KR102420860B1 - 연구 개발을 지원하는 리소스를 매칭하는 방법 및 시스템 - Google Patents

Abstract

본 개시는 연구 개발을 지원하는 리소스를 매칭하는 방법에 관한 것이다. 연구 개발을 지원하는 리소스를 매칭하는 방법은, 의뢰자의 제1 사용자 단말로부터 소재, 부품 또는 장비 중 적어도 하나와 연관된 샘플의 연구 개발을 수행하기 위한 평가 리소스의 매칭 요청을 수신하는 단계, 수신된 평가 리소스 매칭 요청과 연관된 정보를 기초로, 의뢰자와 하나 이상의 평가 리소스를 연관시키는 단계, 연관된 하나 이상의 평가 리소스에 대한 정보를 포함하는 평가 리소스 리스트를 제1 사용자 단말로 전송하는 단계, 제1 사용자 단말로부터 평가 리소스 리스트에 포함된 하나 이상의 평가 리소스 중에서, 연구 개발을 의뢰하기 위한 하나의 평가 리소스에 대한 선택을 수신하는 단계, 선택을 수신하는 것에 응답하여, 선택된 평가 리소스의 제2 사용자 단말로 연구 개발과 연관된 정보를 전송하는 단계, 제2 사용자 단말로부터 샘플의 평가 장비를 통해 수행된 평가 데이터 및 평가 장비 데이터를 수신하는 단계 및 수신된 평가 데이터 및 평가 장비 데이터를 제1 사용자 단말에 제공하는 단계를 포함한다.

Description

연구 개발을 지원하는 리소스를 매칭하는 방법 및 시스템{METHOD AND SYSTEM FOR MATCHING RESOURCE TO SUPPORT RESEARCH AND DEVELOPMENT}

본 개시는 연구 개발을 지원하는 리소스를 매칭하는 방법 및 시스템에 관한 것으로, 구체적으로, 소재, 부품 및/또는 장비 등의 평가 등을 수행하는 연구 개발을 지원하는 리소스를 매칭하는 방법 및 시스템에 관한 것이다.

제조업 분야에서 소재, 부품, 장비 등의 연구 개발은 설계를 통한 샘플(sample) 제작과 평가의 반복이다. 예를 들어, 설계를 통해 특정 샘플을 개발하고, 개발된 샘플의 성능 등을 평가한 후, 평가 데이터를 토대로 성능 등이 향상되도록 다시 샘플을 제작하는 과정이 반복적으로 수행될 수 있다. 이와 같은 과정을 통해 제조사는 높은 성능의 소재, 부품, 장치 등을 개발할 수 있다.

한편, 제조사가 직접 샘플을 개발하거나 샘플의 성능 등을 평가하기 어려운 경우에는 샘플의 설계, 제작, 평가 등은 외주를 통해 진행된다. 그러나, 현재 제작사 및 외주사 간의 연결은 오프라인 기반의 비효율적인 프로세스로 이루어진다. 따라서, 외주를 의뢰하려는 제작사는 자신의 샘플에 대한 설계, 제작, 평가 등에 최적화된 외주사를 찾기 어려운 문제가 있다.

본 개시는 상기와 같은 문제점을 해결하기 위한 연구 개발을 지원하는 리소스를 매칭하는 방법, 기록매체에 저장된 컴퓨터 프로그램 및 시스템(장치)을 제공한다.

본 개시는 방법, 시스템(장치), 컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 프로그램, 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능 저장 매체를 포함한 다양한 방식으로 구현될 수 있다.

본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 수행되는, 연구 개발(R&D)을 지원하는 리소스를 매칭하는 방법은, 의뢰자의 제1 사용자 단말로부터 소재, 부품 또는 장비 중 적어도 하나와 연관된 샘플의 연구 개발을 수행하기 위한 평가 리소스의 매칭 요청을 수신하는 단계, 수신된 평가 리소스 매칭 요청과 연관된 정보를 기초로, 의뢰자와 하나 이상의 평가 리소스를 연관시키는 단계, 연관된 하나 이상의 평가 리소스에 대한 정보를 포함하는 평가 리소스 리스트를 제1 사용자 단말로 전송하는 단계, 제1 사용자 단말로부터 평가 리소스 리스트에 포함된 하나 이상의 평가 리소스 중에서, 연구 개발을 의뢰하기 위한 하나의 평가 리소스에 대한 선택을 수신하는 단계, 선택을 수신하는 것에 응답하여, 선택된 평가 리소스의 제2 사용자 단말로 연구 개발과 연관된 정보를 전송하는 단계, 제2 사용자 단말로부터 샘플의 평가 장비를 통해 수행된 평가 데이터 및 평가 장비 데이터를 수신하는 단계 및 수신된 평가 데이터 및 평가 장비 데이터를 제1 사용자 단말에 제공하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 수신된 평가 리소스 매칭 요청과 연관된 정보를 기초로, 의뢰자와 하나 이상의 평가 리소스를 연관시키는 단계는, 연구 개발의 비용, 시간 또는 신뢰성 중 적어도 하나의 매칭 조건을 이용하여 수신된 평가 리소스 매칭 요청과 연관된 정보를 기초로, 의뢰자와 하나 이상의 평가 리소스를 연관시키는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 수신된 평가 리소스 매칭 요청과 연관된 정보를 기초로, 의뢰자와 하나 이상의 평가 리소스를 연관시키는 단계는, 연구 개발을 위한 의뢰자 및 평가 리소스를 매칭하도록 학습된 기계학습 모델을 이용하여 의뢰자와 하나 이상의 평가 리소스를 연관시키는 단계를 포함한다.

본 개시의 일 실시예에 따르면, LIMS 또는 LAS 중 적어도 하나의 시스템을 클라우드 서비스를 이용하여 생성하는 단계를 더 포함한다. 수신된 평가 데이터 및 평가 장비 데이터를 제1 사용자 단말에 제공하는 단계는, 제2 사용자 단말로부터 수신되는 연구 개발과 연관된 평가 데이터 및 평가 장비 데이터를 클라우드 서비스에 저장하여 제1 사용자 단말에 제공하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 제1 사용자 단말로부터 평가 데이터의 분석 요청을 수신하는 단계, 분석 요청을 수신하는 것에 응답하여, 평가 데이터를 데이터 분석 전문가의 제3 사용자 단말로 전송하는 단계, 제3 사용자 단말로부터 평가 데이터의 분석 데이터를 수신하는 단계 및 분석 데이터를 클라우드 서비스에 저장하여 제1 사용자 단말에 제공하는 단계를 더 포함한다.

본 개시의 일 실시예에 따르면, 제4 사용자 단말로부터 연구 개발과 연관된 평가 데이터의 거래 요청을 수신하는 것에 응답하여, 제1 사용자 단말로 거래 승인 여부를 확인하는 단계, 평가 데이터의 거래 요청이 승인된 경우, 제1 사용자 단말 및 제4 사용자 단말 사이의 평가 데이터의 거래를 수행하는 단계를 더 포함한다.

본 개시의 일 실시예에 따르면, 평가 데이터의 거래 요청이 승인된 경우, 제1 사용자 단말 및 제4 사용자 단말 사이의 평가 데이터의 거래를 수행하는 단계는, 평가 데이터의 거래 요청이 승인된 경우, 평가 데이터를 시각화하여 평가 데이터의 분석 데이터를 포함하는 레포트를 생성하는 단계 및 레포트를 기초로 제1 사용자 단말 및 제4 사용자 단말 사이의 평가 데이터의 거래를 수행하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 소재, 부품 또는 장비 중 적어도 하나와 연관된 샘플에 대한 정보를 업로드하는 단계 및 업로드된 샘플에 대한 정보를 검색하기 위한 검색 서비스를 제공하는 단계를 더 포함한다.

본 개시의 일 실시예에 따른 상술한 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공된다.

본 개시의 일 실시예에 따른 정보 처리 시스템은, 통신 모듈, 메모리 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함한다. 적어도 하나의 프로그램은, 의뢰자의 제1 사용자 단말로부터 소재, 부품 또는 장비 중 적어도 하나와 연관된 샘플의 연구 개발을 수행하기 위한 평가 리소스 매칭 요청을 수신하고, 수신된 평가 리소스 매칭 요청과 연관된 정보를 기초로, 의뢰자와 하나 이상의 평가 리소스를 연관시키고, 연관된 하나 이상의 평가 리소스에 대한 정보를 포함하는 평가 리소스 리스트를 제1 사용자 단말로 전송하고, 제1 사용자 단말로부터 평가 리소스 리스트에 포함된 하나 이상의 평가 리소스 중에서, 연구 개발을 의뢰하기 위한 하나의 평가 리소스에 대한 선택을 수신하고, 선택을 수신하는 것에 응답하여, 선택된 평가 리소스의 제2 사용자 단말로 연구 개발과 연관된 정보를 전송하고, 제2 사용자 단말로부터 샘플의 평가 장비를 통해 수행된 평가 데이터 및 평가 장비 데이터를 수신하고, 수신된 평가 데이터 및 평가 장비 데이터를 제1 사용자 단말에 제공하기 위한 명령어들을 포함한다.

본 개시의 일부 실시예에 따르면, 의뢰자는 오프라인(off-line) 상에서 직접 제품의 설계, 제작 및/또는 평가를 수행할 수행자를 찾지 않고도, 온라인(On-line) 상에서 자신의 목적에 최적화된 평가 리소스를 쉽게 찾을 수 있다.

본 개시의 일부 실시예에 따르면, LIMS 및/또는 LAS 등의 시스템을 구축하기 어려운 소규모 업체의 경우에도 클라우드 서비스 등을 통해 평가 데이터 등이 효율적으로 관리될 수 있다.

본 개시의 일부 실시예에 따르면, 제조물에 대한 평가 데이터, 분석 데이터, 레포트 등이 사용자들 간에 쉽게 공유하거나 거래하도록 하여 폐쇄적으로 관리되던 데이터가 효율적으로 활용되도록 유도할 수 있다.

본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자("통상의 기술자"라 함)에게 명확하게 이해될 수 있을 것이다.

본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 제1 사용자 단말, 정보 처리 시스템 및 제2 사용자 단말 사이에서 연구 개발을 위한 정보 및/또는 데이터가 송수신되는 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따른 연구 개발 지원 서비스를 제공하기 위하여, 정보 처리 시스템이 복수의 사용자 단말과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3은 본 개시의 일 실시예에 따른 정보 처리 시스템의 내부 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 프로세서의 내부 구성을 나타내는 기능적인 블록도이다.
도 5는 본 개시의 일 실시예에 따른 연구 개발 지원 방법을 나타내는 흐름도이다.
도 6은 본 개시의 일 실시예에 따른 기계학습 모델의 예시를 나타내는 도면이다.
도 7는 본 개시의 일 실시예에 따른 인공신경망 모델을 나타내는 예시도이다.
도 8은 본 개시의 일 실시예에 따른 평가 데이터의 분석 방법을 나타내는 흐름도이다.
도 9는 본 개시의 일 실시예에 따른 제조물의 연구 개발이 수행되는 예시를 나타내는 블록도이다.

이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.

첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.

개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.

또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.

본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.

본 개시에서, '시스템'은 서버 장치와 클라우드 장치 중 적어도 하나의 장치를 포함할 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 시스템은 하나 이상의 서버 장치로 구성될 수 있다. 다른 예로서, 시스템은 하나 이상의 클라우드 장치로 구성될 수 있다. 또 다른 예로서, 시스템은 서버 장치와 클라우드 장치가 함께 구성되어 동작될 수 있다.

본 개시에서, '인공신경망 모델'은 기계학습 모델의 일 예로서, 주어진 입력에 대한 답을 추론하는 데 사용하는 임의의 모델을 포함할 수 있다. 일 실시예에 따르면, 인공신경망 모델은 입력 레이어(층), 복수 개의 은닉 레이어 및 출력 레이어를 포함한 인공신경망 모델을 포함할 수 있다. 여기서, 각 레이어는 하나 이상의 노드를 포함할 수 있다. 또한, 인공신경망 모델은 인공신경망 모델에 포함된 복수의 노드와 연관된 가중치를 포함할 수 있다. 여기서, 가중치는 인공신경망 모델과 연관된 임의의 파라미터를 포함할 수 있다.

본 개시에서, '평가 및/또는 수행'은 제조물의 연구 개발과 연관된 샘플에 대한 평가를 포함할 수 있다. 예를 들어, 평가는 설계를 기초로 제작된 샘플 및/또는 제조물의 성능 등에 관한 평가를 포함할 수 있다. 또한, '평가 리소스'는 소재, 부품, 장비 등의 평가를 수행하는 전문 업체, 전문가 등을 지칭할 수 있다. 또한, '평가 데이터'는 샘플 및/또는 제조물의 평가 과정에서 생성되거나 처리되는 임의의 데이터를 포함할 수 있다. 또한, 본 개시에서 평가는 시험을 지칭할 수 있으며, 시험은 평가를 지칭할 수 있다.

본 개시에서, '샘플'은 소재, 부품, 장비 등의 성능 등을 향상시키거나 소재, 부품, 장비 등을 양산하기 위해 미리 생산하는 제조물을 지칭할 수 있다. 또한, 본 개시에서, 샘플은 제조물을 지칭할 수 있으며, 제조물은 샘플을 지칭할 수 있다.

도 1은 본 개시의 일 실시예에 따른 제1 사용자 단말(110), 정보 처리 시스템(120) 및 제2 사용자 단말(130) 사이에서 연구 개발을 위한 정보 및/또는 데이터가 송수신되는 예시를 나타내는 도면이다. 도시된 예에서, 정보 처리 시스템(120)은 소재, 부품 및/또는 장비의 연구 개발을 수행하는 의뢰자(제작자) 및 평가 리소스(수행자, 수행 업체)를 매칭시키거나, 소재, 부품 및/또는 장비의 연구 개발과 연관된 정보 및/또는 데이터를 저장, 처리 및/또는 관리하는 시스템을 지칭할 수 있다. 또한, 제1 사용자 단말(110)은 소재, 부품 및/또는 장비의 설계, 제작, 평가 등을 의뢰하는 의뢰자의 단말일 수 있으며, 제2 사용자 단말(130)은 설계, 제작, 평가 등을 의뢰받아 수행하는 수행자(수행 전문가, 수행 업체) 및/또는 평가자(평가 전문가, 평가 업체)의 단말일 수 있다.

도시된 바와 같이, 제1 사용자 단말(110)은 정보 처리 시스템(120)으로 평가 리소스 매칭 요청(112)을 전송할 수 있다. 다시 말해, 제1 사용자 단말(110)은 소재, 부품 및/또는 장비의 평가 등을 대신 수행하는 평가 전문가, 평가 전문 업체 등에 대한 매칭 요청을 전송할 수 있다. 여기서, 평가 리소스 매칭 요청(112)은 평가 리소스 매칭 요청(112)과 연관된 정보를 포함할 수 있다. 또한, 평가 리소스 매칭 요청(112)과 연관된 정보는 의뢰자 및 평가 리소스의 매칭에 필요한 임의의 정보를 포함할 수 있으며, 예를 들어, 평가 리소스 매칭 요청(112)과 연관된 정보는 연구 개발 카테고리, 연구 개발 목표, 시료의 개수, 평가 목적 등에 대한 정보를 포함할 수 있다.

평가 리소스 매칭 요청(112)을 수신하는 경우, 정보 처리 시스템(120)은 평가 리소스 매칭(122)을 수행할 수 있다. 예를 들어, 정보 처리 시스템(120)은 미리 저장된 평가 리소스 각각에 대한 정보 및 평가 리소스 매칭 요청(112)과 연관된 정보를 이용하여 해당 의뢰자에 대한 최적의 평가 리소스를 매칭할 수 있다. 일 실시예에 따르면, 매칭은 연구 개발의 비용, 시간 또는 신뢰성 중 적어도 하나의 매칭 조건을 이용하여 수행될 수 있다. 예를 들어, 정보 처리 시스템(120)은 의뢰자의 연구 개발 목적 등과 대응하는 복수의 평가 리소스 중 최적의 비용, 최적의 시간, 최적의 연구 신뢰성 중 적어도 하나를 기초로 하나 이상의 수행자를 추출하여 매칭시킬 수 있다. 여기서, 비용, 시간, 신뢰성 등의 매칭 조건은 의뢰자에 의해 선택되거나, 정보 처리 시스템(120)에 의해 결정될 수 있다.

정보 처리 시스템(120)은 매칭된 하나 이상의 평가 리소스를 포함하는 평가 리소스 리스트(124)를 제1 사용자 단말(110)로 전송할 수 있다. 여기서, 평가 리소스 리스트(124)는 각각의 평가 리소스의 명칭, 연구 개발 이력, 평균 연구 개발 시간, 비용 및/또는 신뢰성 등에 대한 정보를 포함할 수 있으나, 이에 한정되지 않으며, 의뢰자가 평가 리소스를 선택하는데 요구되는 임의의 정보를 더 포함할 수 있다. 이 경우, 의뢰자는 평가 리소스 리스트(124)에 포함된 수행자 중 하나의 평가 리소스에 대한 선택(114)을 정보 처리 시스템(120)으로 전송할 수 있다.

선택(114)을 수신하는 경우, 정보 처리 시스템(120)은 의뢰자의 연구 개발과 연관된 정보(126)를 제2 사용자 단말(130)로 전송할 수 있다. 여기서, 의뢰자의 연구 개발과 연관된 정보(126)는 소재, 부품, 장비 등의 샘플의 평가 등을 의뢰하기 위해 필요한 임의의 정보로서, 예를 들어, 샘플의 설계도, 평가 항목, 평가 목적 등에 대한 정보를 포함할 수 있으나, 이에 한정되지 않는다.

일 실시예에 따르면, 정보 처리 시스템(120)은 제2 사용자 단말(130)로부터 평가 데이터 및 평가 장비 데이터(132)를 수신할 수 있다. 또한, 정보 처리 시스템(120)은 수신된 평가 데이터 및 평가 장비 데이터(128)를 제1 사용자 단말에 제공할 수 있다. 여기서, 평가 데이터는 의뢰자의 의뢰에 대한 결과 데이터로서, 샘플의 평가 과정에 의해 추출된 임의의 데이터를 지칭할 수 있다. 또한, 평가 장비 데이터는 설계, 제작 및/또는 평가 시 사용된 장비의 명칭, 사양 등에 대한 임의의 데이터를 지칭할 수 있다. 예를 들어, 평가 데이터는 평가 항목, 평가 인원, 평가 횟수, 1회당 소요 시간, 시간 당 평가 비용 등을 포함할 수 있으나, 이에 한정되지 않는다.

도 1에서는 정보 처리 시스템(120)이 평가 리소스 리스트(124)를 전송하고, 의뢰자로부터 하나의 평가 리소스에 대한 선택(114)을 수신하는 것으로 도시되었으나, 이에 한정되지 않는다. 예를 들어, 정보 처리 시스템(120)은 하나의 평가 리소스만을 매칭하여, 해당 평가 리소스에 대한 정보를 의뢰자에게 제공할 수도 있다. 이 경우, 평가 리소스 리스트(124)를 전송하고, 평가 리소스에 대한 선택(114)을 수신하는 과정은 생략될 수 있다. 이와 같은 구성에 의해, 의뢰자는 오프라인(off-line) 상에서 직접 샘플의 평가 등을 수행할 평가 리소스를 찾지 않고도, 온라인(On-line) 상에서 자신의 목적에 최적화된 평가 리소스를 쉽게 찾을 수 있다.

도 2는 본 개시의 일 실시예에 따른 연구 개발을 지원하는 리소스 매칭 서비스를 제공하기 위하여, 정보 처리 시스템(230)이 복수의 사용자 단말(210_1, 210_2, 210_3)과 통신 가능하도록 연결된 구성을 나타내는 개요도이다. 정보 처리 시스템(230)은 네트워크(220)를 통해 의뢰자 및 수행자 매칭 서비스를 포함한 연구 개발을 지원하는 리소스 매칭 서비스를 제공할 수 있는 시스템을 포함할 수 있다. 일 실시예에 따르면, 정보 처리 시스템(230)은 의뢰자 및 평가 리소스 매칭 서비스, 클라우드 서비스, 검색 서비스, 데이터 거래 서비스 등의 제공과 관련된 컴퓨터 실행 가능한 프로그램(예를 들어, 다운로드 가능한 애플리케이션) 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 서버 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다. 정보 처리 시스템(230)에 의해 제공되는 연구 개발을 지원하는 리소스 매칭 서비스는 복수의 사용자 단말(210_1, 210_2, 210_3)의 각각에 설치된 임의의 어플리케이션을 통해 사용자에게 제공될 수 있다.

복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해 정보 처리 시스템(230)과 통신할 수 있다. 네트워크(220)는 복수의 사용자 단말(210_1, 210_2, 210_3)과 정보 처리 시스템(230) 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(220)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크, 이동통신망, WLAN(Wireless LAN), Wi-Fi, Bluetooth 및 ZigBee 등과 같은 무선 네트워크 또는 그 조합으로 구성될 수 있다. 통신 방식은 제한되지 않으며, 네트워크(220)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 사용자 단말(210_1, 210_2, 210_3) 사이의 근거리 무선 통신 역시 포함될 수 있다.

도 2에서 휴대폰 단말(210_1), 태블릿 단말(210_2) 및 PC 단말 (210_3)이 사용자 단말의 예로서 도시되었으나, 이에 한정되지 않으며, 사용자 단말(210_1, 210_2, 210_3)은 유선 및/또는 무선 통신이 가능하고 인스턴트 메시징 어플리케이션이 설치되어 실행될 수 있는 임의의 컴퓨팅 장치일 수 있다. 예를 들어, 사용자 단말은, 스마트폰, 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스 등을 포함할 수 있다. 또한, 도 2에는 3개의 사용자 단말(210_1, 210_2, 210_3)이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 상이한 수의 사용자 단말이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하도록 구성될 수도 있다.

일 실시예에 따르면, 정보 처리 시스템(230)은 사용자 단말(210_1, 210_2, 210_3)에서 동작하는 임의의 어플리케이션을 통해 소재, 부품 또는 장비 중 적어도 하나와 연관된 샘플의 연구 개발을 수행하기 위한 평가 리소스의 매칭 요청을 수신할 수 있다. 이 경우, 정보 처리 시스템(230)은 수신된 평가 리소스 매칭 요청과 연관된 정보를 기초로, 의뢰자와 하나 이상의 평가 리소스를 연관시킬 수 있다. 그리고 나서, 정보 처리 시스템(230)은 연관된 하나 이상의 평가 리소스에 대한 정보를 포함하는 평가 리소스 리스트를 사용자 단말(210_1, 210_2, 210_3)로 전송할 수 있다. 정보 처리 시스템(230)은 사용자 단말(210_1, 210_2, 210_3)로부터 평가 리소스 리스트에 포함된 하나 이상의 평가 리소스 중에서, 연구 개발을 의뢰하기 위한 하나의 평가 리소스에 대한 선택을 수신하고, 선택된 평가 리소스의 사용자 단말(210_1, 210_2, 210_3)로 연구 개발과 연관된 정보를 전송할 수 있다. 평가 리소스에 의해 샘플의 설계, 제작, 평가 등이 수행된 후, 정보 처리 시스템(230)은 사용자 단말(210_1, 210_2, 210_3)로부터 샘플의 평가 장비를 통해 수행된 평가 데이터 및 평가 장비 데이터를 수신하고, 수신된 평가 데이터 및 평가 장비 데이터를 의뢰자의 사용자 단말(210_1, 210_2, 210_3)에 제공할 수 있다.

도 3은 본 개시의 일 실시예에 따른 정보 처리 시스템(230)의 내부 구성을 나타내는 블록도이다. 정보 처리 시스템(230)은 메모리(310), 프로세서(320), 통신 모듈(330) 및 입출력 인터페이스(340)를 포함할 수 있다. 도 3에 도시된 바와 같이, 정보 처리 시스템(230)은 통신 모듈(330)을 이용하여 네트워크를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다.

메모리(310)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(310)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 정보 처리 시스템(230)에 포함될 수 있다. 또한, 메모리(310)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 정보 처리 시스템(230)에 설치되어 구동되는 의뢰자 및 평가 리소스 매칭, 클라우드 서비스 생성, 데이터 거래 수행, 검색 서비스 제공 등을 위한 코드)가 저장될 수 있다.

이러한 소프트웨어 구성요소들은 메모리(310)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 이러한 정보 처리 시스템(230)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(330)을 통해 메모리(310)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 통신 모듈(330)을 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(예를 들어, 의뢰자 및 평가 리소스 매칭, 클라우드 서비스 생성, 데이터 거래 수행, 검색 서비스 제공 등을 위한 프로그램 등)에 기반하여 메모리(310)에 로딩될 수 있다.

프로세서(320)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(310) 또는 통신 모듈(330)에 의해 사용자 단말(미도시) 또는 다른 외부 시스템으로 제공될 수 있다. 예를 들어, 프로세서(320)는 의뢰자의 제1 사용자 단말로부터 소재, 부품 또는 장비 중 적어도 하나를 포함하는 샘플의 연구 개발을 수행하기 위한 평가 리소스의 매칭 요청을 수신하고, 수신된 평가 리소스 매칭 요청과 연관된 정보를 기초로, 의뢰자와 하나 이상의 평가 리소스를 연관시킬 수 있다. 이 경우, 프로세서(320)는 연관된 하나 이상의 평가 리소스에 대한 정보를 포함하는 평가 리소스 리스트를 제1 사용자 단말로 전송하고, 제1 사용자 단말로부터 평가 리소스 리스트에 포함된 하나 이상의 평가 리소스 중에서, 연구 개발을 의뢰하기 위한 하나의 평가 리소스에 대한 선택을 수신할 수 있다. 그리고 나서, 프로세서(320)는 선택을 수신하는 것에 응답하여, 선택된 평가 리소스의 제2 사용자 단말로 연구 개발과 연관된 정보를 전송하고, 제2 사용자 단말로부터 샘플의 평가 장비를 통해 수행된 평가 데이터 및 평가 장비 데이터를 수신하고, 수신된 평가 데이터 및 평가 장비 데이터를 제1 사용자 단말에 제공할 수 있다.

통신 모듈(330)은 네트워크를 통해 사용자 단말(미도시)과 정보 처리 시스템(230)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 정보 처리 시스템(230)이 외부 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 정보 처리 시스템(230)의 프로세서(320)의 제어에 따라 제공되는 제어 신호, 명령, 데이터 등이 통신 모듈(330)과 네트워크를 거쳐 사용자 단말 및/또는 외부 시스템의 통신 모듈을 통해 사용자 단말 및/또는 외부 시스템으로 전송될 수 있다. 예를 들어, 사용자 단말 및/또는 외부 시스템은 정보 처리 시스템(230)으로부터 미리 수행된 평가 데이터 및 평가 장비 데이터 등을 전달받을 수 있다.

또한, 정보 처리 시스템(230)의 입출력 인터페이스(340)는 정보 처리 시스템(230)과 연결되거나 정보 처리 시스템(230)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 3에서는 입출력 인터페이스(340)가 프로세서(320)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(340)가 프로세서(320)에 포함되도록 구성될 수 있다. 정보 처리 시스템(230)은 도 3의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다.

정보 처리 시스템(230)의 프로세서(320)는 복수의 사용자 단말 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 일 실시예에 따르면, 프로세서(320)는 사용자 단말 및/또는 외부 시스템으로부터 복수의 평가 리소스 매칭 요청을 수신할 수도 있다. 이 경우, 프로세서(320)는 수신된 복수의 평가 리소스 매칭 요청 각각에 대한 의뢰자 및 평가 리소스 매칭을 수행할 수 있다.

도 4는 본 개시의 일 실시예에 따른 프로세서(320)의 내부 구성을 나타내는 기능적인 블록도이다. 도시된 바와 같이, 프로세서(320)는 매칭 모듈(410), 클라우드 서비스 모듈(420), 데이터 거래 모듈(430) 등을 포함할 수 있다. 이 경우, 프로세서(320)는 소재, 부품 및/또는 장비에 대한 데이터(예를 들어, 평가 데이터, 분석 데이터 등)를 포함하는 데이터베이스 및/또는 외부 장치와 통신하며, 의뢰자 및 평가 리소스 매칭 서비스 등을 제공할 수 있다.

매칭 모듈(410)은 의뢰자로부터 평가 리소스 매칭 요청을 수신하는 경우, 해당 의뢰자로부터 수신된 정보를 기초로 하나 이상의 평가 리소스를 매칭시킬 수 있다. 예를 들어, 의뢰자로부터 수신된 정보는 연구 개발 카테고리, 평가 항목, 기준, 목표 등을 포함할 수 있으며, 매칭 모듈(410)은 수신된 정보와 대응하는 작업을 수행할 수 있는 하나 이상의 평가 리소스를 추출할 수 있다. 일 실시예에 따르면, 상술된 바와 같이, 매칭 모듈(410)은 연구 개발의 비용, 시간 또는 신뢰성 중 적어도 하나의 매칭 조건을 이용하여 수신된 평가 리소스 매칭 요청과 연관된 정보를 기초로, 의뢰자와 하나 이상의 평가 리소스를 매칭시킬 수 있다. 예를 들어, 의뢰자가 연구 개발의 비용을 매칭 조건으로서 선택한 경우, 매칭 모듈(410)은 의뢰자의 연구 개발을 수행할 수 있는 평가 리소스 중 가장 낮은 비용의 평가 리소스를 매칭을 위해 추출할 수 있다. 다른 예에서, 의뢰자가 연구 개발의 비용을 매칭 조건으로서 선택한 경우, 매칭 모듈(410)은 의뢰자의 연구 개발을 수행할 수 있는 평가 리소스 중 비용이 낮은 상위 n 명(여기서, n은 자연수)의 평가 리소스를 추출할 수도 있다.

일 실시예에 따르면, 매칭 모듈(410)은 연구 개발을 위한 의뢰자 및 평가 리소스를 매칭하도록 학습된 기계학습 모델을 이용하여 의뢰자와 하나 이상의 평가 리소스를 매칭시킬 수 있다. 예를 들어, 기계학습 모델은 각각의 평가 리소스에 대한 데이터 및/또는 의뢰자에 대한 데이터를 입력하는 경우, 해당 평가 리소스 중 의뢰 목적에 적합한 하나 이상의 평가 리소스를 출력하도록 학습될 수 있다. 추가적으로 또는 대안적으로, 기계학습 모델은 평가 리소스 각각에 대한 매칭 적합도를 나타내는 매칭 점수를 출력하도록 학습될 수도 있다. 이 경우, 매칭 모듈(410)은 출력된 평가 리소스에 대한 정보 등을 의뢰자의 사용자 단말로 전송할 수 있다.

일 실시예에 따르면, 클라우드 서비스 모듈(420)은 소재, 부품, 장비 등의 설계, 제작 및/또는 평가와 연관된 임의의 데이터를 클라우드 서비스를 통해 의뢰자 및/또는 평가 리소스에게 제공할 수 있다. 일반적으로, 외주를 의뢰하는 소규모 업체는 LIMS(Laboratory Information Management System)와 같은 실험실 정보 관리 시스템 및/또는 LAS(Laboratory Automation System)와 같은 실험실 자동화 시스템 등을 구축하기 어려워 설계, 제작 및/또는 평가와 연관된 데이터를 체계적으로 관리하기 어렵다. 이와 같은 문제를 해결하기 위해, 클라우드 서비스 모듈(420)은 LIMS 또는 LAS 중 적어도 하나의 시스템을 클라우드 서비스를 이용하여 생성할 수 있다. 여기서, LIMS는 제조물(샘플) 등의 시험에 사용되는 측정 장비 등에서 데이터를 수집/저장하고 관리하는 시스템을 지칭할 수 있으며, LAS는 제조물의 시험 과정(시험 등록, 수행, 결과 등)에서의 단계별 정보 관리를 위한 시스템을 지칭할 수 있다. 또한, 의뢰자 및/또는 평가 리소스에 의해 송수신되는 설계, 제작 및/또는 평가와 연관된 데이터는 생성된 클라우드 서비스를 통해 의뢰자 및/또는 평가 리소스에게 제공될 수 있다.

일 실시예에 따르면, 클라우드 서비스 모듈(420)은 평가 리소스의 사용자 단말로부터 수신되는 연구 개발과 연관된 평가 데이터 및 평가 장비 데이터를 생성된 클라우드 서비스에 저장하여 의뢰자의 사용자 단말에 제공할 수 있다. 또한, 클라우드 서비스 모듈(420)은 평가 데이터에 대한 분석 데이터, 평가 데이터, 분석 데이터 등을 포함하는 레포트(report) 등을 클라우드 서비스에 저장하여 사용자들에게 제공할 수 있다. 이와 같은 구성에 의해, LIMS 및/또는 LAS 등의 시스템을 구축하기 어려운 소규모 업체의 경우에도 클라우드 서비스 등을 통해 평가 데이터 등이 효율적으로 관리될 수 있다.

일 실시예에 따르면, 데이터 거래 모듈(430)은 임의의 사용자 단말로부터 연구 개발과 연관된 평가 데이터의 거래 요청을 수신하는 것에 응답하여 의뢰자의 사용자 단말로 거래 승인 여부를 확인할 수 있다. 또한, 데이터 거래 모듈(430)은 평가 데이터의 거래 요청이 승인된 경우, 의뢰자의 사용자 단말 및 거래 요청자의 사용자 단말 사이의 평가 데이터의 거래를 수행할 수 있다. 예를 들어, 데이터 거래 모듈(430)은 평가 데이터의 거래 요청이 승인된 경우, 평가 데이터를 시각화하여 평가 데이터의 분석 데이터를 포함하는 레포트를 생성하고, 생성된 레포트를 기초로 의뢰자의 사용자 단말 및 거래 요청자의 사용자 단말 사이의 평가 데이터의 거래를 수행할 수 있다. 다시 말해, 연구 개발 지원 서비스의 사용자들은 웹 검색 등을 통해 미리 다른 사용자에 의해 수행된 평가 데이터 및/또는 분석 데이터 중 적어도 일부를 확인할 수 있다. 그리고 나서, 사용자들은 자신의 사업, 제조물 등과 연관된 데이터가 있는 경우, 해당 데이터의 거래를 요청할 수 있다. 이와 같은 구성에 의해, 제조물(샘플)에 대한 평가 데이터, 분석 데이터, 레포트 등이 사용자들 간에 쉽게 공유하거나 거래하도록 하여 폐쇄적으로 관리되던 데이터가 효율적으로 활용되도록 유도할 수 있다.

도 4에서는 프로세서(320)의 구성을 각각의 기능별로 구분하여 설명하였으나, 반드시 물리적으로 구분되는 것을 의미하지 않는다. 예를 들어, 클라우드 서비스 모듈(420)과 데이터 거래 모듈(430)은 구분되어 상술되었으나, 이는 발명의 이해를 돕기 위한 것으로서, 이에 한정되지 않는다. 또한, 도 4에서는 프로세서(320)가 매칭 모듈(410), 클라우드 서비스 모듈(420) 및 데이터 거래 모듈(430)을 포함하는 것으로 도시되었으나, 이에 한정되지 않으며, 프로세서(320)는 검색 서비스 모듈 등을 더 포함할 수 있다.

도 5는 본 개시의 일 실시예에 따른 연구 개발을 지원하는 리소스를 매칭하는 방법(500)을 나타내는 흐름도이다. 일 실시예에 따르면, 연구 개발을 지원하는 리소스를 매칭하는 방법(500)은 프로세서(예를 들어, 정보 처리 시스템의 적어도 하나의 프로세서)에 의해 수행될 수 있다. 도시된 바와 같이, 연구 개발을 지원하는 리소스를 매칭하는 방법(500)은 프로세서가 의뢰자의 제1 사용자 단말로부터 소재, 부품 또는 장비 중 적어도 하나와 연관된 샘플의 연구 개발을 수행하기 위한 평가 리소스의 매칭 요청을 수신함으로써 개시될 수 있다(S510).

프로세서는 수신된 평가 리소스 매칭 요청과 연관된 정보를 기초로, 의뢰자와 하나 이상의 평가 리소스를 연관시킬 수 있다(S520). 예를 들어, 프로세서는 연구 개발의 비용, 시간 또는 신뢰성 중 적어도 하나의 매칭 조건을 이용하여 수신된 평가 리소스 매칭 요청과 연관된 정보를 기초로, 의뢰자와 하나 이상의 평가 리소스를 연관시킬 수 있다. 이 경우, 프로세서는 연구 개발을 위한 의뢰자 및 평가 리소스를 매칭하도록 학습된 기계학습 모델을 이용하여 의뢰자와 하나 이상의 평가 리소스를 연관시킬 수 있다.

프로세서는 연관된 하나 이상의 평가 리소스에 대한 정보를 포함하는 평가 리소스 리스트를 제1 사용자 단말로 전송할 수 있다(S530). 또한, 프로세서는 제1 사용자 단말로부터 평가 리소스 리스트에 포함된 하나 이상의 평가 리소스 중에서, 연구 개발을 의뢰하기 위한 하나의 평가 리소스에 대한 선택을 수신할 수 있다(S540). 다시 말해, 의뢰자는 평가 리소스 리스트에 포함된 각각의 평가 리소스에 대한 정보를 확인하고, 하나의 평가 리소스를 선택할 수 있다.

프로세서는 선택을 수신하는 것에 응답하여, 선택된 평가 리소스의 제2 사용자 단말로 연구 개발과 연관된 정보를 전송할 수 있다(S550). 예를 들어, 연구 개발과 연관된 정보는 소재, 부품, 장비 등의 설계와 연관된 정보, 제작과 연관된 정보, 이전의 평가와 연관된 정보 등을 포함할 수 있으나, 이에 한정되지 않으며, 평가 리소스가 소재, 부품, 장비 등을 설계, 제작 및/또는 평가하는데 필요한 임의의 정보를 더 포함할 수 있다.

프로세서는 제2 사용자 단말로부터 샘플의 평가 장비를 통해 수행된 평가 데이터 및 평가 장비 데이터를 수신할 수 있다(S560). 즉 프로세서는 소재, 부품, 장비 등의 설계, 제작, 평가 등과 연관된 데이터뿐만 아니라 설계, 제작, 평가 등에 사용된 장비(equipment)에 대한 정보를 추가적으로 획득함으로써, 평가 데이터를 체계적으로 저장, 처리 및/또는 관리할 수 있다. 그리고 나서, 프로세서는 수신된 평가 데이터 및 평가 장비 데이터를 제1 사용자 단말에 제공할 수 있다(S570).

도 6은 본 개시의 일 실시예에 따른 기계학습 모델(600)의 예시를 나타내는 도면이다. 도시된 바와 같이, 기계학습 모델(600)은 평가 리소스 매칭 요청(610)을 입력받고, 평가 리소스 리스트(620)를 출력할 수 있다. 예를 들어, 기계학습 모델(600)은 의뢰자의 사용자 단말로부터 수신된 평가 리소스 매칭 요청과 연관된 정보를 기초로 의뢰자와 하나 이상의 평가 리소스를 매칭시킬 수 있다. 이 경우, 하나 이상의 평가 리소스에 관한 정보는 평가 리소스 리스트(620)에 포함될 수 있다.

일 실시예에 따르면, 기계학습 모델(600)은 미리 수행된 매칭 데이터를 기초로 학습될 수 있다. 여기서, 매칭 데이터는 의뢰자의 제조물의 설계, 제작, 평가 등에 관한 의뢰 내용을 포함하는 의뢰 데이터 및 수행자의 제조물의 설계, 제작, 평가 등이 수행된 수행자의 결과 데이터를 포함할 수 있다. 이 경우, 매칭 데이터는 기계학습 모델을 학습시키기 위한 형태로 전처리될 수 있으며, 기계학습 모델(600)은 전처리된 매칭 데이터를 기초로 학습될 수 있다.

도 7는 본 개시의 일 실시예에 따른 인공신경망 모델(700)을 나타내는 예시도이다. 인공신경망 모델(700)은, 기계학습 모델의 일 예로서, 기계학습(Machine Learning) 기술과 인지과학에서, 생물학적 신경망의 구조에 기초하여 구현된 통계학적 학습 알고리즘 또는 그 알고리즘을 실행하는 구조이다.

일 실시예에 따르면, 인공신경망 모델(700)은, 생물학적 신경망에서와 같이 시냅스의 결합으로 네트워크를 형성한 인공 뉴런인 노드(Node)들이 시냅스의 가중치를 반복적으로 조정하여, 특정 입력에 대응한 올바른 출력과 추론된 출력 사이의 오차가 감소되도록 학습함으로써, 문제 해결 능력을 가지는 기계학습 모델을 나타낼 수 있다. 예를 들어, 인공신경망 모델(700)은 기계 학습, 딥러닝 등의 인공지능 학습법에 사용되는 임의의 확률 모델, 뉴럴 네트워크 모델 등을 포함할 수 있다.

일 실시예에 따르면, 상술된 의뢰자 및 평가 리소스의 매칭을 위한 기계학습 모델은 인공신경망 모델(700)의 형태로 생성될 수 있다. 즉, 인공신경망 모델(700)은 평가 리소스 매칭 요청을 수신하고, 평가 리소스 매칭 요청과 연관된 정보를 기초로 매칭된 하나 이상의 평가 리소스를 출력할 수 있다. 예를 들어, 인공신경망 모델(700)은 평가 리소스 매칭 요청과 연관된 정보를 기초로 각 평가 리소스의 매칭 점수를 출력할 수 있다. 그리고 나서, 프로세서(예를 들어, 도 3의 320)는 매칭 점수가 높은 상위 n(여기서, n은 자연수)명의 평가 리소스를 추출하거나, 매칭 점수가 미리 정해진 점수 이상인 수행자들을 추출하여 평가 리소스 리스트를 생성할 수 있다. 다른 예에서, 평가 리소스 매칭 요청과 연관된 정보를 입력받는 경우, 인공신경망 모델(700)은 평가 리소스 리스트를 출력할 수도 있다.

인공신경망 모델(700)은 다층의 노드들과 이들 사이의 연결로 구성된 다층 퍼셉트론(MLP: multilayer perceptron)으로 구현된다. 본 실시예에 따른 인공신경망 모델(700)은 MLP를 포함하는 다양한 인공신경망 모델 구조들 중의 하나를 이용하여 구현될 수 있다. 도 7에 도시된 바와 같이, 인공신경망 모델(700)은, 외부로부터 입력 신호 또는 데이터(710)를 수신하는 입력층(720), 입력 데이터에 대응한 출력 신호 또는 데이터(750)를 출력하는 출력층(740), 입력층(720)과 출력층(740) 사이에 위치하며 입력층(720)으로부터 신호를 받아 특성을 추출하여 출력층(740)으로 전달하는 n개(여기서, n은 양의 정수)의 은닉층(730_1 내지 730_n)으로 구성된다. 여기서, 출력층(740)은 은닉층(730_1 내지 730_n)으로부터 신호를 받아 외부로 출력한다.

인공신경망 모델(700)의 학습 방법에는, 교사 신호(정답)의 입력에 의해서 문제의 해결에 최적화되도록 학습하는 지도 학습(Supervised Learning) 방법과, 교사 신호를 필요로 하지 않는 비지도 학습(Unsupervised Learning) 방법이 있다. 정보 처리 시스템은 평가 리소스 매칭 요청과 연관된 정보에 기초하여 매칭 확률이 높은 하나 이상의 평가 리소스를 추출하도록 인공신경망 모델(700)을 지도 학습 및/또는 비지도 학습시킬 수 있다. 이렇게 학습된 인공신경망 모델(700)은 정보 처리 시스템의 메모리(미도시)에 저장될 수 있으며, 통신 모듈 및/또는 메모리로부터 평가 리소스 매칭 요청과 연관된 정보를 수신하고, 하나 이상의 평가 리소스를 출력할 수 있다.

일 실시예에 따르면, 인공신경망 모델(700)의 입력변수는, 평가 리소스 매칭에 필요한 임의의 정보를 포함할 수 있으며, 예를 들어, 연구 개발 유형, 연구 개발 가격, 연구 개발 기간, 연구 개발 신뢰성 등을 포함할 수 있으나, 이에 한정되지 않는다. 이와 같이 상술된 입력변수가 입력층(720)을 통해 입력되는 경우, 인공신경망 모델(700)의 출력층(740)에서 출력되는 출력변수는 하나 이상의 평가 리소스 및/또는 하나 이상의 평가 리소스 각각에 대한 매칭 점수에 대한 정보를 나타내거나 특징화하는 벡터가 될 수 있다.

이와 같이, 인공신경망 모델(700)의 입력층(720)과 출력층(740)에 복수의 입력변수와 대응되는 복수의 출력변수가 각각 매칭되고, 입력층(720), 은닉층(730_1 내지 730_n) 및 출력층(740)에 포함된 노드들 사이의 시냅스 값이 조정됨으로써, 특정 입력에 대응한 올바른 출력이 추출될 수 있도록 학습될 수 있다. 이러한 학습 과정을 통해, 인공신경망 모델(700)의 입력변수에 숨겨져 있는 특성을 파악할 수 있고, 입력변수에 기초하여 계산된 출력변수와 목표 출력 간의 오차가 줄어들도록 인공신경망 모델(700)의 노드들 사이의 시냅스 값(또는 가중치)를 조정할 수 있다. 이렇게 학습된 인공신경망 모델(700)을 이용하여, 소재, 부품, 장비 등의 연구 개발을 수행하기 위한 수행자에 대한 정보가 출력될 수 있다.

도 8은 본 개시의 일 실시예에 따른 평가 데이터의 분석 방법(800)을 나타내는 흐름도이다. 일 실시예에 따르면, 평가 데이터의 분석 방법(800)은 프로세서(예를 들어, 정보 처리 시스템의 적어도 하나의 프로세서)에 의해 수행될 수 있다. 도시된 바와 같이, 평가 데이터의 분석 방법(800)은 프로세서가 제1 사용자 단말로부터 평가 데이터의 분석 요청을 수신함으로써 개시될 수 있다(S810).

분석 요청을 수신하는 것에 응답하여, 프로세서는 평가 데이터를 데이터 분석 전문가의 제3 사용자 단말로 전송할 수 있다(S820). 이 경우, 분석 유형, 분석 방법 등에 대한 정보가 제3 사용자 단말로 함께 전송될 수 있다. 그리고 나서, 프로세서는 분석 전문가의 제3 사용자 단말로부터 평가 데이터의 분석 데이터를 수신할 수 있다(S830).

일 실시예에 따르면, 프로세서는 분석 데이터를 클라우드 서비스에 저장하여 제1 사용자 단말에 제공할 수 있다(S840). 여기서, 클라우드 서비스는 LIMS(Laboratory Information Management System) 또는 LAS(Laboratory Automation System) 중 적어도 하나의 시스템과 연관된 서비스를 지칭할 수 있으나, 이에 한정되지 않는다.

일 실시예에 따르면, 프로세서는 임의의 사용자의 제4 사용자 단말로부터 연구 개발과 연관된 평가 데이터의 거래 요청을 수신하는 것에 응답하여 제1 사용자 단말로 거래 승인 여부를 확인할 수 있다. 또한, 프로세서는 평가 데이터의 거래 요청이 승인된 경우, 제1 사용자 단말 및 제4 사용자 단말 사이의 평가 데이터의 거래를 수행할 수 있다. 평가 데이터의 거래 요청이 승인된 경우, 프로세서는 평가 데이터를 시각화하여 평가 데이터의 분석 데이터를 포함하는 레포트를 생성하고, 레포트를 기초로 제1 사용자 단말 및 제4 사용자 단말 사이의 평가 데이터의 거래를 수행할 수 있다. 여기서, 레포트는 평가 데이터 및/또는 분석 데이터를 사용자가 확인하기 쉬운 형태로 카테고리 등으로 유형화한 정보를 포함할 수 있으며, 평가 데이터 및/또는 분석 데이터를 기초로 생성된 텍스트, 그래프, 이미지 등을 포함할 수 있다.

도 9는 본 개시의 일 실시예에 따른 제조물의 연구 개발이 수행되는 예시를 나타내는 블록도이다. 일 실시예에 따르면, 서비스 이용자(예를 들어, 의뢰자)는 제조물(샘플)과 연관된 다양한 데이터 및/또는 정보를 검색할 수 있다. 예를 들어, 프로세서(도 3의 320)는 소재, 부품 또는 장비 중 적어도 하나를 포함하는 샘플과 연관된 정보를 업로드할 수 있다. 예를 들어, 제조물과 연관된 정보는 매칭 서비스, 검색 서비스, 데이터 거래 서비스 등을 이용할 수 있는 임의의 애플리케이션 상에 업로드되어 사용자들에게 제공될 수 있다. 즉, 프로세서는 업로드된 샘플과 연관된 정보에 대한 검색 서비스를 제공할 수 있다(S910).

예를 들어, 검색 서비스는 소재, 부품 및/또는 장비와 연관된 정보에 대한 검색 서비스, 수행 기관 정보에 대한 검색 서비스, 수행 장비 정보에 대한 검색 서비스, 수행 결과 정보에 대한 검색 서비스 등을 포함할 수 있으나, 이에 한정되지 않는다. 즉, 사용자들은 업로드된 정보를 애플리케이션 등을 통해 온라인 상에서 간단히 확인하고 소재, 부품 및/또는 장비의 설계, 제작 및/또는 평가 등을 수행할 수 있다.

일 실시예에 따르면, 프로세서는 소재, 부품 및/또는 장비의 설계, 제작 및/또는 평가 등을 수행하기 위해 의뢰자와 평가 리소스를 매칭시키는 매칭 서비스를 제공할 수 있다(S940). 여기서, 매칭 서비스는 임의의 애플리케이션 등을 통해 제공될 수 있다. 예를 들어, 의뢰자가 의뢰를 신청하는 경우, 프로세서는 상술된 과정을 통해 기계학습 모델 등을 이용하여 의뢰자와 평가 리소스를 매칭시킬 수 있다. 이 경우, 매칭된 평가 리소스에게 연구 개발 목적 등을 포함하는 의뢰 내용 등이 제공될 수 있으며, 평가 리소스는 평가 장비(수행 장비) 등을 이용하여 의뢰에 따른 시험, 평가, 테스트 등을 수행할 수 있다.

일 실시예에 따르면, 평가 리소스에 의해 평가가 수행되는 동안에 평가 의뢰 데이터, 평가 등록 데이터, 평가 수행 데이터 및/또는 평가 결과 데이터 등은 LIMS 등을 통해 저장, 관리 및/또는 처리될 수 있다(S920). 여기서, LIMS는 상술된 바와 같이, 프로세서에 의해 클라우드 상에서 사용자들에게 제공될 수 있는 임의의 시스템을 지칭할 수 있다. 즉, 평가가 수행되는 동안에 생성되거나 처리되는 일련의 데이터 및/또는 정보는 클라우드 상에서 관리되어 의뢰자 등에게 제공될 수 있다.

일 실시예에 따르면, 평가가 수행되는 동안에 발생하는 평가 데이터는 LAS 등에 의해 수집되고 분석될 수 있으며, 평가를 수행하는데 사용한 평가 장비에 대한 데이터 또한 수집 및/또는 분석될 수 있다(S930). 여기서, LAS는 상술된 바와 같이, 프로세서에 의해 클라우드 상에서 사용자들에게 제공될 수 있는 임의의 시스템을 지칭할 수 있다. 이와 같이 LIMS, LAS 등에 의해 수집되고 관리되는 평가 결과 데이터는 매칭 서비스를 이용한 의뢰자에게 제공될 수 있다. 즉, 평가 결과 데이터는 평가 등의 수행 과정에서 생성되거나 처리되는 임의의 데이터, 평가 장비에 관한 데이터 등을 포함할 수 있다.

일 실시예에 따르면, 프로세서는 평가 결과 데이터를 분석하기 위한 데이터 분석 서비스를 제공할 수 있다(S950). 예를 들어, 데이터 분석 서비스는 트렌드 분석, 이상 분석, 전문가 분석 등을 포함할 수 있으나, 이에 한정되지 않는다. 전문가 분석을 위해, 상술된 바와 같이, 프로세서는 의뢰인의 사용자 단말로부터 평가 데이터의 분석 요청을 수신하고, 분석 요청을 수신하는 것에 응답하여, 평가 결과 데이터(평가 데이터)를 데이터 분석 전문가의 사용자 단말로 전송할 수 있다. 그리고 나서, 프로세서는 사용자 단말로부터 평가 데이터의 분석 데이터를 수신하고, 분석 데이터를 클라우드 서비스에 저장하여 의뢰인의 사용자 단말에 제공할 수 있다.

상술한 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.

본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.

하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.

따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.

펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.

이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.

본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.

110: 제1 사용자 단말 112: 평가 리소스 매칭 요청
114: 평가 리소스 선택 120: 정보 처리 시스템
122: 평가 리소스 매칭 130: 제2 사용자 단말
124: 평가 리소스 리스트 126: 연구 개발과 연관된 정보
128, 132: 평가 데이터 및 평가 장비 데이터

Claims (10)

1. 적어도 하나의 프로세서에 의해 수행되는, 연구 개발(R&D)을 지원하는 리소스를 매칭하는 방법으로서,
   의뢰자의 제1 사용자 단말로부터 소재, 부품 또는 장비 중 적어도 하나와 연관된 샘플(sample)의 연구 개발을 수행하기 위한 평가 리소스의 매칭 요청을 수신하는 단계 - 상기 평가 리소스는 소재, 부품 또는 장비 중 하나의 평가를 수행하는 장비 또는 인력을 포함하고, 상기 평가 리소스의 매칭 요청은 상기 연구 개발의 카테고리, 상기 연구 개발의 목표, 시료의 개수 및 평가 목적 정보를 포함함 -;
   상기 수신된 평가 리소스 매칭 요청과 연관된 정보를 기초로, 연구 개발을 위한 의뢰자 및 평가 리소스를 매칭하고 상기 평가 리소스에 대한 매칭 적합도를 나타내는 매칭 점수를 출력하도록 학습된 기계학습 모델을 이용하여 상기 의뢰자와 하나 이상의 평가 리소스를 연관시키는 단계 - 상기 기계학습 모델은 의뢰자의 제조물의 설계, 제작 또는 평가에 관한 의뢰 내용을 포함하는 의뢰 데이터 및 수행자의 제조물의 설계, 제작 또는 평가가 수행된 수행자의 결과 데이터를 포함하는 학습 데이터 세트를 이용하여 학습됨 -;
   상기 연관된 하나 이상의 평가 리소스에 대한 정보를 포함하는 평가 리소스 리스트를 상기 제1 사용자 단말로 전송하는 단계 - 상기 평가 리소스 리스트는 하나 이상의 평가 리소스의 명칭, 연구 개발 이력, 평균 연구 개발 시간, 비용 및 신뢰성 정보를 포함함 -;
   상기 제1 사용자 단말로부터 상기 평가 리소스 리스트에 포함된 하나 이상의 평가 리소스 중에서, 상기 연구 개발을 의뢰하기 위한 하나의 평가 리소스에 대한 선택을 수신하는 단계;
   상기 선택을 수신하는 것에 응답하여, 상기 선택된 평가 리소스의 제2 사용자 단말로 상기 연구 개발과 연관된 정보를 전송하는 단계;
   상기 제2 사용자 단말로부터 상기 샘플의 평가 장비를 통해 수행된 평가 데이터 및 평가 장비 데이터를 수신하는 단계 - 상기 평가 데이터는 평가 항목, 평가 인원, 평가 횟수, 1회당 소요 시간 및 시간 당 평가 비용을 포함하고, 상기 평가 장비 데이터는 설계, 제작 및 평가 시 사용된 장비의 명칭 또는 사양의 정보를 포함함 -;
   상기 수신된 평가 데이터 및 평가 장비 데이터를 상기 제1 사용자 단말에 제공하는 단계;
   제3 사용자 단말로부터 상기 연구 개발과 연관된 평가 데이터의 거래 요청을 수신하는 것에 응답하여, 상기 제1 사용자 단말로 거래 승인 여부를 확인하는 단계; 및
   상기 평가 데이터의 거래 요청이 승인된 경우, 상기 제1 사용자 단말 및 상기 제3 사용자 단말 사이의 상기 평가 데이터의 거래를 수행하는 단계를 포함하는, 연구 개발을 지원하는 리소스를 매칭하는 방법.
   
2. 제1항에 있어서,
   상기 의뢰자와 하나 이상의 평가 리소스를 연관시키는 단계는,
   상기 연구 개발의 비용, 시간 또는 신뢰성 중 적어도 하나의 매칭 조건을 이용하여 상기 수신된 평가 리소스 매칭 요청과 연관된 정보를 기초로, 상기 의뢰자와 하나 이상의 평가 리소스를 연관시키는 단계
   를 포함하는, 연구 개발을 지원하는 리소스를 매칭하는 방법.
   
3. 삭제
4. 제1항에 있어서,
   LIMS(Laboratory Information Management System) 또는 LAS(Laboratory Automation System) 중 적어도 하나의 시스템을 클라우드 서비스를 이용하여 생성하는 단계를 더 포함하고,
   상기 수신된 평가 데이터 및 평가 장비 데이터를 상기 제1 사용자 단말에 제공하는 단계는,
   상기 제2 사용자 단말로부터 수신되는 상기 연구 개발과 연관된 평가 데이터 및 평가 장비 데이터를 상기 클라우드 서비스에 저장하여 상기 제1 사용자 단말에 제공하는 단계
   를 포함하는, 연구 개발을 지원하는 리소스를 매칭하는 방법.
   
5. 제4항에 있어서,
   상기 제1 사용자 단말로부터 상기 평가 데이터의 분석 요청을 수신하는 단계;
   상기 분석 요청을 수신하는 것에 응답하여, 상기 평가 데이터를 데이터 분석 전문가의 제4 사용자 단말로 전송하는 단계;
   상기 제4 사용자 단말로부터 상기 평가 데이터의 분석 데이터를 수신하는 단계; 및
   상기 분석 데이터를 상기 클라우드 서비스에 저장하여 상기 제1 사용자 단말에 제공하는 단계
   를 더 포함하는, 연구 개발을 지원하는 리소스를 매칭하는 방법.
   
6. 삭제
7. 제1항에 있어서,
   상기 평가 데이터의 거래 요청이 승인된 경우, 상기 제1 사용자 단말 및 상기 제3 사용자 단말 사이의 상기 평가 데이터의 거래를 수행하는 단계는,
   상기 평가 데이터의 거래 요청이 승인된 경우, 상기 평가 데이터를 시각화하여 상기 평가 데이터의 분석 데이터를 포함하는 레포트를 생성하는 단계; 및
   상기 레포트를 기초로 상기 제1 사용자 단말 및 상기 제3 사용자 단말 사이의 상기 평가 데이터의 거래를 수행하는 단계
   를 포함하는, 연구 개발을 지원하는 리소스를 매칭하는 방법.
   
8. 제1항에 있어서,
   상기 소재, 부품 또는 장비 중 적어도 하나와 연관된 샘플에 대한 정보를 업로드하는 단계; 및
   상기 업로드된 샘플에 대한 정보를 검색하기 위한 검색 서비스를 제공하는 단계
   를 더 포함하는, 연구 개발을 지원하는 리소스를 매칭하는 방법.
   
9. 제1항, 제2항, 제4항, 제5항, 제7항 및 제8항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
   
10. 정보 처리 시스템으로서,
    통신 모듈;
    메모리; 및
    상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로그램은,
    의뢰자의 제1 사용자 단말로부터 소재, 부품 또는 장비 중 적어도 하나와 연관된 샘플의 연구 개발을 수행하기 위한 평가 리소스 매칭 요청을 수신하고- 상기 평가 리소스는 소재, 부품 또는 장비 중 하나의 평가를 수행하는 장비 또는 인력을 포함하고, 상기 평가 리소스 매칭 요청은 상기 연구 개발의 카테고리, 상기 연구 개발의 목표, 시료의 개수 및 평가 목적 정보를 포함함 -,
    상기 수신된 평가 리소스 매칭 요청과 연관된 정보를 기초로, 연구 개발을 위한 의뢰자 및 평가 리소스를 매칭하고 상기 평가 리소스에 대한 매칭 적합도를 나타내는 매칭 점수를 출력하도록 학습된 기계학습 모델을 이용하여 상기 의뢰자와 하나 이상의 평가 리소스를 연관시키고- 상기 기계학습 모델은 의뢰자의 제조물의 설계, 제작 또는 평가에 관한 의뢰 내용을 포함하는 의뢰 데이터 및 수행자의 제조물의 설계, 제작 또는 평가가 수행된 수행자의 결과 데이터를 포함하는 학습 데이터 세트를 이용하여 학습됨 -,
    상기 연관된 하나 이상의 평가 리소스에 대한 정보를 포함하는 평가 리소스 리스트를 상기 제1 사용자 단말로 전송하고- 상기 평가 리소스 리스트는 하나 이상의 평가 리소스의 명칭, 연구 개발 이력, 평균 연구 개발 시간, 비용 및 신뢰성 정보를 포함함 -,
    상기 제1 사용자 단말로부터 상기 평가 리소스 리스트에 포함된 하나 이상의 평가 리소스 중에서, 상기 연구 개발을 의뢰하기 위한 하나의 평가 리소스에 대한 선택을 수신하고,
    상기 선택을 수신하는 것에 응답하여, 상기 선택된 평가 리소스의 제2 사용자 단말로 상기 연구 개발과 연관된 정보를 전송하고,
    상기 제2 사용자 단말로부터 상기 샘플의 평가 장비를 통해 수행된 평가 데이터 및 평가 장비 데이터를 수신하고- 상기 평가 데이터는 평가 항목, 평가 인원, 평가 횟수, 1회당 소요 시간 및 시간 당 평가 비용을 포함하고, 상기 평가 장비 데이터는 설계, 제작 및 평가 시 사용된 장비의 명칭 또는 사양의 정보를 포함함 -,
    상기 수신된 평가 데이터 및 평가 장비 데이터를 상기 제1 사용자 단말에 제공하고,
    제3 사용자 단말로부터 상기 연구 개발과 연관된 평가 데이터의 거래 요청을 수신하는 것에 응답하여, 상기 제1 사용자 단말로 거래 승인 여부를 확인하고,
    상기 평가 데이터의 거래 요청이 승인된 경우, 상기 제1 사용자 단말 및 상기 제3 사용자 단말 사이의 상기 평가 데이터의 거래를 수행하기 위한 명령어들을 포함하는, 정보 처리 시스템.
    

Images