• 한국인터넷방송통신학회논문지
• /
• 제21권1호
• /
• pp.7-18
• /
• 2021

최근 한국에서는 클라우드 컴퓨팅, CPS, 빅데이터, 5G, IIoT, VR/AR, 복화 운송 AI 알고리즘 등의 신기술을 활용한 다양한 CIPs(Connected Industrial Parks) 아키텍쳐가 제안되고 있다. 한국의 중소기업들은 미국, 유럽, 일본 등의 해외 선진국 기업들 보다 기술 경쟁력에서 앞서 있지 않은 면들이 많다. 이러한 이유로 한국의 중소기업들은 기술연구 개발에 많은 비용을 투자해야 하는 필요성이 있다. 후발 주자로서 한국의 중소기업들이 지속 가능한 성장을 위해서 수익성을 개선할 필요가 있다. 재무적으로 한국의 중소기업들이 수익성을 증대시키기 위해서는 비용을 절감하는 것이 매출을 증대시키는 것 보다 레버리지 효과성이 높다. 본 논문은 한국 CIPs에 위치한 중소기업들의 비용 절감을 통한 수익성 개선을 주요 과제로 하였다. 한국 CIPs에 위치한 중소기업들의 비용 절감을 위한 방안으로서 VJP(Vehicle Junction Problem)를 주목하였다. 한국형 CIPs 결제 시스템을 통한 중소기업의 최소 물류 비용 달성 방법을 분석하였다. 새로운 한국형 CIPs결제 시스템의 세부 항목을 크게 4가지 "업무(Business)", "데이터(Data)", "기술(Technology)", "자금(Finance)"로 구분하여 정리한다. CIPs 결제 시스템의 성과 분석 방법으로 CBA(Cost Benefit Analysis)을 사용한다.

• 지능정보연구
• /
• 제20권1호
• /
• pp.35-48
• /
• 2014

2013년 건설 경기 전망 보고서에 따르면 주택건설경기 침체 상황의 지속으로 건설 기업의 유동성 위기가 지속될 것으로 전망된다. 건설업은 파산으로 인한 사회적 파급효과가 다른 산업에 비해 큰 편이지만, 업종의 특성상 다른 산업과는 상이한 자본구조와 부채비율, 현금흐름을 가지고 있어서 기업의 파산 예측이 더 어려운 측면이 있다. 건설업은 레버리지가 큰 산업으로 부채비율이 매우 높은 업종이며 현금흐름이 프로젝트 후반부에 집중되는 특성이 있다. 그리고 경기사이클에 따른 부침이 매우 심하여 경기하강국면에선 파산이 급증하는 양상을 보인다. 건설업이 레버리지 산업인 이상 건설업체의 파산율 증가는 여신을 공여한 은행에 큰 부담으로 작용한다. 그럼에도 그간의 파산예측모델이 주로 금융기관에 집중되어 왔고 건설업종에 특화된 연구는 드물었다. 기업의 재무 자료를 바탕으로 한 파산 예측 모델에 대한 연구는 오래 전부터 다양하게 진행되었다. 하지만, 일반적인 기업 전체를 대상으로 하는 모델이기 때문에, 건설 기업과 같이 유동성이 큰 기업의 예측에는 적절하지 못할 수 있다. 건설 산업은 오랜 사업 기간과 대규모 투자, 그리고 투자금 회수가 오래 걸리는 특징을 갖는 자본 집약 산업이다. 이로 인해 다른 산업과는 상이한 자본 구조를 갖기 마련이고, 다른 산업의 기업 재무 위험도를 판단하는 기준과 동일한 적용이 곤란할 수 있다. 최근에는 기계 학습을 바탕으로 한 기업 파산 예측 연구가 활발하다. 기계 학습의 대표적 응용 분야인 패턴 인식을 기업의 파산 예측에 응용한 것이다. 기업의 재무 정보를 바탕으로 패턴을 작성하고 이 패턴이 파산 위험 군에 속하는지 안전한 군에 속하는지 판단하는 것이다. 전통적인 Z-Score와 기계 학습을 이용한 파산 예측과 같은 기존 연구들은 특정 산업 분야가 아닌 일반적인 기업을 대상으로 하기 때문에 기업들의 특성을 전혀 고려하고 있지 못하다. 본 논문에서는 건설 기업을 규모에 따라 각 기법들의 예측 능력을 비교하여 적응형 부스팅이 가장 우수함을 확인하였다. 본 논문은 건설 기업을 자본금 규모에 따라 세 등급으로 분류하고 각각에 대해 적응형 부스팅의 예측력을 분석하였다. 실험 결과 적응형 부스팅이 다른 기법에 비해 예측 결과가 좋았고, 특히 자본금 규모가 500억 이상인 기업의 경우 아주 우수한 결과를 보였다.