머리말
목차
제1부 물류데이터 사이언스
제1장 SCM/물류 데이터분석 역량
국제운송에서 AI 적용 사례를 살펴보자
내륙운송과 창고운영에서 AI 적용 사례를 살펴보자
개인도 생성형 AI를 활용한 데이터분석 역량을 키우자
데이터 사이언스와 SCM은 불확실성에서 가치창출을 지향한다
데이터분석 역량의 3가지 구성요소를 이해하자
제2장 ChatGPT와 AI
AI 리터러시가 왜 중요한가
ChatGPT의 작동원리를 이해하자
ChatGPT의 등장과 발전 과정을 살펴보자
AI, 머신러닝, 그리고 딥러닝을 구분하자
인공신경망과 딥러닝을 이해하자
퍼셉트론의 구조를 이해하자
하나의 퍼셉트론은 하나의 결정경계를 생성한다
다층 퍼셉트론으로 XOR 문제를 해결하자
AI와 언어모델의 역사를 공부하자
LLM이 등장하다
AI 에이전트의 시대가 다가오다
AI 프로그래밍은 무엇인가
AI 관련 주요 용어를 학습하자
제3장 데이터분석 준비
ChatGPT에 접속하자
환각 오류를 인정하고 ChatGPT와 코랩를 활용하자
코랩에 접속하자
파이썬 기본 문법을 익히자
데이터 정규화와 데이터 결합을 이해하자
제4장 프롬프트 엔지니어링과 GPTs
프롬프트 엔지니어링을 이해하자
GPT의 컨텍스트 윈도우을 이해하자
맞춤형 응답을 받자
맞춤형 ChatGPT 설정하기
Custom GPTs 만들기
S&OP 회의록 작성하기
재고실사 결과 엑셀로 취합하기
내가 확보한 문서에 근거하여 답변하기
외부 서비스 연동하기
확장 프롬프트 엔지니어링을 이해하자
동료처럼 생성형 AI입장에서 생각하고 협업하자
제2부 운송사 선정 최적화
제5장 최저 운송사 선정
내륙운송 입찰에 참여한 실행사의 견적을 수작업으로 분석한다
전처리와 최적화 기법을 구분하자
최적화 기법을 적용할 문제를 정의하자
엑셀의 해 찾기 기능을 활용하자
ChatGPT를 활용하여 최적화 모델을 만들자
최저 운송사 선정 문제의 수리모델을 이해하자
수학적으로 간결하게 표현해 보자
수리모델의 파이썬 코드를 이해하자
엑셀에서 데이터 읽어오기
파라미터 구성하기
pulp 최적화 모델 생성하기
목적함수 정의하기
제약조건 정의하기
최적화 실행하기
결과 출력하기
제6장 관리 단순화를 위한 운송사 선정
엑셀의 해 찾기 기능을 활용하자
ChatGPT를 활용하여 최적화 모델을 만들자
최대운송사개수 제약 문제의 수리모델을 정의하자
최대 운송사 제약의 파이썬 코드를 이해하자
제7장 리스크 분산을 위한 운송사 선정
ChatGPT를 활용하여 최적화 모델을 만들자
운송사 최대 배정 제한의 수리모델을 정의하자
PuLP 라이브러리를 활용한 파이썬 코드를 이해하자
OR-Tools 라이브러리를 활용하여 최적화하자
변형된 문제를 가지고 결괏값을 검증하자
큰 크기의 문제를 풀어보자
제3부 물류 네트워크 최적화
제8장 물류 원단위와 데이터 전처리
물류 네트워크 최적화의 필요성을 이해하자
판매법인의 요청 내용을 파악하자
기준정보와 물류 원단위를 정의하자
프로젝트 과제를 정의하자
제9장 물류거점 위치 선정 최적화
ChatGPT로 요청문을 수정하자
수리모델과 결과값을 확인하자
창고 운영비를 계산하는 두 가지 방식을 이해하자
BIP에서는 왜 SQRT(N)을 반영할 수 없는가?
선형화를 위해서 새로운 연속변수를 ZW를 정의하자
제10장 물류거점 면적 산정
물류거점의 면적을 산정하는 기준을 정의하자
엑셀로 물류거점의 면적을 산정하자
파이썬 코드로 작성하고 시뮬레이션 기능으로 확장하자
제4부 재고 전략과 데이터 분석
제11장 SCM 재고 최적화 전략
SCM 재고 최적화 전략 수립 프레임워크를 정립하자
우선 KPI를 알아야 한다
핵심 질문을 하자
핵심 구성 요소를 이해하자
관심 기업에 대한 SCM 재고 최적화 전략을 수립하자
제12장 재고 분류 전략
차별적 재고정책을 실행한 사례를 살펴보자
그림파일을 이용하여 ABC 분석을 하자
ABC 분석을 보다 구체적으로 이해하자
XYZ 분석을 하자
ABC-XYZ 분석을 이해하자
심층 리서치를 이용하여 ABC-XYZ 분석을 하자
실제 적용시 유의사항을 정리하자
제13장 가설의 수립과 성수기 대응
제곱근 법칙을 이용하자
리틀의 법칙을 이용하자
성수기 물류관리 대응방안을 수립하자
일 출고 누적 합계 대비 일 재고 누적 합계의 산점도를 그리자
제14장 적정재고와 안전재고
재고 운영기준의 현황과 문제점을 이해하자
최적 재고와 전사 차원의 적정재고 산출 기준을 정의하자
통합 재고관리 시스템과 거버넌스를 확보하자
기업의 환경에 맞추어 기업 고유의 적정재고 공식을 적용하자
이론적 안전재고 공식을 이해하자
산업별 안전재고 관리 방식은 다르다
제5부 딥러닝과 운임 시황예측
제15장 딥러닝 모델의 학습
신경망은 합성 함수로 표현된다
뉴런은 활성화 함수로 다양한 비선형 함수를 사용한다
순전파와 손실 함수를 이해하자
최적화, 경사하강법과 역전파를 이해하자
학습이 어떻게 반복되고 조정되는가
딥러닝 입문자에게는 Adam 옵티마이저가 기본값으로 적합하다
딥러닝 모델의 일반화 성능을 높이는 전략들을 이해하자
학습이 완료된 딥러닝 모델로 추론하자
제16장 순환 신경망의 이해
시계열 데이터를 분석하기 위해서 순환 신경망을 학습하자
순환 신경망은 문맥 정보를 반영한다
순환 신경망의 내부 구조를 이해하자
RNN의 품사 구분 연산과 최적화 과정을 이해하자
RNN의 한계를 이해하고 LSTM과 GRU로 확장하자
입출력 형태에 따른 신경망 모델 구조를 비교하자
SCFI의 시계열 데이터로 RNN 작동방식을 이해하자
제17장 순환 기반 시퀀스 모델의 SCFI 예측
SCFI 예측모델 개발의 배경 및 필요성을 먼저 이해하자
SCFI 데이터셋을 확인하자
순환 기반 시퀀스 모델의 파이썬 구현 절차를 학습하자
복합 SCFI 예측모델의 개발을 요청하자
모델을 만들기전에 데이터를 준비분석하고 고도화하자
램덤 시드로 동일 결과가 나오도록 하자
모델을 생성하고 학습을 시키자
하이퍼파라미터를 튜닝하자
최신 데이터의 변동성을 반영하는 방안을 고민하자
참고 문헌
저자