IntraLogis Web v9.25.1

🎯 Agentic AI 배차 자동화 개요Zero-Touch Dispatch 90% 목표

RT-T12까지 다룬 LLM 기반 디스패처 보조 시스템을 한 단계 확장하여, 배차 결정 → WMS 피킹 지시 → TMS 실행 → 고객 통보 전 과정을 Agentic AI가 자율적으로 처리하는 파이프라인을 설계한다. 운영자 개입 없이 표준 배차의 90% 이상을 무인 처리하는 Zero-Touch Dispatch를 목표로 삼았다.

핵심 엔진은 n8n 워크플로우 자동화 플랫폼 위에 구축된다. Webhook → Code → AI_Agent_Classifier → Switch → AI_Agent_Router → HTTP_WMS / HTTP_TMS → Gmail의 8단계 노드가 순차 실행되며, 각 AI 에이전트는 Tool Calling을 통해 사내 시스템(WMS·TMS·차량 상태·운전자 풀)에 직접 질의·명령을 내린다. 예외 상황(차량 고장·운전자 결근·납기 위반 예측)은 전용 exception_handler가 재배차·SMS 통보·우선순위 재조정을 자동 수행한다.

🧭 Agentic 배차 파이프라인 (5단계 요약)n8n 8-노드 워크플로우 압축도

STEP 1

webhook.receive

주문 관리 시스템이 POST /agentic-dispatch로 주문 페이로드를 전송. 스키마 검증 후 다음 노드로 전달.

STEP 2

code.normalize

주소 정규화(도로명 → 지오코드), 총 무게 계산, 납기 리드타임 산정. 전처리 JSON을 Classifier에 인계.

STEP 3

ai.classifier

STD·EXPRESS·SPECIAL 3종 분류. 긴급/특수 화물 여부를 LLM이 판정하고 메타 태그 부여.

STEP 4

ai.router

차량·운전자 풀을 list_vehicles 툴로 조회 후, 최적 배차(차량×운전자×경로) 결정. 예외는 retry_dispatch로 폴백.

STEP 5

execute.notify

HTTP_WMS 피킹 지시 → HTTP_TMS 배차 실행 → Gmail로 고객·담당자 동시 통보.

🧩 n8n 워크플로우 DSL (의사코드)8-노드 직렬 + Switch 분기

# n8n workflow definition (pseudocode)
Webhook("/agentic-dispatch")
  -> Code(# 전처리: 주소정규화, 무게계산)
  -> AI_Agent_Classifier(# 배차 유형 분류)
  -> Switch("STD", "EXPRESS", "SPECIAL")
  -> AI_Agent_Router(# 최적 배차 결정)
  -> HTTP_WMS("/picking/create", timeout=3)
  -> HTTP_TMS("/dispatch/execute", timeout=3)
  -> Gmail(# 고객/담당자 통보)

# 예외 분기 (차량 고장 / 운전자 결근 / 납기 위반)
Exception_Handler("retry_dispatch")
  -> find_substitute()
  -> send_sms("지연 안내")
  -> reassign(priority=1)

🧮 Zero-Touch 비율 정의 & 에이전트 역할7월 실측 87.3% · 목표 90%

zero_touch_rate = auto_dispatched / total_orders

# auto_dispatched = Switch(STD/EXPRESS) & 예외 없음 & 응답 < 1s

webhook주문 이벤트 진입점. Webhook 노드가 OMS로부터 JSON 페이로드를 비동기 수신하고 전처리 노드로 포워딩.

classifierAI_Agent_Classifier가 LLM 프롬프트로 주문 유형(STD/EXPRESS/SPECIAL)과 위험도 태그를 산출.

routerAI_Agent_Router가 차량·운전자 풀을 Tool로 조회하고 최적 배차(차량×운전자×경로)를 결정. WMS/TMS 명령 실행 담당.

exceptionException_Handler가 차량 고장·결근·납기 위반 이벤트 감지 시 대체 자원 탐색·재배차·SMS 안내를 자동 수행.

7월 실측치 기준 Zero-Touch 비율 87.3%, 평균 배차 처리 시간 0.3분 (기존 4.2분 대비 93% 단축). 운영자는 남은 12.7%의 예외 케이스 — 주로 특수 화물(위험물·초중량) — 검토에만 집중할 수 있게 되었다. 8월에는 classifier_accuracy 개선과 exception_handler_coverage 확대로 90% 돌파를 목표한다.

참고문헌
[1] n8n Docs, "Self-hosted Workflow Automation" (2025.11)
[2] Supply Chain Dive, "Logistics management is leveling up with generative AI" (2025.08)

RT-T13: Agentic AI 배차 자동화 설계

🤖 Agentic AI 배차 자동화 설계