미디어 텍스트 분석 기반의 공급망 리스크 모니터링 시스템의 개발 (Development of Media Text Analysis Based Supply Chain Risk Monitoring System)

서지정보

· 발행기관 : 한국생산관리학회
· 수록지 정보 : 한국생산관리학회지 / 34권 / 4호 / 453 ~ 471페이지
· 저자명 : 최동엽, 서용원

초록

오늘날의 기업들은 무역 갈등의 심화, 전염병, 경기 침체, 전쟁 및 각종 자연재해 등으로 인한 공급망 리스크에 노출되어 있다. 이러한 배경에서 공급망 리스크와 관련된 정보를 수집하고 동향을 파악하는 것의 중요성이 증대되고 있으며, 뉴스 기사와 같이 실시간으로 발생하는 미디어 텍스트를 분석하는 것은 공급망 리스크와 관련된 최신 정보를 빠르게 수집하는 유용한 방법으로 대두되고 있다. 하지만, 공급망 리스크와 관련된 텍스트를 분석하는 연구는 초기 단계이며, 최근 활용도가 증가하는 딥러닝 기반의 자연어 처리 기법을 적용한 텍스트 분석은 미비한 상황이다. 이에 본 연구에서는 뉴스 기사 분석을 활용하여 공급망 리스크와 관련된 정보를 수집, 도출하는 인공지능 기반의 공급망 리스크 모니터링 시스템을 개발한다. 이를 위해 사전 학습 언어모델인 KoBERT에 기반해 공급망 리스크 관련 기사만을 수집하는 필터링 모델을 수립하고, 수집된 기사의 공급망 리스크 유형을 LDA 토픽 모델링 기반으로 식별하여 학습 데이터를 구축하였다. 이후, BOW(Bag of Words)와 KoBERT를 사용한 딥러닝 기반의 공급망 리스크 분류 모델을 개발하여 수집된 기사의 공급망 리스크 유형을 예측하였다. 분석 결과, KoBERT 기반의 공급망 리스크 관련 기사의 필터링 정확도가 92.2%의 높은 성능을 보이는 것으로 나타났으며, 리스크 유형 분류 모델에서도 KoBERT 기반의 공급망 리스크 유형 분류 모델이 BOW 기반 모델에 비해 높은 분류 성능을 보이는 것을 확인하였다.

영어초록

Recently, companies are exposed to various supply chain risks such as intensified trade conflicts, epidemics, economic and geopolitical uncertainties, and natural disasters. Thus there is increasing importance in monitoring information related to supply chain risks. Analyzing real-time media texts, such as news articles, can be utilized for monitoring up-to-date information supply chain risks. However, researches regarding analyzing supply chain risk related text are in early stages, and researches to apply modern AI techniques such as deep learning-based natural language processing to supply chain risk texts are scarce. This study aims to develop a supply chain risk monitoring system that monitors and extracts information related to supply chain risks by analyzing news articles. To collect supply chain risk related articles a filtering model based on KoBERT is developed, of which risk types are identified based on LDA topic modeling to be utilized as the train data. To predict news articles’ risk types, two deep learning- based risk classification models are developed using BOW(Bag of Words) and KoBERT. The results showed high accuracy of KoBERT based model in filtering supply chain risk-related articles, and in the classification of supply chain risk types also KoBERT based model showed better performance than BOW based model.

참고자료

· 없음