Coupang Engineering Blog - Medium · 2023. 03. 09.
Optimizing the inbound process with a machine learning model
AI 엔지니어링 브리핑
쿠팡은 물류센터에 상품을 받을 때 필요한 트럭 하역 공간 수를 머신러닝으로 예측해 배송 지연과 자원 낭비를 줄이려 했다.
문제 & 배경
- 문제 & 배경: 매일 많은 판매자가 상품을 보내고 물류센터의 시간당 하역 공간은 제한되어 있어, 필요한 공간을 적게 잡으면 입고가 지연되고 많이 잡으면 공간과 자원이 낭비되는 문제가 있었다.
기술 & 해결책
- 기술 & 해결책: 상품과 입고 관련 정보를 바탕으로 LightGBM 모델을 학습하고 베이지안 최적화로 설정을 조정해 각 입고에 필요한 트럭 수와 하역 공간을 예측한 뒤 예약 시스템에 반영했다.
교훈 & 주의점
- 교훈 & 주의점: 예측이 부족할 때의 입고 지연과 과다할 때의 자원 낭비 사이에서 적절한 균형을 정해야 하므로, 예측 모델은 실제 운영 시스템과 함께 신중하게 적용해야 한다.
함께 읽을 글
내용이 비슷해요내용이 비슷한 글을 먼저 보여드려요. 같은 문제나 해결책을 다룬다는 뜻은 아니에요.