Amazon SageMaker AI를 사용하여 화물 용량에 대한 수요 예측

Tianxia Jia 및 Hengzhi Chen, Amazon Web Services(AWS)

2024년 5월(문서 기록)

수요 예측은 운송 및 물류 산업, 특히 공급망 제약 기간에는 매우 중요합니다. 정확한 화물 수요 추정치는 컨테이너 및 항공 화물을 국경을 넘어 배송하는 기업과 같이 물류 및 공급망과 관련된 기업에 도움이 됩니다. 이를 통해 기업은 전송 네트워크 보안 비용을 효과적으로 관리할 수 있으므로 배송 비용을 관리하고 수익과 수익을 극대화할 수 있습니다.

정확한 예측을 할 수 있는 기계 학습(ML) 모델은 고품질 훈련 데이터에 따라 달라집니다. 수요 예측의 경우 훈련 데이터에는 과거 수요 볼륨과 가격, 재고, 영업 팀 인원 등 볼륨과 관련될 수 있는 기타 내부적으로 생성된 데이터가 포함될 수 있습니다. 또한 경쟁자, 시장 환경, 공휴일, 날씨 및 거시 경제와 같은 외부 데이터도 수요량에 영향을 미칠 수 있습니다. 이러한 내부 및 외부 데이터 요소를 ML 모델의 기능으로 사용할 수 있습니다.

모든 기능이 식별되면 비즈니스는 자신이 제어할 수 있는 이러한 기능 중 일부에 대한 입력을 제공하려고 할 수도 있습니다. 예를 들어 기업은 배송 가격을 미리 설정하거나 프로모션 및 할인을 수행할 시기를 결정할 수 있습니다. 이러한 유형의 사용자 입력은 예측을 수행할 때 모델에 통합할 수 있습니다.

이 가이드에서는 ML 모델을 사용하여 정확한 로지스틱 수요를 예측 AWS 하는 솔루션을 구축하는 전략을 설명합니다. 수요 볼륨 및 수요와 관련된 기능이 포함된 과거 데이터 세트를 기반으로 모델을 훈련합니다. 이러한 기능과 지표에는 내부 유기 데이터와 외부 데이터가 모두 포함됩니다. 또한이 솔루션은 사용자와 비즈니스 분석가가 입력을 제공할 수 있는 유연성을 제공하며, 이를 예측 모델에 통합할 수 있습니다. 

다음 이미지는 과거 시계열 및 12개월 예측 범위의 예를 보여줍니다. 이 가이드의 권장 사항을 사용하여 이러한 유형의 예측을 생성하는 ML 모델을 생성할 수 있습니다.