http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
바이오헬스 특허데이터를 활용한 인공지능 기반 미래 유망기술 예측
김호용(Hoyong Kim),박수현(Soohyun Park),윤영미(Youngmi Yun),김재수(Jaesoo Kim) 한국기술혁신학회 2020 한국기술혁신학회 학술대회 발표논문집 Vol.2020 No.11
본 논문에서는 인공지능 기술과 텍스트 마이닝 기법을 활용하여 바이오헬스 분야의 특허데이터를 기반으로 미래 유망기술을 예측하고 공백기술을 도출함으로써 기술 동향을 분석하는 것을 목적으로 한다. 예측을 위하여 2005년도부터 2018년도까지의 11,827건의 바이오헬스 분야의 특허데이터를 활용하였으며, 분석을 위해 클러스터링 기법을 이용하여 ‘치료용 의료기기’, ‘의료데이터 프로세싱’, 그리고 ‘생체계측용 의료기기’로 기술을 분류하였다. 분류된 기술을 기준으로, 인공지능 기술 중 하나인 딥 러닝 모델을 이용하여 미래 유망기술 예측 모델을 설계함으로써 2023년도에 바이오 헬스 분야에서 유망할 기술을 예측하였다. 또한 텍스트 마이닝이라는 텍스트 데이터로부터 정보를 추출하는 빅데이터 분석 기법을 활용하여 공백기술을 도출하여 바이오헬스 분야에서의 기술 동향을 분석하였다. 분석 결과, ‘치료용 의료기기’에서는 자이로센서와 관련된 기술이, ‘의료데이터 프로세싱’과 ‘생체계측용 의료기기’에서는 각각 디지털신호와 심전도 및 위생·보건 관련 기술이 유망할 것으로 예측되었으며, 공백 기술로는 영상 처리를 바탕으로 사용자 맞춤형 헬스케어 서비스 및 원격 진단 및 측정 서비스를 제공하는 웨어러블 기기 관련 기술이 도출되었다. This study analyzes to predict the Future Promising Technologies based on Artificial Intelligence (AI) and extract the White Space by using biohealth patent information. For this analysis, we use 11,827 biohealth patents, which is collected from 2005 to 2018, and classify those data as three technique clusters (Medical Device for Treatment, Medical Data Processing, and Medical Device for Biometrics) to get the White Space. Based on the result of clustering, we propose a deep learning model for predicting the Future Promising Technologies and estimate what kind of technologies will be rising in 2023. Furthermore, through the Text Mining, which is the one method of the Big-data Analysis for extracting information from text, we discover the White Space and analyze the trend of biohealth technology. As the result of analysis, we find that ‘Gyro sensor’, ‘Digital Signal’, and ‘Electrocardiogram & Wealfare’ will be promising in three technique clusters, respectively. In addition, we extract two White Spaces: one is ‘Wearable Device for Customized Healthcare Service based on Audio Processing’ and the other is ‘Wearable Device for Remote Diagnosis & Measurement Service based on Audio Processing’.
급속열분해 바이오오일 유래 페놀성 화합물의 추출률과 Solubility Parameter 간의 상관관계
김호용 ( Hoyong Kim ),박선규 ( Sunkyu Park ) 한국목재공학회 2021 한국목재공학회 학술발표논문집 Vol.2021 No.1
급속열분해 바이오오일을 수송용 연료로 사용하려는 시도가 지속되고 있으나, 높은 산소함량, 점도 및 산도와 이에 따른 낮은 석유계 연료와의 혼화성이 문제가 되고 있다. 이를 해결하기 위한 다양한 유화 방안들도 개발되었는데 기술적으로는 효과적이나 상대적으로 높은 가격과 낮은 수율의 해결이 요구되고 있다. 따라서 본 연구에서는 바이오오일로부터 수송용 연료인 디젤과 바이오디젤을 이용한 직접적인 추출을 통해 얻은 추출물을 연료로 사용하기 위해, 바이오오일 유래 페놀성 화합물의 디젤 및 바이오디젤 추출특성과 이에 기인하는 이론적 배경을 제시하고자 하였다. 20년생 loblolly pine을 0.5 mm 이하로 분쇄 및 오븐 건조하여 원료로 사용하였으며 시간당 150g 처리가 가능한 fluidized-bed 반응기를 사용하여 온도 500℃, 체류 시간 1.5 초 조건에서 급속열분해하여 바이오오일을 제조하였다. 제조된 바이오오일을 디젤과 바이오디젤을 이용하여 추출하였으며 바이오디젤의 추출률이 26.6%로 디젤 추출률인 4.3%에 비해 크게 높게 나타났다. GC/MS 분석결과 guaiacol과 catechol을 비롯한 페놀성 화합물의 디젤 용해도가 바이오디젤에 비해 크게 낮은 것으로 확인되어 이러한 원인을 파악하고자 하였다. Hansen solubility parameter 분석결과 분자 간의 분산력, 극성, 수소결합능으로 계산 가능한 상대적 에너지 차이에 따라 페놀성 화합물의 낮은 디젤 추출률에 대한 설명이 가능하였으며 메톡실 그룹의 디메틸레이션에 따른 극성 및 수소결합능 증가가 디젤 추출률을 저하했을것으로 판단된다. 이러한 결과는 추후 바이오오일의 수송용 연료추출률 향상을 위한 급속열분해 공정 조건 최적화에 활용 가능할 것이다.