문서
컬리의 Virtual 물류 센터
박수형 컬리 · 컬리 기술 블로그
AI 핵심 요약
컬리는 과거 데이터 분석만으로는 환경 변화의 효과를 예측하기 어렵고, 물류센터에서 직접 실험하기도 힘들어 피킹 공정 시뮬레이션을 구축했습니다. DEVS 형식론으로 작업자의 상태와 전이를 정의한 뒤 Java 기반 AnyLogic에서 작업 흐름, 이동 경로, 대기, 상품 특성에 따른 작업 시간을 구현하고 실제 작업 시간 분포와 비교해 모델을 검증했습니다. 시뮬레이션으로 피킹 동선과 SKU 재배치 전략을 실험한 결과, 동선의 유불리는 피킹잡의 SKU 수에 따라 달라졌고 고빈도 SKU를 입구에 모으면 작업 시간이 줄 수 있지만 작업자가 많을 때 병목이 커질 수 있음을 확인했습니다. 따라서 개선안은 생산성뿐 아니라 운영 조건에 따른 혼잡도까지 고려해 평가해야 하며, 향후 강화 학습을 통한 생산 계획 최적화와 물류센터 전체의 디지털 트윈으로 확장할 계획입니다.
- DEVS 형식론으로 상태와 이벤트 기반 전이를 먼저 정의하면 복잡한 작업 흐름을 구현 가능한 단위로 나눌 수 있다.
- 작업자별 이동 속도와 작업 시간은 확률 분포로 모델링하고, 상품의 개수·부피·무게 같은 변수도 반영한다.
- 시뮬레이션 결과는 실제 작업 데이터와 비교하고 Kolmogorov-Smirnov 검정 등으로 모델의 타당성을 확인한다.
- 개선안은 평균 생산성뿐 아니라 작업자 수에 따른 병목과 작업자 밀도까지 함께 평가해야 한다.
소개
Picking 공정 시뮬레이션의 구축부터 활용까지
