핵심 요약
쿠팡이 머신러닝 기반 물류 입고 프로세스 최적화를 구현해 적정 트럭 대수 예측을 자동화하고, 슬롯 낭비를 줄이며 입고 일정 준수를 크게 개선했습니다.
구현 방법
- LightGBM 알고리즘 기반 트럭 수량 예측 모델
- 80만 건의 입고 신청 데이터로 학습
- 베이지안 최적화로 하이퍼파라미터 자동 탐색
- SageMaker 엔드포인트와 입고 예약 시스템 연계
- 도메인 인터뷰를 통한 피처 엔지니어링
주요 결과
- 과소 예측 2.53%, 과대 예측 5.04%
- 입고일 변경 사례 67.9% 감소
- 슬롯 운영 효율 및 비용 절감으로 전반적 프로세스 개선
