Editorial Board

본 연구는 고객 불만 고상 오염 구현을 위하여 실 상황을 고려한 운전자 승하강 모드가 적용된 시트 오염도 장비를 개발하였다(Fig. 4 참조). 개발된 시트 오염도 장비는 운전자 엉덩이/허벅지 형상 더미에 오염포를 씌워 상/하, 좌/우로 조정될 수 있도록 설계되었다. 본 장비를 사용하면 실제 운전자가 승하강 시 청바지 마찰 및 오물 등으로 인해 시트가 오염되는 조건을 구현할 수 있다.

Fig. 4 
Seat stain evaluation machine

본 연구는 실제 운전자 승하강 모드 개발을 위하여 승하강 자세(Posture), 움직임 궤적(Trajectory), 그리고 압력(Pressure)을 종합적으로 분석하였다. 먼저, 본 연구는 Fig. 5와 같이 인체 크기가 상이한 4명에 대하여 승하강 시 사진을 촬영하여 승강(Ingress), 착좌(Sitting), 그리고 하강(Egress) 시의 자세 유형을 획득한 결과, 모두 유사한 자세를 생성하는 것으로 나타나 평균적인 1가지 대표 모드를 적용하였다. 그리고, Fig. 6과 같이 인체크기가 상이한 10명에 대하여 승하강 시 좌측다리 피봇량 및 힙포인트(Hip point, HP) 궤적에 대해 마커(Marker)를 표시하고 사진 촬영하여 축도법을 적용함으로써 HP 이동거리 및 다리 벌림 각도를 산출하였다. 마지막으로, 승하강 시 시트에 가압되는 무게를 산출하기 위하여 체압 측정 장비(X-sensor)로 승하강 시 체압을 측정한 후, Fig. 7과 같이 원리 시험을 통하여 체압(단위: psi)을 무게(kg)로 변환할 수 있는 회귀식(수정회귀설명력 = 99 %)을 산출함으로써 승강, 착좌, 그리고 하강 각각에 대한 가압 무게를 산출하였다. Fig. 8은 상기 결과를 적용하여 수립된 오염도 장비 승하강 모드를 보여준다.

Fig. 5 
Analysis of ingress/egress characteristic: Posture

Fig. 6 
Analysis of ingress/egress characteristic: Trajectory (HP: hip point)

Fig. 7 
Analysis of ingress/egress characteristic: Pressure

Fig. 8 
Ingress/Egress mode for seat stain evaluation machine

본 연구는 시트 오염 정량화를 위해 가죽 시트 8종과 천 시트 34종을 선정하여 실험하였다. 최대한 다양한 시트의 오염을 판별하기 위하여 다양한 색 특성(L, a, b) 및 패턴을 가진 시트가 선정되었다. 시트 색 특성은 Fig. 9와 같이 Lab 색공간(Lab color space)에서 명도를 나타내는 L, red와 Green 축을 나타내는 a, 그리고 Yellow와 Blue 축을 나타내는 b의 분포를 고려하여 Fig. 10 및 Fig. 11과 같이 가죽과 천 시트 각각이 선정되었다.

Fig. 9 
Lab color space

Fig. 10 
Color distribution in lab color space: Leather seats (n = 8)

Fig. 11 
Color distribution in lab color space: Fabric seats (n = 34)

오염 정량화 실험은 일반, 데님 오염포(E106, E128)을 사용하여 시트를 주기적으로 문질러 오염시켜가며 G/S 판별 및 색차(ΔE)를 측정하는 방법으로 수행되었다. Fig. 12에 나타낸 바와 같이, G/S는 연구자 2명의 육안 판별 결과로 결정되었으며, 색차는 색차계(Color-difference meter)를 사용하여 측정되었다. 시트 문지름 횟수는 임의(Random)로 결정되었으며, 시트 문지름은 최대로 오염될 때까지 수행되었다.

Fig. 12 
Experiment method for seat stain quantification

본 연구의 최적 로지스틱(Logistic) 시트 오염 판별식은 판별 중요 구간의 유의성과 전체 오염 판별 성능을 고려하여 선정되었다. 먼저, 본 연구는 서수 로지스틱 회귀(Ordinal Logistic regression) 중 로짓 모형(logit model)을 사용하여 초기명도 L, 색차 ΔE, 시트색상, 시트특성(가죽: 펀칭 유무, 천: 패턴유무 및 천 형태), 블랙시트 포함유무를 고려하여 가죽 32개, 천 64개의 판별식 후보를 개발하였다. 그리고, 오염 판별 중요 구간인 G/S가 4.5, 4.0, 3.5의 판별 계수(coefficient)가 유의한(p<0.05) 가죽 28개, 천 40개 판별식을 추출하였다. 마지막으로, 시트 오염 판별 성능인 %concordant가 가장 우수한 가죽과 천의 최적 판별식 1개씩을 각각 선정하였다(Fig. 13, Fig. 14).예를 들어, Fig. 13은 가죽 시트에 대한 로지스틱 판별식을 나타내며, G/S를 1.5 미만으로 판별할 확률을 구하는 식의 상수(Constant)의 계수(Coefficient)는 -16.5953이며 유의수준 0.05에서 유의함을 나타낸다(z=-14.23, p<0.001). 또한, 펀칭유무(X₅) 인자(predictor)의 계수(β₅)는 -0.80981이며 유의수준 0.05에서 유의함을 나타낸다(z = -3.37, p = 0.001). 본 로지스틱 판별식은 G/S가 1에서 5까지의 각각의 판정 확률을 계산해주며, 판정 확률이 가장 높은 G/S 값으로 최종 판정한다. 이에 따라, 오염 시험자는 오염된 시트에 대해 색차계로 측정된 색차 측정값을 입력하고, 오염된 시트 특성을 입력하기만 하면 용이하게 시트 오염의 판별 값을 획득할 수 있다. 한편, 가죽의 판별 성능(%concordant)는 95.2 %, 천은 96.7 %인 것으로 나타났다. 3종 시트에 대한 일반(E106)/데님(E128) 오염포 사용 검증 결과, 개발된 판별식과 오염 판별 전문가 판별 결과가 100 % 일치하는 것으로 나타났다. 시트 오염 판정 기준은 판별식으로 도출된 G/S가 4.0점 미만이면 불합격인 것으로 설정되었다.

Fig. 13 
Ordinal Logistic regression logit model for discriminant seat stain: Leather

Fig. 14 
Ordinal Logistic regression logit model for discriminant seat stain: Fabric