• 목록

<발표 후기>
일시: 6월 20일
제목: Adaptive Diffusion for Robust Demand Forecasting in Logistics
본 발표는 온라인 물류 수요의 정확한 예측을 위한 Diffusion을 활용한 수요 예측 모델의 잔차 보정 방법론을 제안한다. 풀필먼트에서 보관 비용을 최소화하기 위해서는 3일 정도의 짧은 기간동안 정확한 수요 예측을 수행하는 것이 중요하다.  온라인 물류 수요는 간헐적, 불규칙한 패턴을 보이며 예측 불확실성이 매우 높다. 이를 해결하기 위해 기존 수요 예측 모델이 맞추지 못한 오차(잔차)을 Diffusion을 활용하여 보정하고자 한다. 수요 예측 모델이 예측값과, 과거 정보를 Diffusion의 조건 정보로 제공함으로써, Diffusion이 모델이 예측하지 못한 잔차를 정확히 복원하도록 한다. 모델 추론 시에는 기존 수요 예측 모델의 예측값과, Diffusion이 예측한 잔차를 합산하여 최종 예측을 수행한다. 본 제안 방법론을 적용한 경우, 그렇지 않은 경우보다 간헐적, 불규칙한 수요 패턴을 보이는 실제 판매 데이터에서 MAE/RMSE의 개선이 이루어졌지만, 제안 방법론은 3일 동안 물류 수요를 정확히 예측하지 못하여, 적용하기에는 어렵다는 한계점이 존재한다. 향후, 안전재고 및 물류 수요 예측을 위한 평가 지표를 고려하여 보관 비용 최소화를 위한 수요 예측을 수행하고자 한다.

<청취 후기>
일시: 6월 20일
제목: 다중 노선 도시철도에서 Skip-to-Stop 방식의 화물열차 운영 최적화
본 발표는 도시 철도를 활용한 화물 배송을 운행 스케줄 최적화를 수행한다. 서울에서 출발하고, 서울로 도착하는 택배는 현재, 수도권 외곽 허브를 경유하여 배송되고, 이는 에너지 낭비, 교통 혼잡을 초래한다. 따라서 차량 기지 및 역사 내 지하 공간을  물류 거점으로 활용하여, 배송 효율을 향상 시키고자 한다. 오프 피크 시간대에 화물 열차를 투입하는 경우 일반 열차가 운행되는 상황에서, 병목 현상 없이 화물 열차가 운행되어야 한다.  이를 위해 본 연구는 다중 노선 상황에서 불필요한 정류장은 Skip하도록 스케줄하고, 환승을 고려하여 화물 배송 경로 최적화를 수행하였다.
본 발표를 듣고 비효율적인 서울 택배의 우회 구조가 공감되었고, 이를 해결하기 위해 도시 철도를 통한 물류 배송 및 최적화라는 해결 방안이 매우 흥미로웠다. 최적에 대한 지식이 부족하여 전체 제안 방법론의 목적식과 제약식을 수식적으로 전부 이해하기는 어려웠지만, 발표를 듣고, 문제 상황 및 이를 해결하기 위해 필요한 목적과 제약 사항 등을 쉽게 이해할 수 있었다. 본 연구가 실제로 적용되기 위해서는 현실적 제한 상항들이 매우 많이 존재하지만,지하 물류 운영 효율화를 통한 배송 우회 구조를 해결하고자 했다는 점이 참신하다고 느꼈다.

<청취 후기>
일시: 6월 20일
제목: AI 자동 라벨링을 통한 고품질 지시대상 탐지 데이터세트 구축 방법
본 발표는 사람이 직접 데이터에 레이블을 달지 않고, AI 기반 파이프라인을 통해 자동으로 Referring Expression Comprehension (REC) 데이터셋을 생성하는 방법을 제안한다. REC (Referring Expression Comprehension)란 이미지 속 특정 객체를 자연어로 설명하고, 그에 해당하는 객체의 위치를  바운딩 박스(BBox)로 지정하는 작업이다.  REC 데이터셋을 생성하기 위해서는 사람들이 수작업으로 레이블링을 수행해야 한다. 이는 시간과 비용이 많이 드는 작업이다.  본 발표는 사람이 직접 레이블링하지 않고, 별도 학습 없이 REC 데이터를 생성하는 Pipeline을 제안한다. 우선  객체 탐지를 수행한 후, 탐지된 Bounding box에 대해 이미지를 Crop하여 VLM을 사용해 객체별 캡션 생성한다. 이 때 다양한 Prompt를 적용하여 다양한 표현을 확보한다. 이후 해당 정보를 REC 포맷으로 변환한다.
Garbage in Garbage out으로 질 좋은 데이터는 결국 모델의 성능에 가장 중요한 역할을 한다고 생각한다. 그리고 이러한 질 좋은 데이터를 충분히 확보하기는 현실적으로 매우 어렵다.  이 문제를 해결하기 위해, 자동화 Pipeline을 구축하고 구현했다는 점에서 굉장히 실용적이라고 생각한다. 물론 발표자분께서 언급하셨듯 제안 방법론이 Object Detection model과 VLM의 성능에 의존한다는 점에서 한계를, 보이지만, 우선적으로 데이터 레이블링을 위한 자동화 파이프라인을 구축했다는 점에서 매우 의미있다고 생각한다.

<학회 후기>
이번 산업공학회는 6월 18~6월 20일  제주도 해비치 호텔에서 진행되었다. 다양한 산업에서, 현실 문제를 어떻게 해결하는 지 알 수 있는 좋은 기회가 되었다. 이번 학회의 발표에서는 인공지능 이외에 시뮬레이션, 게임 이론, 양자역학 등 다양한 방법론을 통해 각 산업에서의 문제를 어떻게 해결하는지 알 수 있는 좋은 기회가 되었다. 가장 기억에 남는 것은 SK 하이닉스의 안대웅 부사장님께서 기조 강연에 말씀하신 내용이 인상 깊었다. 회상에서 AI 활용보다 가장 중요한 것은 무엇인 문제인지 명확히 인식하는 것이라고 말씀하셨다. 실제로 산업 현장 각각에 있는 도메인들은 매우 복잡하기 때문에 무엇이 문제인지, 제대로 정의내리고 파악하기 어렵다고 말씀하셨다. 공학을 사용하는 것이 결국은 현실 문제를 해결하기 위함인데, 방법론에 치우쳐서 주객전도 되지 않도록 유념해야겠다고 생각했다. 또한 많은 좋은 AI 방법론들이 회사에서 시스템화 되지 않아서 짧은 시간에 사라진다고 말씀하셨다. 방법론을 체계화하는지에 대해서도 생각해보는 계기가 되었다.