본 논문은 슈퍼마켓 환경에서 세 가지 재고 모델(Lost Sales, Dual-Sourcing, Multi-Echelon Inventory Model)에 대해 시계열 분석, 랜덤 포레스트, 심층 강화 학습 알고리즘을 종합적으로 분석합니다. 데이터 기반 재고 관리의 효율적인 방법을 분석하는 것이 주요 목적이며, 각 알고리즘의 가능성, 잠재력 및 현재 과제를 고려합니다. 예측 정확도, 시장 변화에 대한 적응성, 재고 비용 및 고객 만족도에 대한 전반적인 영향 등 여러 주요 성과 지표를 기반으로 각 모델에서의 결과를 비교하여 각 알고리즘의 효과를 평가합니다. 데이터 시각화 도구와 통계 지표를 사용하여 비교하고, 의사 결정을 안내할 수 있는 명확한 추세와 패턴을 보여줍니다. 이러한 도구는 관리자가 실시간으로 다양한 알고리즘의 성과를 추적할 수 있을 뿐만 아니라 특정 데이터 지점을 자세히 조사하여 재고 변동의 근본 원인을 이해하는 데에도 도움이 됩니다.
