지식참고자료

[태그:] sql

  • 인천대학교 나노바이오실험(2) A+ 자료) 10. Liquid chromatography-mass spectrometry (LC/MS)을 이용한 카페인 검출

    목차

    1. Abstract

    2. Introduction
    1) Chromatography
    2) HPLC (High Performance Liquid Chromatography, 고성능 액체 크로마토그래피)
    3) HPLC의 작동 방식
    4) HPLC detector
    5) 액체 크로마토그래피-질량분석 (LC/MC)
    6) ESI (Electrospray Ionization)
    7) SQ (Sequential Quadrupole)
    3. Materials & Methods

    4. Results
    1) LC-MS를 통해 측정한 분자량과 이론적 분자량을 비교하라.
    2) LC-MS를 통해 검량한 커피와 녹차(이번 실험에서는 커피와 핫식스)의 caffein 함량과 실제 표시되어있는 caffein 함량을 비교하라.
    3) 미지의 시료(미유 커피) 함유된 caffeine의 농도를 계산하라.

    5. Discussions
    1) 검량한 커피와 녹차(이번 실험에서는 커피와 핫식스)의 caffeine 함량이 다른 이유를 생각해보시오.

    6. References

    본문내용

    Ⅰ. Abstract
    이번 실험은 LC/MS를 이용하여 커피에 있는 caffeine을 정량 분석하였다. 이외에도 시중에 판매하는 커피와 핫식스, 미지 시료에 있는 caffeine도 검량해 보았다. 실험 결과, LC-MS를 통해 측정한 이온화된 상태의 caffeine의 분자량은 195.1 g/mol이었다. 여기서 수소 이온의 분자량인 1 g/mol을 제외하면 194.1 g/mol이며, 이론적인 분자량인 194.194 g/mol과 비교하여 거의 일치하는 결과를 보였다. (오차율 0.048 %) 다음으로 커피의 caffeine은 실제 표시된 함량 400 ppm보다 크게 낮은 281.4 ppm을 얻었고, 오차율은 29.65%로 높은 편이었다. 반면 핫식스의 caffeine은 실제 표시된 함량인 240 ppm과 거의 비슷한 249.9 ppm을 얻었고, 오차율은 4.125%로 비교적 낮았다. 마지막으로 미지의 시료를 LC-MS를 통하여 검량한 caffeine의 농도는 2.453 ppm이었다. 여기에 희석배수 100을 곱하면 245.3 ppm이 된다. 따라서 미지의 시료에 함유된 caffeine의 농도는 245.3 ppm이다. 더 나아가 일반 커피와 비교하였을 때, 미지의 시료로 사용한 커피에서의 caffeine 함량이 더 낮았다. 일반 커피보다 미지의 시료(미유 커피)가 더 연한 커피라고 할 수 있다.

    Ⅱ. Introduction
    – 실험 목표 : LC/MS를 이용하여 커피에 있는 카페인을 정량 분석한다.
    1. Chromatography
    Chromatography는 고정상과 이동상을 이용하여 여러 가지 물질들이 섞여 있는 혼합물을 이동속도 차이에 따라 분리하는 방법이다.

    출처 : 해피캠퍼스

  • 데이터베이스 온라인 배달 앱 과제 소스코드 A+

    목차

    없음

    본문내용

    CREATE TABLE Members (
    MemberID VARCHAR2(32) PRIMARY KEY,
    Password VARCHAR2(64) NOT NULL,
    PhoneNumber NUMBER(16) NOT NULL,
    MemberType VARCHAR2(8) CHECK (MemberType IN (‘일반’, ‘사장’)) NOT NULL,
    Email VARCHAR2(128),
    AddressProvince VARCHAR2(32) NOT NULL,
    AddressCity VARCHAR2(32) NOT NULL,
    AddressDistrict VARCHAR2(32) NOT NULL,
    AddressDetail VARCHAR2(128) NOT NULL,
    CreationDate TIMESTAMP
    );

    CREATE TABLE Store (
    StoreID NUMBER(9) PRIMARY KEY,
    StoreName VARCHAR2(32) NOT NULL,
    AddressProvince VARCHAR2(32) NOT NULL,
    AddressCity VARCHAR2(32) NOT NULL,
    AddressDistrict VARCHAR2(32) NOT NULL,
    AddressDetail VARCHAR2(128) NOT NULL,
    PhoneNumber NUMBER(16) NOT NULL,
    Introduction VARCHAR2(255),
    MinOrderCost NUMBER(8) NOT NULL,
    TotalReviewCount NUMBER(8) DEFAULT 0,
    TotalRating NUMBER(16) DEFAULT 0,
    AverageRating GENERATED ALWAYS AS (CASE WHEN TotalReviewCount > 0

    출처 : 해피캠퍼스

  • 데이터베이스 설계 및 구현(온라인 음식 배달 앱) A+

    목차

    1. 데베소스코드.sql
    2. 데이터베이스_기말과제_보고서.docx

    본문내용

    1. 기말 과제 제안서 제출된 내용과 대비 차이점, 발전성
    리뷰만 있으면 음식에 대한 리뷰인지 가게에 대한 리뷰인지 불분명하므로 리뷰 개체를 가게리뷰로 이름을 바꾸어 의미를 명확히 하였다. 가게리뷰와 가게를 존재 관계로 연결하였다. 주문목록 개체를 삭제하고 회원이 메뉴를 주문하는 관계로 수정했다. 약한 개체였던 멤버십을 수정하였다. 가게 개체의 속성으로 총 리뷰 수, 합산 별점이 추가되었다. 또한, 속성을 명확하게 표현하기 위해 평점을 평균평점으로 수정했다. 유도 속성의 오류를 줄이기 위한 발전이라고 볼 수 있다. 또한, 평균 평점의 속성을 구하는 과정에서 총 리뷰 수 속성의 데이터로 나누는 부분이 있는데, 수학적인 오류를 없애고 논리적인 모순을 제거하기 위해(데이터 무결성) 나누는 값은 0보다 크다는 문장을 추가하였다.

    2. 요구 사항 명세서
    온라인 음식 배달 앱 회원은 회원ID, 비밀번호, 전화번호, 종류, 이메일, 현주소, 생성날짜 정보를 갖는다. 회원은 회원ID 로 식별한다. 종류는 일반, 사장 정보로 세분화된다. 현주소는 도, 시, 동, 상세주소 정보로 세분화된다.
    회원은 가게리뷰를 작성할 수 있다. 가게리뷰는 리뷰번호, 별점, 내용, 생성일 속성을 갖는다. 가게리뷰는 리뷰번호로 식별한다. 한 명의 회원은 여러 개의 가게리뷰를 작성할 수 있고, 가게리뷰 한 개는 한 명의 회원에 의해서만 작성된다. 모든 가게리뷰는 반드시 회원에 의해서만 작성되어야 한다.
    회원은 멤버십을 구독할 수 있다. 멤버십은 멤버십코드(고유함), 등급, 생성날짜, 소멸날짜, 상태 속성을 갖는다. 등급은 브론즈, 실버, 골드 정보로 세분화 될 수 있다.
    한 명의 회원은 하나의 멤버십을 구독할 수 있고, 하나의 멤버십은 한 명의 회원에 의해 구독된다.
    가게는 가게ID, 가게이름, 주소, 전화번호, 소개글, 최소주문금액, 총 리뷰 수, 합산 별점, 평균 평점, 생성일 정보를 갖는다. 가게는 가게ID로 식별한다.

    출처 : 해피캠퍼스