제품 둘러보기—Transportation Management
머신러닝을 기반으로 한 지능형 운송 관리
보다 정확한 운송 시간 예측을 위한 머신러닝
운송 계획 수립에 머신러닝(ML) 접근 방식을 도입해 보다 효과적인 계획 수립 의사결정을 내리고, 고객 만족도를 높이고, 공급망 위험을 줄일 수 있습니다. 그 자세한 방법을 지금 확인해 보세요.
보다 효과적인 의사결정
운송 계획 수립 과정에서 보다 정확한 예상 도착 시간(ETA)을 얻을 수 있습니다. 미착 이벤트를 기반으로 최신 ETA를 수신하고, 주문 수집 시 총 운송 리드타임을 확보할 수 있습니다. Oracle Transportation Management(OTM)는 업계 최고의 ML 알고리즘 및 인프라를 사용해 지능형 운송 시간 예측을 제공합니다.
ETA 예측
고객은 각자의 워크벤치에서 예측 배송일 및 운송 시간을 매일 확인할 수 있습니다. 빠른 응답 및 조치를 위해 예측 내용은 표준 OTM 워크플로 및 에이전트에 통합될 수 있습니다.
노코드 환경에서의 구성
머신러닝 모델은 완전 구성 가능하며, 비즈니스별 니즈 및 운송 시나리오에 맞춰 세부 조정이 가능합니다. 노코드 환경에서는 구성이 더욱 간편합니다.
실시간 위험 이벤트 응답
GPS 업데이트, 중단 등 이벤트와 날씨 및 교통량 등 외부 요소를 통합해 실시간 요인에 대한 대응력을 개선할 수 있습니다.
가장 최신 데이터를 자동으로 적용하기 위한 모델 재훈련
가장 최신 운송 이력을 기반으로 모델을 재훈련할 수 있습니다. OTM 프로세스에 기본 통합된 ML을 활용하면 조건부 논리를 트리거할 수도, 반복 작업을 설정할 수도 있습니다. 시간이 지남에 따라 모델은 더욱 풍부한 운송 이력을 수집하고, 증가하는 데이터를 기반으로 주기적으로 재훈련되며, 자체 개선 프로세스를 거치며 점점 정확도가 높아집니다.
인사이트 확보 및 성능 추적
사용자는 모델의 정확도 및 성능에 대한 완전한 가시성을 확보할 수 있습니다. 덕분에 모델을 추가로 세부 조정할 수 있고, AI에 대한 신뢰 및 확신도 얻을 수 있습니다.
실행 가능한 인사이트 개발
여러 운송 구간의 엔드투엔드 운송 시간을 예측하고, 이 정보를 실행 가능한 인사이트로 변환할 수 있습니다. 사용자는 운송 일정을 맞추지 못할 위험에 놓인 배송을 손쉽게 식별하고, 필요한 수정을 적용하고, 성과를 개선할 수 있습니다.
Oracle Transportation Management와 머신러닝의 결합
Oracle이 보유한 최고의 물류 플랫폼을 활용해 보다 효과적인 계획 수립 의사결정을 내리고, 고객 만족도를 높이고, 공급망 위험을 낮출 수 있습니다.