01

Procurement

기업의 원자재 구매 프로세스는 다량의 정보를 처리해야 합니다. 원료가격, 나프타-에틸렌 스프레드, 예상 생산량, 공장가동정보, 예상 수요, 클레임 등의 리얼타임 확률 데이터를 올바르게 처리하여 연속적인 구매결정을 내리는 것은 매우 복잡한 문제입니다. 또한, 구매 프로세스는 책임 문제 및 의사 결정 과정에서 왜곡이 발생할 수 있습니다. 기업들은 원자재 구매에 연간 수조원 이상을 지출하고 있으나 최적화되지 않은 구매 시스템에 의해 많은 비효율이 발생하고 있으며, 구매 시스템 최적화를 통하여 상당한 영업이익률의 개선이 가능합니다. 석유화학, 정유, 철강, 제분 등 원자재 수요가 많은 기업들은 비용을 절감하고 생산성을 향상할 수 있습니다.


A company’s raw material procurement process handles inordinate amounts of information. When it comes to processing a large number of real-time stochastic data points such as raw material prices, raw material-finished product price spreads, expected production, expected demand, factory operation information, claims information, etc. it becomes exceedingly challenging to process the data correctly in order to make efficient purchasing decisions each and every time in a systematic manner. Firms are spending more than a billion USD to purchase raw materials, which is highly inefficient due to unsystematic purchasing systems. Hence, operating margins can be significantly increased by optimizing purchasing systems end-to-end. Moreover, companies with higher demand of raw materials such as petrochemicals, oil refineries, steel mills, etc., can achieve greater improvement in cost saving and productivity gains.

 

02

QRAFT AI Procurement Engine

크래프트는 자체적인 딥러닝 엔진과 BM 대비 안전한 분할 전략 공간에서 표본추출을 통해 위험 대비 최적의 분할 전략을 제시하는 AI Procurement 시스템을 제공하고 있습니다. 기존의 내부 구매 데이터 및 최적 구매결정계산(Post Optimal Decision)을 통한 딥러닝 학습을 수행합니다. AI 구매 시스템을 통해 기업은 지속적으로 변화하는 구매 관련 빅데이터를 통해 유의미한 정보를 도출하고, 즉각적으로 효율적인 구매의사결정이 가능합니다. 


Qraft provides reinforcement learning AI purchasing solutions based on deep reinforcement learning. By leveraging this AI system, companies can immediately make efficient purchase decisions as reinforcement learning is carried out using existing internal purchase data and post-optimal decision calculation. In addition, companies can extract information from the continuously changing big data related to purchase.

 

03

MML

원자재 구매 프로세스에서 적시에 적절한 양의 원자재를 구입하는 의사 결정은 많은 양의 시계열 확률 데이터로부터 최적화 문제의 정답을 구해야 하는 복잡한 문제로 AI 활용시 큰 효율의 증가가 예상됩니다. 그러나 구매처와의 관계 등의 정보에 기반한 수요 예상은 인간이 AI 보다 종합적으로 판단해 더 나은 예측을 할 확률이 높습니다. 크래프트의 AI 구매시스템은 빅데이터처리는 AI 가, 클라이언트와의 관계 및 수요 예상 등 인간이 더 정확하게 인식할 수 있는 부분은 인간이 담당하는 하이브리드 MML(Man Machine Learning) 시스템으로 설계되었습니다.


Decisions to purchase the right amount of raw materials in a timely and timely manner in the raw material purchasing process are complex issues that must be solved for the problem of optimization of an enormous number of time series stochastic data. However, demand forecasts based on information such as the relationship with the purchaser are more likely to make better predictions than AI because humans are more comprehensive. Qraft’s AI purchasing system is designed as a hybrid MML (Man Machine Learning) system. Human is responsible for the part that human be able to perceive more accurately, such as relationship with client and expectation of demand and AI is responsible for processing big-data.

 

04

Case Study :
AI Naphtha Procurement System

ai%EA%B5%AC%EB%A7%A4%EC%8B%9C%EC%8A%A4%ED%85%9C%ED%94%84%EB%A1%9C%EC%84%B8%EC%8A%A4.jpg