KR-102957714-B1 - AI-based food data normalization and intelligent prediction automation platform

Abstract

본 발명은 AI 기반 식품 데이터 정규화 및 지능형 예측 자동화 시스템에 관한 것으로서, 복수의 오픈마켓으로부터 주문데이터를 자동 수집하는 주문데이터 수집부; 주문데이터를 표준 데이터 구조로 변환하여 정규화된 데이터를 생성하는 주문데이터 정규화부; 상기 정규화된 데이터와, 과거 판매량, 가격 변동 정보, 기상 정보 및 재고 정보 중 적어도 하나를 입력으로 하여 시계열 딥러닝 모델을 통해 품목별 판매량, 품목별 단가 및 품목별 예측 발주량을 예측하는 예측엔진; 및 재고잔량, 회전율, 유통기한 및 과거 소비속도 중 적어도 하나와 품목별 예측 발주량을 포함하는 운영 변수를 결합하여 품목별 운영 변수 기반 최종 발주량을 계산하는 발주량 자동 산출부를 포함할 수 있다.

Inventors

• 신윤수

Assignees

• 주식회사 하루잇

Dates

Publication Date

20260506

Application Date

20251119

Claims (10)

1. AI 기반 식품 데이터 정규화 및 지능형 예측 자동화 시스템에 있어서, 복수의 오픈마켓으로부터 주문데이터를 자동 수집하는 주문데이터 수집부; 주문데이터를 표준 데이터 구조로 변환하여 정규화된 데이터를 생성하는 주문데이터 정규화부; 상기 정규화된 데이터와, 과거 판매량, 가격 변동 정보, 기상 정보 및 재고 정보 중 적어도 하나를 입력으로 하여 시계열 딥러닝 모델을 통해 품목별 판매량, 품목별 단가 및 품목별 예측 발주량을 예측하는 예측엔진; 및 재고잔량, 회전율, 유통기한 및 과거 소비속도 중 적어도 하나와 품목별 예측 발주량을 포함하는 운영 변수를 결합하여 품목별 운영 변수 기반 최종 발주량을 계산하는 발주량 자동 산출부를 포함하되, 상기 시스템은 로그인 처리부를 더 포함하며, 로그인 처리부는 사용자 단말기에 로그인 정보를 전송하고 로그인 정보를 수신한 사용자 단말기로부터 로그인 정보를 수신하며, 로그인 처리부에서 사용자 단말기에 전송된 로그인 정보와 사용자 단말기로부터 수신한 로그인 정보가 일치할 때, 로그인 처리부는 로그인 정보를 전송한 사용자 단말기에 처리 정보를 전송하고, 상기 시스템은, 직사각형 판 형상으로 이루어진 베이스부; 각각 막대 형상으로 이루어지되, 베이스부의 상면에서 상호 간에 평행하게 이격되고, 하나에는 길이 방향을 따라 안내 개구가 형성된 한 쌍의 안내부들; 막대 형상으로 이루어지되, 안내부들을 연결하고 안내부들의 제 1 종단면들 및 안내부의 상면과 동일 평면을 형성하도록 베이스부에 위치되는 안내 보조부; 투명한 플렉시블 디스플레이 장치의 형태로 이루어지되, 안내부들 및 안내 보조부 사이에서 안내부들 및 안내 보조부에 연결되고 베이스부로부터 이격된 상태로 베이스부의 상측에 위치되고, 안내부들 및 안내 보조부의 상면과 동일 평면을 형성하도록 위치되는 접촉 표시부; 소정 각도를 형성하는 구부러진 막대 형상의 제어 베이스와, 안내 개구의 제 1 종단면에 인접하도록 안내 개구에 고정되고 제어 베이스의 제 1 종단 부분에 연결되어 제어 베이스가 축으로 하여 회동되도록 하는 제어 안내체와, 제어 베이스의 제 1 종단 부분의 반대편인 제 2 종단 부분에 회전 가능하도록 위치된 롤러 형상의 제어 접촉체를 포함하는 표시 제어부; 다른 하나의 안내부의 제 1 종단면의 반대편인 제 2 종단면에 위치되는 와이어 베이스와, 다른 하나의 안내부의 제 2 종단면에 인접한 내측면에 위치되는 고리 형상의 와이어 안내체와, 제 1 종단이 와이어 베이스에 고정되고 와이어 안내체를 통과하여 안내부들 사이에 위치되면서 제어 베이스의 제 2 종단 부분을 관통하여 위치되는 와이어 형태의 분리 와이어와, 분리 와이어의 제 1 종단의 반대편인 제 2 종단에 고정되고 분리 와이어의 종단면적보다 큰 판 형상의 와이어 고정체와, 제어 베이스와 와이어 고정체 사이의 분리 와이어 상에서 분리 와이어를 따라 이동할 수 있고 분리 와이어에 고정될 수 있는 제 1 제어 스토퍼와, 제 1 제어 스토퍼와 와이어 고정체 사이의 분리 와이어 상에서 분리 와이어를 따라 이동할 수 있고 분리 와이어에 고정될 수 있는 제 2 제어 스토퍼를 포함하는 분리 가이드부; 및 베이스의 가장자리에 대응하도록 하나의 안내부의 제 1 종단 부분, 안내 보조부 및 다른 하나의 안내부에 걸쳐 위치되고 안내 개구로부터 이격된 유도 베이스와, 하나의 안내부의 제 1 종단면의 반대편인 제 2 종단면과 동일 평면을 형성하면서 하나의 안내부의 외측면과 직교하도록 위치되는 판 형상의 유도 연장체와, 유도 연장체 및 하나의 안내부의 제 2 종단면에 위치되어 다른 하나의 안내부에 대하여 직선 슬라이딩 이동될 수 있는 판 형상의 유도 이동체와, 유도 베이스를 관통하여 베이스부 주위에 위치되고 유도 베이스를 따라 이동가능하며 제 1 종단이 제어 베이스의 제 1 종단 부분에 연결되고 제 1 종단의 반대편인 제 2 종단이 유도 이동체의 제 1 종단면에 연결되는 유도 와이어와, 유도 이동체의 제 1 종단면의 반대편인 제 2 종단면에 위치되고 제 2 제어 스토퍼에 분리가능하도록 결합될 수 있는 유도 연결체를 포함하는 유도 보조부를 포함하는 접속 보조 장치를 더 포함하고, 제어 베이스의 제 2 종단 부분은 안내 개구를 통과가능하고, 제어 안내체는 제어 베이스의 회동 각도를 산출하여 산출된 회동 각도에 따라 접촉 표시부에서 접촉 정보의 출력 영역을 제어하며, 사용자 단말기는, 스마트폰 또는 태블릿의 형태로 이루어지되, 사용자 단말기의 일면에 위치되는 디스플레이 장치 형태의 표시부; 및 사용자 단말기의 일면에서 표시부로부터 이격되고 사용자 단말기의 제 1 종단 부분에 위치되는 카메라 또는 센서 형태의 검출부를 포함하고, 사용자 단말기는 안내부들 사이의 베이스부의 상면에 위치되고, 표시부는 접촉 표시부에 대응되면서 접촉 표시부에 접촉되며, 분리 와이어는 사용자 단말기와 다른 하나의 안내부 사이 및 사용자 단말기와 안내 보조부 사이에 위치되고, 사용자 단말기는 안내 보조부를 향하도록 이동하여 분리 와이어에 접촉되고 분리 와이어를 안내 보조부에 접촉시키며, 제어 베이스는 제어 안내체를 축으로 회동되어, 제어 접촉체를 사용자 단말기의 제 1 측면에 접촉시키며 사용자 단말기의 제 1 측면의 반대편인 제 2 측면을 분리 와이어에 접촉시키고 분리 와이어를 다른 하나의 안내부에 접촉시키며, 유도 와이어를 당겨 유도 베이스를 따라 이동시키고 유도 이동체를 다른 하나의 안내부를 향하도록 이동시켜 안내부들 사이의 베이스부에 위치된 사용자 단말기에 대응되어 접촉되며, 제 1 제어 스토퍼는 분리 와이어를 따라 이동하면서 제어 베이스의 제 2 종단 부분에 접촉되어 고정되며 분리 와이어는 하나의 안내부와 제어 베이스 사이에서 팽팽해지고, 제 1 제어 스토퍼와 제 2 제어 스토퍼 사이의 분리 와이어는 유도 연장체에 접촉되면서 팽팽해지고 제 2 제어 스토퍼는 유도 연결체와 분리 가능하도록 결합되며, 로그인 처리부는 로그인 정보를 사용자 단말기에 전송하면서 사용자 단말기가 위치되고 연동된 접속 보조 장치에 전송하며, 접속 보조 장치는 로그인 정보를 수신하고 접촉 표시부는 표시부에 대응되도록 위치되면서 제어 안내체에 의해 제어된 크기의 출력 영역에 로그인 정보에 따른 접촉 정보를 출력하고, 접촉 정보는 로그인 정보를 바탕으로 하는 도트들이 임의로 격자에 위치된 형태로 이루어지며, 접촉 표시부는 접촉 정보의 도트들에 대응하도록 터치되어 변형되고 사용자 단말기의 표시부에서 도트에 대응되는 부분에 접촉되며, 사용자 단말기는 도트들에 따른 접촉 정보를 입력받고 입력된 접촉 정보를 로그인 정보의 형태로 변환하여 기 수신되어 저장된 로그인 정보와 비교하며, 사용자 단말기에서 로그인 정보와 변환된 접촉 정보가 일치할 때, 사용자 단말기는 로그인 정보를 로그인 처리부에 전송하며, 제어 베이스는 제어 안내체를 축으로 회동되어 제어 접촉체를 사용자 단말기의 제 1 측면으로부터 이격되어, 제 1 제어 스토퍼는 분리 와이어에 고정되고 제어 베이스에 접촉된 상태로 제어 베이스와 함께 이동되고, 제 1 제어 스토퍼와 제 2 제어 스토퍼 사이의 분리 와이어를 유도 연장체로부터 이격되도록 이동시키며, 제 2 제어 스토퍼는 유도 연결체와 함께 사용자 단말기로부터 이격되도록 유도 이동체를 이동시키며, 안내부들 사이의 분리 와이어는 안내 보조부 및 다른 하나의 안내부로부터 점점 이격되고 사용자 단말기를 안내부들 사이로부터 분리하는 것을 특징으로 하는 시스템.
2. 제1항에 있어서, 시계열 딥러닝 모델은 RNN(Recurrent Neural Network), LSTM(Long Short-Term Memory), GRU(Gated Recurrent Unit), Transformer 기반 모델 및 Lag Feature 기반 시계열 예측 모델 중 적어도 하나를 포함하고, 예측엔진은 가격 변동 정보로서 품목별 과거 단가의 시계열 변동 패턴을 시차 특성(Lag Feature)으로 인코딩하여 품목별 판매량 또는 품목별 단가 예측에 반영하며, 예측엔진은 품목별 예측 발주량의 신뢰도를 나타내는 신뢰도 점수(Confidence Score)를 산출하는 것을 특징으로 하는 시스템.
3. 제1항에 있어서, 발주량 자동 산출부는 품목별 운영 변수 기반 최종 발주량을 산출할 때 안전재고 기준, 최소 발주 단위 또는 최대 보관 가능량 중 적어도 하나를 추가로 고려하는 것을 특징으로 하는 시스템.
4. 제1항에 있어서, 발주량 자동 산출부는 품목별 운영 변수 기반 최종 발주량을 산출한 이후 상기 산출된 품목별 운영 변수 기반 최종 발주량에 기초하여 거래처별 발주서를 자동 생성하는 발주서 생성 모듈을 포함하는 것을 특징으로 하는 시스템.
5. 제1항에 있어서, 주문데이터 정규화부는 서로 상이한 발주서 양식을 단일 표준 데이터 스키마로 변환하는 정규화 알고리즘을 포함하는 것을 특징으로 하는 시스템.
6. 제1항에 있어서, 상기 시스템은 상기 정규화된 데이터를 기반으로 옵션명, 규격 및 수량 정보 중 적어도 하나를 거래처별 실제 발주 옵션과 자동 매칭하는 옵션 매칭부를 더 포함하며, 옵션 매칭부는 문자열 유사도 모델, 품목 벡터 임베딩 모델 및 사전 학습된 옵션 매칭 모델 중 적어도 하나를 이용하여 옵션명을 거래처 요구 규칙에 맞게 자동 변환하는 것을 특징으로 하는 시스템.
7. 제1항에 있어서, 상기 시스템은 품목 누락, 수량 불일치 및 단가 오류 중 적어도 하나를 탐지하기 위해 품목별 예측 발주량, 운영 변수 기반 최종 발주량, 실제 발주 데이터 및 출고 데이터를 상호 비교하는 정합 보정부를 더 포함하는 것을 특징으로 하는 시스템.
8. 제1항에 있어서, 상기 시스템은 품목별 운영 변수 기반 최종 발주량 또는 품목별 예측 발주량과 거래처별 정산 규칙을 기초로 하여 농가용 정산서 및 셀러용 정산서를 자동 생성하는 정산서 자동 생성부를 더 포함하는 것을 특징으로 하는 시스템.
9. 제1항에 있어서, 상기 시스템은 거래처로부터 송장번호를 수신하여 상기 정규화된 데이터 중 상기 송장번호가 대응되는 주문 건에 자동 통합하고, 상기 주문 건에 통합된 송장번호를 오픈마켓 플랫폼의 주문 처리 시스템에 오픈마켓 API를 통해 자동 등록하는 송장 동기화부를 더 포함하는 것을 특징으로 하는 시스템.
10. 삭제

Description

AI 기반 식품 데이터 정규화 및 지능형 예측 자동화 플랫폼{AI-based food data normalization and intelligent prediction automation platform} 본 발명은 AI 기반 식품 데이터 정규화 및 지능형 예측 자동화 플랫폼에 관한 것으로서, 보다 구체적으로는 복수의 오픈마켓으로부터 수집된 주문데이터를 표준 데이터 구조로 정규화하고, 정규화된 데이터를 포함한 다양한 예측 특성(과거 판매량, 가격 변동 정보, 기상 정보, 재고 정보 등)을 입력으로 하여 시계열 딥러닝 모델을 통해 품목별 판매량, 품목별 단가 및 품목별 예측 발주량을 예측하며, 예측된 품목별 예측 발주량과 재고잔량, 회전율, 유통기한 및 과거 소비속도 등의 운영 변수를 결합하여 품목별 운영 변수 기반 최종 발주량을 계산하는 AI 기반 식품 데이터 정규화 및 지능형 예측 자동화 시스템에 관한 것이다. 최근 전자상거래 플랫폼의 확대와 함께 식품·농산물 분야에서도 네이버, 쿠팡, 올웨이즈 등 다양한 오픈마켓을 통한 주문·발주·정산 업무가 증가하고 있다. 그러나 각 오픈마켓은 서로 다른 형식의 발주서 양식과 주문 데이터 구조를 사용하고 있어, 이를 통합적으로 처리하기 위해서는 수작업을 통한 정규화 작업이 필요하다. 이러한 수작업 기반의 데이터 정규화는 상당한 시간이 소요될 뿐만 아니라, 옵션명·규격·수량 등의 항목이 플랫폼·거래처별로 상이하여 오류가 빈번하게 발생하는 문제가 있다. 또한 농산물·식품 거래의 특성상 품목별 판매량 변동성이 크고, 가격 변동, 기상 요인, 생산자별 공급량 등 다양한 외부 요인이 영향을 미치기 때문에 일정한 발주 패턴을 예측하기 어렵다. 기존 ERP 또는 발주 관리 시스템은 주로 고정 규칙 기반으로 운영되어 이러한 외부 요인을 반영한 정교한 수요 예측을 제공하기 어렵고, 적정 발주량 산정 역시 담당자의 경험적 판단에 의존하는 실정이다. 이로 인해 과발주 또는 재고 부족 문제가 발생하며, 이는 비용 증가 또는 판매 기회 손실로 이어질 수 있다. 더불어 실제 발주량, 출고량, 정산서 간에는 단가, 수량 또는 옵션 정보의 불일치가 자주 발생하며, 이러한 오류를 수동으로 검토·보정하는 과정에서 추가적인 업무 부담과 지연이 발생한다. 특히 송장번호 처리 또한 거래처별 방식이 달라, 수신된 송장번호를 오픈마켓 주문 건에 일일이 반영하고 다시 플랫폼에 업로드하는 절차가 자동화되어 있지 않아 운영 효율성이 저하되는 문제가 있다. 따라서 오픈마켓 간 상이한 주문데이터를 자동으로 정규화하고, 정규화된 데이터를 기반으로 수요 예측, 발주량 산출, 옵션 매칭, 정산 및 송장 처리까지 연계하여 자동화할 수 있는 기술이 요구되고 있다. 특히 식품·농산물과 같이 변동성이 큰 품목에 대해 품목별 판매량, 단가 및 예측 발주량을 정교하게 예측할 수 있는 AI 기반 시스템과, 이를 실제 발주·정산·출고 프로세스와 통합할 수 있는 기술의 필요성이 증가하고 있다. 본 명세서에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다. 도 1은 본 발명의 일 실시예에 따른 AI 기반 식품 데이터 정규화 및 지능형 예측 자동화 시스템의 개략도이다. 도 2는 본 발명의 일 실시예에 따른 AI 기반 식품 데이터 정규화 및 지능형 예측 자동화 시스템의 흐름도이다. 도 3은 본 발명의 일 실시예에 따른 AI 기반 식품 데이터 정규화 및 지능형 예측 자동화 시스템에 연결되는 사용자 단말기와 연동되는 접속 보조 장치를 도시하는 사시도이다. 도 4는 본 발명의 일 실시예에 따른 AI 기반 식품 데이터 정규화 및 지능형 예측 자동화 시스템에 연결되는 사용자 단말기와 연동되는 접속 보조 장치에서 접촉 표시부의 작동을 도시하는 도면들이다. 도 5는 본 발명의 일 실시예에 따른 AI 기반 식품 데이터 정규화 및 지능형 예측 자동화 시스템에 연결되는 사용자 단말기와 연동되는 접속 보조 장치에서 사용자 단말기의 이동을 도시하는 도면들이다. 본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고, 이를 상세한 설명을 통해 상세히 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명은 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서의 설명 과정에서 이용되는 숫자(예를 들어, 제 1, 제 2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다. 또한, 본 명세서에서, 일 구성요소가 다른 구성요소와 "연결된다" 거나 "접속된다" 등으로 언급된 때에는, 상기 일 구성요소가 상기 다른 구성요소와 직접 연결되거나 또는 직접 접속될 수도 있지만, 특별히 반대되는 기재가 존재하지 않는 이상, 중간에 또 다른 구성요소를 매개하여 연결되거나 또는 접속될 수도 있다고 이해되어야 할 것이다. 또한, 본 명세서에서 '~부'로 표현되는 구성요소는 2개 이상의 구성요소가 하나의 구성요소로 합쳐지거나 또는 하나의 구성요소가 보다 세분화된 기능별로 2개 이상으로 분화될 수도 있다. 또한, 이하에서 설명할 구성요소 각각은 자신이 담당하는 주기능 이외에도 다른 구성요소가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성요소 각각이 담당하는 주기능 중 일부 기능이 다른 구성요소에 의해 전담되어 수행될 수도 있음은 물론이다. 이하, 본 발명의 기술적 사상에 의한 실시예들을 차례로 상세히 설명한다. 도 1은 본 발명의 일 실시예에 따른 AI 기반 식품 데이터 정규화 및 지능형 예측 자동화 시스템의 개략도이다. 도 2는 본 발명의 일 실시예에 따른 AI 기반 식품 데이터 정규화 및 지능형 예측 자동화 시스템의 흐름도이다. 본 발명의 일 실시예에 따른 AI 기반 식품 데이터 정규화 및 지능형 예측 자동화 시스템(100)은 사용자 단말기(20)와 네트워크(50)를 통해 연결되며, 주문데이터 수집부(110), 주문데이터 정규화부(120), 예측엔진(130), 발주량 자동 산출부(140), 옵션 매칭부(150), 정합 보정부(160), 정산서 자동 생성부(170), 송장 동기화부(180) 및 로그인 처리부(190)를 포함할 수 있다. 사용자 단말기(20)는 네트워크(50)를 통해 시스템의 서버 또는 외부 서비스에 접속할 수 있는 장치로 구현될 수 있다. 사용자 단말기(20)는 웹 브라우저 또는 전용 애플리케이션을 실행할 수 있는 장치로서, 예를 들어 데스크탑 컴퓨터, 노트북, 태블릿 PC, 스마트폰, 스마트 패드 등과 같은 각종 스마트 디바이스를 포함할 수 있다. 이러한 사용자 단말기(20)에는 웨어러블 디바이스, IoT(Internet of Things) 기반 장치 등과 같이 네트워크 접속 기능을 갖는 다양한 전자 장치도 포함될 수 있다. 여기서, 네트워크(50)는 사용자 단말기(20)와 서버 또는 다른 단말기 간의 데이터 송수신이 가능한 통신 인프라를 의미하며, 유선 네트워크 또는 무선 네트워크 중 적어도 하나를 포함할 수 있다. 무선 네트워크는 예를 들어 Wi-Fi, Bluetooth, 이동통신망(4G, 5G, 6G), LPWAN(Low-Power Wide-Area Network) 등을 포함할 수 있으며, 유선 네트워크는 인터넷(Internet), LAN(Local Area Network), WAN(Wide Area Network) 등을 포함할 수 있다. 또한 네트워크(50)는 클라우드 기반 네트워크, 엣지 컴퓨팅 환경, 가상 사설망(VPN: Virtual Private Network) 등을 포함할 수도 있으나 이에 한정되지 않는다. 주문데이터 수집부(110)는 복수의 오픈마켓에서 제공되는 주문데이터를 자동으로 수집하기 위한 기능을 수행할 수 있다. 주문데이터 수집부(110)는 네이버, 쿠팡, 올웨이즈 등과 같은 오픈마켓 플랫폼의 주문 연동 API로부터 데이터를 실시간 또는 주기적으로 수집할 수 있으며, 사용자 단말기(20)를 통해 업로드되는 Excel, CSV, PDF 등 다양한 형식의 발주서 파일을 자동 파싱하여 원시 주문데이터로 변환할 수 있다. 또한, 주문 생성 이벤트 기반 데이터 수집, 예약 기반 자동 수집 등 다양한 형태의 데이터 취득 방식을 지원함으로써, 이기종 주문데이터를 중앙 서버로 안정적으로 집계할 수 있다. 주문데이터 정규화부(120)는 주문데이터 수집부(110)에 의해 취합된 다양한 형식의 원시 주문데이터를 표준 데이터 구조로 변환하여 정규화된 데이터를 생성하는 기능을 수행할 수 있다. 주문데이터 정규화부(120)는 플랫폼별 상이한 필드명을 통일된 필드명으로 매핑하고, 옵션명·규격·수량과 같은 데이터 형식을 일관되게 변환하며, 필요에 따라 규칙 기반 정규화 알고리즘, 텍스트 기반 머신러닝 모델 또는 패턴 사전을 이용하여 데이터 형식을 보정할 수 있다. 또한, 정규화 과정에서 필수 필드의 존재 여부를 검사하고, 수량·단가의 자료형 변환 및 특수문자 제거 등 무결성 검증을 수행함으로써 예측엔진(130)의 입력값으로 사용 가능한 품질의 정규화된 데이터를 생성할 수 있다. 예측엔진(130)은 정규화된 데이터, 과거 판매량, 가격 변동 정보, 기상 정보, 재고 정보 등을 입력으로 하여 품목별 판매량, 품목별 단가 및 품목별 예측 발주량을 산출하는 시계열 딥러닝 기반 AI 모듈일 수 있다. 예측엔진(130)은 RNN, LSTM, GRU, Transformer 기반 시계열 모델 또는 시차 특성(Lag Feature)을 포함한 예측 모델 중 적어도 하나를 포함할 수 있으며, 품목별 과거 단가의 시계열 변동 패턴을 특징값으로 인코딩하여 판매량 및 단가 예측에 반영할 수 있다. 또한, 예측엔진(130)은 예측 결과의 신뢰도를 나타내는 신뢰도 점수(Confidence Score)를 추가로 산출할 수 있으며, 이를 통해 이후 단계의 발주량 산출 및 정합 보정의 정확성을 향상시킬 수 있다. 발주량 자동 산출부(140)는 예측엔진(130)에