기술가치 평가변수 추정모델 개선과 사용자 편의성 제고를 위한 기술가치평가 시스템 (STAR-Value System) 정교화 기술개발

Abstract

□ 연구개발 필요성 ○ 기술가치평가 결과에 큰 영향을 미치는 주요 핵심변수인 시장규모(매출액) 추산과 신제품의 기술 수명주기 추산방법은 STAR-Value 시스템에서 현재 기초적인 수준의 시장규모 추산방법 및 참조 정보를 제공하고 있으며, 시스템 경쟁력 향상을 위한 개선사항으로 인식됨. ○ 산ㆍ학ㆍ연 기관에 STAR 시스템을 유상 기술이전 해오고 있으나, 기술이전 이후 사용에 많은 어려움을 호소하고 있는 상황이며, 초급 수준의 일반인 사용자들이 보다 쉽고 효과적으로 STAR-Value 시스템을 활용할 수 있도록 지원하는 매뉴얼 보급이 시급한 상황임. □ 연구개발 목적 ○ STAR-Value System 사용자의 평가수행 편의성과 평가결과 효과성을 고려한 시장규모 수요예측추산방법과 참조정보 개발을 통해 STAR-Value 5.0을 활용한 가치평가의 신뢰성을 제고 ○ STAR-Value System 사용자를 위한 온라인 및 오프라인 매뉴얼 개발을 통해 초급 수준의 일반인 사용자도 단기간ㆍ저비용으로 기술가치평가를 원활하게 수행할 수 있도록 지원 □ 주요 연구 내용 ○ 대표적인 주요제품의 속성에 따른 최적 신제품 수명주기 예측 모형 연구개발, 대표 주요제품의 수요 DB 및 속성 DB 구축을 위한 제품속성 지표의 구체화 및 실무적 활용방법 연구 ○ 대표적인 주요제품별 최적 기술 확산모형에 대한 곡선 적합(Curve fitting) 방법 연구개발, 대표주요제품 특성에 따른 최적 기술확산 예측모형 연구개발 ○ STAR-Value 시스템에 탑재된 각 평가모델에 대한 온라인 및 오프라인 매뉴얼 개발, 평가모델별 주요 핵심입력변수 활용방법에 대한 구체적 설명안내 및 입력변수 추정사례 제시 □ 연구의 의의 ○ 본 연구를 통해 평가결과의 품질과 신뢰도를 높이고 대상기술의 경제적 가치평가결과를 기술이전ㆍ거래, 현물출자 등 직간접적으로 활용함으로써 기술가치평가 시장 활성화 토대 마련 ○ STAR-Value 시스템 매뉴얼의 제작 및 확산 보급을 통해 간이 기술가치평가 활용성 제고 및 기술이전 성과 창출을 견인

IV. Predictions for Project Result □ Establishment of Reference Information for Technology Valuation ○ Completing further analysis of representativeness by industry and data availability ● Product selection based on data availability and industry representativeness ● Product selection from various fields of industries such as metals, machinery, electrics and electronics ● Validity check of product selection from experts by industry ○ Building DB prototype for product demand ● Building product demand DB including product name, year, sequence number, number of consumers, and the cumulative number of consumers. ● STAR-Value system has secured more than 100 family of products that ensure annual demand data over a minimum of five years, where parameters of the Bass model are estimated on this basis. ○ Deducing variables of products` attributes ● Deducing variables that affect diffusion from referring to existing literature and expert advices from the perspectives of industry, market, technology, and use; ● At present, a total of 21 variables of product attributes have been derived from five categories (4 concerning industry, 5 concerning market, 3 concerning technology, 5 concerning product, and 4 concerning use variables). ○ Establishment of DB prototype for product attributes ● Defining the value of all variables of product attributes ● Building DB consisting of variables of product characteristics and product names □ Development of product life cycle for technology valuation ○ Completing parameter estimations of technology diffusion model ● Performing appropriate fitting for technology diffusion model ● Using products demand DB to perform curve fitting based on technology diffusion model for all product-specific alternatives ● Using Nonlinear Least Square methods to estimate parameters on currently available data ○ Completing the establishment of prediction model for technology diffusion model parameters ● Using statistical and machine learning methods (linear regression analysis, neural networks, k-th nearest neighbor, support vector regression, etc.) to perform a parametric prediction model in letting product attributes as the input while the output is estimated variables from the Bass Diffusion Model. □ Developing Manuals for STAR-Value System ○ Developing offline manual for each technology valuation model in the STAR-Value system ● Creating instructions for the six models (Real Options/Discounted Cash Flow/Royalty Payment Saved, Profit Division/Transaction Comparison/Market Replacement Cost models) in the STAR-Value system ● Developing offline manuals to promote self-learning ability for STAR-Value system users.