2024년 가을, 저는 통합 작업을 하러 온타리오 외곽의 한 3PL 창고에 들어갔습니다. 관리자는 벽에 걸린 액자 속 평면도를 가리켰습니다. 5년 전 컨설턴트가 그린 것으로, 빠르게 움직이는 상품은 A 구역, 느린 상품은 B 구역에 배치되어 있었고, 그 이후로 한 번도 손대지 않은 상태였습니다. 저는 한 가지만 물었습니다. 성수기 베스트셀러가 아직도 A 구역에 있습니까? 그는 말문이 막혔습니다. 베스트셀러는 세 번이나 바뀌어 있었습니다. 슬롯은 한 번도 움직인 적이 없었습니다. 제가 방문하는 대부분의 창고가 바로 이 상태입니다. 그리고 그것이 바로 AI 창고 레이아웃 최적화가 해결하기 위해 만들어진 문제입니다.
AI 창고 레이아웃 최적화가 실제로 계산하는 것
먼저 한 가지는 분명히 해두겠습니다. 이것은 더 예쁜 평면도를 그려주는 소프트웨어가 아닙니다. 세 가지 일을 합니다. 데이터를 먹습니다. 과거 주문 라인, 각 SKU의 회전 속도, 어떤 SKU들이 계속 함께 주문되는지, 각 SKU의 크기와 무게, 그리고 랙의 하중 한도와 빔 높이 말입니다. 그리고 휴리스틱 알고리즘으로 재고를 배치합니다. 내비게이션 앱이 경로를 계산하는 것과 비슷하다고 생각하시면 됩니다. 다만 하나의 경로가 아니라 수천 개의 SKU가 각각 어디에 살아야 할지를 결정하는 것입니다. 유전 알고리즘, 시뮬레이티드 어닐링. 이름은 위압적으로 들리지만 작업은 단순합니다. 조합을 시도하고, 점수를 매기고, 다시 시도하는 것입니다. 총 이동 거리가 가장 짧은 배치를 찾을 때까지 말입니다. 그리고 시뮬레이션으로 답을 검증합니다. 제안된 레이아웃에 수만 건의 주문을 통과시켜 피커가 실제로 얼마나 걷는지, 복도가 어디서 막히는지 확인한 뒤 조정합니다.
이것이 돈이 되는 이유는 걷는 것이 잔인할 정도로 비싸기 때문입니다. Georgia Tech의 창고 관리 교과서에서 널리 인용되는 수치에 따르면 이동은 피킹 시간의 약 55%를 차지합니다. 피커 교대 시간의 절반 이상이 피킹이 아니라 걷는 데 쓰입니다. 빨리 움직이는 상품을 잘 배치하면 걷는 거리가 줄어듭니다. 계산은 복잡하지 않습니다. ABC 클래스 기반 보관에 대한 연구에서는 피킹 경로와 시간이 최대 약 45%까지 단축되었다고 보고했습니다(Le-Duc, 2005). 그 수치는 벤더 브로슈어가 아니라 학술 문헌에서 나온 것입니다.
그리고 동적인 부분이 있습니다. ABC 분류는 한 번 하고 끝나는 작업이 아닙니다. 이번 달의 A 클래스 베스트셀러가 다음 달에는 데드스톡이 될 수 있습니다. AI가 하는 일은 새로운 회전 속도 데이터를 바탕으로 매달, 때로는 매주 ABC 계산을 다시 실행하고 수요에 맞춰 슬롯을 이동시키는 것입니다. 인간 팀도 이론상으로는 할 수 있습니다. 실제로는 아무도 8,000개 SKU 창고를 매달 손으로 다시 배치하지 않습니다. 현장 인력이 먼저 무너지기 때문입니다.
손으로 그린 지도가 틀리는 지점
제가 본 경험 기반 레이아웃의 실패 모드는 세 가지로 귀결됩니다. 슬롯은 고정되어 있고 수요는 그렇지 않습니다. 온타리오의 그 3PL이 교과서적인 사례입니다. A 구역은 5년 전에 정해졌고 지금은 몇 시즌 전에 팔리지 않게 된 재고를 안고 있는 반면, 진짜 베스트셀러는 가장 먼 복도의 가장 먼 끝에 있습니다. 다음은 동시 발생의 사각지대입니다. 두 SKU가 각각은 천천히 팔리지만, 10건의 주문 중 8건에 둘 다 포함된다면, 경험 기반 레이아웃은 둘을 건물의 양 끝에 배치하고 피커는 주문마다 창고를 가로질러야 합니다. 알고리즘은 둘이 한 몸이라는 것을 즉시 알아채고 나란히 배치합니다. 그리고 사람들은 거리를 세고 시간을 잊습니다.
세 번째가 가장 간과되고 가장 직관에 반하는 부분입니다. 이동 거리를 줄여도 주문 사이클 시간은 같은 비율로 떨어지지 않습니다. 공개 데이터셋을 기반으로 한 발표된 시뮬레이션에서 최적화된 라우팅은 이동 거리를 54% 줄였지만, 평균 주문 처리 시간은 겨우 6.6%만 줄었습니다. 직접 손으로 하는 피킹, 찾기, 확인 작업은 1분도 짧아지지 않았기 때문입니다. 거리는 비용의 가장 큰 부분이지 비용 전체가 아닙니다. 벤더가 이동 거리가 절반으로 줄면 생산량이 두 배가 된다고 말한다면 시뮬레이션 보고서를 요구하십시오. 숫자가 맞지 않으면 그것은 영업 멘트입니다.
AI 레이아웃 최적화가 보상이 될 때, 되지 않을 때
AI 창고 레이아웃 최적화에 대한 저의 구분선은 단순합니다. SKU가 1,000개를 넘고, 회전 속도가 불안정하며, 연간 두 번 이상의 계절 전환이 있다면 대화할 가치가 있습니다. SKU가 300~500개이고 레이아웃이 1년 동안 움직이지 않았다면 손대지 마십시오. 300개 SKU 창고에 이 시스템을 도입하는 것은 자전거에 GPS를 다는 것과 같습니다. GPS가 나쁜 것이 아닙니다. 그냥 필요 없을 뿐입니다.
숫자에 들어가기 전에 한 가지 밝히겠습니다. 아래 표는 가상의 예입니다. 수치는 특정 창고의 실측 결과가 아니라 발표된 연구에서 보고된 범위에서 골랐습니다. 업계 분석에서는 일반적으로 지능형 슬롯 배치로 인한 이동 거리 감소를 15%에서 30%로 봅니다. 저는 그 범위의 중간값인 20%를 사용했습니다.
| Item | Experience-based layout | After AI optimization (hypothetical) |
|---|---|---|
| Walking per picker per shift | 8 km | 6.4 km |
| Travel share of picking time | ~55% | ~44% |
| Total distance saved per day, 20 pickers | — | 32 km |
| Labor hours saved per day | — | ~17.6 hours, roughly 2.2 headcount |
인건비 계산은 이렇게 작동합니다. 8시간 교대에서 이동은 약 55%로 약 4.4시간입니다. 이를 20% 줄이면 피커 한 명당 교대마다 0.88시간을 절약합니다. 20명의 피커가 하루에 17.6시간을 절약합니다. 전체 계산은 한 가지 조건에 달려 있습니다. 주문 라인 데이터가 깨끗하고 회전 속도 수치가 실제라는 것입니다. 쓰레기 데이터를 넣으면 비싼 쓰레기 슬롯이 나옵니다.
숨은 청구서도 있습니다. 동적 재슬롯팅은 재고를 물리적으로 옮긴다는 뜻입니다. 성수기 전 한 번의 대규모 재슬롯은 이동 시간 비용이 들고 오피킹 위험을 수반하며, 둘 다 계산에 포함되어야 합니다. 재슬롯을 자주 할수록 계산은 더 정밀해야 합니다. 너무 열심히 재슬롯하면 창고는 더 깨끗해지는 것이 아니라 더 지저분해집니다. 역설이 아니라 이동 비용이 절감을 잡아먹고 있을 뿐입니다.
결과물을 맹목적으로 복사하지 마십시오
알고리즘이 계획을 넘겨준 뒤 첫 단계는 항상 엄격한 제약 조건에 대한 인간의 확인입니다. 소방 통로를 막아서는 안 됩니다. 과중량 재고를 높은 곳에 올려서는 안 됩니다. 지게차는 기둥 격자가 가로막는 곳에서 회전할 수 없습니다. 스프링클러 커버리지 밖에 있는 구역에는 높이 쌓은 상품을 둘 수 없습니다. 알고리즘이 이런 제약 조건을 모를 수도 있고, 안다고 해도 제대로 가중치를 두지 못할 수 있습니다. 저는 최적화된 계획을 그대로 현장에 복사해 무거운 상품을 최상단 빔에 올려놓은 창고를 본 적이 있습니다. 다시 작업하는 데 든 비용이 최적화로 절약한 금액을 넘어섰습니다.
유지보수 함정은 세 가지 유형이 있습니다. 더러운 데이터. 빠진 주문 라인과 아무도 고치지 않는 잘못된 슬롯 기록. 그래서 알고리즘은 사이클을 거듭할수록 점점 더 어긋납니다. 폭주하는 재슬롯 빈도. 성수기 전 한 번의 대규모 이동이면 충분합니다. 매주 작은 이동을 하면 피커는 어제 옮긴 재고를 찾아 헤매게 됩니다. 그리고 레이아웃 최적화를 디지털 트윈과 혼동하지 마십시오. 디지털 트윈은 창고 전체의 실시간 거울로, 시뮬레이션과 모니터링을 위해 만들어집니다. 레이아웃 최적화는 하나의 문제만을 풉니다. 각 SKU가 어디에 사는가. 훨씬 가볍고 훨씬 저렴합니다. 둘은 가격대도 프로젝트 일정도 같지 않습니다. 벤더가 레이아웃 최적화를 디지털 트윈으로 포장해 팔면, 대부분의 경우 더 멋진 이름을 단 가격 인상입니다.
그래서 저의 평소 규칙은 이렇습니다. 그 돈이 가치가 있을까요? 하나의 숫자를 보십시오. 최적화 후 주문당 평균 이동 거리가 얼마나 줄었는지에 실제 인건비를 곱한 값입니다. 20%를 넘게 줄고 시간이 돌아오면 가치가 있습니다. 겨우 몇 포인트만 줄고 슬롯 배치가 애초에 그렇게 나쁘지 않았다면, 그 돈은 다른 데 쓰십시오. 내일 할 수 있는 일이 하나 있습니다. 비용도 들지 않습니다. 3개월치 주문 라인을 내보내 ABC 분류를 실행하십시오. 그것을 보면 여러분의 창고에 AI 창고 레이아웃 최적화가 필요한지, 아니면 지도만 새롭게 보면 되는지 알 수 있습니다.
Da Liu, 자동화 엔지니어 지음
영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.







