BOM-Based Similar Product Item Identification using GNN
Tae‐Young Kim, J.J. Lim · Journal of the Korea Academia-Industrial cooperation Society · 2024
본 논문에서는 제품 품질에 악영향을 미칠 수 있는 다양한 요인들을 식별하고, 이러한 요소에 대한 적절한 대응책을 마련하기 위해 정부품질보증의 위험식별 과정을 개선하는 방법을 제안한다. 특히, 신규 품목의 경우 과거 데이터가 부족하여 위험 요소를 식별하는 데 어려움이 있었는데, 이를 해결하기 위해 자재 명세서(BOM)를 기반으로 유사 품목을 식별하는 Graph Neural Network(GNN) 기반의 분석 방법을 도입하였다. 본 연구는 먼저 Term Frequency-Inverse Document Frequency(TF-IDF)를 사용하여 BOM 데이터에 대한 벡터를 생성하고, 이를 그래프 형태로 변환하여 각 품목의 특성을 반영할 수 있도록 한다. 이 벡터는 GNN을 통해 임베딩되어 각 품목 간의 유사도를 계산할 수 있으며, 이를 통해 기존 데이터가 부족한 신규 품목에 대해서도 유사한 과거 품목을 찾아 위험 요소를 예측하는 기반을 제공한다. 실험은 10개의 무기체계에서 20만 개 이상의 BOM 데이터를 활용하여 유사 품목 식별의 정확도를 평가하였다. 유사도 계산 방법으로는 Cosine, Euclidean, Manhattan 거리 계산 방식과 함께 Pearson 및 Spearman 상관계수를 사용하였으며, 특히 Cosine 유사도에서 0.76이라는 높은 결과를 얻어 제안된 방법의 유효성을 입증하였다.