소비자 행동의 변화와 팬데믹으로 인해 이커머스는 폭발적인 성장과 변화를 거듭하고 있습니다. 그 결과 물류 및 운송 회사는 택배 혁명의 최전선에 서게 되었습니다. 이러한 새로운 현실은 특히 공급망 물류에서 가장 비용이 많이 드는 요소인 라스트 마일 배송에서 두드러집니다. 소매업부터 제조업에 이르기까지 모든 산업에서 라스트마일 배송은 전체 공급망 비용의 41% 이상을 차지합니다. 당연히 라스트 마일 배송 비용이 급증하면서 근본적인 원인을 파악하고 이를 완화하기 위한 노력이 필요합니다.
라스트 마일 배송 문제는 차량 라우팅 문제(VRP)로 인해 더욱 복잡해집니다. 이동하는 세일즈맨 문제를 일반화한 VRP는 “특정 고객에게 배송하기 위해 차량이 수행해야 하는 최적의 경로 세트는 무엇인가?”라는 질문입니다. 배송 목적지가 10개만 있으면 3백만 개 이상의 순열과 조합이 가능합니다. 목적지가 15개이면 가능한 경로의 수는 1조 개를 넘을 수 있습니다. 목적지 수가 증가하면 그에 상응하는 가능한 여행 횟수도 가장 빠른 슈퍼컴퓨터의 성능을 능가합니다. 그리고 여기에는 항공기 가용성, 내비게이션 기능, 액세스 제한과 같은 일반적인 운영 제약 조건은 고려되지 않습니다.
라우팅 서비스 혁신
이러한 제약 조건과 더불어 운송 및 물류 분야의 끊임없는 변화와 발전으로 인해 기업이 효과적인 경로 최적화 서비스를 구축하거나 아웃소싱하는 것이 점점 더 어려워지고 있습니다.
스타트업을 위한 NVIDIA Inception 프로그램의 멤버인 clicOH는 이러한 문제를 해결하기 위해 독자적인 라우팅 모델을 개발했습니다. 이 솔루션은 휴리스틱 및 메타 휴리스틱 최적화 알고리즘부터 머신 러닝 및 AI에 이르기까지 NVIDIA의 최신 기술을 활용합니다. 또한 NVIDIA 라이브러리의 효율성에 의존하여 clicOH의 애플리케이션은 라스트 마일 배송을 위한 패키지 배포 밀도, 비용 효율성 및 배송 시간 최적화에 대한 다양한 요구 사항에 빠르게 적응합니다.
라스트 마일 배송 비용 최적화
clicOH는 NVIDIA 라이브러리를 사용하여 다양한 라우팅 문제를 해결하는 것을 목표로 합니다. 예를 들어, 이 회사는 출장 세일즈맨 문제와 관련된 업무를 지원하고 최적의 배송 경로를 결정하기 위해 NVIDIA cuOpt를 채택했습니다. cuOpt 라이브러리는 RAPIDS 및 CUDA와 같은 GPU 및 라이브러리와 함께 작동하여 더 빠르고 정확한 배송 경로를 생성합니다.
또한 RAPIDS를 사용하면 코드를 수정할 필요 없이 비지도 머신 러닝 알고리즘을 구현할 수 있어 보다 효율적인 데이터 분석이 가능합니다. 이러한 비지도 알고리즘을 통해 수요가 많은 우편번호를 클러스터링하여 보다 효율적으로 배송할 수 있을 뿐만 아니라 도달하기 어려운 지역을 식별할 수 있습니다. 이러한 알고리즘을 NVIDIA cuOpt와 결합하면 수천 개의 경로를 몇 분 또는 몇 초 만에 처리하여 지역 경로 제약을 고려하면서 배송 시간을 최적화할 수 있습니다. 이는 궁극적으로 배송 비용을 절감합니다.
clicOH는 AWS 개발 환경에서 NVIDIA GPU를 사용하여 여러 도시에 걸쳐 수천 개의 기존 경로를 분석하여 라우팅 비효율성을 매핑했습니다. 이 분석을 통해 clicOH는 물류 솔루션 개발을 간소화하고 애플리케이션의 적응형 기능을 향상시킬 수 있었습니다.
또한 배송 시간을 최적화하고 차량 활용도를 극대화하며 일정 제약으로 인해 배송에 문제가 있는 우편번호를 식별하는 딥러닝 모델을 개발했습니다. NVIDIA 가속 컴퓨팅으로 AI 모델을 최적화하여 클러스터 경로 계획 속도를 20배 향상하고 전체 운영 비용을 15% 절감했습니다.
clicOH 가속 물류 솔루션에 대해 자세히 알아보세요. NVIDIA cuOpt가 차량 경로 설정 워크플로우를 개선하는 방법에 대해 자세히 알아보려면 NVIDIA 개발자 포럼을 방문하세요.
관련 리소스
GTC 세션: 경로 최적화 클라우드 서비스를 사용하여 효율성 및 비용 절감을 추진하는 방법 알아보기
GTC 세션: 최적화 AI의 발전
GTC 세션: 자동차 사고 데이터에 대한 모델 학습 가속화하기
NGC 컨테이너: cuOpt
SDK: cuOpt
SDK: Rivermax
