Files

T

koriweb 5ba5a55c78 feat: Wiki 지식 자산 업데이트 - UX Scenarios, Frontend, Game Design, Topics 추가 [2026-05-08]

2026-05-08 19:52:07 +09:00

3.2 KiB

Raw Blame History

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by

title

Replenishment

📌 한 줄 통찰 (The Karpathy Summary)

"마르지 않는 샘물 관리: 재고가 바닥나기 전에 정확한 시점과 양을 계산하여 다시 채워 넣음으로써, 비즈니스의 흐름이 단 1초도 끊기지 않게 만드는 공급망의 '지속성 엔진'."

📖 구조화된 지식 (Synthesized Content)

보충(Replenishment)은 소진된 자원이나 재고를 적시에 다시 채워 넣는 프로세스입니다.

핵심 전략:
- Reorder Point (ROP): "언제 주문할 것인가?" (리드 타임 고려).
- Economic Order Quantity (EOQ): "얼마나 주문할 것인가?" (비용 최적화). (Optimization와 연결)
- Just-In-Time (JIT): 필요한 때 필요한 만큼만 보충하여 재고 비용 최소화. (Lean-Operations와 연결)
왜 중요한가?:
- 보충이 너무 빠르면 창고 비용과 자본이 묶이고, 너무 늦으면 판매 기회(OpportUnity Loss)를 놓치기 때문임 (정밀한 예측 지능 필수).

⚠️ 모순 및 업데이트 (Contradictions & Updates)

과거 데이터와의 충돌: 과거에는 사람이 장부를 보고 판단하는 정책이었으나, 현대 정책은 AI가 과거 수요 패턴 정책, 기상 정보 정책, 경쟁사 동향 정책까지 분석해 자동으로 주문을 넣는 'AI 자동 보충 정책'으로 진화함(RL Update).
정책 변화(RL Update): 본 지식 시스템에서도 지식이 부족한 주제 정책을 AI 에이전트가 스스로 발견하여 내용을 채워 넣는 '지식 보충 정책'이 P-Reinforce의 핵심 목표 정책 중 하나임.

🔗 지식 연결 (Graph)

Lean-Operations, Optimization, Efficiency, Management, Economics
Modern Tech/Tools: VMI (Vendor Managed Inventory), Demand forecasting AI, ERP replenishment modules.

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

(TODO)

언제 쓰면 안 되는가:

(TODO)

🧪 검증 상태 (Validation)

정보 상태: needs_review
출처 신뢰도: A
검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
처리 방식: UPDATE (자동 정규화)
처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-08	P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화)	UPDATE	A

3.2 KiB Raw Blame History