KR102643073B1 - 지능형 업무 처리 자동화 시스템 및 그 구동방법 - Google Patents

지능형 업무 처리 자동화 시스템 및 그 구동방법 Download PDF

Info

Publication number
KR102643073B1
KR102643073B1 KR1020210186164A KR20210186164A KR102643073B1 KR 102643073 B1 KR102643073 B1 KR 102643073B1 KR 1020210186164 A KR1020210186164 A KR 1020210186164A KR 20210186164 A KR20210186164 A KR 20210186164A KR 102643073 B1 KR102643073 B1 KR 102643073B1
Authority
KR
South Korea
Prior art keywords
work
data
unit
rpa
standard
Prior art date
Application number
KR1020210186164A
Other languages
English (en)
Other versions
KR20230096566A (ko
Inventor
박상현
Original Assignee
주식회사 제인소프트
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 주식회사 제인소프트 filed Critical 주식회사 제인소프트
Priority to KR1020210186164A priority Critical patent/KR102643073B1/ko
Publication of KR20230096566A publication Critical patent/KR20230096566A/ko
Application granted granted Critical
Publication of KR102643073B1 publication Critical patent/KR102643073B1/ko

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/93—Document management systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/103—Formatting, i.e. changing of presentation of documents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0633—Workflow analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Tourism & Hospitality (AREA)
  • Biomedical Technology (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 다종 다양한 문서를 기계학습을 통하여 문서 종류를 판별하고 판별한 문서의 내용에 따라 RPA가 동작하는 지능형 업무 처리 자동화 시스템 및 그 구동방법에 관한 것으로, 일 실시예에 따른 지능형 업무 처리 자동화 시스템은 RPA를 도입하고자 하는 기업, 기관, 중소기업에서 RPA 도입의 부담을 줄이기 위해 가장 대표적이고 업무 빈도가 높은 Excel, PDF, Word, Image 등의 다종다양한 문서를 기계학습을 통하여 문서 종류를 판별하고 판별한 문서의 내용에 따라 RPA가 동작하도록 한다. 이에 따라 개발 기간을 단축할 수 있고, RPA 를 도입하는 기업의 도입 비용을 감소할 수 있는 효과가 있다.
또한, RPA 도입 규모가 큰 기업의 경우에도 1인 1PC 기반의 라이선스 도입 비용을 최소화할 수 있도록 하나의 PC에 주어진 하나의 업무를 처리하는 방식에서 라이선스 비용 추가 없이 1PC에서 다수의 작업을 동시에 수행 가능하도록 업무 단위별 작업을 수행하는 로봇 복제 기술과 멀티 프로세싱이 가능한 솔루션을 개발하여 기존의 RPA 솔루션에 비해 저비용으로 기존보다 뛰어난 기능의 RPA 시스템을 구현할 수 있다.

Description

지능형 업무 처리 자동화 시스템 및 그 구동방법{Intelligent Robotic Process Automation System and Driving method thereof}
본 발명은 지능형 업무 처리 자동화 시스템 및 그 구동방법에 관한 것으로, 보다 상세하게는 다종 다양한 문서의 문서 종류를 기계학습을 통해 판별하고 판별한 문서의 내용에 따라 RPA가 동작하는 지능형 업무 처리 자동화 시스템 및 그 구동방법에 관한 것이다.
RPA(Robotic Process Automation)는 PC로 반복처리하는 단순업무를 로봇이 실행하도록하는 자동화 솔루션이다.
그러나 일반적인 RPA의 경우 도입하는 기업 및 기관에서 최초 구축단계에서 정의한 작업만 수행가능하고, 구축기간이 길게 소요되며, PC단위로 책정된 비싼 라이센스비용, IPC에서 멀티프로세싱의 한계, 업무 폭증 시간의 작업 지연, 다종다양한 문서 인식의 한계, 기업 내 레거시 시스템과의 연계 문제, 외산 솔루션에 따른 유연성 한계 등에 따라 쉽사리 RPA를 도입하지 못 하고 있는 실정이다. 더불어 중소기업 입장에서는 규모에 비해서 RPA 도입비용에 대한 부담과 PC당 부과되는 라이선스 비용 등의 비용부담이 크다는 한계가 있다.
RPA를 도입하고자 하는 기업에서는 현존하는 RPA에서 지원하는 단순 반복 업무의 자동화를 넘어 업무 가용성과 생산성 향상, 다종 다양한 문서 인식과 유연한 작업 요청에도 처리가능하도록 현재보다 진화된 지능형 RPA 시스템을 요구한다.
또한 RPA 도입을 필요로 하는 기업들은 Digital Workforce를 활용한 인건비 감소에 초점을 맞추고 있다. 그러나 RPA 파일럿 사업이 수행되고 RPA가 적용되는 분야들이 다양해지면서 기업 내부 통제와 감사 관련 업무가 증가하면서 기존의 RPA 시스템에 대한 기능적 보완 및 추가에 대한 요구가 증가하고 있다.
또한, 현존하는 RPA에서 지원하는 단순 반복 업무프로세스의 자동화를 넘어 인공지능 기술이 결합되어 업무 가용성과 생산성 향상, 다종 다양한 문서 인식과 유연한 작업 요청에도 처리 가능한 현재보다 진화된 지능형 RPA를 요구한다.
또한 기본적으로 RPA는 자동화업무를 수행하는 봇이 주어진 하나의 업무를 처리하는 방식인데, 작업이 추가될 경우 라이선스 비용 및 인프라 추가가 동반되어야 한다.
기업들은 글로벌 경기 침체 기조가 이어지면서 성장 뿐 아니라 생존에 대한 고려를 우선시하고 있는 추새로, 시장 상황에 얼마나 민첩하고 탄력있게 대응할 수 있는지가 경쟁력으로 연결된다. 단순히 RPA가 단순 반복적인 업무를 대체하는데 그치지않고 해당 업무에 대한 인사이트를 경영진에 제시하는 역할 수행을 요구한다. 또한 사람의 업무는 결과만 남게되는 반면, 로봇은 모든 과정에서 어떤일을 어떻게 수행하고 있는지 로그가 발생하고 해당 업무에 대한 인사이트를 경영진에 대해 제시하는 기능에 대한 요구가 증가하고 있다.
KR 10-2063036B1 KR 10-1400548B1 KR 10-2021-0040826 A
본 발명은 이 같은 기술적 배경에서 도출된 것으로, 다종 다양한 문서의 종류를 판별하고 판별 내용에 따라 동작하도록하여 RPA 도입에 대한 부담을 줄일 수 있는 지능형 로보틱 처리 자동화 시스템 및 그 구동방법을 제공함에 그 목적이 있다. 특히 AI 기반의 학습을 통한 Auto Scale-up지능형 문서 판독 기출 개발로 전표처리, 영수증처리, 입퇴사 관리, 인사시스템 관리, 연말정산 등 RPA에서 비정형화된 문서 처리에 따라 다종 다양한 문서들을 자동으로 빠르게 판독하여 현업의 생산성 향상에 기여하고자 한다.
또한, PC에 주어진 하나의 업무를 처리하는 방식에서 라이선스 비용 추가 없이도 하나의 PC에서 다수작업을 동시에 수행가능하도록 업무 단위별 작업을 수행하는 로봇 복제 기술과 멀티 프로세싱이 가능한 솔루션을 제공하여 라이선스 비용을 최소화하고 저비용으로 기존보다 뛰어난 기능을 가진 RPA를 제공할 수 있는 지능형 로보틱 처리 자동화 시스템 및 그 구동방법을 제공하고자 한다.
상기의 과제를 달성하기 위한 본 발명은 다음과 같은 구성을 포함한다.
즉 본 발명의 일 실시예에 따른 지능형 업무 처리 자동화 시스템은 업무 처리 자동화 시스템에 의해 정해진 작업을 수행하기 위한 작업 파일을 입력받는 작업 파일 입력부, 상기 작업 파일 입력부로 입력받은 작업 파일에서 특징 데이터를 추출하는 특징 데이터 추출부, 상기 특징 데이터 추출부에서 추출된 특징 데이터를 소정 포맷의 데이터로 정규화하기 위한 표준 데이터로 변환하는 표준 데이터 변환부, 상기 표준 데이터 변환부에서 변환한 표준 데이터에 기반하여 상기 작업 파일 입력부로 입력받은 작업 파일을 표준 포맷으로 정규화하여 표준 포맷 데이터를 생성하는 표준 포맷 생성부 및 상기 표준 포맷 생성부에서 생성된 표준 포맷 데이터에 소정의 규칙에 따라 업무 처리 자동화 시스템에서 정해진 작업을 수행하도록 요청하는 작업 수행부를 포함한다.
한편, 지능형 업무 처리 자동화 시스템의 구동방법은 업무 처리 자동화 시스템에 의해 정해진 작업을 수행하기 위한 작업 파일을 입력받는 작업 파일 입력 단계, 상기 작업 파일 입력단계에서 입력받은 작업 파일에서 특징 데이터를 추출하는 특징 데이터 추출 단계, 상기 특징 데이터 추출 단계에서 추출된 특징 데이터를 소정 포맷의 데이터로 정규화하기 위한 표준 데이터로 변환하는 표준 데이터 변환 단계, 상기 표준 데이터 변환 단계에서 변환한 표준 데이터에 기반하여 상기 작업 파일 입력 단계에서 입력받은 작업 파일을 표준 포맷으로 정규화하여 표준 포맷 데이터를 생성하는 표준 포맷 생성 단계 및 상기 표준 포맷 생성 단계에서 생성된 표준 포맷 데이터에 소정의 규칙에 따라 업무 처리 자동화 시스템에서 정해진 작업을 수행하도록 요청하는 작업 수행 단계를 포함한다.
본 발명에 의하면 다종 다양한 문서의 종류를 판별하고 판별 내용에 따라 동작하도록하여 RPA 도입에 대한 부담을 줄일 수 있는 지능형 로보틱 처리 자동화 시스템 및 그 구동방법을 제공하는 효과가 도출된다.
특히 AI 기반의 학습을 통한 Auto Scale-up지능형 문서 판독 기출 개발로 전표처리, 영수증처리, 입퇴사 관리, 인사시스템 관리, 연말정산 등 RPA에서 비정형화된 문서 처리에 따라 다종 다양한 문서들을 자동으로 빠르게 판독하여 현업의 생산성 향상에 기여할 수 있는 효과가 있다.
또한, PC에 주어진 하나의 업무를 처리하는 방식에서 라이선스 비용 추가 없이도 하나의 PC에서 다수작업을 동시에 수행가능하도록 업무 단위별 작업을 수행하는 로봇 복제 기술과 멀티 프로세싱이 가능한 솔루션을 제공하여 라이선스 비용을 최소화하고 저비용으로 기존보다 뛰어난 기능을 가진 RPA를 제공할 수 있는 지능형 로보틱 처리 자동화 시스템 및 그 구동방법을 제공할 수 있다.
뿐만 아니라 RPA를 도입하고자 하는 기업에서는 현존하는 RPA에서 지원하는 단순 반복 업무 프로세스의 자동화를 넘어 인공지능 기술이 결합되어 업무 가용성과 생산성 향상, 다종 다양한 문서 인식과 유연한 작업 요청에도 처리 가능한 진화된 지능형 로보틱 처리 자동화 시스템 및 그 구동방법을 제공할 수 있는 효과가 도출된다.
도 1 은 본 발명의 일 실시예에 따른 지능형 업무 처리 자동화 시스템의 전반적인 기술 동작을 설명하기 위한 예시도이다.
도 2 는 본 발명의 일 실시예에 따른 지능형 업무 처리 자동화 시스템의 구성을 도시한 블록도이다.
도 3 은 일 실시예에 따른 문서 자동 분류 동작을 설명하기 위한 흐름도이다.
도 4 는 본 발명의 일 실시예에 따른 멀티 프로세싱에 따른 기대 효과를 도시한 예시도이다.
도 5 는 본 발명의 일 실시예에 따른 복제 모듈 생성부에 의해 생성된 로봇 복제 모듈에서 작업 상황을 설명하기 위한 예시도이다.
본 발명에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명한다.
도 1 은 본 발명의 일 실시예에 따른 지능형 업무 처리 자동화 시스템의 전반적인 기술 동작을 설명하기 위한 예시도이다.
도 1 의 개발 기술 구성도와 같이 일 실시예에 따른 지능형 업무 처리 자동화 시스템은 RPA 프로세스 설계도구, RPA 프로세스 수행 엔진, RPA 프로세스 관리 도구를 포함한다.
RPA 프로세스 설계도구는 업무 프로세스 자동화를 쉽게 설계하고 설정할 수 있는 UI/UX를 제공하며, RPA 프로세스 수행 엔진에서 사용할 스크립트를 생성한다. 로봇 복제를 위한 Robot Config, Local Resource Config 및 문서 분류를 위한 CNN Model을 포함한다.
RPA 프로세스 수행 엔진은 사용자의 명령이나 RPA 프로세스 관리 도구의 스케줄 요청에 의해 업무 담당자를 대신해서 작업을 수행하는 소프트 엔진이다. 로봇 복제 모듈 및 복제를 위한 Local Resource Control 모듈이 탑재된다. 프로세스 수행엔진은 사용자의 명령을 받아 실행하고, Control Center의 명령에 따라 Scheduled Job 실행 Management, Control Center를 통한 중앙 집중식 배포 및 관리, 로봇 복제 및 자원 관리 모듈을 포함한다.
일 실시예에 있어서 프로세스 수행 엔진은 관리 모듈과 상태 및 실행 결과에 대한 통신을 수행하는 통신모듈, DB 및 Legacy 및 Workflow 연계, 이미지, 문서, 메일, web 및 응용 프로그램을 구동시키는 실행 기능, 작업 대상 로봇을 복제하고 로컬자원을 공유하는 복제 기능을 포함한다. 사용자로부터 명령을 받아 자동화 업무를 실행하는 로봇 엔진을 개발하고 관리 모듈의 명령을 받아 수행된 결과를 관리 모듈로 전송한다.
프로세스 관리 도구는 업무 자동화 프로세스를 제어하고 모니터링하며, 자동화된 전체 프로세스의 시각화를 수행한다. Conversational Activity Service 메시지를 통해 로그를 수집하고 분석, 모니터링 및 리포트하는 모듈을 포함한다.
보다 구체적으로 프로세서 설계도구는 로봇 복제 환경 설정을 위한 Robot Config, Local Resource 관제 설정을 위한 Local Resource Config, File 자동 분류 기준 Data Model인 CNN Model, Conversational Activity Service 기반 메시지 처리를 위한 EOM 모듈인 Message Broker, Database 연계 모듈인 System Interface, 자동화 Script Error 처리 모듈인 Error Handler, 자동화 Script 생성 모듈 (Screen Recording)인 Recoding, 자동화 프로세스 변수 설정과 파일 자동 분류 Activity, 파일 표준화 룰셋 관리 모듈, 파일 자동변환 Activity를 포함하는 Utility, 자동화 Script 가져오기/내보내기를 위한 Import/Export, Win32 기반의 Application Analysis, Internet Browser 기반의 Application Analysis, 이미지 기반의 Application Analysis, File Handler, Mail(POP3) Handler를 포함하는 Application Analysis, 자동화 Activity Flow 제어 엔진을위한 Workflow, 전체 자동화 Script View (Activity Flow) 자동화 업무 Designer를 포함하는 Project View, 자동화 수행 Log View (Simulation)를 위한 Log View, Activity List View, Activity Property View, Variable View를 포함하는 Workflow Editor를 포함한다.
그리고 RPA 프로세스 수행 엔진은 Auto Scale-up을 위한 로봇 복제 모듈인 Robot Cloning, Local Resource 관제 모듈인 Local Resource Control, File 자동 분류 기준 Data Model인Workflow Analysis, Robot 복제 Config (Max 복제 수량), 자동화 프로세스 속성 및 설정 관리를 수행하는 Config/Property, EOM(Extensible Object Message) 모듈인 Message Analysis, 자동화 실행 Script 분석 모듈(Run Script Executor 가 수행하도록 사전작업 수행)인 Run Script Analysis, 파일 종류별 Data Pre-Processing 모듈 및 파일 표준화 자동 변환 수행 모듈인 Utility, 자동화 Script Error 처리 모듈인 Error Handler, Win32 기반의 Application Controller, Internet Browser 기반의 Application Controller, 이미지 기반의 Application Controller, File Handler, Mail(POP3) Handler를 포함하는 Application Analysis, 분석된 자동화 Script를 기반으로 동작하는 자동화 Activity 수행 모듈(시작/종료)인 Run Script Executor, Database 연계 모듈인 System Interface, Message Broker (Conversational Activity) 및 Log 생성 및 전송 모듈을 포함하는 Communicator를 포함한다.
또한 프로세스 관리 도구는 스케줄 수행 모듈, Script 배포 모듈, 작업 상태 관리 모듈, 문서 표준화 룰셋 Controller, Message Broker (Conversational Activity)를 포함하는 Admin Application, 스케줄 편집기, 관리 모듈, On Demand 작업 수행 모듈, 문서 표준화 룰셋 편집기, 자동화 작업현황 및 모니터링 모듈을 포함하는 Service Application, 사용자 관리, 역할 및 권한 관리, 메뉴 관리를 포함하는 Manager (Authority)를 포함한다.
도 2 는 본 발명의 일 실시예에 따른 지능형 업무 처리 자동화 시스템의 구성을 도시한 블록도이다.
일 실시예에 따른 지능형 업무 처리 자동화 시스템(10)은 RPA를 도입하고자 하는 기업, 기관, 중소기업에서 RPA 도입의 부담을 줄이기 위해 가장 대표적이고 업무 빈도가 높은 Excel, PDF, Word, Image 등의 다종다양한 문서를 기계학습을 통하여 문서 종류를 판별하고 판별한 문서의 내용에 따라 RPA가 동작하도록 한다. 이에 따라 개발 기간을 단축할 수 있고, RPA를 도입하는 기업의 도입 비용을 감소시킬 수 있는 효과가 있다.
또한, RPA 도입 규모가 큰 기업의 경우에도 1인 1PC 기반의 라이선스 도입 비용을 최소화할 수 있도록 하나의 PC에 주어진 하나의 업무를 처리하는 방식에서 라이선스 비용 추가 없이 1PC에서 다수의 작업을 동시에 수행 가능하도록 업무 단위별 작업을 수행하는 로봇 복제 기술과 멀티 프로세싱이 가능한 솔루션을 개발하여 기존의 RPA 솔루션에 비해 저비용으로 기존보다 뛰어난 기능의 RPA 시스템을 구현할 수 있다.
본 발명에 따르면 업무 단위별로 하나의 봇으로 단일 업무만 처리하는 기존 singular 프로세싱 방식에서 멀티 프로세싱이 가능한 기술로 업무 러시아워에 필요한 리포트의 생산 및 분산 업무가 가능하다는 효과가 있다.
또한 AI 기반의 학습을 통한 Auto Scale-up 지능형 문서 판독 기술개발로 전표처리, 영수증처리, 입퇴사 관리, 인사 시스템 관리, 연말 정산 등 RPA에서 비정형화된 문서 처리에 따라 다종다양한 문서를 자동으로 빠르게 판독하여 현업의 생산성 향상에 기여할 수 있다.
기존에는 RPA 구축 초기 정형화되고 고정된 요구와 업무에 따른 리포트, 결과 추출만 가능했던 데 비해, 동적 결과 산출 요구에 능동적이고 가변형 리포트와 결과 추출이 가능한 기술로 기존에 파편화된 레거시 시스템에 비해 현업의 요구를 빠르고 효과적으로 수행할 수 있다는 효과가 도출된다.
뿐만 아니라, 경제적 측면에 있어서 RPA 업무 적용시 문서분류 표준화, 지능형 OCR 기능을 필요로 하는 업무에 해당 솔루션과 유료로 merge하여 사용해야하는 경우보다 비용 절감 효과가 있다.
또한 설계된 로봇 프로세스의 순차적 처리가 아닌 업무 증가 및 다중 업무 수행을 위한 로봇 복제로 업무 프로세스를 동시에 수행가능하고 생산성 향상과 비용 절감 효과가 도출된다.
하나의 업무를 처리하는 기존의 RPA 구축 초기에 정형화되고 고정된 요구와 업무에 따른 리포트, 결과 추출만 가능했던 데 비해, 동적 결과 산출 요구에 능동적이고 가변형 리포트와 결과 추출이 가능한 기술로 기존에 파편화된 레거시 시스템에 비해 현업의 요구를 빠르고 효과적으로 수행할 수 있다.
즉, 한대의 PC에서 하나의 단일 업무만 처리하는 것이 아닌 여러 업무를 동시에 처리할 수 있는 Auto Scale-Up Robot Architecture는 경쟁사 RPA에서 볼수 없는 소프트 웨어 로봇 복제 기술을 제시할 수 있다.
기존에는 이미 작업을 진행하고 있을 때 새로운 작업 요청이 수신되며 경쟁사의 솔루션은 작업 버퍼에 적재하여 현재 진행하고 있는 작업이 완료되면 버퍼에 쌓여있는 작업을 진행하지만, 일 실시예에 서는 이미 작업을 진행하고 있더라도 동시에 작업을 진행가능하도록 로봇을 복제하여 새로 요청받은 작업을 동시에 진행할 수 있다.
도 2 와 같이 일 실시예에 따른 지능형 업무 처리 자동화 시스템(10)은 구체적으로 작업 파일 입력부(110), 특징 데이터 추출부(120), 표준 포맷 생성부(140), 작업 수행부(150), 학습부(160) 및 복제 모듈 생성부(170)를 포함한다.
작업 파일 입력부(110)는 업무 처리 자동화 시스템에 의해 정해진 작업을 수행하기 위한 작업 파일을 입력받는다.
특징 데이터 추출부(120)는 작업 파일 입력부(110)로 입력받은 작업 파일에서 특징 데이터를 추출한다.
일 실시예에 있어서 특징 데이터 추출부(120)는 심층 신경망(Deep Neural Network)의 한 종류인 CNN을 이용한다. 실제 이미지 데이터를 이용하는 경우 픽셀 단위의 데이터가 다를 수 있음을 고려하여 Convolution layer를 만들어 다수의 Activation map을 생성하지만 문자의 값을 Float 타입으로 변환하는 경우 정확한 값이 입력될 수 있으므로, Convolution layer 깊이를 낮게 하고 Activation Map 의 개수도 이미지 분석보다 적게 만들어 학습속도를 더 빠르게 할 수 있다.
즉, String to float Converter를 개발, 적용하여 모든 종류의 문서를 판단할 수 있는 문서 학습기를 제안할 수 있다. 나아가 문서의 종류와 내용을 판별하여 정해진 룰셋으로 RPA를 동작시켜서 문서 표준화를 자동으로 수행할 수 있다.
특징 데이터 추출부(120)는 파일 헤더 분석 모듈을 포함하고, 일예로 Excel, Image, Word, PDF Feature Data 추출 모듈을 포함한다.
파일의 헤더 정보와 확장자로 분석된 결과로 파일별 데이터 취득 방식을 선별하는 알고리즘을 포함한다.
일 실시예에 있어서 파일 헤더 분석기에서 파일 내용을 바이너리로 로딩하여 파일헤더 시그니처 정보를 취득하고 파일 확장자를 조합하여 판단한다. 그리고 특징 추출기에서는 확장자별로 지정된 영역에서 데이터를 취득하는 로직을 개발한다.
표준 데이터 변환부(130)는 특징 데이터 추출부에서 추출된 특징 데이터를 소정 포맷의 데이터로 정규화하기 위한 표준 데이터로 변환한다.
본 발명의 일 양상에 있어서 표준 데이터 변환부(130)는 파일 헤더 정보와 확장자로 분석된 결과로 파일별 데이터 취득 방식을 선별하는 알고리즘을 포함하고, 확장자에 따라 문자를 취득하는 경우에 글자 단위로 바이트(Byte)로 변환하고, 문자가 아닌 경우 픽셀 단위 데이터를 바이트로 변환하며, 문서 내용에 따라 문서의 종류별로 개별적 로직을 구현한다.
표준 데이터 변환부(130)는 일정한 포맷으로 데이터를 정규화하는 프로세스를 수행한다. 예를들어 고객이 보낸 Excel 파일의 주문서를 자사 표준 주문서 포맷으로 변경하는 것일 수 있다.
표준 데이터 변환부(130)는 표준데이터로 변환을 위해 문서 내용을 판별하기 위해서 심층 신경망(Deep Neural Network)의 한 종류인 CNN을 이용한다.
표준 포맷 생성부(140)는 표준 데이터 변환부(130)에서 변환한 표준 데이터에 기반하여 작업 파일 입력부(110)로 입력받은 작업 파일을 표준 포맷으로 정규화하여 표준 포맷 데이터를 생성한다.
이에 따라 비즈니스 프로세스 개발자의 개발수준이나 능력에 상관없이 주어진 문서 종류와 내용을 AI가 판단하여 지정된 룰셋으로 로봇을 동작시킬 수 있어 매우 짧은 시간에 다양한 문서를 표준화하고 처리 프로세스를 개발할 수 있다. 또한 문서 분류 및 표준화 모듈을 Activity 형태로 제공하여 비즈니스 프로세스 자동화 개발을 단순화시킬 수 있게 함으로써 개발기간 단축과 도입비용 절감효과를 볼 수 있다.
일 실시예에 따르면 문서 표준화를 위한 사전 작업으로 표준 데이터로 변환하는 기술적 구성을 도입하여 문서 특징에 대한 수집 및 인식 알고리즘을 단순화할 수 있다. 다만, 단순한 알고리즘 하에서도 문서 분류의 정확도를 높이기 위해 100%일치하는 경우에만 자동으로 분류하며 이외에는 미인식으로 분류함이 바람직하다.
표준 포맷 생성부(140)는 분류된 문서를 문서 분류를 위해 인지된 정보를 바탕으로 사전에 정의된 표준 문서 포멧으로 자동변환을 수행한다. 표준 문서로 변환하는 목적이 업무 자동화(RPA) 프로세스를 효과적으로 수행함에 있으므로, 새로운 RPA 개발 없이 기존 자동화 업무 프로세스를 재활용하여 End to End 프로세스를 처리하게된다.
일 실시예에 있어서 표준 포맷 생성부(140)는 다종의 파일 형싱식을 일관된 포맷으로 변경하기 위한 String to Float Conveter 기술을 포함한다.
즉, 업무 자동화 처리를 위한 문서 분류 및 표준화를 수행함에 기술적 특징이 있다.
그리고 작업 수행부(150)는 표준 포맷 생성부(140)에서 생성된 표준 포맷 데이터에 소정의 규칙에 따라 업무 처리 자동화 시스템에서 정해진 작업을 수행한다.
작업 수행부(150)는 프로세스 수행 엔진용 Run Script Executor로 구현된다. Run Script는 프로세스 설계 도구에서 자동화 업무 스텝을 정의한 XML 형식의 파일로 구현되며, Run Script를 해석하여 로봇 엔진이 수행 할 수 있도록 세부 Activity의 속성, 실행 명령, 변수처리를 수행하고 수행 이력을 기록할 수 있다.
본 발명의 일 양상에 있어서, 학습부(160)는 CNN(Convolution Neural Network)을 이용하여 표준 포맷 생성부에서 생성된 표준 포맷 문서 종류와 문서의 내용을 학습한다.
학습부(160)는 학습시킨 모델에 질의를 하여 종류와 내용을 판별하는 경우 로직 개발의 단축과 일관성 있는 로직 구성이 가능하다. 그리고 학습시킨 모델에 질의하여 판별한 결과로 로봇의 액티비티를 실행하고, 문서 내용에 따른 RPA 동작 모듈은 문서 종류별로 개별적 로직을 구현하게 된다.
일 실시예에 있어서, 학습부(160)는 기계학습을 통한 문서 내용 판별 및 문서 포맷 변경 률셋 관리 모듈을 포함한다.
복제 모듈 생성부(170)는 작업 파일 입력부(110)가 적어도 하나 이상의 작업 파일을 입력받으면, 작업 단위별 로봇 생성을 위한 로봇 복제 모듈을 생성한다.
이때 복제 모듈 생성부(170)는 로봇 구별을 위한 ID, 로봇이 실행할 비즈니스 프로세스 스크립트의 위치정보, 로그 레벨, 작업 히스토리 ID 인자를 생성하여 로봇 프로세스의 실행인자로 설정하여 로봇 복제 모듈을 추가 생성한다. 인자로 넘겨주는 로봇 ID값은 RPA 서버입장에서는 한대의 PC에서 구동되는 여러 로봇을 구분하는 키로 사용된다.
이에 따라 하나의 PC에서 하나의 업무만 처리하는 한계를 벗어나 여러 업무를 동시에 처리할 수 있다. 이미 작업을 진행하고 있을때 새로운 작업 요청이 수신되면 이미 작업을 진행하고 있더라도 동시에 새로운 작업을 진행할 수 있도록 로봇을 복제하여 기존 작업과 새로 요청받은 작업을 동시에 진행하게 된다.
도 3은 일 실시예에 따른 문서 자동 분류 동작을 설명하기 위한 흐름도이다.
일 실시예에 따른 지능형 업무 처리 자동화 시스템은 다종다양한 문서 양식으로부터 지정된 영역의 데이터를 취득하여 Character to Bytearray 변환을 거친 후 Byte to Float의 로직을 거치는 기본적인 String to Float Converter를 도입한다. 글자 단위 변환과 픽셀 단위 정보의 변환이 가능하도록 변환의 최소 단위는 1Byte를 사용하고, 문서의 종류에 따라 데이터를 로드 하는 방법을 달리하여 다양한 문서 종류에 대응 할 수 있도록 데이터 로드 알고리즘을 포함한다. 그리고 확장자에 따라서 문자를 취득하는 경우 글자 단위로 Byte로 변환하고 문자가 아닌 경우 픽셀단위의 데이터를 바이트로 변환하여 CNN에 입력 값으로 사용할 수 있다.
도 4는 본 발명의 일 실시예에 따른 멀티 프로세싱에 따른 기대 효과를 도시한 예시도이다.
멀티프로세싱이 가능한 구조가 제공되므로 업무 러시아워에 필요한 로봇 리소스를 폭넓게 활용할 수 있고 RPA 도입 규모를 축소할 수 있어 경제적 부담을 줄일 수 있다. 업무 수행 로봇 복제를 통해 CPU 및 메모리 Resource 활용률을 증가시키고 멀티 스레드 기법을 응용하여 단일 자원(파일 I/O등), 이벤트(키보드,마우스)등 관리 효율화가 가능하다.
복제 모듈 생성부(170)는 자가 복제를 수행하여 진행되고 있는 작업 이외의 작업을 동시에 수행할 수 있도록 또 다른 로봇을 생성한다.
이때 복제 모듈 생성부(170)는 로컬 리소스의 공유 문제 해결을 위해 동일한 파일의 쓰기 접근, 마우스-키보드, 활성화 윈도우 자원들의 상황을 복제된 로봇들에 공유 및 접근 가능하도록 허용한다. 이를 위해 첫번째 로봇이 작업을 실행하는 시점에 문제의 소지가 있는 로컬 리소스 접근을 제어하는 로컬 리소스 세마포어(Local Resource Semaphore)를 만들어 병렬처리 수행에 문제가 없도록 지원을 하도록 구현된다.
일 실시예에 있어서 복제 모듈 생성부(170)는 Auto Scale-UP 모듈 구현을 위해 멀트 프로세스 활용 기술을 수행한다. 즉 하나의 PC에서 멀티 프로세스로 구현되기 위해서 리소스(파일 등) 및 이벤트(키보드 및 마우스 등)가 공유할 수 있는 기술을 멀티 스레드 이론 기반의 아키텍처를 활용한다.
복제 모듈 생성부(170)는 소프트웨어 로봇에 특화하여 자원을 효율적으로 공유 제어하는 알고리즘 및 자원 현황에 맞춰 복제되는 로봇 수량을 제어할 수 있다. 소프트웨어 로봇이 복제된 이후에 기존 로봇과 동일한 조건으로 새로운 자동화 업무를 할당받고 수행할 수 있다.
일 실시예에 있어서 복제 모듈 생성부(170)는 세마포어를 이용한 단일 자원 단일 프로세스 점유 기술을 적용한 단일 자원 동시 접근 방지용 모듈을 포함한다. 또한 로컬 하드웨어 자원의 잔여 용량을 고려하여 Resource Manager개발을 위해 CPU Core와 메모리 용량을 고려하여 로봇 Scale-up 판별 기능을 적용한다. 로봇 복제 모듈 개발을 위해 Resource manager의 결과로 실제 로봇을 복제하는 기술을 적용하고 ctivity의 선, 후 배치의 연관 관계에 따른 차순위 로봇의 로컬 리소스 할당 가부 판단 모듈 개발을 위해 관계분석(Activity Relation Analyzer) 모듈을 포함할 수 있다.
복제 모듈 생성부(170)는 업무 요청 단위로 로봇을 복제하는 모듈을 제공하기 위해서 오류 방지 대책이 난해한 문제이므로 이를 해결하기 위해서 세마포어를 이용한 단일 자원 동시 접근을 차단하는 알고리즘을 도입한다.
로봇이 동작하는 행위를 규정하는 Activity 요소는 선후 관계를 고려하여 오류를 예측 할 수 있는 알고리즘이 필요한데, 선행된 Activity 요소가 마우스 점유를 해제하였지만 다른 로봇의 Activity로 인하여 오류가 발생됨을 예측할 필요가 있다. 이를 위해서 점유 중인 단일 리소스 점유를 알리는 속성을 Activity에 추가하여 동일한 단일리소스에 접근하는 로직이 시작되는 것을 미연에 방지하도록 구현된다.
도 5 는 본 발명의 일 실시예에 따른 복제 모듈 생성부에 의해 생성된 로봇 복제 모듈에서 작업 상황을 설명하기 위한 예시도이다.
도 5 에서와 같이 일 실시예에 따른 지능형 업무 처리 자동화 시스템(10)은 한 대의 로봇 PC에 동시에 여러 작업이 할당될 경우 로봇 복제 모듈로 구현되는 복제 모듈 생성부(170)에서 작업 단위별 로봇을 생성하여 개별 업무를 실행할 수 있다.
도 6 은 본 발명의 일 실시예에 따른 지능형 업무 처리 자동화 시스템의 구동방법의 흐름도이다.
일 실시예에 따른 지능형 업무 처리 자동화 시스템은 업무 처리 자동화 시스템에 의해 정해진 작업을 수행하기 위한 작업 파일을 입력받는다(S600).
본 발명의 일 양상에 있어서, 작업 파일 입력 단계가 적어도 둘 이상의 작업 파일을 입력받으면(S610), 작업 단위별 로봇 생성을 위한 로봇 복제 모듈을 생성한다(S620).
이때 복제 모듈 생성 단계는, 로봇 구별을 위한 ID, 로봇이 실행할 비즈니스 프로세스 스크립트의 위치정보, 로그 레벨, 작업 히스토리 ID 인자를 생성하여 로봇 프로세스의 실행인자로 설정하여 로봇 복제 모듈을 추가 생성한다.
그리고 작업 파일 입력단계에서 입력받은 작업 파일에서 특징 데이터를 추출한다(S630).
일 실시예에 있어서 특징 데이터 추출 단계는 심층 신경망(Deep Neural Network)의 한 종류인 CNN을 이용한다. 실제 이미지 데이터를 이용하는 경우 픽셀 단위의 데이터가 다를 수 있음을 고려하여 Convolution layer를 만들어 다수의 Activation map을 생성하지만 문자의 값을 Float 타입으로 변환하는 경우 정확한 값이 입력될 수 있으므로, Convolution layer 깊이를 낮게 하고 Activation Map 의 개수도 이미지 분석보다 적게 만들어 학습 속도를 빠르게 할 수 있다.
즉, String to float Converter를 적용하여 모든 종류의 문서를 판단할 수 있는 문서 학습기를 제안할 수 있다. 나아가 문서의 종류와 내용을 판별하여 정해진 룰셋으로 RPA를 동작시켜서 문서 표준화를 자동으로 수행할 수 있다.
그리고 특징 데이터 추출 단계에서 추출된 특징 데이터를 소정 포맷의 데이터로 정규화하기 위한 표준 데이터로 변환한다(S640).
일 양상에 있어서, 표준 데이터 변환 단계는 파일 헤더 정보와 확장자로 분석된 결과로 파일별 데이터 취득 방식을 선별하는 알고리즘을 포함하고, 확장자에 따라 문자를 취득하는 경우에 글자 단위로 Byte로 변환하고, 문자가 아닌 경우 필셀 단위 데이터를 바이트로 변환하며, 문서 내용에 따라 문서의 종류별로 개별적 로직을 구현한다.
그리고 표준 데이터 변환 단계에서 변환한 표준 데이터에 기반하여 작업 파일 입력 단계에서 입력받은 작업 파일을 표준 포맷으로 정규화하여 표준 포맷 데이터를 생성한다(S650).
이후에 표준 포맷 생성 단계에서 생성된 표준 포맷 데이터에 소정의 규칙에 따라 업무 처리 자동화 시스템에서 정해진 작업을 수행하도록 요청한다(S660).
작업 수행 단계는 프로세스 수행 엔진용 Run Script Executor로 구현된다. Run Script는 프로세스 설계 도구에서 자동화 업무 스텝을 정의한 XML 형식의 파일로 구현되며, Run Script를 해석하여 로봇 엔진이 수행 할 수 있도록 세부 Activity의 속성, 실행 명령, 변수처리를 수행하고 수행 이력을 기록할 수 있다.
이에 따라 비즈니스 프로세스 개발자의 개발수준이나 능력에 상관없이 주어진 문서 종류와 내용을 AI가 판단하여 지정된 룰셋으로 로봇을 동작시킬 수 있어 짧은 시간에 다양한 문서를 표준화하고 처리 프로세스를 개발할 수 있다. 또한 문서 분류 및 표준화 모듈을 Activity 형태로 제공하여 비즈니스 프로세스 자동화 개발을 단순화시킬 수 있게 함으로써 개발기간 단축과 도입비용 절감효과를 볼 수 있다.
일 실시예에 따르면 문서 표준화를 위한 사전 작업으로 표준 데이터로 변환하는 기술적 구성을 도입하여 문서 특징에 대한 수집 및 인식 알고리즘을 단순화할 수 있다. 다만, 단순한 알고리즘 하에서도 문서 분류의 정확도를 높이기 위해 100%일치하는 경우에만 자동으로 분류하며 이외에는 미인식으로 분류함이 바람직하다.
표준 포맷 생성 단계는 분류된 문서를 문서 분류를 위해 인지된 정보를 바탕으로 사전에 정의된 표준 문서 포멧으로 자동변환을 수행한다. 표준 문서로 변환하는 목적이 업무 자동화(RPA) 프로세스를 효과적으로 수행함에 있으므로, 새로운 RPA 개발 없이 기존 자동화 업무 프로세스를 재활용하여 End to End 프로세스를 처리하게된다.
일 실시예에 있어서 표준 포맷 생성 단계는 다종의 파일 형싱식을 일관된 포맷으로 변경하기 위한 String to Float Conveter 기술을 포함한다.
즉, 업무 자동화 처리를 위한 문서 분류 및 표준화를 수행함에 기술적 특징이 있다.
본 발명의 특징적인 양상에 있어서, CNN(Conversation Neural Network) 모델을 이용하여 표준 포맷 생성 단계에서 생성된 표준 포맷 문서 종류와 문서의 내용을 학습한다.
일 실시예에 따른 지능형 업무 처리 자동화 시스템은 학습시킨 모델에 질의를 하여 종류와 내용을 판별하는 경우 로직 개발의 단축과 일관성 있는 로직 구성이 가능하다. 그리고 학습시킨 모델에 질의하여 판별한 결과로 로봇의 액티비티를 실행하고, 문서 내용에 따른 RPA 동작 모듈은 문서 종류별로 개별적 로직을 구현하게 된다.
전술한 방법은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10 : 지능형 업무 처리 자동화 시스템 110 : 작업 파일 입력부
120 : 특징 데이터 추출부 130 : 표준 포맷 생성부
140 : 작업 수행부 150 : 학습부
160 : 복제 모듈 생성부

Claims (8)

  1. 업무 처리 자동화 시스템에 의해 정해진 작업을 수행하기 위한 작업 파일을 입력받는 작업 파일 입력부;
    상기 작업 파일 입력부로 입력받은 작업 파일에서 특징 데이터를 추출하는 특징 데이터 추출부;
    상기 특징 데이터 추출부에서 추출된 특징 데이터를 소정 포맷의 데이터로 정규화하기 위한 표준 데이터로 변환하는 표준 데이터 변환부;
    상기 표준 데이터 변환부에서 변환한 표준 데이터에 기반하여 상기 작업 파일 입력부로 입력받은 작업 파일을 표준 포맷으로 정규화하여 표준 포맷 데이터를 생성하는 표준 포맷 생성부; 및
    상기 표준 포맷 생성부에서 생성된 표준 포맷 데이터에 소정의 규칙에 따라 업무 처리 자동화 시스템에서 정해진 작업을 수행하도록 요청하는 작업 수행부;를 포함하고,
    CNN(Conversation Neural Network) 모델을 이용하여 상기 표준 포맷 생성부에서 생성된 표준 포맷 문서 종류와 문서의 내용을 학습하는 학습부;를 더 포함하며,
    상기 작업 파일 입력부가 적어도 하나 이상의 작업 파일을 입력받으면, 작업 단위별 로봇 생성을 위한 로봇 복제 모듈을 생성하는 복제 모듈 생성부;를 더 포함하고,
    상기 복제 모듈 생성부는,
    로봇 구별을 위한 ID, 로봇이 실행할 비즈니스 프로세스 스크립트의 위치정보, 로그 레벨, 작업 히스토리 ID 인자를 생성하여 로봇 프로세스의 실행인자로 설정하여 로봇 복제 모듈을 추가 생성하며,
    자원 현황에 맞춰 복제되는 로봇 수량을 제어하고,
    세마포어를 이용한 단일 자원 단일 프로세스 점유 기술을 적용한 단일 자원 동시 접근 방지용 모듈을 포함하며,
    상기 특징 데이터 추출부는 파일 헤더 분석 모듈을 포함하고,
    파일의 헤더 정보와 확장자 분석 결과로 파일별 데이터 취득 방식을 선별하는 알고리즘을 포함하는, 지능형 업무 처리 자동화 시스템.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 표준 데이터 변환부는,
    파일 헤더 정보와 확장자로 분석된 결과로 파일별 데이터 취득 방식을 선별하는 알고리즘을 포함하고, 확장자에 따라 문자를 취득하는 경우에 글자 단위로 바이트(Byte)로 변환하고, 문자가 아닌 경우 픽셀 단위 데이터를 바이트로 변환하며, 문서 내용에 따라 문서의 종류별로 개별적 로직을 구현하는, 지능형 업무 처리 자동화 시스템.
  4. 삭제
  5. 지능형 업무 처리 자동화 시스템에서 수행되는 지능형 업무 처리 자동화 시스템의 구동방법에 있어서,
    작업 파일 입력부가 업무 처리 자동화 시스템에 의해 정해진 작업을 수행하기 위한 작업 파일을 입력받는 작업 파일 입력 단계;
    특징 데이터 추출부가 상기 작업 파일 입력단계에서 입력받은 작업 파일에서 특징 데이터를 추출하는 특징 데이터 추출 단계;
    표준 데이터 변환부가 상기 특징 데이터 추출 단계에서 추출된 특징 데이터를 소정 포맷의 데이터로 정규화하기 위한 표준 데이터로 변환하는 표준 데이터 변환 단계;
    표준 포맷 생성부가 상기 표준 데이터 변환 단계에서 변환한 표준 데이터에 기반하여 상기 작업 파일 입력 단계에서 입력받은 작업 파일을 표준 포맷으로 정규화하여 표준 포맷 데이터를 생성하는 표준 포맷 생성 단계; 및
    작업 수행부가 상기 표준 포맷 생성 단계에서 생성된 표준 포맷 데이터에 소정의 규칙에 따라 업무 처리 자동화 시스템에서 정해진 작업을 수행하도록 요청하는 작업 수행 단계;를 포함하고,
    학습부가 CNN(Conversation Neural Network) 모델을 이용하여 상기 표준 포맷 생성 단계에서 생성된 표준 포맷 문서 종류와 문서의 내용을 학습하는 학습 단계;를 더 포함하며,
    상기 작업 파일 입력 단계가 적어도 둘 이상의 작업 파일을 입력받으면, 작업 단위별 로봇 생성을 위한 로봇 복제 모듈을 생성하는 복제 모듈 생성 단계;를 더 포함하고,
    상기 복제 모듈 생성 단계는,
    로봇 구별을 위한 ID, 로봇이 실행할 비즈니스 프로세스 스크립트의 위치정보, 로그 레벨, 작업 히스토리 ID 인자를 생성하여 로봇 프로세스의 실행인자로 설정하여 로봇 복제 모듈을 추가 생성하며,
    자원 현황에 맞춰 복제되는 로봇 수량을 제어하고,
    세마포어를 이용한 단일 자원 단일 프로세스 점유 기술을 적용한 단일 자원 동시 접근 방지용 모듈을 포함하며,
    상기 특징 데이터 추출부는 파일 헤더 분석 모듈을 포함하고,
    파일의 헤더 정보와 확장자 분석 결과로 파일별 데이터 취득 방식을 선별하는 알고리즘을 포함하는, 지능형 업무 처리 자동화 시스템의 구동방법.
  6. 삭제
  7. 제 5 항에 있어서,
    상기 표준 데이터 변환 단계는,
    파일 헤더 정보와 확장자로 분석된 결과로 파일별 데이터 취득 방식을 선별하는 알고리즘을 포함하고, 확장자에 따라 문자를 취득하는 경우에 글자 단위로 Byte로 변환하고, 문자가 아닌 경우 픽셀 단위 데이터를 바이트로 변환하며, 문서 내용에 따라 문서의 종류별로 개별적 로직을 구현하는, 지능형 업무 처리 자동화 시스템의 구동방법.
  8. 삭제
KR1020210186164A 2021-12-23 2021-12-23 지능형 업무 처리 자동화 시스템 및 그 구동방법 KR102643073B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210186164A KR102643073B1 (ko) 2021-12-23 2021-12-23 지능형 업무 처리 자동화 시스템 및 그 구동방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210186164A KR102643073B1 (ko) 2021-12-23 2021-12-23 지능형 업무 처리 자동화 시스템 및 그 구동방법

Publications (2)

Publication Number Publication Date
KR20230096566A KR20230096566A (ko) 2023-06-30
KR102643073B1 true KR102643073B1 (ko) 2024-03-05

Family

ID=86959780

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210186164A KR102643073B1 (ko) 2021-12-23 2021-12-23 지능형 업무 처리 자동화 시스템 및 그 구동방법

Country Status (1)

Country Link
KR (1) KR102643073B1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101400548B1 (ko) 2012-10-18 2014-05-27 조선대학교산학협력단 문서의 자동 학습 장치와 이를 이용한 문서 자동 학습 방법, 문서의 자동 분류 장치와 이를 이용한 문서 자동 분류 방법
KR102063036B1 (ko) 2018-04-19 2020-01-07 한밭대학교 산학협력단 딥러닝과 문자인식으로 구현한 시각주의 모델 기반의 문서 종류 자동 분류 장치 및 방법
KR102336530B1 (ko) * 2019-04-08 2021-12-06 송영호 청구 대행을 수행하기 위한 방법, 장치 및 이를 지원하기 위한 시스템
US20210097274A1 (en) 2019-09-30 2021-04-01 UiPath, Inc. Document processing framework for robotic process automation
US11372380B2 (en) * 2019-10-15 2022-06-28 UiPath, Inc. Media-to-workflow generation using artificial intelligence (AI)

Also Published As

Publication number Publication date
KR20230096566A (ko) 2023-06-30

Similar Documents

Publication Publication Date Title
US10725827B2 (en) Artificial intelligence based virtual automated assistance
US11205143B2 (en) Utilizing a machine learning model and natural language processing to manage and allocate tasks
US10938678B2 (en) Automation plan generation and ticket classification for automated ticket resolution
US20170352041A1 (en) Intelligent, interactive, and self-learning robotic process automation system
CN113255614A (zh) 一种基于视频分析的rpa流程自动生成方法与系统
CN109062763A (zh) 一种从svn日志事件流中动态实时挖掘软件过程活动的方法
US20200073639A1 (en) Automated process analysis and automation implementation
KR102324041B1 (ko) 크라우드소싱 기반 프로젝트의 작업 유형 및 난이도에 기반한 작업자 풀 관리 방법
KR20230100260A (ko) 업무 처리 자동화 시스템의 업무 처리 상황 관리 시스템 및 그 구동방법
CN115271637A (zh) 基于智能合约和人工智能的审批系统及方法
CN114781648A (zh) 面向机器学习任务的自动化编排、构建、执行方法及系统
Chouchen et al. Learning to predict code review completion time in modern code review
Cunha et al. Context-aware execution migration tool for data science Jupyter Notebooks on hybrid clouds
Torkhani et al. Intelligent framework for business process automation and re-engineering
KR102643073B1 (ko) 지능형 업무 처리 자동화 시스템 및 그 구동방법
CN117235527A (zh) 端到端容器化的大数据模型构建方法、装置、设备及介质
KR102155839B1 (ko) 작업불가 사유 기반의 작업자 모니터링 방법 및 장치
US11507907B2 (en) Multi-computer processing system with machine learning engine for optimized forecasting
US20220100964A1 (en) Deep learning based document splitter
KR102164852B1 (ko) 인공지능 학습데이터 생성을 위한 크라우드소싱 기반 프로젝트의 긴급도를 고려한 프로젝트 참여 제한 방법
KR102244705B1 (ko) 학습데이터 생성을 위한 크라우드소싱 기반 유사 프로젝트의 작업 단가 역전 조정을 통한 작업자 유입 조절 방법
KR102183837B1 (ko) 인공지능 학습 데이터 생성을 위한 크라우드소싱 기반 프로젝트의 검증용 작업을 이용한 작업자별 시급제 기반 작업 비용 지급 방법
CN114707961A (zh) 基于审批流配置的待审批任务执行方法、装置、设备、介质和程序产品
Han et al. A review on financial robot process auto-mining based on reinforcement learning
CN117973806B (zh) 一种面向保电drs计划生成的方法及系统

Legal Events

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