본 논문은 국내 농업 산업이 직면한 주요 과제를 해결하기 위한 농업 데이터 공유 플랫폼의 설계 과정을 제시한다. 사용자의 편의성을 위해 사용자 요구사항을 우선적으로 고려한 인터페이스로 설계되었으며 다양한 분석 기술을 제공하여 현장에서의 환경, 생육, 경영 및 제어 데이터에 대한 분석 결과를 시각화하여 제공하는 플랫폼을 설계하였다. 또한 플랫폼은 File to DB 및 DB to DB 연결 방식을 지원하여 플랫폼과 농가 간의 원활한 연결을 보장한다. UI 디자인 프로세스는 HTML/CSS 기반 언어, JavaScript, React를 활용하여 플랫폼 로그인부터 데이터 업로드, 데이터 분석, 시각화 기능까지 포괄적인 서비스를 제공하도록 설계되었다. 본 연구를 통해 한국형 스마트팜 모델 개발에 기여하고 농업 현장 및 연구자들에게 신뢰할 수 있는 데이터를 제공할 수 있을 것으로 기대된다.

본 연구는 대중들이 '심신장애를 사유로 하는 형량 감경 비율'에 대해 어떻게 생각하고 있는지 분석하고, 여론의 방향과 실제 법원의 판단이 합치되는지 확인하기 위해 수행되었다. 이를 위해, 대법원 코트넷 판결문 검색시스템과 기관별 정신감정 의뢰 건수, 네이버 뉴스에서 '심신장애'를 키워드로 하는 기사의 개수와 댓글 개수, 댓글 내용을 크롤링한 결과를 활용하였다. 데이터 분석 결과, 여론은 심신장애에 따른 형량 감경에 대해 부정적이었으며 그 기준의 모호성에 대해 불만을 나타냈다. 그러나 실제 판결문 분석과 기관별 정신감정 의뢰 건수 분석 결과 법원은 「형법」제10조(심신장애)에 규정된 정신장애인의 책임 조각 및 책임 감경에 대해 엄격하게 판단하고 있음을 확인할 수 있었다. 즉, 가해자의 정신장애에 대한 인정 사례는 줄어들고 있지만 여론은 이를 인지하지 못하고 있다. 공권력이 국민 수호의 의무를 충분히 수행하고 있지 못하다는 여론의 형성은 국가기관에 대한 국민의 신뢰를 떨어뜨리는 부정적 효과를 갖고 있다. 따라서 국민의 안전을 보장하는 경찰과 검찰은 국민의 신뢰를 얻기 위해 명확한 기준에 따라 법집행을 할 필요가 있으며 사법부도 심신장애에 대한 감형 기준에 대해 엄중한 판단은 물론 그 적용 결과를 국민들에게 인식시켜줄 필요가 있다.

대리운전 시장의 요금체계는 이용자의 대리운전 서비스 요청 시, 주위 대리운전 기사의 수, 대리운전 서비스 이용자 수, 날씨 등의 다양한 영향에 의해 실시간으로 변하는 Dynamic Pricing의 특징이 있다. 불확실한 변동성은 대리운전 서비스 요금을 상승시켜 고객의 이탈과 대리운전 기사의 배차거부를 유발하는 주된 원인이 되며, 이러한 문제를 해결하기 위해 적절한 수요를 예측하고 선제적으로 대응하기 위한 수요 예측모형의 도입이 요구된다. 본 연구에서는 대리운전 서비스 이력 데이터를 활용하여 지역별, 시간대별 대리운전 서비스 수요를 예측하는 모형을 제시한다. 이후 실제 대리운전 서비스 이력 데이터를 활용하여 시간과 요일에 따른 조건부 확률을 구축하고 이를 예측 모형과 결합한 Time-Series with Conditional Probability 방법론을 제안하였으며 실험을 통해 SARIMA, Prophet의 기존 시계열 모형보다 성능이 우수함을 검증하였다. 본 연구는 제안된 방법론을 통해 구축된 수요 예측 모형을 활용하여 대리운전 서비스의 단기 전략 수립에 활용할 수 있다는 시사점이 있다.

It is crucial to develop effective and efficient big data analytics methods for problem-solving in the field of business in order to improve the performance of data analytics and reduce costs and risks in the analysis of customer data. In this study, a big data-driven data analysis system using artificial intelligence techniques is designed to increase the accuracy of big data analytics along with the rapid growth of the field of data science. We present a key direction for big data analysis systems through missing value imputation, outlier detection, feature extraction, utilization of explainable artificial intelligence techniques, and exploratory data analysis. Our objective is not only to develop big data analysis techniques with complex structures of business data but also to bridge the gap between the theoretical ideas in artificial intelligence methods and the analysis of real-world data in the field of business.

제조업의 안전보건 기준은 다양한 항목이 존재하지만, 질병 재해자 기준에서 업무상 질병과 근골격계 질환으로 나눌 수 있다. 이 중 근골격계 질환은 제조업에서 가장 많이 발생하며, 나아가서 제조 현장의 노동생산성감소 및 경쟁력 약화까지 유발할 수 있어서 이를 사전에 확인할 수 있는 시스템이 필요한 실정이다. 본 논문에서는 제조업 노동자의 근골격계 유해 요인을 검출하기 위하여 근골격계 부담작업 요인 분석 데이터 속성, 유해 요인 작업자세, 관절 키포인트를 정의하고 인공지능 학습용 데이터를 구축하였다. 구축한 데이터의 유효성을 판단하기 위해서 YOLO, Dite-HRNet, EfficientNet 등의 AI 알고리즘을 활용하여 학습하고 검증하였다. 실험 결과 사람 탐지 정확도는 99%, 탐지된 사람의 관절 위치 추론 정확도는 @AP0.5 88%, 추론된 관절 위치를 종합하여 자세를 평가한 정확도는 LEGS 72.2%, NECT 85.7%, TRUNK 81.9%, UPPERARM 79.8%, LOWERARM 92.7%를 도출하였으며, 추가로 딥러닝 기반의 근골격계 질병을 예방할 수 있는 연구에 필요한 요소를 고찰하였다.

데이터 기반 의사결정 방법론, 고도화된 빅데이터 처리 기법의 발달로 데이터를 처리하는 방법에 대한 정보의 수요가 늘어나고 있다. 데이터를 활용하는 거의 모든 작업과 연구에서 데이터 전처리 과정이 포함되나, 이러한 과정은 주장하고자 하는 내용이나 결과물을 도출하기 위한 수단으로써 언급될 뿐 실질적인 과정에 대해서 자세하게 설명하고 있는 연구는 부족하였다. 실질적인 분석 기법을 활용하기 이전의 단계로 간단하게 언급되는 경우가 많아 데이터 처리에 대한 인사이트를 획득하기 어려운 경우가 많았다. 따라서 이 연구에서는, raw data에서부터 데이터를 처리하는 과정, 즉 데이터 처리 파이프라인에 대해서 자세하게 작성하고자 하였다. 특히 수입식품 수입 절차에 대한 설명을 구체화함으로써 해당 상황에서 데이터의 필드들이 어떻게 해석될 수 있고 어떠한 필드들을 왜 활용하게 되었는지에 대한 상황과 관련 도메인 지식을 공유하면서 흐름을 기술하고자 하였다.

해양쓰레기는 해양생물의 생존, 바닷물 오염, 풍경 등 생태계에 영향을 미칠 뿐만 아니라 2차적으로 경제적 손실 및 인간 건강에 악영향을 끼친다. 수중 및 해수면 쓰레기 문제에 대한 연구는 활발히 진행되고 있는 반면 사람의 접근이 어려운 사각지대의 해양쓰레기 해결방안 연구는 더디게 이뤄지고 있다. 이러한 문제를 해결하기 위해 우리는 드론을 활용해 테트라포드와 같은 사각지대에서 해양쓰레기를 탐지 및 추적한다. 또한 탐지된 쓰레기는 드론의 GPS, 고도, 방위 값 등으로 위치 좌표를 계산해서 이를 시각화한다. 본 연구에서 제안하는 드론을 활용한 해양쓰레기 탐지 및 위경도 매칭 방법은 사각지대에서의 해양쓰레기 문제에 효과적으로 대응할 수 있는 해결책을 제시한다.

프로젝트의 평가란 프로젝트의 진행상황과 결과물을 평가하는 과정이다. 스마트시티 프로젝트들은 시스템 구성요소별(인프라, 서비스, 플랫폼)로 프로젝트가 나뉘기도 하고, 여러 가지 서비스별로 프로젝트들이 동시에 진행되기도 한다. 또한 추가 프로젝트를 통하여 서비스들이 개발되고 확장되기도 한다. 이렇게 여러 가지 프로젝트들이 복합적으로 진행되는 스마트시티가 목표 및 전략에 맞추어 진행되기 위해서는 프로젝트를 수행하는 과정에서 주기적인 프로젝트 평가가 필요하다. 본 논문이 제안한 스마트시티 프로젝트 평가체계는 스마트시티의 기획, 설계, 구축 및 운영의 전 단계에서 발생하는 프로젝트에 대해서 반드시 고려해야 할 다양한 요소를 반영하여 종합적이고 객관적인 지표를 제공하도록 설계되었다. 평가체계로부터 도출된 지표는 의사결정자가 스마트시티 프로젝트 개발 방향을 결정하는데 사용될 수 있다. 또한 프로젝트의 종료 이전에도 프로젝트의 성과를 중간 평가하고 이로부터 얻은 피드백을 반영할 수 있도록 설계하였다. 본 연구가 제안한 스마트시티 프로젝트 평가체계의 적용 방법을 소개하기 위해 인천경제자유구역청(IFEZ)의 스마트시티 프로젝트 사례에 개발된 평가체계를 적용하였다. 또한 평가결과를 바탕으로 스마트시티 프로젝트 항목별 개선효과를 극대화할 수 있는 항목을 제시함으로써 스마트시티 프로젝트 추진 방향을 제시하였다. 여러 가지 프로젝트들이 복합적으로 진행되는 스마트시티 프로젝트의 특성을 반영한 스마트시티 프로젝트 평가체계를 활용함으로써 스마트시티 프로젝트의 종합적인 계획 및 관리가 가능할 것이며, 프로젝트의 우선적인 개선 요소를 파악하는 데 본 연구가 참고가 될 것이다.

최근에 우리나라에서 뿐만 아니라, 세계 곳곳에서 태풍, 산불, 장마 등으로 인한 재해가 끊이지 않고 있고, 우리나라 태풍 및 호우로 인한 재산 피해액만 1조원이 넘고 있다. 이러한 재난으로 인해 많은 인명 및 물적 피해가 발생하고, 복구하는 데도 상당한 기간이 걸리며, 정부 예비비도 부족한 실정이다. 이러한 문제점들을 사전에 예방하고 효과적으로 대응하기 위해서는 우선 정확한 데이터를 실시간 수집하고 분석하는 작업이 필요하다. 그러나, 센서들이 위치한 환경, 통신 네트워크 및 수신 서버들의 상황에 따라 지연 및 데이터 손실 등이 발생할 수 있다. 따라서, 본 논문에서는 이러한 통신네트워크 상황에서도 분석을 정확하게 할 수 있는 2단계 하이브리드 상황 분석 및 예측 알고리즘을 제안한다. 1단계에서는 이기종의 다양한 센서로부터 강, 하천, 수위 및 경사지의 경사각 데이터를 수집/필터링/정제하여 빅데이터 DB에 저장하고, 인공지능 규칙기반 추론 알고리즘을 적용하여, 위기 경보 4단계를 판단한다. 강수량이 일정값 이상인데도 불구하고 1단계 결과가 관심 이하 단계에 있으면, 2단계 딥러닝 영상 분석을 수행한 후 최종 위기 경보단계를 결정한다.

디지털 혁신의 확산에 따라 의료 분야에서도 인공지능을 기반으로 한 혁신의료기술의 채택이 활발해지고 있다. 이에 따라 인공지능 기반 소프트웨어형 의료기기인 SaMD(Software as a Medical Device)의 출시 및 도입도 촉진되고 있지만, 의료기관의 SaMD 도입 요인에 대한 연구는 미흡한 편이다. 본 연구의 목적은 '인공지능 기반 SaMD' 도입에 대한 의료기관의 의사결정에 영향을 미치는 중요한 요인들을 찾고, 이들 요인의 가중치와 우선순위를 분석하는 것이다. 이를 위해 의료계의 기술수용 모델, 의료 인공지능 및 SaMD 등에 관한 문헌연구 결과를 바탕으로 델파이 조사를 실시하였으며, HOTE(Human, Organization, Technology and Environment) 프레임워크와 HABIO(Holistic Approach {Business, Information, Organizational}) 프레임워크를 결합하여 연구 모형을 개발하였다. 5가지 주기준과 22개의 하부기준으로 구성된 연구 모형을 바탕으로 국내 의료기관과 SaMD 공급자의 전문가들을 대상으로 AHP(Analytic Hierarchy Process) 분석을 실시하여 SaMD 도입 요인을 실증적으로 분석하였다. 본 연구의 결과, 인공지능 기반의 SaMD 도입을 결정하는 주기준의 우선순위는 기술적 요인, 경제적 요인, 인적 요인, 조직적 요인, 환경적 요인의 순으로 나타났고, 하부기준의 우선순위는 신뢰성, 진료원가 절감, 의료진의 수용도, 안전성, 최고 경영자의 지원, 보안성, 인허가 및 규제 수준의 순이었다. 특히, 신뢰성, 안전성, 보안성 등의 기술적 요인이 SaMD 도입에 있어서 가장 중요한 것으로 나타났다. 또한, 각 집단별 가중치와 우선순위를 비교·분석한 결과, SaMD 도입 요인의 가중치와 우선순위는 기관의 유형, 의료기관의 유형 및 의료기관 보직의 유형에 따라 매우 다른 것으로 나타났다.

전통적인 오프라인 중심의 상거래 방식은 온라인과 모바일 기술의 발전으로 인해 크게 변화하고 있으며, 이러한 변화는 구매 패턴에 관한 소비자 행동의 변화를 동반했다. 온라인 쇼핑의 성장에도 불구하고 몽골에는 여전히 '가공식품'과 같은 특정 제품군에서는 전통적인 오프라인 매장을 더욱 선호하고 있다. 이러한 온라인과 오프라인 채널의 공존과 기능 변화에 대응하기 위해서는 기존 채널에 대한 성과를 면밀히 분석해야 한다. 특히, 채널의 역할 전환 혹은 통합과 같은 새로운 전략을 수립할 필요가 있다. 이에 본 연구에서는 몽골 유통 시장을 중심으로 오프라인 매장에 대한 매출, 이익, 판매량과 같은 성과 지표를 기준으로 군집분석을 실시하였으며, 각 군집의 특징을 주변환경과 비교하여 주요 특징을 발견하였다. 주요 군집에 속한 오프라인 매장의 성과 향상을 위해 온-오프라인 채널 간의 풀필먼트 허브 매장, 고객의 매장 체류 시간을 늘리기 위한 체험 매장, 그리고 매장 특성에 따라 서로 보완하여 트래픽을 증가시킬 수 있는 비관련 채널 간의 합병 등 세 가지 전략을 제안하였다. 이를 통해, 기존 유통 채널의 다변화와 함께 고객 경험 향상 및 수익성 개선을 달성할 수 있을 것이다.

수산물은 많은 국가의 주요한 단백질 공급원이며 소비가 증가하고 있다. 우리나라도 수산물 소비는 증가하는 반면 자급률은 낮아지고 있으며, 수산물의 수입량이 증가함에 따라 안전관리의 중요성이 높아지고 있다. 국내로 수입되는 수산물은 110여 개 국가로부터 수백 종에 이르며, 수입 수산물의 안전관리를 검사관의 경험에만 의존하는 것은 한계가 있다. 데이터를 기반으로 수입 수산물 통관검사 결과를 예측할 수 있는 모델을 개발하여 수입신고서가 제출되었을 때 수산물의 부적합 가능성을 판단하는 머신러닝 분류 모델을 생성한다. 수입수산물 통관검사 결과 부적합율은 1% 미만으로 매우 낮은 불균형 데이터이므로 이러한 특성을 보완할 수 있는 샘플링 방법을 비교 연구하였고, 분류결과를 해석할 수 있는 전처리 방법을 적용하였다. 여러 가지 머신러닝 기반의 분류모델 중에서 랜덤포레스트와 XGBoost가 좋은 성능을 보였다. 통관검사 결과 적합과 부적합을 모두 잘 예측하는 모델은 ADASYN과 원-핫 인코딩을 적용한 랜덤포레스트 기본 모델이며 정확도 99.88%, 정밀도 99.87%, 재현율 99.89%, AUC 99.88%이다. XGBoost는 오버샘플링과 인코딩 종류에 상관없이 모든 지표가 90%를 넘겨 가장 안정적인 모델이다.