KR102149728B1 - 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템 - Google Patents

인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템 Download PDF

Info

Publication number
KR102149728B1
KR102149728B1 KR1020180086818A KR20180086818A KR102149728B1 KR 102149728 B1 KR102149728 B1 KR 102149728B1 KR 1020180086818 A KR1020180086818 A KR 1020180086818A KR 20180086818 A KR20180086818 A KR 20180086818A KR 102149728 B1 KR102149728 B1 KR 102149728B1
Authority
KR
South Korea
Prior art keywords
product
design
consumer
data
learning model
Prior art date
Application number
KR1020180086818A
Other languages
English (en)
Other versions
KR20200017578A (ko
Inventor
김호곤
Original Assignee
김호곤
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 김호곤 filed Critical 김호곤
Priority to KR1020180086818A priority Critical patent/KR102149728B1/ko
Publication of KR20200017578A publication Critical patent/KR20200017578A/ko
Application granted granted Critical
Publication of KR102149728B1 publication Critical patent/KR102149728B1/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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • 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)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템에 관한 것으로, 기계학습과 같은 인공지능 기법을 통해 소비자의 제품별 디자인 만족도에 영향을 미치는 복수의 디자인 요소를 파악하고, 디자인 요소별 가중치를 산정하여 특정 제품을 사용하고자 하는 소비자가 중요하게 생각하는 디자인 요소를 미리 예측한 사용자 중심의 제품 디자인 가이드를 제공함으로써, 제품 디자인 설계 시 상기 제공한 디자인 요소를 반영하여 소비자의 니즈에 적합한 제품을 출시할 수 있도록 하는 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템에 관한 것이다.

Description

인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템{METHOD AND SYSTEM FOR EXTRACTING USER-CENTERED DESIGN GUIDES OF PRODUCTS THROUGH ARTIFICIAL INTELLIGENCE}
본 발명은 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템에 관한 것으로, 더욱 상세하게는 기계학습과 같은 인공지능 기법을 통해 소비자의 제품별 디자인 만족도에 영향을 미치는 복수의 디자인 요소를 파악하고, 디자인 요소별 가중치를 산정하여 특정 제품을 사용하고자 하는 소비자가 중요하게 생각하는 디자인 요소를 미리 예측한 제품 디자인 가이드를 제공함으로써, 제품 디자인 설계 시 상기 제공한 디자인 요소를 반영하여 소비자의 니즈에 적합한 제품을 출시할 수 있도록 하는 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템에 관한 것이다.
최근 현대사회는 산업기술과 정보통신기술의 발달이 가속화됨에 따라 기업에서는 서비스나 물리적인 제품을 포함하는 다양한 상품을 개발하여 소비자에게 제공하고 있다.
최근 기업들은 스마트폰과 같은 전자기기, 가전제품, 의류, 식품류 등과 같이 다양한 제품을 대량으로 생산하여 온/오프라인으로 유통 혹은 판매하거나, 웹 사이트, 온라인 게임 등과 같이 다양한 서비스를 소비자에게 제공함으로써, 기업의 이익을 창출하고 있다.
즉, 기업은 소비자나 고객에게 자사가 생산한 제품 또는 서비스를 공급하거나 유통에 참여함으로써, 존속과 성장을 유지한다. 따라서 제품은 기업의 성장과 발전에 가장 중요한 핵심요소 중의 하나가 된다.
특히, 최근에 들어 제품 디자인은 소비자의 구매의사결정에 있어서 가장 중요한 기준 중의 하나가 되고 있으며, 이에 따라 제품을 개발하는 과정에 있어서 제품의 디자인을 매우 중요한 자원으로 인식되고 있다.
또한 제품 디자인은 하나의 요소로 이루어지는 것이 아니기 때문에 이들 요소에 대한 많은 관심과 적용을 위한 노력이 요구되고 있다.
따라서 특정 제품이 타 제품들과 차별적인 경쟁력을 가지기 위해서는 소비자가 선호하는 제품의 디자인에 대한 트렌드를 정확하게 파악하고, 해당 트렌드를 제품 디자인에 반영하여 소비자의 니즈에 만족하는 제품을 개발하는 것이 매우 중요하다.
그러나 종래의 제품 디자인 개발 방식은, 과거 제품 디자인 요소로 전통적으로 인식되어 온 조형성과 심미감에 주로 초점을 맞추어 제품을 개발하기 때문에 소비자별 니즈에 적합한 제품을 출시하는 것에 한계가 있다.
즉, 소비자 마다 제품 디자인에 대해 중요하게 생각하는 요소가 서로 다르고, 시대에 따라 변하기 때문에, 상기 전통적인 제품 디자인 요소에 주로 초점을 두는 제품 디자인 개발 방식에 큰 변화가 필요한 실정이다,
또한 제품 디자인에 대한 만족도는 생산자와 소비자가 각기 다르게 인식될 수 있다. 즉, 생산자 관점에서는 재물, 자원, 노력, 시간 등이 적게 들면서도 높은 이득을 취할 수 있는 경제성이나, 제품을 쉽고 간편하게 제작할 수 있는 제작성이 중요한 관심사일 수 있지만, 이에 반해 소비자의 관점에서는 조형성, 합목적성, 사용성 등이 더 중요하게 작용할 수 있다.
따라서 제품 디자인을 통해 소비자의 구매의사결정을 이끌어 내기 위해서는 제품 디자인을 설계하는 과정에 있어서, 다양한 디자인 요소들 중에서 어느 요소에 더 중요성을 부여하여 제품 디자인을 설계하는 하느냐가 매우 중요하다.
이에 본 발명에서는, 인공지능 기법을 통해 제품 디자인에 대한 만족도에 영향을 미치는 디자인 요소를 파악하여, 각 제품의 디자인 요소에 대한 가중치를 산정하고, 상기 산정한 가중치를 토대로 특정 제품을 사용하고자 하는 소비자의 특성에 따라 상기 소비자가 중요하게 생각하는 디자인 요소를 미리 예측하여 사용자 중심의 제품 디자인 가이드를 제공함으로써, 제품 디자인 설계 시 상기 소비자의 니즈를 반영한 제품 디자인을 설계할 수 있도록 하는 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템을 제공하고자 한다.
다음으로 제품 디자인 설계와 관련하여 본 발명의 기술분야에 존재하는 선행기술에 대하여 간단하게 설명하고, 이어서 본 발명이 상기 선행기술에 비해서 차별적으로 이루고자 하는 기술적 사항에 대해서 기술하고자 한다.
먼저 한국등록특허 제1854405호(2018.04.26.)는 맞춤형 제품 디자인 방법 및 서버에 관한 것으로, 소비자 단말이 디자인 서버에 접속하는 경우, 풀 레이어드 콜렉션 이미지를 상기 소비자에게 제공한 후, 특정 타켓 품과 제1 레이어드 콜렉션과 제2 레이어드 콜렉션을 상기 소비자가 선택한 경우, 상기 선택한 제1 레이어드 콜렉션 및 제2 레이어드 콜렉션을 상기 특정 타켓 제품에 반영하여 소비자가 원하는 디자인으로 맞춤 주문을 수행하도록 하는 맞춤형 제품 디자인 방법 및 서버에 관한 것이다.
즉, 상기 선행기술은 소비자가 원하는 특정 제품의 종류, 컬러, 디자인 스타일 등을 직접적으로 선택하도록 함으로써, 소비자의 취향을 고려하여 디자인된 제품을 소비자에게 공급되도록 하는 것이다.
반면에 본 발명은 각 제품별로 제품 디자인 요소에 대한 리서치 데이터를 수집하고, 상기 수집한 리서치 데이터 및 인공지능 기법을 통해 해당 제품을 사용하는 소비자가 중요하게 생각하는 제품 디자인 요소에 대한 가중치를 산정하고, 상기 산정한 가중치와 소비자별 특성을 기계학습하여, 특정 제품이 대한 디자인을 설계하는 과정에 있어서, 상기 특정 제품의 타켓이 되는 소비자층이 중요하게 생각하는 디자인 요소를 미리 예측한 사용자 중심의 제품 디자인 가이드를 제품 디자인 설계자에게 제공함으로써, 종국적으로 소비자의 니즈에 적합한 제품을 개발할 수 있도록 하는 것으로, 상기 선행기술은 이러한 본 발명의 기술적 특징에 대해서는 아무런 기재가 없어, 본 발명과 목적, 구성, 효과에 있어서 명확한 차이점이 있다.
또한 한국등록특허 제0895979호(2009.04.27.)는 가상현실 기반 프로토타입을 이용한 모바일 장치의 디자인평가 시스템 및 방법에 관한 것으로, 모바일 장치의 3차원 가상 데이터 모델을 미리 저장하고 있으면서, 가상환경에서 사용자가 색상, 재질, 모양 등과 같이 선택된 가상 모바일 장치 데이터에 디자인 요소를 설정하여, 고품질의 3차원 모델로 투영한 후, 모델의 동작을 사용자 상호작용에 의해 구동하도록 구성하여, 해당 모바일 장치의 디자인 선호도를 실시간으로 측정하고 평가할 수 있도록 하는 가상현실 기반 프로토타입을 이용한 모바일 장치의 디자인평가 시스템 및 방법에 관한 것이다.
즉, 상기 선행기술은 모바일 장치에 대한 복수의 3차원 가상 모델을 미리 저장하고 있으면서, 사용자의 선택에 따라 상기 3차원 가상 모델의 디자인 요소를 설정한 후, 디자인 선호도를 측정할 수 있도록 하는 것이다.
반면에 본 발명은 제품별 디자인 요소에 대한 선호도를 조사한 리서치 데이터를 토대로, 특정 제품에 대한 디자인을 설계하는 과정에 있어서, 해당 제품의 타켓 소비자가 어떠한 디자인 요소를 중요하게 생각하고 있는지를 미리 예측하여 제품 개발자 또는 제품 디자인 설계자에게 제공함으로써, 소비자 유형별 니즈에 최적화된 제품을 개발할 수 있도록 하는 것으로, 상기 선행기술은 이러한 본 발명의 기술적 특징을 기재하거나 시사하고 있지 않다.
이상에서 선행기술들을 검토한 결과, 대부분의 선행기술들은 소비자가 직접 제품에 대한 디자인을 선택하여 맞춤형 주문을 수행하도록 하거나, 미리 저장된 복수의 제품 디자인을 사용자가 선택하여 제작할 수 있도록 하는 기술적 구성만을 기재하고 있을 뿐, 인공기능 기법과 소비자 리서치를 통해 수집되는 리서치 데이터를 이용하여, 소비자 특성에 따른 제품 디자인에 대한 트렌드를 예측하여 제공함으로써, 특정 제품을 구매하고자 하는 소비자의 니즈에 적합한 제품 디자인을 설계할 수 있도록 하는 본 발명의 기술적 특징에 대해서는 아무런 기재나 시사 또는 암시도 없다.
본 발명은 상기와 같은 문제점을 해결하기 위해 창작 된 것으로서, 제품에 대한 소비자 리서치를 통해 리서치 데이터를 수집하여 빅데이터화함으로써, 특정 제품을 판매하고자 하는 특정 소비자의 제품 디자인에 대한 트렌드를 파악할 수 있도록 하는 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템을 제공하는 것을 그 목적으로 한다.
또한 본 발명은 상기 리서치 데이터와 인공지능 기법을 이용하여 소비자의 제품별 디자인 만족도에 영향을 미치는 복수의 디자인 요소에 대한 가중치를 각각 산정하고, 특정 제품에 대해 소비자별로 제품 구매의사결정시 중요하게 생각하는 디자인 요소를 미리 예측한 사용자 중심의 제품 디자인 가이드를 제공함으로써, 제품에 대한 타켓 소비자층의 니즈에 적합한 제품 디자인을 설계할 수 있도록 하는 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템을 제공하는 것을 또 다른 목적으로 한다.
본 발명의 일 실시예에 따른 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 시스템은 기준 학습데이터를 학습하여, 소비자 설문에 의해 수집되는 리서치 데이터로부터 제품의 디자인 요소별 가중치를 산정하기 위한 기준 학습모델을 생성하는 기준 학습모델 생성부, 상기 리서치 데이터 및 상기 생성한 기준 학습모델을 이용하여 해당 리서치 데이터의 디자인 요소별 가중치를 산정하는 디자인 요소별 가중치 산정부 및 상기 산정한 디자인 요소별 가중치, 해당 리서치 데이터로부터 추출되는 소비자 특성 및 제품의 종류를 포함하는 가중치 데이터를 학습하여, 제품에 대한 사용자 중심의 제품 디자인 가이드를 도출하기 위한 학습모델을 생성하는 학습모델 생성부를 포함하며,
상기 기준 학습데이터는 디자인 요소별 세부사항에 부여된 스코어에 따라 산정되는 디자인 요소별 가중치에 대한 패턴을 포함하는 그레이 스케일 이미지로 구성되는 것을 특징으로 한다.
또한 상기 사용자 중심의 제품 디자인 가이드 도출 시스템은, 복수의 소비자 단말로부터 제품에 대한 리서치 데이터를 수집하는 리서치 데이터 처리부, 상기 수집한 리서치 데이터를 전처리하여 상기 디자인 요소별 세부사항에 부여된 스코어에 따른 패턴을 포함하는 그레이 스케일 이미지로 변환하는 전처리부를 더 포함하며, 상기 디자인 요소별 가중치 산정부는, 상기 전처리한 리서치 데이터를 상기 생성한 기준 학습모델에 입력함으로써, 해당 리서치 데이터에 대한 디자인 요소별 가중치를 산정하는 것을 특징으로 한다.
또한 상기 디자인 요소는, 조형성, 합목적성, 경제성, 제작성, 적합성, 만족성, 환경친화성, 정체성 또는 이들의 조합을 포함하며, 상기 소비자 특성은, 성별, 연령, 직업, 결혼 유무, 상기 소비자가 사용하는 상기 제품의 브랜드 또는 이들이 조합을 포함하는 것을 특징으로 한다.
또한 상기 사용자 중심의 제품 디자인 가이드 도출 시스템은, 특정 제품 및 해당 제품의 타켓 소비자에 대한 적어도 하나 이상의 소비자 특성을 설정하는 제품-소비자 특성 설정부, 상기 설정한 특정 제품 및 적어도 하나 이상의 소비자 특성을 상기 생성한 학습모델에 입력하여, 상기 설정한 특정 제품에 대한 소비자 특성에 따라 디자인 요소별 가중치를 추출하고, 미리 설정한 임계값 이상의 가중치를 가지는 적어도 하나 이상의 디자인 요소를 선택함으로써, 상기 설정한 특정 제품에 대한 사용자 중심의 제품 디자인 가이드를 도출하는 제품 디자인 가이드 도출부를 더 포함하는 것을 특징으로 한다.
또한 상기 기준 학습모델 생성부는, CNN(convolutional neural network)을 통해 상기 기준 학습데이터를 학습하여 상기 기준 학습모델을 생성하며, 상기 학습모델 생성부는, ANN(artificial neural network)을 통해 상기 가중치 데이터를 학습하여 상기 학습모델을 생성하는 것을 특징으로 한다.
아울러 본 발명의 일 실시예에 따른 사용자 중심의 제품 디자인 가이드 도출 방법은, 기준 학습데이터를 학습하여, 소비자 설문에 의해 수집되는 리서치 데이터로부터 제품의 디자인 요소별 가중치를 산정하기 위한 기준 학습모델을 생성하는 기준 학습모델 생성 단계, 상기 리서치 데이터 및 상기 생성한 기준 학습모델을 이용하여 해당 리서치 데이터의 디자인 요소별 가중치를 산정하는 디자인 요소별 가중치 산정부 및 상기 산정한 디자인 요소별 가중치, 해당 리서치 데이터로부터 추출되는 소비자 특성 및 제품의 종류를 포함하는 가중치 데이터를 학습하여, 제품에 대한 사용자 중심의 제품 디자인 가이드를 도출하기 위한 학습모델을 생성하는 학습모델 생성 단계를 포함하며, 상기 기준 학습데이터는 디자인 요소별 세부사항에 부여된 스코어에 따라 산정되는 디자인 요소별 가중치에 대한 패턴을 포함하는 그레이 스케일 이미지로 구성되는 것을 특징으로 한다.
또한 상기 사용자 중심의 제품 디자인 가이드 도출 방법은, 복수의 소비자 단말로부터 제품에 대한 리서치 데이터를 수집하는 리서치 데이터 처리 단계, 상기 수집한 리서치 데이터를 전처리하여 상기 디자인 요소별 세부사항에 부여된 스코어에 따른 패턴을 포함하는 그레이 스케일 이미지로 변환하는 전처리 단계를 더 포함하며, 상기 디자인 요소별 가중치 산정 단계는, 상기 전처리한 리서치 데이터를 상기 생성한 기준 학습모델에 입력함으로써, 해당 리서치 데이터에 대한 디자인 요소별 가중치를 산정하는 것을 특징으로 한다.
또한 상기 사용자 중심의 제품 디자인 가이드 도출 방법은, 특정 제품 및 해당 제품의 타켓 소비자에 대한 적어도 하나 이상의 소비자 특성을 설정하는 제품-소비자 특성 설정부, 상기 설정한 특정 제품 및 적어도 하나 이상의 소비자 특성을 상기 생성한 학습모델에 입력하여, 상기 설정한 특정 제품에 대한 소비자 특성에 따라 디자인 요소별 가중치를 추출하고, 미리 설정한 임계값 이상의 가중치를 가지는 적어도 하나 이상의 디자인 요소를 선택함으로써, 상기 설정한 특정 제품에 대한 사용자 중심의 제품 디자인 가이드를 도출하는 제품 디자인 가이드 도출 단계를 더 포함하는 것을 특징으로 한다.
또한 상기 기준 학습모델 생성 단계는, CNN(convolutional neural network)을 통해 상기 기준 학습데이터를 학습하여 상기 기준 학습모델을 생성하며, 상기 학습모델 생성 단계는, ANN(artificial neural network)을 통해 상기 가중치 데이터를 학습하여 상기 학습모델을 생성하는 것을 특징으로 한다.
이상에서와 같이 본 발명은 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템에 관한 것으로, 복수의 제품에 대한 리서치 데이터를 기반으로 소비자 유형별로 특정 제품을 구매하고자하는 의사결정시 중요하게 생각하는 제품 디자인 요소를 예측할 수 있는 학습모델을 구축하여, 소비자 유형에 따라 제품별 디자인 만족도에 영향을 미치는 디자인 요소를 미리 예측하여, 제품 디자인 설계시에 반영할 수 있도록 함으로써, 제품에 대한 소비자 만족도를 현저하게 향상시킬 수 있는 효과가 있다.
즉, 본 발명은 변화하는 소비자의 트렌드를 파악하여, 제품 디자인에 반영할 수 있도록 함으로써, 소비자 니즈에 적합한 제품을 개발 및 출시할 수 있도록 하는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템을 개략적으로 설명하기 위해 나타낸 개념도이다.
도 2는 본 발명의 일 실시예에 따른 디자인 요소별 가중치를 산정하기 위한 기준 학습모델을 생성하기 위한 기준 학습데이터를 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 전처리과정을 통해 리서치 데이터의 패턴을 이미지화하는 방법을 설명하기 위해 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 시스템의 구성을 나타낸 블록도이다.
도 5는 본 발명의 일 실시예에 따른 기준 학습데이터를 CNN을 통해 기계학습하는 경우, 이에 대한 구조와 학습과정을 설명하기 위해 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 가중치 데이터를 ANN을 통해 기계학습하는 경우, 이에 대한 구조와 학습과정을 설명하기 위해 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 사용자 중심의 제품 디자인 가이드를 도출하는 절차를 설명하기 위해 나타낸 워크 플로우이다.
이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시예를 상세히 설명하기로 한다. 본 발명의 명세서 또는 출원에 개시되어 있는 일 실시예들에 대해서 특정한 구조적 내지 기능적 설명들은 단지 본 발명에 따른 실시예를 설명하기 위한 목적으로 예시된 것으로, 다르게 정의 되어 있지 않는 한, 기술적이거나 과학적인 용어를 포함해서 본 명세서에서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 아니한다.
도 1은 본 발명의 일 실시예에 따른 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템을 개략적으로 설명하기 위해 나타낸 개념도이다.
도 1에 도시한 바와 같이, 본 발명의 일 실시예에 따른 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 시스템(100)(이하 제품 디자인 가이드 도출 시스템이라 칭함)은 제품을 개발하는 제품 디자인 설계자 또는 제품 개발자에게 해당 제품을 소비하는 소비자의 제품 디자인에 대한 만족도에 영향을 미치는 제품 디자인 요소를 예측하여, 해당 제품 디자인 요소를 반영한 제품 디자인을 설계할 수 있도록 사용자 중심의 제품 디자인 가이드를 제공하는 시스템을 의미한다.
즉, 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 특정 제품을 개발하고자 하는 개발자 또는 제품 디자인 설계자에게 상기 특정 제품의 주요 타켓이 되는 소비자의 특성에 따라 상기 소비자가 해당 제품에 대한 구매의사결정시 중요하게 여기는 디자인 요소를 미리 예측하여, 이에 대한 정보를 제공하는 것이다.
또한 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 상기 사용자 중심의 제품 디자인 가이드를 제공하기 위해 우선적으로, 기준 학습데이터 데이터베이스(410)에 저장된 기준 학습데이터를 학습하여 상기 제품 디자인 요소별 가중치를 산정하기 위한 기준 학습모델을 생성한다.
한편 복수의 디자인 요소는 조형성, 합목적성, 경제성, 제작성, 사용성, 적합성, 만족성, 환경친화성, 정체성 또는 이들의 조합을 포함한다.
또한 조형성은 제품 디자인 전체에 있어서 형태, 색체, 재질이 유기적으로 연결된 특유의 아름다움을 의미하고, 합목적성은 디자인을 요구하는 사회적인 요건과 디자인, 인간, 환경 등의 종합적인 이해관계 속에서 실용성과 기능성을 의미하며, 경제성은 재료의 선택, 성형, 제작 기술과 공정의 선택에 이르기까지 가장 합리적이고 효율적으로 결제적인 제작효과를 얻을 수 있도록 제품이 디자인되었는지를 의미한다.
또한 제작성은 제품 디자인에 적합한 소재 및 소재의 선정이 적절한지에 대한 여부를 판단하는 기준이 되며, 사용성은 제품의 안정성, 사용 용이성, 본래의 용도 및 기능에 맞게 디자인되었는지를 의미하고, 적합성은 소비자가 쉽게 제품을 사용할 수 있는지에 대한 여부를 의미하며, 만족성은 소비자의 모든 감각적 요소를 개선하여 소비자의 감성적 욕구를 충족하는지에 대한 여부를 의미한다.
또한 환경친화성은 제품의 재활용, 제품의 각 부품에 대한 재사용 가능 여부, 에너지 절약 여부 등과 같이 디자인된 제품이 환경의 보호와 유지에 적합한지에 대한 여부를 의미하며, 정체성은 기업의 디자인 철학이 일관되게 반영되어 기업 고유의 이미지를 의미한다.
또한 상기에서 설명한 디자인 요소는 적어도 하나 이상의 세부사항을 포함하여 구성된다.
즉, 상기 조형성은 예술성, 외관, 형태, 심미성, 고품질의 디자인, 독창성 또는 이들의 조합을 포함하고, 합목적성은 성능, 기술, 기능 또는 이들의 조합을 포함하며 결제성은 가격, 경제적인 생산 공정, 시장성 또는 이들의 조합을 포함한 세부사항을 포함한다.
또한 제작성은 제조, 적합한 소재, 재료 선정 또는 이들의 조합을 포함한 세부사항을 포함하고, 사용성은 사용의 유용성, 인간공학적 배려, 안전성, 작업 경제성, 내구성 또는 이들의 조합을 포함한 세부사항을 포함하며, 적합성은 시장성, 소비자에 대한 어필정도, 소비자에 대한 유용성 또는 이들의 조합을 포함한 세부사항을 포함한다.
또한 만족성은 사회적 동향, 감각적 자극, 지적 자극 또는 이들의 조합을 포함한 세부사항을 포함하며, 환경친화성은 환경과의 조화, 환경 적성, 자원 절약과 재활용 또는 이들의 조합을 포함한 세부사항을 포함한다.
또한 기준 학습데이터는 상기 디자인 요소별로 스코어링하여 그레이 스케일로 이미지화한 데이터를 의미하는 것으로, 기준 학습데이터는 상기 각 디자인 요소별 세부사항에 대해 모든 경우의 수에 따라 스코어링(예: 1 ~ 5점 또는 0 ~ 1점)되어 복수의 이미지로 패턴화되어 있다.
즉, 상기 기준 학습데이터는 디자인 요소별 세부사항에 부여된 스코어에 따라 산정되는 디자인 요소별 가중치에 대한 패턴을 포함하는 그레이 스케일 이미지로 구성되어 있다.
또한 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 복수의 소비자로부터 소비자 설문에 의해 수집되는 리서치 데이터를 리서치 데이터베이스(420)에 저장한다.
한편 상기 리서치 데이터는 리서치 조사(즉, 소비자 설문조사)를 통해 수집된다. 예를 들어, 사용자 중심의 제품 디자인 가이드 시스템(100)은 소비자 간의 자유로운 의사소통과 정보 공유, 그리고 인맥 확대 등을 통해 사회적 관계를 생성하고 강화해주는 온라인 플랫폼과 같이 다양한 SNS(social networking service)를 통해 소비자 단말(200)로 리서치 데이터를 제공하고, 소비자는 상기 소비자 단말(200)을 통해 직접 응답지를 작성하여 상기 사용자 중심의 제품 디자인 가이드 도출 시스템(100)으로 제공함으로써, 상기 리서치 데이터가 수집될 수 있다.
즉, 상기 리서치 데이터는 특정 제품에 대해 미리 설정한 복수의 디자인 요소 및 상기 각 디자인 요소에 해당하는 세부사항을 포함하여 구성되며, 소비자는 상기 각 세부사항에 대한 디자인 만족도를 스코어링함으로써, 상기 제품에 대한 리서치 데이터를 작성하여 상기 사용자 중심의 제품 디자인 가이드 시스템(100)으로 제공할 수 있다.
또한 사용자 중심의 제품 디자인 가이드 시스템(100)은 상기 수집한 상기 리서치 데이터를 리서치 데이터 데이터베이스(420)에 저장하여 관리할 수 있으며, 상기 리서치 데이터는 상기 사용자 중심의 제품 디자인 가이드 시스템(100)에서 제품 개발자 또는 제품 디자인 설계자에게 특정 제품에 대한 디자인 가이드를 제공하기 위한 기반이 되는 데이터로 이용된다.
또한 사용자 중심의 제품 디자인 가이드 시스템(100)은 상기 수집한 리서치 데이터를 전처리하여 그레이 스케일의 이미지로 변환하고, 상기 생성한 기준 학습모델에 상기 그레이 스케일 이미지로 변환한 리서치 데이터를 입력하여, 해당 리서치 데이터에 따른 디자인 요소별 가중치를 산정하여 출력한다.
즉, 사용자 중심의 제품 디자인 가이드 시스템(100)은 상기 리서치 데이터로부터 상기 소비자가 부여한 각 세부사항별 스코어에 따른 그레이 스케일의 패턴 이미지를 생성한 후, 상기 디자인 요소별 가중치에 대한 패턴 이미지를 학습한 기준 학습모델을 이용하여, 상기 수집한 리서치 데이터에 대한 디자인 요소별 가중치를 자동으로 출력하는 것이다.
즉, 상기 기준 학습데이터는 상기 소비자 설문을 통해 수집되는 리서치 데이터의 패턴 이미지로부터 해당 리서치 데이터의 디자인 요소별 가중치를 산정하기 위한 기준이 되는 데이터이다.
한편 상기 디바인 요소별 가중치를 산정하기 위한 기준 학습모델은 CNN(convolution neural network)으로 수행되어 생성되는 것이 바람직하지만 RNN(recurrent neural network)등과 같은 다양한 기계학습 기법을 통해 생성될 수 있다. 한편 상기 CNN을 통한 기계학습 구조는 도 5를 참조하여 상세히 설명하도록 한다.
또한 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 상기 리서치 데이터로부터 산정된 디자인 요소별 가중치, 상기 리서치 데이터로부터 해당 리서치 데이터를 작성한 소비자의 특성 및 상기 설문의 대상이 되는 제품(즉, 제품의 종류)을 포함한 가충지 데이터를 추출하여 저장한다.
즉, 상기 가중치 데이터는 상기 디자인 요소별 가중치, 상기 소비자의 특성 및 제품의 종류를 매핑한 매핑테이블을 의미한다.
한편 상기 소비자 유형은 상기 리서치 조사를 위한 통제변수를 의미하는 것으로, 성별, 연령, 직업, 결혼 유무, 해당 제품을 사용하는 브랜드 또는 이들의 조합을 포함한다.
이러한 매핑 테이블은 사용자 중심의 제품 디자인 가이드 도출 시스템(100)에서 상기 소비자 유형별로 상기 특정 제품에서 중요하게 생각하는 복수의 디자인 요소를 미리 예측하여, 특정 제품에 대한 디자인을 설계할 때, 상기 예측한 복수의 디자인 요소를 반영할 수 있도록 하기 위한 사용자 중심의 제품 디자인 가이드를 도출하기 위한 학습데이터로 활용된다.
즉, 상기 매핑 테이블은 기계학습의 입력데이터로 사용되고, 그 결과로 사용자 중심의 제품 디자인 가이드를 도출하기 위한 제품 디자인 가이드 도출용 학습모델이 생성되며, 상기 사용자 중심의 제품 디자인 가이드 도출용 학습모델은 소비자 유형에 따라 특정 제품에 대한 제품 디자인 가이드를 도출하기 위해 학습모델 데이터베이스(430)에 저장된다. 여기서 상기 기계학습은 ANN(artificial neural network)로 수행될 수 있다.
제품 디자인 설계자 또는 제품 개발자는 사용자 중심의 제품 디자인 가이드 도출 시스템(100)을 통해 자신이 개발하고자 하는 제품에 대한 소비자 유형을 설정(예: 연령, 나이 등)하고 해당 소비자 유형에 대한 제품 디자인에 대한 가이드를 제공받기 위해 상기 학습모델 데이터베이스(430)로부터 상기 제품 디자인 가이드 도출용 학습모델을 액세스하여 사용한다.
이때, 상기 제품 디자인 설계자 또는 제품 개발자는 제품 및 상기 설정한 소비자 유형을 상기 사용자 중심의 제품 디자인 가이드 도출 시스템(100)에 제공함으로서, 해당 제품에 대한 제품 디자인 가이드를 요청하거나, 상기 사용자 중심의 제품 디자인 가이드 도출 시스템(100)으로부터 상기 제품 디자인 가이드 도출용 학습모델을 다운로딩하여 자신이 구비한 제품 디자인 설계자 단말(300) 또는 제품 개발자 단말을 통해 상기 제품 디자인 가이드를 직접적으로 도출할 수 있다.
또한 소비자 단말(200) 및 제품 디자인 설계자 단말(300)은 스마트폰, 태블릿 PC, 데스크톱 PC 등과 같은 다양한 유무선 통신단말을 의미한다.
또한 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 상기 리서치(즉, 설문조사)를 주기적으로 수행하여, 상기 리서치 데이터를 지속적으로 업데이트할 수 있다.
따라서, 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 상기 리서치 데이터가 업데이트 되는 경우, 상기 기준 학습모델 및 제품 디자인 도출하기 위한 학습모델도 새롭게 갱신하고, 그 결과를 학습모델 데이터베이스(430)에 저장한다.
즉, 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 리서치 데이터를 지속적으로 업데이트함으로써, 변화하는 제품 디자인 트렌드를 정확하게 파악할 수 있다. 이를 통해 제품 개발자 또는 제품 디자인 설계자에게 소비자의 니즈에 맞춘 적합한 제품 디자인을 설계할 수 있도록 제품 디자인 가이드를 제공할 수 있다.
도 2는 본 발명의 일 실시예에 따른 디자인 요소별 가중치를 산정하기 위한 기준 학습모델을 생성하기 위한 기준 학습데이터를 나타낸 도면이다.
도 2에 도시한 바와 같이, 본 발명의 일 실시예에 따른 디자인 요소별 가중치를 산정하기 위한 기준 학습모델을 생성하기 위한 기준 학습데이터는 제품에 대한 복수의 디자인 요소 및 상기 각 디자인 요소에 대한 세부사항을 포함하여 구성된다.
이때, 상기 각각의 디자인 요소는 독립변수가 되며, 상기 디자인 요소별 세부사항은 종속변수가 된다.
또한 상기 디자인 요소별 세부사항은 미리 설정한 범위 내(예: 0점 내지 10점)에서 스코어링(즉, 점수화)되어 있으며, 상기 디자인 요소는 각 디자인 요소별 점수에 따라 가중치가 부여된다.
예를 들어, 도 2에 도시한 기준 학습데이터의 첫 번째 열이 제품 디자인 요소 중 조형성에 대한 것인 경우, 1행 2열부터는 미리 설정된 조형성의 세부사항에 대한 스코어가 부여되며, 1행 1열은 상기 부여된 스코어에 따라 조형성에 대한 가중치가 부여된다.
이때, 상기 가중치는 상기 세부사항에 부여된 스코어를 모두 합하거나, 평균값 또는 중간값 계산을 통해 부여될 수 있다.
또한 상기 기준 학습데이터는 상기 디자인 요소에 대한 가중치 및 각 디자인 요소에 부여된 스코어링된 값에 따라 그레이 스케일로 변환한 이미지 데이터이다.
즉, 상기 기준 학습데이터는 상기 가중치 및 스코어링된 값에 해당하는 그레이 스케일(즉, 0 ~ 255)값으로 대체하여 이미지화 된 것으로, 상기 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 디자인 요소에 대한 가중치 및 각 디자인 요소에 부여된 스코어링된 값에 대한 패턴을 학습하며, 가중치 산정용 기준 학습모델을 생성한다.
이후, 상기 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 소비자로부터 수집되는 리서치 데이터를 상기 기준 학습데이터와 동일하게 전처리하고, 상기 전처리한 리서치 데이터를 상기 기준 학습모델에 입력하여, 상기 소비자에 따른 제품 디자인 요소에 대한 가중치를 산정하게 된다.
이후, 상기 산정한 가중치는 사용자 중심의 제품 디자인 가이드를 도출하기 위한 기계학습용 학습데이터로 이용된다.
또한 상기 리서치 데이터는 상기 기준 학습데이터의 구조와 동일하게 구성되며, 소비자는 상기 디자인 요소별 세부사항에 대하여 스코어링함으로써, 리서치 데이터를 생성하여 상기 사용자 중심의 제품 디자인 가이드 도출 시스템(100)으로 제공한다.
이하에서는 상기 리서치 데이터를 전처리하는 방법을 도 3을 참조하여 상세히 설명하도록 한다.
도 3은 본 발명의 일 실시예에 따른 전처리과정을 통해 리서치 데이터를 이미지화하는 방법을 설명하기 위해 나타낸 도면이다.
도 3에 도시한 바와 같이, 본 발명의 일 실시예에 따른 전처리과정을 통해 리서치 데이터의 패턴을 이미지화하는 방법은, 우선 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 상기 기준 학습데이터와 동일한 구조의 설문지를 소비자 단말(200)로 전송하여 각 세부사항에 대한 스코어링을 수행할 수 있도록 한다.
상기 리서치 데이터는 특정 제품에 대한 복수의 디자인 요소 및 상기 각 디자인 요소에 대한 세부사항에 따라 n x m 구조의 행렬과 같은 형태로 구성될 수 있다.
또한 상기 리서치 데이터의 1열은 상기 복수의 디자인 요소를 각각 나타내며, 2열부터 m열까지는 상기 디자인 요소별 각 세부사항을 나타낸다.
또한 상기 리서치 데이터는 각 세부사항에 대한 정보를 포함하여 구성될 수 있으며, 상기 소비자 단말(200)은 소비자가 상기 디자인 요소별 각 세부사항에 대한 스코어링을 수행할 때, 특정 세부사항을 마우스 클릭 또는 터치할 경우 상기 각 세부사항에 대한 정보를 시각적으로 표시하여, 이에 대한 자세한 정보를 소비자로 하여금 인식할 수 있도록 한다.
예를 들어, 상기 소비자 단말(200)은 상기 소비자가 디자인 요소인 조형성에 대한 스코어링을 수행할 때, 조형성의 세부사항인 예술성을 클릭 또는 터치하는 경우, 예술성이 무엇인지에 대한 설명과 함께 미리 설정된 점수(예: 1 ~ 5점)를 선택할 수 있도록 한다.
이때, 상기 소비자가 예술성에 대한 점수를 2점으로 선택되면, 해당 예술성은 2점으로 스코어링된다.
또한 소비자는 소비자 단말(200)을 통해 작성한 리서치 데이터를 사용자 중심의 제품 디자인 가이드 도출 시스템(100)으로 전송하며, 상기 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 상기 소비자 단말(200)로부터 수신되는 리서치 데이터를 수집하여 리서치 데이터 데이터베이스(420)에 저장한다.
또한 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 전처리 과정을 통해 상기 수집한 리서치 데이터를 상기 생성한 디자인 요소별 가중치 산정용 기준 학습모델에 적합한 이미지 데이터로 변환한다.
즉, 상기 제품 디자인 도출 시스템(100)은 상기 리서치 데이터에 부여된 각 디자인 요소에 대한 세부사항별 스코어에 따른 패턴을 포함하는 그레이 스케일의 이미지를 생성함으로서, 상기 리서치 데이터를 이미지 데이터로 변환한다.
이때, 상기 부여된 각 디바인 요소에 대한 세부사항별 스코어를 각각 0 ~ 255사이의 그레이 스케일 값으로 가지도록 함으로써, 디지인 요소별 세부사항 스코어링에 따른 그레이 스케일의 패턴 이미지를 생성한다.
또한 제품 디자인 도출 시스템(100)은 상기 이미지 데이터로 변환된 리서치 데이터를 상기 생성한 디자인 요소 산정용 기준 학습모델에 입력함으로써, 소비자별로 제품 디자인 요소에 대한 가중치를 산정하여 출력할 수 있도록 한다.
이후 상기 출력된 소비자별 제품 디자인 요소에 대한 가중치는 제품 디자인 가이드를 도출하기 위한 기계학습의 입력데이터로써, 사용된다.
상기에서 설명한 것과 같이, 상기 전처리과정은 사용자 중심의 제품 디자인 도출 시스템(100)이 CNN을 통해 기준 학습데이터를 학습하여 디자인 요소별 가중치를 산정하기 위한 기준 학습모델을 생성한 경우, 상기 리서치 데이터를 CNN에 적용하기 위해 수행된다.
도 4는 본 발명의 일 실시예에 따른 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 시스템의 구성을 나타낸 블록도이다.
도 4에 도시한 바와 같이, 본 발명의 일 실시예에 따른 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 특정 제품에 대한 디자인 요소별 가중치를 산정하기 위한 기준 학습데이터를 학습하여 디자인 요소별 가중치 산정용 기준 학습모델을 생성하는 기준 학습모델 생성부(110), 미리 설정한 주기에 따라 제품에 대한 리서치를 수행하여 리서치 데이터를 수집하는 리서치 데이터 처리부(120), 상기 수집한 리서치 데이터를 전처리하는 전처리부(130), 상기 생성한 기준 학습모델과 상기 전처리한 리서치 데이터를 이용하여 상기 제품에 대한 디자인 요소별 가중치를 산정하여 가중치 데이터를 생성하는 디자인 요소별 가중치 산정부(140), 상기 생성한 가중치 데이터를 기계학습하여 제품 디자인 가이드를 도출하기 위한 사용자 중심의 제품 디자인 가이드 도출용 학습모델을 생성하는 학습모델 생성부(150), 제품과 해당 제품의 타켓 소비자에 대한 특성을 설정하는 제품-소비자 특성 설정부(160), 상기 생성한 학습모델과 상기 설정한 제품 및 소비자 특성을 이용하여 상기 설정한 제품에 대한 디자인 가이드를 도출하는 제품 디자인 가이드 도출부(170) 및 리서치 데이터 업데이트부(180)를 포함하여 구성된다.
기준 학습모델 생성부(110)는 미리 저장된 기준 학습데이터를 기계학습하여 제품에 대한 디자인 요소별 가중치를 산정하기 위한 디자인 요소별 가중치 산정용 학습모델인 기준 학습모델을 생성한다.
상기 기준 학습데이터는 각 디자인 요소에 대한 세부사항별로 스코어링된 스코어에 따라 디자인 요소별 가중치에 대한 패턴을 이미지화한 것으로, 상기 기준 학습모델을 생성하기 위한 이미지 데이터를 의미한다.
또한 상기 기준 학습데이터는 상기 디자인 요소 및 디자인 요소별 세부사항에 따라 n x m의 그레이 스케일 이미지이며, 상기 각 디자인 요소 및 디자인 요소별 세부사항에 대한 가중치 및 스코어는 이에 해당하는 그레이 스케일 값을 가짐은 상술한 바와 같다.
예를 들어, 특정 디자인 요소 및 해당 디자인 요소의 특정 세부사항에 대한 그레이 스케일 값이 각각 2인 경우, 상기 디자인 요소의 가중치 및 상기 세부사항에 대한 스코어는 각각 2를 의미한다.
따라서, 상기 기준 학습모델은 디자인 요소별 가중치 및 상기 디자인 요소별 세부사항에 대한 스코어에 따른 패턴 이미지를 학습함으로써, 생성되며, 상기 리서치 데이터에 대한 디자인 요소별 가중치를 산정할 수 있도록 한다.
즉, 기준 학습모델 생성부(110)는 CNN을 통해 상기 기준 학습데이터를 학습하여, 상기 리서치 데이터의 디자인 요소별 가중치를 산정하기 위한 기준 학습모델을 생성하게 된다.
한편 상기 CNN의 기계학습 구조는 도 5를 참조하여 상세히 설명하도록 한다.
또한 리서치 데이터 처리부(120)는 리서치를 수행하기 위한 제품에 대한 리서치 데이터를 복수의 소비자 단말(200)로 전송하며, 상기 소비자 단말(200)로부터 작성한 리서치 데이터를 수집하는 기능을 수행한다.
한편 상기 리서치 데이터는 상기 제품에 대한 복수의 디자인 요소 및 상기 각 디자인 요소에 대한 세부사항을 포함하며, 상기 기준 학습데이터와 동일한 구조로 구성되어 상기 소비자 단말(200)로 제공된다.
또한 상기 복수의 디자인 요소 및 상기 각 디자인 요소에 대한 세부사항은 리서치 대상이 되는 제품에 따라 달리 구성될 수 있음은 당연하다.
또한 상기 리서치는 필요에 따라, 또는 미리 설정한 기간에 따라 주기적으로 수행될 수 있다.
또한 전처리부(130)는 수집한 리서치 데이터를 상기 생성한 기준 학습모델에 적용하기에 적합한 데이터로 변환하기 위한 전처리 과정을 수행한다.
상기 리서치 데이터는 상기 디자인 요소 및 각 디자인 요소의 세부사항에 따른 n x m개의 구간으로 나누어져 있으며, 상기 각 구간(즉, 각 디자인 요소별 세부사항)에 대한 스코어가 부여되어 있다.
상기 전처리 과정은 상기 리서치 데이터를 그레이 스케일의 패턴 이미지로 변환하는 것을 의미하는 것으로, 상기 리서치 데이터의 세부사항별 스코어에 따라 n x m의 그레이 스케일 이미지를 생성한다.
즉, 상기 전처리부(130)는 상기 n x m개의 구간에 대한 스코어를 그레이 스케일 값으로 변환함으로써, 리서치 데이터에 대한 그레이 스케일의 패턴 이미지를 생성하게 된다.
한편 상기 리서치 데이터를 전처리하는 방법은 도 3을 참조하여 상세히 설명하였으므로 더 이상의 설명은 생략하도록 한다.
디자인 요소별 가중치 산정부(140)는 상기 전처리한 리서치 데이터와 상기 생성한 기준 학습모델을 이용하여 상기 소비자가 작성한 리서치 데이터로부터 해당 리서치 대상이 되는 제품의 디자인 요소별 가중치를 산정하여 디자인 요소별 가중이 데이터를 생성한다.
즉, 상기 디자인 요소별 가중치 산정부(140)는 상기 생성한 기준 학습모델을 학습데이터 데이터베이스(410)로부터 로딩하여 상기 전처리한 리서치 데이터를 상기 로딩한 기준 학습모델에 입력함으로서, 해당 리서치 데이터로부터 복수의 디자인 요소에 대한 가중치를 산정하며, 상기 산정한 디자인 요소별 가중치를 포함하는 가중치 데이터를 추출한다.
한편 상기 가중치 데이터는 상기 가중치를 산정한 리서치 데이터로부터 추출되는 소비자의 특성, 제품의 종류 및 상기 산정한 디자인 요소별 가중치를 포함한다.
또한 학습모델 생성부(150)는 상기 생성한 가중치 데이터를 기계학습하여 제품 디자인을 설계할 때, 타겟 소비자가 생각하는 중요한 제품 디자인 요소를 미리 예측하여 사용자 중심의 제품 디자인 가이드를 제공하기 위한 제품 디자인 가이드 도출용 학습모델을 생성한다.
상기 가중치 데이터는 상기 디자인 요소별 가중치 산정부(140)에 의해 추출된 데이터이다.
따라서 학습모델의 입력은 제품(즉, 제품의 종류(예: 스마트폰, 자동차 등), 적어도 하나 이상의 소비자 특성(예: 나이, 결혼여부, 성별 등)이 되며, 출력은 상기 소비자 특성에 따른 제품 디자인 요소별 가중치가 되며, 미리 설정한 값 이상의 가중치를 가지는 적어도 하나 이상의 제품 디자인 요소를 선택함으로써, 특정 제품에 대한 제품 디자인 가이드를 도출하게 된다.
한편 상기 학습모델을 생성하기 위한 기계학습과 상기 사용자 중심의 제품 디자인 가이드를 도출하기 위한 도출방법은 도 6을 참조하여 상세히 설명하도록 한다.
또한 제품-소비자 특성 설정부(160)는 제품 개발자 또는 제품 디자인 설계자가 자신이 개발하고자 하는 제품과 해당 제품의 타켓 소비자에 대한 특성을 설정하는 기능을 수행한다.
즉, 제품 개발자 또는 제품 디자인 설계자는 자신이 구비한 단말을 통해, 상기 사용자 중심의 제품 디자인 가이드 도출 시스템(100)에 접속하여, 현재 개발하고 있는 제품과 해당 제품을 판매할 타겟 소비자층(즉, 소비자 특성) 또는 이들이 조합을 설정함으로써, 상기 제품에 대한 디자인 가이드를 요청할 수 있다.
제품 디자인 가이드 도출부(170)는 상기 생성한 학습모델에 상기 설정한 제품 및 상기 설정한 적어도 하나 이상의 소비자 특성을 입력하여, 상기 설정한 제품 및 소비자의 특성에 따라 해당 제품의 디자인 요소별 가중치를 추출한다.
또한 상기 제품 디자인 가이드 도출부(170)는 상기 추출한 디자인 요소별 가중치 중에서 미리 설정한 값 이상의 가중치를 가지는 적어도 하나 이상의 디자인 요소를 선택함으로써, 상기 설정한 제품에 대한 디자인 가이드를 도출하여 상기 제품 개발자 혹은 제품 디자인 설계자에게 제공한다.
이에 따라, 상기 제품 개발자 또는 제품 디자인 설계자는 상기 제공받은 제품 디자인 가이드에 따라 해당 제품의 타켓 소비자가 중요하게 생각하는 디자인 요소를 해당 제품의 디자인에 반영함으로써, 상기 소비자의 니즈에 적합한 제품을 출시할 수 있도록 한다.
또한 리서치 데이터 업데이트부(180)는 미리 설정한 주기 또는 필요에 따라 리서치가 수행되어 새로운 리서치 데이터가 수집되는 경우, 상기 수집한 새로운 리서치 데이터를 상기 리서치 데이터 데이터베이스(410)에 반영함으로써, 상기 리서치 데이터 데이터베이스(410)를 업데이트 한다.
또한 상기 기준 학습모델 생성부(110) 및 학습모델 생성부(150)는 상기 리서치 데이터 데이터베이스(410)가 업데이트 되는 경우, 상기 업데이트된 리서치 데이터를 반영하여 기존에 생성된 기준 학습모델 및 학습모델보다 정확도와 신뢰도가 높은 새로운 기준 학습모델 및 학습모델을 각각 생성하며, 상기 생성한 기준 학습모델 및 학습모델을 학습모델 데이터베이스(430)에 저장한다.
이러한 과정을 반복적으로 수행하는 경우, 상기 기준 학습모델 및 학습모델은 점점 고도화되며, 이를 통해 소비자의 제품 디자인에 대한 트렌드를 정확하게 파악하여 제품 디자인에 대한 가이드를 제품 개발자 혹은 제품 디자인 설계자에게 제공할 수 있다.
도 5는 본 발명의 일 실시예에 따른 기준 학습데이터를 CNN을 통해 기계학습하는 경우, 이에 대한 구조와 학습과정을 설명하기 위해 나타낸 도면이다.
도 5에 도시한 바와 같이, 본 발명의 일 실시예에 따른 디자인 요소별 가중치를 산정하기 위한 기준 학습모델을 생성하는 기준 학습모델 생성부(110)에서, 상기 기준 학습데이터를 CNN을 통해 기계학습하는 경우, 상기 CNN의 학습구조는 상기 기준 학습데이터를 입력받는 입력 레이어, 미리 설정된 크기의 커널(kernel)을 이동시켜가며, 상기 커널과 상기 기준 학습데이터의 이미지에 대한 특정 부분을 컨볼루션(convolution)하는 컨볼루션 레이어, 상기 컨볼루션한 특정 부분을 풀링하여 서브샘플링을 수행하는 풀링 레이어(pool layer) 및 완전 연관 레이어(fully connected layer)로 구성된다.
상기 입력 레이어는 디자인 요소별 가중치를 세부사항에 대한 스코어에 따라 그레이 스케일로 패턴화한 이미지인 기준 학습데이터를 입력받는다.
또한 상기 컨볼루션 레이어는 상기 커널을 미리 설정한 스트라이드(상기 커널의 이동 단위를 의미함)에 따라 이동해 가면서 상기 이미지의 특정 부분과 상기 커널에 부여된 가중치를 컨볼루션하여, 상기 이미지의 특정 부분에 대한 특징 맵(feature map)을 생성하여 출력한다.
또한 상기 풀링 레이어는 평균값 풀링 또는 맥스 풀링방법을 통해 상기 커널과 스트라이드의 크기에 따라 상기 출력한 특징 맵을 풀링함으로써, 적어도 하나 이상의 서브 이미지 데이터로 서브 샘플링한다.
한편 상기 컨볼루션 및 서브 샘플링 과정은 적어도 한 번 이상 반복적으로 수행될 수 있으며, 이를 통해 디자인 요소별 가중치를 산정하기 위한 특징 맵을 생성할 수 있도록 한다.
또한 완전 연관 레이어는 상기 생성한 특징 맵을 완전 연결시켜, 상기 기준 학습데이터에 대한 디자인 요소별 가중치를 산정하여 출력할 수 있도록 한다.
이러한 과정을 통해 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 상기 세부사항에 대해 부여된 스코어로부터 디자인 요소별 가중치를 산정하기 위한 기준 학습데이터를 학습하여 기준 학습모델을 생성할 수 있다.
이후, 상기 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 소비자로부터 수집되는 리서치 데이터를 상기 기준 학습모델에 적용하기 위한 이미지로 전처리하고, 상기 전처리한 리서치 데이터를 상기 기준 학습모델에 적용하여, 해당 리서치 데이터데 애한 가중치 데이터를 생성할 수 있도록 한다.
도 6은 본 발명의 일 실시예에 따른 가중치 데이터를 ANN을 통해 기계학습하는 경우, 이에 대한 구조와 학습과정을 설명하기 위해 나타낸 도면이다.
도 6에 도시한 바와 같이, 본 발명의 일 실시예에 따른 제품 디자인 가이드를 도출하기 위한 학습모델을 생성하는 학습모델 생성부(150)에서, 상기 디자인 요소별 가중치 산정부(140)에서 생성한 가중치 데이터를 ANN을 통해 기계학습하는 경우, 상기 ANN의 구조는 입력 레이어, 히든 레이어 및 적어도 하나 이상의 출력 레이어를 포함하여 구성된다.
또한 상기 입력 레이어는 적어도 하나 이상의 입력노드, 상기 히든 레이어는 적어도 하나 이상의 히든노드 및 상기 출력 레이어는 적어도 하나 이상의 출력노드로 구성된다.
또한 상기 입력 레이어에 입력되는 데이터는 가중치 데이터의 제품 및 소비자 특성으로 구성되며, 상기 가중치 데이터는 상기 리서치 데이터에 대한 소비자 특성, 제품 및 상기 산정한 디자인 요소별 가중치를 매핑한 데이터를 의미함은 상술한 바와 같다.
또한 ANN의 출력은 상기 설정한 디자인 요소의 개수와 동일한 수의 출력노드로 구성된 출력 레이어가 위치하며, 상기 각 출력노드는 상기 입력되는 제품 및 소비자의 특성에 따른 디자인 요소별 가중치를 출력한다.
또한 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 대량의 가중치 데이터를 상기 ANN에 입력하여 기계학습 메커니즘에 따라 학습시키며, 상기 제품 및 적어도 하나 이상의 소비자 특성에 따라 디자인 요소별 가중치를 출력하기 위해 상기 입력노드, 히든노드 및 출력노드 간의 가중치를 조절하여 정확한 디자인 요소별 가중치가 출력될 수 있도록 한다.
또한 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 상기 제품 및 소비자 특성에 따른 디자인 요소별 가중치를 미리 알고 있으므로, 상기 기계학습과정에 있어서, 백프로퍼게이션(back propagation)방법을 통해 상기 ANN의 네트워크에 대한 가중치를 조정할 수 있으며, 이를 통해 상기 ANN 네트워크의 정확도를 향상시킬 수 있다.
따라서, 상기 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 ANN을 통해 제품 디자인의 트렌드에 따른 제품 디자인 가이드를 정확하게 도출하기 위한 학습모델을 생성할 수 있다.
또한 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 제품 개발자 혹은 제품 디자인 설계자가 설정한 제품 및 해당 제품에 대한 타켓 소비자의 특성을 적어도 하나 이상으로 설정한 경우, 상기 생성한 학습모델에 상기 설정한 제품 및 적어도 하나 이상의 소비자 특성을 입력하여, 상기 제품 개발자 혹은 제품 디자인 설계자가 개발하고자 하는 제품에 대한 디자인 가이드를 도출하여 상기 제품 개발자 혹은 제품 디자인 설계자에게 제공함으로서, 소비자의 니즈에 적합한 제품 디자인을 설계할 수 있도록 한다.
도 7은 본 발명의 일 실시예에 따른 사용자 중심의 제품 디자인 가이드를 도출하는 절차를 설명하기 위해 나타낸 워크 플로우이다.
도 7에 도시한 바와 같이, 본 발명의 일 실시예에 따른 사용자 중심의 제품 디자인 가이드를 도출하는 절차는 우선, 사용자 중심의 제품 디자인 가이드 시스템(100)은 제품에 대한 디자인 요소별 가중치를 산정하기 위한 기준이 되는 기준 학습데이터를 학습데이터 데이터베이스(410)에 저장한다.
상기 기준 학습데이터는 복수의 디자인 요소별 세부사항에 대한 스코어, 상기 스코어에 의해 디자인 요소별 가중치가 부여된 데이터로써, 상기 디자인 요소별 세부사항에 부여된 스코어에 따라 상기 디자인 요소별 가중치가 부여되어, 상기 스코어 및 가중치를 그레이 스케일 값으로 변환한 이미지 데이터임은 상술한 바와 같다.
즉, 상기 기준 학습데이터는 디자인 요소별 세부사항에 부여된 스코어 및 상기 스코어에 따른 디자인 요소별 가중치에 대한 패턴을 이미지화한 데이터이다.
다음으로 사용자 중심의 제품 디자인 가이드 시스템(100)은 상기 기준 학습데이터 데이터베이스(410)에 저장된 학습데이터를 로딩(S110)하여, 기계학습을 수행함으로써, 디자인 요소별 가중치 산정용 기준 학습모델을 생성(S120)하여, 학습모델 데이터베이스(420)에 저장한다.
상기 사용자 중심의 제품 디자인 가이드 시스템(100)은 CNN을 통해 상기 기준 학습데이터를 기계학습을 수행하는 것이 바람직하지만, 디자인 요소별 가중치 및 상기 디자인 요소별 세부사항에 대한 스코어를 포함하는 학습데이터를 학습하여 디자인 요소별 가중치를 산정할 수 있는 다양한 기계학습 기법을 통해 상기 기계학습을 수행하여 기준 학습모델을 생성하도록 구현될 수 있다.
다음으로 상기 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 특정 제품에 대한 리서치를 수행하여 복수의 소비자 단말(200)로부터 리서치 데이터를 수신하여 수집하여 리서체 데이터 데이터베이스(420)에 저장하며, 상기 저장한 리서치 데이터를 상기 리서치 데이터베이스(420)로부터 로딩하여, 상기 로딩한 리서치 데이터를 전처리한다(S130).
상기 전처리는 상기 기준 학습데이터를 학습하여 생성한 기준 학습모델에 적용하기 위한 입력데이터로 변환하기 위해 수행되는 것으로, 상기 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 상기 수집한 리서치 데이터를 소비자가 부여한 디자인 요소별 세부사항에 대한 스코어에 대한 패턴을 그레이 스케일로 이미지화한다.
다음으로 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 학습모델 데이터베이스(430)로부터 상기 저장한 기준 학습모델을 로딩하고, 상기 로딩한 기준 학습모델에 상기 전처리한 리서치 데이터를 입력함으로써, 상기 리서치 데이터에 대한 디자인 요소별 가중치를 산정하고, 상기 산정한 가중치를 포함하는 가중치 데이터를 추출한다(S140).
상기 가중치 데이터는 상기 리서치 데이터에 대해 산정한 가중치, 상기 리서치 데이터의 제품 및 소비자 특성을 상호 매핑한 데이터임(즉, 매핑 테이블)은 상술한 바와 같다.
다음으로 상기 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 상기 생성한 가중치 데이터를 기계학습하여, 제품 디자인 가이드 도출용 학습모델을 생성(S160)하고, 상기 생성한 학습모델을 학습모델 데이터베이스(430)에 저장한다.
한편 상기 학습모델은 ANN을 통해 상기 가중치 데이터를 기계학습하여 생성될 수 있음은 상술한 바와 같다.
이후, 제품 개발자 혹은 제품 디자인 설계자가 상기 사용자 중심의 제품 디자인 가이드 도출 시스템(100)에 접속하여, 상기 제품 개발자 혹은 제품 디자인 설계자가 개발하고자 하는 제품 및 해당 제품에 대한 타켓 소비자의 특성을 설정한 경우(S210), 상기 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 상기 학습모델 데이터베이스(430)에 저장된 학습모델을 로딩한다.
다음으로 사용자 중심의 제품 디자인 가이드 도출 시스템(100)은 상기 로딩한 학습모델에 상기 설정한 제품 및 소비자 특성을 입력하여, 상기 설정한 제품 및 소비자 특성에 따른 제품 디자인 요소별 가중치를 추출한다(S220).
다음으로 상기 사용자 중심의 제품 디자인 가이드 추출 시스템(100)은 상기 추출한 디자인 요소별 가중치 중에서 미리 설정한 값 이상의 가중치를 가지는 적어도 하나 이상의 디자인 요소를 선택함으로써, 상기 설정한 제품에 대한 제품 디자인 가이드를 도출하고(S230), 상기 도출한 제품 디자인 가이드를 상기 제품 개발자 혹은 제품 디자인 설계제에게 제공한다(S240).
상기 도출되는 제품 디자인 가이드는 상기 설정한 제품에 대하여 상기 설정한 타켓 소비자가 중요하게 생각하는 디자인 요소를 미리 예측한 것으로, 상기 학습모델을 통해 출력되는 디자인 요소별 가중치가 높은 순위별로 적어도 하나 이상 선택하여 상기 제품 개발자 혹은 제품 디자인 설계자에게 제공된다.
이를 통해 상기 제품 개발자 혹은 제품 디자인 설계자는 자신이 개발하고자 하는 제품의 소비자에 대한 제품 디자인 트렌드를 미리 예측하여, 이를 반영할 수 있으며, 종국적으로 소비자의 니즈에 적합한 제품을 출시할 수 있다.
이상에서 설명한 바와 같이 본 발명의 일 실시예에 따른 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 시스템 및 그 방법은 제품에 대한 리서치를 주기적으로 수행하여 제품 디자인에 대한 트렌드의 변화를 효과적으로 파악하기 위한 빅데이터를 구축하고, 인공지능 기법을 통해 상기 빅데이터를 학습하여 제품 디자인 설계시 해당 제품에 대한 소비자의 니즈를 반영하여 제품 디자인을 설계할 수 있도록 하는 사용자 중심의 제품 디자인 가이드를 제공함으로써, 상기 소비자 니즈에 적합한 제품을 출시할 수 있도록 하는 효과가 있다.
상기에서는 본 발명에 따른 바람직한 실시예를 위주로 상술하였으나, 본 발명의 기술적 사상은 이에 한정되는 것은 아니며 본 발명의 각 구성요소는 동일한 목적 및 효과의 달성을 위하여 본 발명의 기술적 범위 내에서 변경 또는 수정될 수 있을 것이다.
아울러 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
100: 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 시스템
110: 기준 학습모델 생성부 120: 리서치 데이터 처리부
130: 전처리부 140: 디자인 요소별 가중치 산정부
150: 학습모델 생성부 160: 제품-소비자 특성 설정부
170: 제품 디자인 가이드 도출부 180: 리서치 데이터 업데이트부
200: 소비자 단말 300: 제품 디자인 설계자 단말
400: 데이터베이스 410: 기준 학습데이터 데이터베이스
420: 리서치 데이터 데이터베이스 430: 학습모델 데이터베이스

Claims (10)

  1. 특정 제품 및 해당 제품의 타겟 소비자에 대한 적어도 하나 이상의 소비자 특성을 설정하는 제품-소비자 특성 설정부; 및
    상기 설정한 특정 제품 및 적어도 하나 이상의 소비자 특성을, 미리 생성하여 데이터베이스에 저장해둔 학습모델에 입력하여, 상기 설정한 특정 제품에 대한 소비자 특성에 따라 디자인 요소별 가중치를 추출하고, 미리 설정한 임계값 이상의 가중치를 가지는 적어도 하나 이상의 디자인 요소를 선택함으로써, 상기 설정한 특정 제품에 대한 사용자 중심의 제품 디자인 가이드를 도출하는 제품 디자인 가이드 도출부;를 포함하며,
    상기 학습모델은,
    소비자 설문에 의해 수집되는 리서치 데이터로부터 추출되는 소비자 특성 및 제품의 종류에 대하여 해당 리서치 데이터로부터 산정한 제품의 디자인 요소별 가중치를 학습하여 생성되며;
    상기 디자인 요소별 가중치는,
    복수의 소비자 단말로부터 특정 제품에 대한 리서치 데이터를 소비자 설문에 의해 수집하고, 상기 수집한 리서치 데이터에 포함된 상기 디자인 요소별 세부사항에 부여된 스코어를 그레이 스케일 이미지 패턴으로 변환하는 전처리를 수행하여 기준 학습데이터를 생성하고, 상기 기준 학습데이터를 상기 소비자 설문에 의해 수집되는 리서치 데이터로부터 제품의 디자인 요소별 가중치를 산정하기 위한 기준 학습모델에 입력하여, 해당 리서치 데이터에 대한 디자인 요소별 가중치를 산정하는 것을 포함하며;
    상기 소비자 설문에 의해 수집되는 리서치 데이터로부터 추출되는 소비자 특성 및 제품의 종류에 대하여, 상기 기준 학습데이터를 상기 기준 학습모델에 입력하여 상기 디자인 요소별 가중치를 산정하고, 상기 학습모델을 통해서 상기 소비자 특성 및 제품의 종류에 대한 상기 산정한 디자인 요소별 가중치를 학습하는 것을 특징으로 하는 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 시스템.
  2. 삭제
  3. 청구항 1에 있어서,
    상기 디자인 요소는,
    조형성, 합목적성, 경제성, 제작성, 적합성, 만족성, 환경친화성, 정체성 또는 이들의 조합을 포함하며,
    상기 소비자 특성은,
    성별, 연령, 직업, 결혼 유무, 상기 소비자가 사용하는 상기 제품의 브랜드 또는 이들이 조합을 포함하는 것을 특징으로 하는 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 시스템.
  4. 삭제
  5. 청구항 1에 있어서,
    상기 기준 학습모델은,
    CNN(convolutional neural network)을 통해 상기 기준 학습데이터를 학습하여 생성하며,
    상기 학습모델은,
    ANN(artificial neural network)을 통해 가중치 데이터를 학습하여 생성하는 것을 특징으로 하는 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 시스템.
  6. 사용자 중심의 제품 디자인 가이드 도출 시스템에서, 특정 제품 및 해당 제품의 타겟 소비자에 대한 적어도 하나 이상의 소비자 특성을 설정하는 제품-소비자 특성 설정 단계; 및
    상기 제품 디자인 가이드 도출 시스템에서, 상기 설정한 특정 제품 및 적어도 하나 이상의 소비자 특성을, 미리 생성하여 데이터베이스에 저장해둔 학습모델에 입력하여, 상기 설정한 특정 제품에 대한 소비자 특성에 따라 디자인 요소별 가중치를 추출하고, 미리 설정한 임계값 이상의 가중치를 가지는 적어도 하나 이상의 디자인 요소를 선택함으로써, 상기 설정한 특정 제품에 대한 사용자 중심의 제품 디자인 가이드를 도출하는 제품 디자인 가이드 도출 단계;를 포함하며,
    상기 학습모델은,
    상기 제품 디자인 가이드 도출 시스템에서, 소비자 설문에 의해 수집되는 리서치 데이터로부터 추출되는 소비자 특성 및 제품의 종류에 대하여 해당 리서치 데이터로부터 산정한 제품의 디자인 요소별 가중치를 학습하여 생성되며;
    상기 디자인 요소별 가중치는,
    상기 제품 디자인 가이드 도출 시스템에서, 복수의 소비자 단말로부터 특정 제품에 대한 리서치 데이터를 소비자 설문에 의해 수집하고, 상기 수집한 리서치 데이터에 포함된 상기 디자인 요소별 세부사항에 부여된 스코어를 그레이 스케일 이미지 패턴으로 변환하는 전처리를 수행하여 기준 학습데이터를 생성하고, 상기 기준 학습데이터를 상기 소비자 설문에 의해 수집되는 리서치 데이터로부터 제품의 디자인 요소별 가중치를 산정하기 위한 기준 학습모델에 입력하여, 해당 리서치 데이터에 대한 디자인 요소별 가중치를 산정하는 것을 포함하며;
    상기 제품 디자인 가이드 도출 시스템에서, 상기 소비자 설문에 의해 수집되는 리서치 데이터로부터 추출되는 소비자 특성 및 제품의 종류에 대하여, 상기 기준 학습데이터를 상기 기준 학습모델에 입력하여 상기 디자인 요소별 가중치를 산정하고, 상기 학습모델을 통해서 상기 소비자 특성 및 제품의 종류에 대한 상기 산정한 디자인 요소별 가중치를 학습하는 것을 특징으로 하는 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법.
  7. 삭제
  8. 청구항 6에 있어서,
    상기 디자인 요소는,
    조형성, 합목적성, 경제성, 제작성, 적합성, 만족성, 환경친화성, 정체성 또는 이들의 조합을 포함하며,
    상기 소비자 특성은,
    성별, 연령, 직업, 결혼 유무, 상기 소비자가 사용하는 상기 제품의 브랜드 또는 이들이 조합을 포함하는 것을 특징으로 하는 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법.
  9. 삭제
  10. 청구항 6에 있어서,
    상기 기준 학습모델은,
    CNN(convolutional neural network)을 통해 상기 기준 학습데이터를 학습하여 생성하며,
    상기 학습모델은,
    ANN(artificial neural network)을 통해 가중치 데이터를 학습하여 생성하는 것을 특징으로 하는 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법.
KR1020180086818A 2018-07-25 2018-07-25 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템 KR102149728B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180086818A KR102149728B1 (ko) 2018-07-25 2018-07-25 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180086818A KR102149728B1 (ko) 2018-07-25 2018-07-25 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템

Publications (2)

Publication Number Publication Date
KR20200017578A KR20200017578A (ko) 2020-02-19
KR102149728B1 true KR102149728B1 (ko) 2020-08-31

Family

ID=69670148

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180086818A KR102149728B1 (ko) 2018-07-25 2018-07-25 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템

Country Status (1)

Country Link
KR (1) KR102149728B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102489477B1 (ko) * 2020-12-09 2023-01-16 남부대학교산학협력단 빅데이터를 이용한 개발제품의 방향성 선정시스템 및 이를 이용한 개발제품의 방향성 선정방법
KR102499435B1 (ko) * 2022-02-25 2023-02-14 주식회사 에이젠글로벌 인공 지능 기반 신용 평가 모델 생성 방법 및 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017084224A (ja) * 2015-10-30 2017-05-18 株式会社日立製作所 設計支援装置、プログラムおよび設計支援方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080189733A1 (en) * 2006-10-31 2008-08-07 Apostolopoulos John G Content rating systems and methods
KR101566464B1 (ko) * 2013-12-16 2015-11-06 대한민국 점화효과 기반의 설문조사 방법 및 이를 기록한 기록매체
KR20170135391A (ko) * 2016-05-31 2017-12-08 인천대학교 산학협력단 전자 제품 사용성 평가 방법 및 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017084224A (ja) * 2015-10-30 2017-05-18 株式会社日立製作所 設計支援装置、プログラムおよび設計支援方法

Also Published As

Publication number Publication date
KR20200017578A (ko) 2020-02-19

Similar Documents

Publication Publication Date Title
KR102345945B1 (ko) 맞춤형 현장 정보 교환을 제공하기 위한 방법 및 시스템
KR102337061B1 (ko) 맞춤형 현장 정보 교환을 제공하기 위한 방법 및 시스템
Rane Enhancing customer loyalty through Artificial Intelligence (AI), Internet of Things (IoT), and Big Data technologies: improving customer satisfaction, engagement, relationship, and experience
DuBreuil et al. Traditional vs. big-data fashion trend forecasting: an examination using WGSN and EDITED
Nadzri et al. Share Your Beautiful Journey: Investigating User Generated Content (UGC) and Webrooming Among Malaysian Online Shoppers
US20230153857A1 (en) Recommendation model training method, recommendation method, apparatus, and computer-readable medium
CN109902708A (zh) 一种推荐模型训练方法及相关装置
Liu et al. Engineering design: perspectives, challenges, and recent advances
KR102122608B1 (ko) 블록체인 간편결제 플랫폼 기반 ｏ２ｏ 소비패턴 맞춤형 상점 노출 서비스 제공 방법
CN110807150A (zh) 信息处理方法及装置、电子设备和计算机可读存储介质
WO2014143729A1 (en) Method and apparatus for interactive evolutionary optimization of concepts
Shen et al. Affective product form design using fuzzy Kansei engineering and creativity
Lanzotti et al. A new interactive design approach for concept selection based on expert opinion
CN111767466A (zh) 基于人工智能的推荐信息推荐方法、装置及电子设备
KR102594631B1 (ko) 의류 상품 추천을 이용한 의류 판매 및 디자인 방법 및 장치
Wu et al. Continuous fuzzy kano model and fuzzy AHP model for aesthetic product design: case study of an electric scooter
Kang Combining grey relationship analysis and neural network to develop attractive automobile booth design
KR102149728B1 (ko) 인공지능을 통한 사용자 중심의 제품 디자인 가이드 도출 방법 및 그 시스템
Hu et al. How to extract traditional cultural design elements from a set of images of cultural relics based on F-AHP and entropy
EP3673427A1 (en) Computer system for optimizing garment inventory of retailer based on shapes of users
KR20220020624A (ko) 광고 관리 장치 및 이의 동작 방법
Yan et al. Garment design models combining Bayesian classifier and decision tree algorithm
CN114004677A (zh) 用于向多个用户提供推荐的方法和系统
KR20110020104A (ko) 코디 검색 시스템 및 서비스 제공 방법
Chen An architecture-oriented kansei engineering system for innovative long chi inkstone design

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant