Predictive maintenance has been one of important applications of data science technology that creates a predictive model by collecting numerous data related to management targeted equipment. It does not predict equipment failure with just one or two signs, but quantifies and models numerous symptoms and historical data of actual failure. Statistical methods were used a lot in the past as this predictive maintenance method, but recently, many machine learning-based methods have been proposed. Such proposed machine learning-based methods are preferable in that they show more accurate prediction performance. However, with the exception of some learning models such as decision tree-based models, it is very difficult to explicitly know the structure of learning models (Black-Box Model) and to explain to what extent certain attributes (features or variables) of the learning model affected the prediction results. To overcome this problem, a recently proposed study is an explainable artificial intelligence (AI). It is a methodology that makes it easy for users to understand and trust the results of machine learning-based learning models. In this paper, we propose an explainable AI method to further enhance the explanatory power of the existing learning model by targeting the previously proposedpredictive model [5] that learned data from a core facility (Hyper Compressor) of a domestic chemical plant that produces polyethylene. The ensemble prediction model, which is a black box model, wasconverted to a white box model using the Explainable AI. The proposed methodology explains the direction of control for the major features in the failure prediction results through the Explainable AI. Through this methodology, it is possible to flexibly replace the timing of maintenance of the machine and supply and demand of parts, and to improve the efficiency of the facility operation through proper pre-control.

본 연구는 국가별 화훼 및 절화 국화 소비 및 판매 실태를 파악하여 국내 유통 및 수출 활성화를 위한 마케팅 전략을 수 립하고자 실시하였다. 설문조사업체에 의뢰하여 화훼 유통업자 및 판매자를 대상으로 설문조사를 실시하였다. 조사 국가 는 대한민국, 일본, 호주, 베트남이었고 대한민국, 호주, 베트남의 조사 인원은 각각 50명, 일본은 49명, 총 199명을 대상으로 하였다. 대부분의 조사 국가에서 오프라인으로 유통 또는 판매를 하였고, 최근 들어 온라인을 통한 유통 및 판매도 높게 나타났다. 꽃 유통 및 판매 시 가장 중요하게 생각하는 요소는 품종과 품질이었다. 대한민국과 일본은 큰 행사가 있는 달에 국화가 많이 팔리며 호주와 베트남은 연중 고르게 판매되 는 양상을 보였다. 주로 선물용과 기념일용으로 판매되었다. 대한민국, 일본, 호주는 스탠다드 타입과 스프레이 타입이 섞인 믹스 타입의 절화 국화가 주로 판매되며 베트남의 경우 스 프레이 타입의 절화 국화가 가장 많이 판매된다는 것을 알 수 있었다. 스프레이 타입의 경우, Anemone를 선호하며 Spider 는 선호하지 않는다고 조사되었다. 스탠다드 타입의 경우, Double 모양의 판매가 가장 많았으며 대한민국을 제외한 세 나라에서는 Pompon의 판매량도 높은 수준이었다. 색상은 흰색, 아이보리, 노랑 등 밝은 색상의 판매량이 많았으며, 초록색 계통의 경우 전체적으로 판매 수준이 낮은 것으로 조사되었다. 이 연구 결과를 통해 국가별 맞춤형 품종개발과 마케팅 전략 수립의 기초자료가 될 것으로 생각된다.

부추속 식물은 수선화과의 다년생 초본으로 약 1000여종에 이른다. 한국에서는 24종의 자생종이 분포하며 유전자원으로서 큰 가치를 지닌 분류군이다. 그러나 자생부추속 식물에 대한 연구는 일부 종에 대하여 한정적으로 이루어지고 있으며, 갯부추, 두메부추, 울릉산마늘과 같이 최근 분류되거나 잘 알려지지 않은 종에 대한 연구는 매우 부족하였다. 따라서 본 연구는 자생부추속 4종(강부추, 한라부추, 갯부추, 산부추)에 대한 온도 및 명암처리에 대한 발아특성을 조사하였다. 발아 특성은 발아율, T50, 평균발아일수, 발아균일도, 발아속도로 평 가하였다. 강부추와 갯부추는 5℃에서 50%이상의 발아율을 보였으나 한라부추와 산부추는 전혀 발아하지 않았다. 갯부추 는 남부지방 해변가, 강부추는 강이나 하천주변에 서식하며 한라부추와 산부추는 주로 산지에 서식하는 것으로 알려져있다. 따라서 이러한 차이는 종별 생육지의 환경조건에 따른 차 이로 추정된다. 5℃에서 강부추의 발아율은 명조건(70.0%)보다 암조건(93.3%)에서 향상되었으며, T50과 평균발아일수도 단축되었다. 한라부추는 15℃에서 암조건이 명조건보다 발아율이 증가하고 15℃와 20℃에서는 T50과 평균발아일수가 단축 되었다. 그에 따라 발아속도도 증가하였으며 발아균일도도 상 승하였다. 갯부추는 5℃에서 발아율은 명조건(70.0%)보다 암 조건(83.3%)에서 상승했고, 15℃에서 T50과 평균발아일수가 단축되었으며 발아속도가 증가하였다. 산부추는 15℃와 20℃ 에서 T50과 평균발아일수가 단축되었으며 발아속도가 증가하 였다. 따라서 상대적으로 낮은 온도 처리구에서 명조건보다 암조건이 일부 발아특성을 향상시켰다. 실험에 사용된 4종의 종자는 대부분 15~25℃에서 90%가 넘는 발아율을 보였으나, 다른 발아특성은 온도와 광에 따른 차이를 보였다. 강부추와 산부추의 T50, 평균발아일수, 발아속도는 20℃와 25℃에서 가 장 향상되었고, 한라부추와 갯부추는 25℃에서 T50과 평균발 아일수가 가장 단축되었으며, 발아속도도 가장 빨랐다. 결론적으로 발아특성을 종합적으로 고려했을 때, 강부추는 광과 관계없이 20~25℃, 한라부추는 광과 관계없이 25℃, 갯부추는 암조건 25℃, 산부추는 명조건 25℃와 암조건 20~25℃를 발아 에 적합한 조건으로 제시하였다.