KR102082899B1 - 건조사양서 분석을 통한 상이율 자동산정 장치 및 그를 이용한 설계공수 자동산정 방법 - Google Patents
건조사양서 분석을 통한 상이율 자동산정 장치 및 그를 이용한 설계공수 자동산정 방법 Download PDFInfo
- Publication number
- KR102082899B1 KR102082899B1 KR1020190085113A KR20190085113A KR102082899B1 KR 102082899 B1 KR102082899 B1 KR 102082899B1 KR 1020190085113 A KR1020190085113 A KR 1020190085113A KR 20190085113 A KR20190085113 A KR 20190085113A KR 102082899 B1 KR102082899 B1 KR 102082899B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- difference rate
- drying
- learning
- inputting
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000001035 drying Methods 0.000 claims abstract description 53
- 238000013461 design Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000010276 construction Methods 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000007796 conventional method Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000019771 cognition Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing 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
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Library & Information Science (AREA)
- Databases & Information Systems (AREA)
- Machine Translation (AREA)
Abstract
본 발명은 건조사양서 분석을 통한 상이율 자동산정 장치 및 그를 이용한 설계공수 자동산정 방법에 대한 것이다.
본 발명에 따르면, 문서 파일 형태로 작성된 기 건조된 선박에 대한 건조사양서로부터 추출된 선박에 대한 건조 정보를 메타데이터 형태로 저장하는 건조정보 데이터베이스, 상기 건조 정보에 포함된 서술형식의 비정형 데이터를 전처리하고, 상기 전처리된 건조 정보 중에서 상이율을 도출하기 위한 스펙 정보를 추출하는 스펙 추출부, 상기 추출된 스펙 정보를 XG부스트(eXtreme Gradient Boosting) 기반으로 형성된 예측모델에 입력하여, 상기 스펙 정보에 포함된 복수의 요소들과 상이율 사이의 상관 관계를 학습시키는 학습부, 상기 예측모델의 학습이 완료된 다음, 상이율을 예측하고자 하는 건조사양서에 대한 문서 파일을 상기 예측모델에 입력하여 상이율을 도출하는 상이율도출부, 그리고, 상기 도출된 상이율을 이용하여 목표시수를 예측하는 예측부를 포함한다.
또한, 본 발명에 따른 상이율 자동산정 장치는 과거에 작성된 건조사양서를 학습하여 분석이 이루어지므로 상이율 산정 프로세스 절차를 간소화하고, 선주 특별 요구사항을 상이율 산정에 반영하여 도출이 가능한 효과를 지닌다.
본 발명에 따르면, 문서 파일 형태로 작성된 기 건조된 선박에 대한 건조사양서로부터 추출된 선박에 대한 건조 정보를 메타데이터 형태로 저장하는 건조정보 데이터베이스, 상기 건조 정보에 포함된 서술형식의 비정형 데이터를 전처리하고, 상기 전처리된 건조 정보 중에서 상이율을 도출하기 위한 스펙 정보를 추출하는 스펙 추출부, 상기 추출된 스펙 정보를 XG부스트(eXtreme Gradient Boosting) 기반으로 형성된 예측모델에 입력하여, 상기 스펙 정보에 포함된 복수의 요소들과 상이율 사이의 상관 관계를 학습시키는 학습부, 상기 예측모델의 학습이 완료된 다음, 상이율을 예측하고자 하는 건조사양서에 대한 문서 파일을 상기 예측모델에 입력하여 상이율을 도출하는 상이율도출부, 그리고, 상기 도출된 상이율을 이용하여 목표시수를 예측하는 예측부를 포함한다.
또한, 본 발명에 따른 상이율 자동산정 장치는 과거에 작성된 건조사양서를 학습하여 분석이 이루어지므로 상이율 산정 프로세스 절차를 간소화하고, 선주 특별 요구사항을 상이율 산정에 반영하여 도출이 가능한 효과를 지닌다.
Description
본 발명은 건조사양서 분석을 통한 상이율 자동산정 장치 및 그를 이용한 설계공수 자동산정 방법에 관한 것으로서, 더욱 상세하게는 초기설계 단계에서 작성된 건조사양서를 분석하여 자동으로 상이율을 도출하는 상이율 자동산정 장치 및 그를 이용한 설계공수 자동산정 방법에 관한 것이다.
선박, 해양 구조물의 설계 및 생산 과정은 초기(영업) 설계 단계에서 정의된 선박의 사양과 성능 요구사항을 만족하여야 한다. 이러한 선박의 사양 및 성능 요구사항은 건조사양서(building specification) 문서에 기록되어 있으며 기본 성능, 구조 안전 수준, 선체 재료, 그리고 의장 기자재 성능 등이 명시되어 있다.
그러나 현재는 각 설계 요구사항들이 자연어 문서로만 작성되고 있어서 건조 사양의 반영 여부 또는 변경을 확인하고 추적하는 방법이 명확하지 않으며, 주로 설계자의 인지 과정을 통해서 건조 사양에 대한 분석이 이루어지므로 한계가 발생되었다.
또한, 건조사양서에 포함된 선주 특별 요청사항에 대한 난이도 평가는 설계자의 주관적 판단에 의해 이루어지므로 결과의 일관성이 부족한 문제점이 있었다.
그리고, 종래의 상이율 산출 방법을 살펴보면, 먼저 설계자는 스펙 정보를 구성하는 각 요소들마다 각각의 평가 점수를 설정한다. 부연하자면, 스펙 정보를 구성하는 요소 중의 하나인 데크를 예를 들어 설명하면, 데크가 3개일 경우에 평가 점수는 0.3이고, 데크가 4개일 경우에 평가 점수는 0.4라고 가정한다. 이때, 평가 점수인 0.3 및 0.4는 설계자에 의해 기 설정된 값이다.
그리고, 구성 요소는 각각 상이한 가중치가 부여된다. 따라서, 상이율은 하기의 수학식 1을 통해 산출되었다.
상기와 같이 종래의 상이율 도출 방법은 설계자가 일일히 계산하여 도출되므로 상이율이 도출되는데 일정한 시간이 소요되고, 선주 요구사항에 대해 주관적인 평가점수를 부여하므로 일관성이 떨어지는 문제점이 있었다.
본 발명의 배경이 되는 기술은 대한민국 공개특허공보 제10-2012-0062344호(2012.06.14. 공개)에 개시되어 있다.
본 발명이 이루고자 하는 기술적 과제는, 영업설계 단계에서 작성된 건조사양서를 분석하여 자동으로 상이율을 도출하는 상이율 자동산정 장치 및 그를 이용한 설계공수 자동산정 방법을 제공하는데 목적이 있다.
이러한 기술적 과제를 이루기 위한 본 발명의 실시예에 따르면, 건조사양서 분석을 통한 상이율 자동산정 장치에 있어서, 문서 파일 형태로 작성된 기 건조된 선박에 대한 건조사양서로부터 추출된 선박에 대한 건조 정보를 메타데이터 형태로 저장하는 건조정보 데이터베이스, 상기 건조 정보에 포함된 서술형식의 비정형 데이터를 전처리하고, 상기 전처리된 건조 정보 중에서 상이율을 도출하기 위한 스펙 정보를 추출하는 스펙 추출부, 상기 추출된 스펙 정보를 XG부스트(eXtreme Gradient Boosting) 기반으로 형성된 예측모델에 입력하여, 상기 스펙 정보에 포함된 복수의 요소들과 상이율 사이의 상관 관계를 학습시키는 학습부, 상기 예측모델의 학습이 완료된 다음, 상이율을 예측하고자 하는 건조사양서에 대한 문서 파일을 상기 예측모델에 입력하여 상이율을 도출하는 상이율도출부, 그리고, 상기 도출된 상이율을 이용하여 목표시수를 예측하는 예측부를 포함한다.
상기 건조 정보는, 건조 사양서의 내용을 요약한 써머리 챕터, 기장 설계 챕터, 그리고 데크(Deck)의 개수를 포함하여 기재한 CAD 텍스트 및 상이율 정보를 포함할 수 있다.
상기 스펙추출부는, AI 알고리즘을 이용하여 기 건조된 복수의 종류의 배에 대한 건조정보를 학습하여 상기 건조정보에 포함된 스펙 정보를 추출하고, 상기 추출된 스펙 정보를 구성하는 각 요소들의 해당 값을 추출할 수 있다.
상기 스펙 정보는, 재화중량 및 Capa, 데크의 개수, 시스템 타입, 엔진의 개수 및 타입, Authority 그리고 선주의 요구사항 중에서 적어도 하나를 포함할 수 있다.
상기 학습부는, 상기 기 건조된 선박에 대한 건조사양서에 포함된 스펙 정보 및 그에 대응되는 상이율을 입력하여 학습시키되, 상기 스펙 정보에 포함된 선주의 요청사항은 건조 사양서의 내용을 요약한 써머리 챕터 또는 기장 설계 챕터에 포함된 글자수 및 글자체를 이용하여 평가점수를 학습할 수 있다.
상기 예측부는, 상기 도출된 상이율에 표준시수를 곱하여 목표시수를 산출할 수 있다.
또한, 본 발명의 실시예에 따르면, 건조사양서를 분석하는 상이율 자동산정 시스템을 이용한 설계공수 자동산정 방법에 있어서, 문서 파일 형태로 작성된 기 건조된 선박에 대한 건조사양서로부터 추출된 선박에 대한 건조 정보를 메타데이터 형태로 저장하는 단계, 상기 건조 정보에 포함된 서술형식의 비정형 데이터를 전처리하고, 상기 전처리된 건조 정보 중에서 상이율을 도출하기 위한 스펙 정보를 추출하는 단계, 상기 추출된 스펙 정보를 XG부스트(eXtreme Gradient Boosting) 기반으로 형성된 예측모델에 입력하여, 상기 스펙 정보에 포함된 복수의 요소들과 상이율 사이의 상관 관계를 학습시키는 단계, 상기 예측모델의 학습이 완료된 다음, 상이율을 예측하고자 하는 건조사양서에 대한 문서 파일을 상기 예측모델에 입력하여 상이율을 도출하는 단계, 그리고, 상기 도출된 상이율을 이용하여 목표시수를 예측하는 단계를 포함한다.
이와 같이 본 발명에 따르면, 상이율 자동산정 장치는 자연어로 작성된 건조사양서로부터 선박의 사양 및 성능 요구사항을 항목으로 관리할 수 있도록 하고, AI알고리즘을 이용하여 상이율을 자동으로 도출하므로 결과의 일관성을 유지할 수 있다.
또한, 본 발명에 따르면, 상이율 자동산정 장치는 과거에 작성된 건조사양서를 학습하여 분석이 이루어지므로 상이율 산정 프로세스 절차를 간소화하고, 선주 특별 요구사항을 상이율 산정에 반영하여 도출이 가능한 효과를 지닌다. 또한, 상이율 자동산정 장치는 호선별로 다르게 작성되던 건조사양서를 통합적으로 관리할 수 있으므로 기술방식 및 선주 특별 요구사항에 대한 검증의 일관성을 유지할 수 있고, 상이율 산정 프로세스의 객관성을 확보할 수 있다.
도 1은 본 발명의 실시예에 따른 상이율 자동산정 장치를 설명하기 위한 구성도이다.
도2는 본 "W명의 실시예에 따른 상이율 자동산정 장치를 이용하여 설계공수를 자동산정 방법을 도시한 순서도이다.
도2는 본 "W명의 실시예에 따른 상이율 자동산정 장치를 이용하여 설계공수를 자동산정 방법을 도시한 순서도이다.
이하 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.
또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하에서는 도 1을 통하여 본 발명의 실시예에 따른 건조사양서 분석을 통한 상이율 자동산정 장치에 대하여 상세하게 설명한다.
도 1은 본 발명의 실시예에 따른 상이율 자동산정 장치를 설명하기 위한 구성도이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 상이율 자동산정 장치(100)는 건조정보 데이터베이스(110), 스펙 추출부(120), 학습부(130), 상이율 도출부(140) 및 예측부(150)를 포함한다.
먼저, 건조정보 데이터베이스(110)은 건조가 완료된 상태이며, 호선별로 다양하게 작성된 건조사양서를 외부로부터 입력받아 저장한다. 부연하자면, 사용자는 기 건조된 선박에 대한 건조사양서에 포함된 건조 정보를 입력하고, 건조정보 데이터베이스(110)는 입력된 건조 정보를 메타데이터 형태로 저장한다.
그리고 스펙 추출부(120)는 건조 정보 데이터베이스(110)에 저장된 건조 정보를 중에서 상이율을 도출할 수 있는 스펙 정보만을 추출한다. 다만, 건조 정보는 서술형식의 비정형 데이터로 형성되어 있으므로 문장 내에 포함된 문장부호 등을 제거하는 전처리 과정을 거친 다음, 스펙 정보를 추출한다. 여기서 스펙 정보는 재화중량 및 Capa, 데크의 개수, 시스템 타입, 엔진의 개수 및 타입, Authority 그리고 선주의 요구사항 중에서 적어도 하나를 포함한다.
그 다음, 학습부(130)는 추출된 스펙정보를 기 구출된 예측모델에 입력하여 스펙 정보에 포함된 복수의 요소들과 상이율 사이의 상관 관계를 학습시킨다. 즉, 학습부(130)는 호선별로 다양하게 작성된 건조사양서에 포함된 스펙 정보 및 그에 대응되는 상이율을 예측모델에 입력하여 학습시킨다.
예측모델의 학습이 완료되면, 상이율 도출부(140)는 상이율을 예측하고자 하는 건조사양서에 대한 문서파일을 예측모델에 입력하여 자동으로 상이율을 도출하게 한다. 즉, 예측모델은 과거의 스펙 정보를 기반으로 입력된 스펙 정보로부터 상이율을 도출한다.
마지막으로, 예측부(150)는 상이율 도출부(140)로부터 도출된 상이율에 표준시수를 곱하여 목표시수를 산출한다. 여기서, 표준시수는 상이율이 1일 경우에 해당하는 스펙으로 선박을 제조할 때 소요되는 시간을 나타낸다. 따라서, 목표시수는 도출된 상이율에 따라 각각 상이하게 산출된다.
여기서, 상이율은 선박을 건조하는 난이도를 의미하며, 표준 스펙으로 건조된 선박의 상이율은 1로 나타낸다. 따라서, 상이율이 1 미만이면, 건조하고자 하는 선박의 스펙 구성이 표준 스펙으로 건조된 선박보다 단순하여 낮은 난이도로 건조될 수 있음을 나타내고, 상이율이 1보다 크면, 건조하고자 하는 선박의 스펙 구성이 표준 스펙으로 건조된 선박보다 복잡하여 높은 난이도로 건조될 수 있음을 나타낸다.
이하에서는 도 2를 통해 본 발명의 실시예에 따른 상이율 자동산정 장치를 이용하여 설계공수를 자동산정 방법에 대해 더욱 상세하게 설명한다.
도2는 본 "W명의 실시예에 따른 상이율 자동산정 장치를 이용하여 설계공수를 자동산정 방법을 도시한 순서도이다.
도 2에 도시된 바와 같이, 먼저, 상이율 자동산정 장치(100)는 사용자로부터 입력받은 건조정보를 이용하여 건조정보 데이터베이스를 구축한다(S210).
부연하자면, 사용자는 단말기를 통해 선박의 건조사양서로부터 추출된 건조 정보를 입력한다. 이때, 사용자는 건조가 완료된 선박의 건조사양서를 이용하여 건조정보를 추출한다. 건조 정보는 건조 사양서의 내용을 요약한 써머리 챕터, 기장 설계 챕터, 그리고 데크(Deck)의 개수를 포함하여 기재한 CAD 텍스트 및 상이율 정보를 포함한다.
그 다음, 상이율 자동산정 장치(100)는 사용자에 의해 입력된 건조 정보를 메타데이터 형태로 변환하여 건조정보 데이터베이스(110)에 저장한다.
S210 단계가 완료되면 스펙 추출부(120)는 건조정보 데이터베이스(110)에 저장된 건조 정보를 이용하여 스펙 정보를 추출한다(S220).
여기서. 스펙 정보는 상이율을 도출할 수 있는 요소를 나타내며, 재화중량 및 Capa, 데크의 개수, 시스템 타입, 엔진의 개수 및 타입, Authority 그리고 선주의 요구사항 등을 포함한다.
먼저, 스펙 추출부(120)는 호선 별로 각각 상이하게 작성된 건조 정보를 전처리한다. 이를 다시 설명하면, 건조 정보는 서술형식의 비정형 데이터로 구성된다. 따라서, 스펙 추출부(120)는 서술형태의 데이터에 포함된 부호 등을 삭제한다. 그리고 스펙 추출부(120)는 AI 알고리즘에 따라 전처리가 완료된 건조 정보로부터 주요 요목 즉, 스펙 정보만을 추출한다.
그 다음, 학습부(130)는 추출된 스펙 정보와 그에 대응하는 상이율 정보를 기 구축된 예측 모델에 입력하여 학습시킨다(S230).
즉, 학습부(130)는 XG부스트(eXtreme Gradient Boosting) 기반으로 형성된 예측모델에 스펙 정보와 그에 대응하는 상이율 정보를 입력하고, 예측모델은 입력된 스펙 정보 및 상이율 정보에 대한 통계적 수치를 반복적으로 학습한다.
한편, 스펙 정보는 선주의 요구사항이 포함된다. 이때, 선주의 요구사항은 특정 단어만을 도출하여 평가점수를 부여할 수 없다. 따라서, 학습부(130)는 건조 사양서의 내용을 요약한 써머리 챕터 또는 기장 설계 챕터에 포함된 글자수 및 글자체를 이용하여 평가점수를 학습한다.
실무적으로, 선주의 요구사항은 건조사양서의 써머리 챕터 및 설계 챕터에 서술형태로 작성되며, 선주가 수기로 작성한 것처럼 보일 수 있도록 글꼴의 한 유형인 이탤릭 체로 작성된다. 따라서, 학습부(130)는 복수의 스펙 정보 중에서 특정 글자체로 작성된 선주의 요구사항을 구분하고, 구분된 선주의 요구사항에 포함된 글자수를 이용하여 평가점수를 도출할 수 있도록 예측모델을 학습시킨다.
예를 들어, 건조사양서 1에 포함된 선주의 요구사항의 글자수가 100자일 경우 그에 대한 평가 점수는 5점이었고, 건조사양서 2에 포함된 선주의 요구사항의 글자수가 150자일 경우 그에 대한 평가 점수는 7점이었다고 가정한다. 그리고, 예측모델은 선주의 요구사항에 대해 부여된 평가점수를 글자수 또는 글자체에 따라 분류하여 학습한다.
S230 단계에서 예측모델에 대한 학습이 완료되면, 상이율도출부(140)는 상이율을 예측하고자 하는 건조사양서에 대한 문서 파일을 수신하고, 수신된 문서 파일을 예측 모델에 입력하여 상이율을 도출한다(S240).
부연하자면, 상이율도출부(140)는 사용자로부터 아직 상이율이 도출되지 않은 건조 정보를 입력받는다. 그리고, 상이율도출부(140)는 수신된 건조정보를 예측모델에 입력한다. 그러면 예측모델은 건조 정보에 포함된 스펙 요소마다 분류하고, 기 학습되어 형성된 스펙 요소들의 통계점수를 기반으로 상이율을 도출한다.
이때, 상이율이 1일 경우에는 표준선과 같은 공수(man hour)이고, 상이율이 1이 넘을 경우에는 표준선보다 더 많은 공수를 필요로 하며, 상이율이 1보다 작을 경우에는 표준선보다 더 적은 공수를 필요로 한다.
S240단계에서 상이율 도출이 완료되면, 예측부(150)는 도출된 상이율에 표준시수를 곱하여 목표시수를 산출한다(S250).
예를 들어 표준시수가 2400시간이고, 상이율이 0.9로 도출되었다고 가정하면, 예측부(150)는 2400 시간에 0.9를 곱하여 2160에 해당하는 목표시수를 산출한다.
이와 같이 본 발명의 실시예에 따른 상이율 자동산정 장치는 자연어로 작성된 건조사양서로부터 선박의 사양 및 성능 요구사항을 항목으로 관리할 수 있도록 하고, AI알고리즘을 이용하여 상이율을 자동으로 도출하므로 결과의 일관성을 유지할 수 있다.
또한, 본 발명에 따른 상이율 자동산정 장치는 과거에 작성된 건조사양서를 학습하여 분석이 이루어지므로 상이율 산정 프로세스 절차를 간소화하고, 선주 특별 요구사항을 상이율 산정에 반영하여 도출이 가능한 효과를 지닌다. 또한, 상이율 자동산정 장치는 호선별로 다르게 작성되던 건조사양서를 통합적으로 관리할 수 있으므로 기술방식 및 선주 특별 요구사항에 대한 검증의 일관성을 유지할 수 있고, 상이율 산정 프로세스의 객관성을 확보할 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100 : 상이율 자동산정 장치
110 : 건조정보 데이터베이스 120 : 스펙 추출부
130 : 학습부 140 : 상이율 도출부
150 : 예측부
110 : 건조정보 데이터베이스 120 : 스펙 추출부
130 : 학습부 140 : 상이율 도출부
150 : 예측부
Claims (12)
- 건조사양서 분석을 통한 상이율 자동산정 장치에 있어서,
문서 파일 형태로 작성된 기 건조된 선박에 대한 건조사양서로부터 건조 사양서의 내용을 요약한 써머리 챕터, 기장 설계 챕터, 그리고 데크(Deck)의 개수를 포함하여 기재한 CAD 텍스트 및 상이율 정보를 포함하는 건조 정보를 메타데이터 형태로 저장하는 건조정보 데이터베이스,
상기 건조 정보에 포함된 서술형식의 비정형 데이터를 전처리하고, 상기 전처리된 건조 정보를 AI 알고리즘에 입력하여 기 건조된 복수의 종류의 배에 대한 건조정보를 학습한 다음, 상기 건조정보에 포함된 스펙 정보를 추출하고, 상기 추출된 스펙 정보를 구성하는 각 요소들의 해당 값을 추출하는 스펙 추출부,
상기 추출된 스펙 정보를 XG부스트(eXtreme Gradient Boosting) 기반으로 형성된 예측모델에 입력하여, 상기 스펙 정보에 포함된 복수의 요소들과 상이율 사이의 상관 관계를 학습시키는 학습부,
상기 예측모델의 학습이 완료된 다음, 상이율을 예측하고자 하는 건조사양서에 대한 문서 파일을 상기 예측모델에 입력하여 상이율을 도출하는 상이율도출부, 그리고,
상기 도출된 상이율에 표준시수를 곱하여 목표시수를 예측하는 예측부를 포함하며,
상기 학습부는,
상기 기 건조된 선박에 대한 건조사양서에 포함된 스펙 정보 및 그에 대응되는 상이율을 입력하여 학습시키되, 상기 스펙 정보에 포함된 선주의 요청사항은 건조 사양서의 내용을 요약한 써머리 챕터 또는 기장 설계 챕터에 포함된 글자수 및 글자체를 이용하여 평가 스케일을 학습하며,
상기 스펙 정보는,
재화중량 및 Capa, 데크의 개수, 시스템 타입, 엔진의 개수 및 타입, Authority 그리고 선주의 요구사항 중에서 적어도 하나를 포함하는 상이율 자동산정 장치. - 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 건조사양서를 분석하는 상이율 자동산정 시스템을 이용한 설계공수 자동산정 방법에 있어서,
문서 파일 형태로 작성된 기 건조된 선박에 대한 건조사양서로부터 건조 사양서의 내용을 요약한 써머리 챕터, 기장 설계 챕터, 그리고 데크(Deck)의 개수를 포함하여 기재한 CAD 텍스트 및 상이율 정보를 포함하는 건조 정보를 메타데이터 형태로 저장하는 단계,
상기 건조 정보에 포함된 서술형식의 비정형 데이터를 전처리하고, 상기 전처리된 건조 정보를 AI 알고리즘에 입력하여 기 건조된 복수의 종류의 배에 대한 건조정보를 학습한 다음, 상기 건조정보에 포함된 스펙 정보를 추출하고, 상기 추출된 스펙 정보를 구성하는 각 요소들의 해당 값을 추출하는 스펙 정보를 추출하는 단계,
상기 추출된 스펙 정보를 XG부스트(eXtreme Gradient Boosting) 기반으로 형성된 예측모델에 입력하여, 상기 스펙 정보에 포함된 복수의 요소들과 상이율 사이의 상관 관계를 학습시키는 단계,
상기 예측모델의 학습이 완료된 다음, 상이율을 예측하고자 하는 건조사양서에 대한 문서 파일을 상기 예측모델에 입력하여 상이율을 도출하는 단계, 그리고,
상기 도출된 상이율에 표준시수를 곱하여 목표시수를 예측하는 단계를 포함하며,
상기 스펙정보와 상이율 사이의 상관 관계를 학습시키는 단계는,
상기 기 건조된 선박에 대한 건조사양서에 포함된 스펙 정보 및 그에 대응되는 상이율을 입력하여 학습시키되,
상기 스펙 정보에 포함된 선주의 요청사항은 건조 사양서의 내용을 요약한 써머리 챕터 또는 기장 설계 챕터에 포함된 글자수 및 글자체를 이용하여 평가 점수를 학습하며,
상기 스펙 정보는,
재화중량 및 Capa, 데크의 개수, 시스템 타입, 엔진의 개수 및 타입, Authority 그리고 선주의 요구사항 중에서 적어도 하나를 포함하는 설계공수 자동산정 방법. - 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190085113A KR102082899B1 (ko) | 2019-07-15 | 2019-07-15 | 건조사양서 분석을 통한 상이율 자동산정 장치 및 그를 이용한 설계공수 자동산정 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190085113A KR102082899B1 (ko) | 2019-07-15 | 2019-07-15 | 건조사양서 분석을 통한 상이율 자동산정 장치 및 그를 이용한 설계공수 자동산정 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102082899B1 true KR102082899B1 (ko) | 2020-02-28 |
Family
ID=69638421
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190085113A KR102082899B1 (ko) | 2019-07-15 | 2019-07-15 | 건조사양서 분석을 통한 상이율 자동산정 장치 및 그를 이용한 설계공수 자동산정 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102082899B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230037375A (ko) * | 2021-09-09 | 2023-03-16 | 한국전력공사 | 표준품셈을 기반으로 한 신규 공종의 공량 예측 장치 및 그 방법 |
| KR102522881B1 (ko) * | 2021-10-29 | 2023-04-19 | 인제대학교 산학협력단 | 자연어처리를 이용한 상세설계 목적문건별 요구사항 추출 시스템 및 방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110086388A (ko) * | 2010-01-22 | 2011-07-28 | 에스티엑스조선해양 주식회사 | 선박 건조 시 환경변화에 따라 설계공정 스케줄 변경과 연계하여 설계부하를 추정 및 산출하는 방법 |
| KR20190057908A (ko) * | 2017-11-21 | 2019-05-29 | (주)마린소프트 | 비정형 자료를 기반으로 한 선박수주 지원 시스템 및 그 방법 |
-
2019
- 2019-07-15 KR KR1020190085113A patent/KR102082899B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110086388A (ko) * | 2010-01-22 | 2011-07-28 | 에스티엑스조선해양 주식회사 | 선박 건조 시 환경변화에 따라 설계공정 스케줄 변경과 연계하여 설계부하를 추정 및 산출하는 방법 |
| KR20190057908A (ko) * | 2017-11-21 | 2019-05-29 | (주)마린소프트 | 비정형 자료를 기반으로 한 선박수주 지원 시스템 및 그 방법 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230037375A (ko) * | 2021-09-09 | 2023-03-16 | 한국전력공사 | 표준품셈을 기반으로 한 신규 공종의 공량 예측 장치 및 그 방법 |
| KR102621379B1 (ko) * | 2021-09-09 | 2024-01-08 | 한국전력공사 | 표준품셈을 기반으로 한 신규 공종의 공량 예측 장치 및 그 방법 |
| KR102522881B1 (ko) * | 2021-10-29 | 2023-04-19 | 인제대학교 산학협력단 | 자연어처리를 이용한 상세설계 목적문건별 요구사항 추출 시스템 및 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10402641B1 (en) | Platform for document classification | |
| JP7193252B2 (ja) | 画像の領域のキャプション付加 | |
| CN110705489B (zh) | 目标识别网络的训练方法、装置、计算机设备和存储介质 | |
| CN110083832B (zh) | 文章转载关系的识别方法、装置、设备及可读存储介质 | |
| CN110543920B (zh) | 图像识别模型的性能检测方法、装置、服务器及存储介质 | |
| KR102082899B1 (ko) | 건조사양서 분석을 통한 상이율 자동산정 장치 및 그를 이용한 설계공수 자동산정 방법 | |
| US20200279079A1 (en) | Predicting probability of occurrence of a string using sequence of vectors | |
| CN112613293B (zh) | 摘要生成方法、装置、电子设备及存储介质 | |
| CN114116973A (zh) | 多文档的文本查重方法、电子设备及存储介质 | |
| CN111368066B (zh) | 获取对话摘要的方法、装置和计算机可读存储介质 | |
| CN110968664A (zh) | 一种文书检索方法、装置、设备及介质 | |
| CN109447129A (zh) | 一种多模式情绪识别方法、装置及计算机可读存储介质 | |
| CN114627282A (zh) | 目标检测模型的建立方法、应用方法、设备、装置及介质 | |
| CN115862040A (zh) | 文本纠错方法、装置、计算机设备及可读存储介质 | |
| CN113159013A (zh) | 基于机器学习的段落识别方法、装置、计算机设备和介质 | |
| CN115422324A (zh) | 一种文本处理方法及设备 | |
| CN113095072A (zh) | 文本处理方法及装置 | |
| CN113792594B (zh) | 一种基于对比学习的视频中语言片段定位方法及装置 | |
| CN114495113A (zh) | 文本分类方法和文本分类模型的训练方法、装置 | |
| CN113569018A (zh) | 问答对挖掘方法及装置 | |
| CN112241470A (zh) | 一种视频分类方法及系统 | |
| CN116206309A (zh) | 图像识别方法、训练图像识别模型的方法及对应装置 | |
| CN116226681A (zh) | 一种文本相似性判定方法、装置、计算机设备和存储介质 | |
| CN115080745A (zh) | 基于人工智能的多场景文本分类方法、装置、设备及介质 | |
| US20210318949A1 (en) | Method for checking file data, computer device and readable storage medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |