KR101904690B1 - 프로젝트 통합 관제 방법 및 시스템 - Google Patents

프로젝트 통합 관제 방법 및 시스템 Download PDF

Info

Publication number
KR101904690B1
KR101904690B1 KR1020180025718A KR20180025718A KR101904690B1 KR 101904690 B1 KR101904690 B1 KR 101904690B1 KR 1020180025718 A KR1020180025718 A KR 1020180025718A KR 20180025718 A KR20180025718 A KR 20180025718A KR 101904690 B1 KR101904690 B1 KR 101904690B1
Authority
KR
South Korea
Prior art keywords
proposal
site
request
requirements
client
Prior art date
Application number
KR1020180025718A
Other languages
English (en)
Inventor
이영호
Original Assignee
이영호
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 이영호 filed Critical 이영호
Priority to KR1020180025718A priority Critical patent/KR101904690B1/ko
Application granted granted Critical
Publication of KR101904690B1 publication Critical patent/KR101904690B1/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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/101—Collaborative creation, e.g. joint development of products or services
    • 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
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0621—Item configuration or customization

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 발주처 및 제안요청서 요구사항을 유형별 분리하여 데이터를 축적하고, 고객관리시스템을 활용하여, 발주처가 요구하는 홈페이지를 구축하기 위한 분석/설계/개발/테스트/납품까지의 프로젝트의 진행과정에서 나오는 각종 데이터를 통하여 추후 진행되는 유사 프로젝트의 관리 및 구축에 필요한 표준의 시나리오를 생성함으로써, 일반관리자 또는 중,소 규모의 회사에서도 용이하게 홈페이지를 구축할 수 있는 프로젝트 통합 관제 방법 및 시스템에 관한 것이다.

Description

프로젝트 통합 관제 방법 및 시스템{PROJECT INTEGRATION CONTROL MEMETH AND SYSTEM THEREOF}
본 발명은 프로젝트 통합 관제 방법 및 시스템에 관한 것으로, 더욱 상세하게는 발주처의 제안요청서에 포함된 요구사항을 유형별로 분리하고 해당 데이터를 저장하고, 저장된 데이터를 딥 러닝을 이용하여 상기 발주처가 원하는 사이트를 구축 및 관리하는 프로젝트 통합 관제 방법 및 시스템에 대한 것이다.
인터넷의 확산과 더불어 해마다 엄청난 숫자의 새로운 인터넷 웹사이트가 생성되고 있다. 웹사이트란 월드와이드웹(WWW)의 화면 또는 WWW가 제공하는 화면의 총칭을 말한다. 웹사이트를 만들기 위해서 웹사이트 제작도구와 저장공간이 필요하다. 웹사이트 제작 프로그램으로는 나모인터렉티브에서 개발한 나모 웹에디터, 마이크로소프트의 프론트페이지와 매크로미디어의 드림위버 등이 잘 알려져 있다.
일반적으로 웹사이트는 웹사이트에 제작에 대한 전문 지식이나 경험이 없는 통상의 인터넷 사용자들이 제작하기는 용이하지 않기 때문에, 웹사이트 제작을 전문으로 하는 업체에 의뢰하여 제작하고 있다.
그러나, 이 경우 웹사이트 제작에 너무 많은 비용과 시간이 소요되고, 제작된 웹사이트를 수정하거나 관리하기 위해서 별도의 용역이 필요한 문제점이 있었다.
또한, 포털 사이트와 같은 일부 웹사이트에서 자동으로 웹사이트를 제작하여 주는 서비스를 제공하고 있으나, 이러한 서비스는 사용자가 입력한 정보를 단순히 출력할 수 있는 단순한 기능의 웹페이지를 생성하는 수준에 불과하여, 웹사이트 제작에 경험이 없는 일반인이 다양한 기능의 웹사이트를 제작하기에는 어려움이 있었다.
대한민국 등록특허 제 10-0972479호(기계학습을 통한 데이터베이스 생성 방법, 이를 이용한 콘텐츠 추천 방법 및 콘텐츠 추천 시스템)
본 발명은 상기와 같은 문제점을 개선하기 위하여 발명된 것으로, 발주처 및 제안요청서 요구사항을 유형별 분리하여 데이터를 축적하고, 고객관리시스템을 활용하여, 발주처가 요구하는 홈페이지를 구축하기 위한 분석/설계/개발/테스트/납품까지의 프로젝트의 진행과정에서 나오는 각종 데이터를 통하여 추후 진행되는 유사 프로젝트의 관리 및 구축에 필요한 표준의 시나리오를 생성함으로써, 일반관리자 또는 중, 소 규모의 회사에서도 용이하게 홈페이지를 구축할 수 있는 프로젝트 통합 관제 방법 및 시스템을 제공하는 것이 목적이다.
상기와 같은 목적을 달성하기 위하여, 본 발명은 발주처의 제안요청서에 포함된 요구사항을 유형별로 분리하고 해당 데이터를 저장하고, 저장된 데이터를 딥 러닝을 이용하여 상기 발주처가 원하는 사이트를 구축 및 관리하는 프로젝트 통합 관제 방법에 있어서, a) 제안 요청서 분석부에서 상기 제안 요청서를 검토/분석하여 상기 발주처가 요구하는 발주처 요구사항을 유형별로 분류하여 제안서 DB에 저장하는 단계;와 b) 제안서 작성부에서 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하게 사업수행이 가능한지를 판단하고 사업수행이 가능하다고 판단되는 경우에, 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성하는 단계;와 c) 사이트 딥러닝부에서 상기 제안서에 맞게 컨텐츠 모델링을 수행하여 상기 발주처의 사용자의 특징에 맞는 컨텐츠를 사이트 DB에서 선별하거나 생성하는 단계; 및 d) 사이트 생성 및 검증부에서 선별/생성된 컨텐츠를 이용하여 상기 발주처의 사용자의 특징에 맞는 사이트를 생성하고 가상의 사용자를 이용하여 머신 러닝을 반복적으로 수행하여 상기 사이트를 생성하고 상기 사이트를 검증하고 검증을 완료한 후에 상기 사이트를 납품 사이트로 업그레이드하는 단계;를 포함하는 프로젝트 통합 관제 방법을 제공한다.
여기서, 상기 a) 단계는, 상기 제안서가 선정되지 못한 경우에, 해당 제안서의 평가 방법, 배점 기준을 분석하여 해당 제안서가 선정되지 못한 원인을 분석하여 상기 제안서 DB에 저장하고, 상기 b) 단계는 차후에 상기 발주처 또는 상기 제안 요청서와 유사한 사업을 수행하기 위해 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성하는 경우에, 상기 선정되지 못한 원인을 우선적으로 고려하여 상기 제안서를 작성하는 것을 특징으로 할 수 있다.
여기서, 상기 제안서 DB는 상기 발주처를 업종별, 기관별, 기능적 요구사항별로 구분하여 분류하여 저장하고 있으며, 사업 수행사의 회사 정보와 인력 정보가 저장되어 있고, 상기 사이트 DB는 사이트 구축에 필요한 데이터가 상기 발주처의 업종별, 기관별, 기능적 요구사항별로 구분되어 저장되어 있는 것을 특징으로 할 수 있다.
여기서, 상기 b) 단계는, 상기 제안 요청서의 내용을 사업 수행사의 수행 능력과 비교 분석하여 상기 사업 수행사의 상기 회사 정보, 상기 인력 정보 및 요구 금액이 상기 제안 요청서의 내용에 부합하는 경우에, 상기 발주처의 제안서 포맷에 맞춰 상기 회사 정보 및 상기 인력 정보를 해당 항목에 자동으로 입력하여 상기 제안서를 작성하는 것을 특징으로 할 수 있다.
여기서, 상기 컨텐츠 모델링은 최근 6개월치의 데이터를 이용하여 상기 발주처의 업종별, 기관별, 요구사항별, 평가항목 데이터별로 상기 사이트 DB의 데이터를 바이너리 데이터 포맷의 일종인 티에프레코드(TFRecord) 파일 포맷의 입력 데이터로 이용하고, 상기 사이트의 DB중 기본 항목 특징인 업종별, 기관별, 요구사항별, 평가항목은 임베딩(Embedding) 처리를 수행하고, 문장 특징인 설명(description)이 요구되는 항목은 순환신경망(RNN : Recurrent Neural Network) 처리를 수행하여 상기 발주처의 사용자의 취향에 맞게 컨텐츠를 추출 및 생성하고 이를 평가 및 모니터링하는 것을 특징으로 할 수 있다.
여기서, 상기 d) 단계는, 생성적 적대 신경망(GAN : Generative Adversarial Network)을 이용하여 사이트 검증모듈 및 사이트 생성모듈을 생성하고, 상기 사이트 검증모듈은 상기 가상의 사용자를 통해 상기 사이트 생성모듈이 생성한 N차 사이트를 검증하고 상기 사이트 생성모듈은 상기 가상의 사용자가 만족할 N+1차 사이트를 생성하는 과정을 N회 반복하여, 상기 N+1차 사이트를 최적의 사이트로 생성하는 것을 특징으로 할 수 있다.
또한, 발주처의 제안요청서에 포함된 요구사항을 유형별로 분리하고 해당 데이터를 저장하고, 저장된 데이터를 딥 러닝을 이용하여 상기 발주처가 원하는 사이트를 구축 및 관리하는 프로젝트 통합 관제 시스템에 있어서, 발주처의 제안요청서에 포함된 요구사항을 유형별로 분류하여 저장하고, 작성한 제안서 및 상기 작성한 제안서의 항목을 상기 제안요청서에 대응하는 항목별로 매칭하여 저장하고, 상기 발주처를 업종별, 기관별, 기능적 요구사항별로 구분하여 분류하여 저장하고 있으며, 사업 수행사의 회사 정보와 인력 정보가 저장되어 있는 제안서 DB;와 상기 사이트 구축에 필요한 데이터가 상기 발주처의 업종별, 기관별, 기능적 요구사항별로 구분되어 저장되어 있는 사이트 DB;와 상기 발주처의 상기 제안 요청서를 검토/분석하여 상기 발주처가 요구하는 발주처 요구사항을 유형별로 분류하여 제안서 DB에 저장하는 제안요청서 분석부;와 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하게 사업수행이 가능한지를 판단하고 사업수행이 가능하다고 판단되는 경우에, 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성하는 제안서 작성부;와 상기 제안서에 맞게 컨텐츠 모델링을 수행하여 상기 발주처의 사용자의 특징에 맞는 컨텐츠를 상기 사이트 DB에서 선별하거나 생성하는 사이트 딥러닝부; 및 상기 사이트 생성 및 검증부에서 선별/생성한 컨텐츠를 이용하여 상기 발주처의 사용자의 특징에 맞는 사이트를 구축하고 가상의 사용자를 이용하여 머신 러닝을 반복적으로 수행하여 검증하고 검증이 완료된 사이트를 납품 사이트로 업그레이드하는 사이트 생성 및 검증부;를 포함하는 프로젝트 통합 관제 시스템이 제공된다.
여기서, 상기 사이트 생성 및 검증부는, 상기 가상의 사용자를 통해 상기 사이트를 검증하는 사이트 검증모듈; 및 상기 가상의 사용자가 만족할 사이트를 생성하는 사이트 생성모듈;을 포함하고 있어, 상기 사이트 검증모듈과 상기 사이트 생성모듈은 생성적 적대 신경망(GAN : Generative Adversarial Network)을 이용하여 서로 경쟁적으로 작용하여 상기 발주처가 원하는 최적의 사이트를 구축하는 것을 특징으로 할 수 있다.
본 발명은 기존의 저장된 데이터를 딥 러닝을 이용하여 발주처가 요구하는 홈페이지를 생성 및 관리할 수 있어, 소수의 인원으로 고품질의 다양한 시스템을 개발 및 구축이 가능한 효과가 있다.
또한, 본 발명은 전문가 없이도 발주처가 요구하는 홈페이지를 프로젝트 통합 관제 방법 및 시스템을 이용하여 구축이 가능하여 프로젝트에 들어가는 시간 및 인건비를 절감할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예로, 프로젝트 통합 관제 방법 및 시스템을 이용하여 발주처의 홈페이지를 구축하는 것을 개략적으로 나타낸 도면이다.
도 2는 본 발명의 일 실시예로, 발주처의 요청에 따른 제안서를 작성하고 발주처의 요청에 맞는 홈페이지를 구축하는 방법을 나타낸 도면이다.
도 3은 본 발명의 일 실시예로, 프로젝트 통합 관제 시스템의 구성을 도시한 도면이다.
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 1은 본 발명의 일 실시예로, 프로젝트 통합 관제 방법 및 시스템을 이용하여 발주처의 홈페이지를 구축하는 것을 개략적으로 나타낸 도면이다.
먼저, 발주처가 시스템 통합구축 사업을 발주하면, 사업 수행사(제작사)는 해당 발주처(민간, 공공기관)의 제안 요청서(RFP : Request For Proposal)를 분석한다.
제안 요청서에는 발주처의 해당 과제의 제목, 목적 및 목표, 내용, 기대성과, 수행기간, 금액(Budget), 참가자격, 제출서류 목록, 요구사항, 제안서 목차, 평가 기준 등의 내용이 포함된다.
사업 수행사(제작사)는 발주처의 제안 요청서를 분석하여 사업의 참여 타당성을 검토하여 사업 참여 여부를 결정한다. 이 과정에서 사업 수행사(제작사)는 제안 요청서에 포함된 업종별(한국표 준산업분류), 기관별(정부 조직 정보), 기능적 요구사항별(장비, 기능, 성능, 인터페이스, 데이터, 테스트, 보안, 품질, 제약, 관리, 지원, 컨설팅) 데이터 등을 분류하고 이를 제안서 DB(110)에 저장할 수 있도록 가공하여 저장한다.
여기서, 사업 수행사(제작사)는 주관사업자 선정이 안되었을 경우 탈락 사유(제안서 평가항목 및 배점 기준 등)의 분석 자료를 제안서 DB(110)에 추가로 저장하여, 제안서 DB(110)를 참조하여 유사 프로젝트 참여시 제안서 작성에 이용한다.
사업 수행사(제작사)가 주관사업자로 선정이 되었을 경우에 선정된 제안서의 내용을 제안서 DB(110)에 분류하여 저장한다.
사업 수행사(제작사)가 주관사업자로 선정된 이후에는 사업 수행사가 제출한 제안서를 바탕으로 발주처의 사용자의 특성(니즈)에 맞는 사이트를 구축한다.
사이트 구축을 위해서 사업 수행사(제작사)는 사이트 구축에 필요한 데이터를 사이트 DB(120)에 분류하여 저장한다.
즉, 제안 사업별 분류를 통해 제안서 작성에 필요한 데이터는 제안서 DB(110)에 저장하고 구축 데이터별 분류를 통해 사이트 구축에 필요한 데이터는 사이트 DB(120)에 저장한다.
이후 사업 수행사(제작사)는 딥 러닝 알고리즘을 이용하여 사이트 구축에 필요한 데이터를 사이트 DB(120)으로부터 선별하거나 사이트 DB(120)에 저장된 데이터를 이용하여 생성한다.
또한, 사업 수행사(제작사)는 딥 러닝 알고리즘을 통해 사이트 구축에 필요한 데이터를 이용하여 발주처 사용자의 특징에 부합하는 사이트를 생성 및 구축한다.
여기서, 본 발명의 프로젝트 통합 관제 시스템(100)은 생성한 사이트를 자체적으로 반복적으로 검증하여 최적의 사이트로 업데이트 할 수 있으며, 사업 수행사(제작사)의 참여인력이 프로젝트 통합 관제 시스템(100)을 통해 생성된 사이트를 검증 및 업데이트 할 수도 있다.
이러한 사이트 검증 및 업데이트 과정을 반복하여 최적의 사이트를 생성하여 구축하고 이를 발주처에 납품한다.
도 2는 본 발명의 일 실시예로, 발주처의 요청에 따른 제안서를 작성하고 발주처의 요청에 맞는 홈페이지를 구축하는 방법을 나타낸 도면이다.
S101 단계는 발주처가 발주한 프로젝트에 대한 제안 요청서를 제안 요청서 분석부(130)에서 검토/분석하여 상기 발주처가 요구하는 발주처 요구사항을 유형별로 분류하여 제안서 DB(110)에 저장하는 단계이다.
발주처의 제안요청서에 포함되는 요구사항은 발주처가 원하는 사이트에 대한기능 요구사항, 성능 요구사항, 인터페이스 요구사항, 데이터 요구사항, 보안 요구사항, 품질 요구사항 등 다양한 요구사항을 포함할 수 있으며, 제안서 DB(110)는 이와 같은 다양한 요구사항을 유형별로 분류하여 저장하고 있다. 이와 같은 다양한 요구사항은 소프트웨어 사업에 관련된 제안요청서 작성시 일반적으로 포함되는 내용이다. 발주처의 제안요청서에 포함되는 요구사항은 발주처의 요구사항과 같은 의미이다.
S102 단계는 제안서 작성부(140)에서 제안서 DB를 참조하여 사업 수행사(제작사)가 상기 제안 요청서에 부합하게 사업수행이 가능한지를 판단하고 사업수행이 가능하다고 판단되는 경우에, 제안서 DB(110)를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성하는 단계이다.
제안서 DB(110)에는 발주처의 업종별, 기관별, 분야별, 기능별로 해당하는 데이터가 분류되어 저장되어 사업 수행사의 회사 정보와 과거에 수행한 프로젝트의 제안서 데이터가 발주처의 특징에 맞게 항목별로 분류되어 저장되어 있다.
따라서, 제안서 작성부(140)는 발주처의 제안 요청서를 분석하여 분석된 항목을 제안서 DB(110)에 저장된 항목과 비교 분석하면, 상기 제안 요청서를 만족하는 제안서를 자동으로 생성할 수 있다.
즉, 제안 요청서의 내용을 사업 수행사의 수행 능력과 비교 분석하여 상기 사업 수행사의 상기 회사 정보, 상기 인력 정보 및 요구 금액이 상기 제안 요청서의 내용에 부합하는 경우에, 발주처의 제안서 포맷에 맞춰 회사 정보(사업 수행사) 및 사업 수행사의 인력 정보를 해당 항목에 자동으로 입력하여 상기 제안서를 작성한다.
여기서, 차후에 상기 발주처 또는 상기 제안 요청서와 유사한 사업을 수행하기 위해 제안서 DB(110)를 참조하여 제안 요청서에 부합하는 제안서를 작성하는 경우에, 선정되지 못한 원인을 우선적으로 고려하여 제안서를 작성하도록 한다.
S103 단계는 사업 수행사가 작성한 제안서를 발주처에 제출하고 제출한 제안서가 선정되었는지를 판단하는 단계이다.
S104 단계는 상기 제안서가 선정되지 못한 경우에, 해당 제안서의 평가 방법, 배점 기준을석하여 해당 제안서가 선정되지 못한 원인을 분석하여 제안서 내용을 검토/수정하여 제안서 DB(110)에 저장하는 단계이다.
S104 단계를 수행함으로써, 본 발명의 프로젝트 통합 관제 방법 및 시스템은 차후에 동일하거나 유사한 프로젝트를 지원하는 경우에 보다 선정될 확률이 높은 제안서를 작성할 수 있다.
S105 단계는 사이트 구축에 필요한 컨텐츠를 선별하거나 생성하는 단계이다.
즉, 사이트 딥러닝부(150)에서 제안서에 맞게 컨텐츠 모델링을 수행하여 상기 발주처의 사용자의 특징에 맞는 컨텐츠를 사이트 DB(120)에서 선별하거나 사이트 DB(120)의 데이터를 이용하여 생성하는 단계이다.
S106 단계는 상기 발주처의 사용자의 특징에 맞는 사이트를 생성하는 단계이다.
사이트 생성 및 검증부(160)는 생성적 적대 신경망(GAN : Generative Adversarial Network)을 이용하는 사이트 검증모듈 및 사이트 생성모듈을 포함하고 있으며, 사이트 생성모듈은 발주처의 사용자의 특징에 맞는 사이트를 생성한다.
S107 단계는 생성한 사이트를 검증하는 단계이다.
사이트 생성 및 검증부(160)의 사이트 검증모듈은 사이트 생성모듈이 생성한 사이트를 검증하여 버그나 수정할 사항이 있는지를 알아낸다.
S108 단계는 사이트 검증모듈의 사이트 검증 결과 해당 사이트에 버그가 많거나 수정될 사항이 많이 발견된 경우에 검증을 통과하지 못한 것으로 판단하고, 발견된 버그나 수정될 사항을 사이트 생성모듈에 알려주어 사이트 생성모듈이 이전에 생성한 사이트를 업그레이드하는 단계이다.
이러한 사이트 생성 및 검증을 반복적으로 수행함으로써 버그나 수정할 사항이 허용할 수 있는 범위내에서 발견되는 경우에는 사이트를 최적의 사이트로 판단하고 발주처에 납품한다(S109).
이러한 사이트 검증을 위해서 사이트 검증모듈은 사이트를 이용하는 가상의 사용자를 생성하여 가상의 사용자를 통해 사이트를 이용하여 버그나 수정될 사항을 찾아낸다.
즉, 사이트 검증모듈은 가상의 사용자를 통해 사이트 생성모듈이 생성한 N차 사이트를 검증하고 사이트 생성모듈은 가상의 사용자가 만족할 N+1차 사이트를 생성하는 과정을 N회 반복하여, 최종적으로 N+1차 사이트를 최적의 사이트로 생성한다.
이러한 사이트의 반복적인 검증과 업그레이드를 위해서 사이트 생성모듈과 사이트 검증모듈은 생성적 적대 신경망(GAN : Generative Adversarial Network) 알고리즘을 이용하여 서로 경쟁적으로 사이트를 생성 및 검증한다.
여기서, N은 자연수로 사이트를 보다 최적으로 생성하여 구축하기 위해서는N을 보다 큰 수로 선정하고, 사이트 생성 및 구축을 빠른 시간 내에 수행하기 위해서는 N을 작은 수로 선정한다.
본 발명의 사이트 검증 횟수인 N은 사업 수행사의 인력수, 프로젝트의 기간,프로젝트의 발주처의 요구사항에 따라 해당 상항에 맞게 선정된다.
도 3은 본 발명의 일 실시예로, 프로젝트 통합 관제 시스템의 구성을 도시한 도면이다.
본 발명의 프로젝트 통합 관제 시스템(100)은 제안서 DB(110), 사이트 DB(120), 제안요청서 분석부(130), 제안서 작성부(140), 사이트 딥러닝부(150) 및 사이트 생성 및 검증부(160)를 포함한다.
제안서 DB(110)는 발주처의 제안요청서에 포함된 요구사항을 유형별로 분류하여 저장하고 있다. 또한, 사업 수행사가 작성한 제안서를 저장하고 있으며, 작성한 제안서의 항목을 상기 제안요청서에 대응하는 항목별로 매칭하여 저장하고 있다. 또한, 상기 발주처를 업종별, 기관별, 기능적 요구사항별로 구분하여 분류하여 저장하고 있다. 또한, 사업 수행사의 회사 정보와 제안서 작성에 필요한 정보(예를 들어, 인력 정보, 사업 수행 정보 등)를 저장하고 있다.
사이트 DB(120)는 사이트 구축에 필요한 데이터를 상기 발주처의 업종별, 기관별, 기능적 요구사항별로 구분하여 저장하고 있다.
제안요청서 분석부(130)는 발주처의 제안 요청서를 검토/분석하여 상기 발주처가 요구하는 발주처 요구사항을 유형별로 분류하여 제안서 DB(110)에 저장한다.
또한, 제안요청서 분석부(130)는 발주처의 제안 요청서를 검토/분석하여 사업 수행사가 제안 요청서의 요구에 맞게 사업을 진행할 수 있을지를 분석한다.
즉, 제안요청서 분석부(130)는 발주처의 제안 요청서를 사업 수행사의 경력과 능력을 비교하여 검토/분석하여 사업 수행사의 발주처의 제안 요청 사업을 수행할 수 있을지를 분석한다.
제안서 작성부(140)는 제안서 DB(110)를 참조하여 사업 수행사가 발주처의 제안 요청서에 부합하게 사업수행을 할 수 있을지를 판단하고, 사업수행이 가능하다고 판단되는 경우에, 제안서 DB(110)를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성한다.
여기서, 제안서 작성부(140)는 제안 요청서의 내용을 사업 수행사의 수행 능력과 비교 분석하여 사업 수행사의 회사 정보, 인력 정보 및 사업 수행사가 원하는 요구 금액이 상기 제안 요청서의 내용에 부합하는 경우에, 발주처의 제안서 포맷에 맞춰 사업 수행사의 회사 정보 및 인력 정보 등을 해당 항목에 자동으로 입력하여 제안서를 작성한다.
여기서, 제안서 작성부(140)에서 작성된 제안서는 사업 수행사의 담당자가 좀더 검토를 수행하여 수정 및 보완작업을 통해 완벽한 제안서로 업그레이드 할 수 있다.
사이트 딥러닝부(150)는 상기 제안서에 맞게 컨텐츠 모델링을 수행하여 발주처의 사용자의 특징에 맞는 컨텐츠를 사이트 DB(120)에서 선별하거나 생성한다.
이를 위해서, 사이트 딥러닝부(150)는 인공지능의 딥 러닝을 이용하는 컨텐츠 모델링을 수행한다.
컨텐츠 모델링은 다음과 같은 방법에 따라 수행된다.
먼저, 발주처의 업종별, 기관별, 요구사항별, 평가항목 데이터별로 최근 6개월치의 데이터를 사이트 DB(120)에 저장한다. 이는 사이트 구축시 최신의 데이터를 이용하여 사이트를 구축하기 위함이다.
여기서, 사이트 DB(120)에 저장하는 데이터를 TFRocord 파일 포맷의 입력 데이터로 저장한다.
TFRecord 파일 포맷은 텐서플로우의 학습 데이타 등을 저장하기 위한 바이너리 데이타 포맷이다. 예를 들어, 구글의 Protocol Buffer포맷으로 데이타를 파일에 Serialize 하여 저장한다.
기존의 CSV 파일은 숫자나 텍스트 데이타를 이용하는 경우에는 큰 문제가없다. 그러나, 이미지 데이타를 이용하는 경우에 이미지는 JPEG나 PNG 형태의 파일로 저장되어 있고 이에 대한 메타 데이타와 라벨은 별도의 파일에 저장되어 있기 때문에, CSV 파일은 이러한 이미지 데이타를 이용하는 경우에는 라벨용 파일 하나만 읽는 것이 아니라 이미지 파일도 별도로 읽어야 하기 때문에, 코드가 복잡해진다. 또한, 이미지를 JPG나 PNG 포맷으로 읽어서 매번 디코딩을 하게 되면, 학습단계에서 데이타를 읽는 부분에서 많은 성능 저하가 발생한다. 이러한 이유로 개발의 편리성과 데이터 처리 속도의 향상을 위해서 본 발명에서는 사이트 DB(120)에 저장하는 데이터는 TFRecord 파일 포맷을 이용하는 것이 좋다.
이후 사이트 DB(120)에 저장된 데이터를 이용하여 상기 발주처의 사용자의 특징에 맞는 컨텐츠를 선별하거나 생성한다.
여기서, 사이트의 DB(120)에 저장된 데이터 중 기본 항목 특징인 업종별, 기관별, 요구사항별, 평가항목은 Embedding 처리를 수행하고, 문장 특징인 설명(description)이 요구되는 항목은 순환신경망(RNN : Recurrent Neural Network) 처리를 수행하여 상기 발주처의 사용자의 취향에 맞게 컨텐츠를 추출 및 생성하여 발주처의 사용자의 특징에 맞는 컨텐츠를 선별하거나 생성한다.
컨텐츠 모델링을 보다 상세히 설명하면 다음과 같다.
먼저 사이트 구축에 필요한 데이터를 담을 tensor(간단하게 vector로 생각하면 된다)들을 이용하여 데이터의 흐름(input 부터 back propagation 까지)을 정의하는 그래프를 만들고 그래프의 흐름에 따라 데이터를 추출 또는 생성한다.
ㆍ Objective
컨텐츠의 추천 로직은 기본적으로 발주처의 사이트를 이용할 사용자의 취향에 맞게 ordering 을 하는 것이 목표이다. 사용자의 취향은 여러 방식으로 정의할 수 있지만, 본 발명에서는 사용자의 컨텐츠 클릭 여부로 결정한다. 사용자/컨텐츠 정보를 input 으로 하여 딥 러닝 neural network 가 사용자가 최종적으로 컨텐츠를 클릭할 확률을 계산하도록 한다.
ㆍ Input
일별로 구분된 training data set 을 랜덤하게 섞어서 모델에 feed 할 수 있도록 컨텐츠 모델링에서는 shuffle_batch 함수를 사용한다. 상술한 바와 같이 사이트 DB(120)에 저장되는 컨텐츠 생성에 필요한 input 파일들을 TFRecord 포맷으로 저장한다. 이는 binary 포맷이라서 일반 csv/text 파일보다 월등히 빠르기 때문이다. 컨텐츠 모델링의 batching은 queue/dequeue 방식을 사용한다.
사이트 생성 및 검증부(160)는 구축된 사이트를 가상의 사용자를 이용하여 머신 러닝을 반복적으로 수행하여 발주처의 사용자의 특징에 맞는 사이트를 생성하고 생성한 사이트를 검증하고 검증을 완료한 후에 발주처에 납품할 납품 사이트로 업그레이드한다.
본 발명에서는 발주처의 사용자의 특징에 맞는 즉, 사용자의 니즈에 부합하는 사이트를 생성하기 위해서 사이트 생성 및 검증부(160)는 생성적 적대 신경망(GAN : Generative Adversarial Network)을 이용하는 사이트 검증모듈 및 사이트 생성모듈을 추가로 포함한다.
사이트 검증모듈은 상기 가상의 사용자를 통해 상기 사이트 생성모듈이 생성한 N차 사이트를 검증하고, 사이트 생성모듈은 상기 가상의 사용자가 만족할 N+1차 사이트를 생성하는 과정을 N회 반복하여 상기 N+1차 사이트를 최적의 사이트로 생성한다.
즉, 사이트 검증모듈은 가상의 사용자를 생성하여 사이트 생성모듈이 생성한 사이트를 실제 발주처 사용자처럼 이용하고 사이트 이용 도중에 발견한 버그나 수정이 필요한 사항을 사이트 생성모듈로 알려준다.
사이트 생성모듈은 사이트 검증모듈로부터 수신한 버그나 수정이 필요한 사항을 반영하여 이전에 생성한 사이트를 보다 검증된 사이트로 업그레이드한다.
이러한 사이트 생성모듈이 생성한 사이트를 사이트 검증모듈이 검증하고, 사이트 검증모듈을 통해 검증된 사항을 반영하여 사이트 생성모듈이 이전에 생성한 사이트를 업그레이드한다. 이러한 생성적 적대 신경망 과정을 반복하면 실제 발주처 사용자의 특징과 니즈에 맞는 최적의 사이트를 구축할 수 있다.
본 발명은 상기한 특정의 바람직한 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 되는 것임은 자명하다.
100 : 프로젝트 통합 관제 시스템
110 : 제안서 DB
120 : 사이트 DB
130 : 제안요청서 분석부
140 : 제안서 작성부
150 : 사이트 딥러닝부
160 : 사이트 생성 및 검증부

Claims (8)

  1. 발주처의 제안요청서에 포함된 요구사항을 유형별로 분리하고 해당 데이터를 저장하고, 저장된 데이터를 딥 러닝을 이용하여 상기 발주처가 원하는 사이트를 구축 및 관리하는 프로젝트 통합 관제 방법에 있어서,
    a) 제안 요청서 분석부에서 상기 제안 요청서를 검토/분석하여 상기 발주처가 요구하는 발주처 요구사항을 유형별로 분류하여 제안서 DB(DATABASE)에 저장하는 단계 - 상기 요구사항은 발주처가 원하는 사이트에 대한 기능 요구사항, 성능 요구사항, 인터페이스 요구사항, 데이터 요구사항, 보안 요구사항, 품질 요구사항 중 하나 이상을 포함함 -;
    b) 제안서 작성부에서 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하게 사업수행이 가능한지를 판단하고 사업수행이 가능하다고 판단되는 경우에, 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성하는 단계;
    c) 사이트 딥러닝부에서 상기 제안서에 맞게 컨텐츠 모델링을 수행하여 상기 발주처의 사이트를 이용할 사용자의 컨텐츠 클릭 여부를 토대로 한 사용자의 취향에 맞게 컨텐츠를 추출 및 생성하여 발주처의 사용자의 특징에 맞는 컨텐츠를 사이트 DB에서 선별하거나 생성하는 단계; 및
    d) 사이트 생성 및 검증부에서 선별/생성된 컨텐츠를 이용하여 상기 발주처의 사용자의 특징에 맞는 사이트를 생성하고 가상의 사용자를 이용하여 머신 러닝을 반복적으로 수행하여 상기 사이트를 생성하고 상기 사이트를 검증하고 검증을 완료한 후에 상기 사이트를 납품 사이트로 업그레이드하는 단계;를 포함하되,
    상기 a) 단계는,
    상기 제안서가 선정되지 못한 경우에,
    해당 제안서의 평가 방법, 배점 기준을 분석하여 해당 제안서가 선정되지 못한 원인을 분석하여 상기 제안서 DB에 저장하고,
    상기 b) 단계는 차후에 상기 발주처 또는 상기 제안 요청서와 유사한 사업을 수행하기 위해 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성하는 경우에, 상기 선정되지 못한 원인을 우선적으로 고려하여 상기 제안서를 작성하는 것을 특징으로 하는 프로젝트 통합 관제 방법.
  2. 삭제
  3. 청구항 1에 있어서,
    상기 제안서 DB는 상기 발주처를 업종별, 기관별, 기능적 요구사항별로 구분하여 분류하여 저장하고 있으며, 사업 수행사의 회사 정보와 인력 정보가 저장되어 있고,
    상기 사이트 DB는 사이트 구축에 필요한 데이터가 상기 발주처의 업종별, 기관별, 기능적 요구사항별로 구분되어 저장되어 있는 것을 특징으로 하는 프로젝트 통합 관제 방법.
  4. 청구항 3에 있어서,
    상기 b) 단계는,
    상기 제안 요청서의 내용을 사업 수행사의 수행 능력과 비교 분석하여 상기 사업 수행사의 상기 회사 정보, 상기 인력 정보 및 요구 금액이 상기 제안 요청서의 내용에 부합하는 경우에, 상기 발주처의 제안서 포맷에 맞춰 상기 회사 정보 및 상기 인력 정보를 해당 항목에 자동으로 입력하여 상기 제안서를 작성하는 것을 특징을 하는 프로젝트 통합 관제 방법.
  5. 청구항 3에 있어서,
    상기 컨텐츠 모델링은 최근 6개월치의 데이터를 이용하여 상기 발주처의 업종별, 기관별, 요구사항별, 평가항목 데이터별로 상기 사이트 DB의 데이터를 바이너리 데이터 포맷의 일종인 티에프레코드(TFRecord) 파일 포맷의 입력 데이터로 이용하고, 상기 사이트의 DB중 기본 항목 특징인 업종별, 기관별, 요구사항별, 평가항목은 임베딩(Embedding) 처리를 수행하고, 문장 특징인 설명(description)이 요구되는 항목은 순환신경망(RNN : Recurrent Neural Network) 처리를 수행하여 상기 발주처의 사용자의 취향에 맞게 컨텐츠를 추출 및 생성하고 이를 평가 및 모니터링하는 것을 특징으로 하는 프로젝트 통합 관제 방법.
  6. 청구항 4에 있어서,
    상기 d) 단계는,
    생성적 적대 신경망(GAN : Generative Adversarial Network)을 이용하여 사이트 검증모듈 및 사이트 생성모듈을 생성하고, 상기 사이트 검증모듈은 상기 가상의 사용자를 통해 상기 사이트 생성모듈이 생성한 N차 사이트를 검증하고 상기 사이트 생성모듈은 상기 가상의 사용자가 만족할 N+1차 사이트를 생성하는 과정을 N회 반복하여, 상기 N+1차 사이트를 최적의 사이트로 생성하는 것을 특징으로 하는 프로젝트 통합 관제 방법.
  7. 발주처의 제안요청서에 포함된 요구사항을 유형별로 분리하고 해당 데이터를 저장하고, 저장된 데이터를 딥 러닝을 이용하여 상기 발주처가 원하는 사이트를 구축 및 관리하는 프로젝트 통합 관제 시스템에 있어서,
    발주처의 제안요청서에 포함된 요구사항을 유형별로 분류하여 저장하고, 작성한 제안서 및 상기 작성한 제안서의 항목을 상기 제안요청서에 대응하는 항목별로 매칭하여 저장하고, 상기 발주처를 업종별, 기관별, 기능적 요구사항별로 구분하여 분류하여 저장하고 있으며, 사업 수행사의 회사 정보와 인력 정보가 저장되어 있는 제안서 DB;
    상기 사이트 구축에 필요한 데이터가 상기 발주처의 업종별, 기관별, 기능적 요구사항별로 구분되어 저장되어 있는 사이트 DB;
    상기 발주처의 상기 제안 요청서를 검토/분석하여 상기 발주처가 요구하는 발주처 요구사항을 유형별로 분류하여 제안서 DB에 저장하는 제안요청서 분석부 - 상기 발주처의 제안요청서에 포함된 요구사항 및 발주처 요구사항은 발주처가 원하는 사이트에 대한 기능 요구사항, 성능 요구사항, 인터페이스 요구사항, 데이터 요구사항, 보안 요구사항, 품질 요구사항 중 하나 이상을 포함함 -;
    상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하게 사업수행이 가능한지를 판단하고 사업수행이 가능하다고 판단되는 경우에, 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성하는 제안서 작성부;
    상기 제안서에 맞게 컨텐츠 모델링을 수행하여 상기 발주처의 사이트를 이용할 사용자의 컨텐츠 클릭 여부를 토대로 한 사용자의 취향에 맞게 컨텐츠를 추출 및 생성하여 발주처의 사용자의 특징에 맞는 컨텐츠를 상기 사이트 DB에서 선별하거나 생성하는 사이트 딥러닝부; 및
    상기 사이트 딥러닝부에서 선별/생성한 컨텐츠를 이용하여 상기 발주처의 사용자의 특징에 맞는 사이트를 구축하고 가상의 사용자를 이용하여 머신 러닝을 반복적으로 수행하여 검증하고 검증이 완료된 사이트를 납품 사이트로 업그레이드하는 사이트 생성 및 검증부;를 포함하되,
    상기 제안요청서 분석부는 상기 제안서가 선정되지 못한 경우에 해당 제안서의 평가 방법, 배점 기준을 분석하여 해당 제안서가 선정되지 못한 원인을 분석하여 상기 제안서 DB에 저장하고,
    상기 제안서 작성부는 차후에 상기 발주처 또는 상기 제안 요청서와 유사한 사업을 수행하기 위해 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성하는 경우에, 상기 선정되지 못한 원인을 우선적으로 고려하여 상기 제안서를 작성하는 것을 특징으로 하는 프로젝트 통합 관제 시스템.
  8. 청구항 7에 있어서,
    상기 사이트 생성 및 검증부는,
    상기 가상의 사용자를 통해 상기 사이트를 검증하는 사이트 검증모듈; 및
    상기 가상의 사용자가 만족할 사이트를 생성하는 사이트 생성모듈;
    을 포함하고 있어,
    상기 사이트 검증모듈과 상기 사이트 생성모듈은 생성적 적대 신경망(GAN : Generative Adversarial Network)을 이용하여 서로 경쟁적으로 작용하여 상기 발주처가 원하는 최적의 사이트를 구축하는 것을 특징으로 하는 프로젝트 통합 관제 시스템.
KR1020180025718A 2018-03-05 2018-03-05 프로젝트 통합 관제 방법 및 시스템 KR101904690B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180025718A KR101904690B1 (ko) 2018-03-05 2018-03-05 프로젝트 통합 관제 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180025718A KR101904690B1 (ko) 2018-03-05 2018-03-05 프로젝트 통합 관제 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR101904690B1 true KR101904690B1 (ko) 2018-10-04

Family

ID=63863220

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180025718A KR101904690B1 (ko) 2018-03-05 2018-03-05 프로젝트 통합 관제 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101904690B1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020175753A1 (ko) * 2019-02-28 2020-09-03 (주)엔터랩 전문가에 의해 생성되는 프로젝트 결과물을 빅데이터 기반으로 관리하는 방법 및 시스템
KR102180267B1 (ko) * 2019-12-30 2020-11-18 강상구 Ｏ２ｏ 기반 의류산업 내 발주자와 제작자를 연결하는 의류생산 매칭 서비스 제공 시스템
KR20210003547A (ko) * 2019-07-02 2021-01-12 고진우 Gan을 이용한 웹사이트 자동생성 방법, 장치 및 프로그램
KR20210014935A (ko) * 2019-07-31 2021-02-10 한화시스템 주식회사 디브리핑 제도에 기반한 제안서 작성을 위한 제안서 데이터 선별 시스템 및 방법
KR20210017115A (ko) * 2019-08-07 2021-02-17 한화시스템 주식회사 수주 입찰을 위한 빅데이터 기반의 제안서 데이터 제공 시스템 및 방법
KR102316188B1 (ko) * 2020-05-12 2021-10-22 한화시스템 주식회사 수주 과제의 현장 실사를 위한 과제 자원 검증 시스템 및 방법
KR102649665B1 (ko) * 2023-06-02 2024-03-20 주식회사 앤티에스 자동 적정성 평가를 기반으로 하는 하도급 관리 방법 및 이를 구현하는 하도급 관리 시스템

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020175753A1 (ko) * 2019-02-28 2020-09-03 (주)엔터랩 전문가에 의해 생성되는 프로젝트 결과물을 빅데이터 기반으로 관리하는 방법 및 시스템
KR20210003547A (ko) * 2019-07-02 2021-01-12 고진우 Gan을 이용한 웹사이트 자동생성 방법, 장치 및 프로그램
KR102262338B1 (ko) * 2019-07-02 2021-06-07 고진우 Gan을 이용한 웹사이트 자동생성 방법, 장치 및 프로그램
KR20210014935A (ko) * 2019-07-31 2021-02-10 한화시스템 주식회사 디브리핑 제도에 기반한 제안서 작성을 위한 제안서 데이터 선별 시스템 및 방법
KR102303692B1 (ko) * 2019-07-31 2021-09-17 한화시스템 주식회사 디브리핑 제도에 기반한 제안서 작성을 위한 제안서 데이터 선별 시스템 및 방법
KR20210017115A (ko) * 2019-08-07 2021-02-17 한화시스템 주식회사 수주 입찰을 위한 빅데이터 기반의 제안서 데이터 제공 시스템 및 방법
KR102251687B1 (ko) * 2019-08-07 2021-05-13 한화시스템 주식회사 수주 입찰을 위한 빅데이터 기반의 제안서 데이터 제공 시스템 및 방법
KR102180267B1 (ko) * 2019-12-30 2020-11-18 강상구 Ｏ２ｏ 기반 의류산업 내 발주자와 제작자를 연결하는 의류생산 매칭 서비스 제공 시스템
KR102316188B1 (ko) * 2020-05-12 2021-10-22 한화시스템 주식회사 수주 과제의 현장 실사를 위한 과제 자원 검증 시스템 및 방법
KR102649665B1 (ko) * 2023-06-02 2024-03-20 주식회사 앤티에스 자동 적정성 평가를 기반으로 하는 하도급 관리 방법 및 이를 구현하는 하도급 관리 시스템

Similar Documents

Publication Publication Date Title
KR101904690B1 (ko) 프로젝트 통합 관제 방법 및 시스템
US10762142B2 (en) User-defined automated document feature extraction and optimization
US11048762B2 (en) User-defined automated document feature modeling, extraction and optimization
US8095975B2 (en) Dynamic document merging method and system
US20070162482A1 (en) Method and system of using artifacts to identify elements of a component business model
Herzwurm et al. The leading edge in QFD for software and electronic business
US8190494B2 (en) Order processing analysis tool
CN106779336B (zh) 工程更改方法及装置
WO2011142987A1 (en) Organization-segment-based risk analysis model
CN115170048B (zh) 基于模型和规则的工作流实现方法、系统和介质
AU2018219291A1 (en) Decision support system and methods associated with same
US20200159526A1 (en) Methods and systems for automatically updating software functionality based on natural language input
Wittern et al. Service feature modeling: modeling and participatory ranking of service design alternatives
CN114791972A (zh) 一种一体化智能投标系统及方法
KR102451735B1 (ko) 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템 및 방법
US20240070726A1 (en) Automated generation of creative parameters based on approval feedback
EP1180741A2 (en) Flexible system and method for standardizing communications and decision-making across multiple business processes
US20230316197A1 (en) Collaborative, multi-user platform for data integration and digital content sharing
US20180260820A1 (en) System device and process for an educational regulatory electronic tool kit
Kuhrmann Crafting a software process improvement approach—a retrospective systematization
Pradnyana et al. Business process improvement design of complaints on technical information system problems using the business process improvement method
US20140149186A1 (en) Method and system of using artifacts to identify elements of a component business model
Alshammari Analytical Evaluation of SOA and SCRUM Business Process Management Approaches for IoT‐Based Services Development
KR101508496B1 (ko) 자산 기반의 요구사항 시뮬레이터 및 요구사항 관리 방법
Pastor et al. Capability-based communication analysis for enterprise modelling

Legal Events

Date Code Title Description
GRNT Written decision to grant