KR102564555B1 - Logistics support system using artificial intelligence and support method thereof - Google Patents
Logistics support system using artificial intelligence and support method thereof Download PDFInfo
- Publication number
- KR102564555B1 KR102564555B1 KR1020210073797A KR20210073797A KR102564555B1 KR 102564555 B1 KR102564555 B1 KR 102564555B1 KR 1020210073797 A KR1020210073797 A KR 1020210073797A KR 20210073797 A KR20210073797 A KR 20210073797A KR 102564555 B1 KR102564555 B1 KR 102564555B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- logistics
- similarity
- text
- support server
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0831—Overseas transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Educational Administration (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 물류 지원 시스템 및 이의 지원 방법에 관한 것으로, 구체적으로 입력된 선적서류를 기초로 물류 절차에 대한 정보를 출력 및 생성하는 물류 지원 시스템에 관한 것이다. 구체적으로, 물류 지원 시스템의 물류 지원 방법은 선적서류를 획득하는 단계, 선적서류에 포함된 적어도 하나의 텍스트 각각에 대한 위치를 추출하는 단계, 적어도 하나의 위치에 대응하는 영역을 샘플링하는 단계, 샘플링 결과를 기초로 선적서류를 분류하고, 분류결과에 대응하는 물류 절차를 제공하는 단계를 포함한다.The present invention relates to a logistics support system and a support method thereof, and more specifically, to a logistics support system that outputs and generates information on a logistics procedure based on input shipping documents. Specifically, the logistics support method of the logistics support system includes acquiring a shipping document, extracting a location for each of at least one text included in the shipping document, sampling an area corresponding to the at least one location, sampling Classifying the shipping documents based on the result, and providing a logistics procedure corresponding to the classification result.
Description
본 발명은 물류 지원 시스템 및 이의 지원 방법에 관한 것으로, 구체적으로 입력된 선적서류를 기초로 물류 절차에 대한 정보를 출력 및 생성하는 물류 지원 시스템에 관한 것이다. The present invention relates to a logistics support system and a support method thereof, and more specifically, to a logistics support system that outputs and generates information on a logistics procedure based on input shipping documents.
또한, 본 발명은 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 인공 지능(Artificial Intelligence, AI) 시스템 및 그 응용에 관한 것이다.In addition, the present invention relates to an artificial intelligence (AI) system that simulates functions such as recognition and judgment of the human brain by using a machine learning algorithm and an application thereof.
종래의 물류업계 업체 및 무역전문가들은 물류 시장 관련 정보의 수집, 생산, 가공, 분배 능력이 뛰어나 양질의 다양한 정보를 신속하게 처리할 수 있는 반면, 신규진입 업체나 소규모 사업체들은 물류 시장 관련 정보의 수집, 생산, 가공, 분배 능력이 떨어져 양질의 정보를 신속하게 처리하기 힘들다는 문제점이 발생하고 있다.Conventional logistics industry companies and trade experts have excellent ability to collect, produce, process, and distribute logistics market-related information and can quickly process a variety of high-quality information, while new entrants and small businesses collect logistics market-related information. However, there is a problem that it is difficult to quickly process high-quality information due to poor production, processing, and distribution capabilities.
이는, 수출입 물류 시장은 운송, 제반시설 등에 의한 고정비 때문에 특정 업체들이 상당한 경쟁 우위를 점하고 있으며, 이에 따라 물류 시장 관련 정보의 생산, 분배, 소비 등 정보처리 능력의 격차가 크게 발생되고 있기 때문이다. This is because in the import and export logistics market, certain companies have a significant competitive advantage due to fixed costs due to transportation and infrastructure, and as a result, there is a large gap in information processing capabilities such as production, distribution, and consumption of information related to the logistics market. .
이에 따라, 전통적인 물류업계 관련 종사자가 아닌 경우에도 복잡한 물류체계로 인한 정보 편차과다를 해소하고, 진입 장벽을 낮춤으로써 효율적인 무역절차를 제공하기 위한 필요성이 대두된다. Accordingly, even for non-traditional logistics workers, there is a need to provide efficient trade procedures by resolving excessive information deviation caused by complex logistics systems and lowering entry barriers.
본 발명은 상술한 필요성에 따른 것으로, 본 발명은 정보의 불균형이 발생되고 있는 수출입 물류 산업의 문제점을 해결하고, 중소기업의 수출입 물류 시장 참여의 기회를 제공하는데 주된 목적이 있다.The present invention is in accordance with the above-described need, the main purpose of the present invention is to solve the problem of the import and export logistics industry in which information imbalance occurs, and to provide opportunities for small and medium-sized enterprises to participate in the import and export logistics market.
또한, 본 발명의 다른 목적은 물류업계 관련 종사자가 아닌 경우에도 무역 절차를 수행할 수 있는 물류 지원 시스템을 제공하도록 하는데 있다.In addition, another object of the present invention is to provide a logistics support system capable of performing trade procedures even when not engaged in the logistics industry.
한편, 근래에는 인간 수준의 지능을 구현하는 인공 지능 시스템이 다양한 분야에서 이용되고 있다. 인공 지능 기술은 기계학습(예로, 딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다. 기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술이다.Meanwhile, in recent years, artificial intelligence systems implementing human-level intelligence have been used in various fields. Artificial intelligence technology consists of machine learning (eg, deep learning) and component technologies using machine learning. Machine learning is an algorithm technology that classifies/learns the characteristics of input data by itself, and element technology is a technology that uses machine learning algorithms such as deep learning to mimic the functions of the human brain, such as recognition and judgment.
이에 따라, 본 발명은 물류 시장 관련 정보에 대한 정보편차를 해소하기 위해 인공 지능 시스템을 이용한 물류 지원 시스템을 제공하는 것을 목적으로 한다.Accordingly, an object of the present invention is to provide a logistics support system using an artificial intelligence system in order to solve the information deviation for information related to the logistics market.
그러나 이러한 과제는 예시적인 것으로, 이에 의해 본 발명의 범위가 한정되는 것은 아니다. However, these tasks are illustrative, and the scope of the present invention is not limited thereby.
본 발명의 일 실시 예에 따른 물류 지원 시스템의 물류 지원 방법은 선적서류를 획득하고, 상기 선적서류에 포함된 적어도 하나의 텍스트 각각에 대한 위치를 추출하고, 상기 적어도 하나의 위치에 대응하는 영역을 샘플링하고, 상기 샘플링 결과를 기초로 HS 코드를 인식하고, 제1 정보, 제2 정보, 제3 정보 및 제4 정보를 획득하고, 상기 제1 정보를 기초로 제1 유사도 정보를 산출하고, 상기 제1 정보 및 제2 정보를 기초로 제2 유사도 정보를 산출하고, 상기 제1 정보, 제3 정보 및 제4 정보를 기초로 제3 유사도 정보 및 제4 유사도 정보를 산출하고, 상기 제1 유사도 정보 내지 제4 정보를 기초로 상기 인식된 HS 코드에 대한 유효성 정보를 산출하고, 상기 유효성 정보가 기설정된 점수 이상인 경우 상기 선적서류를 분류하고, 상기 분류결과에 대응하는 물류 절차를 제공하고, 상기 유효성 정보가 기설정된 점우 미만인 경우 상기 HS 코드를 확인하는 안내를 제공하고,A logistics support method of a logistics support system according to an embodiment of the present invention obtains a shipping document, extracts a location for each of at least one text included in the shipping document, and selects an area corresponding to the at least one location. Sampling, recognizing an HS code based on the sampling result, obtaining first information, second information, third information, and fourth information, calculating first similarity information based on the first information, and Second similarity information is calculated based on the first information and second information, third similarity information and fourth similarity information are calculated based on the first information, third information, and fourth information, and the first similarity information is calculated. Calculate validity information for the recognized HS code based on information to fourth information, classify the shipping document when the validity information is equal to or greater than a preset score, and provide a logistics procedure corresponding to the classification result, If the validity information is less than a preset point, providing guidance to check the HS code;
상기 유효성 정보는 아래 식을 통해 산출되고, The validity information is calculated through the formula below,
이때, S는 유효성 정보, A는 제1 유사도 정보, B는 제2 유사도 정보, C는 제3 유사도, D는 제4 유사도, W1 및 W2는 각각 제1 가중치 및 제2 가중치인 것을 특징으로 한다. In this case, S is validity information, A is first similarity information, B is second similarity information, C is third similarity, D is fourth similarity, and W1 and W2 are the first weight and the second weight, respectively. .
전술한 것 외의 다른 측면, 특징, 이점은 이하의 발명을 실시하기 위한 구체적인 내용, 청구범위 및 도면으로부터 명확해질 것이다.Other aspects, features, and advantages other than those described above will become clear from the detailed description, claims, and drawings for carrying out the invention below.
상기한 바와 같이 이루어진 본 발명의 일 실시예에 따르면, 선적서류만을 입력하더라도, 인공지능 모델을 이용하여, 용이하게 선적서류에 대응하는 물류 절차도 및 물류 프로세스에 대한 설명을 제공할 수 있다. According to one embodiment of the present invention made as described above, even if only shipping documents are input, it is possible to easily provide a logistics procedure diagram corresponding to shipping documents and a description of the logistics process using an artificial intelligence model.
이를 통해, 정보의 불균형이 발생되고 있는 수출입 물류 산업의 문제점을 해결하고, 중소기업의 수출입 물류 시장 참여의 기회를 제공할 수 있다.Through this, it is possible to solve the problems of the import and export logistics industry where information imbalance occurs and provide opportunities for SMEs to participate in the import and export logistics market.
본 발명에서는 입력된 선적서류에 포함된 HS 코드를 인식하고, 물류 지원 서버와 연동된 DB를 통해 검증함으로써, 기재된 HS 코드의 오분류 및 오기 등을 손쉽게 재확인할 수 있다는 효과가 있다. In the present invention, by recognizing the HS code included in the input shipping document and verifying it through a DB linked with the logistics support server, there is an effect of easily reconfirming the misclassification and misspelling of the HS code described.
물론 이러한 효과에 의해 본 발명의 범위가 한정되는 것은 아니다.Of course, the scope of the present invention is not limited by these effects.
도 1은 본 발명의 일 실시예에 따른 물류 지원 시스템을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 물류 지원 서버를 구성하는 구성 요소를 설명하기 위한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 프로세서의 구성 요소를 설명하기 위한 블록도이다.
도 4는 본 발명의 일 실시예에 따른 물류 지원 서버가 선적서류를 자동 분류하고, 이에 대응하는 물류 절차 정보를 제공하는 것을 설명하기 위한 간단한 흐름도이다.
도 5a 내지 도 5d는 본 발명의 일 실시예에 따른 물류 지원 서버가 텍스트 영역을 샘플링하는 방법을 설명하기 위한 도면이다.
도 6a 및 도 6b는 본 발명의 일 실시예에 따른 물류 지원 서버가 선적 서류를 입력받고, 위치 정보를 획득한 후, 선적서류를 분류하는 것을 나타낸다.
도 7a 내지 도 7c는 본 발명의 물류 지원 서버(100)가 선적서류의 텍스트 정보 및 텍스트 위치 정보를 입력한 결과, 해당 선적서류가 해상운송을 통한 수출화물에 대한 서류인 것으로 분류되었을 때 제공하는 물류 절차도면의 실시예이다.
도 8a 및 도 8b는 본 발명의 물류 지원 서버(100)가 선적서류의 텍스트 정보 및 텍스트 위치 정보를 입력한 결과, 해당 선적서류가 수출화물이며, 항공운송인 것에 대한 서류인 것으로 분류되었을 때 제공하는 물류 절차도면의 실시예이다.
도 9는 본 발명의 물류 지원 서버(100)가 선적서류의 텍스트 정보 및 텍스트 위치 정보를 입력한 결과, 해당 선적서류가 항공운송을 통한 수입화물에 대한 서류인 것으로 분류되었을 때 제공하는 물류 절차도면의 실시예이다.
도 10은 본 발명의 물류 지원 서버(100)가 선적서류의 텍스트 정보 및 텍스트 위치 정보를 입력한 결과, 해당 선적서류가 해상운송을 통한 수입화물에 대한 서류인 것으로 분류되었을 때 제공하는 물류 절차도면의 실시예이다. 1 is a diagram for explaining a logistics support system according to an embodiment of the present invention.
Figure 2 is a block diagram for explaining the components constituting the logistic support server according to an embodiment of the present invention.
3 is a block diagram for explaining components of a processor according to an embodiment of the present invention.
4 is a simple flow chart illustrating that a logistics support server automatically classifies shipping documents and provides corresponding logistics procedure information according to an embodiment of the present invention.
5A to 5D are diagrams for explaining a method of sampling a text area by a logistics support server according to an embodiment of the present invention.
6A and 6B show that the logistics support server according to an embodiment of the present invention receives shipping documents, obtains location information, and then classifies the shipping documents.
7a to 7c are provided when the logistic support server 100 of the present invention inputs the text information and text location information of the shipping document, and the corresponding shipping document is classified as a document for export cargo through maritime transportation. It is an embodiment of a logistics procedure diagram.
8a and 8b are provided when the logistic support server 100 of the present invention inputs the text information and text location information of the shipping document, and the corresponding shipping document is classified as an export cargo and a document for air transport. It is an embodiment of a logistics procedure diagram.
9 is a logistics procedure diagram provided when the logistics support server 100 of the present invention inputs text information and text location information of a shipping document and classifies the corresponding shipping document as a document for imported cargo through air transportation. is an embodiment of
10 is a logistic procedure diagram provided when the logistics support server 100 of the present invention inputs text information and text location information of a shipping document and classifies the corresponding shipping document as a document for imported cargo through sea transportation. is an embodiment of
이하, 본 개시의 다양한 실시예가 첨부된 도면과 연관되어 기재된다. 본 개시의 다양한 실시예는 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들이 도면에 예시되고 관련된 상세한 설명이 기재되어 있다. 그러나 이는 본 개시의 다양한 실시예를 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 개시의 다양한 실시예의 사상 및 기술 범위에 포함되는 모든 변경 및/또는 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용되었다.Hereinafter, various embodiments of the present disclosure will be described in conjunction with the accompanying drawings. Various embodiments of the present disclosure may make various changes and have various embodiments, and specific embodiments are illustrated in the drawings and related detailed descriptions are described. However, this is not intended to limit the various embodiments of the present disclosure to specific embodiments, and should be understood to include all changes and/or equivalents or substitutes included in the spirit and technical scope of the various embodiments of the present disclosure. In connection with the description of the drawings, like reference numerals have been used for like elements.
본 개시의 다양한 실시예에서, "포함하다." 또는 "가지다." 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.In various embodiments of the present disclosure, “comprises.” or "to have." The terms such as are intended to specify that there is a feature, number, step, operation, component, part, or combination thereof described in the specification, but one or more other features or numbers, steps, operations, components, parts, or It should be understood that it does not preclude the possibility of existence or addition of combinations thereof.
본 개시의 다양한 실시예에서 "또는" 등의 표현은 함께 나열된 단어들의 어떠한, 그리고 모든 조합을 포함한다. 예를 들어, "A 또는 B"는, A를 포함할 수도, B를 포함할 수도, 또는 A 와 B 모두를 포함할 수도 있다.In various embodiments of this disclosure, expressions such as “or” include any and all combinations of the words listed together. For example, "A or B" may include A, may include B, or may include both A and B.
본 개시의 다양한 실시예에서 사용된 "제1", "제2", "첫째", 또는 "둘째" 등의 표현들은 다양한 실시예들의 다양한 구성요소들을 수식할 수 있지만, 해당 구성요소들을 한정하지 않는다. 예를 들어, 상기 표현들은 해당 구성요소들의 순서 및/또는 중요도 등을 한정하지 않으며, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 수 있다. Expressions such as "first", "second", "first", or "second" used in various embodiments of the present disclosure may modify various components of various embodiments, but do not limit the components. don't For example, the above expressions do not limit the order and/or importance of corresponding components, and may be used to distinguish one component from another.
본 개시의 실시 예에서 "모듈", "유닛", "부(part)" 등과 같은 용어는 적어도 하나의 기능이나 동작을 수행하는 구성요소를 지칭하기 위한 용어이며, 이러한 구성요소는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 "모듈", "유닛", "부(part)" 등은 각각이 개별적인 특정한 하드웨어로 구현될 필요가 있는 경우를 제외하고는, 적어도 하나의 모듈이나 칩으로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.In the embodiments of the present disclosure, terms such as “module,” “unit,” and “part” are terms used to refer to components that perform at least one function or operation, and these components are hardware or software. It may be implemented or implemented as a combination of hardware and software. In addition, a plurality of "modules", "units", "parts", etc. are integrated into at least one module or chip, except for cases where each of them needs to be implemented with separate specific hardware, so that at least one processor can be implemented as
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미가 있는 것으로 해석되어야 하며, 본 개시의 다양한 실시예에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Terms such as those defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related art, and unless explicitly defined in various embodiments of the present disclosure, ideal or excessively formal. not interpreted as meaning
본 개시에서, 인공 지능(artificial intelligence, AI)은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미할 수 있고, 기계 학습(machine learning)은 인공지능 기술의 한 분야로서 컴퓨팅 장치가 데이터를 통해 학습하여 특정 대상 혹은 조건을 이해할 수 있게 하거나 데이터의 패턴을 찾아내 분류하는 기술적 방식으로써 컴퓨터가 데이터를 분석할 수 있게 하는 알고리즘일 수 있다. 본 발명에서 개시하는 기계 학습은 인공지능 모델을 학습하기 위한 동작 방법을 포함하는 의미로서 이해될 수 있다.In the present disclosure, artificial intelligence (AI) may mean a field of researching artificial intelligence or a methodology for creating it, and machine learning is a field of artificial intelligence technology in which a computing device uses data It can be an algorithm that enables a computer to analyze data as a technical method that enables understanding of a specific object or condition by learning through the algorithm or a technical method of finding and classifying data patterns. Machine learning disclosed in the present invention can be understood as meaning including an operating method for learning an artificial intelligence model.
이하에서, 첨부된 도면을 이용하여 본 발명의 다양한 실시 예들에 대하여 구체적으로 설명한다. Hereinafter, various embodiments of the present invention will be described in detail using the accompanying drawings.
도 1은 본 발명의 일 실시예에 따른 물류 지원 시스템을 설명하기 위한 도면이다. 1 is a diagram for explaining a logistics support system according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 물류 지원 시스템(1)은 물류 지원 서버(100), 및 인공지능 서버(200), HS 속견 DB(미도시), 원산지 DB(미도시) 및 거래 DB(미도시) 를 포함할 수 있다. 물류 지원 시스템(1)은 국내외 물류 업자 단말(300)과 통신하여 다양한 데이터를 송수신할 수 있다. 예를 들어, 물류 지원 시스템(1)은 국내외 물류 업자 단말(300)로부터 화물정보, 요청사항, 선적서류에 대한 정보 등을 송수신할 수 있다. Referring to FIG. 1, the logistics support system 1 of the present invention includes a logistics support server 100, an artificial intelligence server 200, a HS sok DB (not shown), an origin DB (not shown), and a transaction DB (not shown). city) may be included. The logistics support system 1 may transmit and receive various data by communicating with the domestic and foreign logistics provider terminal 300 . For example, the logistics support system 1 may transmit and receive cargo information, requests, and information on shipping documents from the terminal 300 of a domestic and foreign logistics company.
이때, 물류 업자 단말(300)의 사용자인 물류 업자는 국내외 수출입 기업, 국내외 국제 물류 주선 업체 및 국내외 물류유관업체가 포함될 수 있다. At this time, the user of the logistics company terminal 300, the logistics company, may include domestic and foreign import/export companies, domestic and foreign international logistics brokers, and domestic and foreign logistics-related companies.
본 발명의 실시예에 따른 물류 지원 시스템(1)은 국내 무역망과 해외 무역망을 중개하고, 물류 업자들의 원활한 무역 활동을 위한 물류 절차 정보를 제공하는 역할을 수행할 수 있다. The logistics support system 1 according to an embodiment of the present invention may play a role of mediating a domestic trade network and an overseas trade network and providing logistics procedure information for smooth trade activities of logistics companies.
특히, 물류 지원 서버(100)는 물류 업자 단말(300)로부터 수신하는 정보를 인공지능 모델을 이용하여 분류하고 절차에 대한 정보를 제공할 수 있다. In particular, the logistics support server 100 may classify information received from the logistics provider terminal 300 using an artificial intelligence model and provide information on procedures.
본 발명의 일 실시예에 따른 인공지능 서버(200)는 인공지능 모델을 학습시키고, 업데이트하기 위한 서버일 수 있다. 이때, 인공지능 모델은 텍스트 인식 모델일 수도 있고, 서류 분류 모델일 수도 있다. The artificial intelligence server 200 according to an embodiment of the present invention may be a server for learning and updating an artificial intelligence model. In this case, the artificial intelligence model may be a text recognition model or a document classification model.
본 발명의 인공지능 모델은, 일 예로, 신경망 모델, 또는 신경망 모델에서 발전한 딥 러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 깊이(또는, 레이어)에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고 받을 수 있다. 인공지능 모델의 예에는 CNN(Covolutional Neural Network), DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 등이 있을 수 있으나 이에 한정되지 않는다.The artificial intelligence model of the present invention may include, for example, a neural network model or a deep learning model developed from a neural network model. In the deep learning model, a plurality of network nodes may exchange data according to a convolution connection relationship while being located at different depths (or layers). Examples of the artificial intelligence model may include, but are not limited to, a Covolutional Neural Network (CNN), a Deep Neural Network (DNN), a Recurrent Neural Network (RNN), a Bidirectional Recurrent Deep Neural Network (BRDNN), and the like.
본 발명의 인공지능 서버(200)는 학습부(미도시) 및 인식부(미도시)를 포함할 수 있다. 학습부는 인공지능 모델을 학습시키기 위한 구성이며, 인식부는 학습된 인공지능 모델을 기초로 입력되는 정보를 인식하고, 출력하도록 학습된 정보를 출력할 수 있다. 상기 학습부 및 인식부는 하나의 서버에 포함될 수도 있으며, 또는 별개의 서버들에 각각 포함될 수도 있다. The artificial intelligence server 200 of the present invention may include a learning unit (not shown) and a recognition unit (not shown). The learning unit is a component for learning an artificial intelligence model, and the recognition unit can recognize input information based on the learned artificial intelligence model and output the learned information to be output. The learning unit and the recognizing unit may be included in one server or may be included in separate servers.
인공지능 서버(200)의 적어도 일부는, 소프트웨어 모듈로 구현되거나 적어도 하나의 하드웨어 칩 형태로 제작되어 프로세서(130)에 탑재될 수 있다. 예를 들어, 인공지능 서버(200)의 적어도 일부는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다. 이 때, 인공 지능을 위한 전용 하드웨어 칩은 확률 연산에 특화된 전용 프로세서로서, 기존의 범용 프로세서보다 병렬처리 성능이 높아 기계 학습과 같은 인공 지능 분야의 연산 작업을 빠르게 처리할 수 있다.At least a part of the artificial intelligence server 200 may be implemented as a software module or manufactured in the form of at least one hardware chip and mounted on the processor 130 . For example, at least a part of the artificial intelligence server 200 may be manufactured in the form of a dedicated hardware chip for artificial intelligence (AI), or an existing general-purpose processor (eg, CPU or application processor) or dedicated graphics. It may be manufactured as a part of a processor (eg GPU) and mounted in various electronic devices described above. At this time, the dedicated hardware chip for artificial intelligence is a dedicated processor specialized in probability calculation, and can quickly process calculation tasks in the field of artificial intelligence, such as machine learning, with higher parallel processing performance than conventional general-purpose processors.
인공지능 서버(200)가 소프트웨어 모듈(또는, 인스트럭션(instruction)포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 어플리케이션에 의해 제공될 수 있다. 또는, 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 어플리케이션에 의해 제공될 수 있다.When the artificial intelligence server 200 is implemented as a software module (or a program module including instructions), the software module is a computer-readable, non-transitory computer readable recording medium (non-transitory computer readable media) can be stored in In this case, the software module may be provided by an OS (Operating System) or a predetermined application. Alternatively, some of the software modules may be provided by an operating system (OS), and the other part may be provided by a predetermined application.
이 경우, 인공지능 서버(200)는 하나의 물류 업자 단말(100)에 탑재될 수도 있으며, 또는 별개의 장치들에 각각 탑재될 수도 있다. 예를 들어, 학습부 및 인식부 중 하나는 물류 업자 단말(100)에 포함되고, 나머지 하나는 인공지능 서버(200)에 포함될 수 있다. 또한, 학습부 및 인식부는 유선 또는 무선으로 통하여, 학습부 가 구축한 모델 정보를 인식부로 제공할 수도 있고, 인식부로 입력된 데이터가 추가 학습 데이터로서 학습부로 제공될 수도 있다.In this case, the artificial intelligence server 200 may be mounted on one logistics provider terminal 100 or may be mounted on separate devices. For example, one of the learning unit and the recognition unit may be included in the logistics provider terminal 100, and the other may be included in the artificial intelligence server 200. In addition, the learning unit and the recognizing unit may provide model information constructed by the learning unit to the recognizing unit through wired or wireless communication, and data input to the recognizing unit may be provided to the learning unit as additional learning data.
이하에서는 설명의 편의를 위해, 인공지능 서버(200)가 물류 지원 서버(100)에 포함되어, 물류 지원 서버(100)에서 인공지능 모델을 학습, 활용 및 갱신하는 것으로 상정한다. Hereinafter, for convenience of description, it is assumed that the artificial intelligence server 200 is included in the logistics support server 100 to learn, utilize, and update an artificial intelligence model in the logistics support server 100.
도 2는 본 발명의 일 실시예에 따른 물류 지원 서버를 구성하는 구성 요소를 설명하기 위한 블록도이다. Figure 2 is a block diagram for explaining the components constituting the logistic support server according to an embodiment of the present invention.
도 2를 참조하면, 물류 지원 서버(100)는 통신부(110), 메모리(120) 및 프로세서(130)를 포함할 수 있다.Referring to FIG. 2 , the logistic support server 100 may include a communication unit 110 , a memory 120 and a processor 130 .
본 발명의 일 실시예에 따른 통신부(110)는 물류 업자 단말(300)과 다양한 데이터를 송수신하기 위한 구성이다. 일예로, 통신부(110)는 물류 업자 단말(300)로부터 선적서류에 대한 정보를 수신하고, 프로세서(130)의 제어에 따라 물류 절차에 대한 정보를 물류 업자 단말(300)로 송신할 수 있다.The communication unit 110 according to an embodiment of the present invention is a component for transmitting and receiving various data with the logistics company terminal 300 . For example, the communication unit 110 may receive information on shipping documents from the logistics provider terminal 300 and transmit information on logistics procedures to the logistics provider terminal 300 under the control of the processor 130 .
본 발명의 통신부(110)는 다양한 유형의 통신방식에 따라 다양한 유형의 외부 장치와 통신을 수행할 수 있다. 통신부(110)는 와이파이칩, 블루투스 칩, 무선 통신 칩, NFC 칩 중 적어도 하나를 포함할 수 있다. The communication unit 110 of the present invention can perform communication with various types of external devices according to various types of communication methods. The communication unit 110 may include at least one of a Wi-Fi chip, a Bluetooth chip, a wireless communication chip, and an NFC chip.
특히, 무선통신 칩은 IEEE, Zigbee, 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), 5G(Fifth Generation)등과 같은 다양한 통신 규격에 따라 통신을 수행하는 칩을 의미한다. 5G 통신 규격에 따른 무선 통신 칩은 3.5GHz 등 주파수(Below 6GHz) 대역뿐만 아니라, 26, 28, 38, 39, 60 GHz 등의 밀리미터파(㎜Wave), 즉 초고주파 대역(Above 6GHz)까지 사용할 수 있다.In particular, a wireless communication chip refers to a chip that performs communication according to various communication standards such as IEEE, Zigbee, 3G (3rd Generation), 3GPP (3rd Generation Partnership Project), LTE (Long Term Evolution), 5G (Fifth Generation), etc. do. Wireless communication chips according to 5G communication standards can use not only frequency bands such as 3.5GHz (Below 6GHz), but also millimeter waves (mmWave), such as 26, 28, 38, 39, and 60 GHz, that is, ultra-high frequency bands (Above 6GHz). there is.
본 발명의 일 실시예에 따른 메모리(120)는 프로세서(130)의 처리 또는 제어를 위한 프로그램 등 물류 지원 서버(100) 전반의 동작을 위한 다양한 데이터를 저장할 수 있다. 메모리(120)는 물류 지원 서버(100)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 물류 지원 서버(100)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다. 응용 프로그램은, 메모리(120)에 저장되고, 프로세서(130)에 의하여 물류 지원 서버(100)의 동작(또는 기능)을 수행하도록 구동될 수 있다. The memory 120 according to an embodiment of the present invention may store various data for overall operation of the logistic support server 100, such as a program for processing or controlling the processor 130. The memory 120 may store a plurality of application programs (application programs or applications) running in the logistics support server 100, data for operation of the logistics support server 100, and commands. At least some of these application programs may be downloaded from an external server through wireless communication. The application program may be stored in the memory 120 and driven by the processor 130 to perform an operation (or function) of the logistic support server 100 .
메모리(120)는 물류 지원 서버(100)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(120)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다. 메모리(120)는 프로세서(130)에 의해 액세스 되며, 프로세서(130)에 의한 데이터의 쓰기(write)/읽기(read)/삭제(erase)/갱신(update) 등이 수행될 수 있다. 본 발명의 일 실시예에 따르면, 메모리(120)는 데이터 스토리지의 메인 메모리에 설치되어 운영되는 방식의 데이터베이스 관리 시스템, 즉 인메모리 데이터베이스로 구현된 수 있다. The memory 120 may store various programs and data necessary for the operation of the logistics support server 100 . The memory 120 may be implemented as a non-volatile memory, a volatile memory, a flash-memory, a hard disk drive (HDD), or a solid state drive (SSD). The memory 120 is accessed by the processor 130, and the processor 130 may write/read/erase/update data by the processor 130. According to an embodiment of the present invention, the memory 120 may be implemented as a database management system, that is, an in-memory database, which is installed and operated in the main memory of data storage.
본 발명의 일 실시예에 따른 프로세서(130)는 물류 지원 서버(100)를 전반적으로 제어하기 위한 구성이다. 구체적으로, 프로세서(130)는 물류 지원 서버(100)의 메모리(120)에 저장된 각종 프로그램을 이용하여 물류 지원 서버(100)의 전반적인 동작을 제어한다. The processor 130 according to an embodiment of the present invention is a component for controlling the logistics support server 100 as a whole. Specifically, the processor 130 controls the overall operation of the logistics support server 100 using various programs stored in the memory 120 of the logistics support server 100 .
예를 들어, 프로세서(130)는 CPU, 램(RAM), 롬(ROM), 시스템 버스를 포함할 수 있다. 본 발명의 일 실시 예에 따라, 프로세서(130)는 디지털 신호를 처리하는 디지털 시그널 프로세서(digital signal processor(DSP), 마이크로 프로세서(microprocessor), TCON(Time controller)으로 구현될 수 있다. 다만, 이에 한정되는 것은 아니며, 중앙처리장치(central processing unit(CPU)), MCU(Micro Controller Unit), MPU(micro processing unit), 컨트롤러(controller), 어플리케이션 프로세서(application processor(AP)), 또는 커뮤니케이션 프로세서(communication processor(CP)), ARM 프로세서 중 하나 또는 그 이상을 포함하거나, 해당 용어로 정의될 수 있다. 또한, 프로세서(130)는 프로세싱 알고리즘이 내장된 SoC(System on Chip), LSI(large scale integration)로 구현될 수도 있고, FPGA(Field Programmable gate array) 형태로 구현될 수도 있다.For example, the processor 130 may include a CPU, RAM, ROM, and a system bus. According to an embodiment of the present invention, the processor 130 may be implemented as a digital signal processor (DSP), a microprocessor, or a time controller (TCON) that processes digital signals. However, this It is not limited to, a central processing unit (CPU), a micro controller unit (MCU), a micro processing unit (MPU), a controller, an application processor (AP), or a communication processor ( communication processor (CP)), an ARM processor, or may include one or more of the ARM processor 130. In addition, the processor 130 may include a System on Chip (SoC) with a built-in processing algorithm, a large scale integration (LSI) ), or may be implemented in the form of a Field Programmable Gate Array (FPGA).
본 발명의 프로세서(130)에 대하여는 도 3을 통해 자세히 설명하기로 한다. The processor 130 of the present invention will be described in detail with reference to FIG. 3 .
도 3은 본 발명의 일 실시예에 따른 프로세서의 구성 요소를 설명하기 위한 블록도이다.3 is a block diagram for explaining components of a processor according to an embodiment of the present invention.
도 3을 참조하면, 프로세서(130)는 획득부(131), 추출부(132), 샘플링부(133), 분류부(134) 및 제공부(135)를 포함할 수 있다. Referring to FIG. 3 , the processor 130 may include an acquisition unit 131 , an extraction unit 132 , a sampling unit 133 , a classification unit 134 , and a provision unit 135 .
본 발명의 획득부(131)는 선적서류를 획득하기 위한 구성이다. 특히, 본 발명의 선적서류는 상업송장(Commercial invoice), 포장명세서(Pecking list) 및 오퍼시트(Offer sheet) 중 적어도 하나일 수 있다. 다만, 이는 일예에 불과할 뿐, 획득부(131)는 선하증권(Bill of lading; B/L), 보험증권(Insurance policy) 등 다양한 유형의 선적서류를 획득할 수 있다. Acquisition unit 131 of the present invention is a component for acquiring shipping documents. In particular, the shipping document of the present invention may be at least one of a commercial invoice, a packing list, and an offer sheet. However, this is only an example, and the acquiring unit 131 may acquire various types of shipping documents such as a bill of lading (B/L) and an insurance policy.
본 발명의 추출부(132)는 선적서류에 포함된 적어도 하나의 텍스트 각각에 대한 위치를 추출할 수 있다. The extraction unit 132 of the present invention may extract the position of each of the at least one text included in the shipping document.
본 발명의 일 실시예에 따르면, 추출부(132)는 선적서류에 기재된 적어도 하나의 텍스트를 포함하는 다각형 도형을 식별할 수 있다. 추출부(132)는 상기 다각형 도형의 위치를 기초로 적어도 하나의 텍스트 각각에 대한 위치를 추출할 수 있다. According to an embodiment of the present invention, the extraction unit 132 may identify a polygonal figure including at least one text written in a shipping document. The extraction unit 132 may extract a position of each of the at least one text based on the position of the polygonal figure.
선택적 실시예에 따른 추출부(132)는 다각형 도형의 모서리 좌표 간의 연결 형태를 기준으로 샘플링 적합성을 판별하고, 실제 좌표를 설정해서 텍스트 위치를 추출한다. 추출부(132)가 추출한 텍스트 위치는 다각형 도형 모서리 좌표를 따른다.The extraction unit 132 according to an optional embodiment determines sampling suitability based on the connection form between the corner coordinates of the polygonal figure, and extracts the text position by setting the actual coordinates. The location of the text extracted by the extractor 132 follows the coordinates of the corners of the polygonal figure.
본 발명의 샘플링부(133)는 추출부(132)에 의해 추출된 텍스트 위치에 대해 영상처리 기법을 적용해서 텍스트 위치에 대응하는 영역을 샘플링할 수 있다. 영상처리 기법은 샘플링된 텍스트 영역에 포함될 텍스트를 분류부(134)가 보다 잘 인식할 수 있도록 적용된다. 예를 들어, 영상처리 기법은 원근 뒤틀기, 잡음 제거, 이미지 선명화 중 어느 하나 이상을 포함한다.The sampling unit 133 of the present invention may sample an area corresponding to the text position by applying an image processing technique to the text position extracted by the extraction unit 132 . The image processing technique is applied so that the classifier 134 can better recognize text to be included in the sampled text area. For example, image processing techniques include one or more of perspective warping, noise removal, and image sharpening.
선택적 실시예에 따른 샘플링부(133)는 적어도 하나의 텍스트 위치 중 제1 위치를 기준으로 기설정된 범위 내에 적어도 하나의 텍스트 위치 중 제2 위치가 존재하는 경우, 제1 위치 및 제2 위치를 하나의 텍스트 영역으로 식별하고 샘플링할 수 있다. 이에 대하여는 추후에 자세히 설명하기로 한다. According to an optional embodiment, the sampling unit 133 selects the first position and the second position as one when the second position among the at least one text position exists within a preset range based on the first position among the at least one text position. can be identified and sampled as a text area of This will be described in detail later.
본 발명의 분류부(134)는 샘플링부(133)에 의해 샘플링된 텍스트 영역에 대해 광학 문자 판독 기술을 이용하여 텍스트를 인식할 수 있다. 광학 문자 판독 기술은 OCR 방법을 이용한다. The classification unit 134 of the present invention may recognize text using optical character reading technology for the text area sampled by the sampling unit 133 . Optical character reading technology uses the OCR method.
본 발명의 일 실시예에 따른 분류부(134)는 샘플링된 텍스트 영역에서 텍스트를 인식할 수 있고, 인식된 텍스트 및 텍스트 위치를 인공지능 모델에 입력할 수 있다. 이때, 인공지능 모델은 텍스트 및 텍스트의 위치 정보가 입력되면, 해당 텍스트를 포함하는 선적서류의 분류에 대한 정보를 출력하도록 학습된 것일 수 있다. The classification unit 134 according to an embodiment of the present invention may recognize text in the sampled text area, and input the recognized text and text position to an artificial intelligence model. In this case, the artificial intelligence model may be learned to output information about classification of a shipping document including the text when text and location information of the text are input.
예를 들면, 분류부(134)는 'INVOICE'라는 텍스트 및 제목 위치 정보가 입력되면, 해당 선적서류가 상업송장(Commercial Invoice)인 것으로 분류할 수 있다. For example, if the text 'INVOICE' and title location information are input, the classification unit 134 may classify the corresponding shipping document as a commercial invoice.
제목 위치는 특정한 위치에 대응하고, 이러한 특정한 위치는 여러가지 기준에 따라 설정될 수 있지만, 일 실시예로는 제목 위치는 설정될 수 있다. The title position corresponds to a specific position, and this specific position may be set according to various criteria, but in one embodiment, the title position may be set.
이렇게 구현함으로써 선적서류를 좀더 직관적이고 체계적으로 분류할 수 있기 때문이다. 또한 제목의 위치가 아니더라도, 문서의 종결시에 기재되는 문서 발행처의 출처 영역 등이 공통적으로 기재되어 있다면 해당 부분들을 특정한 위치로 잡을 수도 있다. 이러한 문서의 예로는 포장명세서(Pecking list) 및 오퍼시트(Offer sheet) 등이 있다. 특정한 위치는 문서가 가지는 특성에 따라 변경이 가능한 것이며, 상술한 예시에 국한되지 않는다.This is because shipping documents can be more intuitively and systematically classified by this implementation. In addition, even if it is not the position of the title, if the source area of the document publisher described at the end of the document is commonly described, the corresponding parts may be set to a specific position. Examples of such documents include packing lists and offer sheets. The specific location can be changed according to the characteristics of the document, and is not limited to the above example.
본 발명의 제공부(135)는 상기 분류부(134)를 통해 분류된 선적 서류의 분류 정보를 기초로 물류 절차에 대한 정보를 제공하기 위한 구성이다. The provision unit 135 of the present invention is a component for providing information on logistics procedures based on the classification information of the shipping documents classified through the classification unit 134.
제공부(135)는 메모리(120)에 기 저장된 물류 절차 정보 중 상기 분류 정보에 매칭되는 물류 절차 정보를 제공할 수 있다. The providing unit 135 may provide logistics procedure information that matches the classification information among the logistics procedure information pre-stored in the memory 120 .
구체적으로 제공부(135)는 인식된 텍스트 및 텍스트 위치를 인공지능 모델에 입력할 수 있다. 이때, 인공지능 모델은 텍스트 및 텍스트의 위치 정보가 입력되면, 해당 텍스트를 포함하는 선적서류의 분류에 대응하여, 물류 절차도 및 물류 절차 정보를 출력하도록 학습된 것일 수 있다. In detail, the providing unit 135 may input the recognized text and text position to the artificial intelligence model. In this case, the artificial intelligence model may be learned to output a logistics procedure diagram and logistics procedure information in response to a classification of a shipping document including the text when text and location information of the text are input.
예를 들면, 인공지능 모델은 인식된 텍스트 및 텍스트 위치가 입력되면, 해당 선적서류를 특정 서류로 분류하고, 수출입 물류 여부, 해상 물류 및 항공 물류 여부 등에 대한 정보를 식별하고, 이에 대응하는 물류 절차도 및 물류 절차 정보를 출력할 수 있다. For example, when the recognized text and text position are input, the artificial intelligence model classifies the shipping document as a specific document, identifies information on import/export logistics, maritime logistics, and air logistics, and responds to the logistics procedure. It can output diagram and logistics process information.
도 4는 본 발명의 일 실시예에 따른 물류 지원 서버가 선적서류를 자동 분류하고, 이에 대응하는 물류 절차 정보를 제공하는 것을 설명하기 위한 간단한 흐름도이다. 4 is a simple flow chart illustrating that a logistics support server automatically classifies shipping documents and provides corresponding logistics procedure information according to an embodiment of the present invention.
본 발명의 물류 지원 서버(100)는 물류 업자 단말(300)로부터 선적서류를 획득할 수 있다(S410). 이때, 물류 지원 서버(100)는 다양한 텍스트를 포함하는 선적서류에 대한 이미지를 수신하는 것일 수 있다. The logistics support server 100 of the present invention may obtain shipping documents from the logistics provider terminal 300 (S410). At this time, the logistics support server 100 may receive images of shipping documents including various texts.
본 발명의 물류 지원 서버(100)는 선적서류에 포함된 텍스트에 대한 위치를 추출할 수 있다(S420). 물류 지원 서버(100)는 각각의 텍스트를 포함하는 다각형 도형을 식별함으로써, 텍스트의 위치를 추출할 수 있다. Logistics support server 100 of the present invention can extract the location of the text included in the shipping document (S420). The logistic support server 100 may extract the position of the text by identifying polygonal figures including each text.
선택적 실시예에 따르면, 물류 지원 서버(100)는 위치 식별을 위한 인공지능 모델을 통해서 상기 텍스트의 위치를 식별할 수 있다. According to an optional embodiment, the logistic support server 100 may identify the location of the text through an artificial intelligence model for location identification.
본 발명의 물류 지원 서버(100)는 상기 텍스트 위치에 대응하는 텍스트 영역을 식별할 수 있고, 텍스트 영역에 대하여 샘플링을 수행할 수 있다(S430). The logistic support server 100 of the present invention may identify a text area corresponding to the text position and perform sampling on the text area (S430).
물류 지원 서버(100)는 샘플링 수행 후 텍스트 영역에 포함된 텍스트를 인식할 수 있다. 이때, 물류 지원 서버(100)는 OCR과 같은 광학 문자 판독 기술을 통해 텍스트를 인식할 수 있다. After performing sampling, the logistics support server 100 may recognize text included in the text area. At this time, the logistics support server 100 may recognize text through an optical character reading technology such as OCR.
본 발명의 물류 지원 서버(100)는 텍스트의 위치 정보 및 인식된 텍스트 정보를 인공지능 서버에 입력하여, 선적서류를 분류하고(S440), 분류정보에 대응하여 물류절차를 제공할 수 있다(S450).The logistics support server 100 of the present invention may input text location information and recognized text information to an artificial intelligence server, classify shipping documents (S440), and provide logistics procedures in response to the classification information (S450). ).
특히, 본 발명의 일 실시예에 따르면, 물류 지원 서버(100)는 선적서류에 포함된 제목, 상품명, 물품수량, 수입업자, 수출업자, 쉬퍼(Shipper) 등에 대한 텍스트 정보를 인식할 수 있고, 상기 텍스트 정보 중 적어도 하나를 통해 해당 선적서류가 수출/수입 물류에 관한 것인지, 해상/항공 물류에 관한 것인지 분류할 수 있다. 또한, 물류 지원 서버(100)는 상기 선적서류의 분류에 따른 물류 절차도 및 절차 내용을 제공할 수 있다. In particular, according to one embodiment of the present invention, the logistics support server 100 can recognize text information about the title, product name, product quantity, importer, exporter, shipper, etc. included in the shipping document, Through at least one of the text information, it is possible to classify whether the corresponding shipping document is related to export/import logistics or maritime/air logistics. In addition, the logistics support server 100 may provide a logistics procedure diagram and procedure contents according to the classification of the shipping document.
즉, 물류 지원 서버(100)는 물류 업자 단말(300)이 단순히 선적서류를 입력하는 것만으로도, 해당 선적서류의 분류 정보, 물류 절차도 및 절차 내용을 제공할 수 있다. 이를 통해, 본 발명의 물류 지원 시스템(1)은 무역 업계의 비전문가도 쉽게 절차에 대한 내용을 숙지할 수 있도록 도울 수 있다는 효과가 있다. That is, the logistics support server 100 may provide classification information of the corresponding shipping document, a logistics procedure diagram, and procedure details even when the logistics company terminal 300 simply inputs the shipping document. Through this, the logistics support system 1 of the present invention has an effect that it can help non-experts in the trade industry to easily learn the contents of the procedure.
도 5a 내지 도 5d는 본 발명의 일 실시예에 따른 물류 지원 서버가 텍스트 영역을 샘플링하는 방법을 설명하기 위한 도면이다.5A to 5D are diagrams for explaining a method of sampling a text area by a logistics support server according to an embodiment of the present invention.
물류 지원 서버(100)는 도 5a와 같이 '상품 A'라는 3음절의 텍스트에 대하여, 도 5b와 같이 각각의 음절을 포함하는 위치 정보(500, 510, 520)를 식별할 수 있다. The logistics support server 100 may identify location information 500 , 510 , and 520 including each syllable as shown in FIG. 5B with respect to the text of three syllables called 'Product A' as shown in FIG. 5A .
물류 지원 서버(100)는 텍스트를 각각 포함하는 다각형 도형 좌표를 설정해서 텍스트 위치를 추출한다. 도 5a 내지 도 5d의 실시예에서는 상기 다각형 도형이 사각형인 실시예를 도시한다. 물류 지원 서버(100)는 전체 이미지 샘플링, 좌표 추론, 텍스트 위치 출력을 순차적으로 수행한다.The logistics support server 100 extracts the text position by setting coordinates of each polygonal figure including text. 5A to 5D show examples in which the polygonal figure is a quadrangle. The logistics support server 100 sequentially performs sampling of the entire image, inference of coordinates, and output of the text location.
물류 지원 서버(100)는 이미지 전체를 최초 좌표로 설정하고 문서 이미지 전체에 대해 이미지 샘플링을 실행한다.The logistics support server 100 sets the entire image as initial coordinates and executes image sampling for all document images.
선택적 실시예에 따르면, 물류 지원 서버(100)는 샘플링 이미지를 위치 식별 인공지능 모델에 입력하고, 다각형 도형 모서리 좌표 추론값을 출력한다. 위치 식별 인공지능 모델은 딥러닝 방법으로 샘플링 이미지를 입력받고, 다각형 도형 모서리 좌표 추론값을 출력한다. 물류 지원 서버(100)는 위치 식별 인공지능 모델로부터의 좌표 추론값에 좌표의 배열을 적용해서 다각형 도형 모서리 좌표를 출력한다.According to an optional embodiment, the logistic support server 100 inputs the sampled image to the location identification artificial intelligence model and outputs a polygon figure corner coordinate inference value. The location identification artificial intelligence model receives a sampled image as an input using a deep learning method and outputs a polygon figure corner coordinate inference value. The logistics support server 100 applies an array of coordinates to the coordinate inference value from the location identification artificial intelligence model and outputs polygonal figure corner coordinates.
이때, 샘플링 이미지는 위치 식별 인공지능 모델에서 입력받을 수 있는 해상도로 이미지 처리될 수 있다. 위치 식별 인공지능 모델이 높은 해상도를 가지면 샘플링 이미지도 그에 맞는 해상도가 사용될 수 있다. At this time, the sampling image may be image-processed at a resolution that can be input from the location identification artificial intelligence model. If the location identification AI model has a high resolution, the sampling image may also have a resolution suitable for it.
물류 지원 서버(100)는 각각의 텍스트를 포함하는 다각형 도형의 모서리 좌표를 추론하고, 추론 좌표 간의 연결 형태인 다각형 도형 모서리 좌표를 나타내는 특징을 이용한다. The logistic support server 100 infers corner coordinates of polygonal figures including each text, and uses a feature indicating polygonal figure corner coordinates, which is a connection form between the inferred coordinates.
즉, 다각형 도형 모서리 좌표에서 나타나는 X값, Y 값 사이의 크고 작음이 적용된다. 예를 들어, 위치 정보(520)에서 다각형 도형 모서리 좌표는 좌상(521), 우상(522), 우하(523), 좌하(524)이다. 좌측 상단 좌표(521)와 우측 상단 좌표(522) 사이에는 X값이 증가하고, 좌측 상단 좌표(521)와 좌측 하단 좌표(524) 사이에는 Y값이 증가할 수 있다.That is, the large and small values between the X value and Y value appearing in the coordinates of the corners of the polygon figure are applied. For example, in the location information 520, the polygonal figure corner coordinates are upper left 521, upper right 522, lower right 523, and lower left 524. An X value may increase between the upper left coordinate 521 and the upper right coordinate 522 , and a Y value may increase between the upper left coordinate 521 and the lower left coordinate 524 .
선택적 실시예로, 물류 지원 서버(100)는 좌상 다각형 도형 모서리 추론 좌표값(예로, 33,35)에서 우상 다각형 도형 모서리 추론 좌표값(예로, 60,41)을 향해 X값만을 증가시켜 가상 좌표값(60,35)을 설정하고, 가상 좌표값(60, 35)과 좌상 다각형 도형 모서리 추론 좌표값(33,35)을 연결한 가상 선이 텍스트와 교차하면 지나면, 우상 다각형 도형 모서리 추론 좌표값(60,41)의 Y값(41) 방향으로 Y값을 점차적으로 증가시킬 수 있다. As an optional embodiment, the logistic support server 100 increases only the X value from the upper left polygon figure edge inferred coordinate values (eg, 33,35) toward the upper right polygon figure edge inferred coordinate values (eg, 60,41) to obtain virtual coordinates. If the value (60, 35) is set and the imaginary line connecting the virtual coordinate value (60, 35) and the inferred coordinate value (33, 35) of the upper left polygon figure corner crosses the text, the inferred coordinate value of the upper right polygon figure corner The Y value can be gradually increased in the direction of Y value (41) of (60,41).
물류 지원 서버(100)는 가상 선이 텍스트와 교차하지 않는 가상 좌표값을 우상 다각형 도형 모서리 좌표값으로 획득할 수 있다. 이후, 물류 지원 서버(100)는 동일한 방법으로 다각형 도형 모서리 좌표값을 획득하고, 각각의 텍스트에 대한 위치를 획득할 수 있다. The logistic support server 100 may obtain a virtual coordinate value in which the virtual line does not intersect the text as the coordinate value of the corner of the upper right polygonal figure. Thereafter, the logistic support server 100 may acquire the coordinate values of the corners of the polygonal figure and obtain the position of each text in the same way.
한편, 물류 지원 서버(100)는 각각의 텍스트 위치 정보(500, 510, 520) 각각을 기준으로 기설정된 거리 내에 다른 위치 정보가 존재하는 경우, 하나의 위치 정보로 판단할 수 있다. On the other hand, the logistic support server 100 may determine that the text location information 500 , 510 , and 520 as one location information when other location information exists within a preset distance.
예로, 제1 위치 정보(500)와 제2 위치 정보(510) 간의 거리(a)가 기설정된 거리인 경우, 하나의 위치로 판단하여, 제4 위치 정보(530)를 획득할 수 있다. 반면, 제2 위치 정보(510)와 제3 위치 정보(520) 간의 거리(b)가 기설정된 거리 이상인 경우, 별개의 위치로 판단할 수 있다. 본 예시에서는 물류 지원 서버(100)는 제3 위치 정보(520) 및 제4 위치 정보(530)을 텍스트의 위치 정보로 획득할 수 있다.For example, when the distance (a) between the first location information 500 and the second location information 510 is a preset distance, the fourth location information 530 may be acquired by determining it as one location. On the other hand, if the distance (b) between the second location information 510 and the third location information 520 is greater than or equal to a predetermined distance, it may be determined as a separate location. In this example, the logistic support server 100 may obtain the third location information 520 and the fourth location information 530 as location information of text.
본 발명의 일 실시예에 따른 물류 지원 서버(100)는 제3 위치 정보(520)를 제1 텍스트 영역, 제4 위치 정보(530)는 제2 텍스트 영역으로 식별할 수 있다. The logistic support server 100 according to an embodiment of the present invention may identify the third location information 520 as a first text area and the fourth location information 530 as a second text area.
도 6a 및 도 6b는 본 발명의 일 실시예에 따른 물류 지원 서버가 선적서류를 입력받고, 위치 정보를 획득한 후, 선적서류를 분류하는 것을 나타낸다. 6A and 6B show that the logistics support server according to an embodiment of the present invention receives shipping documents, obtains location information, and then classifies the shipping documents.
물류 지원 서버(100)가 도 6a 및 6b와 같은 서류를 입력받으면, 텍스트 영역(610, 내지 690)을 식별할 수 있고, 텍스트 영역을 샘플링할 수 있다. 도 6a 및 도 6b에서는 예시적으로 텍스트 영역을 표시하였으나, 본 발명의 물류 지원 서버(100)는 입력된 선적서류에 포함된 모든 텍스트에 대하여 텍스트 영역을 획득할 수 있고, 샘플링할 수 있다. When the logistics support server 100 receives documents as shown in FIGS. 6A and 6B , text areas 610 to 690 may be identified and the text areas may be sampled. 6A and 6B exemplarily display a text area, but the logistic support server 100 of the present invention may acquire and sample text areas for all texts included in the input shipping document.
물류 지원 서버(100)는 샘플링된 텍스트 영역을 광학 문자 판독 기술을 통해 텍스트 정보를 인식할 수 있다. 특히, 본 발명의 물류 지원 서버(100)는 인식된 텍스트 정보 및 텍스트 위치 정보를 제1 인공지능 모델에 입력하고, 제1 인공지능 모델이 출력하는 선적서류 분류 정보를 획득할 수 있다. 이때, 텍스트 위치 정보는 선적서류 전체 이미지 좌표를 기준으로 각각의 텍스트가 위치하고 있는 좌표에 대한 정보일 수 있다. The logistics support server 100 may recognize text information in the sampled text area through optical character reading technology. In particular, the logistic support server 100 of the present invention may input recognized text information and text location information to the first artificial intelligence model, and obtain shipping document classification information output from the first artificial intelligence model. In this case, the text position information may be information on coordinates where each text is located based on the coordinates of the entire image of the shipping document.
예를 들어 도 6a를 참조하면, 본 발명의 제1 인공지능 모델은 인식된 텍스트 정보가 'COMMERCIAL INVOICE'이고, 텍스트 위치 정보가 특정 위치(예로, 전체서류 이미지 좌표의 Y값 중 75% 이상인 Y값을 가지는 위치)인 경우, 해당 선적서류가 상업송장인 것으로 분류할 수 있다. For example, referring to FIG. 6A, in the first artificial intelligence model of the present invention, the recognized text information is 'COMMERCIAL INVOICE', and the text position information is a specific location (eg, Y value of 75% or more of the Y value of the entire document image coordinates). location with a value), the shipping document can be classified as a commercial invoice.
또한, 도 6b를 참조하면, 본 발명의 제1 인공지능 모델은 인식된 텍스트 정보가 'PURCHASE ORDER'이고, 해당 텍스트의 위치 정보가 특정 위치(예로, 전체서류 이미지 좌표의 Y값 중 80% 이상인 Y값을 가지는 위치)인 경우, 해당 선적서류가 계약서 양식인 것으로 분류할 수 있다.In addition, referring to FIG. 6B, in the first artificial intelligence model of the present invention, the recognized text information is 'PURCHASE ORDER', and the location information of the text is a specific location (eg, 80% or more of the Y values of the entire document image coordinates) position with value Y), the corresponding shipping document can be classified as a contract form.
도 6a 및 도 6b는 일 실시예에 불과하고, 물류 지원 서버(100)에는 해상 선하증권 양식, 항공 선하증권 양식과 같은 다양한 선적서류가 입력될 수 있고, 제1 인공지능 모델은 인식된 텍스트 정보 및 텍스트 위치 정보를 기초로 선적서류를 분류할 수 있다. 6A and 6B are just examples, and various shipping documents such as a marine bill of lading form and an air bill of lading form can be input to the logistics support server 100, and the first artificial intelligence model is the recognized text information. And it is possible to classify the shipping document based on the text location information.
한편, 선택적 실시예에 따른 물류 지원 서버(100)는 입력된 선적서류에 관한 다양한 텍스트 정보를 획득할 수 있다. 이때, 텍스트 정보는 선적서류의 제목뿐만 아니라, 수출자(Exporter) 상호, 수출자 주소, 수출자 연락처, 수출자 이메일, 수입자(Importer) 상호, 수입자 상호, 수입자 주소, 수입자 연락처, 수입자 이메일, 수출국가, 수입국가, 화물명, HS CODE, 상품명, 수량, 원산지, 지불정보 중 적어도 하나를 포함할 수 있고, 이외에도 다양한 텍스트 정보를 포함할 수 있다. Meanwhile, the logistics support server 100 according to an optional embodiment may obtain various text information about the input shipping document. At this time, the text information includes not only the title of the shipping document, but also the exporter's name, exporter's address, exporter's contact information, exporter's email, importer's name, importer's name, importer's address, importer's contact information, importer's email, exporting country, and importing country. , cargo name, HS CODE, product name, quantity, country of origin, and payment information, and may include various text information.
본 일 실시예에 따른 물류 지원 서버(100)는 샘플링 수행 후 텍스트 영역에서 OCR 광학문자판독 기술로 인식된 HS 코드에 대하여, HS 코드를 검증할 수 있다. After performing sampling, the logistics support server 100 according to this embodiment may verify the HS code for the HS code recognized by the OCR optical character reading technology in the text area.
품목분류코드란 수출입 물품에 대해 HS 협약에 의해 부여되는 분류 코드로서 6자리까지는 국제적으로 공통적으로 사용되며, 7자리부터는 각 나라에서 6단위 소호의 범위 내에서 이를 세분하여 10자리까지 사용할 수 있다. 특히, HS코드는 국제 협약에 따라 통용되는 것으로, 정확한 관세를 납부하기 위해서는 수입 신고 시 올바른 HS 품목분류가 중요하다. Item classification code is a classification code given by the HS Convention for imported and exported goods. Up to 6 digits are commonly used internationally, and from 7 digits, up to 10 digits can be used by subdividing them within the scope of 6-unit subheadings in each country. In particular, the HS code is used in accordance with international agreements, and it is important to correctly classify HS items when making an import declaration in order to pay accurate customs duties.
한편, 전문직인 관세사도 정확한 HS 품목분류 결정을 위해서 방대한 량의 법적 문구를 기억하고 변경사항을 세세히 알고 있어야 하며, 또한 물품의 부속품이나 부분품과 같이 용도, 기능, 성분, 재질 및 재료 구성 등을 정확히 이해하지 못하면 분류가 어려운 부분도 상당히 많아 실제로 무역 관세 전문가도 실수 없이 모든 분야의 물품에 대해 정확한 HS 품목분류를 수행하는 것은 결코 쉬운 일이 아니다. On the other hand, professional customs brokers also need to memorize a vast amount of legal texts and be aware of changes in detail in order to accurately determine HS item classification, and also accurately determine the use, function, composition, material, and material composition of goods, such as accessories or parts of goods. There are many parts that are difficult to classify if you do not understand them, and in fact, it is not easy for trade customs experts to perform accurate HS item classification for goods in all fields without making mistakes.
즉, 일반인이 수출입 신고 시에 전문가의 도움 없이 HS 품목분류를 수행하여 선적서류에 기재하게 되는 경우, 오분류 또는 오기의 위험이 있으며, 이에 대하여 별도의 안전장치가 마련되어 있지 않은 실정이다. In other words, if the general public performs HS item classification without the help of an expert and records it in the shipping document at the time of import and export declaration, there is a risk of misclassification or mistake, and a separate safety device is not provided for this.
종래 특허등록번호 제10-1947669호(2019.02.07 등록)에는 인공지능 기계학습 기반으로 HS 품목분류를 추론 및 결정하는 방법이 개시되어 있다. 특허등록번호 제10-1947669호에는 입력된 특정 품명에 대하여, HS 추론규칙에 따라 HS 품목 추론을 수행하고, 사용자에게 추론 결과의 충족 여부를 객관식 또는 주관식 형태로 질의한다. 질의 결과, HS 품목분류가 불충족 또는 충족 여부를 판단하고, 계속하여 HS 추론 규칙 및 질의를 반복하여 최종 HS 품목분류를 결정한다. Conventional Patent Registration No. 10-1947669 (registered on February 7, 2019) discloses a method for inferring and determining HS product classification based on artificial intelligence machine learning. In Patent Registration No. 10-1947669, HS item inference is performed according to the HS inference rule for a specific product name entered, and the user is asked whether or not the inference result is satisfied in a multiple choice or subjective form. As a result of the query, it is determined whether the HS classification is unsatisfactory or satisfied, and the final HS classification is determined by repeating the HS inference rules and queries.
한편, 실제 HS 코드가 올바르게 기재되어 있는지 결정함에 있어서, 상품, 품명뿐만 아니라, 원산지, 수출자 정보 및 수입자 정보를 종합적으로 판단하여 거래 경험 상으로 유효성을 확인하는 경우가 있다. 예를 들면, HS 코드는 경합되는 경우가 있는데, 이 경우에는 거래사회에서 기타 원산지 정보 등을 비교하여 경험적으로 올바른 HS 코드를 결정하는 경우가 많다. On the other hand, in determining whether the actual HS code is correctly written, there is a case in which the validity of the product or item name, as well as the country of origin, exporter information, and importer information are comprehensively judged to confirm the validity of the transaction experience. For example, there are cases where HS codes compete. In this case, the correct HS code is often determined empirically by comparing other origin information in the trading community.
특허등록번호 제10-1947669호에는 입력되는 특정 품명, HS 추론 규칙 및 사용자에 대한 질의에 대한 응답을 기초로 HS 품목분류를 수행하고 있을뿐, 실제 거래사회에서 경합되는 HS 코드 등에 대한 판단하는데에 있어서 활용되는 정보들을 이용하지 않고 있다는 한계가 있다. In Patent Registration No. 10-1947669, HS item classification is performed based on input specific product names, HS inference rules, and responses to inquiries from users, but it is used to determine HS codes that compete in the actual trading society. There is a limitation that the information that is used is not used.
본 발명의 물류 지원 서버(100)는 선적서류에 기재된 복수의 정보들을 기초로 HS 코드의 유효성 여부를 판단할 수 있다. 구체적으로, 물류 지원 서버(100)는 인식된 HS 코드의 유효성에 대한 유효성 점수를 산출할 수 있다. 이때, 유효성 점수는 인식된 HS 코드가 오기 또는 품목 오류 없이 기재되어 있는지를 확인할 수 있는 지표가 되는 정보일 수 있다. The logistic support server 100 of the present invention may determine whether the HS code is valid based on a plurality of pieces of information described in the shipping document. Specifically, the logistic support server 100 may calculate a validity score for validity of the recognized HS code. In this case, the validity score may be information serving as an index for confirming whether the recognized HS code is described without typos or item errors.
본 발명의 일 실시예에 따른 물류 지원 서버(100)는 상기 선적서류로부터 획득한 복수의 정보들을 기초로 상기 유효성 점수를 결정할 수 있다. The logistic support server 100 according to an embodiment of the present invention may determine the validity score based on a plurality of pieces of information acquired from the shipping document.
물류 지원 서버(100)는 광학 문자 인식 등과 같은 기술을 이용하여 상기 복수의 정보(제1 정보 내지 제4 정보)를 선적서류로부터 획득할 수 있다. The logistics support server 100 may obtain the plurality of pieces of information (first to fourth information) from the shipping document using a technology such as optical character recognition.
이때, 제1 정보는 품목명 정보 또는 상품명 정보)를 포함한다. 물류 지원 서버(100)는 제1 정보를 기초로, 품목명 별 HS 품목이 대응되어 저장된 HS 속견 DB를 검색할 수 있다. HS 속견 DB는 품목명 별로 HS 코드를 구분하여, 제01류부터 제97류까지 '호'별로 구분하여 저장하고 있는 데이터베이스일 수 있으며, 관세청에서 배포된 데이터베이스를 이용할 수 있다. At this time, the first information includes item name information or product name information). Based on the first information, the logistics support server 100 may search the HS category DB in which HS items for each item name are stored in correspondence with each other. The HS category DB may be a database that stores HS codes by item name and classifies them by category from category 01 to category 97, and a database distributed by the Korea Customs Service may be used.
물류 지원 서버(100)는 HS 속견 DB에 상기 제1 정보(예로, 품목명)에 대응하는 속견 HS 코드를 식별할 수 있다. 물류 지원 서버(100)는 상기 선적서류로부터 인식된 HS 코드와 상기 식별된 속견 HS 코드간의 유사도를 판단하여 제1 유사도를 산출할 수 있다. 특히, 뮬류 지원 서버(100)는 유사도 판단 시 HS 코드 10자리 각각을 비교하여, 10~100%로 제1 유사도 정보를 산출할 수 있다. 제1 유사도 정보는 0~100 사이의 값으로 표현된다.The logistic support server 100 may identify a HS code corresponding to the first information (eg, item name) in the HS category DB. The logistic support server 100 may calculate a first similarity by determining a similarity between the HS code recognized from the shipping document and the identified HS code. In particular, the MULEU support server 100 may compare each of the 10 digit HS codes when determining the similarity, and calculate the first similarity information from 10 to 100%. The first similarity information is represented by a value between 0 and 100.
예를 들면, 품목명이 '맥주보리'인 경우, HS 속견 DB상 제10류의 제10호이며, 03호이며, 속견 HS 코드는 HSK 기준 1003.10-1000 일 수 있다. 물류 지원 서버(100)는 인식된 HS 코드가 1004.10-1000인 경우, 상기 속견 HS 코드(1003.10-1000)와 10자리 중 9자리가 같은 것으로 판별하여, 90을 제1 유사도 정보로 산출할 수 있다. 마찬가지로, 인식된 HS 코드가 1014.10-1000인 경우, 10자리 중 8자리가 일치하여 80을 제1 유사도 정보로 산출할 수 있다. For example, when the item name is 'beer barley', it is No. 10 and No. 03 of the 10th category on the HS sokdog DB, and the sokdog HS code may be HSK standard 1003.10-1000. When the recognized HS code is 1004.10-1000, the logistic support server 100 determines that 9 digits out of 10 digits are the same as the HS code 1003.10-1000, and calculates 90 as first similarity information. . Similarly, when the recognized HS code is 1014.10-1000, 80 out of 10 digits match and 80 can be calculated as the first similarity information.
본 발명의 물류 지원 서버(100)는 상기 제1 정보 및 제2 정보를 기초로, 제2 유사도 정보를 산출할 수 있다. 이때, 제2 정보는 선적서류에 기재된 것으로 인식된 '원산지 정보'일 수 있다. The logistic support server 100 of the present invention may calculate second similarity information based on the first information and the second information. In this case, the second information may be 'origin information' recognized as written in the shipping document.
물류 지원 서버(100)는 제1 정보(상품명, 품목명) 및 제2 정보(원산지)를 기초로, 상품별로 원산지가 대응된 원산지 DB를 검색할 수 있다. 이때, 원산지 DB는 거래사회에서 거래되는 국내외 품목들의 원산지 또는 제조지를 통합하여 저장하는 데이터베이스일 수 있다.The logistics support server 100 may search the country of origin DB corresponding to the country of origin for each product based on the first information (product name, product name) and the second information (country of origin). In this case, the origin DB may be a database that integrates and stores the country of origin or manufacture of domestic and foreign items traded in the trading society.
예를 들어, 물류 지원 서버(100)는 제1 정보가 자동차인 경우, 제1 정보에 대응하는 자동차의 제조국 또는 생산국가 리스트를 검색할 수 있고, 상기 제2 정보가 상기 리스트에 포함되어 있는지 여부를 판단할 수 있다. For example, when the first information is a car, the logistic support server 100 may search a country of manufacture or a list of countries of manufacture of the car corresponding to the first information, and determine whether the second information is included in the list. can judge
상기 제2 유사도 정보는 0.5 내지 1 사이의 값으로 표현될 수 있다. 일예로, 제2 정보가 제1 정보에 대응하는 리스트에 포함되어 있지 않으면 제2 유사도 정보는 0.5로 산출되고, 제2 정보가 상기 리스트에 포함되어 있는 경우 제2 유사도 정보는 1로 산출될 수 있다. The second similarity information may be expressed as a value between 0.5 and 1. For example, if the second information is not included in the list corresponding to the first information, the second similarity information may be calculated as 0.5, and if the second information is included in the list, the second similarity information may be calculated as 1. there is.
본 발명의 물류 지원 서버(100)는 제3 정보 및 제4 정보를 기초로, 각각 제3 유사도 정보 및 제4 유사도 정보를 산출할 수 있다. 이때 제3 정보는 수출자(Exporter) 상호, 수출자 주소, 수출자 연락처, 수출자 이메일, 수출국가이고, 제4 정보는 수입자(Importer) 상호, 수입자 주소, 수입자 연락처, 수입자 이메일, 수입국가일 수 있다. The logistic support server 100 of the present invention may calculate third similarity information and fourth similarity information, respectively, based on the third information and the fourth information. At this time, the third information is the exporter name, exporter address, exporter contact information, exporter email, and exporting country, and the fourth information may be importer name, importer address, importer contact number, importer email, and importing country.
물류 지원 서버(100)는 제1 정보(상품명, 품목명), 제3 정보(수출정보) 및 제4 정보(수입정보)를 기초로, 상품별 또는 품목별로 수출자-수입자가 매칭되어 저장된 거래 DB를 검색할 수 있다. 이때, 거래 DB는 거래사회에서 거래되는 특정 상품 또는 품목에 대하여, 거래가 진행되었던 수출자 정보 및 수입자 정보가 통합 저장된 데이터베이스일 수 있다. The logistics support server 100 searches a transaction DB stored in which exporters and importers are matched by product or item based on first information (product name, product name), third information (export information), and fourth information (import information). can do. At this time, the transaction DB may be a database in which exporter information and importer information in which transactions have been conducted are integrated and stored for a specific product or item traded in the trading society.
물류 지원 서버(100)는 제1 정보(상품명, 품목명)에 대하여 거래 DB에 포함된 수출자 및 수입자 거래 리스트를 획득할 수 있고, 제3 정보 및 제4 정보를 상기 거래 리스트와 비교하여 제3 유사도 정보 및 제4 유사도 정보를 획득할 수 있다. 이때, 제3 유사도 정보 및 제4 유사도 정보는 각각 0~50 사이값으로 산출될 수 있다. Logistics support server 100 may obtain the exporter and importer transaction list included in the transaction DB for the first information (product name, item name), and compare the third information and the fourth information with the transaction list to obtain a third degree of similarity. information and fourth similarity information may be obtained. In this case, the third similarity information and the fourth similarity information may each be calculated as a value between 0 and 50.
예를 들어, 상기 제1 정보에 대응하는 거래 리스트와 상기 제3 정보 중 수출자 상호, 수출자 주소, 수출 국가가 동일한 경우에는 수출자(Exporter) 상호, 수출자 주소, 수출자 연락처, 수출자 이메일, 수출국가 총 5가지 지표 중 3가지가 동일한 것으로 제3 유사도 정보는 30으로 산출될 수 있다. 마찬가지로, 상기 제1 정보에 대응하는 거래 리스트와 상기 제4 정보 중 수입자 상호, 수입 국가가 동일한 경우에는 수입자(Importer) 상호, 수입자 주소, 수입자 연락처, 수입자 이메일, 수입국가 총 5가지 지표 중 2가지가 동일한 것으로 제4 유사도 정보는 20으로 산출될 수 있다.For example, if the trade list corresponding to the first information and the exporter's name, exporter's address, and exporting country are the same among the third information, the exporter's name, exporter's address, exporter's contact information, exporter's e-mail, and exporting country are a total of 5 Since three of the indexes are the same, the third similarity information may be calculated as 30. Similarly, if the transaction list corresponding to the first information and the importer's name and importing country are the same in the fourth information, two of the five indicators is the same, the fourth similarity information can be calculated as 20.
물류 지원 서버(100)는 상기 제1 유사도 내지 제4 유사도 정보를 기초로, 최종 유효도 점수를 산출할 수 있다. The logistics support server 100 may calculate a final effectiveness score based on the first to fourth similarity information.
유효도 점수 산출식은 아내와 같다. The validity score calculation formula is the same as for wife.
이때, S는 유효성 정보 점수, A는 제1 유사도 정보(0~100), B는 제2 유사도 정보(0.5~1), C는 제3 유사도 정보(0~50), D는 제4 유사도 정보(0~50), W1 및 W2는 각각 제1 가중치 및 제2 가중치 일 수 있다. At this time, S is the validity information score, A is the first similarity information (0 to 100), B is the second similarity information (0.5 to 1), C is the third similarity information (0 to 50), and D is the fourth similarity information (0 to 50), W1 and W2 may be a first weight and a second weight, respectively.
이때, W1 가중치는 W2 가중치에 비하여, 기설정된 비율만큼 높게 설정될 수 있다. 원산지, 수출자, 수입자 정보등은 거래사회를 반영하는 상기 원산지 DB 및 상기 거래 DB가 불충분한 정보를 포함하고 있는 경우에는 유사도 정보의 신뢰도가 낮아질 수 있기 때문이다. 특히, 거래사회에 새롭게 거래되는 상품, 품목에 대하여는 물류 지원 서버(100)의 원산지 DB 및 상기 거래 DB에 반영되어 있지 않을 수 있다. 이에 따라, HS 견속 DB와 같은 기 공개된 데이터베이스를 기초로 산출된 제1 유사도 A에 높은 가중치를 가지도록 설정될 수 있다. In this case, the W1 weight may be set higher than the W2 weight by a preset ratio. This is because the reliability of the similarity information may be lowered when the origin DB and the transaction DB, which reflect the transaction society, contain insufficient information on origin, exporter, and importer information. In particular, products and items that are newly traded in the trading society may not be reflected in the origin DB and the transaction DB of the logistics support server 100 . Accordingly, it may be set to have a high weight on the first similarity A calculated on the basis of a previously published database such as the HS reference DB.
다만, 상술한 것은 일 실시예에 불과하고, 제1 가중치와 제2 가중치는 설정에 따라 유동성있게 변동될 수 있음은 물론이다.However, the above is only an example, and the first weight and the second weight can be flexibly changed according to settings, of course.
본 발명의 물류 지원 서버(100)는 유효성 점수 S가 기설정된 점수 이상인 경우, 선적서류로부터 인식된 HS 코드가 유효한 것으로 판단하고, 이후 물류절차 안내 프로세스를 진행할 수 있다. 물류 지원 서버(100)는 상기 인식된 HS 코드가 유효하지 않을 것으로 판단하고, HS 코드를 확인할 것을 안내할 수 있다. The logistic support server 100 of the present invention may determine that the HS code recognized from the shipping document is valid when the validity score S is greater than or equal to a preset score, and may then proceed with a logistic procedure guidance process. The logistics support server 100 may determine that the recognized HS code is not valid, and may guide confirmation of the HS code.
이에 따라, 본 발명에서는 입력된 선적서류에 포함된 HS 코드를 인식하고, 물류 지원 서버(100)와 연동된 DB를 통해 검증함으로써, 기재된 HS 코드의 오분류 및 오기 등을 손쉽게 재확인할 수 있다는 효과가 있다. Accordingly, in the present invention, by recognizing the HS code included in the input shipping document and verifying it through a DB linked with the logistics support server 100, the misclassification and misspelling of the HS code described can be easily reconfirmed. there is
본 발명의 물류 지원 서버(100)의 제2 인공지능 모델은 선적서류 분류 정보, 텍스트 정보 및 텍스트 위치 정보를 기초로 물류 절차 정보를 출력할 수 있다. 즉, 제2 인공지능 모델은 분류된 선적서류에 대응하는 물류 프로세스가 해상운송인지 항공운송인지 여부, 수출물류인지 수입물류인지 여부에 대한 물류 절차 정보를 출력할 수 있다. The second artificial intelligence model of the logistics support server 100 of the present invention may output logistics procedure information based on shipping document classification information, text information, and text location information. That is, the second artificial intelligence model may output logistics procedure information about whether the logistics process corresponding to the classified shipping document is maritime transport or air transport, and whether it is export logistics or import logistics.
선택적 실시예에 따른 제2 인공지능 모델은 선적서류 분류 정보, 텍스트 정보 및 텍스트 위치 정보가 입력되면, 선적서류와 관련된 물류 절차도 및 물류 절차 정보를 출력할 수 있다. The second artificial intelligence model according to an optional embodiment may output logistics procedure diagram and logistics procedure information related to the shipping document when shipping document classification information, text information, and text location information are input.
본 발명의 일 실시예에 따르면, 제1 인공지능 모델 및 제2 인공지능 모델은 별도의 모델로 구현될 수 있고, 하나의 인공지능 모델로 구현될 수 있다. 하나의 인공지능 모델로 구현되는 경우, 인공지능 모델은 선적서류에 포함된 텍스트의 텍스트 정보, 텍스트 위치 정보가 입력되면, 선적서류 분류 정보, 물류 절차 정보 및 물류 절차도를 출력할 수 있다. According to an embodiment of the present invention, the first artificial intelligence model and the second artificial intelligence model may be implemented as separate models or as one artificial intelligence model. When implemented as one artificial intelligence model, the artificial intelligence model can output shipping document classification information, logistics procedure information, and logistics procedure diagrams when text information and text location information of text included in shipping documents are input.
예를 들면, 인공지능 모델은 항공 선하증권에 포함된 텍스트 정보 및 텍스트위치 정보가 입력되면, 해당 선적서류가 항공 선하증권이라는 선적서류 분류 정보, 항공 선하증권에 대응되는 물류 절차 정보 및 상기 물류 절차 정보에 대응하는 물류 절차도를 출력할 수 있다. For example, when text information and text position information included in an air bill of lading are input, the artificial intelligence model includes shipping document classification information that the corresponding shipping document is an air bill of lading, logistics procedure information corresponding to the air bill of lading, and the logistics procedure. A logistics procedure diagram corresponding to the information can be output.
도 7a 내지 도 10는 본 발명의 일 실시예에 따른 물류 지원 서버가 제공하는 물류 절차도를 예시적으로 도시한 도면이다.7A to 10 are diagrams illustratively illustrating logistics procedure diagrams provided by a logistics support server according to an embodiment of the present invention.
도 7a 내지 도 7c는 본 발명의 물류 지원 서버(100)가 선적서류의 텍스트 정보 및 텍스트 위치 정보를 입력한 결과, 해당 선적서류가 해상운송을 통한 수출화물에 대한 서류인 것으로 분류되었을 때 제공하는 물류 절차도면의 실시예이다. 7a to 7c are provided when the logistic support server 100 of the present invention inputs the text information and text location information of the shipping document, and the corresponding shipping document is classified as a document for export cargo through maritime transportation. It is an embodiment of a logistics procedure diagram.
본 발명의 물류 지원 서버(100)는 입력된 선적서류가 해상운송을 통한 수출화물에 대한 서류인 경우, 도 7a와 같은 수출화물 유통경로에 대한 물류 절차도 및 이에 대응하는 설명을 제공할 수 있다. Logistics support server 100 of the present invention, when the input shipping document is a document for export cargo through maritime transportation, can provide a logistical procedure diagram for the distribution route of export cargo as shown in FIG. 7A and a corresponding explanation therefor. .
수출자가 수출품을 생산하고 난 후 선적하기 위해서는 선적지까지 내륙운송 절차를 거치게 되며 이에 대한 경로로는 육상운송, 철도운송, 연안운송 3개 경로가 있다. 화주의 경로선택은 화물의 양, 종류에 따라 달라질 수 있는데 보통 FCL인 경우는 육상운송, 철도수송, 연안운송으로 수송되며 LCL의 경우는 육상으로 수송되어 CFS에서 컨테이너 적입 작업이 이루어진다. FCL 화물은 보통 화주 문전통관 후 수송되고 있으며 LCL 화물은 미통관 상태로 수송되어 선적지에서 통관되고 있다. 수출화물이 컨테이너 야드에 도착한 후 선사에 의해 본선 적재가 이뤄지면 수출 화물의 한국 내 운송 과정은 끝난다.After exporters produce export products, in order to ship them, they go through the inland transportation process to the place of shipment. There are three routes: land transportation, rail transportation, and coastal transportation. The route selection of the shipper may vary depending on the amount and type of cargo. Usually, in the case of FCL, it is transported by land transport, rail transport, and coastal transport. In the case of LCL, it is transported by land and container loading is performed at CFS. FCL cargoes are usually transported after customs clearance at the shipper's door, while LCL cargoes are transported without customs clearance and are cleared at the place of shipment. After the export cargo arrives at the container yard and is loaded onto the ship by the shipping company, the process of transporting the export cargo in Korea is over.
도 7b는 해당 선적서류가 수출화물 중 FCL 화물인 경우, 물류 지원 서버(100)가 추가적으로 제공하는 FCL 화물의 이동경로에 대한 물류 절차도이며, 도 7c는 해당 선적서류가 수출화물 중 LCL 화물인 경우, 물류 지원 서버(100)가 추가적으로 제공하는 LCL 화물의 이동경로에 대한 물류 절차도이다. Figure 7b is a logistics procedure diagram for the movement route of the FCL cargo additionally provided by the logistics support server 100 when the corresponding shipping document is an FCL cargo among export cargoes, and FIG. In this case, it is a logistics procedure diagram for the movement path of the LCL cargo additionally provided by the logistics support server 100.
도 7b 및 7c를 참조하면, 수출화물의 물류 프로세스는 화주의 생산 공장(shipper’s door) 출고 시점부터 시작된다. 이 때 수출화물은 화주의 자가장치장이나 타소장치장을 거칠수도 있고 곧바로 운송이 시작될 수도 있다. 시내운송을 거친 화물은 의왕, 양산 등지의 내륙화물복합운송기지(ICD)로 운송되어 부두나 공항으로 보세운송 된다. ICD를 거치지 않고 곧바로 부두로 운송되기도 한다. LCL 화물의 경우 이 과정에서 혼재 작업이 이루어진다. 이후 컨테이너 야드에 적치된 화물은 부두 내의 셔틀운송을 거쳐 선적된다.Referring to Figures 7b and 7c, the logistics process of export cargo starts from the time of shipment from the shipper's door. At this time, the export cargo may pass through the shipper's own storage yard or other storage yard, or transportation may begin immediately. Cargoes that have undergone intra-city transportation are transported to the inland freight forwarding complex (ICD) in Uiwang and Yangsan, and bonded to the pier or airport. It is also transported directly to the dock without going through the ICD. In the case of LCL cargo, consolidation is performed in this process. Then, the cargo stored in the container yard is shipped through shuttle transportation in the pier.
운송인의 입장에서 보면 수출화물의 물류는 화주가 운송인에게 운송을 의뢰하는 단계부터 시작된다. 수출화물의 운송을 의뢰받은 운송인은 위와 같은 실질적인 물류 프로세스를 진행하는 한편, 선박(또는 항공)스케줄 확인 및 수배, 예약을 진행한다.From the carrier's point of view, the logistics of export cargoes begins with the stage in which the shipper requests transportation to the carrier. The carrier requested to transport export cargo proceeds with the above practical logistics process, while checking and arranging ship (or air) schedules and making reservations.
선적 예약 이후 화주는 운송사와 운송일정 등을 협의하여 빈 컨테이너를 인수하고 컨테이너에 수출화물을 적입하게 되는데 이 과정 역시 운송인이 맡아서 하는 경우가 많다. 이후 화주(또는 운송인)는 내륙운송을 거쳐 항만이나 공항에 수출화물을 운송하게 된다.After the shipment reservation, the shipper negotiates with the carrier on the transportation schedule, takes over the empty container, and loads the export cargo into the container. In many cases, the carrier is also in charge of this process. Then, the shipper (or carrier) transports the export cargo to a port or airport through inland transportation.
본 발명의 물류 지원 서버(100)는 상술한 바와 같은 설명을 각각의 절차물류도와 함께 제공함으로써, 해상운송을 통한 수출 물류업자들에게 물류 프로세스에 대한 진입 장벽을 낮춰줄 수 있다. The logistics support server 100 of the present invention can lower the entry barrier to the logistics process to export logistics companies through maritime transport by providing the above description together with each procedural logistics diagram.
도 8a 및 도 8b는 본 발명의 물류 지원 서버(100)가 선적서류의 텍스트 정보 및 텍스트 위치 정보를 입력한 결과, 해당 선적서류가 수출화물이며, 항공운송인 것에 대한 서류인 것으로 분류되었을 때 제공하는 물류 절차도면의 실시예이다.8a and 8b are provided when the logistic support server 100 of the present invention inputs the text information and text location information of the shipping document, and the corresponding shipping document is classified as an export cargo and a document for air transport. It is an embodiment of a logistics procedure diagram.
특히, 도 8a는 수출 항공화물의 운송 절차에 대해 안내하기 위해 제공하는 절차도면이고, 도 8b는 수출 항공화물의 흐름에 대해 안내하기 위해 제공하는 절차도면이다. In particular, Figure 8a is a procedure diagram provided to guide the transport procedure of export air cargo, Figure 8b is a procedure diagram provided to guide the flow of export air cargo.
항공화물 운송(air cargo transportation)은 항공기의 화물 적재공간(space)에 화물을 탑재하고 국내외 공항(airport)에서 다른 공항까지 운송하는 서비스를 말한다.Air cargo transportation refers to the service of loading cargo into the cargo space of an aircraft and transporting it from domestic and international airports to other airports.
본 발명의 물류 지원 서버(100)는 해당 선적서류가 수출화물이며, 항공운송인 경우, 도 8a 및 도 8b와 함께 아래와 같은 설명을 추가하여 제공할 수 있다. Logistics support server 100 of the present invention may provide the following description together with FIGS. 8A and 8B when the corresponding shipping document is export cargo and is air transport.
① 수출상품의 생산이 완료되면 포워더는 운송 계획을 수립하고 해당 항공사에예약(booking)을 한다. 예약 시에는 항공운송장(air waybill)번호, 출발지/도착지, 포장개수, 각 포장상자의 중량, 부피, 상품명 등과 함께 지정 항공편에 예약을 의뢰한다.① When the production of export products is completed, the forwarder establishes a transportation plan and makes a reservation with the relevant airline. When making a reservation, request a reservation for the designated flight along with the air waybill number, place of departure/arrival, number of packages, weight, volume, and product name of each box.
② 수출서류를 준비하고 상품을 포장하여 수출통관 준비를 한다. 포장이 완료된 화물을 보세지역에 반입하고 상업송장, 포장명세서 등 서류와 함께 수출신고서에 첨부하여 관할 세관에 제출한 후 수출신고필증을 교부받는다.② Prepare export documents, pack products, and prepare for export customs clearance. The packaged cargo is brought into the bonded area, attached to the export declaration form along with documents such as commercial invoice and packing specification, submitted to the competent customs office, and an export declaration completion certificate is issued.
③ 항공사 또는 그 대리점에서 항공운송장을 발급받고 화물의 내용에 따라 적절한 라벨(label)을 붙인다. 이때 위험물, 생동물 취급에 관한 제반규정은 ICAO/IATA가 제정한 규정에 따라야 한다.③ Receive an air waybill from the airline or its agent and attach an appropriate label according to the contents of the cargo. At this time, all regulations regarding the handling of dangerous goods and live animals must comply with the regulations established by ICAO/IATA.
④ 탑재가 결정된 화물은 적하목록에 기재하고 작성된 적하목록의 세관제출용을 세관에 제출하여 화물의 반출허가를 받는다. 운송인은 적하목록의 화물반출 체크용을 가지고 화물장치장에서 탑재할 화물을 픽업하여 행선지별로 컨테이너, 팔레트 등에 적재한다. 탑재 책임자는 항공기의 운항에 필요한 자료와 수하물, 기타 화물량에 따라 탑재계획을 작성하여 탑재하여 출발한다.④ Cargoes that have been decided to be loaded are written on the manifest and submitted to customs for submission of the prepared manifest to receive permission to take out the cargo. The transporter picks up the cargo to be loaded from the cargo storage yard with a cargo release check in the manifest, and loads it on containers, pallets, etc. by destination. The person in charge of loading prepares a loading plan according to the amount of data, baggage, and other cargoes necessary for the operation of the aircraft, loads it, and departs.
본 발명의 물류 지원 서버(100)는 해당 선적서류가 수출화물이며, 항공운송이고, 수출업체의 서류인 것으로 판단하면, 아래와 같은 설명을 추가적으로 제공할 수 있다. If the logistic support server 100 of the present invention determines that the corresponding shipping document is an export cargo, an air transport, and a document of an exporter, the following explanation may be additionally provided.
① 물품의 운송을 포워더에게 맡기고 선적서류를 작성한 다음 이를 관세사와 포워더에게 보낸다.① Entrust the transportation of the goods to the forwarder, fill out the shipping documents, and send them to the customs officer and the forwarder.
② 포워더에게 물품을 픽업하라고 요청한다.② Ask the forwarder to pick up the goods.
③ 관세사에게서 받은 수출면장을 포워더에게 송부한다.③ Send the export permit received from the customs broker to the forwarder.
④ 선적을 확인한 후 항공B/L 사본을 받아 체크한 후 이상이 없으면 원본을 받은 다음 포워더에 대금을 결제한다.④ After confirming the shipment, receive and check the copy of the air B/L, and if there is no problem, receive the original and pay the price to the forwarder.
⑤ 바이어에게 선적을 통지하고 결제조건에 따라 바이어로부터 대금을 회수한다.⑤ Notify the buyer of the shipment and collect the payment from the buyer according to the payment conditions.
도 9는 본 발명의 물류 지원 서버(100)가 선적서류의 텍스트 정보 및 텍스트 위치 정보를 입력한 결과, 해당 선적서류가 항공운송을 통한 수입화물에 대한 서류인 것으로 분류되었을 때 제공하는 물류 절차도면의 실시예이다. 9 is a logistics procedure diagram provided when the logistics support server 100 of the present invention inputs text information and text location information of a shipping document and classifies the corresponding shipping document as a document for imported cargo through air transportation. is an embodiment of
도 10은 본 발명의 물류 지원 서버(100)가 선적서류의 텍스트 정보 및 텍스트 위치 정보를 입력한 결과, 해당 선적서류가 해상운송을 통한 수입화물에 대한 서류인 것으로 분류되었을 때 제공하는 물류 절차도면의 실시예이다. 10 is a logistic procedure diagram provided when the logistics support server 100 of the present invention inputs text information and text location information of a shipping document and classifies the corresponding shipping document as a document for imported cargo through sea transportation. is an embodiment of
본 발명의 물류 지원 서버(100)는 해당 선적서류가 수입화물이며, 해상운송이고, FCL 화물에 대한 서류인 것으로 판단하면, 아래와 같은 설명을 추가적으로 제공할 수 있다. If the logistic support server 100 of the present invention determines that the corresponding shipping document is an import cargo, a maritime transport, and a FCL cargo document, the following description may be additionally provided.
① 부두에서 보세운송으로 부두 직반출 (컨테이너 내장물품의 부두 보세운송)① Direct shipment from the wharf to the wharf by bonded transportation (wharf bonded transportation of containerized goods)
② 부두 통관 후 부두 직반출 ( 컨테이너 내장물품의 부두 통관)② Direct export from the pier after customs clearance at the pier (customs clearance for items inside the container)
③ 부두양하 → 보세운송ㆍ타소장치 허가 → 철도이용 보세운송 → 부산진역 경유 → 의왕ICD → 화물차 하차 → (일시장치) → 트럭 → 상차 → 화주 문전 도착 → 수입통관 → 컨테이너 내장물품 인출 → 공컨테이너 반환③ Unloading at the wharf → Permission for bonded transportation/placement storage → Bonded transportation by rail → Via Busanjin Station → Uiwang ICD → Get off the truck → (temporary storage) → Truck → Loading → Arrive at the shipper’s door → Import customs clearance → Take out goods inside the container → Return the empty container
④ 부두양하 → 게이트반출 → ODCY반입 → 장치 → 수입 통관 → 화주화물 반출 → 화주 문전 수송④ Unloading at the wharf → Exiting the gate → Carrying in ODCY → Equipment → Import customs → Cargo delivery to the shipper → Transportation to the shipper's door
⑤ 부두양하 → 게이트반출 → ODCY반입 → 보세운송ㆍ타소장치 허가 → 도로 보세운송 → 화주 문전 수입통관 → 컨테이너 내장물품 인출 → 공컨테이너 반환⑤ Unloading at the wharf → Taking out the gate → Carrying in ODCY → Permission for bonded transportation/placement device → Road bonded transportation → Import customs clearance at the door of the shipper → Withdrawal of goods inside the container → Return of empty container
본 발명의 물류 지원 서버(100)는 해당 선적서류가 수입화물이며, 해상운송이고, LCL 화물에 대한 서류인 것으로 판단하면, 아래와 같은 설명을 추가적으로 제공할 수 있다. If the logistic support server 100 of the present invention determines that the corresponding shipping document is an import cargo, a maritime transport, and a document for an LCL cargo, the following description may be additionally provided.
① 부두통관 : 터미널 양하 → 구내이송 → CFS입고 → 반입신고 → 수입통관 → 화주별 또는 B/L별컨테이너 내장물품 인출 → 필요시 검수, 검량, 감정 → 화주의 화물반출① Pier customs clearance: Unloading at the terminal → Transporting within the premises → CFS warehousing → Carry-in declaration → Import customs clearance → Withdrawal of internal goods by shipper or B/L container → Inspection, weighing, appraisal if necessary → Shipper's cargo release
② ODCY통관 : 터미널 양하 → 터미널 게이트 반출 → 셔틀운송 → ODCY반입 Gate Log 작성 →CFS 반입 → 수입통관 → 컨테이너 내장물품 인출 → 필요시 검수, 검량, 감정 → 화주의 화물반출② ODCY Customs Clearance: Terminal unloading → Terminal gate export → Shuttle transportation → ODCY Carry-in Gate Log creation → CFS Carrying in → Import customs clearance → Withdrawal of items inside the container → Inspection, weighing, appraisal if necessary → Shipper's cargo removal
상술한 바와 같이 본 발명의 물류 지원 서버(100)는 선적서류만을 입력하더라도, 인공지능 모델을 이용하여, 용이하게 선적서류에 대응하는 물류 절차도 및 물류 프로세스에 대한 설명을 제공할 수 있다. As described above, the logistics support server 100 of the present invention can easily provide a logistics procedure diagram corresponding to the shipping documents and a description of the logistics process using an artificial intelligence model even if only shipping documents are input.
이를 통해, 정보의 불균형이 발생되고 있는 수출입 물류 산업의 문제점을 해결하고, 중소기업의 수출입 물류 시장 참여의 기회를 제공할 수 있다.Through this, it is possible to solve the problems of the import and export logistics industry where information imbalance occurs and provide opportunities for SMEs to participate in the import and export logistics market.
한편, 상술한 본 발명의 다양한 실시 예들에 따른 방법들은, 기존 전자 장치에 설치 가능한 어플리케이션 형태로 구현될 수 있다. Meanwhile, the methods according to various embodiments of the present disclosure described above may be implemented in the form of an application that can be installed in an existing electronic device.
또한, 상술한 본 발명의 다양한 실시 예들에 따른 방법들은, 기존 전자 장치에 대한 소프트웨어 업그레이드, 또는 하드웨어 업그레이드 만으로도 구현될 수 있다. In addition, the methods according to various embodiments of the present disclosure described above may be implemented only by upgrading software or hardware of an existing electronic device.
또한, 상술한 본 발명의 다양한 실시예들은 전자 장치에 구비된 임베디드 서버, 또는 전자장치의 외부 서버를 통해 수행되는 것도 가능하다. In addition, various embodiments of the present invention described above may be performed through an embedded server included in the electronic device or an external server of the electronic device.
한편, 본 발명의 일 실시예에 따르면, 이상에서 설명된 다양한 실시예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록매체(computer readable recording medium)에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 일부 경우에 있어 본 명세서에서 설명되는 실시예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 동작을 수행할 수 있다. On the other hand, according to one embodiment of the present invention, the various embodiments described above use software, hardware, or a combination thereof to record a medium readable by a computer or similar device ( It may be implemented as software including instructions stored in a computer readable recording medium). In some cases, the embodiments described herein may be implemented in a processor itself. According to software implementation, embodiments such as procedures and functions described in this specification may be implemented as separate software modules. Each of the software modules may perform one or more functions and operations described herein.
한편, 컴퓨터(computer) 또는 이와 유사한 장치는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시 예들에 따른 장치를 포함할 수 있다. 상기 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어 하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. Meanwhile, a computer or a device similar thereto is a device capable of calling a stored command from a storage medium and operating according to the called command, and may include a device according to the disclosed embodiments. When the command is executed by a processor, the processor may perform a function corresponding to the command directly or by using other components under the control of the processor. An instruction may include code generated or executed by a compiler or interpreter.
기기로 읽을 수 있는 기록매체는, 비일시적 기록매체(non-transitory computer readable recording medium)의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다. 이때 비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.The device-readable recording medium may be provided in the form of a non-transitory computer readable recording medium. Here, 'non-temporary' only means that the storage medium does not contain a signal and is tangible, but does not distinguish whether data is stored semi-permanently or temporarily in the storage medium. In this case, the non-transitory computer-readable medium is not a medium that stores data for a short moment, such as a register, cache, or memory, but a medium that stores data semi-permanently and is readable by a device. Specific examples of the non-transitory computer readable media may include CD, DVD, hard disk, Blu-ray disk, USB, memory card, ROM, and the like.
이와 같이 본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위의 기술적 사상에 의하여 정해져야 할 것이다.In this way, the present invention has been described with reference to the embodiments shown in the drawings, but this is only exemplary, and those skilled in the art will understand that various modifications and equivalent other embodiments are possible therefrom. . Therefore, the true technical scope of protection of the present invention should be determined by the technical spirit of the appended claims.
1: 물류 지원 시스템
100: 물류 지원 서버
200: 인공지능 서버
300: 물류 업자 단말1: Logistics support system
100: logistics support server
200: artificial intelligence server
300: distribution company terminal
Claims (3)
선적서류를 획득하는 단계;
상기 선적서류에 포함된 적어도 하나의 텍스트 각각에 대한 위치를 추출하는 단계;
상기 적어도 하나의 위치에 대응하는 영역을 샘플링하는 단계;
상기 샘플링 결과를 기초로 HS 코드를 인식하고, 제1 정보, 제2 정보, 제3 정보 및 제4 정보를 획득하는 단계;
HS 속견 DB에서 상기 제1 정보에 대응되어 식별된 속견 HS 코드와 상기 샘플링 결과를 기초로 인식된 HS 코드 간의 제1 유사도 정보를 산출하고, 상기 제1 정보에 기초하여 검색된 원산지 DB의 리스트와 상기 제2 정보 간의 제2 유사도 정보를 산출하고, 상기 제1 정보에 대하여 거래 DB에 포함된 수출자 거래 리스트 및 수입자 거래 리스트를 획득하고, 상기 수출자 거래 리스트와 상기 제3 정보 간의 유사한 정도를 제3 유사도 정보로 산출하고, 상기 수입자 거래 리스트와 제4 정보 간의 유사한 정도를 제4 유사도 정보로 산출하는 단계;
상기 제1 유사도 정보 내지 제4 유사도 정보를 기초로 상기 인식된 HS 코드에 대한 유효성 정보를 산출하는 단계;
상기 유효성 정보가 기설정된 점수 이상인 경우 상기 선적서류를 분류하고, 상기 분류결과에 대응하는 물류 절차를 제공하고, 상기 유효성 정보가 기설정된 점우 미만인 경우 상기 HS 코드를 확인하는 안내를 제공하는 단계;를 포함하고,
상기 제1 정보는 상품명 및 품목명 정보이고, 상기 제2 정보는 원산지 및 제조지 정보이고, 상기 제3 정보는 수출자(Exporter) 상호, 수출자 주소, 수출자 연락처, 수출자 이메일, 수출국가 정보이고, 상기 제4 정보는 수입자(Importer) 상호, 수입자 주소, 수입자 연락처, 수입자 이메일, 수입국가 정보이며,
상기 유효성 정보를 산출하는 단계는,
아래 식을 통해 상기 제1 유사도 정보 내지 상기 제4 유사도 정보를 이용하여 상기 유효성 정보를 산출하는 단계를 포함하고,
이때, S는 유효성 정보, A는 제1 유사도 정보, B는 제2 유사도 정보, C는 제3 유사도 정보, D는 제4 유사도 정보, W1 및 W2는 각각 제1 가중치 및 제2 가중치이고,
상기 HS 속견 DB에 기초하여 생성된 상기 제1 유사도 정보에 더 높은 가중치를 가지도록 상기 제1 가중치는 상기 제2 가중치에 비하여 기설정된 비율만큼 높게 설정되는 것을 특징으로 하는 물류 지원 방법.
In the logistics support method of a logistics support system including a logistics support server,
obtaining shipping documents;
extracting the position of each of the at least one text included in the shipping document;
sampling an area corresponding to the at least one location;
Recognizing a HS code based on the sampling result and acquiring first information, second information, third information, and fourth information;
First similarity information between the HS code identified in correspondence with the first information in the HS folklore DB and the HS code recognized based on the sampling result is calculated, and a list of origin DBs retrieved based on the first information and the above Calculate second similarity information between the second information, obtain an exporter transaction list and an importer transaction list included in the transaction DB with respect to the first information, and determine the degree of similarity between the exporter transaction list and the third information as a third similarity. information, and calculating a degree of similarity between the importer transaction list and the fourth information as fourth similarity information;
calculating validity information for the recognized HS code based on the first to fourth similarity information;
Classifying the shipping documents when the validity information is equal to or greater than a preset score, providing a logistics procedure corresponding to the classification result, and providing guidance for checking the HS code when the validity information is less than a preset score; include,
The first information is product name and product name information, the second information is origin and manufacturing location information, the third information is exporter name, exporter address, exporter contact information, exporter e-mail, and export country information, 4 Information includes the name of the importer, the address of the importer, the contact information of the importer, the email address of the importer, and the information of the importing country.
In the step of calculating the validity information,
Calculating the validity information using the first to fourth similarity information through the following equation,
In this case, S is validity information, A is first similarity information, B is second similarity information, C is third similarity information, D is fourth similarity information, W1 and W2 are a first weight and a second weight, respectively;
Wherein the first weight is set higher than the second weight by a predetermined ratio so that the first similarity information generated based on the HS reference DB has a higher weight.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020230099582A KR20230118537A (en) | 2020-07-01 | 2023-07-31 | Ai-based automatic document guidance method for logistics procedures |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20200081001 | 2020-07-01 | ||
KR1020200081001 | 2020-07-01 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020230099582A Division KR20230118537A (en) | 2020-07-01 | 2023-07-31 | Ai-based automatic document guidance method for logistics procedures |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220003449A KR20220003449A (en) | 2022-01-10 |
KR102564555B1 true KR102564555B1 (en) | 2023-08-07 |
Family
ID=79347400
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210073797A KR102564555B1 (en) | 2020-07-01 | 2021-06-07 | Logistics support system using artificial intelligence and support method thereof |
KR1020230099582A KR20230118537A (en) | 2020-07-01 | 2023-07-31 | Ai-based automatic document guidance method for logistics procedures |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020230099582A KR20230118537A (en) | 2020-07-01 | 2023-07-31 | Ai-based automatic document guidance method for logistics procedures |
Country Status (1)
Country | Link |
---|---|
KR (2) | KR102564555B1 (en) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001282900A (en) * | 2000-03-31 | 2001-10-12 | Fujitsu Ltd | System for trading procedure and center for the same |
KR101883694B1 (en) * | 2017-04-13 | 2018-08-29 | 신민호 | Automation system for import-export customs procedure and adjustment |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102063036B1 (en) * | 2018-04-19 | 2020-01-07 | 한밭대학교 산학협력단 | Automatic classification apparatus and method of document type based on visual attention model implemented by deep learninig and character recognition |
-
2021
- 2021-06-07 KR KR1020210073797A patent/KR102564555B1/en active IP Right Grant
-
2023
- 2023-07-31 KR KR1020230099582A patent/KR20230118537A/en active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001282900A (en) * | 2000-03-31 | 2001-10-12 | Fujitsu Ltd | System for trading procedure and center for the same |
KR101883694B1 (en) * | 2017-04-13 | 2018-08-29 | 신민호 | Automation system for import-export customs procedure and adjustment |
Also Published As
Publication number | Publication date |
---|---|
KR20230118537A (en) | 2023-08-11 |
KR20220003449A (en) | 2022-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Palevich | The lean sustainable supply chain: how to create a green infrastructure with lean technologies | |
US20070027573A1 (en) | Systems and methods for automated parallelization of transport load builder | |
Szymonik | International logistics | |
KR102564555B1 (en) | Logistics support system using artificial intelligence and support method thereof | |
Vaculík et al. | Potential of new technologies in logistics services | |
Ting et al. | Design of an RFID-based inventory control and management system: a case study | |
Chen et al. | Rfid-based bonded warehouse for science park | |
Öztuna | Logistics 4.0 and technologic applications | |
Huynh et al. | Data analytics for intermodal freight transportation applications | |
Castro et al. | Logistics projects based on radio frequency identification: multi-criteria assessment of Brazilian aircraft industry | |
Feng et al. | Developing a digital solution to container triangulation in China | |
Wang et al. | Container Multimodal Cooperative Transportation Management Information System Based on Artificial Intelligence Technology | |
Zane et al. | Airlines’ plight: where has all the luggage gone? | |
Chun | Improving inbound visibility through shipment arrival modeling | |
Tanuputri et al. | Strategy development of importation perishable products using business process analysis at major sea port of Indonesia | |
KR102645566B1 (en) | System for providing international freight service | |
Ayasanond | Business Strategies for Enhancing the Competitiveness of Thai Air Cargo Supply Chain Management | |
Lopes | Statistical Analysis and Predictive Model for Logistics Customer Service in the Glass Industry | |
Bahr | Radio frequency identification and time-driven activity based costing: RFID-TDABC | |
US20230376884A1 (en) | Package location services and routing | |
Lacquet | Improving operational efficiency by mitigating warehouse-related challenges A case study at Ravago LP | |
Duc | Optimizing pharmaceutical company's warehouse system | |
Kern | Vocabulary Definition Definition Source | |
Vairetti et al. | Modeling and Analysis of the Port Logistical Business Processes and Categorization of Main Logistics Costs | |
Kulik et al. | Directions of development of digitalization in logistics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |