KR102207494B1 - 인공 지능망을 이용한 재물보험 가입 심사 시스템 - Google Patents

인공 지능망을 이용한 재물보험 가입 심사 시스템 Download PDF

Info

Publication number
KR102207494B1
KR102207494B1 KR1020190077097A KR20190077097A KR102207494B1 KR 102207494 B1 KR102207494 B1 KR 102207494B1 KR 1020190077097 A KR1020190077097 A KR 1020190077097A KR 20190077097 A KR20190077097 A KR 20190077097A KR 102207494 B1 KR102207494 B1 KR 102207494B1
Authority
KR
South Korea
Prior art keywords
insurance
information
artificial intelligence
insured
property
Prior art date
Application number
KR1020190077097A
Other languages
English (en)
Other versions
KR20210001259A (ko
Inventor
장민근
Original Assignee
삼성화재해상보험 주식회사
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 삼성화재해상보험 주식회사 filed Critical 삼성화재해상보험 주식회사
Priority to KR1020190077097A priority Critical patent/KR102207494B1/ko
Publication of KR20210001259A publication Critical patent/KR20210001259A/ko
Application granted granted Critical
Publication of KR102207494B1 publication Critical patent/KR102207494B1/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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G06F40/247—Thesauruses; Synonyms
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

본 발명은 인공 지능망을 이용해 재물보험 설계 및 심사시 필요한 업종 결정, 담보 결정, 리스크 결정이 자동으로 이루어지는 새로운 형식의 재물보험 가입 심사 시스템에 관한 것으로, 인공 지능망 모델을 이용해 보험 설계사의 정보 단말기로부터 전송된 보험 가입 목적물의 영상을 판독하여 상기 보험 가입 목적물이 속한 보험요율표상의 업종을 결정하는 업종 결정부와; 상기 정보 단말기로부터 전송된 상기 보험 가입 목적물의 소재지 정보에 대응하는 건축물대장 정보를 외부장치로 조회 요청하고, 그 조회 요청된 건축물대장 정보에 기초하여 상기 보험 가입 목적물의 급수를 결정하는 급수 결정부와; 인공 지능망 모델을 이용해 상기 정보 단말기로부터 전송된 상기 보험 가입 목적물의 내부 영상을 판독하여 관리상태를 등급화하고, 그 등급화된 관리상태 정보와 상기 결정된 업종 및 급수에 기초하여 상기 보험 가입 목적물의 위험도를 산출하는 위험도 산출부와; 산출된 위험도 수치에 따라 상기 보험 가입 목적물의 보험 가입 심사를 승인하거나 심사자에게 심사 배정하는 심사 처리부;를 포함함을 특징으로 한다.

Description

인공 지능망을 이용한 재물보험 가입 심사 시스템{PROPERTY INSURANCE INSPECTIONS SYSTEM USING ARTIFICIAL INTELLIGENCE NETWORK}
본 발명은 재물보험 심사 시스템에 관한 것으로, 특히 인공 지능망을 이용한 새로운 형식의 재물보험 가입 심사 시스템에 관한 것이다.
화재보험을 포함하는 재물보험은 목적물의 건물 유형(철근, 콘크리트, 초가집 등 건물을 구성하는 건물 구조), 건물업종(사무실, 노래방 등 건물에서 취급하는 업종 정보) 등으로 건물의 구조, 취급업종에 따라 보험요율이 결정되어 보험료가 산출된다.
재물보험의 목적물은 그 종류 및 수가 매우 많기 때문에 보험요율 적용을 위한 업종을 결정함에 있어 전문지식과 많은 경험이 요구된다. 그러나 재물보험에 대한 정기적 교육이 부족한 관계로 재물보험을 판매, 계약하는 현장에서는 재물보험 목적물의 업종을 결정하는데 있어서 많은 수고와 시간을 낭비하는 사례가 빈번히 발생하곤 한다.
예를 들면, 현장의 보험 설계사들은 재물보험 계약 컨설팅시에 자신의 정보 단말기에 마트, 슈퍼, 음식점과 같이 검색할 업종명을 입력하여 보험요율 적용을 위한 업종을 검색하는데, 전기전자조립, 권선, 절연 시험 업종 혹은 화학 혹은 반도체 관련 업종과 같이 전문지식을 요하는 목적물에 대해서는 검색할 업종명을 입력하기 쉽지 않다.
이와 같이 공장 물건의 업종을 정확히 결정하지 못하고 보험 설계사의 지식 수준에서 임의로 판단하여 업종을 결정할 경우에는 심사과정에서 재차 목적물에 대한 업종을 재결정해야 하기 때문에 불필요한 시간과 업무의 로스(loss)가 발생함은 물론, 고객에게 정확한 업종 안내와 신속한 응대가 이루어질 수 없는 문제가 발생한다.
또한 소비자들의 니즈에 부응하기 위해 새로운 물건, 업종 등이 개발되어 빠르게 보급 전파됨에도 불구하고, 이들 신규 개발된 물건 혹은 업종에 대한 보험요율표의 갱신이 시의적절하게 갱신되지 않기 때문에, 보험 설계사는 물론 심사업무를 담당하는 심사자 역시 보험요율 산정을 위한 업종을 결정함에 있어 어려움을 겪고 있다. 따라서 이를 해결할 수 있는 새로운 방법이 필요하다.
더 나아가 재물보험을 설계 및 심사함에 있어 업종을 결정하는 것 외에 담보를 결정하는 것 역시 중요한 문제이다. 이는 목적물에 대한 화재담보 및 배상 책임의 적절한 가입금액을 산출하기 위함이다. 그러나 때와 곳에 따라 달라지는 가입금액을 보험 설계사의 지식만으로 판단하기에는 어려움이 따르기 때문에 최상의 컨설팅 및 업무 효율성을 높이기 위해 이 또한 해결할 수 있는 새로운 방법이 필요하다.
또한 재물보험을 설계 및 심사함에 있어 리스크 평가 역시 중요한 항목이다. 통상 심사자가 목적물의 업종, 급수, 관리상태로 리스크를 평가하고 인수여부를 결정하는데, 이 역시 보험 설계사의 지식만으로는 목적물의 위험도를 판단하여 컨설팅하는 것이 쉽지 않으며, 심사과정에서도 심사자의 다년간의 경험 및 노하우에 기초하는 경우가 많으므로 주관적 판단에 의존하기보다는 보다 객관화된 평가 기준에 의해 리스크(위험도) 평가할 수 있는 새로운 방법이 필요하다.
출처, http://blog.naver.com/kkts2000?Redirect=Log&logNo=220591001582(보험의 첫걸음:신계약 가입설계 업무프로세스)
이에 본 발명은 상술한 필요성에 따라 창안된 발명으로써, 본 발명의 주요 목적은 재물보험 설계시 가입 목적물에 대한 업종 결정의 편의성을 제공해 주는 동시에, 사진 촬영만으로도 재물보험 목적물의 급수는 물론 위험도가 자동 결정되어 제공될 수 있는 인공 지능망을 이용한 재물보험 가입 심사 시스템을 제공함에 있다.
더 나아가 본 발명의 또 다른 목적은 재물보험 설계시 보험 설계사가 결정, 입력해야 하는 정보들을 최소화하면서도 올바른 정보의 입력, 결정이 이루어질 수 있도록 안내하여 신속하고도 스마트한 보험 가입 심사가 이루어질 수 있도록 지원하는 인공 지능망을 이용한 재물보험 가입 심사 시스템을 제공함에 있다.
또한 본 발명의 다른 목적은 재물보험 설계, 심사과정에 인공 지능망을 접목하여 보험 설계사, 심사자의 편의를 도모함은 물론, 컨설팅 역량을 제고하는 동시에 심사효율을 높일 수 있는 새로운 형식의 인공 지능망을 이용한 재물보험 가입 심사 시스템을 제공함에 있다.
상술한 기술적 과제를 해결하기 위한 본 발명의 실시예에 따른 재물보험 가입 심사 시스템은 보험사 서버에 구축 가능한 시스템으로서,
인공 지능망 모델을 이용해 보험 설계사의 정보 단말기로부터 전송된 보험 가입 목적물의 영상을 판독하여 상기 보험 가입 목적물이 속한 보험요율표상의 업종을 결정하는 업종 결정부와;
상기 정보 단말기로부터 전송된 상기 보험 가입 목적물의 소재지 정보에 대응하는 건축물대장 정보를 외부장치로 조회 요청하고, 그 조회 요청된 건축물대장 정보에 기초하여 상기 보험 가입 목적물의 급수를 결정하는 급수 결정부와;
인공 지능망 모델을 이용해 상기 정보 단말기로부터 전송된 상기 보험 가입 목적물의 내부 영상을 판독하여 관리상태를 등급화하고, 그 등급화된 관리상태 정보와 상기 결정된 업종 및 급수에 기초하여 상기 보험 가입 목적물의 위험도를 산출하는 위험도 산출부와;
산출된 위험도 수치에 따라 상기 보험 가입 목적물의 보험 가입 심사를 승인하거나 심사자에게 심사 배정하는 심사 처리부;를 포함함을 특징으로 한다.
상기 정보 단말기의 메모리에 설치되어 실행 가능한 보험 설계사용 컨설팅 앱;을 더 포함하되, 상기 보험 설계사용 컨설팅 앱은,
공장과 주택이 속하는 공장물건과, 상기 공장물건을 제외한 일반물건을 보험 가입 목적물로서 선택하기 위한 화면 표시창과,
상기 공장물건 선택시 보험 가입 목적물의 영상과 내부 상태를 각각 촬영 안내하고, 상기 소재지 정보 및 공장물건의 가입면적을 입력하기 위한 화면 표시창과,
상기 일반물건 선택시 보험 가입 목적물을 지정하기 위한 자연어를 입력하기 위한 화면 표시창과,
상기 결정된 업종, 급수 정보를 전송받아 표시하기 위한 화면 표시창을 각각 표시 제어하는 유저 인터페이스부를 포함함을 또 다른 특징으로 한다.
상술한 구성의 재물보험 가입 심사 시스템에 있어서, 상기 업종 결정부는,
보험 설계사의 정보 단말기로부터 전송된 자연어와 그 유사어를 검색어로 설정하여 보험 가입 목적물이 속한 보험요율표상의 업종을 결정함을 특징으로 하며,
더 나아가 상기 업종 결정부는,
상기 보험 가입 목적물의 영상을 판독하되, 판독결과에 따라 업종 결정을 위해 필요한 추가 질문을 상기 보험 설계사의 정보 단말기로 전송하고, 그 추가 질문의 응답에 따라 보험 가입 목적물이 속한 보험요율표상의 업종을 최종 결정함을 또 다른 특징으로 한다.
또한 상기 급수 결정부는 상기 건축물대장에 기재된 기둥구조와 지붕구조 정보, 상기 정보 단말기로부터 전송된 외벽구조 정보에 기초하여 상기 보험 가입 목적물의 급수를 결정함을 특징으로 하며,
경우에 따라 상기 급수 결정부는 상기 정보 단말기로부터 전송된 상기 보험 가입 목적물의 소재지 정보가 GPS정보일 경우 도로명 주소로 변환하고 그에 대응하는 건축물대장 정보를 외부장치로 조회 요청함을 특징으로 한다.
상술한 과제 해결 수단에 따르면, 본 발명의 실시예에 따른 재물보험 가입 심사 시스템은 인공 지능망 모델을 이용해 보험 가입 목적물이 속한 보험요율표상의 업종을 자동 결정하기 때문에, 재물보험 설계시 가입 목적물에 대한 업종 결정의 편의성을 제공해 줌은 물론, 보험 설계사가 결정, 입력해야 하는 정보들을 최소화하면서도 올바른 정보의 입력, 결정이 이루어질 수 있도록 안내함으로써 신속하고도 스마트한 보험 컨설팅이 이루어질 수 있는 장점이 있다. 즉, 본 발명은 보험 설계사의 경력에 무관하게 컨설팅 역량을 배양할 수 있는 효과를 제공한다.
또한 본 발명은 보험 가입 목적물의 실내,외 사진 촬영만으로도 보험 가입 목적물의 급수는 물론 위험도가 자동 결정되어 제공될 수 있기 때문에, 심사대기시간을 단축시켜 심사효율을 높일 수 있는 이점이 있으며, 전산심사율 증가로 인해 심사자의 현장소통지원이 증대될 수 있는 이점과, 심사 이슈시 빠른 현장 대응이 가능한 이점도 있다.
도 1은 본 발명의 실시예에 따른 인공 지능망을 이용한 재물보험 가입 심사 시스템의 주변 구성 예시도.
도 2는 본 발명의 실시예에 따른 인공 지능망을 이용한 재물보험 가입 심사 시스템의 구성 예시도.
도 3은 딥 러닝에 기반하는 인공 지능망 모델 형성과정을 설명하기 위한 도면.
도 4는 본 발명의 실시예에 따른 인공 지능망을 이용한 재물보험 가입 심사 시스템의 동작을 설명하기 위한 도면.
도 5 내지 도 8은 본 발명의 실시예에 따라 보험 설계사의 정보 단말기에 표시되는 화면 예시도.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시 예들에 대해서 특정한 구조적 또는 기능적 설명은 단지 본 발명의 개념에 따른 실시 예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시 예들은 다양한 형태들로 실시될 수 있으며 본 명세서에 설명된 실시 예들에 한정되지 않는다.
또한 본 발명의 개념에 따른 실시 예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시 예들을 도면에 예시하고 본 명세서에서 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시 예들을 특정한 개시 형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물, 또는 대체물을 포함한다. 아울러 본 발명의 실시예를 설명함에 있어 관련된 공지 기능 혹은 구성과 같은 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략하기로 한다.
아울러 본 발명의 실시예에 따른 인공 지능망을 이용한 재물보험 가입 심사 시스템은 하나의 응용 프로그램 혹은 컴퓨터 시스템의 제어 프로그램을 구성하는 코드들의 집합일 수 있으며, 소정의 코드와 소정의 코드가 수행되기 위한 하드웨어 리소스의 논리적인 단위를 의미하는 다수의 모듈들로 구성되는 시스템의 형태로 구현될 수도 있을 것이다.
도 1은 본 발명의 실시예에 따른 인공 지능망을 이용한 재물보험 가입 심사 시스템의 주변 구성도를 예시한 것으로, 본 발명의 실시예에 따른 인공 지능망을 이용한 재물보험 가입 심사 시스템(200)은 보험사 서버 시스템에 설치 혹은 구축 가능한 시스템이다.
도 1에 도시한 바와 같이 인공 지능망을 이용한 재물보험 가입 심사 시스템(200)이 설치 혹은 구축된 보험사 서버는 통신망을 통해 접속 가능한 보험 설계사(RC)의 정보 단말기(100)들로부터 전송된 보험 가입 목적물에 대한 여러 정보(예를 들면 사진 촬영에 따른 영상정보, 소재지 정보, 기타 RC가 입력한 정보)에 기초하여 보험 가입 목적물의 업종, 급수, 위험도를 결정하거나 산출하고, 결정 혹은 산출된 정보에 기초하여 보험 가입 목적물의 보험 가입 심사를 자동 승인하거나 심사자를 배정해 필요한 정보를 수정하여 재심사토록 유도한다.
보험 설계사의 정보 단말기(100)는 보험 설계사(RC)의 조작에 따라 보험 가입 목적물의 보험 가입 심사를 위해 필요한 여러 정보들을 입력받아 보험사 서버의 재물보험 가입 심사 시스템(200)으로 전송한다. 이러한 보험 설계사의 정보 단말기(100)에는 본 발명의 구현을 위해 필요한 보험 설계사용 컨설팅 앱이 설치되어 실행되며, 상기 보험 설계사용 컨설팅 앱은 보험 설계사가 입력한 여러 정보들을 재물보험 가입 심사 시스템(200)으로 전송하고, 그 재물보험 가입 심사 시스템(200)에서 처리된 결과를 전송받아 표시한다.
후술하겠지만 보험 설계사 정보 단말기(100)의 메모리에 설치되어 실행 가능한 상기 보험 설계사용 컨설팅 앱은,
공장과 주택이 속하는 공장물건과, 상기 공장물건을 제외한 일반물건을 보험 가입 목적물로서 선택하기 위한 화면 표시창과,
상기 공장물건 선택시 보험 가입 목적물의 영상과 내부 상태를 각각 촬영 안내하고, 상기 소재지 정보 및 공장물건의 가입면적을 입력하기 위한 화면 표시창과,
상기 일반물건 선택시 보험 가입 목적물을 지정하기 위한 자연어를 입력하기 위한 화면 표시창과,
재물보험 가입 심사 시스템(200)에서 결정된 업종, 급수 정보를 전송받아 표시하기 위한 화면 표시창을 각각 표시 제어하는 유저 인터페이스부를 포함한다.
참고적으로 보험 가입 목적물의 보험요율 산정을 위해 필요한 업종을 결정하기 위해 보험 설계사에 의해 선택 입력되는 일종의 '업종검색정보'는 보험 가입 목적물이 공장물건일 경우 촬영 영상일 수 있고, 보험 가입 목적물이 일반물건일 경우에는 자연어 혹은 원재료, 공정, 생산물 각각을 나타내는 자연어 키워드의 조합일 수 있다.
하기에서 보험 가입 목적물은 일반물건 혹은 공장물건 중 어느 하나에 속하며, 일반물건은 공장물건을 제외한 물건을 의미하는 것으로 정의하고, 공장물건은 공장, 주택, 공장내의 물건을 포함하는 것으로 정의하기로 한다.
도 1에서 미설명된 외부장치(300)는 재물보험 가입 심사 시스템(200)이 조회 요청한 건축물대장 정보를 통신망을 통해 제공하는 외부기관의 서버를 지칭하는 것으로, 등기소 혹은 대법원에서 운영중인 서버 시스템일 수 있다.
도 2는 본 발명의 실시예에 따른 인공 지능망을 이용한 재물보험 가입 심사 시스템(200)의 구성도를 예시한 것이며, 도 3은 딥 러닝에 기반하는 인공 지능망 모델 형성과정을 설명하기 위한 도면을 예시한 것이다.
도 2에 도시한 바와 같이 본 발명의 실시예에 따른 인공 지능망을 이용한 재물보험 가입 심사 시스템(200)은,
인공 지능망 모델을 이용해 보험 설계사의 정보 단말기(100)로부터 전송된 보험 가입 목적물의 영상을 판독하여 보험 가입 목적물이 속한 보험요율표상의 업종을 결정하는 업종 결정부(210)와,
상기 정보 단말기(100)로부터 전송된 상기 보험 가입 목적물의 소재지 정보에 대응하는 건축물대장 정보를 외부장치(300)로 조회 요청하고, 그 조회 요청된 건축물대장 정보에 기초하여 상기 보험 가입 목적물의 급수를 결정하는 급수 결정부(220)와,
인공 지능망 모델을 이용해 상기 정보 단말기(100)로부터 전송된 상기 보험 가입 목적물의 내부 영상을 판독하여 관리상태를 등급화하고, 그 등급화된 관리상태 정보와, 상기 정보 단말기(100)로부터 전송된 상기 보험 가입 목적물의 면적(선택사항)과, 상기 결정된 업종 및 급수에 기초하여 상기 보험 가입 목적물의 위험도를 산출하는 위험도 산출부(230)와,
산출된 위험도 수치에 따라 상기 보험 가입 목적물의 보험 가입 심사를 승인하거나 심사자에게 심사 배정하는 심사 처리부(240)를 포함한다.
한편 업종 결정부(210)와 위험도 산출부(230)는 보험 설계사가 촬영한 보험 가입 목적물의 내외부 촬영 영상의 특징을 분석하기 위한 인공 지능망 모델을 포함한다.
인공 지능망 모델은 보험요율표에 기재되어 있는 보험 가입 목적물 각각을 식별할 수 있는 하나 이상의 영상을 딥러닝 학습한 영상학습 인공 지능망 모델이거나, 보험 가입 목적물의 내부 영상을 판독하여 관리상태를 등급화하기 위해 학습한 인공 지능망 모델일 수 있다. 인공 지능망 모델로 전달(입력)되는 정보는 보험 가입 목적물에 대한 하나 이상의 촬영 영상일 수 있다.
변형 가능한 실시예로서, 상기 업종 결정부(210)는 보험 가입 목적물의 영상을 판독하되, 판독결과에 따라 업종 결정을 위해 필요한 추가 질문, 예를 들면 '재질에 대한 질문, 가연재료의 여부'와 같은 추가 질문을 보험 설계사의 정보 단말기(100)로 전송하고, 그 추가 질문의 응답에 따라 보험 가입 목적물이 속한 보험요율표상의 업종을 최종 결정할 수도 있다. 이는 보험 가입 목적물의 특성상 단순히 하나 혹은 둘 이상의 영상 이미지만으로 업종 결정이 불가할 수도 있으므로, 보험 가입 목적물을 추가적으로 특정하기 위해서 별도 키워드의 재입력을 요청하는 것이다.
또 다른 변형 가능한 실시예로서, 상기 업종 결정부(210)는 보험 설계사의 정보 단말기(100)로부터 전송된 자연어와 그 유사어를 검색어로 설정하여 보험 가입 목적물이 속한 보험요율표상의 업종을 결정할 수도 있다.
이러한 경우 일반물건은 자연어 입력을 통해 보험 가입 목적물이 속한 업종을 결정하도록 하고, 공장물건에 대해서는 사진 촬영을 통해 보험 가입 목적물이 속한 업종을 결정하도록 보험 설계사용 컨설팅 앱과 재물보험 가입 심사 시스템(200)의 연동구조를 설계할 수 있다.
한편, 상기 급수 결정부(220)는 건축물대장에 기재된 기둥구조와 지붕구조 정보, 정보 단말기(100)로부터 전송된 외벽구조 정보에 기초하여 보험 가입 목적물의 급수(건물의 구조급별로 분류된 등급으로서, 1급, 2급, 3급, 4급)를 결정할 수 있다.
경우에 따라 상기 급수 결정부(220)는 정보 단말기(100)로부터 전송된 보험 가입 목적물의 소재지 정보가 GPS정보일 경우 이를 스토리지(250)에 저장된 정보를 이용해 도로명 주소로 변환하고, 그에 대응하는 건축물대장 정보를 외부장치(300)로 조회 요청할 수도 있다. 상기 GPS 정보는 보험 설계사의 편의를 위해 보험 설계사용 컨설팅 앱이 정보 단말기(100)의 GPS 측위수단으로부터 획득하여 재물보험 가입 심사 시스템(200)으로 전송하는 방식을 통해 구현될 수 있다. GPS 정보를 이용하지 않는다면 보험 설계사가 보험 설계사용 컨설팅 앱을 통해 직접 소재지 정보를 입력하는 방식을 취할 수 있다.
참고적으로 도 2에서 미설명된 스토리지(250)는 보험 설계사의 정보 단말기(100)에서 업로드되는 여러 정보(업종검색을 위한 영상정보, 소재지 정보, 보험 가입시 입력되어야 하는 필수정보 등)와, GPS정보를 주소지 정보로 변환하기 위한 테이블, 보험요율표상의 업종 정보, 손해율/사고율 DB 정보 등이 저장되며, 이들 정보들은 인공 지능망 모델은 물론 시스템(200)을 구성하는 각 구성 혹은 기능블럭들에 의해 액세스 된다.
이하 도 3을 참조하여 인공 지능망 모델에 대해 부연 설명하기로 한다.
우선 도 3은 딥 러닝에 기반하는 인공 지능망 모델 형성과정을 설명하기 위한 도면을 도시한 것이다.
일반적으로 인공 지능망은 도 3에 도시한 바와 같이 입력을 받는 입력 레이어(input layer), 실제 학습을 하는 하나 이상의 은닉 레이어, 연산의 결과를 반환하는 출력 레이어(output layer)와 같이 총 3개의 레이어로 구성된다.
이러한 구조의 인공 지능망에서 각각의 노드는 뉴런을 의미하며, 각 노드는 데이터가 입력되면 가중 합을 구한 후 활성 함수(activation function)를 거쳐 다음 노드로 연산 결과값을 넘긴다. 이때 가중치(weight)는 학습을 통해 각 노드마다 그 값을 갖게 된다. 각 노드(뉴런)의 입력으로는 앞 노드(뉴런)의 결과값들에 가중되어서 입력되고 이에 바이어스를 더해 그 합을 연산하는 방식이다.
일반적인 딥 러닝 학습과정은 입력 레이어부터 다수의 은닉 레이어를 거쳐 출력 레이어까지 특징값(deep learning parameter)과 목적함수를 계산해 나가는 포워드 프로퍼게이션(forward propagation)과정과, 오류를 반영하여 출력 레이어로부터 은닉 레이어를 거쳐 입력 레이어까지 가중치를 수정하는 백 프로퍼게이션(back propagation)과정을 반복하는 방식으로 수행된다. 이러한 딥 러닝 학습과정에서 수정되는 가중치는 오류가 최소화될 때까지 반복 갱신되며 모든 컴퓨터가 가중치와 특징값들을 공유하게 된다. 결과적으로 딥 러닝 학습 알고리즘에서는 학습 데이터를 이용한 학습과정이 수행되고 나면 최적화된 파라미터를 가지는 인공 지능망 모델이 생성되기 때문에 학습 데이터의 수가 많을수록 정확한 예측이 가능한 인공 신경망 모델이 형성될 수 있다.
이에 본 발명의 실시예에 따른 재물보험 가입 심사 시스템(220)은 보험 가입 목적물을 식별할 수 있는 정보들(이러한 정보는 학습과정에서 보면 목적물 식별정보라 칭할 수 있고, 업종 결정을 위해 보험 설계사 등이 입력하는 측면에서 보면 업종검색정보라 칭할 수 있다)을 통해 해당 보험 가입 목적물이 속한 업종을 정확하게 예측하기 위해 인공 지능망을 이용한다.
즉, 보험 가입 목적물을 구분 인식하기 위한 업종검색정보로서 하나 이상의 영상이 사용될 수 있으므로, 우선 보험요율표에 기재되어 있는 보험 가입 목적물 각각을 식별할 수 있는 영상을 딥러닝 학습하여 보험 가입 목적물이 속한 하나의 업종을 결정하도록 훈련함으로써, 하나의 영상 학습 인공 지능망 모델이 형성될 수 있고, 본 발명은 이렇게 형성된 인공 지능망 모델을 이용해 보험 가입 목적물이 속한 업종을 인공 지능망을 이용해 결정할 수 있다.
이하 딥 러닝 학습을 통해 형성된 인공 지능망 모델을 이용해 재물보험 가입 심사가 이루어지는 과정을 부연 설명하기로 한다.
도 4는 본 발명의 실시예에 따른 인공 지능망을 이용한 재물보험 가입 심사 시스템(200)의 동작을 설명하기 위한 도면을 도시한 것이며, 도 5 내지 도 8은 본 발명의 실시예에 따라 보험 설계사의 정보 단말기(100)에 표시되는 화면을 각각 예시한 것이다.
우선 보험 가입 설계시 보험 설계사는 자신의 정보 단말기(100)에 설치된 보험 설계사용 컨설팅 앱을 실행시킨다. 이러한 실행에 의해 정보 단말기(100)의 표시부에는 예를 들어 화재보험 가입 목적물을 선택하기 위한 표시창이 표시된다. 보험 설계사는 표시창을 통해 보험 가입 목적물의 종류에 따라 공장물건 혹은 일반물건을 선택한다. 공장과 주택, 공장내의 물건은 공장물건으로, 상기 공장물건을 제외한 목적물은 일반물건으로 분류할 수 있다.
만약 보험 설계사가 보험 가입 목적물을 공장물건으로 간주하여 공장물건을 선택(S10단계)하였다면, 보험 설계사용 컨설팅 앱을 구성하는 유저 인터페이스부는 도 5의 (a)에 예시한 바와 같이 보험 가입 목적물에 대한 촬영을 안내(G/L)하는 화면 표시창을 표시해 준다.
이러한 안내에 따라 보험 가입 목적물에 대한 촬영이 완료되면 해당 촬영 영상은 재물보험 가입 심사 시스템(200)으로 전송(S12단계)된다.
이에 재물보험 가입 심사 시스템(200)의 업종 결정부(210)에서는 인공 지능망 모델을 이용하여 보험 설계사의 정보 단말기(100)로부터 전송된 보험 가입 목적물의 영상을 판독(특징 분석)해 상기 보험 가입 목적물이 속한 보험요율표상의 업종을 결정(S16단계)한다. 인공 지능망 모델에 의해 보험 가입 목적물이 속한 업종이 결정되면 업종 결정부(210)는 그 결정 업종 및 업종 설명에 관한 정보를 보험 설계사의 정보 단말기(100)로 전송(S18단계)해 줌으로써, 상기 정보 단말기(100)에는 도 5의 (b)에 도시한 바와 같은 화면 표시창을 통해 결정된 업종(화재업종), 그에 대한 설명이 표시된다.
만약, 인공 지능망 모델에 의해 상기 전송되어 온 보험 가입 목적물의 촬영 영상을 판독한 결과 추가 질문이 필요한 경우라면 업종 결정부(210)는 업종 결정전(S16단계)에 도 5의 (a)에 예시한 바와 같이 판독결과에 따라 추가질문을 정보 단말기(100) 측으로 할 수 있다(S14단계). 이러한 추가 질문은 예시한 바와 같이 촬영된 보험 가입 목적물에 따라 변경되는 것으로, "주 재질이 금속인가요?", "가연재료가 있나요?"와 같이 하나 이상의 추가 질문을 규정된 순서에 따라 순차적으로 진행하거나, 복수의 질문을 한 번에 할 수 있다.
이러한 추가 질문이 이루어지는 경우 업종 결정부(210)는 영상 판독결과에 종속되는 질문에 대한 응답으로 업종을 최종 결정(S16단계)한다.
도 6은 도 5에서 처럼 공장물건을 선택한 경우의 사진 촬영 요청과 추가 질문을 예시한 것이며, 최종적으로 결정된 업종이 "전기전자도장"이라는 것을 예시한 것이다.
상술한 바와 같이 보험 가입 목적물에 대한 업종이 업종 결정부(210)에 의해 결정되어 보험 설계사의 정보 단말기(100)에 표시되면, 보험 설계사는 유저 인터페이스부가 제공하는 화면 표시창을 통해 보험 가입 목적물의 소재지 정보가 입력 전송(S20단계)되도록 한다.
즉, 보험 설계사용 컨설팅 앱을 구성하는 유저 인터페이스부는 도 7에 도시한 바와 같이 공장물건을 수용하는 공장건물의 외부 영상 촬영을 안내하고, 소재지 정보 및 공장물건의 가입면적을 입력하기 위한 화면 표시창을 표시해 준다. 도 7에서는 소재지 정보 입력란 없이 자동으로 GPS 정보를 획득하여 재물보험 가입 심사 시스템(200)으로 전송하는 것을 예시하였으나, 소재지 정보 입력란과 외벽구조(패널, 벽돌, 시멘트, 유리 등) 입력란을 구비해 보험 설계사가 직접 입력할 수 있도록 화면 표시창을 구성할 수 있다.
도 7에 도시한 표시창을 통해 공장건물의 외부 영상과 소재지 정보 혹은 GPS 정보가 재물보험 가입 심사 시스템(200)으로 전송(S20단계)되면, 재물보험 가입 심사 시스템(200)의 급수 결정부(220)는 정보 단말기(100)로부터 전송된 보험 가입 목적물의 소재지 정보에 대응하는 건축물대장 정보를 외부장치(300)로 조회 요청(S22단계)하고, 그 조회 요청에 응답하여 수신된 건축물대장 정보에 기초하여 보험 가입 목적물의 급수를 결정(S24단계)한다.
보다 구체적으로, 급수 결정부(220)는 건축물대장에 기재된 기둥구조와 지붕구조 정보, 정보 단말기(100)로부터 전송된 외벽구조 정보에 기초하여 보험 가입 목적물의 급수를 결정한다. 상기 급수는 보험업계에서 사용하는 건물의 구조급별 분류기준에 근거한다.
이와 같이 급수 결정부(220)에 의해 보험 가입 목적물의 급수가 결정되면 그 결정 급수는 정보 단말기(100)측으로 전송(S26단계)되어 도 7에 도시한 '최종급수'란에 표시된다. 이어 보험 설계사는 도 7에 도시한 가입면적란에 가입면적을 기재하면 그 가입면적은 재물보험 가입 심사 시스템(200)으로 전송(S28단계)된다.
한편, 가입면적의 기재가 완료되면 보험 설계사용 컨설팅 앱을 구성하는 유저 인터페이스부는 도 8에 도시한 바와 같은 화면 표시창을 표시하여 공장 혹은 공장물건이 적재되는 공장내부의 관리상태를 확인하기 위해 필요한 사진 촬영을 안내한다.
이에 보험 설계사가 도 8에 예시한 안내에 따라 공장(건물) 내부 전체를 확인할 수 있는 사진을 촬영하여 전송하면, 재물보험 가입 심사 시스템(200)을 구성하는 위험도 산출부(230)는 인공 지능망 모델을 이용해 정보 단말기(100)로부터 전송된 보험 가입 목적물의 내부 영상을 판독하여 관리상태를 상/중/하 혹은 상/하/공실로 등급화한다. 등급화는 예를 들어 적재물건이 바닥 면적의 70% 이상의 화재하중을 가지고 있다면 '하'등급, 40-70%의 화재하중을 가진다면 '중'등급, 0-40%의 화재하중을 가진다면 '상'등급으로 평가할 수 있다.
이어 위험도 산출부(230)는 그 등급화된 관리상태 정보와 앞서 결정된 업종 및 급수, 보험 설계사가 입력한 가입금액 및 업종에 따른 손해액에 기초하여 보험 가입 목적물의 위험도를 산출(S30단계)한다.
위험도를 산출하는 방법은 결정 혹은 산출된 각 파라미터(업종, 급수, 가입금액, 손해액, 관리상태)를 점수화하여 이들의 값을 누적해 종합점수를 산출한후 종합점수가 기 설정값을 초과하면 보험 가입 심사를 승인하고, 기 설정값 이하이면 심사자를 지정하여 심사 이루어지도록 할 수 있는 방법(도 8에 예시)이 있고,
또 다른 방법은 결정 혹은 산출된 각 파라미터의 조합을 위험도 등급에 매핑시켜 놓은 테이블을 이용하여 위험도를 산출하는 방법이 있을 수 있다.
S30단계에서 위험도 산출이 이루어지면 이후 심사 처리부(240)는 산출된 위험도 수치에 따라 보험 가입 목적물의 보험 가입 심사를 승인하거나 심사자에게 심사 배정(S32단계)한다.
이와 같이 본 발명의 실시예에 따른 재물보험 가입 심사 시스템(200)은 인공 지능망 모델을 이용해 보험 가입 목적물이 속한 보험요율표상의 업종을 자동 결정하기 때문에, 재물보험 설계시 가입 목적물에 대한 업종 결정의 편의성을 제공해 줌은 물론, 보험 설계사가 결정, 입력해야 하는 정보들을 최소화하면서도 올바른 정보의 입력, 결정이 이루어질 수 있도록 안내함으로써 신속하고도 스마트한 보험 컨설팅이 이루어질 수 있는 장점이 있다.
또한 본 발명은 보험 가입 목적물의 실내,외 사진 촬영만으로도 보험 가입 목적물의 급수는 물론 위험도가 자동 결정되어 제공될 수 있기 때문에, 심사대기시간을 단축시켜 심사효율을 높일 수 있는 이점이 있으며, 전산심사율 증가로 인해 심사자의 현장소통지원이 증대될 수 있는 이점과, 심사 이슈시 빠른 현장 대응이 가능한 이점도 있다.
한편 본 발명의 실시예에서는 공장물건에 대해 업종, 급수 결정, 위험도 산출이 이루어지는 과정을 설명하였으나, 공장물건을 제외한 일반물건(일반업종)을 보험 설계사가 선택한 경우라면 자연어 입력(텍스트 마이닝 기술 적용)을 유도하여 업종 결정이 이루어지도록 할 수 있다.
더 나아가 본 발명의 실시예에 따른 재물보험 가입 심사 시스템(200)은 정합성 시뮬레이터를 더 포함하여 재물보험 가입 설계된 정보들에 대하여 정합성 수정이 필요한 경우 팝업이 순차적으로 생성되도록 하여 심사자(혹은 관리자)가 수정할 수 있도록 지원할 수도 있다.
이상은 도면에 도시된 실시예들을 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술분야에서 통상의 지식을 가진자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위에 의해서만 정해져야 할 것이다.

Claims (7)

  1. 보험사 서버에 구축 가능한 재물보험 가입 심사 시스템에 있어서,
    보험 설계사의 정보 단말기로부터 전송된 보험 가입 목적물의 영상을 인공 지능망 모델을 이용해 자동 판독하여 상기 보험 가입 목적물이 속한 보험요율표상의 업종을 자동 결정하는 업종 결정부와;
    상기 정보 단말기로부터 전송된 상기 보험 가입 목적물의 소재지 정보에 대응하는 건축물대장 정보를 외부장치로 조회 요청하고, 그 조회 요청에 응답하여 수신된 건축물대장에 기재된 기둥구조와 지붕구조 정보 및 상기 정보 단말기로부터 전송된 외벽구조 정보에 기초하여 상기 보험 가입 목적물의 급수를 자동 결정하는 급수 결정부와;
    상기 정보 단말기로부터 전송된 상기 보험 가입 목적물의 내부 영상을 인공 지능망 모델을 이용해 자동 판독하되 적재물건과 바닥 면적의 비를 산출하여 얻어지는 화재하중에 따라 관리상태를 등급화하고, 그 등급화된 관리상태 정보와 상기 자동 결정된 업종 및 급수에 기초하여 상기 보험 가입 목적물의 위험도를 산출하는 위험도 산출부와;
    산출된 위험도 수치에 따라 상기 보험 가입 목적물의 보험 가입 심사를 승인하거나 심사자에게 심사 배정하는 심사 처리부;를 포함함을 특징으로 하는 인공 지능망을 이용한 재물보험 가입 심사 시스템.
  2. 청구항 1에 있어서, 상기 정보 단말기의 메모리에 설치되어 실행 가능한 보험 설계사용 컨설팅 앱;을 더 포함하되, 상기 보험 설계사용 컨설팅 앱은,
    공장과 주택이 속하는 공장물건과, 상기 공장물건을 제외한 일반물건을 보험 가입 목적물로서 선택하기 위한 화면 표시창과,
    상기 공장물건 선택시 보험 가입 목적물의 영상과 내부 상태를 각각 촬영 안내하고, 상기 소재지 정보 및 공장물건의 가입면적을 입력하기 위한 화면 표시창과,
    상기 일반물건 선택시 보험 가입 목적물을 지정하기 위한 자연어를 입력하기 위한 화면 표시창과,
    상기 결정된 업종, 급수 정보를 전송받아 표시하기 위한 화면 표시창을 각각 표시 제어하는 유저 인터페이스부를 포함함을 특징으로 하는 인공 지능망을 이용한 재물보험 가입 심사 시스템.
  3. 청구항 1 또는 청구항 2에 있어서, 상기 업종 결정부는,
    보험 설계사의 정보 단말기로부터 전송된 자연어와 그 유사어를 검색어로 설정하여 보험 가입 목적물이 속한 보험요율표상의 업종을 결정함을 특징으로 하는 인공 지능망을 이용한 재물보험 가입 심사 시스템.
  4. 청구항 1 또는 청구항 2에 있어서, 상기 인공 지능망 모델은 적어도,
    보험요율표에 기재되어 있는 보험 가입 목적물 각각을 식별할 수 있는 하나 이상의 영상 이미지를 딥러닝 학습한 영상학습 인공 지능망 모델을 포함함을 특징으로 하는 인공 지능망을 이용한 재물보험 가입 심사 시스템.
  5. 청구항 1 또는 청구항 2에 있어서, 상기 업종 결정부는,
    상기 보험 가입 목적물의 영상을 판독하되, 판독결과에 따라 업종 결정을 위해 필요한 추가 질문을 상기 보험 설계사의 정보 단말기로 전송하고, 그 추가 질문의 응답에 따라 보험 가입 목적물이 속한 보험요율표상의 업종을 최종 결정함을 특징으로 하는 인공 지능망을 이용한 재물보험 가입 심사 시스템.
  6. 삭제
  7. 청구항 1 또는 청구항 2에 있어서, 상기 급수 결정부는,
    상기 정보 단말기로부터 전송된 상기 보험 가입 목적물의 소재지 정보가 GPS정보일 경우 도로명 주소로 변환하고 그에 대응하는 건축물대장 정보를 외부장치로 조회 요청함을 특징으로 하는 인공 지능망을 이용한 재물보험 가입 심사 시스템.
KR1020190077097A 2019-06-27 2019-06-27 인공 지능망을 이용한 재물보험 가입 심사 시스템 KR102207494B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190077097A KR102207494B1 (ko) 2019-06-27 2019-06-27 인공 지능망을 이용한 재물보험 가입 심사 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190077097A KR102207494B1 (ko) 2019-06-27 2019-06-27 인공 지능망을 이용한 재물보험 가입 심사 시스템

Publications (2)

Publication Number Publication Date
KR20210001259A KR20210001259A (ko) 2021-01-06
KR102207494B1 true KR102207494B1 (ko) 2021-01-26

Family

ID=74128413

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190077097A KR102207494B1 (ko) 2019-06-27 2019-06-27 인공 지능망을 이용한 재물보험 가입 심사 시스템

Country Status (1)

Country Link
KR (1) KR102207494B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102416711B1 (ko) 2022-02-21 2022-07-05 주식회사 카비 인공지능을 활용한 운전자별 사고위험도 예측장치 및 이 장치를 이용한 사고위험도 예측방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4491594B2 (ja) * 2000-10-11 2010-06-30 清水建設株式会社 火災リスク評価システム、火災リスク評価方法および記録媒体

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050081337A (ko) * 2004-02-13 2005-08-19 현대해상화재보험 주식회사 통합 보험 컨설팅 시스템
KR20140072330A (ko) * 2012-11-30 2014-06-13 삼성화재해상보험 주식회사 모바일 실사 지원 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4491594B2 (ja) * 2000-10-11 2010-06-30 清水建設株式会社 火災リスク評価システム、火災リスク評価方法および記録媒体

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102416711B1 (ko) 2022-02-21 2022-07-05 주식회사 카비 인공지능을 활용한 운전자별 사고위험도 예측장치 및 이 장치를 이용한 사고위험도 예측방법

Also Published As

Publication number Publication date
KR20210001259A (ko) 2021-01-06

Similar Documents

Publication Publication Date Title
Bademosi et al. Factors influencing adoption and integration of construction robotics and automation technology in the US
Han et al. Predicting profit performance for selecting candidate international construction projects
Deliktas et al. Student selection and assignment methodology based on fuzzy MULTIMOORA and multichoice goal programming
Gurmu Tools for measuring construction materials management practices and predicting labor productivity in multistory building projects
US20150154564A1 (en) Weighted evaluation comparison
Nazari et al. Fuzzy AHP model for prequalification of engineering consultants in the Iranian public procurement system
Lhee et al. Prediction of financial contingency for asphalt resurfacing projects using artificial neural networks
Haddad et al. Selecting a discrete Multiple Criteria Decision Making method to decide on a corporate relocation
KR20170057135A (ko) 국가직무능력표준 기반의 직무 자동매칭 서비스 방법 및 그를 이용하는 시스템
US8285521B1 (en) Certification controls for a structure design, analysis, and implementation system
KR102207494B1 (ko) 인공 지능망을 이용한 재물보험 가입 심사 시스템
US20190080415A1 (en) Method, apparatus, and computer program product for identifying hazardous conditions and predicting policy transaction behavior
US11302034B2 (en) Automated property inspections
Shojaei et al. Stochastic forecasting of project streams for construction project portfolio management
Blomberg et al. Discovery of internal and external factors causing military construction cost premiums
Hannay Benefit/Cost-Driven Software Development: With Benefit Points and Size Points
Ji et al. Scenario‐Planning Method for Cost Estimation Using Morphological Analysis
Erfurth et al. Towards business alignment of IT services in universities: Challenges in elicitations of requirements for IT services
KR102044219B1 (ko) 학과 맞춤형 직무기반 교육을 위한 교육과정 설계 서비스 방법
Al-Kasasbeh et al. DEA-based multi-criteria selection model and framework for design-build contracting
KR20200123511A (ko) 인공 신경망을 이용한 업종 결정 시스템
Austin et al. Using Bayesian networks to validate technology readiness assessments of systems
Erkoyuncu et al. Quantifying risk mitigation strategies for manufacturing and service delivery
KR102534236B1 (ko) 친환경 건축 프로젝트를 통합 관리하는 방법, 이를 위한 프로그램 및 장치
Aiken Competitive intelligence through neural networks

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant