Overview

Dataset statistics

Number of variables13
Number of observations1264
Missing cells11
Missing cells (%)0.1%
Duplicate rows0
Duplicate rows (%)0.0%
Total size in memory129.7 KiB
Average record size in memory105.1 B

Variable types

Categorical6
Text6
Numeric1

Dataset

Description농림식품 관련 RnD 과제 정보. 분류,사업명,총괄과제번호,세부과제번호,과제명,연구수행기관,주관기관,총연구기간시작일,총연구기간종료일,총연구비,연구목표요약 등으로 구성
Author농림식품기술기획평가원
URLhttps://www.data.go.kr/data/15111932/fileData.do

Alerts

분류 is highly overall correlated with 사업명High correlation
사업명 is highly overall correlated with 분류 and 4 other fieldsHigh correlation
총연구기간 시작일 is highly overall correlated with 사업명 and 3 other fieldsHigh correlation
총연구기간 종료일 is highly overall correlated with 사업명 and 3 other fieldsHigh correlation
당해년연구기간 시작일 is highly overall correlated with 사업명 and 3 other fieldsHigh correlation
당해년연구기간 종료일 is highly overall correlated with 사업명 and 3 other fieldsHigh correlation
당해년연구기간 시작일 is highly imbalanced (82.9%)Imbalance
당해년연구기간 종료일 is highly imbalanced (89.7%)Imbalance
세부과제번호 has unique valuesUnique

Reproduction

Analysis started2024-03-14 11:10:56.986718
Analysis finished2024-03-14 11:11:00.568017
Duration3.58 seconds
Software versionydata-profiling vv4.5.1
Download configurationconfig.json

Variables

분류
Categorical

HIGH CORRELATION 

Distinct8
Distinct (%)0.6%
Missing0
Missing (%)0.0%
Memory size10.0 KiB
농림식품 기계ㆍ시스템
354 
식품
238 
농림식품 환경생태
166 
농림식품 융복합
132 
농산
124 
Other values (3)
250 

Length

Max length11
Median length10
Mean length6.0917722
Min length2

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row농림식품 경제ㆍ사회
2nd row농림식품 경제ㆍ사회
3rd row농림식품 경제ㆍ사회
4th row농림식품 경제ㆍ사회
5th row농림식품 기계ㆍ시스템

Common Values

ValueCountFrequency (%)
농림식품 기계ㆍ시스템 354
28.0%
식품 238
18.8%
농림식품 환경생태 166
13.1%
농림식품 융복합 132
 
10.4%
농산 124
 
9.8%
수의 123
 
9.7%
축산 123
 
9.7%
농림식품 경제ㆍ사회 4
 
0.3%

Length

2024-03-14T20:11:00.770095image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category

Common Values (Plot)

2024-03-14T20:11:01.120436image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
ValueCountFrequency (%)
농림식품 656
34.2%
기계ㆍ시스템 354
18.4%
식품 238
 
12.4%
환경생태 166
 
8.6%
융복합 132
 
6.9%
농산 124
 
6.5%
수의 123
 
6.4%
축산 123
 
6.4%
경제ㆍ사회 4
 
0.2%

사업명
Categorical

HIGH CORRELATION 

Distinct34
Distinct (%)2.7%
Missing0
Missing (%)0.0%
Memory size10.0 KiB
미래대응식품 기술개발
128 
차세대 융합 원천
116 
스마트팜 실증고도화
110 
민간중심 R&D 사업화 지원
104 
공공기술 사업화 촉진
101 
Other values (29)
705 

Length

Max length24
Median length20
Mean length12.471519
Min length4

Unique

Unique1 ?
Unique (%)0.1%

Sample

1st row민간중심 R&D 사업화 지원
2nd row차세대 식품가공 기술개발
3rd row차세대 식품가공 기술개발
4th row차세대 식품가공 기술개발
5th row5G기반 식품안전생산기술개발

Common Values

ValueCountFrequency (%)
미래대응식품 기술개발 128
 
10.1%
차세대 융합 원천 116
 
9.2%
스마트팜 실증고도화 110
 
8.7%
민간중심 R&D 사업화 지원 104
 
8.2%
공공기술 사업화 촉진 101
 
8.0%
차세대 식품가공 기술개발 58
 
4.6%
방제기술개발 56
 
4.4%
식품 품질·안전 기술개발 54
 
4.3%
반려동물 맞춤형 의약품 및 서비스 개발 41
 
3.2%
작물보호제 원제·제품 국산화 39
 
3.1%
Other values (24) 457
36.2%

Length

2024-03-14T20:11:01.390517image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
기술개발 240
 
6.3%
사업화 205
 
5.4%
차세대 174
 
4.6%
및 130
 
3.4%
미래대응식품 128
 
3.4%
융합 116
 
3.1%
원천 116
 
3.1%
스마트팜 110
 
2.9%
실증고도화 110
 
2.9%
국산화 106
 
2.8%
Other values (75) 2354
62.1%

총괄과제번호
Text

Distinct374
Distinct (%)29.6%
Missing0
Missing (%)0.0%
Memory size10.0 KiB
2024-03-14T20:11:02.567431image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length8
Median length8
Mean length8
Min length8

Characters and Unicode

Total characters10112
Distinct characters11
Distinct categories2 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique28 ?
Unique (%)2.2%

Sample

1st row821066-3
2nd row121020-3
3rd row121020-3
4th row121020-3
5th row321049-5
ValueCountFrequency (%)
322047-5 15
 
1.2%
322054-5 14
 
1.1%
321049-5 11
 
0.9%
321054-5 10
 
0.8%
320005-4 10
 
0.8%
421022-4 10
 
0.8%
421032-4 10
 
0.8%
321029-5 9
 
0.7%
421004-4 8
 
0.6%
321044-3 8
 
0.6%
Other values (364) 1159
91.7%
2024-03-14T20:11:04.143506image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
2 2169
21.4%
3 1628
16.1%
0 1563
15.5%
1 1273
12.6%
- 1264
12.5%
4 838
 
8.3%
5 522
 
5.2%
8 341
 
3.4%
9 174
 
1.7%
6 171
 
1.7%

Most occurring categories

ValueCountFrequency (%)
Decimal Number 8848
87.5%
Dash Punctuation 1264
 
12.5%

Most frequent character per category

Decimal Number
ValueCountFrequency (%)
2 2169
24.5%
3 1628
18.4%
0 1563
17.7%
1 1273
14.4%
4 838
 
9.5%
5 522
 
5.9%
8 341
 
3.9%
9 174
 
2.0%
6 171
 
1.9%
7 169
 
1.9%
Dash Punctuation
ValueCountFrequency (%)
- 1264
100.0%

Most occurring scripts

ValueCountFrequency (%)
Common 10112
100.0%

Most frequent character per script

Common
ValueCountFrequency (%)
2 2169
21.4%
3 1628
16.1%
0 1563
15.5%
1 1273
12.6%
- 1264
12.5%
4 838
 
8.3%
5 522
 
5.2%
8 341
 
3.4%
9 174
 
1.7%
6 171
 
1.7%

Most occurring blocks

ValueCountFrequency (%)
ASCII 10112
100.0%

Most frequent character per block

ASCII
ValueCountFrequency (%)
2 2169
21.4%
3 1628
16.1%
0 1563
15.5%
1 1273
12.6%
- 1264
12.5%
4 838
 
8.3%
5 522
 
5.2%
8 341
 
3.4%
9 174
 
1.7%
6 171
 
1.7%

세부과제번호
Text

UNIQUE 

Distinct1264
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Memory size10.0 KiB
2024-03-14T20:11:04.944560image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length14
Median length14
Mean length14
Min length14

Characters and Unicode

Total characters17696
Distinct characters20
Distinct categories3 ?
Distinct scripts2 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique1264 ?
Unique (%)100.0%

Sample

1st row821066033SB010
2nd row121020033SB010
3rd row121020033HD030
4th row121020033HD020
5th row321049053HD030
ValueCountFrequency (%)
821066033sb010 1
 
0.1%
122016022hd020 1
 
0.1%
122060022sb010 1
 
0.1%
122059022sb010 1
 
0.1%
122058022hd030 1
 
0.1%
122058022sb010 1
 
0.1%
122058022hd020 1
 
0.1%
122057022sb010 1
 
0.1%
322001022hd020 1
 
0.1%
122015022sb010 1
 
0.1%
Other values (1254) 1254
99.2%
2024-03-14T20:11:05.895270image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
0 5351
30.2%
2 2971
16.8%
3 2583
14.6%
1 1651
 
9.3%
4 1033
 
5.8%
D 876
 
5.0%
H 876
 
5.0%
5 609
 
3.4%
S 388
 
2.2%
B 388
 
2.2%
Other values (10) 970
 
5.5%

Most occurring categories

ValueCountFrequency (%)
Decimal Number 15148
85.6%
Uppercase Letter 2528
 
14.3%
Lowercase Letter 20
 
0.1%

Most frequent character per category

Decimal Number
ValueCountFrequency (%)
0 5351
35.3%
2 2971
19.6%
3 2583
17.1%
1 1651
 
10.9%
4 1033
 
6.8%
5 609
 
4.0%
8 357
 
2.4%
6 211
 
1.4%
7 198
 
1.3%
9 184
 
1.2%
Lowercase Letter
ValueCountFrequency (%)
a 7
35.0%
b 5
25.0%
c 4
20.0%
d 2
 
10.0%
e 1
 
5.0%
f 1
 
5.0%
Uppercase Letter
ValueCountFrequency (%)
D 876
34.7%
H 876
34.7%
S 388
15.3%
B 388
15.3%

Most occurring scripts

ValueCountFrequency (%)
Common 15148
85.6%
Latin 2548
 
14.4%

Most frequent character per script

Common
ValueCountFrequency (%)
0 5351
35.3%
2 2971
19.6%
3 2583
17.1%
1 1651
 
10.9%
4 1033
 
6.8%
5 609
 
4.0%
8 357
 
2.4%
6 211
 
1.4%
7 198
 
1.3%
9 184
 
1.2%
Latin
ValueCountFrequency (%)
D 876
34.4%
H 876
34.4%
S 388
15.2%
B 388
15.2%
a 7
 
0.3%
b 5
 
0.2%
c 4
 
0.2%
d 2
 
0.1%
e 1
 
< 0.1%
f 1
 
< 0.1%

Most occurring blocks

ValueCountFrequency (%)
ASCII 17696
100.0%

Most frequent character per block

ASCII
ValueCountFrequency (%)
0 5351
30.2%
2 2971
16.8%
3 2583
14.6%
1 1651
 
9.3%
4 1033
 
5.8%
D 876
 
5.0%
H 876
 
5.0%
5 609
 
3.4%
S 388
 
2.2%
B 388
 
2.2%
Other values (10) 970
 
5.5%

과제명
Text

Distinct1068
Distinct (%)84.5%
Missing0
Missing (%)0.0%
Memory size10.0 KiB
2024-03-14T20:11:07.036661image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length79
Median length51
Mean length32.967563
Min length6

Characters and Unicode

Total characters41671
Distinct characters617
Distinct categories11 ?
Distinct scripts4 ?
Distinct blocks6 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique967 ?
Unique (%)76.5%

Sample

1st row통합마케팅조직 수급관리 플랫폼 고도화(ICT종합정보관리, APC관리, 수급분석) 시스템 구축
2nd row레스토랑 메뉴 대체(RMR) 제품 품질·안전 확보 기술 개발
3rd rowRMR 제품의 위생 안전성 확보 시스템 구축
4th rowRMR 제품 시장분석 및 소비자 분석을 통한 상품화 컨셉 개발
5th row딥러닝을 이용한 영상 및 초분광 이미징 검사시스템 개발
ValueCountFrequency (%)
및 763
 
7.2%
개발 729
 
6.9%
위한 193
 
1.8%
기술 188
 
1.8%
기반 129
 
1.2%
시스템 127
 
1.2%
구축 101
 
0.9%
실증 75
 
0.7%
기술개발 71
 
0.7%
연구 64
 
0.6%
Other values (3004) 8194
77.1%
2024-03-14T20:11:08.634426image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
9391
 
22.5%
개 997
 
2.4%
발 978
 
2.3%
기 934
 
2.2%
및 764
 
1.8%
용 621
 
1.5%
스 518
 
1.2%
화 515
 
1.2%
이 476
 
1.1%
제 452
 
1.1%
Other values (607) 26025
62.5%

Most occurring categories

ValueCountFrequency (%)
Other Letter 30382
72.9%
Space Separator 9391
 
22.5%
Uppercase Letter 591
 
1.4%
Lowercase Letter 501
 
1.2%
Other Punctuation 264
 
0.6%
Decimal Number 182
 
0.4%
Open Punctuation 156
 
0.4%
Close Punctuation 155
 
0.4%
Dash Punctuation 47
 
0.1%
Math Symbol 1
 
< 0.1%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
개 997
 
3.3%
발 978
 
3.2%
기 934
 
3.1%
및 764
 
2.5%
용 621
 
2.0%
스 518
 
1.7%
화 515
 
1.7%
이 476
 
1.6%
제 452
 
1.5%
한 441
 
1.5%
Other values (537) 23686
78.0%
Uppercase Letter
ValueCountFrequency (%)
C 65
 
11.0%
A 56
 
9.5%
I 47
 
8.0%
T 42
 
7.1%
S 42
 
7.1%
P 39
 
6.6%
R 33
 
5.6%
V 33
 
5.6%
M 30
 
5.1%
D 29
 
4.9%
Other values (14) 175
29.6%
Lowercase Letter
ValueCountFrequency (%)
l 55
11.0%
i 51
10.2%
t 43
 
8.6%
m 43
 
8.6%
e 42
 
8.4%
o 40
 
8.0%
n 40
 
8.0%
a 24
 
4.8%
s 23
 
4.6%
c 20
 
4.0%
Other values (13) 120
24.0%
Decimal Number
ValueCountFrequency (%)
1 45
24.7%
2 40
22.0%
0 38
20.9%
3 27
14.8%
5 25
13.7%
4 3
 
1.6%
7 2
 
1.1%
9 2
 
1.1%
Other Punctuation
ValueCountFrequency (%)
, 124
47.0%
/ 66
25.0%
· 56
21.2%
& 7
 
2.7%
@ 5
 
1.9%
. 4
 
1.5%
" 2
 
0.8%
Open Punctuation
ValueCountFrequency (%)
( 128
82.1%
[ 28
 
17.9%
Close Punctuation
ValueCountFrequency (%)
) 127
81.9%
] 28
 
18.1%
Space Separator
ValueCountFrequency (%)
9391
100.0%
Dash Punctuation
ValueCountFrequency (%)
- 47
100.0%
Math Symbol
ValueCountFrequency (%)
= 1
100.0%
Other Symbol
ValueCountFrequency (%)
■ 1
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 30381
72.9%
Common 10197
 
24.5%
Latin 1092
 
2.6%
Han 1
 
< 0.1%

Most frequent character per script

Hangul
ValueCountFrequency (%)
개 997
 
3.3%
발 978
 
3.2%
기 934
 
3.1%
및 764
 
2.5%
용 621
 
2.0%
스 518
 
1.7%
화 515
 
1.7%
이 476
 
1.6%
제 452
 
1.5%
한 441
 
1.5%
Other values (536) 23685
78.0%
Latin
ValueCountFrequency (%)
C 65
 
6.0%
A 56
 
5.1%
l 55
 
5.0%
i 51
 
4.7%
I 47
 
4.3%
t 43
 
3.9%
m 43
 
3.9%
T 42
 
3.8%
e 42
 
3.8%
S 42
 
3.8%
Other values (37) 606
55.5%
Common
ValueCountFrequency (%)
9391
92.1%
( 128
 
1.3%
) 127
 
1.2%
, 124
 
1.2%
/ 66
 
0.6%
· 56
 
0.5%
- 47
 
0.5%
1 45
 
0.4%
2 40
 
0.4%
0 38
 
0.4%
Other values (13) 135
 
1.3%
Han
ValueCountFrequency (%)
多 1
100.0%

Most occurring blocks

ValueCountFrequency (%)
Hangul 30380
72.9%
ASCII 11232
 
27.0%
None 56
 
0.1%
CJK 1
 
< 0.1%
Geometric Shapes 1
 
< 0.1%
Compat Jamo 1
 
< 0.1%

Most frequent character per block

ASCII
ValueCountFrequency (%)
9391
83.6%
( 128
 
1.1%
) 127
 
1.1%
, 124
 
1.1%
/ 66
 
0.6%
C 65
 
0.6%
A 56
 
0.5%
l 55
 
0.5%
i 51
 
0.5%
I 47
 
0.4%
Other values (58) 1122
 
10.0%
Hangul
ValueCountFrequency (%)
개 997
 
3.3%
발 978
 
3.2%
기 934
 
3.1%
및 764
 
2.5%
용 621
 
2.0%
스 518
 
1.7%
화 515
 
1.7%
이 476
 
1.6%
제 452
 
1.5%
한 441
 
1.5%
Other values (535) 23684
78.0%
None
ValueCountFrequency (%)
· 56
100.0%
CJK
ValueCountFrequency (%)
多 1
100.0%
Geometric Shapes
ValueCountFrequency (%)
■ 1
100.0%
Compat Jamo
ValueCountFrequency (%)
ㆍ 1
100.0%

연구수행기관
Text

Distinct617
Distinct (%)48.8%
Missing0
Missing (%)0.0%
Memory size10.0 KiB
2024-03-14T20:11:09.520562image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length24
Median length20
Mean length9.7143987
Min length2

Characters and Unicode

Total characters12279
Distinct characters408
Distinct categories9 ?
Distinct scripts3 ?
Distinct blocks3 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique462 ?
Unique (%)36.6%

Sample

1st row(주)랩씨드
2nd row농업회사법인(주) 에이라이프
3rd row창원대학교 산학협력단
4th row상명대학교서울산학협력단
5th row오즈레이주식회사
ValueCountFrequency (%)
산학협력단 365
 
20.0%
주식회사 106
 
5.8%
서울대학교 44
 
2.4%
충남대학교 36
 
2.0%
전북대학교산학협력단 34
 
1.9%
전남대학교 31
 
1.7%
충북대학교 26
 
1.4%
경북대학교 26
 
1.4%
강원대학교 24
 
1.3%
한국식품연구원 22
 
1.2%
Other values (635) 1115
61.0%
2024-03-14T20:11:10.830706image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
학 975
 
7.9%
566
 
4.6%
산 548
 
4.5%
주 488
 
4.0%
대 477
 
3.9%
단 468
 
3.8%
협 463
 
3.8%
력 449
 
3.7%
교 442
 
3.6%
) 353
 
2.9%
Other values (398) 7050
57.4%

Most occurring categories

ValueCountFrequency (%)
Other Letter 10979
89.4%
Space Separator 566
 
4.6%
Close Punctuation 353
 
2.9%
Open Punctuation 353
 
2.9%
Uppercase Letter 17
 
0.1%
Lowercase Letter 5
 
< 0.1%
Decimal Number 4
 
< 0.1%
Other Symbol 1
 
< 0.1%
Other Punctuation 1
 
< 0.1%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
학 975
 
8.9%
산 548
 
5.0%
주 488
 
4.4%
대 477
 
4.3%
단 468
 
4.3%
협 463
 
4.2%
력 449
 
4.1%
교 442
 
4.0%
원 301
 
2.7%
국 267
 
2.4%
Other values (374) 6101
55.6%
Uppercase Letter
ValueCountFrequency (%)
G 4
23.5%
C 2
11.8%
A 2
11.8%
P 2
11.8%
M 1
 
5.9%
S 1
 
5.9%
L 1
 
5.9%
F 1
 
5.9%
R 1
 
5.9%
B 1
 
5.9%
Lowercase Letter
ValueCountFrequency (%)
e 2
40.0%
n 1
20.0%
o 1
20.0%
m 1
20.0%
Decimal Number
ValueCountFrequency (%)
9 1
25.0%
3 1
25.0%
5 1
25.0%
1 1
25.0%
Space Separator
ValueCountFrequency (%)
566
100.0%
Close Punctuation
ValueCountFrequency (%)
) 353
100.0%
Open Punctuation
ValueCountFrequency (%)
( 353
100.0%
Other Symbol
ValueCountFrequency (%)
㈜ 1
100.0%
Other Punctuation
ValueCountFrequency (%)
& 1
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 10980
89.4%
Common 1277
 
10.4%
Latin 22
 
0.2%

Most frequent character per script

Hangul
ValueCountFrequency (%)
학 975
 
8.9%
산 548
 
5.0%
주 488
 
4.4%
대 477
 
4.3%
단 468
 
4.3%
협 463
 
4.2%
력 449
 
4.1%
교 442
 
4.0%
원 301
 
2.7%
국 267
 
2.4%
Other values (375) 6102
55.6%
Latin
ValueCountFrequency (%)
G 4
18.2%
e 2
 
9.1%
C 2
 
9.1%
A 2
 
9.1%
P 2
 
9.1%
M 1
 
4.5%
n 1
 
4.5%
o 1
 
4.5%
m 1
 
4.5%
S 1
 
4.5%
Other values (5) 5
22.7%
Common
ValueCountFrequency (%)
566
44.3%
) 353
27.6%
( 353
27.6%
9 1
 
0.1%
& 1
 
0.1%
3 1
 
0.1%
5 1
 
0.1%
1 1
 
0.1%

Most occurring blocks

ValueCountFrequency (%)
Hangul 10979
89.4%
ASCII 1299
 
10.6%
None 1
 
< 0.1%

Most frequent character per block

Hangul
ValueCountFrequency (%)
학 975
 
8.9%
산 548
 
5.0%
주 488
 
4.4%
대 477
 
4.3%
단 468
 
4.3%
협 463
 
4.2%
력 449
 
4.1%
교 442
 
4.0%
원 301
 
2.7%
국 267
 
2.4%
Other values (374) 6101
55.6%
ASCII
ValueCountFrequency (%)
566
43.6%
) 353
27.2%
( 353
27.2%
G 4
 
0.3%
e 2
 
0.2%
C 2
 
0.2%
A 2
 
0.2%
P 2
 
0.2%
M 1
 
0.1%
9 1
 
0.1%
Other values (13) 13
 
1.0%
None
ValueCountFrequency (%)
㈜ 1
100.0%

주관기관
Text

Distinct617
Distinct (%)48.8%
Missing0
Missing (%)0.0%
Memory size10.0 KiB
2024-03-14T20:11:11.713593image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length24
Median length20
Mean length9.7143987
Min length2

Characters and Unicode

Total characters12279
Distinct characters408
Distinct categories9 ?
Distinct scripts3 ?
Distinct blocks3 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique462 ?
Unique (%)36.6%

Sample

1st row(주)랩씨드
2nd row농업회사법인(주) 에이라이프
3rd row창원대학교 산학협력단
4th row상명대학교서울산학협력단
5th row오즈레이주식회사
ValueCountFrequency (%)
산학협력단 365
 
20.0%
주식회사 106
 
5.8%
서울대학교 44
 
2.4%
충남대학교 36
 
2.0%
전북대학교산학협력단 34
 
1.9%
전남대학교 31
 
1.7%
충북대학교 26
 
1.4%
경북대학교 26
 
1.4%
강원대학교 24
 
1.3%
한국식품연구원 22
 
1.2%
Other values (635) 1115
61.0%
2024-03-14T20:11:13.047721image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
학 975
 
7.9%
566
 
4.6%
산 548
 
4.5%
주 488
 
4.0%
대 477
 
3.9%
단 468
 
3.8%
협 463
 
3.8%
력 449
 
3.7%
교 442
 
3.6%
) 353
 
2.9%
Other values (398) 7050
57.4%

Most occurring categories

ValueCountFrequency (%)
Other Letter 10979
89.4%
Space Separator 566
 
4.6%
Close Punctuation 353
 
2.9%
Open Punctuation 353
 
2.9%
Uppercase Letter 17
 
0.1%
Lowercase Letter 5
 
< 0.1%
Decimal Number 4
 
< 0.1%
Other Symbol 1
 
< 0.1%
Other Punctuation 1
 
< 0.1%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
학 975
 
8.9%
산 548
 
5.0%
주 488
 
4.4%
대 477
 
4.3%
단 468
 
4.3%
협 463
 
4.2%
력 449
 
4.1%
교 442
 
4.0%
원 301
 
2.7%
국 267
 
2.4%
Other values (374) 6101
55.6%
Uppercase Letter
ValueCountFrequency (%)
G 4
23.5%
C 2
11.8%
A 2
11.8%
P 2
11.8%
M 1
 
5.9%
S 1
 
5.9%
L 1
 
5.9%
F 1
 
5.9%
R 1
 
5.9%
B 1
 
5.9%
Lowercase Letter
ValueCountFrequency (%)
e 2
40.0%
n 1
20.0%
o 1
20.0%
m 1
20.0%
Decimal Number
ValueCountFrequency (%)
9 1
25.0%
3 1
25.0%
5 1
25.0%
1 1
25.0%
Space Separator
ValueCountFrequency (%)
566
100.0%
Close Punctuation
ValueCountFrequency (%)
) 353
100.0%
Open Punctuation
ValueCountFrequency (%)
( 353
100.0%
Other Symbol
ValueCountFrequency (%)
㈜ 1
100.0%
Other Punctuation
ValueCountFrequency (%)
& 1
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 10980
89.4%
Common 1277
 
10.4%
Latin 22
 
0.2%

Most frequent character per script

Hangul
ValueCountFrequency (%)
학 975
 
8.9%
산 548
 
5.0%
주 488
 
4.4%
대 477
 
4.3%
단 468
 
4.3%
협 463
 
4.2%
력 449
 
4.1%
교 442
 
4.0%
원 301
 
2.7%
국 267
 
2.4%
Other values (375) 6102
55.6%
Latin
ValueCountFrequency (%)
G 4
18.2%
e 2
 
9.1%
C 2
 
9.1%
A 2
 
9.1%
P 2
 
9.1%
M 1
 
4.5%
n 1
 
4.5%
o 1
 
4.5%
m 1
 
4.5%
S 1
 
4.5%
Other values (5) 5
22.7%
Common
ValueCountFrequency (%)
566
44.3%
) 353
27.6%
( 353
27.6%
9 1
 
0.1%
& 1
 
0.1%
3 1
 
0.1%
5 1
 
0.1%
1 1
 
0.1%

Most occurring blocks

ValueCountFrequency (%)
Hangul 10979
89.4%
ASCII 1299
 
10.6%
None 1
 
< 0.1%

Most frequent character per block

Hangul
ValueCountFrequency (%)
학 975
 
8.9%
산 548
 
5.0%
주 488
 
4.4%
대 477
 
4.3%
단 468
 
4.3%
협 463
 
4.2%
력 449
 
4.1%
교 442
 
4.0%
원 301
 
2.7%
국 267
 
2.4%
Other values (374) 6101
55.6%
ASCII
ValueCountFrequency (%)
566
43.6%
) 353
27.2%
( 353
27.2%
G 4
 
0.3%
e 2
 
0.2%
C 2
 
0.2%
A 2
 
0.2%
P 2
 
0.2%
M 1
 
0.1%
9 1
 
0.1%
Other values (13) 13
 
1.0%
None
ValueCountFrequency (%)
㈜ 1
100.0%

총연구기간 시작일
Categorical

HIGH CORRELATION 

Distinct18
Distinct (%)1.4%
Missing0
Missing (%)0.0%
Memory size10.0 KiB
2021-04-01
477 
2022-04-01
431 
2021-04-07
229 
2020-04-29
 
45
2022-04-08
 
24
Other values (13)
58 

Length

Max length10
Median length10
Mean length10
Min length10

Unique

Unique4 ?
Unique (%)0.3%

Sample

1st row2021-04-01
2nd row2021-04-01
3rd row2021-04-01
4th row2021-04-01
5th row2021-04-01

Common Values

ValueCountFrequency (%)
2021-04-01 477
37.7%
2022-04-01 431
34.1%
2021-04-07 229
18.1%
2020-04-29 45
 
3.6%
2022-04-08 24
 
1.9%
2022-04-06 21
 
1.7%
2020-01-31 10
 
0.8%
2020-01-29 6
 
0.5%
2022-01-01 4
 
0.3%
2019-08-30 4
 
0.3%
Other values (8) 13
 
1.0%

Length

2024-03-14T20:11:13.461547image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
2021-04-01 477
37.7%
2022-04-01 431
34.1%
2021-04-07 229
18.1%
2020-04-29 45
 
3.6%
2022-04-08 24
 
1.9%
2022-04-06 21
 
1.7%
2020-01-31 10
 
0.8%
2020-01-29 6
 
0.5%
2019-08-30 4
 
0.3%
2022-01-01 4
 
0.3%
Other values (8) 13
 
1.0%

총연구기간 종료일
Categorical

HIGH CORRELATION 

Distinct7
Distinct (%)0.6%
Missing0
Missing (%)0.0%
Memory size10.0 KiB
2023-12-31
496 
2024-12-31
491 
2025-12-31
184 
2026-12-31
75 
2024-01-30
 
10
Other values (2)
 
8

Length

Max length10
Median length10
Mean length10
Min length10

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row2023-12-31
2nd row2023-12-31
3rd row2023-12-31
4th row2023-12-31
5th row2025-12-31

Common Values

ValueCountFrequency (%)
2023-12-31 496
39.2%
2024-12-31 491
38.8%
2025-12-31 184
 
14.6%
2026-12-31 75
 
5.9%
2024-01-30 10
 
0.8%
2024-01-28 6
 
0.5%
2023-09-02 2
 
0.2%

Length

2024-03-14T20:11:13.832156image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category

Common Values (Plot)

2024-03-14T20:11:14.369064image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
ValueCountFrequency (%)
2023-12-31 496
39.2%
2024-12-31 491
38.8%
2025-12-31 184
 
14.6%
2026-12-31 75
 
5.9%
2024-01-30 10
 
0.8%
2024-01-28 6
 
0.5%
2023-09-02 2
 
0.2%

당해년연구기간 시작일
Categorical

HIGH CORRELATION  IMBALANCE 

Distinct4
Distinct (%)0.3%
Missing0
Missing (%)0.0%
Memory size10.0 KiB
2023-01-01
1197 
2023-04-01
 
55
2023-04-08
 
10
2022-09-03
 
2

Length

Max length10
Median length10
Mean length10
Min length10

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row2023-01-01
2nd row2023-01-01
3rd row2023-01-01
4th row2023-01-01
5th row2023-01-01

Common Values

ValueCountFrequency (%)
2023-01-01 1197
94.7%
2023-04-01 55
 
4.4%
2023-04-08 10
 
0.8%
2022-09-03 2
 
0.2%

Length

2024-03-14T20:11:14.738281image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category

Common Values (Plot)

2024-03-14T20:11:15.084084image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
ValueCountFrequency (%)
2023-01-01 1197
94.7%
2023-04-01 55
 
4.4%
2023-04-08 10
 
0.8%
2022-09-03 2
 
0.2%

당해년연구기간 종료일
Categorical

HIGH CORRELATION  IMBALANCE 

Distinct5
Distinct (%)0.4%
Missing0
Missing (%)0.0%
Memory size10.0 KiB
2023-12-31
1227 
2024-03-31
 
19
2024-01-30
 
10
2024-01-28
 
6
2023-09-02
 
2

Length

Max length10
Median length10
Mean length10
Min length10

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row2023-12-31
2nd row2023-12-31
3rd row2023-12-31
4th row2023-12-31
5th row2023-12-31

Common Values

ValueCountFrequency (%)
2023-12-31 1227
97.1%
2024-03-31 19
 
1.5%
2024-01-30 10
 
0.8%
2024-01-28 6
 
0.5%
2023-09-02 2
 
0.2%

Length

2024-03-14T20:11:15.437496image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category

Common Values (Plot)

2024-03-14T20:11:15.764534image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
ValueCountFrequency (%)
2023-12-31 1227
97.1%
2024-03-31 19
 
1.5%
2024-01-30 10
 
0.8%
2024-01-28 6
 
0.5%
2023-09-02 2
 
0.2%

총연구비
Real number (ℝ)

Distinct466
Distinct (%)36.9%
Missing0
Missing (%)0.0%
Infinite0
Infinite (%)0.0%
Mean1.8207558 × 108
Minimum0
Maximum2.185 × 109
Zeros1
Zeros (%)0.1%
Negative0
Negative (%)0.0%
Memory size11.2 KiB
2024-03-14T20:11:16.145746image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Quantile statistics

Minimum0
5-th percentile40000000
Q187500000
median1.341875 × 108
Q32.263625 × 108
95-th percentile4.386375 × 108
Maximum2.185 × 109
Range2.185 × 109
Interquartile range (IQR)1.388625 × 108

Descriptive statistics

Standard deviation1.6635906 × 108
Coefficient of variation (CV)0.91368133
Kurtosis27.481952
Mean1.8207558 × 108
Median Absolute Deviation (MAD)62187500
Skewness3.9019039
Sum2.3014354 × 1011
Variance2.7675337 × 1016
MonotonicityNot monotonic
2024-03-14T20:11:16.591810image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram with fixed size bins (bins=50)
ValueCountFrequency (%)
100000000 96
 
7.6%
150000000 52
 
4.1%
50000000 46
 
3.6%
120000000 35
 
2.8%
200000000 32
 
2.5%
80000000 28
 
2.2%
125000000 27
 
2.1%
60000000 27
 
2.1%
70000000 22
 
1.7%
250000000 22
 
1.7%
Other values (456) 877
69.4%
ValueCountFrequency (%)
0 1
 
0.1%
7146000 1
 
0.1%
12500000 2
 
0.2%
13350000 1
 
0.1%
20000000 4
0.3%
20100000 1
 
0.1%
25000000 5
0.4%
26250000 1
 
0.1%
26700000 1
 
0.1%
29200000 1
 
0.1%
ValueCountFrequency (%)
2185000000 1
0.1%
1420400000 1
0.1%
1358200000 1
0.1%
1350000000 1
0.1%
1318215000 1
0.1%
1143000000 1
0.1%
1028700000 1
0.1%
995000000 1
0.1%
950000000 2
0.2%
900000000 1
0.1%

연구목표요약
Text

Distinct993
Distinct (%)79.2%
Missing11
Missing (%)0.9%
Memory size10.0 KiB
2024-03-14T20:11:17.885559image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length1000
Median length710
Mean length435.66081
Min length50

Characters and Unicode

Total characters545883
Distinct characters1003
Distinct categories18 ?
Distinct scripts5 ?
Distinct blocks14 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique847 ?
Unique (%)67.6%

Sample

1st row농산물 수급관리 플랫폼 구축을 위해 3개의 시스템을 구축 (시스템#1) ICT종합정보관리 시스템 고도화­ 수급분석 중심 종합데이터 수집­ 강원도 농업 빅데이터 수집­ 데이터간 복합 연계분석 대시보드 구축 등 (시스템#2) APC관리 시스템 구축­ 시스템 중심 업무관리체계 구축­ 다품목 관리시스템 및 공통업무 체계 구축­ 실시간 APC 데이터 수집체계 구축 등 (시스템#3) 농산물 수급분석 시스템 개발­ 실시간 수급모니터링 및 실시간 대응자료­ 알고리즘 적용 수급 예측 시나리오­ 실시간 데이터 자동 수집, 연계, 분석 기반 구축 등
2nd row[주관연구기관 농업회사법인 ㈜ 에이라이프] RMR 제품 개발 및 공정 최적화 구축1년차 ; 외식업체 운영자가 해당 레스토랑에서 안전성과 품질이 확된 RMR을 생산/판매할 수 있는 시스템 표준화 및 RMR 상품 개발, 개발 대상 메뉴 확정 및 LAB SPEC 개발(재현성, 문제점, 해결과제 등 도출 ), 기술 연구 및 상품화 연구 구체화2년차 ; 상품개발 후 본 생산 (4분기, 5종), 관능품질 재현 기술 연구(조리 과정에서 발생하는 COOKING FLAVOR 최적화로 요리 맛 재현), 전처리 방법, 원료 특성 등을 대량생산으로 재현할 수 있는 생산기술, 소도구 개발, 유통 중 의 온도 변화, 품질 변화, 미생물 변화 등 측정 및 최적화3년차 : RMR 상품 개선 및 공정 최적화, 고객 모니터링을 통한 마케팅 강화 전략 수립, RMR 맞춤형 메디푸드 생산[제 1 공동연구기관 창원대학교 산학협력단] RMR 제품의 위생 안전성 확보 시스템 구축1년차 : Systematic analysis에 의한 RMR 제품과 식재료의 위해수준 도출 및 대체 제품 제안, RMR 제품 생산을 위한 HACCP 시스템 개발(선행요건 프로그램과 RMR 제품 유형 구분 고려한 HACCP 관리기준서 개발), RMR 생산업체의 HACCP 적용 컨설팅 2년차 :RMR 제품 생산현장의 미생물 분석에 의한 환경 위해도 평가, 개발한 RMR 제품에 적용할 수 있는 포장방법 및 재질 조사, 최적의 포장방법 및 재질을 선정하기 위한 효과 검증 실험, RMR 시제품의 유통기한 설정 실험 3년차 :미생물 위해도 예측시스템을 활용한 RMR 제품의 위해평가, RMR 생산업체의 HACCO 시스템 검증, RMR 생산업체의 온도 자동 모니터링 체계 구축 [제 2 공동연구기관 상명대학교 서울산학협력단] RMR 제품 시장분석 및 소비자 분석을 통한 상품화 컨셉 개발1년차 : 레스토랑 대체 메뉴(RMR) 개발을 위한 국내·외 문헌 분석, 레스토랑 대체
3rd row[주관연구기관 농업회사법인 ㈜ 에이라이프] RMR 제품 개발 및 공정 최적화 구축1년차 ; 외식업체 운영자가 해당 레스토랑에서 안전성과 품질이 확된 RMR을 생산/판매할 수 있는 시스템 표준화 및 RMR 상품 개발, 개발 대상 메뉴 확정 및 LAB SPEC 개발(재현성, 문제점, 해결과제 등 도출 ), 기술 연구 및 상품화 연구 구체화2년차 ; 상품개발 후 본 생산 (4분기, 5종), 관능품질 재현 기술 연구(조리 과정에서 발생하는 COOKING FLAVOR 최적화로 요리 맛 재현), 전처리 방법, 원료 특성 등을 대량생산으로 재현할 수 있는 생산기술, 소도구 개발, 유통 중 의 온도 변화, 품질 변화, 미생물 변화 등 측정 및 최적화3년차 : RMR 상품 개선 및 공정 최적화, 고객 모니터링을 통한 마케팅 강화 전략 수립, RMR 맞춤형 메디푸드 생산[제 1 공동연구기관 창원대학교 산학협력단] RMR 제품의 위생 안전성 확보 시스템 구축1년차 : Systematic analysis에 의한 RMR 제품과 식재료의 위해수준 도출 및 대체 제품 제안, RMR 제품 생산을 위한 HACCP 시스템 개발(선행요건 프로그램과 RMR 제품 유형 구분 고려한 HACCP 관리기준서 개발), RMR 생산업체의 HACCP 적용 컨설팅 2년차 :RMR 제품 생산현장의 미생물 분석에 의한 환경 위해도 평가, 개발한 RMR 제품에 적용할 수 있는 포장방법 및 재질 조사, 최적의 포장방법 및 재질을 선정하기 위한 효과 검증 실험, RMR 시제품의 유통기한 설정 실험 3년차 :미생물 위해도 예측시스템을 활용한 RMR 제품의 위해평가, RMR 생산업체의 HACCO 시스템 검증, RMR 생산업체의 온도 자동 모니터링 체계 구축 [제 2 공동연구기관 상명대학교 서울산학협력단] RMR 제품 시장분석 및 소비자 분석을 통한 상품화 컨셉 개발1년차 : 레스토랑 대체 메뉴(RMR) 개발을 위한 국내·외 문헌 분석, 레스토랑 대체
4th row[주관연구기관 농업회사법인 ㈜ 에이라이프] RMR 제품 개발 및 공정 최적화 구축1년차 ; 외식업체 운영자가 해당 레스토랑에서 안전성과 품질이 확된 RMR을 생산/판매할 수 있는 시스템 표준화 및 RMR 상품 개발, 개발 대상 메뉴 확정 및 LAB SPEC 개발(재현성, 문제점, 해결과제 등 도출 ), 기술 연구 및 상품화 연구 구체화2년차 ; 상품개발 후 본 생산 (4분기, 5종), 관능품질 재현 기술 연구(조리 과정에서 발생하는 COOKING FLAVOR 최적화로 요리 맛 재현), 전처리 방법, 원료 특성 등을 대량생산으로 재현할 수 있는 생산기술, 소도구 개발, 유통 중 의 온도 변화, 품질 변화, 미생물 변화 등 측정 및 최적화3년차 : RMR 상품 개선 및 공정 최적화, 고객 모니터링을 통한 마케팅 강화 전략 수립, RMR 맞춤형 메디푸드 생산[제 1 공동연구기관 창원대학교 산학협력단] RMR 제품의 위생 안전성 확보 시스템 구축1년차 : Systematic analysis에 의한 RMR 제품과 식재료의 위해수준 도출 및 대체 제품 제안, RMR 제품 생산을 위한 HACCP 시스템 개발(선행요건 프로그램과 RMR 제품 유형 구분 고려한 HACCP 관리기준서 개발), RMR 생산업체의 HACCP 적용 컨설팅 2년차 :RMR 제품 생산현장의 미생물 분석에 의한 환경 위해도 평가, 개발한 RMR 제품에 적용할 수 있는 포장방법 및 재질 조사, 최적의 포장방법 및 재질을 선정하기 위한 효과 검증 실험, RMR 시제품의 유통기한 설정 실험 3년차 :미생물 위해도 예측시스템을 활용한 RMR 제품의 위해평가, RMR 생산업체의 HACCO 시스템 검증, RMR 생산업체의 온도 자동 모니터링 체계 구축 [제 2 공동연구기관 상명대학교 서울산학협력단] RMR 제품 시장분석 및 소비자 분석을 통한 상품화 컨셉 개발1년차 : 레스토랑 대체 메뉴(RMR) 개발을 위한 국내·외 문헌 분석, 레스토랑 대체
5th row수삼 : 수매 단계에서의 수삼의 중량, 크기 및 등급판정에 대한 휴먼에러를 최소화하고 작업효율성과 정확도를 향상시킬 수 있는 품질검사·분류 자동화/로봇 시스템 기술을 개발 홍삼: 홍삼의 제조 단계에서 외형적 선별과 내형적 선별에 있어 고경력 감별사의 판단에 의존하는 휴먼에러를 감소시키고 작업효율성과 정확도를 향상시킬 수 있는 품질검사·분류 자동화/로봇 시스템 기술을 개발 고춧가루: 제조공정 중의 품위·품질 모니터링으로 제품의 수분, 매운맛 등을 예측가능하게 함으로써 제품다양화와 사용자 편의성을 제고하고 작업효율성과 정확도를 향상시킬 수 있는 품질 모니터링 시스템 기술을 개발 이물 ·고춧가루 제조용 건고추의 이물제거: 육안식별 및 수작업을 통한 고휘도 작업환경으로 인한 작업자의 산업안전을 제고하고 휴먼에러 감소를 통한 작업효율성과 이물질 제거율을 향상시킬 수 있는 이물 선별 자동화/로봇 시스템 기술을 개발 ·맛김치 제조용 절단배추의 이물제거: 맛김치 제조 공정의 이물 제거 공정에서 비정형, 연질 이물에 대한 검사기술의 한계를 극복하고, 육안식별 및 수작업을 통한 고휘도 작업환경으로 인한 작업자의 산업안전을 제고하고 휴먼에러 감소를 통한 작업효율성과 이물질 제거율을 향상시킬 수 있는 이물 선별 자동화/로봇 시스템 기술을 개발
ValueCountFrequency (%)
및 6564
 
5.0%
4127
 
3.1%
개발 2735
 
2.1%
위한 1464
 
1.1%
시스템 1106
 
0.8%
분석 972
 
0.7%
통한 909
 
0.7%
기술 887
 
0.7%
○ 852
 
0.6%
기반 799
 
0.6%
Other values (21536) 111939
84.6%
2024-03-14T20:11:19.645863image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
133186
 
24.4%
기 7651
 
1.4%
및 6577
 
1.2%
- 6073
 
1.1%
이 5890
 
1.1%
발 5797
 
1.1%
개 5727
 
1.0%
성 5651
 
1.0%
제 5392
 
1.0%
한 5331
 
1.0%
Other values (993) 358608
65.7%

Most occurring categories

ValueCountFrequency (%)
Other Letter 351053
64.3%
Space Separator 133191
 
24.4%
Lowercase Letter 17092
 
3.1%
Uppercase Letter 11112
 
2.0%
Other Punctuation 9951
 
1.8%
Decimal Number 6389
 
1.2%
Dash Punctuation 6078
 
1.1%
Close Punctuation 3651
 
0.7%
Other Symbol 3260
 
0.6%
Open Punctuation 3080
 
0.6%
Other values (8) 1026
 
0.2%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
기 7651
 
2.2%
및 6577
 
1.9%
이 5890
 
1.7%
발 5797
 
1.7%
개 5727
 
1.6%
성 5651
 
1.6%
제 5392
 
1.5%
한 5331
 
1.5%
시 5225
 
1.5%
의 5130
 
1.5%
Other values (859) 292682
83.4%
Lowercase Letter
ValueCountFrequency (%)
a 1669
 
9.8%
i 1659
 
9.7%
e 1652
 
9.7%
o 1517
 
8.9%
t 1389
 
8.1%
n 1170
 
6.8%
l 1054
 
6.2%
r 1047
 
6.1%
c 894
 
5.2%
s 803
 
4.7%
Other values (20) 4238
24.8%
Uppercase Letter
ValueCountFrequency (%)
S 999
 
9.0%
P 907
 
8.2%
A 855
 
7.7%
C 854
 
7.7%
R 706
 
6.4%
D 700
 
6.3%
T 662
 
6.0%
I 644
 
5.8%
M 589
 
5.3%
B 512
 
4.6%
Other values (16) 3684
33.2%
Other Punctuation
ValueCountFrequency (%)
, 4983
50.1%
. 1465
 
14.7%
/ 1144
 
11.5%
: 1040
 
10.5%
· 951
 
9.6%
* 162
 
1.6%
% 97
 
1.0%
; 43
 
0.4%
& 25
 
0.3%
′ 15
 
0.2%
Other values (5) 26
 
0.3%
Other Symbol
ValueCountFrequency (%)
○ 1993
61.1%
● 832
25.5%
■ 162
 
5.0%
□ 150
 
4.6%
㈜ 30
 
0.9%
▶ 22
 
0.7%
◆ 19
 
0.6%
◎ 16
 
0.5%
☞ 10
 
0.3%
℃ 9
 
0.3%
Other values (4) 17
 
0.5%
Math Symbol
ValueCountFrequency (%)
> 218
32.9%
< 182
27.5%
~ 63
 
9.5%
+ 61
 
9.2%
▷ 42
 
6.3%
√ 28
 
4.2%
→ 26
 
3.9%
= 19
 
2.9%
∼ 10
 
1.5%
× 9
 
1.4%
Other values (4) 5
 
0.8%
Decimal Number
ValueCountFrequency (%)
2 1683
26.3%
1 1460
22.9%
0 982
15.4%
3 927
14.5%
5 477
 
7.5%
4 407
 
6.4%
6 163
 
2.6%
9 135
 
2.1%
7 84
 
1.3%
8 71
 
1.1%
Other Number
ValueCountFrequency (%)
① 54
30.0%
② 48
26.7%
③ 39
21.7%
④ 22
12.2%
⑤ 8
 
4.4%
⑥ 6
 
3.3%
⑦ 2
 
1.1%
₃ 1
 
0.6%
Space Separator
ValueCountFrequency (%)
133186
> 99.9%
　 5
 
< 0.1%
Dash Punctuation
ValueCountFrequency (%)
- 6073
99.9%
－ 5
 
0.1%
Close Punctuation
ValueCountFrequency (%)
) 3464
94.9%
] 187
 
5.1%
Open Punctuation
ValueCountFrequency (%)
( 2895
94.0%
[ 185
 
6.0%
Final Punctuation
ValueCountFrequency (%)
” 27
60.0%
’ 18
40.0%
Initial Punctuation
ValueCountFrequency (%)
“ 27
57.4%
‘ 20
42.6%
Letter Number
ValueCountFrequency (%)
Ⅱ 4
57.1%
Ⅰ 3
42.9%
Format
ValueCountFrequency (%)
­ 45
100.0%
Connector Punctuation
ValueCountFrequency (%)
_ 33
100.0%
Modifier Symbol
ValueCountFrequency (%)
´ 6
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 351068
64.3%
Common 166589
30.5%
Latin 28198
 
5.2%
Han 15
 
< 0.1%
Greek 13
 
< 0.1%

Most frequent character per script

Hangul
ValueCountFrequency (%)
기 7651
 
2.2%
및 6577
 
1.9%
이 5890
 
1.7%
발 5797
 
1.7%
개 5727
 
1.6%
성 5651
 
1.6%
제 5392
 
1.5%
한 5331
 
1.5%
시 5225
 
1.5%
의 5130
 
1.5%
Other values (851) 292697
83.4%
Common
ValueCountFrequency (%)
133186
79.9%
- 6073
 
3.6%
, 4983
 
3.0%
) 3464
 
2.1%
( 2895
 
1.7%
○ 1993
 
1.2%
2 1683
 
1.0%
. 1465
 
0.9%
1 1460
 
0.9%
/ 1144
 
0.7%
Other values (65) 8243
 
4.9%
Latin
ValueCountFrequency (%)
a 1669
 
5.9%
i 1659
 
5.9%
e 1652
 
5.9%
o 1517
 
5.4%
t 1389
 
4.9%
n 1170
 
4.1%
l 1054
 
3.7%
r 1047
 
3.7%
S 999
 
3.5%
P 907
 
3.2%
Other values (44) 15135
53.7%
Han
ValueCountFrequency (%)
比 6
40.0%
多 2
 
13.3%
體 1
 
6.7%
精 1
 
6.7%
別 1
 
6.7%
計 1
 
6.7%
野 1
 
6.7%
料 1
 
6.7%
豆 1
 
6.7%
Greek
ValueCountFrequency (%)
β 5
38.5%
α 4
30.8%
γ 2
 
15.4%
μ 2
 
15.4%

Most occurring blocks

ValueCountFrequency (%)
Hangul 350848
64.3%
ASCII 190122
34.8%
Geometric Shapes 3243
 
0.6%
None 1068
 
0.2%
Compat Jamo 190
 
< 0.1%
Enclosed Alphanum 179
 
< 0.1%
Punctuation 116
 
< 0.1%
Math Operators 39
 
< 0.1%
Arrows 28
 
< 0.1%
CJK 15
 
< 0.1%
Other values (4) 35
 
< 0.1%

Most frequent character per block

ASCII
ValueCountFrequency (%)
133186
70.1%
- 6073
 
3.2%
, 4983
 
2.6%
) 3464
 
1.8%
( 2895
 
1.5%
2 1683
 
0.9%
a 1669
 
0.9%
i 1659
 
0.9%
e 1652
 
0.9%
o 1517
 
0.8%
Other values (76) 31341
 
16.5%
Hangul
ValueCountFrequency (%)
기 7651
 
2.2%
및 6577
 
1.9%
이 5890
 
1.7%
발 5797
 
1.7%
개 5727
 
1.6%
성 5651
 
1.6%
제 5392
 
1.5%
한 5331
 
1.5%
시 5225
 
1.5%
의 5130
 
1.5%
Other values (846) 292477
83.4%
Geometric Shapes
ValueCountFrequency (%)
○ 1993
61.5%
● 832
25.7%
■ 162
 
5.0%
□ 150
 
4.6%
▷ 42
 
1.3%
▶ 22
 
0.7%
◆ 19
 
0.6%
◎ 16
 
0.5%
▣ 7
 
0.2%
None
ValueCountFrequency (%)
· 951
89.0%
­ 45
 
4.2%
㈜ 30
 
2.8%
× 9
 
0.8%
´ 6
 
0.6%
　 5
 
0.5%
β 5
 
0.5%
－ 5
 
0.5%
α 4
 
0.4%
γ 2
 
0.2%
Other values (4) 6
 
0.6%
Compat Jamo
ValueCountFrequency (%)
ㅇ 100
52.6%
ㆍ 87
45.8%
ㅁ 2
 
1.1%
ㅍ 1
 
0.5%
Enclosed Alphanum
ValueCountFrequency (%)
① 54
30.2%
② 48
26.8%
③ 39
21.8%
④ 22
12.3%
⑤ 8
 
4.5%
⑥ 6
 
3.4%
⑦ 2
 
1.1%
Math Operators
ValueCountFrequency (%)
√ 28
71.8%
∼ 10
 
25.6%
≥ 1
 
2.6%
Punctuation
ValueCountFrequency (%)
” 27
23.3%
“ 27
23.3%
‘ 20
17.2%
’ 18
15.5%
′ 15
12.9%
※ 9
 
7.8%
Arrows
ValueCountFrequency (%)
→ 26
92.9%
↑ 1
 
3.6%
↓ 1
 
3.6%
Misc Symbols
ValueCountFrequency (%)
☞ 10
100.0%
Letterlike Symbols
ValueCountFrequency (%)
℃ 9
100.0%
CJK Compat
ValueCountFrequency (%)
㎡ 6
66.7%
㎛ 3
33.3%
CJK
ValueCountFrequency (%)
比 6
40.0%
多 2
 
13.3%
體 1
 
6.7%
精 1
 
6.7%
別 1
 
6.7%
計 1
 
6.7%
野 1
 
6.7%
料 1
 
6.7%
豆 1
 
6.7%
Number Forms
ValueCountFrequency (%)
Ⅱ 4
57.1%
Ⅰ 3
42.9%

Interactions

2024-03-14T20:10:59.400684image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Correlations

2024-03-14T20:11:19.915637image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
분류사업명총연구기간 시작일총연구기간 종료일당해년연구기간 시작일당해년연구기간 종료일총연구비
분류1.0000.9010.5760.3720.7000.2390.108
사업명0.9011.0000.9430.9300.9590.8950.556
총연구기간 시작일0.5760.9431.0000.9360.8860.9550.765
총연구기간 종료일0.3720.9300.9361.0000.7250.9120.176
당해년연구기간 시작일0.7000.9590.8860.7251.0000.6460.000
당해년연구기간 종료일0.2390.8950.9550.9120.6461.0000.128
총연구비0.1080.5560.7650.1760.0000.1281.000
2024-03-14T20:11:20.209112image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
당해년연구기간 시작일당해년연구기간 종료일사업명총연구기간 종료일총연구기간 시작일분류
당해년연구기간 시작일1.0000.5760.8280.5970.7110.375
당해년연구기간 종료일0.5761.0000.6670.8670.8630.148
사업명0.8280.6671.0000.7080.6040.628
총연구기간 종료일0.5970.8670.7081.0000.7780.209
총연구기간 시작일0.7110.8630.6040.7781.0000.284
분류0.3750.1480.6280.2090.2841.000
2024-03-14T20:11:20.494958image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
총연구비분류사업명총연구기간 시작일총연구기간 종료일당해년연구기간 시작일당해년연구기간 종료일
총연구비1.0000.0360.2500.4520.0950.0000.078
분류0.0361.0000.6280.2840.2090.3750.148
사업명0.2500.6281.0000.6040.7080.8280.667
총연구기간 시작일0.4520.2840.6041.0000.7780.7110.863
총연구기간 종료일0.0950.2090.7080.7781.0000.5970.867
당해년연구기간 시작일0.0000.3750.8280.7110.5971.0000.576
당해년연구기간 종료일0.0780.1480.6670.8630.8670.5761.000

Missing values

2024-03-14T20:10:59.773210image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
A simple visualization of nullity by column.
2024-03-14T20:11:00.337468image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Nullity matrix is a data-dense display which lets you quickly visually pick out patterns in data completion.

Sample

분류사업명총괄과제번호세부과제번호과제명연구수행기관주관기관총연구기간 시작일총연구기간 종료일당해년연구기간 시작일당해년연구기간 종료일총연구비연구목표요약
0농림식품 경제ㆍ사회민간중심 R&D 사업화 지원821066-3821066033SB010통합마케팅조직 수급관리 플랫폼 고도화(ICT종합정보관리, APC관리, 수급분석) 시스템 구축(주)랩씨드(주)랩씨드2021-04-012023-12-312023-01-012023-12-31272535000농산물 수급관리 플랫폼 구축을 위해 3개의 시스템을 구축 (시스템#1) ICT종합정보관리 시스템 고도화­ 수급분석 중심 종합데이터 수집­ 강원도 농업 빅데이터 수집­ 데이터간 복합 연계분석 대시보드 구축 등 (시스템#2) APC관리 시스템 구축­ 시스템 중심 업무관리체계 구축­ 다품목 관리시스템 및 공통업무 체계 구축­ 실시간 APC 데이터 수집체계 구축 등 (시스템#3) 농산물 수급분석 시스템 개발­ 실시간 수급모니터링 및 실시간 대응자료­ 알고리즘 적용 수급 예측 시나리오­ 실시간 데이터 자동 수집, 연계, 분석 기반 구축 등
1농림식품 경제ㆍ사회차세대 식품가공 기술개발121020-3121020033SB010레스토랑 메뉴 대체(RMR) 제품 품질·안전 확보 기술 개발농업회사법인(주) 에이라이프농업회사법인(주) 에이라이프2021-04-012023-12-312023-01-012023-12-31237500000[주관연구기관 농업회사법인 ㈜ 에이라이프] RMR 제품 개발 및 공정 최적화 구축1년차 ; 외식업체 운영자가 해당 레스토랑에서 안전성과 품질이 확된 RMR을 생산/판매할 수 있는 시스템 표준화 및 RMR 상품 개발, 개발 대상 메뉴 확정 및 LAB SPEC 개발(재현성, 문제점, 해결과제 등 도출 ), 기술 연구 및 상품화 연구 구체화2년차 ; 상품개발 후 본 생산 (4분기, 5종), 관능품질 재현 기술 연구(조리 과정에서 발생하는 COOKING FLAVOR 최적화로 요리 맛 재현), 전처리 방법, 원료 특성 등을 대량생산으로 재현할 수 있는 생산기술, 소도구 개발, 유통 중 의 온도 변화, 품질 변화, 미생물 변화 등 측정 및 최적화3년차 : RMR 상품 개선 및 공정 최적화, 고객 모니터링을 통한 마케팅 강화 전략 수립, RMR 맞춤형 메디푸드 생산[제 1 공동연구기관 창원대학교 산학협력단] RMR 제품의 위생 안전성 확보 시스템 구축1년차 : Systematic analysis에 의한 RMR 제품과 식재료의 위해수준 도출 및 대체 제품 제안, RMR 제품 생산을 위한 HACCP 시스템 개발(선행요건 프로그램과 RMR 제품 유형 구분 고려한 HACCP 관리기준서 개발), RMR 생산업체의 HACCP 적용 컨설팅 2년차 :RMR 제품 생산현장의 미생물 분석에 의한 환경 위해도 평가, 개발한 RMR 제품에 적용할 수 있는 포장방법 및 재질 조사, 최적의 포장방법 및 재질을 선정하기 위한 효과 검증 실험, RMR 시제품의 유통기한 설정 실험 3년차 :미생물 위해도 예측시스템을 활용한 RMR 제품의 위해평가, RMR 생산업체의 HACCO 시스템 검증, RMR 생산업체의 온도 자동 모니터링 체계 구축 [제 2 공동연구기관 상명대학교 서울산학협력단] RMR 제품 시장분석 및 소비자 분석을 통한 상품화 컨셉 개발1년차 : 레스토랑 대체 메뉴(RMR) 개발을 위한 국내·외 문헌 분석, 레스토랑 대체
2농림식품 경제ㆍ사회차세대 식품가공 기술개발121020-3121020033HD030RMR 제품의 위생 안전성 확보 시스템 구축창원대학교 산학협력단창원대학교 산학협력단2021-04-012023-12-312023-01-012023-12-3150000000[주관연구기관 농업회사법인 ㈜ 에이라이프] RMR 제품 개발 및 공정 최적화 구축1년차 ; 외식업체 운영자가 해당 레스토랑에서 안전성과 품질이 확된 RMR을 생산/판매할 수 있는 시스템 표준화 및 RMR 상품 개발, 개발 대상 메뉴 확정 및 LAB SPEC 개발(재현성, 문제점, 해결과제 등 도출 ), 기술 연구 및 상품화 연구 구체화2년차 ; 상품개발 후 본 생산 (4분기, 5종), 관능품질 재현 기술 연구(조리 과정에서 발생하는 COOKING FLAVOR 최적화로 요리 맛 재현), 전처리 방법, 원료 특성 등을 대량생산으로 재현할 수 있는 생산기술, 소도구 개발, 유통 중 의 온도 변화, 품질 변화, 미생물 변화 등 측정 및 최적화3년차 : RMR 상품 개선 및 공정 최적화, 고객 모니터링을 통한 마케팅 강화 전략 수립, RMR 맞춤형 메디푸드 생산[제 1 공동연구기관 창원대학교 산학협력단] RMR 제품의 위생 안전성 확보 시스템 구축1년차 : Systematic analysis에 의한 RMR 제품과 식재료의 위해수준 도출 및 대체 제품 제안, RMR 제품 생산을 위한 HACCP 시스템 개발(선행요건 프로그램과 RMR 제품 유형 구분 고려한 HACCP 관리기준서 개발), RMR 생산업체의 HACCP 적용 컨설팅 2년차 :RMR 제품 생산현장의 미생물 분석에 의한 환경 위해도 평가, 개발한 RMR 제품에 적용할 수 있는 포장방법 및 재질 조사, 최적의 포장방법 및 재질을 선정하기 위한 효과 검증 실험, RMR 시제품의 유통기한 설정 실험 3년차 :미생물 위해도 예측시스템을 활용한 RMR 제품의 위해평가, RMR 생산업체의 HACCO 시스템 검증, RMR 생산업체의 온도 자동 모니터링 체계 구축 [제 2 공동연구기관 상명대학교 서울산학협력단] RMR 제품 시장분석 및 소비자 분석을 통한 상품화 컨셉 개발1년차 : 레스토랑 대체 메뉴(RMR) 개발을 위한 국내·외 문헌 분석, 레스토랑 대체
3농림식품 경제ㆍ사회차세대 식품가공 기술개발121020-3121020033HD020RMR 제품 시장분석 및 소비자 분석을 통한 상품화 컨셉 개발상명대학교서울산학협력단상명대학교서울산학협력단2021-04-012023-12-312023-01-012023-12-3160000000[주관연구기관 농업회사법인 ㈜ 에이라이프] RMR 제품 개발 및 공정 최적화 구축1년차 ; 외식업체 운영자가 해당 레스토랑에서 안전성과 품질이 확된 RMR을 생산/판매할 수 있는 시스템 표준화 및 RMR 상품 개발, 개발 대상 메뉴 확정 및 LAB SPEC 개발(재현성, 문제점, 해결과제 등 도출 ), 기술 연구 및 상품화 연구 구체화2년차 ; 상품개발 후 본 생산 (4분기, 5종), 관능품질 재현 기술 연구(조리 과정에서 발생하는 COOKING FLAVOR 최적화로 요리 맛 재현), 전처리 방법, 원료 특성 등을 대량생산으로 재현할 수 있는 생산기술, 소도구 개발, 유통 중 의 온도 변화, 품질 변화, 미생물 변화 등 측정 및 최적화3년차 : RMR 상품 개선 및 공정 최적화, 고객 모니터링을 통한 마케팅 강화 전략 수립, RMR 맞춤형 메디푸드 생산[제 1 공동연구기관 창원대학교 산학협력단] RMR 제품의 위생 안전성 확보 시스템 구축1년차 : Systematic analysis에 의한 RMR 제품과 식재료의 위해수준 도출 및 대체 제품 제안, RMR 제품 생산을 위한 HACCP 시스템 개발(선행요건 프로그램과 RMR 제품 유형 구분 고려한 HACCP 관리기준서 개발), RMR 생산업체의 HACCP 적용 컨설팅 2년차 :RMR 제품 생산현장의 미생물 분석에 의한 환경 위해도 평가, 개발한 RMR 제품에 적용할 수 있는 포장방법 및 재질 조사, 최적의 포장방법 및 재질을 선정하기 위한 효과 검증 실험, RMR 시제품의 유통기한 설정 실험 3년차 :미생물 위해도 예측시스템을 활용한 RMR 제품의 위해평가, RMR 생산업체의 HACCO 시스템 검증, RMR 생산업체의 온도 자동 모니터링 체계 구축 [제 2 공동연구기관 상명대학교 서울산학협력단] RMR 제품 시장분석 및 소비자 분석을 통한 상품화 컨셉 개발1년차 : 레스토랑 대체 메뉴(RMR) 개발을 위한 국내·외 문헌 분석, 레스토랑 대체
4농림식품 기계ㆍ시스템5G기반 식품안전생산기술개발321049-5321049053HD030딥러닝을 이용한 영상 및 초분광 이미징 검사시스템 개발오즈레이주식회사오즈레이주식회사2021-04-012025-12-312023-01-012023-12-31375000000수삼 : 수매 단계에서의 수삼의 중량, 크기 및 등급판정에 대한 휴먼에러를 최소화하고 작업효율성과 정확도를 향상시킬 수 있는 품질검사·분류 자동화/로봇 시스템 기술을 개발 홍삼: 홍삼의 제조 단계에서 외형적 선별과 내형적 선별에 있어 고경력 감별사의 판단에 의존하는 휴먼에러를 감소시키고 작업효율성과 정확도를 향상시킬 수 있는 품질검사·분류 자동화/로봇 시스템 기술을 개발 고춧가루: 제조공정 중의 품위·품질 모니터링으로 제품의 수분, 매운맛 등을 예측가능하게 함으로써 제품다양화와 사용자 편의성을 제고하고 작업효율성과 정확도를 향상시킬 수 있는 품질 모니터링 시스템 기술을 개발 이물 ·고춧가루 제조용 건고추의 이물제거: 육안식별 및 수작업을 통한 고휘도 작업환경으로 인한 작업자의 산업안전을 제고하고 휴먼에러 감소를 통한 작업효율성과 이물질 제거율을 향상시킬 수 있는 이물 선별 자동화/로봇 시스템 기술을 개발 ·맛김치 제조용 절단배추의 이물제거: 맛김치 제조 공정의 이물 제거 공정에서 비정형, 연질 이물에 대한 검사기술의 한계를 극복하고, 육안식별 및 수작업을 통한 고휘도 작업환경으로 인한 작업자의 산업안전을 제고하고 휴먼에러 감소를 통한 작업효율성과 이물질 제거율을 향상시킬 수 있는 이물 선별 자동화/로봇 시스템 기술을 개발
5농림식품 기계ㆍ시스템5G기반 식품안전생산기술개발321049-5321049053HD020고채널다중영상 인식용 딥러닝 AI 모델 및 병렬로봇제어기술 개발한국생산기술연구원한국생산기술연구원2021-04-012025-12-312023-01-012023-12-31300000000수삼 : 수매 단계에서의 수삼의 중량, 크기 및 등급판정에 대한 휴먼에러를 최소화하고 작업효율성과 정확도를 향상시킬 수 있는 품질검사·분류 자동화/로봇 시스템 기술을 개발 홍삼: 홍삼의 제조 단계에서 외형적 선별과 내형적 선별에 있어 고경력 감별사의 판단에 의존하는 휴먼에러를 감소시키고 작업효율성과 정확도를 향상시킬 수 있는 품질검사·분류 자동화/로봇 시스템 기술을 개발 고춧가루: 제조공정 중의 품위·품질 모니터링으로 제품의 수분, 매운맛 등을 예측가능하게 함으로써 제품다양화와 사용자 편의성을 제고하고 작업효율성과 정확도를 향상시킬 수 있는 품질 모니터링 시스템 기술을 개발 이물 ·고춧가루 제조용 건고추의 이물제거: 육안식별 및 수작업을 통한 고휘도 작업환경으로 인한 작업자의 산업안전을 제고하고 휴먼에러 감소를 통한 작업효율성과 이물질 제거율을 향상시킬 수 있는 이물 선별 자동화/로봇 시스템 기술을 개발 ·맛김치 제조용 절단배추의 이물제거: 맛김치 제조 공정의 이물 제거 공정에서 비정형, 연질 이물에 대한 검사기술의 한계를 극복하고, 육안식별 및 수작업을 통한 고휘도 작업환경으로 인한 작업자의 산업안전을 제고하고 휴먼에러 감소를 통한 작업효율성과 이물질 제거율을 향상시킬 수 있는 이물 선별 자동화/로봇 시스템 기술을 개발
6농림식품 기계ㆍ시스템5G기반 식품안전생산기술개발321049-5321049053HD040수삼 및 홍삼의 분광 영상 획득 및 AI 학습용 데이터 구축경북대학교 산학협력단경북대학교 산학협력단2021-04-012025-12-312023-01-012023-12-31100000000수삼 : 수매 단계에서의 수삼의 중량, 크기 및 등급판정에 대한 휴먼에러를 최소화하고 작업효율성과 정확도를 향상시킬 수 있는 품질검사·분류 자동화/로봇 시스템 기술을 개발 홍삼: 홍삼의 제조 단계에서 외형적 선별과 내형적 선별에 있어 고경력 감별사의 판단에 의존하는 휴먼에러를 감소시키고 작업효율성과 정확도를 향상시킬 수 있는 품질검사·분류 자동화/로봇 시스템 기술을 개발 고춧가루: 제조공정 중의 품위·품질 모니터링으로 제품의 수분, 매운맛 등을 예측가능하게 함으로써 제품다양화와 사용자 편의성을 제고하고 작업효율성과 정확도를 향상시킬 수 있는 품질 모니터링 시스템 기술을 개발 이물 ·고춧가루 제조용 건고추의 이물제거: 육안식별 및 수작업을 통한 고휘도 작업환경으로 인한 작업자의 산업안전을 제고하고 휴먼에러 감소를 통한 작업효율성과 이물질 제거율을 향상시킬 수 있는 이물 선별 자동화/로봇 시스템 기술을 개발 ·맛김치 제조용 절단배추의 이물제거: 맛김치 제조 공정의 이물 제거 공정에서 비정형, 연질 이물에 대한 검사기술의 한계를 극복하고, 육안식별 및 수작업을 통한 고휘도 작업환경으로 인한 작업자의 산업안전을 제고하고 휴먼에러 감소를 통한 작업효율성과 이물질 제거율을 향상시킬 수 있는 이물 선별 자동화/로봇 시스템 기술을 개발
7농림식품 기계ㆍ시스템5G기반 식품안전생산기술개발321049-5321049053HD060맛김치 이물선별 시스템 실증 및 성과확산한국식품연구원 부설 세계김치연구소한국식품연구원 부설 세계김치연구소2021-04-012025-12-312023-01-012023-12-3150000000수삼 : 수매 단계에서의 수삼의 중량, 크기 및 등급판정에 대한 휴먼에러를 최소화하고 작업효율성과 정확도를 향상시킬 수 있는 품질검사·분류 자동화/로봇 시스템 기술을 개발 홍삼: 홍삼의 제조 단계에서 외형적 선별과 내형적 선별에 있어 고경력 감별사의 판단에 의존하는 휴먼에러를 감소시키고 작업효율성과 정확도를 향상시킬 수 있는 품질검사·분류 자동화/로봇 시스템 기술을 개발 고춧가루: 제조공정 중의 품위·품질 모니터링으로 제품의 수분, 매운맛 등을 예측가능하게 함으로써 제품다양화와 사용자 편의성을 제고하고 작업효율성과 정확도를 향상시킬 수 있는 품질 모니터링 시스템 기술을 개발 이물 ·고춧가루 제조용 건고추의 이물제거: 육안식별 및 수작업을 통한 고휘도 작업환경으로 인한 작업자의 산업안전을 제고하고 휴먼에러 감소를 통한 작업효율성과 이물질 제거율을 향상시킬 수 있는 이물 선별 자동화/로봇 시스템 기술을 개발 ·맛김치 제조용 절단배추의 이물제거: 맛김치 제조 공정의 이물 제거 공정에서 비정형, 연질 이물에 대한 검사기술의 한계를 극복하고, 육안식별 및 수작업을 통한 고휘도 작업환경으로 인한 작업자의 산업안전을 제고하고 휴먼에러 감소를 통한 작업효율성과 이물질 제거율을 향상시킬 수 있는 이물 선별 자동화/로봇 시스템 기술을 개발
8농림식품 기계ㆍ시스템5G기반 식품안전생산기술개발321049-5321049053HD070고춧가루 품위 적용을 위한 브랜딩 기준 도출 및 맛김치 이물 제어 시스템의 현장 실증대상(주)대상(주)2021-04-012025-12-312023-01-012023-12-3171500000수삼 : 수매 단계에서의 수삼의 중량, 크기 및 등급판정에 대한 휴먼에러를 최소화하고 작업효율성과 정확도를 향상시킬 수 있는 품질검사·분류 자동화/로봇 시스템 기술을 개발 홍삼: 홍삼의 제조 단계에서 외형적 선별과 내형적 선별에 있어 고경력 감별사의 판단에 의존하는 휴먼에러를 감소시키고 작업효율성과 정확도를 향상시킬 수 있는 품질검사·분류 자동화/로봇 시스템 기술을 개발 고춧가루: 제조공정 중의 품위·품질 모니터링으로 제품의 수분, 매운맛 등을 예측가능하게 함으로써 제품다양화와 사용자 편의성을 제고하고 작업효율성과 정확도를 향상시킬 수 있는 품질 모니터링 시스템 기술을 개발 이물 ·고춧가루 제조용 건고추의 이물제거: 육안식별 및 수작업을 통한 고휘도 작업환경으로 인한 작업자의 산업안전을 제고하고 휴먼에러 감소를 통한 작업효율성과 이물질 제거율을 향상시킬 수 있는 이물 선별 자동화/로봇 시스템 기술을 개발 ·맛김치 제조용 절단배추의 이물제거: 맛김치 제조 공정의 이물 제거 공정에서 비정형, 연질 이물에 대한 검사기술의 한계를 극복하고, 육안식별 및 수작업을 통한 고휘도 작업환경으로 인한 작업자의 산업안전을 제고하고 휴먼에러 감소를 통한 작업효율성과 이물질 제거율을 향상시킬 수 있는 이물 선별 자동화/로봇 시스템 기술을 개발
9농림식품 기계ㆍ시스템5G기반 식품안전생산기술개발321049-5321049053HD090식품 법적 표시 가이드 및 평가 플랫폼 개발주식회사 제닛시컨설팅주식회사 제닛시컨설팅2021-04-012025-12-312023-01-012023-12-31250000000수삼 : 수매 단계에서의 수삼의 중량, 크기 및 등급판정에 대한 휴먼에러를 최소화하고 작업효율성과 정확도를 향상시킬 수 있는 품질검사·분류 자동화/로봇 시스템 기술을 개발 홍삼: 홍삼의 제조 단계에서 외형적 선별과 내형적 선별에 있어 고경력 감별사의 판단에 의존하는 휴먼에러를 감소시키고 작업효율성과 정확도를 향상시킬 수 있는 품질검사·분류 자동화/로봇 시스템 기술을 개발 고춧가루: 제조공정 중의 품위·품질 모니터링으로 제품의 수분, 매운맛 등을 예측가능하게 함으로써 제품다양화와 사용자 편의성을 제고하고 작업효율성과 정확도를 향상시킬 수 있는 품질 모니터링 시스템 기술을 개발 이물 ·고춧가루 제조용 건고추의 이물제거: 육안식별 및 수작업을 통한 고휘도 작업환경으로 인한 작업자의 산업안전을 제고하고 휴먼에러 감소를 통한 작업효율성과 이물질 제거율을 향상시킬 수 있는 이물 선별 자동화/로봇 시스템 기술을 개발 ·맛김치 제조용 절단배추의 이물제거: 맛김치 제조 공정의 이물 제거 공정에서 비정형, 연질 이물에 대한 검사기술의 한계를 극복하고, 육안식별 및 수작업을 통한 고휘도 작업환경으로 인한 작업자의 산업안전을 제고하고 휴먼에러 감소를 통한 작업효율성과 이물질 제거율을 향상시킬 수 있는 이물 선별 자동화/로봇 시스템 기술을 개발
분류사업명총괄과제번호세부과제번호과제명연구수행기관주관기관총연구기간 시작일총연구기간 종료일당해년연구기간 시작일당해년연구기간 종료일총연구비연구목표요약
1254축산축산시설환경개선321089-5321089053HD050고착 슬러지 용해분해제 개발 및 자원화 방안 연구한국과학기술원한국과학기술원2021-04-012025-12-312023-01-012023-12-31100000000- 고착슬러지의 성분에 따른 용해분해제 개발- 제거방법(물리, 화학)에 따른 악취저감 및 유해가스 발생패턴 분석- 용해분해제 투입시 최적 효율 저감 방법 제시- 사용 용해기술의 무해성 검증 및 근거 제시- 제거 고착슬러지 자원화 및 활용방안 마련
1255축산축산시설환경개선321089-5321089053SB010양돈장 고착슬러지 제거 방안 제시, 사업화 추진 및 농가 실증경상국립대학교 산학협력단경상국립대학교 산학협력단2021-04-012025-12-312023-01-012023-12-31110000000- 돈사 피트 고착슬러지 제거 및 고착 방지 방법 탐색- 액비저장조 고착 슬러지 제거 및 고착 방지 방법 모색- 물리적, 화학적 및 미생물적 처리 방법 및 처리방법 조합 탐색- 참여 지자체, 양돈농가 현장 검증- 고착 슬러지 제거 기술 사업화 검토 : 물리적, 화학적 및 미생물적 처리 기술- 고착 슬러지 제거용 제품개발 : 고착 슬러지 제거 실적 가진 업체와 협업- 고착슬러지 제거 효과 실증 : 양돈농가 5개소 이상의 돈사 피트 및 액비저장조
1256축산축산시설환경개선321092-3321092033HD020깔짚재에 따른 육용오리의 생산성과 경제성 분석 및 검증충남대학교 산학협력단충남대학교 산학협력단2021-04-012023-12-312023-01-012023-12-3150000000○ 2차년도(2022) 내용<깔짚재에 따른 육용오리의 생산성과 경제성 분석 및 검증(공동1: 충남대학교 허정민)> - 깔짚 살포로봇 설치 농장 현장 검증을 통한 깔짚재와 육용오리의 상관관계 구명 * ­ ㈜다운, ㈜체리브로, ㈜제일사료, ㈜우성사료 등 국내 기업을 통한 농장 섭외 * ­ 현장 환경 검증 후, 깔짚재와 육용오리의 성장 능력 상관관계 구명 - 깔짚 살포로봇 이용시 깔짚환경과 오리의 생산성과 경제성에 미치는 영향 구명 * ­ 1단계의 연구를 기반으로 통계분석 등을 통한 경제성 분석 * ­ 해당 연구 관련 논문의 데이터를 수집 후, 통계 검정 실시
1257축산축산시설환경개선321092-3321092033HD030AI기반 오리 폐사체와 이상 개체 검출 및 깔짚 상태 인식 방법론 연구가톨릭대학교 산학협력단가톨릭대학교 산학협력단2021-04-012023-12-312023-01-012023-12-31100000000<AI기반 오리 폐개체와 이상 개체 검출 및 깔짚 상태 인식 방법론 연구(공동2: 가톨릭대학교 강호철)> - AI기반 개체 검출 기술개발 및 고도화 * 오리사 위치별 오리 분포도 인식 기술 개발 * 분포도와 사육 환경 연관성 규명 * 오리 분포 영상기반 환경제어 시스템 개발 * 분산된 오리의 폐사체 및 이상개체에 대한 인식율 분석
1258축산축산시설환경개선321092-3321092033SB010오리축사용 궤도주행형 왕겨살포로봇 개발 및 현장 실증주식회사 다운주식회사 다운2021-04-012023-12-312023-01-012023-12-31438000000○ 3차년도(2023) 내용<오리축사용 궤도주행형 왕겨살포로봇 개발 및 현장 실증(주관: 주식회사 다운 최영경)> - 현장 적응시험을 통한 제품성능 고도화 * 깔짚 살포로봇 상용제품 제작 및 현장 실증 * 통합제어기 개발 * 보급 위한 마케팅 및 대리점 교육 * KC 인증절차 수행 * 개발 깔짚 살포로봇 보급을 위한 농기계 검인증: 한국농업기술진흥원<깔짚재에 따른 육용오리의 생산성과 경제성 분석 및 검증(공동1: 충남대학교 허정민)> - 깔짚 살포로봇 설치 농장 현장 검증을 통한 깔짚재와 육용오리의 상관관계 구명 * ­ ㈜다운, ㈜체리브로, ㈜제일사료, ㈜우성사료 등 국내 기업을 통한 농장 섭외 * ­ 현장 환경 검증 후, 깔짚재와 육용오리의 성장 능력 상관관계 구명 - 깔짚 살포로봇 이용시 깔짚환경과 오리의 생산성과 경제성에 미치는 영향 구명 * ­ 1단계의 연구를 기반으로 통계분석 등을 통한 경제성 분석 * ­ 해당 연구 관련 논문의 데이터를 수집 후, 통계 검정 실시<AI기반 오리 폐개체와 이상 개체 검출 및 깔짚 상태 인식 방법론 연구(공동2: 가톨릭대학교 강호철)> - AI기반 개체 검출 기술개발 및 고도화 * 오리사 위치별 오리 분포도 인식 기술 개발 * 분포도와 사육 환경 연관성 규명 * 오리 분포 영상기반 환경제어 시스템 개발 * 분산된 오리의 폐사체 및 이상개체에 대한 인식율 분석
1259축산축산시설환경개선322099-2322099022HD020한우에서 장내발효 메탄저감 효과가 있는 제품의 국내 효과 실증(주)카길애그리퓨리나(주)카길애그리퓨리나2022-04-012023-12-312023-01-012023-12-3130000000- 문헌 또는 제조사의 제품정보를 분석하여 적정 급여수준(% 건물섭취량) 결정- 후보 물질 3점의 한우 in vivo 호흡챔버 메탄저감 효과 비교(단기 효과)를 통해서 최종 1점 선정의 실험적 근거 확보- 저감효과가 가장 큰 후보 1점의 5개월 이상 장기 급여효과 측정 결과를 정리하여 온실가스종합정보센터에 감축계수 심의 신청(1차; 23년) 및 대응- 1차 신청에서 등록 거절 시에 추가 실험 수행과 과제 종료 후(24년 7월) 2차 신청- 8개월령부터
1260축산축산시설환경개선322099-2322099022SB010한우에서 장내발효 메탄저감 효과가 있는 제품의 국내 효과 실증서울대학교 산학협력단서울대학교 산학협력단2022-04-012023-12-312023-01-012023-12-31360000000- 문헌 또는 제조사의 제품정보를 분석하여 적정 급여수준(% 건물섭취량) 결정- 후보 물질 3점의 한우 in vivo 호흡챔버 메탄저감 효과 비교(단기 효과)를 통해서 최종 1점 선정의 실험적 근거 확보- 저감효과가 가장 큰 후보 1점의 5개월 이상 장기 급여효과 측정 결과를 정리하여 온실가스종합정보센터에 감축계수 심의 신청(1차; 23년) 및 대응- 1차 신청에서 등록 거절 시에 추가 실험 수행과 과제 종료 후(24년 7월) 2차 신청- 8개월령부터
1261축산축산시설환경개선322101-3322101032SB010가축시장 안전사고 예방을 위한 스마트 소 이송시스템 개발지금강(주)지금강(주)2022-04-012024-12-312023-01-012023-12-31125000000■ 국내 가축시장 운영 실태 및 해외 선진사례 조사 국내 가축시장 운영자, 작업자 인터뷰를 통해 개선점 도출 선진국(미국, 호주 및 일본)의 가축시장 운영 실태조사 선진국의 가축시장 스마트 가축 이송 자동화 시스템 개발 사례조사 선진국의 가축시장 벤치마킹을 통한 국내 가축시장 적용방안 도출■ 스마트 가축 이송 자동화 시스템 개발 가축시장 운영 및 작업자 안전을 고려한 경로 분석 및 설계 가축시장 운영자, 작업자 등이 참여하여 설계 검증 및 개선안 도출 가축시장 하차, 개체인식, 이동, 계근 및 분류 등 자동화요소 발굴 분석 가축 유도몰이 장치 및 이송용 케이지 시작품 개발 스마트 가축 이송 자동화 시스템 개발 지게차 및 AGV 등을 이용한 이송시스템 개발 제품 모듈화 등 가축시장 여건 적용 가능한 상용화 제품 개발 가축시장 현장 실증 개발 각 구성요소의 현장 실증을 통한 개선안 도출 가축시장 규모/형태별 소요비용 산출 및 경제성분석■ 스마트 가축 이송 자동화 시스템 현장 실증 개발 각 구성요소의 현장 실증을 통한 개선안 도출■ 스마트 가축 이송 시스템 이용에 따른 동물복지 향상도 확인 수송 조건(거리, 시간, 온도 및 계절 등)에 따른 스트레스 관련 지표 변화양상 분석 스트레스 지표와 수송 조건 간의 상관관계 분석 스마트 가축 이송 시스템 활용에 의한 스트레스 지표 변화 양상 분석 기존의 시스템과 스마트 가축 이송 시스템간에 행동학적 점수 평가 가축의 행동과 스트레스 지표 사이의 상관관계 분석■ 스마트 가축시장 플랫폼과 연계방안 구축 가축시장 통합 관리시스템(농협경제지주)과 연계방안 구축 맞춤형 온라인 경매 플랫폼과 연계방안 구축
1262축산축산시설환경개선322101-3322101032HD030국내 가축시장 운영실태 및 해외 선진사례 조사정피엔씨연구소정피엔씨연구소2022-04-012024-12-312023-01-012023-12-3162500000■ 국내 가축시장 운영 실태 및 해외 선진사례 조사 국내 가축시장 운영자, 작업자 인터뷰를 통해 개선점 도출 선진국(미국, 호주 및 일본)의 가축시장 운영 실태조사 선진국의 가축시장 스마트 가축 이송 자동화 시스템 개발 사례조사 선진국의 가축시장 벤치마킹을 통한 국내 가축시장 적용방안 도출
1263축산축산시설환경개선322101-3322101032HD020스마트 가축 이송 시스템 이용에 따른 동물복지 향상도 확인전북대학교산학협력단전북대학교산학협력단2022-04-012024-12-312023-01-012023-12-3160000000■ 스마트 가축 이송 시스템 이용에 따른 동물복지 향상도 확인 가축의 수송 조건 별 스트레스 지표 분석 평가 가축의 행동학적 특성 검토 및 평가 기준 설립 스마트 가축 이송 시스템 활용에 따른 동물복지 개선 확인 스마트 가축 이송 시스템 활용에 따른 가축의 동물복지 측면에서의 특성 분석