KR20220011016A - 수요 약품을 예측하는 도매상 단말 및 도매상 단말의 동작 방법 - Google Patents

수요 약품을 예측하는 도매상 단말 및 도매상 단말의 동작 방법 Download PDF

Info

Publication number
KR20220011016A
KR20220011016A KR1020200089886A KR20200089886A KR20220011016A KR 20220011016 A KR20220011016 A KR 20220011016A KR 1020200089886 A KR1020200089886 A KR 1020200089886A KR 20200089886 A KR20200089886 A KR 20200089886A KR 20220011016 A KR20220011016 A KR 20220011016A
Authority
KR
South Korea
Prior art keywords
drug
information
consumption
parameter information
wholesaler
Prior art date
Application number
KR1020200089886A
Other languages
English (en)
Inventor
이상국
Original Assignee
온라인팜 주식회사
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 온라인팜 주식회사 filed Critical 온라인팜 주식회사
Priority to KR1020200089886A priority Critical patent/KR20220011016A/ko
Publication of KR20220011016A publication Critical patent/KR20220011016A/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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

일 실시예에 따른 도매상 단말에 있어서, 서버와 통신하는 통신부; 상기 서버로부터, 약국에서 산출된 약품 파라미터 정보를 전달받는 정보 수집부; 및 기 학습된 기계 학습 모델을 이용하여, 상기 약품 파라미터 정보로부터 상기 약국의 수요 예상 약품을 예측하는 수요 예상 약품 예측부를 포함하고, 상기 기계학습 모델은 과거의 약품 파라미터 정보와, 상기 과거의 약품 파라미터 정보에 대한 레이블 데이터로서 수요 약품에 대한 정보를 입력으로 하여 기 학습될 수 있다.

Description

수요 약품을 예측하는 도매상 단말 및 도매상 단말의 동작 방법{WHOLESALER DEVICE FOR FORECASTING DEMAND MEDICINE AND METHOD FOR OPERATING WHOLESALER DEVICE}
본 발명은 수요 약품을 예측하는 도매상 단말 및 도매상 단말의 동작 방법에 관한 것이다.
일반적으로 약국에서는 약품 판매 시 약국 단말에 약품의 판매량을 입력하고, 약품의 판매량을 기초로 산출된 약품의 현 재고량을 기준으로 약품에 대한 발주가 수동적으로 이루어지고 있다.
예를 들어, 약국에서는 현 재고량이 기준 수량 이하로 떨어지는 약품에 대해서는 약국 내 관리자(또는 약국 내 직원)가 온라인 몰 등을 통해 약품을 수동적으로 발주하고 있는 상황이다.
하지만, 이와 같이 약품을 수동적으로 발주할 경우, 도매상 측은 약국에서 발주를 요청할 때에만 약품의 수요를 알 수 있기 때문에, 약품을 미리 준비할 시간이 없으므로, 약품을 준비하는 시간이 오래 걸리는 문제점이 발생하였다.
또한, 도매상 측에서 약품을 준비하는 시간이 오래 걸릴 경우, 약국에서는 약품을 배송 받는 시간이 지연되기 때문에, 도매상 측과 약국 측 모두 시간손실이 발생할 수 있었다.
한국등록특허공보, 10-1296034호 (2013.08.06. 등록)
본 발명의 해결하고자 하는 과제는, 수요 약품을 예측하는 도매상 단말 및 도매상 단말의 동작 방법을 제공하는 것이다.
또한, 이러한 수요 약품을 예측하는 도매상 단말, 도매상 단말 동작 방법 및 수요 약품 예측 시스템을 통해 약국 측에서의 수요 약품을 예측하는 것 등이 본 발명의 해결하고자 하는 과제에 포함될 수 있다.
다만, 본 발명의 해결하고자 하는 과제는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 해결하고자 하는 과제는 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
일 실시예에 따른 도매상 단말은, 서버와 통신하는 통신부; 상기 서버로부터, 약국에서 산출된 약품 파라미터 정보를 전달받는 정보 수집부; 및 기 학습된 기계 학습 모델을 이용하여, 상기 약품 파라미터 정보로부터 상기 약국의 수요 예상 약품을 예측하는 수요 예상 약품 예측부를 포함하고, 상기 기계학습 모델은 과거의 약품 파라미터 정보와, 상기 과거의 약품 파라미터 정보에 대한 레이블 데이터로서 수요 약품에 대한 정보를 입력으로 하여 기 학습될 수 있다.
또한, 상기 약품 파라미터 정보는, 약품별 재고량 정보 및 약품별 소비정보 중 적어도 하나를 포함할 수 있다.
또한, 상기 약품별 소비 정보는, 시기별 약품 소비량 정보 및 약품별 평균 소비속도 정보 중 적어도 하나를 포함할 수 있다.
또한, 상기 시기별 약품 소비량 정보는, 계절별 약품 소비량, 월별 약품 소비량, 주별 약품 소비량 및 바이러스 유행 시기별 약품 소비량 중 적어도 하나를 포함할 수 있다.
또한, 상기 약품 파라미터 정보는, 상기 시기별 약품 소비량 정보를 이용하여 결정된, 소비량이 많을 것으로 예상되는 약품에 우선순위를 의미하는 약품별 우선순위 정보를 더 포함할 수 있다.
또한, 상기 기계학습 모델은, 상기 약품별 재고량이 기 설정된 수량 이하이거나, 상기 약품별 소비정보에 따른 예상 소비량이 기 설정된 수량 이상이거나 상기 약품별 우선순위 정보가 기 설정된 우선순위보다 같거나 높을 경우, 상기 약국의 수요 예상 약품으로 출력하도록 학습된 모델일 수 있다.
일 실시예에 따른 도매상 단말의 동작 방법은, 서버와 통신하여, 상기 서버로부터, 약국에서 산출된 약품 파라미터 정보를 전달받는 단계와, 기 학습된 기계 학습 모델을 이용하여, 상기 약품 파라미터 정보로부터 상기 약국의 수요 예상 약품을 예측하는 단계를 포함하고, 상기 기계학습 모델은 과거의 약품 파라미터 정보와, 상기 과거의 약품 파라미터 정보에 대한 레이블 데이터로서 수요 약품에 대한 정보를 입력으로 하여 기 학습될 수 있다.
일 실시예에 따른 도매상 단말은, 약국에서 산출된 약품 파라미터 정보를 전달받은 것에 기초하여, 약국의 수요 예상 약품을 미리 예측하고, 예측한 수요 약품을 미리 준비할 시간을 확보할 수 있다.
도 1은 일 실시예에 따른 수요 약품 예측 시스템을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 도매상 단말의 블록도이다.
도 3은 일 실시예에 따른 도매상 단말을 통해 수요 약품을 예측하는 것을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 도매상 단말 동작 방법에 대한 예시적인 순서도이다.
도 5는 일 실시예에 따른 수요 약품 예측 시스템에 대한 예시적인 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 일 실시예에 따른 수요 약품 예측 시스템(10)을 설명하기 위한 도면이다.
도 1을 참조하면, 일 실시예에 따른 수요 약품 예측 시스템(10)은 도매상 단말(100), 서버(200) 및 약국 단말(300)을 포함할 수 있으며, 다만 이에 한정되는 것은 아니다.
도매상 단말(100)은 약품을 약국에 공급하는 도매상 측에 설치된 단말기로서, 컴퓨터와 같은 전자장치일 수 있다. 이러한 도매상 단말(100)은 서버(200)로부터 전달받는 약국에서 산출된 약품 파라미터 정보를 전달받은 것에 기초하여, 약국의 수요 예상 약품(약국에서 주문하고자 하는 약품일 수 있음)을 예측할 수 있다.
이하, 도매상 단말(100)에 대한 설명은 도 2를 참조하여 상세히 설명하도록 한다.
서버(200)는 브릿지(Birdge), 커넥트(Connect), 트레이드(trade) 등의 역할을 수행할 수 있는 서버로서 네트워크(50)를 통해 도매상 단말(100) 및 약국 단말(300)에게 데이터를 송/수신할 수 있는 소프트웨어 프로그램이 탑재(또는 설치)될 수 있다.
약국 단말(300)은 약국 측에 설치된 단말기로서, 컴퓨터와 같은 전자장치일 수 있다.
도 2는 일 실시예에 따른 도매상 단말(100)의 블록도이다.
도 2를 참조하면, 일 실시예에 따른 도매상 단말(100)은 통신부(110), 정보 수집부(120) 및 수요 예상 약품 예측부(130)를 포함할 수 있으나, 이에 한정되는 것은 아니다. 아울러, 이러한 도매상 단말(100)에 포함된 구성 각각은 소프트웨어 모듈이나 하드웨어 모듈 형태로 구현되거나 또는 소프트웨어 모듈과 하드웨어 모듈이 조합된 형태, 예컨대 컴퓨터나 스마트 기기 등에서 구현될 수 있고, 각각의 구성들은 전기적으로 연결될 수 있다.
통신부(110)는 서버(200)와 통신할 수 있다. 또한, 통신부(110)는 외부 전자기기를 연결할 수 있다. 즉, 통신부(110)는 외부 전자기기와 데이터를 송/수신할 수 있으며, 필요에 따라 전자기기와 통신 연결을 유지 또는 해제할 수 있다.
정보 수집부(120)는 서버(200)로부터 약국에서 산출된 약품 파라미터 정보를 전달받을 수 있다.
여기서, 약품 파라미터 정보는 약품별 재고량 정보 및 약품별 소비정보 중 적어도 하나를 포함할 수 있다.
이때, 약품별 소비 정보는 시기별 약품 소비량 정보 및 약품별 소비속도 정보 중 적어도 하나를 포함할 수 있으며, 시기별 약품 소비량은 계절별 약품 소비량, 월별 약품 소비량, 주별 약품 소비량 및 바이러스 유행 시기별(예를 들어, 독감 바이러스 유행시기는 12월부터 다음해 4월까지일 수 있음) 약품 소비량 중 적어도 하나를 포함할 수 있다.
한편, 약품 파라미터 정보는 다른 약품들보다 약국에 우선적으로 공급해야 하는 약품의 순위를 의미하는 약품별 우선순위 정보를 더 포함할 수 있다.
일 실시예에 따르면, 수요 예상 약품 예측부(130)는 기 학습된 기계 학습 모델을 이용하여, 정보 수집부(120)로부터 전달받은 약품 파라미터 정보로부터 약국의 수요 예상 약품(약국에서 주문하고자 하는 약품일 수 있음)을 예측할 수 있다.
또한, 수요 예상 약품 예측부(130)는, 기 학습된 기계 학습 모델을 이용하여, 약국의 수요 예상 약품의 예상 수량을 더 예측할 수 있다.
또한, 수요 예상 약품 예측부(130)는 기 학습된 기계 학습 모델을 이용하여, 약국에 공급할 약품의 순위(즉, 주문받은 약품의 우선순위)를 결정할 수 있다.
여기서, 기 학습된 기계학습 모델은 과거의 약품 파라미터 정보와, 과거의 약품 파라미터 정보에 대한 레이블 데이터로서 수요 약품에 대한 정보를 입력으로 하여 기 학습되어 있을 수 있다.
보다 상세히, 기계학습 모델은 약품별 재고량이 기 설정된 수량 이하이거나, 약품별 소비정보에 따른 예상 소비량이 기 설정된 수량 이상이거나, 약품별 우선순위 정보가 기 설정된 우선순위보다 높을 경우, 약국의 수요 예상 약품으로 출력하도록 학습된 모델일 수 있다.
또 다른 실시예에 따르면, 수요 예상 약품 예측부(130)는 정보 수집부(120)로부터 전달받은 약국에서 산출된 약품 파라미터 정보에 기 설정된 가중치를 적용하여 수요 예상 약품(또는 수요 예상 약품 및 수요 예상 약품의 예상 수량)을 예측할 수 있다. 더 나아가, 수요 예상 약품 예측부(130)는, 약품 파라미터 정보에 기 설정된 가중치를 적용한 결과를 이용하여, 약국에 공급할 약품의 순위(즉, 주문받은 약품의 우선순위)를 결정할 수 있다.
이하, 도매상 단말(100)의 수요 예상 약품 예측부(130)에서 약국의 수요 예상 약품을 예측하는 것에 대하여 도 3을 통해 상세히 후술하도록 한다.
도 3은 일 실시예에 따른 도매상 단말(100)을 통해 수요 약품을 예측하는 것을 설명하기 위한 도면이다.
도매상 단말(100)은 서버(200)로부터 도 3에 도시된 바와 같은 약품 파라미터 정보를 전달받을 수 있다.
예를 들어, 도매상 단말(100)은 약품별(A, B, C) 주간 소비량, 월간 소비량, 겨울철 소비량 및 재고량 정보를 포함하는 약품 파라미터 정보를 전달 받을 수 있다.
수요 예상 약품 예측부(130)는 전달받은 약품 파라미터 정보에 기초하여, 약국의 수요 예상 약품(약국의 주문이 예상되는 약품)을 판단할 수 있다.
예를 들어, 수요 예상 약품 예측부(130)는 약품별(A, B, C) 주간 소비량, 월간 소비량, 겨울철 소비량 및 재고량 정보 중 적어도 하나의 약품 파라미터 정보에 기초하여, 약국의 수요 예상 약품(약국의 주문이 예상되는 약품)을 예측할 수 있다.
일 실시예에 따르면, 수요 예상 약품 예측부(130)는 기 학습된 기계학습 모델을 이용하여 복수 개의 약품 A, B, C 중 재고량이 가장 적은 약품 A를 약국의 수요 예상 약품으로 예측할 수 있으며, 약국의 수요 예상 약품으로 예측된 약품 A의 약품 수요량은 A 약품의 주간 소비량을 기준으로 300개로 예측할 수 있다.
다른 실시예에 따르면, 수요 예상 약품 예측부(130)는 정보 수집부(120)로부터 전달받은 약국에서 산출된 약품 파라미터 정보에 기 설정된 가중치를 적용한 것에 기초하여 복수 개의 약품 A, B, C 중 재고량이 가장 적은 약품 A를 약국의 수요 예상 약품으로 예측할 수 있으며, 약국의 수요 예상 약품으로 예측된 약품 A의 약품 수요량은 A 약품의 주간 소비량을 기준으로 300개로 예측할 수 있다.
도 4는 일 실시예에 따른 도매상 단말(100) 동작 방법에 대한 예시적인 순서도이다. 도 4에 도시된 도매상 단말(100) 동작 방법은 도 2에 도시된 도매상 단말(100)에 의해 수행 가능하다.
먼저, 정보 수집부(120)는 서버(200)와 통신하는 통신부(110)를 통해 서버(200)로부터 약국에서 산출된 약품 파라미터 정보를 전달받을 수 있다(단계 S100).
이후, 수요 예상 약품 예측부(130)는 기 학습된 기계학습 모델 또는 기 설정된 가중치를 이용하여 정보 수집부(120)에서 전달받은 약품 파라미터 정보로부터 약국의 수요 예상 약품을 예측할 수 있다(단계 S200).
여기서, 기계 학습 모델은 과거의 약품 파라미터 정보와, 과거의 약품 파라미터 정보에 대한 레이블 데이터로서 수요 약품에 대한 정보를 입력으로 하여 기 학습되어 있을 수 있다.
도 5는 일 실시예에 따른 수요 약품 예측 시스템(10)에 대한 예시적인 순서도이다.
도 5를 참조하면, 먼저 서버(200)는 약국에서 산출된 약품 파라미터 정보를 도매상 단말(100)에게 전달할 수 있다(단계 S1).
예를 들어, 도매상 단말(100)이 전달받은 약품 파라미터 정보는 서버(200)가 주기적으로 복수 개의 약국으로부터 전송 받은 정보 또는 도매상 단말(100)의 요청에 의해 복수 개의 약국으로부터 전송 받은 정보이거나, 이 둘(주기적으로 복수 개의 약국으로부터 전송 받은 정보와 도매상 단말(100)의 요청에 의해 복수 개의 약국으로부터 전송 받은 정보)의 조합일 수 있다.
도매상 단말(100)은 기 학습된 기계 학습 모델 및 또는 가중치를 이용하여, 서버(200)로부터 전달 받은 약국에서 산출된 약품 파라미터 정보에 기초하여, 약국의 수요 예상 약품을 예측할 수 있다.
이를 통해, 도매상 단말(100)은 예측한 수요 예상 약품(약국에서 주문하려고 하는 약품일 수 있음)에 기초하여 약품을 미리 준비할 수 있다.
이후, 서버(200)는 약국 단말(300)로부터 약품 발주서를 전달 받고(단계 S2), 도매상 단말(100)은 서버(200)로부터 약품 발주서를 수신할 수 있다(단계 S3).
이때, 수신한 약품 발주서의 약품이 미리 준비한 약품일 경우, 도매상 단말(100)은 수신한 약품 발주서에 대한 약국으로 미리 준비한 약품을 배송할 수 있으며, 약품 발주서에 대한 전자 명세서를 생성할 수 있다. 또한, 도매상 단말(100)은 서버(200)로 약품 발주서에 대한 전자 명세서를 전달할 수 있다(단계 S4).
마지막으로, 서버(200)는 도매상 단말(100)로부터 전달 받은 전자 명세서를 약국 단말(300)에게 전달할 수 있다(단계 S5).
이와 같이, 수요 약품 예측 시스템(10)에서, 도매상 단말(100)은 약국의 수요 예상 약품을 예측하고, 예측한 약국의 수요 예상 약품에 기초하여 약품을 미리 준비할 수 있기 때문에, 약국 단말(300)로부터 미리 준비한 약품에 대한 약품 발주서를 수신할 경우, 빠른 시간 안에 약국 단말(300)로 미리 준비한 약품을 배송할 수 있다.
이상에서 살펴본 바와 같이, 일 실시예에 따른 도매상 단말은, 약국에서 산출된 약품 파라미터 정보를 전달받은 것에 기초하여, 약국의 수요 예상 약품을 미리 예측하고, 예측한 수요 약품을 미리 준비할 시간을 확보할 수 있다.
본 발명에 첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방법으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 품질에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10: 수요 약품 예측 시스템
100: 도매상 단말
200: 서버
300: 약국 단말

Claims (7)

  1. 서버와 통신하는 통신부;
    상기 서버로부터, 약국에서 산출된 약품 파라미터 정보를 전달받는 정보 수집부; 및
    기 학습된 기계 학습 모델을 이용하여, 상기 약품 파라미터 정보로부터 상기 약국의 수요 예상 약품을 예측하는 수요 예상 약품 예측부를 포함하고,
    상기 기계학습 모델은 과거의 약품 파라미터 정보와, 상기 과거의 약품 파라미터 정보에 대한 레이블 데이터로서 수요 약품에 대한 정보를 입력으로 하여 기 학습된
    도매상 단말.
  2. 제 1 항에 있어서,
    상기 약품 파라미터 정보는,
    약품별 재고량 정보 및 약품별 소비정보 중 적어도 하나를 포함하는
    도매상 단말.
  3. 제 2 항에 있어서,
    상기 약품별 소비 정보는,
    시기별 약품 소비량 정보 및 약품별 평균 소비속도 정보 중 적어도 하나를 포함하는
    도매상 단말.
  4. 제 3 항에 있어서,
    상기 시기별 약품 소비량 정보는,
    계절별 약품 소비량, 월별 약품 소비량, 주별 약품 소비량 및 바이러스 유행 시기별 약품 소비량 중 적어도 하나를 포함하는
    도매상 단말.
  5. 제 3 항에 있어서,
    상기 약품 파라미터 정보는,
    상기 시기별 약품 소비량 정보를 이용하여 결정된, 소비량이 많을 것으로 예상되는 약품에 우선순위를 의미하는 약품별 우선순위 정보를 더 포함하는
    도매상 단말.
  6. 제 5 항에 있어서,
    상기 기계학습 모델은,
    상기 약품별 재고량이 기 설정된 수량 이하이거나, 상기 약품별 소비정보에 따른 예상 소비량이 기 설정된 수량 이상이거나 상기 약품별 우선순위 정보가 기 설정된 우선순위보다 같거나 높을 경우, 상기 약국의 수요 예상 약품으로 출력하도록 학습된 모델인
    도매상 단말.
  7. 서버와 통신하여, 상기 서버로부터, 약국에서 산출된 약품 파라미터 정보를 전달받는 단계와,
    기 학습된 기계 학습 모델을 이용하여, 상기 약품 파라미터 정보로부터 상기 약국의 수요 예상 약품을 예측하는 단계를 포함하고,
    상기 기계학습 모델은 과거의 약품 파라미터 정보와, 상기 과거의 약품 파라미터 정보에 대한 레이블 데이터로서 수요 약품에 대한 정보를 입력으로 하여 기 학습된
    도매상 단말의 동작 방법.
KR1020200089886A 2020-07-20 2020-07-20 수요 약품을 예측하는 도매상 단말 및 도매상 단말의 동작 방법 KR20220011016A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200089886A KR20220011016A (ko) 2020-07-20 2020-07-20 수요 약품을 예측하는 도매상 단말 및 도매상 단말의 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200089886A KR20220011016A (ko) 2020-07-20 2020-07-20 수요 약품을 예측하는 도매상 단말 및 도매상 단말의 동작 방법

Publications (1)

Publication Number Publication Date
KR20220011016A true KR20220011016A (ko) 2022-01-27

Family

ID=80049465

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200089886A KR20220011016A (ko) 2020-07-20 2020-07-20 수요 약품을 예측하는 도매상 단말 및 도매상 단말의 동작 방법

Country Status (1)

Country Link
KR (1) KR20220011016A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101296034B1 (ko) 2009-02-26 2013-08-12 엘에스산전 주식회사 의약품 판매 관리를 위한 약국 시스템 및 그 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101296034B1 (ko) 2009-02-26 2013-08-12 엘에스산전 주식회사 의약품 판매 관리를 위한 약국 시스템 및 그 방법

Similar Documents

Publication Publication Date Title
CA3003617C (en) Model building architecture and smart routing of work items
CN105933372B (zh) 任务分配执行方法、服务器及终端
AU2021268626A1 (en) Method and system for shared transport
US10204374B1 (en) Parallel fraud check
CN108205442A (zh) 边缘计算平台
CN108427581A (zh) 系统微服务化方法及终端设备
CN112165691B (zh) 内容分发网络调度方法、装置、服务器和介质
CN105453035B (zh) 用于接收对存储在计算机系统处的软件组件的更新的方法
CN109118224A (zh) 区块链网络的工作量证明方法、装置、介质及电子设备
US11265693B2 (en) System of actions for IoT devices
US20170316697A1 (en) Method and system for managing a dispatch of vehicles
CN110011875A (zh) 拨测方法、装置、设备及计算机可读存储介质
US10504041B2 (en) System, method, and recording medium for geolocation data discovery in streaming texts
CN109146398A (zh) 一种数字化楼宇运营管理方法、装置、系统及存储介质
CN106575414A (zh) 上下文平台特征推荐
CN114221908A (zh) 动态限流熔断处理方法、装置、计算机设备及存储介质
CN111209333B (zh) 数据更新方法、装置、终端及存储介质
CN115964182B (zh) 资源的调度方法和系统
KR20220011016A (ko) 수요 약품을 예측하는 도매상 단말 및 도매상 단말의 동작 방법
US20210382807A1 (en) Machine learning based application sizing engine for intelligent infrastructure orchestration
CN112445622B (zh) 基于网关盒子的终端数据传输方法、装置、设备及介质
CN111507554A (zh) 一种服务资源调度方法、装置、设备及存储介质
KR102529690B1 (ko) 시설 관리 서비스 제공 방법 및 장치
KR102421046B1 (ko) 자동으로 발주서를 생성하는 약국 단말 및 약국 단말의 동작 방법
CN114881313A (zh) 基于人工智能的行为预测方法、装置及相关设备

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X601 Decision of rejection after re-examination