Asgard Systems는 ML.NET을 사용하여 음식물 쓰레기를 줄입니다.

Asgard Systems는 고급 소프트웨어 플랫폼 및 프로세스를 통해 경쟁 우위를 창출하기 위해 다양한 업종의 파트너와 협력하는 데 중점을 둔 소프트웨어 및 컨설팅 회사입니다. Asgard Systems는 ML.NET을 사용하여 루마니아의 식료품점 체인에서 식료품 수요를 예측하고 있습니다.

비즈니스 문제

식료품점은 부패하기 쉬운 음식이 주어진 날짜에 얼마나 팔릴지 알기 전에 먼저 주문을 해야 합니다. 이것이 실제로 의미하는 바는 상점이 주어진 날짜에 판매할 수 있는 것보다 더 많이 주문하고 과대평가하기 때문에 식품 소매 산업 전반에 걸쳐 매년 수백만 파운드의 육류 생산이 낭비된다는 것입니다. Asgard Systems의 고객은 해당 품목을 주문하기 전에 해당 품목에 대해 얼마나 많은 수요를 보게 될지 지능적으로 예측할 수 있는 방법이 필요합니다.

왜 ML.NET를 사용해야 하나요?

ML.NET만 작동합니다. Microsoft는 하루에 수천 개의 학습 주기를 실행하는 프로덕션 환경에서 베타 버전(버전 1 이전)을 문제 없이 사용했습니다. ML.NET을 사용하면 효율성과 확장성 모두에서 사용한 다른 솔루션보다 성능이 우수했습니다. ML이 .NET Framework의 장갑처럼 적합하다는 사실은 Microsoft에서 많은 노력을 기울여야 하지만 그 결과는 시장에서 가장 간단하고 효율적이며 확장 가능한 솔루션이라는 것입니다. 실제로 Python/R에서만 작업한 개발자가 아닌 데이터 과학자가 더 효율적이기 때문에 ML.NET을 사용하여 모델을 학습하는 방법을 학습한 경우가 있었습니다."

ML.NET의 영향

매장에서 낭비를 피할 수 있는 신선한 식품 1파운드는 식품 재배가 에너지 집약적이기 때문에 배출되지 않는 온실 가스 배출량의 수 파운드를 나타냅니다. 예를 들어, 몇 가지 일반적인 신선 식품과 관련된 온실 가스 배출을 고려하십시오.

우리는 이미 연간 절약으로 2,400만 파운드 이상의 CO2 배출량을 달성했으며 2020년 말/2021년 초까지 연간 약 2억 4,000만 파운드의 CO2 배출량을 줄일 수 있을 것입니다. 이는 최대 24,000명이 탄소를 배출하는 것과 같습니다. 매년 중립적입니다. 소매업체에서 일하는 모든 사람들이 이제 회전율이나 이윤에 대한 타협 없이 탄소 중립적이라고 상상해 보세요. 우리는 소비자가 고기나 과일을 덜 먹도록 영향을 미치거나 어떤 식으로든 식습관을 바꾸도록 영향을 미치지 않고 인상적인 결과를 달성했습니다. "

솔루션 아키텍처

Asgard는 수요를 예측하기 위해 매장에서 각 제품에 대한 ML.NET 예측 모델을 훈련합니다. 이러한 모델은 .NET Framework 데스크톱 응용 프로그램에 통합됩니다. 단일 교육 주기는 각각 100개 이상의 기능이 있는 ~ 500,000개의 행으로 구성된 ~ 600MB의 원시 데이터에서 실행됩니다.

ML.NET은 SQL Server 및 Azure SQL을 활용하는 기존 솔루션과 잘 통합되는 동시에 Python에 비해 상당한 성능 향상을 제공합니다. 동일한 모델의 Python 구현과 비교하여 교육 시간이 20%에서 50% 더 빠릅니다. 또한 ML.NET을 사용한 추론은 1초 미만으로 작동합니다. 이전에는 Python에서 몇 초가 걸렸습니다. 운영이 더 안정적이며 ML.NET을 사용하는 Asgard의 솔루션은 현재 레거시 Python 구현에 비해 확장성을 10배 이상 높였습니다.

ML.NET 모델은 놀라운 정확도를 표시합니다. 며칠 동안 매장의 실제 수요로 오버레이된 수요에 대한 ML.NET 모델의 예측을 보여주는 다음 차트를 살펴보겠습니다.

Asgard Systems는 Microsoft 기술에 대한 기존 지식을 활용하여 식료품 수요 예측을 위한 ML.NET 솔루션을 원활하게 배포할 수 있었습니다. 이 모델은 솔루션의 대규모 데이터 세트에 대해 Python보다 성능이 뛰어났을 뿐만 아니라 고객이 비용을 절감하는 동시에 수억 파운드의 CO2 배출을 방지하는 데 도움이 되었습니다.