KR101860679B1 - 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템 - Google Patents
육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템 Download PDFInfo
- Publication number
- KR101860679B1 KR101860679B1 KR1020170111128A KR20170111128A KR101860679B1 KR 101860679 B1 KR101860679 B1 KR 101860679B1 KR 1020170111128 A KR1020170111128 A KR 1020170111128A KR 20170111128 A KR20170111128 A KR 20170111128A KR 101860679 B1 KR101860679 B1 KR 101860679B1
- Authority
- KR
- South Korea
- Prior art keywords
- pork
- beef
- customer
- price
- information
- Prior art date
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 32
- 235000013372 meat Nutrition 0.000 title claims abstract description 13
- 235000015277 pork Nutrition 0.000 claims abstract description 143
- 235000015278 beef Nutrition 0.000 claims abstract description 130
- 241000209140 Triticum Species 0.000 claims abstract description 19
- 235000021307 Triticum Nutrition 0.000 claims abstract description 19
- 230000001186 cumulative effect Effects 0.000 claims abstract description 11
- 238000010801 machine learning Methods 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 7
- 235000013594 poultry meat Nutrition 0.000 claims description 3
- 241000283690 Bos taurus Species 0.000 claims description 2
- 244000144977 poultry Species 0.000 claims description 2
- 230000000779 depleting effect Effects 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 4
- 230000008676 import Effects 0.000 description 8
- 230000007423 decrease Effects 0.000 description 5
- 244000144972 livestock Species 0.000 description 4
- 238000007792 addition Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000578500 Ninox novaeseelandiae Species 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 돈육 및 우육의 주 생산국의 생산 개체수와 가격정보, 검역원을 통한 통관량, 시카고 상업거래소의 돈육 및 우육의 선물 가격, 러시아의 밀 가격, 호주에서 미국으로 수출되는 우육 가격과 물량에 대한 누적 정보들을 기계학습하여 국내 소비량 변화를 예측하고, 이를 이용하여 돈육 및 우육의 거래처 평균 판매가격 변화를 예측하며, 각 거래처별 1 내지 6개월 후 돈육 및 우육의 판매가격 변화를 예측한 후 각 거래처에 대한 돈육 및 우육에 대한 매매 제안시점 그리고 매매 제안시점에 해당하는 소비량 및 판매가격을 출력할 수 있는 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템에 관한 것이다.
본 발명에 의하면, 추후 돈육 및 우육의 매매에 적절한 시점을 각 거래처별로 예측하여 각 거래처에 제안할 수가 있고, 각 거래처는 돈육 및 우육 물량을 비싸지 않은 좋은 가격에 매수할 수가 있기 때문에 매도자는 판매 효과를 극대화 할 수가 있으며, 매수자는 저렴한 가격에 다량의 물량을 미리 확보할 수가 있다.
본 발명에 의하면, 추후 돈육 및 우육의 매매에 적절한 시점을 각 거래처별로 예측하여 각 거래처에 제안할 수가 있고, 각 거래처는 돈육 및 우육 물량을 비싸지 않은 좋은 가격에 매수할 수가 있기 때문에 매도자는 판매 효과를 극대화 할 수가 있으며, 매수자는 저렴한 가격에 다량의 물량을 미리 확보할 수가 있다.
Description
본 발명은 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템에 관한 것으로, 기존 및 예상 거래처별 돈육 및 우육을 저렴한 가격에 공급할 수 있는 예상 판매시점을 출력하여 거래처에 제안할 수 있도록 하는 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템에 관한 것이다.
국내에서 소비되는 돈육(돼지고기) 및 우육(소고기)의 수요는 국내의 자체적인 생산량 만으로 그 물량을 전부 공급하기에는 많이 부족한 실정이다. 그래서 유럽, 미국, 중국 등으로부터 돈육을 수입하고, 미국, 호주 등으로부터 우육을 수입하고 있다. 외국에서의 돈육 및 우육의 생산 개체수와 환율 등에 의해 국내에 수입되는 돈육 및 우육의 수입량과 가격 등이 결정된다.
유럽 및 미국에서 돈육의 생산 및 공급량이 많으면 국내에 통관되는 양도 늘어나고 수입가격도 낮아지게 될 것이며, 생산 및 공급량이 적으면 국내에 통관되는 양도 줄어들고 수입가격도 높아지게 될 것이다.
이처럼, 국내의 돈육 및 우육의 수입량 및 판매가격은 외국의 돈육 및 우육의 생산량, 기타 외국에서 돈육 및 우육을 생산하기 위한 환경 그리고 환율 등에 의해 복합적으로 영향을 받고 있다.
외국에서 돈육 및 우육을 수입하여 국내에 공급하는 판매업자들은 외국의 생산량, 환율 등을 참고하여, 국내에 수입되는 돈육 및 우육의 향후 가격을 어느정도 예측은 가능하지만, 자신의 거래처별 소비량 및 판매가격을 예측할 수는 없으며, 거래처별 판매가격의 상승, 하락 시점을 고려하여 거래처별 맞춤형으로 적절한 판매시점을 제안하는 시스템은 전무한 실정이다.
본 발명은 상기와 같은 문제점을 개선하기 위하여 발명된 것으로, 돈육 및 우육의 주 생산국의 생산 개체수와 가격정보, 검역원을 통한 통관량, 시카고 상업거래소의 돈육 및 우육의 선물 가격, 러시아의 밀 가격, 호주에서 미국으로 수출되는 우육 가격과 물량에 대한 누적 정보들을 기계학습하여 국내 소비량 변화를 예측하고, 이를 이용하여 돈육 및 우육의 거래처 평균 판매가격 변화를 예측하며, 각 거래처별 1 내지 6개월 후 돈육 및 우육의 판매가격 변화를 예측한 후 각 거래처에 대한 돈육 및 우육에 대한 매매 제안시점 그리고 매매 제안시점에 해당하는 소비량 및 판매가격을 출력할 수 있는 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템을 제공하기 위한 것이다.
상기와 같은 목적을 달성하기 위하여, 본 발명은 유럽, 미국, 중국의 돈육 생산 개체수와 가격 정보를 일정 주기로 저장하는 돈육 DB; 미국, 호주의 우육 생산 개체수와 가격 정보를 일정 주기로 저장하는 우육 DB; 검역원을 통해 통관되는 통관량 정보를 일정 주기로 저장하는 통관량 DB; 시카고 상업거래소(CME)의 돈육 및 우육 선물 가격 정보를 일정 주기로 저장하는 선물 DB; 러시아의 밀 가격 정보를 일정 주기로 저장하는 밀가격 DB; 호주에서 미국으로 수출되는 우육 가격과 물량에 대한 정보를 일정 주기로 저장하는 호주 수출 DB; 기존 거래처 및 예상 거래처의 거래처 정보, 매출, 돈육 및 우육에 대한 거래처별 소비량, 판매가격 정보와 국내 소비량 정보를 저장하는 거래처 DB - 거래처 규모 및 소비량에 따라 거래처별 판매가격이 다르며, 전체 평균 판매가격에 대한 정보도 있음 -; 상기 돈육 DB, 우육 DB, 통관량 DB, 선물 DB, 밀가격 DB, 호주 수출 DB에 저장되는 누적 정보들을 이용하여 기계학습하고, 국내에서 소비되는 돈육 및 우육의 1 내지 6개월 후의 국내 소비량 변화를 예측하는 국내 소비량 예측모듈; 상기 국내 소비량 예측모듈의 예측 소비량 및 상기 거래처 DB의 평균 판매가격 정보, 국내 소비량 정보를 이용하여 1 내지 6개월 후의 돈육 및 우육의 거래처 평균 판매가격 변화를 예측하는 국내 판매가 예측모듈; 상기 거래처 DB의 거래처 정보 및 매출, 돈육 및 우육에 대한 소비량, 판매가격 정보와 상기 국내 판매가 예측모듈이 예측한 1 내지 6개월 후의 돈육 및 우육의 거래처 평균 판매가격 변화 정보를 이용하여 각 거래처별 1 내지 6개월 후의 돈육 및 우육의 소비량 변화를 예측하고, 각 거래처별 1 내지 6개월 후의 돈육 및 우육의 판매가격 변화를 예측하는 거래처별 소비량/판매가 예측모듈; 및 상기 거래처별 소비량/판매가 예측모듈이 예측한 거래처별 1 내지 6개월 후의 돈육 및 우육에 대한 소비량 변화 정보와 판매가격 변화 정보를 이용하여, 각 거래처에 대한 돈육 및 우육에 대한 매매 제안시점 그리고 매매 제안시점에 해당하는 소비량 및 판매가격을 출력하는 거래처별 매매 제안모듈을 포함하는 것을 특징으로 하는 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템을 제공한다.
또한, 상기 국내 소비량 예측모듈은, 유럽 > 미국 > 중국 순으로 가중치를 두어 상기 돈육 DB에 저장되는 돈육 생산 개체수의 누적 정보와 가격 정보를 학습하여 돈육의 국내 소비량 변화를 예측하고, 유럽의 돈육 개체수 증가에 영향을 미치는 러시아의 밀 가격이 내려가면 유럽에 추가 가중치를 두어 상기 돈육 DB에 저장되는 돈육 생산 개체수의 누적 정보와 가격 정보를 학습하여 돈육의 국내 소비량 변화를 예측하며, 상기 선물 DB의 시카고 상업거래소 돈육 및 우육 선물 가격이 올라가면 국내에 통관되는 돈육 및 우육의 가격이 높게 형성되어 국내 소비량이 감소하도록 학습하며, 호주에서 미국으로 수출되는 우육 가격이 내려가고, 수출 물량이 증가하면 국내에 통관되는 우육 통관량이 증가하고, 가격이 내려가며 소비량이 증가하도록 학습한다.
또한, 상기 국내 판매가 예측모듈은, 상기 거래처 DB의 평균 판매가격 정보와 국내 소비량 정보를 기초로 상기 국내 소비량 예측모듈이 예측하는 추후 1 내지 6개월 동안의 예측 소비량에 해당하는 거래처 평균 판매가격 변화를 예측한다.
그리고, 상기 거래처별 소비량/판매가 예측모듈은, 상기 국내 판매가 예측모듈이 예측한 1 내지 6개월 후의 돈육 및 우육의 거래처 평균 판매가격 변화 정보를 상기 거래처 DB의 각 거래처별 판매가격 정보와 비교 매칭한 후 상기 거래처 DB의 거래처별 돈육 및 우육에 대한 소비량 정보를 이용하여 각 거래처별 1 내지 6개월 후의 돈육 및 우육의 소비량 변화를 예측하고, 각 거래처별 1 내지 6개월 후의 돈육 및 우육의 판매가격 변화를 예측한다.
또한, 기존 거래처에 최근에 판매된 돈육 및 우육 물량과 해당 물량의 소진 시기를 저장하는 거래처 재고 DB를 더 포함하고, 상기 거래처별 매매 제안모듈은, 각 거래처에 대한 돈육 및 우육에 대한 매매 제안시점과 상기 재고 DB에 있는 거래처별 물량 소진 시기를 비교하여, 매매 제안시점이 물량 소진 시기보다 늦으면 매매 제안시점을 물량 소진 시기 이전으로 변경한다.
그리고, 상기 거래처별 매매 제안모듈은, 매매 제안시점이 물량 소진 시기보다 빠르면, 매매 제안시점과 물량 소진 시기 사이의 기간을 고려하여 소비량 및 판매가격을 수정하여 출력한다.
나아가, 상기 거래처별 매매 제안모듈이 출력하는 각 거래처에 대한 돈육 및 우육에 대한 매매 제안시점 그리고 매매 제안시점에 해당하는 소비량 및 판매가격 정보를 해당 거래처 담당 영업사원에게 이메일 또는 문자로 발송하는 영업사원 알림 모듈을 더 포함한다.
상기와 같은 구성의 본 발명에 따르면, 다음과 같은 효과를 도모할 수 있다.
먼저, 돈육 및 우육의 해외 생산 개체수와 가격 정보, 검역원을 통한 통관량 정보, 시카고 상업거래소의 돈육 및 우육 선물 가격 정보, 러시아의 밀 가격 정보, 호주에서 미국으로 수출되는 우육 가격과 물량 정보를 이용하여 기계학습하여 국내에서 소비되는 돈육 및 우육의 국내 소비량 변화를 예측하고, 국내 소비량 정보를 이용하여 1 내지 6개월 후의 돈육 및 우육의 거래처 평균 판매가격 변화를 예측하며, 이를 이용하여 각 거래처별 1 내지 6개월 후의 돈육 및 우육의 판매가격 변화를 예측함으로써, 각 거래처에 대한 돈육 및 우육에 대한 적절한 매매 제안시점 그리고 매매 제안시점에 해당하는 소비량 및 판매가격을 출력할 수가 있다.
이를 통해 추후 돈육 및 우육의 매매에 적절한 시점을 각 거래처별로 예측하여 각 거래처에 제안할 수가 있고, 각 거래처는 돈육 및 우육 물량을 비싸지 않은 좋은 가격에 매수할 수가 있기 때문에 매도자는 판매 효과를 극대화 할 수가 있으며, 매수자는 저렴한 가격에 다량의 물량을 미리 확보할 수가 있다.
나아가, 각 거래처에 대한 돈육 및 우육에 대한 매매 제안시점 그리고 매매 제안시점에 해당하는 소비량 및 판매가격 정보를 해당 거래처 담당 영업사원에게 이메일 또는 문자로 발송함으로써, 해당 거래처 담당 영업사원은 언제 어느 거래처에 어떠한 매매를 제안해야 하는지를 쉽게 알 수가 있어 영업사원은 영업 방식을 상당히 효율적으로 운영할 수가 있다.
도 1은 본 발명에 따른 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템의 블록도이다.
도 2는 본 발명에 따른 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 방법의 순서도이다.
도 2는 본 발명에 따른 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 방법의 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시 예를 참조하면 명확해질 것이다.
그러나, 본 발명은 이하에서 개시되는 실시 예로 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이다.
본 명세서에서 본 실시 예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다.
그리고 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
따라서, 몇몇 실시 예에서, 잘 알려진 구성 요소, 잘 알려진 동작 및 잘 알려진 기술들은 본 발명이 모호하게 해석되는 것을 피하기 위하여 구체적으로 설명되지 않는다.
또한, 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭하고, 본 명세서에서 사용된(언급된) 용어들은 실시 예를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다.
본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함하며, '포함(또는, 구비)한다'로 언급된 구성 요소 및 동작은 하나 이상의 다른 구성요소 및 동작의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다.
또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부된 도면을 참고로 본 발명의 바람직한 실시 예에 대하여 설명한다.
도 1 및 2를 참고하면, 본 발명에 따른 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템(100)은 돈육 DB(101), 우육 DB(102), 통관량 DB(103), 선물 DB(104), 밀가격 DB(105), 호주수출 DB(106), 거래처 DB(107), 거래처 재고 DB(108), 국내 소비량 예측모듈(110), 국내 판매가 예측모듈(120), 거래처별 소비량/판매가 예측모듈(130), 거래처별 매매 제안모듈(140)을 구비하며, 영업사원 알림모듈(150)을 더 구비할 수 있다.
돈육 DB(101)는 유럽, 미국, 중국의 돈육 생산 개체수와 가격 정보를 일정 주기로 저장한다. 유럽, 미국, 중국 순으로 돈육의 생산량이 많으며, 유럽, 미국, 중국 순으로 우리나라의 수입량에 영향을 미친다. 각 국가별 돈육 생산 개체수와 가격 정보는 정부기관 사이트, 예를 들면 농림축산식품부에서 제공하는 사이트로부터 1주일~2주일 또는 한달 간격으로 가져와 저장할 수 있다.
우육 DB(102)는 미국, 호주의 우육 생산 개체수와 가격 정보를 일정 주기로 저장한다. 농림축산식품부에서 제공하는 사이트로부터 1주일~2주일 또는 한달 간격으로 가져와 저장할 수 있다.
통관량 DB(103)는 검역원을 통해 통관되는 통관량 정보를 일정 주기로 저장한다. 농림축산검역본부가 제공하는 사이트로부터 통관량 정보를 1주일~2주일 또는 한달 간격으로 가져와 저장할 수 있다.
선물 DB(104)는 시카고 상업거래소(CME)의 돈육 및 우육 선물 가격 정보를 일정 주기로 저장한다. 시카고 상업거래소는 세계 최대의 농산물과 금융상품 선물거래소이다.
해외의 경우 돈육 및 우육 관련 선물은 미국, 독일 등 2개국에 상장돼 있으며 이 중 미국 시카고 상업거래소(CME)의 돈육선물이 일 평균 2만 9000계약으로 가장 활발하게 거래되고 있다. 시카고상업거래소의 돈육 및 우육 선물은 현금결제방식을 채택하고 있으며 냉동삼겹살 선물은 실물인수도 결제방식을 채택하고 있다.
시카고 상업거래소의 돈육, 우육 가격이 높으면 2~3개월 후 한국에도 가격이 높게 나올 확률이 크다.
밀가격 DB(105)는 러시아의 밀 가격 정보를 일정 주기로 저장한다. 러시아의 밀 가격이 내려가면 밀의 공급량이 많아져서 유럽의 돈육 생산량이 증가하고, 유럽의 돈육 가격이 내려가게 된다. 유럽의 돈육 생산량이 증가하고, 가격이 내려가면 한국에 수입량도 증가하고, 가격이 내려가게 된다.
호주 수출 DB(106)는 호주에서 미국으로 수출되는 우육 가격과 물량에 대한 정보를 일정 주기로 저장한다. 호주에서 미국으로 수출하는 가격이 내려가면, 한국으로 조만간 나올 가격도 내려가게 된다. 미국은 소고기 최대 소비국이기 때문에 호주에서 생산되는 우육의 상당 부분이 미국으로 먼저 수출된다. 호주에서 미국으로 수출되는 동향에 따라 한국이 영향을 받게 되는 것이다.
거래처 DB(107)는 기존 거래처 및 예상 거래처의 거래처 정보, 매출, 돈육 및 우육에 대한 거래처별 소비량, 판매가격 정보와 국내 소비량 정보를 저장한다. 예상 거래처는 영업 사원들의 영업 활동에 의해 조만간 거래가 성사될 가능성이 있거나, 확보해야 할 잠재 고객을 말한다.
거래처 DB(107)에는 거래처 규모 및 소비량에 따라 거래처별 판매가격이 다르며, 전체 거래처에 대한 평균 판매가격에 대한 정보도 있다. 거래처가 돈육 및 우육의 소비가 많은 곳이라면 판매되는 양도 많을 것이며, 다량으로 거래가 이루어지기 때문에 돈육 및 우육의 소비가 적은 거래처보다 킬로그람 당 판매 단가는 낮을 것이다.
왜냐하면 대량으로 구매를 하는 고객이기 때문에 킬로그람 당 판매 단가를 낮추어 주는 것이다.
거래처 정보는 거래처가 마트인지, 정육점인지, 식당인지, 학교인지, 공장인지 등에 대한 정보와 주소 정보를 포함하며, 돈육 및 우육에 대한 거래처별 소비량은 거래처의 1주일~2주일 또는 한 달간의 소비량을 말한다. 판매가격 정보는 위에서 본 것처럼 거래처별 돈육 및 우육의 킬로그램 당 판매가격을 말하며, 1주일~2주일 또는 한 달간의 소비량에 킬로그램 당 판매가격을 곱하면 1주일~2주일 또는 한 달간의 판매가격 정보도 알 수가 있다. 국내 소비량 정보는 주별 또는 월별 국내의 돈육 및 우육에 대한 총 소비량을 말한다.
국내 소비량 예측모듈(110)은 상기 돈육 DB(101), 우육 DB(102), 통관량 DB(103), 선물 DB(104), 밀가격 DB(105), 호주 수출 DB(106)에 저장되는 누적 정보들과 기타 환율 정보를 이용하여 기계학습(Machine Learning)하고, 국내에서 소비되는 돈육 및 우육의 1 내지 6개월 후의 국내 소비량 변화를 예측한다(S210).
즉, 거래처뿐만 아니라, 국내 전체에서 소비되는 소비량 변화를 예측하는 것이다. 기계학습은 해당 분야의 기술자라면 잘 알 수 있는 내용이므로 자세한 설명은 생략한다.
상기에서 기술한 해외 주요 돈육 및 우육 생산국 간의 상관관계 및 선물 가격, 밀가격, 호주의 수출 상황, 국내 통관량 정보의 변화를 학습하여 1~6개월 후의 국내 소비량 변화를 예측할 수가 있다.
구체적으로, 국내 소비량 예측모듈(110)은 유럽 가중치 3 > 미국 가중치 2 > 중국 가중치 1의 순으로 가중치를 두어 상기 돈육 DB(101)에 저장되는 돈육 생산 개체수의 누적 정보와 가격 정보를 학습하여 돈육의 국내 소비량 변화를 예측하고, 유럽의 돈육 개체수 증가에 영향을 미치는 러시아의 밀 가격이 내려가면 유럽에 추가 가중치(1.5~2.5) 사이를 두어 상기 돈육 DB(101)에 저장되는 돈육 생산 개체수의 누적 정보와 가격 정보를 학습하여 돈육의 국내 소비량 변화를 예측한다.
그리고 선물 DB(104)의 시카고 상업거래소 돈육 및 우육 선물 가격이 올라가면 국내에 통관되는 돈육 및 우육의 가격이 높게 형성되어 국내 소비량이 감소하도록 학습하며, 호주에서 미국으로 수출되는 우육 가격이 내려가고, 수출 물량이 증가하면 국내에 통관되는 우육 통관량이 증가하고, 가격이 내려가며 소비량이 증가하도록 학습한다.
국내 판매가 예측모듈(120)은 상기 국내 소비량 예측모듈(110)의 예측 소비량 및 상기 거래처 DB(107)의 평균 판매가격 정보, 국내 소비량 정보를 이용하여 1 내지 6개월 후의 돈육 및 우육의 거래처 평균 판매가격 변화를 예측한다(S220).
즉, 국내 전체의 예측 소비량 및 거래처 평균 판매가격 정보를 이용하여 돈육 및 우육의 거래처 평균 판매가격 변화를 예측하는 것이다.
구체적으로, 국내 판매가 예측모듈(120)은 상기 거래처 DB(107)의 평균 판매가격 정보와 국내 소비량 정보를 기초로 상기 국내 소비량 예측모듈(110)이 예측하는 추후 1 내지 6개월 동안의 예측 소비량에 해당하는 거래처 평균 판매가격 변화를 예측한다. 예를 들어, 국내 소비량 예측모듈(110)이 예측하는 2개월 후의 예측 소비량이 1만 톤이라고 하면, 거래처 DB(107)에서 국내 소비량 1만 톤에 해당하는 거래처 평균 판매가격을 찾는 것이다.
거래처별 소비량/판매가 예측모듈(130)은 상기 거래처 DB(107)의 거래처 정보 및 매출, 돈육 및 우육에 대한 소비량, 판매가격 정보와 상기 국내 판매가 예측모듈(120)이 예측한 1 내지 6개월 후의 돈육 및 우육의 거래처 평균 판매가격 변화 정보를 이용하여 각 거래처별 1 내지 6개월 후의 돈육 및 우육의 소비량 변화를 예측하고, 각 거래처별 1 내지 6개월 후의 돈육 및 우육의 판매가격 변화를 예측한다(S230).
거래처 규모 및 성격에 따라 소비량 및 판매가는 서로 약간씩 다를 수가 있다.
구체적으로, 거래처별 소비량/판매가 예측모듈(130)은 상기 국내 판매가 예측모듈(120)이 예측한 1 내지 6개월 후의 돈육 및 우육의 거래처 평균 판매가격 변화 정보를 상기 거래처 DB(107)의 각 거래처별 판매가격 정보와 비교 매칭한 후 상기 거래처 DB(107)의 거래처별 돈육 및 우육에 대한 소비량 정보를 이용하여 각 거래처별 1 내지 6개월 후의 돈육 및 우육의 소비량 변화를 예측하고, 각 거래처별 1 내지 6개월 후의 돈육 및 우육의 판매가격 변화를 예측한다.
예를 들어, 국내 소비량 예측모듈(110)이 예측한 1개월 후의 예측 소비량이 2만 톤이고, 국내 판매가 예측모듈(120)이 예측한 1개월 후의 돈육 거래처 킬로그람 당 평균 판매가격이 12,000원이라고 하면, 거래처 DB(107)에서 킬로그람 당 평균 판매가격이 12,000원 이었을 때의 각 거래처별 판매가격을 검색한다. 매출 및 소비량이 큰 거래처는 킬로그람 당 판매가격이 11,200원이고, 매출 및 소비량이 작은 거래처는 킬로그람 당 판매가격이 12,800원 일 수가 있다. 11,200월 일 때 매출 및 소비량이 큰 거래처의 돈육 소비량 변화 및 판매가격 변화를 예측한다. 12,800원 일 때 매출 및 소비량이 작은 거래처의 돈육 소비량 변화 및 판매가격 변화를 예측한다. 이와 같이 킬로그람 당 평균 판매가격과 각 거래처별 실제 판매가격은 거래처 규모 및 소비량에 따라 약간씩 다를 수가 있다.
거래처별 매매 제안모듈(140)은 상기 거래처별 소비량/판매가 예측모듈(130)이 예측한 거래처별 1 내지 6개월 후의 돈육 및 우육에 대한 소비량 변화 정보와 판매가격 변화 정보를 이용하여, 각 거래처에 대한 돈육 및 우육에 대한 매매 제안시점 그리고 매매 제안시점에 해당하는 소비량 및 판매가격을 출력한다(S240).
거래처별로 1~6개월 후에 돈육 및 우육에 대한 소비량 변화 추이와 판매가격 변화 추이가 나타날 때, 각 거래처마다 조금씩 다를 수 있으며, 1~6개월 사이에 언제까지는 소비량이 늘고, 킬로그람 당 판매가격이 내려가다가 어느 순간부터는 소비량이 줄어들고, 킬로그람 당 판매가격이 올라가는지를 알 수가 있다.
이러한 정보를 이용하여 각 거래처에 돈육 및 우육에 대한 매매 제안시점, 즉 판매가격이 내려가는 시점이 매매 제안시점에 해당할 것이며, 해당하는 시점의 소비량 및 판매가격을 미리 알 수가 있는 것이다.
거래처 재고 DB(108)는 기존 거래처에 최근에 판매된 돈육 및 우육 물량과 해당 물량의 소진 시기를 저장한다. 각 거래처 별로 판매된 물량과 소진 시기는 다를 것이다. 소진 시기는 해당 거래처의 매출 및 규모를 고려하여 관리자가 입력할 수도 있고, 프로그램에 의해 자동으로 설정되도록 할 수도 있다.
거래처별 매매 제안모듈(140)은 각 거래처에 대한 돈육 및 우육에 대한 매매 제안시점과 상기 거래처 재고 DB(108)에 있는 거래처별 물량 소진 시기를 비교하여, 매매 제안시점이 물량 소진 시기보다 늦으면 매매 제안시점을 물량 소진 시기 이전으로 변경한다. 매매 제안시점이 3개월 후이고 물량이 2개월 후에 소진된다고 하면, 매매 제안시점을 물량이 소진되기 이전인 1.7개월로 변경한다.
거래처별 매매 제안모듈(140)은 매매 제안시점이 물량 소진 시기보다 빠르면, 매매 제안시점과 물량 소진 시기 사이의 기간을 고려하여 소비량 및 판매가격을 수정하여 출력한다. 매매 제안시점이 1개월 후 이고, 물량 소진 시기가 2개월 후라면, 매매 제안시점인 1개월 후와 물량 소진 시기인 2개월 후 사이의 기간인 한 달 간의 재고 물량이 남아있는 것을 고려하여 소비량 및 판매가격을 수정하여 출력한다.
영업사원 알림 모듈(150)은 상기 거래처별 매매 제안모듈(140)이 출력하는 각 거래처에 대한 돈육 및 우육에 대한 매매 제안시점 그리고 매매 제안시점에 해당하는 소비량 및 판매가격 정보를 해당 거래처 담당 영업사원에게 이메일 또는 문자로 발송한다(S250). 해당 거래처 담당 영업사원은 각 거래처에 대한 매매 제안시점을 쉽게 파악할 수가 있어 효율적이며 전략적인 영업이 가능하다.
이상 검토와 같이 본 발명에 의하면, 돈육 및 우육의 매매에 적절한 시점을 각 거래처별로 예측하여 각 거래처에 제안할 수가 있고, 각 거래처는 돈육 및 우육 물량을 비싸지 않은 좋은 가격에 매수할 수가 있기 때문에 매도자는 판매 효과를 극대화 할 수가 있으며, 매수자는 저렴한 가격에 다량의 물량을 미리 확보할 수가 있다.
지금까지 본 발명을 바람직한 실시 예를 참조하여 상세히 설명하였지만, 본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시할 수 있으므로, 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다.
그리고, 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 특정되는 것이며, 특허청구 범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100...육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템
101...돈육 DB
102...우육 DB
103...통관량 DB
104...선물 DB
105...밀가격 DB
106...호주수출 DB
107...거래처 DB
108...거래처 재고 DB
110...국내 소비량 예측모듈
120...국내 판매가 예측모듈
130...거래처별 소비량/판매가 예측모듈
140...거래처별 매매 제안모듈
150...영업사원 알림모듈
101...돈육 DB
102...우육 DB
103...통관량 DB
104...선물 DB
105...밀가격 DB
106...호주수출 DB
107...거래처 DB
108...거래처 재고 DB
110...국내 소비량 예측모듈
120...국내 판매가 예측모듈
130...거래처별 소비량/판매가 예측모듈
140...거래처별 매매 제안모듈
150...영업사원 알림모듈
Claims (7)
- 돈육 및 우육의 주 생산국의 생산 개체수와 가격정보, 검역원을 통한 통관량, 시카고 상업거래소의 돈육 및 우육의 선물 가격, 러시아의 밀 가격, 호주에서 미국으로 수출되는 우육 가격과 물량에 대한 누적 정보들을 기계학습하여 국내 소비량 변화를 예측하고, 이를 이용하여 돈육 및 우육의 거래처 평균 판매가격 변화를 예측하며, 각 거래처별 1 내지 6개월 후 돈육 및 우육의 판매가격 변화를 예측한 후 각 거래처에 대한 돈육 및 우육에 대한 매매 제안시점 그리고 매매 제안시점에 해당하는 소비량 및 판매가격을 출력할 수 있는 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템으로서,
유럽, 미국, 중국의 돈육 생산 개체수와 가격 정보를 일정 주기로 저장하는 돈육 DB;
미국, 호주의 우육 생산 개체수와 가격 정보를 일정 주기로 저장하는 우육 DB;
검역원을 통해 통관되는 통관량 정보를 일정 주기로 저장하는 통관량 DB;
시카고 상업거래소(CME)의 돈육 및 우육 선물 가격 정보를 일정 주기로 저장하는 선물 DB;
러시아의 밀 가격 정보를 일정 주기로 저장하는 밀가격 DB;
호주에서 미국으로 수출되는 우육 가격과 물량에 대한 정보를 일정 주기로 저장하는 호주 수출 DB;
기존 거래처 및 예상 거래처의 거래처 정보, 매출, 돈육 및 우육에 대한 거래처별 소비량, 판매가격 정보와 국내 소비량 정보를 저장하는 거래처 DB - 거래처 규모 및 소비량에 따라 거래처별 판매가격이 다르며, 전체 평균 판매가격에 대한 정보도 있음 -;
상기 돈육 DB, 우육 DB, 통관량 DB, 선물 DB, 밀가격 DB, 호주 수출 DB에 저장되는 누적 정보들을 이용하여 기계학습하고, 국내에서 소비되는 돈육 및 우육의 1 내지 6개월 후의 국내 소비량 변화를 예측하는 국내 소비량 예측모듈 - 거래처뿐만 아니라 국내 전체에서 소비되는 소비량 변화를 예측함 -;
상기 국내 소비량 예측모듈의 예측 소비량 및 상기 거래처 DB의 평균 판매가격 정보, 국내 소비량 정보를 이용하여 1 내지 6개월 후의 돈육 및 우육의 거래처 평균 판매가격 변화를 예측하는 국내 판매가 예측모듈;
상기 거래처 DB의 거래처 정보 및 매출, 돈육 및 우육에 대한 소비량, 판매가격 정보와 상기 국내 판매가 예측모듈이 예측한 1 내지 6개월 후의 돈육 및 우육의 거래처 평균 판매가격 변화 정보를 이용하여 각 거래처별 1 내지 6개월 후의 돈육 및 우육의 소비량 변화를 예측하고, 각 거래처별 1 내지 6개월 후의 돈육 및 우육의 판매가격 변화를 예측하는 거래처별 소비량/판매가 예측모듈; 및
상기 거래처별 소비량/판매가 예측모듈이 예측한 거래처별 1 내지 6개월 후의 돈육 및 우육에 대한 소비량 변화 정보와 판매가격 변화 정보를 이용하여, 각 거래처에 대한 돈육 및 우육에 대한 매매 제안시점 그리고 매매 제안시점에 해당하는 소비량 및 판매가격을 출력하는 거래처별 매매 제안모듈을 포함하되,
상기 국내 소비량 예측모듈은,
유럽 가중치 3 > 미국 가중치 2 > 중국 가중치 1 순으로 가중치를 두어 상기 돈육 DB에 저장되는 돈육 생산 개체수의 누적 정보와 가격 정보를 학습하여 돈육의 국내 소비량 변화를 예측하고, 유럽의 돈육 개체수 증가에 영향을 미치는 러시아의 밀 가격이 내려가면 유럽에 1.5~2.5의 추가 가중치를 두어 상기 돈육 DB에 저장되는 돈육 생산 개체수의 누적 정보와 가격 정보를 기계학습하여 돈육의 국내 소비량 변화를 예측하며,
상기 선물 DB의 시카고 상업거래소 돈육 및 우육 선물 가격이 올라가면 국내에 통관되는 돈육 및 우육의 가격이 높게 형성되어 국내 소비량이 감소하도록 기계학습하며,
호주에서 미국으로 수출되는 우육 가격이 내려가고, 수출 물량이 증가하면 국내에 통관되는 우육 통관량이 증가하고, 가격이 내려가며 소비량이 증가하도록 기계학습하고,
상기 국내 판매가 예측모듈은,
상기 거래처 DB의 평균 판매가격 정보와 국내 소비량 정보를 기초로 상기 국내 소비량 예측모듈이 예측하는 추후 1 내지 6개월 동안의 예측 소비량에 해당하는 거래처 평균 판매가격 변화를 예측하며,
상기 거래처별 소비량/판매가 예측모듈은,
상기 국내 판매가 예측모듈이 예측한 1 내지 6개월 후의 돈육 및 우육의 거래처 평균 판매가격 변화 정보를 상기 거래처 DB의 각 거래처별 판매가격 정보와 비교 매칭한 후 상기 거래처 DB의 거래처별 돈육 및 우육에 대한 소비량 정보를 이용하여 각 거래처별 1 내지 6개월 후의 돈육 및 우육의 소비량 변화를 예측하고, 각 거래처별 1 내지 6개월 후의 돈육 및 우육의 판매가격 변화를 예측하며,
기존 거래처에 최근에 판매된 돈육 및 우육 물량과 해당 물량의 소진 시기를 저장하는 거래처 재고 DB를 더 포함하고,
상기 거래처별 매매 제안모듈은,
각 거래처에 대한 돈육 및 우육에 대한 매매 제안시점과 상기 재고 DB에 있는 거래처별 물량 소진 시기를 비교하여, 매매 제안시점이 물량 소진 시기보다 늦으면 매매 제안시점을 물량 소진 시기 이전으로 변경하며, 매매 제안시점이 물량 소진 시기보다 빠르면, 매매 제안시점과 물량 소진 시기 사이의 기간을 고려하여 소비량 및 판매가격을 수정하여 출력 - 매매 제안시점과 물량 소진 시점 사이의 기간에 해당하는 재고 물량이 남아있는 것을 고려하여 소비량 및 판매가격을 수정하여 출력함 - 하는 것을 특징으로 하는 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 청구항 1에 있어서,
상기 거래처별 매매 제안모듈이 출력하는 각 거래처에 대한 돈육 및 우육에 대한 매매 제안시점 그리고 매매 제안시점에 해당하는 소비량 및 판매가격 정보를 해당 거래처 담당 영업사원에게 이메일 또는 문자로 발송하는 영업사원 알림 모듈을 더 포함하는 것을 특징으로 하는 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170111128A KR101860679B1 (ko) | 2017-08-31 | 2017-08-31 | 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170111128A KR101860679B1 (ko) | 2017-08-31 | 2017-08-31 | 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101860679B1 true KR101860679B1 (ko) | 2018-05-23 |
Family
ID=62452447
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170111128A KR101860679B1 (ko) | 2017-08-31 | 2017-08-31 | 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101860679B1 (ko) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200046586A (ko) * | 2018-10-25 | 2020-05-07 | (주)플로우 | 스마트 제품 등록 시스템 및 이를 이용한 국경간 온라인 상거래 시스템 |
| KR20220018828A (ko) * | 2020-08-07 | 2022-02-15 | (주)협신식품 | 축산물 가공 관리 시스템 및 방법과 이를 위한 컴퓨터 프로그램 |
| KR102392721B1 (ko) | 2021-09-10 | 2022-04-29 | 주식회사 어니스트초이스 | 실물 이미지 기반 육류 제품 정보 제공 및 육류 제품 판매 방법 |
| KR20220055141A (ko) * | 2020-10-26 | 2022-05-03 | 충남대학교병원 | 실험동물 관리방법 |
| CN114761978A (zh) * | 2019-12-16 | 2022-07-15 | 艾酷帕克株式会社 | 食用肉交易情况估计系统、食用肉交易情况估计服务器、食用肉交易情况估计方法以及食用肉交易情况估计程序 |
| KR20220139549A (ko) | 2021-04-08 | 2022-10-17 | 주식회사 더제이스마케팅컴퍼니 | 한우 가격 예측시스템 |
| CN117893255A (zh) * | 2024-03-14 | 2024-04-16 | 青岛飞熊领鲜数字科技有限公司 | 一种供应链平台的货品监控系统 |
-
2017
- 2017-08-31 KR KR1020170111128A patent/KR101860679B1/ko active IP Right Grant
Non-Patent Citations (1)
| Title |
|---|
| 인터넷 게시글, ‘국제 육류값 급등..국내 돼지고기값 ‘우려’’(UNDKOREA, 2010.09.02.)* |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200046586A (ko) * | 2018-10-25 | 2020-05-07 | (주)플로우 | 스마트 제품 등록 시스템 및 이를 이용한 국경간 온라인 상거래 시스템 |
| KR102257596B1 (ko) * | 2018-10-25 | 2021-05-31 | (주)플로우 | 스마트 제품 등록 시스템 및 이를 이용한 국경간 온라인 상거래 시스템 |
| CN114761978A (zh) * | 2019-12-16 | 2022-07-15 | 艾酷帕克株式会社 | 食用肉交易情况估计系统、食用肉交易情况估计服务器、食用肉交易情况估计方法以及食用肉交易情况估计程序 |
| KR20220018828A (ko) * | 2020-08-07 | 2022-02-15 | (주)협신식품 | 축산물 가공 관리 시스템 및 방법과 이를 위한 컴퓨터 프로그램 |
| KR102547735B1 (ko) | 2020-08-07 | 2023-06-26 | (주)협신식품 | 축산물 가공 관리 시스템 및 방법과 이를 위한 컴퓨터 프로그램 |
| KR20220055141A (ko) * | 2020-10-26 | 2022-05-03 | 충남대학교병원 | 실험동물 관리방법 |
| KR102553876B1 (ko) | 2020-10-26 | 2023-07-07 | 충남대학교병원 | 실험동물 관리방법 |
| KR20220139549A (ko) | 2021-04-08 | 2022-10-17 | 주식회사 더제이스마케팅컴퍼니 | 한우 가격 예측시스템 |
| KR102392721B1 (ko) | 2021-09-10 | 2022-04-29 | 주식회사 어니스트초이스 | 실물 이미지 기반 육류 제품 정보 제공 및 육류 제품 판매 방법 |
| CN117893255A (zh) * | 2024-03-14 | 2024-04-16 | 青岛飞熊领鲜数字科技有限公司 | 一种供应链平台的货品监控系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101860679B1 (ko) | 육류 수요 및 생산량 예측을 통한 고객 맞춤형 큐레이션 시스템 | |
| Rey-Ares et al. | Impact of working capital management on profitability for Spanish fish canning companies | |
| Liu et al. | Optimal purchase and inventory retrieval policies for perishable seasonal agricultural products | |
| Geman et al. | Theory of storage, inventory and volatility in the LME base metals | |
| Koester | Food loss and waste as an economic and policy problem | |
| Li et al. | Dynamic blockchain adoption for freshness-keeping in the fresh agricultural product supply chain | |
| Britchenko et al. | Optimization of commodity stocks enterprise by means of HML-FRM clustering | |
| Norman‐Lόpez et al. | Price integration in the A ustralian rock lobster industry: implications for management and climate change adaptation | |
| Alessandria et al. | The aggregate effects of global and local supply chain disruptions: 2020–2022 | |
| KR101872220B1 (ko) | 네트워크 기반 판매 예측 정보 제공 장치 | |
| Sunday et al. | Inventory management and SMEs profitability. A study of furniture manufacturing, wholesale and eatery industry in Delta State, Nigeria | |
| Banerjee et al. | Implementing e-commerce model for agricultural produce: A research roadmap | |
| Chambers | The incidence of agricultural policies | |
| Go et al. | Investor demand, market efficiency and spot-futures relation: Further evidence from crude palm oil | |
| Ferrer-Pérez et al. | Asymmetric price volatility transmission in the Spanish fresh wild fish supply chain | |
| Fang et al. | Bundle pricing decisions for fresh products with quality deterioration | |
| Sasanuma et al. | An opaque selling scheme to reduce shortage and wastage in perishable inventory systems | |
| Chen et al. | An empirical research on marketing strategies of different risk preference merchant | |
| Norton et al. | Evaluating returns to social science research: Issues and possible methods | |
| CN115660708A (zh) | 商品数据的处理方法、装置、电子设备及存储介质 | |
| MacLachlan et al. | Food Price Outlook | |
| Jiang et al. | Economic consequences for tree fruit intermediaries from shocks | |
| Hoffman | Quantifying the impact of freight transport performance on the total economic cost of cargo importers | |
| Xiao et al. | Export and production growth: evidence from three major wheat exporters of Australia, Canada and the United States | |
| Liu | Vegetable sales data mining: association rule analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |