[논문]기업역량이 스마트 팩토리 수용의도 및 경영성과에 미치는 영향 -지역특성을 조절변수로-

김상문; 유연우

doi:10.14400/jdc.2020.18.9.125

기업역량이 스마트 팩토리 수용의도 및 경영성과에 미치는 영향 -지역특성을 조절변수로-
The Effect of Corporate Competency on Smart Factory Acceptance Intention and Management Performance -moderating effect of regional characteristics- 원문보기

디지털융복합연구 = Journal of digital convergence, v.18 no.9, 2020년, pp.125 - 133

김상문 (신용보증기금) , 유연우 (한성대학교 스마트 경영공학 컨설팅 트랙)

초록
AI-Helper

본 연구는 중소 제조기업의 스마트 팩토리 구축 관련 대표 및 직원역량과 스마트 팩토리 수용의도 그리고 경영성과 사이의 영향관계를 확인하고 중소 제조기업의 스마트 팩토리 도입과 관련한 전략적 함의를 도출하기 위해 실시하였다. 중소 제조기업 중 스마트 팩토리를 도입한 기업을 대상으로 설문조사를 통해 수집된 310부의 자료를 바탕으로 요인분석, 신뢰성 및 타당성 분석을 실시하여 최종 확정된 연구 모형에 대해 구조방정식모형(SEM)분석으로 연구가설 검정을 실시하였다. 연구 결과, 대표 및 직원역량은 스마트 팩토리 수용의도에 유의한 영향을 미치고, 직원역량은 경영성과에 유의한 영향을 미치는 것을 확인되었다. 수용의도는 경영성과에 정의 영향을 미치고, 지역특성은 대표역량, 수용의도 및 경영성과 사이의 관계에 조절효과가 있는 것으로 확인되었다. 본 연구를 통해 기업역량은 스마트 팩토리 수용의도에 영향을 주는 주요 요인이며, 지역특성은 대표역량과 스마트 팩토리 도입의도 그리고 경영성과 간의 경로에 유의한 조절작용을 하는 것으로 나타났다. 향후 중소 제조기업 스마트 팩토리 수준별 연구와 업종, 규모에 따른 스마트 팩토리 도입기업의 특성 연구가 요구된다.

Abstract ▼ AI-Helper

This study confirms the impact relationship between the president and employee competency related to smart factory construction of manufacturing SMEs, the acceptance intention and management performance in smart factory construction. The 310 data collected through a questionnaire were tested for research hypotheses through SEM. As a result, the president and employee competency affects the smart factory acceptance intention and the employee competency affects the management performance. Acceptance intention has a positive impact on management performance. Regional characteristics have a moderating effect on the relationship between president competency, acceptance intention, and management performance. Through this study, it was confirmed that the president and employee competency was an important factor in smart factory built.

주제어

표/그림 (13)

그림 Fig. 1. Research Model
표 Table 1. Composition of survey
표 Table 2. The Characteristics of Samples
표 Table 3. Exploratory Factor Analysis and Reliability
표 Table 4. Confirmatory Factor Analysis and Goodness of Fit of Measurement Model
그림 Fig. 2. Statistical Research Model
그림 Fig. 3. The Structural Path
표 Table 5. Goodness of Fit of Research Model
표 Table 6. The Result of Research Hypothesis
표 Table 7. Multi-Sample Confirmatory Factor Analysis
표 Table 8. Multi-Sample Structural Equation Model
표 Table 9. The Structural Path Coefficients of the Groups
표 Table 10. The Results of Hypothesis Testing

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 기업역량인 대표 및 직원역량이 스마트 팩토리 수용의도 및 경영성과에 미치는 영향관계를 연구하고, 지역특성에 따른 이들 변수 간의 차이에 대한 조절효과를 확인하고자 진행하였다. 선행연구를 바탕으로 각 요인에 대한 정의와 차원을 파악하였으며, 측정문항에 대한 타당성 및 신뢰성 분석, 측정모형 분석을 실시한 후 최종 분석에 활용하였다.

가설 설정

H1: 대표역량은 수용의도에 정(+)의 영향을 미친다.
H2: 대표역량은 경영성과에 정(+)의 영향을 미친다.
H3: 직원역량은 수용의도에 정(+)의 영향을 미친다.
H4: 직원역량은 경영성과에 정(+)의 영향을 미친다.
H5: 수용의도는 경영성과에 정(+)의 영향을 미친다.
H6: 대표역량과 수용의도 및 경영성과 사이의 영향관계에 대하여 지역특성의 조절효과가 있다.
H7: 직원역량과 수용의도 및 경영성과 사이의 영향관계에 대하여 지역특성의 조절효과가 있다.

제안 방법

4개 집단으로 구분한 후 각 설명변수별 경로에 대하여 연구모형에 대한 다중집단구조방정식모형(MSEM)분석을 실시하였다. 대표역량과 수용의도 및 경영성과 경로는 유의한 차이가 있는 것으로 확인되었으나 직원역량과 수용의도 및 경영성과 경로는 유의하지 않은 것으로 나타났다.
본 연구는 선행연구를 통해 선택된 잠재변수인 중소제조기업의 대표 및 직원역량, 스마트 팩토리 수용의도 및 경영성과 사이의 구조적 영향 관계와 지역특성의 조절효과를 검정하고자 Fig. 1과 같은 연구모형을 구성하였다. 설명변수인 기업역량은 대표역량과 직원역량으로 구분하였다.
본 연구는 기업역량인 대표 및 직원역량이 스마트 팩토리 수용의도 및 경영성과에 미치는 영향관계를 연구하고, 지역특성에 따른 이들 변수 간의 차이에 대한 조절효과를 확인하고자 진행하였다. 선행연구를 바탕으로 각 요인에 대한 정의와 차원을 파악하였으며, 측정문항에 대한 타당성 및 신뢰성 분석, 측정모형 분석을 실시한 후 최종 분석에 활용하였다. 구조방정식 모형을 이용한 연구가설의 검정결과 첫째, 대표역량과 직원역량은 스마트 팩토리 수용의도에 정(+)의 영향을 미치는 것으로 나타났다.
설문문항의 타당성 검토를 위해 주성분분석에 의한 탐색적 요인분석을 실시하였다. Table 3과 같이 모든 변수는 고유값(1.
설문은 총 19개 항목으로 구성 하였다. 설문항목은 1점은 ‘매우 그렇지 않다’, 5점은 ‘매우 그렇다’의 5점 척도로 측정하였으며, 요약 결과는 Table 1과 같다.
스마트 팩토리 수용의도(Acceptance Intention)는 스마트 팩토리 도입으로 기대되는 성과와 생산 프로세스 개선 정도를 의미하며, 기존 연구[5-7]를 참고로 5개 문항(생산성 향상, 경쟁력 강화, 경영환경, 직원 참여, 근무 만족도 등)으로 측정하였다. 경영성과(Management Performance)는 스마트 팩토리 도입 후 달성된 재무·비재무적 경영성과를 의미하며, 기존 연구[6, 30, 31]가 제시한 항목을 참고로 5개 문항(제조원가 감소, 경쟁력 향상, 설비 안정화, 매출 및 이익 증대, 업무 속도 향상 등)으로 측정하였다.
연구모형을 검정하기 위하여 최종 측정모형의 항목으로 구조방정식모형의 적합도를 확인하였다.
유의한 경로인 대표역량, 수용의도 및 경영성과 간의 관계에 대하여 4개 지역에 대한 가설검정을 실시하였다. 경인지역과 경기지역은 대표역량이 스마트 팩토리 수용의도에 유의한 영향을 미치는 것으로 확인되었으나 경영성과에는 유의하지 않은 것으로 나타났다.
경상지역은 섬유, 철강, 에너지소재, 수송산업 등이 주력이고, 충청전라지역은 금속가공, 기계부품, 전력에너지 산업 등이 주력이다. 이들 4개 지역에 따라 기업역량, 수용의도 및 경영성과 사이의 영향 관계에 대한 유의성을 검정하였다. 먼저 각 설명변수에 대하여 다중집단 확인적 요인분석(MCFA)을 실시하였다.
조절효과 검정을 위해 전국을 인구, 면적, 산업체수, 특화산업 등을 기준으로 경인지역(서울, 인천), 경기지역 (경기도), 경상지역(경상남·북도, 부산, 울산, 대구), 충청전라지역(충청남·북도, 전라남·북도, 대전, 광주) 등 4개의 지역으로 구분하였다.
최초 연구모형은 적합도 기준 중 GFI, RMR이 부적합하여 적합도 향상을 위해 ai5를 제거하였다. 최종 선택된 연구모형은 [Fig.
확정된 연구모형으로 구조방정식 모형을 적용하여 연구가설에 대한 검정을 실시하였다. 직접효과 가설검정 결과는 Table 6 및 Fig.

대상 데이터

연구대상 모집단은 전국의 중소 제조기업이고, 표본은 행정구역을 기초로 한 지역을 기준으로 층화비례추출법(Stratified Proportional Sampling)을 사용하여 추출하였다. E-메일을 통하여 2019년 4월부터 약 1개월간 설문조사를 실시하고 310부를 수집하였으며, 부적절한 설문을 제외한 292부를 분석에 활용하였다. 자료분석은 SPSS 23.

데이터처리

구성개념에 대한 가설검정을 실시하기 전에 측정변수의 단일 차원성 검정을 위해 확인적 요인분석을 실시하였다. 측정모형의 적합도 기준은 χ²/df([3.
이들 4개 지역에 따라 기업역량, 수용의도 및 경영성과 사이의 영향 관계에 대한 유의성을 검정하였다. 먼저 각 설명변수에 대하여 다중집단 확인적 요인분석(MCFA)을 실시하였다. 비제약모형과 측정모형 차이가 없다는 귀무가설이 채택되어 측정동일성이 확보된 것을 확인할 수 있다.
8) 등의 지수를 사용하였다[32]. 측정모형의 높은 적합도 향상을 위해 특정 내생변수의 분산이 외생변수에 의해 설명되는 정도인 SMC(Squared Multiple Correlation)값을 기준으로 제거 과정을 반복하였다.

이론/모형

경영성과(Management Performance)는 스마트 팩토리 도입 후 달성된 재무·비재무적 경영성과를 의미하며, 기존 연구[6, 30, 31]가 제시한 항목을 참고로 5개 문항(제조원가 감소, 경쟁력 향상, 설비 안정화, 매출 및 이익 증대, 업무 속도 향상 등)으로 측정하였다.
직원역량(Employee Competency)은 스마트 팩토리 관련 내·외부 지식을 이해하고, 획득한 지식을 학습 및 가공하여 새로운 지식을 창출하는 정도를 의미한다. 기존 연구[15, 29]를 참조하여 4개 문항(직원 학습, 외부정보 이해, 지식 가공 및 재해석, 새로운 지식 창출 등)으로 측정하였다.
대표역량(President Competency)은 고객의 니즈 및 시장 동향을 파악하여 새로운 사업성을 이해하고 준비하는 정도를 의미하며, 조직 구성원의 능력에 따라 적합한 업무를 할당하고 회사 재무 및 자금상황을 파악하는 정도도 포함한다. 대표역량은 기존 연구들[26-28]의 항목을 참조하여 5개 문항(고객 니즈 이해, 경쟁업체 파악, 스마트 팩토리 이해, 자원 적소배치, 업무 할당 등)으로 측정하였다. 직원역량(Employee Competency)은 스마트 팩토리 관련 내·외부 지식을 이해하고, 획득한 지식을 학습 및 가공하여 새로운 지식을 창출하는 정도를 의미한다.
연구대상 모집단은 전국의 중소 제조기업이고, 표본은 행정구역을 기초로 한 지역을 기준으로 층화비례추출법(Stratified Proportional Sampling)을 사용하여 추출하였다. E-메일을 통하여 2019년 4월부터 약 1개월간 설문조사를 실시하고 310부를 수집하였으며, 부적절한 설문을 제외한 292부를 분석에 활용하였다.

성능/효과

스마트 팩토리 수용의도는 경영성과에 유의한 영향을 미치는 것으로 확인되었다. 경상지역과 충청전라지역은 대표역량이 수용 의도 및 경영성과에 모두 유의한 영향을 미치는 것으로 나타났다. 또한, 스마트 팩토리 수용의도는 경영성과에 유의한 영향을 미치는 것으로 확인되었다.
유의한 경로인 대표역량, 수용의도 및 경영성과 간의 관계에 대하여 4개 지역에 대한 가설검정을 실시하였다. 경인지역과 경기지역은 대표역량이 스마트 팩토리 수용의도에 유의한 영향을 미치는 것으로 확인되었으나 경영성과에는 유의하지 않은 것으로 나타났다. 스마트 팩토리 수용의도는 경영성과에 유의한 영향을 미치는 것으로 확인되었다.
선행연구를 바탕으로 각 요인에 대한 정의와 차원을 파악하였으며, 측정문항에 대한 타당성 및 신뢰성 분석, 측정모형 분석을 실시한 후 최종 분석에 활용하였다. 구조방정식 모형을 이용한 연구가설의 검정결과 첫째, 대표역량과 직원역량은 스마트 팩토리 수용의도에 정(+)의 영향을 미치는 것으로 나타났다. 둘째, 직원역량은 경영성과에 정(+)의 영향을 미치는 것으로 나타났으나 대표역량은 경영성과에 유의하지 않았다.
2%로 가장 많았다. 기업 유형은 벤처기업과 이노비즈기업이 각 21.1%이고, 메인비즈기업이 25.6%로 나타났다.
셋째, 스마트 팩토리 수용의도는 경영성과에 정(+)의 영향을 미치는 것으로 나타났다. 넷째, 지역특성 관련 조절 효과에서 대표역량이 스마트 팩토리 수용의도 및 경영성과에 미치는 경로는 유의한 차이가 있는 것으로 확인되었으나 직원역량은 경로 차이가 유의하지 않은 것으로 나타났다.
4개 집단으로 구분한 후 각 설명변수별 경로에 대하여 연구모형에 대한 다중집단구조방정식모형(MSEM)분석을 실시하였다. 대표역량과 수용의도 및 경영성과 경로는 유의한 차이가 있는 것으로 확인되었으나 직원역량과 수용의도 및 경영성과 경로는 유의하지 않은 것으로 나타났다. 검정결과는 Table 8과 같다.
대표역량이 높을수록 스마트 팩토리 수용의도는 높아지지만, 경영성과에는 영향을 미치지 않는 것으로 나타났다. 직원역량이 높아질수록 스마트 팩토리 수용의도와 경영성과도 높아지는 것으로 나타났다.
구조방정식 모형을 이용한 연구가설의 검정결과 첫째, 대표역량과 직원역량은 스마트 팩토리 수용의도에 정(+)의 영향을 미치는 것으로 나타났다. 둘째, 직원역량은 경영성과에 정(+)의 영향을 미치는 것으로 나타났으나 대표역량은 경영성과에 유의하지 않았다. 셋째, 스마트 팩토리 수용의도는 경영성과에 정(+)의 영향을 미치는 것으로 나타났다.
또한 스마트 팩토리 수용의도가 높으면 높을수록 경영성과도 높아지는 것으로 확인되었다.
4이상을 가져 잠재변수가 해당 측정변수들의 변량을 잘 설명하고 있음이 확인되었다. 또한 적합도 지수를 확인한 결과 측정모형이 적합한 것으로 나타났다.
경상지역과 충청전라지역은 대표역량이 수용 의도 및 경영성과에 모두 유의한 영향을 미치는 것으로 나타났다. 또한, 스마트 팩토리 수용의도는 경영성과에 유의한 영향을 미치는 것으로 확인되었다. 지역별 차이에 대한 검정결과는 Table 9에서 보는 바와 같다.
둘째, 직원역량은 경영성과에 정(+)의 영향을 미치는 것으로 나타났으나 대표역량은 경영성과에 유의하지 않았다. 셋째, 스마트 팩토리 수용의도는 경영성과에 정(+)의 영향을 미치는 것으로 나타났다. 넷째, 지역특성 관련 조절 효과에서 대표역량이 스마트 팩토리 수용의도 및 경영성과에 미치는 경로는 유의한 차이가 있는 것으로 확인되었으나 직원역량은 경로 차이가 유의하지 않은 것으로 나타났다.
둘째, 스마트 팩토리 수용의도가 클수록 스마트 팩토리 도입 관련 경영성과가 높게 나타나므로 스마트 팩토리 수용의도 제고를 위해 테스트 베드(Test Bed) 운영, 시뮬레이션을 통한 성과 확인 등의 제공이 필요하다. 셋째, 지역에 따라 산업특성이 상이하고 다양하여 지역특성에 맞는 중소기업의 대표 및 직원역량 강화 정책을 추진하는 것이 중요함을 의미한다.
0 전략’, ‘대통령직속 4차 산업혁명위원회’, ‘스마트제조혁신추진단’ 등을 통해 다양한 스마트 팩토리 구축 및 수준 향상 사업을 지원하고 있다. 스마트 팩토리 구축으로 생산성 증가 20%, 품질향상 43.5%, 원가절감 15.9%, 매출액 증가 7.7% 등 경영개선 효과가 있는 것으로 확인되었다[1].
경인지역과 경기지역은 대표역량이 스마트 팩토리 수용의도에 유의한 영향을 미치는 것으로 확인되었으나 경영성과에는 유의하지 않은 것으로 나타났다. 스마트 팩토리 수용의도는 경영성과에 유의한 영향을 미치는 것으로 확인되었다. 경상지역과 충청전라지역은 대표역량이 수용 의도 및 경영성과에 모두 유의한 영향을 미치는 것으로 나타났다.
신뢰도 분석 결과, 신뢰수준을 저해하는 요인이 없어 모든 항목을 분석에 이용하였으며, 각 변수의 Cronbach’α 값은 0.952∼0.973으로 신뢰할 수 있는 수준으로 확인되었다.
요인분석 과정에서 제거된 관측변수는 없으며 설명된 총분산은 87.47%로 나타났다. 신뢰도 분석 결과, 신뢰수준을 저해하는 요인이 없어 모든 항목을 분석에 이용하였으며, 각 변수의 Cronbach’α 값은 0.
대표역량이 높을수록 스마트 팩토리 수용의도는 높아지지만, 경영성과에는 영향을 미치지 않는 것으로 나타났다. 직원역량이 높아질수록 스마트 팩토리 수용의도와 경영성과도 높아지는 것으로 나타났다.
최종적으로 Table 4와 같이 대표역량 pc1, pc2, 직원역량 ec1를 제거한 후 분석한 결과, 잠재변수와 측정변수 간의 관계에 대한 모수 추정치가 모두 0보다 크고, 추정치의 t값이 1.96을 초과하며, SMC값이 0.4이상을 가져 잠재변수가 해당 측정변수들의 변량을 잘 설명하고 있음이 확인되었다. 또한 적합도 지수를 확인한 결과 측정모형이 적합한 것으로 나타났다.
특정 기술의 사용 유용성과 용이성이 높을 때, 그 기술에 대한 지속 사용의도가 증가한다는 실증결과를 제시하였다. 스마트 팩토리 기술들이 생산 현장에서 매우 유용한 결과를 생성하여 기업이 스마트 팩토리에 대한 지속적 사용의도를 갖고 있음을 제시하였다[18].

후속연구

최근에는 스마트 팩토리 구축에 영향을 미치는 전략적 측면과 스마트 팩토리 성과 등에 관한 연구가 진행되고 있다[5-7]. 그러나 이러한 연구는 특정 업종에서 스마트 팩토리 구축과 관련한 연구이거나 정부 혹은 외부의 지원 효과 등 주로 기업 외부적 측면을 중심으로 이루어진 연구라는 한계점이 있다. 회사 내부의 요인이라고 할 수 있는 대표 및 직원의 역량은 스마트 팩토리 도입 결정에 직접적인 영향을 미치고, 이는 스마트 팩토리의 운영 및 성과에도 큰 영향을 주는 요인이므로 스마트 팩토리 초기 도입과 정부지원 사업의 성공 측면에서 매우 중요한 요소라고 할 수 있다.
연구 결과가 시사하는 바는 첫째, 중소 제조기업의 경쟁력 강화를 위해 필수적인 스마트 팩토리 구축을 위해 대표자 및 직원의 역량 강화해야 하며, 이를 위해 스마트 팩토리 관련 다양한 정보를 제공하고, 직원 연수를 통해 새로운 생산 방식에 대한 지식 습득이 필요하다. 둘째, 스마트 팩토리 수용의도가 클수록 스마트 팩토리 도입 관련 경영성과가 높게 나타나므로 스마트 팩토리 수용의도 제고를 위해 테스트 베드(Test Bed) 운영, 시뮬레이션을 통한 성과 확인 등의 제공이 필요하다.
둘째, 업종이나 규모에 따른 스마트 팩토리 연구가 미흡했다. 향후 스마트 팩토리 구축 수준별 연구나 기업의 업종, 규모에 따른 스마트 팩토리 구축 수준을 세분화하여 연구한다면 보다 유용한 시사점을 도출할 수 있을 것으로 보인다.

질의응답

핵심어	질문	논문에서 추출한 답변
	스마트 팩토리란 무엇인가?	스마트 팩토리는 제품의 기획, 설계, 제조, 유통, 판매 등 전 과정을 IT로 통합하여 최소 비용과 시간으로 고객 맞춤형 제품을 생산하는 지능형 공장이다[2]. 스마트 팩토리 도입은 체계적 생산관리, 작업 스케쥴링이 가능한 생산 프로세스, 불량률 감소, 생산원가 절감, 생산성 증가, 매출액 향상 등 작업환경 및 경영개선 효과를 달성할 수 있다[3].
	스마트 팩토리를 도입함에 따라 어떤 이득을 거둘 수 있는가?	스마트 팩토리는 제품의 기획, 설계, 제조, 유통, 판매 등 전 과정을 IT로 통합하여 최소 비용과 시간으로 고객 맞춤형 제품을 생산하는 지능형 공장이다[2]. 스마트 팩토리 도입은 체계적 생산관리, 작업 스케쥴링이 가능한 생산 프로세스, 불량률 감소, 생산원가 절감, 생산성 증가, 매출액 향상 등 작업환경 및 경영개선 효과를 달성할 수 있다[3]. 그러나 기존 공장을 스마트 팩토리로 전환할 경우 많은 자금과 전문 인력이 필요하다.
	4차 산업혁명 시대가 도래함으로 제조업의 생산 시스템에서는 어떤 혁신이 일어났는가?	4차 산업혁명 시대 도래로 제조업에도 생산 시스템의 혁신이 일어나고 있다. 공장 운영에 ICT의 도입으로 공정 자동화, 연결화 그리고 빅데이터를 활용한 스마트화가 이루어지고 있다. 제조 강국 독일에서 시작된 스마트 팩토리는 변화하는 노동인구 감소, 인건비 상승, 고객 니즈의 다양화, 제품의 수명주기 단축 등 제조환경에 적응하기 위해 필수적인 생산 방식이 되고 있다[1].

참고문헌 (32)

Smart Manufacturing Innovation Promotion Team. (2019). https://www.smart-factory.kr/insttIntrcnInfo.
Joint Related ministry. (2015). Manufacturing Innovation 3.0 Strategy Action Plan.
J. P. Park.(2017). Analysis of Smart Factory Success Cases in the Industry 4.0 Era: Targeting Domestic Large, Small, and Small Companies. Journal of Digital Convergence 15.5, 107-115. DOI : 10.14400/JDC.2017.15.5.107
S. I. Kwon. (2019). Episode Study on Key Success Factors and Corporate Performance of Smart Factory Introduction-Focusing on Small and Medium: sized Manufacturing Companies in Korea. Doctoral dissertation. Dankook University, Gyeonggi.
J. H. Oh. (2019). Smart Factory Strategic Utilization Study: The Impact of Purpose and Content of Construction on Sustainable Use. Doctoral dissertation, Chungbuk National University. Chungbuk.
B. C. Bae. (2017). The effect of the technological factors of the smart factory on the management performance: focusing on the beneficiaries of the smart factory support project. Master's dissertation, Hanyang University. Seoul.
H. C. Gil. (2019). An empirical study to analyze factors and performance of smart factories: focusing on TOE and IS success models. Doctoral dissertation, Hansung University. Seoul.
G. T. Lee. (2016). Smart factory Technology trends and R&D roadmap. Electronic Engineering Journal, Vol.43, No.6, 16-4.
M. S. Im. (2016). Convergence of Manufacturing Industry and Information and Communication Technology: Korean Manufacturing 3.0 Success Strategy Based on Smart Factory 4.0. Journal of Digital Convergence 14.3, 219-226. DOI : 10.14400/JDC.2016.14.3.219
S. H. Min. (2017). Weekly KDB Report, 1-6.
L. M. Spencer & S. M. Spencer. (1998). Competence at Work. New York: Wiley.
M. R. Baeg. (2014). Analysis of educational demands on the capabilities of veterans' managers, Master's thesis, Korea Polytechnic University. Incheon.
I. Diericks. & K. Cool. (1989). Asset stock accumulation and sustainability of competitive advantage. Management Science 4(1), 1504-1511.
S. K. Widener. (2007). An empirical analysis of the levers of control framework. Accounting, Organizations and Society, 32(7-8), 757-788.

상세보기
K. W. Kim. (2016). A study on factors affecting SMEs' acceptance of the Internet of Things-by applying the Unified Technology Acceptance Theory(UTAUT). Doctoral dissertation, Han Se University. Gyeonggi.
L. G. Tornatzky. & M. Fleischer. (1980). The Process of Technological Innovation, Lexington, MA: Lexington Books.
J. D. Kim, S, Y. Ji & K. H. You. (2018). A Study on Factors Influencing the Performance of External Manufacturing Big Data Technology Transfer in Small and Medium-sized Manufacturing Enterprises: A Case of Technology Transfer by Korea Electronics and Telecommunications Research Institute. Information Technology Architecture Research, 15(3), 307-327.
B. U. So & S. S. Shin. (2017). Establishing a smart factory using sensors and virtual process design. The Korean Society for Electronic Communication Science, Vol.12, No.6, 1071-1080.
A. Kumar. (2018). Methods and Materials for Smart Manufacturing: Additive Manufacturing, Internet of Things, Flexible Sensors and Soft Robotics, Manufacturing Letters, 15, 122-125.

상세보기
M. G. Kim. (2019). The Mediating Effect of the Industrial Structures of Regions in terms of the Influence of Region-Centrism on the Regional Economic Growth of the Central City. Doctoral Dissertation, Jungang University. Seoul.
S. O. Park. (2015). Analysis of impact structure on the Regional Competitiveness of Region-Specialized Industries. Doctoral Dissertation, Hanyang University. Seoul.
H. J. Jo & Y. G. Kim. (2018). Smart factory technology and industry trends. Information and Communication Technology Promotion Center.
S. T. Kim. (2017). Considerations for the successful introduction of smart factory. Deloitte Anjun Accounting Corporation, Strategy Consulting Group.
H. K. Kim. (2019). An Empirical Study on the Sustaining Intention and Conversion Intention of Smart Factory. Doctoral Dissertation, Pusan National University. Pusan.
J. Y. Choo. & D. H. Lee. (2018). Influence of Smart Factory's energy management system acceptance and diffusion factors on employees' resistance to innovation and work performance. Journal of Digital Convergence 16.1, 103-116. DOI : 10.14400/JDC.2018.16.1.103
J. S. Park. (2019). Analysis on the relationship between the willingness and implementation of smart factory construction : focusing on the moderating effect of government subsidies and corporate contributions. Master's dissertation, Pusan National University. Pusan.
Y. R. Lee. (2019). Analysis on the effect of entrepreneurship characteristics of small and medium-sized entrepreneurs on business performance: mediated by entrepreneurship and social capital. Doctoral dissertation, Mokpo National University. Junnam.
J. H. Jeong. (2010). A study on the effect of entrepreneurship and competence levels on corporate performance: focusing on start-up incubators. Master's dissertation, Chung-Ang University. Seoul.
K. H. Lee. (2017). Effects of employee competency on job satisfaction and organizational commitment: focusing on pharmaceutical company employees. Master's dissertation, Kyunghee University. Seoul.
H. B. Na. (2018). A study on the methodology of the process/facilities sector for the establishment of a smart factory for small and medium-sized enterprises. Master's dissertation, Gongju University. Chungnam.
H. S. Lee. (2017). A Study on Financial Performance of Award-winning Company of Quality Competitiveness. Doctoral Dissertation, Kangwon National University. Kangwon.
G. G. Shin. (2016). Following AMOS 23 Statistical Analysis focusing on Master's and Doctoral degree and Academic thesis Writing, Seoul : Chung Ram.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증