이 문서가 담은 것
홈페이지·공모요강 분석부터 문제 정의, 솔루션, 방법론 구체화, 선행연구, 가치, 로드맵까지 지금까지의 논의를 하나로 묶었습니다.
농가는 "얼마 받을지"를 감으로 판단한다
한우는 여러 단계를 거치며 유통비용이 누적된다. 농가가 실제로 손에 쥐는 몫과 소비자가 내는 값 사이의 간극이 크지만, 정작 농가는 자기 소를 어느 루트로 팔아야 유리한지 비교할 도구가 없다.
핵심 공백
기존 축산유통정보(여기고기)는 시장 전체의 평균 경락가 통계를 보여줄 뿐, "내 소(예상 도체중·예상 등급)를 기준으로 한 개인화된 예상 정산금액"을 계산해 주지 않는다. 무엇보다 경매로 보낼지, 육가공 직판으로 보낼지를 같은 화면에서 금액으로 비교해 주는 서비스가 전혀 없다. — 바로 이 지점이 본 사업의 진입점이다.
두 루트의 예상 순수익을 나란히
농가가 자기 소(개체이력번호 또는 예상 체중·사양정보)를 입력하면, 대시보드가 두 판매루트의 예상 순수익을 계산해 "어느 쪽이 얼마나 더 유리한지"를 직관적 카드로 제시한다.
경매 (공판장)
- 사양 데이터·유사 개체 기반으로 예상 도체등급·도체중 AI 예측
- 최근 권역별 경락가 트렌드 반영
- 운송·수수료 등 출하비용 차감
육가공 직접판매
- 도체중 × 부위별 표준 수율(구이 23% / 비선호 77%) 적용
- 부위별 예상 판매단가(정육 + 비선호부위 HMR 전환가)
- 가공비·보관비·물류비·판매수수료 차감
"귀 농가의 소는 경매 시 약 OOO만원, 육가공 직접판매 시 약 OOO만원이 예상되며, 육가공 루트가 약 OO% 더 유리합니다."
방법론 구체화 — 6단계 파이프라인
핵심 골격은 다기준 의사결정(MCDM)이다. 단, 기존 연구가 쓰던 '설문 기반 주관적 가중치'를 AI 예측값 + 실측 데이터로 대체해, 대안(루트)별 수익을 객관적으로 산출한다는 점이 결정적 차이다.
개체 정보 입력
개체이력번호로 성별·월령·사육이력을 자동 조회하거나, 예상 체중·사양정보를 직접 입력받는다.
AI 등급·도체중 예측
선행연구에서 검증된 트리기반 모델을 사용한다. 특히 근내지방도(마블링) 예측에 집중 — 경락가격의 90% 이상을 근내지방도가 설명한다는 국내 반복 검증 결과에 근거
경락가 시계열 예측
축산물품질평가원 경락가 데이터를 시계열 학습한다. FTA·질병·계절 등 개입 이벤트를 반영해 예측 구간(신뢰구간)까지 제시한다.
2-Route 순수익 계산
두 루트의 순수익을 동일한 원단위로 산출한다. Route B의 수율·가공비·판매단가는 서원 육가공공장 실측 데이터로 채운다.
MCDM 비교·순위화 엔진
순수익을 1차 기준으로, 여기에 대금 회수기간·가격 변동 리스크·판매 노력도 등 부가 기준을 결합해 두 루트를 정량 비교한다. 내비게이션이 '시간·거리·정체'로 경로를 고르듯, 여기선 '수익·리스크·회수기간'으로 루트를 고른다.
의사결정 카드 + 출하 타이밍
"OO만원 / OO% 더 유리" 카드로 결과를 제시하고, 시계열 예측을 활용해 "지금 출하 vs N개월 후 출하" 비교까지 함께 보여준다.
네 갈래 연구가 처음으로 하나로
축산 도메인의 세 트랙(유통·경락가격·AI예측)과, 내비게이션·제조·유통업에서 검증된 '범용 의사결정(MCDM)' 트랙 — 이 넷은 지금까지 따로 존재했다. 본 사업은 이들을 개체 단위 서비스로 통합한다.
| 구성 요소 | 기존 연구가 준 것 | 이 프로젝트가 새로 하는 것 |
|---|---|---|
| 문제 정의 틀 | 농업 유통채널선택 AHP/TOPSIS 연구 | 경매 vs 육가공을 2개 비교 대안으로 정의 |
| 대안 평가 방식 | 설문 기반 주관적 가중치(전문가 쌍대비교) | AI 예측값 + 실측 데이터 → 정량적 MCDM |
| 사용자 경험 | 논문·정책보고서 형태의 정적 결과 | 내비게이션식 실시간 비교 대시보드 |
| 개인화 단위 | 지역·농가군 평균 | 개체(내 소) 단위 1:1 시뮬레이션 |
| 검증 방식 | 과거 통계의 사후적 회귀분석 | 서원 공장 실측치로 사전 검증하는 시뮬레이터 |
↳ 시대별 연구 흐름을 한눈에 보려면 함께 제공된 『연구 동향 타임라인』 파일을 참고
만들었을 때의 가치
이 대시보드는 단순 정보 제공을 넘어, 농가·산업·학술·사업 네 층위에서 서로 다른 가치를 만든다.
'감'에서 '데이터'로 — 의사결정 주권의 회복
수백만 원이 걸린 출하 결정을 경험이 아닌 수치로 판단할 수 있게 된다. 유통구조에서 가장 약자였던 농가에게 정보 대칭성과 협상력을 돌려준다.
유통 비효율에 대한 실질적 지렛대
직접판매의 경제성을 수치로 증명해, 농가 선택이 누적되면 다단계 유통구조 자체에 개선 압력을 만든다. 통계가 못 잡던 비공식 거래 영역을 데이터로 드러낸다.
가정이 아닌, 검증되는 시뮬레이터
서원 육가공공장(2026.5 준공)의 실제 수율·가공비·판매단가로 예측을 검증한다. 공모 심사의 핵심축인 '현장 적용·상용화 가능성'을 실물로 충족
연구 공백을 메우는 통합
등급예측·가격예측·유통실증·MCDM이 각각 검증됐지만 통합된 적은 없다. 검증된 부품들을 결합해 리스크는 낮추고 새로움은 '통합·개인화·비교'에서 확보한다.
추진 로드맵
데이터 확보·연동
서원 공장 수율·비용 데이터 확보, 경매 경락가 데이터 연동 설계
모델·MVP 개발
등급·가격 예측 프로토타입 + 2-Route 계산기 MVP
파일럿 검증
경기북부권 농가 테스트, 실제 출하결과와 예측치 검증
정식 오픈·확대
대시보드 오픈, 축평원 등 데이터 연계 확대
참고문헌
- 학술선두원 외, "한우의 경락가격에 대한 요인별 기여도 분석", 한국축산학회지 54(2), 2012. KCI
- 학술박후락 외, "경남지방 한우의 경락가격에 관여하는 요인별 기여도 분석", 농업생명과학연구 49(6), 2015. KCI
- 학술김동현 외, "개입 ARIMA 모형을 통한 축산물 가격 예측연구", 식품유통연구 38(1), 2021. KCI
- 학술이찬빈 외, "영남지방 한우 거세우의 경락 단가 및 경락 가격에 대한 도체형질별 기여도 분석", JABG 7(3), 2023. KCI
- 학술김미혜 외, "기계학습을 이용한 복숭아 경락가격 및 거래량 예측모형 비교", Journal of the Korean Data Analysis Society 20(6), 2018. KCI
- 학술"Prediction of marbling score and carcass traits in Korean Hanwoo beef cattle using ML methods and SMOTE", Meat Science, 2019. ScienceDirect
- 학술"Prediction of Hanwoo Cattle Phenotypes from Genotypes Using Machine Learning Methods", 2021. PMC
- 학술·연도확인필요"이미지 기반 한우 등급 판별 자동화 알고리즘 구현". 디지털집현전
- 산업"협동조합형 한우 패커를 통한 한우 유통비용 절감 모델 제시", 팜인사이트, 2023. 팜인사이트
- 교차도메인"Small Farm Business Analysis Using the AHP Model for Efficient Assessment of Distribution Channels", Sustainability 12(24), 2020. MDPI
- 교차도메인"Ontology based personalized route planning system using a MCDM approach", 2007. ScienceDirect
- 교차도메인·연도확인필요"Selection of sales distribution channel in agricultural enterprise". ResearchGate
※ "400%"는 통계에 잡히지 않는 비공식 거래를 포함한 축산 현장 전문가들의 종합 추정치이며, 공식 통계 기준 유통비용 비중(약 53%, 2022)과 병기 권장