[논문]인공신경망을 이용한 국방조달 부정당업자 예측모형 개발

한홍규; 최석철

[국내논문] 인공신경망을 이용한 국방조달 부정당업자 예측모형 개발
An Artificial Neural Network Approach for the Prediction of Unlawful Company in Defense Procurement 원문보기

한국국방경영분석학회지 = Journal of the Military Operations Research Society of Korea, v.37 no.1, 2011년, pp.1 - 9

한홍규 (국방대학교 국방관리대학원 무기체계학과) , 최석철 (국방대학교 국방관리대학원 무기체계학과)

초록
AI-Helper

현대 국방획득 업무에서 계약업체의 관리는 중요한 요소라고 할 수 있다. 국방조달에 있어서 부정당업자의 발생은 무기체계의 전력화에 큰 차질을 유발시켜 획득사업이 원활히 이행되지 못하는 원인을 야기시킨다. 본 논문에서는 인공신경망 모형을 이용하여 국방조달에서 부정당업자를 판별할 수 있는 예측모형을 개발하고자 한다. 모형에 사용된 데이터는 국내 중소 제조기업을 대상으로 구축된 학습용 및 검증용 자료를 활용하여 실증분석 하였다. 본 연구를 통해 제시된 모형의 결과로 사업관리자들의 사업관리 능력을 향상시키고, 견실한 국방조달업체의 진입을 통한 조달질서 확립에 기여를 할 수 있으리라 기대된다.

Abstract ▼ AI-Helper

The contractor management is one of the important factors for the modem defense acquisition program. The occurrence of unlawful company causes the reason in which defense acquisition program is unable to be reasonably fulfilled and setback to the deployment of defense weapon system. In this paper, we propose the Artificial Neural Network to develop a prediction model for the discrimination of unlawful company in defense procurement. The data which are used in analysis, are obtained targeting domestic small & medium manufacture enterprises. It is expected that our model can be used to improve the program management capability for defense acquisition and contribute to the establishment of efficient procurement procedure through entry of the reliable domestic manufacturer.

Keyword

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서 본 연구에서는 사업관리자들로 하여금 납품업체 관리능력을 향상시키기 위해 인공신경망을 이용한 부정당업자 예측모형을 개발하고자 한다.
본 연구에서는 2006년부터 2010년간 국방 조달을 위해 방위사업청에 등록된 3450개의 업체 중 납품실적이 있는 국내업체 1107개 업체와 국내 부정당 업자 183건에 대한 납품업체의 리스트와 납품실적(납품실적 금액, 납품실적 횟수)를 방위사업청으로부터 수집하였고 이들 중 중소기업청에 등록된 제조업체 중 부정당업자 88개와 부정당 없이 정상적으로 납품을 한 견실업체 188개의 업체에 대한 리스트와 재무비율, 종업원수 데이터를 획득하여 분석에 활용하고자 한다. 데이터 분석 시 예측모형을 검증하기 위해 부정당업자 및 견실업체에서 각각 20개의 업체를 검증용 데이터로 활용하였으며 , 부정당업자에 대해서는 부정 당 제재 직전년도 자료를 수집하였다.
본 논문에서는 인공신경망 모형을 이용하여 국방 조달에 있어서 부정당업자 발생 예측을 분석하였다. 이를 위해 분석에 사용된 학습용 데이터는 모형개발의 학습자료로 활용하고, 검증용 데이터는 모형의 예측자료로 활용하여 분석을 수행하였다.

제안 방법

한편, 본 논문에서 사용한 입력변수는 국내 . 외에서 기업의 도산예측을 위해 많이 사용된 재무비율에 추가하여 납품실적 금액, 납품실적 횟수, 종업원 수를 고려하여 인공신경망 분석을 실시하였다.
외에서 기업의 도산예측을 위해 많이 사용된 재무비율에 추가하여 납품실적 금액, 납품실적 횟수, 종업원 수를 고려하여 인공신경망 분석을 실시하였다. 이는 기존의 연구는 재무비율에 근거하여 기업의 도산여부를 예측하였으나, 본 연구는 기업의 건전성 측면에서 12가지의 재무비율을 입력변수로 채택함과 아울러 국방조달이라는 특수성을 고려하여 납품실적 금액과 납품실적 횟수를 입력변수로 채택하였다.
외에서 기업의 도산예측을 위해 많이 사용된 재무비율에 추가하여 납품실적 금액, 납품실적 횟수, 종업원 수를 고려하여 인공신경망 분석을 실시하였다. 이는 기존의 연구는 재무비율에 근거하여 기업의 도산여부를 예측하였으나, 본 연구는 기업의 건전성 측면에서 12가지의 재무비율을 입력변수로 채택함과 아울러 국방조달이라는 특수성을 고려하여 납품실적 금액과 납품실적 횟수를 입력변수로 채택하였다. 또한, 2003년 이후로 제조 중소기업의 종사자 수 비중 하락에 따라 종사자 수가 제조 중소기업의 성장에 문제점을 주는 요인 중의 하나로 밝혀져[15] 종사자 수 또한 입력변수로 채택하였다.
횟수를 알 수 있었다. 또한, 12가지 재무비율 및 종업원수는 방위 사업 청으로부터 획득한 5년간 군납업자 리스트를 바탕으로 중소기업청 홈페이지의 기업 DB검색을 통해 군납업자 명을 입력하여 조회된 업 체의 DB자료 중 논문에서 필요한 자료를 선별하여 구축하였다.
이렇게 15개의 입력변수 중 모형에 영향을 미치는 의 미있는 변수를 선별하기 위 하여 t-검정 후, 5% 유의수준에서 유의한 결과를 보인 입력변수들을 연구에 사용할 최종적인 변수로 지정하였다.
본 논문에서 실험은 전방향 신경망을 이용하여 진행하였는데, 입력변수로는의 t-검정 결과 유의한 차이를 보인 13개의 변수로 설정하였고, 출력변수로는 부정당업자 여부로 설정하였다.
다중퍼셉트론 방식은 입력층, 은닉층, 출력층으로 구성된 전방향 신경망으로써, 은닉층 노드 수의 개수에 따라 모형의 예측력이 달라지는데[4, 13], 본 연구에서는 은닉층 노드수의 개수를 변화시켜가면서 예측력의 변동을 확인하였다. V표 3>은은닉층 노드수에 따른 예측력으로써 상대적으로 높은 네트워크를 위주로 기술하였다.
따라서, 향후 연구과제로 부정당업자를 예측함에 있어 주요변수를 도출하고, 다른 데이터 마이닝 기법을 이용하여 예측력을 비교 . 분석한다면 좀 더 정확하고, 객관적인 예측결과를 기대할 수 있을 것이다.
t-검정 실시결과, 와 같이 입력변수로 고려되었던 15개 변수 중 매출액 증가율과 매출채권회전율을 제외한 13개의 변수가 통계적으로 유의한 차이를 나타내어 이들을 입력변수로 사용하고자 한다.

대상 데이터

따라서, 데이터 분석에 사용된 관측데이터는 2006년부터 2010년 간 부정당업자 및 견실업체 데이터 276개이고, 입력변수로는 과 같이각 업체들의 재무비율 및 납품실적 금액, 납품실적 횟수, 종사자수이며, Target 변수는 부정당 제재 여부로 구분할 수 있다.
획득하여 분석에 활용하고자 한다. 데이터 분석 시 예측모형을 검증하기 위해 부정당업자 및 견실업체에서 각각 20개의 업체를 검증용 데이터로 활용하였으며 , 부정당업자에 대해서는 부정 당 제재 직전년도 자료를 수집하였다.
이를 위해 분석에 사용된 학습용 데이터는 모형개발의 학습자료로 활용하고, 검증용 데이터는 모형의 예측자료로 활용하여 분석을 수행하였다.

데이터처리

자료분석시 많은 사용 가능 변수 중 필요한 변수를 선택하여 신속한 분석을 하게 되면 데이터의 수집비용을 절감하고 효율성을 증가시킬 수 있다[8]. 이를 위해 표본설계 시 고려된 15개의 입력변수 중 견실업자와 부정당 업자의 차이를 잘 나타내는 변수를 추출하기 위해 t-검정을 실시하였다.

이론/모형

국방조달의 부정당업자 예측을 위해 인공신경망 모형 중 가장 널리 사용되는 다중퍼셉트론 (MLP, Multilayer Perceptron) 방식을 적용하였으며, SAS E-Miner를 통해 분석하였으며, 실험은 와 같이 진행되었다.

성능/효과

위와 같은 문헌고찰을 통해 살펴본 인공신경망 기법은 군사분야 뿐 만 아니라 다양한 방면에서 정책 수립에 유용한 기준을 제시해 주고 있음을 확인할 수 있었다.
3>에서 보는 바와 같이, 은닉층의 노드 수가 11개 및 13개인 네트워크의 예측력이 96.61% 로 가장 높은 결과를 보였다. 그런데, 은닉층의 노드 수가 많을수록 신경망은 더욱 복잡해지고 추정해야 할 계수의 수가 급격히 증가하기 때문에 최적화가 어렵게 되므로[1], 네트워크 구조는 은닉층 노드수가 적으면서 예측력이 높을수록 좋다고 할 수 있다.
또한, 은닉층 노드수가 11개인 네트워크의 2종 오류율이 낮기 때문에 예측력 비교에 사용될 가장 적절한 네트워크는 은닉층의 노드수가 11개인 네트워크라 할 수 있다. 이는 국가조달에 있어서 견실업자를 부정당업자로 예측하는 위험보다 부정당 업자를 견실업자로 예측하여 발생하는 위험이 더 클 수 있기 때문이다.

후속연구

본 연구는 국방조달 관점에서 데이터 마이닝 기법을 적용하여 부정당업자 예측연구를 진행했다는 경험적인 기여 이외에도 향후 신규 및 기존업체들의 국방조달 입찰참여시 부정당업자의 개연성을 사전에 발견하여 사업담당자 및 계약담당자들에게 조기경보 시스템을 제공할 수 있을 것이라 판단된다.
본 연구를 통해 제시된 모형의 결과로 사업관리자들의 사업관리 능력을 향상시키고, 건전한 국방 조달 업체의 진입을 통한 조달질서 확립에 기여를 할 수 있으리라 기대된다.
분석한다면 좀 더 정확하고, 객관적인 예측결과를 기대할 수 있을 것이다.
본 연구는 국방조달 관점에서 부정당업자 발생 예측 연구를 진행했다는 경험적인 기여 이외에도 향후 신규 및 기존업체들의 국방조달 입찰 참여시 부정당 업자의 개연성을 사전에 발견하여 사업담당자 및 계약담당자들에게 조기경보 시스템을 제공할 수 있을 것으로 기대된다.
한편, 본 연구에서는 국내의 제조 중소기업을 대상으로 분석을 수행하였는데, 향후 국외의 업 체에 대한 기업데이터 등의 수집을 통해 별도의 예측모형을 개발하고, 본 논문에서 사용한 입력변수 이외의 다양한 변수들을 수집하여 분석에 적용한다면 좀 더 효과적인 분석모형이 개발될 수 있을 것이라 기대된다.

참고문헌 (24)

강현철, 한상태, 최종후, 이성건, 김은석, 엄익현, "고객관계관리 (CRM)를 위한 데이터마이닝 방법론", 2006, 자유아카데미, pp.167-173
국가를당사자로하는계약에관한법률 제 27조, 영제 76조, 규칙 제76조
국가를당사자로하는계약에관한법률 시행령 제76조, 2010.11.15
김진백, 김유일, "인공신경망의 학습에 있어 가중치 변화방법과 은닉층의 노드수가 예측정확성에 미치는 영향", 2000, 정보시스템연구 Vol. 9, No.1, pp.27-44.
방위사업청 계약관리본부, '부정당업자의 입찰 참가자격 법령 몇 절차 교육", 2009.3.11. p.14.
방위사업청 제공데이터 분석, 2010.12.7.
방위사업장 "국방조달 업무소개", 2010.4.7. 국방조달설명회 발표자료. p.10.
손소영, 신형원, "데이터마이닝을 이용한 교통사고 심각도 분류분석", 1998, 대한교통학회지 제16권 제4호, p.190.
신경식, "다수의 인공신경망 모형을 통합한 기업부도예측모형에 관한 연구", 2000, 경영논총 제18권, 제1호, pp.1-13.
심흥기, 김승권, "인공신경망을 이용한 대대전 투간 작전지속능력 예측", 2008, 지능정보연구 제 14권, 제 3호, p.28.
오일석, "패턴인식", 2008, 교보문고, p.26.
이재식, 한재홍, "인공신경망을 이용한 중소기업 도산예측에 있어서 비재무정보의 유용성 검증", 1995, 한국전문가시스템학회지, 제1권, 제1호, pp.123-134.

원문보기 상세보기
정세화, 정용규, "최적의 은닉노드 결정을 위한 신경망 모델", 2009, 가을학술발표논문집, Vol.36, No.2, pp.334-337.
중소기업청 홈페이지내용 재정리, http://www.smba.go.kr
KOSBI(중소기업정책연구DB), "제조 중소기업의 장기 성장추세 둔화 진단", 2009.12, http://db.kosbi.re.kr
Coats, P.K., Fant, L.F., "A Neural Network Approach to Forecasting Financial Distress", 1992, The Journal of Business Forecasting, Winter, pp.9-12.
Chu, T.C. and Szu, H., "An artificial neural network for Naval Theater Ballistic Missile Defense program", Neural Networks International Conference on, vol.1(1997), pp.53-55.
Galit Shmueli, Nitin R. Patel, Peter C. Bruce, "Data Mining for Business Intelligence", 2009, SciTech, pp. 184-253.
Jo, H., Han, I., Lee, H., Bankruptcy prediction using Case-based Reasoning, Neural Networks, and Discriminant Analysis" 1997, Expert System With Applications Vol.13, pp.97-108.
Odom, M., Sharda, R., "A Neural Network Model for Bankruptcy Prediction", 1990, Proceedings of the Intemational Joint Conference on Neural Networks, pp.163-168.
Salchenberger, L.M., Cinar, E.M., Lash, N.A., "Neural Networks : A New Tool for Predicting Thrift Failures", 1992, Decision Sciences Vol.23. pp.899-961.

상세보기
Sun, J. and Xu, R., "An Artificial Neural Network Based Method for the Evaluation of the Effectiveness of the Defense System", Flight dynamics, vol.23, No.1(2005), pp.90-92.

상세보기
Tam, K.Y., Kiang, M.Y., "Managerial Applications of Neural Networks : The Case of Bank Failure Predictions", 1992, Management Science Vol.38. pp.926-947.

상세보기
Wong, B.K., Bondnovich, T.A., Yakup, S., "Neural network applications in business: A review and analysis of the literature(1988-95)", 1997, Decision Support Systems, vol. 19, pp.301-320.

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 인공신경망을 이용한 국방조달 부정당업자 예측모형 개발
An Artificial Neural Network Approach for the Prediction of Unlawful Company in Defense Procurement 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

Keyword

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

참고문헌 (24)

이 논문을 인용한 문헌

저자의 다른 논문 :

활용도 분석정보

활용도 Top5 논문

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 인공신경망을 이용한 국방조달 부정당업자 예측모형 개발 An Artificial Neural Network Approach for the Prediction of Unlawful Company in Defense Procurement 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

Keyword

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

참고문헌 (24)

이 논문을 인용한 문헌

저자의 다른 논문 :

한홍규 (3) 최석철 (45)

활용도 분석정보

활용도 Top5 논문 더보기

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 인공신경망을 이용한 국방조달 부정당업자 예측모형 개발
An Artificial Neural Network Approach for the Prediction of Unlawful Company in Defense Procurement 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

활용도 Top5 논문