KR20190114323A

KR20190114323A - 원가 추적 및 분석 시스템 및 그 방법

Info

Publication number: KR20190114323A
Application number: KR1020180036853A
Authority: KR
Inventors: 류형규; 김성봉; 강미애; 정용호
Original assignee: (주)레브웨어; 리치앤타임(주)
Priority date: 2018-03-29
Filing date: 2018-03-29
Publication date: 2019-10-10

Abstract

본 발명의 일면에 의하면, BOM(Bill of Material)의 프로토 타입의 데이터가 입력되며 BOM의 속성에 대한 데이터를 추출하고 분류하기 위한 품목속성 분류부(10), 품목속성 분류부(10)에 의하여 분류된 데이터에 대하여 학습로직 과정을 수행하기 위하여 필요한 변수들을 선택하여 회귀식 로직을 수행하도록 하며 선택된 변수와 회귀식 로직의 결과를 테스트하기 위한 학습로직 선택부(20), 학습로직 선택부(20)에 의하여 선택된 변수와 회귀식 로직의 테스트 결과에 의하여 품목속성 분류부(10)에 의하여 분류된 데이터를 비교하여 원가를 변동을 추적 연산하며 그 원가를 검증하기 위한 원가 분석부(30), 및 원가 분석부(30)에 의하여 검증된 원가 분석에 필요한 데이터가 업로드되기 위한 데이터 베이스부(40)로 이루어지는 원가 추적 및 분석 시스템이 제공된다.

Description

원가 추적 및 분석 시스템 및 그 방법{Cost tracking and analysis management system and method thereof}

본 발명은 원가 추적 및 분석 시스템 및 그 방법에 관한 것으로서, 보다 상세하게는 각 BOM(Bill of Material)을 비교하여 원가를 추적하고 그 차이점을 학습 알고리즘을 통하여 분석함으로써 보다 정밀한 원가 변동 요인을 분석할 수 있는 원가 추적 및 분석 시스템 및 그 방법에 관한 것이다.

물품을 제조 생산하기 위해서는 자재의 구매부터 제품의 납기까지의 일련의 정보흐름을 총괄하는 생산계획을 거치며, 생산 계획에서 정해진 기간 내에 제조 라인을 운영하기 위한 실행 계획을 거치게 된다.

이 때, 공장 등에서의 생산 계획의 작성을 지원 또는 자동화하는 생산 계획 시스템은 과거에 다수의 제안이 이루어져 있으며, 이미 국내외에서 많은 제품이 상용화되어 있으며, 또한 많은 제조회사가 독자적인 시스템을 개발하여 자사에서 사용하고 있다.

종래의 이러한 다수의 생산 계획 시스템은 설비 능력을 무한대로 가정하는 등 생산 공정에 있어서의 제약을 단순화하여 모델을 작성하고, 단순화된 모델에 대하여 선형 계획법 등의 수리적 최적화 수법을 적용하여 개략적인 해를 구하는 방법을 채택하고 있다.

이러한 방식에 의할 경우 생산계획과 실행계획과의 괴리를 피할 수 없으며, 부품의 품목에 대한 변경이나 설계변경 등에 대하여 이를 일일이 눈으로 체크해야 함에 따라 많은 비용과 시간이 낭비되는 문제점이 있다. 이 때, 현장에서는 Eye-Checking에 의한 변경 내역 정리를 하고 있는 실정으로 이루어지고 있으며, 예를 들어 만개 정도의 ITEM이 있는 BOM의 경우, 변경 내역 정리에 8시간 이상 소요되는 문제점이 있다.

따라서 비교대상이 되는 BOM들에 대하여 원가 변경 내역을 신속하고 정확하게 파악할 수 있는 시스템의 개발이 요구되고 있다.

따라서 본 발명의 목적은 BOM 데이터의 변경 내역에 대하여 머신 러닝 기법을 통하여 모델링하고, 자동적으로 분석하여, 원가 추적을 신속하고 정확하게 수행할 수 있는 원가 추적 및 분석 시스템을 제공하는 것이다.

여기서, 품목속성 분류부(10)는 BOM의 프로토 타입의 데이터가 입력되기 위한 BOM 입력모듈(12), BOM 입력부(10)로부터 입력된 BOM의 프로토 타입 데이터에 대하여 품목의 속성에 대한 데이터를 추출하기 위한 데이터 추출모듈(14), 및 데이터 추출모듈(14)에 의하여 추출된 데이터에 대하여 원가 변동의 변수와 연동되도록 데이터를 분류하기 위한 데이터 분류모듈(16)로 이루어지는 것이 바람직하다.

또한, 품목속성 분류부(10)의 BOM 입력모듈(12)은 물품의 제조에 관하여 필요한 제조물건의 각 부품의 품목에 관한 프로토 타입 데이터가 입력되며, 품목속성 분류부(10)의 데이터 추출모듈(14)은 BOM 입력모듈(12)에 의하여 입력된 프로토 타입 데이터에 대하여 품목 속성과 제조공법에 따라 품목의 속성에 관한 데이터를 추출 분리하는 것이 바람직하다.

또한, 품목속성 분류부(10)의 데이터 분류모듈(16)은 데이터 추출모듈(14)에 의하여 추출된 데이터에 대하여 원가 변동의 변수와 연동되도록 데이터를 분류하며, 각 품목의 제조특성에 따른 단가에 관한 데이터를 추출하여 분류하는 것이 바람직하다.

또한, 학습로직 선택부(20)는 품목속성 분류부(10)의 데이터 분류모듈(16)에 의하여 분류된 데이터에 대하여 학습로직 과정을 수행하기 위하여 필요한 변수들을 선택하기 위한 변수 선택모듈(22), 변수 선택모듈(22)에 의하여 선택된 변수들을 매개하여 회귀식 로직을 선택하여 회귀식을 생성하기 위한 회귀식모듈(24), 및 회귀식모듈(24)에 의하여 생성된 회귀식에 대한 정확도를 테스트하기 위한 회귀식 테트스모듈(26)로 이루어지는 것이 바람직하다.

또한, 학습로직 선택부(20)의 변수 선택모듈(22)은 세팅에 의하여 설정된 선형 회귀식 및 로지스틱 회귀식 모델 생성을 위해 다양한 설정 옵션에 따라 원가 분석에 필요한 로그 데이터의 변수를 선택하는 것이 바람직하다.

또한, 선형 회귀식은 변수 선택모듈(22)을 통해 선택된 변수를 조합하여 수정결정계수의 값이 가장 큰 선형 회귀식을 생성하도록 하며, 로지스틱 회귀식은 변수 선택모듈(22)을 통해 선택된 변수를 조합하여 수정결정계수의 값이 가장 큰 로지스틱 회귀식을 생성하도록 하는 것이 바람직하다.

또한, 학습로직 선택부(20)의 회귀식 테트스모듈(26)은 회귀식모듈(24)에 의하여 선택된 선형 회귀식과 로지스틱 회귀식을 통해 생성된 선형 회귀식 및 로지스틱 회귀식에 대한 문제여부를 검증하기 위하여 회귀분석을 시험적으로 수행하여 그 결과 데이터를 원가 분석부(30)에 입력하는 것이 바람직하다.

또한, 원가 분석부(30)는 학습로직 선택부(20)에 의하여 선택된 변수와 회귀식 로직의 테스트 결과에 의하여 품목속성 분류부(10)에 의하여 분류된 데이터를 비교하기 위한 데이터 비교모듈(32), 데이터 비교모듈(32)에 의하여 비교된 데이터를 통하여 생산 원가의 변동 요인과 그 결과값에 대한 데이터를 연산하기 위한 원가추적 연산모듈(34), 및 원가추적 연산모듈(34)에 의하여 연산된 원가추적의 결과값과 원가 변동의 적합성을 검증하기 위한 원가 검증모듈(36)로 이루어지는 것이 바람직하다.

또한, 데이터 베이스부(40)는 원가 분석부(30)에 의하여 검증된 원가 분석에 필요한 데이터가 업로드되는 것이 바람직하다.

한편, 본 발명의 다른 일면에 의하면, BOM의 프로토 타입의 데이터가 입력되는 제1 단계, 입력된 BOM의 프로토 타입 데이터에 대하여 BOM의 속성에 대한 데이터를 추출하고 분류하는 제2 단계, 분류된 데이터에 대하여 학습로직 과정을 수행하기 위하여 필요한 변수와 회귀식을 선택하여 회귀식 로직을 수행하도록 하는 제3 단계, 및 선택된 변수와 회귀식 로직에 의하여 분류된 데이터를 비교하며, 선택된 변수와 회귀식 로직의 테스트 결과에 따라 분류된 데이터를 비교하여 원가를 변동을 추적 연산하며 그 원가를 검증하는 제4 단계를 포함하는 원가 추적 및 분석 방법이 제공된다.

또한, 검증된 원가 분석에 필요한 데이터가 업로드되는 제5 단계를 더 포함하는 것이 바람직하다.

따라서 본 발명에 의하면 BOM 데이터의 변경 내역에 대하여 머신 러닝 기법을 통하여 모델링하고, 자동적으로 분석하여, 원가 추적을 신속하고 정확하게 수행할 수 있다.

도 1은 본 발명의 바람직한 실시예에 따른 원가 추적 및 분석 시스템의 블록도이다.
도 2는 본 발명의 바람직한 실시예에 따른 원가 추적 및 분석의 흐름도이다.

이하, 첨부된 도면을 참조하면서 본 발명의 바람직한 실시예에 따른 원가 추적 및 분석 시스템에 대하여 상세히 설명하기로 한다.

도 1은 본 발명의 바람직한 실시예에 따른 원가 추적 및 분석 시스템의 블록도이며, 도 2는 본 발명의 바람직한 실시예에 따른 원가 추적 및 분석의 흐름도이다.

도 1과 도 2에 도시된 바와 같이, 본 발명의 바람직한 실시예에 따른 원가 추적 및 분석 시스템에 의하면, BOM(Bill of Material)의 프로토 타입의 데이터가 입력되며 BOM의 속성에 대한 데이터를 추출하고 분류하기 위한 품목속성 분류부(10), 품목속성 분류부(10)에 의하여 분류된 데이터에 대하여 학습로직 과정을 수행하기 위하여 필요한 변수들을 선택하여 회귀식 로직을 수행하도록 하며 선택된 변수와 회귀식 로직의 결과를 테스트하기 위한 학습로직 선택부(20), 학습로직 선택부(20)에 의하여 선택된 변수와 회귀식 로직의 테스트 결과에 의하여 품목속성 분류부(10)에 의하여 분류된 데이터를 비교하여 원가를 변동을 추적 연산하며 그 원가를 검증하기 위한 원가 분석부(30), 및 원가 분석부(30)에 의하여 검증된 원가 분석에 필요한 데이터가 업로드되기 위한 데이터 베이스부(40)로 이루어진다.

품목속성 분류부(10)는 BOM(Bill of Material)의 프로토 타입의 데이터가 입력되기 위한 BOM 입력모듈(12), BOM 입력부(10)로부터 입력된 BOM의 프로토 타입 데이터에 대하여 품목의 속성에 대한 데이터를 추출하기 위한 데이터 추출모듈(14), 및 데이터 추출모듈(14)에 의하여 추출된 데이터에 대하여 원가 변동의 변수와 연동되도록 데이터를 분류하기 위한 데이터 분류모듈(16)로 이루어진다.

품목속성 분류부(10)의 BOM 입력모듈(12)은 물품의 제조에 관하여 필요한 제조물건의 각 부품의 품목에 관한 프로토 타입 데이터가 입력된다.

품목속성 분류부(10)의 데이터 추출모듈(14)은 BOM 입력모듈(12)에 의하여 입력된 프로토 타입 데이터에 대하여 품목 속성과 제조공법에 따라 품목의 속성에 관한 데이터를 추출 분리한다.

품목속성 분류부(10)의 데이터 분류모듈(16)은 데이터 추출모듈(14)에 의하여 추출된 데이터에 대하여 원가 변동의 변수와 연동되도록 데이터를 분류한다.

이 때, 데이터 분류모듈(16)는 각 품목의 제조특성에 따른 단가에 관한 데이터를 추출하여 분류를 추가적으로 수행한다.

품목속성 분류부(10)의 데이터 분류모듈(16)에 의하여, 각 품목에 대한 데이터 딕션너리(Data dictionary)를 구성하도록 하며, 제조 공정의 치환이나 변경, 품목의 변경, 품목 수량, 타 품목과의 관련도 등에 관한 템플레이트(Template)를 구성하도록 하며, 상기 템플레이트에 따라 각 제조원가에 산출에 필요한 각 계산인자 f(x)들을 추출 분류한다.

학습로직 선택부(20)는 품목속성 분류부(10)의 데이터 분류모듈(16)에 의하여 분류된 데이터에 대하여 학습로직 과정을 수행하기 위하여 필요한 변수들을 선택하기 위한 변수 선택모듈(22), 변수 선택모듈(22)에 의하여 선택된 변수들을 매개하여 회귀식 로직을 선택하여 회귀식을 생성하기 위한 회귀식모듈(24), 및 회귀식모듈(24)에 의하여 생성된 회귀식에 대한 정확도를 테스트하기 위한 회귀식 테트스모듈(26)로 이루어진다.

학습로직 선택부(20)의 변수 선택모듈(22)은 세팅에 의하여 설정된 선형 회귀식 및 로지스틱 회귀식 모델 생성을 위해 다양한 설정 옵션에 따라 원가 분석에 필요한 로그 데이터의 변수를 선택한다.

학습로직 선택부(20)의 회귀식모듈(24)은 원가 분석에 필요한 대상 로그 데이터의 변수에 의하여 원가 분석의 예측 모델 생성을 위해 선형 회귀식(Linear Regression) 및 로지스틱 회귀식(Logistic Regression)에 대한 옵션을 선택한다.

이 때, 선형 회귀식은 변수 선택모듈(22)을 통해 선택된 변수를 조합하여 수정결정계수의 값이 가장 큰 선형 회귀식을 생성하도록 하며, 로지스틱 회귀식은 변수 선택모듈(22)을 통해 선택된 변수를 조합하여 수정결정계수의 값이 가장 큰 로지스틱 회귀식을 생성하도록 한다.

한편, 학습로직 선택부(20)의 회귀식 테트스모듈(26)은 회귀식모듈(24)에 의하여 선택된 선형 회귀식과 로지스틱 회귀식을 통해 생성된 선형 회귀식 및 로지스틱 회귀식에 대한 문제여부를 검증하기 위하여 회귀분석을 시험적으로 수행하여 그 결과 데이터를 원가 분석부(30)에 입력한다.

원가 분석부(30)는 학습로직 선택부(20)에 의하여 선택된 변수와 회귀식 로직의 테스트 결과에 의하여 품목속성 분류부(10)에 의하여 분류된 데이터를 비교하기 위한 데이터 비교모듈(32), 데이터 비교모듈(32)에 의하여 비교된 데이터를 통하여 생산 원가의 변동 요인과 그 결과값에 대한 데이터를 연산하기 위한 원가추적 연산모듈(34), 및 원가추적 연산모듈(34)에 의하여 연산된 원가추적의 결과값과 원가 변동의 적합성을 검증하기 위한 원가 검증모듈(36)로 이루어진다.

데이터 베이스부(40)는 원가 분석부(30)에 의하여 검증된 원가 분석에 필요한 데이터가 업로드된다.

한편, 본 발명의 바람직한 실시예에 따른 원가 추적 및 분석 방법에 의하면, 먼저, BOM의 프로토 타입의 데이터가 입력된다.

이후, 입력된 BOM의 프로토 타입 데이터에 대하여 BOM의 속성에 대한 데이터를 추출하고 분류한다.

이후, 분류된 데이터에 대하여 학습로직 과정을 수행하기 위하여 필요한 변수와 회귀식을 선택하여 회귀식 로직을 수행하도록 한다.

이후, 선택된 변수와 회귀식 로직에 의하여 분류된 데이터를 비교한다.

이후, 선택된 변수와 회귀식 로직의 테스트 결과에 따라 품목속성 분류부(10)에 의하여 분류된 데이터를 비교하여 원가를 변동을 추적 연산하며 그 원가를 검증한다.

이후, 원가 분석부(30)에 의하여 검증된 원가 분석에 필요한 데이터가 업로드된다.

전술한 바와 같이, 본 발명의 바람직한 실시예에 따른 원가 추적 및 분석 시스템에 의하면, BOM(Bill of Material)의 프로토 타입의 데이터가 입력되며 BOM의 속성에 대한 데이터를 추출하며, 회귀식모듈(24)에 의하여 선택된 선형 회귀식과 로지스틱 회귀식을 통해 생성된 선형 회귀식 및 로지스틱 회귀식에 대한 문제여부를 검증하며, 회귀분석을 시험적으로 수행하여 그 결과 데이터를 갱신하도록 학습 과정이 이루어짐으로써 정밀하고 신속한 원가 변동의 요인과 결과를 분석하도록 할 수 있다.

10: 품목속성 분류부
12: BOM 입력모듈
14: 데이터 추출모듈
16: 데이터 분류모듈
20: 학습로직 선택부
22: 변수 선택모듈
24: 회귀식모듈
26: 회귀식 테트스모듈
30: 원가 분석부
32: 데이터 비교모듈
34: 원가추적 연산모듈
36: 원가 검증모듈
40: 데이터 베이스부

Claims

BOM(Bill of Material)의 프로토 타입의 데이터가 입력되며 BOM의 속성에 대한 데이터를 추출하고 분류하기 위한 품목속성 분류부(10);
품목속성 분류부(10)에 의하여 분류된 데이터에 대하여 학습로직 과정을 수행하기 위하여 필요한 변수들을 선택하여 회귀식 로직을 수행하도록 하며 선택된 변수와 회귀식 로직의 결과를 테스트하기 위한 학습로직 선택부(20);
학습로직 선택부(20)에 의하여 선택된 변수와 회귀식 로직의 테스트 결과에 의하여 품목속성 분류부(10)에 의하여 분류된 데이터를 비교하여 원가를 변동을 추적 연산하며 그 원가를 검증하기 위한 원가 분석부(30); 및
원가 분석부(30)에 의하여 검증된 원가 분석에 필요한 데이터가 업로드되기 위한 데이터 베이스부(40)로 이루어지는 것을 특징으로 하는 원가 추적 및 분석 시스템.
제1항에 있어서, 품목속성 분류부(10)는 BOM의 프로토 타입의 데이터가 입력되기 위한 BOM 입력모듈(12), BOM 입력부(10)로부터 입력된 BOM의 프로토 타입 데이터에 대하여 품목의 속성에 대한 데이터를 추출하기 위한 데이터 추출모듈(14), 및 데이터 추출모듈(14)에 의하여 추출된 데이터에 대하여 원가 변동의 변수와 연동되도록 데이터를 분류하기 위한 데이터 분류모듈(16)로 이루어지는 것을 특징으로 하는 원가 추적 및 분석 시스템.
제2항에 있어서, 품목속성 분류부(10)의 BOM 입력모듈(12)은 물품의 제조에 관하여 필요한 제조물건의 각 부품의 품목에 관한 프로토 타입 데이터가 입력되며,
품목속성 분류부(10)의 데이터 추출모듈(14)은 BOM 입력모듈(12)에 의하여 입력된 프로토 타입 데이터에 대하여 품목 속성과 제조공법에 따라 품목의 속성에 관한 데이터를 추출 분리하는 것을 특징으로 하는 원가 추적 및 분석 시스템.
제3항에 있어서, 품목속성 분류부(10)의 데이터 분류모듈(16)은 데이터 추출모듈(14)에 의하여 추출된 데이터에 대하여 원가 변동의 변수와 연동되도록 데이터를 분류하며, 각 품목의 제조특성에 따른 단가에 관한 데이터를 추출하여 분류하는 것을 특징으로 하는 원가 추적 및 분석 시스템.
제1항 내지 제4항 중의 어느 한 항에 있어서, 학습로직 선택부(20)는 품목속성 분류부(10)의 데이터 분류모듈(16)에 의하여 분류된 데이터에 대하여 학습로직 과정을 수행하기 위하여 필요한 변수들을 선택하기 위한 변수 선택모듈(22), 변수 선택모듈(22)에 의하여 선택된 변수들을 매개하여 회귀식 로직을 선택하여 회귀식을 생성하기 위한 회귀식모듈(24), 및 회귀식모듈(24)에 의하여 생성된 회귀식에 대한 정확도를 테스트하기 위한 회귀식 테트스모듈(26)로 이루어지는 것을 특징으로 하는 원가 추적 및 분석 시스템.
제5항에 있어서, 학습로직 선택부(20)의 변수 선택모듈(22)은 세팅에 의하여 설정된 선형 회귀식 및 로지스틱 회귀식 모델 생성을 위해 다양한 설정 옵션에 따라 원가 분석에 필요한 로그 데이터의 변수를 선택하는 것을 특징으로 하는 원가 추적 및 분석 시스템.
제6항에 있어서, 선형 회귀식은 변수 선택모듈(22)을 통해 선택된 변수를 조합하여 수정결정계수의 값이 가장 큰 선형 회귀식을 생성하도록 하며, 로지스틱 회귀식은 변수 선택모듈(22)을 통해 선택된 변수를 조합하여 수정결정계수의 값이 가장 큰 로지스틱 회귀식을 생성하도록 하는 것을 특징으로 하는 원가 추적 및 분석 시스템.
제7항에 있어서, 학습로직 선택부(20)의 회귀식 테트스모듈(26)은 회귀식모듈(24)에 의하여 선택된 선형 회귀식과 로지스틱 회귀식을 통해 생성된 선형 회귀식 및 로지스틱 회귀식에 대한 문제여부를 검증하기 위하여 회귀분석을 시험적으로 수행하여 그 결과 데이터를 원가 분석부(30)에 입력하는 것을 특징으로 하는 원가 추적 및 분석 시스템.
제8항에 있어서, 원가 분석부(30)는 학습로직 선택부(20)에 의하여 선택된 변수와 회귀식 로직의 테스트 결과에 의하여 품목속성 분류부(10)에 의하여 분류된 데이터를 비교하기 위한 데이터 비교모듈(32), 데이터 비교모듈(32)에 의하여 비교된 데이터를 통하여 생산 원가의 변동 요인과 그 결과값에 대한 데이터를 연산하기 위한 원가추적 연산모듈(34), 및 원가추적 연산모듈(34)에 의하여 연산된 원가추적의 결과값과 원가 변동의 적합성을 검증하기 위한 원가 검증모듈(36)로 이루어지는 것을 특징으로 하는 원가 추적 및 분석 시스템.
제9항에 있어서, 데이터 베이스부(40)는 원가 분석부(30)에 의하여 검증된 원가 분석에 필요한 데이터가 업로드되는 것을 특징으로 하는 원가 추적 및 분석 시스템.
BOM의 프로토 타입의 데이터가 입력되는 제1 단계;
입력된 BOM의 프로토 타입 데이터에 대하여 BOM의 속성에 대한 데이터를 추출하고 분류하는 제2 단계;
분류된 데이터에 대하여 학습로직 과정을 수행하기 위하여 필요한 변수와 회귀식을 선택하여 회귀식 로직을 수행하도록 하는 제3 단계; 및
선택된 변수와 회귀식 로직에 의하여 분류된 데이터를 비교하며, 선택된 변수와 회귀식 로직의 테스트 결과에 따라 분류된 데이터를 비교하여 원가를 변동을 추적 연산하며 그 원가를 검증하는 제4 단계를 포함하는 것을 특징으로 하는 원가 추적 및 분석 방법.
제11항에 있어서, 검증된 원가 분석에 필요한 데이터가 업로드되는 제5 단계를 더 포함하는 것을 특징으로 하는 원가 추적 및 분석 방법.