TMS AI Routing

연구 과제 · Research Program

🧭 TMS AI Routing

연구노트 총 72페이지를 과제 단위(RT-T#)로 페이지화하여 개념 학습과 간이 시뮬레이션을 제공합니다. 작성: 김지훈 수석연구원 · 2025.01~

완료

22

전체 예정

72

📑 과제 목록 (주요 초기 과제)

학습 모델 설계 및 데이터 구조

2-Stage AI 라우팅 엔진 개요 · 1단계 점수 모델 · Loss 정의

2단계 정수계획 최적화

OR-Tools CP-SAT 설계 · 제약 조건 · Recall@K / OTIF 평가

피처 엔지니어링 강화

시간·지역·운전자·교통·날씨 피처 · 교차 피처 · LightGBM 채택

Learning-to-Rank 피드백 학습

LambdaRank · Preference Calibrator · 담당자 수정율 감소

실데이터 학습 파이프라인

Airflow DAG · MLflow 버전 관리 · 자동 롤백

실시간 추론 서버 설계

FastAPI + Redis · 3초 이내 응답 · 초당 500건 처리

예측 ETA 모듈 설계

LSTM + XGBoost 앙상블 · MAE 4.2분 · 46% 정확도 향상

협업 화물 매칭 알고리즘

Graph Matching · 백홀 탐색 · 공차율 13.5%p 감소

생성 AI(GenAI) 인터페이스 설계

System Prompt · Function Calling · UX 만족도 4.2/5.0

Graph RAG 기반 지식 보강

Neo4j 그래프 · RAG 쿼리 · 연쇄 영향 분석 자동화

멀티모달 경로 최적화

NSGA-II · 도로·철도·해운·항공 · Pareto 해집합 · 비용 38% 절감

탄소 배출 트래킹 연동

GLEC Framework · 그린 라우팅 · 루트당 CO2 17.6% 감소

Agentic AI 배차 자동화

n8n 워크플로우 · Zero-Touch 87.3% · 배차 처리 93% 단축

실시간 재최적화 엔진

동적 이벤트 대응 · 30초 이내 재계산 · OTIF 2.7%p 향상

운임 예측 및 최적 운송사 선택

Prophet + XGBoost · 30일 선행 예측 · MAPE 6.8% · OTIF 96.4%

드라이버 행동 분석 및 안전 모니터링

GPS·이벤트 기반 안전 점수 · 사고 41.7%↓ · 과속 41.8%↓

수요 예측 기반 사전 배차

Transformer 72h 예측 · D-1 배차 완성율 91.4% · 차량 부족률 63%↓

이상 탐지 및 사기 방지

IsolationForest + LSTM Autoencoder · 탐지율 94.2% · 허위배송 19/23건 사전 차단

MCP 기반 외부 시스템 연동

WMS·OMS·Weather·Traffic MCP · 배차 수립 74%↓ · ETA 정확도 8.3%↑

디지털 트윈 시뮬레이션 환경

Monte Carlo 1000회 · What-if 사전 검증 · 대전 DC 추가 시 OTIF +2.1%p

성과 분석 자동화 리포트

Sheets → AI 요약 → Drive · 리포트 생성 4h → 8분 (97% 단축)

멀티테넌트 SaaS 아키텍처 설계

PostgreSQL RLS · LoRA 어댑터 · Starter/Growth/Enterprise 3 요금제

※ RT-T2 이후 과제는 연구노트 후속 페이지 학습이 완료되는 대로 순차 공개됩니다.