KR20230118537A - Ai 기반 물류 절차에 대한 서류 자동 안내방법 - Google Patents
Ai 기반 물류 절차에 대한 서류 자동 안내방법 Download PDFInfo
- Publication number
- KR20230118537A KR20230118537A KR1020230099582A KR20230099582A KR20230118537A KR 20230118537 A KR20230118537 A KR 20230118537A KR 1020230099582 A KR1020230099582 A KR 1020230099582A KR 20230099582 A KR20230099582 A KR 20230099582A KR 20230118537 A KR20230118537 A KR 20230118537A
- Authority
- KR
- South Korea
- Prior art keywords
- logistics
- information
- text
- support server
- shipping
- 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
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.
Description
본 발명은 AI 기반 물류 절차에 대한 서류 자동 안내방법에 관한 것으로, 구체적으로 입력된 선적서류를 기초로 물류 절차에 대한 정보를 출력 및 생성하는 물류 지원 시스템에 관한 것이다.
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.
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.
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.
이에 따라, 전통적인 물류업계 관련 종사자가 아닌 경우에도 복잡한 물류체계로 인한 정보 편차과다를 해소하고, 진입 장벽을 낮춤으로써 효율적인 무역절차를 제공하기 위한 필요성이 대두된다.
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.
또한, 본 발명의 다른 목적은 물류업계 관련 종사자가 아닌 경우에도 무역 절차를 수행할 수 있는 물류 지원 시스템을 제공하도록 하는데 있다.
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.
이에 따라, 본 발명은 물류 시장 관련 정보에 대한 정보편차를 해소하기 위해 인공 지능 시스템을 이용한 물류 지원 시스템을 제공하는 것을 목적으로 한다.
그러나 이러한 과제는 예시적인 것으로, 이에 의해 본 발명의 범위가 한정되는 것은 아니다.
본 발명의 일 실시 예에 따른 물류 지원 시스템의 물류 지원 방법은
선적서류를 획득하는 단계, 상기 선적서류에 대한 전체 이미지 샘플링을 수행하는 단계, 상기 전체 이미지 샘플링된 선적서류를 위치 식별 인공지능 모델에 입력하여, 상기 선적서류에 포함된 텍스트 각각을 포함하는 적어도 하나의 사각형 도형의 각 모서리에 대응하는 복수의 좌표(x,y) 추론값을 획득하는 단계, 상기 복수의 좌표 추론값 중 제1 좌표 추론값을 지나는 제1 가상선을 식별하는 단계, 상기 제1 가상선이 상기 텍스트와 교차하지 않는 최소 좌표값(x,y)값을 지나는 제2 가상선을 설정하고, 상기 최소 좌표값(x,y)를 모서리 좌표값을 결정하는 단계, 상기 모서리 좌표값을 기초로 상기 선적서류에 포함된 적어도 하나의 텍스트 각각에 대한 위치를 추출하는 단계, 상기 적어도 하나의 위치에 대응하는 영역을 광학 문자 인식을 수행하는 단계 및 상기 광학 문자 인식 결과를 기초로 HS 코드를 인식하고, 상기 인식된 HS 코드에 대한 유효성 정보를 기초로 안내를 제공하는 단계를 포함한다.
전술한 것 외의 다른 측면, 특징, 이점은 이하의 발명을 실시하기 위한 구체적인 내용, 청구범위 및 도면으로부터 명확해질 것이다.
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.
이를 통해, 정보의 불균형이 발생되고 있는 수출입 물류 산업의 문제점을 해결하고, 중소기업의 수출입 물류 시장 참여의 기회를 제공할 수 있다.
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.
물론 이러한 효과에 의해 본 발명의 범위가 한정되는 것은 아니다.
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.
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.
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.
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.
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.
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.
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.
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.
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.
이하에서, 첨부된 도면을 이용하여 본 발명의 다양한 실시 예들에 대하여 구체적으로 설명한다.
도 1은 본 발명의 일 실시예에 따른 물류 지원 시스템을 설명하기 위한 도면이다.
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.
이때, 물류 업자 단말(300)의 사용자인 물류 업자는 국내외 수출입 기업, 국내외 국제 물류 주선 업체 및 국내외 물류유관업체가 포함될 수 있다.
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.
특히, 물류 지원 서버(100)는 물류 업자 단말(300)로부터 수신하는 정보를 인공지능 모델을 이용하여 분류하고 절차에 대한 정보를 제공할 수 있다.
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.
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.
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.
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.
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.
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.
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.
도 2는 본 발명의 일 실시예에 따른 물류 지원 서버를 구성하는 구성 요소를 설명하기 위한 블록도이다.
도 2를 참조하면, 물류 지원 서버(100)는 통신부(110), 메모리(120) 및 프로세서(130)를 포함할 수 있다.
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.
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.
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.
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.
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.
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.
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.
본 발명의 프로세서(130)에 대하여는 도 3을 통해 자세히 설명하기로 한다.
도 3은 본 발명의 일 실시예에 따른 프로세서의 구성 요소를 설명하기 위한 블록도이다.
도 3을 참조하면, 프로세서(130)는 획득부(131), 추출부(132), 샘플링부(133), 분류부(134) 및 제공부(135)를 포함할 수 있다.
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.
본 발명의 추출부(132)는 선적서류에 포함된 적어도 하나의 텍스트 각각에 대한 위치를 추출할 수 있다.
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.
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.
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.
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.
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.
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.
예를 들면, 분류부(134)는 'INVOICE'라는 텍스트 및 제목 위치 정보가 입력되면, 해당 선적서류가 상업송장(Commercial Invoice)인 것으로 분류할 수 있다.
제목 위치는 특정한 위치에 대응하고, 이러한 특정한 위치는 여러가지 기준에 따라 설정될 수 있지만, 일 실시예로는 제목 위치는 설정될 수 있다.
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.
본 발명의 제공부(135)는 상기 분류부(134)를 통해 분류된 선적 서류의 분류 정보를 기초로 물류 절차에 대한 정보를 제공하기 위한 구성이다.
제공부(135)는 메모리(120)에 기 저장된 물류 절차 정보 중 상기 분류 정보에 매칭되는 물류 절차 정보를 제공할 수 있다.
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.
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.
도 4는 본 발명의 일 실시예에 따른 물류 지원 서버가 선적서류를 자동 분류하고, 이에 대응하는 물류 절차 정보를 제공하는 것을 설명하기 위한 간단한 흐름도이다.
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.
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.
선택적 실시예에 따르면, 물류 지원 서버(100)는 위치 식별을 위한 인공지능 모델을 통해서 상기 텍스트의 위치를 식별할 수 있다.
본 발명의 물류 지원 서버(100)는 상기 텍스트 위치에 대응하는 텍스트 영역을 식별할 수 있고, 텍스트 영역에 대하여 샘플링을 수행할 수 있다(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.
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).
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.
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.
도 5a 내지 도 5d는 본 발명의 일 실시예에 따른 물류 지원 서버가 텍스트 영역을 샘플링하는 방법을 설명하기 위한 도면이다.
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.
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.
물류 지원 서버(100)는 이미지 전체를 최초 좌표로 설정하고 문서 이미지 전체에 대해 이미지 샘플링을 실행한다.
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.
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.
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.
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.
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.
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.
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.
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.
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.
도 6a 및 도 6b는 본 발명의 일 실시예에 따른 물류 지원 서버가 선적서류를 입력받고, 위치 정보를 획득한 후, 선적서류를 분류하는 것을 나타낸다.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
본 발명의 일 실시예에 따른 물류 지원 서버(100)는 상기 선적서류로부터 획득한 복수의 정보들을 기초로 상기 유효성 점수를 결정할 수 있다.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
물류 지원 서버(100)는 상기 제1 유사도 내지 제4 유사도 정보를 기초로, 최종 유효도 점수를 산출할 수 있다.
유효도 점수 산출식은 아내와 같다.
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.
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.
다만, 상술한 것은 일 실시예에 불과하고, 제1 가중치와 제2 가중치는 설정에 따라 유동성있게 변동될 수 있음은 물론이다.
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.
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.
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.
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.
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.
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.
도 7a 내지 도 10는 본 발명의 일 실시예에 따른 물류 지원 서버가 제공하는 물류 절차도를 예시적으로 도시한 도면이다.
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.
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.
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.
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.
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.
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.
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.
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.
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.
특히, 도 8a는 수출 항공화물의 운송 절차에 대해 안내하기 위해 제공하는 절차도면이고, 도 8b는 수출 항공화물의 흐름에 대해 안내하기 위해 제공하는 절차도면이다.
항공화물 운송(air cargo transportation)은 항공기의 화물 적재공간(space)에 화물을 탑재하고 국내외 공항(airport)에서 다른 공항까지 운송하는 서비스를 말한다.
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.
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.
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.
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.
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.
본 발명의 물류 지원 서버(100)는 해당 선적서류가 수출화물이며, 항공운송이고, 수출업체의 서류인 것으로 판단하면, 아래와 같은 설명을 추가적으로 제공할 수 있다.
① 물품의 운송을 포워더에게 맡기고 선적서류를 작성한 다음 이를 관세사와 포워더에게 보낸다.
② 포워더에게 물품을 픽업하라고 요청한다.
③ 관세사에게서 받은 수출면장을 포워더에게 송부한다.
④ 선적을 확인한 후 항공B/L 사본을 받아 체크한 후 이상이 없으면 원본을 받은 다음 포워더에 대금을 결제한다.
⑤ 바이어에게 선적을 통지하고 결제조건에 따라 바이어로부터 대금을 회수한다.
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.
본 발명의 물류 지원 서버(100)는 해당 선적서류가 수입화물이며, 해상운송이고, FCL 화물에 대한 서류인 것으로 판단하면, 아래와 같은 설명을 추가적으로 제공할 수 있다.
① 부두에서 보세운송으로 부두 직반출 (컨테이너 내장물품의 부두 보세운송)
② 부두 통관 후 부두 직반출 ( 컨테이너 내장물품의 부두 통관)
③ 부두양하 → 보세운송ㆍ타소장치 허가 → 철도이용 보세운송 → 부산진역 경유 → 의왕ICD → 화물차 하차 → (일시장치) → 트럭 → 상차 → 화주 문전 도착 → 수입통관 → 컨테이너 내장물품 인출 → 공컨테이너 반환
④ 부두양하 → 게이트반출 → ODCY반입 → 장치 → 수입 통관 → 화주화물 반출 → 화주 문전 수송
⑤ 부두양하 → 게이트반출 → ODCY반입 → 보세운송ㆍ타소장치 허가 → 도로 보세운송 → 화주 문전 수입통관 → 컨테이너 내장물품 인출 → 공컨테이너 반환
본 발명의 물류 지원 서버(100)는 해당 선적서류가 수입화물이며, 해상운송이고, LCL 화물에 대한 서류인 것으로 판단하면, 아래와 같은 설명을 추가적으로 제공할 수 있다.
① 부두통관 : 터미널 양하 → 구내이송 → CFS입고 → 반입신고 → 수입통관 → 화주별 또는 B/L별컨테이너 내장물품 인출 → 필요시 검수, 검량, 감정 → 화주의 화물반출
② ODCY통관 : 터미널 양하 → 터미널 게이트 반출 → 셔틀운송 → ODCY반입 Gate Log 작성 →CFS 반입 → 수입통관 → 컨테이너 내장물품 인출 → 필요시 검수, 검량, 감정 → 화주의 화물반출
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.
이를 통해, 정보의 불균형이 발생되고 있는 수출입 물류 산업의 문제점을 해결하고, 중소기업의 수출입 물류 시장 참여의 기회를 제공할 수 있다.
한편, 상술한 본 발명의 다양한 실시 예들에 따른 방법들은, 기존 전자 장치에 설치 가능한 어플리케이션 형태로 구현될 수 있다.
또한, 상술한 본 발명의 다양한 실시 예들에 따른 방법들은, 기존 전자 장치에 대한 소프트웨어 업그레이드, 또는 하드웨어 업그레이드 만으로도 구현될 수 있다.
또한, 상술한 본 발명의 다양한 실시예들은 전자 장치에 구비된 임베디드 서버, 또는 전자장치의 외부 서버를 통해 수행되는 것도 가능하다.
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.
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.
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.
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.
1: 물류 지원 시스템
100: 물류 지원 서버
200: 인공지능 서버
300: 물류 업자 단말
100: 물류 지원 서버
200: 인공지능 서버
300: 물류 업자 단말
Claims (1)
- 물류 지원 서버를 포함하는 물류 지원 시스템의 물류 절차 안내 방법에 있어서,
선적서류를 획득하는 단계;
상기 선적서류에 대한 전체 이미지 샘플링을 수행하는 단계;
상기 전체 이미지 샘플링된 선적서류를 위치 식별 인공지능 모델에 입력하여, 상기 선적서류에 포함된 텍스트 각각을 포함하는 적어도 하나의 사각형 도형의 각 모서리에 대응하는 복수의 좌표(x,y) 추론값을 획득하는 단계;
상기 복수의 좌표 추론값 중 제1 좌표 추론값을 지나는 제1 가상선을 식별하는 단계;
상기 제1 가상선이 상기 텍스트와 교차하지 않는 최소 좌표값(x,y)값을 지나는 제2 가상선을 설정하고, 상기 최소 좌표값(x,y)를 모서리 좌표값을 결정하는 단계;
상기 모서리 좌표값을 기초로 상기 선적서류에 포함된 적어도 하나의 텍스트 각각에 대한 위치를 추출하는 단계;
상기 적어도 하나의 위치에 대응하는 영역을 광학 문자 인식을 수행하는 단계; 및
상기 광학 문자 인식 결과를 기초로 HS 코드를 인식하고, 상기 인식된 HS 코드에 대한 유효성 정보를 기초로 안내를 제공하는 단계; 를 포함하는 물류 절차 안내 방법.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20200081001 | 2020-07-01 | ||
KR1020200081001 | 2020-07-01 | ||
KR1020210073797A KR102564555B1 (ko) | 2020-07-01 | 2021-06-07 | 인공지능을 이용한 물류 지원 시스템 및 이의 물류 지원 방법 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210073797A Division KR102564555B1 (ko) | 2020-07-01 | 2021-06-07 | 인공지능을 이용한 물류 지원 시스템 및 이의 물류 지원 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20230118537A true KR20230118537A (ko) | 2023-08-11 |
Family
ID=79347400
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210073797A KR102564555B1 (ko) | 2020-07-01 | 2021-06-07 | 인공지능을 이용한 물류 지원 시스템 및 이의 물류 지원 방법 |
KR1020230099582A KR20230118537A (ko) | 2020-07-01 | 2023-07-31 | Ai 기반 물류 절차에 대한 서류 자동 안내방법 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210073797A KR102564555B1 (ko) | 2020-07-01 | 2021-06-07 | 인공지능을 이용한 물류 지원 시스템 및 이의 물류 지원 방법 |
Country Status (1)
Country | Link |
---|---|
KR (2) | KR102564555B1 (ko) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001282900A (ja) * | 2000-03-31 | 2001-10-12 | Fujitsu Ltd | 貿易手続きシステム及び貿易手続きセンター |
KR101883694B1 (ko) * | 2017-04-13 | 2018-08-29 | 신민호 | 수출입통관 및 정산 자동화 시스템 |
KR102063036B1 (ko) * | 2018-04-19 | 2020-01-07 | 한밭대학교 산학협력단 | 딥러닝과 문자인식으로 구현한 시각주의 모델 기반의 문서 종류 자동 분류 장치 및 방법 |
-
2021
- 2021-06-07 KR KR1020210073797A patent/KR102564555B1/ko active IP Right Grant
-
2023
- 2023-07-31 KR KR1020230099582A patent/KR20230118537A/ko active Application Filing
Also Published As
Publication number | Publication date |
---|---|
KR102564555B1 (ko) | 2023-08-07 |
KR20220003449A (ko) | 2022-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gregson et al. | Holding together logistical worlds: Friction, seams and circulation in the emerging ‘global warehouse’ | |
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 (ko) | 인공지능을 이용한 물류 지원 시스템 및 이의 물류 지원 방법 | |
US8622294B1 (en) | Method and apparatus for electronically organizing transport documents | |
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 | |
Castro et al. | Logistics projects based on radio frequency identification: multi-criteria assessment of Brazilian aircraft industry | |
Wang et al. | Container Multimodal Cooperative Transportation Management Information System Based on Artificial Intelligence Technology | |
Feng et al. | Developing a digital solution to container triangulation in China | |
Zane et al. | Airlines’ plight: where has all the luggage gone? | |
Belay | AfCFTA and African Air Cargo: Evaluating Effects and Proposing Seamless Logistics Solutions, with a Case Study of Ethiopian Airlines | |
Ayasanond | Business Strategies for Enhancing the Competitiveness of Thai Air Cargo Supply Chain Management | |
Tanuputri et al. | Strategy development of importation perishable products using business process analysis at major sea port of Indonesia | |
Chun | Improving inbound visibility through shipment arrival modeling | |
US20230376884A1 (en) | Package location services and routing | |
Bahr | Radio frequency identification and time-driven activity based costing: RFID-TDABC | |
Lopes | Statistical Analysis and Predictive Model for Logistics Customer Service in the Glass Industry | |
Duc | Optimizing pharmaceutical company's warehouse system | |
Lacquet | Improving operational efficiency by mitigating warehouse-related challenges A case study at Ravago LP | |
Neagoe et al. | Exploring the role of information systems in mitigating gate congestion using simulation: theory and practice at a bulk export terminal gate | |
Soyka et al. | Building sustainability into your organization (Collection) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A107 | Divisional application of patent |