KR102110453B1 - 농산물 가공 유통 시스템 및 방법 - Google Patents
농산물 가공 유통 시스템 및 방법 Download PDFInfo
- Publication number
- KR102110453B1 KR102110453B1 KR1020190110797A KR20190110797A KR102110453B1 KR 102110453 B1 KR102110453 B1 KR 102110453B1 KR 1020190110797 A KR1020190110797 A KR 1020190110797A KR 20190110797 A KR20190110797 A KR 20190110797A KR 102110453 B1 KR102110453 B1 KR 102110453B1
- Authority
- KR
- South Korea
- Prior art keywords
- product
- margin
- calculated
- agricultural
- data
- Prior art date
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0621—Item configuration or customization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/067—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components
- G06K19/07—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components with integrated circuit chips
- G06K19/0723—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components with integrated circuit chips the record carrier comprising an arrangement for non-contact communication, e.g. wireless communication circuits on transponder cards, non-contact smart cards or RFIDs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Abstract
본 발명은 산지에서 직접 매입한 배추, 시금치, 상추, 감자, 고구마, 양파, 당근, 오이, 단호박, 양상추, 브로콜리 등과 같은 모든 종류의 농산물을 소비자의 주문에 따라 선택하여 슬라이스나 다이스로 잘라서 포장한 후 택배를 통해 소비자에게 배송할 수 있도록 하는 농산물 가공 유통 시스템 및 방법이 개시된다.
개시된 농산물 유통 서버는, 하나 이상의 작업장에 각각 배치된 RFID 리더기와, 세척기, 컨베이어, 슬라이서, 포장기, 바코드 리더기 및 스마트폰과 연동하는 통신부; 상기 농산물의 입고 정보와 제품 주문 정보 및 통신 주문 정보를 저장하거나, 상기 농산물의 입고량과 재고량, 분류 데이터, 제품 정보를 저장하며, 상기 농산물의 판매 정보, 고객 정보, 작업자 정보를 저장하고 있는 DB; 및 상기 농산물의 판매 데이터에 근거해 각 제품 별로 원가와 판매가를 이용해 일정 기간의 마진율과 영업이익률을 산출해 제품명에 매칭시키고, 그 기간 중 다른 값들에 비해 일정 이상으로 차이가 나는 기간에 대해 주요 요인을 입력받아 학습하며, 학습된 데이터를 모델링하여 판매 모델을 생성하며, 상기 판매 모델에 새로운 농산물 정보를 입력하여 마진율과 영업이익률을 예측 산출하는, 마이크로 프로세서를 포함한다.
개시된 농산물 유통 서버는, 하나 이상의 작업장에 각각 배치된 RFID 리더기와, 세척기, 컨베이어, 슬라이서, 포장기, 바코드 리더기 및 스마트폰과 연동하는 통신부; 상기 농산물의 입고 정보와 제품 주문 정보 및 통신 주문 정보를 저장하거나, 상기 농산물의 입고량과 재고량, 분류 데이터, 제품 정보를 저장하며, 상기 농산물의 판매 정보, 고객 정보, 작업자 정보를 저장하고 있는 DB; 및 상기 농산물의 판매 데이터에 근거해 각 제품 별로 원가와 판매가를 이용해 일정 기간의 마진율과 영업이익률을 산출해 제품명에 매칭시키고, 그 기간 중 다른 값들에 비해 일정 이상으로 차이가 나는 기간에 대해 주요 요인을 입력받아 학습하며, 학습된 데이터를 모델링하여 판매 모델을 생성하며, 상기 판매 모델에 새로운 농산물 정보를 입력하여 마진율과 영업이익률을 예측 산출하는, 마이크로 프로세서를 포함한다.
Description
본 발명은 농산물 가공 유통 시스템 및 방법에 관한 것으로서, 더욱 자세하게는 산지에서 직접 매입한 배추, 시금치, 상추, 감자, 고구마, 양파, 당근, 오이, 단호박, 양상추, 브로콜리 등과 같은 모든 종류의 농산물을 소비자의 주문에 따라 선택하여 세척하고 살균 및 소독하여 슬라이스나 다이스로 잘라서 포장한 후 택배를 통해 소비자에게 배송할 수 있도록 하는 농산물 가공 유통 시스템 및 방법에 관한 것이다.
일반적으로 배추, 시금치, 상추, 오이, 호박, 당근 등과 같은 채소류 농산물의 유통에 있어서는 경작지에서 재배하여 수확한 채소류 농산물을 수집상들이 수집한 후, 이를 중개인을 통해 농수산 시장에 유통시킨다.
농수산 시장에서는 도매상에게 판매하고, 이를 다시 여러 단계의 도, 소매인을 거쳐 수요자나 일반 가정으로 공급되는 복잡한 다단계의 유통 경로와 많은 유통 시간을 소비하는 형태를 취하고 있다.
또한, 배추, 시금치, 상추, 오이, 호박, 당근 등과 같은 채소류 농산물을 저 장하는 방법에 있어서도 수확후 비교적 낮은 온도인 +2 ~ -2
정도의 온도로 냉장 저장한다.
또한, 냉장설비가 갖추어진 운송 수단과 저온 쇼케이스 등에 보관, 진열하여 유통시켜 채소류의 최소한의 신선도를 유지하고자 하며, 배추나 무우, 오이, 호박 등은 길어야 1 주일 이내 정도의 기간 밖에 신선도를 유지시킬 수 없는 실정이다.
이와 같이 신선도 저하로 인한 요인과 복잡한 유통 경로로 말미암아 현재 배추, 시금치, 상추, 오이, 호박, 당근 등과 같은 채소류 농산물의 유통 가격이 처음 단계인 산지의 가격과 유통 최종 단계인 소비자의 구매 가격의 차이가 적어도 몇 배에서 십 수배 이상 차이가 나는 등의 불합리한 유통 과정을 지니고 있어 재배자나 소비자 모두가 상당한 손해를 보는 실정이다.
전술한 문제점을 해결하기 위한 본 발명의 목적은, 산지에서 직접 매입한 배추, 시금치, 상추, 감자, 고구마, 양파, 당근, 오이, 단호박, 양상추, 브로콜리 등과 같은 모든 종류의 농산물을 소비자의 주문에 따라 선택하여 세척하고 살균 및 소독하여 슬라이스나 다이스로 잘라서 포장한 후 택배를 통해 소비자에게 배송할 수 있도록 하는 농산물 가공 유통 시스템 및 방법을 제공함에 있다.
전술한 목적을 달성하기 위한 본 발명에 따른 농산물 가공 유통 시스템은, 농산물 가공 유통 앱(App)을 통해 입고 농산물의 정보를 입력받거나 주문된 제품 주문 정보를 입력받는 스마트폰; 통신망으로부터 수신된 통신 주문 정보와 제품 주문 정보에 따라 작업 전표를 발행하여 농산물의 가공 및 유통을 제어하는 농산물 유통 서버; 작업 전표에 따라 선택 투입된 농산물을 세척하는 세척기; 세척된 농산물을 이동시키는 컨베이어; 이동된 농산물을 슬라이스 또는 다이스로 자르는 슬라이서; 슬라이서에 의해 잘라진 농산물을 박스 또는 포장지로 포장하고, 박스 또는 포장지에 바코드를 부착하는 포장기; 및 포장된 농산물의 배송 시 바코드를 리딩하는 바코드 리더기를 포함하고, 농산물 유통 서버는 통신 주문 정보 및 제품 주문 정보에 따른 판매 데이터에 근거해 각 제품 별로 원가와 판매가를 이용해 일정 기간 마진율과 영업이익률을 산출해 제품명에 매칭시키고, 그 기간 중 다른 값들에 비해 일정 이상으로 차이가 나는 기간에 대해 주요 요인을 입력받아 학습하며, 학습한 데이터를 모델링하여 판매 모델을 생성하며, 판매 모델에 새로운 농산물 정보를 입력하여 마진율과 영업이익률을 예측 산출할 수 있다.
또한, 작업 전표에 따라 배정된 각 작업자에 대응된 RFID 신호를 송출하는 복수의 RFID 태그(Tag)를 더 포함할 수 있다.
또한, 농산물 유통 서버는 세척기와 컨베이어, 슬라이서, 포장기 및 바코드 리더기와 유선 네트워크 또는 무선 네트워크를 통해 연동하며, 세척기는 제1 작업장에 배치되고 제1 작업장에는 세척기에 매칭된 제1 RFID 리더기가 설치되며, 컨베이어는 제2 작업장에 배치되고 제2 작업장에는 컨베이어에 매칭된 제2 RFID 리더기가 설치되며, 슬라이서는 제3 작업장에 배치되고 제3 작업장에는 슬라이서에 매칭된 제3 RFID 리더기가 설치되며, 포장기는 제4 작업장에 배치되고 제4 작업장에는 포장기에 매칭된 제4 RFID 리더기가 설치되며, 바코드 리더기는 제5 작업장에 배치되고 제5 작업장에는 바코드 리더기에 매칭된 제5 RFID 리더기가 설치될 수 있다.
또한, 제1 내지 제5 RFID 리더기는 각 작업장에 위치해 있는 적어도 하나 이상의 RFID 태그로부터 RFID 신호를 수신하면, 자신의 관할 작업장에서 인식된 RFID 및 시간 데이터를 포함하는 작업장 정보를 농산물 유통 서버로 전송하고, 농산물 유통 서버는 제1 내지 제5 RFID 리더기로부터 수신된 작업장 정보에 근거해 각 작업장에 위치해 있는 RFID와 시간 데이터를 인식하여 각 작업장 별 작업 현황을 화면 상에 또는 음성으로 출력할 수 있다.
또한, 제1 내지 제5 작업장에 대해, 하나 이상의 카메라가 각 작업장마다 설치되고, 각 카메라를 통해 촬영된 영상 데이터 및 음성 신호를 유통관리서버로 송출하는 CCTV 장치를 더 포함할 수 있다.
그리고, 농산물 유통 서버는 CCTV 장치로부터 수신된 영상 데이터를 분석하여 각 작업장의 작업 부하를 인식하고, 특정 작업장의 작업량 변화에 따른 새로운 작업 발생 시, 작업 부하가 일정 이하인 작업장에 배치된 적어도 하나 이상의 RFID 중 새로운 작업에 소요되는 인수에 따른 RFID를 선택하여 특정 작업장에 배치하는 메시지를 음성 또는 화면 상으로 출력할 수 있다.
한편, 전술한 목적을 달성하기 위한 본 발명에 따른 농산물 유통 서버는, 적어도 하나 이상의 작업장에 각각 배치된 적어도 하나 이상의 RFID 리더기와 세척기, 컨베이어, 슬라이서, 포장기, 바코드 리더기 및 스마트폰과 유선 네트워크 또는 무선 네트워크를 통해 연동하는 통신부; 스마트폰의 농산물 가공유통 앱을 통해 입력받은 농산물의 입고 정보와 제품 주문 정보를 저장하거나, 통신부를 통해 외부로부터 수신된 통신 주문 정보를 저장하거나, 농산물의 입고량과 재고량, 분류 데이터, 제품 정보를 저장하거나, 각 작업장에 배치된 하나 이상의 RFID 리더기 정보와 하나 이상의 RFID 태그 정보를 저장하며, 농산물의 메뉴 정보와 판매 정보, 고객 정보, 작업자 정보를 저장하고 있는 데이터베이스; 및 통신 주문 정보 및 제품 주문 정보에 따른 판매 데이터에 근거해 각 제품 별로 원가와 판매가를 이용해 일정 기간의 마진율과 영업이익률을 산출해 제품명에 매칭시키고, 그 기간 중 다른 값들에 비해 일정 이상으로 차이가 나는 기간에 대해 주요 요인을 입력받아 학습하며, 학습된 데이터를 모델링하여 판매 모델을 생성하며, 판매 모델에 새로운 농산물 정보를 입력하여 마진율과 영업이익률을 예측 산출하는, 마이크로 프로세서를 포함할 수 있다.
또한, 마이크로 프로세서는, 판매 데이터에 근거해 각 제품 별로 원가와 판매가를 이용해 일정 기간의 마진율과 영업이익률을 산출해 제품명에 매칭시켜 학습 데이터로 데이터 베이스에 저장하고, 학습 데이터에 대해 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류하며, 모델링 데이터군에 대해 제품명 별로 마진율과 영업이익률을 학습하여 마진율과 영업이익률 간의 관계를 나타내는 추정 함수식(E(x))을 산출하며, 제품명 별 각 영업이익률 데이터와 추정 함수식의 그래프에 해당하는 추정 데이터들 간의 거리값들을 각각 산출하여, 산출된 각 거리값들을 모두 합하여 제품명 수에 따른 데이터 개수로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율과 영업이익률을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 산출하며, 산출된 기울기(a) 값과 절편(b) 값을 추정 함수식에 대입해 판매 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하기 위한 판매 모델을 생성하며, 제품명 별로 산출한 각 마진율(x)을 판매 모델에 각각 대입하여 제품명 별로 영업이익률(y)을 산출하고, 제품명 별로 영업이익률(y)과 수수료 데이터를 비교하여 내림차순으로 리스팅할 수 있다.
또한, 마이크로 프로세서는, 검증 데이터군에 대해 제품명 별로 각각의 마진율(x)을 산출하고, 산출된 각 마진율(x)을 판매 모델에 대입해 영업이익률(y)을 각각 산출하며, 제품명 별로 산출된 각각의 마진율(x) 및 영업이익률(y)에 대해 추정 함수식의 그래프와의 거리값들을 산출하며, 산출된 거리값들에 대한 거리 평균값을 산출하고, 산출된 거리 평균값을 마진율(x)과 영업이익률(y) 간의 관계에서 최소가 되는 거리값과 비교해, 산출된 거리 평균값과 최소가 되는 거리값의 차이가 오차 범위 이내인가의 여부에 따라 판매 모델을 검증할 수 있다.
또한, 마이크로 프로세서는, 각 제품 별로 원가와 판매가를 이용해 산출한 마진율과 영업이익률을 제품명에 매칭시키고, 매칭된 제품명에 제품 종류와 제품 성격, 시장 규모를 대응시켜 데이터베이스에 저장할 수 있다.
제품 성격은 근채류, 과채류, 양채류 및 기타류를 포함하고, 시장 규모는 이용자가 10만명 미만인 소규모 시장과, 이용자가 10만명 이상 100만명 미만인 중규모 시장, 이용자가 100만명 이상인 대규모 시장을 포함할 수 있다.
또한, 마이크로 프로세서는, 모델링 데이터군을 제품성격에 따라 근채류, 과채류, 양채류 및 기타류의 4가지 분야로 재분류하고, 재분류된 각각의 모델링 데이터군에 대해 제품명 별로 마진율(x), 영업이익률(y)을 학습하여, 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 추정 함수식(E(x))을 제품성격의 4가지 분야 별로 각각 산출할 수 있다.
또한, 마이크로프로세서는 제품성격의 4가지 분야 별로 제품명 별 각 영업이익률(y) 데이터와, 추정 함수식(E(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([E(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 제품명 수에 따른 데이터 개수(m)로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 제품성격의 4 가지 분야에 따라 각각 산출할 수 있다.
또한, 마이크로프로세서는 제품성격의 4가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 제품성격의 4가지 분야 별로 추정 함수식에 대입해 판매 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하는 판매 모델을 제품성격의 근채류, 과채류, 양채류 및 기타류에 따라 각각 생성할 수 있다.
또한, 마이크로프로세서는 모델링 데이터군을 시장규모에 따라 소규모 시장, 중규모 시장, 대규모 시장의 3 가지 분야로 재분류하고, 재분류된 각각의 모델링 데이터군에 대해, 제품명 별로 마진율(x), 영업이익률(y)을 학습하여, 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 추정 함수식(E(x))을 시장규모의 3가지 분야 별로 각각 산출할 수 있다.
또한, 마이크로프로세서는 시장규모의 3가지 분야 별로 제품명 별 각 영업이익률(y) 데이터와, 추정 함수식(E(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([E(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 제품명 수에 따른 데이터 개수(m)로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 시장규모의 3 가지 분야에 따라 각각 산출할 수 있다.
그리고, 마이크로프로세서는 시장규모의 3가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 시장규모의 3가지 분야 별 추정 함수식에 각각 대입해 판매 함수식(y=ax+b)을 각각 결정하여, 마진율에 따른 영업이익률을 산출하는 판매 모델을 시장규모의 소규모 시장, 중규모 시장, 대규모 시장에 따라 3 가지 분야 별로 각각 생성할 수 있다.
한편, 전술한 목적을 달성하기 위한 본 발명에 따른 농산물 유통 서버의 농산물 가공 유통 방법은, 적어도 하나 이상의 작업장에 각각 배치된 적어도 하나 이상의 RFID 리더기와 세척기, 컨베이어, 슬라이서, 포장기, 바코드 리더기 및 스마트폰과 유선 네트워크 또는 무선 네트워크를 통해 연동하는 농산물 유통 서버의 농산물 가공 유통 방법으로서, (a) 통신부가, 스마트폰으로부터 농산물 가공유통 앱(Application)을 통해 또는 입력부로부터 농산물의 입고 정보와 제품 주문 정보를 입력받거나, 통신부를 통해 외부로부터 통신 주문 정보를 수신하는 단계; (b) 마이크로 프로세서가, 통신 주문 정보 및 제품 주문 정보에 따른 판매 데이터에 근거해 각 제품 별로 원가와 판매가를 이용해 일정 기간의 마진율과 영업이익률을 산출해 제품명에 매칭시키는 단계; (c) 마이크로 프로세서가, 각 제품 별로 원가와 판매가를 이용해 산출된 마진율과 영업이익률을 제품명에 매칭하여 학습하고, 일정 기간 중 다른 값들에 비해 마진율과 영업이익률이 일정 이상으로 차이가 나는 기간에 대해 스마트폰으로부터 주요 요인을 입력받아 학습하는 단계; (d) 마이크로 프로세서가, 학습된 데이터를 모델링하여 판매 모델을 생성하는 단계; 및 (e) 마이크로 프로세서가, 스마트폰으로부터 또는 입력부로부터 새로운 농산물 정보를 입력받아 판매 모델에 대입하여 마진율과 영업이익률을 예측 산출하는 단계를 포함할 수 있다.
또한, (b) 단계에서 마이크로 프로세서는, 각 제품 별로 원가와 판매가를 이용해 산출한 마진율과 영업이익률을 제품명에 매칭시키고, 매칭된 제품명에 제품 종류와 제품 성격, 시장 규모를 대응시켜 데이터베이스에 저장할 수 있다.
여기서, 제품 성격은 근채류, 과채류, 양채류 및 기타류를 포함하고, 시장 규모는 이용자가 10만명 미만인 소규모 시장과, 이용자가 10만명 이상 100만명 미만인 중규모 시장, 이용자가 100만명 이상인 대규모 시장을 포함할 수 있다.
또한, (b) 단계에서 마이크로 프로세서는, 판매 데이터에 근거해 각 제품 별로 원가와 판매가를 이용해 일정 기간의 마진율과 영업이익률을 산출해 제품명에 매칭시켜 학습 데이터로 데이터 베이스에 저장할 수 있다.
또한, (c) 단계에서 마이크로 프로세서는, 학습 데이터에 대해 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류하며, 모델링 데이터군에 대해 제품명 별로 마진율과 영업이익률을 학습하여 마진율과 영업이익률 간의 관계를 나타내는 추정 함수식(E(x))을 산출하고, 제품명 별 각 영업이익률 데이터와 추정 함수식의 그래프에 해당하는 추정 데이터들 간의 거리값들을 각각 산출하여, 산출된 각 거리값들을 모두 합하여 제품명 수에 따른 데이터 개수로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율과 영업이익률을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 산출할 수 있다.
또한, (d) 단계에서 마이크로 프로세서는, 산출된 기울기(a) 값과 절편(b) 값을 추정 함수식에 대입해 판매 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하기 위한 판매 모델을 생성하고, 제품명 별로 산출한 각 마진율(x)을 판매 모델에 각각 대입하여 제품명 별로 영업이익률(y)을 산출하고, 제품명 별로 영업이익률(y)과 수수료 데이터를 비교하여 내림차순으로 리스팅할 수 있다.
그리고, (c) 단계에서 마이크로 프로세서는, 검증 데이터군에 대해 제품명 별로 각각의 마진율(x)을 산출하고, 산출된 각 마진율(x)을 판매 모델에 대입해 영업이익률(y)을 각각 산출하며, 제품명 별로 산출된 각각의 마진율(x) 및 영업이익률(y)에 대해 추정 함수식의 그래프와의 거리값들을 산출하며, 산출된 거리값들에 대한 거리 평균값을 산출하고, 산출된 거리 평균값을 마진율(x)과 영업이익률(y) 간의 관계에서 최소가 되는 거리값과 비교해, 산출된 거리 평균값과 최소가 되는 거리값의 차이가 오차 범위 이내인가의 여부에 따라 판매 모델을 검증할 수 있다.
본 발명에 의하면, 산지에서 직접 매입한 배추, 시금치, 상추, 감자, 고구마, 양파, 당근, 오이, 단호박, 양상추, 브로콜리 등과 같은 모든 종류의 농산물을 소비자의 주문에 따라 선택하여 세척하고 살균 및 소독하여 슬라이스나 다이스로 잘라서 포장한 후 택배를 통해 소비자에게 배송할 수 있도록 하는 농산물 가공 유통 시스템 및 방법을 제공할 수 있다.
또한, 농산물의 가공 시에 각 작업장에 설치된 RFID 리더기와 CCTV 등을 통해 진행되는 작업 현황을 파악하여, 작업 부하가 많은 작업장에 추가로 인력을 투입하여 가공 시간이 지연되지 않고 생산성을 높일 수 있다.
그리고, 농산물 판매자는 새로운 농산물을 매입한 경우, 기존 농산물의 판매에 근거해 원가와 판매가 대비 산출된 마진율 및 영업이익률을 학습한 판매 모델에 새로운 농산물의 정보를 대입함으로써 새로운 농산물의 판매 수익을 예측할 수 있다.
도 1은 본 발명의 실시 예에 따른 농산물 가공 유통 시스템의 전체적인 구성을 개략적으로 나타낸 구성도이다.
도 2는 본 발명의 실시 예에 따른 농산물을 확보하여 신선도를 유지하기 위해 저온 저장고에 보관하는 예를 나타낸 도면이다.
도 3은 본 발명의 실시 예에 따른 세척기를 통해 농산물을 세척하는 예를 나타낸 도면이다.
도 4는 본 발명의 실시 예에 따른 컨베이어를 통해 농산물을 이동시키는 예를 나타낸 도면이다.
도 5는 본 발명의 실시 예에 따른 슬라이서를 통해 농산물을 슬라이스 또는 다이스로 자르는 예를 나타낸 도면이다.
도 6은 본 발명의 실시 예에 따른 포장기를 통해 농산물을 포장하는 예를 나타낸 도면이다.
도 7은 본 발명의 실시 예에 따른 농산물을 X-Ray를 통과시켜 검사하는 예를 나타낸 도면이다.
도 8은 본 발명의 실시 예에 따른 농산물에 금속이 포함되어 있는지를 검사하는 금속 검출기를 나타낸 도면이다.
도 9는 본 발명의 실시 예에 따른 RFID 리더기의 삼각측량 기법을 이용한 위치 추적 방식을 나타낸 도면이다.
도 10은 본 발명의 실시 예에 따른 농산물 유통 서버의 내부 구성을 개략적으로 나타낸 구성도이다.
도 11은 본 발명의 실시 예에 따른 농산물 유통 서버의 농산물 가공 유통 방법을 설명하기 위한 동작 흐름도를 나타낸 도면이다.
도 12는 본 발명의 실시 예에 따른 추정 함수식의 그래프에 가장 근접하는 마진율과 영업이익률을 가지는 함수식을 산출하는 예를 나타낸 도면이다.
도 2는 본 발명의 실시 예에 따른 농산물을 확보하여 신선도를 유지하기 위해 저온 저장고에 보관하는 예를 나타낸 도면이다.
도 3은 본 발명의 실시 예에 따른 세척기를 통해 농산물을 세척하는 예를 나타낸 도면이다.
도 4는 본 발명의 실시 예에 따른 컨베이어를 통해 농산물을 이동시키는 예를 나타낸 도면이다.
도 5는 본 발명의 실시 예에 따른 슬라이서를 통해 농산물을 슬라이스 또는 다이스로 자르는 예를 나타낸 도면이다.
도 6은 본 발명의 실시 예에 따른 포장기를 통해 농산물을 포장하는 예를 나타낸 도면이다.
도 7은 본 발명의 실시 예에 따른 농산물을 X-Ray를 통과시켜 검사하는 예를 나타낸 도면이다.
도 8은 본 발명의 실시 예에 따른 농산물에 금속이 포함되어 있는지를 검사하는 금속 검출기를 나타낸 도면이다.
도 9는 본 발명의 실시 예에 따른 RFID 리더기의 삼각측량 기법을 이용한 위치 추적 방식을 나타낸 도면이다.
도 10은 본 발명의 실시 예에 따른 농산물 유통 서버의 내부 구성을 개략적으로 나타낸 구성도이다.
도 11은 본 발명의 실시 예에 따른 농산물 유통 서버의 농산물 가공 유통 방법을 설명하기 위한 동작 흐름도를 나타낸 도면이다.
도 12는 본 발명의 실시 예에 따른 추정 함수식의 그래프에 가장 근접하는 마진율과 영업이익률을 가지는 함수식을 산출하는 예를 나타낸 도면이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우 뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
어느 부분이 다른 부분의 "위에" 있다고 언급하는 경우, 이는 바로 다른 부분의 위에 있을 수 있거나 그 사이에 다른 부분이 수반될 수 있다. 대조적으로 어느 부분이 다른 부분의 "바로 위에" 있다고 언급하는 경우, 그 사이에 다른 부분이 수반되지 않는다.
제1, 제2 및 제3 등의 용어들은 다양한 부분, 성분, 영역, 층 및/또는 섹션들을 설명하기 위해 사용되나 이들에 한정되지 않는다. 이들 용어들은 어느 부분, 성분, 영역, 층 또는 섹션을 다른 부분, 성분, 영역, 층 또는 섹션과 구별하기 위해서만 사용된다. 따라서, 이하에서 서술하는 제1 부분, 성분, 영역, 층 또는 섹션은 본 발명의 범위를 벗어나지 않는 범위 내에서 제2 부분, 성분, 영역, 층 또는 섹션으로 언급될 수 있다.
여기서 사용되는 전문 용어는 단지 특정 실시예를 언급하기 위한 것이며, 본 발명을 한정하는 것을 의도하지 않는다. 여기서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다. 명세서에서 사용되는 "포함하는"의 의미는 특정 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분을 구체화하며, 다른 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분의 존재나 부가를 제외시키는 것은 아니다.
"아래", "위" 등의 상대적인 공간을 나타내는 용어는 도면에서 도시된 한 부분의 다른 부분에 대한 관계를 보다 쉽게 설명하기 위해 사용될 수 있다. 이러한 용어들은 도면에서 의도한 의미와 함께 사용 중인 장치의 다른 의미나 동작을 포함하도록 의도된다. 예를 들면, 도면 중의 장치를 뒤집으면, 다른 부분들의 "아래"에 있는 것으로 설명된 어느 부분들은 다른 부분들의 "위"에 있는 것으로 설명된다. 따라서 "아래"라는 예시적인 용어는 위와 아래 방향을 전부 포함한다. 장치는 90˚ 회전 또는 다른 각도로 회전할 수 있고, 상대적인 공간을 나타내는 용어도 이에 따라서 해석된다.
다르게 정의하지는 않았지만, 여기에 사용되는 기술용어 및 과학용어를 포함하는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 의미와 동일한 의미를 가진다. 보통 사용되는 사전에 정의된 용어들은 관련 기술문헌과 현재 개시된 내용에 부합하는 의미를 가지는 것으로 추가 해석되고, 정의되지 않는 한 이상적이거나 매우 공식적인 의미로 해석되지 않는다.
이하, 첨부한 도면을 참조하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
도 1은 본 발명의 실시 예에 따른 농산물 가공 유통 시스템의 전체적인 구성을 개략적으로 나타낸 구성도이다.
도 1을 참조하면, 본 발명의 실시 예에 따른 농산물 가공 유통 시스템(100)은, 스마트폰(110), 농산물 유통 서버(120), 세척기(130), 컨베이어(conveyor; 140), 슬라이서(Slicer; 150), 포장기(160) 및 바코드 리더기(170)를 포함할 수 있다.
스마트폰(110)은 농산물 가공 유통 앱(Application)을 통해 입고 농산물의 정보를 입력받거나 주문된 제품 주문 정보를 입력받는다. 여기서, 농산물 가공 유통 앱은 농산물 유통 서버(120)에서 처리된 결과를 수신하여 디스플레이하는 클라이언트용 프로그램으로써, 앱 스토어를 통해 다운로드받아 설치될 수 있다.
농산물 유통 서버(120)는 통신망으로부터 수신된 통신 주문 정보와, 스마트폰(110)으로부터 입력받은 제품 주문 정보에 따라 작업 전표를 발행하여 농산물의 가공 및 유통을 제어할 수 있다. 여기서, 통신망은 인터넷(Internet)이나 공중 전화망(PSTN:Public Switched Telephone Network) 등의 유선 통신망을 포함하거나, 블루투스(Bluetooth), 지그비(Zigbee), RFID 통신 등의 근거리 통신망과 HSPA, 3GPP, 4G, 5G의 이동 통신망 등의 무선 통신망을 포함할 수 있다.
농산물 유통 서버(120)는 예컨대, 컴퓨터 단말기로 구현할 수 있으며, 작업 전표의 발행을 위한 프린터 장치가 전기적으로 연결될 수 있다.
농산물 유통 서버(120)는 통신 주문 정보 및 제품 주문 정보에 따른 판매 데이터에 근거해 각 제품 별로 원가와 판매가를 이용해 일정 기간 마진율과 영업이익률을 산출해 제품명에 매칭시키고, 그 기간 중 다른 값들에 비해 일정 이상으로 차이가 나는 기간에 대해 주요 요인을 입력받아 학습하며, 학습한 데이터를 모델링하여 판매 모델을 생성하며, 판매 모델에 새로운 농산물 정보를 입력하여 마진율과 영업이익률을 예측 산출할 수 있다.
본 발명에서는 농산물이 생산되는 산지의 생산자 또는 단체와 계약 재배를 통해 고품질의 농산물을 확보할 수 있으며, 이러한 계약 내용을 농산물 유통 서버(120)가 데이터로 저장하여 관리할 수 있다. 이렇게 확보된 농산물은 도 2에 도시된 바와 같이 저온 저장고에 보관하여 신선도를 유지한다. 도 2는 본 발명의 실시 예에 따른 농산물을 확보하여 신선도를 유지하기 위해 저온 저장고에 보관하는 예를 나타낸 도면이다.
농산물 유통 서버(120)는 세척기(130)와 컨베이어(140), 슬라이서(150), 포장기(160) 및 바코드 리더기(170)와 유선 네트워크 또는 무선 네트워크를 통해 통신하여 연동할 수 있다.
세척기(130)는 작업 전표에 따라 선택 투입된 농산물을 세척한다. 세척기(130)는 도 3에 도시된 바와 같이 농산물에 물을 뿌려 흙이나 이물질 등을 씻어낸다. 도 3은 본 발명의 실시 예에 따른 세척기를 통해 농산물을 세척하는 예를 나타낸 도면이다. 도 3에 도시된 바와 같이, 세척기(130)의 주변에는 관리자 또는 작업자들이 배치되어, 세척기(130)의 동작 상태를 확인하거나 관리한다. 이렇게 세척된 농산물에 대해 살균 및 소독이 시행될 수 있다.
컨베이어(140)는 세척된 농산물을 슬라이서(150)가 있는 작업장으로 이동시킨다. 컨베이어(140)는 도 4에 도시된 바와 같이 세척된 농산물을 슬라이싱 하기 위해 이동하여 각각 분류한다. 도 4는 본 발명의 실시 예에 따른 컨베이어를 통해 농산물을 이동시키는 예를 나타낸 도면이다. 도 4에 도시된 바와 같이, 컨베이어(140)는 모터의 회전에 의해 이동하는 동작을 실행한다.
슬라이서(150)는 이동된 농산물을 슬라이스 또는 다이스로 자른다. 슬라이서(150)는 도 5에 도시된 바와 같이, 세척되고 이동되어 온 감자나 고구마 등 농산물을 슬라이스 또는 다이스 형태로 자르게 된다. 도 5는 본 발명의 실시 예에 따른 슬라이서를 통해 농산물을 슬라이스 또는 다이스로 자르는 예를 나타낸 도면이다. 도 5에 도시된 바와 같이, 슬라이서(150)의 주변에는 작업자 또는 관리자가 배치되어, 슬라이서(150)의 동작 상태를 확인하거나 관리한다. 여기서, 농산물을 슬라이서(150)에 투입하기 전에, 스마트폰(110)의 농산물 가공 유통앱을 통해 슬라이스 크기가 선택되면, 농산물 가공 유통앱은 해당 농산물의 선택된 슬라이스 크기에 따른 생산량을 예측하여 화면 상으로 보여줄 수 있다.
포장기(160)는 슬라이서(150)에 의해 잘라진 농산물을 박스 또는 포장지로 포장하고, 박스 또는 포장지에 바코드를 부착한다. 도 6에 도시된 바와 같이 포장기(160)는 슬라이스 또는 다이스로 잘라진 농산물을 포장지 또는 박스로 포장하고, 포장지 또는 박스에 바코드를 부착하는 동작을 실행한다. 도 6은 본 발명의 실시 예에 따른 포장기를 통해 농산물을 포장하는 예를 나타낸 도면이다. 도 6에 도시된 바와 같이, 포장기(160)는 슬라이싱 된 농산물을 일정 양으로 비닐 포장지 또는 박스로 포장하게 되고, 해당 제품 관련 정보가 기록된 바코드를 부착하게 된다.
포장지 또는 박스에 포장된 농산물은 도 7에 도시된 바와 같이 X-ray기를 통과시켜 이상 상태를 검사하고, 도 8에 도시된 바와 같이 금속 검출기를 통해 농산물 속에 금속이 포함되어 있는지도 검사한다. 도 7은 본 발명의 실시 예에 따른 농산물을 X-Ray를 통과시켜 검사하는 예를 나타낸 도면이고, 도 8은 본 발명의 실시 예에 따른 농산물에 금속이 포함되어 있는지를 검사하는 금속 검출기를 나타낸 도면이다. 도 7에 도시된 X-Ray기와 도 8에 도시된 금속 검출기는 포장기(160)가 배치되어 있는 작업장과 동일한 제4 작업장에 배치되거나, 가공 포장된 농산물을 상차 및 배송하기 전에 검사하기 위한 제5 작업장에 배치될 수 있다.
바코드 리더기(170)는 박스 또는 포장지에 포장된 농산물의 상차 또는 배송 시 박스 또는 포장지에 부착된 바코드(Bar-code)를 리딩(Reading)한다. 여기서, 바코드는 농산물에 대한 제품명, 가격, 원산지, 재료 성분, 판매처, 연락처 등의 정보를 포함할 수 있다.
도 1에서, 본 발명의 실시 예에 따른 농산물 가공 유통 시스템(100)은, 작업 전표에 따라 배정된 각 작업자에 대응된 RFID 신호를 송출하는 복수의 RFID 태그(Tag1 ~ Tag5)를 더 포함할 수 있다. 즉, 각 작업장에서 기계 장치를 관리하는 작업자는 각 자신에게 부여된 RFID 태그를 휴대하거나 몸에 장착한 상태에서 각 작업장의 기계 장치들의 동작 현황을 관리할 수 있다.
도 1에서, 세척기(130)는 제1 작업장에 배치되고, 제1 작업장에는 세척기(130)에 매칭된 제1 RFID 리더기(RD1)가 배치 및 설치될 수 있다.
컨베이어(140)는 제2 작업장에 배치되고, 제2 작업장에는 컨베이어(140)에 매칭된 제2 RFID 리더기(RD2)가 배치 및 설치될 수 있다.
슬라이서(150)는 제3 작업장에 배치되고, 제3 작업장에는 슬라이서(150)에 매칭된 제3 RFID 리더기(RD3)가 배치 및 설치될 수 있다.
포장기(160)는 제4 작업장에 배치되고, 제4 작업장에는 포장기(160)에 매칭된 제4 RFID 리더기(RD4)가 배치 및 설치될 수 있다.
바코드 리더기(170)는 제5 작업장에 배치되고, 제5 작업장에는 바코드 리더기(170)에 매칭된 제5 RFID 리더기(RD5)가 배치 및 설치될 수 있다. 즉, 바코드 리더기(170)는 가공된 농산물을 상차 및 배송하기 위해, 포장한 박스 또는 포장지에 부착된 바코드를 비접촉 방식으로 인식하여 배송 정보를 농산물 유통 서버(120)로 전송한다. 제5 작업장은 가공된 농산물을 상차한 후 배송하는 작업이 이루어지는 장소이다.
제1 내지 제5 RFID 리더기(RD1 ~ RD5)는 각 작업장에 위치해 있는 적어도 하나 이상의 RFID 태그(Tag1 ~ Tag5)로부터 RFID 신호를 수신하면, 자신의 관할 작업장에서 인식된 RFID와, 작업장의 위치에 관한 위치 데이터 및 시간 데이터를 포함하는 작업장 정보를 농산물 유통 서버(120)로 전송할 수 있다.
농산물 유통 서버(120)는 제1 내지 제5 RFID 리더기(RD1 ~ RD5)로부터 수신된 작업장 정보에 근거해 각 작업장에 위치해 있는 RFID와 시간 데이터를 인식하여 각 작업장 별 작업 현황을 화면 상에 또는 음성으로 출력할 수 있다.
한편, 도 1에 도시하지는 않았으나, 제1 내지 제5 작업장에 대해, 하나 이상의 카메라가 각 작업장마다 설치되고, 각 카메라를 통해 촬영된 영상 데이터 및 음성 신호를 농산물 유통 서버(120)로 송출하는 CCTV 장치를 더 포함할 수 있다.
따라서, 농산물 유통 서버(120)는 CCTV 장치로부터 수신된 영상 데이터를 분석하여 각 작업장의 작업 부하를 인식하고, 특정 작업장의 작업량 변화에 따른 새로운 작업 발생 시, 작업 부하가 일정 이하인 작업장에 배치된 적어도 하나 이상의 RFID 중 새로운 작업에 소요되는 인수에 따른 RFID를 선택하여 특정 작업장에 배치하는 메시지를 음성 또는 화면 상으로 출력할 수 있다.
한편, 본 발명에서는 작업자의 위치에 대해, RFID 리더기(RD1 ~ RD5)와 RFID 태그(Tag1 ~ Tag5) 간의 통신에 의해 RFID 태그의 위치 정보를 다음과 같이 획득할 수 있다.
본 발명의 실시 예에서는 각 작업장에 있는 고정 시설물에 RFID 리더기(RD1 ~ RD5)를 설치하여 고정 시설물의 위치 좌표를 기준점(위치좌표 기준점)으로 사용함으로써 RFID 태그(Tag1 ~ Tag5)의 위치를 실시간으로 추적할 수 있다.
즉, 각 작업장에 배치된 RFID 리더기(RD1 ~ RD5)는 GPS 위성으로부터 GPS 신호를 수신하고, 전원 공급이 가능하며, 무엇보다 수치 지도를 이용해서 전 세계 공통적으로 사용할 수 있는 정확한 위치 데이터(위치 좌표)를 보유하고 있는 고정 시설물에 설치될 수 있다.
여기에서, 수치 지도가 갖는 의미는 이동체 위치를 추적하는 기법인 셀(Cell) ID, 수신신호 세기 측정(RSSI :Received Signal Strength Indication), 신호의 도달각(AOA : Angel of Arrival), 신호의 도달방향(DoA : Direction of Arrival), 신호의 도달시간(TOA : Time of Arrival), 신호의 도달 시간차(TDoA : Time Difference of Arrival) 등 모든 방식의 근간이 될 수 있는 위치 기준점을 제공한다. 물론, Cell ID 방식에서는 1개의 위치 기준점을 제공하고, 삼각 측량 원리를 이용한 AoA, ToA, TDoA 방식에서는 3개의 위치 기준점을 제공하며, RSSI 방식에서는 1개 이상의 위치 기준점을 제공하고(삼각측량 원리를 이용할 수도 있고 그렇지 않을 수도 있음), DoA 방식에서는 2개 이상의 기준점을 제공한다.
특히, TDoA는 RFID 리더기(RD1 ~ RD5)와 RFID 태그(Tag1 ~ Tag5) 간의 정밀한 전파 송수신 시간 차이를 이용하여 거리를 산출하기 때문에, 기준이 되는 위치 기준점의 역할이 상당히 중요하다. 또한, 본 발명에서 GPS 위치 좌표를 가지는 고정 시설물을 이용하게 되면 좀 더 정밀한 셀(Cell)을 구성할 수 있으므로 기존 기지국 반경이 너무 넓다는 Cell ID 방식의 약점을 보완할 수 있다.
본 발명의 실시 예에서는 특히 TDoA 방식에 의한 위치 추적 방식에 대해 좀 더 설명하기로 한다. 다만, 본 발명이 이에 한정되지 않음에 유의하여야 하며, 이해를 돕기 위하여 각 위치 추적 방식에 대해 개략적으로 살펴보면 다음과 같다.
첫째, RFID 태그(Tag1 ~ Tag5)로부터 태그 주위의 여러 RFID 리더기(RD1 ~ RD5)에 도달하는 신호의 도달시간(ToA)을 이용하여 작업자의 위치를 추적할 수 있다. 즉, 각 RFID 리더기(RD1 ~ RD5)에 도달하는 신호의 도달시간을 알면 RFID 리더기(RD1 ~ RD5)로부터 RFID 태그(Tag1 ~ Tag5)까지의 거리를 환산할 수 있고, RFID 태그(Tag1 ~ Tag5) 주위의 여러 RFID 리더기(RD1 ~ RD5)에서 획득한 거리정보를 이용하면 작업자(RFID 태그)의 위치를 추적할 수 있다.
둘째, 수신신호 세기 측정(RSSI)을 통해 작업자의 위치를 추적할 수 있다.
즉, 두 개의 RFID 리더기(RD1 ~ RD5)에서 RFID 태그 신호의 세기를 측정하여 위치를 추적할 수 있다. 이는 RFID 태그(Tag1 ~ Tag5)의 송신 전력을 알고 있다고 가정하고 수신신호의 감쇄를 측정하면, 환경에 적합한 전파 모델을 적용하여 RFID 태그(Tag1 ~ Tag5)로부터 RFID 리더기(RD1 ~ RD5)까지의 거리를 다음 수학식 1에 따라 환산할 수 있다. 이 거리 정보를 이용하여 RFID 태그(Tag1 ~ Tag5)의 위치를 추적할 수 있다.
수학식 1에서, L은 신호 손실을 나타내고, c는 전파 속도를 나타내며, f는 주파수를 나타낸다.
셋째, 신호의 도달방향(DoA)을 이용하여 작업자의 위치를 추적할 수 있다.
즉, 두 개 또는 그 이상의 RFID 리더기에서 신호의 도달 방향을 추정하면 방향의 교차점으로 작업자의 RFID 태그(Tag1 ~ Tag5)의 위치를 파악할 수 있다. 이 기법은 셀(RFID 리더기)에서 어레이 안테나가 필요하게 된다.
넷째, 신호의 도달시간차(TDoA)를 이용하여 작업자의 위치를 추적할 수 있다.
이는 세 개 이상의 셀(RFID 리더기)이 관여하고 각 셀(RFID 리더기)은 동기화되었다고 가정한다. 각 셀(RFID 리더기)에서 신호의 도달시간(Time Stamp)을 측정하여 셀(RFID 리더기) 간 시간차를 구한다. 이러한 시간차로부터 셀(RFID 리더기) 간 교차점으로 RFID 태그(Tag1 ~ Tag5)의 위치를 파악할 수 있다.
전술한 방식들 중에서, 도 9에 도시된 바와 같이 삼각측량 기법을 활용하여 RFID 리더기의 위치를 추적할 수 있다. 도 9는 본 발명의 실시 예에 따른 RFID 리더기의 삼각측량 기법을 이용한 위치 추적 방식을 나타낸 도면이다. 도 9에서는 RFID 리더기 1,2,3과 RFID 태그 간의 거리 d1, d2, d3를 구하고, 피타고라스의 정리에 의해 다음 수학식 2에 따라 RFID 리더기와 RFID 태그 간의 거리를 산출한다.
각 작업장에서 고정 시설물에 위치한 RFID 리더기(RD1 ~ RD5)는 가급적 넓은 범위를 커버하기 위해, 반경 200~400m 내의 RFID 태그(Tag1 ~ Tag5)를 인식할 수 있도록 설치될 수 있다. 그리고, RFID 리더기(RD1 ~ RD5)의 간격은 바람직하게는 수 m이고, RFID 리더기(RD1 ~ RD5)의 설치 높이는 지면으로부터 0.5m인 것이 적절할 수 있다. 그러나, 수십 m 내외의 인식 영역을 갖는 RFID 리더기(RD1 ~ RD5)를 사용해도 무방하다. RFID 리더기(RD1 ~ RD5)는 일정 주기 별로, 예컨대 수 ns 마다 탐색신호를 송출한다.
RFID 태그(Tag1 ~ Tag5)는 각 작업장에서 기계 장치의 관리를 수행하는 작업자의 몸에 휴대 또는 부착된다. RFID 태그(Tag1 ~ Tag5)가 RFID 리더기(RD1 ~ RD5)의 인식영역(탐색신호의 전파영역) 내에 위치할 경우, RFID 태그(Tag1 ~ Tag5)는 RFID 리더기(RD1 ~ RD5)의 탐색 신호를 인식하고 이에 반응하여 자신의 고유 식별정보(RFID)가 포함된 응답 RFID 신호를 송출하게 된다.
이후, RFID 리더기(RD1 ~ RD5)는 자신의 탐색신호 송출시점과 이에 반응하여 RFID 태그(Tag1 ~ Tag5)로부터 수신된 RFID 신호의 수신시점의 차이를 이용하여 자신과 RFID 태그(Tag1 ~ Tag5)와의 거리를 계산할 수 있다. 예를 들어, 제1 작업장에 있는 1 개의 RFID 리더기(RD1)는 자신이 송출한 탐색신호의 송출시간과 이에 응답한 RFID 태그(Tag1)로부터의 응답신호의 수신시간의 차이(탐색신호의 송출시간과 응답신호의 수신시간을 비교하여 생성된 차이값)로부터 자신과 RFID 태그(Tag1) 사이의 거리를 계산한다.
즉, 위 각 신호의 전파속도는 광속이므로, RFID 리더기(RD1 ~ RD5)로부터의 송신시점과 수신시점에 광속을 곱하면 거리가 도출될 수 있다. 이때, RFID 태그(Tag1 ~ Tag5)가 응답하는데 소요되는 시간이 무시할 정도가 아니라면, 위 시간 차에 RFID 태그의 응답 소요 시간을 차감하여 광속을 곱하면 된다. 통상적으로는, RFID 태그(Tag1 ~ Tag5)가 응답하는데 소요되는 시간을 무시하는 것이 일반적이다.
RFID 리더기(RD1 ~ RD5)는 특정 RFID 태그(Tag1 ~ Tag5)와의 거리를 계산한 후에는 위치 결정 알고리즘에 의하여 RFID 태그(Tag1 ~ Tag5)의 위치를 계산하고, 이를 농산물 유통 서버(120)에 전송하여 RFID 태그(Tag1 ~ Tag5)의 위치를 저장하거나 관리할 수 있도록 한다. 이때, RFID 리더기(RD1 ~ RD5)로부터 농산물 유통 서버(120)로의 전송은 유선망을 통할 수도 있고, RFID 리더기(RD1 ~ RD5)와 연결된 무선 AP(Access Point)를 통하여 무선으로 전달될 수도 있다.
한편, 본 발명의 실시예에서는 작업장에 배치된 RFID 리더기와, 작업장에서 관리하는 작업자가 휴대하는 RFID 태그를 예로 설명하였으나, 이에 한정되지 않고 작업자가 비콘(Beacon) 단말기를 휴대하고, 작업장에서 비콘 단말기로부터 비콘 신호를 수신하는 비콘 수신기를 각 작업장 배치하는 것으로도 실시할 수 있다.
도 10은 본 발명의 실시 예에 따른 농산물 유통 서버의 내부 구성을 개략적으로 나타낸 구성도이다.
도 10을 참조하면, 본 발명에 따른 농산물 유통 서버(120)는, 통신부(1010), 데이터베이스(1020), 마이크로 프로세서(1030) 및 메모리(1040)를 포함할 수 있다.
여기서, 도 10에 도시하지는 않았지만 관리자로부터 데이터를 입력받기 위한 입력부와, 마이크로 프로세서(1030)의 제어 및 처리 결과를 화면 상에 출력할 수 있는 표시부를 더 포함할 수 있다.
통신부(1010)는 적어도 하나 이상의 작업장에 각각 배치된 적어도 하나 이상의 RFID 리더기와 세척기, 컨베이어, 슬라이서, 포장기, 바코드 리더기 및 스마트폰과 유선 네트워크 또는 무선 네트워크를 통해 연동한다.
데이터베이스(1020)는 스마트폰(110)의 농산물 가공유통 앱(Application)을 통해 입력받은 농산물의 입고 정보와 제품 주문 정보를 저장하거나, 통신부(1010)를 통해 외부로부터 수신된 통신 주문 정보를 저장하거나, 농산물의 입고량과 재고량, 분류 데이터, 제품 정보를 저장하거나, 각 작업장에 배치된 하나 이상의 RFID 리더기 정보와 하나 이상의 RFID 태그 정보를 저장하며, 농산물의 메뉴 정보와 판매 정보, 고객 정보, 작업자 정보를 저장하고 있다.
마이크로 프로세서(1030)는 통신 주문 정보 및 제품 주문 정보에 따른 판매 데이터에 근거해 각 제품 별로 원가와 판매가를 이용해 일정 기간의 마진율과 영업이익률을 산출해 제품명에 매칭시키고, 그 기간 중 다른 값들에 비해 일정 이상으로 차이가 나는 기간에 대해 주요 요인을 입력받아 학습하며, 학습된 데이터를 모델링하여 판매 모델을 생성하며, 판매 모델에 새로운 농산물 정보를 입력하여 마진율과 영업이익률을 예측 산출할 수 있다.
또한, 마이크로 프로세서(1030)는 판매 데이터에 근거해 각 제품 별로 원가와 판매가를 이용해 일정 기간의 마진율과 영업이익률을 산출해 제품명에 매칭시켜 학습 데이터로 데이터 베이스(1020)에 저장할 수 있다.
마이크로 프로세서(1030)는 학습 데이터에 대해 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류하며, 모델링 데이터군에 대해 제품명 별로 마진율과 영업이익률을 학습하여 마진율과 영업이익률 간의 관계를 나타내는 추정 함수식(E(x))을 산출할 수 있다.
마이크로 프로세서(1030)는 제품명 별 각 영업이익률 데이터와 추정 함수식의 그래프에 해당하는 추정 데이터들 간의 거리값들을 각각 산출하여, 산출된 각 거리값들을 모두 합하여 제품명 수에 따른 데이터 개수로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율과 영업이익률을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 산출할 수 있다.
마이크로 프로세서(1030)는 산출된 기울기(a) 값과 절편(b) 값을 추정 함수식에 대입해 판매 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하기 위한 판매 모델을 생성할 수 있다.
마이크로 프로세서(1030)는 제품명 별로 산출한 각 마진율(x)을 판매 모델에 각각 대입하여 제품명 별로 영업이익률(y)을 산출하고, 제품명 별로 영업이익률(y)과 수수료 데이터를 비교하여 내림차순으로 리스팅(listing)할 수 있다. 여기서, 수수료 데이터는 소비자로부터 특정 농산물에 대한 주문이 접수되고 매출이 발생할 때, 하나의 제품에 대해 소요되는 수수료를 의미한다. 즉, 영업이익률이 높고 수수료 데이터가 낮은 제품이 상위 리스트에 랭크된다.
한편, 마이크로 프로세서(1030)는 검증 데이터군에 대해 제품명 별로 각각의 마진율(x)을 산출하고, 산출된 각 마진율(x)을 판매 모델에 대입해 영업이익률(y)을 각각 산출할 수 있다.
마이크로 프로세서(1030)는 제품명 별로 산출된 각각의 마진율(x) 및 영업이익률(y)에 대해 추정 함수식의 그래프와의 거리값들을 산출할 수 있다.
마이크로 프로세서(1030)는 산출된 거리값들에 대한 거리 평균값을 산출하고, 산출된 거리 평균값을 마진율(x)과 영업이익률(y) 간의 관계에서 최소가 되는 거리값과 비교해, 산출된 거리 평균값과 최소가 되는 거리값의 차이가 오차 범위 이내인가의 여부에 따라 판매 모델을 검증할 수 있다.
마이크로 프로세서(1030)는, 각 제품 별로 원가와 판매가를 이용해 산출한 마진율과 영업이익률을 다음 표 1과 같이 제품명에 매칭시키고, 매칭된 제품명에 제품 종류와 제품 성격, 시장 규모를 대응시켜 데이터베이스(1020)에 저장할 수 있다.
| 제품명 | 제품종류 | 제품성격 | 시장규모 | 원가 | 판매가 | 마진율 | 영업이익률 |
| 슬라이스 감자 |
근채 | 뿌리 | 중규모 | S1 | P1 | 0.4 | 0.3 |
| 다이스 고구마 |
근채 | 뿌리 | 소규모 | S2 | P2 | 0.35 | 0.2 |
| ? | ? | ? | ? | ? | ? | ? | ? |
| 양상추 | 양채 | 잎사귀 | 중규모 | Sn | Pn | 0.5 | 0.35 |
여기서, 제품 성격은 근채류, 과채류, 양채류 및 기타류를 포함한다. 근채류는 감자, 고구마, 양파, 당근을 포함하고, 과채류는 오이, 단호박, 애호박, 미니단호박을 포함한다. 양채류는 양상추, 브로콜리, 파프리카를 포함하고, 기타류는 대파, 피망, 로메인 등을 포함한다.시장 규모는 이용자가 10만명 미만인 소규모 시장과, 이용자가 10만명 이상 100만명 미만인 중규모 시장, 이용자가 100만명 이상인 대규모 시장을 포함한다.
마이크로 프로세서(1030)는, 모델링 데이터군을 제품성격에 따라 근채류, 과채류, 양채류 및 기타류의 4가지 분야로 재분류하고, 재분류된 각각의 모델링 데이터군에 대해 제품명 별로 마진율(x), 영업이익률(y)을 학습하여, 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 추정 함수식(E(x))을 제품성격의 4가지 분야 별로 각각 산출할 수 있다.
마이크로 프로세서(1030)는 제품성격의 4가지 분야 별로 제품명 별 각 영업이익률(y) 데이터와, 추정 함수식(E(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([E(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 제품명 수에 따른 데이터 개수(m)로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 제품성격의 4 가지 분야에 따라 각각 산출할 수 있다.
마이크로 프로세서(1030)는 제품성격의 4가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 제품성격의 4가지 분야 별로 추정 함수식에 대입해 판매 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하는 판매 모델을 제품성격의 근채류, 과채류, 양채류 및 기타류에 따라 각각 생성할 수 있다.
마이크로 프로세서(1030)는 모델링 데이터군을 시장규모에 따라 소규모 시장, 중규모 시장, 대규모 시장의 3 가지 분야로 재분류하고, 재분류된 각각의 모델링 데이터군에 대해, 제품명 별로 마진율(x), 영업이익률(y)을 학습하여, 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 추정 함수식(E(x))을 시장규모의 3가지 분야 별로 각각 산출할 수 있다.
마이크로 프로세서(1030)는 시장규모의 3가지 분야 별로 제품명 별 각 영업이익률(y) 데이터와, 추정 함수식(E(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([E(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 제품명 수에 따른 데이터 개수(m)로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 시장규모의 3 가지 분야에 따라 각각 산출할 수 있다.
마이크로 프로세서(1030)는 시장규모의 3가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 시장규모의 3가지 분야 별 추정 함수식에 각각 대입해 판매 함수식(y=ax+b)을 각각 결정하여, 마진율에 따른 영업이익률을 산출하는 판매 모델을 시장규모의 소규모 시장, 중규모 시장, 대규모 시장에 따라 3 가지 분야 별로 각각 생성할 수 있다.
그리고, 메모리(1040)는 마이크로 프로세서(1030)가 통신 주문 정보 및 제품 주문 정보에 따른 판매 데이터에 근거해 각 제품 별로 원가와 판매가를 이용해 일정 기간의 마진율과 영업이익률을 산출해 제품명에 매칭시켜 학습하고, 학습된 데이터를 모델링하여 생성한 판매 모델을 임시로 저장할 수 있다.
도 11은 본 발명의 실시 예에 따른 농산물 유통 서버의 농산물 가공 유통 방법을 설명하기 위한 동작 흐름도를 나타낸 도면이다.
도 11을 참조하면, 본 발명에 따른 농산물 유통 서버(120)는, 먼저 통신부(1010)가 스마트폰(110)으로부터 농산물 가공유통 앱(Application)을 통해 또는 입력부로부터 농산물의 입고 정보와 제품 주문 정보를 입력받거나, 통신부(1010)를 통해 외부로부터 통신 주문 정보를 수신한다(S1110).
이어, 마이크로 프로세서(1030)는 통신 주문 정보 및 제품 주문 정보에 따른 판매 데이터에 근거해 각 제품 별로 원가와 판매가를 이용해 일정 기간의 마진율과 영업이익률을 산출해 제품명에 매칭시킨다(S1120).
즉, 마이크로 프로세서(1030)는 판매 데이터에 근거해 다음 수학식 3에 따라 각 제품 별로 원가(s)와 판매가(p)를 이용해 1년 또는 3년 동안의 마진율(x)과 영업이익률(y)을 제품명 별로 각각 산출한다.
마이크로 프로세서(1030)는 산출한 마진율과 영업이익률을 제품명에 매칭시키고, 매칭된 제품명에 표 1과 같이 제품 종류와 제품 성격, 시장 규모를 대응시켜 데이터베이스(1020)에 저장한다.
제품 성격은 근채류, 과채류, 양채류 및 기타류를 포함하고, 시장 규모는 이용자가 10만명 미만인 소규모 시장과, 이용자가 10만명 이상 100만명 미만인 중규모 시장, 이용자가 100만명 이상인 대규모 시장을 포함한다.
또한, 마이크로 프로세서(1030)는 판매 데이터에 근거해 각 제품 별로 원가와 판매가를 이용해 일정 기간의 마진율과 영업이익률을 산출해 제품명에 매칭시켜 학습 데이터로 데이터 베이스(1020)에 저장할 수 있다.
이어, 마이크로 프로세서(1030)는 각 제품 별로 원가와 판매가를 이용해 산출된 마진율과 영업이익률을 제품명에 매칭하여 학습하고, 일정 기간 중 다른 값들에 비해 마진율과 영업이익률이 일정 이상으로 차이가 나는 기간에 대해 스마트폰으로부터 주요 요인을 입력받아 학습한다(S1130).
여기서, 마이크로 프로세서(1030)는 학습 데이터에 대해 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류할 수 있다. 예를 들면, 마이크로 프로세서(1030)는 판매된 하나의 제품이 1,000 개인 경우, 표 1에 나타낸 바와 같은 학습 데이터가 1,000 개이므로, 800개에 해당하는 학습 데이터를 모델링 데이터군(80%)으로 설정하고, 200개에 해당하는 학습 데이터를 검증 데이터군(20%)으로 설정하는 것이다.
마이크로 프로세서(1030)는 모델링 데이터군에 대해 제품명 별로 마진율과 영업이익률을 학습하여, 도 12에 도시된 바와 같이 마진율과 영업이익률 간의 관계를 나타내는 다음 수학식 4의 추정 함수식(E(x))을 산출할 수 있다.
마이크로 프로세서(1030)는 제품명 별 각 영업이익률 데이터와 추정 함수식의 그래프에 해당하는 추정 데이터들 간의 거리값([d=H(x)-y(x)]2)들을 각각 산출하여, 산출된 각 거리값(d)들을 모두 합하여 제품명 수에 따른 데이터 개수(m)로 나누어(평균) 수학식 5의 코스트 함수(Cost Function)를 산출한다.
마이크로 프로세서(1030)는 도 12에 도시된 바와 같이 산출된 거리값들 중 코스트 함수식에 따라 최소가 되고, 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식(b)의 기울기(a) 값과 절편(b) 값을 산출한다. 도 12는 본 발명의 실시 예에 따른 추정 함수식의 그래프에 가장 근접하는 마진율과 영업이익률을 가지는 함수식을 산출하는 예를 나타낸 도면이다. 도 12에 도시된 바와 같이, 마이크로 프로세서(1030)는 추정 함수식 E(x)에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 (나)그래프에 대해, 각각의 마진율(x)과 영업이익률(y) 값을 이용하여 (나) 함수식의 기울기(a) 값과 절편(b) 값을 산출할 수 있다.
마이크로 프로세서(1030)는 학습된 데이터를 모델링하여 판매 모델을 생성한다(S1140).
즉, 마이크로 프로세서(1030)는 산출된 기울기(a) 값과 절편(b) 값을 추정 함수식에 대입해 판매 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하기 위한 판매 모델을 생성한다.
마이크로 프로세서(1030)는 도 12에서 (나) 그래프에 해당하는 기울기(a) 값과 절편(b) 값을 수학식 4에 따른 추정 함수식(E(x))에 대입하여, 추정 함수식에 가장 근접하는 판매 함수식을 결정하고, 결정된 판매 함수식에 따른 판매 모델을 생성하게 되는 것이다.
마이크로 프로세서(1030)는 스마트폰으로부터 또는 입력부로부터 새로운 농산물 정보를 입력받아 판매 모델에 대입하여 마진율과 영업이익률을 예측 산출할 수 있다(S1150).
즉, 마이크로 프로세서(1030)는 제품명 별로 산출한 각 마진율(x)을 판매 모델에 각각 대입하여 제품명 별로 영업이익률(y)을 산출하고, 제품명 별로 영업이익률(y)과 수수료 데이터를 비교하여 내림차순으로 리스팅(listing)할 수 있다.
마이크로 프로세서(1030)는 검증 데이터군에 대해 제품명 별로 각각의 마진율(x)을 산출하고, 산출된 각 마진율(x)을 판매 모델에 대입해 영업이익률(y)을 각각 산출할 수 있다.
마이크로 프로세서(1030)는 제품명 별로 산출된 각각의 마진율(x) 및 영업이익률(y)에 대해 추정 함수식의 그래프와의 거리값들을 산출하며, 산출된 거리값들에 대한 거리 평균값을 산출할 수 있다.
마이크로 프로세서(1030)는 산출된 거리 평균값을 마진율(x)과 영업이익률(y) 간의 관계에서 최소가 되는 거리값과 비교해, 산출된 거리 평균값과 최소가 되는 거리값의 차이가 오차 범위 이내인가의 여부에 따라 판매 모델을 검증할 수 있다.
마이크로 프로세서(1030)는 모델링 데이터군을 시장규모에 따라 소규모 시장, 중규모 시장, 대규모 시장의 3 가지 분야로 재분류하고, 재분류된 각각의 모델링 데이터군에 대해, 제품명 별로 마진율(x), 영업이익률(y)을 학습하여, 마진율(x)과 영업이익률(y) 간의 관계를 나타내는 추정 함수식(E(x))을 시장규모의 3가지 분야 별로 각각 산출할 수 있다.
마이크로 프로세서(1030)는 시장규모의 3가지 분야 별로 제품명 별 각 영업이익률(y) 데이터와, 추정 함수식(E(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([E(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 제품명 수에 따른 데이터 개수(m)로 나누어, 산출된 거리값들 중 최소가 되고 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 시장규모의 3 가지 분야에 따라 각각 산출할 수 있다.
마이크로 프로세서(1030)는 시장규모의 3가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 시장규모의 3가지 분야 별 추정 함수식에 각각 대입해 판매 함수식(y=ax+b)을 각각 결정하여, 마진율에 따른 영업이익률을 산출하는 판매 모델을 시장규모의 소규모 시장, 중규모 시장, 대규모 시장에 따라 3 가지 분야 별로 각각 생성할 수 있다.
전술한 바와 같이 본 발명에 의하면, 산지에서 직접 매입한 배추, 시금치, 상추, 감자, 고구마, 양파, 당근, 오이, 단호박, 양상추, 브로콜리 등과 같은 모든 종류의 농산물을 소비자의 주문에 따라 선택하여 세척하고 살균 및 소독하여 슬라이스나 다이스로 잘라서 포장한 후 택배를 통해 소비자에게 배송할 수 있도록 하는 농산물 가공 유통 시스템 및 방법을 실현할 수 있다.
본 발명이 속하는 기술 분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있으므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 농산물 가공 유통 시스템 110: 스마트폰
120: 농산물 유통 서버 130: 세척기
140: 컨베이어 150: 슬라이서
160: 포장기 170: 바코드 리더기
1010: 통신부 1020: 데이터베이스
1030: 마이크로 프로세서 1040: 메모리
120: 농산물 유통 서버 130: 세척기
140: 컨베이어 150: 슬라이서
160: 포장기 170: 바코드 리더기
1010: 통신부 1020: 데이터베이스
1030: 마이크로 프로세서 1040: 메모리
Claims (14)
- 농산물 가공 유통 앱(Application)을 통해 입고 농산물의 정보를 입력받거나 주문된 제품 주문 정보를 입력받는 스마트폰;
통신망으로부터 수신된 통신 주문 정보와 상기 제품 주문 정보에 따라 작업 전표를 발행하여 농산물의 가공 및 유통을 제어하는 농산물 유통 서버;
상기 작업 전표에 따라 선택 투입된 농산물을 세척하는 세척기;
상기 세척된 농산물을 이동시키는 컨베이어;
상기 이동된 농산물을 슬라이스 또는 다이스로 자르는 슬라이서;
상기 슬라이서에 의해 잘라진 농산물을 박스 또는 포장지로 포장하고, 상기 박스 또는 포장지에 바코드를 부착하는 포장기;
상기 포장된 농산물의 배송 시 상기 바코드를 리딩하는 바코드 리더기;
상기 포장된 농산물의 이상 상태를 검사하는 X-ray기; 및
상기 포장된 농산물에 금속이 포함되어 있는지 검사하는 금속 검출기;
를 포함하고,
상기 농산물 유통 서버는 상기 통신 주문 정보 및 상기 제품 주문 정보에 따른 판매 데이터에 근거해 각 제품 별로 원가와 판매가를 이용해 일정 기간 마진율과 영업이익률을 산출해 제품명에 매칭시키고, 그 기간 중 다른 값들에 비해 일정 이상으로 차이가 나는 기간에 대해 주요 요인을 입력받아 학습하며, 학습한 데이터를 모델링하여 판매 모델을 생성하며, 상기 판매 모델에 새로운 농산물 정보를 입력하여 마진율과 영업이익률을 예측 산출하며,
상기 농산물 가공 유통 앱을 통해 상기 슬라이스의 크기가 선택되는 경우, 상기 농산물 가공 유통 앱이 상기 슬라이스의 크기에 따라 해당 농산물의 생산량을 예측하여 화면상으로 표시시키고,
상기 작업 전표에 따라 배정된 각 작업자에 대응된 RFID 신호를 송출하는 복수의 RFID 태그(Tag);를 더 포함하고,
상기 농산물 유통 서버는 상기 세척기와 상기 컨베이어, 상기 슬라이서, 상기 포장기 및 상기 바코드 리더기와 유선 네트워크 또는 무선 네트워크를 통해 연동하며,
상기 세척기는 제1 작업장에 배치되고 상기 제1 작업장에는 상기 세척기에 매칭된 제1 RFID 리더기가 설치되며,
상기 컨베이어는 제2 작업장에 배치되고 상기 제2 작업장에는 상기 컨베이어에 매칭된 제2 RFID 리더기가 설치되며,
상기 슬라이서는 제3 작업장에 배치되고 상기 제3 작업장에는 상기 슬라이서에 매칭된 제3 RFID 리더기가 설치되며,
상기 포장기는 제4 작업장에 배치되고 상기 제4 작업장에는 상기 포장기에 매칭된 제4 RFID 리더기가 설치되며,
상기 바코드 리더기는 제5 작업장에 배치되고 상기 제5 작업장에는 상기 바코드 리더기에 매칭된 제5 RFID 리더기가 설치되며,
상기 X-ray기 및 상기 금속 검출기는 상기 제4 작업장 또는 상기 제5 작업장에 배치되며,
상기 제1 내지 제5 RFID 리더기는 각 작업장에 위치해 있는 적어도 하나 이상의 RFID 태그로부터 RFID 신호를 수신하면, 자신의 관할 작업장에서 인식된 RFID 및 시간 데이터를 포함하는 작업장 정보를 상기 농산물 유통 서버로 전송하고,
상기 농산물 유통 서버는 상기 제1 내지 제5 RFID 리더기로부터 수신된 작업장 정보에 근거해 각 작업장에 위치해 있는 RFID와 시간 데이터를 인식하여 각 작업장 별 작업 현황을 화면 상에 또는 음성으로 출력하며,
상기 농산물 유통 서버는,
적어도 하나 이상의 작업장에 각각 배치된 적어도 하나 이상의 RFID 리더기와 상기 세척기, 상기 컨베이어, 상기 슬라이서, 상기 포장기, 상기 바코드 리더기 및 상기 스마트폰과 유선 네트워크 또는 무선 네트워크를 통해 연동하는 통신부;
상기 스마트폰의 농산물 가공유통 앱(Application)을 통해 입력받은 농산물의 입고 정보와 제품 주문 정보를 저장하거나, 상기 통신부를 통해 외부로부터 수신된 통신 주문 정보를 저장하거나, 상기 농산물의 입고량과 재고량, 분류 데이터, 제품 정보를 저장하거나, 각 작업장에 배치된 하나 이상의 RFID 리더기 정보와 하나 이상의 RFID 태그 정보를 저장하며, 상기 농산물의 메뉴 정보와 판매 정보, 고객 정보, 작업자 정보를 저장하고 있는 데이터베이스; 및
상기 통신 주문 정보 및 상기 제품 주문 정보에 따른 판매 데이터에 근거해 각 제품 별로 원가와 판매가를 이용해 일정 기간의 마진율과 영업이익률을 산출해 제품명에 매칭시키고, 그 기간 중 다른 값들에 비해 일정 이상으로 차이가 나는 기간에 대해 주요 요인을 입력받아 학습하며, 학습된 데이터를 모델링하여 판매 모델을 생성하며, 상기 판매 모델에 새로운 농산물 정보를 입력하여 마진율과 영업이익률을 예측 산출하는, 마이크로 프로세서를 포함하고,
상기 마이크로 프로세서는, 상기 판매 데이터에 근거해 각 제품 별로 원가와 판매가를 이용해 일정 기간의 마진율과 영업이익률을 산출해 제품명에 매칭시켜 학습 데이터로 상기 데이터 베이스에 저장하고,
상기 학습 데이터에 대해 모델링하여 모델을 생성하기 위한 모델링 데이터군과, 생성한 모델을 검증하기 위한 검증 데이터군으로 분류하며, 상기 모델링 데이터군에 대해 상기 제품명 별로 마진율과 영업이익률을 학습하여 상기 마진율과 상기 영업이익률 간의 관계를 나타내는 추정 함수식(E(x))을 산출하며,
상기 제품명 별 각 영업이익률 데이터와 상기 추정 함수식의 그래프에 해당하는 추정 데이터들 간의 거리값들을 각각 산출하여, 산출된 각 거리값들을 모두 합하여 상기 제품명 수에 따른 데이터 개수로 나누어, 산출된 거리값들 중 최소가 되고 상기 추정 함수식의 그래프에 가장 근접하는 마진율과 영업이익률을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 산출하며,
산출된 기울기(a) 값과 절편(b) 값을 상기 추정 함수식에 대입해 판매 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하기 위한 상기 판매 모델을 생성하며,
상기 제품명 별로 산출한 각 마진율(x)을 상기 판매 모델에 각각 대입하여 상기 제품명 별로 영업이익률(y)을 산출하고, 상기 제품명 별로 영업이익률(y)과 수수료 데이터를 비교하여 내림차순으로 리스팅(listing)하며,
상기 마이크로 프로세서는, 상기 검증 데이터군에 대해 상기 제품명 별로 각각의 마진율(x)을 산출하고, 산출된 각 마진율(x)을 상기 판매 모델에 대입해 영업이익률(y)을 각각 산출하며,
상기 제품명 별로 산출된 각각의 마진율(x) 및 영업이익률(y)에 대해 상기 추정 함수식의 그래프와의 거리값들을 산출하며,
상기 산출된 거리값들에 대한 거리 평균값을 산출하고, 산출된 거리 평균값을 상기 마진율(x)과 상기 영업이익률(y) 간의 관계에서 최소가 되는 거리값과 비교해, 상기 산출된 거리 평균값과 상기 최소가 되는 거리값의 차이가 오차 범위 이내인가의 여부에 따라 상기 판매 모델을 검증하며,
상기 마이크로 프로세서는, 상기 각 제품 별로 원가와 판매가를 이용해 산출한 마진율과 영업이익률을 제품명에 매칭시키고, 매칭된 제품명에 제품 종류와 제품 성격, 시장 규모를 대응시켜 상기 데이터베이스에 저장하며, 상기 제품 성격은 근채류, 과채류, 양채류 및 기타류를 포함하고, 상기 시장 규모는 이용자가 10만명 미만인 소규모 시장과, 이용자가 10만명 이상 100만명 미만인 중규모 시장, 이용자가 100만명 이상인 대규모 시장을 포함하며,
상기 마이크로 프로세서는, 상기 모델링 데이터군을 상기 제품성격에 따라 근채류, 과채류, 양채류 및 기타류의 4가지 분야로 재분류하고, 상기 재분류된 각각의 모델링 데이터군에 대해 상기 제품명 별로 마진율(x), 영업이익률(y)을 학습하여, 상기 마진율(x)과 상기 영업이익률(y) 간의 관계를 나타내는 추정 함수식(E(x))을 상기 제품성격의 4가지 분야 별로 각각 산출하고,
상기 마이크로프로세서는 상기 제품성격의 4가지 분야 별로 상기 제품명 별 각 영업이익률(y) 데이터와, 상기 추정 함수식(E(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([E(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 상기 제품명 수에 따른 데이터 개수(m)로 나누어, 상기 산출된 거리값들 중 최소가 되고 상기 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 상기 제품성격의 4 가지 분야에 따라 각각 산출하며,
상기 마이크로프로세서는 상기 제품성격의 4가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 상기 제품성격의 4가지 분야 별로 상기 추정 함수식에 대입해 판매 함수식(y=ax+b)을 결정하여, 마진율에 따른 영업이익률을 산출하는 판매 모델을 상기 제품성격의 근채류, 과채류, 양채류 및 기타류에 따라 각각 생성하며,
상기 마이크로프로세서는 상기 모델링 데이터군을 상기 시장규모에 따라 소규모 시장, 중규모 시장, 대규모 시장의 3 가지 분야로 재분류하고, 상기 재분류된 각각의 모델링 데이터군에 대해, 상기 제품명 별로 마진율(x), 영업이익률(y)을 학습하여, 상기 마진율(x)과 상기 영업이익률(y) 간의 관계를 나타내는 추정 함수식(E(x))을 상기 시장규모의 3가지 분야 별로 각각 산출하고,
상기 마이크로프로세서는 상기 시장규모의 3가지 분야 별로 상기 제품명 별 각 영업이익률(y) 데이터와, 상기 추정 함수식(E(x))의 그래프에 해당하는 추정 데이터들 간의 거리값([E(x)-y(x)]2)들을 각각 산출하고, 각각 산출된 거리값들을 모두 합하여 상기 제품명 수에 따른 데이터 개수(m)로 나누어, 상기 산출된 거리값들 중 최소가 되고 상기 추정 함수식의 그래프에 가장 근접하는 마진율(x)과 영업이익률(y)을 가지는 함수식의 기울기(a) 값과 절편(b) 값을 상기 시장규모의 3 가지 분야에 따라 각각 산출하며,
상기 마이크로프로세서는 상기 시장규모의 3가지 분야에 따라 산출된 기울기(a) 값과 절편(b) 값을 상기 시장규모의 3가지 분야 별 추정 함수식에 각각 대입해 판매 함수식(y=ax+b)을 각각 결정하여, 마진율에 따른 영업이익률을 산출하는 판매 모델을 상기 시장규모의 소규모 시장, 중규모 시장, 대규모 시장에 따라 3 가지 분야 별로 각각 생성하는
농산물 유통 시스템. - 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190110797A KR102110453B1 (ko) | 2019-09-06 | 2019-09-06 | 농산물 가공 유통 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190110797A KR102110453B1 (ko) | 2019-09-06 | 2019-09-06 | 농산물 가공 유통 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102110453B1 true KR102110453B1 (ko) | 2020-05-13 |
Family
ID=70729975
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190110797A KR102110453B1 (ko) | 2019-09-06 | 2019-09-06 | 농산물 가공 유통 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102110453B1 (ko) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220018828A (ko) * | 2020-08-07 | 2022-02-15 | (주)협신식품 | 축산물 가공 관리 시스템 및 방법과 이를 위한 컴퓨터 프로그램 |
| KR20220116700A (ko) | 2021-02-15 | 2022-08-23 | 경남정보대학교 산학협력단 | 저품질 농산물 유통 시스템 |
| KR102452440B1 (ko) * | 2022-07-25 | 2022-10-11 | 주식회사 어스큐레이션 | 전자 장비의 유통을 위한 재고 관리 및 주문 처리 방법, 장치 및 시스템 |
| KR20220159202A (ko) * | 2021-05-25 | 2022-12-02 | 박숙현 | 식재료 가공처리 시스템 및 그 구동방법 |
| KR102528552B1 (ko) | 2022-09-07 | 2023-05-08 | 주식회사 베지스타 | 실시간으로 농산물 재고 상태를 확인할 수 있는 농산물 재고 유지 서비스 제공 장치, 방법 및 프로그램 |
| KR102626502B1 (ko) * | 2022-12-30 | 2024-01-18 | 한국로봇융합연구원 | 로봇 청소 시스템 및 복수의 청소 로봇의 임무 할당 방법 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110061983A (ko) * | 2009-12-02 | 2011-06-10 | (주)아크라인 | Ｃｐｍ 공법을 이용한 지능형 생산 관리 방법 및 시스템 |
| KR20140139466A (ko) * | 2014-11-12 | 2014-12-05 | 변동삼 | 데이터 크롤링 및 관리자 입력에 기반한 판매 예측 자동화 장치 |
| JP2015519638A (ja) * | 2012-04-13 | 2015-07-09 | シールド・エアー・コーポレイション（ユーエス） | 生鮮食品売場管理システム |
| KR101608371B1 (ko) * | 2014-11-28 | 2016-04-01 | 주식회사 유라코퍼레이션 | 생산현장의 라인관리 시스템 및 그 방법 |
| KR101761746B1 (ko) * | 2016-09-08 | 2017-07-26 | 주식회사 모비즈 | 서비스 서버 및 그것의 아이템 서비스 사업체 선정 방법 |
| KR20180028212A (ko) | 2016-09-08 | 2018-03-16 | (주)돔하우스코리아 | 신선 농작물 유통 시스템 및 그 방법 |
-
2019
- 2019-09-06 KR KR1020190110797A patent/KR102110453B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110061983A (ko) * | 2009-12-02 | 2011-06-10 | (주)아크라인 | Ｃｐｍ 공법을 이용한 지능형 생산 관리 방법 및 시스템 |
| JP2015519638A (ja) * | 2012-04-13 | 2015-07-09 | シールド・エアー・コーポレイション（ユーエス） | 生鮮食品売場管理システム |
| KR20140139466A (ko) * | 2014-11-12 | 2014-12-05 | 변동삼 | 데이터 크롤링 및 관리자 입력에 기반한 판매 예측 자동화 장치 |
| KR101608371B1 (ko) * | 2014-11-28 | 2016-04-01 | 주식회사 유라코퍼레이션 | 생산현장의 라인관리 시스템 및 그 방법 |
| KR101761746B1 (ko) * | 2016-09-08 | 2017-07-26 | 주식회사 모비즈 | 서비스 서버 및 그것의 아이템 서비스 사업체 선정 방법 |
| KR20180028212A (ko) | 2016-09-08 | 2018-03-16 | (주)돔하우스코리아 | 신선 농작물 유통 시스템 및 그 방법 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| KR20220116700A (ko) | 2021-02-15 | 2022-08-23 | 경남정보대학교 산학협력단 | 저품질 농산물 유통 시스템 |
| KR20220159202A (ko) * | 2021-05-25 | 2022-12-02 | 박숙현 | 식재료 가공처리 시스템 및 그 구동방법 |
| KR102522199B1 (ko) * | 2021-05-25 | 2023-04-13 | 박숙현 | 식재료 가공처리 시스템 및 그 구동방법 |
| KR102452440B1 (ko) * | 2022-07-25 | 2022-10-11 | 주식회사 어스큐레이션 | 전자 장비의 유통을 위한 재고 관리 및 주문 처리 방법, 장치 및 시스템 |
| KR102528552B1 (ko) | 2022-09-07 | 2023-05-08 | 주식회사 베지스타 | 실시간으로 농산물 재고 상태를 확인할 수 있는 농산물 재고 유지 서비스 제공 장치, 방법 및 프로그램 |
| KR102626502B1 (ko) * | 2022-12-30 | 2024-01-18 | 한국로봇융합연구원 | 로봇 청소 시스템 및 복수의 청소 로봇의 임무 할당 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102110453B1 (ko) | 농산물 가공 유통 시스템 및 방법 | |
| Duong et al. | A review of robotics and autonomous systems in the food industry: From the supply chains perspective | |
| Villalobos et al. | Research directions in technology development to support real-time decisions of fresh produce logistics: A review and research agenda | |
| Costa et al. | A review on agri-food supply chain traceability by means of RFID technology | |
| Ping et al. | Mini-review of application of IoT technology in monitoring agricultural products quality and safety | |
| US20190370915A1 (en) | Farm and mobile manufacturing | |
| US20190147396A1 (en) | Predicting shelf life based on item specific metrics | |
| US20180005295A1 (en) | System and method for providing freshness information | |
| CN104766153A (zh) | 农业物联网平台架构 | |
| CN109146130A (zh) | 农产品定制化种植与全程溯源平台及方法 | |
| CN103310381A (zh) | 一种实现农产品安全可追溯的方法及系统 | |
| CN109559126A (zh) | 一种食品溯源方法 | |
| CN106022788A (zh) | 农产品质量安全管理溯源方法 | |
| US20130036068A1 (en) | Logistical management of cargo shipments | |
| Cocco et al. | Blockchain in agri-food traceability systems: A model proposal for a typical Italian food product | |
| Yusianto et al. | Intelligent Spatial Logistics DSS for tracking and tracing in horticultural food security | |
| KR20090001527A (ko) | 친환경 농산물 및 그 가공품의 종합관리 시스템 | |
| CN117396905A (zh) | 农产品质量评估和定价量度系统 | |
| Bartezzaghi et al. | Food waste causes in fruit and vegetables supply chains | |
| EP3721400B1 (en) | Device and method for item level traceability of crops | |
| CN107967503A (zh) | 食蔬生产运送系统 | |
| Kailaku et al. | Traceability and quality monitoring improvement throughout carrot supply chain with the implementation of Internet-Of-Things | |
| Bollen et al. | Traceability in postharvest systems | |
| Yuvaraj et al. | Implementation of information and communication technologies in fruit and vegetable supply chain: a systematic literature review | |
| Shanmugasundaram et al. | Application of information and technology in supply chain management of fruits and vegetables–A brief overview |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |