.svg)
AI 솔루션 문의하기
물류창고의 공간 데이터가 다루어야 할 핵심은 어떤 안전구역이 있는지가 아니라 지금 이 순간 어떤 상품이 어느 위치에 쌓여 있는지를 정확히 그려내는 일입니다. 재고는 입고와 출고가 반복되며 하루에도 여러 차례 위치가 바뀌기 때문에 한 번 만든 지도를 그대로 오래 쓸 수 없습니다. 카메라로 확인한 재고 위치 정보를 창고관리시스템의 재고 데이터와 계속 맞대어 보는 파이프라인이 이 지도를 실제와 가깝게 유지해 줍니다. 재고 위치를 지속적으로 갱신하고 시스템 데이터와 대조하는 파이프라인이 물류창고 공간 데이터의 핵심 목적을 이루어 줍니다.
물류창고의 랙 배치는 제조공장의 설비 배치보다 훨씬 자주 바뀌며 판촉 행사나 계절 수요에 맞추어 몇 주 단위로 재구성되는 경우도 흔합니다. 배치가 바뀔 때마다 사람이 수작업으로 공간 데이터를 다시 그리는 방식으로는 이 속도를 따라가기 어렵습니다. 랙의 이동이나 추가를 센서가 감지하면 해당 구역의 공간 데이터를 자동으로 갱신하는 절차를 파이프라인 안에 포함시켜야 이런 빈번한 변화에 대응할 수 있습니다. 랙 변화를 자동으로 감지해 공간 데이터를 갱신하는 절차가 잦은 배치 변경을 따라가는 파이프라인의 핵심 기능이 됩니다.
파이프라인은 카메라가 촬영한 원본 영상에서 시작해 점군 데이터로 변환하고 각 구역에 의미를 부여하는 라벨링을 거쳐 최종적으로 분석이나 운영에 쓰일 수 있는 형태로 다듬어지는 여러 단계를 거칩니다. 이 단계 사이에 수작업이 끼어들면 처리 속도가 느려지고 사람마다 처리 기준이 달라지는 문제가 생길 수 있습니다. 각 단계를 최대한 자동으로 연결해 두면 새로운 촬영 데이터가 들어올 때마다 일관된 품질의 결과물이 빠르게 만들어집니다. 촬영부터 최종 산출물까지 이어지는 각 단계를 자동으로 연결해야 일관된 품질의 데이터를 빠르게 확보할 수 있습니다.
물류창고는 바닥 면적뿐 아니라 천장까지 이어지는 수직 공간도 함께 활용하며 이 수직 공간이 얼마나 효율적으로 쓰이고 있는지는 눈으로 확인하기 어려운 경우가 많습니다. 3차원 공간 데이터를 부피 단위로 분석하면 특정 구역의 상단부가 비어 있는 채로 방치되고 있는지를 파악할 수 있으며 이 정보는 창고 전체의 저장 효율을 높이는 데 참고 자료가 됩니다. 공간을 부피 단위로 분석하는 절차가 눈으로는 놓치기 쉬운 상단부의 유휴 공간을 찾아내는 근거가 됩니다.
여러 지역에 창고를 운영하는 사업자라면 창고마다 서로 다른 방식으로 공간 데이터를 다루어 온 경우가 있으며 이런 차이는 본사 차원에서 여러 창고의 데이터를 함께 비교하려 할 때 걸림돌이 될 수 있습니다. 공통된 좌표 체계와 데이터 형식을 표준으로 정해 두면 창고 간 재고 흐름을 비교하고 전체 네트워크 차원의 재배치 계획을 세우는 작업이 한결 수월해집니다. 여러 창고에 공통된 표준을 적용하는 작업이 개별 창고 데이터를 네트워크 전체 관점에서 비교하고 활용하는 기반이 됩니다.
이동 로봇이 즉각적인 경로 판단을 내려야 하는 상황에는 빠르게 처리되는 실시간 데이터가 필요하지만 전체 창고의 재고 배치를 분석하고 개선안을 마련하는 작업에는 정밀도가 높은 일괄 처리 데이터가 더 적합합니다. 하나의 파이프라인이 이 두 가지 목적을 모두 만족시키려 하면 어느 한쪽의 성능이 떨어지기 쉬워 용도에 따라 처리 경로를 나누어 설계하는 편이 안전합니다. 실시간 판단용 경로와 정밀 분석용 경로를 나누어 설계해야 두 가지 서로 다른 목적을 각각 제대로 만족시킬 수 있습니다.
.svg)
.svg)
