• 지능정보연구
• /
• 제24권4호
• /
• pp.51-66
• /
• 2018

인공지능 기술의 비약적인 발전으로 인하여, 사용자의 편의성 증대를 목적으로 다양한 분야에서 관련된 제품과 서비스들의 개발이 이루어지고 있다. 이러한 기술의 발전에는 긍정적인 파급 효과에 대한 기대감이 존재하나, 향후 발생 가능한 부정적인 측면에 대한 논의도 활발히 이루어지고 있다. 예를 들어, 인공지능 기술 기반의 자율주행 자동차의 경우 안정성의 향상이라는 측면에서 많은 관심을 받고 있으나, 트롤리 딜레마, 시스템 보안 문제 등의 사회적 이슈 또한 활발히 논의되고 있다. 이에 따라, 인공지능 관련 기술의 발전과 사회적 수용을 위해서는 사회적으로 논의되는 주요 관련 이슈들에 대한 확인과 효과적인 분석이 요구된다. 이를 위해, 본 연구에서는 '이세돌 vs 알파고' 시점인 2016년 3월을 포함하여 2016년 1월부터 2017년 12월까지 2년 동안의 인공지능과 관련된 사회적인 이슈들을 파악하고 온라인상에서 발생되는 사회적 여론에 대하여 다 범주 감성을 분석하고자 한다. 이를 위하여 국내 대표적인 포털 사이트에서 인공지능 관련 뉴스의 수와 관련된 뉴스 제목, 뉴스의 댓글을 웹 크롤링(Web Crawling) 하였다. 사회적 여론에 대한 다 범주 감성 분석은 논의되는 이슈들의 중요성을 고려하여 단순 긍정 또는 부정이 아닌, 분노, 혐오, 두려움, 행복, 중립, 슬픔, 놀라움의 7가지 다 범주 감성으로 분석하였다. 분석 결과, 대부분의 이벤트 기간에 대하여 1위 감성은 '행복'으로 나타났지만 각 키워드에 대하여 나오는 감성이 상이함을 볼 수 있었다. 또한 2016년 상반기, 하반기, 2017년 상반기, 하반기로 나누어 보았을 때 시간이 지남에 따라 '분노'의 감성이 낮아짐을 확인하였다. 이러한 분석 결과를 바탕으로 인공지능과 관련하여 현재 논의되고 있는 다양한 이슈와 동향 파악이 가능하며, 이에 대한 대응 방안 마련에 활용이 가능할 것이다. 향후 감성 분석기의 성능 향상과 댓글에 대한 공감 및 비공감도의 가중치를 추가하여 분석한다면 사회적 여론을 보다 세밀하게 파악 할 수 있을 것이다.

• 한국재난정보학회 논문집
• /
• 제16권4호
• /
• pp.813-823
• /
• 2020

연구목적: 원자로 내부 시설물 해체 등의 고위험 시설이나 고비용 작업에 앞서 시뮬레이션을 통한 작업의 안정성과 생산성을 최대화하기 위해 실제 제어 장비의 제원을 시뮬레이션 상에 모사하고 이를 통해 정밀 제어될 수 있는 디지털 트윈 기술을 이용하고자 한다. 디지털 트윈 기술을 적용함에 정밀 제어 장비와 시뮬레이션의 시간적 격차로 인해 발생할 수 있는 동작 제어 오차는 위험 시설물과 제어 장비 간의 충돌 등과 같은 위험 요소들을 발생시킬 수 있다. 이러한 상황을 제거하고 통제하기 위해서는 사전 연구가 필요하다. 연구방법: 현재 시뮬레이션을 개발함에 가장 대중적으로 사용되는 엔진으로는 Unity 3D가 있다. 하지만 Unity 3D 엔진 내부의 시간 보정으로 인해 발생할 수 있는 제어 오차가 존재한다. 그 오차는 여러 환경에 예상되고 그 오차는 시스템 사양 등의 개발 환경에 따라 다를 수 있다. 이를 입증하기 위해 Unity 3D 엔진을 이용하여 충돌 시뮬레이션 개발하고 이를 통해 다양한 조건의 충돌실험을 진행하고 그에 따른 결과를 정리하고 분석하여 이를 토대로 정밀 제어 장비의 허용 오차를 도출한다. 연구결과: 충돌실험 시뮬레이션을 통한 실험에서 엔진 내부 함수호출에 1/1000초 단위의 시간 보정으로 인해 충돌체의 이동제어에 단위 시간당 거리오차가 발생하고 거리오차는 충돌체의 이동속도와 비례한다. 결론: 디지털 트윈을 이용한 원격해체 시뮬레이터는 하드웨어와 소프트웨어 환경과 수동 제어 시 정밀 제어 장치의 요구 정밀도에 따른 이동속도의 제한이 필요할 것으로 판단된다. 그리고 운용 제어 장비의 가용 및 허용 오차와 작업의 요구 속도를 시스템 개발 환경, 하드웨어 사양과 시뮬레이션에 모사된 제어 장비 및 시설물 등의 모델링 데이터의 크기도 반드시 고려한다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.287-310
• /
• 2022

인공지능의 등장으로 과학기술 분야 뿐만 아니라 산업의 고도화가 가속화되고 있다. 기업은 인공지능 기술의 효과적인 도입을 통한 지능형 제품 개발로 고객 경험 혁신 및 가치 창출을 실현하고자 한다. 그러나 지능형 제품은 인공지능과 같은 급진적인 기술을 기반으로 하는 제품의 특성상 기존 제품과 개발 방식에 있어 차이를 나타내며, 기존 제품 개발 방법론을 그대로 적용하기에 명확한 한계가 존재한다. 본 연구에서는 차량용 음성비서를 예시로 기업들의 성공적인 지능형 신제품 개발을 위한 KANO-TOPSIS 기반의 새로운 연구 방법을 제안한다. 먼저 KANO 모델을 통해 고객들이 신제품에 필요하다고 생각하는 기능을 선별 및 평가하고, TOPSIS를 통해 고객들이 필요로 하는 기능의 중요도를 구해 신제품 개발을 위한 새로운 기능의 우선순위를 도출한다. 분석을 위해 차량 상태 확인 및 기능 제어 요소, 주행 관련 요소, 음성비서 자체의 특성, 인포테인먼트 요소, 일상생활 지원 요소 등 주요 카테고리를 선정 및 고객 요구속성을 세분화하였으며, 분석 결과, 높은 인식 정확도가 차량용 음성비서 개발에 있어 최우선으로 고려되어야 할 요소로 나타났다. 운전자의 생체 정보, 사용 습관 등에 맞춤화된 콘텐츠를 제공하는 인포테인먼트 요소는 예상과 달리 낮은 우선순위를 나타낸 반면 차량 상태 알림, 주행 보조 및 보안 등 운전자의 안전과 관련된 기능들은 보다 우선적으로 개발되어야 할 요건으로 밝혀졌다. 본 연구는 KANO와 TOPSIS를 결합한 우수한 모델을 통해 혁신적인 지능형 신제품의 특성에 맞는 새로운 제품 개발 방법론을 제시했다는 점에서 의의가 있다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1309-1320
• /
• 2023

모바일 기기의 기술 발전과 대중화는 어디서든 사용자의 위치를 확인할 수 있으며 인터넷을 사용할 수 있도록 발전되었다. 그러나 실내의 경우 인터넷은 끊김없이 사용할 수 있지만 global positioning system (GPS) 기능은 활용하기 어렵다. 실내 공공장소인 백화점, 박물관, 컨퍼런스장, 학교, 터널 등 GPS가 수신되지 않는 음영 지역에서 실시간 위치정보 제공의 필요성이 증가하고 있다. 이에 따라 최근의 실내 측위 기술은 랜드마크 데이터베이스를 구축하기 위해 light detection and ranging (LiDAR) 장비를 기반으로 연구가 증가하고 있다. 본 연구에서는 랜드마크 데이터베이스 구축의 접근성에 초점을 두어 모바일 기기를 기반으로 랜드마크를 촬영한 단일 이미지와 사전에 구축된 랜드마크 데이터베이스 정보를 이용하여 사용자의 위치를 추정하는 기법을 개발하고자 하였다. 첫 번째로, 랜드마크 데이터베이스를 구축하였다. 랜드마크를 촬영한 모바일 이미지만으로 사용자 위치를 추정하기 위해서는 모바일 이미지에서 랜드마크 검출이 필수적이고, 검출된 랜드마크에서 고정적인 성격을 가진 지점의 지상좌표 취득이 필수적이다. 두 번째 단계에서는 bag of words (BoW) 영상 검색 기술을 적용해 랜드마크 데이터베이스 중 모바일 이미지가 촬영한 랜드마크를 유사한 4위까지 검색하였다. 세 번째 단계에서는 scale invariant feature transform (SIFT) 특징점 추출 기법과 Homography random sample consensus (RANSAC)을 통해 검색된 4개의 후보 랜드마크들 중 가장 유사한 하나의 랜드마크를 선정하였고, 이때 임계값 설정을 통해 정합점 수를 기반으로 한 차례 더 필터링을 수행하였다. 네 번째 단계에서는 대응된 랜드마크와 모바일 이미지간의 Homography 행렬을 통해 랜드마크 이미지를 모바일 이미지에 투사하여 랜드마크의 영역과 코너(외곽선)점을 검출하였다. 마지막으로, 위치추정 기법을 통해 사용자의 위치를 추정하였다. 해당 기술의 성능을 분석한 결과, 랜드마크 검색 성능은 약 86%로 측정되었다. 위치추정 결과와 사용자의 실제 지상좌표를 비교한 결과, 약 0.56 m의 수평 위치 정확도를 갖는 것이 확인되어 별도의 고가 장비 없이 랜드마크 데이터베이스를 구축하여 모바일 영상으로 사용자 위치 추정이 가능한 것을 확인하였다.

• 지능정보연구
• /
• 제26권3호
• /
• pp.109-125
• /
• 2020

군(軍)에서 방위력개선사업(이하 방위사업)은 매우 투명하고 효율적으로 이루어져야 함에도, 방위사업 관련 법 및 규정의 과도한 다양화로 많은 실무자들이 원활한 방위사업 추진에 어려움을 겪고 있다. 한편, 방위사업 관련 실무자들이 각종 문서에서 다루는 법령 문장은 문장 내에서 표현 하나만 잘못되더라도 심각한 문제를 유발하는 특징을 가지고 있으나, 이를 실시간으로 바로잡기 위한 문장 비교 시스템 구축에 대한 노력은 미미했다. 따라서 본 논문에서는 Siamese Network 기반의 자연어 처리(NLP) 분야 인공 신경망 모델을 이용하여 군(軍)의 방위사업 관련 문서에서 등장할 가능성이 높은 문장과 이와 관련된 법령 조항의 유사도를 비교하여 위법 위험 여부를 판단·분류하고, 그 결과를 사용자에게 인지시켜 주는 '군(軍) 보고서 등장 문장과 관련 법령 간 비교 시스템' 구축 방안을 제안하려고 한다. 직접 제작한 데이터 셋인 모(母)문장(실제 법령에 등장하는 문장)과 자(子)문장(모(母)문장에서 파생시킨 변형 문장) 3,442쌍을 사용하여 다양한 인공 신경망 모델(Bi-LSTM, Self-Attention, D_Bi-LSTM)을 학습시켰으며 1 : 1 문장 유사도 비교 실험을 통해 성능 평가를 수행한 결과, 상당히 높은 정확도로 자(子)문장의 모(母)문장 대비 위법 위험 여부를 분류할 수 있었다. 또한, 모델 학습에 사용한 자(子)문장 데이터는 법령 문장을 일정 규칙에 따라 변형한 형태이기 때문에 모(母)·자(子)문장 데이터만으로 학습시킨 모델이 실제 군(軍) 보고서에 등장하는 문장을 효과적으로 분류한다고 판단하기에는 제한된다는 단점을 보완하기 위해, 실제 군(軍) 보고서에 등장하는 형태에 보다 더 가깝고 모(母)문장과 연관된 새로운 문장 120문장을 추가로 작성하여 모델의 성능을 평가해본 결과, 모(母)·자(子)문장 데이터만으로 학습시킨 모델로도 일정 수준 이상의 성능을 확인 할 수 있었다. 결과적으로 본 연구를 통해 방위사업 관련 군(軍) 보고서에서 등장하는 여러 특정 문장들이 각각 어느 관련 법령의 어느 조항과 가장 유사한지 살펴보고, 해당 조항과의 유사도 비교를 통해 위법 위험 여부를 판단하는 '실시간 군(軍) 문서와 관련 법령 간 자동화 비교 시스템'의 구축 가능성을 확인할 수 있었다.

• 헤리티지:역사와 과학
• /
• 제51권3호
• /
• pp.4-31
• /
• 2018

홍주읍성의 초축 연대는 명확히 알 수 없으나 문종 1년 축조 이후 수십 차례에 걸친 보수와 정비를 거쳤으며, 일제강점기에 일부 성벽이 훼철되면서 오늘날의 형태를 갖게 되었다. 홍성은 지구조적으로 지진의 발생 가능성이 높은 지역이다. 역사지진 기록이 남아 있으며, 1978년과 1979년에 각각 규모 5.0과 4.0의 지진이 발생하여 성벽 일부가 붕괴된 바가 있다. 2010년에는 집중강우에 의해 성벽이 붕괴되기도 하였다. 홍주읍성 성벽은 구간에 따라 다양한 구성암종, 치석형태, 축조방식, 채움재료 등이 적용되었다. 또한 보수과정에서 기존의 성벽을 훼철하지 않고 재사용 가능한 부분을 그대로 사용하여 시대에 따른 특성이 성벽에 수직적으로 반영되어 나타난다. 따라서 홍주읍성의 유형분류는 성벽의 수직적 분포를 기준으로 나누었으며, 축성유형의 수직적 개수에 따라 유형 I, 유형 II, 유형 III으로 구분하였다. 성벽에 사용된 암석은 주로 조립질화강암이나 성벽유형에 따라 암종의 차이가 명확하다. 성벽 하부는 자연석 내지 할석을 사용하여 다양한 암종이 혼재되어 나타나나, 중앙부의 치석한 암석은 대부분 조립질 화강암이다. 보수석재는 담홍색화강암이나 수구지와 조양문의 구성 암종은 성벽과 상이하다. 홍주읍성의 대표적인 손상유형은 배부름, 성돌의 돌출, 기초부 성돌의 유실, 부재의 이격, 균열 및 단열, 기초불안정 및 구조적 변형이다. 성벽에 발생하는 거동의 양과 방향을 확인하기 위해 수동 간이계측 및 광파측정을 수행하였다. 수동계측 결과, 성벽의 구조적 변형이 진행되는 구간을 분류할 수 있다. 광파측정 자료와 비교한 결과, 두 모니터링 방법은 상호 상관관계가 있는 것으로 나타났다. 따라서 장기적인 보존관리 방안으로 두 계측방법은 상호 보완적으로 활용할 수 있으며, 홍주읍성의 안정화를 위해 계측시스템은 유지, 관리 및 개선되어야 할 것이다. 남문지 일대의 계측결과를 종합할 때, 붕괴된 성벽 또한 강우에 의한 거동변화가 지속적으로 진행되었을 것이다. 오랜 기간 변위가 누적된 상태에서 집중강우에 의해 발생한 이상거동에 따라 임계점을 초과하여 붕괴에 이르렀을 개연성이 충분하다. 홍주읍성 성벽의 효율적 관리를 위해 연구결과를 토대로 0등급부터 5등급까지 총 6단계의 관리등급을 제안하였다. 이 관리등급을 적용한 결과, 1등급 501.9m (61.10%), 2등급 29.5m (3.77%), 3등급 10.4m (1.33%), 4등급 241.2m (30.80%)로 나타났다. 4등급 구간은 홍화문 서쪽과 치성의 동쪽에 밀집된 양상으로 나타나며, 상시 모니터링 수행을 통해 위험상황에 대비해야 한다. 6단계로 분류한 관리등급은 전체적인 안정성 검토를 통해 수리와 보수가 수행된다면 다시 0등급으로 회귀하는 윤회적 시스템이다. 이를 위해서는 주기적인 정밀 모니터링을 통한 관리등급의 평가가 필요하다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.143-156
• /
• 2012

누구나 뉴스와 주가 사이에는 밀접한 관계를 있을 것이라 생각한다. 그래서 뉴스를 통해 투자기회를 찾고, 투자이익을 얻을 수 있을 것으로 기대한다. 그렇지만 너무나 많은 뉴스들이 실시간으로 생성 전파되며, 정작 어떤 뉴스가 중요한지, 뉴스가 주가에 미치는 영향은 얼마나 되는지를 알아내기는 쉽지 않다. 본 연구는 이러한 뉴스들을 수집 분석하여 주가와 어떠한 관련이 있는지 분석하였다. 뉴스는 그 속성상 특정한 양식을 갖지 않는 비정형 텍스트로 구성되어있다. 이러한 뉴스 컨텐츠를 분석하기 위해 오피니언 마이닝이라는 빅데이터 감성분석 기법을 적용하였고, 이를 통해 주가지수의 등락을 예측하는 지능형 투자의사결정 모형을 제시하였다. 그리고, 모형의 유효성을 검증하기 위하여 마이닝 결과와 주가지수 등락 간의 관계를 통계 분석하였다. 그 결과 뉴스 컨텐츠의 감성분석 결과값과 주가지수 등락과는 유의한 관계를 가지고 있었으며, 좀 더 세부적으로는 주식시장 개장 전 뉴스들과 주가지수의 등락과의 관계 또한 통계적으로 유의하여, 뉴스의 감성분석 결과를 이용해 주가지수의 변동성 예측이 가능할 것으로 판단되었다. 이렇게 도출된 투자의사결정 모형은 여러 유형의 뉴스 중에서 시황 전망 해외 뉴스가 주가지수 변동을 가장 잘 예측하는 것으로 나타났고 로지스틱 회귀분석결과 분류정확도는 주가하락 시 70.0%, 주가상승 시 78.8%이며 전체평균은 74.6%로 나타났다.

• 한국지구과학회지
• /
• 제41권2호
• /
• pp.95-110
• /
• 2020

본 연구에서는 고해상도 ERA5 재분석자료 중 우리나라 지상 온도 자료의 신뢰성을 검증할 목적으로 종관기상관측소(ASOS) 관측자료와 비교를 수행하였다. 새롭게 생산되어 배포 중인 ERA5 재분석자료는 높은 시·공간적 해상도를 가져 여러 분야에 활용성이 매우 높다. 자료의 분석 기간은 ASOS 61개 관측소가 1999년 이후로 결측률이 매우 낮으며 시간평균 자료를 제공한다는 점을 고려하여 1999-2018년 기간으로 설정하였다. ERA5 격자 자료는 격자 내 90-m 수치표고모델(DEM) 분포로부터 내륙, 해안, 산악 지역에 해당하는 지형학적인 특성에 따라 분류하여 ASOS 지점 자료와 비교되었다. 분석 기간 전체에 대한 평균 지상 온도는 ASOS와 ERA5 모두 공간 분포의 패턴과 값은 큰 차이없이 유사하였다. ASOS와 ERA5의 산점도 비교를 통해 전체 기간, 특히 여름, 겨울 기간에 대해 계절 변동성을 가진다는 특성을 확인할 수 있었으며, 이는 달별 두 자료 사이의 매시간 차이 확률밀도함수(PDF)의 시계열을 통해서도 확인되었다. 두 자료 사이의 차이를 통계지수인 NMB, RMSE를 계산하여 정량화시켰을 때, 각 값에서 지역적인 특성을 보였으나 모든 지수에서 큰 차이가 없다고 판단할 수 있었으며, 상관성을 보기 위해 R과 IOA를 통해 구한 값은 모두 0.99에 근접하였다. 특히 일평균 산출에 있어 1-시간-평균 값 24개를 이용한 일평균의 경우가 최고와 최저온도의 평균을 이용하는 일평균에 비해 오차가 작게 나타났고, 두 자료 사이의 상관성도 높게 나타남을 확인하였다. 두 자료의 차이가 나타나는 원인으로 ERA5 격자 내 지형 효과가 가장 클 것으로 판단하여 수치표고모델을 활용하여 각 지역별 PDF를 이용해 첨도 및 왜도를 구하고, 이를 온도 차이 파워 스펙트럼의 1년 주기 변동 크기와 비교하였다. 그 결과, 양의 상관성을 가졌음을 확인하였다. 이는 지형 효과가 두 자료 차이의 원인이라고 설명하는 결과이다.

• 한국방사선학회논문지
• /
• 제11권5호
• /
• pp.303-312
• /
• 2017

감마나이프 방사선수술(GKRS)의 핵심 목표는 병변에 처방 등선량 표면의 일치성을 최대화하고 병변 주변부 정상 조직의 방사선 효과를 최소화하는 것이다. 일치성 지표, 적용 범위, 선택성, 빔-온 시간, 기울기 지표(GI), 일치성/기울기 지표(CGI)와 같은 치료계획의 질과 관련된 다양한 종류의 지표들이 존재한다. 이 가운데 최상의 치료계획 평가 도구로서 우리는 일치성 지표, GI 및 CGI를 반드시 확인해야 한다. 특히 건강한 정상조직의 합병증과 관련된 GI 및 CGI는 일치성 지표보다 더욱더 중요하게 여겨진다. 그래서 저자는 치료계획 시스템 렉셀 감마플랜(LGP) 및 검증 방법 가변 타원체 모형화 기술(VEMT)을 사용하여 광범위하게 적용되고 있는 GI 뿐 만 아니고 CGI, 새로이 정의된 일치성/기울기 지표를 계산하고 통계적으로 분석하였다. 본 연구는 GKRS로 치료받은 두개 내 병변을 가진 10명의 환자를 대상으로 하였다. 저자는 단지네 인자들: 처방 등선량 체적, 최대 선량의 30% 이상 체적, 병변 체적, 처방 등선량 절반의 체적 만을 가지고 LGP와 VEMT를 이용해서 지표를 계산했다. 모든 데이터는 두 가지 다른 측정기법을 비교하는데 사용되는 통계적 방법인 Paired t-test로 분석되었다. 10명의 사례에서 LGP와 VEMT 사이에 GI의 통계적 유의성은 관찰되지 않았다. GI의 차이는 -0.14에서 0.01 사이의 범위였다. LGP와 VEMT의 두 가지 방법으로 계산된 새롭게 정의된 기울기 지표 또한 통계적으로 유의하지 않았다. 저자는 LGP와 VEMT 사이에 처방 등선량 체적에 대한 통계적 차이를 발견하지 못했다. 최상의 치료계획을 결정하기 위한 또 하나의 평가 지표인 CGI도 통계적으로 유의하지 않았고 CGI의 차이는 -4에서 3까지 이었다. 똑같이 GKRS에 적합하게 새로이 정의된 일치성/기울기 지표도 통계 분석을 통해서 치료계획 평가를 위한 훌륭한 측정 기준으로 여겨진다. 통계분석 결과 VEMT는 GKRS에서 최상의 치료계획을 평가하기 위해 GI, 새로운 기울기 지표, CGI 및 새로운 CGI를 고려했을 때 LGP와 우수한 일치를 보였다. 저자는 LGP 및 VEMT를 통해서 빠르고 쉬운 평가도구의 적용성으로 인하여 GI 뿐 만 아니라 CGI와 새로이 정의된 CGI가 널리 사용되기를 기대한다.

• 치위생과학회지
• /
• 제15권5호
• /
• pp.585-593
• /
• 2015

본 연구는 2013년도 1월부터 2014년도 12월까지 경기도에 위치한 치과의료기관을 대상으로 치위생과정을 실시하고 있는 진료과와 실시하지 않는 진료과의 재무 및 비재무성과를 비교 분석하였다. 2013년도와 2014년도를 비교하면 환자 당 진료비는 치위생과정을 적용한 A과의 경우 216,664원, 324,810원으로 108,147원이 증가하였고, 적용하지 않은 B과는 184,655원, 225,698원으로 41,043원 증가하였다(p<0.01). 1일 내원환자 수는 A과의 경우 68.67명, 76.75명으로 8.08명이 증가하였고(p=0.01), B과는 77.83명, 80.25명으로 2.42명이 증가하였다(p>0.05). 진료동의 율은 A과에서 89.17%, 89.68%였고, B과는 60.09%, 66.98%였다(p<0.001). 재내원율은 A과에서 87.48%, 85.89%였고, B과는 44.92%, 45.55%였다(p<0.001). 정기검진환자율은 A과에서 16.01%, 19.03%였고, B과는 2.53%, 6.84%였다(p<0.001). 소개환자율은 A과에서 38.46%, 47.59%였고, B과는 29.98%, 30.77%였다(p<0.05). 대기시간은 A과에서 27.67분, 28.25분이었고, B과는 25.54분, 25.67분을 나타냈다(p>0.05). 위의 결과를 통해 치위생과정을 병행하는 진료체계는 치과의료의 질에 대한 만족도와 경영적 효용성을 높일 수 있는 수준 높은 의료 프로그램임을 확인하였다. 따라서 치과의료기관에서 환자중심의 긍정적 신뢰를 형성하고, 인적 서비스 중심의 경영전략을 수립하는 데 활용할 수 있기를 기대한다.