Amazon Forecast와 Amazon SageMaker를 사용하여 전 세계 고객의 유지 보수 요구를 예측하는 Arneg

Arneg SpA(Arneg)는 사후 대응적인 고객 서비스 모델을 넘어서야 했습니다. 상업용 냉장 장치 제조 분야의 글로벌 리더인 Arneg는 기존 서비스를 개선하고 제품 확장에 따라 새로운 서비스와 통합할 수 있는 내결함성이 뛰어나며 확장 가능한 솔루션을 모색했습니다. 회사의 발전을 위해 Arneg는 Amazon Web Services(AWS)로 눈을 돌렸고, 자사의 사물 인터넷(IoT) 인프라와 함께 기계 학습(ML)을 사용해 매우 정확한 예측을 제공하는 완전 관리형 서비스인 Amazon Forecast를 사용한 예측 유지 보수 모델을 개발했습니다. Arneg는 새로운 시스템을 통해 80% 이상의 정확성으로 유지 보수 요구를 예측할 수 있었으며, 전 세계 고객의 냉장 가동 중지 시간을 크게 감소시킬 수 있었습니다.

100여 개국에 유통망이 있는 Arneg와 그 자회사는 세계적인 슈퍼마켓용 냉동고 및 냉장고 제조업체이며 시장에서 강력하고 인정받는 위치에 있습니다. 사업 특성상, Arneg는 서비스 수준 계약을 엄격하게 준수해야 합니다. Arneg는 식품 안전성을 촉진하기 위해 연중무휴로 전 세계 고객 지원을 제공해야 합니다. 이전에는 로컬에서 호스팅된 애플리케이션인 Interactive Remote Information System(IRIS)을 사용하여 경보, 서비스 호출, 현장 작업을 관리했습니다. IRIS를 사용하면 냉장고가 오작동할 때 Arneg에 경보를 보내지만 장치가 엄격한 상업용 냉장 산업 표준을 유지할 수 없을 때에만 가능합니다. Arneg 서비스 책임자인 Davide Zandonà는 "일반적으로 문제가 발생할 때만 지원을 요청하므로 대응 시간이 매우 짧아야 합니다."라고 말하며 다음과 같은 말을 덧붙입니다. "이로 인해 비용이 증가하며, 더 중요한 점은 서비스 과정의 효율성도 떨어진다는 것입니다." Arneg는 기존 IoT 인프라를 사용하여 클라우드에 좀 더 사전 예방적인 솔루션을 구축하고자 했습니다. Arneg 최고 정보 책임자인 Claudio Canepa는 "예측 유지 보수와 같은 새로운 프로젝트의 개발은 사실상 클라우드에서만 가능합니다."라고 말하며 다음과 같이 지적합니다. "온프레미스에서는 필요한 컴퓨팅 용량, 스토리지, 구성 시간을 제공할 수 없습니다."

회사는 여러 글로벌 클라우드 제공업체를 평가하여 결국 AWS가 가장 적합하다고 결정했습니다. Canepa는 "시간이 지남에 따라 Arneg의 서비스를 최적화하고 발전시키기 위해서는 쉽게 업데이트 및 업그레이드가 가능한 시스템을 사용해야 합니다."라고 말하며 다음과 같이 설명합니다. "비교 연구에서 AWS가 당시 우리 회사의 요구와 가장 밀접하게 일치하고 미래의 혁신을 가장 잘 지원할 수 있는 공급업체로 확인되었습니다." Arneg의 첫 번째 단계는 AWS에서 IRIS 애플리케이션을 위한 개념 증명을 개발하는 것이었지만, 회사는 가시적인 이점을 얻기 위해 기존 데이터를 클라우드로 마이그레이션하는 것 이상의 작업을 수행하는 솔루션이 필요하다는 사실을 금세 깨달았습니다. Arneg는 비용을 줄이고 예측 유지 보수 솔루션을 개발하며 대규모로 계속 발전하기 위해 단지 클라우드 호스팅이 아닌 클라우드 최적화가 필요하다는 것을 확인했습니다. Arneg는 AWS 마이크로서비스를 사용하면 기존의 IRIS 기능을 변경 및 개선하고 클라우드 아키텍처로부터 더 많은 이점을 얻을 수 있다는 사실을 바로 깨달았습니다.

Arneg의 솔루션에는 냉동고 및 냉장고의 IoT 디바이스를 통해 온도, 에너지 소비, 고장과 같은 데이터를 수집하고 이 데이터를 클라우드로 전송하는 작업이 포함됩니다. 클라우드에서는 이 데이터를 처리할 수 있도록 표준화하고 균질화합니다. Arneg는 예측 모델을 위해 Amazon SageMaker와 Amazon Forecast를 사용합니다. Amazon SageMaker는 ML 모델을 빠르게 구축, 훈련 및 배포하기 위해 ML 구성 요소를 단일 도구로 통합합니다. Arneg는 그 예측 모델을 통해 매일 1,100만 건의 IoT 레코드를 수집하고 몇 시간 안에 모델로 구축합니다. 이전에는 이러한 규모의 모델을 구축하는 데 몇 주 또는 몇 달이 걸렸습니다.

예측 모델은 이벤트가 발생하기 전에 알림을 전송하므로 서비스 팀이 장비를 모니터링하고 필요한 경우, 현장 유지 보수 직원에게 미리 알릴 수 있는 시간이 확보됩니다. "이 솔루션을 통해 냉장 장치 고장을 방지하여 더 나은 품질의 서비스를 제공할 수 있습니다."라고 Zandonà는 말하며 다음을 덧붙입니다. "이는 소비자를 위한 식품 안전성을 촉진하는 동시에 소매업체 측면에서는 효율성과 에너지 절약을 개선하여 저온 유통 체계를 최적화하는 데에도 도움이 됩니다." 지금까지 예측 유지 보수 모델은 80%의 정확성으로 유지 보수 요구를 예측했습니다. 이 수치는 회사가 대량의 과거 데이터를 컴파일하면서 개선될 것입니다.

Arneg는 AWS에 솔루션과 추가 서비스를 원활하게 통합할 수 있습니다. Zandonà는 "대응 시간과 필요한 유지 보수 노력을 최적화함으로써 제품 서비스 개발과 새로운 유형의 데이터 획득에 더욱 집중할 수 있었습니다."라고 말합니다. 회사의 다음 단계는 고객 서비스 콜 센터를 AWS로 이전하는 것입니다. 진행 중인 마이그레이션 과정에서는 음성 및 채팅 기능은 물론 실시간 및 기록 분석을 제공하는 옴니채널 클라우드 콜 센터인 Amazon Connect를 사용합니다.

이 마이그레이션은 통화 시간을 개선하고 고객 관련 데이터를 기반으로 통화를 연결하며 고객 데이터를 식별, 입력, 추적하는 데 소요되는 시간을 줄여야 하는 필요성에 따라 추진되었습니다. "Amazon Connect에서 복잡한 워크플로를 구축함으로써 공급업체, 고객, PoS의 데이터를 연결할 수 있습니다."라고 Canepa는 말하며 다음과 같이 전망합니다. "이는 운영자가 티켓을 오픈하는 데 필요한 모든 정보를 미리 컴파일하고 데이터 입력 및 흐름 관리에서 사람의 실수를 피하는 데 도움이 될 것입니다." 솔루션이 완전히 구현되면 Arneg는 거의 실시간으로 요청 및 데이터 분석을 추적할 수 있으며 지속적으로 서비스 성과를 모니터링하고 최적화하는 데 도움이 될 핵심 성과 지표를 생성할 수 있습니다.

사후 대응형에서 사전 예방형 서비스 모델로 전환을 모색하던 Arneg는 자사 IoT 인프라와 함께 Amazon SageMaker 및 Amazon Forecast를 사용하여 80% 이상의 정확도로 고객의 유지 보수 요구를 예측하고 고장을 예방하는 예측 모델을 개발했습니다. 또한 Amazon Connect를 사용하여 고객 서비스를 자동화하고 간소화할 기회를 포착했는데, 이것은 시작에 불과합니다. "AWS 아키텍처는 훌륭하고 강력한 혁신의 원동력임이 입증되었습니다."라고 Canepa는 말하며 다음과 같이 기대합니다. "AWS를 통해 Arneg는 당사의 기본이라고 생각하는 서비스에 집중할 수 있으며 일반적으로 인프라 지원, 용량 분석, 복잡한 정보 기술 서비스 관리에 할당되었던 리소스를 우리 그룹의 핵심 비즈니스에 투입시킬 수 있을 것입니다."

자세한 내용을 알아보려면 aws.amazon.com/forecast/를 방문하세요.