Case Study

Fleet Monitoring and Analysis

작업 처리 시간 감소, 적재적소의 차량 배차를 위한 지게차 효율성 관리는 오늘날 최근 트렌드인 대형 물류창고나 도심형 물류창고에서 더욱 중요해지고 있습니다. 특히, 차량의 대수가 많아지고 회전율이 높은 물류 창고일수록 효율성 관리를 위한 객관적인 지표 파악을 위해 물류 기업에서 많은 노력을 기울입니다.

 

Motion2AI 모니터링 서비스 는 지게차에 손 쉽게 장착하는 센서 (MotionKit) 를 통해 지게차 동선 파악과 WMS 오더 처리 정보를 연계하여, 기존에 접근하지 못했던 차량 운용 여부, 오더별 실제 처리 시간, 적치/배차 전략 변동에 객관적인 지표를 마련하고, 이를 통해 다양한 정책 수립에 있어 데이터 기반 의사 결정을 할 수 있게 도와주는 서비스입니다.

 

국제물류에서 가장 많은 물동량을 처리하는 A사는 모션투에이아이와 진행한 3개월간의 서비스를 통해

 

     1) 운영 지게차 대수 감축을 통한 비용 절감

     2) 병목을 줄일 수 있는 재고배치 전략 재검토

     3) 작업동선 효율성에 따른 작업자별 성과 지표 확보

     4) 작업별 차량 운영 리소스 파악

 

을 할 수 있었습니다.

 

지게차 가동 여부

 

물류창고에서 적정 지게차 대수를 파악하는 방법은 처리시간, 보관능력, 회전율 등의 1차적인 지표에만 의지하는 경우가 대부분입니다. 하지만 실제 운영에서는 처리물량의 변동, 피크 기간을 위한 여유분의 지게차 확보, 작업 별 특수 지게차 사용 등 1차 지표 이외의 부분이 더 많이 작용하기에, 물류창고 운영사에서는 최대한 보수적인 접근으로 필요 이상의 지게차를 보유하고 불필요한 지출로 이어지는 경우가 많습니다.

 

A사는 리치, 오더피커, 카운터밸런스, 사이드클램프 등 네 종류의 지게차를 22대 운영하고 있습니다. 이 22대 지게차에 설치된 MotionKit 는 매 초마다 위치정보를 전송합니다. 이 실시간 위치정보를 통해 해당 지게차의 시간대 별 가동여부를 한 눈에 파악할 수 있습니다.

 

시간대 별 가동여부를 통해 각각의 지게차들이 얼마나 사용되고 있는지 알 수 있습니다.
 
 

A사 22대 지게차의 시간대 별 가동여부를 통해 가동 시간이 얼마나 되는지, 어떤 지게차가 얼마나 사용되고 있는지를 쉽게 볼 수 있는 대시보드입니다. 주문 물량이 많은 날도 있고 적은 날도 있기 때문에 반드시 WMS 의 물량 데이터와 같이 비교해 보아야 합니다. 피크인 날에는 얼마나 많은 지게차가 사용되는지, 최대로 필요한 대수가 어느 정도인지를 쉽게 파악할 수 있습니다. A사는 데이터 팀과 현장 관리팀이 함께 데이터를 보며 22대 지게차 중 4대(18%)를 줄이게 되었습니다.

 

병목 파악

 

MotionKit 가 실시간으로 보내는 위치정보를 통하여, 지게차들이 어느 위치에 체류하는 시간이 긴 지 파악할 수 있습니다.

 

오래 머무른 곳이 붉게 표시되는 히트맵을 통해 병목인 구간을 쉽게 찾을 수 있습니다.
 

A사의 지게차는 화물 엘리베이터를 통해 다른 층으로 이동하는 층간이동이 특히 많았습니다. 층간이동에서 엘리베이터를 기다리는 것이 병목이 되고 있습니다. A사는 층간이동을 줄이는 것을 목표로 재고배치 전략을 재검토하고 있습니다.

 

지게차 작업 세부 지표 집계

 

지게차 작업 중에서 WMS 에 기록이 남지 않는 상차나 하차 작업도 작업 시간을 집계할 수 있습니다. 지도 상에서 작업 구역을 설정하여, 지게차가 해당 구역에 체류한 시간을 집계하는 것입니다.

 
구역을 설정하여 체류시간을 집계할 수 있습니다.
 

A사는 하차(unloading)와 상차(loading), 엘리베이터 대기시간과 엘리베이터 내에서 체류한 시간을 측정하여 작업 별로 얼마나 리소스가 투입되고 있는지 알 수 있습니다. A사에서는 작업이 집품, 적치, 상차, 하차 순으로 많이 되고 있었습니다. 이를 통해 작업 별로 관리 우선순위를 세울 수 있고, 더 많이 리소스가 사용되는 작업들의 동선을 우선적으로 최적화할 수 있습니다.

 

작업 동선에 대한 평가

 

지게차가 수행한 집품(picking) 작업의 순서를 지도에 표시하여 작업 동선을 평가할 수 있습니다.

집품(picking) 작업 순서 예시
 

A사 현장에서는 추가로 설치된 로케이션의 순서가 제대로 입력되어있지 않은 경우가 있고, 정렬이 매끄럽게 되지 않는 것도 쉽게 확인할 수 있습니다. 순서가 잘 입력되어있지 않은 로케이션들을 바로잡았고 집품 정렬 문제는 중장기 과제로 보고 있습니다.

MotionKit 이 보내는 위치정보를 통해 각 지게차들의 실제 이동거리도 파악할 수 있습니다. 작업지시를 받고나서 집품(picking) 작업을 위해 지정된 로케이션까지 이동한 거리와 도착한 시간, 다음 작업을 위해 출발한 시간 등을 알 수 있으며 이를 기반으로 작업을 평가하고 프로세스를 개선하는 지표로 사용할 수 있습니다.

 

재고배치는 효율적인가

 

작업 효율화를 하기 위해서는 상차(loading) 구역에서 가까운 곳에 잘 나가는 SKU 들을 배치하고, 덜 팔리는 SKU 들은 먼 곳에 배치하는 ABC 분석이 필수적입니다. ABC 분석과 적치(stowing) 전략이 유기적으로 연결되어 자동화되어있지 않은 경우에는 재고배치에 비효율이 발생하기 쉽습니다.

A사는 대체적으로 재고배치가 적절히 되어있지만, 가까이 있음에도 긴 시간 동안 사용되지 않은 로케이션들이 상당수 있었습니다. 향후에 재고배치 전략을 개선하면 동선을 개선하고 층간이동을 줄일 수 있을 것으로 기대하고 있습니다.

 

결론

 

본 서비스를 통해 A사는 별도의 설치형 장비를 설치하지 않고도 차량에 설치하는 MotionKit 센서와 AWS 클라우드 서비스를 통해, 실시간 모니터링 구축, 지게차들의 작업 여부, 동선 파악을 통한 효율성 개선과 비용 감소를 이루었습니다. 대부분의 물류창고들이 이와 같은 유사한 형태로 운영되기에, 앞으로 더 많은 고객사와 협업하며 물류 시장 전반의 효율성 향상을 이끌어낼 계획입니다.

 
 

작성자: 김성호, Data Scientist at Motion2AI