KR102324142B1 - 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템 - Google Patents
빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템 Download PDFInfo
- Publication number
- KR102324142B1 KR102324142B1 KR1020200134712A KR20200134712A KR102324142B1 KR 102324142 B1 KR102324142 B1 KR 102324142B1 KR 1020200134712 A KR1020200134712 A KR 1020200134712A KR 20200134712 A KR20200134712 A KR 20200134712A KR 102324142 B1 KR102324142 B1 KR 102324142B1
- Authority
- KR
- South Korea
- Prior art keywords
- price
- information
- data
- exchange rate
- module
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명의 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템은 각종 가격정보를 포함하는 데이터를 획득하는 데이터획득모듈; 상기 데이터획득모듈에 획득된 데이터를 기 설정된 분류기준으로 분류하여 저장하는 데이터베이스; 상기 데이터베이스에 저장된 데이터를 분석하여 표준화된 가격 정보를 산출하는 가격분석모듈; 상기 데이터베이스에 저장된 데이터를 분석하여 예상 가격을 산출하는 가격예측모듈; 및 표준화된 상기 가격 정보 및 예상 가격을 사용자에게 제공하는 인터페이스모듈;을 포함하고, 상기 가격예측모듈은 해당 품목의 수명주기를 반영하여 예상가격을 산출한다.
Description
본 발명은 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템에 관한 것이다.
한국농수산식품 유통공사에 따르면 5년간 표준규격에 맞지 않아 출하되지 못하는 농산물의 비율은 약 13% 내지 20%이다. 여기에 과잉 생산되어 생산 원가에 미치지 못해 산지에서 버려지는 농산물까지 고려하면 전체 생산량의 30% 가량이 출하되지 못하고 있는 상황이다. 특히 과일과 채소는 생산량의 절반가량이 외형이 이상하다는 이유로 수확 단계에서 버려지고 있으며, 이는 농가의 소득 감소, 음식물 쓰레기 증가로 이어진다.
이처럼 생산 원가에 미치지 못하여 산지에서 출하되지 못하거나 균일하지 않은 외관 때문에 상품가치가 없는 농산물들(이하, 잔존농산물)이 소비시장에서 활용되지 못하고 있다.
잔존농산물을 유통시킬 수 있다면 농가의 고충을 해결할 수 있을 뿐만 아니라, 대형 유통업체, 소매인 및 개인 소비자들도 합리적인 가격의 식자재를 공급받을 수 있다.
그러나, 위와 같은 이유들로 수요자는 이러한 잔존농산물들을 저렴하게만 사려고 하고, 이러한 가격은 농민 등의 공급자에게 인건비도 보장할 수 없거나 오히려 손해를 보게 되는 상황이다.
이에, 잔존농산물에 대한 시장을 분석하고, 공급자 및 수요자 모두에게 합리적인 가격을 제시하며, 미래 가격 예측을 통해 유통 물량의 조절, 및 구매 플랜을 세울 수 있도록 할 뿐만 아니라, 수요자 및 공급자도 만족함으로써 지속적인 유통을 유도할 수 있는 시장정보 분석 시스템이 필요하다.
본 발명의 목적은 잔존농산물에 대한 시장을 분석하고, 공급자 및 수요자 모두에게 합리적인 가격을 제시하며, 미래 가격 예측을 통해 유통 물량의 조절, 및 구매 플랜을 세울 수 있도록 할 뿐만 아니라, 수요자 및 공급자도 만족함으로써 지속적인 유통을 유도할 수 있는 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템을 제공하기 위한 것이다.
본 발명의 상기 및 기타의 목적들은 하기 설명되는 본 발명에 의하여 모두 달성될 수 있다.
본 발명의 하나의 관점은 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템에 관한 것이다.
일 구체예에 따르면, 상기 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템은 각종 가격정보를 포함하는 데이터를 획득하는 데이터획득모듈; 상기 데이터획득모듈에 획득된 데이터를 기 설정된 분류기준으로 분류하여 저장하는 데이터베이스; 상기 데이터베이스에 저장된 데이터를 분석하여 표준화된 가격 정보를 산출하는 가격분석모듈; 상기 데이터베이스에 저장된 데이터를 분석하여 예상 가격을 산출하는 가격예측모듈; 및 표준화된 상기 가격 정보 및 예상 가격을 사용자에게 제공하는 인터페이스모듈;을 포함하고, 상기 가격예측모듈은 해당 품목의 수명주기를 반영하여 예상가격을 산출한다.
상기 데이터획득모듈은 온라인데이터 획득모듈을 포함할 수 있고, 상기 온라인데이터는 KAMIS 농산물 유통정보, G마켓, CJ몰, 옥션, GS SHOP, 11번가, 농협, 지역몰, 조합몰, 기타 온라인몰, 기상청, 날씨누리, 국가관세종합정보망 서비스, 및 환율정보 사이트 중 하나 이상으로부터 데이터를 획득할 수 있다.
상기 데이터획득모듈은 선택적으로 오프라인데이터 획득모듈을 더 포함할 수 있고, 상기 오프라인데이터는 로컬푸드 직매장, 농협 매장, 생협 매장, 축협 매장, 시장, 산지 농민, 농민 장터, 텃밭 마을, 마을 회사, 주민 기업 및 스마트팜 중 하나 이상으로부터 데이터를 획득할 수 있다.
상기 각종 가격정보를 포함하는 데이터는 품목, 등급, 지역, 시기, 유통단계, 가격, 출하경과일, 출하기준경과일, 환율, 기상정보 및 이벤트정보 중 하나 이상을 포함할 수 있다.
상기 유통단계는 산지, 경매, 도매, 소매 및 온라인거래 중 하나 이상을 포함할 수 있다.
상기 환율은 USD환율 및 CNY환율 중 하나 이상을 포함할 수 있다.
상기 기상정보는 기설정된 특정기간 평균기온 및 강수량 중 하나 이상을 포함할 수 있다.
상기 이벤트정보는 병충해, 가뭄, 태풍, 수해, 산불 및 전염병 중 하나 이상을 포함할 수 있다.
상기 기 설정된 분류기준은 품목, 등급, 지역, 시기, 유통단계, 가격, 출하경과일, 출하기준경과일, 환율, 기상정보 및 이벤트정보 중 하나 이상을 포함할 수 있고, 상기 데이터베이스는 가격을 상기 분류기준별로 저장할 수 있다.
상기 표준화된 가격 정보는 상기 분류기준별로 특정 기간에서의 최고가, 최저가 및 평균가를 포함할 수 있다.
상기 가격예측모듈은 알고리즘부; 및 제품수명주기 반영부;를 포함할 수 있고, 상기 알고리즘부는 상기 품목, 등급, 지역, 시기, 유통단계, 가격 및 기상정보를 포함하는 데이터베이스의 데이터로부터 머신러닝 알고리즘에 의해 일정기간 이후의 가격을 예측하며, 상기 제품수명주기 반영부는 상기 출하경과일 및 출하기준경과일 중 하나 이상으로부터 머신러닝 알고리즘에 의해 산출된 가격변동율 및 가격변동액 중 하나 이상을 상기 알고리즘부의 예측 가격에 반영할 수 있다.
상기 가격예측모듈은 선택적으로 이벤트 반영부를 더 포함할 수 있고, 상기 이벤트 반영부는 상기 이벤트정보로부터 머신러닝 알고리즘에 의해 산출된 가격변동율 및 가격변동액 중 하나 이상을 상기 알고리즘부의 예측 가격에 반영할 수 있다.
상기 가격예측모듈은 이벤트 반영부에 의해 가격변동율 및 가격변동액 중 하나 이상이 반영된 상기 예측 가격과, 상기 가격분석모듈의 표준화된 가격 정보 중 평균가를 비교하여 상기 가격변동율 및 가격변동액 중 하나 이상에 가중치를 부여하여 예측 오차를 보정할 수 있다.
상기 가격예측모듈은 선택적으로 환율 반영부를 더 포함할 수 있고, 상기 환율 반영부는 상기 환율 정보로부터 머신러닝 알고리즘에 의해 산출된 가격변동율 및 가격변동액 중 하나 이상을 상기 알고리즘부의 예측 가격에 반영할 수 있다.
상기 머신러닝 알고리즘은 결정 트리 분류 알고리즘, 랜덤 포레스트 분류 알고리즘 및 SVM(Support Vector Machine) 분류 알고리즘 중 하나 이상을 포함할 수 있다.
상기 인터페이스모듈은 유무선 통신을 통해 상기 사용자로부터 요청을 받는 수신부; 및 상기 요청에 대응하여 유무선 통신을 통해 사용자의 단말기로 상기 표준화된 상기 가격 정보 및 예상 가격을 전송하는 송신부;를 포함할 수 있다.
본 발명은 잔존농산물에 대한 시장을 분석하고, 공급자 및 수요자 모두에게 합리적인 가격을 제시하며, 미래 가격 예측을 통해 유통 물량의 조절, 및 구매 플랜을 세울 수 있도록 할 뿐만 아니라, 수요자 및 공급자도 만족함으로써 지속적인 유통을 유도할 수 있는 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템을 제공하는 효과를 갖는다.
도 1은 본 발명의 일 구체예에 따른 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템의 블록도를 간단히 도시한 것이다.
도 2는 본 발명의 일 구체예에 따른 데이터획득모듈의 블록도를 간단히 도시한 것이다.
도 3은 본 발명의 일 구체예에 따른 가격예측모듈의 블록도를 간단히 도시한 것이다.
도 4는 본 발명의 일 구체예에 따른 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템의 데이터 처리 흐름을 예를 들어 도시한 것이다.
도 5는 본 발명의 다른 구체예에 따른 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템의 데이터 처리 흐름을 예를 들어 도시한 것이다.
도 2는 본 발명의 일 구체예에 따른 데이터획득모듈의 블록도를 간단히 도시한 것이다.
도 3은 본 발명의 일 구체예에 따른 가격예측모듈의 블록도를 간단히 도시한 것이다.
도 4는 본 발명의 일 구체예에 따른 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템의 데이터 처리 흐름을 예를 들어 도시한 것이다.
도 5는 본 발명의 다른 구체예에 따른 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템의 데이터 처리 흐름을 예를 들어 도시한 것이다.
이하, 첨부한 도면들을 참조하여, 본 출원의 구체예들을 보다 상세하게 설명하고자 한다. 그러나 본 출원에 개시된 기술은 여기서 설명되는 구체예들에 한정되지 않고 다른 형태로 구체화될 수도 있다.
단지, 여기서 소개되는 구체예들은 개시된 내용이 철저하고 완전해질 줄 수 있도록 그리고 당업자에게 본 출원의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다. 도면에서 각 장치의 구성요소를 명확하게 표현하기 위하여 상기 구성요소의 폭이나 두께 등의 크기를 다소 확대하여 나타내었다. 또한 설명의 편의를 위하여 구성요소의 일부만을 도시하기도 하였으나, 당업자라면 구성요소의 나머지 부분에 대하여도 용이하게 파악할 수 있을 것이다.
전체적으로 도면 설명 시 관찰자 시점에서 설명하였고, 일 요소가 다른 요소 상부에 또는 하부에 위치하는 것으로 언급되는 경우, 이는 상기 일 요소가 다른 요소 상부에 또는 하부에 바로 위치하거나 또는 그들 요소들 사이에 추가적인 요소가 개재될 수 있다는 의미를 모두 포함한다. 또한 해당 분야에서 통상의 지식을 가진 자라면 본 출원의 기술적 사상을 벗어나지 않는 범위 내에서 본 출원의 사상을 다양한 다른 형태로 구현할 수 있을 것이다. 그리고, 복수의 도면들 상에서 동일 부호는 실질적으로 서로 동일한 요소를 지칭한다.
한편, 본 출원에서 서술되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함하는 것으로 이해되어야 하고, '포함하다' 또는 '가지다'등의 용어는 기술되는 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들의 조합한 것에 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들의 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 본 명세서에 있어서, 범위를 나타내는 'X 내지 Y'는 'X 이상 Y 이하'를 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛 (unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1개의 유닛이 2개 이상의 하드웨어를 이용하여 실현되어도 되고, 2개 이상의 유닛이 1개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리 될 수 있다. 뿐만 아니라 구성 요소들 및 '~부'들은 디 바이 스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU 들을 재생시키도록 구현될 수도 있다.
이하에서 언급되는 '사용자 단말'은 네트워크를 통해 서버나 타 단말에 접속할 수 있는 컴퓨터나 휴대용 단말기로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 웹 브라우저 (WEB Browser) 가 탑재된 노트복, 데스크톱(desktop), 랩 톱(laptop) 등을 포함하고, 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서 l IMT(lnternational Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(WCode Division Multiple Access), Wibro(Wireless Broadband Internet), LT티 Long Term Evolution) 통신 기반 단말, 스마트폰l 태블릿 PC 등과 같은 모든 종류의 핸드헬드 (Handheld)기반의 무선 통신 장치를 포함할 수 있다.
또한, '네트워크'는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN) 또는 부가가치 통신 망(Value Added Network; VAN) 등과 같은 유선 네트워크나 이동 통신망(mobile radio communication network) 또는 위성 통신망 등과 같은 모든 종류의 무선 네트워크로 구현될 수 있다.
본 명세서에서 시장분석 시스템은 잔존농산물을 대상으로 하는 것으로 기재하고 있지만, 기존농산물에도 적용 가능할 수 있다.
빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템
도 1 내지 도 4를 참고하여 본 발명의 일 구체예에 따른 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템을 설명한다. 도 1은 본 발명의 일 구체예에 따른 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템의 블록도를 간단히 도시한 것이고, 도 2는 본 발명의 일 구체예에 따른 데이터획득모듈의 블록도, 도 3은 가격예측모듈의 블록도, 도 4는 본 발명의 일 구체예에 따른 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템의 데이터 처리 흐름을 예를 들어 도시한 것이다.
도 1을 참고하면, 본 발명의 일 구체예에 따른 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템(1000, 이하 시장분석 시스템)은 각종 가격정보를 포함하는 데이터를 획득하는 데이터획득모듈(100); 상기 데이터획득모듈(100)에 획득된 데이터를 기 설정된 분류기준으로 분류하여 저장하는 데이터베이스(200); 상기 데이터베이스(200)에 저장된 데이터를 분석하여 표준화된 가격 정보를 산출하는 가격분석모듈(300); 상기 데이터베이스(200)에 저장된 데이터를 분석하여 예상 가격을 산출하는 가격예측모듈(400); 및 표준화된 상기 가격 정보 및 예상 가격을 사용자에게 제공하는 인터페이스모듈(500);을 포함하고, 상기 가격예측모듈(400)은 해당 품목의 수명주기를 반영하여 예상가격을 산출한다.
본 발명 시장분석 시스템(1000)의 가격예측모듈(400)은 해당 품목의 수명주기를 반영하여 예상가격을 산출하고, 가격분석모듈(300)의 표준화된 가격 정보 및/또는 가격예측모듈(400)의 예상 가격을 사용자에게 제공함으로써, 공급자 및 수요자 모두에게 합리적인 가격을 제시하며, 미래 가격 예측을 통해 유통 물량의 조절, 및 구매 플랜을 세울 수 있도록 할 뿐만 아니라, 수요자 및 공급자도 만족함으로써 지속적인 유통을 유도할 수 있는 장점이 있다.
특히, 잔존농산물의 경우 여러 요인으로 수요자는 과도하게 낮은 가격을 요구하고 있고, 이런 경우 농민 등의 공급자에게 인건비도 보장할 수 없거나 오히려 손해를 보게 되어, 지속적인 잔존농산물의 유통을 유도할 수 없다. 본원발명 시장분석 시스템은 분석을 통해 수요자 및 공급자에게 합리적인 가격 정보를 제공할 수 있고, 뿐만 아니라 일정 기간 이후 예측 가격을 제시함으로써 유통 물량의 계획, 조절이 용이하다.
도 2를 참고하면, 상기 데이터획득모듈(100)은 온라인데이터 획득모듈(110)을 포함할 수 있고, 상기 온라인데이터는 KAMIS 농산물 유통정보, G마켓, CJ몰, 옥션, GS SHOP, 11번가, 농협, 지역몰, 조합몰, 기타 온라인몰, 기상청, 날씨누리, 국가관세종합정보망 서비스, 및 환율정보 사이트 중 하나 이상으로부터 데이터를 획득할 수 있다. 상기 온라인데이터들은 잔존농산물 관련 각종 가격정보를 포함할 수 있으며, 잔존농산물을 포함하는 농산물의 각종 가격정보를 포함하는 사이트라면 제한 없이 적용될 수 있다.
상기 각종 가격정보는 품목 및 가격을 포함하고, 상기 가격에 영향을 줄 수 있는 각종 정보를 의미한다. 구체적으로, 상기 각종 가격정보를 포함하는 데이터는 품목, 등급, 지역, 시기, 유통단계, 가격, 출하경과일, 출하기준경과일, 환율, 기상정보 및 이벤트정보 중 하나 이상을 포함할 수 있다.
상기 품목은 잔존농산물을 포함하는 농산물 판매에 통용되는 명칭일 수 있고, 상기 등급은 식자재 유통시 통용되는 품목의 등급을 의미할 수 있다. 상기 지역은 시스템 운용의 필요 및 품목의 특징에 따라 구획된 지역으로 구별될 수 있고, 시기 역시 이에 따라 주단위 및/또는 일단위로 구별되어 데이터화될 수 있다.
상기 유통단계는 산지, 경매, 도매, 소매 및 온라인거래 중 하나 이상을 포함할 수 있고, 온라인데이터 획득모듈(110)이 데이터를 획득하는 웹(사이트)로부터 추출될 수 있다.
상기 출하경과일은 해당 품목이 출하된 날짜 및/또는 수확된 날짜로부터 경과된 일 수를 의미하고, 상기 출하기준경과일은 해당 품목의 재배 일정, 시기 등을 고려하여 아직 미출하, 미수확되었으나 최상품을 위한 최적의 출하일 및/또는 수확일로부터 경과된 일 수를 의미한다.
본 발명 시장분석 시스템(1000)은 출하경과일 및/또는 출하기준경과일을 고려함으로써, 해당 품목의 수명주기를 반영할 수 있고, 이를 반영한 후술하는 예상 가격은 수요자 및 공급자에게 최적의 가격을 제공 및 제안할 수 있게 된다.
상기 환율은 USD환율 및 CNY환율 중 하나 이상을 포함할 수 있고, 이는 국가관세종합정보망 서비스 및/또는 환율정보 사이트로부터 획득될 수 있으나, 이에 제한되지 않는다.
상기 기상정보는 기설정된 특정기간 평균기온 및 강수량 중 하나 이상을 포함할 수 있고, 이는 기상청 및/또는 날씨누리로부터 획득될 수 있으나 이에 제한되지 않는다.
상기 이벤트정보는 병충해, 가뭄, 태풍, 수해, 산불 및 전염병 중 하나 이상을 포함할 수 있고, 이는 기상청, 날씨누리, 질병관리본부, 각종 뉴스 서버 등으로부터 획득될 수 있으나 이에 제한되지 않는다.
상기 데이터획득모듈(100)은 선택적으로 오프라인데이터 획득모듈(130)을 더 포함할 수 있고, 상기 오프라인데이터는 로컬푸드 직매장, 농협 매장, 생협 매장, 축협 매장, 시장, 산지 농민, 농민 장터, 텃밭 마을, 마을 회사, 주민 기업 및 스마트팜 중 하나 이상으로부터 데이터를 획득할 수 있다.
이러한 오프라인데이터 획득 과정은 시장분석을 위한 데이터 취득시 웹, 사이트의 한계로 인해 누락되는 데이터를 빠뜨리지 않을 수 있고, 시장분석의 신뢰도가 상승할 수 있다. 특히, 각종 가격정보의 항목 중 일부 누락을 막을 수 있어 데이터 표본을 늘일 수 있는 장점이 있다.
상기 데이터베이스(200)는 데이터획득모듈에 획득된 데이터를 기 설정된 분류기준으로 분류하여 저장한다.
상기 기 설정된 분류기준은 품목, 등급, 지역, 시기, 유통단계, 가격, 출하기준경과일, 환율, 기상정보 및 이벤트정보 중 하나 이상을 포함할 수 있고, 상기 데이터베이스는 가격을 상기 분류기준별로 저장할 수 있다.
구체적으로, 특정 품목의 특정 유통단계에서 가격은 등급, 지역, 시기, 출하기준경과일, 환율, 기상정보 및 이벤트정보 별로 저장되고, 이러한 데이터는 후술하는 분석에 의해 등급, 지역, 시기, 출하기준경과일, 환율, 기상정보 및 이벤트정보가 해당 품목의 가격에 미치는 영향을 분석 및 예측할 수 있다.
상기 가격분석모듈(300)은 상기 데이터베이스(200)에 저장된 데이터를 분석하여 표준화된 가격 정보를 산출한다.
상기 표준화된 가격 정보는 상기 분류기준별로 특정 기간에서의 최고가, 최저가 및 평균가를 포함할 수 있다. 상기 특정 기간은 시장분석 시스템 활용 환경에 따라, 적절히 설정할 수 있으며, 예를 들어 일단위, 3일단위, 주단위, 월의 상중하반기 단위로 설정할 수 있으나 이에 제한되지 않는다.
도 3을 참고하면, 상기 가격예측모듈(400)은 알고리즘부(410); 및 제품수명주기 반영부(430);를 포함할 수 있다.
상기 알고리즘부(410)는 상기 품목, 등급, 지역, 시기, 유통단계, 가격 및 기상정보를 포함하는 데이터베이스의 데이터로부터 머신러닝 알고리즘에 의해 일정기간 이후의 가격을 예측할 수 있다.
상기 머신러닝 알고리즘은 상기 데이터획득모듈(100)에 획득된 데이터베이스(200)의 데이터들로부터 학습할 수 있으며, 결정 트리 분류 알고리즘, 랜덤 포레스트 분류 알고리즘 및 SVM(Support Vector Machine) 분류 알고리즘 중 하나 이상을 포함할 수 있다. 예를 들어, 상기 머신러닝 알고리즘은 머신러닝 기반의 모델 Ridge, Lasso 및 Elastic Net 중 하나 이상을 적용할 수 있다.
상기 일정기간 이후의 가격은 기설정된 기간 별로 분류되어, 표 및/또는 그래프로 산출될 수 있고, 후술하는 인터페이스모듈(500)에 의해 사용자에게 제공될 수 있다.
상기 제품수명주기 반영부(430)는 상기 출하경과일 및 출하기준경과일 중 하나 이상으로부터 머신러닝 알고리즘에 의해 산출된 가격변동율 및 가격변동액 중 하나 이상을 상기 알고리즘부(410)의 예측 가격에 반영할 수 있다.
잔존농산물을 포함하는 농산물은 출하 이후 신선도를 유지하는데 어려움이 있고, 특정 품목은 경작 일정, 재배 일정에 따라 최적의 출하 시기 및 수확 시기가 정해져 있으며, 이를 넘기는 경우 제품의 등급에 영향을 주게 된다. 본원발명 시장분석 시스템은 이러한 제품의 라이프 사이클(PLC)을 출하경과일 및 출하기준경과일 데이터로부터 예상 가격에 반영할 수 있다.
구체적으로 상기 각종 가격정보는 출하경과일 및 출하기준경과일 중 하나 이상의 정보를 포함하고 있으며, 다른 분류기준이 동일하지만 상기 출하경과일 또는 출하기준경과일이 상이한 특정 품목의 가격에 대한 데이터들을 머신러닝 알고리즘에 의한 학습으로 출하경과일 및 출하기준경과일 중 하나 이상이 해당 품목의 가격에 미치는 영향(가격변동율 및/또는 가격변동액)을 예측할 수 있게 된다.
상기 제품수명주기 반영부(430)에 의해 가격예측모듈(400)은 해당 품목의 수명주기를 반영하여 예상가격을 산출하게 되므로, 수요자 및 공급자에게 합리적인 가격 및 예상가격을 제공할 수 있고, 미래 가격 예측을 통해 유통 물량의 조절, 및 구매 플랜을 세울 수 있도록 할 뿐만 아니라, 수요자 및 공급자도 만족함으로써 지속적인 유통을 유도할 수 있게 된다.
상기 가격예측모듈(400)은 선택적으로 이벤트 반영부(450)를 더 포함할 수 있다.
상기 이벤트 반영부(450)는 상기 이벤트정보로부터 머신러닝 알고리즘에 의해 산출된 가격변동율 및 가격변동액 중 하나 이상을 상기 알고리즘부(410)의 예측 가격에 반영할 수 있다.
구체적으로 상기 각종 가격정보는 이벤트 정보를 포함하고 있으며, 다른 분류기준이 동일하지만 상기 이벤트 정보가 상이한 특정 품목의 가격에 대한 데이터들을 머신러닝 알고리즘에 의한 학습으로 이벤트 종류에 따라 해당 품목의 가격에 미치는 영향(가격변동율 및/또는 가격변동액)을 예측할 수 있게 된다.
상기 이벤트 반영부(450)에 의해 가격예측모듈(400)은 해당 품목에 대한 이벤트를 반영하여 예상가격을 산출하게 되므로, 수요자 및 공급자에게 합리적인 가격 및 예상가격을 제공할 수 있고, 미래 가격 예측을 통해 유통 물량의 조절, 및 구매 플랜을 세울 수 있도록 할 뿐만 아니라, 수요자 및 공급자도 만족함으로써 지속적인 유통을 유도할 수 있게 된다.
본 발명의 다른 구체예(도 5 참고)에서, 상기 가격예측모듈(400)은 이벤트 반영부(450)에 의해 가격변동율 및 가격변동액 중 하나 이상이 반영된 상기 예측 가격과, 상기 가격분석모듈의 표준화된 가격 정보 중 평균가를 비교하여 상기 가격변동율 및 가격변동액 중 하나 이상에 가중치를 부여하여 예측 가격의 오차를 보정할 수 있다.
상기 이벤트 정보는 병충해, 가뭄, 태풍, 수해, 산불 및 전염병 중 하나를 포함할 수 있지만, 이벤트의 종류만으로는 해당 품목의 가격에 미치는 영향을 예측하는데 한계가 생길 수 있다. 구체적으로, 동일한 병충해, 가뭄, 태풍, 수해, 산불 및 전염병이라도 그 정도에 차이가 생기고 영향을 받은 정도, 영향을 주는 기간 등에도 차이가 있어 예상 가격에 오차가 생길 가능성이 있다.
이에 본 발명의 가격예측모듈(400)은 이벤트 반영부(450)에 의해 가격변동율 및 가격변동액 중 하나 이상이 반영된 상기 예측 가격과, 상기 가격분석모듈의 표준화된 가격 정보 중 평균가를 비교하여 상기 가격변동율 및 가격변동액 중 하나 이상에 가중치를 부여하여 예측 오차를 보정할 수 있다. 구체적으로 이벤트 반영부(450)에 의해 이벤트가 반영된 예측 가격이지만 일자가 경과하여 데이터획득모듈(100)에 획득된 최신 데이터의 표준화된 가격(예를 들어 평균가)이 상기 예측 가격과 차이가 있을 경우, 이를 가격변동율 및 가격변동액 중 하나 이상에 가중치를 더욱, 또는 덜 부여함으로써 오차를 조절할 수 있다. 예를 들어, 상기 가중치는 이벤트 발생 시점에는 1이나 변동폭이 큰 경우 1 보다 크게, 변동폭이 작은 경우 1 보다 작게 보정될 것이며, 상기 가중치는 상기 가격변동율 및 가격변동액에 곱하여 보정된 가격변동율 및 가격변동액을 산출할 수 있다.
[식 1]
보정된 가격변동율 및/또는 가격변동액 = 가중치 x 보정전 가격변동율 및/또는 가격변동액
상기 가격예측모듈(400)은 선택적으로 환율 반영부(470)를 더 포함할 수 있다.
상기 환율 반영부(470)는 상기 환율 정보로부터 머신러닝 알고리즘에 의해 산출된 가격변동율 및 가격변동액 중 하나 이상을 상기 알고리즘부(410)의 예측 가격에 반영할 수 있다.
구체적으로 상기 각종 가격정보는 환율 정보를 포함하고 있으며, 다른 분류기준이 동일하지만 상기 환율 정보가 상이한 특정 품목의 가격에 대한 데이터들을 머신러닝 알고리즘에 의한 학습으로 환율에 따라 해당 품목의 가격에 미치는 영향(가격변동율 및/또는 가격변동액)을 예측할 수 있게 된다.
상기 환율 반영부(470)에 의해 가격예측모듈(400)은 해당 품목에 대한 환율을 반영하여 예상가격을 산출하게 되므로, 수요자 및 공급자에게 합리적인 가격 및 예상가격을 제공할 수 있고, 미래 가격 예측을 통해 유통 물량의 조절, 및 구매 플랜을 세울 수 있도록 할 뿐만 아니라, 수요자 및 공급자도 만족함으로써 지속적인 유통을 유도할 수 있게 된다.
상기 인터페이스모듈(500)은 유무선 통신을 통해 상기 사용자로부터 요청을 받는 수신부(미도시); 및 상기 요청에 대응하여 유무선 통신을 통해 사용자의 단말기로 상기 표준화된 상기 가격 정보 및 예상 가격을 전송하는 송신부(미도시);를 포함할 수 있다.
구체예에서, 상기 유통단계는 상기 잔존농산물을 손질 및/또는 선별 분류하는 전처리 단계를 포함할 수 있고, 상기 전처리 단계는 전처리부에서 수행될 수 있다. 구체적으로, 상기 산지농가나 산지유통인은 잔존농산물을 주산지 중심으로 집하소를 구비할 수 있고, 상기 전처리부에서 집하된 상기 잔존농산물을 손질 및/또는 선별 분류하는 전처리 단계를 수행할 수 있다.
상기 전처리부는 대한노인회, 각종 중앙회, 시군구 지회, 읍면동 분회 및 경로당일 수 있다. 이로써, 공공일자리 창출 효과가 있을 뿐만 아니라, 잔존농산물의 등급을 결정하는 선별 분류 작업을 통해 등급의 신뢰도도 향상시킬 수 있다. 결정된 잔존농산물의 등급은 서버 및/또는 온라인 상에 데이터화되어 온라인데이터로 활용되거나, 직접 오프라인데이터로 활용될 수 있다.
이하, 본 발명의 바람직한 실시예를 통해 본 발명의 구성 및 작용을 더욱 상세히 설명하기로 한다. 다만, 이는 본 발명의 바람직한 예시로 제시된 것이며 어떠한 의미로도 이에 의해 본 발명이 제한되는 것으로 해석될 수는 없다.
여기에 기재되지 않은 내용은 이 기술 분야에서 숙련된 자이면 충분히 기술적으로 유추할 수 있는 것이므로 그 설명을 생략하기로 한다.
도 4를 참고하면, 본 발명 일 구체예에 따른 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템(1000)의 데이터획득모듈(100)은 각종 웹사이트로부터 품목, 등급, 지역, 시기, 유통단계, 가격, 출하경과일, 출하기준경과일, 환율, 기상정보 및 이벤트정보 중 하나 이상의 온라인데이터를 획득한다. 또한, 선택적으로 오프라인 상의 데이터를 획득하여 데이터베이스(200)에 품목, 등급, 지역, 시기, 유통단계, 가격, 출하경과일, 출하기준경과일, 환율, 기상정보 및 이벤트정보 중 하나 이상의 분류기준으로 분류하고, 저장한다.
가격분석모듈(300)은 상기 데이터베이스(200)에 저장된 데이터를 분석하여 상기 분류기준별로 특정 기간에서의 최고가, 최저가 및 평균가를 산출할 수 있다.
또한, 가격예측모듈(400)이 알고리즘부(410)를 통해 머신러닝 알고리즘을 이용하여 데이터획득모듈(100)에 획득된 데이터베이스(200)의 데이터들을 학습하고, 일정기간 이후의 가격을 예측할 수 있다. 상기 일정기간 이후의 가격은 기설정된 기간 별로 분류되어, 표 및/또는 그래프로 산출될 수 있다.
상기 가격예측모듈(400)에서 산출되는 예측 가격은 제품수명주기 반영부(430)에 의해 제품의 라이프 사이클(PLC)이 반영될 수 있고, 선택적으로 이벤트 및/또는 환율이 가격에 미치는 영향을 머신러닝 알고리즘에 의해 학습한 이벤트 반영부(450) 및/또는 환율 반영부(470)에 의해 이벤트 정보 및 환율 정보가 상기 예측 가격에 반영될 수 있다.
상기 표준화된 가격 정보 및 예측 가격은 요청에 의해 인터페이스모듈(500)을 통해 사용자에게 제공될 수 있다.
도 5를 참고하면, 본 발명 다른 구체예에 따른 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템의 데이터획득모듈(100)은 이벤트 반영부(450)에 의해 가격변동율 및 가격변동액 중 하나 이상이 반영된 상기 예측 가격과, 상기 가격분석모듈의 표준화된 가격 정보 중 평균가를 비교하여 상기 가격변동율 및 가격변동액 중 하나 이상에 가중치를 부여하여 예측 각격의 오차를 보정할 수 있다. 본 발명 다른 구체예에 따른 시장분석 시스템에서 다른 구성 및 흐름은 상기 일 실시예에 따른 시장분석 시스템과 실질적으로 동일하다.
본 발명 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템의 데이터획득모듈에 의하면, 해당 품목의 수명주기를 반영하여 예상가격을 산출하고, 가격분석모듈(300)의 표준화된 가격 정보 및/또는 가격예측모듈(400)의 예상 가격을 사용자에게 제공함으로써, 공급자 및 수요자 모두에게 합리적인 가격을 제시하며, 미래 가격 예측을 통해 유통 물량의 조절, 및 구매 플랜을 세울 수 있도록 할 뿐만 아니라, 수요자 및 공급자도 만족함으로써 지속적인 유통을 유도할 수 있는 장점이 있다.
특히, 잔존농산물의 경우 여러 요인으로 수요자는 과도하게 낮은 가격을 요구하고 있고, 이런 경우 농민 등의 공급자에게 인건비도 보장할 수 없거나 오히려 손해를 보게 되어, 지속적인 잔존농산물의 유통을 유도할 수 없다. 본원발명 시장분석 시스템은 분석을 통해 수요자 및 공급자에게 합리적인 가격 정보를 제공할 수 있고, 뿐만 아니라 일정 기간 이후 예측 가격을 제시함으로써 유통 물량의 계획, 조절이 용이하다.
이상 본 발명의 실시예들을 설명하였으나, 본 발명은 상기 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 제조될 수 있으며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야 한다.
100: 데이터획득모듈 110: 온라인데이터 획득모듈
130: 오프라인데이터 획득모듈
200: 데이터베이스 300: 가격분석모듈
400: 가격예측모듈 410: 알고리즘부
430: 제품수명주기 반영부 450: 이벤트 반영부
470: 환율 반영부 500: 인터페이스모듈
1000: 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템
130: 오프라인데이터 획득모듈
200: 데이터베이스 300: 가격분석모듈
400: 가격예측모듈 410: 알고리즘부
430: 제품수명주기 반영부 450: 이벤트 반영부
470: 환율 반영부 500: 인터페이스모듈
1000: 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템
Claims (6)
- 각종 가격정보를 포함하는 데이터를 획득하는 데이터획득모듈;
상기 데이터획득모듈에 획득된 데이터를 기 설정된 분류기준으로 분류하여 저장하는 데이터베이스;
상기 데이터베이스에 저장된 데이터를 분석하여 표준화된 가격 정보를 산출하는 가격분석모듈;
상기 데이터베이스에 저장된 데이터를 분석하여 예상 가격을 산출하는 가격예측모듈; 및
표준화된 상기 가격 정보 및 예상 가격을 사용자에게 제공하는 인터페이스모듈;을 포함하고,
상기 가격예측모듈은 해당 품목의 수명주기를 반영하여 예상가격을 산출하는 것인 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템이고,
상기 데이터획득모듈은 온라인데이터 획득모듈 및 오프라인데이터 획득모듈을 포함하고, 상기 온라인데이터는 KAMIS 농산물 유통정보, G마켓, CJ몰, 옥션, GS SHOP, 11번가, 농협, 지역몰, 조합몰, 기타 온라인몰, 기상청, 날씨누리, 국가관세종합정보망 서비스, 및 환율정보 사이트로부터 데이터를 획득하고,
상기 오프라인데이터는 로컬푸드 직매장, 농협 매장, 생협 매장, 축협 매장, 시장, 산지 농민, 농민 장터, 텃밭 마을, 마을 회사, 주민 기업 및 스마트팜으로부터 데이터를 획득하며,
상기 각종 가격정보를 포함하는 데이터는 품목, 등급, 지역, 시기, 산지를 포함하는 유통단계, 가격, 출하경과일, 출하기준경과일, 환율, 기상정보 및 이벤트정보를 포함하고,
상기 유통단계는 산지, 경매, 도매, 소매 및 온라인거래를 포함하고,
상기 환율은 USD환율 및 CNY환율을 포함하고,
상기 기상정보는 기설정된 특정기간 평균기온 및 강수량을 포함하고,
상기 이벤트정보는 병충해, 가뭄, 태풍, 수해, 산불 및 전염병을 포함하며,
상기 기 설정된 분류기준은 품목, 등급, 지역, 시기, 산지를 포함하는 유통단계, 가격, 출하경과일, 출하기준경과일, 환율, 기상정보 및 이벤트정보를 포함하고,
상기 데이터베이스는 가격을 상기 분류기준별로 저장하고,
상기 가격예측모듈은 알고리즘부; 제품수명주기 반영부; 이벤트 반영부; 및 환율 반영부;를 포함하고,
상기 알고리즘부는 상기 품목, 등급, 지역, 시기, 산지를 포함하는 유통단계, 가격 및 기상정보를 포함하는 데이터베이스의 데이터로부터 머신러닝 알고리즘에 의해 일정 기간 이후의 가격을 예측하며,
상기 제품수명주기 반영부는 상기 출하경과일 및 출하기준경과일 중 하나 이상으로부터 머신러닝 알고리즘에 의해 산출된 가격변동율 및 가격변동액 중 하나 이상을 상기 알고리즘부의 예측 가격에 반영하고,
상기 이벤트 반영부는 상기 이벤트정보로부터 머신러닝 알고리즘에 의해 산출된 가격변동율 및 가격변동액 중 하나 이상을 상기 알고리즘부의 예측 가격에 반영하되,
상기 가격예측모듈은 이벤트 반영부에 의해 가격변동율 및 가격변동액 중 하나 이상이 반영된 상기 예측 가격과, 상기 가격분석모듈의 표준화된 가격 정보 중 평균가를 비교하여 하기 식 1에 따라 상기 가격변동율 및 가격변동액 중 하나 이상에 가중치를 부여하여 예측 오차를 보정하며,
상기 환율 반영부는 상기 환율 정보로부터 머신러닝 알고리즘에 의해 산출된 가격변동율 및 가격변동액 중 하나 이상을 상기 알고리즘부의 예측 가격에 반영하고,
상기 인터페이스모듈은 유무선 통신을 통해 상기 사용자로부터 요청을 받는 수신부; 및 상기 요청에 대응하여 유무선 통신을 통해 사용자의 단말기로 상기 표준화된 상기 가격 정보 및 예상 가격을 표 또는 그래프로 전송하는 송신부;를 포함하는 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템:
[식 1]
보정된 가격변동율 및/또는 가격변동액 = 가중치 x 보정전 가격변동율 및/또는 가격변동액.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20200061046 | 2020-05-21 | ||
| KR1020200061046 | 2020-05-21 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102324142B1 true KR102324142B1 (ko) | 2021-11-10 |
Family
ID=78500150
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200134712A KR102324142B1 (ko) | 2020-05-21 | 2020-10-16 | 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템 |
| KR1020200154792A KR102324148B1 (ko) | 2020-05-21 | 2020-11-18 | 잔존농산물 매칭시스템 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200154792A KR102324148B1 (ko) | 2020-05-21 | 2020-11-18 | 잔존농산물 매칭시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR102324142B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230138972A (ko) * | 2022-03-25 | 2023-10-05 | 주식회사 위너스 축산 | 축산물 전자상거래 방법 |
| KR102606090B1 (ko) * | 2022-06-21 | 2023-11-24 | 주식회사 허브넷컴퍼니 | 전문가를 활용한 농산물 가격 분석 시스템 |
| KR20240137467A (ko) | 2023-03-08 | 2024-09-20 | (주) 에이콘컴퍼니 | 환율 및 농산물 가격 예측 시스템 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102598665B1 (ko) * | 2021-11-24 | 2023-11-07 | 푸드팡 주식회사 | 인공지능 기반의 식자재 도매 직거래 시스템 및 방법 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160037290A (ko) * | 2014-09-26 | 2016-04-06 | 한국교통대학교산학협력단 | 온라인 농산물 가격 예측 방법 및 시스템 |
| KR20160076546A (ko) * | 2014-12-23 | 2016-07-01 | 서울대학교산학협력단 | 도매시장 경락가격 분포를 이용한 농수산물 표준 시세 산출방법 |
| KR20170006105A (ko) * | 2015-07-07 | 2017-01-17 | (주) 우림인포텍 | 도매시장 경락가격 분포를 이용한 농수산물 표준시세 산출방법 |
| KR20170033518A (ko) * | 2015-09-17 | 2017-03-27 | 주식회사 삼오씨엔에스 | 기상 사물통신 서버와 연계된 빅데이터 기반의 농작물 생장환경 분석과 출하시기 예측 시스템 및 그 운용방법 |
| KR20170082471A (ko) * | 2017-05-29 | 2017-07-14 | 에이치에버 주식회사 | 빅 데이터를 활용한 상품별 도매 지수 평가 시스템 및 그에 의한 도매 지수의 평가 방법 |
| KR20170096953A (ko) * | 2016-02-17 | 2017-08-25 | 강수천 | 농축산물 생산 관리 시스템 및 방법 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010094027A (ko) * | 2000-04-03 | 2001-10-31 | 유종준 | 농,수,축산물 전자거래시스템 및 전자거래방법 |
| KR100499554B1 (ko) * | 2000-08-17 | 2005-07-14 | 라이스브랜 주식회사 | 농산물의 전자 상거래 시스템 및 그 방법 |
| KR20170042053A (ko) * | 2015-10-08 | 2017-04-18 | 농업회사법인 바닮 주식회사 | 소비자 맞춤형 농산물 유통 시스템 |
| KR102138843B1 (ko) * | 2018-06-26 | 2020-07-29 | 주식회사 아이티빌리지 | Ai 기반의 농축수산물 직거래 유통 서비스 시스템 및 방법 |
-
2020
- 2020-10-16 KR KR1020200134712A patent/KR102324142B1/ko active IP Right Grant
- 2020-11-18 KR KR1020200154792A patent/KR102324148B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160037290A (ko) * | 2014-09-26 | 2016-04-06 | 한국교통대학교산학협력단 | 온라인 농산물 가격 예측 방법 및 시스템 |
| KR20160076546A (ko) * | 2014-12-23 | 2016-07-01 | 서울대학교산학협력단 | 도매시장 경락가격 분포를 이용한 농수산물 표준 시세 산출방법 |
| KR20170006105A (ko) * | 2015-07-07 | 2017-01-17 | (주) 우림인포텍 | 도매시장 경락가격 분포를 이용한 농수산물 표준시세 산출방법 |
| KR20170033518A (ko) * | 2015-09-17 | 2017-03-27 | 주식회사 삼오씨엔에스 | 기상 사물통신 서버와 연계된 빅데이터 기반의 농작물 생장환경 분석과 출하시기 예측 시스템 및 그 운용방법 |
| KR20170096953A (ko) * | 2016-02-17 | 2017-08-25 | 강수천 | 농축산물 생산 관리 시스템 및 방법 |
| KR20170082471A (ko) * | 2017-05-29 | 2017-07-14 | 에이치에버 주식회사 | 빅 데이터를 활용한 상품별 도매 지수 평가 시스템 및 그에 의한 도매 지수의 평가 방법 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230138972A (ko) * | 2022-03-25 | 2023-10-05 | 주식회사 위너스 축산 | 축산물 전자상거래 방법 |
| KR102624210B1 (ko) * | 2022-03-25 | 2024-01-25 | 주식회사 위너스 축산 | 축산물 전자상거래 방법 |
| KR102606090B1 (ko) * | 2022-06-21 | 2023-11-24 | 주식회사 허브넷컴퍼니 | 전문가를 활용한 농산물 가격 분석 시스템 |
| KR20240137467A (ko) | 2023-03-08 | 2024-09-20 | (주) 에이콘컴퍼니 | 환율 및 농산물 가격 예측 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102324148B1 (ko) | 2021-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102324142B1 (ko) | 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템 | |
| Kamilaris et al. | The rise of blockchain technology in agriculture and food supply chains | |
| Liu et al. | Optimal purchase and inventory retrieval policies for perishable seasonal agricultural products | |
| McFadden et al. | The digitalisation of agriculture: A literature review and emerging policy issues | |
| KR101935008B1 (ko) | 농작물 생장상태정보를 이용한 농작물 유통관리 방법 | |
| Gebremedhin et al. | A guide to market-oriented extension services with special reference to Ethiopia | |
| Minor et al. | Economic drivers of food loss at the farm and pre-retail sectors: a look at the produce supply chain in the United States | |
| KR20170096953A (ko) | 농축산물 생산 관리 시스템 및 방법 | |
| Muriithi et al. | Smallholder participation in the commercialisation of vegetables: Evidence from Kenyan panel data | |
| Abrha et al. | Factors affecting onion market supply in Medebay Zana district, Tigray regional state, Northern Ethiopia | |
| Benali et al. | Smallholder participation in vegetable exports and age‐disaggregated labor allocation in Northern Tanzania | |
| US20210256631A1 (en) | System And Method For Digital Crop Lifecycle Modeling | |
| KR20130137782A (ko) | 농산물 수확량 예측시스템 및 이를 이용한 농산물 수확량의 예측방법 | |
| Waldman et al. | Smallholder food storage dynamics and resilience | |
| Salazar et al. | Drought shocks and price adjustments in local food markets in Chile: Do product quality and marketing channel matter? | |
| Chete et al. | Impact of ICT-based initiative (Mobile Phone) on market access by women farmers in Nigeria | |
| Trilnick et al. | Microclimate Engineering for Climate Change Adaptation in Agriculture: The Case of California Pistachios | |
| Hernández-Cruz et al. | Building an intelligent system to identify trends in agricultural markets | |
| Luckmann et al. | Do Vietnamese upland farmers benefit from high world market prices for maize? | |
| Narula | Revolutionizing food supply chains of Asia through ICTs | |
| Ratnadiwakara et al. | Transaction costs in agriculture: From the planting decision to selling at the wholesale market: A case-study on the feeder area of the Dambulla dedicated economic centre in Sri Lanka | |
| US20130054308A1 (en) | Accurate and Instantaneous Commodity Pricing Information System | |
| Goletti et al. | Post‐Harvest Systems in World Agriculture | |
| Popat et al. | Food loss and waste in maize in Mozambique and its economic impacts: a system dynamics assessment approach | |
| Young et al. | Representing weather‐year variation in whole‐farm optimisation models: Four‐stage single‐sequence vs eight‐stage multi‐sequence |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |