물리학 + 수학 + AI가 융합된 학술 기반 엔진.
쉽게 모방할 수 없는 기술 장벽.
기존 공급망 모델은 단방향(causal) 방정식을 수동 작성합니다. 현실의 공급망은 재고 피드백, capacity 역전파 등 양방향 상호작용의 복잡계입니다. WARP는 Acausal Modeling을 채택 — 컴포넌트 연결만 정의하면 580개 미분방정식을 자동 유도합니다.
물리학의 Least Action Principle을 비즈니스에 적용: Lagrangian ≈ Revenue − Cost = Profit으로 치환하여, 제약 조건(capacity, 리드타임, 안전재고) 안에서 이익을 극대화하는 최적 운영 경로를 자동 탐색합니다.
물리의 질량 보존처럼, 물량 보존: 생산 = 출하 + Δ재고를 수학적으로 자동 보장 (오차 4.5×10⁻¹³). Acausal 모델링에서는 구조적으로 위반이 불가능합니다.
① Baseline PSI — 현 조건 시뮬레이션. ② Optimization PSI — Lagrangian 기반 자동 최적화. ③ Scenario PSI — What-if 분석. 세 모드 모두 동일한 acausal 엔진 위에서 동작, 파라미터 변경 ~3ms 반영.
산업용 수준의 시뮬레이션 엔진과 최적화 인프라
자체 개발 Supply Chain Modeling Library. MaterialPort, MaterialStock, WIPPipeline, BatchProcessor, ProductionLine, Factory 등 16개 컴포넌트를 조합하여 임의의 공급망 네트워크 구성.
Native Engine산업별 ODE 빌더 인터페이스. FootwearODE (ProductionLine 기반) + PetroChemODE (ContinuousReactor 기반). 동일 엔진에서 이산/연속 공정 모두 지원.
Multi-Industry745 상태변수 Jacobian density 0.27%. 수동 sparsity pattern 적용으로 ODE solve 56.7초 → 5.4초. 대규모 시뮬레이션의 실시간 분석 가능.
Sparse SolverMRP-II 자재 계획 + CRP 용량 계획 + ODE 동적 시뮬레이션 통합. Rolling Horizon 알고리즘으로 phantom constraint 제거. 설비/인력/자재 제약 + Work Calendar 반영.
MRP · CRPSmoothInfoDelay + CloseGap + FrozenFence 3-layer 정책. TrendForecaster 수요 예측. tanh smooth blending으로 불연속 없는 정책 전환.
BSL · 3-Layer공정별 단위원가(변동비) → 라인별 → 모델별 → 공장별 → 전사 aggregation. Internal Consumption Chain + SGA 차감. 진정한 bottom-up 원가 계산.
IC Chain · SGA문제 특성에 따라 3가지 엔진을 자동 또는 수동 선택
8변수 Particle Swarm Optimization. 실제 ODE를 매 iteration 풀어 정확한 fitness 평가. Early stopping으로 수렴 시 자동 종료.
ProductionTrust Region Bayesian Optimization. GP surrogate + 신뢰 구간 기반 탐색. Multi-fidelity 2단계로 빠른 탐색 후 정밀 수렴.
High PrecisionGaussian Process와 능동 학습을 결합. 불확실성이 높은 영역을 우선 탐색하여 최소 시뮬레이션으로 최대 정보 획득. $448.6M 달성.
Best Result16개 모델이 경쟁하여 최적의 예측을 자동 선택합니다
기존 시스템과 seamless 데이터 교환
실제 공장 데이터 기반 벤치마크 (30모델, 50라인, 26주)
JWT HMAC-SHA256 토큰, 역할별 접근 제어(RBAC), 감사 로그. Go Gateway에서 일괄 처리.
Cloudflare 터널 + Access 이중 보호, Bot 방어, WAF, DDoS 자동 방어.
고객사별 완전한 DB 분리, 암호화 저장, 정기 자동 백업, 마이그레이션 관리.