AI
있었는데요, 없었습니다.
두줄요약
자동발주 예측 품질을 높이기 위해 품절률 급등 원인을 분석하고 권고발주를 자동발주로 점진 전환했습니다. TFT와 분위수 예측을 적용해 행사와 Capacity 변화에 더 잘 대응하며 품절률과 RMSE를 개선했습니다.
문제 상황
- 자동발주 예측 품질 저하와 특정 센터의 품절률 급등 문제
- 할인행사, Capacity 이관 등 변화 구간에서 기존 예측의 반응 지연
- 권고발주 운영의 수작업 부담과 품절 대응 한계
원인 분석
- 과거 출하량 중심 예측만으로는 급격한 운영 변화와 행사 패턴 반영에 한계
- 출하량 급증 구간에서 기존 모델의 반응이 한 박자 늦는 현상
- 변화된 Capacity처럼 학습 분포 밖 상황에서 과소예측 가능성
해결 방법
- 권고발주 대상을 자동발주로 점진 전환하여 운영 비중 확대
- TFT 도입으로 시간 순서 기반 패턴과 행사 흐름 반영
- Quantile Forecasting 적용으로 품절 방지와 재고 최적화에 맞는 분위수 선택
성능/운영 포인트
- RMSE 기준 예측 오차 감소, 1월 11% 수준에서 7월 중순 약 3% 수준으로 개선
- 자동발주 전환 대상의 품절률이 권고발주 대비 약 16.1% 개선
- 행사 종료 후 과다 재고 유입 가능성 등 추가 개선 여지 존재
