🤖 AI 자동발주시스템 통합 기획서

버전: 1.0
작성일: 2026-03-06
작성자: 용림 (with 약사님)
상태: 기획 완료, 개발 대기

📋 목차

1. 비전 및 목표
2. 현재 구현 현황
3. 시스템 아키텍처
4. AI 학습 요소
5. 핵심 기능 설계
6. 데이터 모델
7. API 설계
8. 자동화 레벨
9. 알림 시스템
10. 개발 로드맵
11. 성공 지표

1. 비전 및 목표

🎯 비전

"약사님이 주문에 신경 쓰지 않아도 되는 약국"

AI가 사용량, 재고, 도매상 상황, 과거 주문 패턴을 학습하여:
- 언제 주문할지
- 어느 도매상에 주문할지
- 어떤 규격으로 주문할지
- 얼마나 주문할지

모든 것을 자동으로 결정하고 실행합니다.

핵심 가치

핵심 원칙

"AI는 대체하는 것이 아니라, 약사님의 방식을 자동화합니다."

• 약사님이 항상 지오영에 먼저 주문하면 → AI도 지오영 우선
• 약사님이 300T보다 30T를 선호하면 → AI도 소량 주문
• 약사님이 여유 있게 주문하면 → AI도 안전 재고 확보
• 약사님이 가격에 민감하면 → AI도 최저가 추적 (OTC/비급여)

2. 현재 구현 현황

2.1 도매상 API (✅ 완료)

2.2 주문 DB (✅ 완료)

orders.db
├── wholesalers        # 도매상 마스터
├── orders             # 주문 헤더
├── order_items        # 주문 품목
├── order_logs         # 주문 이력
├── order_context      # AI 학습용 컨텍스트 ⭐
├── daily_usage        # 일별 사용량 시계열
└── order_patterns     # AI 분석 결과

2.3 배송 스케줄 (✅ 확인 완료)

┌──────────┬──────────┬──────────────┬──────────────┬──────────┐
│ 도매상   │ 배송     │ 주문 마감    │ 도착 예정    │ 비고     │
├──────────┼──────────┼──────────────┼──────────────┼──────────┤
│ 지오영   │ 오전     │ 10:00        │ 11:30        │ 당일     │
│          │ 오후     │ 13:00        │ 15:00        │ 당일     │
├──────────┼──────────┼──────────────┼──────────────┼──────────┤
│ 수인     │ 오후     │ 13:00        │ 14:30        │ 당일     │
├──────────┼──────────┼──────────────┼──────────────┼──────────┤
│ 백제     │ 익일     │ 16:00        │ 다음날 15:00 │ ⚠️ 익일  │
└──────────┴──────────┴──────────────┴──────────────┴──────────┘

2.4 UI (✅ 완료)

• Rx 사용량 페이지 (처방 기반)
• 장바구니 모달
• 도매상 잔고/월매출 모달

3. 시스템 아키텍처

전체 흐름

┌─────────────────────────────────────────────────────────────────┐
│                     AI 자동발주시스템                            │
└─────────────────────────────────────────────────────────────────┘
                                │
        ┌───────────────────────┼───────────────────────┐
        ▼                       ▼                       ▼
┌───────────────┐      ┌───────────────┐      ┌───────────────┐
│  데이터 수집   │      │   AI 분석     │      │   자동 실행    │
│               │      │               │      │               │
│ • POS 판매    │─────▶│ • 사용량 예측  │─────▶│ • 도매상 API  │
│ • 처방전 조제  │      │ • 재고 분석   │      │ • 주문 실행   │
│ • 현재 재고   │      │ • 주문 추천   │      │ • 결과 피드백  │
│ • 도매상 재고  │      │ • 패턴 학습   │      │               │
└───────────────┘      └───────────────┘      └───────────────┘
        │                       │                       │
        └───────────────────────┼───────────────────────┘
                                ▼
                    ┌───────────────────┐
                    │    학습 루프       │
                    │                   │
                    │  주문 결과 평가    │
                    │  → 모델 업데이트   │
                    │  → 전략 조정      │
                    └───────────────────┘

컴포넌트 구조

┌──────────────────────────────────────────────────────────────────┐
│                         데이터 레이어                             │
├──────────────────────────────────────────────────────────────────┤
│  ┌────────────┐  ┌────────────┐  ┌────────────┐  ┌────────────┐ │
│  │  PIT3000   │  │   SQLite   │  │  지오영    │  │   수인     │ │
│  │  (MSSQL)   │  │  Orders DB │  │   API      │  │   API      │ │
│  └─────┬──────┘  └─────┬──────┘  └─────┬──────┘  └─────┬──────┘ │
│        └───────────────┴───────────────┴───────────────┘        │
└────────────────────────────────┬─────────────────────────────────┘
                                 ▼
┌──────────────────────────────────────────────────────────────────┐
│                         서비스 레이어                             │
├──────────────────────────────────────────────────────────────────┤
│  ┌─────────────────┐  ┌─────────────────┐  ┌─────────────────┐  │
│  │  InventorySync  │  │  UsageAnalyzer  │  │  OrderExecutor  │  │
│  │  재고 동기화     │  │  사용량 분석    │  │  주문 실행      │  │
│  └─────────────────┘  └─────────────────┘  └─────────────────┘  │
│  ┌─────────────────┐  ┌─────────────────┐  ┌─────────────────┐  │
│  │  AIPredictor    │  │  AIOptimizer    │  │  AILearner      │  │
│  │  수요 예측      │  │  규격/도매상    │  │  패턴 학습      │  │
│  └─────────────────┘  └─────────────────┘  └─────────────────┘  │
└──────────────────────────────────────────────────────────────────┘
                                 │
                                 ▼
┌──────────────────────────────────────────────────────────────────┐
│                         인터페이스 레이어                          │
├──────────────────────────────────────────────────────────────────┤
│  ┌─────────────────┐  ┌─────────────────┐  ┌─────────────────┐  │
│  │   웹 대시보드    │  │  알림 시스템    │  │   관리자 앱     │  │
│  │  재고/주문/AI   │  │  카톡/텔레그램  │  │  수동 개입      │  │
│  └─────────────────┘  └─────────────────┘  └─────────────────┘  │
└──────────────────────────────────────────────────────────────────┘

4. AI 학습 요소

4.1 규격 선택 학습 (Spec Selection)

⚠️ 중요: 전문의약품(ETC)은 보험약가 고정!
- 30T든 300T든 1T당 가격 동일
- 단가 효율은 OTC/비급여에서만 의미 있음

학습 데이터:
- 약품별 과거 주문 규격 (30T, 100T, 300T, 500T)
- 각 규격 선택 시점의 재고/사용량
- 선택 결과 (남은 재고, 다음 주문까지 기간)
- 도매상별 규격 재고 현황

학습 목표:
- 사용량 대비 최적 규격 예측
- 재고 있는 규격 우선 선택
- 낭비 최소화 (유통기한 고려)
- 소분 vs 대용량 선호도 파악

예시 시나리오:
| 필요량 | 가능 규격 | AI 선택 | 이유 |
|--------|-----------|---------|------|
| 280T | 30T(재고50), 100T(품절), 300T(재고10) | 30T x 10 | 100T 품절, 소분 선호 |
| 800T | 30T(재고100), 300T(재고5) | 300T x 3 | 대량, 재고 충분 |
| 50T | 30T(재고20), 100T(재고10) | 30T x 2 | 소량, 빠른 회전 |

4.2 재고 전략 학습 (Inventory Strategy)

학습 데이터:
- 주문 시점의 재고 수준
- 재고 소진까지 남은 일수
- 주문 후 입고까지 리드타임
- 품절 발생 이력

학습 목표:
- 약사님의 재고 선호도 파악
  - 타이트형: 최소 재고 유지 (현금 흐름 중시)
  - 여유형: 안전 재고 확보 (품절 방지 중시)

재고 전략 프로파일:

class InventoryStrategy:
    TIGHT = {
        'safety_days': 2,      # 안전 재고 2일치
        'reorder_point': 0.8,  # 80% 소진 시 주문
        'order_coverage': 7    # 7일치 주문
    }

    MODERATE = {
        'safety_days': 5,
        'reorder_point': 0.6,
        'order_coverage': 14
    }

    CONSERVATIVE = {
        'safety_days': 10,
        'reorder_point': 0.5,
        'order_coverage': 30
    }

4.3 도매상 선택 학습 (Wholesaler Selection)

학습 데이터:
- 도매상별 주문 빈도
- 도매상별 재고 상황
- 도매상별 배송 스케줄
- 월별 한도 사용량
- 분할 주문 패턴

학습 목표:
- 기본 도매상 선호도
- 상황별 대체 도매상
- 한도 고려한 분배
- 배송 시간 고려 (긴급 시)

도매상 선택 로직:

def select_wholesaler(drug_code, quantity, need_by_time=None):
    """
    AI가 학습한 도매상 선택 로직

    우선순위:
    1. 재고 (있는 곳 우선)
    2. 배송 (need_by_time 충족 가능한 곳)
    3. 한도 (여유 있는 곳)
    4. 선호도 (과거 패턴)
    """
    candidates = []

    for ws in ['geoyoung', 'sooin', 'baekje']:
        score = 0

        # 1. 재고 체크
        if has_stock(ws, drug_code, quantity):
            score += 100
        else:
            continue  # 재고 없으면 제외

        # 2. 배송 시간 체크
        if need_by_time:
            delivery = get_next_delivery(ws, need_by_time)
            if delivery['can_deliver']:
                score += 50
            else:
                score -= 30  # 감점

        # 3. 한도 체크
        limit_usage = get_limit_usage(ws)
        if limit_usage < 0.9:
            score += 30
        elif limit_usage >= 1.0:
            score -= 50  # 한도 초과

        # 4. 학습된 선호도
        score += ai_model.preference_score(ws, drug_code) * 20

        candidates.append((ws, score))

    return max(candidates, key=lambda x: x[1])[0]

4.4 주문 타이밍 학습

학습 데이터:
- 하루 중 주문 시점 (오전/오후)
- 요일별 주문 패턴
- 배송 마감 시간 전 주문 여부

학습 목표:
- 최적 주문 시점 파악
- 배송 마감 놓치지 않기
- 분할 주문 (오전/오후) 패턴

5. 핵심 기능 설계

5.1 선주문 반영 시스템

목적: 같은 날 이미 주문한 품목 자동 차감

def calculate_order_qty(drug_code, usage_qty, current_stock):
    # 오늘 "실제로" 주문 완료된 수량 조회
    today_ordered = get_today_orders(drug_code)

    # 필요량 = 사용량 - 현재고 - 선주문량
    needed = usage_qty - current_stock - today_ordered

    if needed > 0:
        return calculate_spec_qty(needed)
    return 0

⚠️ 핵심: 실제 주문만 카운트

SELECT SUM(oi.total_dose) as today_ordered
FROM order_items oi
JOIN orders o ON oi.order_id = o.id
WHERE oi.drug_code = ?
  AND o.order_date = DATE('now')
  AND o.is_dry_run = 0              -- dry_run 제외!
  AND oi.status IN ('success', 'submitted')

5.2 도매상 한도 관리

목적: 월별 거래 한도 설정 및 자동 분배

[한도 도달 시 동작]
1. 90% 도달 → 경고 알림
2. 100% 도달 → 다른 도매상으로 자동 전환
3. 장바구니 단계에서 미리 분류

5.3 배송 스케줄 기반 주문

목적: 주문 마감시간 + 배송 도착시간 분리 관리

AI 판단 예시:

현재 오전 11시, "오후 3시에 필요"

→ 지오영 오전: 10시 마감 지남 ❌
→ 지오영 오후: 13시 마감 → 15:00 도착 (⚠️ 딱 맞음)
→ 수인: 13시 마감 → 14:30 도착 (✅ 여유)
→ 백제: 내일 도착 ❌

결론: 수인 추천 (14:30 도착, 30분 여유)

5.4 주문 실패 시 재시도

시나리오 1: 재고 없음
- A도매상 재고 0 → B도매상 검색 → 재고 있으면 B로 주문

시나리오 2: 주문 오류
- A도매상 API 오류 → 3회 재시도 → 실패 시 B도매상

시나리오 3: 부분 성공
- 10개 품목 중 7개 성공, 3개 실패
- 실패한 3개 → B도매상으로 자동 재시도

[리포트]
- 최종 주문 결과 리포트
- 알림: "A도매상 품절로 B도매상으로 변경됨"

6. 데이터 모델

6.1 핵심 테이블 (기존)

-- 주문 컨텍스트 (AI 학습용)
CREATE TABLE order_context (
    id INTEGER PRIMARY KEY,
    order_item_id INTEGER,

    -- 약품 정보
    drug_code TEXT,
    product_name TEXT,

    -- 주문 시점 상황
    stock_at_order INTEGER,
    usage_1d INTEGER,
    usage_7d INTEGER,
    usage_30d INTEGER,
    avg_daily_usage REAL,

    -- 주문 결정
    ordered_spec TEXT,
    ordered_qty INTEGER,
    wholesaler_id TEXT,

    -- 선택지 정보 (AI 학습용)
    available_specs JSON,
    spec_stocks JSON,
    selection_reason TEXT,

    -- 예측 vs 실제
    predicted_days_coverage REAL,
    actual_days_to_reorder INTEGER,

    -- 결과 평가
    was_optimal BOOLEAN,
    stockout_occurred BOOLEAN,

    created_at TIMESTAMP
);

6.2 신규 테이블

-- 도매상 한도 관리
CREATE TABLE wholesaler_limits (
    id INTEGER PRIMARY KEY,
    wholesaler_id TEXT NOT NULL,
    monthly_limit INTEGER DEFAULT 0,
    warning_threshold REAL DEFAULT 0.9,
    priority INTEGER DEFAULT 1,
    is_active INTEGER DEFAULT 1,
    created_at TIMESTAMP,
    FOREIGN KEY (wholesaler_id) REFERENCES wholesalers(id)
);

-- 배송 스케줄
CREATE TABLE delivery_schedules (
    id INTEGER PRIMARY KEY,
    wholesaler_id TEXT NOT NULL,
    delivery_seq INTEGER NOT NULL,
    delivery_name TEXT,
    order_cutoff_time TEXT NOT NULL,      -- 주문 마감 (HH:MM)
    delivery_days_offset INTEGER DEFAULT 0, -- 0=당일, 1=익일
    delivery_arrival_time TEXT NOT NULL,   -- 도착 예정 (HH:MM)
    weekdays TEXT,                         -- JSON [1,2,3,4,5]
    is_active INTEGER DEFAULT 1,
    UNIQUE(wholesaler_id, delivery_seq)
);

-- 실제 배송 스케줄 데이터
INSERT INTO delivery_schedules VALUES
('geoyoung', 1, '오전배송', '10:00', 0, '11:30'),
('geoyoung', 2, '오후배송', '13:00', 0, '15:00'),
('sooin', 1, '오후배송', '13:00', 0, '14:30'),
('baekje', 1, '익일배송', '16:00', 1, '15:00');

-- 월별 사용량 추적
CREATE TABLE wholesaler_monthly_usage (
    id INTEGER PRIMARY KEY,
    wholesaler_id TEXT NOT NULL,
    year_month TEXT NOT NULL,
    total_orders INTEGER DEFAULT 0,
    total_amount INTEGER DEFAULT 0,
    UNIQUE(wholesaler_id, year_month)
);

-- 주문 재시도 로그
CREATE TABLE order_fallback_log (
    id INTEGER PRIMARY KEY,
    order_item_id INTEGER NOT NULL,
    original_wholesaler TEXT NOT NULL,
    original_error TEXT,
    fallback_wholesaler TEXT NOT NULL,
    fallback_result TEXT,
    created_at TIMESTAMP
);

6.3 기존 테이블 확장

-- orders 테이블 확장
ALTER TABLE orders ADD COLUMN is_dry_run INTEGER DEFAULT 0;

-- order_items 테이블 확장
ALTER TABLE order_items ADD COLUMN fallback_from_wholesaler TEXT;
ALTER TABLE order_items ADD COLUMN prior_order_qty INTEGER DEFAULT 0;

7. API 설계

7.1 도매상 관리 API

7.2 주문 API

7.3 AI API

8. 자동화 레벨

Level 0: 수동

• AI 추천만 제공
• 모든 주문은 수동 실행

Level 1: 반자동

• AI가 주문 계획 생성
• 약사님 승인 후 자동 실행
• 알림: 승인 요청

Level 2: 조건부 자동

• 신뢰도 높은 주문은 자동 실행
• 신뢰도 낮은 주문만 승인 요청
• 조건:
• 자주 주문하는 품목
• 금액 임계값 이하
• 긴급하지 않은 주문

Level 3: 완전 자동

• 모든 주문 자동 실행
• 이상 상황만 알림
• 약사님은 대시보드로 모니터링

def should_auto_execute(order_plan):
    level = settings.automation_level

    if level == 0:
        return False

    if level == 1:
        return False  # 항상 승인 필요

    if level == 2:
        conditions = [
            order_plan['confidence'] > 0.9,
            order_plan['estimated_cost'] < 100000,
            order_plan['drug_code'] in trusted_drugs,
            order_plan['urgency'] != 'critical'
        ]
        return all(conditions)

    if level == 3:
        return not is_anomaly(order_plan)

9. 알림 시스템

알림 유형

알림 예시

📦 주문 승인 요청

약품: 콩코르정 2.5mg
현재고: 45개 (3일치)
추천 주문: 300T x 2박스
도매상: 지오영 (점심배송 11:00 마감)
예상 금액: 72,000원

[승인] [수정] [거절]

⚠️ 배송 마감 알림

지오영 오후배송 마감 30분 전!
현재 장바구니: 5품목

13:00까지 주문하지 않으면 다음 배송은 내일입니다.

[지금 주문] [나중에]

10. 개발 로드맵

Phase 1: 핵심 기반 (1주차)

• [x] 도매상 API 연동 (3개)
• [x] 주문 DB 스키마
• [x] dry_run 테스트 모드
• [ ] 선주문 조회 API
• [ ] 도매상 한도 테이블
• [ ] 배송 스케줄 테이블

Phase 2: 주문 자동화 (2주차)

• [ ] 규격 추천 API
• [ ] 한도 체크 로직
• [ ] 주문 재시도 로직
• [ ] 장바구니 동기화

Phase 3: UI 개선 (2주차)

• [ ] 한도 대시보드
• [ ] 주문 화면 (선주문 반영)
• [ ] 배송 스케줄 표시

Phase 4: AI 학습 (3주차)

• [ ] 피드백 루프 구현
• [ ] 주문 평가 시스템
• [ ] 패턴 학습 (규격, 도매상)
• [ ] 수요 예측 (단순 이동평균)

Phase 5: 완전 자동화 (4주차~)

• [ ] Level 1 자동화
• [ ] 알림 시스템 연동
• [ ] Level 2 조건부 자동화
• [ ] 모니터링 대시보드

11. 성공 지표 (KPI)

📚 참고 문서

• 어제 작성 (AI 비전/모델): docs/AI_ERP_AUTO_ORDER_SYSTEM.md
• 오늘 작성 (API/DB 상세): docs/자동발주시스템_고도화_기획서_v2.md
• 도매상 API 분석: docs/GEOYOUNG_API_REVERSE_ENGINEERING.md
• Rx 사용량 가이드: docs/RX_USAGE_GEOYOUNG_GUIDE.md

🐉 용림: 이 문서는 AI_ERP_AUTO_ORDER_SYSTEM.md(비전/AI모델)와
자동발주시스템_고도화_기획서_v2.md(API/DB상세)를 통합한 마스터 기획서입니다.