제조분야 데이터 기반 제품·서비스 개발 관련 애로사항 및 추진계획 등의 개요

1. 개발하려는 시제품 설명 - 반려동물의 비만을 예측할 수 있는 데이터를 게더링하여, 비만예방에 필요한 영양소를 도출하고, 도출된 영양소에 맞는 사료를 추천 및 정기배송하여, 반려동물의 비만이 개선되었는지 추적조사하는 전단계 IoT Grid 시스템 가. [기존] 전세계 60% 펫은 비만, 그 중 45%는 자신의 펫의 몸무게도 모름, 비만은 만병의 원인으로 방치, 펫은 쉽게 질병에 걸려 값비싼 병원을 이용해야하고, 돈이 없는 하위 15%의 계층은 병든 펫을 유기 또는 대출을 통해 펫푸어로 전락하는 사회적 문제 발생(출처: 통계청_2022년/워싱턴포스트_2022년) 나. [문제1] 비만을 예측하는 IoT제품 부재(원천데이터 획득) [문제2] 비만을 예방하는 식단추천 AI 부재(원천데이터를 통한 AI) [문제3] 펫제품은 비싸고, 인테리어에 어울리는 디자인 부재(1일 1회 사용을 유도하는 기능) 다. [해결1] 비만을 예측할 수 있는 원천데이터 게더링할 수 인는 IoT를 개발하여 비만과 관련된 Data를 게더링하고, 원천데이터를 분석하여 비만에 따라 필요한 영양소를 추천하여, 맞춤사료를 정기배송하고, 캐릭터(뽀로로)를 사용하여 매출을 올리는 솔루션 ➜ [핵심기능] 비만에 따라 3가지 이상의 기능성 사료의 배합으로 비만을 관리하는 AI기술은 세계 최초이며 현재 Nestle 알고리즘 기반으로 개발 중 ➜ [핵심기능] 뽀로로 캐릭터를 사용하여 50g 단위 몸무게 측정 기반 IoT개발 기술은 자사만이 보유한 설계 기술 2. 적용하고자 하는 새로운 기술 가. [목표] 강아지의 비만을 예측할 수 있는 원천데이터의 측정이 가능한 임베디드의 개발 1) [현재] 고양이용으로 비만예측 IoT를 제작하였고, 매년 약 3억원 매출을 내고 있는 상황에서, 자사는 - 관련 시장의 80%가 넘는 강아지시장으로 전환이 필요한 상황 - 또한 강아지용으로 사용이 가능한 크기가 큰 제품에 대한 소비자 Needs가 큰 것을 인지 - 자사의 타겟인 1인가구 양육자가 선호하는 캐릭터를 제품에 융합하여 매출 극대화도 시급한 상황 2) [개선] 현재 크기가 작은 제품(8kg미만 반려동물 사용)을 크기가 큰 제품(15kg미만 반려동물이 사용) 으로 양산형 3D설계 후 임베디드 개발 - [가격] 기존 7만원 제조원가를 5만원으로 낮출 수 있는 BOM 도출 - [금형] 기존 1.4억원의 금형가격을 낮출 수 있는 3개 파트의 7천만원 금형 디자인 - [정확도] 비만을 예측하기 위한 몸무게 측정기능을 기존 정확도 100g에서 50g단위로 올릴 수 있게 내부 3D설계 및 HW/SW/FW변경 - [연동] 기존 고양이용 하우스의 컨셉트를 강아지도 쓸 수 있는 하우스형태 또는 하우스가 분리되어 다양한 컨셉트로 연출이 가능한 커스터마이징 설계 (이유: 1일 1회 몸무게 측정이 이루어져야 원천데이터 확보가 가능하며, 이후 사료추천 알고리즘의 정확도를 높일 수 있음) 2. 애로기술 - [정확도] 제품의 크기가 커지게 되면 몸무게 측정하는 센서의 배치의 따라 정확도가 낮아질 수 있음 - [온열] 반려동물이 좋아하는 높은 온도에서는 센서의 물성특징에 따라 몸무게측정 정확도가 낮음 - [통신] 기존 APP과 제품이 연동되야 데이터가 넘어오는 형태로는 데이터가 꾸준히 서버로 넘어가지 않음 - [크기] 제품의 크기를 크게하면 할수록 휜 현상과 수출 시 부피로 운송비가 많이 나올 수 있음 - [커스터마이징] 1일 1회 원천데이터를 확보하기 위해서는 강아지가 좋아하는 형태로 바뀔 수 있는 제품의 컨셉트가 필요 - [Analyzing] 게더링한 데이터를 활용하여 비만을 예측하는 알고리즘의 정확도를 높이고, 비만을 예방할 수 있는 사료추천 알고리즘 개발이 필요함(데이터 가중치 및 전처리 중요) 3. 개발과정 가. 기존 고양이용 비만예측 IoT 시제품 개발 노하우 사용 - 고양이 대상 비만예측 IoT를 제작한 노하우를 이용 15kg미만 강아지 몸무게 측정 PoC 진행 - 약 3,000건의 펫 몸무게/집안환경 등 비만예측에 필요한 Data 게더링 - [기존] 8kg미만 고양이 사용/몸무게측정 오차범위 ±100g/수면시간 측정 기능의 제품 제작 (HW/SW/FW) 설계 노하우 및 APP을 열지 않아도 데이터가 게더링되는 통신방법을 사용하여, - [활용) 15kg미만 고양이/강아지가 공통으로 사용이 가능한 제품의 설계, 설계 시 기존 개발완료한 4point의 로드셀의 FW를 적용하여 무게측정의 오차범위를 ±50g까지 개선하는 비만예측 IoT 제작/수면시간 측정 기능 및 외부에 사용할 수 있는 실링방법 적용 나. 질병예측 모델 시뮬레이션 진행 - 펫 몸무게관련 실제 데이터 3,000건을 통해 펫의 질병예측 5단계 모델링 진행 - [결과] Desion Tree, One VS Rest LR 모델: F-Score가 80%이상 정확도 확보 - [기존] 6개 측정값(몸무게/온도/일교차/수면시간/습도/노는시간)을 통해 펫의 건강수준을 분류하고, 분석모델링을 하여 분류모델 평가를 했던 노하우를 사용하여, - [활용] 3가지 변수인 “운동량, 몸무게, BCS”에 대한 정보와 8가지 상수인 “종류(개/고양이), 나이, 품종, 운동량, 몸무게, BCS(바디쉐이프), 선호하는 단백질(닭/칠면조/양), 질병유무”를 테깅하여 비만유무를 레이블링할 수 있는 알고리즘 개발 다. 기성사료 영양비율 분류 및 맞춤사료 추천 가능성 타진 - 사료 영양비율 원천데이터 15개 파일(38개 컬럼구성)에서 각 성분을 백분율로 전처리 - 데이터 상관 분석 후 시각화하여, 사료 성분 KNN분류 완료. - (기존) 15개 샘플 사료의 영양비율 데이터의 전처리 및 상관분석(시각화)했던 노하우로 - (활용) 2,000건의 샘플 사료의 영양비율 데이터를 개발하고, 그 중 Nestle 사료를 축출하여 Nestle의 사료추천 알고리즘을 분석 후, 사료의 영양비율을 전처리화하여 Nestle의 사료추천 알고리즘과 비슷한 추천 정확도를 확보한 알고리즘 개발

지원의 필요성

1. 지원 타당성 가. 원천데이터의 필요: 수의과학적 측면에서 비만관련 원천데이터 필요 1) 수의사는 병원에 내방한 Pet의 건강상태 진단을 위해 가장 먼저 “①체온측정 ②몸무게측정 ③계절요인 ④주거환경상태”를 파악하는 것이 일반적 의료행위 2) 정확한 진단을 위해 3일 이상의 활동상태 변화, 신체변화, 환경변화의 Data가 있었으면 하는 수의사의 Needs 확인 3) [목적1] 이에 자사는 Pet의 활동시간, 수면시간, 몸무게 변화, 계절변화, 일교차, 집안의 온도변화 Data를 정확하게 센싱하고 적재하여 Pet의 건강변화상황을 수의사에게 상세히 제공하는 IoT Grid service 제공 4) [목적2] Pet의 비만에 따라 3가지 사료 비타민, 다이어트 사료, 첨가제 등을 추천하여 Pet의 비만을 장기적으로 치료하는 목적의 IoT 서비스 제공 2. 사회적문제관점에서 필요 - 비만예측 IoT를 공공장소에 설치하는 국가차원 캠페인으로 - 한해 유기동물을 2만마리, 펫푸어 50만가구, 관련 세금 50억 절약할 수 있음 3. 기업의 애로사항을 해결하기 위한 필요성 가. 기존 애로사항 - 고양이에 한정된 데이터의 게더링으로 약 8,000억원의 강아지 시장을 확보하지 못하고, 강아지 비만관련 원천데이터 확보가 어려운 상황 - 현재 자사는 Nestle와 협업을 진행하고 있으며, 2023년 포르투갈에 Nestle소유 펫병원에서 비만예측 IoT의 PoC를 진행하기 하여, 15kg미만이 사용이 가능한 크기가 큰 제품의 개발이 필요 - 크기가 큰 제품의 몸무게측정 정확도가 50g단위 이하가 되어야 하며, 표기하는 유닛은 10g단위가 되어야 비만에 따른 사료 예측이 가능한 상황 - 비만예측 IoT를 서울시테스트베드 PoC(정부지원금 4억)을 진행하기 전단계로, 비만을 예측할 수 있는 정확한 데이터 게더링이 가능한 임베디드가 절실한 상황 나. 기존 비만예측IoT를 통해 필요한 내용 유추 - 현재 자사는 고양이용(8kg)미만 반려동물 비만예측IoT를 통해 세계유일의 반려동물 비만데이터 5,000건, 처방사료 비율 분석 데이터 10,000건을 소유 하였음 - 이를 활용하여 자사는 2021반려동물 1,000마리 개체의 몸무게 데이터를 게더링한 후 건강을 예측하는 모델을 개발 후 KT와 검증 완료(KT와 Mou체결 완료)하였으며, - 2022년 Nestle 오픈이노베이션(유럽) 세계 top3로 선정되어 Nestle와 자사의 원천데이터를 사용하여 비만예방 사료를 추천하는 협업을 진행하고 있음 - [필요] 현재 고양이용 비만예측IoT를 강아지용 비만예측IoT로 변경이 시급하며, 변경시 몸무게 정확도와 함께 강아지가 좋아하는 형태로의 디자인 개선이 꼭 필요한 상황임

데이터 활용도

1. 비만예측 IoT 개발 완료 후 - 반려동물의 비만을 예측하는 IoT와 APP 개발 완료 - 판매증진을 위한 뽀로로캐릭터 라이선스 적용 디자인 제품 개발 2. 단계별 추진 계획 가. 1단계(6개월): IoT로 측정되는 데이터를 Analyzing하여 3개의 알고리즘 신규 개발 및 고도화 1) 비만 예측 및 건강 예측 알고리즘 고도화 - 론칭 후 수집한 데이터(5,000건)를 통한 비만예측 알고리즘 모델의 고도화 - 건강예측 알고리즘을 비만 예측 알고리즘과 융합 진행 2) 수면의 질 예측 알고리즘 신규 개발 - 현재 수집한 데이터 중 사용시간/휴식시간/수면시간 데이터(1,500건)를 통한 수면의 질 예측 알고리즘 모델 신규 개발 - 수면관련 Data를 획득할 수 있는 반려동물 웨어러블형 IoT 기획 나. 2단계: 사료의 영양비율 샘플데이터 개발 후, 이를 활용한 사료추천 알고리즘 검증 및 추천된 사료를 급여할 수 있는 IoT 개발 1) 영양비율 추천 알고리즘 신규 개발 - 론칭한 IoT APP을 통해 게더링 된 반려동물의 상수데이터 (구분, 품종, 나이, BCS, 질병유무, 성별) - 론칭한 IoT Greed를 통해 센싱된 반려동물의 변수데이터(몸무게, 수면시간, 놀이시간, 집안온도, 제품온도, 힐링음악재생시간 등) - 융합 알고리즘(비만예측+수면의 질예측)을 통한 영양비율 추천 알고리즘 개발 ➜ (결론) IoT를 통해 실시간 게더링 되는 반려동물의 데이터를 통한 반려동물이 필요한 4대 영양비율예측 추천 AI 개발을 위한 데이터 전처리 실시 2) 사료추천 알고리즘 고도화 - 1단계에서 개발한 영양비율 추천 알고리즘을 사료의 영양비율 샘플데이터 (10,000건)와 매칭 - 매칭되는 정확도를 올리기 위해 Nestle 수의사 검증 진행 다. 3단계: 사료 딜리버리 서비스 플랫폼 개발 1) 건강식 급여 IoT 개발 - 추천되는 사료를 반려동물의 비만상태에 따라 섞어서 급여할 수 있는 IoT 제품 개발 - 믹싱/토출 부의 3D디자인 개발 및 시제품 제작 후 테스트 진행 - 펫푸드를 섞어서 주는 컨셉트에 대한 BM/토출 부 특허(IP) 등록 진행 2) IoT 제품화 및 비즈니스 플랫폼 완성 - 개발된 IoT를 통해 비만예측하고, 예측된 비만에 따른 영양비율 추천하고, 추천한 영양비율과 가장 유사한 사료+영양제를 추천하여 이를 믹싱하는 IoT를 론칭 - 론칭된 서비스를 통해 반려동물이 필요한 사료를 기존 사료기업과 연결하여 수수료를 받는 사료 정기배송 플랫폼 개발 3. 비만 예측 모델 개발 방향성 가. 시계열 데이터 분석에 기반 알고리즘 개발 1) 일반적인 건강예측 모델들은 hand-craft로 도출된 변수 (평균 식사량, 평균 운동시간, 평균 수면 시간 등)에 기반한 예측 모델을 활용하고 있음 2) 이는 전반적인 변수의 특성은 반영할 수 있는 방식이지만 변수의 변화에 따른 요소를 파악하지 못하는 한계가 있음. 3) 따라서 본 연구에서는 아래 그림과 같이 다양한 변수를 다변량 시계열 형태로 통합하고, 이를 시퀀스 모델에 기반한 정확도 높은 예측 모델로 고도화를 진행할 계획임. 4) 실시간으로 수집되는 반려동물 IoT 데이터 전체를 모델의 input으로 하여 변수의 전반적인 특성 뿐 아니라 변수의 개별적인 변화 등의 세부적인 특성을 모두 반영할 수 있는 모델로 고도화할 예정. 5) 데이터의 길이가 길어지면 forgetting 현상이 발생하는 시퀀스 모델의 특성을 고려하여 LSTM (Long Short-Term Memory), GRU (Gated Recurrent Unit)에 기반한 모델 뿐 아니라 셀프 어텐션 (self-attention)이 가능한 트랜스포머에 기반한 모델을 활용할 계획임. 4. 연구 과제 진행 전략 - 모델 학습을 통해 자사가 기 수집한 데이터 뿐 아니라 추후 실시간으로 수집될 데이터를 함께 활용할 예정임. 기존 알고리즘에 기반한 제품이 기 출시되어 바, 반려동물 유저를 통해 수집되는 데이터로 알고리즘의 성능을 지속적으로 향상시킬 수 있음. - 알고리즘 전문가의 피드백뿐 아니라 도메인 전문가인 Nestle(유럽)의 수의사의 피드백을 통한 개발한 알고리즘의 성능을 복합적으로 검증할 예정임. - 선행 개발되는 수면의 질 예측 모델과 비만 예측 모델은 영양 비율/사료 추천 알고리즘의 input으로 활용되는 바, 후행 모델의 결과를 통해 선행 개발 모델의 성능 역시 함께 개선되는 선순환적인 구조를 기대함.

기대효과(시장성 및 경제성)

1. 비만예측 IoT 개발 완료 후 - 반려동물의 비만을 예측하는 IoT와 APP 개발 완료 - 판매증진을 위한 뽀로로캐릭터 라이선스 적용 디자인 제품 개발 2. 단계별 추진 계획 가. 1단계(6개월): IoT로 측정되는 데이터를 Analyzing하여 3개의 알고리즘 신규 개발 및 고도화 1) 비만 예측 및 건강 예측 알고리즘 고도화 - 론칭 후 수집한 데이터(5,000건)를 통한 비만예측 알고리즘 모델의 고도화 - 건강예측 알고리즘을 비만 예측 알고리즘과 융합 진행 2) 수면의 질 예측 알고리즘 신규 개발 - 현재 수집한 데이터 중 사용시간/휴식시간/수면시간 데이터(1,500건)를 통한 수면의 질 예측 알고리즘 모델 신규 개발 - 수면관련 Data를 획득할 수 있는 반려동물 웨어러블형 IoT 기획 나. 2단계: 사료의 영양비율 샘플데이터 개발 후, 이를 활용한 사료추천 알고리즘 검증 및 추천된 사료를 급여할 수 있는 IoT 개발 1) 영양비율 추천 알고리즘 신규 개발 - 론칭한 IoT APP을 통해 게더링 된 반려동물의 상수데이터 (구분, 품종, 나이, BCS, 질병유무, 성별) - 론칭한 IoT Greed를 통해 센싱된 반려동물의 변수데이터(몸무게, 수면시간, 놀이시간, 집안온도, 제품온도, 힐링음악재생시간 등) - 융합 알고리즘(비만예측+수면의 질예측)을 통한 영양비율 추천 알고리즘 개발 ➜ (결론) IoT를 통해 실시간 게더링 되는 반려동물의 데이터를 통한 반려동물이 필요한 4대 영양비율예측 추천 AI 개발을 위한 데이터 전처리 실시 2) 사료추천 알고리즘 고도화 - 1단계에서 개발한 영양비율 추천 알고리즘을 사료의 영양비율 샘플데이터 (10,000건)와 매칭 - 매칭되는 정확도를 올리기 위해 Nestle 수의사 검증 진행 다. 3단계: 사료 딜리버리 서비스 플랫폼 개발 1) 건강식 급여 IoT 개발 - 추천되는 사료를 반려동물의 비만상태에 따라 섞어서 급여할 수 있는 IoT 제품 개발 - 믹싱/토출 부의 3D디자인 개발 및 시제품 제작 후 테스트 진행 - 펫푸드를 섞어서 주는 컨셉트에 대한 BM/토출 부 특허(IP) 등록 진행 2) IoT 제품화 및 비즈니스 플랫폼 완성 - 개발된 IoT를 통해 비만예측하고, 예측된 비만에 따른 영양비율 추천하고, 추천한 영양비율과 가장 유사한 사료+영양제를 추천하여 이를 믹싱하는 IoT를 론칭 - 론칭된 서비스를 통해 반려동물이 필요한 사료를 기존 사료기업과 연결하여 수수료를 받는 사료 정기배송 플랫폼 개발 3. 비만 예측 모델 개발 방향성 가. 시계열 데이터 분석에 기반 알고리즘 개발 1) 일반적인 건강예측 모델들은 hand-craft로 도출된 변수 (평균 식사량, 평균 운동시간, 평균 수면 시간 등)에 기반한 예측 모델을 활용하고 있음 2) 이는 전반적인 변수의 특성은 반영할 수 있는 방식이지만 변수의 변화에 따른 요소를 파악하지 못하는 한계가 있음. 3) 따라서 본 연구에서는 아래 그림과 같이 다양한 변수를 다변량 시계열 형태로 통합하고, 이를 시퀀스 모델에 기반한 정확도 높은 예측 모델로 고도화를 진행할 계획임. 4) 실시간으로 수집되는 반려동물 IoT 데이터 전체를 모델의 input으로 하여 변수의 전반적인 특성 뿐 아니라 변수의 개별적인 변화 등의 세부적인 특성을 모두 반영할 수 있는 모델로 고도화할 예정. 5) 데이터의 길이가 길어지면 forgetting 현상이 발생하는 시퀀스 모델의 특성을 고려하여 LSTM (Long Short-Term Memory), GRU (Gated Recurrent Unit)에 기반한 모델 뿐 아니라 셀프 어텐션 (self-attention)이 가능한 트랜스포머에 기반한 모델을 활용할 계획임. 4. 연구 과제 진행 전략 - 모델 학습을 통해 자사가 기 수집한 데이터 뿐 아니라 추후 실시간으로 수집될 데이터를 함께 활용할 예정임. 기존 알고리즘에 기반한 제품이 기 출시되어 바, 반려동물 유저를 통해 수집되는 데이터로 알고리즘의 성능을 지속적으로 향상시킬 수 있음. - 알고리즘 전문가의 피드백뿐 아니라 도메인 전문가인 Nestle(유럽)의 수의사의 피드백을 통한 개발한 알고리즘의 성능을 복합적으로 검증할 예정임. - 선행 개발되는 수면의 질 예측 모델과 비만 예측 모델은 영양 비율/사료 추천 알고리즘의 input으로 활용되는 바, 후행 모델의 결과를 통해 선행 개발 모델의 성능 역시 함께 개선되는 선순환적인 구조를 기대함.