본 연구는 국내에서 아직 식품색소로 지정되지 않은 zeaxanthin과 citranaxanthin에 고성능 액체 크로마토그래피 (HPLC)를 적용하여 최적화된 동시 분석법을 개발하고, 이 분석법을 검증하기 위해 수행되었다. 최적의 분석법을 확립하기 위해, 기존에 보고된 다양한 국외 문헌 시험법의 HPLC 분석법을 비교 검토하였다. 그리고 분석 조건 선정 시 선형성, 검출한계(LOD), 정량한계(LOQ), 정확성, 반복 성, 실험실 간 검증 등의 주요 검증 항목을 고려하여 다 양한 식품에 적용 가능한 최적 전처리법을 개발하였다. 개 발된 분석법은 우수한 선형성(R20.999)을 나타내었으며, 식품 매트릭스 내에서 zeaxanthin과 citranaxanthin에 대한 검 출한계(LOD)는 각각 0.11-0.32 mg/kg 및 0.14-0.20 mg/kg, 정량한계(LOQ)는 각각 0.33-0.96 mg/kg 및 0.42-0.60 mg/kg 으로 확인되었다. 기존 연구에 보고된 전처리 방법은 다 양한 식품군에 적용하는 데에 한계를 보였으나, 본 연구 에서 개발된 분석법은 카로티노이드 착색료가 사용되는 주요 식품군에서 모두 적용이 가능하였다. 특히 이 방법 은 적용성 평가에서 zeaxanthin과 citranaxanthin에 대해 모 든 식품군에서 90% 이상의 우수한 동시 회수율을 나타내 었다. 또한, 새로운 HPLC 분석법을 적용한 두 물질의 정 확도(회수율) 및 정밀도(%RSD)는 식품의약품안전처(MFDS) 가이드라인에서 제시한 기준 범위에 부합하였다. 따라서 본 연구에서 개발된 동시 분석법은 식품 중 zeaxanthin과 citranaxanthin을 신뢰성 있고 정확하게 분석할 수 있는 방 법으로 판단되었다.

선박의 추진전동기는 소량 주문생산되어 고장진단을 위한 신호를 사전에 확보하는 것이 불가능하다. 운용기간 중 계측을 통해 데이터를 확보하는 것은 많은 시간과 비용을 초래하기에 물리모델을 통해 데이터를 확보하는 것이 유일한 방법이다. 물리모델을 통해 얻 은 데이터를 고장진단에 활용하기 위하여 데이터의 정확도를 확보해야 한다. 기존 전동기 물리모델의 경우 전동기에서 발생하는 구조-전 기 연성효과를 온전히 고려하지 않아 진동데이터의 해석 오차가 발생하는 것을 확인할 수 있다. 본 논문에서는 구조-전기 완전연성 물리 모델을 개발하여 물리모델데이터의 정확도를 개선하였다. 실험계측 데이터와 물리모델 데이터의 비교를 통해 전동기 상태별 데이터를 높 은 정확도로 획득할 수 있음을 확인하였다. 본 논문에서 제시한 구조-전기 완전연성 물리모델을 이용하여 정상상태와 결함상태에서 나타 나는 진동수준을 예측할 수 있음을 확인하였으며, 구조-전기 완전연성 반영 필요성을 입증하였다.

딤프로피리다즈는 pyrazole carboxamide 계열 살충제로 활성형은 TRPV 상류 부위를 표적으로 하여 신호전달을 차단하며 진딧물 등의 해충 방제에 효과적이다. 사이클로 뷰트리플루람은 phenethyl pyridineamide 계열 살충제로 미 토콘드리아 전자 수송 사슬복합체 II의 호흡작용을 저해 한다. 딤프로피리다즈와 사이클로뷰트리플루람에 대한 국 내 잔류물의 정의는 모화합물이며, 각각 수박, 호박잎 등 29품목에 대하여 0.03-7.0 mg/kg, 배추 등 6품목에 대하여 0.03 mg/kg으로 잔류허용기준이 설정되어 있다. 본 연구 에서는 농산물 중 딤프로피리다즈와 사이클로뷰트리플루람 의 잔류량을 분석하기 위한 공정시험법을 마련하고자 하였 다. 딤프로피리다즈 및 사이클로뷰트리플루람을 분석하기 위하여 아세토니트릴을 추출용매로 사용하는 QuEChERS법 을 이용하여 추출 및 정제조건을 확립한 후, LC-MS/MS 를 분석기기로 선정하였다. 딤프로피리다즈 및 사이클로 뷰트리플루람의 결정계수(R2)는 모두 0.99 이상으로 우수 하였으며, 정량한계는 0.01 mg/kg으로 나타났다. 대표 농 산물 5종(현미, 감자, 대두, 감귤, 고추)에 대하여 정량한 계, 정량한계 10배, 정량한계 50배 수준으로 처리하여 회 수율 실험을 한 결과 딤프로피리다즈의 평균 회수율은 85.5-101.5%, 사이클로뷰트리플루람은 86.8-108.5%을 보였 으며, 변이계수(coefficient of variation, CV)는 각각 10.9%, 13.7% 이하로 나타났다. 본 연구의 결과는 국제식품규격 위원회 농약 분석법 가이드라인25)의 잔류농약 분석 기준 및 식품의약품안전평가원의 식품 등 시험법 마련 표준절 차에 관한 가이드라인24)에 적합한 수준이다.

Afoxolaner is an insecticide and acaricide that belongs to the isoxazoline chemical compound group. it has been used as an active pharmaceutical ingrdient in veterinary medicine to treat fleas and ticks in dogs. When patents expire between 2026 and 2066, it is expected that many products will be applied for approval as generic products, and reserch to establish accurate quality control methods must be conducted and managed. HPLC method was developed for the quantitative and qualitative of afoxolaner in veterinary medicinal products. The separation of active constituents for afoxolaner was achieved on a RP18 (4.6 x 150 mm, 5 μm) column using Water : Acetonitrile : MeOH (25:30:45 v/v/v) as mobile phase, with UV detection at 245 nm. The method was validated for specificity, linearity, accuracy and precision. All calibration curves showed good linearity (R2 of 0.999) within the concentration ranges (12.5 to 400 μg/mL). For accuracy, the recovery rate was calculated by spiking three concentrations of standard into the sample blank. The recovery rate was calculated to be 99.70~100.58%. Precision was measured 9 times repeatedly through intra-day, inter-day tests using standard. It showed excellent precision by satisfying the relative standard deviation of less than 2% both intra-day and inter-day. Limit of detection (LOD) and limit of quantitation (LOQ) were 2.0 μg/mL and 6.1 μg/mL, respectively. This method was successfully applied to analyzing afoxolaner drugs distributed in Korea. The HPLC method described in this study is accurate and reproducible and could be applied for the analysis of veterinary drugs of afoxolaner.

모빌리티 예측은 단순한 통행 경로 예측을 넘어, 사회 전반의 효율성 및 안전성 향상을 위한 핵심 데이터를 제공한다는 점에서 중 요하다. 기존의 예측 기법은 시공간적 규칙성과 개인 이동 패턴의 통계적 특성 분석에 주로 의존하였으며, 최근 딥러닝 기반의 시공간 모델링을 통해 예측 성능이 향상되었다. 그러나 여전히 개인 통행의 단기·장기적 시공간 의존성 및 복잡한 패턴을 처리하는 데 한계가 존재한다. 이를 극복하기 위해, 본 연구는 대규모 사전 학습된 거대 언어 모델(Large Language Model; LLM)을 도입하여, 개인 속성뿐 만 아니라 실제 통행 데이터를 반영한 객체 단위 통행 생성 프레임워크를 제안한다. LLM 기반(ChatGPT-4o) 객체 단위 통행 생성 프레 임워크는 (1) 개인 모빌리티 패턴 학습, (2) 통행 생성의 두 단계로 이루어진다. 이후 한국교통연구원의 개인통행 실태조사(2021) 데이 터를 이용하여 프레임워크의 통행 생성 성능을 확인하였다. 통행 시작·출발 시간 분포, 출발·도착지 장소 유형, 통행목적, 이용 교통수 단의 정확도를 확인한 결과, 대부분 항목에서 70% 이상의 정확도를 보였다. 하지만 통행목적은 13개의 목적 중 하나를 예측해야 하기 에 정확도가 다른 항목에 비해 약 40%로 낮게 나타났다. 본 연구는 통행 생성 프레임워크를 설계하고, 이에 맞춰 입력 데이터를 가공 및 프롬프트 엔지니어링을 수행함으로써 LLM 기반 통행 생성 기술의 가능성을 확인하였다. 향후 프레임워크의 예측 성능 검증 및 개 선을 위한 추가 연구가 필요하며, 날씨, 대규모 행사 등과 같은 외부 요인들을 고려하면 더욱 정교하고 현실적인 통행일지를 생성할 수 있을 것이다.

포장상태 평가를 위한 노면영상 촬영은 라인스캔 방식이 주를 이루고 있다. 라인스캔 특성 상, 조사환경이나 장비특성이 달라질 경 우 밝기가 상이한 노면영상을 취득할 수 있고 이는 U-net과 같은 픽셀 단위 segmentation 딥러닝 모델의 균열 자동검출 성능에 영향을 미친다. 본 연구에서는 인공지능 검출 모델의 변경 없이 영상의 밝기 최적화와 morphology 연산기법을 노면영상 전·후처리 방법으로 제시하고 그 효과를 분석하였다. 영상 처리를 통해 과다 검출경향을 보인 이상치들이 제거되었으며 정답으로 간주할 수 있는 전문요 원 분석결과인 GT 균열률과의 상관성 또한 향상됨을 확인하였다.

이동 물체의 전역 경로 탐색에 있어 출발지점과 도착지점은 반드시 필요한 조건 중 하나이다. 선박의 경로 탐색에 있어 도착 가능 지점은 부두 이외 선박의 입출항 전 대기 장소 및 선박 수리 등 다양한 목적으로 이용되는 정박지(Anchorage)도 포함될 수 있다. 이 러한 정박지는 연안 해역 환경에 따라 특정 형태로 설계된 공간으로 경로 탐색을 위한 도착지점은 선박이 정박을 위한 투묘 지점이라고 볼 수 있다. 이에, 본 연구에서는 샘플링 기반 탐색 알고리즘 중 PRM 및 계산 기하학 알고리즘을 통해 정박지라는 특정 공간에 대해 다른 선박이 점유하지 않는 공간 탐색을 통한 투묘 지점 산출 방법을 제시하였다. 또한, 개발된 알고리즘을 검증하기 위하여 국내 목포항 11번 정박지를 대상 해역으로 선정하고 시뮬레이션을 수행한 결과 다른 선박이 점유하지 않는 공간에 대해 투묘 지점을 탐색할 수 있었다. 본 연구의 결과는 향후 선박의 의사 결정 및 VTS의 정박지 관리를 위한 지원 방안으로 활용될 수 있을 것으로 기대된다.

Distribution and logistics industries contribute some of the biggest GDP(gross domestic product) in South Korea and the number of related companies are quarter of the total number of industries in the country. The number of retail tech companies are quickly increased due to the acceleration of the online and untact shopping trend. Furthermore, major distribution and logistics companies try to achieve integrated data management with the fulfillment process. In contrast, small and medium distribution companies still lack of the capacity and ability to develop digital innovation and smartization. Therefore, in this paper, a deep learning-based demand forecasting & recommendation model is proposed to improve business competitiveness. The proposed model is developed based on real sales transaction data to predict future demand for each product. The proposed model consists of six deep learning models, which are MLP(multi-layers perception), CNN(convolution neural network), RNN(recurrent neural network), LSTM(long short term memory), Conv1D-BiLSTM(convolution-long short term memory) for demand forecasting and collaborative filtering for the recommendation. Each model provides the best prediction result for each product and recommendation model can recommend best sales product among companies own sales list as well as competitor’s item list. The proposed demand forecasting model is expected to improve the competitiveness of the small and medium-sized distribution and logistics industry.

PURPOSES : This study aims to provide quantitative profile values for the objective evaluation of concrete surface profile (CSP) grades in concrete structures. The main aims are to quantify the CSP grade required for concrete surface pretreatment and proposing a more suitable CSP grade for structural maintenance. METHODS : Initially, the challenges in measuring concrete surface profiles were outlined by analyzing pretreatment work and profile samples of concrete pavements. Theoretical foundations for quantifying concrete surface roughness were established, and regression models including linear regression, cubic regression, and log regression were selected. Additionally, the interquartile range anomaly removal technique was employed to preprocess the data for regression modeling. RESULTS : Concrete CSP profiles were measured through indoor tests, and the measured data were quantified. Linear regression, cubic regression, and log regression models were applied to each CSP grade for comparative analysis of the results. Furthermore, comparative studies were conducted through adhesion strength tests based on the CSP grade. CONCLUSIONS : Our results are expected to establish objective standards for the pretreatment stage of concrete repair and reinforcement. The derived reference values can inform standards for the restoration and reinforcement of concrete structures, thereby contributing to performance improvement. Moreover, our results may serve as primary data for the repair and reinforcement of various concrete structures such as airports, bridges, highways, and buildings.

교통량이 증가하고 교량과 같은 특수구조물에 아스팔트 포장이 시공되는 사례가 증가함에 따라 일반적으로 사용되는 아스팔트보다 높은 성능을 가진 아스팔트에 대한 수요가 증가하고 있다. 일반 아스팔트 혼합물은 내구연한이 지나면 재생첨가제 등을 사용하여 다 시 도로포장재료로서 재활용할 수 있는 방안이 마련되어 있으나, 개질 아스팔트가 사용된 폐아스팔트 혼합물은 매립재로 사용하는 것 이외에는 별다른 대안이 없는 실정이다. 이에 본 연구에서는 국토부 지침에 규정된 재활용 아스팔트 혼합물 배합설계법을 적용하여 개질 폐아스팔트 혼합물을 재활용할 수 있는지를 검토해보고자 하였다. 이를 위해 개질 아스팔트를 활용하여 혼합물을 제작하였으며, 현장에서 수거되는 폐아스팔트 혼합물의 노화상태를 모사하기 위해 AASHTO R 30을 참고하여 강제 노화를 실시하였다. 노화 및 추출 과정에서 아스팔트의 물성 변화를 확인하기 위해 절대점도, DSR, MSCR 시험을 실시하였다. 시험결과, 추출 후 바인더의 절대점도는 감소하였으나 G*(복합전단계수)와 δ(위상각)은 증가하는 경향을 보였다. 소성변형 저항성을 확인하기 위해 MSCR(다중 응력 크리프 및 회복) 시험을 실시한 결과,  이 2배 가까이 증가하여 소성변형 저항성이 감소한 것을 확인할 수 있었다. 이러한 결과는 추출시 사용 되는 용매가 개질첨가제를 추출하지 못하여 기인한 결과로 판단된다. 따라서 개질 폐아스팔트 혼합물을 재활용하기 위해서는 기존과 는 다른 별도의 배합설계법이 개발되어야 할 것으로 판단되었다.

축산물 중 잔류허용기준이 설정되어 관리하고 있는 농약 azocyclotin, cyhexatin, fenbutatin oxide는 대표적인 유 기주석계 살비제이다. 기존 시험법은 가스크로마토그래피 를 사용하여 정량한계가 높고 분석 시 재현성이 떨어져 이에 대한 개선이 필요한 실정으로 본 연구에서는 비교적 간편하며 시간이 적게 소요되는 QuEChERS법을 활용하여 azocyclotin, cyhexatin, fenbutatin oxide의 시험법을 마련하 고자 하였다. 1% 아세트산을 함유한 아세트산에틸:아세토 니트릴(1:1) 혼합액을 이용하여 진탕 추출 후 d-SPE로 정 제하고 이를 농축 후 LC-MS/MS를 이용한 시험법을 개발 하였다. Azocyclotin, cyhexatin 및 fenbutatin oxide의 결정 계수(R2)는 0.99 이상으로 높은 직선성을 확인하였으며 정 량한계는 0.01 mg/kg으로 높은 감도를 나타내었다. 대표 축산물 5종(소, 돼지, 닭, 계란, 우유)에서 LOQ(0.01 mg/ kg), MRL(0.05 mg/kg), MRL 10배(0.5 mg/kg)의 농도에서 회수율 실험을 한 결과 평균 회수율이 76.4-115.3% 및 84.4-110.8%이었으며, 상대표준편차는 25.3% 이하로 나타 났다. 본 연구는 Codex 가이드라인(CAC/GL 40-1993, 2003) 및 ‘식품의약품안전처 식품의약품안전평가원의 식 품등 시험법 마련 표준절차에 관한 가이드라인(2016)’에 적합한 수준임을 확인하였다. 따라서 본 연구에서 확립한 시험법은 축산물 중 잔류할 수 있는 azocyclotin, cyhexatin, fenbutatin oxide의 안전관리를 위한 공정시험법으로 활용 가능할 것으로 판단된다.

A machine learning-based algorithms have used for constructing species distribution models (SDMs), but their performances depend on the selection of backgrounds. This study attempted to develop a noble method for selecting backgrounds in machine-learning SDMs. Two machine-learning based SDMs (MaxEnt, and Random Forest) were employed with an example species (Spodoptera litura), and different background selection methods (random sampling, biased sampling, and ensemble sampling by using CLIMEX) were tested with multiple performance metrics (TSS, Kappa, F1-score). As a result, the model with ensemble sampling predicted the widest occurrence areas with the highest performance, suggesting the potential application of the developed method for enhancing a machine-learning SDM.