컬리는 물류 최적화 문제를 어떻게 풀고 있을까? - 2부

문제 상황

• 과거 데이터 기반 유전 알고리즘 결과만으로 실제 물류 환경의 효과 검증 한계
• 작업자 판단과 숙련도 등 확률적 변수를 반영한 사전 검증 필요

구조와 흐름

• 명확한 작업 규칙은 그대로 구현하고, 바구니 적재량·처리 속도는 확률변수로 모델링
• 바구니 부피는 MLE 기반 Weibull 혼합분포, 처리 속도는 상품 수·종류 기반 회귀분석으로 추정
• AnyLogic에서 실측 QPS, 컨베이어, 작업대 이동 및 체류 시간을 포함한 Digital Twin 구성

성능/운영 포인트

• 추정 바구니 수가 실제 수량의 변동을 유사하게 포착
• 유전 알고리즘 적용 시 동일 주문 그룹의 총 처리 시간 약 3% 감소
• 실제 센터에서도 동일 그룹 크기 대비 상품 가짓수 감소와 현장 체감 확인

주의할 점

• 복잡한 혼합분포의 일부 데이터 과적합 가능성 검토 필요
• 시뮬레이션의 주문 그룹 직렬 처리 가정과 실제 QPS의 병렬 처리 차이 고려 필요