MIT·메칼룩스, AI 재고 최적화 시뮬레이터 '제네시스' 공동 개발

▲ MIT와 메칼룩스가 인공지능 기반 재고 시뮬레이터를 개발했다. (사진=메칼룩스)

MIT 운송물류센터(CTL·Center for Transportation & Logistics)와 물류 솔루션 기업 메칼룩스(Mecalux)가 동일 물류 네트워크 내 여러 창고에 보관돼 있는 재고 배치를 최적화할수 있는 인공지능(AI) 기반 시뮬레이터를 공동 개발했다고 로보틱스 247이 12일 보도했다.

​

이번에 개발된 AI 시뮬레이터인 '제네시스(GENESIS·Genetic Evaluation & Simulation for Inventory Strategy)'는 첨단 머신러닝 모델을 활용해 수천 가지 시나리오를 분석하고, 각 창고의 최적 재고 수준과 보충 시점을 자동으로 산출해준다.

​

제네시스는 각 지역의 수요 예측, 운송 비용, 창고별 운영 역량 등 다양한 변수를 반영해 실제 운영에 영향을 주지 않으면서 다양한 재고 보충 정책을 시험할 수 있다.

​

마티아스 빈켄바흐(Matthias Winkenbach) MIT CTL 연구 디렉터는 "유전 알고리즘(genetic algorithm)을 통해 서로 다른 매개변수로 여러 시뮬레이션을 반복 실행하다가 가장 효율적인 물류 전략을 찾아낼 수 있다"며 "기업들은 시나리오를 비교하고 자사 운영에 가장 적합한 방안을 선택할 수 있다"고 설명했다.

​

데이터와 변수를 입력하면 제네시스는 최적 옵션과 함께 고급 통계 대시보드를 생성해준다. 사용자는 소비 패턴, 수요 변동성이 높은 지역, 품절 위험이 큰 재고관리단위(SKU), 공급 문제가 있는 창고 등의 지표를 분석할 수 있다.

​

이 시스템은 창고 간 재고 재조정 능력도 제공한다. 공급업체에 자동으로 신규 발주를 넣는 대신, 네트워크 내 다른 시설에 잉여 재고가 있을 경우 해당 제품을 이전하는 것이 더 효율적인지를 먼저 분석한다. 이를 통해 기업은 비용을 절감하고 기존 재고를 보다 효과적으로 활용할 수 있다. 운송 편성 방안도 제안한다. 화물을 통합해 트럭 적재 효율을 높일지, 아니면 배송 시간과 비용 절감을 위해 특정 거점에서 특정 주문을 처리할지 등을 권고한다.

​

하비에르 카리요(Javier Carrillo) 메칼룩스 CEO는 "물류 네트워크의 총비용을 최소화하면서 최고 수준의 서비스를 보장할 수 있도록 기업들을 지원하는 것이 목표"라고 밝혔다.

​

MIT와 메칼룩스는 향후 △내부 보충(피킹 구역의 특정 상품이 줄어들면, 외부에 주문을 넣는 것이 아니라 대량 보관 구역에서 피킹 구역으로 자동으로 옮겨 채워주는 것) △고밀도 자동화 보관 시스템의 디지털 트윈 △ 슬로팅 최적화(창고 안에서 어떤 상품을 어느 위치에 배치할지를 최적화하는 것) 등 다른 물류 프로세스 전반으로 AI 적용 범위를 확대하는 데 초점을 맞출 것이라고 밝혔다.

​

백승일 기자 robot3@irobotnews.com

저작권자 © 로봇신문 무단전재 및 재배포 금지