최첨단 물류창고는 하루에도 최대 수십만 건의 주문을 처리합니다. 이만한 수량을 충족하려면 선택된 물품을 대량으로 지원하기 위한 수많은 재고와 물리적 공간, 그리고 복잡한 워크플로우가 요구되죠.
뿐만 아니라, 세부이행 센터(micro-fulfillment center)가 고객의 당일 배송 주문을 처리하는 데 인기를 점점 끌고 있습니다.
이러한 종류의 최첨단 시설과 기계를 효율적으로 운영하려면 많은 량의 자원은 물론 숙련된 인력이 필요한데요. 그러나 인력이 줄고 있는 요즘과 같은 상황에서는 엣지 컴퓨팅과 인공지능(AI)에 투자하는 것이 도움이 될 수 있습니다.
부족한 인력을 채워주는 물류 자동화
현대식 창고는 강력한 자동화를 특징으로 합니다. 자동 기계와 운반차는 창고 주변을 다니며 제품을 옮기고, 컨베이어 시스템은 상품을 운송 컨테이너로 옮기며, 지능적으로 제품을 포장하는 선택형 분류 시스템을 제공하기 위해 첨단 3D 그리드를 사용합니다. 그러나 이러한 자동화 수준을 갖추었음에도 불구하고 현대식 창고는 여전히 인력을 많이 필요로 합니다.
상자의 크기가 다르면 자동 포장이 어려워 수작업으로 진행되는 경우가 많이 생깁니다. 일부 품목은 크고 무거워서 지게차와 운전자가 함께 움직여야 합니다. 또한 직원들을 구하고 유지하는 것은 까다로운 일이지만 코로나-19 관련규제는 이런 상황을 더욱 악화시켰죠. 인력은 줄어들고, 물류창고 산업은 빠르게 성장하고 있습니다. 차세대 물류창고는 효율적인 운영을 위해 자동화에 집중할 필요가 있습니다.
최첨단 산업을 위한 딥 러닝
딥 러닝과 엣지 컴퓨팅의 발전으로 지능이 제공되고 물류창고 프로세스가 더욱 자동화되고 있습니다. 자동화된 선택 및 배치 시스템(pick and place system)은 최첨단 창고가 구현하는 운영의 예입니다. 선택 및 배치 시스템 중에 자동화 시스템은 보관함에 있는 다른 여러 제품들 중에서 해당 제품을 파악한 다음 그것을 선택해 다른 곳에 배치하여 포장할 수 있도록 해줍니다.
이 시스템이 자동화되려면 수많은 다양한 딥 러닝 모델이 필요합니다. 어떤 제품들은 반투명 하거나, 반사되거나 균일하지 않아서 컴퓨터 시각으로 감지하기 매우 까다롭기 때문입니다.
다음 설명으로 자동화된 선택 및 배치 시스템에 딥 러닝 모델이 사용되는 방법을 간단히 요약해보겠습니다.
첫째, 물체를 잡는 지점을 인식해야 합니다. 이는 가장 간단한 딥 러닝 모델이지만 자동화에 있어서 중요한 기능입니다. 일단 물체를 어디 잡아야 하는지 알려면, 3D 공간에서 물체가 어떻게 존재하는지 이해할 필요가 있습니다. 따라서 선택 및 배치 시스템이 주변환경에서 물체의 깊이를 이해할 수 있도록 만드는 깊이 추정 모델이 필요합니다.
물체가 선택된 다음에는 이를 배치해야 합니다. 이를 위해 선택된 물품의 공간 위치를 결정하기 위해 방향 모델이 사용됩니다.
이런 모델과 기타 모델을 결합하면 효과적인 빈 패킹(bin packing)이 가능해집니다.
선택 및 배치 시스템은 소매업체가 물류창고 자동화를 개선하기 위해 사용하는 모델 몇 가지의 예를 보여줍니다.
선택 및 배치 시스템과 현대식 물류창고에 관련한 다른 모델을 위한 딥 러닝에 대해 자세히 알아보시려면 로보틱스 자동화와 물류창고 분야의 딥 러닝 온디맨드를 확인해보세요.