KR102451735B1 - 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템 및 방법 - Google Patents

인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템 및 방법 Download PDF

Info

Publication number
KR102451735B1
KR102451735B1 KR1020210132653A KR20210132653A KR102451735B1 KR 102451735 B1 KR102451735 B1 KR 102451735B1 KR 1020210132653 A KR1020210132653 A KR 1020210132653A KR 20210132653 A KR20210132653 A KR 20210132653A KR 102451735 B1 KR102451735 B1 KR 102451735B1
Authority
KR
South Korea
Prior art keywords
information
company
bid
requirements
artificial intelligence
Prior art date
Application number
KR1020210132653A
Other languages
English (en)
Inventor
김만기
Original Assignee
김만기
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 김만기 filed Critical 김만기
Priority to KR1020210132653A priority Critical patent/KR102451735B1/ko
Priority to PCT/KR2022/014338 priority patent/WO2023058973A1/ko
Application granted granted Critical
Publication of KR102451735B1 publication Critical patent/KR102451735B1/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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Accounting & Taxation (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Strategic Management (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템 및 방법을 개시한다. 본 발명은 국내 기업들이 국제 입찰 요건에 부합하는 기업정보와 해외 조달 발주처의 조달 정보로부터 수집된 입찰정보를 인공지능 기반의 적합도 분석 모델을 이용하여 매칭시켜 해당 기업에 적합한 최적의 입찰정보를 제공할 수 있다.

Description

인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템 및 방법{SERVICE SYSTEM AND METHOD FOR PROVIDING CUSTOMIZED BIDDING INFORMATION FOR OVERSEAS PUBLIC PROCUREMENT BASED ON ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING}
본 발명은 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템 및 방법에 관한 발명으로서, 더욱 상세하게는 국내 기업들이 국제 입찰 요건에 부합하는 기업정보와 해외 조달 발주처의 조달 정보로부터 수집된 입찰정보를 인공지능 기반의 적합도 분석 모델을 이용하여 매칭시켜 해당 기업에 적합한 최적의 입찰정보를 제공하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템 및 방법에 관한 것이다.
공공조달(Public Procurement)은 정부 부처나 공공 기관이 공적자금(Public Fund)를 기반으로 조달규정(Procurement Regulations)을 통해 공공의 이익(Public's Interests)을 위하여 상품(Goods), 서비스(Services), 공사(Works)를 구매하는 것을 말한다.
이러한 공공조달 시장은 국제기구 및 국가의 정부정책을 뒷받침하는 '전략적 지속가능 공공조달(SSPP: Strategic Stainable Public Procurement, OECD 주요 선진국을 중심으로 국내총생산(GDP)의 15% 내외를 차지하는 공공조달 예산을 전략적으로 활용해 기술혁신, 사회적 가치 실현, 지속 가능성을 전략적으로 지원)'의 핵심적인 경제 활동분야이다.
또한, 공공조달에 참여하려는 기업은 사전에 필수적으로 취급 제품에 대해 진단과 분석 검토가 실행돼야 한다.
또한, 검토 결과에 따라 직접 생산증명확인, 물품등록, MAS(Multiple Award Schedule)계약, 공공조달과 관련한 제반 등록업무 등과 같이 많은 업무를 실행해야 한다.
또한, 취급제품과 관련하여 미 해당 등록업무나 필수요건의 선후관계 등록절차는 사전에 인지해 적절히 대처해야 하고, 특허나 성능인증, NET, NEP, GS 인증 등이 선택적 필수 사항으로 추가될 수 있다.
한편, UN과 같은 국제기구와 세계은행, 아시아 개발은행 등과 같은 다자개발은행들로 구성되어 있는 국제 공공조달 시장은 약 6조 달러 규모의 공공 조달시장을 형성하고 있으며, 특히 UN이 발주하는 공공조달 시장규모는 1년에 22조원 이상을 구매하고 있다.
그러나 대한민국 기업들은 국제 공공조달 시장에서 매우 낮은 점유율을 보이고 있다.
2020년 기준으로 대한민국 기업이 UN의 조달 시장에서 수주한 금액은 약 1억6천만 달러로서, UN의 조달 시장 규모에서 약 1.3%의 점유율을 차지해 매우 낮은 수준이다.
이러한 낮은 점유율의 주요 원인은 해외 공공조달 시장이 국내의 공공조달 시장과 대비하여 영어로 공지되는 UN, 유니세프, 세계은행, 아시아 개발은행, 미국 정부, EU 등과 같이 다양한 발주처들로부터 공지되는 입찰공고의 입수 어려움과, 매일 공지되는 대량의 입찰공고 중에서 각 기업에 적합한 공고를 선별하지 못하는 문제점이 있다.
또한, 기업의 경영자와 해외 사업관리자의 역량 부족, 국제 입찰 관련 사업의 진행을 위한 제안요청서(Request for Proposal, RFP)의 조사·분석과 제안서 작성을 위한 전문 인력부족과 입찰 관련 인력과 경험의 부족 등이 있다.
한국 등록특허공보 등록번호 제10-1517966호(발명의 명칭: 입찰 참여 분석 서비스 제공 방법)
이러한 문제점을 해결하기 위하여, 본 발명은 국내 기업들이 국제 입찰 요건에 부합하는 기업정보와 해외 조달 발주처의 조달 정보로부터 수집된 입찰정보를 인공지능과 기계학습 기반의 적합도 분석 모델을 이용하여 매칭시켜 해당 기업에 적합한 최적의 입찰정보를 제공하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템 및 방법을 제공하는 것을 목적으로 한다.
상기한 목적을 달성하기 위하여 본 발명의 일 실시 예는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템으로서, 인공지능 기반의 적합도 분석 모델을 이용하여 수요기업 데이터베이스에 저장된 국제 입찰 요건에 부합하는 기업별 프로파일정보와, 입찰공고 데이터베이스에 저장된 발주처별 입찰공고의 메타정보를 비교하여 기업에 적합한 하나 이상의 입찰공고를 추출하여 해당 기업과 매칭시키되, 상기 프로파일정보와 메타정보 간의 공통 정보에 기초한 매칭 적합도를 평가하여 기업에 적합한 최적의 입찰공고를 추출하는 적합도 분석 서버;를 포함한다.
또한, 상기 실시 예에 따른 적합도 분석 서버는 기업으로부터 제공된 기업별 기업분석정보, 제품분석정보, 재무분석정보, 입찰환경정보 및 기업역량정보를 관리하는 기업정보 관리부; 하나 이상의 발주처 단말과 접속하여 입찰공고정보를 수신하고, 상기 수신된 입찰공고정보를 일반규정, 특별규정 및 사양(Spec)으로 구분하여 발주처별로 입찰공고정보를 관리하는 입찰공고 관리부; 및 상기 인공지능 기반의 적합도 분석 모델을 이용하여 상기 프로파일정보부터 추출한 하나 이상의 기업 키워드와, 상기 기업 키워드에 대응하여 발주처별 입찰공고에서 검색한 하나 이상의 단어 또는 문장을 매핑시켜 발주처에서 요구되는 입찰조건에 대한 매칭 적합도를 분석 및 평가하고, 평가된 매칭 적합도의 산출 값을 기반으로 기업에 적합한 최적의 입찰공고를 추출하며, 상기 추출된 입찰공고를 해당 기업과 매칭시켜 기업 단말로 전송하는 적합도 분석부;를 포함하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 적합도 분석부는 기업별 프로파일정보와 입찰공고 관리부를 통해 수집된 입찰공고의 메타 정보를 매핑하여 프로파일정보와 메타정보 간의 공통 정보에 기초한 매칭 적합도를 기반으로 기업에 적합한 입찰공고를 추출하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 적합도 분석부는 추출된 하나 이상의 입찰공고를 수치화된 정보와 함께 상기 기업 단말로 전송하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 적합도 분석부는 학습 에이전트를 포함하되, 상기 학습 에이전트는 상기 인공지능 기반의 적합도 분석 모델이 사용 단어 또는 문장에 대하여 발주처별로 최적의 해석 및 의도(intention) 정보를 결정하도록 학습된 것을 특징으로 한다.
또한, 상기 실시 예에 따른 매칭 적합도의 산출 값은 하기식 E = x(y1 + y2 + y3) - 여기서, E는 매칭 적합도의 산출 값, x는 상수(Constant)인 발주기관의 평가항목이며, 변수(Variable)인 기업이 발주기관의 정량화된 항목별 요구조건에 대한 값으로 y1은 발주처 일반규정(General Terms and Conditions)의 요구사항에 대한 정형화된 값, y2는 발주처 특별규정(Special Terms and Conditions)의 요구사항에 대한 정형화된 값, y3는 발주처 기술적 사양(Technical Specification)의 요구사항에 대한 정형화된 값 임- 으로부터 산출되는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 수요기업 데이터베이스는 기업별로 기업분석정보, 제품분석정보, 재무분석정보, 입찰환경정보 및 기업역량정보 중 하나 이상을 포함한 프로파일정보를 저장하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 입찰공고 데이터베이스는 발주처별로 입찰공고와 상기 입찰공고에 기반하여 입찰조건을 포함한 메타정보를 저장하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 인공 지능 기반의 적합도 분석 모델은 상기 입찰 공고에 포함된 최소 자격 및 품질 기준(Minimum Eligibility and Qualification Criteria)의 요구사항을 기반으로 매칭 적합도를 평가하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 인공 지능 기반의 적합도 분석 모델은 상기 입찰 공고에 포함된 기술 및 재무 가중치, 기술 평가 기준(Technical Evaluation Criteria)의 요구사항을 기반으로 매칭 적합도를 평가하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 인공지능 기반의 적합도 분석 모델은 국제 입찰 요건에 부합하는 기업별 프로파일정보 중에서 기업 키워드로 '자격(eligibility)'을 추출하고, 이에 대응하여 발주처 입찰공고의 요구사항 중에서 '자격(eligibility)'과 관련된 문장을 추출하고, 추출된 요구사항 중에서 관련 문장을 기업 키워드의 '자격'과 관련된 기업의 상세 조건 정보와 맞추어 기업과 발주처 간의 공통 정보를 추출하는 것을 특징으로 한다.
또한, 본 발명의 일 실시 예는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 방법으로서, a) 적합도 분석 서버가 인공지능 기반의 적합도 분석 모델을 이용하여 수요기업 데이터베이스에 저장된 국제 입찰 요건에 부합하는 기업별 프로파일정보와, 입찰공고 데이터베이스에 저장된 발주처별 입찰공고의 메타정보를 비교하여 기업에 적합한 하나 이상의 입찰공고를 추출하여 해당 기업과 매칭시키되, 상기 프로파일정보와 메타정보 간의 공통 정보에 기초한 매칭 적합도를 평가하여 기업에 적합한 최적의 입찰공고를 추출하는 단계; 및 b) 상기 적합도 분석 서버가 추출된 입찰공고를 기업별 기업 단말로 전송하는 단계;를 포함한다.
또한, 상기 실시 예에 따른 a)단계는 a-1) 적합도 분석 서버가 인공지능 기반의 적합도 분석 모델을 이용하여 상기 프로파일정보부터 하나 이상의 기업 키워드를 추출하는 단계; a-2) 상기 적합도 분석 서버가 추출된 기업 키워드에 대응하여 발주처별 입찰공고정보에서 검색한 하나 이상의 단어 또는 문장을 매핑시켜 발주처에서 요구되는 입찰조건에 대한 매칭 적합도를 평가하는 단계; 및 a-3) 상기 적합도 분석 서버가 평가된 매칭 적합도의 산출 값을 기반으로 기업에 적합한 최적의 입찰공고를 추출하는 단계;를 포함하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 a-2) 단계는 적합도 분석 서버가 발주처별로 최적의 해석 및 의도(intention) 정보를 결정하도록 학습된 학습 에이전트를 이용하여 사용 단어 또는 문장을 검색하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 매칭 적합도의 산출 값은 하기식 E = x(y1 + y2 + y3) - 여기서, E는 매칭 적합도의 산출 값, x는 상수(Constant)인 발주기관의 평가항목이며, 변수(Variable)인 기업이 발주기관의 정량화된 항목별 요구조건에 대한 값으로 y1은 발주처 일반규정(General Terms and Conditions)의 요구사항에 대한 정형화된 값, y2는 발주처 특별규정(Special Terms and Conditions)의 요구사항에 대한 정형화된 값, y3는 발주처 기술적 사양(Technical Specification)의 요구사항에 대한 정형화된 값 임- 으로부터 산출되는 것을 특징으로 한다.
또한, 본 발명에 따른 일 실시 예는 a') 상기 적합도 분석 서버가 기업별로 수집된 기업분석정보, 제품분석정보, 재무분석정보, 입찰환경정보 및 기업역량정보 중 하나 이상을 포함한 프로파일정보를 수요기업 데이터베이스에 저장하는 단계를 더 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 일 실시 예는 a") 상기 적합도 분석 서버가 하나 이상의 발주사 단말로부터 수집된 메타정보를 포함한 입찰공고와, 상기 입찰공고를 일반규정, 특별규정 및 사양(Spec)으로 구분하여 발주처별로 입찰공고 데이터베이스에 저장하는 단계를 더 포함하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 인공 지능 기반의 적합도 분석 모델은 상기 입찰 공고에 포함된 최소 자격 및 품질 기준(Minimum Eligibility and Qualification Criteria)의 요구사항을 기반으로 매칭 적합도를 평가하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 인공지능 기반의 적합도 분석 모델은 국제 입찰 요건에 부합하는 기업별 프로파일정보 중에서 기업 키워드로 '자격(eligibility)'을 추출하고, 이에 대응하여 발주처 입찰공고의 요구사항 중에서 '자격(eligibility)'과 관련된 문장을 추출하고, 추출된 요구사항 중에서 관련 문장을 기업 키워드의 '자격'과 관련된 기업의 상세 조건 정보와 맞추어 기업과 발주처 간의 공통 정보를 추출하는 것을 특징으로 한다.
본 발명은 국내 기업들이 국제 입찰 요건에 부합하는 기업별 프로파일정보와 해외 조달 발주처의 조달정보로부터 수집된 메타정보를 포함한 입찰정보를 인공지능 기반의 적합도 분석 모델을 이용하여 평가한 매칭 적합도에 통해 해당 기업에 적합한 최적의 입찰정보를 제공함으로써, 해외 발주기관의 공공조달 사업에 대한 기업의 해외 입찰 참여도와 성공률을 증가시킬 수 있는 장점이 있다.
또한, 본 발명은 기업별로 해외 공공조달에 필수적으로 필요한 자격심사(Eligibility) 및 적합성(Suitability)를 포함한 입찰공고를 제공받을 수 있는 장점이 있다.
또한, 본 발명은 다양한 발주처들의 입찰공고와 개별 기업들의 특성을 기반으로 입찰공고를 제공함으로써, 낙찰 성공률을 증가시킬 수 있는 장점이 있다.
또한, 본 발명은 기업이 속한 산업이나 제품들에 대한 국제 공공조달 시장의 요구사항을 파악하여 시장 수요에 맞는 제품의 기능 개선에 활용할 수 있는 장점이 있다.
도1은 본 발명의 일 실시 예에 따른 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템의 구성을 나타낸 예시도.
도2는 도1의 실시 예에 따른 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템의 적합도 분석 서버를 나타낸 블록도.
도3은 본 발명의 일 실시 예에 따른 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 방법을 설명하기 위해 나타낸 흐름도.
도4는 도3의 실시 예에 따른 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 방법의 적합도 분석 과정을 설명하기 위해 나타낸 흐름도.
이하에서는 본 발명의 바람직한 실시 예 및 첨부하는 도면을 참조하여 본 발명을 상세히 설명하되, 도면의 동일한 참조부호는 동일한 구성요소를 지칭함을 전제하여 설명하기로 한다.
본 발명의 실시를 위한 구체적인 내용을 설명하기에 앞서, 본 발명의 기술적 요지와 직접적 관련이 없는 구성에 대해서는 본 발명의 기술적 요지를 흩뜨리지 않는 범위 내에서 생략하였음에 유의하여야 할 것이다.
또한, 본 명세서 및 청구범위에 사용된 용어 또는 단어는 발명자가 자신의 발명을 최선의 방법으로 설명하기 위해 적절한 용어의 개념을 정의할 수 있다는 원칙에 입각하여 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다.
본 명세서에서 어떤 부분이 어떤 구성요소를 "포함"한다는 표현은 다른 구성요소를 배제하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
또한, "‥부", "‥기", "‥모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는 그 둘의 결합으로 구분될 수 있다.
또한, "적어도 하나의" 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다.
또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시 예에 따라 변경가능하다 할 것이다.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시 예에 따른 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템 및 방법의 바람직한 실시예를 상세하게 설명한다.
도1은 본 발명의 일 실시 예에 따른 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템의 구성을 나타낸 예시도이고, 도2는 도1의 실시 예에 따른 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템의 적합도 분석 서버를 나타낸 블록도이다.
도1 및 도2를 참조하면, 본 발명의 일 실시 예에 따른 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템은, 국내 기업이 국제 입찰 요건에 부합하는 기업정보와 해외 조달 발주처의 조달 정보로부터 수집된 입찰정보를 인공지능 기반의 적합도 분석 모델을 이용하여 분석한다.
또한, 본 발명의 일 실시 예에 따른 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템은 분석된 입찰정보와 기업의 프로파일정보를 매칭시켜 해당 기업에 가장 적합한 입찰정보를 추출하여 제공할 수 있다.
이를 위해 본 발명의 일 실시 예에 따른 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템은 적합도 분석 서버(100)와, 수요기업 데이터베이스(200)와, 입찰공고 데이터베이스(300)를 포함하여 구성될 수 있다.
적합도 분석 서버(100)는 수요기업 데이터베이스(200)에 저장된 기업의 프로파일정보 또는 기업별 프로파일정보와 입찰공고 데이터베이스(300)에 저장된 발주처별 입찰공고를 인공지능 기반의 적합도 분석 모델을 이용하여 분석한다.
적합도 분석 서버(100)는 기업의 프로파일정보와, 입찰공고 및 입찰공고에 포함된 메타정보를 비교하여 기업에 적합한 하나 이상의 입찰공고를 추출할 수 있다.
또한, 적합도 분석 서버(100)는 프로파일정보와 메타정보 간의 공통 정보에 기초한 매칭 적합도를 평가하여 기업에 적합한 최적의 입찰공고를 추출할 수 있다.
매칭 적합도는 국제 입찰 요건에 부합하는 기업의 프로파일정보와, 해외 조달 발주처의 입찰공고로부터 수집된 입찰조건 또는 요구사항을 맞추어 기업의 프로파일정보와 발주처의 입찰공고 사이의 공통 정보를 추출하고, 추출된 공통 정보에 기반하여 평가한 결과를 수치적으로 변환한 값이다.
적합도 분석 서버(100)는 평가된 매칭 적합도의 산출 값을 기반으로 기업의 프로파일정보에 가장 적합한 입찰공고, 즉 가장 높은 매칭 결과 값을 갖는 입찰공고를 추출하여 제공할 수 있다.
이를 위해 적합도 분석 서버(100)는 기업정보 관리부(110)와, 입찰공고 관리부(120)와, 적합도 분석부(130)를 포함하여 구성될 수 있다.
기업정보 관리부(110)는 기업으로부터 제공된 프로파일정보를 분석 및 관리한다. 프로파일정보는 예를 들어, 기업분석정보, 제품분석정보, 재무분석정보, 입찰환경정보 및 기업역량정보 등을 포함한 기업평가 정보일 수 있다.
즉, 기업정보 관리부(110)는 회사정보(company information), 제품정보(product information), 인증정보(Certifications), 환경 인증(Environmental Certification), ESG 컴플라이언스(ESG Compliance), 제품 생산력(Production capability), HRM(Human Resources Management), 과거 성과(Past Performance), 수익(Revenue), 재정(Financial), 제품포장(product packing), 물류(logistic), 공급망 관리(Supply Chain Management), 원산지(Origin), 생산지(manufacturing location), 엔티티 기술(Entity Description), 국제기구 조달시스템에 등록된 공급망 관리 밴더(SCM Vendor registration), 기업역량(capability statement), 배송(delivery), 회사연혁(corporate history), 배제사항(exclusions), 자격(Eligibility), 이해관계 충돌(Conflict of interest), 수행실적(Performance record), 소송(Litigation), 재정상태(Financial Standing), 사회적 책임(Social Responsibility) 등과 관련된 기업의 프로파일정보를 입력받아 수요기업 데이터베이스(200)에 저장되도록 한다.
또한, 관련된 기업의 프로파일정보는 미리 설정된 평가기준과 비교하여 임의의 값인 평가 결과로 저장될 수 있다.
회사정보(company information)는 회사명(현재 회사명, 이전 회사명), 주소(국내 주소, 해외 주소), 등록 확인서(registration certification), 대표자 성명, 대표자 범죄 기록, 핵심 요약서(executive summary), 설립년도, 임직원수, 기업 형태(entity type)(법인, 개인(sole individual), 상장회사(Publicly listed), 공공기관(Public Entity))를 포함할 수 있다.
제품정보(product information)는 핵심 능력, 주요 제품(제품 HS 코드, 제품 NAIS, 제품 CVC 코드, 제품 US 코드)를 포함할 수 있다. 주요 제품은 예를 들어 최대 20개의 아이템까지 포함할 수 있다.
인증정보(Certifications)는 ISO, FDA 승인, CE(Communaute Europeenne), 대한민국 FDA 인증, UL, 기타 인증, GMP 인증을 포함할 수 있다. 환경 인증(Environmental Certification)은 녹색 ISO 인증(Green ISO certification)을 포함할 수 있다.
ESG 컴플라이언스(ESG Compliance)는 환경 유공자(Environmental Merit), 사회적 유공자(Social merit), 정부 컴플라이어스를 포함할 수 있다.
엔티티 기술(Entity Description)은 LLC/INC/CO/Trust와 Private/Public을 포함할 수 있다.
국제기구 조달시스템에 등록된 공급망 관리 밴더(SCM Vendor registration)는 SAM, UNGM, UNBD, TED, MDBs (registration and active code)를 포함할 수 있다.
자격(Eligibility)은 법률자격(legal qualification), 범죄기록(criminal record), 파산(Bankruptcy)을 포함할 수 있다.
이해관계 충돌(Conflict of interest)은 과거 처벌사항, 처벌 기관명, 처벌 타입, 처벌기간을 포함할 수 있다.
또한, 기업정보 관리부(110)는 수요기업 데이터베이스(200)에 저장된 프로파일정보를 키워드, HS Code, 산업분류 등으로 구분하여 저장할 수도 있다.
또한, 기업정보 관리부(110)는 프로파일정보를 일정 시간주기로 수신하거나 별도의 요청에 의해 수신하여 정보 변경이 발생되면, 이를 반영하여 저장될 수 있도록 관리한다.
또한, 기업정보 관리부(110)는 서비스 대상 기업 정보 조회, 산업분류, 제공 서비스 유형, 정보 취합 수준 등 조건별 기업 현황, 조회 및 집계, 서비스 대상 기업 정보 입력/수정/삭제, 산업분류, 제공 서비스 유형 및 기타 입찰 공고 탐색에 유의미한 정보의 입력/수정/삭제 등을 수행할 수 있다.
입찰공고 관리부(120)는 네트워크를 통해 접속된 발주처로부터 메타정보를 포함한 입찰공고를 수신하되, 공공조달 사이트에서 제공하는 고유 코드체계 조회 및 관리, 코드 및 분류 체계별 호환 규칙 조회 및 관리 등을 수행할 수 있다.
이를 위해, 입찰공고 관리부(120)는 발주처 단말(310), 발주처 단말 1(311) 내지 발주처 단말 n(312)과 접속할 수 있다.
여기서, 발주처는 US 등의 외국 정부기관, UN, UNESCO, WHO, OECD, EP 등의 국제기구, 세계은행, 아시아개발은행, 아프리카개발은행 등의 다자개발은행일 수 있다.
또한, 입찰공고 관리부(120)는 발주기관 및 발주기관별 하위기관, 발주기관에서 제공하는 각종 업무 도메인 (물품/서비스 등), 일자 (공고일, 마감일), 수집 서버 분류 (RSS, OpenAPI, 웹스크래핑), 수집된 검색 결과에 대한 통계 등을 수행할 수 있다.
또한, 입찰공고 관리부(120)는 일정 시간주기마다 RPA(Robotic Process Automation) 또는 API(Application Programming Interface)를 이용하여 입찰공고를 수신할 수 있도록 인공지능 기반의 입찰공고 검색 모델을 포함하여 구성될 수 있다.
즉, 입찰공고 관리부(120)는 일정 주기(24시간 등)로 공공조달 입찰 공고 사이트에 접속하여, 해당 사이트에서 제공하는 방식에 따라 RSS, openAPI, 웹 스크래핑 방식으로 데이터를 수집하고, 이미 저장된 기존의 입찰공고와 비교하여 변경되는 부분을 입찰공고 데이터베이스(300)에 저장할 수 있다.
또한, 입찰공고 관리부(120)는 XML 또는 JSON 과 같은 구조화된 오브젝트로 발주처(또는 발주기관)에서 제공하는 정형 데이터와 공고에서 제공하는 링크를 통하여 접근이 가능한 PDF, Word 와 같은 비정형 데이터를 모두 포함한 입찰공고정보를 검색 및 수집할 수 있다.
여기서, 정형 데이터는 사전에 정의된 관계형 데이터베이스 관리 시스템(Relational Database Management System, RDBMS)의 테이블에 저장할 수 있고, 구조화된 정보를 제공할 수도 있다.
또한, 비정형 데이터는 서버의 파일시스템으로 저장하되, 관계형 데이터베이스 관리 시스템에서 참조 가능할 수 있도록 구조화될 수 있다.
또한, 구조화된 데이터에서 입찰공고 탐색에 유의미한 주요 키워드 식별 및 추출을 수행할 수도 있고, 정제된 내용의 정합성을 확인하고 수정하기 위한 사용자 화면을 제공할 수도 있다.
또한, 입찰공고 관리부(120)는 동시에 여러 사이트에 접속하고, 다양한 비정형데이터를 수집할 경우, 부하가 발생될 수 있으므로 수집 가능한 공공조달 사이트, 다운 받는 문서의 종류 제한 등 적정한 수준을 정의하여 수집할 수도 있다.
또한, 입찰공고 관리부(120)는 서버 시스템으로 구성될 수도 있고, 이때 관계형 데이터베이스 관리 시스템과 분리하여 구축될 수 있으며, 취합된 자료는 일정 주기(24시간 등)에 따라 관계형 데이터베이스 관리 시스템 서버로 백업될 수도 있다.
또한, 입찰공고 관리부(120)는 공공조달 사이트별 수집 시스템 동작 규칙, 공공조달 사이트별 요구되는 데이터 수집 규칙과 구조화, 공공조달 사이트별 구동 주기 및 방법 관리를 위해 웹을 통한 수집 및 관리를 수행할 수도 있다.
또한, 수집 시스템 작업 현황 모니터링 및 로그 확인, 웹을 통한 입찰 공고 DBMS 관리 화면 제공, DBMS 및 테이블 조회 및 현황 검색, 웹을 통한 입찰 공고 파일시스템 관리 화면 제공, 스토리지용 서버 용량 및 잔여 가용 용량 등 정보 확인을 수행할 수도 있다.
또한, 입찰공고 관리부(120)는 비지도 학습 기반 인공지능 기반의 입찰공고 검색 모델을 이용하여 수신된 입찰공고정보를 분석하고, 해당 발주처의 일반규정, 특별규정 및 사양(Spec) 등으로 구분하여 발주처별로 입찰공고의 요구사항을 추출하며, 추출 결과는 입찰공고 데이터베이스(300)에 저장될 수 있도록 관리한다.
이에 따라, 입찰공고 관리부(120)는 하나의 입찰공고에 대하여 해당 입찰공고 외에도 해당 발주처의 일반규정, 특별규정 및 사양(Spec)에서의 종합적인 입찰조건(또는 요구사항)을 추출할 수 있다.
이러한 입찰조건(또는 요구사항)들은 해당 입찰공고 외에도 해당 발주처의 일반규정, 특별규정 및 사양(Spec)을 구성하고 있는 단어들과 문장을 인공지능 기반의 자연어 처리 프로그램을 이용하여 추출될 수 있다.
발주처별 입찰공고는 최소 자격 및 품질 기준(Minimum Eligibility and Qualification Criteria), 기술 및 재무 가중치, 기술 평가 기준(Technical Evaluation Criteria)에 대한 다양한 요구사항을 포함할 수 있다.
적합도 분석부(130)는 기업 및 입찰공고를 분류하고, 비지도학습 기반 인공지능 기반의 적합도 분석 모델을 적용하여 기업 특성 관련 프로파일정보를 분류 및 조정할 수 있으며, 공공조달 입찰공고에 포함된 메타정보, 입찰조건 등의 특성을 분류 및 조정할 수 있다.
또한, 적합도 분석부(130)는 기업별 프로파일정보와 입찰공고 관리부(120)를 통해 확보된 입찰공고의 메타정보를 통합하여 기업-입찰공고 테이블로 매핑시켜 매칭 대상 입찰공고들의 목록을 추출할 수도 있다.
또한, 적합도 분석부(130)는 분류된 입찰공고 목록을 기반으로 기업에 적합한 입찰공고를 추출하여 기업과 매칭시킬 수 있다.
즉, 기업별로 추천하는 맞춤형 입찰공고 또는 순위화된 입찰공고 목록을 수치화된 정보와 함께 제공하고, 기업의 대상 정보와 내용을 확인 및 필터링하여 결과로 취합하며, 필터링 정보에 대해 기업-입찰공고를 테이블로 매핑하여 반영할 수도 있다.
또한, 적합도 분석부(130)는 기업별 최종 매칭 정보, 예를 들어 기업-입찰공고로 매칭된 결과의 조회 및 조건별 검색과, 기업별 최종 매칭 정보를 배포 가능한 형태(예를 들어, XML 및 관련 UIRL 링크 포함)로 생성 또는 변환하여 파일 시스템 등으로 다운로드할 수도 있다.
또한, 적합도 분석부(130)는 인공지능 기반의 적합도 분석 모델을 이용하여 기업별 프로파일정보부터 추출한 하나 이상의 기업 키워드와, 상기 기업 키워드에 대응하여 발주처별 입찰공고 또는 메타정보에서 검색한 하나 이상의 단어 또는 문장을 매핑시켜 발주처에서 요구되는 입찰조건에 대한 기업의 매칭 적합도를 평가할 수 있다.
즉, 적합도 분석부(130)는 인공지능 기반의 적합도 분석 모델을 통해, 국제 입찰 요건에 부합하는 기업별 프로파일정보 중에서 기업 키워드로 예를 들어, '자격(eligibility)'을 추출하면, 이에 대응하여 발주처 입찰공고의 입찰조건(또는 요구사항) 중에서 '자격(eligibility)'과 관련된 문장을 추출한다.
또한, 적합도 분석부(130)는 추출된 요구사항 중에서 관련 문장을 기업 키워드의 '자격'과 관련된 기업의 상세 조건 정보와 맞추어 기업과 발주처 간의 공통 정보를 추출한다.
또한, 적합도 분석부(130)는 '자격'뿐만 아니라, 'Product Code (Service/Goods/Works)', 'Deadline ', 'Type of Tender', 'Content of line item', 'Quantity/Unit of line item', 'Legal Qualification', 'Exclusion', 'Delivery requirement', 'Duty /Tax', 'Delivery locations', 'product certification', 'ISO certification', 'Green Procurement', 'Product Specification', 'Product Specification', 'Product Specification', ' packing', 'Hazard' 등 다양한 기업 키워드와 발주처의 요구사항을 매칭시켜 공통 정보를 추출할 수 있다.
여기서, 'Product Code (Service/Goods/Works)'는 HS, UN 공급 코드(UN Supply code), NAICS 코드, CVS를 포함할 수 있다.
'Deadline '은 30일 이상, 30일 이하, 15 ~ 30일, 5 ~ 14일, 5일 이하 등으로 세분화될 수 있다.
'Type of Tender'는 EOI, RFI, RFQ, RFP, ITB, Shopping으로 구분될 수 있다.
'Content of line item'는 Service/Goods/Works로 세분화될 수 있다.
'Quantity/Unit of line item'은 Service/Goods/Works로 세분화될 수 있다.
'Legal Qualification'은 법인, 비영리 법인, 개인으로 세분화될 수있다.
'Exclusion'은 재무적 제외, 부도, 사회적 책임, 기간경과 세금/부과, 소송 등으로 세분화될 수 있다.
또한, 적합도 분석부(130)는 상기 'Product Code (Service/Goods/Works)', 'Deadline ', 'Type of Tender', 'Content of line item', 'Quantity/Unit of line item', 'Legal Qualification', 'Exclusion', 'Delivery requirement', 'Duty /Tax', 'Delivery locations', 'product certification', 'ISO certification', 'Green Procurement', 'Product Specification', 'Product Specification', 'Product Specification', ' packing', 'Hazard' 등의 매칭 결과를 기초로 매칭 적합도를 산출할 수 있다.
매칭 적합도는 국제 입찰 요건에 부합하는 기업별 프로파일정보와, 해외 조달 발주처의 메타정보를 포함한 입찰공고로부터 수집된 입찰조건(또는 요구사항)을 매핑시켜 기업과 발주처 간의 공통 정보를 추출하고, 추출된 공통 정보를 기반으로 한 매핑한 결과를 수치적으로 변환한 값이다.
여기서, 매칭 적합도는 하기식으로부터 산출할 수 있다.
Figure 112021114771525-pat00001
여기서, E는 매칭 적합도의 산출 값, x는 상수(Constant)인 발주기관의 평가항목이며, 변수(Variable)인 기업이 발주기관의 정량화된 항목별 요구조건에 대한 값으로 y1은 발주처 일반규정(General Terms and Conditions)의 요구사항에 대한 정형화된 값, y2는 발주처 특별규정(Special Terms and Conditions)의 요구사항에 대한 정형화된 값, y3는 발주처 기술적 사양(Technical Specification)의 요구사항에 대한 정형화된 값이다.
즉, 적합도 분석부(130)의 적합도 분석 모델은 변하지 않는 값인 기업별 프로파일정보의 평가정보를 상수로 설정하고, 발주처와 입찰공고별로 상이한 값인 요구사항을 변수로 설정하여 계산함으로써, 기업의 프로파일정보와 발주처의 메타정보를 포함하는 입찰공고 사이의 맞춤 결과를 수치적으로 계산할 수 있다
또한, 적합도 분석부(130)는 인공지능 기반의 적합도 분석 모델이 발주처별로 사용한 단어 또는 문장에 대하여 최적의 해석 및 의도(intention) 정보를 결정하도록 학습된 학습 에이전트를 포함하여 구성될 수 있다.
이를 위해, 학습 에이전트는 동일한 단어일지라도 주어진 환경 또는 조건에 따라 단어의 해석을 차별화함으로써, 발주처별로 동일한 단어에 대한 적절한 이해가 가능하도록 학습된 자연어 처리 프로그램을 포함할 수 있다.
또한, 학습 에이전트는 두 개의 문장이 있는 경우에 두 번째 문장이 첫 번째 문장의 바로 다음에 오는 문장인지 등을 예측함으로써, 두 문장 사이의 관련을 고려하여 문맥과 순서를 학습한 언어 모델일 수도 있다.
본 발명의 일 실시 예에 따른 학습 에이전트는 인공지능 기반의 적합도 분석 모델로서, 머신러닝중에서 딥러닝(Deep learning)이라는 방법을 통해 만들어진 분석 모델들로 구현될 수 있다.
따라서, 본 발명의 일 실시 예에 따른 인공지능 기반의 적합도 분석 모델은 딥러닝 모델 또는 딥러닝 분석 모델의 표현으로 구현될 수도 있다.
또한, 머신러닝은 복잡한 시스템이 명시적으로 프로그래밍되지 않고서, 경험으로부터 자동으로 학습하고 개선할 수 있게 하는 인공 지능의 응용이다.
또한, 머신러닝 모델들의 정확도 및 유효성은 그들 모델들을 훈련시키는 데 사용되는 데이터에 부분적으로 의존할 수 있다.
따라서, 본 발명의 일 실시 예에 따른 인공지능 기반의 적합도 분석 모델은 발주처별 입찰공고와, 입찰공고를 발주한 발주처의 일반규정, 특별규정 및 사양(Spec)을 기반으로 다수의 학습 데이터를 서로 비교한 결과 값에 기반하여 선택된 단어 또는 문장을 학습 데이터로 반복 학습할 수 있다.
또한, 본 발명의 일실시예에 따른 학습 에이전트는 발주처별로 인공지능 기반의 적합도 분석 모델을 구현할 수 있다.
이에 따라, 본 발명의 일실시예에 따른 인공지능 기반의 적합도 분석 모델은 머신러닝중에서 딥러닝(Deep learning)이라는 방법을 통해 만들어진 발주처별 분석 모델들로 구현될 수 있다.
예를 들어, 본 발명의 일실시예에 따른 학습 에이전트는 US 등의 외국 정부기관, UN, UNESCO, WHO, OECD, EP 등의 국제기구, 세계은행, 아시아개발은행, 아프리카개발은행 등의 다자개발은행별로 서로 다른 복수의 학습 에이전트로 구현될 수 있다.
예를 들어, 본 발명의 일실시예에 따른 인공지능 기반의 적합도 분석 모델은 US 등의 외국 정부기관, UN, UNESCO, WHO, OECD, EP 등의 국제기구, 세계은행, 아시아개발은행, 아프리카개발은행 등의 다자개발은행별로 서로 다른 복수의 인공지능 기반의 적합도 분석 모델로 구현될 수 있다.
또한, 적합도 분석부(130)는 기업별 프로파일정보와 발주처의 요구사항의 매핑을 통해 분석된 공통 정보를 기반으로 평가한 기업의 매칭 적합도와 기업에 가장 적합한 최적의 입찰공고를 추출할 수 있다.
또한, 적합도 분석부(130)는 추출된 최적의 입찰공고를 기업과 매칭시켜 해당 기업 단말(210), 기업 단말 1(211) 내지 기업 단말 n(212) 중 해당 기업의 단말로 전송할 수 있다.
또한, 적합도 분석부(130)는 수요기업 데이터베이스(200)에 저장된 기업별 프로파일정보를 기반으로 기업분석보고서, 제품분석보고서, 재무분석보고서, 입찰환경보고서 및 기업역량보고서 중 하나 이상의 보고서를 생성하여 출력할 수도 있다.
즉, 스마트폰, 스마트기기(Tablet) 등을 통해서 기업 단말(210), 기업 단말 1(211) 내지 기업 단말 n(212)이 접속하여 주요 정보를 최적화된 화면으로 조회할 수 있도록 출력할 수 있다.
수요기업 데이터베이스(200)는 기업별로 기업분석정보, 제품분석정보, 재무분석정보, 입찰환경정보 및 기업역량정보 등을 포함한 기업의 프로파일정보를 저장한다.
또한, 수요기업 데이터베이스(200)는 기업분석정보, 제품분석정보, 재무분석정보, 입찰환경정보 및 기업역량정보를 미리 설정된 대표 항목과, 해당 대표 항목에 종속된 상세 항목으로 구분하여 저장할 수 있다.
또한, 수요기업 데이터베이스(200)는 구분된 항목별로 대표값, 코드값 또는 항목별 평가값 등을 포함하여 저장할 수도 있다.
또한, 수요기업 데이터베이스(200)는 공고 및 뉴스 정보, 기업정보 및 각 항목별 다양한 형태의 서비스 지원을 통해 획득한 정보를 저장할 할 수도 있다.
입찰공고 데이터베이스(300)는 발주처별로 메타정보를 포함한 입찰공고와, 입찰공고 및 메타정보에 기반하여 입찰조건을 구분하고, 구분된 입찰조건에 기초하여 분류 및 코드 정보 등으로 분석한 결과를 저장할 수도 있다.
또한, 입찰공고 데이터베이스(300)는 입찰공고 탐색에 유용한 키워드, HS code, 산업 분류 등을 활용하여 시스템 전반적으로 활용되는 코드와 분류 체계를 포함할 수도 있다.
또한, 입찰공고 데이터베이스(300)는 입찰공고와 관련된 입찰조건에 부합하는 국제, 협회 코드, 정보들을 저장할 수도 있다.
또한, 입찰공고 데이터베이스(300)는 저장된 각 코드들 간의 호환성, 중복성, 일치 가능성, 신규로 부여되는 코드 체계 및 분류 규칙에 대한 및 수용 및 확장도 가능하다.
한편, 수요기업 데이터베이스(200)와, 입찰공고 데이터베이스(300)는 데이터베이스 관리 표준에 따라 데이터의 명칭, 형식 저장할 수 있고, 데이터 공유 및 재사용, 데이터 교환, 데이터 품질 향상, 데이터베이스 통합 등을 위한 표준화 정보에 따라 저장될 수 있다.
또한, 비공개 자료를 포함한 데이터베이스의 암.복호화, 데이터 업로드/업데이트시 데이터의 정합성 체크 및 로그기록, 백업(Back-up) 등을 수행할 수 있다.
또한, 데이터 표준화, 데이터 관리, 표준용어를 수용할 수 있도록 관련 업무 처리 절차를 반영하여 유기적으로 구조화될 수도 있다.
또한, 데이터베이스의 효율적인 운영, 관리 및 스페이스의 불필요한 낭비 방지를 위하여 테이블, 칼럼 등의 중복을 최소화하고 각 기능에서 공동 활용이 가능할 수도 있다.
다음은 본 발명의 일 실시 예에 따른 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 방법을 설명한다.
도3은 본 발명의 일 실시 예에 따른 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 방법을 설명하기 위해 나타낸 흐름도이고, 도4는 도3의 실시 예에 따른 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 방법의 적합도 분석 과정을 설명하기 위해 나타낸 흐름도이다.
도1 내지 도4를 참조하면, 본 발명의 일 실시 예에 따른 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 방법은 적합도 분석 서버(100)가 기업별로 수집된 기업분석정보, 제품분석정보, 재무분석정보, 입찰환경정보 및 기업역량정보 중 하나 이상을 포함한 기업별 프로파일정보를 수요기업 데이터베이스(200)에 저장(S100)한다.
또한, 적합도 분석 서버(100)는 네트워크를 통해 접속한 발주사 단말(310), 발주사 단말 1(311) 내지 발주사 단말 n(312)으로부터 메타정보를 포함한 입찰공고를 수신하고, 수집된 입찰공고를 분석하여 일반규정, 특별규정 및 사양(Spec)으로 구분하며, 구분된 입찰공고를 발주처별로 분류하여 입찰공고 데이터베이스(300)에 저장(S200)한다.
적합도 분석 서버(100)는 수요기업 데이터베이스(200)에 저장된 기업별 프로파일정보와 입찰공고 데이터베이스(300)에 저장된 발주처별 메타정보를 포함한 입찰공고를 매핑하여 비교하고, 비교 결과에 따른 매칭 적합도를 분석 및 평가하여 기업에 적합한 최적의 입찰공고를 추출(S300)한다.
S300 단계에서, 적합도 분석 서버(100)는 인공지능 기반의 적합도 분석 모델을 이용하여 수요기업 데이터베이스(200)에 저장된 국제 입찰 요건에 부합하는 기업의 프로파일정보부터 하나 이상의 기업 키워드를 추출(S310)한다.
또한, 적합도 분석 서버(100)는 입찰공고 데이터베이스(300)에 저장된 발주처별 입찰공고의 메타정보를 비교하여 기업에 적합한 하나 이상의 입찰공고에서 수요기업 데이터베이스(200)에서 추출한 기업 키워드에 대응하여 검색한 하나 이상의 단어 또는 문장을 기업 키워드와 매칭시켜 발주처에서 요구되는 입찰조건(또는 요구사항)과 비교 분석하여 기업의 매칭 적합도를 평가(S320)한다.
즉, S320 단계에서 적합도 분석 서버(100)는 수요기업 데이터베이스(200)의 프로파일정보에서 추출한 기업 키워드와 대응하여 입찰공고 데이터베이스(300)의 발주처 입찰조건(또는 요구사항)에서 추출한 관련 단어 또는 문장, 예를 들어 '지금부터 30일 이후 납품', '환경 인증된 제품' 등과 같은 요구사항을 기업 키워드와 관련된 기업의 상세 정보, 예를 들어 '제품 생산력', '기업역량' 등의 정보와 매핑시켜 기업과 발주처 간의 공통 정보를 추출한다.
또한, 적합도 분석 서버(100)는 매핑된 결과를 기초로 매칭 적합도를 산출할 수 있고, 산출 값은 하기식으로부터 산출할 수 있다.
Figure 112021114771525-pat00002
여기서, E는 매칭 적합도의 산출 값, x는 상수(Constant)인 발주기관의 평가항목이며, 변수(Variable)인 기업이 발주기관의 정량화된 항목별 요구조건에 대한 값으로 y1은 발주처 일반규정(General Terms and Conditions)의 요구사항에 대한 정형화된 값, y2는 발주처 특별규정(Special Terms and Conditions)의 요구사항에 대한 정형화된 값, y3는 발주처 기술적 사양(Technical Specification)의 요구사항에 대한 정형화된 값이다.
또한, S320 단계에서 적합도 분석 서버(100)는 발주처별로 사용한 단어 또는 문장에 대하여 적절한 해석 및 의도(intention) 정보를 결정하도록 학습된 학습 에이전트를 이용하여 매칭되는 발주처별로 입찰조건(또는 요구사항)을 추출할 수도 있다.
여기서, 학습 에이전트는 발주처별로 동일한 단어에 대한 적절한 이해, 예를 들어 주어진 환경 또는 조건에 따라 단어의 해석을 차별화하도록 학습되거나 또는 두 문장 사이의 관련을 고려하여 문맥과 순서가 학습된 자연어 처리기반의 언어 모델일 수 있다.
또한, 적합도 분석 서버(100)는 평가된 매칭 적합도의 산출 값을 기반으로 기업정보에 적합한 최적의 입찰공고를 추출(S330)한다.
또한, 적합도 분석 서버(100)는 개별 기업에 대하여 특정 국제기구에 대한 매칭 적합도만을 산출할 수도 있고, 복수의 국제기구에 대하여 매칭 적합도를 모두 산출할 수도 있다.
또한, 적합도 분석 서버(100)는 매칭 적합도의 평가 결과에 기반하여 순위화된 입찰공고를 수치화된 값으로 출력할 수도 있다.
계속해서, 적합도 분석 서버(100)는 S330 단계에서 추출된 기업에 적합한 최적의 입찰공고를 기업 단말(210), 기업 단말 1(211) 내지 기업 단말 n(212) 중 해당 기업의 단말로 전송(S400)한다.
따라서, 국제 입찰 요건에 부합하는 기업별 프로파일정보와 해외 조달 발주처의 조달정보로부터 수집된 메타정보를 포함한 입찰정보를 인공지능 기반의 적합도 분석 모델을 이용하여 매핑하고, 매핑을 통해 평가한 매칭 적합도에 기반하여 해당 기업에 가장 적합한 최적의 입찰정보를 제공함으로써, 해외 발주기관의 공공조달 사업에 대한 기업의 해외 입찰 참여도와 성공률을 증가시킬 수 있다.
또한, 기업별로 해당 기업에 맞는 입찰공고를 제공받을 수 있고, 다양한 발주처들의 입찰공고와 개별 기업들의 특성을 기반으로 입찰공고를 제공함으로써, 기업의 낙찰 성공률을 증가시킬 수 있다.
또한, 기업이 속한 산업이나 제품들에 대한 국제 공공조달 시장의 요구사항을 파악하여 시장 수요에 맞는 제품의 기능 개선에 활용할 수 있다.
상기와 같이, 본 발명의 바람직한 실시 예를 참조하여 설명하였지만 해당 기술 분야의 숙련된 당업자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
또한, 본 발명의 특허청구범위에 기재된 도면번호는 설명의 명료성과 편의를 위해 기재한 것일 뿐 이에 한정되는 것은 아니며, 실시예를 설명하는 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.
또한, 상술된 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있으므로, 이러한 용어들에 대한 해석은 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
또한, 명시적으로 도시되거나 설명되지 아니하였다 하여도 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기재사항으로부터 본 발명에 의한 기술적 사상을 포함하는 다양한 형태의 변형을 할 수 있음은 자명하며, 이는 여전히 본 발명의 권리범위에 속한다.
또한, 첨부하는 도면을 참조하여 설명된 상기의 실시예들은 본 발명을 설명하기 위한 목적으로 기술된 것이며 본 발명의 권리범위는 이러한 실시예에 국한되지 아니한다.
100 : 적합도 분석 서버
110 : 기업정보 관리부
120 ; 입찰공고 관리부
130 : 적합도 분석부
200 : 수요기업 데이터베이스
210 : 기업 단말
211 : 기업 단말1
212 : 기업 단말n
300 : 입찰공고 데이터베이스
310 : 발주처 단말
311 : 발주처 단말1
312 : 발주처 단말n

Claims (19)

  1. 인공지능 기반의 적합도 분석 모델을 이용하여 수요기업 데이터베이스(200)에 저장된 국제 입찰 요건에 부합하는 기업별 프로파일정보와, 입찰공고 데이터베이스(300)에 저장된 발주처별 입찰공고의 메타정보를 비교하여 추출되는 하나 이상의 입찰공고를 해당 기업과 매칭시키되, 상기 프로파일정보와 메타정보 간의 공통 정보에 기초하여 발주처의 입찰공고에 포함된 발주처의 평가 항목과, 발주처의 일반규정(General Terms and Conditions)의 요구사항과, 발주처의 특별규정(Special Terms and Conditions)의 요구사항과, 발주처의 기술적 사양(Technical Specification)의 요구사항을 항목별 요구조건에 대응하여 정량화된 수치로 변환하고, 변환된 평가 항목과 항목별 요구조건에 대한 정량화된 값의 계산을 통해 메칭 적합도를 평가하되, 매칭 적합도의 산출 값이 가장 높은 매칭 결과 값을 갖는 최적의 입찰공고를 추출하는 적합도 분석 서버(100);를 포함하고,
    상기 매칭 적합도의 산출 값은 하기식
    E = x(y1 + y2 + y3)
    - 여기서, E는 매칭 적합도의 산출 값, x는 상수(Constant)인 발주기관의 평가항목이며, 변수(Variable)인 기업이 발주기관의 정량화된 항목별 요구조건에 대한 값으로 y1은 발주처 일반규정(General Terms and Conditions)의 요구사항에 대한 정형화된 값, y2는 발주처 특별규정(Special Terms and Conditions)의 요구사항에 대한 정형화된 값, y3는 발주처 기술적 사양(Technical Specification)의 요구사항에 대한 정형화된 값 임- 으로부터 산출되는 것을 특징으로 하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템.
  2. 제 1 항에 있어서,
    상기 적합도 분석 서버(100)는 기업으로부터 제공된 기업별 기업분석정보, 제품분석정보, 재무분석정보, 입찰환경정보 및 기업역량정보를 관리하는 기업정보 관리부(110);
    하나 이상의 발주처 단말(310, 311, 312)과 접속하여 입찰공고정보를 수신하고, 상기 수신된 입찰공고정보를 일반규정, 특별규정 및 사양(Spec)으로 구분하여 발주처별로 입찰공고정보를 관리하는 입찰공고 관리부(120); 및
    상기 인공지능 기반의 적합도 분석 모델을 이용하여 상기 프로파일정보부터 추출한 하나 이상의 기업 키워드와, 상기 기업 키워드에 대응하여 발주처별 입찰공고에서 검색한 하나 이상의 단어 또는 문장을 매핑시켜 발주처에서 요구되는 입찰조건에 대한 매칭 적합도를 분석 및 평가하고, 평가된 매칭 적합도의 산출 값을 기반으로 가장 높은 매칭 결과 값을 갖는 최적의 입찰공고를 추출하며, 상기 추출된 입찰공고를 해당 기업과 매칭시켜 기업 단말(210, 211, 212)로 전송하는 적합도 분석부(130);를 포함하는 것을 특징으로 하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템.
  3. 제 2 항에 있어서,
    상기 적합도 분석부(130)는 기업별 프로파일정보와 입찰공고 관리부(120)를 통해 수집된 입찰공고의 메타 정보를 매핑하여 프로파일정보와 메타정보 간의 공통 정보에 기초한 매칭 적합도를 기반으로 가장 높은 매칭 결과 값을 갖는 입찰공고를 추출하는 것을 특징으로 하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템.
  4. 제 3 항에 있어서,
    상기 적합도 분석부(130)는 추출된 하나 이상의 입찰공고를 수치화된 정보와 함께 상기 기업 단말(210, 211, 212)로 전송하는 것을 특징으로 하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템.
  5. 제 2 항에 있어서,
    상기 적합도 분석부(130)는 학습 에이전트를 포함하되,
    상기 학습 에이전트는 인공지능 기반의 적합도 분석 모델이 사용 단어 또는 문장에 대하여 발주처별로 최적의 해석 및 의도(intention) 정보를 결정하도록 학습된 것을 특징으로 하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템.
  6. 삭제
  7. 제 1 항에 있어서,
    상기 수요기업 데이터베이스(200)는 기업별로 기업분석정보, 제품분석정보, 재무분석정보, 입찰환경정보 및 기업역량정보 중 하나 이상을 포함한 프로파일정보를 저장하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템.
  8. 제 1 항에 있어서,
    상기 입찰공고 데이터베이스(300)는 발주처별로 입찰공고와 상기 입찰공고에 기반하여 입찰조건을 포함한 메타정보를 저장하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템.
  9. 제 1 항에 있어서,
    상기 인공 지능 기반의 적합도 분석 모델은 상기 입찰 공고에 포함된 최소 자격 및 품질 기준(Minimum Eligibility and Qualification Criteria)의 요구사항을 기반으로 매칭 적합도를 평가하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템.
  10. 제 9 항에 있어서,
    상기 인공 지능 기반의 적합도 분석 모델은 상기 입찰 공고에 포함된 기술 및 재무 가중치, 기술 평가 기준(Technical Evaluation Criteria)의 요구사항을 기반으로 매칭 적합도를 평가하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템.
  11. 제 9 항에 있어서,
    상기 인공지능 기반의 적합도 분석 모델은 국제 입찰 요건에 부합하는 기업별 프로파일정보 중에서 기업 키워드로 '자격(eligibility)'을 추출하고, 이에 대응하여 발주처 입찰공고의 요구사항 중에서 '자격(eligibility)'과 관련된 문장을 추출하고, 추출된 요구사항 중에서 관련 문장을 기업 키워드의 '자격'과 관련된 기업의 상세 조건 정보와 맞추어 기업과 발주처 간의 공통 정보를 추출하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템.
  12. a) 적합도 분석 서버(100)가 인공지능 기반의 적합도 분석 모델을 이용하여 수요기업 데이터베이스(200)에 저장된 국제 입찰 요건에 부합하는 기업별 프로파일정보와, 입찰공고 데이터베이스(300)에 저장된 발주처별 입찰공고의 메타정보를 비교하여 추출되는 하나 이상의 입찰공고를 해당 기업과 매칭시키되, 상기 프로파일정보와 메타정보 간의 공통 정보에 기초하여 발주처의 입찰공고에 포함된 발주처의 평가 항목과, 발주처의 일반규정(General Terms and Conditions)의 요구사항과, 발주처의 특별규정(Special Terms and Conditions)의 요구사항과, 발주처의 기술적 사양(Technical Specification)의 요구사항을 항목별 요구조건에 대응하여 정량화된 수치로 변환하고, 변환된 평가 항목과 항목별 요구조건에 대한 정량화된 값의 계산을 통해 메칭 적합도를 평가하되, 매칭 적합도의 산출 값이 가장 높은 매칭 결과 값을 갖는 최적의 입찰공고를 추출하는 단계; 및
    b) 상기 적합도 분석 서버(100)가 추출된 입찰공고를 기업별 기업 단말(210, 211, 212)로 전송하는 단계;를 포함하고,
    상기 매칭 적합도의 산출 값은 하기식
    E = x(y1 + y2 + y3)
    - 여기서, E는 매칭 적합도의 산출 값, x는 상수(Constant)인 발주기관의 평가항목이며, 변수(Variable)인 기업이 발주기관의 정량화된 항목별 요구조건에 대한 값으로 y1은 발주처 일반규정(General Terms and Conditions)의 요구사항에 대한 정형화된 값, y2는 발주처 특별규정(Special Terms and Conditions)의 요구사항에 대한 정형화된 값, y3는 발주처 기술적 사양(Technical Specification)의 요구사항에 대한 정형화된 값 임- 으로부터 산출되는 것을 특징으로 하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 방법.
  13. 제 12 항에 있어서,
    상기 a)단계는 a-1) 적합도 분석 서버(100)가 인공지능 기반의 적합도 분석 모델을 이용하여 상기 프로파일정보부터 하나 이상의 기업 키워드를 추출하는 단계;
    a-2) 상기 적합도 분석 서버(100)가 추출된 기업 키워드에 대응하여 발주처별 입찰공고정보에서 검색한 하나 이상의 단어 또는 문장을 매핑시켜 발주처에서 요구되는 입찰조건에 대한 매칭 적합도를 평가하는 단계; 및
    a-3) 상기 적합도 분석 서버(100)가 평가된 매칭 적합도의 산출 값을 기반으로 가장 높은 매칭 결과 값을 갖는 최적의 입찰공고를 추출하는 단계;를 포함하는 것을 특징으로 하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 방법.
  14. 제 13 항에 있어서,
    상기 a-2) 단계는 적합도 분석 서버(100)가 발주처별로 최적의 해석 및 의도(intention) 정보를 결정하도록 학습된 학습 에이전트를 이용하여 사용 단어 또는 문장을 검색하는 것을 특징으로 하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 방법.
  15. 삭제
  16. 제 12 항에 있어서,
    a') 상기 적합도 분석 서버(100)가 기업별로 수집된 기업분석정보, 제품분석정보, 재무분석정보, 입찰환경정보 및 기업역량정보 중 하나 이상을 포함한 프로파일정보를 수요기업 데이터베이스(200)에 저장하는 단계를 더 포함하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 방법.
  17. 제 12항에 있어서,
    a") 상기 적합도 분석 서버(100)가 하나 이상의 발주사 단말(310, 311, 312)로부터 수집된 메타정보를 포함한 입찰공고와, 상기 입찰공고를 일반규정, 특별규정 및 사양(Spec)으로 구분하여 발주처별로 입찰공고 데이터베이스(300)에 저장하는 단계를 더 포함하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 방법.
  18. 제 12 항에 있어서,
    상기 인공 지능 기반의 적합도 분석 모델은 상기 입찰 공고에 포함된 최소 자격 및 품질 기준(Minimum Eligibility and Qualification Criteria)의 요구사항을 기반으로 매칭 적합도를 평가하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 방법.
  19. 제 18 항에 있어서,
    상기 인공지능 기반의 적합도 분석 모델은 국제 입찰 요건에 부합하는 기업별 프로파일정보 중에서 기업 키워드로 '자격(eligibility)'을 추출하고, 이에 대응하여 발주처 입찰공고의 요구사항 중에서 '자격(eligibility)'과 관련된 문장을 추출하고, 추출된 요구사항 중에서 관련 문장을 기업 키워드의 '자격'과 관련된 기업의 상세 조건 정보와 맞추어 기업과 발주처 간의 공통 정보를 추출하는 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 방법.
KR1020210132653A 2021-10-06 2021-10-06 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템 및 방법 KR102451735B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210132653A KR102451735B1 (ko) 2021-10-06 2021-10-06 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템 및 방법
PCT/KR2022/014338 WO2023058973A1 (ko) 2021-10-06 2022-09-26 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210132653A KR102451735B1 (ko) 2021-10-06 2021-10-06 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102451735B1 true KR102451735B1 (ko) 2022-10-06

Family

ID=83597343

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210132653A KR102451735B1 (ko) 2021-10-06 2021-10-06 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템 및 방법

Country Status (2)

Country Link
KR (1) KR102451735B1 (ko)
WO (1) WO2023058973A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102576234B1 (ko) 2023-04-24 2023-09-08 주식회사 팩토리스트 Ai기반 글로벌 비즈니스 중개 서비스 플랫폼 시스템

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116757807B (zh) * 2023-08-14 2023-11-14 湖南华菱电子商务有限公司 一种基于光学字符识别的智能辅助评标方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010094463A (ko) * 2000-03-30 2001-11-01 장재규 국제 입찰/낙찰정보 제공방법
KR101517966B1 (ko) 2014-09-22 2015-05-07 (주)씨앤비플러스 입찰 참여 분석서비스 제공방법
KR20200113699A (ko) * 2019-03-26 2020-10-07 주식회사 소프트보울 Ui개발 툴을 이용한 지능형 입찰분석 시스템 및 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010049487A (ja) * 2008-08-21 2010-03-04 Being:Kk 入札支援システム
KR20170139752A (ko) * 2016-06-10 2017-12-20 조충환 입찰 분석 시스템
KR102624075B1 (ko) * 2018-06-21 2024-01-11 (주)엔터랩 조달입찰정보 매칭방법, 장치 및 프로그램

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010094463A (ko) * 2000-03-30 2001-11-01 장재규 국제 입찰/낙찰정보 제공방법
KR101517966B1 (ko) 2014-09-22 2015-05-07 (주)씨앤비플러스 입찰 참여 분석서비스 제공방법
KR20200113699A (ko) * 2019-03-26 2020-10-07 주식회사 소프트보울 Ui개발 툴을 이용한 지능형 입찰분석 시스템 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102576234B1 (ko) 2023-04-24 2023-09-08 주식회사 팩토리스트 Ai기반 글로벌 비즈니스 중개 서비스 플랫폼 시스템
KR102576240B1 (ko) 2023-04-24 2023-09-08 주식회사 팩토리스트 Ai기반 글로벌 비즈니스 중개 서비스 플랫폼 제공방법

Also Published As

Publication number Publication date
WO2023058973A1 (ko) 2023-04-13

Similar Documents

Publication Publication Date Title
Gulc Models and methods of measuring the quality of logistic service
US9984342B2 (en) Asset data model for recurring revenue asset management
Terblanche et al. The influence of integrated reporting and internationalisation on intellectual capital disclosures
KR101844751B1 (ko) 기업 분석 기반 연계 서비스 매칭 플랫폼 제공 시스템
Finlay Credit scoring, response modeling, and insurance rating: a practical guide to forecasting consumer behavior
Gajic et al. Method of evaluating the impact of ERP implementation critical success factors–a case study in oil and gas industries
KR102451735B1 (ko) 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템 및 방법
Amin et al. Application of optimistic and pessimistic OWA and DEA methods in stock selection
US20060059031A1 (en) Risk management
Gupta et al. Decision making framework for foreign direct investment: Analytic hierarchy process and weighted aggregated sum product assessment integrated approach
KR20200104011A (ko) 자산관리 서비스 시스템의 웰스매니저 추천 및 매칭 방법
AU2013277314A1 (en) Service asset management system and method
Vasina Analyzing the process of supplier selection. The application of AHP Method
KR101977236B1 (ko) 아웃소싱 서비스 거래에서 발생되는 분쟁을 해결하기 위한 부분결제취소 서비스 제공 방법
Bukar et al. Investigating the Impact of Risk Management on Project Performance in Construction Industry: Evidence from Nigeria
KR100524562B1 (ko) 기술평가 방법 및 그 시스템
Battanta et al. Regtech: Case studies of cooperation with banks in italy
JP2003524222A (ja) 金融サービス商品を開発及び管理するシステムと方法
Kim An empirical investigation of the impact of electronic commerce on supply chain management: A study in the healthcare industry
Rejman et al. Management Information System of Purchase Function in e-SCM
KR20200104015A (ko) 자산관리 서비스 시스템의 상품추천방법
Nsenkyiere et al. Comparative study on the auditing systems of sustainable forest management
Chiantera Data quality and data governance in insurance corporations
Podlogar Simplifying the procurement process by using e-commerce
Ebrahimpour An empirical study of the implementation of the Japanese approach to quality management and its impact on product quality in US manufacturing firms (QC, TQC, JIT, productivity, United States)

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant