• 한국포장학회지
• /
• 제27권2호
• /
• pp.63-70
• /
• 2021

재활용품 분리배출 시 라벨의 제거 실태를 파악하기 위해 가정에서 직접 쓰레기를 분리배출하는 300명을 대상으로 설문조사를 진행한 결과 플라스틱 병 분리배출이 99%에 이를 정도로 가정에서 직접 분리배출을 하는 소비자들은 스스로 각 재질을 분리하여 분리배출에 참여하고 있다고 인식하는 것으로 조사되었으나 분리배출시 라벨(부착상표) 및 잡자재(마개, 비닐코팅, 테이프, 손잡이, 받침대 등)를 제거하는 비율은 약 65%로 조사되어 약 35%는 분리배출시 라벨과 같은 잡자재를 제거하지 않는 것으로 나타났다. 라벨 및 잡자재를 제거한다는 응답 비율이 약 65%에 이르지만 재질별 세부항목 조사에서는 라벨 및 잡자재 제거 비율이 50%를 넘는 재질이 종이(상자형, 기타), 플라스틱(페트/병)으로 단 2가지 항목만 조사되어 실제 라벨 및 잡자재의 제거 참여율이 높지 않을 것으로 예상된다. 라벨 및 잡자재를 제거하지 않는 가장 큰 요인으로 분리의 어려움이 약 52%로 가장 높으며 다음으로 제거의 필요성에 대한 인식부족이 주요 요인으로 분석되었다. 정부는 분리배출 가이드를 통해 라벨 및 잡자재를 제거하여 분리배출할 것을 요청하고 있으나 본 연구에 따르면 라벨 및 잡자재의 분리배출에 대한 정부와 일반 소비자 간의 인식 차이가 존재하는 것으로 나타났다. 따라서 올바른 분리배출의 정착을 위해서 소비자가 라벨 및 잡자재제를 제거하는데 영향을 미치는 문제점들을 개선할 필요성이 제기된다. 소비자가 라벨 및 잡자재 제거에 영향을 미치는 저해 요소 중 '강한 접착력(점/접착제, 불순물 잔유)'이 가장 큰 저해 요소로 나타났다. '강합 접착력'은 점(접)착 라벨의 저해 요소에 해당하며 '재질의 강도(늘어남, 끊어짐)'은 수축라벨에 대한 저해요소로 해석될 수 있다. 따라서 PET병에 점(접)착 라벨보다 수축라벨의 사용을 지향하는 국내 정책의 방향성은 소비자의 라벨 분리 참여율 향상 측면에서 효과적일 것으로 판단된다. 그러나 수축라벨에 절취선이 없거나 분리가 어렵다고 판단되면 점/접착라벨 보다 분리 인식이 떨어지므로 소비자가 라벨을 제거 시 느끼게 되는 분리용이성 정도가 중요한 것으로 분석되었다. 강한 접착력, 마땅하지 않은 제거부분(제거 개시부 문제), 재질의 강도는 연령에 상관없이 저해 영향력 평균이 높은 것으로 나타나 라벨을 제거하는데 방해가 되는 주요 요소로 작용하고 있다는 것을 알 수 있다. 결론적으로 정부 정책에 대한 불만을 낮춰 소비자의 올바른 분리배출 참여율을 높이기 위해서는 소비자들이 느끼고 있는 문제점들을 해결할 필요성이 있다. 우선적으로 해결이 필요한 영역은 강한 접착력 및 재질의 강도에 의해 라벨을 몸체에서 제거하기 어려운 점과 제거를 위해 라벨을 잡아야 하는 부분이 존재하지 않아 불편한 점이다. 강한 접착력의 경우 잔유물이 남거나 라벨이 완전히 제거되지 않아 분리배출 의지를 저해하고 있으며 수축라벨은 분리가 용이하도록 도입한 절취선이 제 기능을 하지 못하여 소비자의 불만을 야기하고 있다. 또한 제거 개시부 문제는 점(접)착라벨의 경우 일부 기업에서는 점(접)착제를 일부 도포하지 않아 제거 개시가 쉽도록 하는 일명 '에코탭'을 적용하여 분리 용이성을 향상시키고 있지만 그 사례는 소수에 불과한 실정이다. 따라서 올바른 분리배출을 통해 궁극적으로 자원순을 이루기 위해서는 정책을 통해 올바른 분리배출을 소비자에게 요구하는 것에 그치지 않고 동시에 생산단계에서 구조적 개선을 통한 소비자의 불만사항 해결에 대한 노력이 필요하다. 본 연구는 자원순환정책의 일환으로 점차 소비자의 분리배출 참여 역할을 강화하고 있는 시점에서 향후 정책 개선에 활용할 수 있도록 소비자 측면에서의 분리배출에 대한 인식을 조사하여 분리배출 참여를 저해하는 문제점을 도출하고 정책의 개선 방향성을 제시한 의의가 있다.

• Journal of Nutrition and Health
• /
• 제24권3호
• /
• pp.230-242
• /
• 1991

시판 도시락의 이용도가 크게 증가함에 따라, 시판 중인 한국형 도시락의 영양가와 염분량 등을 조사하고자 백화점, 체인점, 열차 등에서 10가지 종류의 도시락을 구입하였다. 영양가는 식품분석표에 의하여 계산하였고 염분은 원자흡광법에 의하여 Na 함량을 분석한 후 환산하였다. 도시락은 두가지를 제외하고는 모두 밥과 반찬이 따로 포장되어 있었고, 그 무게는 각각 304.6g, 312.4g으로 무거운 편이었다. 반찬의 수는 평균 12가지였는데 그중 단백질 식품이 6가지로 가장 많았고, 칼슘 식품은 3도시락에만 있었고 그것도 멸치 볶음 한기지였다. 열량은 평균 840.7kral로 남녀성인이 1끼 권장량보다 많았고, 단백질 38.9g, 지질 22.7g, 칼슘 300.8mg, 인 410.8mg, 철분 6.61mg, 비타민 A 219.8R.E., 티아민 0.46mg, 리보플라빈 0.67mg, 나이아신 10.5mg, 비타민 C 27.5mg으로 비타민 A만이 남녀성인 1끼 권장량에 약간 미달하였고, 다른 영양소들은 평균적으로 권장량이상 이었다. 또한 3000원 이상의 도시락은 2000원 이하의 도시락에 비해 동물성 식품이 많아서 단백질, 칼슘, 철, 나이아신이 유의적으로 더 많았다(P<0.05). 탄수화물, 단백질, 지질의 열량비율은 평균 57.4%, 18.3%, 24.3%로 양호하였다. 조리법은 전(22.3%)과 튀김(16.0%)이 가장 많았고 조림, 구이, 볶음 등 건식 조리법이 주로 이용되어 많은 반찬가짓수에 비해, 실제 식단은 단조로운 편이었다. 염분의 함량은 3.53g에서 8.80g으로 평균 5.76g이나 되어, 한끼 필요량을 크게 초과하고 있었다. 앞으로 도시락의 염분함량을 줄이는 동시에 다양한 조리법과 식단으로 맛있고 보기좋고 영양적으로 균형잡힌 도시락 식단을 개발하는 데 노력을 기울여야 하겠다.에 세계적 기술 경쟁력도 확보할 수 있을 것이다. 본 해설에서는 로봇 및 시스템 제어에 관한 기초 이론과 신경회로 적용기술을 소개하고 기존방법과 비교했을 때의 우월성, 전세계적인 응용연구, 국내외 연구개발 현황, 상업화 가능성, 산업계 응용례, 기술상의 문제점, 향후 전망 등을 다루기로 한다.중에 의한 천이 구조응답 해석을 위한 효과적인 방법에 대해서도 연구결과를 발표할 계획이다.이 무거울수록 우화율이 높은 편이었다. 이앙시기별 월동유충에서 우화시기까지의 기간은 조기이앙답이 44일, 중기이앙답이 47일, 후기 이앙답이 51일간으로 늦게 이앙할수록 기간이 더 긴 경향이었다.-35.6dB였다. 또, 50kHz에서 말쥐치, 민어, 노래미, 넙치에 대한 그 값은 각각 -37.2dB, -37.3dB, -31.9dB, -36.0dB였다. 한편, 어체의 평균반사강도의 추정정도는 자원량추정치의 신뢰도를 좌우하는 직접적인 요인이 되므로, 앞으로 이 문제에 대해서는 보다 체계적인 연구가 필요하다고 판단된다. 그물베도라치 Dictyosoma burgeri Van der Hoeven 및 황점 베도라치Dictyosoma wbrimaculata Yatsu, Yasuda et Taki, 그리고 황줄베도라치란 Pholididae의 황줄베도라치 Phoris taczanowskii(Steindachner), 오색베도라치 Phoris omotus (Girad), 베도라치 Pholis nebuloso(Temminck et Schlegel), 횐베도라치 Pholisfangi(Wang et Wang) 및 점베도라치 Pholis crossispino(Temminck et Schlegel)의 17속 25종이 분류되었다. 이중에서 Zoarchias glaber, Chirofophis oui, Alectrias benjamini, Dictyosoma

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.