Research Task · RT-W8 · 2025.04 · WMS AI
🏭 WMS AI - 디지털 트윈 창고 시뮬레이션
Digital Twin · Unity 3D · DES + ML 결합 · AGV 10대 추가 시 처리량 +34.2% · 박소연 선임연구원 · 연구노트 32p 대응
🎯 연구 배경
물리적 창고에 대해 AGV 추가 투자·골든존 확장·수요 급증 대응과 같은 의사결정은 실패 시 비용이 큽니다. RT-W8은 실제 도면·재고·AGV 위치를 1초 단위로 미러링하는 가상 복제본(Digital Twin)을 Unity 3D로 구축하고, 그 위에서 DES(이산 사건 시뮬레이션) + ML 예측을 결합해 What-if 시나리오를 실제 운영 전에 사전 검증합니다. 4월 실증에서 AGV 10대 추가 시 처리량 +34.2%·회수기간 14개월, 골든존 1존→2존 확장 시 피킹 거리 추가 −9.3%를 예측했습니다.
🧬 디지털 트윈 3요소
Digital Twin은 물리적 자산의 가상 복제본을 실시간으로 유지하면서 분석·예측 워크로드를 실행합니다. 본 연구의 트윈은 아래 3개 계층으로 구성됩니다.
🏗 3D 창고 모델
Unity
실제 도면 기반 가상 환경. 선반·AGV·피커 경로·골든존·도크까지 1:1 스케일 재현. 레이아웃 변경 시 .obj 교체만으로 즉시 반영.
🔄 실시간 동기화
1s mirror
AGV 위치·재고 수준·피커 위치를 1초 단위로 물리 창고 → 트윈으로 스트리밍. MQTT + Kafka ingest 파이프라인.
⚙ 시뮬레이션 엔진
DES + ML
SimPy 기반 이산 사건 시뮬레이션에 XGBoost 수요 예측·LSTM 경로 지연 모델을 주입. 500회 Monte-Carlo 평균으로 KPI 신뢰구간 산출.
🧪 시나리오 실행 API
트윈은 파이썬 API를 통해 시나리오·수요 배수·시뮬레이션 횟수·관심 KPI를 받으면 500회 Monte-Carlo 평균을 돌려 KPI 분포를 반환합니다.
# Digital Twin What-if 실행
result = digital_twin.simulate(
scenario="add_10_agvs",
demand_multiplier=1.5, # 수요 50% 증가 상황
n_simulations=500,
kpis=["throughput","picking_dist","agv_utilization"]
)
# -> 처리량 +34.2%, 피킹 거리 -8.1%, AGV 가동률 78.3%
# 500회 평균 · 95% 신뢰구간
📉 4월 시뮬레이션 주요 결과
✓ 디지털 트윈 기반 What-if 분석 (2025.04 기준)
AGV +10대 시 처리량
+34.2%
baseline 대비 · 500회 Monte-Carlo 평균
투자 회수 기간
14개월
AGV 10대 CapEx · 예상 처리량 증분 대비
골든존 2존 확장
−9.3%
피킹 거리 추가 감소 · 1존 단일 운영 대비