문서
컬리, IEEM 2022에서 물류센터 생산 계획 최적화 논문을 발표하다
이춘오 · 컬리 · 컬리 기술 블로그
소개
A Fast Metaheuristic Optimizer for Large-scale Batch Fulfillment Planning
AI 핵심 요약
컬리는 배치 피킹 과정에서 주문을 효율적으로 묶어 물류센터의 피킹·분배 작업을 개선하고자 했다. 이를 배치 계획의 고유 상품 수를 최소화하는 문제로 정의하고, 생산 계획을 유전자로 표현해 해를 탐색하는 유전 알고리즘 기반 메타휴리스틱을 구성했다. 데이터플랫폼팀은 이를 바탕으로 최적화 서버를 개발해 물류센터에 적용하고 있으며, 실제 생산성 개선 여부를 확인하고 있다. 복잡한 현장 문제를 명확한 최적화 목표로 바꾸고 알고리즘을 운영 환경에서 검증하는 접근을 보여준다.
- 배치 피킹에서는 주문을 어떻게 묶느냐가 상품 피킹과 분배 작업의 난이도에 영향을 준다.
- 최적화 목표를 배치별 고유 상품 수를 줄이는 문제로 구체화했다.
- 유전 알고리즘에서는 생산 계획을 유전자로 표현하고, 목표에 맞는 해를 탐색한다.
- 알고리즘을 실제 운영에 적용할 때는 최적화 서버를 구축하고 현장에서 효과를 검증해야 한다.
