ML 예측 기반한 Action에는 다양한 방법론과 분야가 있겠지만, 직관적으로는 재고에 대한 것이 가장 범용적이지 않을까 싶다. 일반적으로 Linear 하게 푸는 방법과 달리 Linear하지 않은 비선형적인 해석으로 해당 문제에 다가간다고 할 수 있겠다. 또한 아주 간단한 개념으로 접근하며, OR 분야의 입문 개념과 비슷하다.
이때 연간 수요량은 ML로 예측한 값을 일반적으로 넣을 수 있겠다. 1회 주문비용은 운송비, 관련 수수료 등이 포함된다.
다만 병렬적인 계산이 어렵고, 실질적으로 EOQ 만큼의 최소수량이 가능한지, 또한 정확한 재고 관리가 다소 어렵다는 측면에서 다소 한계가 있다고 할 수 있으며, 해당 공식만 가지고 비즈니스를 진행하기에는 다소 어렵지 않을까 싶다. 주력상품과 유동성이 아주 명확한 스타트업 정도에서 아마 사용가능 할 것 같다.
그래서 MILP( Mixed-Integer Linear Programming ) 와 같은 더 병렬성이 강하고, 변수가 많은 알고리즘이 실제는 활용되거나
ERP 시스템을 기반으로 MRP (Material Requirements Planning) + MIP (Mixed Integer Programming) 등을 병렬적으로 사용하는 경우도 많다. 대체로 시계열 예측도 중요하지만 이는 모든 시즌에 정확히 적용되기 어렵기 때문에 제조업 혹은 해외 운송, 신선식품의 경우처럼 예측이 다소 정확해야 하는 경우를 제외하고는 대부분의 재화에 대해서는 metric을 실시간으로 받고, 빠르게 대응하는 것이 아마 비용상 가장 최적의 결과값이 아닐까
아래는 글로벌 기업들의 OR 사용 사례를 간단히 정리한 표이다
| 알고리즘 | 설명 | 적용 |
| MRP (Material Requirements Planning) | 완성품 생산계획을 기반으로, 부품·원자재의 필요 시점과 수량을 역산하여 자동 발주 제안 | SAP S/4HANA MRP를 통해 Foxconn, 현대자동차 등 제조업체들의 대규모 부품 조달 관리 |
| 연속 검토 모델 (Q,R 모델)(Continuous Review) | 재고가 재주문점 R 이하로 떨어지면 주문량 Q를 발주하는 정책 | Walmart의 VMI(Vendor-Managed Inventory) 시스템: 협력사 재고를 실시간 모니터링하고 자동 발주 |
| 정기 검토 모델 (s,S 모델)(Periodic Review) | 일정 주기마다 재고를 점검하고, 재고가 s 이하일 때 S까지 보충 발주 | Zara 패스트패션 유통: 약 2주 주기 재고 점검 후 부족분 일괄 발주 |
| MIP (Mixed Integer Programming) | 운송비·최소 발주제약·창고용량 등 복합 제약을 수리모델로 정식화하여 비용 최소화 | SAP가 Gurobi 솔버와 협력, 글로벌 SCM 네트워크 최적화 기능 제공 |
| 강화학습 기반 재고 정책(Reinforcement Learning) | 에이전트가 시뮬레이션 보상을 통해 최적 발주 시점·수량을 학습 | 네덜란드 ORTEC의 다계층 재고 시스템 연구: Q-Learning 적용 사례 |
'Operations Research' 카테고리의 다른 글
| Operations Research 란 ? (0) | 2025.04.28 |
|---|