This study introduces a novel approach for identifying potential failure risks in missile manufacturing by leveraging Quality Inspection Management (QIM) data to address the challenges presented by a dataset comprising 666 variables and data imbalances. The utilization of the SMOTE for data augmentation and Lasso Regression for dimensionality reduction, followed by the application of a Random Forest model, results in a 99.40% accuracy rate in classifying missiles with a high likelihood of failure. Such measures enable the preemptive identification of missiles at a heightened risk of failure, thereby mitigating the risk of field failures and enhancing missile life. The integration of Lasso Regression and Random Forest is employed to pinpoint critical variables and test items that significantly impact failure, with a particular emphasis on variables related to performance and connection resistance. Moreover, the research highlights the potential for broadening the scope of data-driven decision-making within quality control systems, including the refinement of maintenance strategies and the adjustment of control limits for essential test items.

최근 기후변화 등으로 인한 꿀벌의 폐사가 증가하고 있으나 관련 데이터가 부족하여 이에 대한 연구가 어려움 을 겪고 있어 학습용 인공지능 데이터를 구축하여 양봉 산업 발전에 기여하고자 한다. 학습용 데이터로 생애주기 별 5단계(알, 애벌레, 번데기, 숫벌, 여왕벌), 종봉별 4가지(이탈리안, 카니올란, 한봉, 호박벌), 발생질병 1종(백묵 병) 총 10가지 클래스를 데이터 수집장소 6곳(장성, 포천, 칠곡, 완주, 의령, 장흥)에서 학습용 데이터를 274,206장 구축하였다. 수집된 데이터는 원시데이터, 원천데이터 가공, 라벨링 데이터 결합, 가공데이터 검수 등을 통해 만들어졌으며 관측지에서 온습도, CO, CH4, NH3 등 환경데이터를 200,000건 확보하여 데이터 라벨링을 수행하 였다. 데이터는 AI Hub(www.aihub.or.kr)에서 다운받을 수 있다. 확보된 데이터는 꿀벌의 생애 단계별, 종별, 건강 상태별 이미지 데이터로 구성되어 있어 양봉 관리 자동화, 꿀벌 질병 예측, 양봉 기술 개발 및 연구 등 다양한 분야에 활용될 수 있을 것으로 예상된다.

식용곤충은 미래식량 자원으로써 우수한 가치를 지니고 있어 해외에서는 사육자동화, IoT 및 AI 기술적용, 수직재배시스템 구축 등 많은 연구가 진행되고 있지만 국내에서는 대규모 사육농가나 곤충스마트팜 기술개발 이 부족하여 이를 위한 AI/빅데이터 인프라 구축이 시급한 실정이다. 학습용 인공지능 데이터는 식용곤충으로 활용되고 있는 장수풍뎅이, 흰점박이꽃무지, 갈색거저리, 백강잠, 메뚜기, 풀무치의 생애 주기별 총 6종의 RGB 사진데이터와 분광이미지 데이터 408,000장을 구축하였으며 온도, 습도, CO,, 암모니아, 조도, 수분 등 환경 데이 터 200,000세트를 수집하였다. 수집된 데이터는 원시데이터 수집, 원천데이터 가공, 라벨링 데이터 결합, 가공데 이터 검수 등을 통해 만들어졌으며 관련 데이터는 AI Hub(www.aihub.or.kr)에서 다운받을 수 있다. 확보된 식용곤 충 6종의 데이터는 곤충 종별 성장단계, 환경 변수에 따른 최적의 사육환경 조성, 생산시기 예측, 스마트대량사육 시스템 개발, 제품 가공시 추적이력제 도입, 식용곤충 스마트팜 기술 개발 및 연구 등 다양한 분야에 활용될 수 있을 것으로 예상된다.

갈색거저리 유충의 사료인 밀기울은 대부분 수입에 의존하고 있는데 일부 국가의 식량 수출 중단 조치 등에 따른 국제 곡물가격 상승으로 밀기울 가격은 인상되고, 식용곤충 판매가격이 하락하면서 생산비 절감을 위한 사료 개발이 요구되고 있다. 농업부산물 3종을 50% 이상 급이하게 되면 유충 생육이 저하되었기 때문에 본 연구는 적정한 배합비율을 선정하기 위해 첨가사료 20, 30% 함량으로 밀기울과 혼합하여 사료를 급이하였을 때 갈색거 저리 유충의 생육 특성과 영양성분 변화에 대해 밀기울만 제공한 대조구와 비교하였다. 부산물 A와 B, C를 각각 30% 함유한 처리구에서 갈색거저리 유충 무게는 대조구와 차이가 없음을 확인하였다. 먹이소화율은 부산물B를 20% 함유한 처리구가 80.5%로 대조구에 비해 높았고, 부산물C 30% 처리구에서 72.6%로 가장 낮았다. 갈색거저 리 유충의 생육일수 100일 기준으로 부산물B 30% 처리구에서 용화율이 76.1%로 대조구보다 1.6배 높았으며, 부산물A 20% 처리구는 29.2%로 용화율이 가장 낮았다. 갈색거저리 유충의 조단백질 함량은 부산물 C 30% 처리 구에서 대조구보다 10.3% 증가하여 아미노산 분석을 진행한 결과 sarcosine과 ornithine이 2.5배 이상 증가하였다. 이를 통해 부산물 B나 C를 30% 함유한 사료를 급이하였을 때 사육 원가를 절감하여 유충을 생산할 수 있을 것으로 사료된다.

The purpose of this study is to select various insect species for healing resources and develop a healing program in order to use insect as a healing agriculture. In this study, there are two kinds of breeding kit were developed, one for Gryllus bimaculatus and the other for Oxya chinensis sinuosa. Using these insect breeding kits, we conducted a survey of 60 children and the elderly. In the case of children, the results of the insect breeding satisfaction showed that 30.6% said that the sound of crickets was very good, and 11.1% said that it was good. In addition, the higher the child's awareness of insects, the higher the proportion of children who wanted to raise insects in the future. As a result of a survey of seniors, 45.2% do not like insects and 51.6% are not interested, meaning that most seniors are not very interested in insects. However, the emotions after breeding insects showed positive results, with 45.2% saying their personality became brighter, 48.4% reducing their anger, 48.4% relieving their irritation, 54.8% relieving loneliness, 58.1% feeling more responsible, and 51.6% developing intimacy.

본 연구는 주변 환경의 차이에 따른 화분매개곤충의 유입 특성을 파악하기 위하여 국립수목원 내 진화속을걷 는정원과 부추속전문전시원에 식재된 울릉산마늘의 화분매개곤충을 조사하였다. 2023년 5월 22일부터 6월 2일 까지 꽃이 70% 이상 개화하였을 때 포충망을 활용하여 8일간 곤충을 채집하였고, 각 전시원 별 식생(피도), 기후 (온도·습도·조도)를 조사하였다. 조사 결과 진화속을걷는정원에서 피도 60% 온도 26.4℃, 습도 31.5%, 조도 40953.6lx, 화분매개곤충 20과 450개체, 부추속전문전시원은 피도 90%, 온도 25.6℃, 습도 31.6%, 조도 6387lx, 화분매개곤충 15과 196개체로 나타났다. 온도와 조도가 상대적으로 높은 진화속을걷는정원이 채집된 곤충의 다양성과 방문 빈도가 높았다. 시간대별 곤충의 방문 빈도를 비교해본 결과 온도와 조도는 개체수가 증가할 때 같이 증가하는 경향을 보였으며, 습도는 반대의 경향을 보였다.

In 2022, research for native prokaryotic species in Korea reported 10 unrecorded bacterial strains affiliated to phyla Actinomycetota, Bacillota, and Pseudomonadota. The strains formed monophyletic clades with the most closely related species (with ≥98.7% sequence similarity) in the 16S rRNA gene sequencing. Among them, four species of the phylum Actinomycetota, two species of the phylum Bacillota, and four species of the phylum Pseudomonadota have not been reported in Korea, suggesting unrecorded species in Korea. Information on strains such as Gram staining reaction, colony and cell morphology, biochemical characteristics, and isolation sources were provided in the species description.

In the era of the 4th Industrial Revolution, Logistic 4.0 using data-based technologies such as IoT, Bigdata, and AI is a keystone to logistics intelligence. In particular, the AI technology such as prognostics and health management for the maintenance of logistics facilities is being in the spotlight. In order to ensure the reliability of the facilities, Time-Based Maintenance (TBM) can be performed in every certain period of time, but this causes excessive maintenance costs and has limitations in preventing sudden failures and accidents. On the other hand, the predictive maintenance using AI fault diagnosis model can do not only overcome the limitation of TBM by automatically detecting abnormalities in logistics facilities, but also offer more advantages by predicting future failures and allowing proactive measures to ensure stable and reliable system management. In order to train and predict with AI machine learning model, data needs to be collected, processed, and analyzed. In this study, we have develop a system that utilizes an AI detection model that can detect abnormalities of logistics rotational equipment and diagnose their fault types. In the discussion, we will explain the entire experimental processes : experimental design, data collection procedure, signal processing methods, feature analysis methods, and the model development.

Recently, the development of computer vision with deep learning has made object detection using images applicable to diverse fields, such as medical care, manufacturing, and transportation. The manufacturing industry is saving time and money by applying computer vision technology to detect defects or issues that may occur during the manufacturing and inspection process. Annotations of collected images and their location information are required for computer vision technology. However, manually labeling large amounts of images is time-consuming, expensive, and can vary among workers, which may affect annotation quality and cause inaccurate performance. This paper proposes a process that can automatically collect annotations and location information for images using eXplainable AI, without manual annotation. If applied to the manufacturing industry, this process is thought to save the time and cost required for image annotation collection and collect relatively high-quality annotation information.

Functional dyspepsia (FD) is a gastrointestinal disorder with diverse symptoms but no structural or organic manifestations. Benachio-F® (herein named ‘BF-1’) is an over-the-counter liquid digestive formulated with multiple herbal extracts, which has been reported to improve symptoms of FD. A total two experiments were conducted. First, we examined whether BF-1 can modulate the progression of FD through two experimental rat models. A total of three doses (0.3x, 1x, 3x of the human equivalent dose) were used. In the gastric emptying model, both 1x (standard) or 3x (3-fold-concentrated) BF-1 enhanced gastric emptying was compared with that of vehicle-treated animals. In a feeding inhibition model induced by acute restraint stress, treatment with 1x or 3x BF-1 led to a similar degree of restoration in food intake that was comparable to that of acotiamide-treated animals. Among the constituents of BF, fennel is known for its choleretic effect. Thus, we next investigated whether a novel BF-based formula (named ‘BF-2’) that contains an increased amount of fennel extract (3.5-fold over BF-1), has greater potency in increasing bile flow. BF-2 showed a superior choleretic effect compared to BF-1. Furthermore, the postprandial concentration of serum secretin was higher in animals pretreated with BF-2 than in those pretreated with BF-1, suggesting that the increased choleretic effect of BF-2 is related to secretin production. Our results demonstrate that BF-1 can modulate the pathophysiological mechanisms of FD by exerting prokinetic and stress-relieving effects, and that BF-2 has a better choleretic effect than BF-1.