diff --git a/.jules/bolt.md b/.jules/bolt.md
index 7d3c603f..b3857d9c 100644
--- a/.jules/bolt.md
+++ b/.jules/bolt.md
@@ -16,3 +16,6 @@
 ## 2025-02-12 - R 언어에서 반복적인 mirt 모델 생성 시 불필요한 데이터프레임 부분집합 추출 최적화
 **Learning:** R에서 데이터프레임의 특정 열을 추출하는 작업(`df[cols]`)은 O(N)의 메모리 복사를 수반합니다. `autoFIPC`에서 `mirt` 모델의 파라미터를 설정하거나 호출하는 과정 중에 `newformXDataK[colnames(newFormModel@Data$data)]` 코드가 반복해서 사용되었고, 심지어 `ncol()`을 위해 단순히 개수를 구할 때도 사용되어 불필요한 메모리 할당과 오버헤드를 초래했습니다.
 **Action:** 조건문이나 반복문 내부에서 불필요하게 데이터프레임 부분집합 연산이 반복되지 않도록 외부에서 한 번만 `linkedFormData <- newformXDataK[colnames(newFormModel@Data$data)]`로 캐싱(caching)한 뒤, `ncol(linkedFormData)`와 `data = linkedFormData` 형태로 재사용하여 메모리 복사와 O(N) 오버헤드를 방지해야 합니다.
+## 2024-11-20 - R 언어에서 불필요한 데이터 변환(na.omit) 및 정렬(sort) 오버헤드 제거
+**Learning:** R에서 데이터의 고유값(non-NA) 개수를 셀 때 `length(unique(stats::na.omit(x)))`를 사용하면 `na.omit` 함수 호출과 메서드 디스패치 및 속성 할당으로 인한 오버헤드가 발생합니다. 또한 벡터의 최소값 원소를 찾을 때 `sort(x)[1]`이나 `names(sort(x))[1]`을 사용하면 O(N log N)의 불필요한 정렬 연산이 수행됩니다.
+**Action:** 고유값 개수 카운트는 `sum(!is.na(unique(x)))`와 같이 논리형 인덱싱을 이용한 합산으로 변경하여 오버헤드를 크게 줄입니다. 최소값을 찾는 연산은 `which.min(x)`를 이용해 선형 탐색 O(N)으로 변경하여 성능을 최적화해야 합니다.
diff --git a/R/aFIPC.R b/R/aFIPC.R
index 62546519..c8bdc58a 100644
--- a/R/aFIPC.R
+++ b/R/aFIPC.R
@@ -770,8 +770,8 @@ autoFIPC <-
       if (
         !is.na(newFormItemName) &&
         !is.na(oldFormItemName) &&
-          (length(stats::na.omit(unique(newFormModel@Data$data[, newFormItemName]))) ==
-            length(stats::na.omit(unique(oldFormModel@Data$data[, oldFormItemName]))))
+          (sum(!is.na(unique(newFormModel@Data$data[, newFormItemName]))) ==
+            sum(!is.na(unique(oldFormModel@Data$data[, oldFormItemName]))))
       ) {
         message(
           'applying ',
diff --git a/R/surveyFA.R b/R/surveyFA.R
index f60fffd8..43742de7 100644
--- a/R/surveyFA.R
+++ b/R/surveyFA.R
@@ -83,7 +83,7 @@ surveyFA <- function(
   response_data <- as.data.frame(data)
   response_data <-
     response_data[, vapply(response_data, function(column) {
-      nunique <- length(unique(stats::na.omit(column)))
+      nunique <- sum(!is.na(unique(column)))
       nunique >= 2L
     }, logical(1L))]
 
@@ -232,7 +232,7 @@ surveyFA <- function(
       names(p_values) <- rownames(fit_df)
       if (any(!is.na(p_values))) {
         p_values[is.na(p_values)] <- 1
-        candidate <- names(sort(p_values, decreasing = FALSE))[1L]
+        candidate <- names(p_values)[which.min(p_values)]
         if (!is.na(candidate) && p_values[[candidate]] < pThreshold) {
           return(candidate)
         }