기업의 기술예측을 강화하기 위한 정량적 예측모델링에 관한 실증연구 : 자동차부품산업 중심으로 = An Empirical Study on Quantitative Predictive Modeling to enhance Corporate Technology Prediction : Focusing on the Auto Parts Industry

다국어 초록 (Multilingual Abstract)

In recent years, the competition for market preoccupation among auto parts makers is intensifying in the automotive industry due to the development of artificial intelligence and system semiconductors and the technological competition between traditional auto parts makers and ICT companies is increasing rapidly. In addition, the change of E/E (Electric/Electronic) architecture for vehicles due to the transition from the internal-combustion engine to electrification such as electric vehicles using motors is also rapidly advancing technology innovation of automobiles.
Changes for vehicle E/E architecture are predicted to evolve into Cross Domain Architecture, Zonal Architecture, and Centralized Vehicle Architecture. It is expected that the number of existing 80 ECU(Electronic Control Unit)s will be reduced to 20-30.
By applying advanced technology to vehicles with various functions through convergence and integration of technologies for other industries, automobiles are now evolving from a simple moving space to a living space. We can confirm through exhibitions or demonstrations at motor shows and trade fairs.
And, due to the change in the automobile paradigm, the existing vertical automobile supply chain systems such as automakers, Tier-1, and Tier-2 are being diversified. The in-house development method is also changing to Eco-System construction through Open Innovation.
In this wave of change, centering on companies that develop technology, the importance of planning with strategic direction and challenging execution power for R&D is getting stronger. In addition, performing technology development through efficient resource allocation and investment through accurate prediction of products or technologies has become an essential element for the survival of a company. Therefore, R&D should be carried out through the establishment of a roadmap for products and technology in the planning stage, analysis of positioning in the market by grasping the technology level of the company, and selection of technology acquisition methods for Make or Buy.
In particular, the roadmap for products and technology is a tool that sets the development direction by identifying what customers want and needs, selecting products and technologies that meet their requirements, and establishing a target schedule for timely launch on the market. It is used to predict the trend of future development direction, set short-term and mid-to-long-term strategic directions and goals, and promote technology development. However, most companies are developing roadmaps by relying on qualitative methods such as trends, expert opinions, papers, and patent analysis on the relevant technology. If a quantitative method is added to the current qualitative method for technology prediction, a more accurate technology prediction method will enable companies to efficiently input resources and enter the market at the right time.

The purpose of this study is to conduct an empirical study on quantitative predictive modeling to strengthen the technology prediction of companies with a focus on the automobile parts industry. Therefore, this study intends to improve the way to maximize the company's performance and improve the contribution to company-wide value creation through the use of technology trend information of unstructured data that can help the company's technology prediction and the grafting with statistical techniques.
To solve the research problem, data preprocessing was performed through text mining through unstructured technology trend information data. In addition, according to the development trend of artificial intelligence, time series data were analyzed using deep learning, and empirical research was conducted by limiting the mass production time prediction modeling applicable to the product-technology roadmap among the complex considerations of technology prediction. Although the empirical study presented in this study was conducted through simulation centered on data from the automobile industry, I have no doubt that it can be universally used in other manufacturing fields.

In addition, on the company side, if we can supply products to the market in a timely manner, we will lead the way through the methodology for moving from a fast follower to a first mover by breaking away from the method of creating roadmaps for products and technologies through expert Delphi technique and benchmarking of advanced companies. It is believed that it will be able to lay the foundation for a leap forward as a company.

국문 초록 (Abstract)

최근 인공지능과 시스템 반도체 발전으로 인한 자동차 산업의 전장화(電装化)에 대하여 자동차 부품업체들의 시장 선점을 위한 경쟁이 심화되고 있으며, 전통 부품업체들과 ICT업체들간의 기술 경쟁의 가속화를 증가시키고 있다. 또한, 기존의 내연기관에서 모터를 활용한 전기차와 같은 전동화의 전환으로 인하여 차량에 대한 E/E(Electric/Electronic) 아키텍처의 변화도 자동차의 기술혁신을 빠르게 진행시키고 있다.
차량 E/E 아키텍처의 변화는 크로스 도메인 아키텍처(Cross Domain Architecture), 구역화 아키텍처(Zonal Architecture), 중앙 집중형 차량 아키텍처(Centralized Vehicle Architecture)로 진화될 것으로 예측되고 있으며, 기존의 80여개의 제어기 개수가 20~30여개로 줄어들 전망이다.
또한, 다양한 기능의 탑재와 함께 첨단 기술을 차량 내부에 적용함으로써 他산업에 대한 기술의 융·복합을 통하여 자동차가 이제는 단순한 이동 공간을 넘어 생활 공간으로의 한 축으로 진화할 수 있다는 것을 모터쇼나 박람회 등의 전시나 시연을 통해 확인할 수 있다.
그리고, 자동차 패러다임의 변화로 인하여 완성차업체, Tier-1, Tier-2 등 기존 수직 계열의 자동차 공급망 체계도 다변화되고 있고, In-house 방식의 개발 방법도 오픈이노베이션(Open Innovation)을 통한 Eco-System 구축으로 바뀌어 가고 있다.
이러한 변화 물결 속에서 기술 개발을 업(業)으로 하는 기업을 중심으로 연구개발에 대한 전략적 방향성과 도전적 실행력을 갖춘 기획의 중요성은 점점 강화되고 있으며, 제품 및 기술에 대한 정확한 예측을 통하여 효율적인 리소스(Resource) 분배와 투자를 통해 기술개발을 수행하는 것은 기업의 생존을 위한 필수적 요소가 되었다. 따라서, 기획 단계에서 제품과 기술에 대한 로드맵 수립, 자사의 기술 수준을 파악하여 시장(Market)에서의 포지셔닝 분석, Make or Buy에 대한 기술획득 방법 선정 등을 통해 연구개발이 수행되어져야 한다.
특히, 제품과 기술에 대한 로드맵은 고객이 원하는 바가 무엇인지, 고객의 니즈를 파악하여 요구사항에 맞는 제품과 기술을 선정하고, 제품을 시장에 적기 출시하기 위한 목표 일정 수립과 개발 방향을 설정하는 툴(Tool)로써 미래 발전방향에 대한 추세를 예측하여 단기 및 중장기의 전략 방향성을 통해 기술 개발을 추진하는데 사용된다. 하지만, 대다수의 기업들은 해당 기술에 대한 동향, 전문가 의견, 논문, 특허 분석 등 정성적인 방법에 의존하여 로드맵을 개발하고 있다. 현재의 기술예측에 대한 정성적인 방법과 더불어 정량적인 방법이 더해진다면 좀 더 정확한 기술예측 방법으로 기업의 효율적인 리소스 투입과 적기 시장 투입을 가능하게 해 줄 수 있을 것이다.
따라서, 본 연구는 자동차부품산업 중심으로 기업의 기술예측을 강화하기 위한 정량적 예측모델링에 관한 실증연구를 통해 제품의 양산시기를 규명하기 위한 것이다. 이를 위해 기업의 기술예측에 도움을 줄 수 있는 비정형 데이터의 기술 동향정보 활용 및 통계 기법들과의 접목을 통해 기업의 성과를 극대화하고 전사가치창출에 대한 기여도를 향상시킬 수 있는 방안을 제고하고자 한다.
정량적 예측모델링에 관한 실증연구를 해결하기 위해 비정형적인 기술 동향정보를 텍스트 마이닝을 통해 데이터 전처리를 수행하였다. 또한, 인공지능의 발전 추세에 따라 딥러닝을 활용한 시계열 데이터를 분석하고, 기술예측의 복합적인 고려 사항 중 제품-기술로드맵 작성에 적용 가능한 양산 시기 예측모델링으로 한정하여 실증연구를 진행하였다. 본 연구에서 제시한 실증 연구는 자동차 산업에서의 데이터를 기반으로 시뮬레이션을 활용하여 연구를 진행하였지만, 범용적으로 他제조업 분야에서도 활용 가능할 것으로 믿어 의심치 않는다.
또한, 기업의 측면에서는 선진업체의 벤치마킹을 통한 제품/기술에 대한 로드맵 작성 방법으로부터 탈피하여, Fast Follower에서 First Mover로 지향하기 위한 방법론을 적용함으로써 제품을 시장에 적기 공급할 수 있다면 선도업체로 도약하기 위한 토대를 마련할 수 있을 것으로 사료된다.

목차 (Table of Contents)

• I. 서론 1
• 1. 연구의 배경 및 목적 1
• 가. 연구의 배경 1
• 나. 연구의 목적 4
• 2. 연구의 의의 6
• 3. 논문의 구성 8
• II. 이론적 배경 9
• 1. 기술경영과 혁신 9
• 가. 기술경영의 중요성 9
• 나. 기술혁신의 개념 10
• 다. 기업전략 수립 방법 12
• 2. 기술예측 14
• 가. 기술예측의 이론적 배경 14
• 나. 기술예측의 필요성 17
• 다. 기술예측의 역할 18
• 라. 기술예측 과정 20
• 마. 기술예측 방법 21
• 바. 세계의 미래예측 대응현황 30
• 3. 세계 각국의 기술예측 연구 32
• 가. 미국: 기술로드맵에 대한 기업 중심 사례 36
• 나. 한국: 한국전력공사의 기술개발 기획 사례 41
• 다. 일본: 닛산자동차 기술예측 활용 사례 46
• 4. 기술로드맵 49
• 가. 기술로드맵의 필요성 51
• 나. 기술로드맵의 유형 52
• 다. 기술로드맵의 구성요소 및 작성 57
• 5. 기술트리 65
• 가. R&D기획 기법 66
• 나. 기술 데이터베이스 68
• 6. 데이터 애널리틱스(Data Analytics) 70
• 가. 인공지능·머신러닝·딥러닝 70
• 나. 데이터 사이언스·데이터 마이닝·데이터 애널리틱스 73
• 7. 데이터 마이닝(Data Mining) 75
• 가. 데이터 속성 76
• 나. 데이터 마이닝 단계 78
• 8. 모델 구축 88
• 가. 데이터 집합의 용도 89
• 나. 모델의 평가 91
• 9. 문자열 유사성 알고리즘 99
• 가. 유사성 알고리즘 99
• 10. 이동 평균(Moving Average) 기법 103
• 11. 가트너 하이프 사이클(Gartner Hype Cycles) 106
• 가. 하이프 사이클의 구성 108
• 나. 전통적 S-Curve와 하이프 사이클 비교 109
• 12. 빅데이터 기반의 기술 모니터링 예측 112
• 13. 인공 신경망 116
• 가. 인공 신경망 구성 116
• 나. 심층 신경망 119
• 14. 순환 신경망 구조 유형 124
• 가. 장단기 기억(LSTM) 125
• 나. 관문 순환 유닛(GRU) 127
• III. 연구 방법 128
• 1. 연구설계 및 방법 128
• 2. 연구모형의 설정 129
• 3. 기술예측 모델링 설계 134
• 가. 지식 데이터베이스 수집 과정 135
• 나. 누적이동평균(Cumulative Moving Average; CMA) 139
• 다. 장단기 기억 LSTM 142
• 라. 제품/기술에 대한 모니터링 144
• 마. 기술의 성장단계 분류 147
• 바. 양산시기 예측 150
• Ⅳ. 실증 분석 152
• 1. 연구 대상의 특성 및 분석 과정 152
• 가. 표본의 특성 152
• 나. 예측모델링의 분석 과정 157
• 2. 연구 가설의 검증 158
• 가. 가트너의 하이프 사이클과 기술 동향 정보와의 관계 158
• 나. 장단기 기억 LSTM과 관문 순환 유닛 GRU 비교 161
• 다. 자율주행 양산시기 예측 시뮬레이션 168
• Ⅴ. 결 론 172
• 1. 연구의 요약 172
• 2. 연구의 시사점 175
• 가. 이론적 시사점 175
• 나. 실무적 시사점 176
• 3. 연구의 한계 및 향후 연구 방향 179
• 참고문헌 181
• Abstract 193

참고문헌 (Reference)

1. R&D 관리, 윤진효, 이종옥, 이규현, 조성복, 정선양, 서울: 경문사, , 2005

2. 기술경영, 안연식, 유정상, 조형래, 파주: 학현사, , 2013

3. 기술경영, 윤재홍, 서울: 이프레스, , 2014

4. 마케팅원론, 하영원, 유시진, 박흥수, 안광호, 경기: 학현사, , 2020

5. 미래예측학, 권기헌, 경기：법문사, , 2008

6. 조직행동론, 이수도, 서울: 형설출판사, , 2000

7. Science roadmaps, Galvin , R., 280 ( 5365 ) , 803, , 1998

8. Automated Driving, Sae.org, Available : http : //www.sae.org/misc/pdfs/automated_driving.pdf ., , 2017

9. 기술경영학개론, 윤지환, 조용덕, 송경모, 민재웅, 김영준, 서울: 탐진, , 2017

10. 기술예측 방법론, 박재혁, 신태영, 김형수, 연구보고, 95-29, 1-247, , 1995

11. 전략적 기술경영, 정선양, 서울: 박영사, , 2011

12. 컨설팅 다시보기, 하찬호, 부천: 부크크, , 2017

13. 신연구개발기획론, 윤진호, 현병환, 서정해, 서울: 경문사, , 2006

14. 제2판 기술과 경영, 정선양, 서울: 경문사, , 2012

15. 데이터 애널리틱스, 이재식, 파주: 위키북스, , 2020

16. 마케팅 조사(제4판), 이학식, 서울: 집현재, , 2019

17. 제3세대 R&D 그 이후, 홍대순, 정형지, 서울: 케이디북스, , 2007

18. Roadmapping the Corporation, Albright , R. E. , & Kappel , T., 46 ( 2 ) , 31-40 ., , 2003

19. 미국의 기술예측활동, 정근하, 과학기술정책. 14, 7-11, , 1991

20. 특허분석과 기술예측, 전성해, 장동식, 박상성, 서울: 교우사, , 2014

21. Roadmapping ? Agent of Change, McMillan , A, 46 ( 2 ) , 40-47 ., , 2003

22. 기술지도 작성 및 화용, 이병남, 대전: 한국전자통신연구원, , 2006

23. Science and Technology Roadmaps ,, Kostoff , R. N. , & Schaller , R. R., 48 ( 2 ) , 132-143 ., , 2001

24. . R&D 전략 기획 실무매뉴얼, 전략기술경영연구원, 서울: 전략기술경영연구원, , 2004

25. Evolution of Roadmapping at Motorola, Richey , J. M. , & Grinnell , M., 47 ( 2 ) , 37-41 ., , 2004

26. 데이터 마이닝 개념 및 기법, 용환승, 승헌우, 박우창, 최기헌, 파주: 자유아카데미, , 2003

27. The core competence of the corporation, Prahalad , C. K. , & Hamel , G., 68 ( 3 ) , 79-91 ., , 1990

28. 동적 기술로드맵 방법론 연구, 김봉균, 한국산업기술재단 연구보고서, 2006-01, 1- 351, , 2006

29. Revolution vs. Evolution : You need both, Hamel , G., 79 ( 5 ) ., , 2001

30. 팬데믹 시대의 B2B 마케팅/영업, 하찬호, 서울: 부크크, , 2021

31. Developing Intellectual Capital at Skandia, Edvinsson , L., 30 , 366-373, , 1997

32. Motorola ’ s Technology Roadmap Process ,, Willyard , C. H. , & McClees , C. W., 30 ( 5 ) , 13-19 ., , 1987

33. . Scenario-based 전략기획실무매뉴얼, 전략기술경영연구원, 서울: 전략기술경영연 구원, , 2004

34. 텐서플로 케라스를 이용한 딥러닝, 박유성, 파주: 자유아카데미, , 2020

35. 국내외 기술기획 방법론 조사 연구, 과학기술정책연구원, 서울: 한국산업기술평가원, , 2000

36. 변정은, 유연우. 기술전략과 R&D기획, 박현우, 성태응, 서울: 한성대학교출판부, , 2018

37. 이훈영교수의 마케팅 조사론(제4판), 이훈영, 서울: 청람, , 2017

38. Firm Resource and Sustained Competitive Advantage, Barney , J, 17 ( 1 ) , 99-120 ., , 1991

39. Scenario planning : a tool for strategic thinking, Schoemaker , Paul J.H, 36 ( 2 ) , 25-40, , 1995

40. 국내 외 기술포사이트 활동 비교분석, 황호영, 박태웅, 엄기용, 기술혁신연구, 8(1), 1-30, , 2003

41. 시작하세요! 텐서플로 2.0 프로그래밍, 김환희, 파주: 위키북스, , 2020

42. Marketing and Technology : A Strategic Co alignment, Capon , N. , & Glazer , R., 51 , 1-14 ., , 1987

43. 애플의 사례를 통해 살펴본 창조적 파괴, 박재영, 경영관리연구, 6(1), 13-25, , 2013

44. 기술경영 실천하기: 기술경영 이해와 응용, 한국산업기술진흥협회, 서울: 한국산업기 술진흥협회, , 2011

45. 국가와 기업에서의 기술예측 결과 활용 방안, 임기철, 충청: 과학기술정책연구원, , 2000

46. 기술예측을 위한 특허 키워드 네트워크 분석, 최진호, 임남규, 김희수, 지능정보연구, 17(4), 227-240, , 2011

47. Characterisation of Technology Roadmaps : Purpose and Format, Phaal , R. C. , Farrukh , J. P. & Probert , D. R., 29 ( 2 ) , 367-374 ., , 2001

48. 신 개발 의료기술 탐색을 위한 미래예측방법론, 이성규, 이유경, 박은정, 권오진, 손은수, 신채민, 최지은, 이준영, 박지정, 임성원, 근거와 가치, 4(1), 74-100, , 2014

49. 차세대 기술혁신을 위한 기술지식 경영(개정2판), 박용태, 파주: 생능출판사, , 2014

50. Examining Technological innovation of Apple using patent analysis, Jun , S. , & Park , S., 113 ( 6 ) , 890-907 ., , 2013

51. Perspectives on Roadmaps : How Organizations Talk about the Future, Kappel , T. A, 18 ( 1 ) , 39-50 ., , 2001

52. 국가연구개발사업 예비타당성조사 수행 세부지침, 한국과학기술기획평가원, 충청: 한 국과학기술기획평가원, , 2018

53. 잠재적 후보기술 경로 탐색방법: 바이오 연료 사례, 이승용, 신준석, 기술혁신연구, 28(3), 29-53, , 2020

54. 미래기술의 경쟁력 강화를 위한 기술예측기법 연구, 구영덕, 이호신, 문영호, 대전: 한 국과학기술정보연구원, , 2001

55. 과학기술예측을 위한 미래사회의 이슈 및 니즈 도출, 신태영, 안두현, 엄미정, 김형수, 정책연구, 2004(1), 1-322, , 2004

56. 가트너 부상하는 기술을 위한 Hype Cycle의 정량적 분석, 박유현, 한국정보통신학 회논문지, 22(8), 1041-1048, , 2018

57. QFD를 활용한 제품-기술로드맵: 웹 기반 시스템의 설계, 이성주, 이승훈, 박용태, 한 국경영과학회 학술대회논문, 2004-2, 351-355, , 2004

58. 델파이 기술예측의 타당성과 신뢰성 분석에 관한 연구, 홍순기, 권성훈, 기술혁신연구, 17(1), 99-117, , 2009

59. QFD와 벤치마킹을 활용한 엔젤 교육 프로그램 설계 연구, 황보윤, 은준엽, 이형주, 생 산성논집, 35(2), 163-203, , 2021

60. TRIZ를 활용한 냉장고 디자인의 융복합적 조형요소 해석, 임태훈, 한국과학예술융합 학회, 38(4), 327-337, , 2020

61. TRM 실무매뉴얼: 미래시장 지향적 중장기 제품 기술 기획, 전략기술경영연구원, 서울: 전략기술경영연구원, , 2004

62. Technology Roadmapping ? A planning framework for evolution and revolution, Phaal , R. C. , Farrukh , J. P. , & Probert , D. R., 71 ( 1/2 ) , 5-26 ., , 2004

63. 딥러닝을 이용한 기술클러스터의 미래 성장가능성 예측, 안세정, 김도현, 이준영, 한국 과학기술정보연구원 DATA INSIGHT, 11, 2-12, , 2019

64. 전략 통합형 R&D를 위한 과학적 연구방법론 에 관한 연구, 남태영, 김효준, 이찬희, 류지선, 길영준, 연구보고, 2002-11, 1-239, , 2002

65. 시나리오 분석을 활용한 한국 이동통신 시장에 관한 연구, 이정우, 이성환, 동서연구, 17(2), 143-164, , 2005

66. 한국, 일본, 독일의 중장기 기술예측 결과 비교 분석 연구, 박재혁, 신태영, 김형수, 정근하, 정책연구, 94-25, 1-339, , 1995

67. LSTM과 GRU 딥러닝 IoT 파워미터 기반의 단기 전력사용량 예측, 이선민, 이동구, 선영규, 조은일, 이지영, 김용범, 심이삭, 박대현, 김진영, 한국인터넷방송통신학회 논문 지, 19(5), 79-85, , 2019

68. 지수이동평균을 이용한 RSSI 기반 근거리 사용자 탐 지 시스템, 윤기훈, 박수준, 김건욱, 최재훈, 전자공학회논문지-SP, 47(4), 105-111, , 2010

69. KDD와 데이터마이닝을 이용한 바이러스성전염병 유행예측조사, 윤성대, 윤종찬, 한 국정보처리학회 학술대회논문집, 11(1), 47-50, , 2004

70. 빅데이터 품질이 기업의 경영성과에 미치는 영향에 관한 연구, 김영준, 이충형, 한국 융합학회논문지, 12(8), 245-256, , 2021

71. 인공지능: 퍼지 성능 측정자를 이용한 적응 데이터 마이닝 모델, 이현숙, 정보처리학 회논문지B, 13(5), 541-546, , 2006

72. 산업 기술 수요 파악을 위한 기술 예측 및 기술 평가 방법론 연구, 한국과학기술연구원, 서울: 한국과학기술연구원, , 1993

73. 이동 평균을 이용한 인터넷 경매 시스템의 낙찰 예정가 자동 생성, 고민정, 이용규, 한 국전자거래학회지, 9(2), 17-31, , 2004

74. 트리즈를 이용한 재난대응 특수목적기계의 양팔용 작업장치 설계, 조정산, 드라이브 컨트롤, 15(3), 29-35, , 2018

75. 홍석, 정석윤, 한창희. 기업용 기술예측 방법론 개발 및 사례 적용, 남세일, 한국경영정 보학회 학술대회, 662-669, , 2005

76. K-th Moving , Weighted and exponential moving average for time series forecasting models, Tsokos , C. P., 3 ( 3 ) , 406-416 ., , 2010

77. 영상표준특허 풀의 빅데이터 분석을 통한 기술예측. 박사학위 논문, 노정호, 고려대학 교 기술경영전문대학원, , 2021

78. 기업의 기술경영활동이 기업성과에 미치는 영향에 관한 실증적 연구, 정두식, Journal of Digital Convergence, 15(10), 201-210, , 2017

79. 제품-기술로드맵 개발을 강화하기 위한 예측모델링에 관한 실증 연 구, 박기곤, 김영준, 기술혁신연구, 29(4), 1-30, , 2021

80. 기초연구지원사업의 재정소요 전망 도출을 위한 시계 열 모형 수립 연구, 신애리, 엄경환, 이상경, 윤수진, 기술혁신연구, 27(4), 21-48, , 2019

81. 특허 동시분류분석과 텍스트마이닝을 활용한 사물인터넷 기술융합 분석, 금영정, 문진희, 권의준, 기술혁신연구, 25(3), 1-24, , 2017

82. POI(Point Of Interest) 데이터 검색에서 문자열 유사도 측정 정확 도 향상 기법, 이종우, 고은별, 정보과학회 컴퓨팅의 실제 논문지, 20(9), 498-506, , 2014

83. 전략기술로드맵 기반의 중소기업 R&D 투자우선순위 결정모형에 관한 연구, 경종수, 한국산학기술학회 논문지, 19(12), 786-794, , 2018

84. 다중데이터베이스 마이닝의 전처리를 위한 가중치 거리 기반 클러스 터링, 윤성대, 김진현, 정보처리학회논문지, 30(1A), 695-697, , 2004

85. 디지털 트랜스포메이션과 법: 데이터, 플랫폼, AI 시대 ICT 혁신국가의 비전, 이성엽, 서울: 고려대학교 출판문화원, , 2021

86. 안전사고 예측모형 개발 방안에 관한 연구: 군 교통사고 사례를 중심 으로, 홍명기, 기재석, 한국재난정보학회논문집, 17(3), 427-441, , 2021

87. Water Level Forecasting based on Deep Learning : A Use case of rinity River-Texas-The United States, Tran , Q. K. , & Song , S. K., 44 ( 6 ) , 607-612 ., , 2017

88. 미국의 기술예측 동향 및 기법 분석을 통한 미래 기술예측 선진 모델 도출. KISTEP, 황지호, 손석호, 연구보고 2010-040, 1-105, , 2010

89. 특허정보 빅데이터 분석을 통한 라스트마일 물류 유망기술 도출. 박사학위 논문, 이현, 고려대학교 기술경영전문대학원, , 2021

90. 빅데이터분석기반의 기술주도형 미래 국방무기체계 및 핵심 기술 도출 방법연구, 강현규, 박용준, 박재훈, 한국품질경영학회 품질경영학회지, 46(2), 225-242, , 2018

91. A study of the SME technology roadmapping program to strengthen the R & D planning capability of Korean SMEs, Jun , S. P. , Seo , J. H. & Son , J. K., 80 , 1002-1014 ., , 2013

92. 이재은. 차선 이탈 경보 장치(LDWS) 자율주행차 보급 가속화로 지속적인 성 장 기대, 김광훈, KISTI Market Report, 2016-26, 1-5, , 2016

93. 데이터 마이닝 기반의 특허 인용 상대 비교를 통한 기업 경쟁 력 분석에 관한 연구, 정의승, 이승우, 박상성, 한국지능시스템학회 논문지, 29(6), 452-457, , 2019

94. TRIZ 기술적 진화법칙을 이용한 휴대용탐지장치 시험용 무인자동화시험시스 템 개발, 장유신, 한국컴퓨터정보학회논문지, 26(6), 63-71, , 2021

95. TRIZ와 DEFORM을 활용한 트랜지션 노즐의 성형 공정개선을 위한 가변 금형에 대한 연구, 정원지, 설상석, 김대영, 황희건, 한국기계가공학회지, 19(6), 29-35, , 2020

96. LSTM과 GRU를 활용한 도시공간 특성 기반의 평균기온 예측 모델: 강원도 원주시를 대상으로, 이우섭, 김형규, 국토연구, 89-104, , 2021

97. 한국과 미국의 하이프 사이클을 활용한 양국 간 e-비즈니스 혁신기 술격차 조정과정 예측 연구, 나창엽, 백동현, e-비즈니스연구, 20(6), 89-103, , 2019

98. 기업미래통찰(Corporate Foresight)이 중소기업 성과에 미치는 영향 연구: 혁신성의 매개효과를 중심으로, 김영준, 정지희, 생산성논집, 34(4), 3-36, , 2020

99. 한국 중소/대기업에서 기업미래통찰(Corporate Foresight)이 기업성과에 미치는 영향 연구, 박사학위논문, 정지희, 고려대학교 기술경영전문대학원, , 2021

100. 자동차 산업 측면에서 통신기술 특화 미래기술 예측 프로세스 디자인 을 위한 요구사항 분석 및 고찰, 김창우, 김준영, 한국통신학회논문지, 45(11), 1957-1968, , 2020

101. 뉴스 내용분석과 하이프 사이클을 활용한 기술기획의 탐색적 연구: 클 라우드 컴퓨팅 기술을 중심으로, 김시정, 서윤교, 기술혁신학회지, 19(1), 80-104, , 2016

102. Technological paradigms and technological trajectories : a suggested interpretation of the determinants and directions of technical change, Dosi , G., 11 ( 3 ) , 147-162 ., , 1982

103. Kano-QFD 기반 기술창업기업 도약 훈련 프로그램의 적용 타당성 연구- 학습전이의도 모델을 중심으로, 박사학위논문, 황보윤, 고려대학교 기술경영전문대학원, , 2020

104. 특허인용정보를 활용한 R&D 분야의 자율주행 기술개발 예측에 관한 연구: 전 장분야에서의 차량용 이더넷 네트워크 기술 중심으로. 석사학위 논문, 박기곤, 고려대학교 기술 경영전문대학원, , 2018