KR102398562B1

KR102398562B1 - 인공지능 기반 it 인프라 구축을 위한 자동 견적 생성 및 공급사 매칭 방법, 장치 및 시스템

Info

Publication number: KR102398562B1
Application number: KR1020210151408A
Authority: KR
Inventors: 이승준
Original assignee: (주)테온
Priority date: 2021-11-05
Filing date: 2021-11-05
Publication date: 2022-05-16

Abstract

일실시예에 따르면, 장치에 의해 수행되는, 인공지능 기반 IT 인프라 구축을 위한 자동 견적 생성 및 공급사 매칭 방법에 있어서, 제1 수요사 단말로부터 IT 인프라에 대한 견적 요청을 수신하는 단계; 상기 견적 요청을 통해 제1 수요사의 니즈를 분석하는 단계; 상기 제1 수요사의 니즈에 대한 분석 결과를 제1 인공 신경망에 적용하여, 상기 제1 인공 신경망의 출력을 기초로, 상기 제1 수요사에게 적합한 제품을 선정하는 단계; 상기 제1 수요사에게 적합한 제품으로 제1 제품이 선정되면, 상기 제1 제품의 공급이 가능한 공급사를 확인하는 단계; 상기 제1 제품의 공급이 가능한 공급사로 제1 공급사가 확인되면, 상기 제1 수요사 및 상기 제1 공급사를 매칭하는 단계; 상기 제1 공급사 및 상기 제1 제품에 기초하여, 견적서를 생성하는 단계; 및 상기 견적서를 상기 제1 수요사 단말로 전송하고, 상기 제1 제품에 대한 공급 요청을 제1 공급사 단말로 전송하는 단계를 포함하는, 인공지능 기반 IT 인프라 구축을 위한 자동 견적 생성 및 공급사 매칭 방법이 제공된다.

Description

인공지능 기반 IT 인프라 구축을 위한 자동 견적 생성 및 공급사 매칭 방법, 장치 및 시스템 {METHOD, DEVICE AND SYSTEM FOR MATCHING SUPPLIER AND AUTOMATICALLY CREATING QUOTATION FOR BUILDING IT INFRASTRUCTURE BASED ON ARTIFICIAL INTELLIGENCE}

아래 실시예들은 인공지능을 기반으로 IT 인프라 구축을 위해 자동으로 견적을 생성하고 공급사를 매칭하기 위한 기술에 관한 것이다.

스마트폰과 인터넷의 보급으로, 전통적인 유통기업이나 제조업들도 디지털 전환으로 새로운 성장 기회를 찾고 있다.

기업의 디지털 포메이션을 위한 첫걸음은 기업의 데이터를 생성하고 활용하며 안전하게 지키는 것이며, 이러한 데이터를 통해 서비스하거나 프로그램을 실행시키기 위한 역할을 하며, 기업의 동맥과 같은 것이 IT 인프라이다.

이렇게 중요한 IT 인프라를 구축하고, 유지 관리할 때에는 기업의 현 수준과 성장 미래까지 고려해야 한다.

하지만, 중소기업들은 비용과 전문 인력의 부족, IT 인프라 구축에 대한 정보의 비대칭으로 인해, 어디서, 어떻게 IT 인프라를 구축하고, 운영할지에 대한 어려움을 가지고 있다.

즉, IT 인프라를 구축하고 운영하는데 있어, 제품 선정의 어려움, 좋은 공급사 선택의 어려움, 관리와 장애 해결의 어려움, 유지보수의 어려움 등이 있다.

이에 따라, 비용과 전문 인력이 부족한 중소기업은 물론 대기업까지도 누구나 쉽게 맞춤형 IT 인프라 자산들을 도입하여, 유지보수 및 관리할 수 있는 단일 창구 플랫폼에 대한 요구가 증대되고 있어, 이와 관련된 기술에 대한 연구가 요구된다.

한국공개특허 제10-2021-0114224호 한국등록특허 제10-2197203호 한국등록특허 제10-2153938호 한국등록특허 제10-1443048호

일실시예에 따르면, 제1 수요사 단말로부터 IT 인프라에 대한 견적 요청을 수신하고, 견적 요청을 통해 제1 수요사의 니즈를 분석하고, 제1 수요사의 니즈에 대한 분석 결과를 제1 인공 신경망에 적용하여, 제1 인공 신경망의 출력을 기초로, 제1 수요사에게 적합한 제품을 선정하고, 제1 수요사에게 적합한 제품으로 제1 제품이 선정되면, 제1 제품의 공급이 가능한 공급사를 확인하고, 제1 제품의 공급이 가능한 공급사로 제1 공급사가 확인되면, 제1 수요사 및 제1 공급사를 매칭하고, 제1 공급사 및 제1 제품에 기초하여, 견적서를 생성하고, 견적서를 제1 수요사 단말로 전송하고, 제1 제품에 대한 공급 요청을 제1 공급사 단말로 전송하는, 인공지능 기반 IT 인프라 구축을 위한 자동 견적 생성 및 공급사 매칭 방법, 장치 및 시스템을 제공하기 위한 것을 그 목적으로 한다.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.

상기 제1 수요사 및 상기 제1 공급사를 매칭하는 단계는, 상기 제1 제품의 공급이 가능한 공급사가 복수로 확인되면, 상기 제1 제품의 공급이 가능한 공급사들을 선별하여 제1 그룹으로 분류하는 단계; 상기 제1 그룹으로 분류된 공급사들 각각에서 제시한 상기 제1 제품의 공급 가격을 확인하여 비교하는 단계; 상기 제1 제품의 공급 가격을 비교한 결과, 상기 제1 공급사에서 제시한 공급 가격이 가장 낮은 것으로 확인되면, 상기 제1 수요사 및 상기 제1 공급사를 매칭하는 단계; 상기 제1 제품의 공급 가격을 비교한 결과, 복수의 공급사에서 제시한 공급 가격이 가장 낮으면서 동일한 것으로 확인되면, 상기 제1 제품의 공급 가격을 가장 낮게 제시한 공급사들을 선별하여 제2 그룹으로 분류하는 단계; 상기 제2 그룹으로 분류된 공급사들 각각의 평점을 확인하여 비교하는 단계; 및 상기 제2 그룹으로 분류된 공급사들의 평점을 비교한 결과, 상기 제1 공급사의 평점이 가장 높은 것으로 확인되면, 상기 제1 수요사 및 상기 제1 공급사를 매칭하는 단계를 포함할 수 있다.

상기 제1 수요사 및 상기 제1 공급사를 매칭하는 단계는, 상기 제2 그룹으로 분류된 공급사들의 평점을 비교한 결과, 상기 제1 공급사 및 제2 공급사의 평점이 가장 높으면서 동일한 것으로 확인되면, 상기 제1 수요사의 사업장 위치, 상기 제1 공급사의 창고 위치 및 상기 제2 공급사의 창고 위치를 확인하는 단계; 상기 제1 수요사의 사업장 위치와 상기 제1 공급사의 창고 위치 간의 거리인 제1 거리를 산출하고, 상기 제1 수요사의 사업장 위치와 상기 제2 공급사의 창고 위치 간의 거리인 제2 거리를 산출하는 단계; 상기 제1 거리 및 상기 제2 거리 간의 차이가 미리 설정된 기준 범위를 벗어나는지 여부를 확인하는 단계; 상기 제1 거리 및 상기 제2 거리 간의 차이가 상기 기준 범위를 벗어나는 것으로 확인되면, 상기 제1 거리가 상기 제2 거리 보다 짧은지 여부를 확인하는 단계; 상기 제1 거리가 상기 제2 거리 보다 짧은 것으로 확인되면, 상기 제1 수요사 및 상기 제1 공급사를 매칭하는 단계; 및 상기 제2 거리가 상기 제1 거리 보다 짧은 것으로 확인되면, 상기 제1 수요사 및 상기 제2 공급사를 매칭하는 단계를 더 포함할 수 있다.

일실시예에 따르면, 제1 수요사 단말로부터 IT 인프라에 대한 견적 요청을 수신하고, 견적 요청을 통해 제1 수요사의 니즈를 분석하고, 제1 수요사의 니즈에 대한 분석 결과를 제1 인공 신경망에 적용하여, 제1 인공 신경망의 출력을 기초로, 제1 수요사에게 적합한 제품을 선정하고, 제1 수요사에게 적합한 제품으로 제1 제품이 선정되면, 제1 제품의 공급이 가능한 공급사를 확인하고, 제1 제품의 공급이 가능한 공급사로 제1 공급사가 확인되면, 제1 수요사 및 제1 공급사를 매칭하고, 제1 공급사 및 제1 제품에 기초하여, 견적서를 생성하고, 견적서를 제1 수요사 단말로 전송하고, 제1 제품에 대한 공급 요청을 제1 공급사 단말로 전송함으로써, 맞춤형 IT 인프라 자산들을 도입할 수 있는 효과가 있다.

한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 인공지능 기반 IT 인프라 구축을 위한 자동 견적 생성 및 공급사 매칭 방법을 제공하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 공급 가격 및 평점에 따라 공급사를 매칭하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 위치에 따라 공급사를 매칭하는 과정을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 단골 공급사를 매칭하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 제품의 재고량에 따라 공급사를 매칭하는 과정을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.
도 8은 일실시예에 따른 장치의 구성의 예시도이다.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.

도 1을 참조하면, 일실시예에 따른 시스템은 통신망을 통해 서로 통신 가능한 복수의 수요사 단말(100), 복수의 공급사 단말(200) 및 장치(300)를 포함할 수 있다.

먼저, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성될 수 있으며, 서버와 서버 간의 통신과 서버와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.

복수의 수요사 단말(100) 각각과 복수의 공급사 단말(200) 각각은 통신 기능을 갖춘 연산 장치로 구현될 수 있으며, 예를 들면, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다.

복수의 수요사 단말(100)은 IT 인프라 구축을 위해 장비를 구매하는 수요사의 직원들이 사용하는 단말로, 제1 수요사에서 사용하는 제1 수요사 단말(110), 제2 수요사에서 사용하는 제2 수요사 단말(120) 등을 포함할 수 있으며, 복수의 공급사 단말(200)은 공급 요청된 장비를 공급하는 공급사의 직원들이 사용하는 단말로, 제1 공급사에서 사용하는 제1 공급사 단말(210), 제2 공급사에서 사용하는 제2 공급사 단말(220) 등을 포함할 수 있다.

이하에서는 설명의 편의상, 제1 수요사 단말(110) 및 제1 공급사 단말(210)의 동작을 위주로 설명하지만, 제2 수요사 단말(120) 등의 다른 수요사 단말에서 제1 수요사 단말(110)의 동작을 대신 수행하고, 제2 공급사 단말(220) 등의 다른 공급사 단말에서 제1 공급사 단말(210)의 동작을 대신 수행할 수 있는 것은 물론이다.

복수의 수요사 단말(100) 각각과 복수의 공급사 단말(200) 각각은 장치(300)에서 제공하는 웹 페이지, 애플리케이션 등을 통해 장치(300)로 접속할 수 있다. 이를 위해, 복수의 수요사 단말(100) 각각과 복수의 공급사 단말(200) 각각에는 IT 인프라 구축을 위한 장비 주문 서비스를 제공하는 애플리케이션이 설치될 수 있다. 장비 주문 서비스 애플리케이션은 장치(300)와 연동하여 동작할 수 있다.

장치(300)는 장치(300)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(300)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 장치(300)는 복수의 수요사 단말(100) 및 복수의 공급사 단말(200)과 유무선으로 통신하도록 구성될 수 있다.

장치(300)는 인공지능 기반 IT 인프라 구축을 위한 자동 견적 생성 및 공급사 매칭 방법을 제공하는 서버로 구현되어, 장비를 구매 및 판매하기 위한 플랫폼을 제공할 수 있다.

한편, 설명의 편의를 위해 도 1에서는 복수의 수요사 단말(100) 중 제1 수요사 단말(110) 및 제2 수요사 단말(120)만을 도시하고, 복수의 공급사 단말(200) 중 제1 공급사 단말(210) 및 제2 공급사 단말(220)만을 도시하였으나, 단말들의 수는 실시예에 따라 얼마든지 달라질 수 있다. 장치(300)의 처리 용량이 허용하는 한, 단말들의 수는 특별한 제한이 없다.

일실시예에 따르면, 제1 수요사는 장치(300)에서 제공하는 플랫폼을 통해 IT 제품에 대한 견적을 의뢰할 수 있으며, 장치(300)는 1:1 컨시어지 서비스를 통해 고객의 니즈를 파악하고, 컨시어지 프로세스를 통해 고객이 대만족하는 제품과 견적을 제공할 수 있다.

구체적으로, 장치(300)는 고객인 제1 수요사에 의해 견적이 요청되면, 고객의 니즈를 분석하고 파악할 수 있다. 이때, 장치(300)는 고객의 니즈를 분석하는데 있어, 사업분야, 세부사업분야, 용도, 접속인원, 필요용량, 백업 필요 여부, 사내 전산실 보유 여부, 예산, 기술지원서비스, 기타 등의 항목 별로 분석할 수 있다.

예를 들어, 장치(300)는 견적 요청을 통해 고객의 니즈를 분석한 결과, 사업분야가 “제조”이고, 세부사업분야가 “3D 측정기반 검사장비 제조”이고, 용도가 “3D 검사장비로 생산품을 측정하여 Storage에 데이터 저장”이고, 필요용량이 “실용량 80TB 이상”이고, 백업 필요 여부가 “필수”이고, 사내 전산실 보유 여부가 “전산실 유”이고, 기술지원서비스가 “설치지원 1회”이고, 기타사항이 “안전한 데이터 관리를 위해 메인 장비와 백업 장비 2개를 1세트씩 구성, 장비 이외에 일체 라이선스 비용이 없어야 함”인 것으로, 고객의 니즈를 분석하여 파악할 수 있다.

장치(300)는 고객의 견적 요청을 통해, 1:1 컨설턴트를 통한 맞춤형 컨시어지 서비스를 제공할 수 있다. 이때, 장치(300)는 맞춤형 컨시어지 서비스를 제공하는데 있어, 제품 추천 및 이유, 제품 구성 제안, 도입 기대 효과 등으로 구분하여 분석한 후, 이에 대한 정보를 고객에게 제공할 수 있다.

예를 들어, 장치(300)는 고객의 니즈에 대한 분석 결과를 통해, 제품 추천 및 이유를 분석하는데 있어, 추천 브랜드가 “QNAP NAS”, 추천 모델이 “TS-1273AU-RP-8G”, 제안 이유가 “가격대비 성능이 높아야 함, 동일 망내 어디에서든지 접속 가능하고 폴더별 권한설정 가능해야 함, 관리자 UI가 접근이 쉽고 성능 모니터링이 가능해야 함, 랙형 전원이 이중화 구성되어야 함, 백업 라이선스 등 추가 비용이 없어야 함”을 제품 추천 및 이유로 분석할 수 있다.

이후, 장치(300)는 제품 추천 및 이유에 대한 분석 결과를 통해, 제품 구성 제안을 분석하는데 있어, 브랜드가 “QNAP”, 모델이 “TS-1273AU-RP-8G”, 디스크 구성이 “10TB SATA A3 기업용 X 12EA” RAID 구성이 “RAID 5+스페어 1”이고, 액세서리가 “추가 메모리 8GB”이고, 수량이 “2대”이고, 설치 서비스가 “한장소 1회”이고, 연간 현장기술지원서비스가 “미적용”이고, 시스템 구성이 “2중화 백업 구성”을 제품 구성 제안으로 분석할 수 있다.

이후, 장치(300)는 제품 구성 제안에 대한 분석 결과를 통해, 도입 기대 효과를 분석하는데 있어, TCO 절감 및 안정성 향상(기존 견적 대비 30% 가량 저렴한 구성, 각 장비별 구성을 일원화 하여 유지비용 감소, 2대로 백업까지 별도의 라이선스 비용 발생 없이 안정성까지 높임, 백업NAS는 공공망과 분리되어 있어서, 폐쇄망 효과로 해킹 등의 위험성이 없어짐)과 데이터 중앙화로 업무 효율성 증가(원격지의 여러 공장들과 전산실의 망연결로 모든 데이터 중앙 집중화 관리 기능, 동일 망내 모든 PC에서 측정데이터 접근 가능, 제품을 이중화로 구성화여 장애가 발생하여 업무가 중단될 확률이 현저히 감소함)를 도입 기대 효과로 분석할 수 있다.

도 2는 일실시예에 따른 인공지능 기반 IT 인프라 구축을 위한 자동 견적 생성 및 공급사 매칭 방법을 제공하는 과정을 설명하기 위한 순서도이다.

도 2를 참조하면, 먼저, S201 단계에서, 장치(300)는 제1 수요사 단말(110)로부터 IT 인프라에 대한 견적 요청을 수신할 수 있다.

구체적으로, 장치(300)는 제1 수요사 단말(110)로부터 제1 수요사 계정을 통한 로그인 요청을 수신할 수 있다. 여기서, 제1 수요사 계정은 제1 수요사의 관리자가 사용하는 계정이다. 즉, 제1 수요사 단말(110)에 제1 수요사 계정의 아이디 및 비밀번호가 입력되면, 장치(300)는 제1 수요사 단말(110)로부터 제1 수요사 계정을 통한 로그인 요청을 수신할 수 있다.

이후, 제1 수요사 단말(110)에서 견적 요청 메뉴가 선택되면, 장치(300)는 견적 요청 페이지를 제1 수요사 단말(110)로 제공할 수 있다. 여기서, 견적 요청 페이지는 IT 제품의 카테고리(서버, 스토리지, 네트워크, 클라우드, 솔루션, 기타 등), 선호하는 브랜드, 용도, 최대 예산 금액, 납기 마감일 등을 입력하기 위한 인터페이스를 포함할 수 있다. 또한, 견적 요청 페이지는 사업분야, 세부사업분야, 용도, 접속인원, 필요용량, 백업 필요 여부, 사내 전산실 보유 여부, 예산, 기술지원서비스, 기타 등을 항목 별로 입력하기 위한 인터페이스를 포함할 수 있다.

S202 단계에서, 장치(300)는 견적 요청을 통해 제1 수요사의 니즈를 분석할 수 있다. 즉, 장치(300)는 견적 요청 페이지에 입력된 정보를 이용하여, 제1 수요사의 니즈를 분석할 수 있다. 이때, 장치(300)는 제1 수요사의 니즈를 분석하여, 제1 수요사의 니즈에 대한 분석 결과를 생성할 수 있다. 여기서, 제1 수요사의 니즈에 대한 분석 결과는 IT 제품의 카테고리, 선호하는 브랜드, 납기 마감일, 사업분야, 세부사업분야, 용도, 접속인원, 필요용량, 백업 필요 여부, 사내 전산실 보유 여부, 예산, 기술지원서비스, 기타 등의 항목 별로 입력된 정보를 포함할 수 있다.

S203 단계에서, 장치(300)는 제1 수요사의 니즈에 대한 분석 결과를 미리 학습된 제1 인공 신경망에 적용할 수 있다. 여기서, 제1 인공 신경망은 수요사의 니즈에 대한 분석 결과를 입력 받은 후, 수요사에게 적합한 제품을 분석하여 출력하는 알고리즘일 수 있다. 제1 인공 신경망은 도 7을 참조하여 후술되는 방법을 통해 학습될 수 있다.

S204 단계에서, 장치(300)는 제1 인공 신경망의 출력을 기초로, 제1 수요사에게 적합한 제품을 선정할 수 있다.

일실시예에 따르면, 제1 인공 신경망은 수요사의 니즈에 대한 분석 결과를 통해, 수요사에게 적합한 제품을 분석하도록 학습될 수 있다. 이를 통해, 제1 인공 신경망은 수요사의 니즈를 고려하여, 수요사에게 적합한 제품을 분석하여 출력할 수 있다.

S205 단계에서, 장치(300)는 제1 수요사에게 적합한 제품으로 제1 제품이 선정되면, 제1 제품의 공급이 가능한 공급사를 확인할 수 있다. 이를 위해, 장치(300)의 데이터베이스에는 제품 정보가 저장되어 있다. 여기서, 제품 정보는 어느 공급사가 어느 제품을 공급하는지 나타내는 정보로, 제품을 제공하는 공급사의 목록이 제품 별로 구분되어 있다.

즉, 장치(300)는 제1 수요사에게 적합한 제품으로 제1 제품이 선정되면, 데이터베이스로부터 제1 제품 정보를 획득한 후, 제1 제품 정보에 기초하여, 제1 제품의 공급이 가능한 공급사를 확인할 수 있다.

S206 단계에서, 장치(300)는 제1 제품의 공급이 가능한 공급사로 제1 공급사가 확인되면, 제1 수요사 및 제1 공급사를 매칭할 수 있다. 이때, 장치(300)는 제1 제품의 공급이 가능한 공급사로 제1 공급사 하나만 확인되면, 제1 수요사 및 제1 공급사를 매칭할 수 있다. 제1 제품의 공급이 가능한 공급사로 복수의 공급사가 확인되는 경우, 수요사 및 공급사를 매칭하는 내용은 도 3을 참조하여 후술하기로 한다.

S207 단계에서, 장치(300)는 제1 공급사 및 제1 제품에 기초하여, 견적서를 생성할 수 있다. 이를 위해, 장치(300)의 데이터베이스에는 공급사 정보가 저장되어 있다. 여기서, 공급사 정보는 어느 공급사가 어느 제품을 얼마에 공급하는지 나타내는 정보로, 공급사에서 공급하는 제품의 목록이 공급사 별로 구분되어 있다.

즉, 장치(300)는 제1 수요사에게 적합한 제품으로 제1 제품이 선정되고, 제1 제품을 공급할 공급사로 제1 공급사가 매칭되면, 데이터베이스로부터 제1 공급사 정보를 획득한 후, 제1 공급사 정보에 기초하여, 제1 제품에 대한 견적서를 생성할 수 있다. 여기서, 견적서는 제품에 대한 공급 가격, 설치 비용, 유지관리 비용 등에 대한 정보를 포함할 수 있다.

S208 단계에서, 장치(300)는 견적서를 제1 수요사 단말(110)로 전송하고, 제1 제품에 대한 공급 요청을 제1 공급사 단말(210)로 전송할 수 있다. 여기서, 제1 제품에 대한 공급 요청은 제1 제품이 설치될 장소, 제1 제품의 설치 희망일, 제1 수요사의 관리자 연락처 등에 대한 정보를 포함할 수 있다.

도 3은 일실시예에 따른 공급 가격 및 평점에 따라 공급사를 매칭하는 과정을 설명하기 위한 순서도이다.

도 3을 참조하면, 먼저, S301 단계에서, 장치(300)는 제1 수요사에게 적합한 제품으로 제1 제품이 선정되면, 제1 제품의 공급이 가능한 공급사를 확인할 수 있다.

S302 단계에서, 장치(300)는 제1 제품의 공급이 가능한 공급사를 확인한 결과, 제1 제품의 공급이 가능한 공급사가 하나인지 여부를 확인할 수 있다.

S302 단계에서 제1 제품의 공급이 가능한 공급사가 제1 공급사 하나로 확인되면, S309 단계에서, 장치(300)는 제1 수요사 및 제1 공급사를 매칭할 수 있다.

즉, 장치(300)는 제1 제품의 공급 가격을 비교한 결과, 제1 공급사에서 제시한 공급 가격이 가장 낮은 것으로 확인되면, 제1 수요사 및 제1 공급사를 매칭할 수 있다.

S302 단계에서 제1 제품의 공급이 가능한 공급사가 복수로 확인되면, S303 단계에서, 장치(300)는 제1 제품의 공급이 가능한 공급사들을 선별하여 제1 그룹으로 분류할 수 있다.

예를 들어, 제1 공급사, 제2 공급사, 제3 공급사, 제4 공급사, 제5 공급사가 IT 제품을 공급하는 공급사로 등록되어 있는 경우, 장치(300)는 제1 수요사에게 적합한 제품으로 제1 제품이 선정되면, 데이터베이스로부터 제1 제품 정보를 획득한 후, 제1 제품 정보에 기초하여, 제1 제품의 공급이 가능한 공급사를 확인한 결과, 제1 제품의 공급이 가능한 공급사로 제1 공급사, 제2 공급사 및 제3 공급사가 확인되면, 복수의 공급사 중 제1 공급사, 제2 공급사 및 제3 공급사를 제1 그룹으로 분류할 수 있다.

S304 단계에서, 장치(300)는 제1 그룹으로 분류된 공급사들 각각에서 제시한 제1 제품의 공급 가격을 확인하여 비교할 수 있다. 이를 위해, 제1 제품 정보는 제1 제품을 공급하는 공급사들 각각에서 제시한 공급 가격에 대한 정보를 포함하고 있다. 장치(300)는 제1 제품 정보에 기초하여, 제1 그룹으로 분류된 공급사들 각각에서 제시한 제1 제품의 공급 가격을 확인하고, 이를 비교할 수 있다.

S305 단계에서, 장치(300)는 제1 제품의 공급 가격을 비교한 결과, 공급 가격이 가장 낮은 공급사가 하나인지 여부를 확인할 수 있다.

S305 단계에서 공급 가격이 가장 낮은 공급사가 제1 공급사 하나로 확인되면, S309 단계에서, 장치(300)는 제1 수요사 및 제1 공급사를 매칭할 수 있다.

S305 단계에서 공급 가격이 가장 낮은 공급사가 복수로 확인되면, S306 단계에서, 장치(300)는 제1 제품의 공급 가격을 가장 낮게 제시한 공급사들을 선별하여 제2 그룹으로 분류할 수 있다.

즉, 장치(300)는 제1 제품의 공급 가격을 비교한 결과, 복수의 공급사에서 제시한 공급 가격이 가장 낮으면서 동일한 것으로 확인되면, 제1 제품의 공급 가격을 가장 낮게 제시한 공급사들을 선별하여 제2 그룹으로 분류할 수 있다.

예를 들어, 제1 공급사, 제2 공급사, 제3 공급사가 제1 그룹으로 분류되어 있는 경우, 장치(300)는 제1 공급사, 제2 공급사, 제3 공급사 각각에서 제시한 제1 제품의 공급 가격을 확인하여 비교한 결과, 제1 공급사 및 제2 공급사에서 제시한 공급 가격이 가장 낮으면서 동일한 것으로 확인되면, 제1 공급사 및 제2 공급사를 제2 그룹으로 분류할 수 있다.

S307 단계에서, 장치(300)는 제2 그룹으로 분류된 공급사들 각각의 평점을 확인하여 비교할 수 있다. 이를 위해, 공급사 정보는 공급사의 평점에 대한 정보를 포함할 수 있다. 장치(300)는 제1 공급사 정보에 기초하여, 제1 공급사의 평점을 확인하고, 제2 공급사 정보에 기초하여, 제2 공급사의 평점을 확인한 후, 제1 공급사의 평점과 제2 공급사의 평점을 비교할 수 있다.

S308 단계에서, 장치(300)는 제2 그룹으로 분류된 공급사들의 평점을 비교한 결과, 평점이 가장 높은 공급사가 하나인지 여부를 확인할 수 있다.

S308 단계에서 평점이 가장 높은 공급사가 제1 공급사 하나로 확인되면, S309 단계에서, 장치(300)는 제1 수요사 및 제1 공급사를 매칭할 수 있다.

즉, 장치(300)는 제2 그룹으로 분류된 공급사들의 평점을 비교한 결과, 제1 공급사의 평점이 가장 높은 것으로 확인되면, 제1 수요사 및 제1 공급사를 매칭하는 단계

S308 단계에서 평점이 가장 높은 공급사가 복수로 확인되면, S401 단계가 수행될 수 있으며, 이와 관련된 자세한 설명은 도 4를 참조하여 후술하기로 한다.

도 4는 일실시예에 따른 위치에 따라 공급사를 매칭하는 과정을 설명하기 위한 순서도이다.

도 4를 참조하면, 먼저, S401 단계에서, 장치(300)는 제2 그룹으로 분류된 공급사들의 평점을 비교한 결과, 제1 공급사 및 제2 공급사의 평점이 가장 높으면서 동일한 것으로 확인할 수 있다.

S402 단계에서, 장치(300)는 제1 수요사의 사업장 위치, 제1 공급사의 창고 위치 및 제2 공급사의 창고 위치를 확인할 수 있다. 이때, 장치(300)는 데이터베이스에 저장된 제1 수요사 정보를 기초로, 제1 수요사의 사업장 위치를 확인하고, 데이터베이스에 저장된 제1 공급사 정보를 기초로, 제1 공급사의 창고 위치를 확인하고, 데이터베이스에 저장된 제2 공급사 정보를 기초로, 제2 공급사의 창고 위치를 확인할 수 있다.

S403 단계에서, 장치(300)는 제1 수요사의 사업장 위치와 제1 공급사의 창고 위치 간의 거리인 제1 거리를 산출할 수 있다.

S404 단계에서, 장치(300)는 제1 수요사의 사업장 위치와 제2 공급사의 창고 위치 간의 거리인 제2 거리를 산출할 수 있다.

S405 단계에서, 장치(300)는 제1 거리 및 제2 거리 간의 차이가 기준 범위를 벗어나는지 여부를 확인할 수 있다. 여기서, 기준 범위는 실시예에 따라 상이하게 설정될 수 있다.

예를 들어, 제1 거리가 500m이고, 제2 거리가 200m이고, 기준 범위가 -200m ~ 200로 설정되어 있는 경우, 장치(300)는 제1 거리 및 제2 거리 간의 차이가 300m로 산출되어, 제1 거리 및 제2 거리 간의 차이가 기준 범위를 벗어나는 것으로 확인할 수 있다.

S405 단계에서 제1 거리 및 제2 거리 간의 차이가 기준 범위를 벗어나는 것으로 확인되면, S406 단계에서, 장치(300)는 제1 거리가 제2 거리 보다 짧은지 여부를 확인할 수 있다.

S406 단계에서 제1 거리가 제2 거리 보다 짧은 것으로 확인되면, S407 단계에서, 장치(300)는 제1 수요사 및 제1 공급사를 매칭할 수 있다.

즉, 제1 수요사의 사업장 위치와 제1 공급사의 창고 위치가 더 가까운 것으로 확인되면, 장치(300)는 제1 수요사 및 제1 공급사를 매칭할 수 있다.

S406 단계에서 제1 거리가 제2 거리 보다 긴 것으로 확인되면, 즉, 제2 거리가 제1 거리 보다 짧은 것으로 확인되면, S408 단계에서, 장치(300)는 제1 수요사 및 제2 공급사를 매칭할 수 있다.

즉, 제1 수요사의 사업장 위치와 제2 공급사의 창고 위치가 더 가까운 것으로 확인되면, 장치(300)는 제1 수요사 및 제2 공급사를 매칭할 수 있다.

한편, S405 단계에서 제1 거리 및 제2 거리 간의 차이가 기준 범위 내에 있는 것으로 확인되면, S501 단계가 수행될 수 있으며, 이와 관련된 자세한 설명은 도 5를 참조하여 후술하기로 한다.

도 5는 일실시예에 따른 단골 공급사를 매칭하는 과정을 설명하기 위한 순서도이다.

도 5를 참조하면, 먼저, S501 단계에서, 장치(300)는 제1 거리 및 제2 거리 간의 차이가 기준 범위 내에 있는 것으로 확인되면, 제1 공급사 및 제2 공급사의 공급 내역에 기초하여, 제1 수요사에게 제품을 공급한 이력이 있는 단골 공급사를 확인할 수 있다.

구체적으로, 장치(300)는 제1 공급사의 공급 내역 및 제2 공급사의 공급 내역을 데이터베이스로부터 획득할 수 있다. 이를 위해, 장치(300)는 데이터베이스에 공급사 별로 공급 내역에 대한 정보를 저장하여 관리할 수 있다. 여기서, 공급 내역 정보는 수요사 및 공급사 매칭으로 실제 공급된 제품들의 공급 내역이 누적된 정보로, 제품을 공급한 수요사, 공급일, 제품별 공급 수량 등의 정보를 포함할 수 있다.

이후, 장치(300)는 제1 공급사의 공급 내역에 기초하여, 제1 공급사가 제1 수요사에게 제품을 공급한 이력이 있는지 여부를 확인하고, 제1 공급사가 제1 수요사에게 제품을 공급한 이력이 있는 것으로 확인되면, 제1 공급사를 단골 공급사로 확인할 수 있다.

마찬가지로, 장치(300)는 제2 공급사의 공급 내역에 기초하여, 제2 공급사가 제1 수요사에게 제품을 공급한 이력이 있는지 여부를 확인하고, 제2 공급사가 제1 수요사에게 제품을 공급한 이력이 있는 것으로 확인되면, 제2 공급사를 단골 공급사로 확인할 수 있다.

S502 단계에서, 장치(300)는 제1 공급사 및 제2 공급사 중 제1 수요사에게 제품을 공급한 이력이 있는 단골 공급사가 있는지 여부를 확인할 수 있다.

S502 단계에서 단골 공급사가 있는 것으로 확인되면, S503 단계에서, 장치(300)는 제1 공급사 및 상기 제2 공급사 중 단골 공급사가 하나 있는지 여부를 확인할 수 있다.

S503 단계에서 단골 공급사가 하나 있는 것으로 확인되면, S504 단계에서, 장치(300)는 단골 공급사가 제1 공급사인지 여부를 확인할 수 있다.

S504 단계에서 단골 공급사가 제1 공급사로 확인되면, S505 단계에서, 장치(300)는 제1 수요사 및 제1 공급사를 매칭할 수 있다.

S505 단계에서 단골 공급사가 제1 공급사로 확인되지 않으면, 단골 공급사가 제2 공급사로 확인될 수 있으며, 단골 공급사가 제2 공급사로 확인되면, S506 단계에서, 장치(300)는 제1 수요사 및 제2 공급사를 매칭할 수 있다.

한편, S502 단계에서 단골 공급사가 없는 것으로 확인되면, S601 단계가 수행될 수 있고, S503 단계에서 단골 공급사가 하나가 아니라 제1 공급사 및 제2 공급사 둘 다 단골 공급사로 확인되면, S601 단계가 수행될 수 있으며, 이와 관련된 자세한 설명은 도 6을 참조하여 후술하기로 한다.

도 6은 일실시예에 따른 제품의 재고량에 따라 공급사를 매칭하는 과정을 설명하기 위한 순서도이다.

도 6을 참조하면, 먼저, S601 단계에서, 장치(300)는 제1 공급사 및 제2 공급사 중 단골 공급사가 하나도 없는 것으로 확인되거나, 제1 공급사 및 제2 공급사 둘 다 단골 공급사로 확인된 경우, 제1 공급사 및 제2 공급사의 재고 내역에 기초하여, 제1 제품에 대한 제1 공급사의 재고량과 제1 제품에 대한 제2 공급사의 재고량을 확인할 수 있다.

구체적으로, 장치(300)는 제1 공급사의 재고 내역 및 제2 공급사의 재고 내역을 데이터베이스로부터 획득할 수 있다. 이를 위해, 장치(300)는 복수의 공급사 단말(200)로부터 실시간으로 변화되는 제품의 재고 정보를 수신하여, 공급사 별로 제품의 재고 내역에 대한 정보를 저장하여 관리할 수 있다.

이후, 장치(300)는 제1 공급사의 재고 내역에 기초하여, 제1 제품에 대한 제1 공급사의 재고량을 확인하고, 제2 공급사의 재고 내역에 기초하여, 제1 제품에 대한 제2 공급사의 재고량을 확인할 수 있다.

즉, 장치(300)는 제1 공급사의 재고 내역에 기초하여, 현재 제1 공급사의 창고에 제1 제품이 얼마나 적재되어 있는지 확인하여, 제1 제품에 대한 제1 공급사의 재고량을 확인할 수 있다.

또한, 장치(300)는 제2 공급사의 재고 내역에 기초하여, 현재 제2 공급사의 창고에 제1 제품이 얼마나 적재되어 있는지 확인하여, 제1 제품에 대한 제2 공급사의 재고량을 확인할 수 있다.

S602 단계에서, 장치(300)는 제1 제품과 관련하여, 제1 공급사의 재고량이 제2 공급사의 재고량 보다 많은지 여부를 확인할 수 있다.

S602 단계에서 제1 공급사의 재고량이 제2 공급사의 재고량 보다 많은 것으로 확인되면, S603 단계에서, 제1 수요사 및 제1 공급사를 매칭할 수 있다.

S602 단계에서 제1 공급사의 재고량이 제2 공급사의 재고량 보다 적은 것으로 확인되면, 제2 공급사의 재고량이 제1 공급사의 재고량 보다 많은 것으로 확인될 수 있으며, 제2 공급사의 재고량이 제1 공급사의 재고량 보다 많은 것으로 확인되면, 제1 수요사 및 제2 공급사를 매칭할 수 있다.

일실시예에 따르면, 장치(300)는 제1 수요사 단말(110)로부터 통신 인프라의 설계가 필요한 제1 공간의 평면도를 수신할 수 있다. 여기서, 제1 공간은 통신 인프라의 설계가 필요한 공간으로, 통신 인프라는 전산 장비, 통신 장비 등을 포함할 수 있으며, 전산 장비는 통신 기능을 갖춘 연산 장비로, 통신 장비를 통해 외부 기기와 통신을 수행하는 장비이고, 통신 장비는 전산 장비와 외부 기기 간에 유무선 통신을 통해 연결되도록 처리하는 장비이다.

장치(300)는 제1 공간에 전산 장비, 통신 장비 등을 실제로 배치하기 전에, 어떠한 방식으로 장비들을 제1 공간에 배치할 것인지에 대한 구조를 설계할 수 있으며, 설계된 구조에 따라 배치된 장비들의 위치를 표시하여, 사용자에게 장비 배치에 대해 추천하는 서비스를 제공할 수 있다.

일실시예에 따르면, 제1 수요사 단말(110)로부터 수신된 제1 공간의 평면도에는 제1 공간에 배치될 전산 장비들의 표시되어 있다. 예를 들어, 제1 공간은 제1 구역 및 제2 구역으로 구분되어 있고, 제1 구역에는 제1 전산 장비 및 제2 전산 장비의 위치가 표시되어 있고, 제3 구역에는 제3 전산 장비의 위치가 표시되어 있을 수 있다.

구체적으로, 장치(300)는 제1 수요사 단말(110)로 복수의 공간 리스트를 제공할 수 있으며, 복수의 공간 리스트에서 제1 공간이 선택되면, 제1 공간의 평면도가 제1 수요사 단말(110)의 화면에 디스플레이 되도록 처리할 수 있다. 이를 위해, 장치(300)는 복수의 공간 별로 각각의 평면도를 데이터베이스에 저장하여 관리할 수 있다.

이후, 장치(300)는 제1 수요사 단말(110)의 화면에 표시된 제1 공간의 평면도 상에서, 제1 공간에 배치될 전산 장비들의 위치가 각각 설정되면, 제1 수요사 단말(110)로부터 제1 공간에 배치될 전산 장비들이 표시되어 있는 제1 공간의 평면도를 수신할 수 있다.

장치(300)는 제1 공간에 배치될 전산 장비들이 제1 공간의 평면도에 표시되어 있는지 여부를 확인할 수 있다.

제1 공간의 평면도에 전산 장비들이 표시되어 있지 않은 것으로 확인되면, 장치(300)는 제1 공간에 배치될 전산 장비들의 위치 설정이 필요한 것을 알려주는 알림 메시지를 전송할 수 있으며, 장치(300)는 제1 공간의 평면도를 다시 수신할 수 있다.

제1 공간에 배치될 전산 장비들이 평면도에 표시되어 있는 것으로 확인되면, 장치(300)는 제1 공간의 평면도를 미리 학습된 제2 인공 신경망에 적용할 수 있다.

일실시예에 따르면, 제2 인공 신경망은 전산 장비들의 배치 위치가 표시되어 있는 평면도를 입력 받은 후, 전산 장비들의 배치 위치에 따라 통신 장비들의 배치 위치를 출력하는 알고리즘일 수 있다. 제2 인공 신경망은 도 7을 참조하여 후술되는 방법을 통해 학습될 수 있다.

장치(300)는 제2 인공 신경망의 출력을 기초로, 제1 공간에서 통신 장비들이 배치될 위치를 선정할 수 있다.

일실시예에 따르면, 제2 인공 신경망은 제1 공간에 배치될 통신 장비들이 통신 배선 상에 위치되도록 배치하여, 통신 배선 상에 배치된 통신 장비들의 위치를 출력하도록 학습될 수 있다. 이를 위해, 제2 인공 신경망은 제1 공간의 평면도에 통신 배선이 표시되어 있는 경우, 통신 장비들이 통신 배선 상에 배치되도록 통신 장비들의 배치 위치를 출력할 수 있다.

또한, 제2 인공 신경망은 제1 공간에 배치될 통신 장비들이 제1 공간의 구역 별로 위치하도록 배치하여, 구역 별로 배치된 통신 장비들의 위치를 출력하도록 학습될 수 있다. 이를 위해, 제2 인공 신경망은 제1 공간이 복수의 구역으로 구분되어 있는 경우, 통신 장비들이 구역 별로 배치되도록 통신 장비들의 배치 위치를 출력할 수 있다.

또한, 제2 인공 신경망은 제1 공간에 배치될 통신 장비들이 제1 공간에 배치될 전산 장비와 인접하게 위치하도록 배치하여, 전산 장비와 인접하게 배치된 통신 장비들의 위치를 출력하도록 학습될 수 있다. 이를 위해, 제2 인공 신경망은 제1 공간의 평면도에 복수의 전산 장비들에 대한 위치가 표시되어 있는 경우, 통신 장비들이 전산 장비들과 인접하게 배치되도록 통신 장비들의 배치 위치를 출력할 수 있다.

또한, 제2 인공 신경망은 제1 공간에 배치될 통신 장비들이 차지하는 면적과 사용자 동선이 차지하는 면적을 비교하여, 서로 중복되는 면적이 최소화되도록 배치하여, 통신 장비들과 사용자 동선이 중복되지 않도록 배치된 통신 장비들의 위치를 출력하도록 학습될 수 있다. 이를 위해, 제2 인공 신경망은 제1 공간의 평면도에 사용자 동선이 표시되어 있는 경우, 통신 장비들이 사용자 동선과 겹치지 않도록 통신 장비들의 배치 위치를 출력할 수 있다.

이후, 장치(300)는 제1 공간에서 통신 장비들이 배치될 위치를 기초로, 평면도에 통신 장비들을 표시하여, 평면도를 수정할 수 있다.

예를 들어, 제1 공간의 평면도에 제1 전산 장비, 제2 전산 장비 및 제3 전산 장비의 위치가 표시되어 있는 경우, 장치(300)는 제1 전산 장비, 제2 전산 장비 및 제3 전산 장비의 위치를 기초로, 제1 통신 장비 및 제2 통신 장비가 배치될 위치를 선정할 수 있으며, 제1 공간의 평면도에 제1 통신 장비 및 제2 통신 장비를 표시하여, 제1 공간의 평면도를 수정할 수 있다.

이후, 장치(300)는 수정된 평면도를 제1 수요사 단말(110)로 전송할 수 있다.

즉, 장치(300)는 전산 장비들의 위치만 표시되어 있는 제1 공간의 평면도를 제1 수요사 단말(110)로부터 수신한 후, 통신 장비들의 위치를 추가로 표시하여 수정된 제1 공간의 평면도를 제1 수요사 단말(110)로 전송할 수 있다.

일실시예에 따르면, 장치(300)는 제1 수요사 단말(110)로부터 수신된 제1 공간의 평면도를 확인한 결과, 제1 공간이 제1 구역 및 제2 구역으로 구분되어 있는 경우, 제1 공간의 평면도를 기초로, 제1 구역에 배치되어 있는 전산 장비들을 확인할 수 있다. 이때, 제1 구역에 배치되어 있는 전산 장비들은 사용자 선택으로 설정될 수 있다.

이후, 장치(300)는 제1 구역에 배치되어 있는 전산 장비들의 수를 제1 장비수로 산출할 수 있다.

장치(300)는 제1 수요사 단말(110)로부터 수신된 제1 공간의 평면도를 확인한 결과, 제1 공간이 제1 구역 및 제2 구역으로 구분되어 있는 경우, 제1 공간의 평면도를 기초로, 제2 구역에 배치되어 있는 전산 장비들을 확인할 수 있다. 이때, 제2 구역에 배치되어 있는 전산 장비들은 사용자 선택으로 설정될 수 있다.

이후, 장치(300)는 제2 구역에 배치되어 있는 전산 장비들의 수를 제2 장비수로 산출할 수 있다.

이후, 장치(300)는 제1 장비수 및 제2 장비수를 합산하여 제3 장비수를 산출할 수 있다. 즉 장치(300)는 제1 공간이 제1 구역 및 제2 구역으로 구분되어 있는 경우, 제1 공간에 배치되어 있는 전산 장비들의 수를 제3 장비수로 산출할 수 있다.

이후, 장치(300)는 제3 장비수가 기준값 보다 큰지 여부를 확인할 수 있다. 여기서, 기준값은 실시예에 따라 상이하게 설정될 수 있다.

제3 장비수가 기준값 보다 큰 것으로 확인되면, 장치(300)는 제1 공간에서 통신 장비들이 배치될 위치를 기초로, 제1 구역에 제1 통신 장비를 표시하고, 제2 구역에 제2 통신 장비들을 표시하여, 제1 공간의 평면도를 수정할 수 있다.

즉, 제3 장비수가 기준값 보다 큰 경우, 제1 공간의 평면도 상에서, 제1 구역에 제1 통신 장비가 표시되고, 제2 구역에 제2 통신 장비가 표시되어, 구역 별로 통신 장비들이 배치될 수 있다.

한편, 제3 장비수가 기준값 보다 작은 것으로 확인되면, 장치(300)는 제1 장비수가 제2 장비수 보다 큰지 여부를 확인할 수 있다.

제1 장비수가 제2 장비수 보다 큰 것으로 확인되면, 장치(300)는 제1 공간에서 통신 장비들이 배치될 위치를 기초로, 제1 구역에만 제1 통신 장비를 표시하고, 제2 구역에는 제2 통신 장비를 표시하지 않도록 하여, 제1 공간의 평면도를 수정할 수 있다.

제2 장비수가 제1 장비수 보다 큰 것으로 확인되면, 장치(300)는 제1 공간에서 통신 장비들이 배치될 위치를 기초로, 제2 구역에만 제2 통신 장비를 표시하고, 제1 구역에는 제1 통신 장비를 표시하지 않도록 하여, 제1 공간의 평면도를 수정할 수 있다.

즉, 제3 장비수가 기준값 보다 작은 경우, 제1 공간의 평면도 상에서, 제1 구역 및 제2 구역 중 어느 하나의 구역에만 통신 장비가 표시되어, 제1 공간에는 하나의 통신 장비만 배치될 수 있다.

도 7은 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.

일실시예에 따르면, 인공 신경망은 제1 인공 신경망 및 제2 인공 신경망 중 어느 하나일 수 있다. 여기서, 제1 인공 신경망은 수요사의 니즈에 대한 분석 결과를 입력 받은 후, 수요사에게 적합한 제품을 분석하여 출력하는 알고리즘이고, 제2 인공 신경망은 전산 장비들의 배치 위치가 표시되어 있는 평면도를 입력 받은 후, 전산 장비들의 배치 위치에 따라 통신 장비들의 배치 위치를 출력하는 알고리즘일 수 있다.

인공 신경망의 학습이 이루어지는 학습 장치는 인공지능 기반 IT 인프라 구축을 위한 자동 견적 생성 및 공급사 매칭 방법을 제공하는 장치(300)와 동일한 장치일 수도 있고, 별개의 장치일 수도 있다. 이하에서는 인공 신경망이 학습되는 과정을 설명한다.

먼저, S701 단계에서, 장치(300)는 인공 신경망에 입력할 입력을 생성할 수 있다. 이때, 장치(300)는 제1 인공 신경망에 입력하기 위해, 수요사의 니즈에 대한 분석 결과를 기초로 입력을 생성할 수 있고, 제2 인공 신경망에 입력하기 위해, 전산 장비들이 배치 위치가 표시되어 있는 공간의 평면도에 대한 데이터를 기초로 입력을 생성할 수 있다.

구체적으로, 장치(300)는 수요사의 니즈에 대한 분석 결과에 대해 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 수요사의 니즈에 대한 분석 결과를 제1 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제1 인공 신경망의 입력을 생성할 수 있다.

또한, 장치(300)는 평면도 데이터의 확장자 형식을 통일하고, 축적을 일치시키고, 해상도를 통일하고, 색상 정보에서 필요한 최소의 색상만을 남기는 등의 전처리를 수행하고, 전처리가 수행된 평면도 데이터를 제2 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 제2 인공 신경망의 입력을 생성할 수 있다.

S702 단계에서, 장치(300)는 인공 신경망에 입력을 적용할 수 있다. 이때, 장치(300)는 제1 인공 신경망의 입력을 생성한 경우, 제1 인공 신경망에 입력을 적용하고, 제2 인공 신경망의 입력을 생성한 경우, 제2 인공 신경망에 입력을 적용할 수 있다.

인공 신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 인공 신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다.

강화 학습에 따라 학습되는 인공 신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제1 인공 신경망은 제1 보상 및 제2 보상을 통해 갱신 및 최적화되고, 제2 인공 신경망은 제3 보상, 제4 보상, 제5 보상 및 제6 보상을 통해 갱신 및 최적화될 수 있다.

예를 들어, 제1 보상은 수요사의 니즈에 대한 분석 결과를 통해 수요사에게 적합한 제품을 선정할수록 높아질 수 있으며, 제2 보상은 수요사의 니즈에 대한 분석 결과를 통해 수요사에게 적합하지 않은 제품을 선정하지 않을수록 높아질 수 있다.

예를 들어, 제3 보상은 제1 공간에 배치될 통신 장비들이 통신 배선 상에 위치할수록 높아질 수 있으며, 제4 보상은 제1 공간에 배치될 통신 장비들이 제1 공간의 구역 별로 위치할수록 높아질 수 있으며, 제5 보상은 제1 공간에 배치될 통신 장비들이 제1 공간에 배치될 전산 장비와 인접하게 위치할수록 높아질 수 있으며, 제6 보상은 제1 공간에 배치될 통신 장비들이 차지하는 면적과 사용자 동선이 차지하는 면적을 비교하여, 서로 중복되는 면적이 최소화될수록 높아질 수 있다.

S703 단계에서, 장치(300)는 인공 신경망으로부터 출력을 획득할 수 있다.

제1 인공 신경망의 출력은, 수요사에게 적합한 제품에 대한 정보일 수 있다. 이때, 제1 인공 신경망은 수요사의 니즈에 대한 분석 결과를 통해 수요사에게 적합한 제품을 선정하고, 수요사의 니즈에 대한 분석 결과를 통해 수요사에게 적합하지 않은 제품이 선정되지 않도록 하여, 수요사에게 가장 적합한 제품에 대한 정보를 출력할 수 있다.

제2 인공 신경망의 출력은, 제1 공간에서 통신 장비들이 배치될 위치일 수 있다. 이때, 인공 신경망은 통신 장비들이 통신 배선 상에 위치하고, 통신 장비들이 구역 별로 위치하고, 통신 장비들이 전산 장비와 인접하게 위치하고, 통신 장비들이 차지하는 면적과 사용자 동선이 차지하는 면적이 겹치지 않도록 하여, 최적화된 통신 장비들의 배치 위치를 출력할 수 있다.

S704 단계에서, 장치(300)는 인공 신경망의 출력을 평가하여 보상을 지급할 수 있다.

제1 인공 신경망의 출력에 대한 평가는 제1 보상 및 제2 보상으로 나뉠 수 있다. 장치(300)는 수요사에게 적합한 제품을 선정할수록 제1 보상을 많이 수여하고, 수요사에게 적합하지 않은 제품이 선정되지 않을수록 제2 보상을 많이 수여할 수 있다.

제2 인공 신경망의 출력에 대한 평가는 제 3 보상, 제4 보상, 제5 보상 및 제6 보상으로 나뉠 수 있다. 장치(300)는 제1 공간에 배치될 통신 장비들이 통신 배선 상에 위치할수록 제3 보상을 많이 수여하고, 제1 공간에 배치될 통신 장비들이 제1 공간의 구역 별로 위치할수록 제4 보상을 많이 수여하고, 제1 공간에 배치될 통신 장비들이 제1 공간에 배치될 전산 장비와 인접하게 위치할수록 제5 보상을 많이 수여하고, 제1 공간에 배치될 통신 장비들이 차지하는 면적과 사용자 동선이 차지하는 면적을 비교하여, 서로 중복되는 면적이 최소화될수록 제6 보상을 많이 수여할 수 있다.

S705 단계에서, 장치(300)는 평가를 기초로 인공 신경망을 갱신할 수 있다.

장치(300)는 제1 인공 신경망이, 수요사에게 가장 적합한 제품을 설정하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 제1 인공 신경망을 갱신할 수 있다.

예를 들어, 장치(300)는 제1 수요사에게 적합한 제품으로 제1 제품을 선정한 것에 대해 문제가 있는 경우, 제1 제품을 선정한 것에 대해 문제가 있음을 나타내는 정보를 포함하는 제1 학습 데이터를 생성하고, 제1 학습 데이터를 제1 인공 신경망에 적용하여, 제1 수요사와 유사한 니즈를 가지는 수요사에게 적합한 제품으로 제1 제품이 선정되지 않도록, 제1 인공 신경망을 학습시키는 과정을 통해, 제1 인공 신경망을 갱신할 수 있다.

장치(300)는 제2 인공 신경망이, 통신 장비들이 통신 배선 상에 배치되고, 통신 장비들이 구역 별로 배치되고, 통신 장비들이 전산 장비와 인접하게 배치되고, 통신 장비들이 사용자 동선과 겹치지 않게 배치되도록 통신 장비들의 배치 위치를 설정하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 제2 인공 신경망을 갱신할 수 있다.

예를 들어, 장치(300)는 제1 공간에 배치될 제1 통신 장비를 통신 배선 상에 배치한 것에 대해 문제가 없는 경우, 통신 배선 상에 배치한 제1 통신 장비에 대해 문제가 없음을 나타내는 정보를 포함하는 제2 학습 데이터를 생성하고, 제2 학습 데이터를 제2 인공 신경망에 적용하여, 제1 통신 장비와 유사한 특성을 가지는 통신 장비들이 통신 배선 상에 배치되도록, 제2 인공 신경망을 학습시키는 과정을 통해, 제2 인공 신경망을 갱신할 수 있다.

한편, 정책을 최적화하는 과정은 보상들의 합의 기대값의 최대값 또는 Q-함수의 최대값을 추정하거나, Q-함수의 손실 함수(loss function)의 최소값을 추정하는 과정을 통해 이루어질 수 있다. 손실함수의 최소값의 추정은 확률적 경사하강법(stochastic gradient descent, SGD) 등을 통해 이루어질 수 있다. 정책을 최적화하는 과정은 이에 제한되는 것은 아니며, 강화 학습에서 사용하는 다양한 최적화 알고리즘들이 이용될 수 있다.

장치(300)는 상기와 같은 인공 신경망의 학습 과정을 반복함으로써, 인공 신경망을 점진적으로 갱신시킬 수 있다.

구체적으로, 장치(300)는 수요사에게 적합한 제품을 선정하는데 있어, IT 제품의 카테고리, 선호하는 브랜드, 납기 마감일, 사업분야, 세부사업분야, 용도, 접속인원, 필요용량, 백업 필요 여부, 사내 전산실 보유 여부, 예산, 기술지원서비스, 기타 등의 항목을 모두 고려하여, 수요사에게 가장 적합한 제품을 선정한 후, 제품에 대한 정보를 출력하는 제1 인공 신경망을 학습시킬 수 있다.

즉, 장치(300)는 수요사의 니즈에 대한 분석 결과를 통해, 수요사에게 적합한 제품을 분석할 때, 제1 보상, 제2 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제1 인공 신경망을 학습시킬 수 있다.

또한, 장치(300)는 정보통신 인프라 시공을 수행하기 위해 구조를 설계하는데 있어, 통신 장비들의 배치 위치를 최적화하여 정하는 목적에 부합하게, 제1 공간에서 통신 장비들의 배치 위치를 출력하는 제2 인공 신경망을 학습시킬 수 있다.

즉, 장치(300)는 통신 장비들의 배치 위치를 최적화하여 설정할 때, 제3 보상, 제4 보상, 제5 보상, 제6 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제2 인공 신경망을 학습시킬 수 있다.

도 8은 일실시예에 따른 장치의 구성의 예시도이다.

일실시예에 따른 장치(300)는 프로세서(310) 및 메모리(320)를 포함한다. 프로세서(310)는 도 1 내지 도 7을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 7을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(300)를 이용하는 자 또는 단체는 도 1 내지 도 7을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.

메모리(320)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(320)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

프로세서(310)는 프로그램을 실행하고, 장치(300)를 제어할 수 있다. 프로세서(310)에 의하여 실행되는 프로그램의 코드는 메모리(320)에 저장될 수 있다. 장치(300)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.

장치(300)는 인공 신경망을 학습시키거나, 학습된 인공 신경망을 이용하는데 사용될 수 있다. 메모리(320)는 학습 중인 또는 학습된 인공 신경망을 포함할 수 있다. 프로세서(310)는 메모리(320)에 저장된 인공 신경망 알고리즘을 학습시키거나 실행시킬 수 있다. 인공 신경망을 학습시키는 장치(300)와 학습된 인공 신경망을 이용하는 장치(300)는 동일할 수도 있고 개별적일 수도 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims

장치에 의해 수행되는, 인공지능 기반 IT 인프라 구축을 위한 자동 견적 생성 및 공급사 매칭 방법에 있어서,
제1 수요사 단말로부터 IT 인프라에 대한 견적 요청을 수신하는 단계;
상기 견적 요청을 통해 제1 수요사의 니즈를 분석하는 단계;
상기 제1 수요사의 니즈에 대한 분석 결과를 제1 인공 신경망에 적용하여, 상기 제1 인공 신경망의 출력을 기초로, 상기 제1 수요사에게 적합한 제품을 선정하는 단계;
상기 제1 수요사에게 적합한 제품으로 제1 제품이 선정되면, 상기 제1 제품의 공급이 가능한 공급사를 확인하는 단계;
상기 제1 제품의 공급이 가능한 공급사로 제1 공급사가 확인되면, 상기 제1 수요사 및 상기 제1 공급사를 매칭하는 단계;
상기 제1 공급사 및 상기 제1 제품에 기초하여, 견적서를 생성하는 단계; 및
상기 견적서를 상기 제1 수요사 단말로 전송하고, 상기 제1 제품에 대한 공급 요청을 제1 공급사 단말로 전송하는 단계를 포함하며,
상기 제1 수요사 및 상기 제1 공급사를 매칭하는 단계는,
상기 제1 제품의 공급이 가능한 공급사가 복수로 확인되면, 상기 제1 제품의 공급이 가능한 공급사들을 선별하여 제1 그룹으로 분류하는 단계;
상기 제1 그룹으로 분류된 공급사들 각각에서 제시한 상기 제1 제품의 공급 가격을 확인하여 비교하는 단계;
상기 제1 제품의 공급 가격을 비교한 결과, 상기 제1 공급사에서 제시한 공급 가격이 가장 낮은 것으로 확인되면, 상기 제1 수요사 및 상기 제1 공급사를 매칭하는 단계;
상기 제1 제품의 공급 가격을 비교한 결과, 복수의 공급사에서 제시한 공급 가격이 가장 낮으면서 동일한 것으로 확인되면, 상기 제1 제품의 공급 가격을 가장 낮게 제시한 공급사들을 선별하여 제2 그룹으로 분류하는 단계;
상기 제2 그룹으로 분류된 공급사들 각각의 평점을 확인하여 비교하는 단계;
상기 제2 그룹으로 분류된 공급사들의 평점을 비교한 결과, 상기 제1 공급사의 평점이 가장 높은 것으로 확인되면, 상기 제1 수요사 및 상기 제1 공급사를 매칭하는 단계;
상기 제2 그룹으로 분류된 공급사들의 평점을 비교한 결과, 상기 제1 공급사 및 제2 공급사의 평점이 가장 높으면서 동일한 것으로 확인되면, 상기 제1 수요사의 사업장 위치, 상기 제1 공급사의 창고 위치 및 상기 제2 공급사의 창고 위치를 확인하는 단계;
상기 제1 수요사의 사업장 위치와 상기 제1 공급사의 창고 위치 간의 거리인 제1 거리를 산출하고, 상기 제1 수요사의 사업장 위치와 상기 제2 공급사의 창고 위치 간의 거리인 제2 거리를 산출하는 단계;
상기 제1 거리 및 상기 제2 거리 간의 차이가 미리 설정된 기준 범위를 벗어나는지 여부를 확인하는 단계;
상기 제1 거리 및 상기 제2 거리 간의 차이가 상기 기준 범위를 벗어나는 것으로 확인되면, 상기 제1 거리가 상기 제2 거리 보다 짧은지 여부를 확인하는 단계;
상기 제1 거리가 상기 제2 거리 보다 짧은 것으로 확인되면, 상기 제1 수요사 및 상기 제1 공급사를 매칭하는 단계;
상기 제2 거리가 상기 제1 거리 보다 짧은 것으로 확인되면, 상기 제1 수요사 및 상기 제2 공급사를 매칭하는 단계;
상기 제1 거리 및 상기 제2 거리 간의 차이가 상기 기준 범위 내에 있는 것으로 확인되면, 상기 제1 공급사 및 상기 제2 공급사의 공급 내역에 기초하여, 상기 제1 수요사에게 제품을 공급한 이력이 있는 단골 공급사가 있는지 여부를 확인하는 단계;
상기 제1 공급사 및 상기 제2 공급사 중 단골 공급사가 하나 있는 것으로 확인된 경우, 상기 제1 공급사가 단골 공급사로 확인되면, 상기 제1 수요사 및 상기 제1 공급사를 매칭하고, 상기 제2 공급사가 단골 공급사로 확인되면, 상기 제1 수요사 및 상기 제2 공급사를 매칭하는 단계;
상기 제1 공급사 및 상기 제2 공급사 중 단골 공급사가 하나도 없는 것으로 확인되거나, 상기 제1 공급사 및 상기 제2 공급사 둘 다 단골 공급사로 확인된 경우, 상기 제1 공급사 및 상기 제2 공급사의 재고 내역에 기초하여, 상기 제1 제품에 대한 상기 제1 공급사의 재고량과 상기 제1 제품에 대한 상기 제2 공급사의 재고량을 확인하는 단계;
상기 제1 공급사의 재고량이 상기 제2 공급사의 재고량 보다 많은 것으로 확인되면, 상기 제1 수요사 및 상기 제1 공급사를 매칭하는 단계; 및
상기 제2 공급사의 재고량이 상기 제1 공급사의 재고량 보다 많은 것으로 확인되면, 상기 제1 수요사 및 상기 제2 공급사를 매칭하는 단계를 포함하는,
인공지능 기반 IT 인프라 구축을 위한 자동 견적 생성 및 공급사 매칭 방법.
삭제
삭제