KR20230023904A - Bom 데이터를 이용한 수책 관리 시스템 - Google Patents
Bom 데이터를 이용한 수책 관리 시스템 Download PDFInfo
- Publication number
- KR20230023904A KR20230023904A KR1020210105765A KR20210105765A KR20230023904A KR 20230023904 A KR20230023904 A KR 20230023904A KR 1020210105765 A KR1020210105765 A KR 1020210105765A KR 20210105765 A KR20210105765 A KR 20210105765A KR 20230023904 A KR20230023904 A KR 20230023904A
- Authority
- KR
- South Korea
- Prior art keywords
- bom
- module
- item
- data
- line
- Prior art date
Links
- 238000013507 mapping Methods 0.000 claims abstract description 52
- 238000012790 confirmation Methods 0.000 claims abstract description 6
- 230000008676 import Effects 0.000 claims description 40
- 238000013145 classification model Methods 0.000 claims description 34
- 238000004519 manufacturing process Methods 0.000 claims description 30
- 238000013473 artificial intelligence Methods 0.000 claims description 29
- 238000007781 pre-processing Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 12
- 239000000463 material Substances 0.000 abstract description 9
- 239000002994 raw material Substances 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000007717 exclusion Effects 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G06Q10/083—Shipping
- G06Q10/0838—Historical data
-
- 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
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
BOM 데이터를 이용한 수책 관리 시스템이 개시된다. BOM(bill of material)을 업로드하는 BOM 업로드 모듈; 상기 BOM 업로드 모듈에서 업로드되는 BOM이 저장되는 BOM 데이터베이스; 상기 BOM 데이터베이스에 저장된 BOM의 각 항목을 사용자 입력에 의해 수정하여 세관 신고용 항목으로 맵핑하는 사용자 확인 최종 맵핑 모듈을 구성한다. 상술한 BOM 데이터를 이용한 수책 관리 시스템에 의하면, 다양한 포맷의 BOM 데이터를 수책 관리가 가능한 포맷의 세관 신고용 데이터로 자동 변환하도록 구성됨으로써, 세관 신고를 위한 작업의 편의성이 높아지게 되는 효과가 있다. 특히, 공장 입고 단계부터 세관 신고 내역과 기업 ERP 내역을 실시간 비교 분석할 수 있으므로, 정확한 재고 관리는 물론, 기업의 BOM(bill of material)에 따른 재고 관리와 회계 상의 매출/매입 재고 내역 간에 밸런스(balance)를 0으로 유지할 수 있으므로 기업들의 수책 관리의 어려움을 덜어줄 수 있는 효과가 있다.
Description
본 발명은 관세(customs) 관련 시스템에 관한 것으로서, 구체적으로는 베트남(Vietnam)의 수책 관리 시스템(liquidation management system)에 관한 것이며, 좀 더 구체적으로는 수출을 전제로 하는 수출품의 원자재 수입에 대한 면세를 하는 경우 해당 원자재의 수입 및 재고와 수출품의 수출 및 재고 등의 BOM 데이터를 이용한 시스템에 관한 것이다.
베트남에서는 수출을 전제로 한 원자재의 수입은 면세가 된다. 수책은 이를 관리하기 위해 작성하는 서류이다.
베트남 진출 기업들은 원자재 수입의 면세를 위해 수책 관리를 하며, 기업 ERP 문서나 별도의 자체 엑셀(excel) 문서 등을 통해 주로 수책 관리를 하고 있다.
수책 관리를 위해서는 기업의 BOM(bill of material)에 따른 재고 관리와 회계 상의 매출/매입 재고 내역 간에 밸런스(balance)가 0이 되도록 오류없이 이루어져야 한다.
그러나, 베트남 진출 기업이 별도의 ERP를 운영하는 경우가 흔치 않고, 사실상 수책 관리가 제대로 이루어지고 있지 않은 실정이다. 대부분 각 기업에서 작성한 비정형의 포맷(format)에 따라 엑셀 문서로 재고 관리가 이루어지고 있다. 실제로 세관 신고 시에도 이에 맞는 양식으로 신고서 작성이 이루어져야 하는데, 대부분의 베트남 진출 기업들이 수책 관리는 물론 세관 신고에도 상당한 애로 사항을 겪을 수밖에 없는 실정이다.
도 1은 종래 방식에 따른 기업 BOM(bill of material) 데이터의 수기 변환 방식을 나타내고 있으며, 다양한 포맷으로 구성되는 BOM 데이터 문서나 기타 재고 관리 문서를 수책 관리를 위한 세관 신고용 문서로 일일이 수기 변환하고 있다. 당연히 변환 과정에서 오류가 많을 수밖에 없으며, 효율성이 떨어지게 된다.
이와 같이, 부실한 수책 관리로 인해 밸런스에 차이가 발생하는 경우에는 추후 베트남 세관 조사 시 과도한 추징으로 이어진다. 이러한 수책 관리의 문제점은 베트남 진출 기업의 수익성 악화는 물론 기업 존폐의 위기까지 내몰리게 되는 문제점이 있다.
본 발명의 목적은 BOM 데이터를 이용한 수책 관리 시스템을 제공하는 데 있다.
상술한 본 발명의 목적에 따른 BOM 데이터를 이용한 수책 관리 시스템은, BOM을 업로드하는 BOM 업로드 모듈; 상기 BOM 업로드 모듈에서 업로드되는 BOM이 저장되는 BOM 데이터베이스; 상기 BOM 데이터베이스에 저장된 BOM의 각 항목을 인공 지능을 이용하여 파악하여 수책 신고용 항목과 자동 맵핑하는 인공 지능 엑셀 맵퍼; 상기 인공 지능 엑셀 맵퍼에서 자동 맵핑된 결과를 사용자 입력에 의해 수정하여 최종 맵핑하는 사용자 확인 최종 맵핑 모듈을 포함하도록 구성될 수 있다.
여기서, 상기 BOM은, 해당 기업의 포맷에 따른 엑셀(excel) 파일로 구성될 수 있다.
그리고 상기 세관 신고용 항목은, 수책 신고를 위한 항목으로 구성될 수 있다.
한편, 상기 사용자 확인 최종 맵핑 모듈에서 최종 맵핑된 결과에 따른 최종 맵핑 항목이 저장되는 최종 맵핑 항목 저장 모듈을 더 포함하도록 구성될 수 있다.
그리고 상기 인공 지능 엑셀 맵퍼에서 자동 맵핑된 결과 또는 상기 사용자 확인 최종 맵핑 모듈에서 최종 맵핑된 결과를 이용하여 수책 관리 자료를 자동 생성하는 수책 관리 자료 생성 모듈을 더 포함하도록 구성될 수 있다.
그리고 상기 인공 지능 엑셀 맵퍼에서 자동 맵핑된 결과 또는 상기 사용자 확인 최종 맵핑 모듈에서 최종 맵핑된 결과를 이용하여 수책 관리 자료를 자동 생성하는 수책 관리 자료 생성 모듈; 상기 수책 관리 자료 생성 모듈에서 자동 생성된 수책 관리 자료가 저장되는 수책 관리 자료 데이터베이스를 더 포함하도록 구성될 수 있다.
그리고 상기 수책 관리 자료 데이터베이스에 저장된 수책 관리 자료를 참조하여 수입 입고 수량을 파악하는 수입 입고 파악 모듈; 상기 수책 관리 자료 데이터베이스에 저장된 수책 관리 자료를 참조하여 생산 투입 출고 수량을 파악하는 생산 투입 출고 파악 모듈; 상기 수책 관리 자료 데이터베이스에 저장된 수책 관리 자료를 참조하여 생산 입고 수량을 파악하는 생산 입고 파악 모듈; 상기 수책 관리 자료 데이터베이스에 저장된 수책 관리 자료를 참조하여 수출 출고 수량을 파악하는 수출 출고 파악 모듈; 상기 수입 입고 파악 모듈에서 파악된 수입 입고 수량, 상기 생산 투입 출고 파악 모듈에서 파악된 생산 투입 출고 수량, 상기 생산 입고 파악 모듈에서 파악된 생산 입고 수량 및 상기 수출 출고 파악 모듈에서 파악된 수출 출고 수량을 이용하여 실시간 재고 정보를 파악하는 실시간 재고 정보 파악 모듈을 더 포함하도록 구성될 수 있다.
그리고 수입 신고 송장을 업로드하는 수입 신고 송장 업로드 모듈; 상기 수입 신고 송장 업로드 모듈에서 업로드된 수입 신고 송장을 기준으로 상기 실시간 재고 정보 파악 모듈에서 파악된 실시간 재고 정보를 이용하여 수입 신고 송장 기준 재고를 파악하는 수입 신고 송장 기준 재고 파악 모듈; 수출 신고 송장을 업로드하는 수출 신고 송장 업로드 모듈; 상기 수출 신고 송장 업로드 모듈에서 업로드된 수출 신고 송장을 기준으로 상기 실시간 재고 정보 파악 모듈에서 파악된 실시간 재고 정보를 이용하여 수출 신고 송장 기준 재고를 파악하는 수출 신고 송장 기준 재고 파악 모듈; 상기 실시간 재고 정보 파악 모듈에서 파악된 실시간 재고 정보를 이용하여 정산 신고용 BOM을 생성하는 정산 신고용 BOM 생성 모듈을 더 포함하도록 구성될 수 있다.
그리고 상기 정산 신고용 BOM 생성 모듈에서 생성된 정산 신고용 BOM을 기준으로 품목별 손실율을 산출하는 손실율 산출 모듈; 상기 정산 신고용 BOM 생성 모듈에서 생성된 정산 신고용 BOM을 기준으로 품목별로 정산 신고 예측량을 산출하는 정산 신고 예측 인벤토리 산출 모듈; 상기 정산 신고용 BOM 생성 모듈에서 생성된 정산 신고용 BOM과 상기 실시간 재고 정보 파악 모듈에서 파악된 실시간 재고 정보를 대비하여 정산 보고서를 자동 생성하는 정산 보고서 자동 생성 모듈을 더 포함하도록 구성될 수 있다.
다른 한편, 상기 인공 지능 엑셀 맵퍼는, 상기 최종 맵핑 항목 저장 모듈에서 저장된 최종 맵핑 항목에 따라 자동으로 맵핑을 수행하도록 구성되고, 상기 최종 맵핑 항목 이외의 항목에 대해서는 상기 사용자 확인 최종 맵핑 모듈에 의한 최종 맵핑을 수행하도록 구성될 수 있다.
그리고 상기 인공 지능 엑셀 맵퍼는, 상기 BOM 업로드 모듈로부터 업로드되는 BOM을 입력받는 BOM 입력부; 상기 BOM 입력부에서 입력받은 BOM에 대해 전처리를 수행하는 BOM 전처리부; 상기 BOM 전처리 모듈에서 수행된 BOM의 전처리 결과에 기반하여 BOM의 각 라인을 분류하여 제외 라인, 항목 라인 및 데이터 라인 중 어느 하나로 예측하는 라인 분류 예측부; 상기 라인 분류 예측부의 예측 결과에 따른 라인 분류 결과를 사용자의 입력에 따라 수정하여 선정하는 라인 분류 선정부; 상기 라인 분류 선정부에서 선정된 라인 분류 결과에 따라 각 라인을 분류하는 라인 분류 모델을 학습하여 생성하는 라인 분류 모델 생성부; 상기 BOM 전처리부에서 수행된 BOM의 전처리 결과에 기반하여 BOM의 키(KEY) 값을 미리 정해진 수책 신고용 항목으로 분류하여 예측하는 항목 분류 예측부; 상기 항목 분류 예측부의 예측 결과에 따른 항목 분류 결과를 사용자의 입력에 따라 수정하여 선정하는 항목 분류 선정부; 상기 항목 분류 선정부에서 선정된 항목 분류 결과에 따라 키 값을 미리 정해진 수책 신고용 항목에 대응시켜 분류하는 항목 분류 모델을 학습하여 생성하는 항목 분류 모델 생성부를 포함하도록 구성될 수 있다.
상술한 BOM 데이터를 이용한 수책 관리 시스템에 의하면, 다양한 포맷의 BOM 데이터를 수책 관리가 가능한 포맷의 세관 신고용 데이터로 자동 변환하도록 구성됨으로써, 세관 신고를 위한 작업의 편의성이 높아지게 되는 효과가 있다.
특히, 공장 입고 단계부터 세관 신고 내역과 기업 ERP 내역을 실시간 비교 분석할 수 있으므로, 정확한 재고 관리는 물론, 기업의 BOM(bill of material)에 따른 재고 관리와 회계 상의 매출/매입 재고 내역 간에 밸런스(balance)를 0으로 유지할 수 있으므로 기업들의 수책 관리의 어려움을 덜어줄 수 있는 효과가 있다.
도 1은 종래 방식에 따른 BOM 데이터의 수기 변환 방식을 나타내는 모식도이다.
도 2는 본 발명에 따른 BOM 데이터의 자동 변환 방식을 나타내는 모식도이다.
도 3은 본 발명의 일 실시예에 따른 수책 관리 시스템의 블록 구성도이다.
도 4 내지 도 19는 본 발명의 실시예에 따른 수책 관리 시스템의 화면 예시도이다.
도 20은 본 발명의 일 실시예에 따른 인공 지능 엑셀 맵퍼의 세부 구성도이다.
도 21 내지 도 25는 본 발명의 실시예에 따른 인공 지능 엑셀 맵퍼의 화면 예시도이다.
도 2는 본 발명에 따른 BOM 데이터의 자동 변환 방식을 나타내는 모식도이다.
도 3은 본 발명의 일 실시예에 따른 수책 관리 시스템의 블록 구성도이다.
도 4 내지 도 19는 본 발명의 실시예에 따른 수책 관리 시스템의 화면 예시도이다.
도 20은 본 발명의 일 실시예에 따른 인공 지능 엑셀 맵퍼의 세부 구성도이다.
도 21 내지 도 25는 본 발명의 실시예에 따른 인공 지능 엑셀 맵퍼의 화면 예시도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 발명을 실시하기 위한 구체적인 내용에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 2는 본 발명에 따른 BOM 데이터의 자동 변환 방식을 나타내는 모식도이다.
도 2를 참조하면, 기업의 ERP나 기업 자체 포맷의 엑셀 문서를 인공 지능을 이용하여 자동으로 세관 신고용 문서로 변환하도록 구성될 수 있다. 이에 따라, 세관 신고 내역과 기업 실 재고 관리 내역을 실시간으로 비교할 수 있으며, 궁극적으로는 양자 간의 밸런스(balance)를 0으로 유지하여 기업들의 수책 관리를 지원할 수 있다.
구체적으로는 세관에 신고된 원재료/제품의 수량과 금액 그리고 실제 공장 내 입고된 원재료/제품의 수량 및 금액의 차이를 정확히 분석할 수 있으며, 세관 총 수입량과 세관 총 수출량 그리고 반송 재고량과 기말 재고량, 로컬 입출고 자재, 폐기자재, 부자재까지 모든 수량과 금액을 정확히 비교 및 분석 하여 정확한 밸런스 관리를 할 수 있다. BOM을 이용하여 수출 완제품에 사용되는 원자재 사용량을 주기적으로 분석하여 실 재고와의 밸런스 유지를 위한 손실율(loss rate)도 관리할 수 있게 된다.
도 3은 본 발명의 일 실시예에 따른 BOM 데이터를 이용한 수책 관리 시스템의 블록 구성도이고, 도 4 내지 도 19는 본 발명의 실시예에 따른 수책 관리 시스템의 화면 예시도이다.
먼저 도 3을 참조하면, 본 발명의 일 실시예에 따른 BOM 데이터를 이용한 수책 관리 시스템(100)은 BOM 업로드 모듈(101), BOM 데이터베이스(102), 인공 지능 엑셀 맵퍼(103), 사용자 확인 최종 맵핑 모듈(104), 최종 맵핑 항목 저장 모듈(105), 수책 관리 자료 생성 모듈(106), 수책 관리 자료 데이터베이스(107), 수입 입고 파악 모듈(108), 생산 투입 출고 파악 모듈(109), 생산 입고 파악 모듈(110), 수출 출고 파악 모듈(111), 실시간 재고 정보 파악 모듈(112), 수입 신고 송장 업로드 모듈(113), 수입 신고 송장 기준 재고 파악 모듈(114), 수출 신고 송장 업로드 모듈(115), 수출 신고 송장 기준 재고 파악 모듈(116), 정산 신고용 BOM 생성 모듈(117), 손실율 산출 모듈(118), 정산 신고 예측 인벤토리 산출 모듈(119), 정산 보고서 자동 생성 모듈(120)을 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
BOM 업로드 모듈(101)은 기업 BOM을 업로드하도록 구성될 수 있다.
여기서, BOM(bill of material)은 특정 제품이 어떠한 부품들로 구성되는 가를 나타내는 자료이다. 그런데, BOM은 단순한 파트 리스트(part list) 이상의 의미를 가지는데, 제품의 원가 정보를 식별하는 용도로 활용될 수 있으며, 원자재의 재고 관리는 물론 자재의 구매/생산 일정의 수립을 하는 용도로도 활용될 수 있는 중요한 자료이다. 본 발명에서는 출고 생산품 즉, 수출품에 대한 원자재 재고 확인용으로 매우 유용하게 활용될 수 있다.
기업 BOM은 엑셀 파일로 구성될 수 있다.
BOM 데이터베이스(102)는 BOM 업로드 모듈(101)에서 업로드되는 기업 BOM이 저장되도록 구성될 수 있다.
도 4 내지 도 8은 기업 BOM을 업로드하고 저장되는 화면을 예시하고 있다.
인공 지능 엑셀 맵퍼(103)는 BOM 데이터베이스(102)에 저장된 기업 BOM의 각 항목을 인공 지능을 이용하여 파악하여 수책 신고용 항목과 자동 맵핑하도록 구성될 수 있다. 기업 BOM에서 사용되는 항목들의 용어는 각각 제각각으로 정해져서 이용되기 때문에 인공 지능 엑셀 맵퍼(103)는 해당 항목들을 수책 신고용 항목으로 정확하게 대응시켜 자동 맵핑하도록 구성될 수 있다.
사용자 확인 최종 맵핑 모듈(104)은 인공 지능 엑셀 맵퍼(103)에서 자동 맵핑된 결과를 사용자 입력에 의해 수정하여 최종 맵핑하도록 구성될 수 있다.
최종 맵핑 항목 저장 모듈(105)은 사용자 확인 최종 맵핑 모듈(104)에서 최종 맵핑된 결과에 따른 최종 맵핑 항목이 저장되도록 구성될 수 있다.
이때, 인공 지능 엑셀 맵퍼(103)는 최종 맵핑 항목 저장 모듈(105)에서 저장된 최종 맵핑 항목에 따라 자동으로 맵핑을 수행하도록 구성되고, 최종 맵핑 항목 이외의 항목에 대해서는 사용자 확인 최종 맵핑 모듈(104)에 의한 최종 맵핑을 수행하도록 구성될 수 있다.
인공 지능 엑셀 맵퍼(103)는 최종 맵핑 항목 저장 모듈(105)에 저장된 최종 맵핑 결과를 이용하여 머신 러닝을 수행하고, 다음의 자동 맵핑에 활용할 수 있다.
수책 관리 자료 생성 모듈(106)은 인공 지능 엑셀 맵퍼(103)에서 자동 맵핑된 결과 또는 사용자 확인 최종 맵핑 모듈(104)에서 최종 맵핑된 결과를 이용하여 수책 관리 자료를 자동 생성하도록 구성될 수 있다.
수책 관리 자료 데이터베이스(107)는 수책 관리 자료 생성 모듈(106)에서 자동 생성된 수책 관리 자료가 저장되도록 구성될 수 있다. 도 7은 유저 인터페이스 화면에서 재고 입고 차트, 재고 출고 차트, 각 아이템 즉, 자재나 완제품의 아이템 차트를 예시하고 있다. 재고 입고 차트와 재고 출고 차트는 월별 입고 수량 및 월별 출고 수량을 나타내며, 아이템 차트는 아이템 별 재고 수량을 나타낸다.
수입 입고 파악 모듈(108)은 수책 관리 자료 데이터베이스(107)에 저장된 수책 관리 자료를 참조하여 수입 입고 수량을 파악하도록 구성될 수 있다. 도 8은 수입 상태를 나타내며, 수입 입고 품목, 수량, 송장 번호, 날짜, 가격 등의 정보에 대한 수책 관리 자료를 나타내고 있다.
생산 투입 출고 파악 모듈(109)은 수책 관리 자료 데이터베이스(107)에 저장된 수책 관리 자료를 참조하여 생산 투입 출고 수량을 파악하도록 구성될 수 있다. 도 9는 출고 상태를 나타내며, 생산 투입 출고 품목, 해당 수량, 송장 번호, 날짜, 가격 등의 정보에 대한 수책 관리 자료를 나타내고 있다.
생산 입고 파악 모듈(110)은 수책 관리 자료 데이터베이스(107)에 저장된 수책 관리 자료를 참조하여 생산 입고 수량을 파악하도록 구성될 수 있다. 도 10은 입고 상태를 나타내며, 생산 입고 품목, 해당 수량, 날짜, 송장 번호 등의 정보를 나타내고 있다.
수출 출고 파악 모듈(111)은 수책 관리 자료 데이터베이스(107)에 저장된 수책 관리 자료를 참조하여 수출 출고 수량을 파악하도록 구성될 수 있다. 도 11은 수출 상태를 나타내며, 수출 출고 품목, 해당 수량, 날짜, 송장 번호 등의 정보를 나타낸다.
실시간 재고 정보 파악 모듈(112)은 수입 입고 파악 모듈(108)에서 파악된 수입 입고 수량, 생산 투입 출고 파악 모듈(109)에서 파악된 생산 투입 출고 수량, 생산 입고 파악 모듈(110)에서 파악된 생산 입고 수량 및 수출 출고 파악 모듈(111)에서 파악된 수출 출고 수량을 이용하여 실시간 재고 정보를 파악하도록 구성될 수 있다. 도 12의 인벤토리 화면에서 각종 재고 품목 및 세관 품목과 해당 수량 등의 상세 정보를 조회할 수 있으며, 수정도 할 수 있다.
수입 신고 송장 업로드 모듈(113)은 수입 신고 송장을 업로드하도록 구성될 수 있다.
수입 신고 송장 기준 재고 파악 모듈(114)은 수입 신고 송장 업로드 모듈(113)에서 업로드된 수입 신고 송장을 기준으로 실시간 재고 정보 파악 모듈(112)에서 파악된 실시간 재고 정보를 이용하여 수입 신고 송장 기준 재고를 파악하도록 구성될 수 있다.
수출 신고 송장 업로드 모듈(115)은 수출 신고 송장을 업로드하도록 구성될 수 있다.
수출 신고 송장 기준 재고 파악 모듈(116)은 수출 신고 송장 업로드 모듈(115)에서 업로드된 수출 신고 송장을 기준으로 실시간 재고 정보 파악 모듈(112)에서 파악된 실시간 재고 정보를 이용하여 수출 신고 송장 기준 재고를 파악하도록 구성될 수 있다.
정산 신고용 BOM 생성 모듈(117)은 실시간 재고 정보 파악 모듈(112)에서 파악된 실시간 재고 정보를 이용하여 정산 신고용 BOM을 생성하도록 구성될 수 있다. 도 13은 자동 맵핑에 의해 세관에 정산 신고가 가능하도록 생성된 정산 신고용 BOM을 확인하는 구성을 나타낸다. 그리고 도 14의 엔지니어링 BOM 메뉴에서는 기존의 기업 BOM에 대해 머신 러닝에 의해 학습된 알고리즘을 통해 수책 관리 항목으로 자동 맵핑하여 정산 신고용 BOM을 생성하는 구성을 나타낸다.
손실율 산출 모듈(118)은 정산 신고용 BOM 생성 모듈(117)에서 생성된 정산 신고용 BOM을 기준으로 품목별 손실율(loss rate)을 산출하도록 구성될 수 있다. 도 15는 정산 신고용 BOM의 품목별로 손실율을 나타내고 있다.
정산 신고 예측 인벤토리 산출 모듈(119)은 정산 신고용 BOM 생성 모듈(117)에서 생성된 정산 신고용 BOM을 기준으로 품목별로 정산 신고 예측량을 산출하도록 구성될 수 있다. 도 16은 정산 대상 자재의 입고 및 출고 수량을 계산하고, 세관 기준의 예측 수량을 계산하도록 구성되며, 기업의 실 재고와도 대비할 수 있도록 구성될 수 있다.
정산 보고서 자동 생성 모듈(120)은 정산 신고용 BOM 생성 모듈(117)에서 생성된 정산 신고용 BOM과 실시간 재고 정보 파악 모듈(112)에서 파악된 실시간 재고 정보를 대비하여 정산 보고서를 자동 생성하도록 구성될 수 있다. 도 19는 최종적인 정산 신고용 BOM을 나타내고 도 18 및 도 19는 이에 대한 정산 보고서를 나타낸다. 이를 통해 세관 신고와 실재고 간의 밸런스가 얼마나 되는지를 파악할 수 있다.
도 20은 본 발명의 일 실시예에 따른 인공 지능 엑셀 맵퍼의 세부 구성도이고, 도 21 내지 도 25는 본 발명의 실시예에 따른 인공 지능 엑셀 맵퍼의 화면 예시도이다.
도 20을 참조하면, 인공 지능 엑셀 맵퍼(103)는 BOM 입력부(103a), BOM 전처리부(103b), 라인 분류 예측부(103c), 라인 분류 선정부(103d), 라인 분류 모델 생성부(103e), 항목 분류 예측부(103f), 항목 분류 선정부(103g), 항목 분류 모델 생성부(103h)를 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
BOM 입력부(103a)는 BOM을 BOM 데이터베이스(102)로부터 입력받도록 구성될 수 있다.
구체적으로는 BOM 전처리부(103b)는 BOM의 언어를 파악하고, 파악된 언어의 형태소를 분석하여 캐릭터(character) 단위로 문자를 인식하도록 구성될 수 있다. 즉, 언어, 형태소, 문자의 순서로 분석을 할 수 있다.
다음의 표 1은 BOM의 전처리 결과를 예시하고 있다.
표 1을 참조하면, BOM의 원본 내용의 언어를 베트남어, 영어, 한국어 등으로 파악하고, 그 언어에 따른 각 항목의 형태소를 분석한 후, 각 문자를 인식하도록 구성될 수 있다. BOM엑셀 문서의 각 항목은 "Im.-Ex. Product Code"와 같이 자체적으로만 사용되는 단어를 사용하는 경우가 많기 때문에 형태소 분석 및 문자 인식을 통해 이 단어들이 뜻하는 것을 정확하게 파악될 필요가 있다.
라인 분류기는 엑셀 문서의 각 라인을 제외 라인, 항목 라인, 데이터 라인으로 분류하도록 구성되며, 라인 분류는 BOM의 각 항목을 파악하는 데 이용될 수 있다.
라인 분류기는 라인 분류 예측부(103c), 라인 분류 선정부(103d), 라인 분류 모델 생성부(103e)로 구성될 수 있다.
라인 분류 예측부(103c)는 BOM 전처리부(103b)에서 수행된 BOM 엑셀 문서의 전처리 결과에 기반하여 BOM 엑셀 문서의 각 라인을 분류하여 제외 라인, 항목 라인 및 데이터 라인 중 어느 하나로 예측하도록 구성될 수 있다.
도 21은 BOM의 각 라인을 제외 라인, 항목 라인, 데이터 라인으로 분류한 것을 예시하고 있다. 제외 라인은 전혀 의미없는 내용들로 구성되며, 항목 라인은 엑셀의 키(key) 값에 해당되며, 데이터 라인은 해당 키 값의 밸류(value)에 해당한다고 볼 수 있다. 예를 들어, 항목 라인은 "부품 #1 입고 수량"이고, 해당 데이터 라인은 "120개"와 같이 표시되어 있을 수 있다. 그리고 도 22는 도 21의 예측에 따른 예측 결과를 예시하고 있다.
라인 분류 선정부(103d)는 라인 분류 예측부(103c)의 예측 결과에 따른 라인 분류 결과를 사용자의 입력에 따라 수정하여 선정하도록 구성될 수 있다. 라인 분류 예측부(103c)의 예측에는 오류가 있을 수 있으므로, 라인 분류 선정부(103d)는 사용자의 입력에 따라 예측 결과를 수정하여 라인 분류를 선정할 수 있다. 도 25은 라인 분류 선정 화면을 예시하고 있다. 도 25의 라인 1은 항목 라인으로 예측되어 분류되어 있고 라인 2-10은 제외 라인으로 예측되어 분류되어 으나, 사용자가 수동으로 라인 2-10을 항목 라인이나 데이터 라인으로 변경할 수 있음을 예시하고 있다.
라인 분류 모델 생성부(103e)는 라인 분류 선정부(103d)에서 선정된 라인 분류 결과에 따라 각 라인을 분류하는 라인 분류 모델을 학습하여 생성하도록 구성될 수 있다. 라인 분류 모델 생성부(103e)는 인공 지능 특히, 머신 러닝을 이용하여 각 라인을 분류하기 위한 라인 분류 모델을 생성할 수 있다. 라인 분류의 예측과 사용자의 수정에 의한 분류 작업이 누적 수행됨에 따라 라인 분류 모델의 정확도가 높아지게 된다.
이처럼 라인 분류 모델 생성부(103e)에서 생성된 라인 분류 모델을 이용하여 라인 분류 예측부(103c)는 각 라인을 분류하고 제외 라인, 항목 라인 및 데이터 라인 중 어느 하나로 예측하도록 구성될 수 있다.
라인 분류 모델 생성부(103e)는 BOM의 각 라인에 출현하는 단어의 출현 빈도에 따라 각 라인을 분류하는 라인 분류 모델을 학습하여 생성하도록 구성될 수 있다. 특정 항목 라인에 자주 출현하는 단어가 있을 수 있으며, 그러한 단어의 출현 빈도는 해당 라인이 항목 라인인지 그리고 어떠한 항목 라인인지를 가늠하게 할 수 있다.
라인 분류 모델 생성부(103e)는 전처리에 의한 형태소 분석 결과에 기반하여 분류 기준인 데이터 셋(data set)을 생성하도록 구성될 수 있다. 아래 표 2는 형태소 분석 결과에 따른 데이터 셋과 해당 라인 분류 항목을 나타내고 있다.
이러한 데이터 셋의 단어의 각 라인의 출현 빈도는 해당 라인을 분류하기 위한 중요한 기준이 될 수 있다.
아래 표 3은 각 라인 분류에 특정 단어가 포함될 확률을 계산하기 위한 DTM(Document Term Matrix)을 구성한 것을 나타낸다.
그리고 아래 표 4는 표 3의 DTM 을 기반으로 단어별 출현 빈도 테이블을 생성한 것을 나타낸다.
표 3을 통해 GUIDANCE, 주소, 제품, COTTON, FABRIC 등의 특정 단어들이 각 라인에 포함되는지 빈도를 계산할 수 있고, 각 단어의 라인별 출현에 따라 해당 라인이 제외 라인인지, 항목 라인인지, 데이터 라인인지 알 수 있다. 결과적으로 표 3의 DTM을 이용하여 표 4를 생성할 수 있고, 궁극적으로는 표 2와 같이 각 라인이 분류될 수 있다.
그리고 라인 분류 모델 생성부(103e)는 아래 수학식 1에 의해 각 라인에 포함된 특정 단어를 기준으로 특정 라인 분류에 해당할 확률을 계산할 수 있다.
여기서, P(B/A)는 특정 단어(A)가 포함된 경우 항목 분류(B)일 확률이고, P(B)는 특정 분류(B)일 확률이고, P(A/B)는 특정 분류(B)일 때 특정 단어(A)가 포함될 확률이고, P(A)는 특정 단어(A)가 포함될 확률이다.
라인 분류 모델 생성부(103e)는 위와 같은 DTM의 생성 및 확률 계산을 통한 분류의 과정을 거치면서 머신 러닝 모델을 학습하고 확립할 수 있다.
이러한 라인 분류 모델 생성부(103e)의 머신 러닝 모델의 교차 검증을 수행한 결과는 다음 표 5와 같이 높은 정확도를 나타내었다.
위 표 4의 단어별 출현 빈도 테이블을 기준으로 할 때, “제품”이라는 단어를 가진 엑셀의 라인이 항목 분류에 속하는지의 확률은 다음 수학식 2에 의해 구해질 수 있다. 표 4의 경우, 전체 빈도는 6, 항목 분류 빈도는 2, “제품” 단어 출현 빈도는 2이기 때문에 계산 확률은 다음과 같다.
여기서, P(B)는 항목 분류일 확률로서 2 / 6이고, P(A/B)는 항목 분류일 때 제품 단어가 포함될 확률로서 2 / 2이며, P(A)는 "제품" 단어가 포함될 확률로서 2 / 6가 된다.
항목 분류기는 BOM의 항목을 미리 정해진 항목 분류 중의 하나로 분류하도록 구성될 수 있다.
항목 분류기는 항목 분류 예측부(103f), 항목 분류 선정부(103g), 항목 분류 모델 생성부(103h)를 포함하도록 구성될 수 있다.
항목 분류 예측부(103f)는 BOM 전처리부(103b)에서 수행된 BOM의 전처리 결과에 기반하여 BOM의 키(KEY) 값을 미리 정해진 항목명으로 분류하여 예측하도록 구성될 수 있다. BOM은 키(key)와 밸류(value)의 세트로 구성될 수 있다고 볼 수 있는데, BOM의 키는 항목으로 볼 수 있고, 밸류를 데이터로 볼 수 있다. 그런데, BOM의 키의 명칭은 각각 별도로 지정하여 사용하고 있어서 다양한 키의 명칭을 미리 지정된 세관 신고용 항목 또는 다른 용도의 지정된 항목으로 변환하도록 구성될 수 있다. 도 24는 키 값 즉, 항목코드를 미리 정해진 항목명으로 대응시켜 맵핑한 것을 나타내고 있다. 도 24에서는 엑셀 문서의 항목은 창고번호이지만, 이를 미리 지정된 항목명인 입고번호로 맵핑하고 있다. 즉, 기업들의 엑셀 문서마다 창고번호, 창고입고번호 등 다양하게 사용될 수 있는 항목명이 창고번호라는 하나의 항목명으로 맵핑될 수 있다.
항목 분류 선정부(103g)는 항목 분류 예측부(103f)의 예측 결과에 따른 항목 분류 결과를 사용자의 입력에 따라 수정하여 선정하도록 구성될 수 있다. 항목 분류 예측에 오류가 있을 수 있으므로, 사용자에 의해 항목 분류 예측 결과를 수정하여 최종적으로 항목 분류를 선정하도록 구성될 수 있다. 도 25는 사용자의 항목 분류 선정 화면을 예시하고 있다. 도 25는 위 표와 달리 한국어가 아닌 영어로 된 항목 분류로 선정하는 동작을 나타내는 화면이다. 엑셀 문서 항목(Excel field)인 입고번호는 In-Warehouse No.라는 항목(Standard field)로 최종 선정되는 동작을 예시하고 있다.
항목 분류 모델 생성부(103h)는 항목 분류 선정부(103g)에서 선정된 항목 분류 결과에 따라 키 값을 미리 정해진 항목에 대응시켜 분류하는 항목 분류 모델을 학습하여 생성하도록 구성될 수 있다.
그리고 항목 분류 예측부(103f)는 항목 분류 모델 생성부(103h)에서 생성된 항목 분류 모델을 이용하여 BOM의 키 값을 미리 정해진 항목명으로 분류하여 예측하도록 구성될 수 있다.
한편, 항목 분류 모델 생성부(103h)의 항목 분류 모델은 다음과 같이 생성될 수 있다.
먼저 표 6은 항목 분류 모델 생성부(103h)가 라인 분류 선정부(103d)에서 선정한 항목 라인에 포함된 각 형태소 분석 결과를 기반으로 데이터 세트를 생성한 것을 예시하고 있다.
그리고 표 7은 분류의 정확도를 위해 셀 문자 단위 분해 결과를 추가적으로 적용하여 데이터 셋을 생성한 것을 예시하고 있다.
표 7에서는 엑셀 문서에 기재된 셀 값(예: 창고번호), 이를 형태소 분석한 셀 형태로 분석 결과(예: 창고 번호), 그리고 셀 형태소 분석 결과를 문자 단위로 분해한 셀 문자 단위 분해 결과(예: 창 고 번 호), 그리고 이를 미리 지정된 항목으로 맵핑한 문서 항목(예: 입고번호)을 순서대로 표시하고 있다.
다음 수학식 3을 통해 각 형태소에 포함된 단어를 기준으로 특정 단어가 포함된 경우 특정 항목일 확률을 계산할 수 있다.
여기서, P(B/A)는 특정 단어(A)가 포함된 경우 특정 항목(B)일 확률이고, P(B)는 특정 항목(B)일 확률이고, P(A/B)는 특정 항목(B) 일 때 특정 단어(A)가 포함될 확률이고, P(A)는 특정 단어(A)가 포함될 확률이다.
한편, 라인 분류기의 라인 분류 결과값에 따라 항목 라인에 대해 항목 분류를 하는 것이 분류 예측의 정확도가 가장 높은 최적의 실시예가 될 수 있다. 즉, 라인 분류를 통해 항목 라인을 찾아내고, 그 항목 라인을 기준으로 항목 분류를 하는 것이 가장 정확할 수 있다.
그러나, 정확도가 더 떨어질 수는 있지만, BOM의 전처리 결과를 이용하여 라인 분류를 하지 않고 항목 분류기가 항목 분류를 하는 실시예도 있을 수 있다. 항목 라인을 별도로 분류하지 않고서도 문서 전체의 단어들에 대한 형태소 분석 등을 통해 숫자 데이터는 모두 무시하고 항목들을 추려낼 수 있고, 이를 통해 항목 분류를 하는 것도 가능하다.
이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
101: BOM 업로드 모듈
102: BOM 데이터베이스
103: 인공 지능 엑셀 맵퍼
103a: BOM 입력부
103b: BOM 전처리부
103c: 라인 분류 예측부
103d: 라인 분류 선정부
103e: 라인 분류 모델 생성부
103f: 항목 분류 예측부
103g: 항목 분류 선정부
103h: 항목 분류 모델 생성부
104: 사용자 확인 최종 맵핑 모듈
105: 최종 맵핑 항목 저장 모듈
106: 수책 관리 자료 생성 모듈
107: 수책 관리 자료 데이터베이스
108: 수입 입고 파악 모듈
109: 생산 투입 출고 파악 모듈
110: 생산 입고 파악 모듈
111: 수출 출고 파악 모듈
112: 실시간 재고 정보 파악 모듈
113: 수입 신고 송장 업로드 모듈
114: 수입 신고 송장 기준 재고 파악 모듈
115: 수출 신고 송장 업로드 모듈
116: 수출 신고 송장 기준 재고 파악 모듈
117: 정산 신고용 BOM 생성 모듈
118: 손실율 산출 모듈
119: 정산 신고 예측 인벤토리 산출 모듈
120: 정산 보고서 자동 생성 모듈
102: BOM 데이터베이스
103: 인공 지능 엑셀 맵퍼
103a: BOM 입력부
103b: BOM 전처리부
103c: 라인 분류 예측부
103d: 라인 분류 선정부
103e: 라인 분류 모델 생성부
103f: 항목 분류 예측부
103g: 항목 분류 선정부
103h: 항목 분류 모델 생성부
104: 사용자 확인 최종 맵핑 모듈
105: 최종 맵핑 항목 저장 모듈
106: 수책 관리 자료 생성 모듈
107: 수책 관리 자료 데이터베이스
108: 수입 입고 파악 모듈
109: 생산 투입 출고 파악 모듈
110: 생산 입고 파악 모듈
111: 수출 출고 파악 모듈
112: 실시간 재고 정보 파악 모듈
113: 수입 신고 송장 업로드 모듈
114: 수입 신고 송장 기준 재고 파악 모듈
115: 수출 신고 송장 업로드 모듈
116: 수출 신고 송장 기준 재고 파악 모듈
117: 정산 신고용 BOM 생성 모듈
118: 손실율 산출 모듈
119: 정산 신고 예측 인벤토리 산출 모듈
120: 정산 보고서 자동 생성 모듈
Claims (11)
- BOM을 업로드하는 BOM 업로드 모듈;
상기 BOM 업로드 모듈에서 업로드되는 BOM이 저장되는 BOM 데이터베이스;
상기 BOM 데이터베이스에 저장된 BOM의 각 항목을 인공 지능을 이용하여 파악하여 수책 신고용 항목과 자동 맵핑하는 인공 지능 엑셀 맵퍼;
상기 인공 지능 엑셀 맵퍼에서 자동 맵핑된 결과를 사용자 입력에 의해 수정하여 최종 맵핑하는 사용자 확인 최종 맵핑 모듈을 포함하는 BOM 데이터를 이용한 수책 관리 시스템.
- 제1항에 있어서, 상기 BOM은,
해당 기업의 포맷에 따른 엑셀(excel) 파일로 구성되는 것을 특징으로 하는 BOM 데이터를 이용한 수책 관리 시스템.
- 제2항에 있어서, 상기 세관 신고용 항목은,
수책 신고를 위한 항목으로 구성되는 것을 특징으로 하는 BOM 데이터를 이용한 수책 관리 시스템.
- 제1항에 있어서, 상기 사용자 확인 최종 맵핑 모듈에서 최종 맵핑된 결과에 따른 최종 맵핑 항목이 저장되는 최종 맵핑 항목 저장 모듈을 더 포함하도록 구성되는 것을 특징으로 하는 BOM 데이터를 이용한 수책 관리 시스템.
- 제4항에 있어서, 상기 인공 지능 엑셀 맵퍼에서 자동 맵핑된 결과 또는 상기 사용자 확인 최종 맵핑 모듈에서 최종 맵핑된 결과를 이용하여 수책 관리 자료를 자동 생성하는 수책 관리 자료 생성 모듈을 더 포함하도록 구성되는 것을 특징으로 하는 BOM 데이터를 이용한 수책 관리 시스템.
- 제5항에 있어서, 상기 인공 지능 엑셀 맵퍼에서 자동 맵핑된 결과 또는 상기 사용자 확인 최종 맵핑 모듈에서 최종 맵핑된 결과를 이용하여 수책 관리 자료를 자동 생성하는 수책 관리 자료 생성 모듈;
상기 수책 관리 자료 생성 모듈에서 자동 생성된 수책 관리 자료가 저장되는 수책 관리 자료 데이터베이스를 더 포함하도록 구성되는 것을 특징으로 하는 BOM 데이터를 이용한 수책 관리 시스템.
- 제6항에 있어서,
상기 수책 관리 자료 데이터베이스에 저장된 수책 관리 자료를 참조하여 수입 입고 수량을 파악하는 수입 입고 파악 모듈;
상기 수책 관리 자료 데이터베이스에 저장된 수책 관리 자료를 참조하여 생산 투입 출고 수량을 파악하는 생산 투입 출고 파악 모듈;
상기 수책 관리 자료 데이터베이스에 저장된 수책 관리 자료를 참조하여 생산 입고 수량을 파악하는 생산 입고 파악 모듈;
상기 수책 관리 자료 데이터베이스에 저장된 수책 관리 자료를 참조하여 수출 출고 수량을 파악하는 수출 출고 파악 모듈;
상기 수입 입고 파악 모듈에서 파악된 수입 입고 수량, 상기 생산 투입 출고 파악 모듈에서 파악된 생산 투입 출고 수량, 상기 생산 입고 파악 모듈에서 파악된 생산 입고 수량 및 상기 수출 출고 파악 모듈에서 파악된 수출 출고 수량을 이용하여 실시간 재고 정보를 파악하는 실시간 재고 정보 파악 모듈을 더 포함하도록 구성되는 것을 특징으로 하는 BOM 데이터를 이용한 수책 관리 시스템.
- 제7항에 있어서,
수입 신고 송장을 업로드하는 수입 신고 송장 업로드 모듈;
상기 수입 신고 송장 업로드 모듈에서 업로드된 수입 신고 송장을 기준으로 상기 실시간 재고 정보 파악 모듈에서 파악된 실시간 재고 정보를 이용하여 수입 신고 송장 기준 재고를 파악하는 수입 신고 송장 기준 재고 파악 모듈;
수출 신고 송장을 업로드하는 수출 신고 송장 업로드 모듈;
상기 수출 신고 송장 업로드 모듈에서 업로드된 수출 신고 송장을 기준으로 상기 실시간 재고 정보 파악 모듈에서 파악된 실시간 재고 정보를 이용하여 수출 신고 송장 기준 재고를 파악하는 수출 신고 송장 기준 재고 파악 모듈;
상기 실시간 재고 정보 파악 모듈에서 파악된 실시간 재고 정보를 이용하여 정산 신고용 BOM을 생성하는 정산 신고용 BOM 생성 모듈을 더 포함하도록 구성되는 것을 특징으로 하는 BOM 데이터를 이용한 수책 관리 시스템.
- 제8항에 있어서,
상기 정산 신고용 BOM 생성 모듈에서 생성된 정산 신고용 BOM을 기준으로 품목별 손실율을 산출하는 손실율 산출 모듈;
상기 정산 신고용 BOM 생성 모듈에서 생성된 정산 신고용 BOM을 기준으로 품목별로 정산 신고 예측량을 산출하는 정산 신고 예측 인벤토리 산출 모듈;
상기 정산 신고용 BOM 생성 모듈에서 생성된 정산 신고용 BOM과 상기 실시간 재고 정보 파악 모듈에서 파악된 실시간 재고 정보를 대비하여 정산 보고서를 자동 생성하는 정산 보고서 자동 생성 모듈을 더 포함하도록 구성되는 것을 특징으로 하는 BOM 데이터를 이용한 수책 관리 시스템.
- 제4항에 있어서, 상기 인공 지능 엑셀 맵퍼는,
상기 최종 맵핑 항목 저장 모듈에서 저장된 최종 맵핑 항목에 따라 자동으로 맵핑을 수행하도록 구성되고, 상기 최종 맵핑 항목 이외의 항목에 대해서는 상기 사용자 확인 최종 맵핑 모듈에 의한 최종 맵핑을 수행하도록 구성되는 것을 특징으로 하는 BOM 데이터를 이용한 수책 관리 시스템.
- 제10항에 있어서, 상기 인공 지능 엑셀 맵퍼는,
상기 BOM 업로드 모듈로부터 업로드되는 BOM을 입력받는 BOM 입력부;
상기 BOM 입력부에서 입력받은 BOM에 대해 전처리를 수행하는 BOM 전처리부;
상기 BOM 전처리 모듈에서 수행된 BOM의 전처리 결과에 기반하여 BOM의 각 라인을 분류하여 제외 라인, 항목 라인 및 데이터 라인 중 어느 하나로 예측하는 라인 분류 예측부;
상기 라인 분류 예측부의 예측 결과에 따른 라인 분류 결과를 사용자의 입력에 따라 수정하여 선정하는 라인 분류 선정부;
상기 라인 분류 선정부에서 선정된 라인 분류 결과에 따라 각 라인을 분류하는 라인 분류 모델을 학습하여 생성하는 라인 분류 모델 생성부;
상기 BOM 전처리부에서 수행된 BOM의 전처리 결과에 기반하여 BOM의 키(KEY) 값을 미리 정해진 수책 신고용 항목으로 분류하여 예측하는 항목 분류 예측부;
상기 항목 분류 예측부의 예측 결과에 따른 항목 분류 결과를 사용자의 입력에 따라 수정하여 선정하는 항목 분류 선정부;
상기 항목 분류 선정부에서 선정된 항목 분류 결과에 따라 키 값을 미리 정해진 수책 신고용 항목에 대응시켜 분류하는 항목 분류 모델을 학습하여 생성하는 항목 분류 모델 생성부를 포함하도록 구성되는 것을 특징으로 하는 BOM 데이터를 이용한 수책 관리 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210105765A KR20230023904A (ko) | 2021-08-11 | 2021-08-11 | Bom 데이터를 이용한 수책 관리 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210105765A KR20230023904A (ko) | 2021-08-11 | 2021-08-11 | Bom 데이터를 이용한 수책 관리 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230023904A true KR20230023904A (ko) | 2023-02-20 |
Family
ID=85329197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210105765A KR20230023904A (ko) | 2021-08-11 | 2021-08-11 | Bom 데이터를 이용한 수책 관리 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230023904A (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100591474B1 (ko) | 2006-04-13 | 2006-06-20 | 대한민국 | 관세 전자 통관 시스템, 전자 통관 방법 및 방법이실행되도록 하는 프로그램을 기록한 저장매체 |
| KR100990846B1 (ko) | 2010-05-10 | 2010-11-01 | 대한민국 | 세관장확인대상 화학물질 검색프로그램을 적용시킨 관세청 전자통관시스템 및 이를 적용한 화학물질 검색방법 |
-
2021
- 2021-08-11 KR KR1020210105765A patent/KR20230023904A/ko unknown
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100591474B1 (ko) | 2006-04-13 | 2006-06-20 | 대한민국 | 관세 전자 통관 시스템, 전자 통관 방법 및 방법이실행되도록 하는 프로그램을 기록한 저장매체 |
| KR100990846B1 (ko) | 2010-05-10 | 2010-11-01 | 대한민국 | 세관장확인대상 화학물질 검색프로그램을 적용시킨 관세청 전자통관시스템 및 이를 적용한 화학물질 검색방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Goloshchapova et al. | Corporate social responsibility reports: topic analysis and big data approach | |
| Martin et al. | Profiling enterprise risks in large computer companies using the Leximancer software tool | |
| US20230162051A1 (en) | Method, device and apparatus for execution of automated machine learning process | |
| US20130268325A1 (en) | System and method for benchmarking environmental data | |
| US20210357633A1 (en) | Document processing using hybrid rule-based artificial intelligence (ai) mechanisms | |
| CN101071477A (zh) | 基于专家系统和非线性技术的财务分析系统及方法 | |
| CN115547466B (zh) | 基于大数据的医疗机构登记评审系统及其方法 | |
| CN116151750A (zh) | 基于人工智能(ai)的文档处理和验证 | |
| CN115809653A (zh) | 一种智能合同审核方法及系统 | |
| US20160247084A1 (en) | Systems and methods for analyzing energy or environmental factors relative to energy | |
| Giannoulis et al. | Model-driven strategic awareness: From a unified business strategy meta-model (UBSMM) to enterprise architecture | |
| KR20230023904A (ko) | Bom 데이터를 이용한 수책 관리 시스템 | |
| US20100023517A1 (en) | Method and system for extracting data-points from a data file | |
| CN115482075A (zh) | 财务数据的异常分析方法、装置、电子设备及存储介质 | |
| CN115587098A (zh) | 一种智能识别图表数据的方法及系统 | |
| Suta et al. | Presenting climate-related disclosures in the automotive sector: Practical possibilities and limitations of current reporting prototypes and methods | |
| Salmen | Employing RPA and AI to automize order entry process with ındividual and small-sized structures: a SME business case study | |
| KR102563961B1 (ko) | 엑셀 문서 인공 지능 변환 시스템 | |
| CN114118098A (zh) | 基于要素抽取的合同评审方法、设备及存储介质 | |
| US11836612B2 (en) | Maintaining master data using hierarchical classification | |
| Machado Fagundes da Silva et al. | Exploring risks in lean production implementation: systematic literature review and classification framework | |
| CN111563178A (zh) | 规则逻辑图对比方法、装置、介质及电子设备 | |
| CN112380321A (zh) | 基于票据知识图谱的主次数据库分配方法及相关设备 | |
| Bhatia et al. | Extraction of tabular data from pdf to csv files | |
| Alles et al. | The case for an app-based financial reporting system |