KR101938999B1 - Epcis 이력 이벤트 간 센서 정보 분석을 통한 식품 안정성 및 원산지 검증 방법 - Google Patents

Epcis 이력 이벤트 간 센서 정보 분석을 통한 식품 안정성 및 원산지 검증 방법 Download PDF

Info

Publication number
KR101938999B1
KR101938999B1 KR1020170153720A KR20170153720A KR101938999B1 KR 101938999 B1 KR101938999 B1 KR 101938999B1 KR 1020170153720 A KR1020170153720 A KR 1020170153720A KR 20170153720 A KR20170153720 A KR 20170153720A KR 101938999 B1 KR101938999 B1 KR 101938999B1
Authority
KR
South Korea
Prior art keywords
safety
information
epcis
component
judgment
Prior art date
Application number
KR1020170153720A
Other languages
English (en)
Inventor
김대영
우성필
Original Assignee
한국과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술원 filed Critical 한국과학기술원
Application granted granted Critical
Publication of KR101938999B1 publication Critical patent/KR101938999B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N99/005—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Finance (AREA)
  • Health & Medical Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

EPCIS 이력 이벤트 간 센서 정보 분석을 통한 식품 안전성 및 원산지 검증 방법이 개시된다. 일 실시예에 따른 안전성 검증 방법은, 서비스 요청 업체로부터 객체에 대한 식별 정보와 관련된 안전성 검증이 요청됨을 수신하는 단계; 저장소 검색 컴포넌트로부터 전달받은 상기 객체에 대한 식별 정보에 대응하는 EPCIS의 주소 정보에 따라 상기 객체와 관련된 이력 정보를 획득하는 단계; 상기 객체와 관련된 이력 정보에 기초하여 상기 객체의 안전성을 판단하는 단계; 및 상기 안전성 검증에 대한 결과로서 상기 객체의 안전성을 판단함에 따른 객체의 안전성 판단 정보를 상기 서비스 요청 업체에게 제공하는 단계를 포함할 수 있다.

Description

EPCIS 이력 이벤트 간 센서 정보 분석을 통한 식품 안정성 및 원산지 검증 방법{FOOD STABILITY AND ORIGIN VERIFICATION METHOD THROUGH SENSOR INFORMATION ANALYSIS BETWEEN EPCIS HISTORY EVENTS}
아래의 설명은 안전성 검증 기술에 관한 것으로, EPCIS 이력 이벤트 간 센서 정보 분석을 통한 식품의 안전성 및 원산지를 검증하는 방법 및 시스템에 관한 것이다.
GS1 EPCGlobal 프레임워크에서는 이벤트 정보 공유를 목적으로 하는 EPCIS 표준, 사물의 이력추적을 위한 Traceability 표준, 비즈니스 프로세스를 판단할 수 있는 CBV표준, 상품 분류 체계를 구분하는 GPC표준 및 EPCIS의 센서 값에 대한 어휘와 스키마를 정의하는 스키마 표준이 존재한다.
기존의 이력 서비스의 경우, 개별 회사별로 센서 값에 대한 스키마를 정의하기 때문에 상호운용성을 지닌, 일반적인 안전성 판단 모델을 만드는 데 어려움이 있다.
참고자료: KR10-2015-0089654, KR10-2014-0029866
이벤트 레파지토리인 EPCIS에서 일관된 정해진 프로세스와 데이터 포맷을 통하여 기계학습 모델을 기반으로 식품의 안전성 및 원산지를 검증하는 방법을 제시하고자 한다.
안전성 검증 방법은, 서비스 요청 업체로부터 객체에 대한 식별 정보와 관련된 안전성 검증이 요청됨을 수신하는 단계; 저장소 검색 컴포넌트로부터 전달받은 상기 객체에 대한 식별 정보에 대응하는 EPCIS의 주소 정보에 따라 상기 객체와 관련된 이력 정보를 획득하는 단계; 상기 객체와 관련된 이력 정보에 기초하여 상기 객체의 안전성을 판단하는 단계; 및 상기 안전성 검증에 대한 결과로서 상기 객체의 안전성을 판단함에 따른 객체의 안전성 판단 정보를 상기 서비스 요청 업체에게 제공하는 단계를 포함할 수 있다.
상기 객체에 대한 식별 정보는, 상기 객체와 연관된 GS 1코드일 수 있다.
상기 객체와 관련된 이력 정보를 획득하는 단계는, 상기 객체에 대한 식별 정보를 저장소 검색 컴포넌트로 전달함에 따라 상기 객체와 관련된 이력 정보를 포함하는 EPCIS 주소 목록을 요청하고, 상기 저장소 컴포넌트에서 상기 객체에 대한 식별 정보에 대응하는 객체와 관련된 이력 정보를 포함하는 EPCIS 주소 목록이 반환되는 단계를 포함할 수 있다.
상기 객체와 관련된 이력 정보를 획득하는 단계는, 상기 EPCIS 주소 목록에 기반하여 EPCIS 저장소에게 상기 객체의 상품 분류코드 정보 및 생장-유통 환경 정보를 요청하고, 상기 EPCIS 저장소로부터 상기 객체의 상품 분류코드 정보 및 생장-유통 환경 정보가 반환되는 단계를 포함할 수 있다.
상기 객체와 관련된 이력 정보에 기초하여 상기 객체의 안전성 판단 정보를 판단하는 단계는, 안전성을 판단하는 안전성 판단 컴포넌트로부터 상기 객체의 상품 분류코드 정보 및 생장-유통 환경 정보에 기반하여 상기 객체의 안전성 판단 정보를 요청하고, 상기 안전성 판단 컴포넌트에 설정된 안전성 판단 모델에 기초하여 객체의 안전성 판단 정보를 판단하는 단계를 포함할 수 있다.
상기 객체와 관련된 이력 정보에 기초하여 상기 객체의 안전성 판단 정보를 판단하는 단계는, 상기 안전성 판단 컴포넌트에 상품분류코드 정보를 기반으로 안전성 판단 모델을 생성하는 단계를 포함할 수 있다.
상기 객체와 관련된 이력 정보에 기초하여 상기 객체의 안전성 판단 정보를 판단하는 단계는, 상기 객체의 안전성을 판단하기 위하여 상기 객체의 센서 정보를 기 정의된 표준 필드와 값을 사용하여 인코딩을 수행하고, 상기 인코딩을 수행함에 따라 획득된 표준화된 센서 정보를 인공 신경망에 기반하여 트레이닝함으로써 안전성 판단 모델을 생성하는 단계를 포함할 수 있다.
상기 안전성 검증에 대한 결과로서 상기 객체의 안전성을 판단함에 따른 객체의 안전성 판단 정보를 상기 서비스 요청 업체에게 제공하는 단계는, 상기 객체에 대한 안전성 판단 정보를 인증함에 따라 상기 서비스 요청 업체에게 상기 안전성 판단 정보에 대한 인증과 관련하여 수수료를 부가하는 단계를 포함할 수 있다.
안전성 검증 시스템은, 서비스 요청 업체로부터 객체에 대한 식별 정보와 관련된 안전성 검증이 요청됨을 수신하는 수신부; 저장소 검색 컴포넌트로부터 전달받은 상기 객체에 대한 식별 정보에 대응하는 EPCIS의 주소 정보에 따라 상기 객체와 관련된 이력 정보를 획득하는 획득부; 상기 객체와 관련된 이력 정보에 기초하여 상기 객체의 안전성을 판단하는 판단부; 및 상기 안전성 검증에 대한 결과로서 상기 객체의 안전성을 판단함에 따른 객체의 안전성 판단 정보를 상기 서비스 요청 업체에게 제공하는 제공부를 포함할 수 있다.
상기 객체에 대한 식별 정보는, 상기 객체와 연관된 GS 1코드일 수 있다.
상기 획득부는, 상기 객체에 대한 식별 정보를 저장소 검색 컴포넌트로 전달함에 따라 상기 객체와 관련된 이력 정보를 포함하는 EPCIS 주소 목록을 요청하고, 상기 저장소 컴포넌트에서 상기 객체에 대한 식별 정보에 대응하는 객체와 관련된 이력 정보를 포함하는 EPCIS 주소 목록이 반환될 수 있다.
상기 획득부는, 상기 EPCIS 주소 목록에 기반하여 EPCIS 저장소에게 상기 객체의 상품 분류코드 정보 및 생장-유통 환경 정보를 요청하고, 상기 EPCIS 저장소로부터 상기 객체의 상품 분류코드 정보 및 생장-유통 환경 정보가 반환될 수 있다.
상기 판단부는, 안전성을 판단하는 안전성 판단 컴포넌트로부터 상기 객체의 상품 분류코드 정보 및 생장-유통 환경 정보에 기반하여 상기 객체의 안전성 판단 정보를 요청하고, 상기 안전성 판단 컴포넌트에 설정된 안전성 판단 모델에 기초하여 객체의 안전성 판단 정보를 판단할 수 있다.
상기 판단부는, 상기 안전성 판단 컴포넌트에 상품분류코드 정보를 기반으로 안전성 판단 모델을 생성할 수 있다.
상기 판단부는, 상기 객체의 안전성을 판단하기 위하여 상기 객체의 센서 정보를 기 정의된 표준 필드와 값을 사용하여 인코딩을 수행하고, 상기 인코딩을 수행함에 따라 획득된 표준화된 센서 정보를 인공 신경망에 기반하여 트레이닝함으로써 안전성 판단 모델을 생성할 수 있다.
일 실시예에 따른 안전성 검증 시스템은 GS1 코드 및 컴포넌트에 기반하여 식품의 안전성을 판단함에 따라 신뢰성 있는 식품의 안전성 검증을 수행할 수 있다. 또한, ONS/DS 서버를 통하여 데이터를 분산 저장 및 관리하기 때문에 안전하게 데이터를 보관할 수 있다.
일 실시예에 따른 안전성 검증 시스템은 EPCIS에 저장된 객체의 환경 및 유통 정보를 수집함에 따라 CBV를 기반으로 프로세스를 구분하여 프로세스별 일관성있는 식품의 안전성 및 원산지를 검증할 수 있다.
도 1은 일 실시예에 따른 안전성 검증 시스템에서 안전성을 검증하는 과정을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 안전성 검증 시스템의 구성을 설명하기 위한 블록도이다.
도 3은 일 실시예에 따른 안전성 검증 시스템에서 안전성을 검증하는 방법을 설명하기 위한 흐름도이다.
도 4는 일 실시예에 따른 안전성 검증 시스템에서 식품의 안전성을 검증하는 과정을 설명하기 위한 흐름도이다.
도 5 및 도 6은 일 실시예에 따른 안전성 검증 시스템에 생성된 안전성 판단 모델을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 안전성 검증 시스템에서 EPCIS를 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 안전성 검증 시스템에서 이력 추적의 표준을 설명하기 위한 예이다.
도 9는 일 실시예에 따른 안전성 검증 시스템에서 GPC 표준을 설명하기 위한 예이다.
도 10은 일 실시예에 따른 안전성 검증 시스템에서 객체의 프로세스 정보에 대한 CBV 표준을 설명하기 위한 예이다.
도 11은 일 실시예에 따른 안전성 검증 시스템에서 안전성을 판단하는 방법을 설명하기 위한 예이다.
도 12는 일 실시예에 따른 안전성 검증 시스템에서 안전성을 판단한 판단 결과를 설명하기 위한 예이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
도 1은 일 실시예에 따른 안전성 검증 시스템에서 안전성을 검증하는 과정을 설명하기 위한 도면이다.
서비스 요청 업체(110)로부터 서비스 제공 업체(100)로 객체에 대한 식별 정보를 이용하여 안전성 검증이 요청될 수 있다. 이때, 서비스 요청 업체(110)는 예를 들면, 식당, 기업 등과 같이 특정 매장을 의미할 수 있고, 안전성 검증 서비스를 요청하는 다양한 업체에 적용될 수 있다. 또는, 서비스 요청 업체(110)는 식당에 제공되는 식재료를 납품하는 납품 업체를 의미할 수도 있다.
서비스 제공 업체(100)는 서비스 요청 업체(110)로부터 요청된 안전성 검증을 실시할 수 있다. 이때, 서비스 제공 업체(100)는 안전성 검증 서비스를 실시하는 업체를 의미할 수 있다. 서비스 제공 업체(100)는 서비스 요청 업체(110)로부터 전달받은 객체의 식별 정보(예를 들면, GS1 코드)를 활용하여 저장소 검색 컴포넌트(ONS/DS)(120)에게 객체에 대한 정보를 포함하는 EPCIS 주소 목록을 요청할 수 있다. 저장소 검색 컴포넌트(120)는 객체에 대한 정보를 포함하는 EPCIS 주소 목록을 반환할 수 있다.
서비스 제공 업체(100)는 EPCIS 주소 목록을 통하여 EPCIS(130)로 객체의 상품분류코드 정보와 생장-유통 환경 정보를 요청할 수 있다. EPCIS(130)는 서비스 제공 업체(100)로부터 요청받은 객체의 상품분류코드 정보와 생장-유통 환경 정보를 반환할 수 있다. 도 8을 참고하면, 이력 추적의 표준을 설명하기 위한 예이다. 객체의 이력추적을 위한 Traceability, 이벤트 정보 공유를 목적으로 하는 EPCIS가 존재할 수 있다. 예를 들면, DS 서버로부터 반환된 EPCIS 주소 목록에 기초하여 EPCIS에서 객체와 관련된 이력 정보가 검색될 수 있다.
서비스 제공 업체(100)는 EPCIS(130)로부터 획득한 객체의 상품분류코드 정보 및 생장-유통 환경 정보를 활용하여 안전성 판단 컴포넌트(101)에게 식품 안전성 판단 정보를 요청할 수 있다. 안전성 판단 컴포넌트(101)는 상품분류코드 별로 제작된 안전성 판단 모델에 기초하여 객체의 안전성 판단 정보를 반환할 수 있다. 도 5를 참고하면, 안전성 판단 모델을 설명하기 위한 도면이다.
서비스 제공 업체(100)는 안전성 판단 컴포넌트(101)에 상품분류코드 정보를 기반으로 안전성 판단 모델을 생성할 수 있다. 이때, 안전성 판단 컴포넌트는, 예를 들면, 도 9에 도시된 GPC 기반으로 안전성 판단 모델을 선택 또는 생성할 수 있다. 이때, 상품분류코드 정보는 반드시 GPC에 한정되는 것은 아니며, 국내 상품 분류체계도 가능하다. 다시 말해서, 안전성 판단 모델(510)에 적어도 하나 이상의 상품분류코드 정보(520)가 포함될 수 있다. 이때, 안전성 판단 컴포넌트에 설정된 안전성 판단 모델은 사용자의 설정에 따라 분류 기준이 변경될 수 있다.
도 6을 참고하면, 안전성 판단 모델을 생성 및 학습하는 것을 설명하기 위한 예이다. 안전성 판단 모델은 객체의 안전성을 판단하기 위하여 객체의 센서 정보를 기 정의된 표준 필드와 값을 사용하여 인코딩을 수행할 수 있다. 안전성 판단 모델은 인코딩을 수행함에 따라 획득된 표준화된 센서 정보를 인공 신경망에 기반하여 트레이닝함으로써 안전성 판단 모델을 생성할 수 있다. 다시 말해서, 안전성 판단 모델을 생성 및 알고리즘을 통하여 객체의 안전성을 판단함에 따라 사용되는 센서 값에 대한 인코딩을 센서의 종류와 센서값에 대하여 정의된 표준 필드와 값을 사용할 수 있다. 안전성 판단 컴포넌트(101)의 안전성 판단 모델의 상품분류코드 정보(520)에 객체의 센서 정보의 표준 스키마 및 이벤트의 구조(610)를 나타낸 예이다.
도 2는 일 실시예에 따른 안전성 검증 시스템의 구성을 설명하기 위한 블록도이고, 도 3은 일 실시예에 따른 안전성 검증 시스템에서 안전성을 검증하는 방법을 설명하기 위한 흐름도이다.
안전성 검증 시스템(100)의 프로세서는 수신부(210), 획득부(220), 판단부(230) 및 제공부(240)를 포함할 수 있다. 프로세서의 구성요소들은 안전성 검증 시스템(100)에 저장된 프로그램 코드가 제공하는 제어 명령에 따라 프로세서에 의해 수행되는 서로 다른 기능들(different functions)의 표현들일 수 있다. 프로세서의 구성요소들은 도 3의 안전성 검증 방법이 포함하는 단계들(410 내지 440)을 수행하도록 안전성 검증 시스템(100)을 제어할 수 있다. 이때, 프로세서 및 프로세서의 구성요소들은 메모리가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다.
프로세서는 안전성 검증 방법을 위한 프로그램의 파일에 저장된 프로그램 코드를 메모리에 로딩할 수 있다. 예를 들면, 안전성 검증 시스템(100)에서 프로그램이 실행되면, 프로세서는 운영체제의 제어에 따라 프로그램의 파일로부터 프로그램 코드를 메모리에 로딩하도록 이력 검증 시스템을 제어할 수 있다. 이때, 프로세서 및 프로세서가 포함하는 수신부(210), 획득부(220), 판단부(230) 및 제공부(240) 각각은 메모리에 로딩된 프로그램 코드 중 대응하는 부분의 명령을 실행하여 이후 단계들(410 내지 440)을 실행하기 위한 프로세서의 서로 다른 기능적 표현들일 수 있다.
단계(310)에서 수신부(210)는 서비스 요청 업체로부터 객체에 대한 식별 정보와 관련된 안전성 검증이 요청됨을 수신할 수 있다. 이때, 객체에 대한 식별 정보로서 객체와 연관된 GS1 코드일 수 있다. 예를 들면, 수신부(210)는 GS1 코드와 관련된 코드 정보를 수신함에 따라 GS1 코드에 대한 식별 정보를 식별할 수 있다.
단계(320)에서 획득부(220)는 저장소 검색 컴포넌트로부터 전달받은 객체에 대한 식별 정보에 대응하는 EPCIS의 주소 정보에 따라 객체와 관련된 이력 정보를 획득할 수 있다. 획득부(220)는 객체에 대한 식별 정보를 저장소 검색 컴포넌트로 전달함에 따라 객체와 관련된 이력 정보를 포함하는 EPCIS 주소 목록을 요청할 수 있고, 저장소 컴포넌트에서 객체에 대한 식별 정보에 대응하는 객체와 관련된 이력 정보를 포함하는 EPCIS 주소 목록이 반환될 수 있다. 획득부(220)는 EPCIS 주소 목록에 기반하여 EPCIS 저장소에게 객체의 상품분류코드 정보 및 생장-유통 환경 정보를 요청하고, EPCIS 저장소로부터 객체의 상품 분류코드 정보 및 생장-유통 환경 정보가 반환될 수 있다.
단계(330)에서 판단부(230)는 객체와 관련된 이력 정보에 기초하여 객체의 안전성을 판단할 수 있다. 판단부(230)는 안전성을 판단하는 안전성 판단 컴포넌트로부터 객체의 상품 분류코드 정보 및 생장-유통 환경 정보에 기반하여 객체의 안전성 판단 정보를 요청할 수 있고, 안전성 판단 컴포넌트에 설정된 안전성 판단 모델에 기초하여 객체의 안전성 판단 정보를 판단할 수 있다. 이때, 판단부(230)는 안전성 판단 컴포넌트에 저장된 상품분류코드 정보를 기반으로 안전성 판단 모델을 생성할 수 있다. 판단부(230)는 객체의 안전성을 판단하기 위하여 객체의 센서 정보를 기 정의된 표준 필드와 값을 사용하여 인코딩을 수행하고, 인코딩을 수행함에 따라 획득된 표준화된 센서 정보를 인공 신경망에 기반하여 트레이닝함으로써 안전성 판단 모델을 생성할 수 있다. 예를 들면, 판단부(230)는 RNN, CNN, FNN 등의 인공 신경망을 통하여 트레이닝할 수 있다.
단계(340)에서 제공부(240)는 안전성 검증에 대한 결과로서 객체의 안전성을 판단함에 따른 객체의 안전성 판단 정보를 서비스 요청 업체에게 제공할 수 있다. 제공부(240)는 객체에 대한 안전성 판단 정보를 인증함에 따라 서비스 요청 업체에게 안전성 판단 정보에 대한 인증과 관련하여 수수료를 부가할 수 있다.
도 4는 일 실시예에 따른 안전성 검증 시스템에서 식품의 안전성을 검증하는 과정을 설명하기 위한 흐름도이다.
서비스 요청 업체(110), 서비스 제공 업체(100), 저장소 검색 컴포넌트(120) 및 안전성 판단 컴포넌트(101) 간의 동작을 통하여 식품의 안전성 검증을 수행하는 과정을 설명하기로 한다. 앞서 설명한 바와 같이, 안전성 검증을 수행하는 다양한 분야가 존재할 수 있지만, 도 4에서는 식품의 안전성 검증을 수행하는 것을 예를 들어 설명하기로 한다.
서비스 요청 업체(110)는 식품의 안전성 검증을 요청하는 업체로서, 예를 들면, 식당을 의미할 수 있다. 또는, 서비스 요청 업체(110)는 식품의 안전성 검증을 요청하는 업체의 장치(예를 들면, 서버)를 의미할 수 있다. 예를 들면, 식당으로부터 식품의 안전성 검증 서비스를 서비스 공급 업체(100)로 요청하기 위하여 서비스 요청 업체(110)의 사용자가 서버로 또는 단말을 통하여 서버로 안전성 검증 서비스를 요청할 수 있다.
서비스 제공 업체(100)는 식품의 안전성 검증을 수행하는 업체로서, 예를 들면, 인증 기관을 의미할 수 있다. 또는, 서비스 제공 업체(100)는 식품의 안전성 검증을 수행하는 업체의 장치(예를 들면, 서버)를 의미할 수 있다. 예를 들면, 식당으로부터 식품의 안전성 검증 서비스가 요청됨에 따라 인증 기관은 인증 기관과 연결된 서버를 통하여 안전성 검증을 수행할 수 있다.
저장소 검색 컴포넌트(120)는 식품의 식별 정보에 대한 식품과 관련된 정보를 포함하고 있는 EPCIS 주소 정보를 제공할 수 있다. 예를 들면, 저장소 검색 컴포넌트(120)는 ONS 서버 또는 DS 서버를 의미할 수 있다. 이와 같이, 저장소 검색 컴포넌트를 통하여 식품과 관련된 정보를 분산시켜 저장할 수 있다.
안전성 판단 컴포넌트(101)는 식품의 안전성을 판단하기 위한 것으로, 서비스 제공 업체(100)의 내부에 저장되어 있을 수 있고, 서비스 제공 업체(100)의 외부에 존재할 수도 있다.
EPCIS(130)는 일반적으로, 식품과 관련된 이력 정보를 저장하는 공간으로, 식품에 대하여 발생한 이벤트를 저장할 수 있다. 도 7을 참고하면, EPCIS를 설명하기 위한 도면이다. 일례로, 앨리스(Alice)의 EPCIS(710)에 A 이벤트가 저장될 수 있고, 밥(Bob)의 EPCIS(720)에 B 이벤트가 저장될 수 있고, 카롤(Carol)의 EPCIS(720)에 C 이벤트가 저장될 수 있다. 이때, 각각의 EPCIS에 이벤트에 대한 센서 정보가 저장될 수 있다. 이와 같이, EPCIS은 안전성 판단 모델에 기반한 표준화된 센서 정보에 대한 스키마를 통하여 상호운용성을 지닌 이력 서비스를 제공할 수 있다.
서비스 요청 업체(110)는 식품에 대한 식별 정보를 이용하여 식품의 안전성 검증을 요청할 수 있다(401). 이때, 식품에 대한 식별 정보로서 GS1 코드가 인식될 수 있다.
서비스 제공 업체(100)는 서비스 요청 업체(110)로부터 요청된 객체에 대한 식별 정보를 수신할 수 있다(402). 다시 말해서, 서비스 제공 업체(100)는 서비스 요청 업체(110)로부터 안전성 검증이 요청된 GS1 코드를 식별할 수 있다. 서비스 제공 업체(100)는 GS1 코드를 식별함에 따라 식품과 관련된 EPCIS 주소 정보를 저장소 검색 컴포넌트(120)에게 요청할 수 있다(403).
저장소 검색 컴포넌트(120)는 식품의 GS1코드를 식별함에 따라 식별된 GS1 코드 정보에 대응하는 EPCIS 주소 정보를 반환할 수 있다(404). 저장소 검색 컴포넌트(120)는 반환된 EPCIS 주소 목록을 서비스 제공 업체(100)로 전달할 수 있다.
서비스 제공 업체(100)는 식품과 관련된 이력 정보를 포함하는 EPCIS 주소 정보를 획득할 수 있다(405). 서비스 제공 업체(100)는 EPCIS(130)에게 식품의 상품분류코드 정보 및 생장-유통 환경 정보를 요청할 수 있다(406). EPCIS(130)는 식품의 상품분류코드 정보 및 생장-유통 환경 정보를 반환할 수 있다(407). 더욱 상세하게는, EPCIS(130)에 저장된 정보들 중 EPCIS 주소 정보에 대응하는 식품의 상품분류코드 정보 및 생장-유통 환경 정보를 검색할 수 있다. EPCIS(130)는 반환된 식품의 상품분류코드 정보 및 생장-유통 환경 정보를 서비스 제공 업체(100)에게 제공할 수 있다.
서비스 제공 업체(100)는 EPCIS(130)로부터 전달받은 식품의 상품분류코드 정보 및 생장-유통 환경 정보를 획득할 수 있다(408). 서비스 제공 업체(100)는 안전성 판단 컴포넌트(101)에게 객체의 상품분류코드 정보 및 생장-유통 환경 정보에 기초하여 안전성 판단을 요청할 수 있다(409). 안전성 판단 컴포넌트(101)는 식품에 대한 안전성을 판단할 수 있다(410). 안전성 판단 컴포넌트(101)는 식품에 대한 안전성 판단 모델에 기반하여 식품에 대한 안전성을 판단할 수 있다. 안전성 판단 컴포넌트(101)는 식품에 대한 안전성 모델에 기반하여 판단함에 따른 안전성 판단 정보를 서비스 제공 업체(100)에게 반환할 수 있다(411).
서비스 제공 업체(100)는 안전성 판단 정보를 서비스 요청 업체(110)에게 제공할 수 있다(412). 서비스 요청 업체(110)는 식품에 대한 안전성 판단 정보를 획득할 수 있다(413). 이에 따라, 서비스 요청 업체(110)와 연결된 디스플레이 또는 별도의 디스플레이 기능이 제공되는 기기를 통하여 식품에 대한 안전성 판단 정보가 출력될 수 있다.
도 11은 일 실시예에 따른 안전성 검증 시스템에서 안전성을 판단하는 방법을 설명하기 위한 예이다.
서비스 제공 업체는 안전성 검증 시스템을 통하여 식품에 대한 안전성을 판단할 수 있다. 안전성 검증 시스템은 이벤트 레파지토리인 EPCIS(710, 720, 730)에서 일관된 정해진 프로세스와 데이터 포맷을 통하여 기계학습을 통하여 생성된 안전성 판단 모델에 기반하여 식품의 안전성 및 원산지를 검증할 수 있다.
EPCIS(710, 720, 730)에 저장된 식품의 환경-유통 정보를 수집함에 있어서, 도 10에 도시된 바와 같이, 객체의 프로세스 정보에 대한 표준인 CBV를 기반으로 프로세스를 구분하여 프로세스별 일관성 있는 안전성 판단 모델을 구현할 수 있다. 예를 들면, 도 7에서 설명한 것과 같이, EPCIS를 설명하기 위한 도면이다. 일례로, 앨리스(Alice)의 EPCIS(710)에 A 이벤트(1110)가 저장될 수 있고, 밥(Bob)의 EPCIS(720)에 B 이벤트(1120)가 저장될 수 있고, 카롤(Carol)의 EPCIS(720)에 C 이벤트(1130)가 저장될 수 있다. 구체적으로, 앨리스의 농장에서 식품에 대한 식재료가 재배됨에 따라 앨리스의 EPCIS(710)에 저장된 식재료 정보를 획득할 수 있고, 식재료 정보에 기초하여 식재료의 재배와 관련된 안전성(1140)을 판단할 수 있다. 예를 들면, 안전성 검증 시스템은 기 저장된 식재료에 대한 기준에 기초하여 식재료가 알맞은 온도, 습도에서 재배되었는지, 농약이 뿌려진 것인지 등을 판단할 수 있다. 안전성 검증 시스템은 안전성 판단 모델에 기초하여 식재료의 안전성을 판단함에 따라 판단 결과, A 등급으로 부여할 수 있다.
식재료가 밥의 도매 유통업체로 전달됨에 따라 밥의 EPCIS(720)에 저장된 식재료 유통 정보에 기초하여 식재료가 유통된 과정에 대한 안전성을 판단(1141)할 수 있다. 안전성 검증 시스템은 기 저장된 식재료에 대한 유통 기준에 기초하여 식재료가 이동된 시간 정보, 식재료가 외부에서 존재한 습도, 온도 정보 등을 판단할 수 있다. 안전성 검증 시스템은 안전성 판단 모델에 기초하여 식재료의 유통 과정에 대한 안전성을 판단함에 따라 판단 결과, B 등급으로 부여할 수 있다.
이러한 과정을 통하여 캐롤의 식당에 식재료가 전달될 수 있다. 캐롤의 식당은 캐롤의 EPCIS(730)에 저장된 식재료 정보에 기초하여 식재료의 재배 및 유통 과정에 대한 안전성을 판단할 수 있고, 판단된 판단 결과를 사용자에게 제공할 수 있다. 이때, 각각의 과정에서 기 설정된 판단 결과, 예를 들면, 객체에 대한 판단 결과가 기 설정된 기준(C 등급) 이하인 경우, 다음 과정으로 유통되지 못하게 금지시킬 수 있다. 이와 같이, 판단 결과가 기 설정된 기준 이하인 경우, 해당 업체의 재배 또는 유통을 금지시켜, 사용자에게 보다 안전한 식품을 제공할 수 있도록 한다.
안전성 검증 시스템은 식재료에 대한 최종적인 안전성 판단 결과 A 등급을 부여할 수 있다(1150). 안전성 검증 시스템은 각각의 과정에서 수행된 안전성 판단 결과를 결합하여 총점을 부여할 수 있다. 예를 들면, 총점은 각각의 안전성 판단 결과를 평균한 값일 수 있다. 또는, 각각의 안전성 판단 결과 중 특정 부분에 가중치를 부여하여 총점을 도출할 수도 있다.
도 12는 일 실시예에 따른 안전성 검증 시스템에서 안전성을 판단한 판단 결과를 설명하기 위한 예이다.
복수의 서비스 요청 업체(111, 112, 113)가 존재할 수 있다. 예를 들면, 서비스 요청 업체는 안전성 검증에 대한 인증을 받기 위하여 서비스 제공 업체에 가입할 수 있다. 이 중, 서비스 요청 업체 A(111)로부터 서비스 제공 업체(100)로 식품에 대한 안전성 검증이 요청될 수 있다. 이때, 식품은 가공된 음식, 가공됨에 따라 사용된 식재료, 가공되지 않은 각각의 식재료를 의미할 수 있다.
서비스 제공 업체(100)는 서비스 제공 업체의 내부 클라우드(1210)를 통하여 서비스 요청 업체 A(111)로부터 요청된 식재료에 대한 안전성 검증을 수행할 수 있다. 이때, 내부 클라우드(1210)에 EPCIS 저장소 및 식품에 대한 이력추적을 위한 Traceability가 존재할 수 있다.
서비스 제공 업체(100)는 서비스 요청 업체 A(111)로부터 요청된 식재료에 대한 안전성 판단 결과를 제공할 수 있다. 서비스 제공 업체(100)는 내부 클라우드(1210)에 존재하는 EPCIS 저장소 및 식재료에 대한 이력추적을 위한 Traceability에 기초하여 식재료에 대한 안전성을 판단할 수 있다.
예를 들면, 서비스 요청 업체 A(111)의 단말에 각각의 식재료에 대한 원산지 및 식재료의 안전성을 포함하는 안전성 판단 결과가 출력될 수 있다. 단말은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 단말의 예를 들면, 스마트폰(smart phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털 방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등이 있다. 일례로 단말은 무선 또는 유선 통신 방식을 이용하여 네트워크를 통해 다른 단말 및/또는 서버와 통신할 수 있다. 서비스 요청 업체의 손님은 상기 단말을 통하여 각각의 식재료에 대한 이력 정보 및 안전성을 확인할 수 있다. 이에 따라, 식재료에 대한 원산지, 식재료에 대한 생장 정보, 식재료에 대한 유통 과정까지 일괄적으로 한번에 확인이 가능하게 된다.
또한, 서비스 제공 업체(100)는 단말을 통하여 서비스 요청 업체에 각각의 식재료와 관련된 안전성 판단 결과를 확인하는 유저 인터페이스를 제공할 수 있다. 손님은 서비스 요청 업체에 제공되는 단말 또는 사용자의 단말을 통하여 유저 인터페이스를 입력 또는 선택함으로써 각각의 식재료와 관련된 안전성 판단 결과를 확인할 수 있다.
이에 따라 서비스 제공 업체(100)는 식품의 원산지와 안전성에 대한 정보를 인증(보증)해주며, 인증에 대한 수수료를 서비스 요청 업체(110)로부터 받을 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (15)

  1. 안전성 검증 시스템에 의해 수행되는 안전성 검증 방법에 있어서,
    서비스 요청 업체로부터 객체에 대한 식별 정보와 관련된 안전성 검증이 요청됨을 수신하는 단계;
    저장소 검색 컴포넌트로부터 전달받은 상기 객체에 대한 식별 정보에 대응하는 EPCIS의 주소 정보에 따라 상기 객체와 관련된 이력 정보를 획득하는 단계;
    상기 객체와 관련된 이력 정보에 기초하여 상기 객체의 안전성을 판단하는 단계; 및
    상기 안전성 검증에 대한 결과로서 상기 객체의 안전성을 판단함에 따른 객체의 안전성 판단 정보를 상기 서비스 요청 업체에게 제공하는 단계
    를 포함하고,
    상기 객체와 관련된 이력 정보를 획득하는 단계는,
    상기 객체에 대한 식별 정보를 저장소 검색 컴포넌트로 전달함에 따라 상기 객체와 관련된 이력 정보를 포함하는 EPCIS 주소 목록을 요청하고, 상기 저장소 검색 컴포넌트에서 상기 객체에 대한 식별 정보에 대응하는 객체와 관련된 이력 정보를 포함하는 EPCIS 주소 목록이 반환되고, 상기 EPCIS 주소 목록에 기반하여 EPCIS 저장소에게 상기 객체의 상품 분류코드 정보 및 생장-유통 환경 정보를 요청하고, 상기 EPCIS 저장소로부터 상기 객체의 상품 분류코드 정보 및 생장-유통 환경 정보가 반환되는 단계
    를 포함하고,
    상기 객체와 관련된 이력 정보에 기초하여 상기 객체의 안전성을 판단하는 단계는,
    안전성을 판단하는 안전성 판단 컴포넌트로부터 상기 객체의 상품 분류코드 정보 및 생장-유통 환경 정보에 기반하여 상기 객체의 안전성 판단 정보를 요청하고, 상기 안전성 판단 컴포넌트에 설정된 안전성 판단 모델에 기초하여 객체의 안전성 판단 정보를 판단하는 단계
    를 포함하고,
    상기 안전성 판단 모델은, 상기 객체의 안전성을 판단하기 위하여 상기 객체의 센서 정보를 기 정의된 표준 필드와 값을 사용하여 인코딩을 수행하고, 상기 인코딩을 수행함에 따라 획득된 표준화된 센서 정보를 인공 신경망에 기반하여 트레이닝함으로써 생성되는
    안전성 검증 방법.
  2. 제1항에 있어서,
    상기 객체에 대한 식별 정보는, 상기 객체와 연관된 GS 1코드를 포함하는 식품의 안전성 검증 방법.
  3. 삭제
  4. 삭제
  5. 삭제
  6. 제1항에 있어서,
    상기 객체와 관련된 이력 정보에 기초하여 상기 객체의 안전성 판단 정보를 판단하는 단계는,
    상기 안전성 판단 컴포넌트에 저장된 상품분류코드 정보를 기반으로 안전성 판단 모델을 생성하는 단계
    를 포함하는 식품의 안전성 검증 방법.
  7. 삭제
  8. 제1항에 있어서,
    상기 안전성 검증에 대한 결과로서 상기 객체의 안전성을 판단함에 따른 객체의 안전성 판단 정보를 상기 서비스 요청 업체에게 제공하는 단계는,
    상기 객체에 대한 안전성 판단 정보를 인증함에 따라 상기 서비스 요청 업체에게 상기 안전성 판단 정보에 대한 인증과 관련하여 수수료를 부가하는 단계
    를 포함하는 식품의 안전성 검증 방법.
  9. 안전성 검증 시스템에 있어서,
    서비스 요청 업체로부터 객체에 대한 식별 정보와 관련된 안전성 검증이 요청됨을 수신하는 수신부;
    저장소 검색 컴포넌트로부터 전달받은 상기 객체에 대한 식별 정보에 대응하는 EPCIS의 주소 정보에 따라 상기 객체와 관련된 이력 정보를 획득하는 획득부;
    상기 객체와 관련된 이력 정보에 기초하여 상기 객체의 안전성을 판단하는 판단부; 및
    상기 안전성 검증에 대한 결과로서 상기 객체의 안전성을 판단함에 따른 객체의 안전성 판단 정보를 상기 서비스 요청 업체에게 제공하는 제공부
    를 포함하고,
    상기 획득부는,
    상기 객체에 대한 식별 정보를 저장소 검색 컴포넌트로 전달함에 따라 상기 객체와 관련된 이력 정보를 포함하는 EPCIS 주소 목록을 요청하고, 상기 저장소 검색 컴포넌트에서 상기 객체에 대한 식별 정보에 대응하는 객체와 관련된 이력 정보를 포함하는 EPCIS 주소 목록이 반환되고, 상기 EPCIS 주소 목록에 기반하여 EPCIS 저장소에게 상기 객체의 상품 분류코드 정보 및 생장-유통 환경 정보를 요청하고, 상기 EPCIS 저장소로부터 상기 객체의 상품 분류코드 정보 및 생장-유통 환경 정보가 반환되는 것을 포함하고,
    상기 판단부는,
    안전성을 판단하는 안전성 판단 컴포넌트로부터 상기 객체의 상품 분류코드 정보 및 생장-유통 환경 정보에 기반하여 상기 객체의 안전성 판단 정보를 요청하고, 상기 안전성 판단 컴포넌트에 설정된 안전성 판단 모델에 기초하여 객체의 안전성 판단 정보를 판단하는 것을 포함하고,
    상기 안전성 판단 모델은, 상기 객체의 안전성을 판단하기 위하여 상기 객체의 센서 정보를 기 정의된 표준 필드와 값을 사용하여 인코딩을 수행하고, 상기 인코딩을 수행함에 따라 획득된 표준화된 센서 정보를 인공 신경망에 기반하여 트레이닝함으로써 생성되는
    안전성 검증 시스템.
  10. 제9항에 있어서,
    상기 객체에 대한 식별 정보는, 상기 객체와 연관된 GS 1코드를 포함하는 식품의 안전성 검증 시스템.
  11. 삭제
  12. 삭제
  13. 삭제
  14. 제9항에 있어서,
    상기 판단부는,
    상기 안전성 판단 컴포넌트에 저장된 상품분류코드 정보를 기반으로 안전성 판단 모델을 생성하는
    것을 특징으로 하는 식품의 안전성 검증 시스템.
  15. 삭제
KR1020170153720A 2017-08-31 2017-11-17 Epcis 이력 이벤트 간 센서 정보 분석을 통한 식품 안정성 및 원산지 검증 방법 KR101938999B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170110718 2017-08-31
KR20170110718 2017-08-31

Publications (1)

Publication Number Publication Date
KR101938999B1 true KR101938999B1 (ko) 2019-01-15

Family

ID=65030578

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170153720A KR101938999B1 (ko) 2017-08-31 2017-11-17 Epcis 이력 이벤트 간 센서 정보 분석을 통한 식품 안정성 및 원산지 검증 방법

Country Status (1)

Country Link
KR (1) KR101938999B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102292361B1 (ko) * 2020-12-29 2021-08-23 허태욱 약용작물의 신뢰성 있는 이력 정보를 제공하기 위한 방법 및 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009244112A (ja) * 2008-03-31 2009-10-22 Dainippon Sumitomo Pharma Co Ltd 医薬品製剤の安定性予測方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009244112A (ja) * 2008-03-31 2009-10-22 Dainippon Sumitomo Pharma Co Ltd 医薬品製剤の安定性予測方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102292361B1 (ko) * 2020-12-29 2021-08-23 허태욱 약용작물의 신뢰성 있는 이력 정보를 제공하기 위한 방법 및 시스템

Similar Documents

Publication Publication Date Title
AU2021273576B2 (en) Model integration tool
US11625731B2 (en) Methods, systems and apparatus to track a provenance of goods
CN110661835B (zh) 一种灰度发布方法及其处理方法、节点及系统和存储装置
CA3091405A1 (en) Model training system and method, and storage medium
US20230043095A1 (en) Non-fungible token authentication
CN110598280A (zh) 一种设备仿真系统和方法、计算机可读存储介质
CN110177079A (zh) 智能合约的调用系统及调用方法
CN110417863A (zh) 生成身份识别码的方法和装置、身份认证的方法和装置
CN109863517A (zh) 基于rfid的机架清单管理系统
CN112214518B (zh) 一种基于区块链的地理空间基础数据共享方法及系统
KR101938999B1 (ko) Epcis 이력 이벤트 간 센서 정보 분석을 통한 식품 안정성 및 원산지 검증 방법
CN112115507B (zh) 基于云计算和信息数字化的云业务交互方法及大数据平台
CN111291357B (zh) 终端接入验证方法、装置及计算机设备
US20220353273A1 (en) Machine learning techniques for object authentication
US20190050791A1 (en) Methods and Apparatus for Automatically Generating and Managing Test Customer Accounts
CN104662523A (zh) 用于基于计算机的社交网络的设备之间的路由的方法和服务器
Banushkina et al. Fep1d: a script for the analysis of reaction coordinates
US20160337195A1 (en) Automated multi-user system detection
AU2019407410B2 (en) Analysis query response system, analysis query execution apparatus, analysis query verification apparatus, analysis query response method, and program
CN103914505A (zh) 信息管理方法和信息管理装置
KR20210066247A (ko) 블록체인을 이용한 친환경 생육환경 인증 장치 및 방법
KR102521627B1 (ko) 거래 대상이 되는 부동산의 정보를 추정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
CN111581515B (zh) 一种信息处理方法及装置
CN109272367B (zh) 信息处理方法和装置
Bi et al. A Simplified Form of the Psychometric Function for the m‐Alternative Forced Choice (mAFC) Method

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant