Research Task · RT-W13 · 2025.07 · WMS AI
🚦 창고 혼잡도 예측 및 동적 존 관리
LSTM 15분 단위 예측 · AGV·피커 사전 재배치 · 박소연 선임연구원 · 연구노트 37p 대응
🎯 연구 배경
시간대별 존(Zone) 혼잡도를 사전 예측하고 AGV·피커의 동선을 사전 조정하여 병목을 방지합니다. 기존에는 혼잡이 발생한 뒤에야 수동 재배치를 수행했지만, 15분 단위 LSTM 예측으로 선제 대응을 통해 창고 전체 처리량 15% 향상을 목표로 합니다.
🧠 LSTM 기반 혼잡도 예측 모델
# 존별 15분 단위 혼잡도 예측
def predict_congestion(zone_id, horizon_min=60):
current_state = get_zone_state(zone_id) # 현재 인원/AGV 수
scheduled = get_scheduled_tasks(zone_id, horizon_min)
weather_impact = get_weather_effect() # 악천후시 반품 증가
return congestion_lstm.predict(
[current_state, scheduled, weather_impact])
# 출력: congestion_score (0=여유, 1=포화)
🔀 동적 존 재배정 로직 (3 규칙)
score > 0.7
🛑 태스크 우회
신규 태스크를 인접 존으로 자동 우회. 피크 존에 추가 부하 유입 차단.
score < 0.3
📥 선제 AGV 배치
여유 존에 추가 AGV를 선제 배치하여 다음 라운드 피크 대비.
혼잡 ↔ 여유
👥 피커 실시간 이동
혼잡 존의 피커를 여유 존으로 이동 권고. 알림 Push 기반 안내.
📉 7월 운영 성과
✓ 혼잡도 예측 + 동적 재배정 도입 후 (2025.07 기준)
피크 평균 대기시간
8.4분
3.2분
▼ 61.9%
창고 처리량
+13.7%
▲ 기준 대비 (목표 15% 근접)