KR102786927B1

KR102786927B1 - A system for providing a service for predicting sales quantity using artificial intelligence-based customer request demand data and a method for providing a service for predicting sales quantity using the same

Info

Publication number: KR102786927B1
Application number: KR1020230174515A
Authority: KR
Inventors: 한창엽; 전성용
Original assignee: 한창엽
Priority date: 2023-12-05
Filing date: 2023-12-05
Publication date: 2025-03-25
Anticipated expiration: 2043-12-05

Abstract

본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법은, 임의의 정보가 입력되는 정보 입력 모듈, 복수개의 예측 모델을 포함하는 제어 모듈 및 상기 제어 모듈을 통해 생성된 정보의 출력을 진행하는 정보 출력 모듈을 포함하는 판매 수량 예측 서비스 제공 장치를 통한 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법으로서, 상기 판매 수량 예측 서비스 제공 방법은, 상기 제어 모듈에서, 발주 대상 제품의 발주처와 관련된 정보인 입력 변수 정보 및 상기 예측 모델을 평가하는 기준이 되는 평가 기준 정보 중 선택된 적어도 어느 하나 이상의 정보를 수집하는 정보 수집 단계; 상기 정보 수집 단계 이후, 상기 제어 모듈에서 상기 입력 변수 정보를 복수개의 예측 모델에 각각 입력하여, 각각의 예측 모델이 상기 발주 대상 제품의 발주량을 예측한 정보인 발주 예측 정보를 복수개 생성하도록 진행되는 예측 모델 구동 단계; 상기 예측 모델 입력 단계 이후, 상기 제어 모듈에서 복수개의 예측 모델을 통해 생성된 발주 예측 정보를 평가하는 평가 단계; 상기 평가 단계 이후, 상기 제어 모듈에서 기설정된 기준에 부합하는 예측 모델을 선정하는 예측 모델 선정 단계; 및 상기 예측 모델 선정 단계 이후, 선정된 예측 모델을 통해 생성된 정보인 제 1 발주 예측 정보를 상기 정보 출력 모듈을 통해 출력하는 제 1 발주 예측 정보 제공 단계;를 포함하는 것을 특징으로 한다.
그리고, 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템은 제품의 판매 수량을 예측하는 판매 수량 예측 서비스 제공 장치를 포함하는 판매 수량 예측 서비스 제공 시스템에 관한 것으로서, 임의의 정보가 입력되는 정보 입력 모듈; 상기 정보 입력 모듈을 통해 입력되는 정보들을 입력받도록 구비되며, 복수개의 예측 모델을 포함하고, 상기 예측 모델에 대한 성능 평가를 진행하도록 구비되는 제어 모듈; 및 상기 제어 모듈에서 생성된 정보를 제공받아 출력하도록 구비되는 정보 출력 모듈;을 포함하고, 상기 제어 모듈은, 서로 다른 알고리즘을 기반으로 하는 복수의 예측 모델을 저장하는 예측 모델 저장부; 및 복수개의 상기 예측 모델을 각각 평가하도록 구동되는 예측 모델 평가부;를 포함하는 것을 특징으로 한다.According to one embodiment of the present invention, a method for providing a sales quantity prediction service using AI-based customer request demand data is provided through a sales quantity prediction service providing device including an information input module into which arbitrary information is input, a control module including a plurality of prediction models, and an information output module for outputting information generated through the control module, wherein the sales quantity prediction service providing method comprises: an information collection step in which the control module collects at least one piece of information selected from input variable information, which is information related to an orderer of a product to be ordered, and evaluation criterion information, which is a criterion for evaluating the prediction model; a prediction model driving step in which, after the information collection step, the control module inputs the input variable information into each of the plurality of prediction models, so that each of the prediction models generates a plurality of pieces of order prediction information, which is information predicting the order quantity of the product to be ordered; an evaluation step in which, after the prediction model input step, the control module evaluates the order prediction information generated through the plurality of prediction models; a prediction model selection step in which, after the evaluation step, the control module selects a prediction model that satisfies a preset criterion; And after the prediction model selection step, it is characterized by including a first order prediction information providing step of outputting the first order prediction information, which is information generated through the selected prediction model, through the information output module.
And, according to one embodiment of the present invention, a system for providing a sales quantity prediction service using artificial intelligence-based customer request demand data relates to a system for providing a sales quantity prediction service including a sales quantity prediction service providing device that predicts the sales quantity of a product, and includes: an information input module into which arbitrary information is input; a control module provided to receive information input through the information input module, the control module including a plurality of prediction models, and provided to perform a performance evaluation on the prediction models; and an information output module provided to receive and output information generated by the control module; and the control module is characterized in that it includes: a prediction model storage unit that stores a plurality of prediction models based on different algorithms; and a prediction model evaluation unit that is driven to evaluate each of the plurality of prediction models.

Description

{A system for providing a service for predicting sales quantity using artificial intelligence-based customer request demand data and a method for providing a service for predicting sales quantity using the same}

본 발명은 판매 수량 예측 서비스 제공 시스템 및 이를 이용한 판매 수량 예측 서비스 제공 방법에 관한 것으로, 보다 상세하게는, 농업용 차량에 사용되는 타이어의 수요량과 발주량을 예측하여 안정적인 자재 수급을 지원할 수 있는 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템 및 이를 이용한 판매 수량 예측 서비스 제공 방법에 관한 것이다.The present invention relates to a sales quantity prediction service providing system and a sales quantity prediction service providing method using the same, and more specifically, to a sales quantity prediction service providing system using customer request demand data based on artificial intelligence capable of predicting the demand and order quantities of tires used in agricultural vehicles to support stable material supply and demand, and a sales quantity prediction service providing method using the same.

일반적으로 농업용 차량에 탑재되는 다양한 부품 중 타이어와 같은 부품은 휠이 포함되어 함께 공급되며, 타 부품과 다르게 휠은 국외 업체에 전량 발주를 하기 때문에 주문 발주 후 입고까지 소요되는 시간, 즉 입고 리드타임이 많이 소요되고, 너무 많은 주문을 미리할 경우에는 창고 보관료의 상승, 한정된 부품의 적정보관기간 제한 등의 문제가 발생하므로, 적정량의 부품 재고량이 요구되며, 이를 위해서 주기적인 부품 수요량 예측이 필수적이다.Among the various parts typically mounted on agricultural vehicles, parts such as tires are supplied together with wheels. Unlike other parts, wheels are ordered in full from overseas companies. Therefore, the time required from order placement to receipt, i.e., the receipt lead time, is long. In addition, if too many orders are placed in advance, problems such as increased warehouse storage costs and restrictions on the appropriate inventory management period for limited parts may occur. Therefore, an appropriate amount of parts inventory is required, and for this purpose, periodic forecasting of parts demand is essential.

불안정한 수급의 부품 양이 설정한 적정 재고량 이하로 떨어져 발주를 해야 될 때, 수급이 불안정하여 여러 수급처에 필요한 발주량보다 크게 발주를 넣어 부품을 수급할 경우, 재고보유량이 적정재고량보다 많아진다.When the quantity of parts due to unstable supply and demand falls below the set appropriate inventory level and an order must be placed, if the supply and demand is unstable and orders are placed for a larger quantity than required from multiple suppliers, the inventory level will be greater than the appropriate inventory level.

이 때, 적정 재고량에서 초과된 재고량만큼 재고보유금액이 더욱 커지며, 이는 현재 필요없는 부품에 재고관리비용이 지출됨을 의미하며, 만약 해당 부품이 계절성 영향을 크게 받는 경우, 해당 수요 계절이 지난 후에 재고가 남아있다면, 악성 재고로 남아 지속적인 재고관리 비용에 대한 지출을 해야 되거나, 손해를 보며 폐기 처분해야 되는 경우도 발생할 수 있다.At this time, the amount of inventory held increases by the amount of inventory that exceeds the appropriate inventory level, which means that inventory management costs are spent on parts that are not currently needed. If the part in question is greatly affected by seasonality and the stock remains after the demand season has passed, it may remain as dead inventory and require continuous inventory management costs, or it may have to be disposed of at a loss.

물류의 입장에서 부품 재고에 대한 최적의 상황은 현재 필요한 만큼의 재고량만 보유하고, 재고가 적정 재고 이하로 떨어질 때 추후 출고 계획에 차질이 없이 재고를 수급하여 항상 최소의 재고량을 창고에 보유하는 것이 바람직하다. 즉, 보유한 부품 재고가 현재 물류 창고 등에 적재할 수 있는 재고량보다 클 경우, 창고를 증설할 수밖에 없으며, 관리할 부품 종류가 많을수록 이를 관리하는 인건비에 대해서도 증가하기 때문에 필요만큼의 최소의 재고량을 보유하는 것이 효율적이라 할 수 있다.From a logistics perspective, the optimal situation for parts inventory is to hold only the amount of inventory currently needed, and when inventory falls below the appropriate inventory, to supply inventory without disruption to future shipment plans, and to always hold the minimum amount of inventory in the warehouse. In other words, if the stock of parts held is greater than the amount of inventory that can be loaded into the current logistics warehouse, etc., the warehouse must be expanded, and the more types of parts to be managed, the higher the labor cost for managing them, so it can be said that it is efficient to hold the minimum amount of inventory necessary.

타이어는 주재료가 고무로 이를 자동차에 장착하여 차량의 주행을 통해 타이어를 사용하지 않더라도 고온 및 저습과 같은 불리한 환경 조건들에서 유지되는 타이어들은 품질이 저하되거나 타이어가 손상되고, 일정시간 이상 보관하여 타이어 한계 수명이 도래한 경우와 같이 많은 타이어 재고를 보유하는 경우에는 재고보관이 오래된 타이어들의 폐기와 관련된 추가 비용과 시간이 필수적으로 야기된다.Tires are made of rubber as the main material, and even if they are not used while the vehicle is being driven, tires are maintained in adverse environmental conditions such as high temperature and low humidity. When tires are stored for a certain period of time and reach the end of their lifespan, the quality of the tires deteriorates or the tires are damaged. In cases where a large amount of tires are kept in stock, additional costs and time are inevitably incurred in relation to the disposal of old tires.

이러한 문제점을 해결하기 위해, 상술한 상품들의 재고 관리를 진행하기 위한 관련 기술의 개발이 활발하게 진행되고 있으나, 대부분의 기술이 입고된 상품의 재고량을 간편하게 파악할 수 있도록 하여 재고 관리를 진행하도록 개발되어 있다.To solve these problems, development of related technologies for inventory management of the above-mentioned products is actively underway, but most technologies are developed to allow inventory management by making it easy to determine the inventory quantity of received products.

또한, 트랙터와 같은 농기계에 탑재되는 농업용 타이어의 경우, 계절별 수확량에 많은 영향을 받고 있어, 일반적인 타이어에 비해 수요예측이 더욱 어려운 상태이다.In addition, for agricultural tires mounted on agricultural machinery such as tractors, demand forecasting is more difficult than for general tires because they are greatly affected by seasonal harvests.

특히, 상기 농업용 타이어의 경우, 상기 농업용 타이어를 구성하는 각종 부품 중 타이어를 제외한 부품을 공급하는 부품 공급사, 상기 부품 공급사로부터 부품을 제공받고, 타이어와의 조립을 통해, 농업용 타이어 조립체를 제조하여 공급하는 공급처 및 상기 공급처로부터 농업용 타이어 조립체를 제공받아 완제품을 제조하는 고객사로 구성되어 상기 농업용 타이어의 유통이 진행된다.In particular, in the case of the agricultural tire, the distribution of the agricultural tire is carried out by a parts supplier that supplies parts excluding tires among the various parts that make up the agricultural tire, a supplier that receives parts from the parts supplier, manufactures and supplies an agricultural tire assembly through assembly with a tire, and a customer that receives the agricultural tire assembly from the supplier and manufactures a finished product.

아울러, 상기 농업용 타이어의 경우, 통상적으로 2개월에서 2.5개월 가량의 리드타임이 존재하여, 고객사의 발주량과 실제 수요량간의 괴리율이 발생하고, 이에 따른 공급처에서의 손해가 크게 발생하게 되어, 이러한 괴리율을 최소화 하기 위한 발주량의 예측 및 결정을 지원하는 기술의 개발의 중요성이 증대되고 있다.In addition, in the case of the agricultural tires mentioned above, there is usually a lead time of about 2 to 2.5 months, which causes a gap between the customer's order quantity and the actual demand quantity, and thus causes significant losses to the supplier. Therefore, the importance of developing technology to support prediction and decision of order quantity to minimize this gap is increasing.

덧붙여, 상기 고객사의 발주량 대비 고객사의 실제 수요량이 작은 경우에는, 상기 부품의 재고 물량에 대한 폐기 비용을 공급처에서 부담하여야 했으며, 상기 고객사의 발주량 대비 고객사의 실제 수요량이 많은 경우에는 상기 부품에 대한 납기 지연이 발생하여 상기 납기 지연에 따른 부담분을 공급처에서 부담하여야 함에 따라, 재고물량의 최소화 뿐만 아니라 납기 지연을 최소화 하기 위한 기술의 개발이 필요한 실정이다.In addition, in cases where the actual demand of the customer is small compared to the order quantity of the customer, the supplier must bear the disposal cost of the inventory of the said parts, and in cases where the actual demand of the customer is large compared to the order quantity of the customer, the delivery of the said parts is delayed and the supplier must bear the burden of the delivery delay. Therefore, it is necessary to develop technology to minimize the delivery delay as well as the inventory quantity.

KRKR 10-2010-004494610-2010-0044946 AA (2010.05.03)(2010.05.03)

본 발명은 상술한 문제점을 해결하기 위해 창출된 것으로, 인공지능 예측 모델을 기반으로 발주 대상 제품의 발주량을 예측하여 제공하는 것을 목적으로 한다.The present invention was created to solve the above-described problem, and aims to provide a prediction of the order quantity of a product to be ordered based on an artificial intelligence prediction model.

보다 상세하게는, 본 발명은 다양한 종류의 예측 모델들을 기반으로, 제품에 대한 고객의 수요와 발주량을 예측하여 현저히 향상된 정확도를 보유한 예측 정보를 제공할 수 있는 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템 및 이를 이용한 판매 수량 예측 서비스 제공 방법을 제공하고자 하는 것을 목적으로 한다.More specifically, the present invention aims to provide a sales quantity prediction service providing system using artificial intelligence-based customer request demand data, which can provide prediction information with significantly improved accuracy by predicting customer demand and order quantity for a product based on various types of prediction models, and a sales quantity prediction service providing method using the same.

본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법은, 임의의 정보가 입력되는 정보 입력 모듈, 복수개의 예측 모델을 포함하는 제어 모듈 및 상기 제어 모듈을 통해 생성된 정보의 출력을 진행하는 정보 출력 모듈을 포함하는 판매 수량 예측 서비스 제공 장치를 통한 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법으로서, 상기 판매 수량 예측 서비스 제공 방법은, 상기 제어 모듈에서, 발주 대상 제품의 발주처와 관련된 정보인 입력 변수 정보 및 상기 예측 모델을 평가하는 기준이 되는 평가 기준 정보 중 선택된 적어도 어느 하나 이상의 정보를 수집하는 정보 수집 단계; 상기 정보 수집 단계 이후, 상기 제어 모듈에서 상기 입력 변수 정보를 복수개의 예측 모델에 각각 입력하여, 각각의 예측 모델이 상기 발주 대상 제품의 발주량을 예측한 정보인 발주 예측 정보를 복수개 생성하도록 진행되는 예측 모델 구동 단계; 상기 예측 모델 입력 단계 이후, 상기 제어 모듈에서 복수개의 예측 모델을 통해 생성된 발주 예측 정보를 평가하는 평가 단계; 상기 평가 단계 이후, 상기 제어 모듈에서 기설정된 기준에 부합하는 예측 모델을 선정하는 예측 모델 선정 단계; 및 상기 예측 모델 선정 단계 이후, 선정된 예측 모델을 통해 생성된 정보인 제 1 발주 예측 정보를 상기 정보 출력 모듈을 통해 출력하는 제 1 발주 예측 정보 제공 단계;를 포함하는 것을 특징으로 한다.According to one embodiment of the present invention, a method for providing a sales quantity prediction service using AI-based customer request demand data is provided through a sales quantity prediction service providing device including an information input module into which arbitrary information is input, a control module including a plurality of prediction models, and an information output module for outputting information generated through the control module, wherein the sales quantity prediction service providing method comprises: an information collection step in which the control module collects at least one piece of information selected from input variable information, which is information related to an orderer of a product to be ordered, and evaluation criterion information, which is a criterion for evaluating the prediction model; a prediction model driving step in which, after the information collection step, the control module inputs the input variable information into each of the plurality of prediction models, so that each of the prediction models generates a plurality of pieces of order prediction information, which is information predicting the order quantity of the product to be ordered; an evaluation step in which, after the prediction model input step, the control module evaluates the order prediction information generated through the plurality of prediction models; a prediction model selection step in which, after the evaluation step, the control module selects a prediction model that satisfies a preset criterion; And after the prediction model selection step, it is characterized by including a first order prediction information providing step of outputting the first order prediction information, which is information generated through the selected prediction model, through the information output module.

보다 상세하게는, 상기 입력 변수 정보는, 상기 발주 대상 제품의 사용 현황과 관련된 정보인 제품 현황 정보; 농산물의 생산량, 생산 시기 중 선택된 적어도 어느 하나 이상의 요소를 포함하는 정보인 농업 관련 정보; 및 농산물의 생산에 영향을 끼치는 날씨를 나타내는 정보인 기후 정보;를 더 포함하는 것을 특징으로 한다.More specifically, the input variable information is characterized by further including product status information, which is information related to the usage status of the product to be ordered; agricultural information, which is information including at least one element selected from among the production amount and production period of agricultural products; and climate information, which is information indicating weather affecting the production of agricultural products.

보다 상세하게는, 상기 농업 관련 정보는, 발주 대상 제품이 사용되는 지역에서의 농산물 가격, 거래량 중 선택된 적어도 어느 하나 이상의 요소를 포함하고, 상기 기후 정보는, 발주 대상 제품이 사용되는 지역에서의 태양광 일사량, 기온 및 강수량 중 선택된 적어도 어느 하나 이상의 요소를 포함하는 것을 특징으로 한다.More specifically, the agricultural information includes at least one element selected from among agricultural product prices and transaction volumes in the region where the ordered product is used, and the climate information includes at least one element selected from among solar irradiance, temperature, and precipitation in the region where the ordered product is used.

보다 상세하게는, 상기 제품 현황 정보는, 상기 발주 대상 제품의 발주처를 나타내는 정보인 발주처 정보; 상기 발주 대상 제품의 발주 이력을 나타내는 정보인 발주 이력 정보; 및 상기 발주 대상 제품이 실제로 소요된 소요량을 나타내는 제품 소요량 정보;를 포함하는 것을 특징으로 한다.More specifically, the product status information is characterized by including: orderer information, which is information indicating the orderer of the product to be ordered; order history information, which is information indicating the order history of the product to be ordered; and product requirement information, which indicates the actual requirement of the product to be ordered.

보다 상세하게는, 상기 평가 단계는, 상기 정보 수집 단계에서 수집한 상기 평가 기준 정보를 기반으로 상기 제 1 발주 예측 정보에 대한 평가를 진행하며, 상기 평가 기준 정보는, 예측 모델이 발주처의 수요를 예측한 예측 결과물을 하기 수학식 1을 기반으로 평가한 지표인 기술 검증 성능 지표;를 포함하며, 수학식 1은,More specifically, the evaluation step evaluates the first order prediction information based on the evaluation criteria information collected in the information collection step, and the evaluation criteria information includes a technology verification performance index, which is an index that evaluates the prediction result of the prediction model predicting the demand of the orderer based on the following mathematical formula 1, and mathematical formula 1 is:

(여기서,

는 결정계수,

은 표본 수,

는 실제 발주량(실제값),

는 예측 발주량(예측값),

는 실제 발주량(실제값) 또는 예측 발주량(예측값)의 평균)인 것을 특징으로 한다.(Here,

is the coefficient of determination,

is the number of samples,

is the actual order quantity (actual value),

is the predicted order quantity (predicted value),

It is characterized by being the average of the actual order quantity (actual value) or the predicted order quantity (predicted value).

보다 상세하게는, 상기 판매 수량 예측 서비스 제공 방법은, 상기 제어 모듈을 통해 진행되면서, 상기 제 1 발주 예측 정보 제공 단계 이후, 상기 예측 모델을 선정하기 위한 평가 기준 정보를 업데이트한 정보인 추가 평가 기준 정보를 생성하는 추가 평가 기준 정보 생성 단계;를 더 포함하는 것을 특징으로 한다.More specifically, the method for providing the sales quantity prediction service is characterized in that it further includes an additional evaluation criterion information generation step for generating additional evaluation criterion information, which is information that updates evaluation criterion information for selecting the prediction model, after the first order prediction information providing step while proceeding through the control module.

보다 상세하게는, 상기 추가 평가 기준 정보는, 상기 제어 모듈을 통해 생성되면서, 상기 예측 모델의 미적용 시 상기 제품에 대한 납기 준수율을 나타내는 제 1 납기 준수율, 상기 예측 모델의 적용 시의 제품에 대한 납기 준수율을 나타내는 제 2 납기 준수율 및 상기 제 1 납기 준수율과 상기 제 2 납기 준수율 간의 변동량을 나타내는 납기 준수율 변동량을 산출하여 임의의 예측 모델 적용 시, 제품에 대한 납기 준수율을 평가하는 지표로 사용되는 생산성 향상률 성능 지표;를 더 포함하는 것을 특징으로 한다.More specifically, the additional evaluation criteria information is characterized in that it further includes a productivity improvement rate performance index that is generated through the control module and is used as an index for evaluating the delivery compliance rate of the product when any prediction model is applied by calculating a first delivery compliance rate indicating the delivery compliance rate of the product when the prediction model is not applied, a second delivery compliance rate indicating the delivery compliance rate of the product when the prediction model is applied, and a delivery compliance rate variation amount indicating the variation between the first delivery compliance rate and the second delivery compliance rate.

보다 상세하게는, 상기 발주 예측 정보는, 기 설정된 기간 동안의 상기 제품에 대한 납기 예정 수량을 포함하고, 상기 생산성 향상률 성능 지표는, 임의의 예측 모델을 통해 산출된 상기 납기 예정 수량 대비 실제 납품을 완료한 납품 수량을 산출한 것을 특징으로 한다.More specifically, the order prediction information includes a quantity scheduled for delivery for the product during a preset period, and the productivity improvement rate performance index is characterized by calculating the quantity of actually delivered products compared to the quantity scheduled for delivery calculated through an arbitrary prediction model.

보다 상세하게는, 상기 판매 수량 예측 서비스 제공 방법은, 상기 추가 평가 기준 정보 생성 단계 이후, 상기 추가 평가 기준 정보를 기반으로 상기 예측 모델에 대한 추가 평가를 진행하여 선정된 예측 모델을 통해 생성된 제 2 발주 예측 정보를 상기 정보 출력 모듈을 통해 출력하는 제 2 발주 예측 정보 제공 단계;를 더 포함하는 것을 특징으로 한다.More specifically, the method for providing the sales quantity prediction service is characterized by further including a second order prediction information providing step, which, after the additional evaluation criterion information generating step, performs an additional evaluation on the prediction model based on the additional evaluation criterion information and outputs second order prediction information generated through the selected prediction model through the information output module.

그리고, 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템은, 제품의 판매 수량을 예측하는 판매 수량 예측 서비스 제공 장치를 포함하는 판매 수량 예측 서비스 제공 시스템에 관한 것으로서, 상기 판매 수량 예측 서비스 제공 장치는, 임의의 정보가 입력되는 정보 입력 모듈; 상기 정보 입력 모듈을 통해 입력되는 정보들을 입력받도록 구비되며, 복수개의 예측 모델을 포함하고, 상기 예측 모델에 대한 성능 평가를 진행하도록 구비되는 제어 모듈; 및 상기 제어 모듈에서 생성된 정보를 제공받아 출력하도록 구비되는 정보 출력 모듈;을 포함하고, 상기 제어 모듈은, 서로 다른 알고리즘을 기반으로 하는 복수의 예측 모델을 저장하는 예측 모델 저장부; 및 복수개의 상기 예측 모델을 각각 평가하도록 구동되는 예측 모델 평가부;를 포함하는 것을 특징으로 한다.And, according to one embodiment of the present invention, a system for providing a sales quantity prediction service using artificial intelligence-based customer request demand data relates to a sales quantity prediction service providing system including a sales quantity prediction service providing device that predicts the sales quantity of a product, wherein the sales quantity prediction service providing device includes: an information input module into which arbitrary information is input; a control module that is provided to receive information input through the information input module, includes a plurality of prediction models, and is provided to perform a performance evaluation on the prediction models; and an information output module that is provided to receive and output information generated by the control module; and the control module is characterized in that it includes: a prediction model storage unit that stores a plurality of prediction models based on different algorithms; and a prediction model evaluation unit that is driven to evaluate each of the plurality of prediction models.

보다 상세하게는, 상기 정보 출력 모듈은, 상기 제어 모듈을 통해 생성되는 정보이면서, 상기 발주 대상 제품의 발주량을 예측한 정보인 발주 예측 정보를 제공받은 이후, 상기 발주 예측 정보를 그래프화하여 나타내는 화면인 발주 예측 출력 화면을 출력하는 것을 특징으로 한다.More specifically, the information output module is characterized by outputting an order prediction output screen, which is a screen that graphs the order prediction information and displays it after receiving order prediction information, which is information generated through the control module and predicts the order quantity of the product to be ordered.

보다 상세하게는, 상기 정보 출력 모듈은, 상기 제어 모듈을 통해 생성되는 정보이면서, 상기 예측 모델의 미적용 시 상기 제품에 대한 납기 준수율을 나타내는 제 1 납기 준수율, 상기 예측 모델의 적용 시의 제품에 대한 납기 준수율을 나타내는 제 2 납기 준수율, 상기 제 1 납기 준수율과 상기 제 2 납기 준수율 간의 변동량을 나타내는 납기 준수율 변동량을 포함하는 생산성 향상률 성능 지표를 제공받아 출력하는 화면인 생산성 향상률 성능 지표 출력 화면을 출력하는 것을 특징으로 한다.More specifically, the information output module is characterized by outputting a productivity improvement rate performance index output screen, which is a screen that receives and outputs a productivity improvement rate performance index that is information generated through the control module and includes a first delivery compliance rate indicating a delivery compliance rate for the product when the prediction model is not applied, a second delivery compliance rate indicating a delivery compliance rate for the product when the prediction model is applied, and a delivery compliance rate variation amount indicating a variation amount between the first delivery compliance rate and the second delivery compliance rate.

보다 상세하게는, 판매 수량 예측 서비스 제공 시스템은, 발주 대상 제품의 공급과 관련된 정보인 제품 현황 정보를 제공하도록 구비되면서, 농산물의 생산량, 생산 시기 중 선택된 적어도 어느 하나 이상의 요소를 포함하는 정보인 농업 관련 정보와, 농산물의 생산에 영향을 끼치는 날씨를 나타내는 정보인 기후 정보 중 선택된 어느 하나 이상의 정보를 수집하도록 마련되는 서비스 서버(200);를 포함하고, 상기 제어 모듈은, 상기 서비스 서버와 통신 연결되어 정보를 수집하도록 구비되는 것을 특징으로 한다.More specifically, the sales quantity prediction service providing system includes a service server (200) that is equipped to provide product status information, which is information related to the supply of a product to be ordered, and is equipped to collect at least one piece of information selected from agricultural information, which is information including at least one element selected from among the production volume and production period of agricultural products, and climate information, which is information indicating weather affecting the production of agricultural products; and the control module is characterized in that it is equipped to be connected to the service server in communication with it and collect information.

복수개의 예측 모델에 대한 성능 평가를 진행하고, 복수개의 예측 모델이 산출한 발주 예측 정보 중에서도, 우수한 성능을 보유한 예측모델이 산출한 발주 예측 정보를 구분하여 획득할 수 있도록 함으로써, 보다 정확한 예측 서비스를 제공할 수 있다.By conducting a performance evaluation on multiple prediction models and obtaining order prediction information produced by a prediction model with superior performance among the order prediction information produced by multiple prediction models, a more accurate prediction service can be provided.

제품 현황 정보 뿐만 아니라, 제품이 적용되는 주변 환경과 관련된 요소를 통해 제품의 수요를 파악할 수 있도록 하면서도, 특히, 농업 관련 정보와 기후 정보를 기반으로 제품의 발주량을 예측할 수 있도록 하여 보다 정확한 발주 예측 정보를 취득할 수 있다.In addition to product status information, it is possible to understand product demand through factors related to the surrounding environment to which the product is applied, and in particular, it is possible to obtain more accurate order forecast information by predicting the product order quantity based on agricultural information and climate information.

발주 이력 정보를 통해, 제품에 대한 발주 예측량을 우선 확인할 수 있는 효과를 제공할 수 있다.Through order history information, it is possible to provide the effect of being able to check the predicted order quantity for a product in advance.

발주 대상 제품인 농업용 타이어의 수급에 직접적인 영향을 끼칠 수 있는 정보이면서, 지역별로 구분되는 농업 관련 정보를 기반으로, 발주 대상 제품의 발주량을 보다 정확하게 예측할 수 있다.This is information that can directly affect the supply and demand of agricultural tires, which are the target product for ordering, and based on agricultural information classified by region, the order quantity of the target product for ordering can be predicted more accurately.

기술 검증 지표를 통한 예측 결과물의 성능 평가를 진행할 수 있어, 다양한 예측 모델들에 대한 평가를 진행하고, 우수한 예측 모델을 선정할 수 있으며, 우수한 예측 모델을 기반으로 하여 보다 정확한 예측치를 가지는 예측 결과물을 확보할 수 있다.Since the performance of prediction results can be evaluated using technology verification indicators, various prediction models can be evaluated, an excellent prediction model can be selected, and prediction results with more accurate prediction values can be secured based on the excellent prediction model.

추가 평가 기준 정보 생성 단계를 통해, 본 발명의 예측 서비스 제공 방법을 통한 예측 모델 사용 시 마다, 강화된 평가 기준을 확보할 수 있도록 함으로써, 발주 예측율을 지속적으로 상승시킬 수 있다.By providing an additional evaluation criteria information generation step, it is possible to continuously increase the order prediction rate by ensuring enhanced evaluation criteria each time a prediction model is used through the prediction service providing method of the present invention.

예측 모델을 통해 산출한 발주 예측 정보를 통해 취득한 납기 예정 수량과, 실제 납품 수량을 상호 비교하여 각 예측 모델들의 예측 정확도를 보다 객관적으로 파악할 수 있다.By comparing the expected delivery quantity obtained through the order prediction information produced by the prediction model with the actual delivery quantity, the prediction accuracy of each prediction model can be more objectively identified.

강화된 평가 기준인 추가 평가 기준 정보를 기반으로 예측 모델에 대한 추가 평가를 진행하여 발주 예측 정보를 생성할 수 있도록 함으로써, 보다 향상된 예측 정확도를 보유한 발주 예측 정보를 제공할 수 있다.By conducting additional evaluations on the prediction model based on additional evaluation criteria information, which is an enhanced evaluation criterion, and thereby generating order prediction information, it is possible to provide order prediction information with improved prediction accuracy.

별도로 구축되는 서비스 서버를 통해 정보 취득을 진행하도록 함으로써, 객관적인 정보를 기반으로 발주 예측 정보의 생성을 진행할 수 있어 예측 정확도를 향상시킬 수 있다.By acquiring information through a separately constructed service server, it is possible to create order prediction information based on objective information, thereby improving prediction accuracy.

도 1은 본 발명의 추가 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템의 구성을 도시한 모식도이다.
도 2는 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템을 구성하는 판매 수량 예측 서비스 제공 장치를 도시한 블록선도이다.
도 3은 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템을 구성하는 판매 수량 예측 서비스 제공 장치를 구성하는 정보 출력 모듈을 통해 출력되는 화면을 도시한 사용 상태도이다.
도 4는 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템을 구성하는 판매 수량 예측 서비스 제공 장치를 구성하는 정보 출력 모듈을 통해 출력되는 화면을 도시한 사용 상태도이다.
도 5는 본 발명의 추가 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템을 구성하는 서비스 서버의 구성을 도시한 블록선도이다.
도 6은 본 발명의 추가 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템을 구성하는 사용자 단말기의 구성을 도시한 블록선도이다.
도 7은 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법의 진행 순서를 도시한 순서도이다.
도 8은 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법의 진행 순서를 도시한 플로우차트이다.
도 9는 본 발명의 추가 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법의 진행 순서를 도시한 순서도이다.
도 10은 본 발명의 추가 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법의 진행 순서를 도시한 플로우차트이다.FIG. 1 is a schematic diagram illustrating the configuration of a system for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to an additional embodiment of the present invention.
FIG. 2 is a block diagram illustrating a sales quantity prediction service providing device that constitutes a sales quantity prediction service providing system using artificial intelligence-based customer request demand data according to one embodiment of the present invention.
FIG. 3 is a usage status diagram illustrating a screen output through an information output module constituting a sales quantity prediction service providing device constituting a sales quantity prediction service providing system using artificial intelligence-based customer request demand data according to one embodiment of the present invention.
FIG. 4 is a usage diagram illustrating a screen output through an information output module constituting a sales quantity prediction service providing device constituting a sales quantity prediction service providing system using artificial intelligence-based customer request demand data according to one embodiment of the present invention.
FIG. 5 is a block diagram illustrating the configuration of a service server that constitutes a sales quantity prediction service providing system using artificial intelligence-based customer request demand data according to an additional embodiment of the present invention.
FIG. 6 is a block diagram illustrating the configuration of a user terminal that constitutes a system for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to an additional embodiment of the present invention.
FIG. 7 is a flowchart illustrating the progress sequence of a method for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to one embodiment of the present invention.
FIG. 8 is a flowchart illustrating the progress sequence of a method for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to one embodiment of the present invention.
FIG. 9 is a flowchart illustrating the progress sequence of a method for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to an additional embodiment of the present invention.
FIG. 10 is a flowchart illustrating the sequence of operations of a method for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to an additional embodiment of the present invention.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. The advantages and features of the present invention and the methods for achieving them will become apparent with reference to the embodiments described in detail below together with the accompanying drawings.

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.However, the present invention is not limited to the embodiments disclosed below, but can be implemented in various different forms, and the present embodiments are provided only to make the disclosure of the present invention complete and to fully inform a person having ordinary skill in the art to which the present invention belongs of the scope of the invention, and the present invention is defined only by the scope of the claims.

또한, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. Additionally, the terminology used herein is for the purpose of describing embodiments only and is not intended to limit the present invention.

본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 이외의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. In this specification, the singular includes the plural unless specifically stated otherwise in the phrase. As used in the specification, "comprises" and/or "comprising" do not exclude the presence or addition of other components other than the mentioned components.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다.Unless otherwise defined, all terms (including technical and scientific terms) used herein may be used in a commonly understood sense by a person of ordinary skill in the art to which the present invention belongs.

먼저, 도 1을 참조하여 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템에 대해 설명하도록 한다.First, referring to FIG. 1, a system for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to one embodiment of the present invention will be described.

도 1은 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템의 구성을 도시한 모식도이다.FIG. 1 is a schematic diagram illustrating the configuration of a system for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to one embodiment of the present invention.

도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템은 판매 수량 예측 서비스 제공 장치(100), 서비스 서버(200) 및 사용자 단말기(300)를 포함할 수 있다.As illustrated in FIG. 1, a system for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to one embodiment of the present invention may include a sales quantity prediction service providing device (100), a service server (200), and a user terminal (300).

먼저, 상기 판매 수량 예측 서비스 제공 장치(100)는 임의의 제품에 대한 발주량을 예측한 발주 예측 정보를 생성하기 위해 구비되는 것으로, 임의의 정보가 입력되는 정보 입력 모듈과, 복수개의 예측 모델을 포함하는 제어 모듈 및 상기 제어 모듈을 통해 생성된 정보의 출력을 진행하는 정보 출력 모듈을 포함하도록 구성될 수 있다.First, the sales quantity prediction service providing device (100) is provided to generate order prediction information that predicts an order quantity for an arbitrary product, and may be configured to include an information input module into which arbitrary information is input, a control module including a plurality of prediction models, and an information output module that outputs information generated through the control module.

그리고, 상기 서비스 서버(200)는 상기 판매 수량 예측 서비스 제공 장치(100)를 구동하여 생성한 예측 정보를 서비스 도입업체에 제공하도록 구축된다. In addition, the service server (200) is constructed to provide prediction information generated by driving the sales quantity prediction service providing device (100) to the service introduction company.

특히, 상기 서비스 서버(200)는 발주 대상 제품의 공급과 관련된 정보인 제품 현황 정보를 제공하도록 구비되면서, 농산물의 생산량, 생산 시기 중 선택된 적어도 어느 하나 이상의 요소를 포함하는 정보인 농업 관련 정보와, 농산물의 생산에 영향을 끼치는 날씨를 나타내는 정보인 기후 정보 중 선택된 어느 하나 이상의 정보를 수집하도록 마련될 수 있다. In particular, the service server (200) may be provided to provide product status information, which is information related to the supply of products to be ordered, and may be arranged to collect agricultural information, which is information including at least one selected element among the production volume and production period of agricultural products, and climate information, which is information indicating weather affecting the production of agricultural products.

특히, 별도로 구축되는 서비스 서버(200)를 통해 정보 취득을 진행하도록 함으로써, 객관적인 정보를 기반으로 발주 예측 정보의 생성을 진행할 수 있어 예측 정확도를 향상시킬 수 있다.In particular, by acquiring information through a separately constructed service server (200), it is possible to generate order prediction information based on objective information, thereby improving prediction accuracy.

그리고, 상기 사용자 단말기(300)는 상기 판매 수량 예측 서비스 제공 장치 및 서비스 서버 중 선택된 적어도 어느 하나 이상과 통신 연결되어, 각종 정보를 제공받아 출력하도록 구비될 수 있다.In addition, the user terminal (300) may be equipped to be connected to at least one of the sales quantity prediction service providing devices and service servers to receive and output various types of information.

다음으로 도 2 내지 도 4를 참조하여, 상기 판매 수량 예측 서비스 제공 장치에 대해 보다 상세히 설명하도록 한다.Next, with reference to FIGS. 2 to 4, the sales quantity prediction service providing device will be described in more detail.

도 2는 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템을 구성하는 판매 수량 예측 서비스 제공 장치를 도시한 블록선도이며, 도 3 및 도 4는 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템을 구성하는 판매 수량 예측 서비스 제공 장치를 구성하는 정보 출력 모듈을 통해 출력되는 화면을 도시한 사용 상태도이다.FIG. 2 is a block diagram illustrating a sales quantity prediction service providing device constituting a sales quantity prediction service providing system using artificial intelligence-based customer request demand data according to one embodiment of the present invention, and FIGS. 3 and 4 are usage state diagrams illustrating screens output through an information output module constituting a sales quantity prediction service providing device constituting a sales quantity prediction service providing system using artificial intelligence-based customer request demand data according to one embodiment of the present invention.

도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템의 판매 수량 예측 서비스 제공 장치는 정보 입력 모듈(110), 제어 모듈(120) 및 정보 출력 모듈(130)을 포함할 수 있다.As illustrated in FIG. 2, a sales quantity prediction service providing device of a sales quantity prediction service providing system using artificial intelligence-based customer request demand data according to one embodiment of the present invention may include an information input module (110), a control module (120), and an information output module (130).

먼저, 상기 정보 입력 모듈(110)은 임의의 정보가 입력되도록 마련된다.First, the information input module (110) is provided so that arbitrary information can be input.

그리고, 상기 제어 모듈(120)은 상기 정보 입력 모듈(110)을 통해 입력되는 정보들을 입력받도록 구비되며, 복수개의 예측 모델을 포함하고, 상기 예측 모델에 대한 성능 평가를 진행하게 된다.And, the control module (120) is provided to receive information input through the information input module (110), includes a plurality of prediction models, and conducts a performance evaluation for the prediction models.

여기서, 상기 제어 모듈(120)은, 예측 모델 저장부(121) 및 예측 모델 평가부(122)를 포함할 수 있다.Here, the control module (120) may include a prediction model storage unit (121) and a prediction model evaluation unit (122).

특히, 예측 모델 저장부(121)는 서로 다른 알고리즘을 기반으로 하는 복수의 예측 모델을 저장하도록 구비될 수 있다.In particular, the prediction model storage unit (121) may be equipped to store multiple prediction models based on different algorithms.

여기서, 상기 복수의 예측 모델은 머신러닝의 앙상블(Ensemble) 모델인, 배깅(Bagging) 모델, 랜덤포레스트(Random Forest) 모델, 에이다부스트(AdaBoost) 모델, XG부스트(XGBoost) 모델, 딥러닝 시계열 모델인 LSTM(Long Short-Term Memory) 모델 중 선택된 적어도 둘 이상의 모델을 포함할 수 있으며 이에 한정되지는 않고, 서로 다른 종류의 예측 알고리즘을 기반으로 하는 예측 모델을 복수개 저장할 수 있다.Here, the plurality of prediction models may include at least two models selected from among a bagging model, a random forest model, an AdaBoost model, an XGBoost model, and a deep learning time series model, an LSTM (Long Short-Term Memory) model, which are ensemble models of machine learning, but are not limited thereto, and a plurality of prediction models based on different types of prediction algorithms may be stored.

또한, 상기 예측 모델 평가부(122)는 복수개의 상기 예측 모델을 각각 평가하도록 구동된다.In addition, the above prediction model evaluation unit (122) is driven to evaluate each of the above multiple prediction models.

특히, 복수개의 예측 모델에 대한 성능 평가를 진행하고, 복수개의 예측 모델이 산출한 발주 예측 정보 중에서도, 우수한 성능을 보유한 예측모델이 산출한 발주 예측 정보를 구분하여 획득할 수 있도록 함으로써, 보다 정확한 예측 서비스를 제공하게 된다.In particular, by conducting a performance evaluation of multiple prediction models and obtaining order prediction information produced by a prediction model with superior performance among the order prediction information produced by multiple prediction models, a more accurate prediction service is provided.

덧붙여, 상기 제어 모듈(120)은, 상기 서비스 서버와 통신 연결되어 정보를 수집할 수 있다.In addition, the control module (120) can be connected to the service server to collect information.

먼저, 상기 제어 모듈(120)은 발주 대상 제품의 발주처와 관련된 정보인 입력 변수 정보 및 상기 예측 모델을 평가하는 기준이 되는 평가 기준 정보 중 선택된 적어도 어느 하나 이상의 정보를 수집할 수 있다.First, the control module (120) can collect at least one piece of information selected from input variable information, which is information related to the orderer of the product to be ordered, and evaluation criterion information, which is a criterion for evaluating the prediction model.

그리고, 상기 제어 모듈(120)은 상기 입력 변수 정보를 복수개의 예측 모델에 각각 입력하여, 각각의 예측 모델이 상기 발주 대상 제품의 발주량을 예측한 정보인 발주 예측 정보를 복수개 생성할 수 있다.In addition, the control module (120) can input the input variable information into a plurality of prediction models, and generate a plurality of order prediction information, which is information that each prediction model predicts the order quantity of the product to be ordered.

특히, 제어 모듈(120)은 복수개의 예측 모델을 통해 생성된 발주 예측 정보를 평가하며, 기설정된 기준에 부합하는 예측 모델을 선정하도록 작동된다.In particular, the control module (120) evaluates order prediction information generated through a plurality of prediction models and operates to select a prediction model that meets preset criteria.

여기서, 상기 제어 모듈(120)은 상기 발주 예측 정보를 생성하기 전에 수집하는 상기 입력 변수 정보로, 제품 현황 정보, 농업 관련 정보 및 기후 정보를 포함할 수 있다.Here, the control module (120) may include product status information, agricultural information, and climate information as the input variable information collected before generating the order prediction information.

이때, 상기 예측 모델에 의해 생성되는 발주 예측 정보 생성 시, 활용되는 상기 입력 변수 정보는 기설정된 기간 단위로 구분하여 수집한 이후, 이를 기반으로 특정 기간 단위의 발주 예측 정보를 생성하도록 상기 제어 모듈의 작동이 진행될 수 있다.At this time, when generating order prediction information generated by the above prediction model, the input variable information utilized is collected by dividing it into preset period units, and then the control module can operate to generate order prediction information for a specific period unit based on this.

특히, 제품의 발주량이 월간 단위별로 구분되어 확정되는 경우에도, 상술한 바와 같이, 특정 기간 단위의 발주 예측 정보를 생성하도록 함으로써, 이를 활용하여 상기 제품의 발주량 확정 시, 추가적인 정보의 가공을 진행하지 않고도 상기 발주 예측 정보를 활용할 수 있어, 보다 정확하고 신속한 발주량 확정을 진행할 수 있게 된다.In particular, even when the order quantity of a product is determined by dividing it into monthly units, by generating order forecast information for a specific period as described above, when determining the order quantity of the product, the order forecast information can be utilized without additional information processing, thereby enabling more accurate and rapid order quantity determination.

먼저, 상기 제품 현황 정보는 상기 발주 대상 제품의 사용 현황과 관련된 정보로, 상기 제품 현황 정보는 제품 정보, 출하 정보, 발주처 정보, 발주 이력 정보, 제품 소요량 정보를 포함할 수 있다.First, the above product status information is information related to the usage status of the product to be ordered, and the above product status information may include product information, shipment information, orderer information, order history information, and product requirement information.

이때, 상기 제품 현황 정보는 상기 서비스 서버를 통해서도 획득될 수 있으며, 상기 서비스 서버를 통해 획득되는 제품 현황 정보는 상기 제어 모듈과 연동되어 상기 제어 모듈 측으로 자동으로 수집될 수 있음은 물론이다.At this time, the product status information can also be obtained through the service server, and the product status information obtained through the service server can be automatically collected toward the control module by linking with the control module.

특히, 상기 발주 대상 제품으로, 농경 작업 진행 시 사용되는 트랙터와 같은 농업용 차량에 탑재되는 타이어와 상기 농업용 차량을 구성하는 휠과 같은 소모성 부품을 포함할 수 있다.In particular, the above-mentioned order target product may include tires mounted on agricultural vehicles such as tractors used in agricultural work and consumable parts such as wheels that make up the agricultural vehicles.

보다 상세하게는, 상기 제품 정보는 제품의 명칭과, 상기 제품의 종류와 같이 상기 제품을 구분할 수 있는 정보이다.More specifically, the above product information is information that can distinguish the product, such as the product name and the type of the product.

그리고, 상기 출하 정보는 발주처로부터 수주받은 제품의 수량을 나타내는 수주 정보 및 수주받은 제품의 출하와 관련된 정보이다.In addition, the above shipment information is order information indicating the quantity of products ordered from the orderer and information related to the shipment of ordered products.

또한, 상기 발주처 정보는 상기 발주 대상 제품의 발주처를 나타내는 정보이다.In addition, the above ordering party information is information indicating the ordering party of the product being ordered.

그리고, 상기 발주 이력 정보는 상기 발주 대상 제품의 발주 이력을 나타내는 정보이다.In addition, the above order history information is information that shows the order history of the product being ordered.

특히, 발주 이력 정보를 통해, 제품에 대한 발주 예측량을 대략적으로 우선 확인할 수 있다.In particular, through order history information, you can roughly check the expected order quantity for a product.

또한, 제품 소요량 정보는 상기 발주 대상 제품이 실제로 소요된 소요량을 나타내는 정보이다.Additionally, product demand information is information that shows the actual demand for the product being ordered.

그리고, 상기 농업 관련 정보는 농산물의 생산량, 생산 시기 중 선택된 적어도 어느 하나 이상의 요소를 포함하는 정보이다.In addition, the agricultural information is information that includes at least one element selected from among the production volume and production period of agricultural products.

또한, 상기 농업 관련 정보는, 농산물 가격, 거래량 중 선택된 어느 하나 이상의 요소를 포함할 수 있다.Additionally, the agricultural information may include one or more elements selected from agricultural product prices and transaction volumes.

특히, 상기 농업 관련 정보는 발주 대상 제품인 농업용 타이어의 수급에 직접적인 영향을 끼칠 수 있는 정보이다.In particular, the above agricultural-related information is information that can directly affect the supply and demand of agricultural tires, which are the products being ordered.

아울러, 상기 농업 관련 정보는 지역별로도 구분되어 수집될 수 있다.In addition, the above agricultural information can be collected by region.

즉, 다양한 기준으로 구분 가능하도록 수집되는 농업 관련 정보를 기반으로, 발주 대상 제품의 발주량을 보다 정확하게 예측할 수 있게 되는 것이다.In other words, based on agricultural information collected so that it can be categorized by various criteria, it becomes possible to more accurately predict the order quantity of the product to be ordered.

다음으로, 상기 기후 정보는 농산물의 생산에 영향을 끼치는 날씨를 나타내는 정보이며, 상기 기후 정보는, 태양광 일사량, 기온 및 강수량 중 선택된 어느 하나 이상의 요소를 포함할 수 있다.Next, the climate information is information indicating weather that affects the production of agricultural products, and the climate information may include one or more elements selected from among solar irradiance, temperature, and precipitation.

특히, 제품 현황 정보 뿐만 아니라, 제품이 적용되는 주변 환경과 관련된 요소를 통해 제품의 수요를 파악할 수 있도록 하면서도, 특히, 농업 관련 정보와 기후 정보를 기반으로 제품의 발주량을 예측할 수 있도록 하여 보다 정확한 발주 예측 정보를 취득할 수 있게 된다.In particular, it enables the acquisition of more accurate order prediction information by enabling the identification of product demand through factors related to the surrounding environment to which the product is applied as well as product status information, and by enabling the prediction of product order volume based on agricultural information and climate information in particular.

다음으로, 상기 정보 출력 모듈(130)은 상기 제어 모듈(120)에서 생성된 정보를 제공받아 출력하도록 구비된다.Next, the information output module (130) is provided to receive and output information generated from the control module (120).

보다 상세하게는, 도 3에 도시된 바와 같이, 상기 정보 출력 모듈은 상기 제어 모듈을 통해 생성되는 정보이면서, 상기 발주 대상 제품의 발주량을 예측한 정보인 발주 예측 정보를 제공받은 이후, 상기 발주 예측 정보를 그래프화하여 나타내는 화면인 발주 예측 출력 화면(D10)을 출력할 수 있다.More specifically, as illustrated in FIG. 3, the information output module can output an order prediction output screen (D10), which is a screen that graphs the order prediction information after receiving order prediction information, which is information generated through the control module and information that predicts the order quantity of the product to be ordered.

이때, 상기 발주 예측 출력 화면(D10)을 통해 나타나는 발주 예측 정보는 고객사에서 발주를 요청한 제품의 수량을 나타내는 고객요청수량, 실제 고객사로 납품된 제품의 수량을 나타내는 실판매량 및 예측 모델을 통해 발주량을 예측한 예측판매량 중 선택된 어느 하나 이상을 포함할 수 있으며, 이때, 복수개의 발주 예측 정보가 생성되는 경우, 기설정된 기간별로 구분되어 출력될 수 있으며, 바람직하게는 상기 복수개의 발주 예측 정보가 월별로 구분되어 출력될 수 있다.At this time, the order prediction information displayed through the order prediction output screen (D10) may include at least one selected from among a customer-requested quantity indicating the quantity of a product requested to be ordered by a customer, an actual sales quantity indicating the quantity of a product actually delivered to a customer, and a predicted sales quantity predicted by a prediction model. At this time, when a plurality of order prediction information are generated, they may be output while being divided by preset period, and preferably, the plurality of order prediction information may be output while being divided by month.

특히, 복수개의 상기 발주 예측 정보가 기설정된 기간별로 구분되어 출력될 수 있도록 함으로써, 이를 시계열 그래프화하여 사용자가 보다 직관적으로 상술한 정보를 확인할 수 있게 된다.In particular, by allowing multiple pieces of the above order prediction information to be output by dividing them by preset periods, the information can be graphed in a time series format, allowing the user to more intuitively check the above-described information.

또한, 상기 정보 출력 모듈은, 도 4에 도시된 바와 같이, 상기 제어 모듈을 통해 생성되는 정보이면서, 상기 예측 모델의 미적용 시 상기 제품에 대한 납기 준수율을 나타내는 제 1 납기 준수율, 상기 예측 모델의 적용 시의 제품에 대한 납기 준수율을 나타내는 제 2 납기 준수율, 상기 제 1 납기 준수율과 상기 제 2 납기 준수율 간의 변동량을 나타내는 납기 준수율 변동량을 포함하는 생산성 향상률 성능 지표를 제공받아 출력하는 화면인 생산성 향상률 성능 지표 출력 화면(D20)을 출력할 수 있다.In addition, the information output module, as illustrated in FIG. 4, can output a productivity improvement rate performance index output screen (D20) that is a screen for receiving and outputting a productivity improvement rate performance index that includes a first delivery compliance rate indicating a delivery compliance rate for the product when the prediction model is not applied, a second delivery compliance rate indicating a delivery compliance rate for the product when the prediction model is applied, and a delivery compliance rate variation amount indicating a variation amount between the first delivery compliance rate and the second delivery compliance rate, which is information generated through the control module.

보다 상세하게는, 상기 생산성 향상률 성능 지표 출력 화면(D20)은 상기 제 1 납기 준수율, 상기 제 2 납기 준수율 및 납기 준수율 변동량이 구분되어 출력되도록 형성되는 납기 준수율 출력 섹션(D21) 및 임의의 제품에 대한 제 1 납기 준수율 및 제 2 납기 준수율이 각각 구분되어 리스트화 하여 출력되도록 형성되는 제품별 납기 준수율 출력 섹션(D22)을 포함할 수 있다.More specifically, the productivity improvement rate performance indicator output screen (D20) may include a delivery compliance rate output section (D21) formed so that the first delivery compliance rate, the second delivery compliance rate, and the delivery compliance rate variation are output separately, and a product-specific delivery compliance rate output section (D22) formed so that the first delivery compliance rate and the second delivery compliance rate for any product are each output separately in a list.

다음으로 도 5를 참조하여, 본 발명의 일 실시예에 따른 판매 수량 예측 서비스 제공 시스템을 구성하는 서비스 서버에 대해 보다 상세히 설명하도록 한다.Next, with reference to FIG. 5, a service server constituting a sales quantity prediction service providing system according to one embodiment of the present invention will be described in more detail.

도 5는 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템을 구성하는 서비스 서버의 구성을 도시한 블록선도이다.FIG. 5 is a block diagram illustrating the configuration of a service server that constitutes a sales quantity prediction service providing system using artificial intelligence-based customer request demand data according to one embodiment of the present invention.

도 5에 도시된 바와 같이, 상기 서비스 서버(200)는 무선 통신하도록 구성된 이동 통신 모듈과, 외부로부터 수집하는 정보들을 저장 관리하는 데이터베이스와, 상기 서비스 서버(200)를 거쳐 상기 판매 수량 예측 서비스 제공 장치 및 사용자 단말기에 상술한 정보들을 제공하기 위한 어플리케이션(Application, app)의 구동 및 실행을 담당하는 실행모듈과, 상기 데이터 베이스에 저장된 각종 정보를 분석하는 데이터 분석모듈과, 상기 정보의 누적 및 관리를 진행하는 관리모듈과, 전술한 구성요소들을 제어하는 제어모듈을 포함할 수 있다.As illustrated in FIG. 5, the service server (200) may include a mobile communication module configured for wireless communication, a database for storing and managing information collected from the outside, an execution module for driving and executing an application (app) for providing the above-described information to the sales quantity prediction service providing device and user terminal via the service server (200), a data analysis module for analyzing various types of information stored in the database, a management module for accumulating and managing the above-described information, and a control module for controlling the above-described components.

다음으로, 도 6을 참조하여, 본 발명의 일 실시예에 따른 판매 수량 예측 서비스 제공 시스템을 구성하는 사용자 단말기에 대해 보다 상세히 설명하도록 한다.Next, with reference to FIG. 6, a user terminal constituting a sales quantity prediction service providing system according to one embodiment of the present invention will be described in more detail.

도 6은 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 시스템을 구성하는 사용자 단말기의 구성을 도시한 블록선도이다.FIG. 6 is a block diagram illustrating the configuration of a user terminal that constitutes a system for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to one embodiment of the present invention.

도 6에 도시된 바와 같이, 상기 사용자 단말기는 상기 사용자 단말기(300)는 휴대폰, 스마트폰, 노트북 컴퓨터, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC, 태블릿 PC, 워치형 단말기, 글래스형 단말기(smart glass), HMD(head mounted display) 등을 포함할 수 있다.As illustrated in FIG. 6, the user terminal (300) may include a mobile phone, a smart phone, a notebook computer, a digital broadcasting terminal, a PDA (personal digital assistant), a PMP (portable multimedia player), a navigation device, a slate PC, a tablet PC, a watch-type terminal, a smart glass, an HMD (head mounted display), etc.

보다 상세하게는, 상기 사용자 단말기(300)는 입력부와, 센싱부와, 무선통신부와, 출력부와, 메모리부와, 인터페이스부와, 전원공급부와, 제어부를 포함할 수 있다.More specifically, the user terminal (300) may include an input unit, a sensing unit, a wireless communication unit, an output unit, a memory unit, an interface unit, a power supply unit, and a control unit.

그러나 상술한 구성요소 모두가 필수 구성요소인 것은 아니며, 상술한 구성요소보다 많은 구성요소에 의해 상기 사용자 단말기(300)들이 구현될 수도 있고, 그보다 적은 구성요소에 의해서도 상기 사용자 단말기(300)들이 구현될 수 있다.However, not all of the components described above are essential components, and the user terminals (300) may be implemented with more components than the components described above, or may be implemented with fewer components.

이하 상기 구성요소들에 대해 차례로 살펴본다.Below we will look at the above components in turn.

상기 입력부는 영상 신호 입력을 위한 카메라 또는 영상 입력부, 오디오 신호 입력을 위한 마이크로폰 또는 마이크(microphone) 또는 오디오 입력부, 사용자로부터 정보를 입력받기 위한 사용자 입력부(예를 들어, 터치패드 등)를 포함할 수 있다.The above input unit may include a camera or a video input unit for inputting a video signal, a microphone or a microphone or an audio input unit for inputting an audio signal, and a user input unit (e.g., a touchpad, etc.) for inputting information from a user.

입력부에서 수집한 음성 데이터나 이미지 데이터는 분석되어 사용자의 제어명령으로 처리될 수 있다.Voice data or image data collected from the input section can be analyzed and processed with the user's control commands.

센싱부는 이동통신 단말기 내 정보, 이동통신 단말기를 둘러싼 주변 환경 정보 및 사용자 정보 중 적어도 하나를 센싱하기 위한 하나 이상의 센서를 포함할 수 있다.The sensing unit may include one or more sensors for sensing at least one of information within the mobile terminal, information about the surrounding environment surrounding the mobile terminal, and user information.

예를 들어, 센싱부는 근접센서(proximity sensor), 조도 센서(illumination sensor), 터치 센서(touch sensor), 가속도 센서(acceleration sensor), 자기 센서(magnetic sensor), 중력 센서(G-sensor), 자이로 센서(gyroscope sensor), 모션 센서(motion sensor), RGB 센서, 적외선 센서(IR 센서:infrared sensor), 지문인식 센서(finger scan sensor), 초음파 센서(ultrasonic sensor), 광 센서(optical sensor, 예를 들어, 카메라) 중 적어도 하나를 포함할 수 있으나, 이에 국한되지는 않으며, 사용자의 동작을 감지할 수 있는 센서라면 모두 적용 가능하다.For example, the sensing unit may include at least one of a proximity sensor, an illumination sensor, a touch sensor, an acceleration sensor, a magnetic sensor, a G-sensor, a gyroscope sensor, a motion sensor, an RGB sensor, an infrared sensor (IR sensor), a finger scan sensor, an ultrasonic sensor, and an optical sensor (e.g., a camera), but is not limited thereto, and any sensor capable of detecting a user's motion may be applied.

출력부는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 것으로, 디스플레이부, 음향 출력부, 햅틱모듈 중 적어도 하나를 포함할 수 있다.The output unit is for generating output related to vision, hearing, or tactile sensations, and may include at least one of a display unit, an audio output unit, and a haptic module.

디스플레이부는 터치센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치스크린(touch screen)을 구현할 수 있다.The display part can implement a touch screen by forming a mutual layer structure with the touch sensor or forming it as an integral part.

이러한 터치스크린(touch screen)은, 사용자 단말기(300)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부로써 기능함과 동시에, 사용자 단말기(300)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.This touch screen can function as a user input unit that provides an input interface between a user terminal (300) and a user, and at the same time, can provide an output interface between the user terminal (300) and the user.

인터페이스부는 상술한 사용자 단말기(300)에 연결되는 다양한 종류의 외부 기기와의 통로 역할을 수행한다.The interface section serves as a passageway for various types of external devices connected to the user terminal (300) described above.

이러한 인터페이스부는, 유/무선 헤드셋 포트(port), 외부 충전기 포트(port), 유/무선 데이터 포트(port), 메모리 카드(memory card) 포트, 식별 모듈이 구비된 장치를 연결하는 포트(port), 오디오 I/O(Input/Output) 포트(port), 비디오 I/O(Input/Output) 포트(port), 이어폰 포트(port) 중 적어도 하나를 포함할 수 있다.The interface portion may include at least one of a wired/wireless headset port, an external charger port, a wired/wireless data port, a memory card port, a port for connecting a device equipped with an identification module, an audio I/O (Input/Output) port, a video I/O (Input/Output) port, and an earphone port.

또한, 상기 사용자 단말기(300)에서는, 상기 인터페이스부에 외부 기기가 연결되는 것에 대응하여, 연결된 외부 기기와 관련된 적절할 제어를 수행할 수 있다.In addition, the user terminal (300) can perform appropriate control related to the connected external device in response to the external device being connected to the interface unit.

또한, 메모리부는 상기 사용자 단말기(300)의 다양한 기능을 지원하는 데이터를 저장한다. 메모리부는 상기 사용자 단말기(300)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application), 사용자 단말기(300)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다.In addition, the memory unit stores data that supports various functions of the user terminal (300). The memory unit can store a number of application programs (or applications) running on the user terminal (300), data for the operation of the user terminal (300), and commands.

이러한 응용 프로그램 중 적어도 일부는, 무선통신을 통해 외부 서버로부터 다운로드 될 수 있다. 또한, 이러한 응용 프로그램 중 적어도 일부는, 단말기(100)의 기본적인 기능(예를 들어, 전화 착신, 발신 기능, 메시지 수신, 발신 기능)을 위하여 출고 당시부터 사용자 단말기(300)상에 존재할 수 있다.At least some of these applications may be downloaded from an external server via wireless communication. In addition, at least some of these applications may be present on the user terminal (300) from the time of shipment for basic functions of the terminal (100) (e.g., incoming and outgoing call functions, message reception and outgoing functions).

한편, 응용 프로그램은, 메모리부에 저장되고, 사용자 단말기(300) 상에 설치되어, 제어부에 의하여 상기 사용자 단말기(300)의 동작(또는 기능)을 수행하도록 구동될 수 있다.Meanwhile, the application program can be stored in the memory section, installed on the user terminal (300), and driven by the control section to perform operations (or functions) of the user terminal (300).

제어부는 상기 서비스와 관련된 동작 외에도, 통상적으로 사용자 단말기(300)의 전반적인 동작을 제어한다.In addition to the operations related to the above services, the control unit typically controls the overall operations of the user terminal (300).

제어부는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리부에 저장된 응용프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.The control unit can process signals, data, information, etc. input or output through the components examined above, or operate application programs stored in the memory unit, thereby providing or processing appropriate information or functions to the user.

또한, 제어부는 메모리부에 저장된 응용 프로그램을 구동하기 위하여, 전술한 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 제어부는 상기 서비스의 구동을 위하여, 사용자 단말기(300)에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작시킬 수 있다.In addition, the control unit can control at least some of the aforementioned components to drive an application program stored in the memory unit. Furthermore, the control unit can operate at least two or more of the components included in the user terminal (300) in combination to drive the service.

전원공급부는 제어부의 제어 하에서, 외부의 전원, 내부의 전원을 인가 받아 사용자 단말기(300)에 포함된 각 구성요소들에 전원을 공급한다. 이러한 전원공급부는 배터리를 포함하며, 상기 배터리는 내장형 배터리 또는 교체가능한 형태의 배터리가 될 수 있다.The power supply unit, under the control of the control unit, receives external power and internal power and supplies power to each component included in the user terminal (300). The power supply unit includes a battery, and the battery may be a built-in battery or a replaceable battery.

무선통신부는 사용자 단말기(300)와 무선 통신 제공 플랫폼 간의 무선 통신 또는 사용자 단말기(300)와 사용자 단말기(300)가 위치한 네트웍간의 무선 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. The wireless communication unit may include one or more components that enable wireless communication between a user terminal (300) and a wireless communication providing platform or between a user terminal (300) and a network in which the user terminal (300) is located.

예를 들어, 무선통신부는 이동통신 모듈, 근거리통신 모듈 및 위치정보 모듈등을 포함할 수 있다.For example, the wireless communication unit may include a mobile communication module, a short-range communication module, and a location information module.

상기 이동통신 모듈은, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 상기 무선 신호는, 음성 신호, 화상 통화 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.The above mobile communication module transmits and receives a wireless signal with at least one of a base station, an external terminal, and a server on a mobile communication network. Here, the wireless signal may include various forms of data according to transmission and reception of a voice signal, a video call signal, or a text/multimedia message.

상기 근거리통신 모듈은, 근거리 통신을 위한 모듈을 말한다. 근거리 통신 기술로 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(IrDA, infrared Data Association), UWB(Ultra Wideband), ZigBee 등이 이용될 수 있다.The above short-range communication module refers to a module for short-range communication. Bluetooth, RFID (Radio Frequency Identification), infrared communication (IrDA, infrared Data Association), UWB (Ultra Wideband), ZigBee, etc. can be used as short-range communication technologies.

상기 위치정보 모듈은, 사용자 단말기(300)의 위치(또는 현재 위치)를 획득하기 위한 모듈로써, 그의 대표적인 예로는 GPS(Global Positioning System) 모듈 또는 WiFi(Wireless Fidelity) 모듈이 있다.The above location information module is a module for obtaining the location (or current location) of the user terminal (300), and representative examples thereof include a GPS (Global Positioning System) module or a WiFi (Wireless Fidelity) module.

GPS 모듈은 복수 개의 인공위성으로부터 위치 정보를 수신한다. 여기에서, 위치정보는 위도 및 경도로 표시되는 좌표 정보를 포함할 수 있다.The GPS module receives location information from multiple satellites. Here, the location information may include coordinate information expressed in latitude and longitude.

예를 들어, GPS 모듈은, 3개 이상의 위성으로부터 정확한 시간과 거리를 측정하여 3개의 각각 다른 거리를 삼각 방법에 따라서 현 위치를 정확히 계산할 수 있다. 3개의 위성으로부터 거리와 시간 정보를 얻고 1개 위성으로 오차를 수정하는 방법이 사용될 수 있다. 특히, GPS 모듈은 위성으로부터 수신한 위치 정보로부터, 위도, 경도, 고도의 위치뿐만 아니라 3차원의 속도 정보와 함께 정확한 시간까지 얻을 수 있다.For example, a GPS module can measure the exact time and distance from three or more satellites and calculate the current location accurately by triangulating the three different distances. A method of obtaining distance and time information from three satellites and correcting the error with one satellite can be used. In particular, a GPS module can obtain not only the location of latitude, longitude, and altitude, but also three-dimensional speed information and accurate time from the location information received from the satellite.

다른 예로서, 사용자 단말기(300)는 Wi-Fi모듈을 활용하면, Wi-Fi모듈과 무선신호를 송신 또는 수신하는 무선 AP(Wireless Access Point)의 정보에 기반하여, 사용자 단말기(300)의 위치를 획득할 수 있다.As another example, if the user terminal (300) utilizes a Wi-Fi module, the location of the user terminal (300) can be obtained based on information of a wireless AP (Wireless Access Point) that transmits or receives wireless signals with the Wi-Fi module.

필요에 따라서, 위치정보모듈은 치환 또는 부가적으로 사용자 단말기(300)의 위치에 관한 데이터를 얻기 위해 무선 통신부의 다른 모듈 중 어느 기능을 수행할 수 있다.As needed, the location information module may perform the function of any of the other modules of the wireless communication unit to obtain data regarding the location of the user terminal (300) as a substitute or in addition.

즉, 위치정보모듈은 사용자 단말기(300)의 위치(또는 현재 위치)를 획득하기 위해 이용되는 모듈로, 이동 단말기의 위치를 직접적으로 계산하거나 획득하는 모듈로 한정되지는 않는다. That is, the location information module is a module used to obtain the location (or current location) of the user terminal (300), and is not limited to a module that directly calculates or obtains the location of the mobile terminal.

다음으로 도 7 및 도 8을 참조하여 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법에 대해 보다 상세히 설명하도록 한다.Next, with reference to FIGS. 7 and 8, a method for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to one embodiment of the present invention will be described in more detail.

도 7는 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법의 진행 순서를 도시한 순서도이며, 도 8은 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법의 진행 순서를 도시한 플로우차트이다.FIG. 7 is a flowchart illustrating the progress sequence of a method for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to one embodiment of the present invention, and FIG. 8 is a flowchart illustrating the progress sequence of a method for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to one embodiment of the present invention.

먼저, 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법은 임의의 정보가 입력되는 정보 입력 모듈, 복수개의 예측 모델을 포함하는 제어 모듈 및 상기 제어 모듈을 통해 생성된 정보의 출력을 진행하는 정보 출력 모듈을 포함하는 판매 수량 예측 서비스 제공 장치를 기반으로 진행된다.First, a method for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to one embodiment of the present invention is performed based on a sales quantity prediction service providing device including an information input module into which arbitrary information is input, a control module including a plurality of prediction models, and an information output module that outputs information generated through the control module.

도 7 및 도 8에 도시된 바와 같이, 본 발명의 일 실시예에 따른 판매 수량 예측 서비스 제공 방법은, 정보 수집 단계(S100), 예측 모델 구동 단계(S200), 평가 단계(S300), 예측 모델 선정 단계(S400) 및 제 1 발주 예측 정보 제공 단계(S500)를 포함할 수 있다.As illustrated in FIGS. 7 and 8, a method for providing a sales quantity prediction service according to one embodiment of the present invention may include an information collection step (S100), a prediction model driving step (S200), an evaluation step (S300), a prediction model selection step (S400), and a first order prediction information providing step (S500).

먼저, 상기 정보 수집 단계(S100)는 상기 제어 모듈을 통해 진행되는 단계이다.First, the above information collection step (S100) is a step that proceeds through the above control module.

보다 상세하게는 상기 정보 수집 단계(S100)는 상기 제어 모듈이 발주 대상 제품의 발주처와 관련된 정보인 입력 변수 정보 및 상기 예측 모델을 평가하는 기준이 되는 평가 기준 정보 중 선택된 적어도 어느 하나 이상의 정보를 수집하도록 진행된다.More specifically, the information collection step (S100) is performed so that the control module collects at least one piece of information selected from input variable information, which is information related to the orderer of the product to be ordered, and evaluation criterion information, which serves as a criterion for evaluating the prediction model.

여기서, 상기 입력 변수 정보는, 제품 현황 정보, 농업 관련 정보 및 기후 정보를 포함할 수 있다.Here, the input variable information may include product status information, agricultural information, and climate information.

상기 제품 현황 정보는 상기 발주 대상 제품의 사용 현황과 관련된 정보로, 상기 제품 현황 정보는 제품의 명칭, 종류와 같이 상기 제품을 구분할 수 있는 정보인 제품 정보와, 발주처로부터 수주받은 제품의 수량을 나타내는 수주 정보 및 수주받은 제품의 출하와 관련된 정보인 출하 정보를 더 포함할 수 있다.The above product status information is information related to the usage status of the product to be ordered, and the above product status information may further include product information, which is information that can distinguish the product, such as the product name and type, order information indicating the quantity of the product ordered from the orderer, and shipment information, which is information related to the shipment of the ordered product.

그리고, 상기 제품 현황 정보는, 상기 발주 대상 제품의 발주처를 나타내는 정보인 발주처 정보, 상기 발주 대상 제품의 발주 이력을 나타내는 정보인 발주 이력 정보 및 상기 발주 대상 제품이 실제로 소요된 소요량을 나타내는 제품 소요량 정보를 포함할 수 있다.In addition, the product status information may include orderer information which is information indicating the orderer of the product to be ordered, order history information which is information indicating the order history of the product to be ordered, and product demand information which indicates the actual demand amount of the product to be ordered.

그리고, 상기 농업 관련 정보는 발주 대상 제품인 농업용 타이어가 사용되는 농경지에서 진행되는 농업과 관련된 정보로, 농산물의 생산량, 생산 시기 중 선택된 적어도 어느 하나 이상의 요소를 포함하며, 발주 대상 제품이 사용되는 지역에서의 농산물 가격, 거래량 중 선택된 어느 하나 이상의 요소를 포함할 수 있다.In addition, the agricultural information is information related to agriculture conducted in the agricultural land where the agricultural tire, which is the product to be ordered, is used, and includes at least one element selected from the production volume and production period of agricultural products, and may include one or more elements selected from the price and transaction volume of agricultural products in the region where the product to be ordered is used.

즉, 발주 대상 제품인 농업용 타이어의 수급에 직접적인 영향을 끼칠 수 있는 정보이면서, 지역별로 구분되는 농업 관련 정보를 기반으로, 발주 대상 제품의 발주량을 보다 정확하게 예측할 수 있다.In other words, it is information that can directly affect the supply and demand of agricultural tires, which are the target product for ordering, and based on agricultural information classified by region, the order quantity of the target product for ordering can be predicted more accurately.

그리고, 상기 기후 정보는, 상기 농산물의 생산에 영향을 끼치는 날씨를 나타내는 정보이며, 상기 기후 정보는, 발주 대상 제품이 사용되는 지역에서의 태양광 일사량, 기온 및 강수량 중 선택된 어느 하나 이상의 요소를 포함할 수 있다.In addition, the climate information is information indicating weather that affects the production of the agricultural product, and the climate information may include one or more elements selected from among solar irradiance, temperature, and precipitation in the region where the product to be ordered is used.

특히, 제품 현황 정보 뿐만 아니라, 발주 대상 제품이 적용되는 주변 환경과 관련된 요소를 통해 상기 발주 대상 제품의 수요를 파악할 수 있도록 하면서도, 특히, 농업 관련 정보와 기후 정보를 기반으로 제품의 발주량을 예측할 수 있도록 하여 보다 정확한 발주 예측 정보를 취득할 수 있게 되는 것이다.In particular, it is possible to understand the demand for the product to be ordered not only through product status information but also through factors related to the surrounding environment to which the product to be ordered is applied, and in particular, it is possible to predict the order quantity of the product based on agricultural information and climate information, thereby obtaining more accurate order prediction information.

다음으로, 상기 예측 모델 구동 단계(S200)는 상기 정보 수집 단계(S100) 이후에 진행된다.Next, the above prediction model driving step (S200) is performed after the above information collection step (S100).

보다 상세하게는, 상기 예측 모델 구동 단계(S200)는 상기 제어 모듈에서 상기 입력 변수 정보를 복수개의 예측 모델에 각각 입력하여, 각각의 예측 모델이 상기 발주 대상 제품의 발주량을 예측한 정보인 발주 예측 정보를 복수개 생성하도록 진행된다.More specifically, the above prediction model driving step (S200) is performed by inputting the input variable information into a plurality of prediction models in the control module, so that each prediction model generates a plurality of order prediction information, which is information predicting the order quantity of the product to be ordered.

이때, 상기 예측 모델에 의해 생성되는 발주 예측 정보 생성 시에 활용되는 상기 입력 변수 정보는 기설정된 기간 단위로 구분하여 수집한 이후, 이를 기반으로 특정 기간 단위의 발주 예측 정보를 생성하도록 상기 제어 모듈의 작동이 진행될 수 있다.At this time, the input variable information utilized when generating order prediction information generated by the above prediction model may be collected by dividing it into preset period units, and then the control module may be operated to generate order prediction information for a specific period unit based on this.

특히, 제품의 발주량이 월간 단위별로 구분되어 확정되는 경우에도, 상술한 바와 같이, 특정 기간 단위의 발주 예측 정보를 생성하도록 함으로써, 이를 활용하여 상기 제품의 발주량 확정 시, 추가적인 정보의 가공을 진행하지 않고도 상기 발주 예측 정보를 활용할 수 있어, 보다 정확하고 신속한 발주량 확정을 진행할 수 있게 된다.In particular, even in cases where the order quantity of a product is determined by dividing it into monthly units, by generating order forecast information for a specific period as described above, when determining the order quantity of the product, the order forecast information can be utilized without additional information processing, thereby enabling more accurate and rapid order quantity determination.

그리고, 상기 평가 단계(S300)는 상기 예측 모델 입력 단계(S200) 이후 진행되는 단계로, 상기 제어 모듈에서 복수개의 예측 모델을 통해 생성된 발주 예측 정보를 평가하는 단계이다.And, the evaluation step (S300) is a step that is performed after the prediction model input step (S200), and is a step for evaluating order prediction information generated through multiple prediction models in the control module.

이때, 상기 평가 단계(S300)는, 상기 제어 모듈에서, 상기 정보 수집 단계(S100)에서 수집한 상기 평가 기준 정보를 기반으로, 상기 제어 모듈에 탑재된 복수의 예측 모델을 통해 생성된 제 1 발주 예측 정보들에 대한 개별 평가를 진행하게 된다.At this time, the evaluation step (S300) individually evaluates the first order prediction information generated through multiple prediction models loaded in the control module based on the evaluation criteria information collected in the information collection step (S100).

여기서, 상기 평가 기준 정보는, 예측 모델이 발주처의 수요를 예측한 예측 결과물을 하기 수학식 1을 기반으로 평가한 지표인 기술 검증 성능 지표를 포함할 수 있다.Here, the above evaluation criteria information may include a technology verification performance index, which is an index that evaluates the prediction result of the prediction model predicting the demand of the orderer based on the following mathematical expression 1.

보다 상세하게는, 상기 수학식 1은, More specifically, the mathematical expression 1 above is,

로 표현될 수 있다.

can be expressed as

여기서,

는 결정계수,

은 표본 수,

는 실제 발주량(실제값),

는 예측 발주량(예측값),

는 실제 발주량(실제값) 또는 예측 발주량(예측값)의 평균을 말한다.Here,

is the coefficient of determination,

is the number of samples,

is the actual order quantity (actual value),

is the predicted order quantity (predicted value),

refers to the average of the actual order quantity (actual value) or the predicted order quantity (predicted value).

이때, 상기 결정계수가 1에 가까울수록 모델의 예측 정확도가 높은것으로 평가하며, 반대인 경우, 예측 정확도가 낮은 것으로 평가하도록 진행될 수 있으며, 상술한 결정계수를 도출하도록 함으로써, 상기 기술 검증 지표를 통한 예측 결과물의 성능 평가를 진행하게 되는 것이다.At this time, the closer the above-described coefficient of determination is to 1, the higher the prediction accuracy of the model is evaluated, and if it is the opposite, the prediction accuracy is evaluated as low. By deriving the above-described coefficient of determination, the performance of the prediction result is evaluated through the above-described technical verification index.

즉, 상기 평가 단계(S300)를 통해, 다양한 예측 모델들에 대한 평가를 진행하고, 우수한 예측 모델을 선정할 수 있으며, 우수한 예측 모델을 기반으로 하여 보다 정확한 예측치를 가지는 예측 결과물을 확보할 수 있게 된다.That is, through the above evaluation step (S300), evaluation of various prediction models can be conducted, an excellent prediction model can be selected, and prediction results with more accurate prediction values can be secured based on the excellent prediction model.

다음으로, 상기 예측 모델 선정 단계(S400)는, 상기 평가 단계 이후, 상기 제어 모듈에서 기설정된 기준에 부합하는 예측 모델을 선정하도록 진행된다.Next, the prediction model selection step (S400) is performed to select a prediction model that meets the criteria set in advance in the control module after the evaluation step.

이때, 평가 대상으로는 상기 판매 수량 예측 서비스 제공 시스템에 저장되는 복수의 예측 모델이 선정될 수 있다.At this time, multiple prediction models stored in the sales quantity prediction service providing system can be selected as evaluation targets.

그리고, 상기 제 1 발주 예측 정보 제공 단계(S500)는, 상기 예측 모델 선정 단계 이후, 선정된 예측 모델을 통해 생성된 정보이면서, 발주량을 예측한 정보인 제 1 발주 예측 정보를 상기 정보 출력 모듈을 통해 출력하도록 진행된다.And, the first order prediction information providing step (S500) is performed so that, after the prediction model selection step, the first order prediction information, which is information generated through the selected prediction model and information predicting the order quantity, is output through the information output module.

특히, 상기 예측 모델 선정 단계(S400)와 상기 제 1 발주 예측 정보 단계(S500)의 진행을 통해, 복수개의 예측 모델에 대한 성능 평가를 진행하고, 복수개의 예측 모델이 산출한 발주 예측 정보 중에서도, 우수한 성능을 보유한 예측모델이 산출한 발주 예측 정보를 구분하여 획득할 수 있도록 함으로써, 보다 정확한 예측 서비스를 제공할 수 있게 되는 것이다.In particular, by performing the above-described prediction model selection step (S400) and the above-described first order prediction information step (S500), a performance evaluation of a plurality of prediction models is performed, and among the order prediction information produced by the plurality of prediction models, order prediction information produced by a prediction model with superior performance can be distinguished and obtained, thereby providing a more accurate prediction service.

다음으로 도 9 및 도 10을 참조하여 본 발명의 추가 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법에 대해 보다 상세히 설명하도록 한다.Next, with reference to FIGS. 9 and 10, a method for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to an additional embodiment of the present invention will be described in more detail.

설명에 앞서, 본 발명의 추가 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법은 상술한 본 발명의 일 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법과 추가 평가 기준 정보 생성 단계 및 제 2 발주 예측 정보 제공단계를 제외하고는 동일한 구성을 취하고 있음에 따라, 발명의 간결한 기재를 위해 중복되는 내용의 기재는 생략하도록 한다.Before the explanation, since the method for providing a sales quantity prediction service using AI-based customer request demand data according to an additional embodiment of the present invention has the same configuration as the method for providing a sales quantity prediction service using AI-based customer request demand data according to an embodiment of the present invention described above, except for the additional evaluation criteria information generation step and the second order prediction information provision step, description of redundant content will be omitted for the sake of concise description of the invention.

도 9는 본 발명의 추가 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법의 진행 순서를 도시한 순서도이며, 도 10은 본 발명의 추가 실시예에 따른 인공지능 기반의 고객 요청 수요량 데이터를 이용한 판매 수량 예측 서비스 제공 방법의 진행 순서를 도시한 플로우차트이다.FIG. 9 is a flowchart illustrating the progress sequence of a method for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to an additional embodiment of the present invention, and FIG. 10 is a flowchart illustrating the progress sequence of a method for providing a sales quantity prediction service using artificial intelligence-based customer request demand data according to an additional embodiment of the present invention.

상기 판매 수량 예측 서비스 제공 방법은, 추가 평가 기준 정보 생성 단계(S600) 및 제 2 발주 예측 정보 제공 단계(S700)을 더 포함할 수 있다.The above sales quantity prediction service providing method may further include an additional evaluation criteria information generation step (S600) and a second order prediction information providing step (S700).

먼저, 추가 평가 기준 정보 생성 단계(S600)는 상술한 제 1 발주 예측 정보 제공 단계(S500) 이후에 상기 제어 모듈을 통해 진행되며, 상기 예측 모델을 선정하기 위한 평가 기준 정보를 업데이트한 추가 평가 기준 정보를 생성하도록 진행된다.First, the additional evaluation criteria information generation step (S600) is performed through the control module after the first order prediction information provision step (S500) described above, and is performed to generate additional evaluation criteria information that updates the evaluation criteria information for selecting the prediction model.

특히, 상기 추가 평가 기준 정보 생성 단계(S600)를 통해, 본 발명의 예측 서비스 제공 방법을 통한 예측 모델 사용 시 마다, 강화된 평가 기준을 확보할 수 있도록 함으로써, 발주 예측율을 지속적으로 상승시킬 수 있다.In particular, through the additional evaluation criterion information generation step (S600), the order prediction rate can be continuously increased by ensuring enhanced evaluation criteria each time a prediction model is used through the prediction service provision method of the present invention.

이때, 상기 추가 평가 기준 정보는, 임의의 예측 모델을 통해, 납기 준수율이 향상되었는지를 평가하는 지표인 생산성 향상률 성능 지표;를 더 포함할 수 있다.At this time, the additional evaluation criteria information may further include a productivity improvement rate performance index, which is an index for evaluating whether the delivery compliance rate has improved through an arbitrary prediction model.

상기 생산성 향상률 성능 지표는 임의의 예측 모델을 통해 산출된 상기 납기 예정 수량 대비 실제 납품을 완료한 납품 수량을 산출한 값을 포함할 수 있다.The above productivity improvement rate performance indicator may include a value calculated by calculating the actual delivered delivery quantity compared to the scheduled delivery quantity calculated through an arbitrary prediction model.

그리고, 상기 발주 예측 정보는 기 설정된 기간 동안의 상기 제품에 대한 납기 예정 수량을 포함할 수 있다.Additionally, the above order forecast information may include the expected delivery quantity for the product during a preset period.

즉, 예측 모델을 통해 산출한 발주 예측 정보를 통해 취득한 납기 예정 수량과, 실제 판매한 납품 수량을 상호 비교하여 각 예측 모델들의 예측 정확도를 보다 객관적으로 파악할 수 있다.In other words, the expected delivery quantity obtained through the order prediction information produced through the prediction model can be compared with the actual sold delivery quantity to more objectively determine the prediction accuracy of each prediction model.

그리고, 상기 제 2 발주 예측 정보 제공 단계(S700)는, 상기 추가 평가 기준 정보 생성 단계 이후, 상기 추가 평가 기준 정보를 기반으로 상기 예측 모델에 대한 추가 평가를 진행하여 선정된 예측 모델을 통해 생성된 제 2 발주 예측 정보를 상기 정보 출력 모듈을 통해 출력하도록 진행된다.And, the second order prediction information providing step (S700) is performed after the additional evaluation criterion information generating step to perform an additional evaluation on the prediction model based on the additional evaluation criterion information and output the second order prediction information generated through the selected prediction model through the information output module.

이때, 강화된 평가 기준인 추가 평가 기준 정보를 기반으로 예측 모델에 대한 추가 평가를 진행하여 발주 예측 정보를 생성할 수 있도록 함으로써, 보다 향상된 예측 정확도를 보유한 발주 예측 정보를 제공할 수 있다.At this time, by conducting additional evaluation of the prediction model based on additional evaluation criterion information, which is a strengthened evaluation criterion, and thereby generating order prediction information, it is possible to provide order prediction information with improved prediction accuracy.

이상과 같이 본 발명을 도면에 도시한 실시예를 참고하여 설명하였으나, 이는 발명을 설명하기 위한 것일 뿐이며, 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자라면 발명의 상세한 설명으로부터 다양한 변형 또는 균등한 실시예가 가능하다는 것을 이해할 수 있을 것이다. Although the present invention has been described with reference to the embodiments illustrated in the drawings, this is only for the purpose of explaining the invention, and those skilled in the art to which the present invention pertains will be able to understand that various modifications or equivalent embodiments are possible from the detailed description of the invention.

따라서 본 발명의 진정한 권리범위는 특허청구범위의 기술적 사상에 의해 결정되어야 한다.Therefore, the true scope of the present invention should be determined by the technical idea of the patent claims.

S100 : 정보 수집 단계
S200 : 예측 모델 구동 단계
S300 : 평가 단계
S400 : 예측 모델 선정 단계
S500 : 제 1 발주 예측 정보 제공 단계
S600 : 추가 평가 기준 정보 생성 단계
S700 : 제 2 발주 예측 정보 제공 단계
100 : 판매 수량 예측 서비스 제공 장치
110 : 정보 입력 모듈
120 : 제어 모듈
130 : 정보 출력 모듈
200 : 서비스 서버
300 : 사용자 단말기S100: Information gathering phase
S200: Prediction Model Driving Stage
S300: Evaluation phase
S400: Prediction Model Selection Step
S500: Step 1: Provision of Order Forecast Information
S600: Additional Evaluation Criteria Information Generation Step
S700: 2nd order forecast information provision stage
100: Device providing sales quantity prediction service
110 : Information Input Module
120 : Control module
130 : Information Output Module
200 : Service Server
300 : User terminal

Claims

A method for providing a sales quantity prediction service using artificial intelligence-based customer request demand data through a sales quantity prediction service providing device including an information input module into which arbitrary information is input, a control module including a plurality of prediction models, and an information output module for outputting information generated through the control module,
The above sales quantity prediction service provision method is:
In the control module, an information collection step (S100) for collecting at least one piece of information selected from among product status information, which is information related to the orderer of the product to be ordered and information related to the usage status of the product to be ordered, agricultural information, which is information including at least one element selected from the production amount and production period of agricultural products, and climate information, which is information indicating weather affecting the production of agricultural products, and evaluation criteria information, which serves as a criterion for evaluating the prediction model;
After the above information collection step, a prediction model driving step (S200) in which the control module inputs the input variable information into a plurality of prediction models, so that each prediction model generates a plurality of order prediction information that is information predicting the order quantity of the product to be ordered and includes the expected delivery quantity for the product during a preset period;
After the above prediction model driving step, an evaluation step (S300) for evaluating order prediction information generated through multiple prediction models in the control module;
After the above evaluation step, a prediction model selection step (S400) for selecting a prediction model that meets the criteria set in the control module; and
After the above prediction model selection step, a first order prediction information providing step (S500) is performed to output the first order prediction information, which is information generated through the selected prediction model, through the information output module;
After the first order prediction information providing step, an additional evaluation criterion information generating step (S600) is performed through the control module to generate additional evaluation criterion information, which is information that updates the evaluation criterion information for selecting the prediction model; and
After the step of generating the additional evaluation criterion information, a second order prediction information providing step (S700) is included, in which the second order prediction information generated through the selected prediction model is output through the information output module by performing an additional evaluation on the prediction model based on the additional evaluation criterion information.
The above evaluation steps are:
Based on the evaluation criteria information collected in the above information collection step, individual evaluations are conducted on the first order prediction information generated through multiple prediction models.
The above evaluation criteria information is,
The prediction model includes a technology verification performance index, which is an index that evaluates the prediction result predicting the demand of the orderer based on the following mathematical formula 1;
Mathematical expression 1 is,

(Here, is the coefficient of determination, is the number of samples, is the actual order quantity (actual value), is the predicted order quantity (predicted value), is the average of the actual order quantity (actual value) or the predicted order quantity (predicted value),
The above additional evaluation criteria information is:
A method for providing a sales quantity prediction service using artificial intelligence-based customer request demand data, characterized in that it includes a productivity improvement rate performance index, wherein the productivity improvement rate is an index used as an index for evaluating the delivery compliance rate of a product when an arbitrary prediction model is applied, by calculating a first delivery compliance rate indicating a delivery compliance rate for the product when the prediction model is not applied, a second delivery compliance rate indicating a delivery compliance rate for the product when the prediction model is applied, and a delivery compliance rate variation amount indicating a variation between the first delivery compliance rate and the second delivery compliance rate, while being generated through the control module.

delete

In paragraph 1,
The above agricultural information is:
Contains at least one element selected from the agricultural product price and transaction volume in the region where the ordered product is used;
The above climate information is,
A method for providing a sales quantity prediction service using artificial intelligence-based customer request demand data, characterized in that it includes at least one element selected from among solar irradiance, temperature, and precipitation in the area where the ordered product is used.

In paragraph 1,
The above product status information is:
Orderer information, which is information indicating the orderer of the product to be ordered;
Order history information, which is information indicating the order history of the product to be ordered; and
A method for providing a sales quantity prediction service using artificial intelligence-based customer request demand data, characterized in that it includes product demand information indicating the actual demand amount of the product to be ordered.

delete

A system for providing a sales quantity prediction service, comprising a device for providing a sales quantity prediction service that predicts the sales quantity of a product,
The above sales quantity prediction service providing device,
An information input module (110) into which arbitrary information is input;
A control module (120) equipped to receive information input through the above information input module, including a plurality of prediction models, and equipped to conduct a performance evaluation for the prediction models; and
Includes an information output module (130) provided to receive and output information generated from the above control module;
The above control module (120)
It includes a prediction model storage unit (121) that stores a plurality of prediction models based on different algorithms; and a prediction model evaluation unit (122) that is driven to evaluate each of the plurality of prediction models.
The above control module,
Collecting at least one piece of information selected from among information related to the orderer of the product to be ordered, which is information related to the status of use of the product to be ordered, information related to agriculture, which is information including at least one element selected from the production volume and production period of agricultural products, and information on input variables including climate information, which is information indicating weather affecting the production of agricultural products, and evaluation criteria information, which serves as a criterion for evaluating the prediction model.
The above control module,
The input variable information collected from the above control module is provided to each of a plurality of prediction models, so that each prediction model generates a plurality of order prediction information that is information predicting the order quantity of the product to be ordered and includes the expected delivery quantity for the product during a preset period, and
The above prediction model evaluation section,
Based on the evaluation criteria information that serves as the basis for evaluating the above prediction models, individual evaluations are conducted on the first order prediction information generated through multiple prediction models, and then a prediction model that meets the preset criteria is selected.
The above control module,
The first order prediction information, which is information generated through the selected prediction model, is output through the information output module.
The above control module,
After selecting the above prediction model, additional evaluation criteria information is created, which is information that updates the evaluation criteria information for selecting the above prediction model.
After generating the above additional evaluation criteria information, an additional evaluation of the above prediction model is performed based on the above additional evaluation criteria information, and the second order prediction information generated through the selected prediction model is output through the above information output module.
The above evaluation criteria information is,
The prediction model includes a technology verification performance index, which is an index that evaluates the prediction result predicting the demand of the orderer based on the following mathematical formula 1;
The above evaluation criteria information is,
The prediction model includes a technology verification performance index, which is an index that evaluates the prediction result predicting the demand of the orderer based on the following mathematical formula 1;
Mathematical expression 1 is,

(Here, is the coefficient of determination, is the number of samples, is the actual order quantity (actual value), is the predicted order quantity (predicted value), is the average of the actual order quantity (actual value) or the predicted order quantity (predicted value),
The above additional evaluation criteria information is:
A system for providing a sales quantity prediction service using artificial intelligence-based customer request demand data, characterized in that it includes a productivity improvement rate performance index, wherein the productivity improvement rate is an index used as an index for evaluating the delivery compliance rate of a product when an arbitrary prediction model is applied, by calculating a first delivery compliance rate indicating a delivery compliance rate for the product when the prediction model is not applied, a second delivery compliance rate indicating a delivery compliance rate for the product when the prediction model is applied, and a delivery compliance rate variation amount indicating a variation between the first delivery compliance rate and the second delivery compliance rate, wherein the productivity improvement rate is an index used as an index for calculating the actual delivered quantity compared to the scheduled delivery quantity calculated through an arbitrary prediction model.

In Article 10,
The above information output module,
A system for providing a sales quantity prediction service using artificial intelligence-based customer request demand data, characterized in that after receiving order prediction information, which is information generated through the above control module and which predicts the order quantity of the product to be ordered, an order prediction output screen (D10) is output, which is a screen that graphs the order prediction information.

In Article 10,
The above information output module,
A system for providing a sales quantity prediction service using artificial intelligence-based customer request demand data, characterized in that it outputs a productivity improvement rate performance index output screen (D20) that is a screen for receiving and outputting a productivity improvement rate performance index that includes a first delivery compliance rate indicating a delivery compliance rate for the product when the prediction model is not applied, a second delivery compliance rate indicating a delivery compliance rate for the product when the prediction model is applied, and a delivery compliance rate variation amount indicating a variation amount between the first delivery compliance rate and the second delivery compliance rate, which is information generated through the control module.

In Article 10,
The system that provides sales quantity prediction service is,
A service server (200) is provided to provide product status information, which is information related to the supply of products to be ordered, and is arranged to collect at least one selected information among agricultural information, which is information including at least one selected element among the production volume and production period of agricultural products, and climate information, which is information indicating weather affecting the production of agricultural products.
The above control module,
A system for providing a sales quantity prediction service using artificial intelligence-based customer request demand data, characterized in that it is equipped to collect information by communicating with the above service server.