TFT 모델 도입으로 품절률 DOWN!
by DD
9개월 전
조회수 18
품절률 급증 문제 해결을 위해 자동 발주 시스템의 비중을 확대함
TFT(Temporal Fusion Transformer) 모델을 도입하여 행사 기간 예측 정확도 향상을 달성함
Quantile Forecasting 적용으로 품절률 16.1% 개선 및 재고 관리 효율성을 높임
TFT 모델의 작동 원리
TFT는 과거 시계열 데이터를 기반으로 미래를 예측하는 딥러닝 모델이다. 구체적으로 시간별 중요도를 학습하여 행사, 품절 등 변동성에 유연하게 대응한다. 따라서 기존 모델 대비 예측 정확도 향상을 이끌어냈다.
Quantile Forecasting의 장점
Quantile Forecasting은 예측 구간을 제공하여 위험 관리를 돕는다. 구체적으로 품절 방지를 위해 상위 분위수를, 재고 최적화를 위해 낮은 분위수를 활용한다. 반면, 모델 복잡도 증가와 데이터 요구량 증가라는 단점도 존재한다.
자동 발주 시스템 개선 방향
자동 발주 시스템은 품절률 감소와 재고 관리 효율성을 동시에 달성해야 한다. 따라서 TFT 모델과 Quantile Forecasting을 활용하여 예측 정확도를 높인다. 결과적으로 유연한 재고 관리를 통해 고객 만족도 향상을 기대할 수 있다.
