최근 자동차 시장이 꾸준히 성장해옴에 따라 소비자의 기대치 역시도 높아졌다. 그러므로 자동차 영업소는 과거와는 다른 혁신적인 고객 가치 창출이 필요해졌다. 자동차 영업소는 경영 전략에 맞는 영업사원을 선발하기 위해 노력하고 있으나 실질적인 내적 역량을 평가하기에 어려움을 겪고 있다. 따라서 본 논문에서는 Spencer&Spencer(2008) 연구에 기반하여 영업사원 선발에 필요한 핵심역량을 재구성해보고, 그 역량간 계층적 중요도를 AHP 분석을 활용하여 도출하여 오늘날 자동차 영업사원에게 필요한 핵심역량에 대해 분석한다. 본 연구에서는 기존 연구에 기초하여 주요 핵심역량을 선별하고, AHP 분석을 통해 역량간 상대적 중요도를 도출하였다. 그 결과 과거 연구와는 다른 핵심역량 중요도를 도출해낼 수 있었다. 이는 현대사회 시장과 기존 자동차 영업사원의 특징, 최근 고객들의 성향이 주된 원인일 것으로 판단된다. 본 연구는 AHP 분석을 통한 필요 역량 산출의 용이성, 중요도에 따른 선발 기준 설정이 가능하다는 점을 보였으며, 기존 연구가 직무명세서를 기반해서 이루어졌다면 본 연구는 전문가 집단의 설문조사를 통해 이루어졌다는 점에서 차이가 있다.

최근 공공장소 및 시설에서 범죄예방 및 시설 안전을 목적으로 영상정보 기반의 인체의 행위를 분류하는 연구가 활발히 진행되고 있다. 이러한 인체 행위분류의 성능을 향상하기 위해서 대부분의 연구는 전이학습 기반의 딥러닝을 적용하고 있다. 그러나 딥러닝의 기반이 되는 중추 네트워크 모델(Backbone Network Model)의 수가 증가하고 아키텍처가 다양해짐에도 불구하고, 소수의 모델만 사용하는 분위기 때문에 운용목적에 적합한 중추 네트워크 모델을 찾는 연구는 미흡한 실정이다. 본 연구는 영상정보를 기초로 인체 행위를 분류하는 인공지능 모델을 개발하기 위해 최근에 개발된 5가지의 딥러닝 중추 네트워크 모델을 대상으로 전이학습을 적용하고 각 모델의 정확도 및 학습효율 측면에서 비교 및 분석하여 가장 효율이 높은 모델을 제안하였다. 이를 위해, 기본적인 인체 행위가 아닌 운동 종목 기반의 활동적이고 신체접촉이 높은 12가지의 인체 활동을 선정하고 관련된 7,200개의 이미지를 수집하였으며, 5가지의 중추 네트워크 모델에 총 20회의 전이학습을 균등하게 적용하고 학습과정과 결과성능을 통해 인체 행위를 분류하는데 적합한 중추 네트워크 모델을 정량적으로 비교 및 분석하였다. 그 결과 XceptionNet 모델이 학습 및 검증 정확도에서 0.99 및 0.91로, Top 2 및 평균 정밀도에서 0.96 및 0.91로 나타났으며 학습 소요시간은 1,566초, 모델용량의 크기는 260.4MB로 정확도와 학습효율 측면에서 다른 모델보다 높은 성능이 나타남을 확인할 수 있었다. 이러한 결과는 전이학습을 적용하여 인체 행위분류를 진행하는 다양한 연구 분야에 활용되기를 기대한다.

본 연구는 하나의 공급자와 하나의 소매자가 구성된 분산화된 공급사슬에서 도매가 계약과 수익공유 계약, 수량유연 계약, 판매환급 계약을 비교·분석한다. 선행 연구의 결과에 따라 공급사슬 조정(coordination)이 이루어지는 각 조정 계약의 모수를 설정하였다. 이들 모수의 조합에 대해 @RISK를 활용하여 시뮬레이션을 수행하고 공급사슬 조정을 이루는 상태 하에서 계약의 성사율과 각 계약에 유리한 참여자를 평가한다. 결과적으로 수량 유연 계약은 소매자 쪽에 가장 유리하고 판매환급 계약은 공급자 쪽에 가장 유리하다. 수익공유 계약은 공급자와 소매자의 이익 재배분에 가장 넓은 범위에서 선택할 수 있어 더 유연하게 사용할 수 있음을 밝혔다.

이상기후로 인한 불안정한 식량 수급을 해결하기 위한 대안 중 하나로 식물공장의 필요성이 증대되고 있다. 식물공장 내 기류는 재배작물의 증산작용과 열교환에 중요한 인자 중 하나로 인식되고 있다. 한편, 디지털트윈(Digital Twin: DT)은 실체계를 가상세계에 복제한 것으로 실체계만으로 불가능한 다양한 서비스를 제공하는 수단으로 주목받고 있다. 본 연구에서는 디지털트윈 개념을 실제 운용중인 식물공장 기류해석에 적용하여 다양한 상황에 기류를 예측할 수 있는 기류 예측 DT 모델 개발을 목표로 하였다. 이를 위해 먼저 기류 해석용 디지털트윈 수학적 형식론을 제시하고, 이를 기반으로 실제 운용중인 식물공장의 기류예측 모델링에 필요한 정보들을 명세한다. 이어서 식물공장 내 형상을 CAD로 구현하고 유동해석을 위한 전산유체역학(CFD) 구성요소들을 결합하여 DT 모델을 개발하였다. 마지막으로 DT 모델의 시뮬레이션 해석 결과를 식물공장에서 수집한 실제 기류값과 비교하는 모델의 실증 및 기계학습 기반 보정을 통해 정확도가 높은 기류 예측용 DT 모델을 완성하였다.