본 프로젝트는 집배원 배달업무 데이터를 분석하여 업무강도를 예측하는 혁신적인 웹서비스입니다.
주요 기능:
(세부 설명)
현재 집배업무강도는 46개의 복잡한 산출식을 통해 계산되고 있어, 당일 배달 물량에 따른 정확한 업무 강도 예측이 어려운 상황입니다.
이에 집배원의 일일 업무 강도를 예측하기 위해 생성형 AI를 활용한 데이터 분석 및 모델링을 기반으로 웹 서비스를 구축합니다.
이 서비스는 머신러닝 알고리즘을 통해 과거 데이터 패턴을 학습하고, 다양한 변수들을 종합적으로 고려하여 일부 변수만으로 보다 정확한 예측을 제공합니다.
주요 데이터는 일반통상 우편물, 등기통상 우편물, 등기소포 우편물, 주행거리, 요일, 차량 종류 등의 변수를 사용합니다.
데이터는 다양한 형태로 전처리되며, 생성형 AI와 기계학습 알고리즘을 사용하여 패턴을 학습한 후 집배업무강도 예측 모델을 구축합니다.
이 모델은 Streamlit을 이용한 웹서비스로 구현되어, 사용자가 실시간으로 데이터를 입력하면 예측 결과를 확인할 수 있습니다.
생성형 AI를 활용하여 이륜차량의 수리비 관리와 교체 대상 선정을 통합하는 관리 시스템입니다.
핵심 기능:
(세부 설명)
이 시스템은 이륜차량 정보 데이터와 차량별 수리내역 데이터를 통합하여 두 가지 핵심 기능을 제공합니다.
1. 이륜차 수리비 관리
＊ 데이터 통합 및 분석: 차량번호, 구매일자, 총 주행거리, 보험료 등의 이륜차 정보와 일자별 수리비, 수리내역 데이터를 통합하여 데이터를 분석합니다.
＊ 수리비 패턴 파악: 생성형 AI를 활용하여 각 차량의 월평균 수리비와 수리내역을 요약 및 시각화하고, 비용 패턴을 분석합니다.
＊ 비용 최적화 제안: 수리비가 비정상적으로 높은 차량을 식별하고, 비용 절감을 위한 관리 방안을 제안합니다.
2. 이륜차 교체 대상 선정
＊ 교체 대수 입력: 차량 보급 관리자가 교체하고자 하는 차량의 대수를 시스템에 입력하면 교체 예상 차량을 권역별로 예측하여 호출합니다.
＊ 교체 우선순위 예측: 구매일자, 누적 수리비, 주행거리, 미사용 일수 등을 고려하여 생성형 AI가 교체 우선순위를 예측합니다.
＊ 자동 선정 및 알림: 최적의 교체 대상을 자동으로 선정하고, 관련 정보를 관리자에게 제공합니다.
본 AI 웹 서비스는 랭체인을 활용하여 우정사업본부의 지침, 규정, 질문과 답변 등 데이터를 RAG 및 파인튜닝으로 학습시킨 후, 생성형 AI를 통해 사용자에게 우편, 물류, 예금, 보험, 지원분야 등 모든 영역에 대한 통합적인 질의응답 기능을 제공하는 서비스입니다.
주요 서비스:
(세부 설명)
우정사업본부 내부의 다양한 지침, 규정, 자주 묻는 질문과 답변(Q&A) 데이터를 랭체인(Langchain)과 벡터 데이터베이스(Chroma)를 활용하여 임베딩(Embedding)하고, GPT와 Llama3 기반의 생성형 AI로 파인 튜닝(Fine-tuning)하여 구현합니다.
이를 통해 우정사업본부 내 우편, 물류, 예금, 보험, 지원분야 등 모든 업무 영역에서 직원들이 필요한 정보를 빠르게 찾을 수 있도록 돕습니다.
이 시스템의 특징은 RAG를 이용한 문서 검색과 파인 튜닝된 모델을 함께 사용하는 것인데, 이 두 가지를 결합하면 문서 검색의 정확성과 응답의 질을 모두 크게 향상시킬 수 있습니다.
<단계별 흐름>
1. 질문 입력
2. RAG을 사용한 관련 문서 검색
3. 파인 튜닝된 모델을 통합 응답 생성
4. 사용자에게 답변 출력
이 시스템은 내부 문서, 지침 등의 데이터를 AI가 학습하여, 사용자가 입력한 질문에 대한 정확하고 신속한 답변을 제공합니다.
질문에 대한 답변은 단순히 정해진 데이터를 검색하는 것이 아니라, 문맥을 이해하고 생성형 AI를 통해 관련 규정 및 지침에 맞는 답변을 제공합니다.
또한, 새로운 지침을 정기적으로 업데이트함으로써 최신 정보를 지속적으로 제공할 수 있습니다.