컬리, Digital Twin과 유전 알고리즘으로 물류 피킹 효율 극대화

컬리는 물류 최적화 문제를 해결하기 위해 Digital Twin을 구축하고 유전 알고리즘을 적용하는 과정을 공개했다. 먼저 가상 물류 센터를 만들기 위해 피킹 공정을 명확한 규칙이 있는 부분(non-stochastic)과 작업자 판단에 따라 달라지는 확률적 부분(stochastic)으로 구분했다.

작업자의 바구니 채움 판단 기준은 무게보다 부피가 중요하다고 가정하고, 과거 데이터를 바탕으로 MLE(최대 우도 추정)를 활용해 바구니 부피 분포를 추정했다. Weibull 분포의 적합도를 높이기 위해 Continuous uniform Mixture 분포를 결합해 이상치를 보정했으며, 이를 통해 생성된 가상 바구니 수와 실제 바구니 수의 변동 패턴이 일치함을 확인했다.

처리 속도 예측 모델링

바구니 처리 속도(Y)에 영향을 미치는 변수로 바구니 내 총 상품 개수(X1), 상품 종류 수(X2), 전체 작업량(X3), 작업자 숙련도(X4)를 정의했다. 실험 설계를 위해 X3는 바쁜 시간대로, X4는 평균 숙련도로 통제했으며, 남은 X1과 X2를 이용해 회귀분석을 수행했다. 약 7만 5천 건의 실제 데이터 기반 연산 결과 R-squared가 0.8 이상으로 산출되어, 상품 구성만 알면 처리 속도를 성공적으로 계산할 수 있음을 입증했다.

AnyLogic 시뮬레이션 및 현장 적용

AnyLogic 소프트웨어를 사용해 실측 사이즈의 QPS Digital Twin을 구현했다. 가상 바구니가 컨베이어를 통해 QPS 입구에 도착하면 규칙에 따라 작업대 순서가 결정되고, 상품 구성에 따른 처리 시간만큼 머무른 후 이동하는 시뮬레이션을 진행했다. 그 결과, 기존 알고리즘 대비 유전 알고리즘 적용 시 주문 그룹의 총 처리 시간이 약 3% 감소하는 효과가 나타났다.

현재 컬리는 실제 물류 센터 한 곳에 유전 알고리즘 최적화 프로그램을 적용 중이다. 현장 피드백에 따르면 동일 사이즈의 주문 그룹에서 상품 가짓수가 감소하여 전반적인 작업 효율이 향상되고 있으며, 이는 현장에서도 체감될 정도로 긍정적인 영향을 미치고 있다.