and customers. Managers can manage their stores within the service, upload products, and handle orders placed by customers, while customers can place orders from the stores. Through this service, customers can conveniently browse and select plants online without the need to visit physical stores, and plant shops can systematically categorize plants and manage inventory, thereby improving operational efficiency and ease of management.

본 연구는 미국 치과위생사의 역사적 발전, 법적 제도, 그리고 전문적 지위를 고찰하는 것을 목적으로 한다. 연구는 미국 치과위생사협회(ADHA), 미국치과의사협회(ADA), 미국노동통계국(BLS) 등 전문기관의 공식 문서, 주(州) 치과위원회의 자료, 그리고 관련 학술 문헌을 기반으로 기술적(descriptive) 문헌고찰을 수행하였다. 분석 내용에는 역사적 배경, 면허 요건, 교육 제도, 업무 범위, 그리고 치과위생사에게 영향을 미치는 최근의 법적 변화가 포함되었다. 20세기 초 등장한 이후, 미국의 치과위생사는 단순한 보조 역할에서 벗어나 법적으로 규제되고 면허가 요구되는 보건의료 전문직으로 성장하였다. 여러 주에서의 직접 진료 접근법 도입, 치과치료사 제도의 확립, 그리고 최근 시행된 Dentist and Dental Hygienist Compact(DDH Compact) 제도는 치과위생사의 법적 인정과 전문직 간 이동성의 확대를 보여준다. 한편, CODA(치과교육인증위원회)의 인증을 받은 치과위생학 교육제도는 근거중심 진료, 환자중심의료, 그리고 전문직 간 협력을 포함하도록 발전해왔다. 미국 노동시장은 치과위생사에 대한 높은 수요를 보이며, 우수한 임금 수준과 긍정적인 직업 전망을 제시하고 있다. 미국의 치과위생 모델은 예방 중심 구강보건 서비스를 국가 의료체계 내에 성공적으로 통합한 대표적인 사례로 평가된다. 본 연구는 치과위생사의 자율성, 교육 체계, 정책적 지원을 강화하고자 하는 국가들에 기초적 통찰을 제공한다.

The Korea Innovation Industry Society.This study aims to examine the historical development, legal system, and professional status of dental hygienists in the United States. A descriptive review was conducted based on official documents from professional organizations (ADHA, ADA, BLS), U.S. state dental boards, and relevant academic literature. The study analyzed the historical context, licensure requirements, education system, scope of practice, and recent legislative changes affecting dental hygienists. Since its inception in the early 20th century, the dental hygiene profession in the United States has grown from a supportive role into a regulated and licensed health profession. The introduction of Direct Access laws in multiple states, the establishment of the Dental Therapist model, and the recent launch of the Dentist and Dental Hygienist Compact (DDH Compact) reflect increased legal recognition and professional mobility. In parallel, the CODA-accredited dental hygiene education system has evolved to incorporate evidence-based practice, patient-centered care, and interprofessional collaboration. The U.S. labor market shows a high demand for dental hygienists, with favorable income levels and strong occupational outlook. The American dental hygiene model demonstrates a successful case of integrating preventive oral healthcare within a national health system. This study provides foundational insights for countries aiming to enhance the autonomy, education, and policy support for dental hygienists.

본 연구는 소방공무원의 직무 스트레스, 수면의 질, 우울 수준을 파악하고 이들 변수 간의 관련성을 규명하고자 하였다. 연구대상은 B지역 소방서에 근무하는 소방공무원 132명으로 구조화된 설문지를 활용하여 자료를 수집하였다. 수집된 자료는 SPSS 29.0 프로그램을 이용하여 빈도분석, 기술통계, 독립표본 t-검정, 일원배치분산분석, 피어슨 상관분석으로 분석하였다. 일반적 특성에 따른 차이는 성별에서 우울(p=0.034), 연령에서 직무 스트레스(p=0.013), 주관적 건강상태에서 직무 스트레스(p=0.040), 수면의 질(p<0.001), 우울(p<0.001)에서 유의한 차이를 보였다. 상관분석 결과, 직무 스트레스는 수면의 질(r=0.480, p<0.001) 및 우울(r=0.472, p<0.001)과 정적 상관관계를 나타냈고, 수면의 질과 우울 간에도 강한 정적 상관관계(r=0.694, p<0.001)가 확인되었다. 소방공무원의 직무 스트레 스, 수면의 질, 우울은 상호 밀접히 연관된 핵심 정신건강 요인으로 통합적 관리전략이 요구된다. 본 연구 결과, 스트레스 관리, 수면개선 프로그램, 정신건강 선별검사 체계 구축을 위한 근거자료로 활용될 수 있을 것으로 사료된다.

This study examined the levels of job stress, sleep quality, and depression among firefighters and explored the relationships among these variables. A cross-sectional survey was conducted with 132 firefighters working in Region B. Data were analyzed using descriptive statistics, independent t-tests, one-way ANOVA, and Pearson correlation analysis with SPSS version 29.0. Significant differences were found according to sex for depression (p=0.034), age for job stress (p=0.013), and subjective health status for job stress (p=0.040), sleep quality (p<0.001), and depression (p<0.001). Job stress showed significant positive correlations with sleep quality (r=0.480, p<0.001) and depression (r=0.472, p<0.001), and sleep quality was also significantly correlated with depression (r=0.694, p<0.001). These findings suggest that job stress, sleep quality, and depression are closely interrelated mental health factors among firefighters. Integrated interventions focusing on stress management, sleep improvement, and mental health screening are needed to promote occupational health and organizational stability. This study provides empirical evidence for developing comprehensive mental health management strategies for firefighters.