컬리의 Virtual 물류 센터

Context

물류 센터 피킹 공정의 개선안(상품 적치 위치 변경, 동선 형태 변경 등)에 대해 의사결정을 해야 했으나, 과거 데이터로는 미래 변화를 예측할 수 없었고 현장 직접 실험은 운영 병행의 제약과 관찰자 편향 문제가 있었다.

Technical Solution

• 시스템 명세: DEVS 형식론을 사용해 작업자 관점에서 피킹 공정을 Wait → Check → Move → Pick → Load 상태 전이로 정의
• 시뮬레이션 모델 개발: Java 기반 AnyLogic을 이용해 Main 레이어(피킹잡 생성)와 Process 레이어(개별 작업자 작업 흐름)로 이원화 구조 구현
• 에이전트 정의: locationKey, sku, batch, picker, skuStorage 등 6가지 Agent 타입과 1가지 ResourcePool 타입으로 피킹 환경 구성
• 작업자 행동 규칙: 최단 경로 이동, 선착 기다림(다른 작업자가 픽 중이면 대기), 확률 분포 기반 개인차 파라미터(속도, 작업 시간), 상품 변수(개수, 부피, 무게) 반영한 픽 시간 계산
• 모델 검증: 특정 일자 실제 피킹 작업 데이터를 입력해 피킹잡당 작업 시간 도출 후 Kolmogorov-Smirnov 검정으로 실제값과 시뮬레이션 분포 비교

Impact

• Kolmogorov-Smirnov 검정 결과 시뮬레이션과 실제 시스템 간 통계적 유의차 없음(p=0.99)
• U자 동선 대비 Z자 동선: SKU 수 적은 경우 Z자에서 거리 감소, SKU 수 많은 경우 U자에서 거리 감소
• 고빈도 SKU 입구 집중 배치 전략: 6명 작업자 투입 시 피킹잡당 작업 시간 평균 5% 감소, 다만 작업자 수 증가 시 입구 정체 심화로 인한 급격한 시간 증가

Key Takeaway

물류 센터의 복잡한 공정은 DEVS 형식론으로 상태 전이를 명확히 정의하고 Agent 기반 시뮬레이션으로 재현하면, 현장 실험 없이도 시나리오별 영향을 정량 측정할 수 있다. 의사결정 시 단일 지표(작업 시간 5% 단축)만 보지 말고 병목 현상 발생 패턴(작업자 수 증가 시 입구 정체)까지 함께 분석해야 실제 운영에서 최적 전략을 선택할 수 있다.