KOR
베이킹소다
BakingSoDA는 변화하는 환경에서 주어진 기업목표를 효율적으로 달성하기 위한
‘강화학습 전용 MLOps’ 입니다.
여러 요소를 함께 고려하는 의사결정 과정을 통해
최소의 자원으로 최대의 효과를 위한 최적의 방법을 제안합니다.
베이킹소다 원리
BakingSoDA의 특징
  • Transforming
    Real to Virtual World
    Transforming
    Real to Virtual World

    비즈니스 현실의 환경과 조건들을
    가상환경으로쉽게 전환하여 AI가 학습
    할 수 있는 환경을 제공합니다.

    과거의 누적된 ‘정적인’ 데이터 기반의
    오프라인 강화학습 뿐 아니라 디지털 트윈 등
    시뮬레이터 환경과 연계하여 ‘동적인’ 데이터
    기반의학습환경을 쉽게 구성할 수 있습니다.

  • Self-Powered
    Decision-Making System
    Self-powered
    Decision-making System

    MLOps 기반의 모델의 생성과
    배포 뿐 아니라, 학습과 재학습 기능을 통해
    스스로 성능을 점검하고 발전하는
    학습 / 운영기능을 포함합니다.

  • User-selected Reward User-selected Reward

    고객의 니즈에 따라 액션을 통해 주어지는
    보상설정방법을 다양하게 제공하여
    보상을 직접 입력 /설정하거나 , 적당한
    보상을 제안 받을 수도 있습니다.

  • Mathematical
    Optimization
    Mathematical
    Optimization

    경험을 통해 미래를 예측하고 해결책을
    찾는 데이터 기반 최적화에 더하여
    주어진 자원 안에서 모든 변수를 숫자로
    표현 후 목표 한계치를 찾고, 그 안에서 도출한
    최고의 답을 증명하는 '수학적 최적화'
    기법을 통해 실무 적용 가능성을 향상시킵니다.

  • User-selected Reward User-selected Reward

    강화학습에 익숙하지 않은 분석/개발자들의
    사용 편의를 위해 코드 입력 없이도 쉽게 사용
    가능한 UI 기반 알고리즘 툴 형태를 지원합니다.

Work Flow

의사결정을 위한 환경설정부터 API 형태로 구현된 모델의 성능평가까지
분석, 운영, 학습 프로세스를 제공하는 플랫폼 형 알고리즘을 통해, 지속적으로 의사결정 사항을 점검하고 발전시킬 수 있는 환경을 제공합니다.

Work FLow 이미지
주요기능

Transforming Real to Virtual World

문제해결을 위한 현실의 환경을 AI모델이 학습 가능한 가상의 환경으로 손쉽게 전환하는 방법을 제시합니다.
오프라인 강화학습용 '정적데이터'를 학습하기 위한 환경과, 디지털 트윈 기반의 시뮬레이터 환경 연동을 통한 '동적 데이터' 환경 모두를 지원합니다

  • Real

    해결이 필요한 문제와
    제약조건 들

  • 사람 아이콘 화살표 아이콘 Digital Twin
  • Virtual

    AI 모델과 학습을 위한 환경의 구성
    혹은 Simulator 연계

User-selected Reward system

사용자가 원하는 방식으로 의사결정시스템에서의 보상을 설정할 수 있도록,
선택 가능한 3가지 보상시스템을 제공합니다.

  • Auto Reward (Wizard)
    Auto Reward (Wizard)

    주어진 요소만으로 기능 실행 시,
    BakingSoDA Engine이 알맞은
    보상을 자동으로 제안

  • Semi-auto Reward
    Semi-auto Reward

    사용자가 손쉽게 보상을 정하도록
    기본적인 설정만 제공하는 방식

  • Custom Reward
    Custom Reward

    고객이 원하는 방식으로
    보상 값을 직접 설정
    (Code Level 지원)

Hyper-parameter Auto Tuning

모델학습 시 AutoML 기반의 파라미터 튜닝 설정기능을 통해
성능 향상과 동시에 작업 시간을 단축시키고 사용자 편의까지 고려합니다.

  • Parameter
  • Basic
  • Train Parameters
  • Agorithm Parameters
  • Model Parameters
화살표
  • Performance Enhancement
    Performance
    Enhancement
  • Save Time
    Save Time
  • User Convenience
    User Convenience

UI-based Usability

강화학습을 학습한 개발자나 분석가로 한정되어 있던 주 사용자층을 확대하여
별도의 학습 없이도 직관적으로 실행 가능한 UI 를 제공합니다.

UI-based Usability 이미지

MLOps-based Learning & Operation System

최적의 결과를 위한 의사결정시스템을 최적의 성능으로 유지하기 위해
모델생성에서 전달 / 성능 모니터링 / 평가 / 재학습에 이르는 전체적인 학습모델 관리 기능을 제공합니다.

Self-Powered Decision-Making System
MLOps-based Learning & Operation system 이미지
적용가능 업무
  • 제조 제조 이미지

    공정 프로세스 최적화 재료 비율 최적화 자동 설계(Auto CAD) 제어 인자 최적화 등

  • 교육 교육 이미지

    콘텐츠 추천 교육 콘텐츠 개발 콘텐츠 가격 산정 등

  • 헬스케어 헬스케어 이미지

    최적 보험료 제안 맞춤 치료 전략 보험 상품 최적화 등

  • 에너지 에너지 이미지

    기계 이상 탐지 자원배분 효율화 에너지 효율화 등

  • 물류 물류 이미지

    재고관리 적재시스템 최적화 수요예측 등

  • 여행 / 숙박 여행 / 숙박 이미지

    최적 비용 Offer 맞춤형 마케팅 재고 최적화 객실 공급 및 배분 대기 행렬 효율화 등

  • 운송 운송 이미지

    물동량 예측 이동경로 최적화 배차 최적화 등

  • 로봇제어 로봇제어 이미지

    로봇제어시스템 공장폐기물 제거 시스템 산업 로봇 시스템 등

  • 금융 금융 이미지

    포트폴리오 설계 주식투자활용 최적 투자/대출한도 제안 사기 탐지 시스템 구축 자동 심사 및 지급 등

  • 공공 공공 이미지

    대중교통 최적 경로 예측 CCTV 설치 위치 최적화 상수도 펌프 On/Off 최적화 LNG 최적 운영 등

  • Floor planning
    Floor planning 이미지

    2D 및 3D 공간에 특정 물체를 최적으로
    배치하는 방법론으로, 각 물체에 배치에 대한
    제한조건을 만족하면서 목표로 하는
    최대 효율을 구하는 작업을 수행합니다.

    CAD기반의 설계 등 주어진 자원을 효율적으로
    배치하고자 하는 모든 업무에 적용할 수 있습니다.

  • Assignment & Allocation
    Assignment & Allocation 이미지

    한정된 자원을 효과적으로 할당하거나,
    목적에 맞게 시/공간 혹은 물리적 자원을
    적절히 배분하는 작업을 지원합니다.

    유휴 리소스를 최소화하고 공적하고 합리적인
    할당으로 원하는 목표를 보다 수월하게
    달성할 수 있도록 합니다.

  • Claim Process Automation
    Claim Process Automation 이미지

    청구금액에 대한 반복적인 지급 심사 수행 시,
    미리 설정한 룰에 의해 데이터를 판단하고,
    처리 가능한 영역에 대한 자동화를 수행합니다.

    조건을 만족하는 범위 내에서 심사담당의
    개인적인 판단에 영향 받지 않는 공정하고
    정확한 업무처리를 가능하게 합니다.

도입고객이 얻은 성과
  • A생명 보험사

    인공지능 기반
    보험금 지급 심사 최적화

    까다로운 지급조건을 고려하여 개인 별 보험금 지급 타당성을 검토하는 보험지급 프로세스의 자동화 및 처리 속도 개선

    회색 화살표 아이콘

    전체 시스템의 25%도입 기준
    5년간 비용절감효과
    100억대 추정

  • B은행

    신용대출 한도 최적화 PoC

    신용평점과 룰 형태의 전략 대신 기업의 다중 목표를 고려한 최적 의사결정 인공 지능 모델을 개발하여 한도 최적화에 성공

    회색 화살표 아이콘

    수익성 3.3%

    상향 세모 아이콘

    대출 한도 소진율 3.1%

    상향 세모 아이콘

    손실률 0.9%

    하향 세모 아이콘
  • C사

    부품 위치 최적화

    가전제품의 설계도를 바탕으로 최적의 설계를 위해, 베이킹소다의 자동보상설정 기능으로 설계방안을 구성하여 강화학습 환경에서의 부품 별 위치 최적화 구현

    회색 화살표 아이콘

    설계시간 단축으로
    제품 10만대 기준 제작일정의
    획기적 단축

    7일에서 1일로 단축

서울시 강남구 선릉로 525 인포스톰빌딩 2-3층
| 대표번호(02-558-8300) | contact@agilesoda.ai
Copyright © AgileSoDA .