Earticle

생성형 인공지능(AI)이 다양한 산업 분야에서 활용됨에 따라, 생성형 AI의 성능과 신뢰성의 핵심 요소인 양질의 데이터 확보가 중요하다. AI 모델을 효과적으로 학습시키기 위해서는 대규모 학습데이터의 구축과 데이터의 품질 확보 가 필수적이며, 데이터 품질에 대한 감리(Audit)를 통해서 데이터 구축 절차별로 수행하는 작업에 대해서 객관적인 품질 점검을 통한 품질개선이 중요하다. 본 연구에서는 생성형 AI 기반 정보시스템을 위한 AI 학습데이터 품질 확보를 위해 서, 데이터 구축 단계와 단계별 활동에 대해서, 절차, 산출물 및 성과의 관점으로 감리 점검항목과 세부 검토항목을 제시 한다.

As generative artificial intelligence (AI) is used in various industries, it is important to secure high-quality data, which is a key factor in the performance and reliability of generative AI. In order to effectively train AI models, it is essential to build large-scale training data and secure data quality, and it is important to improve quality through objective quality checks for each data construction procedure through data quality audits. In this study, we present guidelines for audit and detailed review items from the perspective of procedures, outputs, and outcomes for each step of data construction and each activity to secure AI training data quality for generative AI-based information systems.

α2 ≡β(mod p)에서 α,β,p가 주어졌을 때 γ을 구하는 문제를 이산대수라 한다. 여기서 β는 특정 γ값 까지는 다른값을 보이지만 그 이후부터는 동일한 값이 반복되는 블록을 형성한다. 이는 그리스 문자 p를 닮은 형태를 취하여 Pollard는 p 알고리즘이라고 명명하였다. 본 논문은 이산대수의 사이클 검출을 위해 이중 배열법을 제안하였다. 제안된 이중 배열법은 Pollard의 Rho 𝑥2𝑖 포인터 법, Brent의 𝑥𝑖 ,( i=2k) 포인터법과 Nivasch의 스택 법에 비해 배열 값비교와 갱신 횟수를 크게 감소시켰다. 제안된 알고리즘은 Nivasch의 스택 법에 비해 모듈러 연산횟수는 22.90%, 메모리 비교횟수는 80.02% 감소시켰다.

The problem of finding γ in α2 ≡β(mod p) given α,β,p is called a discrete logarithm. Here, β in which a different value is shown up to a specific value γ, but the same value is forms a block repeated thereafter. It takes a form similar to the Greek letter p(rho), and Pollard named it the rho(p) algorithm.This paper proposes a dual Array method for cycle detection in discrete logarithms. The method I propose markedly reduces the number of updates when compared to x2𝑖 pointer of Pollard's Rho, Brent's 𝑥𝑖 ,( i=2k) pointer, and Nivasch's stack method. This method also reduces the number of modular computation of Nivasch's stack method by 22.90% and the number of memory comparison by 80.02%.

최근 빅데이터 기반 서비스의 증가는 다수의 프로세스가 고용량의 데이터를 송수신하면서 협력하는 실행 구조의 확산을 가져왔다. 프로세스 간 데이터를 비동기적으로 송수신하도록 도와주는 분산 메시지 큐 시스템은 상기 실행 환경 에서 중요한 역할을 수행한다. 양 프로세스 간 동기적 데이터 송수신은 동기화 과정에서 상당한 비효율성을 지니기 때문 에 데이터를 생산/소비하는 프로세스와 별개로 데이터를 풀링(Pooling)해주고, 상시로 데이터를 소비할수 있도록 해주 기 때문에 데이터 공유가 용이해 지기 때문이다. 대표적인 분산 메시지 큐 시스템인 Apache Kafka는 단일 토픽 (Topic)에 대해 유입되는 메시지를 다수의 파티션으로 분산하여 저장할 수 있도록 한다. 파티션은 데이터를 저장하는 독립적인 플로우(Flow)에 대한 추상화 이상적으로는 그 수가 증가하면 메시지 큐의 처리량도 선형적으로 증가해야 한다. 본 논문에서는 파티션에 의존하는 현재의 Kafka 확장성(Scalability) 보장 방식이 실효성을 지니는지 다양한 실험을 통 해 관찰한다. 실험 결과 파티션의 증가가 처리량을 개선시키는 데에 효과는 있으나 자원이 충분함에도 불구하고 선형적 인 증가는 이끌어내지 못하는 것을 관찰하였다. 이것은 파티션이라는 독립적인 데이터 스트림을 나타내는 추상적 개념을 구현할 때 그 독립성을 충분히 확보하지 못하는 것으로 판단된다. 향후 본 논문에서 분석한 실험 결과를 바탕으로 파티 션을 통한 고병렬성 데이터 스트림 지원을 방해하는 요소를 구체적으로 분석하고 이를 개선하는 방안을 제안하고자 한다.

The growth of big data services has expanded execution structures where multiple processes share large data volumes. Distributed message queue systems like Apache Kafka, which enable asynchronous data sharing, are essential here. Apache Kafka allows incoming messages for a single topic to be distributed and stored across multiple partitions. A partition represents an abstraction for an independent data flow, and ideally, as the number of partitions increases, the message queue’s throughput should scale linearly. In this paper, we examine through various experiments whether Kafka’s current scalability approach, which relies on partitions, is effective. Experimental results reveal that while increasing partitions improves throughput, it fails to achieve linear scaling even when sufficient resources are available. This limitation appears to stem from an inability to fully maintain independence in the implementation of partitions, which are intended to represent independent data streams. Building on these findings, we aim to analyze in detail the factors that hinder high-parallelism data stream support via partitions and propose methods to address these issues.

오늘날 많은 업무에서 컴퓨터와 네트워크를 활용해 다양한 메모와 데이터가 기록되고 공유되고 있다. 그러나 이러한 목적의 기존 도구들은 일시적이거나 간단한 메모를 저장하고 공유하는데 있어 사용자의 시간 소모와 비효율성을 초래한다. 본 논문에서는 이러한 문제를 개선하기 위해 새로운 메모 작성 및 공유 시스템 QuickQuick을 설계하고 구현 하였다. QuickQuick 시스템은 회원 가입과 로그인을 자동으로 진행하며, 최소화된 메뉴를 가지고 content-aware 기 능을 이용하여 자동으로 메뉴 출력하며, 다른 사용자와 노트 및 데이터를 쉽게 공유할 수 있게 한다. 본 논문에서 구현된 content-aware 기능은 메모 내용을 분석해 자동으로 필요한 메뉴를 즉각 출력하고, 긴 메모를 주제에 따라 자동 분할 한다. 본 논문은 제안된 시스템의 활용성을 평가하기 위해 실측하는 방법으로 성능을 평가하였다. 그 결과, 한 사용자가 메모와 25MB의 첨부 파일을 10명과 공유할 때 10명의 사용자에게 전송하는데 약 0.5초 걸리는 것으로 평가되어 본 시스템은 현실에서 실용성이 있는 것으로 판단된다.

Today, in many tasks, various memos and data are recorded and shared using computers and networks. However, existing tools for this purpose consume users' time and are inefficient in storing and sharing temporary or simple notes. In this paper, we designed and implemented a new memo writing and sharing system, QuickQuick, to improve this problem. The QuickQuick system automatically processes membership registration and login, has a minimized menu, automatically prints the menu using the content-aware function, and allows you to easily share notes and data with other users. The content-aware function implemented in this paper analyzes the contents of the memo, automatically outputs the necessary menu immediately, and automatically divides long memos according to topic. This paper evaluated the performance of the proposed system using actual measurements to evaluate its usability. As a result, when one user shares a memo and a 25MB attached file with 10 people, it is estimated that it takes about 0.5 seconds to transmit them to 10 users, so we conclude that this system is practical in reality.

기업과 조직 내 도메인 특화 데이터가 전자 문서로 저장되어 왔지만, 문서 간의 관계를 파악하고 정확한 검색과 추론을 수행하는 데 어려움이 있다. 이에 본 논문은 전자 문서를 대표하는 포맷 중 EPUB 포맷을 채택하여, EPUB 파일 속 내용을 검색하고 추론할 수 있는 Graph EPUB Reader 시스템을 제안하고 구현하였다. 이 시스템은 GraphRAG 기술을 활용하여 EPUB 파일 속 내용을 지식 그래프로 생성하고, 단순 사실 검색뿐 아니라 추론 과정을 거쳐야만 하는 검색에도 답변을 생성한다. 본 논문에서는 제안된 Graph EPUB Reader 시스템의 활용성을 검증하기 위해 지식 그래프 생성 성능과 검색과 추론 성능을 평가하였다. 성능 평가 결과, EPUB 파일의 크기에 따라 지식 그래프 생성 시간이 선형 적으로 증가하는 것으로 측정되었으며, 검색과 추론은 약 90%의 높은 정확도를 보인 것으로 평가되었다. 본 논문에서 제안한 Graph EPUB Reader 시스템에 사용된 검색과 추론 기술은 EPUB 파일뿐 아니라 PDF 등 다양한 여러 전자 문서를 검색하고 추론하는데 활용될 수 있을 것으로 판단된다.

Domain-specific data within companies and organizations have been stored in electronic documents, but there are difficulties in understanding relationships between documents and performing accurate searches and inferences. Therefore, this paper proposed and implemented a Graph EPUB Reader system that can search and inference based on the contents of EPUB files, one of the representative formats for electronic documents. This system generates a knowledge graph from the contents of EPUB files and provides answers to both simple fact searches and inference-based searches. To validate the utilization of the system proposed in this paper, we analyzed the performances of knowledge graph generation, search, and inference. As a result of the performance evaluation, the knowledge graph creation time was measured to increase linearly depending on the size of the EPUB file, and search and inference were evaluated to have a high accuracy of about 90%. Finally, we conclude that the search and inference technology used in the Graph EPUB Reader system proposed in this paper can be used to search and infer not only EPUB files but also various electronic documents such as PDF.

최근 다양한 분야의 종류의 SNS, 인공지능 기반, 메타버스 플랫폼 등 많은 분야에서 악용이 가능한 스테가노그래 피 기술 기반으로 사이버 보안 가능성을 메타버스 게임 플랫폼에 적용 및 응용 가능성의 유무를 확인하고 학습하였다. 마인크래프트는 다양한 용도로 교육, 회의 등 활용이 가능한 게임 플랫폼이며, 3D 리소스팩에 문자가 적혀있는 메모장 파일을 리소스팩 이미지에 적용을 시킨 후 마인크래프트 멀티 서버에 적용하여 서버 참여자 즉 수신자 PC에 은닉 기술 이 적용된 리소스팩 파일의 수신 여부가 정상적으로 전달되는지 확인하였다. 수신자는 3D 리소스팩에 은닉된 문자가 적혀있는 메시지를 성공적으로 추출이 정상적으로 되는지 확인하는 3D 리소스팩 기반 스테가노그래피 사이버 보안 적 용 및 응용 가능성을 확인할 수 있었다.

This study explores the applicability and potential of steganography-based cyber security techniques in diverse fields such as social media, AI platforms, and metaverse environments, focusing on their integration within metaverse gaming platforms. Minecraft, a versatile platform used for education, meetings, and more, served as the basis for this experiment. A text-based message embedded within a notepad file was integrated into a Minecraft 3D resource pack image, which was then applied to a Minecraft multiplayer server. The objective was to determine if the resource pack, containing the hidden message, could be successfully transmitted to the receiver's PC. The receiver then attempted to extract the hidden message from the 3D resource pack, verifying the effectiveness of steganography in cyber security applications within metaverse-based environments. The findings confirm the potential for cyber security applications of 3D resource pack-based steganography.

K-콘텐츠의 주요 소비경로인 온라인․모바일 플랫폼의 주요 콘텐츠는 다양한 포맷의 재생산을 통해 수익성이 높은 콘텐츠로 자리잡고 있는 지상파 K팝 음악 방송이다. 1%도 안되는 시청률로 광고 매출이 감소되고 있음에도 불구하 고 그 중요도가 더욱 높아지고 있다. 본 연구는 온라인․모바일 플랫폼의 콘텐츠로 재생산된 K팝 음악 방송 콘텐츠에 지속적으로 노출되고 있는 프로그램의 시각적 상징인 타이틀 로고에 대한 주 소비자인 10∼20대 감정이 ‘Elated 흥겨 운’과 ‘Eergetic 활동적인’이 대표 감성임을 확인할 수 있었다. 이러한 연구결과는 미래의 주된 프로그램으로 예견된 음악 방송 미디어의 시각적 요소가 인간의 감각과 인지 방식을 변화시키고 감정에 영향을 줄 수 있기에 향후 K-콘텐츠 방송 제작 시 우선 고려해야 할 감성적 방향성으로 제시하고자 한다.

The main content of online and mobile platforms, which are the main consumption channels of K-content, is terrestrial K-pop music broadcasting, which has established itself as highly profitable content through reproduction in various formats. Even though advertising sales are decreasing with a viewership rating of less than 1%, its importance is increasing. This study investigated the emotions of teenagers and twenties, the main consumers, toward the title logo, a visual symbol of the program that is continuously exposed to K-pop music broadcast content reproduced as content on online and mobile platforms. ‘Elated’ and ‘Eergetic’ It was confirmed that was the representative emotion. These research results are intended to be presented as an emotional direction that should be considered first when producing K-content broadcasts in the future, as the visual elements of music broadcasting media, which are predicted to be the main programs of the future, can change human senses and cognitive methods and affect emotions.

현대 사회에서 범지구위치결정시스템(Global Positioning System, GPS)은 항공기, 드론, 지리정보 시스템 등 다양한 응용 분야에서 필수적인 기술로 자리잡고 있다. 그러나 건물이나 산악 지형과 같은 장애물이 있는 비 가시거리 (Non-Line of Sight, NLOS) 환경에서 GPS 신호는 신호의 반사 및 산란으로 인해 위치 정밀도가 저하될 수 있다. 본 논문은 NLOS 환경에서 GPS의 고도 오차를 개선하기 위해 수직 정밀도의 희석(Vertical Dilution of Precision, VDOP) 정보를 활용하여 측정 잡음 공분산을 조정하는 방법인 개선된 고도 적응형 칼만 필터(Enhanced-Altitude Adaptive Kalman Filter, EAAKF)를 제안한다. EAAKF는 측정되는 VDOP의 값에 따라 적응 단계를 통해 측정 잡음 공분산 행렬을 조정한다. GPS 고도 측정을 통해 성능 비교 결과, 제안한 EAAKF는 기존 칼만 필터 대비 약 63.5%의 성능이 향상되었다. 이를 통해, 본 논문에서 제안한 EAAKF 모델이 GPS 신호를 이용한 고도 추정에 있어서 기존 칼만 필터보다 추정 정밀도가 개선되는 것을 확인하였다.

In modern society, the global positioning system (GPS) has become a cornerstone of numerous technological applications including aviation, drones, and geographic information systems (GIS). However, the accuracy of GPS signals can be adversely affected in non-line-of-sight (NLOS) environments due to signal reflection and scattering caused by obstacles such as buildings and mountainous terrain. This paper proposes the enhanced-altitude adaptive Kalman filter (EAAKF), which adjusts the measurement noise covariance using vertical dilution of precision (VDOP) information to mitigate altitude errors in GPS measurements in NLOS environments. By adjusting the measurement noise covariance based on the measured VDOP values, the EAAKF adapts to dynamic conditions. A performance comparison through GPS altitude measurements indicates that the proposed EAAKF improves performance by approximately 63.5% compared to the traditional Kalman filter. The results show that the EAAKF model proposed in this paper improves the estimation precision over the conventional Kalman filter for altitude estimation using GPS signals.

레이다는 표적에 대한 정보를 도출하기 위해 전파를 송신하고, 표적으로부터 반사된 신호를 수신하여 정보를 도출한다. 일반적인 레이다의 경우, 전파의 송수신 경로가 직선으로 가정하여 표적의 정보를 도출한다. 그러나 대기가 불안정한 환경에서는 대기 굴절률의 차이에 의한 전파의 굴절 현상이 발생한다. 전파의 굴절 현상에 의해 직선으로 가정 하였던 전파의 송수신 경로가 휘게 되고, 이를 기반으로 표적 정보를 추정할 때 표적 정보에 오차가 발생하게 된다. 특히 장거리 레이다의 경우 대기 굴절률에 의한 오차의 정도가 심하여 대기 굴절률에 의한 보정을 필요로 한다. 본 논문에서 는, 표적 정보를 추정하는 과정에서 대기 굴절률에 의한 전파 굴절 현상이 오차를 발생시키는 이유를 알아보고, 하나의 시나리오를 가정하여 표적의 거리, 각도, 속도(도플러)의 측면에서 오차를 분석하였다.

Radar detects target information by receiving signals that are reflected from target. Conventional radar assumes the tramsmitted and reception paths of signal are straight to derive target information. However, when atmospheric conditions are unstable, variation of atmospheric refractivity causes the transmitted/received signal paths to curve due to refraction. This curvature introduces errors in estimation of target information. Case of long range radar, errors due to atmospheric refractivity significantly affect radar performance so that compensation of atmospheric refractivity is needed. In this paper, we investigated how refracted path affects to radar performance and the errors induced by atmospheric refractivity in range, angle, velocity(doppler).

측위 기술은 자율주행과 UAV 등 실시간으로 이동하는 이동체의 안전한 운행을 위해 필수적으로 적용되는 기술 이다. GPS와 INS를 결합한 기존 융합 측위 시스템은 높은 정확도를 제공하지만, GPS 음영지역에서는 INS 센서의 오차 누적 문제로 인해 측위 성능이 저하되는 문제가 있다. 이를 해결하기 위해 본 논문에서는 CNN-GRU 기반 GPS/INS 융합 측위 시스템을 제안한다. 본 논문에서 제안한 시스템은 음영지역에서 CNN-GRU 모델을 통해 이동체 위치를 예측 하고 예측값을 Kalman filter에 입력하여 GPS 음영지역에서도 높은 정확도로 위치를 추정한다. 제안된 모델 성능 검증 을 위해 NCLT (North Campus Long-Term) 데이터셋으로 학습 및 시뮬레이션을 진행하였으며, 실험 결과 제안된 측위 시스템은 기존 Kalman filter만을 이용한 측위 결과의 오차보다 음영 지역에서 최대 83.3% 감소한 측위 오차를 얻었다.

Positioning technology is essential for the safe operation of moving objects in real-time, such as autonomous vehicles and UAVs. While traditional GPS/INS fusion positioning systems offer high accuracy, their performance degrades in GPS shadow zone due to the error accumulation problem of the INS. To address this issue, a GPS/INS fusion positioning system based on CNN-GRU is proposed in this paper. The proposed system predicts the position of the moving object in GPS shadow zone using a CNN-GRU model and inputs the predicted values into a Kalman filter to estimate the position with high accuracy even in GPS shadow zone. In order to validate the performance of the proposed model, training and simulations were performed on the North Campus Long-Term (NCLT) dataset. Experimental results show that the proposed positioning system reduced the positioning error in GPS shadow zones by up to 83.3% compared to the positioning results using only the traditional Kalman filter.

본 논문에서는 GPS용 기본 패치 안테나와 PCB 기판을 유전율과 형태가 서로 다른 하우징에 삽입했을 경우에 안테나의 특성 변화를 확인할 수 있다. 안테나의 크기는 19.5 mm × 19.5 mm × 4 mm이다. 공진주파수는 1.575 GHz이고, 10 dB주파수 범위는 1.572 ∼ 1.582 GHz이다. 주파수 대역폭은 10 MHz이다. 하우징의 재질과 형태에 따라서 안테나의 특성을 파악하기 위해서 두 가지 형태의 하우징을 설계했다. 첫 번째 하우징의 경우 안에 공기가 채워 져 있고 내부에 안테나만 위치했다. 하우징의 유전율 증가로 인해서 공진주파수가 소폭 상승하는 것을 확인했으며, 내부 필드로 인해 10 dB 대역폭이 현격히 감소하는 것을 확인했다. 두 번째 하우징의 경우 안은 동일하게 공기로 채워져 있으며, 내부에 안테나 밑에 그라운드와 PCB 기판이 위치한다. 유전율이 증가하면서 동일하게 공진주파수는 소폭 증가 하는 경향을 보인다. 더불어 그라운드와 PCB로 인해 후방 반사 효과로 인해서 전방 이득이 증가한 것을 확인했다. 이를 통해 하우징의 재질과 형태가 안테나 특성에 주는 영향을 파악 가능하다.

In this paper, we can confirm the change in the characteristics of the antenna when the basic patch antenna for GPS and the PCB substrate are inserted into a housing with different dielectric constant and shape. The size of the antenna is 19.5 mm × 19.5 mm × 4 mm. The resonant frequency is 1.575 GHz, and the frequency range of 10 dB is 1.572 to 1.582 GHz. The frequency bandwidth is 10 MHz. Two types of housing were designed to understand the characteristics of the antenna depending on the material and shape of the housing. For the first housing, the air was filled inside and only the antenna was located inside. It was confirmed that the resonant frequency slightly increased due to the increase in the dielectric constant of the housing, and that the 10 dB bandwidth was significantly reduced due to the internal field. In the case of the second housing, the inside is equally filled with air, and the ground and PCB substrate are located under the antenna. The resonant frequency tends to increase slightly as the dielectric constant increases. In addition, it was confirmed that the front gain increased due to the rear reflection effect due to the ground and PCB. Through this, we can figure out the effect of the material and shape of the housing on the antenna characteristics.

본 연구는 5G 인빌딩 DAS 환경에서 단말이 실제 수신 가능한 랭크가 낮음에도 기지국이 비정상적으로 높은 RI를 할당해 성능이 열화되는 문제를 개선하고자 한다. 무선 채널의 다중 랭크 간섭으로 단말이 높은 RI를 피드백하고, 기지국이 이를 기반으로 높은 MPR을 할당함에 따라 복호화 실패 및 CRC 오류 증가와 높은 MCS 할당 제한 등의 문제 가 발생한다. 이를 해결하기 위해, 단말이 피드백한 RI와 CQI를 통해 보정된 MPR 값과 랭크별 임계치를 비교하여, 실제 환경에 적합한 보수적인 랭크를 할당하도록 한다. 이로써 5G 인빌딩 DAS 환경에서 빔포밍 성능 저하를 개선하고, 서비스 품질을 향상시킬 수 있을 것으로 기대된다.

This study is to improve the performance degradation problem caused by the base station allocating an abnormally high RI despite the low rank that the terminal can actually receive in the 5G in-building environment constructed with the DAS solution. Due to multi-rank interference in the wireless channel, the terminal feeds back a high RI, prompting the base station to allocate a high MPR. This leads to problems such as decoding failures, increased CRC errors, and restrictions on high MCS allocation. To resolve this, the study proposes comparing the corrected MPR values, derived from the RI and CQI feedback, against rank-specific thresholds to allocate a more conservative rank suitable for the actual wireless environment. This approach is expected to improve beamforming performance degradation and enhance service quality in 5G in-building DAS environments.

현대 농업의 복잡성과 지속 가능성의 문제를 해결하고자, 본 연구는 대형 언어 모델(LLM)과 검색 증강 기법 (RAG)을 결합한 AI 컴패니언 시스템(AI Companion)을 설계하고 이를 농업 분야에 적용하는 방안을 제시하고자 한다. LLM은 자연어 처리 능력을 기반으로 사용자와의 자연스러운 상호작용을 지원하며, RAG는 실시간 검색 및 외부 데이터 통합을 통해 사용자에게 최신 정보와 맞춤형 솔루션을 제공하는 역할을 할 수 있다. 제안된 솔루션은 LLM과 RAG모델 이 결합된 시스템으로, 농부의 최신 농업 기술과 같은 요구사항에 대한 빠른 대응력과 관련된 정보의 신뢰성을 갖추고 있을 뿐만 아니라, 농부와의 상호작용을 통해 개인화된 경험을 제공함으로써 농부에게 단순 기계가 아니라 AI 컴패니언 시스템으로써 정서적 교류를 주고받을 수 있는 존재의 역할을 할 수 있도록 인터페이스를 설계하고 구현하였다.

This research proposes an AI Companion System integrating Large Language Models (LLMs) with Retrieval-Augmented Generation (RAG) techniques to address the complexity and sustainability challenges of modern agriculture. The LLM enables seamless natural language interaction, while RAG enhances the system with real-time data retrieval and integration, ensuring the delivery of precise, contextually relevant solutions. This integrated LLM-RAG system not only provides rapid responsiveness and dependable information on dynamic agricultural demands, such as advancements in technology, but also facilitates personalized, interactive experiences. By positioning the AI as an emotionally responsive companion, the system transcends traditional machine interfaces, fostering a more intuitive and supportive engagement with users.

본 논문은 공동구 재난 대응을 위한 상황실과 순찰자의 표준 운영 절차(SOP)를 기반으로 한 시스템 설계와 구현 을 다룬다. 연구의 주요 목표는 실시간 데이터 통신과 자동화된 절차를 통해 신속하고 효율적인 재난 대응을 구현하는 것이다. 본 연구는 공동구 상황실과 순찰자의 SOP를 상세히 분석하고, 위험성과 취약성을 평가하여 의사결정 지원 정보 를 제공하는 시스템 아키텍처를 설계하였다. 이 시스템에는 SOP 자동화 엔진, 데이터베이스, 통신 인터페이스가 포함되 어 있으며, 대응 속도와 일관성을 향상시키고자 하였다. 현재 공동구 화재 대응 시나리오에 대한 실험적 검증을 진행 중이며, 향후 다양한 재난 유형에 적용할 수 있는 효율적이고 신뢰성 높은 재난 대응 체계 구축을 목표하고 있다.

This paper addresses the design and implementation of a system based on Standard Operating Procedures (SOPs) for disaster response in underground facilities. The primary objective is to achieve swift and efficient disaster response through real-time data communication and automated procedures. The study involves a detailed analysis of the SOPs for control centers and patrollers, designing a system architecture that incorporates risk and vulnerability assessment, and provides decision support information. The system includes an SOP automation engine, a database, and communication interfaces to enhance response speed and consistency. Experimental validation is currently underway for fire scenarios in underground facilities, with plans to establish a highly efficient and reliable disaster response system applicable to various types of emergencies in the future.

전 세계의 제조공장은 4차 산업혁명의 파도를 타며 급속한 변화에 직면하고 있다. 한국 또한 정부의 지원을 받아 빠른 속도로 변화를 이뤄내고 있다. 그러나 지능형 공장을 구축하면서 제조공장에 대한 평가 요소 및 정량화 연구 가 부족하며, 선정된 체크리스트의 레벨링이 부족하고 개선 작업에 대한 계획 수립과 현장 검증이 부족한 상황이다. 본 논문은 이러한 문제를 해결하기 위해 제조공장의 업무 프로세스에서 프렉티스 모델을 활용하여 업무가중치를 활용한 성숙도 모델을 제시하였다. 기본 제조공장의 업무 프로세스를 6개의 업무관리로 구분하고 성숙도 모델을 Step A, Step B, Step C 수준으로 분류하여 각 수준별로 1~5 Level의 성숙도를 부여하였다. 이를 통해 성숙도 세부레벨에 따른 각 업무기능을 선정하고, 레벨별 분석과 평가를 위해 업무별 가중치를 주어 업무기능과 프로세스의 향상을 제안하였다. 또 한 성숙도 Model System의 구현을 위해 UML기반의 설계를 통해 시스템을 구축하였다. 이를 통해 업무가중치를 활용 한 정량적 평가와 수준진단, 개선 항목 도출이 가능해질 것으로 기대되고, 이를 활용하여 현장 전략 중심의 수준진단을 통해 중장기적인 개선계획을 수립하고 단기적인 개선 작업을 도출할 수 있을 것으로 기대한다.

Manufacturing plants around the world are facing rapid changes in the wake of the Fourth Industrial Revolution. South Korea is also rapidly changing with government support. However, while building an intelligent factory, there is a lack of evaluation factors and quantitative research on manufacturing plants, insufficient leveling of selected checklists, and insufficient planning and on-site verification of improvement work. In order to solve these problems, this paper presented a maturity model using work weighting using a practice model in the business process of a manufacturing plant. The basic manufacturing plant's business process was divided into 6 business management categories, and the maturity model was classified into Step A, Step B, and Step C levels, and each level was given a maturity level of 1 to 5. Through this, each task function was selected according to the detailed level of maturity, and each task was weighted for analysis and evaluation by level, and improvements to business functions and processes were proposed. In addition, the system was built through UML-based design to implement the Maturity Model System. It is expected that this will enable quantitative evaluation, level diagnosis, and improvement items using work weights. Furthermore, it is expected that it will be possible to establish medium- to long-term improvement plans and derive short-term improvement work through level diagnosis centered on field strategies.

본 논문에서는 질병관리청이 제공하는 퇴원 손상 심층 조사 원자료를 이용하여 환자 발생 패턴을 추출하는 방법 을 제안하고, 이를 기반으로 실험 분석 결과를 제시한다. 제안된 방법은 특정 기간을 중심으로 환자 발생 횟수를 가중치 기반으로 추정하여 발생 패턴을 처리하는 것으로 시작한다. 이후, 시간 시계열 데이터를 빠른 푸리에 변환(Fast Fourier Transform, FFT)을 통해 빈도 성분으로 변환하여 복잡한 시계열 데이터를 명확한 패턴으로 변환한다. 이렇게 변환된 빈도 성분 데이터는 -최근접 이웃(K-Nearest Neighbors, KNN) 알고리즘을 적용하여 여러 발생 패턴으로 분류한다. 본 연구에서는 총 네 가지 주요 패턴으로 분류하였으며, 각 패턴의 특성과 실험 결과를 시각화하여 상세히 제시하였다. 본 연구의 결과는 환자 발생 패턴을 분석하고 이해하는 데 유용한 정보를 제공하며, 관련 데이터 활용 가능성을 높이는 데 기여할 것으로 기대된다.

This paper proposes a method for extracting patient incidence patterns using raw data from in-depth discharge injury investigations provided by the Korea Centers for Disease Control and Prevention and presents the results of experimental analysis based on this method. The proposed approach begins by estimating the frequency of patient incidences using a weight-based method centered around specific periods, thereby processing occurrence patterns. Subsequently, time-series data are transformed into frequency components using Fast Fourier Transform (FFT), enabling the conversion of complex time-series data into distinct patterns. The transformed frequency component data are then classified into multiple incidence patterns using the k-Nearest Neighbors (KNN) algorithm. In this study, a total of four major patterns were identified, and the characteristics of each pattern, along with experimental results, are presented in detail through visualization. The findings of this study provide valuable insights for analyzing and understanding patient incidence patterns and contribute to enhancing the utility of related datasets.

컨테이너 기반의 마이크로서비스 아키텍쳐에서는 워크로드의 변동으로 인해 자원이 비효율적으로 할당되거나 과소 예측으로 자원 병목이 발생하는 경우가 빈번하다. 본 논문에서는 유전 알고리즘과 베이지안 신경망을 결합한 새로 운 클라우드 자원 예측 엔진을 제안한다. 제안한 기법은 CPU와 메모리의 자원 사용 특성을 고려해서 과거 데이터로 학습된 구간 분포를 바탕으로 컨테이너 상의 워크로드가 사용하는 자원량을 예측한다. 시뮬레이선을 통해 제안 기법이 기존의 ARIMA 및 지수 평활화 기법 대비 자원 사용률에 대한 예측 정확도가 뛰어나며, 특히 과소 예측의 위험을 완화할 수 있는 것으로 확인되었다.

In container-based microservice architectures, resource allocation can often become inefficient due to workload variability, or resource bottlenecks may occur due to underprediction. This paper proposes a novel cloud resource prediction engine that combines genetic algorithms with Bayesian neural networks. The proposed technique predicts the amount of resources used by workloads on containers, considering the resource usage characteristics of CPU and memory, based on interval distributions learned from historical data. Simulations demonstrate that our approach significantly improves prediction accuracy of resource utilization compared to traditional ARIMA and exponential smoothing methods, particularly in reducing the risk of underprediction.

최근 사물인터넷 시스템의 전력 절감을 위해 실시간 태스크를 클라우드 또는 엣지 서버로 오프로딩하는 기술이 활발히 연구되고 있다. 충분한 컴퓨팅 자원을 갖춘 클라우드 서버로의 오프로딩은 모바일 시스템의 컴퓨팅 부담을 크게 줄일 수 있으며, 안정된 네트워크 망을 통한 근거리 엣지 서버로의 오프로딩을 통해 실시간 태스크의 데드라인 조건을 더욱 세밀하게 충족할 수 있다. 본 논문에서는 모바일 실시간 시스템의 전력 절감을 위해 기존의 프로세서 동적 전압 조절 기술과 저전력메모리 기술에 엣지/클라우드 서버로의 태스크 오프로딩을 함께 적용한 최적화를 수행했을 때 클라 우드와 엣지 서버의 효율성을 비교 분석한다. 특히, 태스크 집합의 부하와 네트워크 상황, 원격 서버의 컴퓨팅 능력 차이 에 따라 클라우드와 엣지 서버로의 오프로딩이 어떠한 영향을 초래하는지 실험을 통해 비교 분석한다.

Recent research has been actively exploring the technology of offloading real-time tasks to cloud or edge servers to reduce power consumption in Internet of Things (IoT) systems. Offloading to cloud servers, which possess ample computing resources, can significantly reduce the computational burden on mobile systems. More recently, offloading to nearby edge servers via stable network connections has gained attention as a method to more effectively meet the deadline requirements of real-time tasks. This paper compares and analyzes the impact of cloud and edge servers when task offloading is combined with traditional dynamic voltage scaling (DVS) and low-power memory technologies to optimize power-saving in mobile real-time systems. Specifically, we experimentally compare the trade-offs between offloading to cloud versus edge servers, depending on task set load, network conditions, and the computing capabilities of remote servers.

최근 데이터 중심 응용의 기하급수적 확산으로 메모리 자원에 대한 수요가 급증하고 있다. CXL(Compute Express Link)은 물리적으로 산재한 메모리를 집합적 형태로 이용할 수 있도록 해주는 인터커넥트 기술로 현재 컴퓨팅 환경이 직면하고 있는 메모리 장벽 문제를 완화시킬 방안으로 각광을 받고 있다. 본 논문은 CXL을 지원하는 Flash Memory 가 메모리로 활용될 때 빈 메모리 공간 정보를 계층 간에 공유하지 않아 발생할 수 있는 쓰기 증폭 문제를 규명하고, 해당 정보를 공유하기 위한 최적의 계층을 탐색한다. 사용자 계층에 존재하는 라이브러리의 메모리 오버프로 비저닝으로 인해 계층 별로 인지되는 메모리 활용률의 편차를 관찰하여, 빈 공간에 대한 정보 공유를 수행하기에 적합한 계층의 범위를 좁혀 나가기 위한 실험 결과를 제시한다. 실제 워크로드를 활용한 인메모리 키밸류 스토어에서 메모리 장치는 실제 사용량보다 2.05배 높은 공간 활용률을 보였으며, 커널 계층은 사용자 계층 보다 평균 26%, 최대 65% 더 많은 양의 메모리를 사용 중인 것으로 관찰되었다.

The exponential growth of data-centric applications is driving a surge in demand for memory resources. CXL(Compute Express Link) is an interconnect technology that allows physically distributed memory to be used collectively, addressing the current memory barrier in computing environments. This paper investigates the write amplification issue that arises when using CXL-enabled flash memory without sharing empty memory space information across layers, and explores the optimal layer for this information sharing. The study observes memory utilization discrepancies due to memory over-provisioning in user-layer libraries and presents experimental results to narrow down the appropriate layers for sharing empty space information. In an in-memory key-value store utilizing real workloads, the memory device exhibited a space utilization rate 2.05 times higher than the actual usage. The kernel layer was observed to use an average of 26% more memory, with a maximum of 65% more, compared to the user layer.

본 연구는 이미지 기반 미세먼지(PM2.5 및 PM10) 농도 예측을 위해 패치 기반 커널 PCA와 딥러닝을 이용한 미세먼지 추정 방법론을 제안한다. 커널 PCA는 이미지의 비선형적 특징을 효과적으로 추출하고, CNN 모델은 이를 학 습하여 높은 예측 성능을 달성한다. 강화 학습 기반 마스크 최적화와 다중 커널 통합을 통해 예측 정확도와 학습 효율성 을 향상했으며, 다양한 환경에서 일관된 성능을 유지했다. 실험 결과, 제안된 방법론은 기존 센서 기반 방법보다 넓은 범위에서 실시간 모니터링이 가능하며, 저사양 하드웨어에서도 우수한 실시간 성능을 보여준다. 향후 연구는 다양한 환 경에서의 데이터 수집과 모델 최적화를 통해 실시간 응용 가능성을 더욱 높이는 데 주력할 것이다.

In this paper, we propose a methodology that combines patch-based kernel PCA and deep learning for image-based particulate matter (PM2.5 and PM10) concentration prediction. Kernel PCA effectively extracts the nonlinear features of images, and a CNN model is trained to achieve high prediction performance. Through reinforcement learning-based mask optimization and multi-kernel integration, we improve the prediction accuracy and learning efficiency, while maintaining consistent performance in different environments. Experimental results show that the proposed methodology is capable of real-time monitoring in a wider range than existing sensor-based methods, and shows good real-time performance even on low-end hardware. Future work will focus on data collection in different environments and model optimization to further enhance its real-time applicability.

연구에서는 푸드테크 스타트업의 크라우드 펀딩 기획 과정에서 소비자와의 소통 및 신뢰 형성이 브랜드 인지 도와 성공적인 시장 진입에 중요한 역할을 한다는 점을 밝히고자 한다. 특히 실제 BioCGJ(광진기업)의 신제품인 에브리 데이 후무스를 크라우드 펀딩 대상으로 선정하여, 스토리텔링, 리워드 구성, 후원자와의 소통, 메타 광고 등을 중심으로 기획함으로써 소비자 관심을 유도하고 소통을 강화할 수 있음을 확인하였다. 이를 통해, 스타트업의 높은 폐업 비율에도 불구하고 크라우드 펀딩이 단순한 자금조달 수단을 넘어 브랜드 가치를 전달하고 소비자와의 관계를 형성하는데 효과적 인 도구임을 입증하였다. 이러한 전략은 소비자에게 효율적으로 접근하고 성공적인 시장진입 기반을 마련하는데 기여할 수 있음을 보여준다. 더불어, 본 연구는 신제품 출시를 계획 중인 푸드테크 스타트업이 크라우드 펀딩을 전략적으로 활용 하여 지속가능한 성장 기반을 구축할 수 있음을 시사한다. 향후 연구에서는 펀딩 이후 소비자 인식 변화와 브랜드 이미 지 구축 효과를 심층적으로 분석해 보다 체계적인 전략 수립의 토대를 제공할 필요가 있다.

This study revealed that communication and trust-building with consumers play a crucial role in enhancing brand awareness and achieving successful market entry during the crowdfunding planning process of food-tech startups. Specifically, BioCGJ(KJ corp.)'s new product, 'Everyday Hummus', was selected as the focus of crowdfunding. By emphasizing key elements such as storytelling, reward structuring, communication with backers, and meta-advertising in the process, the study confirmed their effectiveness in attracting consumer interest and fostering interaction. Despite the high failure rate of startups, this study demonstrated that crowdfunding is not merely a means of raising funds but also an effective tool for delivering brand value and building relationships with consumers. These strategies have proven to be instrumental in facilitating efficient consumer engagement and laying the foundation for successful market entry. Furthermore, this study suggests that food-tech startups planning to launch new products can strategically utilize crowdfunding to establish a sustainable growth foundation. Future research should focus on analyzing changes in consumer perception and the impact of crowdfunding on brand image to provide a more systematic basis for strategic planning.

지하공동구는 상하수, 전력, 통신 등과 같은 도시의 라이프라인을 수용하여 관리하는 기반 시설로 화재, 지진, 침수 등과 같은 재난으로부터 피해를 입는 경우 도시 전체가 마비될 수 있는 도시기반시설이다. 따라서 재난으로부터 공동구의 안전을 보장하는 것이 매우 중요하다. 지하공동구의 재난안전 관리를 위해 디지털 트윈 기술을 활용하여 사전 에 위험을 감지하여 예방 및 대응을 위한 연구가 진행 중이다. 지하공동구 내 다양한 센서 장치를 설치하고 수집된 환경 및 상황 데이터를 모니터링 및 분석하여 이상 상황을 감지하고 의사결정 지원을 위한 추론을 수행하는 것이 재난안전을 위한 지하공동구 디지털 트윈 구축 과정의 핵심 요소라고 할 수 있다. 지하공동구 디지털 트윈 구축의 가장 기본이 되는 데이터를 수집하는 센서는 불안정한 전원 공급, 물리적인 충격, 습도, 먼지 등과 같은 요소에 의해 일시적으로 혹은 영구 적으로 오동작할 수 있으므로 센서 데이터에 대한 유효성 검증을 통해 오동작 여부를 판단하여 유지보수를 해야 한다. 본 논문에서는 지하공동구 디지털 트윈을 위한 센서 데이터 유효성 검증을 통해 센서 오동작 여부를 판단하는 방법에 대해 소개한다.

The underground utility tunnel is an infrastructure facility that accommodates and manages the city's lifelines such as water supply, sewage, power, and communications, and is an urban infrastructure that can paralyze the entire city if it is damaged by disasters such as fire, earthquake, or flooding. Therefore, it is very important to ensure the safety of the underground utility tunnel from disasters. For disaster safety management of underground tunnels, research is underway to detect risks in advance and prevent and respond using digital twin technology. Installing various sensor devices within the underground tunnel, monitoring and analyzing the collected environmental and situational data, detecting abnormal situations, and performing inference to support decision-making are key elements in the process of building a digital twin of the underground tunnel for disaster safety. Sensors that collect the most basic data for constructing underground tunnel digital twins can malfunction temporarily or permanently due to factors such as unstable power supply, physical shock, humidity, dust, etc., so maintenance must be performed by determining malfunction through validation of sensor data. In this paper, we introduce a method to determine whether a sensor is malfunctioning through sensor data validation for an underground tunnel digital twin.

청소년들의 창의력을 증진 시키기 위한 교육용 기능성 게임이 다양한 장르를 통해 적용되고 연구되고 있다. 그러 나 게임의 목적성을 강조하다 보니 지속성이 떨어지게 되어 창의력 증진을 위한 기능성의 효율성이 떨어지게 된다. 본 논문에서는 처음에는 게임성을 위주로 하고 후천적으로 학습의 기능을 강조하면서 창의성을 증진 시키는 후천적 습득 기반의 창의성 게임을 제안한다. 다양한 창의성 요소 접근을 통해 3개의 퍼즐 장르의 기능성 게임을 기획하고 개발하였 다. 3가지의 퍼즐 게임은 문제 이해, 알고리즘 분석, 문제 해결 등의 프로세스를 통해 게임을 진행한다. 이러한 프로세스 는 창의력 증진에 도움이 되며 실제 창의력 향상이 나타났는지를 검사하기 위해 정량적인 검사 도구를 활용하여 게임 플레이의 전후를 실험하였다. 실험 검사 도구의 신뢰도는 0.96이고 확산적 사고, 수렴적 사고, 창의적 태도 부분에서 모두 게임 전보다 게임 후가 높은 수치를 나타냈고 창의력이 증진되었다는 결과를 얻을 수 있었다.

Educational serious games to promote the creativity of adolescents are being applied and studied through various genres. However, as the purpose of the game is emphasized, the persistence decreases, and the efficiency of the functionality to promote creativity decreases. In this paper, we propose an acquired acquisition-based creativity game that initially focuses on gameability and promotes creativity while emphasizing the function of learning. Serious games of three puzzle genres were planned and developed through various creativity factor approaches. The three puzzle games are played through processes such as problem understanding, algorithm analysis, and problem solving. This process helps to improve creativity and experiments were conducted before and after game play using quantitative test tools to test whether there was an actual improvement in creativity. The reliability of the experimental test tool was 0.96, and in the areas of diffuse thinking, convergent thinking, and creative attitude, all showed higher values after game than before game, and creativity was improved.

훈련 데이터 부족 문제를 해결하기 위해 제안된 교차 프로젝트 소프트웨어 결함 예측은 소스 프로젝트와 타겟 프로젝트 간의 데이터 분포 차이를 최소화하기 위해 도메인 적응 기법들을 이용한다. 본 논문은 CORAL을 사용한 새로 운 모델들을 제작하여 TCA, BDA, W-BDA를 사용한 기존 모델들과 성능을 비교하였다. 또한 딥러닝 분류기를 사용한 모델의 성능을 기존 분류기들을 사용한 모델들과 비교하였다. 평가 실험 결과 CORAL은 소수의 경우를 제외하고 대부분 의 경우 타 모델들에 비해 탁월한 성능을 보였으며, 딥러닝 분류기의 사용은 데이터 집합에 따라 모든 모델들의 성능을 좋게하거나 나빠지게하는 극단적인 결과를 보였다.

Cross-project software defect prediction has been proposed to address the issue of insufficient training data, utilizing domain adaptation techniques to minimize the distribution differences between source and target projects. This paper introduces new models using CORAL and compares their performance with existing models based on TCA, BDA, and W-BDA. Additionally, the performance of models employing deep learning classifiers is compared with those using traditional classifiers. Evaluation experiments demonstrate that, except for a few cases, CORAL generally outperforms the other models, and the use of deep learning classifiers leads to extreme outcomes, either significantly improving or deteriorating the performance of all models depending on the dataset.

최근 제조 자동화를 위한 로봇의 자율조작에 관한 연구가 활발히 진행되고 있다. 로봇이 사람의 교시 없이 상황을 인식하고 비정형 환경에 대응하여 작업하기 위해 비전 AI 기반의 인식기술이 적용되고 있지만, 작업물 위치 및 자세 추정값에 존재하는 오차로 인해 작업의 성공률이 낮아진다. 특히 조립과 같이 다중접촉이 발생하는 작업의 경우 조립물 의 자세 추정 오차로 인한 재밍으로 조립물이 손상될 수 있는데, 이를 극복하기 위해 본 연구에서는 펙인홀 삽입 작업 중 획득한 접촉 힘/토크 데이터를 기반으로 비정렬 자세 오차를 추론하는 회귀 네트워크와 병렬 위치/힘 제어기를 결합 하는 제어방법론을 제안한다. 이를 통해 게인 조정에 독립적인 펙인홀 삽입 작업이 가능하고 비정렬로 인한 재밍 현상 발생 문제를 극복할 수 있음을 확인하였다.

Recently, research on the autonomous manipulation of robots for manufacturing automation has been actively conducted. Although vision AI-based recognition technology is applied to enable robots to perceive situations and work in unstructured environments without human teaching, the success rate of the task decreases due to errors in the estimated position and orientation of the object. Especially in contact-rich tasks such as assembly, jamming caused by pose estimation errors can damage the assembly. To overcome this problem, this study proposes a control methodology that combines a regression network for estimating misalignment errors based on contact force/torque data obtained during peg-in-hole insertion and a parallel position/force controller. This approach enables peg-in-hole insertion tasks independent of gain tuning and overcomes jamming issues caused by misalignment of the assembly.

온라인 쇼핑 거래액은 매년 지속적으로 성장하고 있으나, 소비자의 매체 전환으로 인해 홈쇼핑사의 영업이익이 지속적으로 감소하여 성장률 또한 낮아지고 있다. 스마트 큐레이터는 다양성 향상, 추천의 상황적 요소 반영, 멀티 크리 테리아 평가, 동적 변화를 고려하여 스마트 큐레이션을 설계해야 한다. 본 논문은 소비자들로 하여금 구매까지의 과정 또는 행동을 자극할 수 있는 스마트 AI in Curation model을 제안하기 전의 사전 문헌연구로 소비자의 구매 행동을 연구하여 유사성에 기반한 클러스터링을 통해 구조를 형성하는 것을 목적으로 한다. 스마트 큐레이터가 특정 고객 세그 먼트에 적합하게 가치제안을 할 수 있는 큐레이션 시스템을 설계할 때 도움이 될 것으로 기대한다.

Although the volume of online shopping transactions continues to grow annually, the operating profits of home shopping companies have been steadily declining due to consumer shifts in media usage, resulting in lower growth rates. A smart curator must design smart curation by enhancing diversity, incorporating contextual elements in recommendations, applying multi-criteria evaluation, and considering dynamic changes. This paper serves as a preliminary literature review before proposing a Smart AI in Curation model capable of stimulating the consumer's purchasing process or actions. The study aims to structure a model based on clustering similarities in consumer purchasing behavior. It is expected that this will assist smart curators in designing a curation system that can deliver value propositions tailored to specific customer segments.

본 연구는 정보기술 직업훈련학교 훈련 특성이 학생들의 역할 모호성을 통해 관리 능력에 미치는 영향을 분석하 였다. 연구 결과, 훈련 특성 중 교수자, 시설 및 장비, 훈련 과정이 역할 모호성의 하위 요소인 역할 갈등을 감소시키고, 역할 명확성을 증대시켜 관리 능력 향상에 기여하는 것으로 나타났다. 특히 역할 갈등은 관리 능력을 저해하는 반면, 역할 명확성은 관리 능력을 증진하는 중요한 요소로 확인되었다. 본 연구는 직업 교육 과정에서 명확하고 체계적인 훈련 설계가 학생들의 역할 인식과 관리 능력 발달에 필수적임을 시사하며, 직업 교육의 개선 방향에 대한 실질적인 정보를 제공한다.

This study examines the influence of training characteristics in information technology vocational schools on students' management abilities, emphasizing the mediating effect of role ambiguity. The findings reveal that training components—including instructor quality, facilities and equipment, and well-structured courses—mitigate role conflict and foster role clarity(an aspect of role ambiguity), thereby enhancing management skills. Notably, role conflict was shown to impede management ability, while role clarity proved essential for its improvement. These insights highlight the value of clear, systematic training design in vocational education, supporting students’ role comprehension and management skill development and offering practical guidance for vocational education enhancement.

특정 셀에 숫자들이 표기된 m×n 격자 셀 보드 판에서 숫자의 크기를 가진 사각형으로 분할하는 시카쿠(분할) 퍼즐을 풀 수 있는 체계적인 방법은 알려져 있지 않다. 기존에는 모서리 부분 우선 결정법 또는 유일한 사각형을 갖는 숫자부터 시작하는 방법만이 알려져 있다. 본 논문에서는 숫자를 방향과 크기를 가진 벡터로 취급하여 유일한 크기와 방향을 가진 유일벡터를 우선하여 사각형을 결정하는 알고리즘을 제안하였다. 유일 벡터가 결정되면 이웃하는 유일 벡터 를 갖지 않던 숫자들 중에서 유일 벡터를 갖는 벡터로 변경되어 이 유일 벡터의 사각형을 연쇄적으로 결정할 수 있다. 이를 유일 벡터 파급효과 알고리즘이라 칭하였다. 제안된 알고리즘을 41개 벤치마킹 실험 데이터에 적용한 결과 모든 문제에 대해 퍼즐을 빠르고 정확하게 풀 수 있음을 보였다.

There is no known systematic way to solve the Shikaku(partitions) puzzle(PP), which partitions numbers into squares of numerical size on m×n grid cell boards marked on specific cells with number. Conventionally, only a method of first determining the corner or a number with the only square is uniquely. This paper proposes an algorithm that treats numbers as vectors of direction and magnitude and prioritizes the unique vector of magnitude and direction to determine squares. Once the unique vector is determined, it can be changed to a vector with the unique vector among the numbers that ununique vector in the neighborhood, and the rectangle of this unique vector can be determined in a chain rule. This was called the unique vector ripple effect algorithm. Applying the proposed algorithm to 41 benchmarking experimental data showed that puzzles can be solved in polynomial time for all problems.

본 연구는 디지털 전환(DX)이 기업 경영 성과에 미치는 영향과 이 관계에서 빅데이터 품질관리와 디지털 전환 (DX) 수준을 조절효과로 실증적으로 분석하였다. 현재 수많은 기업들이 디지털 전환 전략 수립 및 구축 활동을 하고 있다. 하지만 기업이 보유하고 있는 고객 데이터 품질 및 디지털 전환(DX) 수준이 기업 경영 성과에 미치는 영향에 대한 연구와 논의는 부족하였다. 본 연구에서는 고객지향성, 개인 혁신성, 경영층 지원, 경영 환경, 고객 빅데이터 품질 관리 등 디지털 전환(DX) 요인이 업무 효율화와 기업 경영 성과에 유의한 영향을 미치는지 100명의 임직원 설문을 통해 조사 하였고, 가설을 설정하여 검증하였다. 연구결과 고객 지향성, 경영층 지원, 고객 빅데이터 품질 관리는 기업 경영 성과에 유의한 영향을 미쳤다.

This study empirically analyzed the impact of digital transformation (DX) on corporate management performance and the level of big data quality management and digital transformation (DX) as a moderating effect in this relationship. Currently, numerous companies are establishing and building digital transformation strategies. However, research and discussion on the impact of customer data quality and digital transformation (DX) levels held by companies on corporate management performance were insufficient.In this study, whether digital transformation (DX) factors such as customer orientation, personal innovation, management support, management environment, and customer big data quality management had a significant effect on work efficiency and corporate management performance was investigated through a questionnaire of 100 executives and employees, and hypotheses were established and verified. As a result of the study, customer orientation, management support, and customer big data quality management had a significant effect on corporate management performance.

본 논문에서는 효율적인 치과 상담용 챗봇을 개발하기 위해 대규모 언어 모델(LLM)의 문제점을 해결할 수 있는 검색 증강 생성(RAG)과 함수 호출을 사용하여 ＡＩ 에이전트를 구현하였다. 이를 통해 기존의 RAG을 이용한 치과 상담 챗봇은 사용자의 복잡한 질문에 정확한 답변을 생성하는 것이 어려운 문제점이 있으므로 이를 해결하고 질문에 대한 더 정확하고 효율적인 챗봇을 구축할 수 있었다. 챗봇 구축을 위해 국내 치과 대학병원의 웹페이지 게시판에 있는 전문 적인 상담 내용을 수집하고 치과 전문의의 자문과 감수를 받아 구축된 상담 데이터를 사용하였다. 시뮬레이션 결과 함수 호출과 검색 증강 생성을 이용한 ＡＩ 에이전트 방식은 사용자 질문을 효과적으로 분석하여 함수 호출을 통해 가장 유사 한 상담 내용을 검색하고 정확한 내용을 생성하여 출력하였다. 구축된 챗봇을 통해 ＡＩ를 이용한 치과용 상담의 가능성 을 높일 수 있음이 확인되었다.

In this paper, we implemented an AI agent using retrieve augmentation generation(RAG) and function calls to solve the problem of large-scale language models(LLMs) to develop an efficient dental consultation chatbot. Through this, we were able to solve the problem that existing dental consultation chatbots using RAG have difficulty generating accurate answers to complex questions from users, and build a more accurate and efficient chatbot for questions. To build the chatbot, we collected professional consultation contents from the webpage bulletin boards of domestic dental university hospitals and used consultation data built with the advice and supervision of dental specialists. The simulation results show that the AI agent method using function calls and retrieve augmentation generation effectively analyzes user questions, searches for the most similar consultation contents through function calls, and generates and outputs accurate contents. It was confirmed that the possibility of dental consultation using AI can be increased through the built chatbot.