컬리는 물류 최적화 문제를 어떻게 풀고 있을까? - 1부

컬리는 QPS의 생산성을 높이기 위해 개별 바구니 처리 속도를 지표로 삼고, 회귀분석을 통해 바구니 안의 고유 상품 수가 주요 영향 변수임을 확인했다. 이에 주문을 상품 구성이 비슷한 조합으로 묶어 고유 상품 수를 줄이는 문제를 Open shop scheduling으로 모델링하고, 기존 대각 행렬 방식 대신 유전 알고리즘을 적용했다. 초기 세대를 유사 주문 중심으로 구성한 뒤 적합도에 따라 상위 절반을 선택하고 교배·변이를 반복해 주문 조합을 탐색했다. 과거 주문 데이터에서는 기존 방식보다 고유 상품 수가 대략 10% 이상 감소했지만, 실제 현장 적용 전에는 Digital Twin으로 효과를 추가 검증하기로 했다.

• 최적화 목표를 정하기 전에 생산성을 측정할 지표와 그 지표에 영향을 주는 변수를 먼저 분석한다.
• 주문을 묶을 때 상품 종류가 비슷한 주문끼리 배치하면 피킹 이동과 QPS 분배 작업을 함께 줄일 수 있다.
• 유전 알고리즘은 최적해를 보장하지 않으므로, 적합도 함수와 초기 세대 구성이 탐색 성능에 중요하다.
• 물류 공정은 여러 알고리즘과 변수가 맞물리므로, 과거 데이터의 개선 결과만으로 현장 효과를 단정하지 않는다.