KR20230168744A - 메타버스 창고 상에서 상품 담보 가치 평가 방법 및 이러한 방법을 수행하는 장치 - Google Patents

Abstract

본 발명은 메타버스 창고 상에서 상품 담보 가치 평가 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 메타버스 창고 상에서 상품 담보 가치 평가 방법은 상품 담보 가치 평가 장치가 상품 유통 데이터를 수신하는 단계와 상품 담보 가치 평가 장치가 상품 유통 데이터를 기반으로 상품 담보 가치 데이터를 결정하는 단계를 포함하되, 상품 유통 데이터는 메타버스 창고 상에서 발생되는 상품 입고 데이터, 상품 출고 데이터 및 상품 보관 데이터를 포함할 수 있다.

Description

메타버스 창고 상에서 상품 담보 가치 평가 방법 및 이러한 방법을 수행하는 장치{Method for product security valuation on metaverse warehouse and apparatus for performing the method}

본 발명은 메타버스 창고 상에서 상품 담보 가치 평가 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 보다 상세하게는 메타버스 상의 유통 데이터를 기반으로 상품 담보 가치를 평가하는 방법 및 이러한 방법을 수행하는 장치에 관한 것이다.

메타버스 플랫폼과 컨텐츠를 제공하는 주요 기업의 성장세가 이어지고 있고, 투자 및 기술 개발이 늘어나고 금융 상품이 출시되는 등 관련 시장이 확대되고 있다.

네이버의 메타버스 플랫폼 제페토의 2018년 출시 이후 이용자는 2억명을 초과하였다. 미국의 로블록스는 게임 플랫폼으로 큰 인기를 얻으며 일일 활성 이용자(DAU)가 2021년 6월 기준 4,660만 명으로 2020년 7월 대비 28% 증가했다.

페이스북, 애플, 마이크로소프트 등 글로벌 빅테크 기업들은 메타버스 분야의 기술 혁신을 위해 투자와 비전을 제시하고, 팀 개편 및 기술 기업 인수 등을 적극 추진하고 있다. 아울러 국내외 금융회사는 메타버스 관련 펀드, ETF, ETN 등 다양한 금융상품을 출시하는 등 투자에 대한 관심도 상승하고 있다.

금융업의 경우 메타버스를 통해 정보의 전달력과 고객의 편리성을 높일 수 있을 것으로 기대되며 실제 VR(가상현실), AR(증강현실) 등 메타버스와 연계된 서비스를 제공하는 금융회사가 늘고 있다.

기술의 발달로 메타버스 활용 범위가 넓어지면 금융을 포함한 여러 의사소통 활동의 기반이 모바일 환경에서 메타버스로 이동할 수 있다. 메타버스 환경이 구축될 경우 스마트폰 디스플레이라는 시각적 제약에서 벗어나고, 소통 방식도 터치에서 음성 또는 움직임으로 확장될 수 있다.

관련 기술로는 국내 출원 10-2021-0116417호가 있다.

본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.

또한, 본 발명은, 메타버스 창고 상에서 상품 담보 가치 평가하는 것을 목적으로 한다.

또한, 본 발명은, 상품 유통 데이터를 기반으로 상품 담보 가치 데이터를 결정하고, 이를 기반으로 기존에 매출 채권 외에 상품 유통 데이트를 기반으로 판매자에게 금융 서비스를 제공하는 것을 목적으로 한다.

상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.

본 발명의 일 실시예에 따르면, 메타버스 창고 상에서 상품 담보 가치 평가 방법은 상품 담보 가치 평가 장치가 상품 유통 데이터를 수신하는 단계와 상기 상품 담보 가치 평가 장치가 상기 상품 유통 데이터를 기반으로 상품 담보 가치 데이터를 결정하는 단계를 포함할 수 있다.

한편, 상기 상품 담보 가치 평가 장치가 상기 상품 유통 정보를 기반으로 상품 담보 가치 데이터를 결정하는 단계는 상품 담보 가치 평가 장치가 상품 입고 데이터 및 상품 출고 데이터를 기반으로 상품 판매 사이클 데이터 및 상품 판매율 데이터를 결정하는 단계, 상기 상품 담보 가치 평가 장치가 상품 보관 데이터를 기반으로 상품 재고율 데이터 및 상품 가치 데이터를 결정하는 단계와 상기 상품 담보 가치 평가 장치가 상품 판매 사이클 데이터, 상품 판매율 데이터, 기반으로 상품 재고율 데이터 및 상품 가치 데이터를 기반으로 상품 담보 가치 데이터를 결정하는 단계를 포함할 수 있다.

또한, 상기 상품 담보 가치 데이터를 결정하는 단계는 상기 상품 담보 가치 평가 장치가 상기 상품 판매 사이클 데이터를 예측 상품 판매 사이클 데이터로 전환하는 단계, 상기 상품 담보 가치 평가 장치가 상기 예측 상품 판매 사이클 데이터를 예측 상품 판매 수익 데이터로 전환하는 단계와 상기 상품 담보 가치 평가 장치가 상기 예측 상품 판매 수익 데이터를 기반으로 상기 상품 담보 가치 데이터를 결정하는 단계를 포함할 수 있다.

본 발명의 다른 실시예에 따르면, 메타버스 창고 상에서 상품 담보 가치 평가를 위한 상품 담보 가치 평가 장치는, 상품 유통 데이터를 수신하고, 상기 상품 유통 데이터를 기반으로 상품 담보 가치 데이터를 결정하도록 구현되고, 상품 유통 데이터는 메타버스 창고 상에서 발생되는 상품 입고 데이터, 상품 출고 데이터 및 상품 보관 데이터를 포함할 수 있다.

한편, 상품 담보 가치 평가 장치는 상기 상품 입고 데이터 및 상기 상품 출고 데이터를 기반으로 상품 판매 사이클 데이터 및 상품 판매율 데이터를 결정하고, 상기 상품 보관 데이터를 기반으로 상품 재고율 데이터 및 상품 가치 데이터를 결정하고, 상품 판매 사이클 데이터, 상품 판매율 데이터, 기반으로 상품 재고율 데이터 및 상품 가치 데이터를 기반으로 상품 담보 가치 데이터를 결정하도록 구현될 수 있다.

또한, 상기 상품 담보 가치 평가 장치는 상기 상품 판매 사이클 데이터를 예측 상품 판매 사이클 데이터로 전환하고, 상기 예측 상품 판매 사이클 데이터를 예측 상품 판매 수익 데이터로 전환하고, 상기 예측 상품 판매 수익 데이터를 기반으로 상기 상품 담보 가치 데이터를 결정하도록 구현될 수 있다.

본 발명에 의하면, 메타버스 창고 상에서 상품 담보 가치가 평가되고, 이를 기반으로 확장된 서비스가 가능할 수 있다.

또한, 본 발명에 의하면, 상품 유통 데이터를 기반으로 상품 담보 가치 데이터를 결정하고, 이를 기반으로 기존에 매출 채권 외에 상품 유통 데이트를 기반으로 판매자에게 금융 서비스가 제공될 수 있다.

도 1은 본 발명의 실시예에 따른 메타버스 창고를 구현하기 위한 메타버스 창고 구현 시스템을 나타낸 개념도이다.
도 2는 본 발명의 실시예에 따른 메타버스 창고 구현 장치의 동작을 나타낸 개념도이다.
도 3은 본 발명의 실시예에 따른 메타버스 창고 구현 장치의 데이터 처리 방법을 나타낸 개념도이다.
도 4는 본 발명의 실시예에 따른 블록체인 상의 상품 데이터 관리 방법을 나타낸 개념도이다.
도 5는 본 발명의 실시예에 따른 블록체인 상의 상품 데이터 관리 방법을 나타낸 개념도이다.
도 6은 본 발명의 실시예에 따른 메타버스 창고를 구현하기 위한 데이터 처리 방법을 나타낸 개념도이다.
도 7은 본 발명의 실시예에 따른 메타버스 창고를 구현하기 위한 데이터 처리 방법을 나타낸 개념도이다.
도 8은 본 발명의 실시예에 따른 메타버스 창고 상에서 상품의 등록 및 검증 방법을 나타낸 개념도이다.
도 9는 본 발명의 실시예에 따른 상품 등록 시스템을 나타낸 개념도이다.
도 10은 본 발명의 실시예에 따른 상품 검증 시스템을 나타낸 개념도이다.
도 11은 본 발명의 실시예에 따른 상품 검증 시스템의 상품 품질을 결정하는 방법을 나타낸 개념도이다.
도 12는 본 발명의 실시예에 따른 상품 품질 결정 장치의 동작을 나타낸 개념도이다.
도 13은 본 발명의 실시예에 따른 상품 품질 판단 방법을 나타낸 개념도이다.
도 14는 본 발명의 실시예에 따른 메타버스 창고 상에서 상품 유통을 관리하는 방법을 나타낸 개념도이다.
도 15는 본 발명의 실시예에 따른 메타버스 창고 상에서 상품 이미지 정보를 제공하기 위한 방법을 나타낸 개념도이다.
도 16은 본 발명의 실시예에 따른 상품에 대한 입고, 출고, 보관 데이터를 블록체인 상에서 처리하기 위한 방법을 나타낸 개념도이다.
도 17은 본 발명의 실시예에 따른 메타버스 창고 상에서 상품 담보 가치를 결정하는 방법을 나타낸 개념도이다.
도 18은 본 발명의 실시예에 따른 상품 담보 가치 데이터를 결정하는 방법을 나타낸 개념도이다.
도 19는 본 발명의 실시예에 따른 상품 담보 가치 평가 장치를 나타낸 개념도이다.

후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여 지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.

이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.

도 1은 본 발명의 실시예에 따른 메타버스 창고를 구현하기 위한 메타버스 창고 구현 시스템을 나타낸 개념도이다.

도 1에서는 상품의 입고, 보관 및 출고를 위한 메타버스 창고 구현 시스템이 개시된다.

도 1을 참조하면, 메타버스 창고 구현 시스템은 서플라이체인 데이터 처리 장치(100), 메타버스 창고 구현 장치(120), 블록체인 데이터 처리부(140) 및 블록체인 네트워크(160)를 포함할 수 있다.

서플라이체인 데이터 처리 장치(100)는 실제 상품의 유통을 위해 서플라이 체인 상에서 발생하는 서플라이체인 데이터를 수집하고 처리하기 위해 구현될 수 있다.

서플라이체인 데이터는 상품의 생산, 판매, 보관, 유통, 구매 등과 같은 상품 유통 상에서 발생되는 데이터일 수 있다.

서플라이체인 데이터 처리 장치(100)는 서플라이체인 데이터를 처리하기 위한 복수의 서버를 포함할 수 있다. 복수의 서버는 계층화될 수 있고, 계층별로 수집되는 서버의 데이터는 메타버스 창고의 구현을 위해 선택적으로 활용될 수 있다. 서플라이체인 데이터 처리 장치에서 생성된 서플라이체인 데이터 중 메타버스 창고와 관련된 데이터는 분류되어 메타버스 창고 구현 장치(120)로 전송될 수 있다.

서플라이체인 데이터 처리 장치(100)는 계층별로 위치한 적어도 하나의 서버에서 생성되는 데이터를 기반으로 메타버스 상에 서플라이체인 서비스를 구현할 수 있다. 서플라이체인 데이터 처리 장치(100)에 포함되는 복수의 서버는 계층화될 수 있고, 계층별로 수집되는 서버의 데이터는 메타버스 창고의 구현을 위해 선택적으로 활용될 수 있다.

서플라이체인 데이터 처리 장치(100)는 메타버스 창고 구현 장치(120)와 연동되고, 메타버스 창고 구현 장치(120)는 서플라이체인 데이터 처리 장치(100)로부터 전달되는 서플라이체인 데이터를 고려하여 메타버스 창고를 구현할 수 있다.

메타버스 창고 구현 장치(120)는 상품 입고 처리부(122), 상품 보관 처리부(124), 상품 출고 처리부(126) 및 메타버스 구현부(128)를 포함할 수 있다. 메타버스 창고 구현 장치(120)는 복수의 실제 창고 각각에 대한 메타버스 환경을 구현할 수 있다.

상품 입고 처리부(122)는 메타버스 창고 상에 상품 입고 처리를 위해 구현될 수 있다. 상품 입고 처리부(122)는 메타버스 창고 상에 입고 액션을 발생시키기 위한 상품 입고 데이터를 생성할 수 있다.

상품 보관 처리부(124)는 메타버스 창고 상에 상품 보관 처리를 위해 구현될 수 있다. 상품 보관 처리부(124)는 메타버스 창고 상에 보관 액션을 발생시키기 위한 상품 보관 데이터를 생성할 수 있다.

상품 출고 처리부(126)는 메타버스 창고 상에 상품 출고 처리를 위해 구현될 수 있다. 상품 출고 처리부(126)는 메타버스 창고 상에 출고 액션을 발생시키기 위한 상품 출고 데이터를 생성할 수 있다.

메타버스 구현부(128)는 상품 입고 처리부(122), 상품 보관 처리부(124), 상품 출고 처리부(126)에서 발생되는 데이터를 기반으로 메타버스 창고(150)를 구현할 수 있다.

메타버스 창고(150)는 실제 창고를 메타버스 상에 구현한 것으로서 상품 입고 처리부(122), 상품 보관 처리부(124) 및 상품 출고 처리부(126)는 카메라, 센서 등와 같은 하드웨어를 기반으로 상품의 입고, 보관, 출고를 메타버스 상에서 실시간으로 확인 가능하도록 구현될 수 있다.

블록체인 데이터 처리부(140)는 서플라이체인 데이터 처리 장치(100), 메타버스 창고 구현 장치(120) 각각에서 발생되는 데이터를 처리하여 블록체인 상에 업로드할 데이터에 대한 처리를 위해 구현될 수 있다. 설정에 따라 블록체인 데이터 처리부(140)는 서플라이체인 데이터 처리 장치(100), 메타버스 창고 구현 장치(120) 각각에서 발생되는 데이터를 실시간 또는 패키징하여 주기적으로 블록체인 네트워크(160)로 전송할 수 있다.

또한, 블록체인 데이터 처리부(140)는 블록체인 상의 데이터 처리를 위한 스마트컨트랙트를 블록체인 네트워크(160)로 전송하고 스마트컨트랙트를 기반으로 블록체인 상의 데이터 처리를 수행할 수 있다. 스마트컨트랙트는 메타버스 창고 구현 장치(120) 상에서의 액션을 기반으로 생성될 수 있다.

블록체인 네트워크(160)는 서플라이체인 데이터 처리 장치(100)와 메타버스 창고 구현 장치(120)에서 발생되는 데이터를 블록체인 상에 기록하고 처리하기 위해 구현될 수 있다.

도 2는 본 발명의 실시예에 따른 메타버스 창고 구현 장치의 동작을 나타낸 개념도이다.

도 2에서는 메타버스 창고 구현 장치에서 메타버스 창고를 구현하기 위한 방법이 개시된다.

도 2를 참조하면, 메타버스 창고 구현 장치는 상품 입고 처리부(210), 상품 보관 처리부(220), 상품 출고 처리부(230) 및 메타버스 구현부(270)를 포함할 수 있다.

상품 입고 처리부(210)는 메타버스 창고 상에 상품에 대한 입고 처리를 위해 구현될 수 있다. 서플라이체인 데이터 처리 장치에서 창고로 입고되는 서플라이체인 데이터(216)가 발생된 경우, 상품 입고 처리부는 서플라이체인 데이터(216)와 후보 상품 입고 데이터(213)를 매칭하여 정합되는 경우, 상품 입고 데이터(240)를 생성할 수 있다.

우선, 상품 입고 처리부(210)는 서플라이체인 데이터(216)와 후보 상품 입고 데이터(213)의 매칭 여부를 판단하기 위해서 상품 입고시 비전 기술 및/또는 센서 기술 등과 같은 객체 인식 기술을 기반으로 후보 상품 입고 데이터(213)를 생성할 수 있다. 후보 상품 입고 데이터(213)는 창고로 입고되는 상품에 대한 정보, 상품의 개수에 대한 정보, 상품 품질에 대한 정보, 상품 가격에 대한 정보 등을 포함할 수 있다.

상품 입고 처리부(210)는 후보 상품 입고 데이터(213)와 서플라이체인 데이터(216)와의 정합성이 존재하는 경우, 최종적으로 확정을 하고 상품 입고 데이터(240)를 생성할 수 있다. 상품 입고 데이터(240)는 블록체인 데이터 처리부로 전송되어 블록체인 네트워크 상에 저장될 수 있다. 또한, 상품 입고 데이터(240)는 입고 이후 상품의 보관 처리를 위해 상품 보관 처리부(220)로 전달되고, 메타버스 창고 상에 입고된 상품에 대한 입고 액션을 발생시키기 위해 메타버스 구현부(270)로 전송될 수 있다. 또한, 상품 입고 데이터(240)는 서플라이체인 데이터 처리 장치로 전달되어 서플라이체인 상의 데이터 업데이트가 이루어질 수 있다.

상품 보관 처리부(220)는 메타버스 창고 상에 상품 보관 처리를 위해 구현될 수 있다. 창고 내에 입고된 상품은 판매전 창고에 보관될 수 있다. 메타버스 창고 상에서는 창고에 보관 중인 상품에 대한 확인이 가능하도록 하기 위한 서비스가 제공될 수 있다.

상품 보관 처리부(220)는 입고된 상품에 대한 상품 보관 데이터로서 상품 보관 시작일, 상품 보관 위치, 상품 보관 환경, 상품 보관 가능 기한, 상품 보관 기간에 따른 가격 변동 등과 같은 상품 보관에 필요한 정보를 생성할 수 있다. 창고는 창고 상에 구현된 비전 기술 및/또는 센싱 기술을 통해 창고 상에 보관된 상품에 대한 정보가 실시간으로 확인 가능하도록 구현될 수 있다.

상품 보관 데이터(250)는 블록체인 데이터 처리부로 전송되어 블록체인 네트워크 상에 저장될 수 있다. 또한, 상품 보관 데이터(250)는 상품 보관 이후 상품 출고 처리를 위해 상품 출고 처리부(230)로 전달되고, 메타버스 창고 상에 보관된 상품에 대한 보관 액션을 발생시키기 위해 메타버스 구현부(270)로 전송될 수 있다. 또한, 상품 보관 데이터(250)는 서플라이체인 데이터 처리 장치로 전달되어 서플라이체인 상의 데이터 업데이트가 이루어질 수 있다.

상품 출고 처리부(230)는 메타버스 창고 상에서 상품 출고 처리를 위해 구현될 수 있다. 창고 내에 보관된 상품이 판매되는 경우, 상품은 출고될 수 있다. 상품 출고시 메타버스 창고 상에서는 창고에 보관 중인 상품의 출고에 대한 확인이 가능하도록 하기 위한 서비스가 제공될 수 있다.

상품 출고 처리부(230)는 상품 출고 데이터(260)로서 상품 출고 시작일, 상품 출고 위치, 상품 출고 가격, 상품 배송지 등과 같은 상품 출고에 필요한 정보를 생성할 수 있다. 창고는 창고 상에 구현된 비전 기술 및/또는 센싱 기술을 통해 창고 상에 상품의 출고에 대한 정보가 실시간으로 확인 가능하도록 구현될 수 있다.

상품 출고 데이터(260)는 블록체인 데이터 처리부로 전송되어 블록체인 네트워크 상에 저장될 수 있다. 또한, 상품 출고 데이터(260)는 메타버스 창고 상에 보관된 상품에 대한 출고 액션을 발생시키기 위해 메타버스 구현부(270)로 전송될 수 있다. 또한, 상품 출고 데이터(260)는 서플라이체인 데이터 처리 장치로 전달되어 서플라이체인 상의 데이터 업데이트가 이루어질 수 있다.

메타버스 구현부(270)는 창고 상에서 설치된 비전, 센서를 통해 발생되는 비전 데이터, 센싱 데이터, 창고 3D 구조 데이터, 상품 입고 데이터(240), 상품 보관 데이터(250), 상품 출고 데이터(260)를 기반으로 메타버스 창고를 구현할 수 있다. 메타버스 창고는 사용자가 상품의 창고 입고, 보관, 출고를 메타버스 상에서 확인 가능하도록 구현한 것으로써 사용자는 메타버스 창고 상에 접속하여 창고에 대한 방문 없이도 상품의 상태를 확인할 수 있다. 이러한 메타버스 창고를 기반으로 새로운 서비스(예를 들어, 금융 서비스)가 제공될 수 있다.

기존의 금융 서비스는 창고에 입고된 상품에 대한 확인이 어려웠기 때문에 상품이 아닌 매출 채권을 기반으로 한 금융 서비스를 제공하는데 그쳤다. 하지만, 메타버스 창고를 통해 보관된 실제 상품에 대한 확인이 가능한 경우, 상품을 담보로 한 금융 서비스로 확장이 이루어질 수 있고, 상품 판매자는 확장된 금융 서비스를 제공받을 수 있다.

도 3은 본 발명의 실시예에 따른 메타버스 창고 구현 장치의 데이터 처리 방법을 나타낸 개념도이다.

도 3에서는 메타버스 창고에서 발생되는 상품 입고 데이터, 상품 보관 데이터, 상품 출고 데이터 간의 정합성 및 매칭을 수행하기 위한 방법이 개시된다.

상품 입고 데이터의 생성 이후, 상품 입고 데이터는 상품 보관 데이터는 정합성을 가지고 매칭되어야 하고, 상품 보관 데이터의 생성 이후, 상품 보관 데이터는 상품 출고 데이터와 정합성을 가지고 매칭되어야 한다.

상품 입고 데이터는 상품의 종류에 따라 다르게 생성될 수 있다. 개별 상품에 대한 식별이 필요한 상품은 제1 타입 상품(310)이고, 개별 상품에 대한 식별이 필요하지 않은 상품은 제2 타입 상품(320)일 수 있다. 제1 타입 상품(310)은 NFT(non-fungible token) 기반으로 생성되어 NFT로서 관리될 수 있고, 제2 타입 상품(320)은 FT(fungible token) 기반으로 생성되어 FT로서 관리될 수 있다. 고가의 상품이나 특정이 필요한 상품은 제1 타입 상품(310)으로 정의되어 관리되고, 그 외의 상품은 제2 타입 상품(320)으로 정의되어 관리될 수 있다.

예를 들어, 시리얼번호 XXXXXX의 TV는 제1 타입 상품(310)으로 정의되어 시리얼번호 XXXXXX의 TV에 대응되는 하나의 NFT가 발행될 수 있다. 1000개의 연필은 제2 타입 상품(320)으로 정의되어 연필에 대응되는 FT 1000개가 발행될 수 있다.

블록체인 상에서 상품 입고 데이터, 상품 보관 데이터, 상품 출고 데이터를 관리하기 위해 상품 입고에 대응되는 상품 입고 주소(350), 상품 보관에 대응되는 상품 보관 주소(360), 상품 출고에 대응되는 상품 출고 주소(370)가 존재할 수 있다. 블록체인 상에서 상품에 대응되는 NFT 및 FT의 이동을 기반으로 메타버스 내의 상품의 입고, 보관, 출고에 대응되는 동작이 확인될 수 있다.

또한, NFT, FT에 대응되는 상품 입고 데이터(355), 상품 보관 데이터(365) 및 상품 출고 데이터(375)는 메타버스 창고 관리 서버에 저장되고, 블록체인 상에는 대응되는 상품 입고 데이터(355), 상품 보관 데이터(365) 및 상품 출고 데이터(375)의 해시값이 기록되어 데이터의 진정성에 대한 확인이 가능하도록 할 수 있다.

도 4는 본 발명의 실시예에 따른 블록체인 상의 상품 데이터 관리 방법을 나타낸 개념도이다.

도 4에서는 제1 타입 상품의 NFT 기반 거래 방법이 개시된다.

도 4를 참조하면, 상품 입고, 상품 보관, 상품 출고시의 블록체인을 기반으로 한 NFT의 관리 및 상품 입고 데이터의 관리가 개시된다.

(1) 상품 입고 절차(제1 타입 상품)(410)

상품 입고시 상품에 대한 NFT가 상품 입고 주소에서 생성될 수 있다. 상품에 대한 NFT가 생성되고, NFT는 상품 입고 데이터와 매칭될 수 있다. NFT와 상품 입고 데이터는 제1 해시값(415)으로 생성되고, 제1 해시값(415)은 블록체인 상에 기록될 수 있다.

(2) 상품 보관 절차(제1 타입 상품)(420)

상품 보관시 상품에 대한 NFT는 상품 보관 주소로 전송될 수 있다. 상품 보관 주소로 NFT가 이동되면, NFT는 상품 보관 데이터와 매칭될 수 있다. NFT와 상품 보관 데이터는 제2 해시값(425)으로 생성되고, 제2 해시값(425)은 블록체인 상에 기록될 수 있다.

(3) 상품 출고 절차(제1 타입 상품)(430)

상품 출고시 상품에 대한 NFT는 상품 출고 주소로 전송될 수 있다. 상품 출고 주소로 NFT가 이동되면, NFT는 상품 출고 데이터와 매칭될 수 있다. NFT와 상품 출고 데이터는 제3 해시값(435)으로 생성되고, 제3 해시값(435)은 블록체인 상에 기록될 수 있다.

상품 입고 주소, 상품 보관 주소, 상품 출고 주소는 블록체인 상의 트랜잭션을 발생시키는 지갑 주소일 수 있다. 상품에 대한 NFT의 이동 및 해시값을 기반으로 메타버스 창고 내에서의 제1 타입 상품의 이동은 트래킹되고, 메타버스 창고 상에서 상품의 이동을 사용자들이 정확하게 확인 가능하다.

이러한 방식은 단일 NFT 상품 관리 방식이라는 용어로 표현될 수 있다.

또 다른 방법으로 해시값을 생성하지 않고, 상품 입고 절차, 상품 보관 절차 및 상품 출고 절차 각각에서 상품 입고 데이터, 상품 보관 데이터, 상품 출고 데이터를 기반으로 한 NFT를 생성할 수도 있다.

보다 구체적으로 상품 입고 단계에서 상품 입고 데이터를 기반으로 NFT(상품 입고)를 생성할 수 있다. 상품 보관 단계에서 상품 보관 데이터 및 NFT(상품 입고)를 기반으로 NFT(상품 보관)을 생성할 수 있다. 상품 출고 단계에서 상품 출고 데이터 및 NFT(상품 보관)을 기반으로 NFT(상품 출고)를 생성할 수 있다.

이러한 방식은 단계별 NFT 상품 관리 방식이라는 용어로 표현될 수 있다.

메타버스 창고를 떠난 이후 서플라이체인 상에서 계속적인 NFT에 대한 관리가 필요한 경우, 단일 NFT 상품 관리 방식이 사용될 수 있다. 그 외에 메타버스 창고 내에서만 상품에 대한 관리가 필요한 경우, 단계별 NFT 상품 관리 방식이 사용될 수 있다. 예를 들어, 명품과 같이 생산 단계에서 NFT가 부여되고, 추후 판매 이후, NFT 기반의 중고 거래가 필요한 경우, 단일 NFT 상품 관리 방식이 사용될 수 있다.

도 5는 본 발명의 실시예에 따른 블록체인 상의 상품 데이터 관리 방법을 나타낸 개념도이다.

도 5에서는 제2 타입 상품의 FT 기반 거래 방법이 개시된다.

도 5를 참조하면, 상품 입고, 상품 보관, 상품 출고시의 블록체인을 기반으로 한 FT의 관리 및 상품 입고 데이터의 관리가 개시된다.

(1) 상품 입고 절차(제2 타입 상품)(510)

상품 입고시 상품에 대한 FT가 상품 입고 주소에서 생성될 수 있다. 예를 들어, 샴푸 1000개인 경우, 1000개의 FT가 생성될 수 있다. FT는 상품 입고 데이터와 매칭될 수 있다. FT 및 FT의 개수, 상품 입고 데이터는 제1 해시값으로 생성되고, 제1 해시값(550)은 블록체인 상에 기록될 수 있다.

(2) 상품 보관 절차(제2 타입 상품)(520)

상품 보관시 상품에 대한 FT는 상품 보관 주소로 전송될 수 있다. 복수개의 FT는 서로 다른 보관 장소에 보관될 수 있고, 보관 위치 등이 달라지는 경우, 서로 다른 보관 데이터가 생성되거나 서로 다른 상품 보관 주소로 전성되어 상품 보관시 변화를 반영할 수 있다.

예를 들어, 1000개의 샴푸가 1000개의 FT로 생성되고, 500개의 샴푸는 제1 보관 장소, 나머지 500개의 샴푸는 제2 보관 장소에서 보관될 수 있다.

이러한 경우, 500개의 FT는 제1 상품 보관 주소로 전송되고, 제1 상품 보관 데이터가 생성될 수 있다. 나머지 500개의 FT는 제2 상품 보관 주소로 전송되고, 제2 상품 보관 데이터가 생성될 수 있다.

(500개의 FT, 제1 상품 보관 주소, 제1 상품 보관 데이터)는 제2 해시값(560)을 생성하고, (500개의 FT, 제2 상품 보관 주소, 제2 상품 보관 데이터)는 제3 해시값(570)을 생성할 수 있다. 제2 해시값(560)과 제3 해시값(570)은 블록체인 상에 기록될 수 있다.

(3) 상품 출고 절차(제1 타입 상품)(530)

상품 출고시 상품에 대한 FT는 상품 출고 주소로 전송될 수 있다. 상품 보관 절차와 마찬가지로 1000개의 FT 각각은 출고 수량에 따라 상품 출고 주소로 이동되고, 출고 수량에 대응되는 FT가 이동되면, FT는 상품 출고 데이터와 매칭될 수 있다. 출고되는 출고 수량의 FT와 상품 출고 데이터는 제4 해시값(580)으로 생성되고, 제4 해시값(580)은 블록체인 상에 기록될 수 있다.

상품 입고 주소, 상품 보관 주소, 상품 출고 주소는 블록체인 상의 트랜잭션을 발생시키는 지갑 주소일 수 있다. 상품에 대한 FT의 이동 및 해시값을 기반으로 메타버스 창고 내에서의 제2 타입 상품의 이동은 트래킹되고, 메타버스 창고 상에서 상품의 이동을 사용자들이 정확하게 확인 가능하다.

FT 기반의 상품에 대해서는 단일 FT 상품 관리 방식만이 사용될 수 있다.

도 6은 본 발명의 실시예에 따른 메타버스 창고를 구현하기 위한 데이터 처리 방법을 나타낸 개념도이다.

도 6에서는 메타버스 창고를 구현하기 위한 헤더를 기반으로 한 데이터 처리 방법이 개시된다.

도 6을 참조하면, 메타버스 창고는 실제 창고 전체에 대해서 구현될 수도 있고, 메타버스 창고를 이용하는 사용자 각각 또는 사용자 그룹 단위로 구현될 수 있다.

예를 들어, 판매자A 의 판매 상품에 대한 입고, 보관, 출고를 위해 판매자A를 대상으로 한 메타버스 창고가 제공될 수도 있고, 복수의 판매자를 포함하는 판매자 그룹의 판매 상품에 대한 입고, 보관, 출고를 위해 판매자 그룹을 대상으로 한 메타버스 창고가 제공될 수도 있다.

또는, 메타버스 창고는 판매자가 아닌 특정 판매 상품, 판매 상품 그룹을 기준으로 구현될 수도 있다.

이러한 다양한 변수(판매자, 상품 등)에 대한 메타버스 창고를 제공하기 위해서 상품 입고 데이터, 상품 보관 데이터 및 상품 출고 데이터에 대한 분할 처리가 수행될 수 있다.

데이터 분류를 위해 상품 입고 데이터, 상품 보관 데이터 및 상품 출고 데이터 각각의 헤더(600)에 상품 판매자 정보, 상품 판매자 그룹 정보, 상품 정보, 상품 그룹 정보 등과 같은 데이터 분류를 위한 분류 코드가 부여될 수 있다. 메타버스 창고의 구현 레벨에 따라 상품 판매자 정보, 상품 판매자 그룹 정보, 상품 정보, 상품 그룹 정보의 분류 코드 등과 같은 헤더 레벨이 결정될 수 있다. 메타버스 창고의 특성에 따라 다양한 헤더 레벨이 적응적으로 결정될 수 있다.

본 발명의 메타버스 창고는 실제 창고와 1:1로 대응되는 창고일 수도 있고, 실제 창고를 분할한 일부 창고 영역에 대응할 수도 있다. 또한, 복수개의 실제 창고를 통합하여 구현될 수도 있다. 메타버스 창고의 특성(취급 품목, 판매자, 창고 사이즈)에 따라 입력되는 상품 입고 데이터, 상품 보관 데이터 및 상품 출고 데이터 각각에 대응되는 헤더 레벨이 적응적으로 설정될 수 있고, 구현되는 메타버스 창고의 레벨도 상이할 수 있다. 헤더 데이터 레벨은 추후에 확장 가능하도록 설정될 수 있다.

상품 입고 데이터/상품 보관 데이터/상품 출고 데이터의 헤더(600)는 크게 상품 헤더(610), 판매자 헤더(650)로 구분될 수 있다. 또한, 상품 헤더(610), 판매자 헤더(650) 각각은 분할되어 표준 헤더(620)와 개별 헤더(630)로 분할될 수 있다.

상품 헤더(610)의 표준 헤더(620)와 개별 헤더(630) 각각은 n개의 헤더 레벨로 설정될 수 있다.

표준 헤더(620)는 서로 다른 실제 창고 간의 메타버스 상의 통합을 위해서 표준으로 정의된 상품 분류를 위한 n개의 헤더 레벨을 포함할 수 있다. 개별 헤더(630)는 특정 창고에 대한 메타버스 창고를 관리하기 위해 개별적으로 정의된 상품 분류를 위한 n개의 헤더 레벨을 포함할 수 있다. 표준 헤더(620)를 기반으로 복수개의 실제 창고가 통합적으로 메타버스 창고로 구현 가능하되, 필요에 따라 적응적으로 개별 메타버스 창고의 구현이 가능하도록 개별 헤더(630)가 정의될 수 있다.

상품 헤더(610)의 표준 헤더(620) 및 개별 헤더(630) 각각의 n개 헤더 레벨은 계층적인 구조를 가지고 있고, n개 헤더 레벨 각각은 상위 계층으로 설정될수록 상위 개념을 가질 수 있다. 예를 들어, 표준 헤더(620)의 제1 헤더 레벨은 연필, 제2 헤더 레벨은 문방구, 제3 헤더 레벨은 공산품 등과 같은 상위 계층으로 갈수록 해당 상품을 포함하는 개념으로 설정될 수 있다. 상품 헤더(610)에 대응되는 n개의 헤더 레벨은 설정에 따라 변화될 수 있고, 이러한 변화에 따라서 헤더의 변화가 발생될 수도 있다.

마찬가지로 판매자 헤더(650)의 표준 헤더(660)와 개별 헤더(670) 각각은 m개의 헤더 레벨로 설정될 수 있다. 판매자 헤더(650)의 표준 헤더(660) 및 개별 헤더(670) 각각의 m개 헤더 레벨은 계층적인 구조를 가지고 있고, m개 헤더 레벨 각각은 상위 계층으로 설정될수록 상위 개념을 가질 수 있다. 예를 들어, 표준 헤더(660)의 제1 헤더 레벨은 판매자A, 제2 헤더 레벨은 제1 판매자 그룹, 제3 헤더 레벨은 제2 판매자 그룹 등과 같은 상위 계층으로 갈수록 해당 판매자나 판매자 그룹을 포함하는 개념으로 설정될 수 있다. 판매자 헤더(650)에 대응되는 m개의 헤더 레벨은 설정에 따라 변화될 수 있고, 이러한 변화에 따라서 헤더의 변화가 발생될 수도 있다.

상품 헤더(610), 판매자 헤더(650)에 대하여 필요에 따라 설정되지 않은 헤더의 레벨에 대해서는 별도의 설정없이 비워둘 수 있다.

또한, 본 발명의 실시예에 따르면, 표준 헤더(620, 660)와 개별 헤더(630, 670)와 관련하여 개별 헤더(630, 670)의 사용을 기초로 표준 헤더(620, 660)가 조정될 수도 있다.

예를 들어, 각 메타버스 창고에서 사용되는 개별 헤더(630, 670)를 고려하여 실제로 많이 사용되는 헤더 레벨에 대한 정보가 반영되어 표준 헤더(620, 660)가 보다 실제의 창고 업무 상의 분류에 맞도록 조정될 수도 있다.

또한, 본 발명의 실시예에 따르면, 상품 입고 데이터, 상품 보관 데이터 및 상품 출고 데이터 각각의 헤더(600)에는 메타버스 창고에 대한 식별 정보, 메타버스 창고 간의 관계 정보를 포함하는 메타버스 창고 헤더를 더 포함할 수 있다. 메타버스창고 헤더는 메타버스 창고 간 관계를 고려한 데이터 전송을 위해 사용될 수 있다.

도 7은 본 발명의 실시예에 따른 메타버스 창고를 구현하기 위한 데이터 처리 방법을 나타낸 개념도이다.

도 7에서는 메타버스 창고를 구현하기 위한 상품 입고 데이터, 상품 보관 데이터 및 상품 출고 데이터의 처리 방법이 개시된다.

도 7을 참조하면, 이하, 설명의 편의상 상품 입고 데이터, 상품 보관 데이터 및 상품 출고 데이터는 메타버스 창고를 구현하기 위한 창고 데이터(700)라는 용어로 표현된다.

메타버스 창고 구현 장치는 창고 데이터(700)의 헤더 정보를 기반으로 블록체인 네트워크 상에 기록되어야 할 블록체인 기록 데이터와 메타버스 창고의 구현을 위한 메타버스 창고 구현 데이터로 분류할 수 있다.

메타버스 창고 구현 장치는 헤더 정보 기반 1차 필터링(710)을 수행할 수 있다. 우선 현재 구현된 메타버스 창고(750)를 고려하여 현재 메타버스 창고(750)의 구현에 필요하지 않은 창고 데이터(700)는 필터링될 수 있다. 예를 들어, 판매자B, 상품X에 대하여 별도로 메타버스 창고(750)에 대한 요청이 없는 경우, 판매자B, 상품X에 대한 창고 데이터(700)는 필터링될 수 있다.

1차 필터링 이후에 남은 창고 데이터(700)는 메타버스 창고 데이터(720)이고, 메타버스 창고 구현 장치의 메타버스 구현부(730)는 메타버스 창고 데이터(720)의 분류를 통해 메타버스 창고(750)를 생성할 수 있다.

예를 들어, 판매자A, 판매자 그룹A에 대한 메타버스 창고(750)가 구현되어야 하는 경우, 메타버스 구현부(730)는 헤더 필터링을 통해 판매자A, 판매자 그룹A 각각에 대응되는 메타버스 창고 데이터(720)를 분류하여 메타버스 창고(750)를 생성할 수 있다.

또한, 메타버스 창고 구현 장치는 블록체인 상의 기록을 위해서 메타버스 창고 데이터(720)를 그룹핑하여 해시값을 생성하고 생성된 해시값을 블록체인 네트워크(740) 상에 저장할 수 있다. 본 발명에서는 메타버스 창고(750)별로 시간 단위가 설정되고, 시간 단위별로 수집된 메타버스 창고 데이터(720)에 대한 해시값이 블록체인 네트워크(740) 상에 기록될 수 있다.

예를 들어, 판매자A에 대한 제1 시간 단위, 판매자 그룹A에 대한 제2 시간 단위가 설정될 수 있다. 제1 시간 단위 상에 발생된 판매자A에 대한 메타버스 창고 데이터(720)는 그룹핑되어 판매자A의 식별 정보와 함께 해시값으로 생성될 수 있다. 생성된 해시값은 블록체인 네트워크(740) 상에 저장될 수 있다. 마찬가지로 제2 시간 단위 상에 발생된 판매자 그룹A에 대한 메타버스 창고 데이터(720)는 그룹핑되어 판매자 그룹A의 식별 정보와 함께 해시값으로 생성될 수 있다. 생성된 해시값은 블록체인 네트워크 상에 저장될 수 있다. 제1 시간 단위와 제2 시간 단위는 메타버스 창고 데이터(720)의 생성 속도를 기반으로 조정될 수 있다. 메타버스 창고 데이터(720)의 생성 속도가 빠를 수록 시간 단위는 상대적으로 짧게 설정될 수 있다.

또한, 본 발명의 실시예에 따르면, 메타버스 창고 데이터 중 시간이 중요한 데이터인 메타버스 창고 데이터(시간)은 시간 단위로 그룹핑되지 않고, 블록체인 네트워크 상에 우선적으로 저장될 수 있다. 예를 들어, 상품 입고 데이터, 상품 보관 데이터, 상품 출고 데이터 중 냉동 식품, 냉장 식품 또는 유통 기한이 있는 상품의 데이터는 시간 단위로 그룹핑되지 않고, 발생함에 따라 바로 블록체인 상에 저장될 수 있다.

이러한 방식으로 원하는 메타버스 창고 환경이 설정에 따라 다양하게 적응적으로 구현될 수 있고, 블록체인을 기반으로 데이터의 진정성이 보장될 수 있다.

또한, 본 발명의 실시예에 따르면, 데이터의 효율적인 처리를 위해서 메타버스 창고 간 관계를 고려한 데이터 전송이 이루어질 수 있다. 예를 들어, 메타버스 창고1을 위한 데이터는 동시에 메타버스 창고1을 포함하는 메타버스 창고2 및 메타버스 창고3을 위한 데이터일 수 있다. 또한, 메타버스 창고2를 위한 데이터는 메타버스 창고2를 포함하는 메타버스 창고3을 위한 데이터일 수 있다. 따라서, 데이터의 중복 처리를 막기 위해 생성된 데이터의 헤더에 포함된 메타버스 창고 간의 계층을 고려한 메타버스 창고 계층 헤더가 포함될 수 있고, 메타버스 창고 헤더를 기반으로 메타버스 창고 간의 관계를 고려한 선택적인 전송이 이루어질 수 있다.

도 8은 본 발명의 실시예에 따른 메타버스 창고 상에서 상품의 등록 및 검증 방법을 나타낸 개념도이다.

도 8에서는 메타버스 창고를 구현하기 위해 창고 상에 입고되는 상품에 대한 상품 등록 및 상품 검증을 위한 절차가 개시된다.

도 8을 참조하면, 상품 등록 및 상품 검증은 상품 등록 시스템(810) 및 상품 검증 시스템(820)을 통해 이루어질 수 있다.

상품 등록 시스템(810) 및 상품 검증 시스템(820)은 메타버스 창고 구현 시스템에 포함될 수 있다.

상품 등록을 위해 서플라이체인 데이터 처리 장치에 의해 발생된 서플라이체인 데이터를 기준으로 서플라이체인 데이터와 입고 상품 간의 매칭이 수행될 수 있다. 예를 들어, 창고 상에 구현된 상품 등록 시스템을 기반으로 입고 상품이 촬상될 수 있고, 상품 등록 시스템(810) 상의 제1 상품 촬상 장치를 통해 획득된 제1 상품 촬상 결과 데이터와 서플라이체인 데이터가 매칭될 수 있다. 상품 등록을 통해 상품에 대한 정량적인 정보가 확인될 수 있다. 예를 들어, 상품의 개수와 같은 정량적인 정보가 확인될 수있다.

상품 검증은 서플라이체인 데이터 상의 상품 품질과 같은 정성적인 데이터를 확인하는 절차일 수 있다. 창고 상에 구현된 상품 검증 시스템을 통해 입고 상품에 대한 검증이 수행될 수 있다. 상품 검증 시스템(820) 상의 제2 상품 촬상 장치를 통해 획득된 제2 상품 촬상 데이터와 서플라이체인 데이터가 매칭될 수 있다.

창고 상에서는 상품 등록 시스템(810), 상품 검증 시스템(820)이 위치할 수 있다. 상품에 따른 상품 등록, 상품 검증은 서로 다르게 수행될 수 있다. 따라서 상품에 따라 분류되어 상품 등록 절차를 진행하기 위해 상품 등록 시스템(810)은 복수의 하위 상품 등록 시스템을 포함할 수 있다. 마찬가지로 상품 검증 시스템(820)은 복수의 하위 상품 등록 시스템 각각을 통한 상품 등록 절차 이후 분류되어 상품 검증을 수행하기 위해 복수의 하위 상품 검증 시스템을 포함할 수 있다.

1차 상품 분류를 통해 상품 등록 시스템 상에서 상품 등록이 수행되고, 2차 상품 분류를 통해 상품 검증 시스템 상에서 상품 검증이 수행될 수 있다.

메타버스 창고의 구현을 위해 메타버스 창고에 입고되는 물품을 고려한 상품 등록 시스템(810) 및 상품 검증 시스템(820)이 창고 상에 구현될 수 있다. 창고에 입고되는 상품들은 1차적으로 분류되어 복수의 하위 상품 등록 시스템에 위치하고, 복수의 하위 상품 등록 시스템 각각에서 상품 등록 절차가 수행될 수 있다. 상품 등록 절차가 마무리된 이후에 복수의 하위 상품 검증 시스템을 통해 복수의 상품 각각에 대한 상품 검증 절차가 수행될 수 있다.

도 9는 본 발명의 실시예에 따른 상품 등록 시스템을 나타낸 개념도이다.

도 9에서는 상품 등록 절차를 위한 상품 등록 시스템이 개시된다.

도 9를 참조하면, 상품 등록 시스템은 상품 정보 입력 장치(910), 상품 이동 컨베이어 벨트(920), 비전 센서 장치(930), 무게 센서 장치(940), 상품 수량 결정 장치(950)를 포함할 수 있다. 상품 등록 시스템은 상품 및 상품의 정량적인 정보를 결정하기 위해 구현될 수 있다.

상품 정보 입력 장치(910)는 상품 정보의 입력을 위해 구현될 수 있다. 상품 정보는 서플라이체인 데이터에 대응되는 정보로서 상품 식별 정보, 상품 수량 정보, 상품 무게 정보 등을 포함할 수 있다.

상품 이동 컨베이어 벨트(920)는 컨베이어 벨트를 기반으로 한 상품의 이동을 위해 구현될 수 있다. 상품 이동 컨베이어 벨트(920)를 통해 상품이 이동되고, 상품의 이동 상에 위치한 비전 센서 장치, 무게 센서 장치를 통해 생성된 데이터를 기반으로 상품 등록이 수행될 수 있다.

비전 센서 장치(930)는 이미지 정보를 기초로 상품에 대한 수량을 확인하기 위한 상품을 촬상할 수 있다. 상품은 상품 이동 컨베이어 벨트(920) 상을 이동하고, 비전 센서 장치는 다양한 각도의 촬영을 통해 입력되는 상품의 개수를 촬영할 수 있다. 비전 센서 장치(930)에 의해 촬상된 제1 상품 촬상 이미지는 상품 수량 결정 장치로 전달될 수 있다.

무게 센서 장치(940)는 무게 정보를 기초로 상품을 확인하기 위해 상품의 무게를 측정할 수 있다. 무게 센서 장치(940)는 상품 이동 컨베이어 벨트(920)에 구현되어 상품의 무게를 센싱하기 위해 구현될 수 있다. 무게 센서 장치(940)는 상품 무게 데이터를 생성할 수 있다.

상품 수량 결정 장치(950)는 제1 상품 촬상 이미지 및 상품 무게 데이터를 기반으로 상품 수량을 결정하기 위해 구현될 수 있다. 상품 수량 결정 장치(950)는 상품별 촬상 이미지에 대한 학습 및 상품별 무게 데이터에 대한 학습을 기반으로 상품 수량에 대한 학습을 수행할 수 있다.

일반적으로 동일한 상품의 경우, 동일한 패키지를 기반으로 전달되고, 동일한 무게를 가지고 생성되어 창고 상으로 전달된다. 상품 수량 결정 장치(950)는 상품 이미지, 포장 상품 이미지, 상품 무게, 포장 상품 무게 각각에 대한 학습을 통해 상품 수량을 결정하기 위한 인공 지능 학습을 수행할 수 있다. 인공 지능 엔진의 학습 결과 제1 상품 촬상 이미지 및 상품 무게 데이터에 대한 입력값을 기초로 상품의 수량에 대한 결과가 출력될 수 있다.

일반적으로 동일한 상품의 경우, 동일한 패키지를 기반으로 전달되고, 동일한 무게를 가지고 생성되어 창고 상으로 전달된다. 상품 수량 결정 장치(950)는 상품 이미지, 포장 상품 이미지, 상품 무게, 포장 상품 무게 각각에 대한 학습을 통해 상품 수량을 결정하기 위한 인공 지능 학습을 수행할 수 있다. 인공 지능 엔진의 학습 결과 제1 상품 촬상 이미지 및 상품 무게 데이터에 대한 입력값을 기초로 상품의 수량에 대한 결과가 출력될 수 있다.

도 10은 본 발명의 실시예에 따른 상품 검증 시스템을 나타낸 개념도이다.

도 10에서는 상품 검증 절차를 위한 상품 검증 시스템이 개시된다.

도 10을 참조하면, 상품 검증 시스템은 상품 정보 입력 장치(1010), 상품 이동 컨베이어 벨트(1020), 비전 센서 장치(1030) 및 상품 품질 결정 장치(1040)를 포함할 수 있다.

상품 정보 입력 장치(1010)는 상품 정보의 입력을 위해 구현될 수 있다. 상품 정보는 서플라이체인 데이터에 대응되는 정보로서 상품 식별 정보와 상품 품질 정보 등과 같은 상품에 대한 정성적인 정보를 포함할 수 있다.

상품 이동 컨베이어 벨트(1020)는 컨베이어 벨트를 기반으로 한 상품의 이동을 위해 구현될 수 있다. 상품 이동 컨베이어 벨트(1020)를 통해 상품이 이동되고, 상품의 이동 상에 위치한 비전 센서 장치를 통해 생성된 데이터를 기반으로 상품 검증이 수행될 수 있다.

비전 센서 장치(1030)는 이미지 정보를 기초로 상품 품질을 확인하기 위한 상품을 촬상할 수 있다. 상품은 상품 이동 컨베이어 벨트(1020) 상을 이동하고, 비전 센서 장치(1030)는 다양한 각도의 촬영을 통해 상품 품질의 검증을 위한 이미지를 촬영할 수 있다. 비전 센서 장치(1030)에 의해 촬상된 제2 상품 촬상 이미지는 상품 품질 결정 장치(1040)로 전달될 수 있다. 비전 센서 장치(1030)는 x-ray 사진과 같은 투과 사진에 대한 촬상도 가능한 장치일 수 있다.

상품 품질 결정 장치(1040)는 제2 상품 촬상 이미지 및 상품 등록 시스템에 의해 등록된 상품 무게 데이터를 기반으로 상품 품질을 결정하기 위해 구현될 수 있다. 상품 품질 결정 장치(1040)는 상품별 제2 상품 촬상 이미지에 대한 학습 및 상품별 무게 데이터에 대한 학습을 기반으로 상품 품질에 대한 학습을 수행할 수 있다. 상품 품질을 결정하기 위해 제2 상품 촬상 이미지는 제1 상품 촬상 이미지와 대비하여 상품에 대한 접사 사진, x-ray 투과 사진을 포함할 수 있다.

상품에 하자 여부에 대한 판독을 위해 상품별 하자 이미지에 대한 학습 및 기준 이미지를 기준으로 한 비교를 통해 상품 품질이 결정될 수 있다.

상품 품질 결정 방법은 구체적으로 후술된다.

도 11은 본 발명의 실시예에 따른 상품 검증 시스템의 상품 품질을 결정하는 방법을 나타낸 개념도이다.

도 11에서는 기준 이미지를 기초로 상품 품질을 결정하는 방법이 개시된다.

도 11을 참조하면, 상품 품질 결정 장치는 기존의 상품 이미지를 조합하여 상품의 품질 판단 이미지(1100)를 결정할 수 있다.

수집된 상품 이미지는 상품에 대해 다양한 각도에서 촬상한 이미지일 수 있고, 상품 이미지를 조합하는 경우, 상품의 전방향 또는 일부 영역의 이미지가 획득될 수 있다. 상품 품질 결정 장치는 상품의 기본 형상을 기준으로 수집된 이미지를 조합하여 상품의 품질 판단 이미지(1100)를 결정할 수 있다. 상품의 동일한 영역에 대해 복수의 이미지가 수집되는 경우, 복수의 이미지 중 가장 좋은 화질의 이미지가 품질 판단 이미지(1100)로서 선택될 수 있다.

상품을 기준으로 품질 판단 이미지 획득 영역 및 품질 판단 이미지 미획득 영역이 구분될 수 있다. 품질 판단 이미지 획득 영역은 품질 결정을 위한 상품의 이미지를 획득한 영역이고, 품질 판단 이미지 미획득 영역은 품질 결정을 위한 상품의 이미지를 획득하지 못한 영역일 수 있다.

상품 품질 결정 장치는 품질 판단 이미지 획득 영역을 기준으로 상품의 제2 상품 촬상 이미지와 비교하여 상품 품질을 결정할 수 있다. 이러한 상품 품질의 탐색은 품질 판단 이미지 획득 영역 탐색(1120)이라는 용어로 표현될 수 있다.

다음으로 상품 품질 결정 장치는 품질 판단 이미지 비획득 영역에 대해서는 자체적인 품질 판단 알고리즘을 기반으로 상품의 품질에 영향을 끼치는 품질 결정 영역을 탐색할 수 있다. 이러한 탐색은 품질 판단 이미지 비획득 영역 탐색(1140)이라는 용어로 표현될 수 있다.

품질 결정 이미지 획득 영역 탐색(1120))은 품질 판단 이미지(1100)의 판단 기준점과 제2 상품 촬상 이미지(1110)의 판단 기준점을 매칭시키고, 판단 기준점을 기준으로 임계 각도를 정하여 상품 품질에 대한 판단이 수행될 수 있다.

품질 판단 이미지 비획득 영역 탐색(1140)은 품질 판단 이미지(1100)가 존재하지 않는 경우로서 기존의 상품의 상품 품질을 결정하는 요인이 된 등급 결정 이미지를 기반으로 학습된 결과를 이용하여 상품 품질에 대한 판단이 수행될 수 있다.

이하, 본 발명의 실시예에서는 품질 판단 이미지 획득 영역 탐색(1120) 및 품질 판단 이미지 비획득 영역 탐색(1140)이 개시된다.

도 12는 본 발명의 실시예에 따른 상품 품질 결정 장치의 동작을 나타낸 개념도이다.

도 12에서는 상품 품질 결정 장치가 상품의 품질을 판단하기 위한 품질 판단 이미지 획득 영역 탐색 방법이 개시된다.

도 12를 참조하면, 품질 판단 이미지 획득 영역 탐색을 수행하기 위해 판단 기준점이 결정될 수 있다.

판단 기준점(1210)은 품질 판단 이미지 획득 영역에 포함되는 적어도 하나의 품질 판단 이미지(1200) 중 가장 넓은 화각의 이미지 영역의 중심점일 수 있다. 예를 들어, 수집된 품질 판단 이미지(1200)가 상품의 제1 면 이미지(1230), 제2 면 이미지(1240)를 포함하는 경우, 제1 면 이미지(1230) 및 제2 면 이미지(1240) 중 더 넓은 화각을 가지는 이미지의 중심점이 판단 기준점(1210)으로 설정될 수 있다.

또는 판단 기준점(1210)은 수집된 품질 판단 이미지(1200)의 화질을 추가로 더 고려하여 결정될 수도 있다. 예를 들어, 수집된 이미지 중 화질이 임계값 이상인 이미지인지 여부를 추가로 더 고려하여 판단 기준점(1210)이 설정될 수 있다.

또는 판단 기준점(1210)은 수집된 품질 판단 이미지(1200) 별로 설정될 수도 있다. 기준 이미지가 복수개인 경우, 복수개의 품질 판단 이미지(1200) 각각의 중심점이 판단 기준점(1210)으로 설정될 수 있다. 이러한 경우, 판단 기준점(1210)은 복수개일 수 있다.

판단 기준점(1210)의 결정 이후, 품질 판단 이미지(1200)의 판단 기준점(1210)과 제2 상품 촬상 이미지의 판단 기준점(1210)을 매칭시키고, 판단 기준점(1210)을 기준으로 임계 각도를 정하여 품질 판단 이미지(1200)와 제2 상품 촬상 이미지(1250)와의 차이가 분석될 수 있다. 임계 각도는 품질 판단 이미지(1200)의 화각을 기준으로 결정될 수 있다.

품질 판단 이미지(1200)와 제2 상품 촬상 이미지(1250) 간의 차이가 존재하는 이미지 차이 영역이 추출될 수 있다.

추출된 이미지 차이 영역에 대한 품질 판단을 통해 이미지 차이 영역이 상품의 품질을 결정할 수 있는 요소를 포함하는 영역인지 여부가 판단될 수 있다. 이미지 차이 영역을 기초로 한 상품 품질 판단은 품질 판단 이미지 비획득 영역 탐색과 마찬가지로 상품 품질 판단 알고리즘을 기반으로 수행될 수 있다.

이하, 본 발명의 실시예에서는 상품 품질 판단 알고리즘이 보다 구체적으로 개시된다.

도 13은 본 발명의 실시예에 따른 상품 품질 판단 방법을 나타낸 개념도이다.

도 13에서는 상품에 대한 상품 품질 판단 알고리즘이 개시된다. 상품 품질 판단 프로세스는 품질 판단 이미지 획득 영역 탐색 이후 추출된 이미지 차이 영역 및 품질 판단 이미지 비획득 영역에서 상품 품질 판단을 위해 수행될 수 있다.

도 13을 참조하면, 상품 품질 결정 장치는 상품 품질을 결정할 수 있는 등급 결정 이미지에 대한 학습을 진행할 수 있다. 본 발명에서는 상품 품질에 대한 학습을 위해 상품별로 품질을 결정하기 위한 등급 결정 이미지에 대한 라벨링이 수행될 수 있다. 예를 들어, 가방에 발생 가능한 등급 결정 이미지에 대하여 가방이라는 상품 명칭을 라벨링하여 학습이 진행할 수 있다. 이러한 학습을 통해 상품별로 품질을 결정하는 요인에 대한 학습이 진행되고 이미지 차이 영역(1300) 및 품질 판단 이미지 비획득 영역(1320)에서 상품 품질 판단을 위한 절차가 수행될 수 있다. 이러한 상품 품질에 대한 학습은 상품의 품질 판단시 누적되는 등급 결정 이미지를 기반으로 계속적으로 수행될 수 있다.

상품 품질 판단 프로세스를 통해 이미지 차이 영역(1300) 및 품질 판단 이미지 비획득 영역(1320)에서 특정 영역이 상품 품질 저하 영역(1330)으로 판단될 수 있고, 상품 품질 저하 영역(1330)의 이미지인 후보 상품 품질 저하 영역 이미지(1350)가 추출될 수 있다.

상품 품질 결정 장치는 후보 상품 품질 저하 영역 이미지(1350)를 포함하는 상품 품질 판단 결과 정보를 기반으로 상품의 품질을 결정할 수 있다. 후보 상품 품질 저하 영역 이미지(1350)를 포함하는 상품 품질 판단 결과 정보는 상품의 판매자에게 전달될 수 있다. 판매자는 판매자 장치를 통해 수신한 상품 품질 판단 결과 정보를 기반으로 상품 품질에 대한 확인을 수행할 수 있다. 판매자는 상품 품질의 문제가 되는 영역이 아니라고 판단되는 부분에 대해서 체크해서 다시 상품 품질 결정 장치로 재판단 요청을 할 수 있다. 재판단 요청시 상품 품질 판단 결과 정보에 대응되는 재판단 요청 이미지(1360)를 다시 촬상하여 상품 품질 결정 장치로 전송할 수 있다. 재판단 요청 이미지(1360)는 후보 상품 품질 저하 영역 이미지(1350)에 대응되는 이미지로서 상품 품질에 대한 재판단을 받기 위한 이미지일 수 있다.

상품 품질 결정 장치는 재판단 요청 이미지(1360)를 요청하기 위해 상품 상에서 후보 상품 품질 저하 영역 이미지(1350)에 대응되는 영역을 특정하여 제공할 수 있다.

상품 품질 결정 장치는 재판단 요청 이미지(1360)를 기반으로 다시 상품 품질 판단 프로세스를 수행하여 상품의 품질에 대한 재판단을 수행할 수 있다. 재판단 결과, 상품 품질을 저하하는 요인이 아닌 것으로 판단되는 경우, 최종 상품 품질 저하 영역 이미지(1370)에서 해당 재판단 요청 이미지(1360)에 대응되는 후보 상품 품질 저하 영역 이미지(1350)는 제외될 수 있다.

판매자에 의해 재판단이 요청되지 않은 후보 상품 품질 저하 영역 이미지(1350) 및 재판단 결과, 상품의 품질을 저하하는 요소로 판단된 상품 품질 저하 영역에 대한 이미지는 최종 상품 품질 저하 영역 이미지(1370)로 결정될 수 있다. 최종 상품 품질 저하 영역 이미지(1370)는 상품 품질 결정 장치의 상품 품질의 결정의 기초 데이터로 활용될 수 있다.

도 14는 본 발명의 실시예에 따른 메타버스 창고 상에서 상품 유통을 관리하는 방법을 나타낸 개념도이다.

도 14에서는 복수의 메타버스 창고 상에서의 유통 정보를 기반으로 상품의 판매자의 상품 판매를 돕기 위한 방법이 개시된다.

도 14를 참조하면, 복수의 메타버스 창고(1400) 각각 상에서는 NFT 및 FT 기반의 상품의 입고 절차, 보관 절차, 출고 절차가 수행될 수 있고, 상품의 입고 절차, 보관 절차, 출고 절차에 따른 해시값이 블록체인(1420) 상에 저장될 수 있다.

복수의 메타버스 창고(1400) 각각에서 블록체인(1420)을 기반으로 한 상품 입고 절차, 상품 보관 절차, 상품 출고 절차에 따른 상품 유통 데이터(1440)가 수집될 수 있고, 상품 유통 관리 장치(1460)는 상품 유통 데이터(1440)를 기반으로 상품의 유통을 관리할 수 있다.

상품 유통 관리 장치(1460)는 상품 유통 데이터(1440)를 기반으로 판매자 별로 상품 관리 정보(1480)를 제공할 수 있다. 상품 관리 정보(1480)는 상품 적정 가격 정보, 상품 유통 기한 정보 등을 포함할 수 있다.

판매자가 상품A를 판매하는 경우, 상품 적정 가격 정보는 다른 판매자의 상품A의 판매시 가격에 대한 정보로서 다른 메타버스 창고 상에서 상품A의 출고시 판매 가격을 고려하여 결정될 수 있다.

즉, 판매자는 다른 판매자들의 동일한 상품A의 판매 가격 정보를 기반으로 결정된 상품 적정 가격 정보를 수신하고, 상품 적정 가격 정보를 기반으로 상품A의 가격을 조정할 수 있다. 상품 유통 관리 장치(1460)는 판매자에 의해 설정된 상품A의 가격을 기준으로 한 예측 판매량 정보도 제공할 수 있다.

또한, 유통 기한이 별도로 존재하는 상품의 경우, 상품 유통 관리 장치(1460)는 상품 유통 기한 정보 및 유통 기한에 따른 상품 적정 가격 정보를 판매자에게 제공할 수 있다.

예를 들어, 고기, 채소와 같은 식품은 시간에 따른 가치 하락이 발생할 수 있는 상품일 수 있다. 상품 유통 관리 장치(1460)는 시간에 따른 가치 하락을 반영하여 상품 적정 가격 정보를 제공할 수 있다.

도 15는 본 발명의 실시예에 따른 메타버스 창고 상에서 상품 이미지 정보를 제공하기 위한 방법을 나타낸 개념도이다.

도 15에서는 메타버스 창고 상에서 상품에 대한 정보를 제공하기 위해 창고 내에 영상 촬상 장치를 기반으로 촬상된 상품 이미지 정보를 제공하는 방법이 개시된다.

도 15를 참조하면, 메타버스 창고에서는 영상 촬상 장치가 존재하고 판매자가 메타버스 창고 상에서 클릭을 통해 상품 보관 상태를 확인할 수 있다. 예를 들어, 각 창고의 보관 영역에는 각 영역별 촬상이 가능한 영상 촬상 장치가 존재하고, 영상 촬상 장치는 상품의 보관 위치 정보를 기반으로 상품 보관 상태를 확인하고, 상품 보관 상태를 영상으로 촬상하여 제공할 수 있다.

또는 드론 또는 촬상 로봇이 존재하여 메타버스 창고 상에서 판매자의 요청이 있는 경우, 판매자의 상품이 보관된 위치로 이동하여 상품 촬상 영상이 제공될 수도 있다.

메타버스 창고는 디지털 트윈 기술을 기반으로 실제 창고와 동일하게 형성될 수 있고, 메타버스 창고를 기반으로 판매자는 상품의 실제 이미지를 메타버스 창고 상에서 확인할 수 있다.

도 16은 본 발명의 실시예에 따른 상품에 대한 입고, 출고, 보관 데이터를 블록체인 상에서 처리하기 위한 방법을 나타낸 개념도이다.

도 16에서는 블록체인 상에서 상품 유통 데이터를 처리하는 방법이 개시된다.

도 16을 참조하면, 유통 데이터의 처리 시간을 고려하여 블록체인 상의 블록 생성 시간을 조정할 수 있다.

본 발명의 상품 유통 데이터를 처리하기 위한 블록체인은 상품 유통 데이터가 생성되는 시간과 상품 유통 데이터가 생성되지 않는 시간을 고려하여 블록 생성 시간을 적응적으로 조절할 수 있다. 이뿐만 아니라, 복수의 창고(또는 복수의 메타버스 창고) 각각에서 생성되는 상품 유통 데이터의 거래량도 추가적으로 고려하여 유통 데이터를 바로 생성해야 하는 상품의 특성(예를 들어, 신선 식품)을 고려하여 블록 생성 시간이 상대적으로 조절될 수 있다.

블록체인 데이터 처리 장치(또는 블록체인 데이터 처리부)는 위와 같이 적응적으로 변화되는 블록 생성 시간을 기초로 예상 블록 생성 시간을 결정할 수 있다.

블록체인 상에 블록을 생성하기 위해 블록체인 데이터 처리 장치는 복수의 블록 생성 합의 노드를 포함할 수 있다. 본 발명에서는 시간대별로 블록체인 상에서 발생되는 트랜잭션에 대한 기록을 수집하고, 트랜잭션 기록을 기반으로 블록 생성 시간이 시간대별로 적응적으로 결정될 수 있다.

트랜잭션은 2개의 타입으로 분류될 수 있다.제1 타입 트랜잭션은 블록 생성 시간이 중요한 트랜잭션으로서 상품 입고, 상품 출고와 관련된 트랜잭션을 포함할 수 있다. 제2 타입 트랜잭션은 블록 생성 시간이 중요하지 않은 트랜잭션으로서 상품 보관과 관련된 트랜잭션 또는 상품 적정 가격을 결정하기 위한 트랜잭션을 포함할 수 있다.

블록 생성 시간 결정 장치(1650)는 발생되는 트랜잭션을 기반으로 블록 생성 시간을 결정할 수 있다. 블록 생성 시간 결정 장치(1650)는 제2 타입 트랜잭션(1620)을 필터링하고, 제1 타입 트랜잭션(1610)을 추출하여 블록 생성을 위한 블록 생성 시간을 결정하기 위한 학습을 수행할 수 있다.

1차적으로 유통 데이터 생성 시간(또는 상품의 입고, 보관 및 출고 시간)과 유통 데이터 비생성 시간(또는 상품의 입고, 보관 및 출고가 발생하지 않는 시간)이 구분되고, 거래 시간을 계층적으로 분할하여 시간별로 발생하는 거래량에 대한 학습이 수행될 수 있다.

블록 생성 시간 결정 장치(1650)는 제1 타입 트랜잭션(1610) 및 제1 타입 트랜잭션(1610) 발생시 블록 생성 시간을 기반으로 블록 생성 시간을 결정하기 위한 학습을 수행할 수 있다.

블록 생성 시간을 결정하기 위한 학습을 위해 제1 타입 트랜잭션(1610)은 유통 데이터 생성 시간인지 유통 데이터 비생성 시간인지 여부에 대한 유통 데이터 생성 시간 정보(1625), 시간 계층 정보(1630)를 포함할 수 있다. 시간 계층 정보는 시간 단위를 계층화한 정보로서 시간 단위를 계층화하여 블록 생성 시간의 시간 민감도를 고려한 블록 생성을 수행하기 위해 사용될 수 있다.

제1 시간 계층(1633)은 가장 작은 시간 단위로서 초 단위, 제2 시간 계층(1636)은 분 단위, 제3 시간 계층(1639)은 시간 단위일 수 있다. 이러한 시간 계층의 설정을 통해 초 단위 민감도를 기반으로 한 블록 생성 시간에 대한 학습, 분 단위 민감도를 기반으로 한 블록 생성 시간에 대한 학습, 시간 단위 민감도를 기반으로 한 블록 생성 시간에 대한 학습이 수행될 수 있다.

블록 생성 시간 결정 장치(1650)는 시간 민감도(초 단위 민감도, 분 단위 민감도, 시간 단위 민감도)를 설정하고 학습된 결과를 기반으로 블록 생성 시간이 임계 블록 생성 시간 이하가 되도록 블록을 생성할 수 있다. 예를 들어, 블록 생성 시간 결정 장치(1650)가 시간 민감도를 초단위 민감도로 설정한 경우, 초단위 민감도로 블록 생성 시간이 임계 블록 생성 시간 이하가 되도록 블록을 생성할 수 있다.

도 17은 본 발명의 실시예에 따른 메타버스 창고 상에서 상품 담보 가치를 결정하는 방법을 나타낸 개념도이다.

도 17에서는 메타버스 창고 상에서 발생되는 상품 유통 데이터를 처리하여 판매자의 상품에 대한 상품 담보 가치를 결정하는 방법이 개시된다.

도 17을 참조하면, 메타버스 창고 상에서는 판매자의 상품의 입고, 적치, 재고, 패킹, 출고 등을 기반으로 발생되는 상품 유통 데이터를 전체적으로 통합하여 관리할 수 있다.

상품 유통 데이터인 상품 입고 데이터(1710), 상품 보관 데이터(1750), 상품 출고 데이터(1720) 각각은 처리되어 상품 담보 가치 데이터(1780)를 생성할 수 있다.

구체적으로 상품 입고 데이터(1710), 상품 출고 데이터(1720)를 기반으로 상품 판매 사이클 데이터(1730) 및 상품 판매율 데이터(1740)가 결정될 수 있다. 또한, 상품 보관 데이터(1750)를 기반으로 상품 재고율 데이터(1760), 상품 가치 데이터(1770)가 결정될 수 있다.

상품 판매 사이클 데이터(1730) 및 상품 판매율 데이터(1740), 상품 재고율 데이터(1760) 및 상품 가치 데이터(1770) 각각은 판매자의 상품 담보 가치 데이터(1780)를 결정하기 위해 활용될 수 있다.

상품 판매 사이클 데이터(1730)는 상품 판매 사이클에 대한 것으로 상품의 메타버스 창고에 입고된 이후 출고된 시점까지에 대한 사이클일 수 있다. 판매자에 의해 판매되는 복수의 상품 각각에 대한 판매 사이클은 서로 다를 수 있고, 복수의 상품 각각에 대한 판매 사이클이 결정될 수 있다.

상품 판매율 데이터(1740)는 상품의 입고량과 상품의 출고량과 관련된 데이터로서 상품이 입고 대비 얼마만큼의 판매율을 가지는지에 대한 데이터일 수 있다. 이러한 상품 판매율 데이터(1740)도 복수의 상품 각각에 대하여 결정될 수 있다.

상품 가치 데이터(1770)는 판매자 상품의 특징에 대한 데이터로서 상품 가격대, 상품 판매 대상, 상품 환금성, 상품 재고 특성 등과 같은 상품의 판매 시 가지는 특성에 대한 데이터를 포함할 수 있다. 상품 가치 데이터(1770)는 외부 서버와 연관된 상품 특성 데이터베이스를 통해 생성된 상품 판매 대상, 상품 환금성, 상품 재고 특성과 같은 데이터를 기반으로 생성될 수 있다.

상품별로 타겟팅되는 소비자층에 대한 데이터, 상품의 현금화 가능 여부 및 상품의 현금화시 현금화율에 대한 데이터, 상품 재고 보관시 발생하는 비용 및 재고 보관 가능 기간에 대한 데이터, 시간별 상품 판매량(일, 월, 년), 상품 반품율 등과 같은 상품에 관련된 일반적인 데이터가 데이터베이스 상에 저장되어 있을 수 있고, 이러한 데이터베이스와 연동하여 상품 가치 데이터(1770)가 생성될 수 있다.

도 18은 본 발명의 실시예에 따른 상품 담보 가치 데이터를 결정하는 방법을 나타낸 개념도이다.

도 18에서는 상품 판매 사이클 데이터, 상품 판매율 데이터를 고려한 상품 담보 가치 데이터의 결정 방법이 개시된다.

도 18을 참조하면, 상품 판매 사이클 데이터, 상품 판매율 데이터을 기반으로 상품 담보 가치 데이터가 결정될 수 있다.

기존의 담보 가치 평가와 다르게 현재 메타버스 창고 상에 존재하는 상품 및 메타버스 창고에 존재하는 상품의 판매 사이클과 상품의 가치를 추가적으로 고려하여 상품 담보 가치 데이터가 결정되고, 상품 담보 가치 데이터를 기초로 판매자에게 대출 가능한 금액 및 금리가 결정될 수 있다.

보다 구체적으로 상품 판매 사이클 데이터(1810)를 기반으로 대출 시점 이후에 대출 만기일까지 판매되는 상품에 대한 정보가 예측되고, 이러한 예측 데이터를 기반으로 상품 담보 가치 데이터가 결정될 수 있다. 상품 담보 가치 데이터를 기반으로 판매자에게 대출 만기일까지 대출 가능한 금액 및 금리가 결정될 수 있다.

또한, 본 발명의 실시예에 따르면, 상품 담보 가치 데이터를 결정하기 위해 상품 판매 사이클 데이터에 대한 처리가 수행될 수 있다.

상품 판매 사이클 데이터(1810)는 예측 상품 판매 사이클 데이터(1820)로 전환될 수 있다. 상품의 판매가와 원가에 대한 정보 또는 판매 마진율 등을 고려하여 예측 상품 판매 사이클 데이터(1820)는 기간별 예측 상품 판매 수익 데이터(1830)로 전환될 수 있다.

예측 상품 판매 수익 데이터(1830)는 일/주/월과 같은 정해진 판매 기간, 판매자 금융 서비스 기간 등을 고려하여 기간별 데이터로 전환될 수 있다. 예측 상품 판매 수익 데이터(1830)의 기간별 데이터를 기반으로 예측 상품 판매 수익 데이터(1830)의 제1 데이터 신뢰도(1850)가 결정될 수 있다. 제1 데이터 신뢰도(1850)는 패턴의 반복 가능성에 대한 신뢰도로서 유사한 예측 상품 판매 수익 데이터가 이후에도 발생할 확률이 높을수록 높은 값을 가질 수 있다.

예를 들어, 예측 상품 판매 수익 데이터는 시간을 고려하여 예측 가능성을 높이기 위한 서로 다른 길이의 n개의 시간 구간으로 분리될 수 있고, 제1 데이터 신뢰도(1850)가 가장 높은 n개의 시간 구간의 조합이 하나의 예측 사이클로 정의될 수 있다. 이후, 예측 사이클에 대응되는 서로 다른 n개의 시간 구간을 고려하여 다음 n개의 시간 구간에 대한 예측 상품 판매 수익 데이터(1830)가 예측될 수 있다.

계절성이 없고 일정한 매출을 가지는 판매자에 대한 n개의 시간 구간은 거의 일정하게 분할될 수 있다. 상품의 계절성이 높거나 상품 매출의 변화가 상대적으로 큰 판매자의 경우, 계절성 및 상품 매출 변화를 고려하여 n개의 시간 구간은 서로 다른 길이로 분할될 수 있다.

이러한 방식으로 예측 상품 판매 수익 데이터(1830)의 미래 예측을 위한 하나의 예측 사이클이 n개의 시간 구간으로 분할되고, n개의 시간 구간을 고려한 학습 및 예측이 수행됨으로써 보다 정확하게 상품 담보 가치 데이터가 결정될 수 있다.

또한, 본 발명에서는 예측 상품 판매 수익 데이터(1830)의 제2 데이터 신뢰도(1860)는 실제 수익과 비교하여 결정될 수 있다. 제2 데이터 신뢰도(1860)에 따라 예측 상품 판매 수익 데이터(1830)가 상품 담보 가치 데이터를 결정함에 있어서 끼치는 가중치가 결정될 수 있다.

상품 판매 사이클 데이터(1810)를 기반으로 한 예측 상품 판매 수익 데이터(1830)는 전술한 유통 사이클을 고려하여 결정된다. 즉, 상품 판매 사이클 데이터(1830)의 생성 이후, 유통 사이클을 고려한 기간이 지나면, 예측 상품 판매 수익 데이터(1830)와 유사한 범위의 상품 판매 수익 데이터가 생성되어야 한다.

만약, 예측 상품 판매 수익 데이터(1830)와 상품 판매 수익 데이터의 오차가 상대적으로 클수록 제2 데이터 신뢰도(1860)가 상대적으로 낮다고 결정될 수 있다. 반대로, 예측 상품 판매 수익 데이터(1830)와 상품 판매 수익 데이터의 오차가 상대적으로 작을수록 제2 데이터 신뢰도(1860)가 상대적으로 높다고 결정될 수 있다. 이러한 제2 데이터 신뢰도(1860)를 고려하여 예측 상품 판매 수익 데이터(1830)가 상품 담보 가치 데이터를 결정함에 있어서 끼치는 가중치가 결정될 수 있다.

데이터의 소스를 구분하기 위해 상품 판매 사이클 데이터(1810)를 기반으로 한 예측 상품 판매 수익 데이터는 예측 상품 판매 수익 데이터(상품 판매 사이클 데이터)(1870)이라는 용어로 정의되고, 상품 판매 데이터를 기반으로 한 예측 상품 판매 수익 데이터는 예측 상품 판매 수익 데이터(상품 판매 데이터)(1880)이라는 용어로 정의될 수 있다.

예측 상품 판매 수익 데이터(상품 판매 사이클 데이터)(1870) 및 예측 상품 판매 수익 데이터(상품 판매 데이터)(1880) 각각은 전술한 제2 데이터 신뢰도(1860) 각각을 고려하여 예측 상품 판매 수익 데이터가 상품 담보 가치 데이터를 결정함에 있어서 끼치는 가중치가 결정될 수 있다.

도 19는 본 발명의 실시예에 따른 상품 담보 가치 평가 장치를 나타낸 개념도이다.

도 19에서는 상품 담보 가치 데이터를 결정하기 위한 상품 담보 가치 평가 장치가 개시된다.

도 19를 참조하면, 상품 담보 가치 평가 장치는 상품 유통 데이터 수신부(1910), 상품 판매 사이클 결정부(1920), 상품 판매율 결정부(1930), 상품 재고율 결정부(1940), 상품 가치 결정부(1950), 예측 상품 판매 사이클 결정부(1960), 예측 판매 수익 결정부(1970), 상품 담보 가치 데이터 결정부(1980) 및 프로세서(1990)를 포함할 수 있다.

상품 유통 데이터 수신부(1910)는 상품 입고 데이터, 상품 보관 데이터, 상품 출고 데이터를 수신하기 위해 구현될 수 있다.

상품 판매 사이클 결정부(1920)는 상품 입고 데이터, 상품 출고 데이터를 기반으로 상품의 판매 사이클을 결정하기 위해 구현될 수 있다.

상품 판매율 결정부(1930)는 상품 입고 데이터, 상품 출고 데이터를 기반으로 상품의 판매율을 결정하기 위해 구현될 수 있다.

상품 재고율 결정부(1940)는 상품 보관 데이터를 기반으로 상품의 재고율을 결정하기 위해 구현될 수 있다.

상품 가치 결정부(1950)는 판매자 상품의 특징에 대한 데이터로서 상품 가격대, 상품 판매 대상, 상품 환금성, 상품 재고 특성 등과 같은 상품의 판매시 가지는 특성에 대한 데이터를 기반으로 상품 자체의 가치를 결정하기 위해 구현될 수 있다.

예측 상품 판매 사이클 결정부(1960)는 상품 판매 사이클 데이터를 기반으로 예측 상품 판매 사이클 데이터를 결저하기 위해 구현될 수 있다.

예측 판매 수익 결정부(1970)는 예측 상품 판매 수익 데이터(상품 판매 사이클 데이터) 및 예측 상품 판매 수익 데이터(상품 판매 데이터)를 결정하기 위해 구현될 수 있다. 상품 담보 가치 평가 장치는 예측 상품 판매 수익 데이터를 기반으로 상품 담보 가치 데이터를 결정할 수 있다.

상품 담보 가치 데이터 결정부(1980)는 상품 판매 사이클 데이터, 상품 판매율 데이터, 상품 재고율 데이터 및 상품 가치 데이터를 기반으로 상품 담보 가치 데이터를 결정할 수 있다.

상품 판매 사이클 데이터는 예측 상품 판매 사이클 데이터로 전환되고, 예측 상품 판매 사이클 데이터는 예측 상품 판매 수익 데이터로 전환되고, 상품 담보 가치 데이터 결정부(1980)는 예측 상품 판매 수익 데이터를 기반으로 상품 담보 가치 데이터를 결정할 수 있다.

프로세서(1990)는 상품 유통 정보 수신부(1910), 상품 판매 사이클 결정부(1920), 상품 판매율 결정부(1930), 상품 재고율 결정부(1940), 상품 가치 결정부(1950), 예측 상품 판매 사이클 결정부(1960), 예측 판매 수익 결정부(1970) 및 상품 담보 가치 데이터 결정부(1980)의 동작을 제어하기 위해 결정될 수 있다.

이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.

이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.

따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (6)

1. 메타버스 창고 상에서 상품 담보 가치 평가 방법은,
   상품 담보 가치 평가 장치가 상품 유통 데이터를 수신하는 단계; 및
   상기 상품 담보 가치 평가 장치가 상기 상품 유통 데이터를 기반으로 상품 담보 가치 데이터를 결정하는 단계를 포함하되,
   상기 상품 유통 데이터는 메타버스 창고 상에서 발생되는 상품 입고 데이터, 상품 출고 데이터 및 상품 보관 데이터를 포함하는 것을 특징으로 하는 상품 담보 가치 평가 방법.
2. 제1항에 있어서, 상기 상품 담보 가치 평가 장치가 상기 상품 유통 정보를 기반으로 상품 담보 가치 데이터를 결정하는 단계는,
   상품 담보 가치 평가 장치가 상기 상품 입고 데이터 및 상기 상품 출고 데이터를 기반으로 상품 판매 사이클 데이터 및 상품 판매율 데이터를 결정하는 단계;
   상기 상품 담보 가치 평가 장치가 상기 상품 보관 데이터를 기반으로 상품 재고율 데이터 및 상품 가치 데이터를 결정하는 단계; 및
   상기 상품 담보 가치 평가 장치가 상품 판매 사이클 데이터, 상품 판매율 데이터, 기반으로 상품 재고율 데이터 및 상품 가치 데이터를 기반으로 상품 담보 가치 데이터를 결정하는 단계를 포함하는 것을 특징으로 하는 상품 담보 가치 평가 방법.
3. 제2 항에 있어서, 상기 상품 담보 가치 데이터를 결정하는 단계는,
   상기 상품 담보 가치 평가 장치가 상기 상품 판매 사이클 데이터를 예측 상품 판매 사이클 데이터로 전환하는 단계;
   상기 상품 담보 가치 평가 장치가 상기 예측 상품 판매 사이클 데이터를 예측 상품 판매 수익 데이터로 전환하는 단계; 및
   상기 상품 담보 가치 평가 장치가 상기 예측 상품 판매 수익 데이터를 기반으로 상기 상품 담보 가치 데이터를 결정하는 단계를 포함하는 것을 특징으로 하는 상품 담보 가치 평가 방법.
4. 메타버스 창고 상에서 상품 담보 가치 평가를 위한 상품 담보 가치 평가 장치는,
   상품 유통 데이터를 수신하고,
   상기 상품 유통 데이터를 기반으로 상품 담보 가치 데이터를 결정하도록 구현되고,
   상기 상품 유통 데이터는 메타버스 창고 상에서 발생되는 상품 입고 데이터, 상품 출고 데이터 및 상품 보관 데이터를 포함하는 것을 특징으로 하는 상품 담보 가치 평가 장치.
5. 제4항에 있어서,
   상품 담보 가치 평가 장치는 상기 상품 입고 데이터 및 상기 상품 출고 데이터를 기반으로 상품 판매 사이클 데이터 및 상품 판매율 데이터를 결정하고,
   상기 상품 보관 데이터를 기반으로 상품 재고율 데이터 및 상품 가치 데이터를 결정하고,
   상품 판매 사이클 데이터, 상품 판매율 데이터, 기반으로 상품 재고율 데이터 및 상품 가치 데이터를 기반으로 상품 담보 가치 데이터를 결정하도록 구현되는 것을 특징으로 하는 상품 담보 가치 평가 장치.
6. 제5 항에 있어서,
   상기 상품 담보 가치 평가 장치는 상기 상품 판매 사이클 데이터를 예측 상품 판매 사이클 데이터로 전환하고,
   상기 예측 상품 판매 사이클 데이터를 예측 상품 판매 수익 데이터로 전환하고,
   상기 예측 상품 판매 수익 데이터를 기반으로 상기 상품 담보 가치 데이터를 결정하도록 구현되는 것을 특징으로 하는 상품 담보 가치 평가 장치.

Images