1. Business Target

현재는 근무자가 유선상으로 수집한 정보와 감에 의존하여 수행하고 있는 제품 창고 만고 예측과 이에 대한 후속 조치로 이루어 지는

이송조치 업무를 시스템화 하는 것을 그 대상으로 선정하였다.

단, 과제 수행원의 운영, 프로젝트 및 복수 개선 과제 수행에 따른 업무 부하를 고려하여 , 현실적인 수준에서 만고 여부를 Neural Net 을

이용 학습 및 예측 현재 근무자가 만고 판단을 위해 사용하고 있는 단순 기준보다 높은 정합성을 확보하는 것까지를 목표로 설정하였다.

본 과제의 예상되는 효과는 아래와 같다.

– Neural Net 기법을 실무 환경에 적용하는 Know How 를 확보

. Architecture 적인 접목, 데이터 연동, 비지니스 활용 등

– Java 기반 Deep Learning Open Source 인 DL4J 에 대한 Know How 확보

– 제한된 범위의 Neural Net 적용을 통해 그 효용성(정확성)을 검증하여 향후 사업에 참고 자료로 사용

– JDK1.7 기반의 새로운 서비스 아이템으로서의 Neural Net 기법의 가능성 검토

2. Neural Net 구성 방안

현재 기준 Neural Net 을 업무에 적용하고자 하는 방안은 아래와 같이 현 적치상황, 입고 예측, 출고 예측 크게 3가지 Factor 를 Input 으로

사용자가 나름의 판단으로 이송지시를 내린 시점을 Output 으로 데이터를 구성하고 네트워크를 설계하고자 한다.

– 적치 상황 : 적치 상황을 Matrix 형태의 데이터르 변환하여 Input Layer 로 사용한다.

. 전체 야드를 대상으로 할 경우 배열의 크기가 너무 커져 Single Server 에서는 Memory 문제를 야기할 수 있어 특정 동하나만 대상으로 진행

– 입고 추이 : 입고 추이를 실제적으로 예측하기 위해서는 이전 프로세스의 정보들이 다수 필요한바, 본 과제에서는 시계열을 이용하여 대략적 정보 유추

– 출고 추이 : 출고 정보의 경우 선적계획 , 하역기 운영계획 및 선이송 예측 3가지 팩터가 고려 되어야 하며, 여기서는 마찬가지로 최소화 하여 진행

※ 더 자세한 내용은 별도의 문서로 작성 중

K-049 K-048

 

3. System 개발 대상

DL4J 및 Neural Network 에 대한 모든 지식을 습득한 후 개발에 착수하면 좋겠지만, 여건상 이론 학습과 개발을 병행하고자 함

아래는 개발하고자 하는 대상과 기능 Flow 로 크게 학습, 검증, 예측 3가지로 구분하였으며 현재 업무 체인의 자원과 머징하여

개발할 수 있도록 로컬 개발환경 및 빌드 환경을 구성하여 일부 대상 개발중에 있음

– 모델 학습을 위한 적치 정보 추출, 신경망 학습, 저장, 로드, 예측 화면 연결 View 까지 뼈대만 Test 수준으로 개발되어 있는 상황

K-050

(1) DL 학습 공통 Class

– 학습을 요청하는 클래스로 화면, CM 등 다양한 경로에서 요청시 복잡한 시스템 구조를 이해하지 않고도 실행 할 수 있는 Interface 제공

Case 별로 수집 데이터, 모델 구조 등 모든 것이 다른 관계로 여러가지 모델을 포괄적으로 수용할 수 있는 설계가 필요

(2) DL 예측 공통 Class

– 위와 동일한 의미의 Interface Classs 로 개발 예정이며, (1)과는 달리 학습이 아닌 예측을 위해 사용

(3) 입고/출고 예측

– 과제 수행 규모 조정을 위해 SQL 을 통해 CSV 파일 추출, CSV 으로 모델을 만들고 실행하는 Rjava 기반 Class를 간단하게 개발 예정

(4) 적치 현황 추출

– 동, 열, 스판, 순서로 구성되어 있는 데이터를 DB 에서 추출하고 이미지와 같이 Matrix 기반의 데이터로 변환하는 작업 수행

. 특정 동 기반으로 개발되어 있으나, 범용성있게 사용할 수 있도록 개선 필요

(5) 신경망 학습

– RBM 기반 3Level 신경망을 설계하였으며, 모델 학습 후 그 결과를 서버에 파일 형태로 저장하도록 개발됨

(6) 신경망 예측

– 파일로 저장된 학습된 결과 값으로 신경망으르 재 생성하여 입력되된 값으로 예측 실행하도록 개발됨

(7) 스케줄 가이던스

– HTML5 기반 Rich UI 로 학습, 예측 기동 및 그 결과를 화면에 출력하도록 개발 진행중

(8) 신경망 검증

– 현재 DB 구조로는 복수의 CASE 를 저장하고 관리 할 수 없음

입고, 출고, 적치 현황을 이벤트 시점별로 관리 할 수 있도록 개발 필요 (Hadoop 환경 제공 여부에 따라 진행 방향 변경)

※ 과제원 두분은 어떤 내용을 개발해야 할지 확인하시기를 바라며,추가적으로 관심있으시면 과제원 모집합니다.

감사합니다.

Categories: DeepLearning4j

Leave a Reply

Your email address will not be published. Required fields are marked *