본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

표제지 2

국문 초록 5

Abstract 9

목차 13

Ⅰ. 서론 20

1. 연구 배경 및 목적 20

가. 연구 배경 20

나. 연구 목적 21

2. 연구의 중요성 및 방법 22

가. 연구의 중요성 22

나. 연구의 방법 24

3. 용어의 정의 26

4. 연구의 범위 및 한계 28

5. 논문의 구성 30

Ⅱ. 이론적 배경 33

1. 기술 문제 해결에 대한 탐색 33

가. 기술 문제의 개념과 특성 33

나. 기술 문제 해결의 개념과 특성 36

다. 기술 문제 해결의 단계 38

2. 문제해결 방법론의 개요 40

가. 문제해결 방법론의 필요성 및 종류 40

나. 문제해결 방법론들 간의 특징 비교 41

다. 문제해결 방법론에 대한 글로벌 동향 43

3. 트리즈(TRIZ)의 개념 및 특징 45

가. 트리즈(TRIZ)의 역사적 배경과 이론적 기반 45

나. 트리즈(TRIZ)의 주요 개념 47

다. 아리즈(ARIZ)의 개념 53

라. 트리즈(TRIZ) 활용 현황 59

4. 트리즈(TRIZ)의 한계 및 제약사항 62

가. 트리즈(TRIZ)의 도입 비용 및 시간 문제 63

나. 복잡성과 학습 곡선 65

다. 조직 및 문화적 저항 66

라. 적용 범위의 제한 66

마. 도구의 논리적 제한 66

바. 적용의 실제적 한계 67

5. 인공지능(AI) 기술 개요 및 활용 69

가. 인공지능의 개념 및 발전 과정 70

나. 머신러닝, 딥러닝, 생성형 AI의 개념 및 프롬프트 엔지니어링 71

다. 문제해결 및 의사결정 지원을 위한 AI 기술 활용 사례 73

라. 생성형 AI의 한계점과 제약사항 73

6. AI와 트리즈 융합을 통한 문제해결 가능성 74

가. 트리즈와 AI의 보완적 관계 75

나. 트리즈의 한계 개선을 위한 AI 활용 전략 76

다. AI와 트리즈 융합 시 고려해야할 윤리적 측면 78

라. AI 기반 트리즈 활용의 기대 효과 78

7. 기존 AI-TRIZ 융합 연구 동향 79

가. 기존 사례 검토 : AutoTRIZ 79

나. AI를 활용한 TRIZ 원리 추출 시스템 연구 동향 84

다. 기존 연구의 한계점 및 새로운 접근 필요성 86

8. 연구의 차별성 및 기여점 도출 87

가. 기존 접근과의 비교 87

나. 본 연구가 제안하는 절차 및 프롬프트의 이론적 기반 88

다. 이론적 기반을 통한 향후 활용 및 확산 가능성 89

라. 제안 프로세스의 검증을 위한 이론적 프레임워크 90

Ⅲ. AI와 TRIZ를 융합한 기술 문제 해결 프로세스 개발 91

1. 연구 방향 91

가. 기존 AI-TRIZ 융합 연구와의 비교 91

나. 연구의 목표 및 기여점 92

2. 초기 문제해결 절차 개발 과정 94

가. 초기 절차 개념화 및 특징 94

나. 초기 절차에서 확인한 한계점 98

다. 전문가 검증 프로세스 100

3. 최종 문제해결 절차 및 프롬프트 설계 106

가. 개선된 AI와 TRIZ를 융합한 기술문제해결 절차 제안 106

나. 프롬프트 엔지니어링 전략 119

Ⅳ. 사례 연구 138

1. 사례 연구 개요 및 목적 138

2. TRIZ 교과서 문제 적용 사례 139

가. 문제 선정 기준 및 적용 절차 139

나. 적용 내용 140

다. 기존 AI-TRIZ(AutoTRIZ) 적용 결과 163

라. 적용 결과 비교 분석 166

3. 기업 문제 적용 사례 168

가. 기업 협업 배경 및 문제 선정 168

나. 적용 내용 및 결과 분석 168

다. 기업 실무자 피드백 214

4. 사례 연구 종합 결과 219

Ⅴ. 유효성 평가 223

1. 연구 설계 223

가. 연구 설계 223

나. 연구 모델 226

2. 데이터 수집 및 분석 방법 228

가. 실험 연구 228

나. 설문 조사 231

3. 연구의 신뢰성 및 타당성 확보 방안 234

가. 표본의 대표성 확보 234

나. 데이터 수집 과정의 신뢰성 확보 235

다. 분석 방법의 타당성 검증 235

라. 연구 결과 해석의 유의점 236

4. 실험 연구 결과 분석 237

가. 문제 해결 성과 비교 237

나. 교육 시간과 경험의 차이에 따른 성과 분석 241

다. AI 기반 트리즈 교육의 효율성 평가 243

5. 설문 조사 결과 분석 245

가. 트리즈 숙련자의 AI와 트리즈 융합에 대한 인식 분석 245

나. AI와 트리즈 융합에 대한 전문가 의견 분석 246

6. 실험 및 설문 결과의 종합적 논의 248

가. AI와 트리즈 융합의 효과에 대한 종합적인 해석 249

나. 연구의 한계로 인한 결과 해석의 제약 사항 논의 250

Ⅵ. 결론 252

1. 연구 요약 및 주요 결과 252

가. 연구 배경 및 목적 252

나. AI-TRIZ 프로세스 개발 및 주요 특징 253

다. 사례 연구 결과 256

라. 유효성 평가(실험 및 설문조사) 결과 259

2. 연구의 한계 및 시사점 262

가. 연구 한계 262

나. 학문적 및 실무적 시사점 264

3. 향후 연구 방향 267

4. 결론 270

참고문헌 273

표목차 16

〈표 1〉 논문의 구성 30

〈표 2〉 Custer 의 기술 문제 특징 34

〈표 3〉 국가직무능력표준(NCS)에서의 기술 문제 유형 35

〈표 4〉 학자별 기술 문제 해결의 단계 38

〈표 5〉 문제해결 방법론 비교표 43

〈표 6〉 트리즈의 주요 개념 51

〈표 7〉 아리즈(ARIZ-85C) 절차 55

〈표 8〉 트리즈(TRIZ)의 도입 및 제약사항 문헌 조사 결과 67

〈표 9〉 AI와 트리즈를 융합한 기술문제 해결 절차 97

〈표 10〉 전문가별 검토 의견 및 개선 내용 105

〈표 11〉 최종 AI-TRIZ 기술문제해결 절차 112

〈표 12〉 각 단계에서의 AI의 활용 포인트 115

〈표 13〉 AI-TRIZ 단계별 프롬프트 121

〈표 14〉 AI-TRIZ 단계별 프롬프트 구성 의도 및 기대효과 126

〈표 15〉 문제영역 도식화를 위한 가이드 130

〈표 16〉 전파만원경 문제 AI-TRIZ 적용 결과 145

〈표 17〉 AI-TRIZ 적용 결과 비교 분석 166

〈표 18〉 사례 1(렌즈 이물질 제거 문제) AI-TRIZ 적용 결과 171

〈표 19〉 사례 2(냉매 회수 문제) AI-TRIZ 적용 결과 186

〈표 20〉 사례 1(렌즈 이물질 제거 문제)의 AI-TRIZ 적용 결과 비교 207

〈표 21〉 사례 2(냉매 회수 문제)의 AI-TRIZ 적용 결과 비교 210

〈표 22〉 기업 실무자 검토 항목 215

〈표 23〉 사례 1(렌즈 이물질 제거 문제) 기업 실무자 피드백 내용 216

〈표 24〉 사례 2(냉매 회수 문제) 기업 실무자 피드백 내용 217

〈표 25〉 연구 모델 227

〈표 26〉 실험 참가자 그룹 229

〈표 27〉 실험 과정 230

〈표 28〉 성과 지표 230

〈표 29〉 설문 문항 구성 내용 232

〈표 30〉 실험 그룹별 실용성 평가 결과 239

그림목차 18

[그림 1] 40가지 발명원리 53

[그림 2] ARIZ-85C 흐름 57

[그림 3] TRIZ 문제해결 절차의 흐름도 59

[그림 4] Auto TRIZ웹 기반 도구 : 사용자 입력 화면 81

[그림 5] AutoTRIZ의 프레임워크 82

[그림 6] AI-TRIZ 기술문제해결 절차 흐름도 118

[그림 7] 전파만원경 문제 상황 설명 141

[그림 8] 전파만원경 문제영역 도식화 142

[그림 9] 초기 사용자 입력 프롬프트 143

[그림 10] AI 답변 내용 144

[그림 11] AutoTRIZ 적용 결과 - 문제상황 입력 163

[그림 12] AutoTRIZ 적용 결과 - 답변 결과 1 164

[그림 13] AutoTRIZ 적용 결과 - 답변 결과 2 165

[그림 14] 사례 1(렌즈 이물질 제거 문제) 문제영역 도식화 170

[그림 15] 사례 2(냉매 회수 문제) 문제영역 도식화 171

[그림 16] 사례 1 (렌즈 이물질 제거) AutoTRIZ 적용 결과 - 문제상황 입력 200

[그림 17] 사례 2(냉매 회수 문제) AutoTRIZ 적용 결과 - 문제상황 입력 201

[그림 18] 사례 1 (렌즈 이물질 제거) AutoTRIZ 적용 결과 - 답변결과 1 201

[그림 19] 사례 1 (렌즈 이물질 제거) AutoTRIZ 적용 결과 - 답변결과 2 202

[그림 20] 사례 1 (렌즈 이물질 제거) AutoTRIZ 적용 결과 - 답변결과 3 203

[그림 21] 사례 2 (냉매 회수) AutoTRIZ 적용 결과 - 답변결과 1 204

[그림 22] 사례 2 (냉매 회수) AutoTRIZ 적용 결과 - 답변결과 2 205

[그림 23] 사례 2 (냉매 회수) AutoTRIZ 적용 결과 - 답변결과 3 206

초록보기

 현대 산업 전반에서 복잡한 기술 문제를 해결하기 위해 활용되어 온 트리즈(Theory of Inventive Problem Solving)는 체계적인 모순(Contradiction) 해소 원리와 발명원리를 제시하여 창의적 아이디어를 도출하는 데 효과적인 방법론으로 알려져 있다. 그러나 전통적인 TRIZ 접근은 ARIZ(Algorithm of Inventive Problem Solving) 알고리즘을 중심으로 이론적·추상적 단계가 강조되며, 숙련 전문가가 오랜 교육·훈련 과정을 거쳐야만 실무 현장에서 효과적으로 활용할 수 있다는 한계가 존재한다. 한편, 최근 급속도로 발전한 대화형 인공지능(AI) 기술, 특히 대규모 언어모델(LLM) 기반의 생성형 AI는 문제 정의부터 아이디어 발굴, 해결안 검증, 사후관리 등 전 과정에 걸쳐 실시간 피드백과 자동화된 분석을 지원할 수 있는 잠재력을 지니고 있다.

본 연구는 이러한 가능성에 주목하여 AI와 TRIZ를 융합한 새로운 문제해결 절차를 제안하고, 그 실무 적용성과 효과를 다각도로 검증하였다. 먼저, 전통적인 ARIZ 절차의 구조적 강점은 유지하면서, 각 단계마다 사용자와 인공지능이 질의응답(프롬프트) 형태로 상호작용하도록 설계함으로써, 문제 정의→자원 및 기능 분석→모순 도출→해결안 검증 및 보완→실행 및 사후관리의 전 과정을 유연하고 실무 친화적인 프로세스로 재구성했다. 이를 위해 단계별 프롬프트 템플릿을 마련하여, AI가 발명원리·표준해결책·자원 분석 등 TRIZ 핵심 개념을 적절히 안내하면서도, 사용자의 현장 조건(경제성, 안전성, 유지보수성 등)을 동적으로 반영하도록 하였다.

연구 방법론의 유효성을 확인하기 위해, 먼저 전파 망원경 피뢰침 문제(교과서 예제)에 적용하여 기존 AI-TRIZ(AutoTRIZ) 접근 대비 해결안의 구체성·실행 가능성이 높게 도출됨을 확인했다. 이어, 실제 기업 현장에서 발생한 두 가지 기술 문제, 즉 렌즈 이물질 제거(반도체 후공정 장비용 카메라 렌즈 오염) 및 냉매 회수(복잡한 배관 구조로 인한 냉매 잔류) 사례에 본 연구의 절차를 단계별로 적용하였다. 그 결과, 기존 TRIZ 기법에서는 쉽게 간과되던 유지보수 계획·경제성 평가·현장 레이아웃 변화 가능성 등 현실적 이슈가 AI 대화형 상호작용 과정에서 자연스럽게 논의되었고, 최종 해결안 또한 발수·정전기 방지 코팅(렌즈 문제), Drain 밸브 추가 설치(냉매 회수 문제) 같은 실무 적용 중심의 아이디어로 구체화되었다. 기업 실무자들의 피드백 역시 "짧은 시간에 다양한 해법을 얻고, 문제 해결 프로세스를 투명하게 공유할 수 있었다"는 긍정적 평가가 주를 이루었다.

한편, 실험 연구를 통해서는 AI를 활용하지 않는 전통 TRIZ 교육(32시간, 경력 5년 이상 실무자) 그룹과 AI 기반 TRIZ 교육(4시간, 신입사원) 그룹이 동일 문제를 해결하도록 하였다. 그 결과, AI-TRIZ 그룹은 문제 해결 시간(평균 1.2시간 vs. 4.8시간), 아이디어 다양성(평균 5.8개 vs. 2.4개), 해결안 실용성(적용 가능성·경제성·부작용 위험 점수 모두 유의미하게 높음) 측면에서 전통 교육 그룹을 상회하였다. 이는 인공지능이 실시간으로 제시하는 해결안 후보와 피드백이 비전문가의 트리즈 학습 부담을 덜어주고, 짧은 교육 시간에도 유사하거나 더 나은 수준의 문제 해결을 가능케 한다는 사실을 통계적으로 입증한다.

또한, 설문조사(트리즈 숙련자 32 명 대상) 결과에서도 90% 이상이 "AI와 결합된 트리즈 기법이 문제 해결 시간을 단축하고 창의적 아이디어 창출에 기여한다"고 응답해, 본 연구가 제안하는 AI-TRIZ 융합 모델이 학문적·실무적 의미가 큼을 보여주었다. 다만, AI 환각(hallucination) 현상이나 데이터 편향, 프롬프트 설계 난이도 등의 문제로 인해 비현실적 해결책이 제시될 위험이 있다는 점, 장기 모니터링을 통한 유지보수 주기·코팅 내구성·밸브 교체 시점 등을 확인해야 한다는 점 등은 후속 연구 과제로 지적되었다.

결론적으로, 본 연구는 전통 TRIZ에 AI 기술을 대화형으로 결합하여, 초보자도 짧은 시간에 체계적인 문제 해결 역량을 발휘할 수 있는 가능성을 실증하였으며, 문제 정의부터 사후관리까지 전체 프로세스를 지원함으로써 TRIZ가 지닌 추상적·이론적 제약을 크게 완화하는 효과가 있음을 확인하였다. 향후에는 보다 다양한 산업 분야와 장기적 관찰을 통해 본 연구에서 제시한 AI-TRIZ 절차의 적용 범위를 확장하고, 프롬프트 엔지니어링 고도화와 AI 신뢰성·윤리성 문제에 대한 지속적 연구를 진행한다면, 산업계 전반에서 TRIZ-AI 융합이 문제해결 문화를 혁신하는 강력한 대안으로 자리매김할 수 있을 것으로 기대한다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기