WMS AI

연구 과제 · Research Program

🏭 WMS AI

창고관리(WMS) 영역의 AI 적용 연구. 피킹 경로 최적화 · 슬롯팅 · AGV 협업을 중심으로, 연구노트 25p~의 과제를 단계별로 페이지화합니다. 작성: 박소연 선임연구원 · 2025.01~

완료

22

전체 예정

48

📑 과제 목록 (초기 RT-W#)

피킹 경로 AI 최적화 - 데이터 구조

WarehouseMap · PickOrder · DBSCAN + TSP 배치 알고리즘 초안

피킹 경로 AI 최적화 - 알고리즘 구현

optimize_batch() · 교대별 가중치 전환 · 이동거리 −18.3% (목표 −30%)

동적 슬로팅(Dynamic Slotting) 설계

slot_score 함수 · 골든존 재배치 · 누적 이동거리 −27.4%

AGV 경로 계획 및 Q-Learning 구현

멀티에이전트 Q-Learning · 8방향+대기 · 충돌률 8.3 → 2.3%

AGV 충돌 방지 및 토큰 기반 교통 관리

진입 토큰 · 예약 경로 · 충돌률 2.3 → 0.4% (목표 1% 초과 달성)

예측 재고 관리 및 자동 보충

XGBoost 수요 예측 · MAPE 11.4% · 재고 −22.7% · 품절 1.9%

예측 정비(Predictive Maintenance) 구현

Isolation Forest + LSTM AE 앙상블 · 정밀도 91.3% · 다운타임 −66.2%

디지털 트윈 창고 시뮬레이션

Unity 3D · DES + ML · AGV +10대 처리량 +34.2% · 회수 14개월

컴퓨터 비전 기반 품질 검사

YOLOv8 · 파손·미스피킹·라벨 3-way · 검수 시간 −82.2% · 누락 0.6%

노동력 계획 최적화

수요 예측 + 정수계획 · 인건비 −12.3% · 처리량 σ 41.2 → 18.7

반품 처리(Reverse Logistics) 자동화

XGBoost 3-class 분류 · 처리시간 2.3→0.8일(−65%) · 재판매 회수율 61→75%

에너지 최적화 및 ESG 관리

RL 기반 HVAC · Scope 2 탄소 계산 · 전력 −17.3% · 월 CO2 28.4→23.5t

창고 혼잡도 예측 및 동적 존 관리

LSTM 15분 단위 예측 · 우회·선제 배치·피커 이동 · 대기 8.4→3.2분(−62%)

옴니채널 풀필먼트 통합

4채널 단일 WMS · SLA 우선순위 · 당일 SLA 93.2→97.4% · B2B 오류 0.8→0.2%

음성 인식 피킹 가이드 시스템

Whisper STT + gTTS · 핸즈프리 · 속도 94→112건/h(+19%) · 오류 1.8→0.7%

Cold Chain 무결성 AI 실시간 모니터링

냉장/냉동/의약품 · LSTM 5분 예측 · 자동 백업 쿨링 · FIFO/FEFO 회전

AI 크로스도킹(Cross-Docking) 최적화

4-feature 점수 모델 · AGV 직행 라우팅 · 리드타임 18→6h · 보관비 −52%

RFID + AI 실시간 재고 추적

Kafka 이벤트 스트림 · 정확도 99.5%+ · 사이클 카운팅 −80% · 자동 불일치 해소

AI 셀프-레이아웃 재설계

90일 활용도 분석 · 핫존/콜드존 클러스터링 · 보관 +15~20% · 통로 혼잡 감소

인간-Cobot 협업 태스크 분배 AI

ISO/TS 15066 SSM · 4-feature 분배 · 생산성 +86% · 안전사고 −92%

월간 성과 리포트 자동 워크플로우

n8n + OpenAI/MCP · 매월 1일 06:00 · 자동화율 96% · 작성 480→4분

3PL 멀티 테넌트 WMS 아키텍처

Schema-per-tenant + RLS · 테넌트별 AI 모델 · SLA 97% · p95 175ms · iso 0.99

※ RT-W2 이후 과제는 연구노트 후속 페이지 학습이 완료되는 대로 순차 공개됩니다.